=====================================================
Heteroskedastisitas adalah masalah yang sering terjadi dalam analisis regresi, dimana varian dari residual tidak sama pada setiap level independent variable. Dalam artikel ini, kita akan membahas bagaimana melakukan uji heteroskedastisitas dengan menggunakan gambar scatterplots SPSS.
Karakteristik Heteroskedastisitas
Untuk mengetahui apakah terjadi masalah heteroskedastisitas, kita perlu memperhatikan karakteristik dari penyebaran titik-titik data. Adapun karakteristik tersebut adalah:
- Titik-titik data penyebar di atas dan di bawah atau di sekitar angka 0.
- Titik-titik tidak mengumpul hanya di atas atau di bawah saja.
- Penyebaran titik-titik data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
- Penyebaran titik-titik data tidak berpola.
Contoh Kasus Uji Heteroskedastisitas
Data penelitian yang akan kita gunakan sebagai contoh adalah data "Pengaruh Profesionalisme [X1] dan Motivasi [X2] terhadap Kinerja [Y]".
Karena jumlah sampel sebanyak 72, maka gambar scatterplots tidak akan di postingkan dalam artikel ini. Namun, Anda dapat mengunduh data saja dan melakukan uji heteroskedastisitas sendiri.
Langkah-Langkah Menetapkan Heteroskedastisitas dengan Gambar Scatterplots SPSS
- Buka program SPSS kemudian klik Variable View.
- Tuliskan nama variabel X1, X2, dan Y.
- Klik Data View lalu masukkan data penelitian sesuai dengan nama variabel yang ada pada tampilan Data View tersebut.
- Klik menu Analyze – Regression – Linear.
- Masukkan variabel Profesionalisme [X1] dan Motivasi [X2] ke kotak Independent(s), dan masukkan variabel Kinerja [Y] ke kotak Dependent.
- Pilih Enter, lalu klik Plots.
- Masukkan *ZPRED pada kotak X dan *SRESID pada kotak Y, lalu klik Continue.
Analisis Output Scatterplots SPSS
Dalam output scatterplots, kita dapat melihat bahwa:
- Titik-titik data penyebar di atas dan di bawah atau di sekitar angka 0.
- Titik-titik tidak mengumpul hanya di atas atau di bawah saja.
- Penyebaran titik-titik data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
- Penyebaran titik-titik data tidak berpola.
Dengan demikian, kita dapat disimpulkan bahwa tidak terjadi masalah heteroskedastisitas, sehingga model regresi yang baik dan ideal dapat terpenuhi.
Solusi Mengatasi Heteroskedastisitas
Namun, dalam kasus lain, saat dimungkinkan terjadi masalah heteroskedastisitas. Oleh karena itu, alternatif solusi yang dapat Anda lakukan untuk mengatasi masalah tersebut adalah:
- Melakukan transformasi data ke bentuk lain seperti: Log atau Ln
- Mengganti metode pengujian heteroskedastisitas dengan metode yang lain seperti: Uji Glejser
- Mengurangi jumlah data [outlier data ekstrim]
- Menambah atau menganti data atau jumlah sample
Saya berharap artikel ini dapat membantu Anda dalam melakukan uji heteroskedastisitas dengan gambar scatterplots SPSS. Selamat mencoba!