Variasi Error tidak konstan. Umumnya terjadi pada data cross
section. Misal data konsumsi dan pendapatan, atau data
keuntungan dan asset perusahaan
120
Pola Data Heteroskedastis
100
80
60
40
20
0 20 40 60
Data Heteroskedastisitas
Fakta:
hubungan positif antara X dan Y, dimana
nilai Y meningkat searah dengan nilai X.
semakin besar nilai variabel bebas (X)
dan variabel bebas (Y), semakin jauh
koordinat (x,y) dari garis regresi (Error
makin membesar)
besarnya variasi seiring dengan
membesarnya nilai X dan Y. Atau dengan
kata lain, variasi data yang digunakan
untuk membuat model tidak konstan.
Pemeriksaan
Heteroskedastisitas
1. Metode Grafik
Prinsip: memeriksa pola residual (u 2)
i
i
Pengamatan:
1.Tidak adanya pola yang sistematis.
2.Berapapun nilai Y prediksi, residual kuadratnya relatif sama.
3.Variansi konstan, dan data homoskedastis.
Pola Adanya
Heteroskedastisitas
ui2 ui2
i
i
Pola sistematis
Uji Park
Y = -3,1470 + 5,5653 X
SE (0,0305) R2 = 0,9992
slope signifikan: Bila sepatu terjual naik 1 unit, maka bonus
akan naik Rp.5.563.
Apakah ada heteroskedastisitas ?
Ada 30 pengamatan penjualan sepatu dan bonus. Sebanyak 4
pengamatan yang di tengah diabaikan sehingga tinggal 13
pengamatan pertama (Kelompok I) dan 13 pengamatan kedua
(Kelompok II).
Yj Xj uj
sj
=β 1
1
sj
+β 2
sj
sj
ui
E(ui* ) =
2 E
σ i
2
2
=
1
σi2
E u i =
2
1
σi2
σ i =1
2 konstan
Transformasi
Oleh karena mencari j2 hampir tidak pernah diketahui, maka
biasanya digunakan asumsi untuk mendapat nilai j2. Asumsi
ini dapat dilakukan dengan mentransformasikan variabel. Ada
beberapa jenis, yaitu:
1
1. Transformasi dengan
Xj
Asumsi: j2 = 2
2
E u j =σ X j
2
Y uj
Akibat transformasi, model menjadi:
Xj
j
=β 0
1
Xj
+β 1
Xj
uj
E(vi ) =
2 E
Xj
2
2
=
1
Xj2
E u j =
1
2
Xj
2
σ X j =σ
2
2
2 konstan
1
2. Transformasi dengan
Xi
Asumsi: j2 = E u 2j =σ 2 X j
3. Transformasi dengan E(Yi)
Asumsi: j2 = 2 2
E u j =σ [ E Y j ]
2