UJI ASUMSI KLASIK

HETEROSKEDASTISITAS

OLEH:

KELOMPOK 4
KELAS V C

NAMA ANGGOTA KELOMPOK:

ANGGID ANASTASYA RENATA BR NIM. 1717011077

MIFTAHUL JANNAH NIM. 1717011078
ENY SAB’AWATI NIM. 1717011091
KADEK AYU WULANDARI NIM. 1717011092

JURUSAN EKONOMI DAN AKUNTANSI

FAKULTAS EKONOMI
UNIVERSITAS PENDIDIKAN GANESHA
TAHUN 2019

1
 DAFTAR ISI
COVER................................................................................................................i

DAFTAR ISI.......................................................................................................ii

BAB 5 UJI ASUMSI KLASIK HETEROSKEDASTISITAS

5.1 Pendahuluan....................................................................................1

5.2 Deteksi Heteroskedastisitas.............................................................2

5.3 Mengobati Heterskedastisitas........................................................15

DAFTAR PUSTAKA

2
 BAB 5
UJI ASUMSI KLASIK HETEROSKEDASTISITAS

5.1 Pendahuluan
Uji Heteroskedastisitas bertujuan untuk menguji apakah dalam model regresi
terjadi ketidaksamaan varian dari residual satu pengamatan ke pengamatan yang
lain. Jika varian dari residual satu pengamatan ke pengamatan yang lain tetap,
maka disebut homokedastisitas dan jika berbeda disebut heteroskedastisitas.
Model regresi yang baik adalah tidak terjadi heteroskedastisitas.
Ada beberapa penyebab variance dari μi (residual) tidak konstan tetapi
bervariasi, antara lain:
a. Error-learning model
Model pembelajaran kesalahan menyatakan bahwa seseorang akan
belajar dari pengalaman, sehingga perilaku salah akan semakin kecil
sepanjang waktu dan dalam hal ini nilai variance σi2 diharapkan
semakin menurun. Sebagai contoh kasus kesalahan mengetik
tergantung dari waktu lamanya praktek mengetik. Semakin meningkat
jumlah jam praktek mengetik, semakin menurun jumlah kesalahan
mengetik begitu juga dengan variance semakin menurun.
b. Semakin tumbuh income seseorang, maka semakin tinggi
discretionary income mereka yang pada gilirannya semakin besar
pilihan penggunaan income mereka. Jadi variance σi2 meningkat
dengan income. Sehingga regresi tabungan terhadap income akan
diperoleh nilai variance σi2 meningkat sejalan dengan income. Hal
yang sama terjadi pada perusahaan yang memiliki laba besar
cenderung memiliki variabilitas yang tinggi didalam kebijakan dividen
mereka dibandingkan perusahaan dengan laba yang rendah.
c. Adanya perbaikan dalam teknik pengumpulan data, maka variance σi2
akan semakin menurun. Bank yang memiliki peralatan pengolahan
data yang canggih cenderung memiliki kesalahan yang kecil dalam
penyajian laporan bulanan kepada nasabahnya dibandingkan pada bank
yang peralatan pengolahan datanya kurang canggih.
 d. Heteroskedastisitas dapat juga timbul karena adanya data yang outlier.
e. Heteroskedastisitas dappat juga timbul karena adanya pelanggaran
terhadap asumsi klasik ke sembilan yaitu model regresi telah
dispesifikasi secara benar.

Masalah heteroskedastisitas pada umumnya terjadi pada data silang

(crossection) dari pada data runtun waktu (time series). Data crossection
berhubungan dengan anggota populasi pada satu waktu tertentu, sedangkan pada
time series variabel cenderung urutan besarnya sama karena data dikumpulkan
pada entitas yang sama selama periode waktu tertentu.
Heteroskedastisitas tidak merusak property dari estimasi ordinary least
square (OLS) yaitu tetap tidak biased (unbiased) dan konsisten estimator, tetapi
estimator ini tidak lagi memiliki minimum variance dan efisien sehingga tidak
lagi BLUE (Best Linear Unbiased Estimator).

5.2 Deteksi Heteroskedastisitas

Ada dua cara untuk mendeteksi ada tidaknya heteroskedastisitas, yaitu
metode grafik dan metode uji statistic.
Berikut ini adalah data dari 30 responden yang menunjukkan Pengaruh Biaya Iklan
(X1) dan Biaya Produksi(X2) terhadap Harga (Y) dari tahun 1986-2015.

Tahun Biaya Iklan Biaya Produksi Harga (Dalam Rp.

( dalam Rp. X1) (dalam Rp. X2) Y)
1986 24.700.000 19.600.000 21.900.000
1987 70.100.000 22.7600.00 53.100.000
1988 39.900.000 15.910.000 20.500.000
1989 56.900.000 27.260.000 47.800.000
1990 39.700.000 20.060.000 38.600.000
1991 26.400.000 11.400.000 20.900.000
1992 18.900.000 20.940.000 18.800.000
1993 24.900.000 11.790.000 24.800.000
1994 27.600.000 29.970.000 27.400.000
1995 46.900.000 16.390.000 30.200.000
1996 30.300.000 14.760.000 29.400.000
1997 24.900.000 12.840.000 22.800.000
1998 33.700.000 27.550.000 27.800.000
1999 52.800.000 26.040.000 49.800.000
2000 12.800.000 15.360.000 10.900.000
 2001 28.200.000 15.590.000 20.300.000
2002 24.600.000 24.900.000 24.100.000
2003 39.400.000 27.970.000 31.200.000
2004 51.100.000 27.200.000 49.800.000
2005 20.900.000 23.420.000 15.300.000
2006 25.900.000 19.510.000 24.100.000
2007 55.400.000 20.270.000 42.800.000
2008 17.700.000 14.140.000 15.600.000
2009 21.700.000 14.840.000 21.300.000
2010 23.900.000 92.850.000 23.200.000
2011 34.800.000 16.590.000 33.900.000
2012 41.800.000 26.820.000 38.100.000
2013 42.000.000 10.520.000 38.800.000
2014 37.100.000 33.610.000 28.200.000
2015 50.100.000 26.720.000 48.100.000
a. Metode Grafik.
Metode ini dilakukan dengan melihat grafikplot antara nilai prediksi
variable dependen yaitu ZPRED dengan residualnya SRESID. Deteksi ada
tidaknya heteroskedastisitas dapat dilakukan dengan melihat ada tidaknya
pola tertentu pada grafik scatterplot antara SRESID dan ZPRED dimana
sumbu X adalah Ŷ (Y yang telah diprediksi (ZPRED) dan sumbu Y adalah
residual atau SRESID (Ŷ-Y) yang telah di- studentized.
Dasar analisis:
1. Jika ada pola tertentu, seperti titik-titik yang ada membentuk pola tertentu
yang teratur (bergelombang, melebar kemudian menyempit),maka
mengindikasikan telah terjadi heteroskedastisitas.
2. Jika tidak ada pola yang jelas, serta titik-titik menyebar di atas dan
dibawah angka 0 pada sumbu Y secara acak, maka tidak terjadi
heteroskedastisitas atau model homoskedastisitas.

Untuk memberikan contoh pengujian heteroskedastisitas metode grafik plot

dengan SPSS kita persamaan regresi minat beli :
Harga= α + β1Biaya Iklan + β2Biaya Produksi+µ

Langkah Analisis
a. Lakukan regresi dengan persamaan Harga = f(Biaya Iklan,,Kepercayaan)
 b. Lanjutkan dengan menekan tombol Plots sehingga dilayar tampak tampilan
windows Linear Regression Plots

a. Masukkan variable SRESID pada kotak pilihan Y, dan

b. Masukkan variable ZPRED pada kotak pilihan X
c. Tekan Continue dan abaikan yang lain lalu tekan Ok
d. Hasil output SPSS
 Terlihat pada tampilan grafik scatterplots bahwa titik-titik menyebar secara
acak baik diatas maupun dibawah angka 0 pada sumbu Y. Hal ini dapat
disimpulkan bahwa tidak terjadi heteroskedastisitas pada model regresi. Analisis
dengan grafik plots memiliki kelemahan yang cukup signifikan oleh karena
jumlah pengamatan mempengaruhi hasil ploting. Semakin sedikit jumlah
pengamatan semakin sulit menginterpresentasikan hasil grafik plots. Oleh sebab
itu diperlukan uji statistik yang lebih dapat menjamin keakuratan hasil.
b. Uji Statistik Heteroskedastisitas
Ada beberapa uji statistik yang dapat digunakan untuk mendeteksi ada
tidaknya heteroskedastisitas antara lain:
1. Uji Park
Park memformalkan metode grafik plots dengan menyatakan bahwa
variance ai² merupakan fungsi dari variabel-variabel independen Xi yang
dinyatakan dalam persamaan sebagai berikut:
 ²i= ² X ᵝieᵘ (5.3)
Persamaan ini dijadikan linear dalam bentuk persamaan logaritma natural
sehingga menjadi :
lnσ² +1nσ² + βln Xi +ʋi (5.3)
Oleh karena variance ²i umumnya tidak diketahui, maka dapat ditaksir
menggunakan residual µ²i sebagai proksi, sehinggga persamaan menjadi

lnµ²i = α+βln Xi + ʋi (5.4)

Jika nilai β signifikan secara statistic, maka mengidikasikan terjadi

heteroskedastisitas, dan jika β tidak signifikan maka model regresi
homoskedasstisitas.

Langkah Analisis
a. Lakukan regresi utama dengan persamaan Harga = f(Biaya Iklan , Biaya
Produk)
b. Dapatkan variable residual (µi) dengan cara memilih tombol Save pada
tampilan windows Linear Regression dan aktifkan Unstandardized
residual
c. Tekan Continues dan Ok
d. Sekarang kita mempunyai data variable residual (µi), lihat data dengan
nama variable Res_1
e. Kuadratkan nilai residual (µ²i) dengan menu Transform dan Compute

f. Tekan Ok, sekarang kita mempunyai variabel baru kuadrat residual dengan
nama variabel U²i
g. Ubah semua variabel independen , Biaya Iklan , Biaya Promosi dan U²i
menjadi bentuk logaritma natural dengan menu Transform da
h. Lakukan hal yang sama seperti variable lnU²i untuk semua variable
independen yang lain, sehingga kita mempunyai Variabel Biaya iklan,
Biaya promosi lnU2i
i. Lakukan regresi dengan persamaan seperti di bawah ini:
lnU²i= α+ β1ln Biaya Iklan+ β2ln Biaya produksi +ʋi

j. Output SPSS
 Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta T Sig.

1 (Constant) -4.324 3.527 -1.226 .231

lnX1 2.259 .866 .457 2.610 .015

lnX2 -.582 .813 -.125 -.716 .480

a. Dependent Variable: lnU2i

Dari output SPSS memberikan koefisien parameter untuk variabel

independen Biaya Iklan (X1) dengan tingkat signifikansi 0,015 < 0.05 maka
dapat disimpulkan bahwa biaya iklan terdapat heteroskedastisitas. Sedangkan
variabel independen Biaya Produksi (X2) dengan tingkat signifikansi 0.480 >
0,05 maka dapat disimpulkan bahwa Biaya Produksi (X2) tidak terdapat
heteroskedastisitas.

2. Uji Glejser
Seperti halnya uji Park, Glejser mengusulkan untuk meregres nilai
absolute residual (AbsUi) terhadap variabel independen lainnya dengan
persamaan regresi sebagai berikut:
= α + βXi + ʋi (5.5)
Jika β signifikan, maka mengindikasikan terdapat heteroskedastisitas
dalam model.

Langkah Analisis
a. Lakukan regresi Harga = f(Biaya Iklan, Biaya Produksi)
b. Dapatkan variable residual (Ui) dengan cara memilih tombol Save pada
tampilan windows Linear Regression dan aktifkan Unstandardized
residual
c. Absolutkan nilai residual (AbsUi) dengan Transform dan Compute

d. Regresikan variable (AbsUi) sebagai variable dependen dan variable

Promosi, Kepercayaan sebagai variable independen sehingga persamaan
regresi menjadi:
 AbsUi= α + β1Biaya Iklan + β2Biaya Produksi+ ʋi
e. Tampilan output SPSS

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta T Sig.

1 (Constant) .924 1.449 .638 .529

Biaya Iklan .088 .034 .445 2.606 .015

Biaya Produksi -.026 .032 -.138 -.806 .427

a. Dependent Variable: Abs_RES

Dari output SPSS memberikan koefisien parameter untuk variabel

independen Biaya Iklan (X1) dengan tingkat signifikansi 0,015 < 0.05 maka
dapat disimpulkan bahwa biaya iklan terdapat heteroskedastisitas. Sedangkan
variabel independen Biaya Produksi (X2) dengan tingkat signifikansi 0.427 >
0,05 maka dapat disimpulkan bahwa Biaya Produksi (X2) tidak terdapat
heteroskedastisitas.

5.3 Mengobati Heteroskedastisitas

a. Lakukan regresi Harga = f(Biaya Iklan, Biaya Produksi)

b. Dapatkan variable residual (Ui) dengan cara memilih tombol Save pada
tampilan windows Linear Regression dan aktifkan Unstandardized
residual

c. Absolutkan nilai residual (AbsUi) dengan Transform dan Compute

d. Regresikan variable (AbsUi) sebagai variable dependen dan variable
Promosi, Kepercayaan sebagai variable independen sehingga persamaan
regresi menjadi:

AbsUi= α + β1Biaya Iklan + β2Biaya Produksi+ ʋi

 Setelah kita mengetahui bahwa data yang kita gunakan itu termasuk
heterokedastisitas, maka kita akan melakukan pengobatan data agar tidak
terjadi Heteroskedastisitas. Kita lanjutkan ke tahap berikutnya
e. Kita lakukan transform ke dalam logaritma untuk variable X1, X2, dan Y
Pada tabel target variabel bisa di tulis LG_Y, dan pada funcition grup klik
all dan pada functions and special variable klik 2 kali log10, dan masukkan Y
di dalam kurung, lalu kilk ok

Lakukan kegiatn di atas untuk me logaritma X1 dan X2

f. Setelah di log untuk variable Y, X1, dan X2, Sekarang kita akan menguji lagi
apakah terjadi heterokdastisitas atau tidak, dengan pilih analyze – regression –
linear. Bagian dependent masukkan LG_Y dan bagian independent kita
masukkan LG_X1 dan LG_X2, lalu klik save centang pada bagian
unstandardized klik continue lalu ok
 g. Ulangi lagi untuk Absolutkan nilai residual 2 (AbsUi) dengan Transform
dan Compute

h. Selanjutnya untuk mengetahui apakah data yang kita buat sudah terobati atau
tidak kita regresikan untuk variable LG_Y di dependent dan LG_X1 dan
LG_X2 di independent dan dibagian save kita hapus centang pada bagian
unstandardized klik continue dan klik ok
 Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) .059 .074 .798 .432

LG_X1 .047 .042 .208 1.120 .273

LG_X2 -.062 .039 -.290 -1.565 .129

a. Dependent Variable: Abs_RES2

Dari output SPSS memberikan koefisien parameter untuk variabel

independen Biaya Iklan (X1) dengan tingkat signifikansi 0,273 > 0.05 maka
dapat disimpulkan bahwa biaya iklan tidak terdapat heteroskedastisitas.
Sedangkan variabel independen Biaya Produksi (X2) dengan tingkat
signifikansi 0.129 > 0,05 maka dapat disimpulkan bahwa Biaya Produksi (X2)
tidak terdapat heteroskedastisitas.
Daftar Pustaka

Ghozali, Imam. 2009. Ekonometrika Teori Konsep dan Aplikasi dengan SPSS
17. Semarang: Badan Penerbit Universitas Diponegoro.