Dalam analisis statistik, heteroskedastisitas adalah suatu keadaan di mana variancia error pada data penyebaran tidak konstan. Dalam kenyataannya, titik-titik data penyebar dapat membentuk pola yang tidak sesuai dengan asumsi normalitas dan homoskedastisitas yang biasanya digunakan dalam analisis regresi linier.

Tanda-Tanda Heteroskedastisitas

Heteroskedastisitas dapat diidentifikasi dengan menggunakan gambar scatterplots. Berikut adalah tanda-tanda heteroskedastisitas:

1. Titik-titik data penyebar di atas dan di bawah atau di sekitar angka 0: Apabila titik-titik data penyebar membentuk pola yang tidak sesuai dengan asumsi normalitas, maka hal ini dapat menunjukkan adanya heteroskedastisitas.
2. Titik-titik tidak mengumpul hanya di atas atau di bawah saja: Heteroskedastisitas juga dapat diidentifikasi apabila titik-titik data penyebar tidak mengumpul hanya di atas atau di bawah saja, melainkan membentuk pola yang tidak sesuai.
3. Penyebaran titik-titik data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali: Apabila penyebaran titik-titik data tidak membentuk pola bergelombang yang melebar kemudian menyempit dan melebar kembali, maka hal ini dapat menunjukkan adanya heteroskedastisitas.
4. Penyebaran titik-titik data tidak berpola: Heteroskedastisitas juga dapat diidentifikasi apabila penyebaran titik-titik data tidak memiliki pola yang jelas.

Contoh Kasus Uji Heteroskedastisitas

Data penelitian yang akan saya gunakan dalam uji heteroskedastisitas untuk contoh kali ini yakni data "Pengaruh Profesionalisme [X1] dan Motivasi [X2] terhadap Kinerja [Y]".

Langkah-Langkah Mendeteksi Heteroskedastisitas dengan Gambar Scatterplots SPSS

Berikut adalah langkah-langkah yang harus diambil untuk menentukan adanya heteroskedastisitas:

1. Buka program SPSS kemudian klik Variable View, pada kolom Name baris pertama tuliskan X1, baris kedua X2, dan baris ketiga Y.
2. Klik Data View lalu masukkan data penelitian sesuai dengan nama variabel yang ada pada tampilan Data View tersebut.
3. Klik menu Analyze –Regression –Linear.
4. Maka keluar kotak dialog "Linear Regression", selanjutnya masukkan variabel Profesionalisme [X1] dan Motivasi [X2] ke kotak Independent(s), dan masukkan variabel Kinerja [Y] ke kotak Dependent, dengan cara klik tanda panah [>].
5. Pada bagian Method: pilih Enter, setelah itu klik Plots.
6. Muncul kotak dialog "Linear Regression: Plots", masukkan *ZPRED pada kotak X dan *SRESID pada kotak Y, lalu klik Continue.
7. Terakhir klik Ok, maka akan muncul Ouput SPSS.. perhatikan output Scatterplots yang ada bagian output paling bawah.

Analisis Output Scatterplots SPSS

Bedasarkan output Scatterplots di atas diketahui 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 dapat kita disimpulkan bahwa tidak terjadi masalah heteroskedastitas, sehingga model regresi yang baik dan ideal dapat terpenuhi.

Solusi Mengatasi Jika Terdapat Gelaja Heteroskedastisitas

Dalam kasus lain, saat dimungkinkan terjadi masalah heteroskedastisitas. Oleh karena itu, berikut adalah beberapa solusi yang dapat digunakan:

• Transformasi data: Dengan menggunakan transformasi data, seperti logaritma atau square root, kita dapat menyelesaikan masalah heteroskedastisitas.
• Pemilihan model yang sesuai: Kita harus memilih model regresi yang sesuai dengan data penelitian, sehingga dapat mengatasi masalah heteroskedastisitas.
• Penggunaan teknik lain: Kita juga dapat menggunakan teknik lain, seperti penggunaan model non-parametrik atau model bayes, untuk mengatasi masalah heteroskedastisitas.

Dengan demikian, kita dapat menyelesaikan masalah heteroskedastisitas dan memperoleh hasil analisis yang lebih akurat.