Call us on 0823-9388-3833

Home » Artikel » Uji Asumsi Klasik Heteroskedastisitas

Uji Asumsi Klasik Heteroskedastisitas

Uji asumsi klasik dalam penelitian kuantitatif dilakukan setelah analisis regresi berganda (aposteoriti). Apabila hasil pengujian hipotesis menghasilkan penolakan H0 (ada hubungan yang signifikan) maka tidak perlu dilakukan pengujian asumsi. Tetapi jika hasil pengujian hipotesis menghasilkan penerimaan H0 (tidak ada hubungan yang signifikan) maka barulah diperlukan pengujian asumsi (Saprinal dkk, 2014). Salah satu jenis uji asumsi klasik adalah uji asumsi klasik heteroskedastisitas.

Uji asumsi klasik heteroskedastisitas digunakan untuk menguji apakah dalam model regresi terjadi perbedaan dari varians dari residual terhadap pengamatan yang lain. Rumus regresi diperoleh dengan asumsi bahwa variable pengganggu (error) atau e, diasumsikan memiliki varian yang konstan (rentangan e kurang lebih sama). Jika ternyata varian e tidak kosntan misalnya membesar atau mengecil pada  nilai X yang lebih tinggi, maka kondisi tersebut dikatakan tidak homoskedastik atau mengalami heteroskedastik. Sedangakan model regresi yang baik adalah ketika tidak terjadi heterokedastisitas. Masalah heteroskedastisitas umum terjadi dalam data cross section yaitu data yang diambil pada satu waktu saja, tetapi dengan responden yang besar, misalnya jika dilakukan suatu survei. Dengan demikian, penelitian tersebut pada intinya adalah membandingkan kondisi banyak orang atau banyak responden pada waktu yang sama.

Konsekuensi atau Akibat Adanya Heteroskedastisitas

Jika tetap dilakukan regresi dengan OLS (Ordinary Least Squares) pada saat terjadi heteroskedastisitas maka akan tetap diperoleh nilai parameter yang tidak bias. Misalnya terdapat suatu model regresi seperti berikut:

KIN = a + b1MOT + b2UPAH + e

Parameter estimate a, b1, b2 yang diperoleh tetap tidak bias. Akan tetapi, standar error dari parameter Sb1, dan Sb2 yang diperoleh bias (memiliki varian yang lebih kecil atau lebih besar). Maka akibat yang ditimbulkan adalah uji t dan juga F menjadi tidak menentu. Sebagaimana diketahui bahwa:

t =

Jika Sb1 mengecil maka t1 cenderung membesar (terlihat signifikan) padahal sebenarnya tidak signifikan. Sebaliknya jika Sb1 membesar maka t cenderung mengecil (tidak signifikan), padahal sebenarnya signifikan. Hal ini berarti bahwa jika terdapat heteroskedatisitas maka uji t menjadi tidak menentu. Penelitian menjadi tidak jelas, apakah variable yang diuji hbungan atau pengaruhnya signifikan atau tidak.

Cara Menguji Adanya Heteroskedastisitas

Terdapat berbagai metode untuk menguji adanya heteroskedastisitas, seperti uji grafik, uji Park, uji Glejser, uji Sperman’s, Rank Corelation, dan uji Lagrang Multiplier (LM). Berikut hanya akan dipaparkan mengenai prosedur Uji Lagrang Multiplier (LM). Adapun prosedurnya adalah sebagai berikut:

Misalnya terdapat sebuah model:

Y = a + b1 X2 + b2 X2 + e

  1. Lakukan regresi di atas dan hitunglah e dan nilai estimasi Y (Y predicted) Ỳ
  2. Kuadratkan kedua variabel baru di atas
  3. Lakukan regresi dengan model berikut:

e2 = a + b Ỳ2 + u dimana e2 adalah variabel dependen dan Ỳ2 adalah variabel independen

  1. Hitunglah R2 dari regresi di atas
  2. Selanjutnya kalikan R2 yang diperoleh dengan besar sampel N = R2 x N
  3. Bandingkan hasil tersebut dengan table Chi Square dengan derajat bebas 1 (karena terdapat satu variabel bebas) dan alpha 1%
  4. Besarnya nilai Chi Square adalah 9,2
  5. Singkatnya jika R2 x N lebih besar dari 9,2 maka standar error mengalami heteroskedastisitas. Sebaliknya jika nilai R2 x N lebih kecil dari 9,2 maka standar error (e) tidak mengalami heteroskedastisitas (Bahruddin dan Hamdi, 2015).

Tindakan yang Diperlukan jika Variabel e Mengalami Heteroskedastisitas

Untuk mengatasi terjadinya heteroskedastisitas, perlu dilakuakn transformasi data. Salah satu model tarnsformasi data yang dapat dilakukan adalah dengan melakukan transformasi logaritma normal, yaitu dimana semua data dialgoritma normalkan model regresi menjadi satu. Berikut adalah rumusnya:

LN Y = Ln a + b1 Ln X1 + b2 Ln X2 + e

Dengan mentransformasikan data ke dlaam bentuk logaritma normal, maka error akan mengecil dan akibatnya heteroskedastisitas akan berkurang. Selain itu jenis tarnsformasi data yang juga dapat dilakukan adalah dengan membagi semua data dengan nilai prediksi Y (Ỳ). Adapun rumusnya sebagai berikut:

Model ini disebut sebagai WLS (Weighted Least Squares). Dalam model ini terdapat variabel baru yaitu 1 / .

Daftar Pustaka

Hamdi, A.S., Bahruddin, E. 2015. Metode Penelitian Kuantitatif Aplikasi dalam Pendidikan. Yogyakarta: Deepublish.

Juliandi, A., Irfan, Manurung, S. 2014. Metodologi Penelitian Bisnis. Medan: UMSU PRESS.

Related Post

Penelitian Pre Eksperimen Penelitian Pre-EksperimenPenelitian pre-eksperimen atau pre-experimental designs merupakan rancangan penelitian yang belum dikategorikan sebagai e...
Penelitian Expo-Facto PENELITIAN EXPOST FACTO A. Pengertian Expost Facto Secara harfiah, expost facto berarti “sesudah fakta” karena sebab yang akan diteliti telah mempen...
Penelitian Kebijakan PENELITIAN KEBIJAKANTerdapat beragam jenis metode penelitian yang dapat digunakan dalam melakukan penelitian. Salah satu metode penelitian adalah ...
Penelitian Eksperimen Semu Rancangan Eksperimen SemuPenelitian Eksperimen adalah penelitian yang bertujuan untuk meramalkan dan menjelaskan hal-hal yang terjadi atau yang ak...