PENDAHULUAN
Salah satu pelanggaran terhadap asumsi klasik yang sering terjadi ialah terjadinya
heteroskedastisitas. Heteroskedastisitas terjadi jika varian dari error suatu pengamatan ke
pengamatan lain terjadi ketidaksamaan (tidak konstan). Permasalahan heteroskedastisitas
merupakan salah satu bentuk pelanggaran asumsi klasik yang dapat menimbulkan permasalahan
yang cukup serius. Permasalahan heteroskedastisitas akan mempengaruhi
sifat-sifat yang dimiliki penduga metode kuadrat terkecil sehingga memerlukan jalan
keluar yang tepat untuk mengatasi permasalahan tersebut.
Secara grafis hal ini ditunjukkan pada gambar 1. Gambar 1. Error dengan Sifat Homoskedastis
Salah satu bentuk penyimpangan/pelanggaran terhadap asumsi ini ialah terjadinya
ketidakkonstanan varian dari setiap kesalahan pengganggu (error) atau sering disebut
dengan heteroskedastisitas. Dalam keadaan heterokedastisitas, 2 2 () ( ) Var E i i i ε = = ε σ
untuk semua i, . Ketika terjadi heteroskedastisitas maka akan menghasilkan
matriks varian-kovarian error sebagai berikut :
V=E[ℇℇ]
Pada gambar 3, tidak terlihat adanya pola error yang sistematis atau dapat
dikatakan random. Artinya, tidak ada perbedaan 2 ( ) Var i ε pada suatu tingkat nilai Xi atau
sekelompok Xi (variannya homoskedastis). Pola error pada gambar 4 berbeda dengan
pola error pada gambar 3, pada gambar 4 menunjukkan adanya pola error yang
sistematik, dimana varian error semakin membesar seiring membesarnya nilai Xi .
Sedangkan pada gambar 5 menunjukkan pola error yang nilai terbesarnya terletak pada
titik-titik kritis dari grafik. Gambar 4 dan gambar 5 menunjukkan pola-pola error yang
tidak konstan (heteroskedastis). Salah satu kelemahan pengujian secara grafis adalah tidak jarang
kita ragu
terhadap pola yang ditunjukkan grafik. Keputusan secara subjektifd apat mengakibatkan
perbedaaan keputusan antara satu orang dengan lainnya. Oleh karena itu dibutuhkan
suatu prosedur formal yang dapat digunakan untuk mendeteksi heteroskedastisitas.
Terdapat banyak uji statistik yang dikembangkan untuk mendeteksi keberadaan
heteroskedastisitas, namun disini hanya akan dibahas dua metode yang paling populer,
yaitu uji White dan uji Breusch Pagan Godfrey.
XSalah satu uji statistik yang cukup terkenal dan hampir selalu dilampirkan pada
setiap keluaran paket komputer untuk mendeteksi heteroskedastisitas adalah uji White.
Uji White merupakan pendekatan yang lebih formal dalam mencari pola error. Uji ini
mempunyai cara kerja dengan meregresikan i ε terhadap semua peubah bebas yang ada.
Uji ini mengasumsikan bahwa varian error merupakan fungsi yang mempunyai hubungan
dengan peubah bebas, kuadrat masing-masing peubah bebas, dan interaksi antar peubah
bebas.
Cara kerja uji White jika terdapat dua peubah bebas di dalam model, yaitu X1 dan
X2 , maka persamaan regresi i ε adalah seperti berikut :
ℇ1 = a1 + a2x1 + a3x2 + a4x1 + a5x2 + a6x1x2 + ui
Apabila koefisien dari semua X atau beberapa diantaranya terjadi perbedaan yang
signifikan dari nol dalam uji t biasa, artinya ( ) Var i ε berubah-ubah dengan Xi , maka
dapat dikatakan terjadi heteroskedastisitas.
White juga menunjukkan bahwa dengan jumlah sampel (n) yang cukup besar,
hasil kali antara jumlah sampel dan kofisien determinasi (R2
) dari persamaan (4)
sebanding dengan distribusi 2 χ dengan derajat bebas sama dengan jumlah parameterparameter
yang ada pada persamaan tersebut kecuali intercept. Jika nilai melebihi
nilai
2 nR
2 χ maka dapat disimpulkan terjadi heteroskedastisitas.
Uji statistik lainnya yang dapat digunakan untuk menguji apakah varian dari error
bersifat homoskedastik atau tidak adalah uji Breusch Pagan Godfrey. Pada prinsipnya, uji
ini tidak jauh berbeda dengan uji lainnya, yaitu mencoba mengukur varian 2
i ε akibat
perubahan nilai-nilai peubah bebasnya.
Tahap-tahap dalam uji ini adalah:
1. Asumsikan 2 ( ) Var i
2
i ε = σ merupakan fungsi linier dari peubah non stokhastik Z,
dimana Z adalah sebagian atau seluruh peubah X:
2
0 11 ... σ αα α i k = + ++ Z Zk (5)
2. Jika 1 2 ... α = == α αk maka 2 σ i =α0 , varian error konstan sehingga error
homoskedastik.
3. Peubah bebas X dapat digunakan sebagai pengganti peubah Z
4. Estimasi model regresi
0 11 2 2 ... i ii k k y xx x = + + ++ + β ββ β i i ε
5. Hitung 2 i s = ∑ε n dan membangun pi = ℇi
6. Regresikan i p terhadap 0 11 ... α +α α Z + + k k Z
7. Hitung 2 ( ) : ~ 2 k Jumlah Kuadrat Regresi JKR θ = θ χ
8. Error homoskedastik jika 123 ... 0 α =αα α = == =k
9. Jika 2 θ > χ k maka tolak Hipotesis nol, artinya error tidak homoskedastik.
Uji Breusch Pagan Godfrey memiliki beberapa kekurangan, yaitu uji ini tidak
reliabel jika error tidak berdistribusi normal dan jika jumlah sampel kecil.
III. AKIBAT DAN CARA MENGATASI HETEROSKEDASTISITAS
Heteroskedastisitas merupakan salah satu persoalan yang sering terjadi dalam
regresi linier. Permasalahan heteroskedastisitas mengakibatkan asumsi klasik mengenai
kekonstanan varian error tidak terpenuhi dan akan berpengaruh terhadap sifat-sifat
penduga metode kuadrat terkecil. Menurut Gujarati (1999), permasalahan
heteroskedastisitas mengakibatkan :
• Penduga metode kuadrat terkecil masih tetap takbias dan konsisten, tetapi tidak
lagi efisien (varian tidak lagi minimum).
• Simpangan baku (standar error) dari estimasi menjadi bias, sehingga uji t dan uji
F menjadi tidak valid. Thomas (1996) juga mengungkapkan pendapat yang serupa bahwa
heteroskedastisitas
mengakibatkan penduga metode kuadrat terkecil tidak lagi efisien, namun tetap linier, tak
bias, dan konsisten.
Heteroskedastisitas tidak merusak sifat ketakbiasan dan konsistensi dari penduga
metode kuadrat terecil, tetapi penduga menjadi tidak lagi efisien, sehingga membuat
prosedur pengujian hipotesis yang biasa nilainya diragukan. Oleh karena itu, tindakan
perbaikan sangat diperlukan. Ada dua pendekatan yang dapat digunakan untuk mengatasi
permasalahan heteroskedastisitas. Jika 2 σ i diketahui dan jika 2 σ i tidak diketahui.
Xi
22()ii
2 E ε σ= X (11)
01
ii1
ii
X X Xi
ε β β ⎛⎞ ⎛⎞
= ++ ⎜⎟ ⎜⎟ ⎝⎠ ⎝⎠
(12)
* * Y X i i 00 1
* = ++ β β ε i (13)
Dimana * i
YY
X=,*
1i
X=,*i
i Xi
ε=.
= ++ ⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎝ ⎠ ⎝ ⎠⎝ ⎠
(20)
*** YXX i ii 00 1
* = ++ β β ε i (21)
Dimana *
()
YY
EY=,*
()i
EY=,*
()
XX
EY=,*
()
i E Yi
ε=
*2 2 2 2 2
22 2
1 1 ( ) ( ) ( [ ( )] ) [ ( )] [ ( )] [ ( )]
ii
ii i
E E E EY
EY EY EY
iεεσ
⎛ ⎞ == = ⎜ ⎟ ⎝ ⎠
=σ (22)
YX
Y Y YYˆ
ε β β ⎛ ⎞ ⎛ ⎞⎛ ⎞
=+ + ⎜ ⎟ ⎜ ⎟⎜ ⎟
⎝ ⎠ ⎝ ⎠⎝ ⎠