Magister Manajemen Univ. Muhammadiyah Yogyakarta
Wihandaru Sotya Pamungkas Heteroskedastisitas 75
Magister Manajemen Univ. Muhammadiyah Yogyakarta
Heteroskedastisitas
1. Pendahuluan Heteroskedastisitas adalah nilai varian dari faktor pengganggu tidak sama (homogen) untuk semua observasi. Heteroskedastisitas terjadi bila nilai varian dari variabel tergantung meningkat akibat dari meningkatnya varian variabel penjelas.
2. Penyebab Heteroskedastisitas a.
Mengikuti error learning model, artinya semakin maju teknologi maka hasil yang diperoleh menjadi lebih banyak dengan kualitas yang lebih baik atau semakin sering seseorang mengerjakan maka semakin sedikit waktu yang diperlukan dan kualitas yang lebih baik. Wihandaru Sotya Pamungkas Heteroskedastisitas 76
Magister Manajemen Univ. Muhammadiyah Yogyakarta b.
Meningkatnya pendapatan. Dengan pendapatan yang meningkat maka masyarakat memiliki banyak pilihan dalam membelanjakan pendapatan akibatnya varian akan meningkat.
c.
Adanya kemajuan teknologi dalam pengumpulan data.
d.
Adanya outliers, yaitu pencaran data yang tidak stabil atau ada yang besar dan ada yang kecil.
e.
Bias spesifikasi atau kesalahan spesifikasi model empiris.
3. Akibat Heteroskedastisitas a.
Penaksir OLS tidak efisien walaupun linear dan tidak bias.
b.
Uji t dan uji F tidak dapat dipercaya.
c.
Estimasi tidak akurat karena varian yang tinggi.
Wihandaru Sotya Pamungkas Heteroskedastisitas 77
Magister Manajemen Univ. Muhammadiyah Yogyakarta
4. Mendeteksi Heteroskedastisitas 1.
Regresi sederhana digunakan: a. Korelasi jenjang (rank) Spearman. b. Uji Glejser. c. Uji Park.
2 .
Regresi ganda digunakan: a. Uji White. b. Uji BPG (Breusch‐Pagan‐Godfrey).
5. Contoh Mendeteksi Heteroskedastisitas Model Estimasi ILQ = b0 + b1Bg + b2NT + e Wihandaru Sotya Pamungkas Heteroskedastisitas 78
Magister Manajemen Univ. Muhammadiyah Yogyakarta
5.1. Uji White Langkah‐langkah: a.
Meregres fungsi empirik yang sedang diamati, dan diperoleh nilai residual (e), selanjutnya mencari nilai residual kuadrat (e2atau e^2).
ILQ = b0 + b1Bg + b2NT + e b.
Meregres fungsi empirik tersebut di bawah ini
e^2 = b0 + b1Bg + b2NT + b3Bg^2 + b4NT^2 + b5Bg*NT + v c.
Mencari nilai X2hitung = [n ] x [R^2] = [198] x [0.308] = 60.984.
d.
Mencari nilai X2tabel = α=5% ; df = k = 4 nilai X2tabel = 9.4877. Æ Bg exclude variable.
Wihandaru Sotya Pamungkas Heteroskedastisitas 79
Magister Manajemen Univ. Muhammadiyah Yogyakarta e.
Kesimpulan: X2hitung > X2tabel Æ ada heteroskedastisitas pada fungsi empirik.
Model Summary Model R 1
0.555
R Square Adjusted R square 0.308
0.293
a. Predictors: (Constant), Bg, NT b. Dependent Variabel: e^2 Kelemahan: uji White adanya multikolinieritas karena adanya interaksi antara dua variabel, yaitu Bg*NT. Hasil uji multikolinieritas, sebagai berikut: Variabel
VIF
Bg
Exclude variable
NT
3721.046
Bg^2
3234.991
NT^2
1956.160
Bg*NT
2489.872
Wihandaru Sotya Pamungkas Heteroskedastisitas 80
Magister Manajemen Univ. Muhammadiyah Yogyakarta
5.2. Uji BPG Langkah‐langkah: a.
Meregres fungsi empirik yang sedang diamati, dan diperoleh nilai residual (e), selanjutnya mencari nilai residual kuadrat (e2atau e^2).
ILQ = b0 + b1Bg + b2NT + e b.
Mencari nilai varian (δ2 atau δ^2) = RSS/n. n: jumlah data. Nilai varian = [15818.814]/[198] = 79.893.
c.
Meregres fungsi empirik tersebut di bawah ini. e^2/ ^2 = b0 δ
+ b1Bg + b2NT + v
Wihandaru Sotya Pamungkas Heteroskedastisitas 81
Magister Manajemen Univ. Muhammadiyah Yogyakarta d.
Mencari nilai X2hitung = [TSS x R^2]/[2]. TSS: total sum of square X2hitung = [(244.568) x (0.033)]/[2] = 4.035.
e.
Mencari nilai X2tabel = α=5% ; df = k‐1 = 2‐1 =1 nilai X2tabel = 3.84146.
f.
Kesimpulan: X2hitung > X2tabel Æ ada heteroskedastisitas pada fungsi empirik.
Anova Model
Sum of Squares df Mean Square
F
Regression
108795.6
2
54397.796
670.567
Residual
15818.814
195
81.122
Total
124614.4
197
a. Predictors: (Constant), Bg, NT b. Dependent Variabel: LQ
Wihandaru Sotya Pamungkas Heteroskedastisitas 82
Magister Manajemen Univ. Muhammadiyah Yogyakarta
Model Summary Model 1
R
R Square
Adjusted R square
0.033
a. Predictors: (Constant), Bg, NT b. Dependent Variabel: e^2/δ^2
Anova Model Regression
Sum of Squares df Mean Square
F
7.999
2
4.000
3.297
Residual
236.569
195
1.213
Total
244.568
197
a. Predictors: (Constant), Bg, NT b. Dependent Variabel: e^2/δ^2
Wihandaru Sotya Pamungkas Heteroskedastisitas 83
Magister Manajemen Univ. Muhammadiyah Yogyakarta
6. Contoh Menghilangkan Heteroskedastisitas 1. Varian (δ2) Diketahui. 2. Varian (δ2) Tidak Diketahui.
6.1. Varian (δ2) Diketahui Membagi nilai observasi dengan standar error of the estimate ILQ1 = [256.869]/[9.00678] = 28.51874. Bg1 = [0.1274]/[9.00678] = 0.01415. NT1 = [9830]/[9.00678] = 1091.4000.
Wihandaru Sotya Pamungkas Heteroskedastisitas 84
Magister Manajemen Univ. Muhammadiyah Yogyakarta
Model Estimasi Sebelum Transformasi ILQ = b0 + b1Bg + b2NT + e
Model Estimasi Setelah Transformasi ILQ/δ = b0 + b1ILQ/δ + b2 ILQ/δ + e
δ = 9 .0 0 6 7 8 Untuk mempermudah penulisan digunakan notasi sebelum dilakukan transformasi.
Model Summary Model R Square Adjusted R Square 1
0.873
0.872
Std.Error of the Estimate 9.00678
a. Predictors: (Constan), Bg, NT b. Dependent Variable: ILQ
Wihandaru Sotya Pamungkas Heteroskedastisitas 85
Magister Manajemen Univ. Muhammadiyah Yogyakarta Dari hasil transformasi data di atas, selanjutnya diuji kembali
“apakah masih terdapat heteroskedastisitas”.
6.1.1. Uji Hasil Perbaikan dengan Uji White Langkah‐langkah: a.
Meregres fungsi empirik yang sedang diamati berdasarkan data hasil transformasi, dan diperoleh nilai residual (e), selanjutnya mencari nilai residual kuadrat (e2atau e^2).
ILQ = b0 + b1Bg + b2NT + e b.
Meregres fungsi empirik tersebut di bawah ini.
e^2 = b0 + b1Bg + b2NT + b3Bg^2 + b4NT^2 + b5Bg*NT + v Wihandaru Sotya Pamungkas Heteroskedastisitas 86
Magister Manajemen Univ. Muhammadiyah Yogyakarta c.
Mencari nilai X2hitung = [n ] x [R^2] = [198] x [0.103] = 20.394.
d.
Mencari nilai X2tabel = α=5% ; df = k = 5 X2tabel = 11.0705.
e.
Kesimpulan: X2hitung > X2tabel Æ ada heteroskedastisitas pada fungsi empirik.
Model Summary Model R 1
0.322
R Square Adjusted R square 0.103
0.008
a. Predictors: (Constant), Bg, NT b. Dependent Variabel: e^2
Kelemahan uji White adanya multikolinieritas karena adanya interaksi antara dua variabel, yaitu Bg*NT. Wihandaru Sotya Pamungkas Heteroskedastisitas 87
Magister Manajemen Univ. Muhammadiyah Yogyakarta Hasil uji multikolinieritas, sebagai berikut:
Variabel
V I F
Bg
3721.417
NT
13.064
Bg^2
3262.345
NT^2
2072.587
Bg*NT
2750.314
Wihandaru Sotya Pamungkas Heteroskedastisitas 88
Magister Manajemen Univ. Muhammadiyah Yogyakarta
6.1.2. Uji Hasil Perbaikan dengan Uji BPG Langkah‐langkah: a.
Meregres fungsi empirik yang sedang diamati berdasarkan data hasil transformasi, dan diperoleh nilai residual (e), selanjutnya mencari nilai residual kuadrat (e2atau e^2).
+ b1Bg + b2NT + e
ILQ = b0
b.
Mencari nilai varian (δ2 atau δ^2) = RSS/n. n: jumlah data. Nilai varian = [216.819]/[198] = 1.0951.
c.
Meregres fungsi empirik tersebut di bawah ini. e^2/ ^2 = b0 + b1Bg + b2NT + v δ
d.
Mencari nilai X2hitung = [TSS x R^2]/[2].
Wihandaru Sotya Pamungkas Heteroskedastisitas 89
Magister Manajemen Univ. Muhammadiyah Yogyakarta TSS: total sum of square. X2hitung = [(236.416) x (0.005)]/[2] = 0.59104. e.
Mencari nilai X2tabel = α=5% ; df = k‐1 = 2‐1 =1 nilai X2tabel = 3.84146.
f.
Kesimpulan: X2hitung < X2tabel Æ tidak ada heteroskedastisitas pada fungsi empirik.
Anova Model
Sum of Squares df Mean Square
F
Regression
1319.330
2
659.665
593.280
Residual
216.819
195
1.112
Total
1536.150
197
a. Predictors: (Constant), Bg, NT b. Dependent Variabel: LQ
Wihandaru Sotya Pamungkas Heteroskedastisitas 90
Magister Manajemen Univ. Muhammadiyah Yogyakarta
Model Summary Model R 1
R Square Adjusted R square
0.068
0.005
‐0.006
a. Predictors: (Constant), Bg, NT b. Dependent Variabel: e^2/δ^2
Anova Model Regression
Sum of Squares df MeanSquare
F
1.093
2
0.547
0.453
Residual
235.323
195
1.207
Total
236.416
197
a. Predictors: (Constant), Bg, NT b. Dependent Variabel: e^2/δ^2
Wihandaru Sotya Pamungkas Heteroskedastisitas 91
Magister Manajemen Univ. Muhammadiyah Yogyakarta
6.2. Jika δ2 Tidak Diketahui Transformasi Logaritma Mentransformasi nilai observasi menjadi Ln atau Log Natural LnILQ1 = Ln256.869 = 5.549 LnBg1 = Ln0.1274 = ‐2.060 LnNT1 = Ln9830 = 9.193
Model Estimasi Sebelum Transformasi ILQ = b0 + b1Bg + b2NT + e
Model Estimasi Setelah Transformasi LnILQ = b0 + b1LnBg + b2LnNT + e Wihandaru Sotya Pamungkas Heteroskedastisitas 92
Magister Manajemen Univ. Muhammadiyah Yogyakarta
6.2.1. Uji Hasil Perbaikan dengan Uji White Langkah‐langkah: a.
Meregres fungsi empirik yang sedang diamati berdasarkan data hasil transformasi, dan diperoleh nilai residual (e), selanjutnya mencari nilai residual kuadrat (e2atau e^2).
ILQ = b0 + b1Bg + b2NT + e b.
Meregres fungsi empirik tersebut di bawah ini.
e^2 = b0 + b1LnBg + b2LnNT + b3(2LnBg) + b4(2LnNT) + b5(LnBg+LnNT) + v c.
Mencari nilai X2hitung = [n ] x [R^2] = [198] x [0.011] = 2.178.
d.
Mencari nilai X2tabel = α=5% ; df = k = 3
Wihandaru Sotya Pamungkas Heteroskedastisitas 93
Magister Manajemen Univ. Muhammadiyah Yogyakarta nilai X2tabel = 7.8147. NT ; NT2: excluded variables. e.
Kesimpulan: X2hitung < X2tabel Æ tidak ada heteroskedastisitas pada fungsi empirik.
Model estimasi terdapat multikolinieritas, nilai VIF > 10
VIF
VIF
VIF
Bg 4958.942 Bg2 4953.812 Bg*NT 1.268 NT ; NT2: excluded variables
Wihandaru Sotya Pamungkas Heteroskedastisitas 94
Magister Manajemen Univ. Muhammadiyah Yogyakarta
Model Summary Model
R
R Square
Adjusted R Square
1
0.106
0.011
– 0.04
a. Predictors: (Constan), LnBg+LnNT, , 2LnBg, LnBg b. Dependent Variable: e2
6.2.2. Uji Hasil Perbaikan dengan Uji BPG Langkah‐langkah: a.
Meregres fungsi empirik yang sedang diamati berdasarkan data hasil transformasi, dan diperoleh nilai residual (e), selanjutnya mencari nilai residual kuadrat (e2atau e^2). ILQ = b0 + b1Bg + b2NT + e
Wihandaru Sotya Pamungkas Heteroskedastisitas 95
Magister Manajemen Univ. Muhammadiyah Yogyakarta b.
Mencari nilai varian (δ2 atau δ^2) = RSS/n n: jumlah data. Nilai varian = [0.163]/[198] = 0.00082.
c.
Meregres fungsi empirik tersebut di bawah ini. e^2/ ^2 = b0 + b1Bg + b2NT + v δ
d.
Mencari nilai X2hitung = [TSS x R^2]/[2]. TSS: total sum of square. X2hitung = [(963940.2) x (0.000)]/[2] = 0.000.
e.
Mencari nilai X2tabel = α=5% ; df = k‐1 = 2‐1 =1 nilai X2tabel = 3.84146.
f.
Kesimpulan: X2hitung < X2tabel Æ tidak ada heteroskedastisitas pada fungsi empirik yang sedang diamati.
Wihandaru Sotya Pamungkas Heteroskedastisitas 96
Magister Manajemen Univ. Muhammadiyah Yogyakarta
Anova Model
Sum of Squares df Mean Square
F
Regression
1.194
2
0.597
713.273
Residual
0.163
195
0.000831
Total
1.357
197
a. Predictors: (Constant), LnBg, LnNT b. Dependent Variabel: LnILQ
Model Summary Model
R
1
0.000
R Square Adjusted R Square 0.000
– 0.100
a. Predictors: (Constan), LnBg, LnNT b. Dependent Variable: e^2/δ^2
Wihandaru Sotya Pamungkas Heteroskedastisitas 97
Magister Manajemen Univ. Muhammadiyah Yogyakarta
Anova Model
Sum of Squares df Mean Square
F
Regression
6.016E‐05
2
3.008E‐05
0.000
Residual
963940.2
195
4943.283
Total
963940.2
197
a. Predictors: (Constant), LnBg, LnNT b. Dependent Variabel: e^2/δ^2
Kesimpulan Setelah data ditransformasi dengan log natural (Ln). Uji White tidak terdapat heteroskedastisitas namun terdapat multikolinieritas. Uji BPG tidak terdapat heteroskedastisitas dan tidak terdapat multikolinieritas.
Wihandaru Sotya Pamungkas Heteroskedastisitas 98
Magister Manajemen Univ. Muhammadiyah Yogyakarta
Data Penelitian
Transformasi “Ln” Perbaikan Heteroskedastisitas No.
ILQ45
Bunga Nilai Tukar
LnILQ
LnBg
LnNT
1
5.548539 ‐2.0604 9.19319421
2
5.560562 ‐2.0604 9.18962733
3
5.586529 ‐2.0604 9.18758338
4
5.585517 ‐2.0604 9.17678359
5
5.595975 ‐2.0604 9.17471319 Data disajikan sebagian.
Wihandaru Sotya Pamungkas Heteroskedastisitas 99
Magister Manajemen Univ. Muhammadiyah Yogyakarta
Daftar Pustaka Ghozali, Imam (2007), Edisi 4, Aplikasi Analisis Multivariate dengan Program SPSS, BP Universitas Diponegoro, Semarang. Gujarati, Damodar N. (1995), Third Edition, Basics Econometrics, McGraw‐ Hill, New York. Sumodiningrat, Gunawan (1998), Edisi I, Ekonometrika Pengantar, BPFE, Yogyakarta.
Wihandaru Sotya Pamungkas Heteroskedastisitas 100