Data crossection seringkali mengandung situasi heteroskedastisitas karena data ini menghimpun data yang mewakili berbagai ukuran kecil, sedang, dan besar (Ghozali, 2016). Residual adalah selisih antara nilai observasi dengan nilai prediksi; dan absolut adalah nilai mutlak. Apabila variasi residual dari suatu pengamatan ke pengamatan lainnya tetap, maka hal tersebut dinamakan homokedastisitas. Sedangkan apabila variasi residualnya berbeda, maka dinamakan heterokedastisitas.

Dalam menentukan apakah terjadi heteroskedastisitas pada suatu model regresi linear berganda, dapat dilakukan dengan melihat grafik scatterplot atau nilai prediksi variabel terikat yang disebut SRESID dengan residual error ZPRED. Grafik Scatterplot digunakan untuk menganalisis pola titik-titik residual, apabila terdapat pola tertentu seperti bergelombang, melebar kemudian menyempit, maka mengindikasikan bahwa terjadi heteroskedastisitas.

Pengujian heteroskedastisitas dapat dilakukan dengan menggunakan beberapa metode, yaitu:

1. Grafik Scatterplot: Menganalisis pola titik-titik residual untuk menentukan apakah terdapat pola tertentu yang indikasikan terjadinya heteroskedastisitas.
2. Uji Breusch-Pagan: Menguji nilai signifikansi untuk menentukan apakah terjadi heteroskedastisitas. Jika nilai signifikansi > 0,05 maka tidak terjadi heteroskedastisitas, sedangkan jika < 0,05 maka terjadi heteroskedastisitas.
3. Uji Glejser: Menguji variabel-variabel bebas terhadap nilai absolut residualnya untuk menentukan apakah terdapat hubungan antara variabel-bebas dan residual.
4. Uji ARCH: Menguji apakah terjadi heteroskedastisitas dengan melihat nilai signifikansi variabel independen. Jika < 0,05 maka terjadi heteroskedastisitas.

Jika model penelitian menyalahi asumsi heteroskedastisitas, maka dapat dilakukan transformasi logaritma atau membagi semua variabel dengan variabel yang mengalami gangguan heteroskedastisitas.

Dalam kasus penelitian ini, uji Breusch-Pagan dan uji ARCH menunjukkan bahwa tidak terjadi heteroskedastisitas. Nilai signifikansi uji Breusch-Pagan sebesar 0.1493 lebih besar daripada nilai alpha (0.05), sehingga dapat diartikan bahwa data terbebas dari masalah heteroskedastitas. Selain itu, uji ARCH juga menunjukkan tidak terjadi heteroskedastisitas.

Referensi

Juliandi A, Irfan, Manurung S. 2014. Metodologi Penelitian Bisnis: Konsep dan Aplikasi. Medan: UMSU Press.
Ghozali, I. (2016) Aplikasi Analisis Multivariete Dengan Program IBM SPSS 23. Edisi 8. Semarang: Badan Penerbit Universitas Diponegoro.
Gujarati, Damodar N, (2004). Basic Econometrics, Fourth edition, Singapore. McGraw-Hill Inc.

Sumber Gambar

Google Images