//
you're reading...
Umum

PROBLEMA REGRESI “Heterokedastisitas”

Tujuan

Untuk memahami pengertian dan konsep teori serta menyelesaikan masalah dalam penelitian parametris yang berkaitan dengan analisis regresi menggunakan teknologi informasi dan komputasi (CP-KK 4  Level 6  KKNI ; CP-KK 2  Level 5 KKNI)

 Dasar Teori

Analisis regresi bukanlah analisis yang selalu mulus digunakan. Ada beberapa masalah serius yang dihadapi dalam teknik analisis regresi, yaitu :

  • Heterokedastisitas
  • Otokorelasi
  • Multikolinieritas

Heterokedastisitas

Heterokedatisitas terjadi karena perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Heterokedastisitas berarti ada variab variabel pada model regresi yang tidak sama (konstran). Sebaliknya, jika varian variabel pada model regresi memiliki nilai yang sama (konstan) maka disebut dengan heterokedastisitas. Yang diharapkan pada model regresi adalah homokedastisitas. Heterokedastisitas umumnya sering terjadi pada penelitian yang menggunakan data cross-section (informasi yang dikumpulkan hanya pada suatu saat tertentu/ suatu data yang terdiri dari satu atau beberapa variabel yang terdiri dari satu objek namun memerlukan sub objek-sub objek lainnya yang berkaitan dan dikumpulkan pada waktu yang sama “at the same point in time”), tetapi juga bisa terjadi pada data time series. Gangguan heterokedastisitas dapat membawa kita pada galat baku yang bias dan menjadikan hasil uji statistik tidak tepat serta interval sehingga keyakinan untuk estimasi parameter juga kurang tepat.

Pengujian Heterokedastisitas

1. Metode Analisis Grafik

Pemeriksaan terhadap gejala heterokedastisitas adalah dengan melihat pola diagram pencar (Scatterplot) yaitu diagram pencar residual yang merupakan selisih antara nlai Ŷ (prediksi) dengan Y (observasi) :

  • Jika diagram pencar yang membentuk pola-pola tertentu yang teratur maka regresi mengalami gangguan heterokedastisias
  • Jika diagram pencar tidak membentuk pola atau acak, maka regresi tidak mengalami gangguan heterokedastisitas

2. Metode Glejser dan Park

Uji heterokedastisitas dengan metode Glejser dilakukan dengan meregresikan semua variabel bebas terhadap nilai mutlak residualnya. Jika terdapat pengaruh variabel bebas yang signifikan terhadap nilai mutlak residualnya, maka dalam model terdapat masalah heterokedastisitas, dengan persamaan yang digunakan sebagai berikut:

| uᵢ |=  α + βXᵢ + υᵢ

 | uᵢ | :  nilai residual mutlak  (Y residual/ABRESID “absolute residual”)

  Xᵢ   :  Variabel Bebas

jika β signifikan maka terdapat pengaruh variabel bebas terhadap nilai residual mutlak sehingga dinyatakan terdapat gejala hetrokedastisitas, demikian pula sebaliknya

Sedagkan uji heterokedastisitas dengan metode park dilakukan dengan meregresikan semua variabel bebas terhadap Ln residual kuadrat (Ln e²). Jika terdapat pengaruh variabel bebas yang signifikan terhadap nilai Ln residual kuadrat (Ln e²) maka model terdapat masalah heterokedastisitas, denganpersamaan yang digunakan adalah:

Lnμ²ᵢ = α + β ln Xᵢ + υᵢ

Lnμ²ᵢ    :  nilai residual mutlak   (Y residual kuadrat/RESQR)

Xᵢ          :  Variabel Bebas

jika β signifikan maka terdapat pengaruh variabel bebas terhadap nilai ln residual mutlak sehingga dinyatakan terdapat gejala hetrokedastisitas, demikian pula sebaliknya. Dengan demikian dalam modul online ini akan dijelaskan langkah-langkah pengujian heterokedastisitas dengan metode analisis grafik, metode Glejser dan metode Park.

 Alat dan Bahan

  • Komputer
  • Software SPSS
  • Data penelitian

Percobaan 1

Contoh

Data yang digunakan dalam uji heterokedastisitas adalah data yang sama yang digunakan dalam uji regresi ganda yang sudah dijelaskan pada modul online sebelumnya, dengan data sebagai berikut:

2

Langkah-Langkah Komputasi

Langkah-langkah awal sama seperti langkah-langkah pada analisis regresi ganda pada modul on-line sebelumnya

Entri data pada tabel  kedalam Data View dan Variable View format SPSS data viewer.

Analyze | Regression | Linier

Pindahkan variabel X₁ dan X ke kolom Independent(s) dan variabel Y ke kolom Dependent

1.Pengujian dengan Metode Ananlisis Grafik

a. Klik Plots, maka akan tampil kotak dialog Linier Regression Plots, pindahkan *ZPRED pada variabel X dan *SRESID pada variabel Y, Continue.

3

b.OK

Interpretasi Output

4

Berdasarkan tampilan pada scatterplot di atas terlihat bahwa plot menyebar secara acak di atas maupun di bawah angka nol pada sumbu Regression Syudentized Residual. Oleh karena itu maka berdasarkan uji heterokedastisitas menggunakan metode analisis grafik pada model regresi yang terbentuk dinyatakan tidak terjadi gejala heterokedastisitas.

**) metode ini memiliki kecenderungan subyektif dalam penilaian dan juga sulit diinterpretasikan jika jumlah pengamatannya sedikit

2. Pengujian dengan Metode Glejser dan Park

Metode Glejser

a. Dari menu Analyze | Regression | Linier | Save, maka akan tampil kotak dialog Linier Regression Save, pada kolom Residual beri tanda centang (√) Unstandardized, Continue lalu OK

5

maka pada tampilan awal workshet SPSS Data View disamping kolom Y secara otomatis muncul hasil nilai residual yang dibentuk yaitu RES_1.

b. Pada menu utama pilih Transform | Compute Variabel, sehingga muncul tampilan seperti gambar di bawah ini:

6a

Pada kotak dialog Compute Variable ketik ABRESID (absolute residual) pada kotak Target Varible, lalu pada kotak Numeric Expression ketik ABS(RES_1) (absolute residual_1) dan OK.

c. Selanjutnya kembali ke tampilan awal workshet SPSS Data View disamping kolom RES_1 secara otomatis muncul hasil nilai residual mutlaknya yang dibentuk yaitu ABRESID, seperti pada tamplan gambar berikut:

7a

Untuk menguji heterokedastisitas dengan Metode Glejser kembali ke langkah awal

Analyze | Regression | Linier

Pindahkan variabel X₁ dan X ke kolom Independent(s) dan variabel ABRESID ke kolom Dependent, lalu OK

8

Interpretasi Output

Analisis Tabel Coefficients

9

Gejala heterokedastisitas ditunjukkan oleh koefisien regresi dari masing-masing variabel bebas terhadap nilai absolut residualnya dengan kriteria pengujian:

  • Jika nilai probabilitas (Sig.) > α (0,05), maka dipastikan model tidak terjadi gejala heterokesatisitas
  • Jika thitung < ttabel dengan df:α, (n-k-1) maka tidak terjadi gejala heterokedastisitas

Berdasrkan dari output pada tabel Coefficientsa diperoleh nilai ttabel dengan df: α, (n-k-1) atau 0,05 (15-3) diperoleh nilai t-tabel sebesar 2,179.

a. t-variable X

Karena nilai  thitung 1,442 <  ttabel (2,179) dengan (Sig.) 0,175 (>0,05), maka dapat disimpulkan bahwa variabel X₁ tidak memiliki gejala heterokedastisitas terhadap Absolute Residual.

b. t-variable X

Karena nilai  thitung -0,900 <  ttabel (2,179) dengan (Sig.) 0,386 (>0,05), maka dapat disimpulkan bahwa variabel X₂ tidak memiliki gejala heterokedastisitas terhadap Absolute Residual.

Metode Park

Pengujian untuk metode Park langkah sama dengan metode Glejser, perbedaannya adalah pada Compute Variabel, dengan metode Park pada kotak Target Varible ketik RESQR, lalu pada kotak Numeric Expression ketik RES_1*RES_1 (kuadrat absolute residual_1) dan OK. Setelah itu langkah selanjutnya Analyze | Regression | Linier (lihat gambar di bawah ini)

10

OK

Interpretasi Output

 

Analisis Tabel Coefficients

11

Gejala heterokedastisitas ditunjukkan oleh koefisien regresi dari Ln masing-masing variabel bebas terhadap nilai Lnμ²ᵢ  (residual kuadrat) dengan kriteria pengujian:

  • Jika nilai probabilitas (Sig.) > α (0,05), maka dipastikan model tidak terjadi gejala heterokesatisitas
  • Jika thitung < ttabel dengan df:α, (n-k-1) maka tidak terjadi gejala heterokedastisitas

Berdasrkan dari output pada tabel Coefficientsa diperoleh nilai ttabel dengan df: α, (n-k-1) atau 0,05 (15-3) diperoleh nilai ttabel sebesar 2,179.

a.t-variable X

Karena nilai  thitung 1,638 <  ttabel (2,179) dengan (Sig.) 0,127 (>0,05), maka dapat disimpulkan bahwa variabel X₁ tidak memiliki gejala heterokedastisitas terhadap Residual Kuadrat.

b.t-variable X

Karena nilai  thitung -1,222 <  ttabel (2,179) dengan (Sig.) 0,245 (>0,05), maka dapat disimpulkan bahwa variabel X₂ tidak memiliki gejala heterokedastisitas terhadap Residual Kuadrat.

 

 

 

 

Iklan

About aliwear

Tenaga Edukatif Politeknik Perikanan Negeri Tual

Diskusi

Belum ada komentar.

Tinggalkan Balasan

Please log in using one of these methods to post your comment:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

%d blogger menyukai ini: