Page 28 - MODUL PEMBELAJARAN EKONOMETRIKA

Jika asumsi ini terlanggar maka terjadi heteroskedasitas yang dapat dinyatakan
Var (u I ,… …. . , )=
2

1, 2
Di mana indeks i menunjukkan bahwa varians berubah dari observasi ke observasi bersifat variabel. Kondisi
heterokedastis dapat diperlihatkan secara grafis sebagai berikut.
1. Penyebab heterokedastisitas
Terdapat beberapa alasan mengapa residual regresi dapat bersifat heterokedastis, di antaranya (Gujarati.
2003 dan Pindyck dan Rubenfeld, 1997).
a. Situasi error learning, misalnya kita ingin mengetahui hubungan tingkat kesalahan mengetik
terhadap berbagai vanabel Jika kita menggunakan sampel yang ber- sifat panel time series akan
sangat mungkin model yang dimiliki akan bersifat heterokedastis. Hal ini disebabkan kesalahan
pengetikan akan menurun dari waktu ke waktu dan terjadi konvergensi di antara elemen sampel
(kesalahan anggota sampel yang paling tidak terampil akan menurun mendekati mereka yang
awalnya sudah terampil)
b. Kemampuan diskrest. Hal ini tampak jelas pada penelitian dengan menggunakan vanabel
pendapatan Aktivitas oleh individu yang memiliki pendapatan tinggi akan jauh lebih variatit
dibandingkan mereka yang berpendapatan rendah Dengan demikian suatu model regresi dengan
menggunakan variabel semacam ini akan mengalami peningkatan residual kuadrat dengan
semakin besarnya pendapatan
c. Perbaikan teknik pengambilan data Peneliti akan belajar untuk menarik informasidengan benar,
dengan demikian kesalahan akibat proses ekstraksi data akan semakinmenurun
d. Keberadaan Outlier. Outher adalah data yang memiliki karakteristik sangat berbeda dari kondisi
yang umum. Misalnya kita memiliki suatu set data pendapatan dengan kisaran IDR 2-5 juta per
bulan, keberadaan individu dengan pendapatan 100 juta dapat dikatakan outlier.
e. Masalah spesifikasi. Jika model pada populasi adalah non-linier (misalnya eksponensial) namun
kita memaksa penggunaan model linier. Di sini, kundrat residual akan meningkat cepat dengan
meningkatnya nilai variabel bebas.
2. Teknik deteksi
Kita dapat mendeteksa keberadaan heterokedastisitas melalui suatu metode kasual, yakni mengamati
pola residual kuadrat Jika heterokedastisitas ada pada model, hal ini dapat terlihat dengan adanya suatu
pola tertentu pala grafik residual kuadrat.

Gambar menunjukkan pola-pola residual kuadrat yang mungkin sening di amati pada penelitian Di sini
kita melakukan plotting residual kuadrat terhadap fitted value namun pola yang sama juga dapat
diperoleh jika kita mengganti fitted valued dengan nilai observasi salah satu variabel bebas Pola
menunjukkan situasi homokedastisitas, di sini residual kuadrat berada pada interval yang sama pada
setiap tingkat fitted value dan juga pola menunjukkan bahwa selang residual kuadrat adalah bersifat
variable. Kita tentunya membutuhkan suatu prosedur formal yang dapat digunakan untuk mendeteksi
adanya heterokedastisitas (pengamatan kasual tidaklah mencukupi) Terdapat banyak test yang
dikembangkan untuk menguji keberadaan heterokedastisitas, namun di sini kita akan membahas 2
metode yang paling popular, yakni Breusch-Pagan Test dan White Test (lihat Gujarati, 2003 untuk jenis
test lainnya).

25