Mau Data Anda diolah secara gratis? Klik pada gambar 2 x !! No Tipu

Uji Heteroskedastisitas pada Analisis Regresi dengan SPSS

Kata ‘Homo’ berarti sama atau equal, sedangkan kata ‘scedasticity’ berarti disperse atau scatter atau ada yang mengartikan sebaran. Jadi varians dari error atau disturbance haruslah sama pada masing-masing nilai X. Misalnya ada analisis regresi antara penghasilan terhadap pengeluaran, maka data 4 orang dengan gaji 3 juta akan memberikan empat buah error dan mempunyai varians. Varians ini harus sama (equal) dengan varians error pada nilai X yang lain misalnya 4 juta. Demikian seterusnya.

Berikut adalah beberapa uji heteroskedastisitas yang dapat dilakukan dengan Software SPSS versi 23

1. Metode Grafik

Masuk ke menu regresi linear dengan memilih Analyze ==> Regression => Linear seperti gambar di bawah:

Gambar 1 Masuk ke Menu Regresi Linear


Anda akan diarahkan ke menu regresi. Masukkan Variabel bebas dan terikat seperti pada gambar di bawah:

Gambar 2. Menu Regresi Linear Berganda

Lalu klik Plot untuk membuat gambar Uji Heteroskedastisitas seperti gambar di bawah:

Gambar 3. Menu Plot Grafik Uji Heteroskedastisitas

Pengujian gangguan heteroskedastisitas dengan metode grafis dilakukan dengan memplotkan nilai ZPRED (sebagai sumbu X) terhadap SRESID (sebagai sumbu Y). ZPRED adalah nilai Y prediksi dan SRESID adalah nilai residual regresi. Klik Continue, maka Anda akan diarahkan kembali ke Menu Regresi. Lalu Klik Save sehingga akan diarahkan ke Menu Save yaitu sebagai berikut:

Gambar 4. Menu Save pada Regresi Linear Berganda

Klik Continue sehingga kembali ke Menu Regresi lalu klik OK di bagian bawah  sehingga akan keluar output uji Regresi Linear Berganda. Silahkan lihat di Output 

Gambar 5 Output Grafik Uji Heteroskedastisitas

Grafik di atas menunjukkan bahwa titik pada grafik relatif menyebar dari kiri ke atas. Atau semakin ke kanan, semakin lebar titik-titik pada grafis. Ini diduga ada gangguan heteroskedastisitas pada model karena ada pola tertentu.
Pengujian dengan grafis memang sering menimbulkan perbedaan pendapat di antara satu pengamat dengan pengamat yang lain sehingga diperlukan uji formal untuk memberikan justifikasi adanya gangguan heteroskedastisitas atau tidak.


2. 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. Langkah pertama adalah mentransformasikan data residual menjadi Logaritma Natural dari Kuadratnya. 

Kembali ke menu data pada SPSS dan pada kolok paling kanan akan muncul variabel baru. Ini muncul karena kita meng-klik Save pada waktu melakukan regresi. Klik Transform, lalu pilih Compute Variable seperti pada gambar berikut:

Gambar 6 Menu Compute Variable


Jika benar, maka akan masuk ke menu Compute Variable sebagai berikut:

Gambar 7 Memasukkan Variabel yang Akan Dihitung


Pada Target Variable, masukkan nama variabel yang diinginkan, misalnha Ln_Abs_2. Lalu pada Numeric Expression masukkan LN(RES_1 * RES_1) yang berarti menghitung nilai logaritma dari kuadrat residual. Setelah klik OK maka akan muncul variabel baru pada kolom paling kanan. Regresikan variabel bebas terhadap nilai baru tersebut seperti pada Gambar berikut:

Gambar 8 Regresi Variabel Bebas Terhadap Logaritma Kuadrat Residual


Hasilnya, lihat pada nilai t hitung seperti pada gambar di bawah:

Gambar 9 Output Uji Heteroskedastisitas dengan Uji Park



Tampak bahwa nilai Signifikansi Harga Emas adalah sebesar 0,002 < 0,05 yang berarti terdapat gangguan heteroskedastisitas pada model penelitian. Ini memperkuat hasil pengujian dengan grafis, bahkan lebih jauh, juga memberikan variabel bebas mana yang mengalami gangguan tersebut.


3. Uji Glejser

Uji Glejser sebenarnya mirip dengan uji Park, hanya dilakukan dengan meregresikan antara variabel bebas terhadap absolut residualnya. Jika ada pengaruh yang signifikan, berarti ada gangguan heteroskedastisitas. Perhitungan absolut residual dengan menu seperti tampak pada gambar di bawah ini:

Gambar 10 Perhitungan Absolut Residual


Berikan nama Abs_res lalu gunakan funcion Abs untuk mengubah nilai residual ke dalam nilai mutlaknya (absolut) dengan ABS(RES_1). Setelah klik OK maka akan ada variabel baru dengan nama Abs_res yang merupakan nilai mutlak dari residual. Lalu lakukan regresi antara Leverage (variabel X) terhadap Abs_Res sebagai variabel Y dan lihat output sebagai berikut:

Gambar 11 Output Uji Heteroskedastisitas dengan Glejser

 


Tampak pada output di atas bahwa nilai t hitung Harga Emas adalah 4,400 dengan Sig. sebesar 0,000 < 0,05. Berarti ada pengaruh yang signifikan antara variabel Harga emas terhadap nilai Absolut residualnya. Interpretasinya adalah bahwa terdapat gangguan heteroskedastisitas pada model penelitian. Hasil ini selaras juga dengan hasil pengujian dengan Metode Park


4. Uji Rank Spearman

Metode lain yang juga sering digunakan adalah dengan Korelasi Rank Spearman. Prinsipnya adalah mengkorelasikan variabel bebas dengan absolut residualnya. Jika terdapat signifikansi, berarti terdapat gangguan heteroskedastisitas pada model penelitian. Nilai absolut residual adalah sama dengan yang diperoleh pada uji Glejser di atas. Klik Analyse lalu pilih Correlate, pilih Bivariate seperti pada gambar di bawah: 

Gambar 12 Menu Korelasi Rank Spearman 

Pilih Analyze, sorotkan mouse pada Correlate, lalu pilih Bivariate seperti pada gambar di atas. Jika benar, maka akan diarahkan ke Box sebagai berikut:

Gambar 13 Menu Korelasi Spearman


 

Masukkan semua variabel bebas dan Abs_res ke dalam Box di sebelah kanan. Berikan tanda centang pada Spearman seperti pada gambar di atas. Lalu Klik OK sehingga akan keluar output sebagai berikut:

Gambar 14 Output Uji Heteroskedastisitas dengan Korelasi Spearman 


Tampak bahwa nilai korelasi adalah sebesar 0,48  dengan Sig. sebesar 0,000 < 0,05. Berarti ada gangguan heteroskedastisitas pada model penelitian.

Tampak bahwa semua metode memberikan hasil yang kurang lebih selaras sehingga tidak ada yang perlu diperdebatkan. Anda juga bisa menyimak video kami di Channel Youtube kami yaitu di Statistik TV

Interpretasi Uji t pada Analisis Regresi Linear

Metode pengujian hipotesis dengan t hitung pada analisis regresi adalah jika T hitung > T tabel maka hipotesis diterima, sebaliknya jika T hitung < T tabel maka hipotesis ditolak. Atau bisa juga menggunakan Signifikansi atau probabilitas atau Alpha. Misalnya untuk tingkat kepercayaan 95% atau tingkat kesalahan 5% maka jika Signifikansi > 0,05 maka hipotesis ditolak dan jika Signifikansi < 0,05 maka hipotesis diterima.

Ketentuan itu sudah sangat jelas dan sebenarnya tidak perlu untuk dibahas lebih lanjut. Atau jika ingin melangkah lebih lanjut, maka hipotesis diterima jika T hitung > T tabel atau Signifikansi < 0,05. Ditolak jika T hitung < T tabel atau Signifikansi > 0,05. Juga sudah sangat jelas. Akan tetapi pertanyaan yang sering masuk ke kami adalah kurang lebih seperti ini:

Bagaimana jika T hitung < T tabel dan Signifikansi < 0,05?

Ini memang luar biasa, tetapi tidak hanya 1 atau 2 pertanyaan seperti itu di kolom komentar blog sederhana ini. Kadang tidak kami jawab, karena memang sudah ada banyak jawaban di pertanyaan yang lain, atau kadang kami sampaikan bahwa hal itu tidak mungkin terjadi. Tapi kadang juga dibantah bahwa hasil yang dilakukan memberikan hasil seperti itu. 

Rupanya ini masalahnya:

Tabel di atas adalah Output SPSS untuk regresi linear dengan T tabel adalah sebesar 2,00  (Sudah kami chek berkali-kali). Kita lihat Variabel bebas Minyak dengan T hitung 2,261 dan Signifikansi sebear 0,028. Berarti memang benar T hitung > T tabel dan signifikansi < 0,05. Abaikan yang variabel Inflasi dan lihat yang variabel Kurs. Di situ tertulis T hitung -3,212 dan Signifikansi sebesar 0,002. Rupanya inilah yang sering dipermasalahkan. Itu kan T hitung < T tabel dan Signifikansi < 0,05. 

Penting untuk dipahami bahwa tanda negatif di depan angka tersebut BUKAN BERARTI NILANYA DI BAWAH 0. Itu adalah arah pengaruh. Jadi nilai T hitung diambil nilai mutlaknya atau nilai absolutnya yaitu sebesar 3,212. Jadi tetap T hitung > T Tabel dan Signifikansi < 0,05.

Tanda negatif berarti pengaruhnya adalah negatif atau berkebalikan sedangkan tanda positif berarti pengaruhnya juga positif. Untuk Variabel Minyak (positif), maka jika Harga minyak Naik maka nilai IHSG juga akan naik, atau jiika harga Minyak turun, maka IHSG juga turun, searah. TETAPI, untuk Kurs, karena tandanya negatif, maka jika Kurs Dollar NAIK, maka IHSG justru TURUN, sebaliknya jika Kurs Dollar TURUN, maka justru IHSG akan NAIK. 

Mudah-mudahan jelas.

Untuk mengeceknya, coba perhatikan variabel yang di tengah, yaitu Inflasi. Karena tandanya negatif maka jika Inflasi NAIK maka IHSG akan? (jawab dulu sebelum melihat artikel selanjutnya).


Jika Anda menjawab TURUN, maka meskipun Anda sudah paham tetapi kurang tepat :) Mengapa? Karena signifikansi > 0,05 dan juga T hitung < T tabel yang berarti tidak signifikan. Perubahan pada Inflasi tidak berpengaruh secara signifikan terhadap Kurs. Tapi syukurlah, Anda sudah paham tentang tanda positif dan negatif di depan T hitung.

Mudah-mudahan tidak ada yang bertanya bagaimana jika Signifikansi hasil hitung nilainya negatif :))


Promo Domain Murah mulai Rp. 15rb