Cara menguji Heteroskedastisitas dengan metode Statistik (Uji Park)

Bacaan Selanjutnya ...

Heteroskedastisitas merupakan salah satu jenis uji asumsi klasik yang penggunaannya penting untuk menilai bisa tidaknya model regresi merepresentasikan kesimpulan yang diambil dari hasil penelitian. Hal ini terkait dengan pengamatan variance dan residual. Jika variance dan residual satu pengamatan ke pengamatan lainnya tetap, maka disebut homokedastisitas. Ada dua cara untuk melihat heteroskedastisitas, pertama dengan metode grafik dan kedua dengan metode statistik.

Berdasarkan pengalaman saya cara grafik memiliki kelemahan yang mendasar, yaitu pada persepsi setiap orang dapat berbeda saat melihat grafik ini. Dengan demikian sering terjadi beda pendapat dikarenakan kadangkala sebuah grafik secara visual cukup meyakinkan untuk dinilai tidak terjadi heteroskedastisitas padahal terdapat salah satu variabel yang bermasalah.

Untuk itu saya ingin mengajak teman-teman lebih cenderung menggunakan metode alternatifnya dalam menilai ada tidaknya heteroskedastisitas ini, yaitu dengan uji statistik. Ada beberapa uji statistik yang saya tahu diantaranya Uji Park, Uji Glejser dan Uji White. Dengan menggunakan uji statistik maka kita akan memperoleh nilai cut off yang jelas untuk menilai ada tidaknya heteroskedastisitas.

Uji Park merupakan uji heteroskedastisitas yang lakukan dengan cara melakukan pemangkatan terhadap residual lalu di logaritma natural (di Ln-kan) baru kemudian dilakukan regresi terhadap variabel bebasnya. Adapun langkah-langkahnya secara rinci dapat dilihat pada Contoh dibawah ini:

Opsi Save

Pertama-tama kita harus melakukan regresi seperti biasa dengan memasukkan variabel bebas dan variabel terikatnya dalam kotak independen dan dependennya. Namun dalam uji ini yang harus diperhatikan adalah untuk mengklik opsi SAVE sehingga muncul kotak dialog seperti ini:

Kemudian centang opsi unstandarized resdual yang telah saya tandai dengan kotak merah pada kota dialog tersebut lalu Continue. Lalu kita akan kembali pada kotak dialog Linear Regression.

Kotak Dialog Linear Regressions

Disini kita tinggal klik OK dan kita telah memperoleh nilai residual dari model regresi yang terbentuk, Untuk lebih meyakinkan teman-teman bisa melihatnya pada Tab Data view-nya sudah muncul seperti ini:

Penampakan Data Residual

Langkah selanjutnya kita akan melakukan pemangkatan nilai residual tersebut caranya seperti ini; Variabel Res_1 yang muncul tadi haru kita pangkat duakan (res_1 x res_1) dengan cara klik Menu Transform lalu Compute Variable seperti ini:

Compute Variabel

Maka akan muncul kotak dialog Compute Variabel seperti dibawah ini:

Kotak Dialog Compute Variabel

Disini, pada kotak target variable ketik Res_2 lalu pada numeric expression cari variabel unstandarized residual pada list variabel yang ada di sebelah kiri klo udah ketemu klik 2x disitu maka akan masuk ke kotak numeric expressionnya. Kemudian dengan menggunakan Keypad yang ada cari dan klik tanda bintang (*) lalu klik variabel unstandarized residual kembali 2x maka akan tampak seperti screenshot diatas, yang lain bisa diabaikan saja. Lalu dieksekusi dengan klik OK.
Sampai disini kita telah berhasil melakukan pemankatan nilai residual, selanjutnya nilai residual yang sudah dipangkatkan tadi kita lakukan transformasi dalam bentuk logaritma natural (Ln). Caranya sebagai berikut:
Pertama Klik menu Transform lalu Compute Variabel maka akan muncul kotak dialog Compute Variabelnya.

Ketika kita membuka kembali kotak dialog Compute Variabel maka kita akan melihat kotak tersebut masih terisi dengan formula (rumus) yang tadi kita lakukan. Maka harus diganti, pada kota target variabel ganti menjadi LnRes_2 dan hapus rumus yang ada pada kotak numeric expressionnya.
Lalu cari kotak Function Group pada sebelah kanan lalu klik Arithmetic maka di Kotak Funtion and Special Variables dibawahnya akan muncul beragam rumus fungsi. Kita cuman perlu yang Ln saja. cari fungsi Ln dan Klik 2x disitu maka akan muncul di kotak numeric expressionnya huruf LN(?) tampak seperti ini:

Transformasi Data

Selanjutnya tugas kita adalah mencari variabel Res_2 yang sudah kita buat sebelumnya pada list variabel disebelah kiri, setelah ketemu klik 2x disitu maka variabel tersebut akan menggantikan tanda tanya yang dalam kurung di Formula kota numeric expression menjadi LN(Res_2) seperti screenshot dibawah ini:

Taransformasi Data ke Bentuk Ln

Selanjutnya tinggal Klik OK, dan kita sudah mendapatkan nilai LnRes_2-nya. Selanjutnya kita harus melakukan regresi linear dengan menggunakan variabel LnRes_2 ini sebagai variabel Dependen dengan cara Klik menu Analize lalu Regression kemudian pilih Linear maka akan muncul kotak dialog Linear Regressions

Pada kotak dialog ini klik pada variabel yang ada pada kotak dependen, kemudian klik tanda panah disampingnya agar variabel tersebut kembali ke kotak lis variabel disebelah kiri. Kemudian cari variabel LnRes_2 pada kotak List tersebut klik 1x disitu lalu klik tanda panah disamping kotak dependen agar variabel LnRes_2 masuk ke kotak dependen, seperti ini:

Lakukan Regresi Kembali

Sampai disini kita tinggal klik Ok dan mari kita lihat hasilnya:
Akan muncul berbagai hasil regresi disini seperti biasanya namun kita cuman perlu yang ini saja:

Output Uji Park

Lolos tidaknya uji heteroskedastisitas dengan metode statistik uji Park ini akan terlihat pada tabel coefficient-nya. Kriteria yang digunakan adalah jika nilai signifikansi (probabilitas) dari variabel independen dibawah 0,05 maka telah terjadi heteroskedastisitas, namun jika berada diatas 0,05 maka tidak terjadi heteroskedastisitas. Nah dari output yang kita peroleh jelas disana tidak terjadi heteroskedastisitas. Mudah sekali bukan.