Cara Mengatasi Heteroskedastisitas Dengan Melogaritmakan Di SPSS

16 Januari 2021 - Eko Wahyu Adhi

Hello Audiens. Uji Asumsi Klasik Heteroskedastisitas merupakan sebuah uji yang di lakukan untuk membuat analisa apakah terdapat ketidaksamaan antar varian residual dari suatu periode dengan periode lainnya.

Selain itu Uji Asumsi Klasik Heteroskedastisitas merupakan salah satu syarat yang perlu dilakukan sebelum melakukan Uji Regressi Linier, Jika data dinyatakan teridentifikasi Heteraskedastisitas maka data tersebut tidak dapat di lanjutkan ke pengujian selanjutnya.

Dengan melihat kasus diatas menjelaskan bahwa Uji Asumsi Klasik Heteroskedastisitas bukanlah sebuah hal yang dapat diabaikan, Jika data diketahui terdapat Heteroskedastisitas maka data tersebut perlu segera di atasi salah satunya dengan melogaritmakan seluruh variabel tersebut.

1. Berikut adalah data yang sudah saya miliki, Sebelum melanjutkan ke langkah berikutnya pastikan bahwa kamu telah memahami konsep dasar dalam melakukan Uji Heteroskedastisitas serta cara dalam mengambil keputusannya. Bagi kamu yang belum memahami konsep dasar tersebut kamu bisa mempelajarinya terlebih dahulu Disini.


2. Berdasarkan data yang sudah di beberkan diatas dapat disimpulkan bahwasannya pada variabel x1 dan x2 mengalami gejala Heteroskedastisitas karena memiliki nilai < 0,05, Dan akan diatasi dengan melogaritmakan seluruh variabel.


3. Beralih ke tab Transform lalu pilih Compute Variable.


4. Pada kolom Target Variable isikan LN_X1 kemudian pada kolom Functions And Special Variables pilih Ln hingga muncul input otomatis LN(?) pada kolom Numeric Expression.


5. Selanjutnya pada input otomatis Numeric Expression LN(?) ubah menjadi LN(X1) lalu klik Ok.


6. Akan muncul sebuah output yang memberikan informasi bahwa proses melogaritmakan variabel x1 telah berhasil di eksekusi, Kamu bisa mengabaikan output tersebut dengan menutupnya.


7. Kemudian lakukan hal serupa untuk melogaritmakan seluruh variabel yang belum dilogaritmakan, Yaitu variabel x2,x3 dan y hingga menjadi seperti berikut.


8. Usai seluruh varibel berhasil dilogaritmakan, Kita perlu meregressikan seluruh variabel baru tersebut. Klik tab Analyze lalu pilih Regression kemudian Linear.


9. Lalu pindahkan variabel Independent LN_X1,LN_X2 dan LN_X3 pada kolom Independent begitupun sebaliknya untuk variabel Dependent (LN_Y), Kemudian pilih Save.


10. Beri centang pada Unstandardizer lalu klik Continue.


11. Akan muncul output dari langkah yang sudah di lakukan sebelumnya, Namun kita bisa mengabaikan output tersebut karena kita hanya membutuhkan nilai Ressidualnya saja untuk dapat melanjutkan ke langkah berikutnya.


12. Usai berhasil mendapatkan nilai Ressidual, Beralih ke tab Transform lalu pilih Compute Variable.


13. Pada kolom Target Variable isikan abs_res2 kemudian pada kolom Functions And Special Variables pilih Abs hingga muncul input otomatis ABS(?) pada kolom Numeric Expression.


14. Selanjutnya pada input otomatis Numeric Expression ABS(?) ubah menjadi ABS(RES_2) lalu klik Ok.


15. Kemudian tutup hasil output dari langkah yang sudah di jalankan sebelumnya.


16. Dilangkah terakhir, Pilih tab Analyze lalu Regression kemudian Linear.


17. Kemudian pindahkan variabel abs_res2 ke kolom Dependent yang sebelumnya berisi LN_Y lalu klik Ok.


18. Berikut adalah hasil dari seluruh variabel yang telah di logaritmakan.


DASAR PENGAMBILAN KEPUTUSAN

Jika nilai signifikansi < 0,05 maka dapat dinyatakan terdapat gejala Heteroskedastisitas maka perlu di atasi dengan menggunakan metode lain untuk mengatasi data yang terindikasi Heteroskedastisitas.

X1 dari hasil output tersebut diketahui sebesar 0,127 > 0,05 maka dapat dikatakan bahwa variabel tersebut tidak terdapat Heteroskedastisitas.

X2 dari hasil output tersebut diketahui sebesar 0,544 > 0,05 maka dapat dikatakan bahwa variabel tersebut tidak terdapat Heteroskedastisitas.

X3 dari hasil output tersebut diketahui sebesar 0,344 > 0,05 maka dapat dikatakan bahwa variabel tersebut tidak terdapat Heteroskedastisitas.

Perlu diketahui bahwa sebelumnya 2 dari 3 variabel tersebut telah terindikasi Heteroskedastisitas yaitu pada variabel X1&X2, Usai seluruh data tersebut dilogatrimakan kini sudah terbebas dari gejala Heteroskedastisitas sehingga dapat digunakan untuk pengujian selanjutnya.

Jika kamu mengalami kendala saat mengikuti instruksi yang sudah di jelaskan diatas, Kamu bisa memberikan pertanyaan pada kolom komentar. Kami akan berupaya membantu untuk mengatasi masalah yang kamu hadapi saat ini.


KOMENTAR

Jika komentar berisi kata - kata negatif maka tidak akan di tampilkan.