UJI ASUMSI KLASIK HETEROSKEDASTISITAS

1. Uji Statistik untuk Mendeteksi Heteroskedastisitas

Dengan melakukan estimasi regresi menggunakan Tabel 11.5 INNOVATION IN AMERICA:
RESEARCH AND DEVELOPMENT (R&D) EXPENDITURE IN THE UNITED STATES,
1988, maka diperoleh output eviews sebagai berikut:

Koefisien Determinasi
Tampilam output Eviews diatas menunjukkan besarnya adjusted R2 sebesar 0.810248, hal ini
berarti 81.02% variasi profit dapat dijelaskan oleh dua variabel independen lainnya. Sedangkan
18.98% dijelaskan oleh sebab-sebab yang lain di luar model.
Uji Signifikansi Simultan (Uji Statistik F)
Tampilan output menunjukkan nilai F statistik 32.02521 dengan probabilitas 0.000004. Karena
probalitas jauh di bawah 0.05, maka dapat disimpulkan bahwa kedua variabel independen R&D
Expenses dan Sales secara bersama-sama (simultan) berpengaruh terhadap Profits.

a. Uji Glejser
Hasil uji Glejser menunjukkan nilai probabilitas F-statistik (F-hitung) lebih kecil dari Alpha
(0.05) yaitu 0.0179, artinya, variabel profit, sales, r and expenses lebih kecil dari Alpha (0.05)
sehingga dapat disimpulkan H0 ditolak, Ha diterima. Terdapat masalah heteroksedastisitas pada
data ini.

b. Uji White
Hasil uji White menunjukkan nilai probabilitas F-statistik (F-hitung) lebih kecil dari Alpha
(0.05) yaitu 0.0184, artinya, variabel profit, sales, r and expenses lebih kecil dari Alpha (0.05)
sehingga dapat disimpulkan H0 ditolak, Ha diterima. Terdapat masalah heteroksedastisitas pada
data ini.

c. Uji Breusch-Pagan-Godfrey (BPG)

Hasil uji Breusch-Pagan-Godfrey (BPG) menunjukkan nilai probabilitas F-statistik (F-hitung)
lebih kecil dari Alpha (0.05) yaitu 0.0186, artinya, variabel profit, sales, r and expenses lebih
kecil dari Alpha (0.05) sehingga dapat disimpulkan H0 ditolak, Ha diterima. Terdapat masalah
heteroksedastisitas pada data ini.

2. Metode Grafik
a. Scatterplot residual kuadrat terhadap variabel Sales sebagai berikut:

b. Scatterplot residual kuadrat terhadap variabel R and D Expenses sebagai berikut:

 KOREKSI ATAU MENGOBATI HETEROSKEDASTISITAS

1. Dengan koreksi heteroskedastisitas dengan white robust standard error

Persamaan regresi:
Profiti = ɑ + 1Sales + 2R&D Expenses + μ
Diperoleh ouput Eviews sebagai berikut.
2. Koreksi dengan menganalisis pola heteroskedastisitas dan transformasi variabel
Melakukan estimasi regresi dengan R&D Expenses sebagai variabel dependen dan Sales sebagai
variabel independen.

Selanjutnya melakukan uji heteroskedastisitas untuk hasil estimasi di atas dengan memilih uji
Breusch-Pagan-Godfrey.
Tampilan output pada Eviews:

Dari hasil uji di atas masih menidentifikasikan bahwa terjadi heteroskedastisitas ditunjukkan
dengan nilai Obs*R-squared yang signifikan (nilai p=0.0456). Untuk mengobati
heteroskedastisitas maka harus dilakukan metode transformasi dengan mengasumsikan bahwa
kita tidak mengetahui variansi residual secara pasti.
Dengan melihat hasil plot residual terhadap Sales dapat disimpulkan bahwa model transformasi
yang cocok adalah akar kuadrat Sales. Hal ini karena variansi residual proporsional terhadap
variabel independen Sales. Residual semakin menyebar dengan meningkatnya sales.
Model regresi menjadi:
R&D Expenses√Sales = 𝛃1 1√Sales + 𝛃2√Sales + v
Lalu, dibuat variabel bary sebagai berikut.
Y = R&D Expenses√Sales, X1= 1√Sales dan X2 = √Sales
Lalu regresi diubah menjadi Y = 𝛃1X1 + 𝛃2X2 + μ
Setelah di estimasi, berikut tampilannya pada Eviews.

Hasil regresi dengan transformasi akar R2 = (381.1285)(0.007114) = 0.694

Hasil regresi awal = (990.998)(0.008) = 0.478

Akar sales dapat menghilangkan heteroskedastisitas. Selanjutnya melakukan uji

heteroskedastisitas dengan memilih uji Breusch-Pagan-Godfrey.
Output Eviews setelah dilakukan uji heteroskedastisitas.

Hasil uji Breusch-Pagan-Godfrey mengidentifikasikan bahwa sudah tidak terjadi

heteroskedastisitas ditunjukkan dengan nilai Obs*R-squared yang tidak signifikan secara statistik
(nilai p=0.1353).