Hai hai sobat Exsight, tahukah gak sih, dalam analisis statistik terdapat suatu konsep yang seringkali terdapat dalam analisis statistik yaitu tentang Heteroskedastisitas. Sobat Exsight sudah tau belum apa itu heteroskedastisitas? Bagaimana ciri-cirinya? penyebabnya? serta dampak dari hal tersebut? Nah pada artikel ini kita akan membahas hal tersebut lebih mendalam. Yuk simak artikel ini dengan seksama yaa!
Definisi
Heteroskedastisitas merupakan suatu kondisi ketika variabilitas (ragam) dari kesalahan residual dalam suatu model statistik tidak seragam (tidak konstan) di seluruh rentang nilai variabel independen.
Dalam konteks regresi linier, heteroskedastisitas menggambarkan penyimpangan antara nilai prediksi dan nilai sebenarnya yang cenderung bervariasi secara sistematis, serta bergantung pada nilai variabel independen.
Perbedaan Heteroskedastisitas dan Homoskedastisitas
Heteroskedastisitas merupakan kebalikan dari Homoskedastisitas.
Perbedaan antar keduanya yaitu jika “Homoskedastisitas ” berkaitan dengan kondisi ketika variabilitas residual seragam (konstan) di seluruh rentang nilai variabel independen. Dalam analisis data, kondisi yang dinginkan oleh peneliti yaitu “Homoskedastisitas” karena hasil estimasi model dan pengujian dapat diterapkan secara lebih akurat dan efisien, serta memudahkan interpretasi dan pengujian statistik yang konsisten.
Namun sayangnya dalam kasus data real, kondisi Heteroskedastisitas dimana dapat mempengaruhi keakuratan analisis statistik. Maka dari itu itu, penting untuk mengidentifikasi dan mengatasi heteroskedastisitas dalam analisis data untuk memastikan hasil analisis yang akurat dan dapat diandalkan.
Upaya yang dapat dilakukan untuk mengidentifikasi adanya penyimpangan asumsi klasik heteroskedastisitas melalui uji heteroskedastisitas, uji ini digunakan untuk mengetahui adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Heteroskedastisitas merupakan salah satu faktor yang menyebabkan model regresi linier sederhana tidak efisien dan akurat, juga mengakibatkan penggunaan metode kemungkinan maksimum dalam mengestimasi parameter (koefisien) regresi akan terganggu.
Indikator Heteroskedastisitas
Terdapat beberapa indikator yang menandakan bahwa suatu data mengalami gejala heteroskedastisitas yaitu sebagai berikut.
A. Pola-Pola pada Plot Residual
Plot residual merupakan plot atau grafik yang menggambarkan selisih antara nilai observasi dan nilai prediksi pada suatu model regresi.
Plot residual yang berbentuk pola tidak acak, seperti pola kerucut, pola lebar-kecil, atau pola fan-shaped menunjukkan bahwa terdapat gejala heterokedastisitas pada data dengan variabilitas residual data yang tidak seragam.
B. Uji Statistik yang Signifikan
Terdapat beberapa uji statistik yang dapat digunakan untuk menguji keberadaan heteroskedastisitas, seperti uji White, uji Glejser, maupun uji Breusch-Pagan. Jika hasil uji tersebut menunjukkan nilai signifikan, hal ini menandakan adanya indikasi heteroskedastisitas dalam data.
C. Ketidakakuratan dalam Estimasi Parameter
Heteroskedastisitas dapat mempengaruhi estimasi parameter model. Jika terdapat heteroskedastisitas, estimasi parameter dapat menjadi bias atau tidak akurat. Oleh karena itu, jika estimasi parameter menunjukkan ketidakakuratan yang signifikan, hal ini dapat menjadi indikasi adanya heteroskedastisitas.
Penyebab Heteroskedastisitas
Heteroskedastisitas dapat disebabkan oleh beberapa faktor penyebab yaitu:
1.Variabilitas yang Tidak Seragam
Heteroskedastisitas dapat terjadi jika variabilitas (ragam) dari variabel dependen tidak seragam di seluruh rentang nilai variabel independen. Misalnya, jika variabilitas residual meningkat atau menurun secara signifikan pada rentang tertentu dari variabel independen, hal ini dapat mengindikasikan adanya heteroskedastisitas.
2. Keberadaan Data Outlier
Data outlier memiliki pengaruh yang kuat pada variabilitas residual, sehingga menyebabkan terjadinya heteroskedastisitas
3.Interaksi Antar Variabel
Heteroskedastisitas dapat muncul ketika terdapat interaksi atau hubungan kompleks antara variabel independen.
4.Spesifikasi Model yang Salah
Jika model statistik yang digunakan tidak memperhitungkan atau tidak sesuai dengan pola heteroskedastisitas dalam data, hal ini dapat menyebabkan heteroskedastisitas. Misalnya, menggunakan model linier sederhana untuk data yang menunjukkan heteroskedastisitas akan menghasilkan estimasi parameter yang bias dan tidak akurat.
Dampak Heteroskedastisitas
Adanya heteroskedastisitas dapat memiliki dampak signifikan dalam analisis statistik. Berikut adalah beberapa dampak yang mungkin terjadi:
- Estimasi parameter yang bias
Heteroskedastisitas dapat mengakibatkan hasil estimasi parameter model menjadi bias atau tidak akurat. Misalnya pada model regresi, hasil estimasi parameter yang tidak mewakili hubungan sebenarnya antara variabel dependen dan variabel independen. - Pengujian Hipotesis yang Tidak Akurat
Heteroskedastisitas dapat mempengaruhi hasil pengujian hipotesis yang dilakukan pada model statistik. Misalnya pada uji statistik yaitu uji t dan uji F, dimana pada kedua uji tersebut data harus memenuhi asumsi homoskedastisitas, apabila asumsi tersebut tidak terpenuhi maka hasil pengujian dapat memberikan hasil yang tidak akurat dalam kondisi heteroskedastisitas. Sehingga hal ini mengakibatkan kesalahan dalam menarik kesimpulan. - Interval Kepercayaan yang Tidak Presisi
Heteroskedastisitas dapat mempengaruhi presisi interval kepercayaan pada estimasi parameter. Interval kepercayaan yang dihasilkan dapat menjadi terlalu lebar atau terlalu sempit, sehingga mengurangi keakuratan dan ketepatan estimasi parameter. - Perilaku Statistik Uji Regresi
Heteroskedastisitas dapat mempengaruhi perilaku statistik uji regresi, seperti R-squared dan adjusted R-squared. R-squared yang biasanya digunakan untuk mengukur kebaikan model regresi dapat memberikan gambaran yang tidak akurat tentang sejauh mana model dapat menjelaskan variasi dalam data.
Referensi
Gujarati, D. N., & Porter, D. C. (2004). Basic Econometrics (Edisi ke-4). McGraw-Hill.
Demikian penjelasan terkait Heteroskedastisitas. Apabila masih ada yang dibingungkan bisa langsung saja ramaikan kolom komentar atau hubungi admin melalui tombol bantuan di kanan bawah. Stay tuned di website https://exsight.id/blog/ agar tidak ketinggalan artikel-artikel menarik lainnya.
Pingback: Tutorial Uji Glejser Untuk Cek Heteroskedastisitas #2 - Exsight