Jingga Saviratus Zahra

10611810000006
Kelas B

LATIHAN HETEROSKEDASTISITAS
1. a) Heteroskedastisitas adalah uji yang menilai apakah ada ketidaksamaan varian dari residual
untuk semua pengamatan pada model regresi linear.
b) Karena dapat menyebabkan akan berpengaruh kepada penaksiran standar error yang bias,
varian tidak efisien, interval parameter menjadi lebar, nilai 𝜎 2 bisa menjadi bias dan
kesimpulan yang diambil bisa salah.
c) Dengan menggunakan Uji Rank Spearman, Uji Glejser, dan Uji Park sebagai berikut :
 Uji Rank Spearman
Uji Rank Spearman adalah mengkorelasikan variabel bebas dengan absolut
residualnya. Jika terdapat signifikansi, berarti terdapat gangguan heteroskedastisitas
pada model penelitian. Langkah-;angkanya adalah dapatkan nilai residual dari model,
urutkan residual dan X dari kecil ke besar (abaikan tanda), dapatkan nilai korelasi
antara residual dan X, nilai korelasi yang tinggi menunjukkan adanya
heteroskedastisitas.
 Uji Glejser
Uji glejser mengusulkan untuk meregresi nilai absolut residual terhadap variabel
independent. Hasil probabilitas dikatakan signifikan apabila nilai signifikasinya diatas
tingkat kepercayaan.
 Uji Park
Uji Park dilakukan dengan meregresikan variabel bebas terhadap nilai logaritna
natural dari kuadrat nilai residualnya. Jika ada pengaruh yang signifikan, berarti ada
gangguan heteroskedastisitas. Untuk uji ini asumsinya yaitu nilai varian adalah fungsi
dari variabel X.
2.
a) Regresi antara rata-rata kompensasi (Y) terhadap rata-rata produktivitas (X) dan
residualnya.
Regresi :
H0 : Rata-rata produktivitas tidak berpengaruh signifikan terhadap rata-rata kompensasi
H1 : Rata-rata produktivitas berpengaruh signifikan terhadap rata-rata kompensasi
Taraf signifikan (∝) = 0.05
Daerah Penolakan = Tolak H0 jika Fhitung > Ftabel dan P-Value < ∝ = 0.05
Jingga Saviratus Zahra
Dependent Variable: RATA2_UPAH
10611810000006
Method: Least Squares
Kelas B Date: 05/01/21 Time: 08:08
Sample: 1 9
Statistik Uji :
Included observations: 9

Variable Coefficient Std. Error t-Statistic Prob.

C 1992.345 936.4791 2.127485 0.0709

RATA2_PRODUKTIVITAS 0.232957 0.099839 2.333336 0.0524

R-squared 0.437501 Mean dependent var 4161.667

Adjusted R-squared 0.357143 S.D. dependent var 420.5954
S.E. of regression 337.2264 Akaike info criterion 14.67252
Sum squared resid 796051.5 Schwarz criterion 14.71634
Log likelihood -64.02632 Hannan-Quinn criter. 14.57794
F-statistic 5.444456 Durbin-Watson stat 0.616626
Prob(F-statistic) 0.052356

Fhitung = 5.444
F(0.05,1,7)= 5.591
P-Value= 0.0524
Keputusan :
Gagal Tolak H0 karena Fhitung = 5.444 lebih kecil dari F(0.05,1,7)= 5.591 dan diperkuat dengan
P-Value=0.0524 lebih besar dari ∝ = 0.05.
Kesimpulan :
Rata-rata produktivitas tidak berpengaruh signifikan terhadap rata-rata kompensasi.
Residual :
RESI
-775.658
-205.048
165.8512
183.9356
199.3785
54.66578
112.841
150.6239
113.41

b) Regresi ei terhadap Yi
H0 : Residual tidak berpengaruh signifikan terhadap rata-rata kompensasi
H1 : Residual berpengaruh signifikan terhadap rata-rata kompensasi
Taraf signifikan (∝) = 0.05
Daerah Penolakan = Tolak H0 jika Fhitung > Ftabel dan P-Value < ∝ = 0.05
Jingga Saviratus Zahra
10611810000006
Kelas B

Statistik Uji :

Analysis of Variance
Source DF Adj SS Adj MS F-Value P-Value
Regression 1 796051 796051 9.00 0.020
RESI 1 796051 796051 9.00 0.020
Error 7 619153 88450
Total 8 1415204
Keputusan :
Tolak H0, karena karena Fhitung = 9 lebih besar dari F(0.05,1,7)= 5.591 dan diperkuat dengan
P-Value=0.02 lebih kecil dari ∝ = 0.05.
Kesimpulan :
Residual berpengaruh signifikan terhadap rata-rata kompensasi.

c) Uji Park
H0 : Residual yang terbentuk dari model regresi indentik (tidak terjadi heteroskedastisitas)
H 1 : Residual
Dependent yangLOG(RESIDSQUARED)
Variable: terbentuk dari model regresi tidak indentik (terjadi heteroskedastisitas)
Method: Least Squares
Taraf signifikan (∝) = 0.05
Date: 05/01/21 Time: 08:17
Daerah Penolakan = Tolak H0 jika Fhitung > Ftabel dan P-Value < ∝ = 0.05
Sample: 1 9
Statistik Uji :
Included observations: 9

Variable Coefficient Std. Error t-Statistic Prob.

C 35.81730 38.31918 0.934709 0.3811

LOG(RATA2_PRODUKTIVITAS) -2.801028 4.195746 -0.667588 0.5258

R-squared 0.059857 Mean dependent var 10.23797

Adjusted R-squared -0.074450 S.D. dependent var 1.414666
S.E. of regression 1.466381 Akaike info criterion 3.796602
Sum squared resid 15.05191 Schwarz criterion 3.840429
Log likelihood -15.08471 Hannan-Quinn criter. 3.702022
F-statistic 0.445673 Durbin-Watson stat 1.133810
Prob(F-statistic) 0.525786

Fhitung = 0.446
F(0.05,1,7)= 5.591
P-Value= 0.5258
Keputusan :
Gagal Tolak H0 karena Fhitung = 0.446 lebih kecil dari F(0.05,1,7)= 5.591 dan diperkuat dengan
P-Value=0.5258 lebih besar dari ∝ = 0.05.
Kesimpulan :
Residual yang terbentuk dari model regresi indentik, yang berarti tidak terjadi
heteroskedastisitas.
Jingga Saviratus Zahra
10611810000006
Kelas B

Heteroskedasticity
d) Uji Glejser Test: Glejser
Null hypothesis: Homoskedasticity
H0 : Residual yang terbentuk dari model regresi indentik (tidak terjadi heteroskedastisitas)
H 1 : Residual yang terbentuk
F-statistic dari model
0.090805 Prob.regresi
F(1,7) tidak indentik 0.7719
(terjadi heteroskedastisitas)
Taraf signifikan
Obs*R-squared (∝) = 0.05
0.115254 Prob. Chi-Square(1) 0.7342
Daerah Penolakan
Scaled explained SS = Tolak H0 jika FProb.
0.114223 hitung > Ftabel dan P-Value <
Chi-Square(1) ∝ = 0.05
0.7354
Statistik Uji :
Heteroskedasticity Test: Glejser
Test Equation: Homoskedasticity
Null hypothesis:
Dependent Variable: ARESID
Method:
F-statisticLeast Squares 0.090805 Prob. F(1,7) 0.7719
Date: 05/01/21 Time: 08:19 0.115254
Obs*R-squared Prob. Chi-Square(1) 0.7342
Sample: 19
Scaled explained SS 0.114223 Prob. Chi-Square(1) 0.7354
Included observations: 9

Variable
Test Equation: Coefficient Std. Error t-Statistic Prob.
Dependent Variable: ARESID
Method: LeastC Squares 407.3455 633.1427 0.643371 0.5405
RATA2_PRODUKTIVITAS
Date: 05/01/21 Time: 08:19-0.020340 0.067500 -0.301339 0.7719
Sample: 1 9
R-squared
Included observations: 9 0.012806 Mean dependent var 217.9347
Adjusted R-squared -0.128222 S.D. dependent var 214.6485
S.E. of regression
Variable 227.9949
Coefficient Akaike info criterion
Std. Error t-Statistic 13.88965
Prob.
Sum squared resid 363871.6 Schwarz criterion 13.93348
Log likelihood
C -60.50344
407.3455 Hannan-Quinn
633.1427 criter.
0.643371 13.79507
0.5405
F-statistic 0.090805
RATA2_PRODUKTIVITAS -0.020340 Durbin-Watson
0.067500 stat
-0.301339 1.014984
0.7719
Prob(F-statistic) 0.771911
R-squared 0.012806 Mean dependent var 217.9347
FAdjusted
hitung = R-squared
0.090805 -0.128222 S.D. dependent var 214.6485
FS.E.
(0.05,1,7) = 5.591
of regression 227.9949 Akaike info criterion 13.88965
P-Value=
Sum squared 0.7719
resid 363871.6 Schwarz criterion 13.93348
Log likelihood
Keputusan : -60.50344 Hannan-Quinn criter. 13.79507
F-statistic 0.090805 Durbin-Watson stat
Gagal Tolak H0 karena Fhitung = 0.091 lebih kecil dari F(0.05,1,7)1.014984
= 5.591 dan diperkuat dengan
Prob(F-statistic) 0.771911
P-Value=0.7719 lebih besar dari ∝ = 0.05.
Kesimpulan :
Residual yang terbentuk dari model regresi indentik, yang berarti tidak terjadi
heteroskedastisitas.

e) Uji Korelasi Spearman

H0 : Residual yang terbentuk dari model regresi indentik (tidak terjadi heteroskedastisitas)
H1 : Residual yang terbentuk dari model regresi tidak indentik (terjadi heteroskedastisitas)
Taraf signifikan (∝) = 0.05
Daerah Penolakan = Tolak H0 jika P-Value < ∝ = 0.05
Jingga Saviratus Zahra
10611810000006
Kelas B

Statistik Uji :
Correlations
Unstandardized Residual Rata2_Produktivitas
Spearman's rho Unstandardized Residual Correlation Coefficient 1.000 -.383
Sig. (2-tailed) . .308
N 9 9
Rata2_Produktivitas Correlation Coefficient -.383 1.000
Sig. (2-tailed) .308 .
N 9 9

Keputusan :
Gagal Tolak H0 karena P-Value=0.308 lebih besar dari ∝ = 0.05.
Kesimpulan :
Residual yang terbentuk dari model regresi indentik, yang berarti tidak terjadi
heteroskedastisitas.