2
KATA PENGANTAR
Dengan menyebut nama Allah SWT yang Maha Pengasih lagi Maha Penyayang,
kami panjatkan puji syukur atas kehadirat-Nya yang telah melimpahkan rahmat, hidayah,
mungkin dan tentunya bantuan berbagai pihak, sehingga dapat memperlancar pembuatan
makalah ini. Untuk itu kami tidak lupa menyampaikan banyak terima kasih kepada
Namun tidak lepas dari semua itu, kami menyadari sepenuhnya bahwa ada
kekurangan baik dari segi penyusunan makalahnya, bahasanya maupun dari segi lainnya.
Oleh karena itu, kami mengharapkan saran dan kritik demi memperbaiki makalah
Kelompok 6
DAFTAR ISI
DAFTAR PUSTAKA........................................................................................
BAB I
PENDAHULUAN
A. Latar Belakang
Uji heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi
terjadi ketidaksamaan variansi dari residual satu pengamatan ke pengamatan lain. Jika
variansi dari residual satu pengamatan ke pengamatan lain tetap, maka disebut
Homoskedastisitas dan jika berbeda disebut Heteroskedastisitas. Model regresi yang baik
adalah yang Homoskedastisitas
atau yang tidak terjadi Heteroskedastisitas.
Deteksi heteroskedastisitas dapat dilakukan dengan metode scatter plot dengan
memplotkan nilai ZPRED (nilai prediksi) dengan SRESID (nilai residualnya). Model
yang baik didapatkan jika tidak terdapat pola tertentu pada grafik, seperti mengumpul di
tengah, menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit.
Uji statistik yang dapat digunakan adalah uji Glejser, uji Park atau uji White.
1.2. Rumusan Masalah
BAB II PEMBAHASAN
A. Pengertian
Salah satu asumsi dalam regresi OLS adalah distribusi residual/eror sama
(homoskedastisitas) dan independen atau tidak saling berhubungan dengan residual
pengamatan lain dalam model. Asumsi ini didukung oleh nilai rata-rata eror adalah 0,
dan keragaman yang konstan. Asumsi homoskedastisitas :
Var ( e∨x 1 , x 2 , … , x k )=σ
2
Ketika eror tidak memiliki keragaman yang konstan maka persamaan mengandung
masalah heteroskedastisitas atau :
Var ( e ∨ x , x , … , x )=σ 2 1 2 k
1
si
ß
0
Y
1
si
i
ß
0
ß
1
X
i
e
i
dengan Var (
e
si
, sehingga menjadi :
ß
1
Maka diperoleh transformasi model sebagai berikut:
Y
Periksa apakah
ei
E
ei
Dengan demikian
ei
i
ß
0
homoskedastis ?
2
E
ei
si
2
2
ß
1
si
2
1
X
i
E
ei
xi
si
ei
2
1
si
ei
si
2
si
2
1
homoskedastis.
Cara ini menjamin hilangnya heteroskedastis; akan tetapi, prosedur
ini susah diimplementasikan karena tidak mudah mencari varians dari tiaptiap
pengamatan.
i
1. Metode Generalized Least Squares (GLS)
Perhatikan model berikut : Y i=β 0 + β 1 X i+ ε i dengan Var ( ε i ¿
1
= σ i 2 masing-masing dikalikan , sehingga menjadi :
σi
( ) ( ) ( )( )
1 1 xi εi
Yi =β +β +
0 1
σi σi σi σi
Maka diperoleh transformasi model sebagai berikut:
¿ =¿
Y i β 0+ β¿ 1 X ¿i + εi
¿
Periksa apakah εi homoskedastis ?
)
= 1 E ( εi
2
¿2
)=21 ( σi )=1
2
2
σi σi 2 σi
¿
Dengan demikian εi homoskedastis.
Cara ini menjamin hilangnya heteroskedastis; akan tetapi, prosedur ini susah
diimplementasikan karena tidak mudah mencari varians dari tiap- tiap pengamatan.
Kita akan menaksir transformed model dengan OLS dan taksiran yang diperoleh
akan BLUE, sedangkan model asli yang belum ditransformasikan (orginal model) bila
ditaksir dengan OLS, taksirannya tidak BLUE. Prosedur yang menaksir transformed
model dengan OLS
disebut metode Generalized Least Square (GLS).
2. Transformasi dengan 1/Xi
Asumsi : E ( ε i 2 )= σ 2 X 2
¿
i
Transformasi menghasilkan
Yi = β 0
Xi ( )Xi
+ β1+
( )Xi
¿
1
¿
εi
Xi
2
2)=
Xi2
E ( ε i )=
Xi 2
(σ 1 2
1 2 2 2
X i )= σ
1
3. Transformasi dengan
√ Xi
¿ ❑
E ( ε i )=σ X
2 2
Asumsi : i
Transformasi menghasilkan
√Yi
Xi = β 0
(
1
√ Xi ) ( √ Xi )
+ β 1+ εi
Bukti varian telah konstan
2
Xi
) = 1 E ( ε i )= ( σ
Xi Xi
2
1 2
Xi ) =σ
2
Secara grafik ciri-cirinya :
1 1
=
Y^
4. Transformasi dengan E ( Y i) i
E ( ε )= σ [ E (Y i ) ]
2 2 2
Asumsi : i
Secara grafik, ciri-cirinya :
1
2
D. Studi Kasus
1
3
Keputusan : Terima H0, karena nilai signifikansi ketiga variabel > 0,05
Kesimpulan : Dari output di atas, maka tampak ketiga variabel tidak ada gejala heteroskedastisitas.
11
11
BAB III PENUTUP
A. Kesimpulan
Heteroskedastisitas adalah adanya ketidaksamaan varian dari residual untuk
semua pengamatan pada model regresi. Adapun beberapa cara untuk
mendeteksi gejala dari heteroskedatisitas sebagai berikut:
1. Melihat grafik
2. Korelasi Spearman
3. Uji Park
4. Uji Glejser
5. Uji Goldfield
Beberapa cara untuk mengatasi heteroskedastisitas sebagai berikut :
1. Metode GLS
2. Transformasi dengan 1/Xi
12
12
3. Transformasi dengan 1/ √ xi
1 1
=
Y^
4. Transformasi dengan
E ( Y i) i
5. Transformasi dengan logaritma
B. Saran
Demikian makalah yang kami buat, semoga dapat bermanfaat bagi
para pembaca. Apabila ada saran dan kritik yang ingin disampaikan, silahkan sampaikan
kepada kami. Apabila terdapat kesalahan mohon dapat memaafkan dan memakluminya
karena kami adalah hamba Allah yang tak luput dari kesalahan dan lupa.
DAFTAR PUSTAKA
Hadi, Ali S dan Sampit C. 2006. Regression Analysis by Example Fourth Edition.
United State of America : A John Willey & Sons,inc., publication
Juanda, Bambang. 2009. Ekonometrika : Pemodelan dan Pendugaan. Bogor: IPB Press
http://portal-statistik.blogspot.com
12