Pengertian heteroskedastisitas
Gambar A
Gambar B
Jika kita menggunakan metode analisis regresi dalam penelitian kita, maka kita tidak akan asing lagi dengan yang namanya uji heteroskedastisitas. uji heteroskedastisitas adalah suatu uji asumsi yang harus dipenuhi agar model regresi yang kita akan gunakan tidak bias.
Ah apa sih heteroskedastisitas itu? Jika kita lihat pada gambar A di atas, terlihat bahwa penyebaran data dari waktu ke waktu selalu konsisten. nah itu yang diharapakan. kondisi seperti itu adalah kondisi data yang homoskedastis. Jika kita perhatikan pada gambar B, terlhat bahwa penyebaran dara dari waktu ke waktu terus berubah. Kondisi demikian disebut dengan keadaan data heteroskedastis. Tentunya keadaan demikian tidak diharapkan dalam model. mengapa? karena kita akan mengalami kesulitan untuk mengestimasi model yang tepat akibat varian data yang tidak konsisten.
Sebetulnya selain dalam ananalisis regresis, heteroskedastisitas merupakan permasalahan yang sering muncul dalam Analisis Varians (Anova).
Dampak penyakit heteroskedastisitas
Sebetulnya heteroskedastisitas ini tidak menyebabkan estimasi koefisien regresi pada metode ols (ordinary least square) menjadi bias. Kita tentunya masih dapat menggunakan model regresi dengan baik. Namun, heteroskedastisitas ini akan berpengaruh kepada penaksiran standar error yang bias. penaksiran standar error yang bias tentu akan menyebabkan nilai t hitung menjadi bias. t hitung yang bias tentu akan menyebabkan pengambilan keputusan melalui pengujian hipotesis menjadi bias juga. Kita dapat menjadi salah dalam mengambil kesimpulan, walaupun modelnya tetap benar.
Bagaimana mendeteksi adanya heteroskedastisitas
Banyak cara untuk mendeteksi adanya heteroskedastisitas. dalam beberapa software statistik seperti e views, spss, stata sudah tersedia menu untuk mendeteksi apakah ada penyakit heteroskedastisitas atau tidak.
Dalam analisis regresi, disebutkan beberapa test sebagai berikut:
Park test (1966)
Glejser test (1969)
White test
Breusch–Pagan test
Goldfeld–Quandt test
Cook–Weisberg test
Harrison–McCabe test
Brown–Forsythe test
Levene test
Sebetulnya ada satu cara yang mudah untuk mendeteksi ada tidaknya heteroskedastisitas yaitu dengan mengkorelasikan antara variabel bebas dengan nilai residualnya melalui korelasi rank spearman. logikanya sederhana, jika ada korelasi yang signifikan antara nilai residual dengan variabel bebas dalam regresi, artinya residual tersebut sistematis atau mengganggu model.
Bagaimana cara mengatasi penyakit heteroskedastisitas
Tentu, setelah kita melakukan uji heteroskedastisitas, langkah penyembuhan perlu segera dilakukan. berikut merupakan beberapa cara penyembuhan penyekit heterskedastisitas yang dapat dilakukan:
Terlebih dahulu mentransformasi data menjadi bentuk logariitma (log) atau logaritma natural (ln), terutama untuk data-data yang tumbuh secara eksponensial seiring dengna berjalananya waktu, seperti data jumlah penduduk dan data kredit atas bunga majemuk.
Selanjutnya adalah dapat juga dengan membuat model spesifikasi diferensialnya. maksudnya adalah model selisih antara t dengan t-1. cara ini juga biasanya sekaligus dapat mengatasi masalah multikolinieritas.
Mengganti model penaksiran dari ols menjadi wls (weighted least square). prinsip sederhanya adalah kita membuat pembobotan atas nilai pada variabel x dan Y.
Nah, jika cara-cara di atas masih belum ampuh juga, kita dapat menempuh cara heteroscedasticity-consitent standard errors (HCSE), cara ini biasanya lebih ampuh, karena alur berpikirnya diubah, alih-alih mencoba-coba model yang memiliki varian error yang tetap, kita mulai dengan menetapkan error varians yang konsisten.