Pengujian Asumsi Heteroskedastisitas Dengan Pengujian Korelasi Spearman di Eviews 9

Gambar : Cover Artikel

Pengujian Heteroskedastisitas

Ditulis oleh : Dimas Purbo Wicaksono Fenda Putra, S.E.

A.Penjelasan Pengujian Korelasi Spearman

Pengujian ini juga digunakan untuk melihat ada atau tidaknya masalah asumsi heteroskedastisitas, hanya saja untuk pengujian ini lebih rumit dibandingkan pengujian yang lainnya. Karena agar kita dapat melakukan pengujian ini perlu beberapa hal yang harus dibuat, antara lain :

a.Melakukan penghitungan regresi, tujuannya untuk menghitung nilai prediksi pada variabel dependent.

b.Melakukan perhitungan nilai sesaat (e) dan dirubah menjadi nilai mutlak.

c.Melakukan pengurutan data dari besar ke kecil untuk data variabel independent dan diberi nomor urut data.

d.Melakukan pengurutan data dari nilai residu dengan aturan pengurutan dari besar ke kecil dan diberi nomor urut data.

e.Melakukan perhitungan selisih antara urutan variabel independent dengan variabel sesaat dan dikuadratkan.

f.Melakukan perhitungan nilai rank pada urutan korelasi spearman serta nilai t untuk dibandingkan dengan nilai t_tabel.

B.Tahapan Pengolahan Data

Variabel yang dipergunakan :

Independent    = “X”

Dependent      = “Y”

Berikut adalah contoh data yang digunakan :

Gambar : Data Latihan

Buat tabel di excel seperti gambar dibawah ini.

Gambar : Hasil di Microsoft Excel 2013

Keterangan :

e          : Nilai Residual 

│e│     : Nilai Residual yang dipositifkan

Rank e : Urutan data terbesar ke terkecil

Rank x : Urutan data terbesar ke terkecil

d          : Rank e - Rank x

d²         : Nilai hasil Rank e - Rank x yang di kuadrat kan

Y-e      : Data variabel dependent - Nilai Residual

Cara mendapatkan nilai residual adalah sebagai berikut.

Langkah 1 : Buka lembar baru eviews 9 dan pilih Create a new Eviews workfile.

 

Gambar : Pengolah Data Eviews 9

Langkah 2 : Pad Workfile Create dibagian Workfile structure type pilih Unstructured/Undated (karena data cross section). Data range dibagian Observations isikan dengan 20 (sebagai sampel observasi data). Klik ok.

Gambar : Pengolah Data Eviews 9

Langkah 3 : Menuju ke menu Quick dan pilih Empty Group (Edit Series).

Gambar : Pengolah Data Eviews 9

Langkah 4 : Copy paste data beserta variabel nya.

Gambar : Pengolah Data Eviews 9

Langkah 5 : Klik menu Proc dan pilih Make Equation.

Gambar : Pengolah Data Eviews 9

Langkah 6 : Pada Equation Estimation dibagian Specification tuliskan persamaan regresi “y c x”. Estimation settings dibagian Method pilih LS – Least Sqaures (NLS and ARMA) dengan sample 1-20. Klik ok.

Gambar : Pengolah Data Eviews 9

Langkah 7 : Setelah hasil regresi keluar, klik close di pojok kanan atas.

Gambar : Pengolah Data Eviews 9

Langkah 8 : Klik yes.

Gambar : Pengolah Data Eviews 9

Langkah 9 : Blok folder resid, klik kanan Open.

 

Gambar : Pengolah Data Eviews 9

Langkah 10 : Ini adalah data dari residual hasil regresi.

Gambar : Pengolah Data Eviews 9

Agar kita tidak terlalu susah mengurutkan seluruh data, maka kita bisa gunakan eviews untuk mengurutkan data dari terkecil ke yang terbesar.

Berikut adalah contoh data yang belum urut (data x).

Gambar : Pengolah Data Eviews 9

Dapat dilihat bahwa data ini masih acak-acakan, maka coba urutkan dengan menuliskan “sort x” (urutan data untuk variabel x) di bagian Command eviews dan tekan enter.

Gambar : Pengolah Data Eviews 9

Lalu kita coba buka lagi folder data x. Blok x, klik kanan => Open.

Gambar : Pengolah Data Eviews 9

Berikut adalah data variabel x yang sudah diurutkan.

Gambar : Pengolah Data Eviews 9

Dapat dilihat bahwa data sudah urut dari yang terkecil ke yang terbesar. Ini berlaku untuk semua data, jadi tidak hanya x yang bisa diurutkan, akan tetapi variabel y maupun residual juga bisa diurutkan secara otomatis.

Kembali lagi ke pengujiannya, kita hitung nilai yang sudah di dapat (nilai korelasi spearman) dengan rumus :

Keterangan :

d² = Nilai kuadrat dari Rank e – Rank x

n = Jumlah sampel observasi

n² = Jumlah sampel observasi yang di kuadrat kan

Kemudian cari nilai t_hitung dengan persmaan :

Keterangan :

rs = Hasil dari perhitungan nilai korelasi spearman

n = Jumlah sampel observasi

r²_s = Hasil dari perhitungan nilai korelasi spearman yang di kuadrat kan

Jadi dari hasil diatas didapatkan nilai t_hitung sebesar 0.9317594809. Nilai ini bandingkan dengan t_tabel. Untuk mendapatkan nilai t_tabel diperlukan beberapa cara sebagai berikut.

Hitung nilai t_tabel pada α=5% (0.05) dan derajat kebebasan atau degree of freedom (df) = 18. Nilai df didapat dari rumus n-k. n merupakan jumlah sampel observasi dan k merupakan jumlah variabel (dependent dan independent). n-k = 20-2 = 18. 

Kita cari nilai tabel (t) untuk satu arah dan dua arah terlebih dahulu.

Gambar : T-tabel df 1-40

Diperoleh nilai t_tabel

Nilai t_tabel satu arah sebesar 1.73406

Nilai t_tabel dua arah sebesar  2.10093

Nilai tersebut bandingkan dengan nilai t_hitung.

Hipotesa :

H₀ : Data terbebas dari masalah heteroskedastisitas.

H₁ : Data terjangkit masalah heteroskedastisitas (Data homoskedastis).

Kriterianya : 

Bila nilai t_hitung < dari t_tabel maka H₀ ditolak dan H₁ diterima, kesimpulannya data terjangkit masalah heteroskedastisitas atau bersifat homokedastis.

Bila nilai t_hitung > dari t_tabel maka H₁ ditolak dan H₀ diterima, kesimpulannya data tidak terjangkit masalah heteroskedastisitas.

Kesimpulan : t_hitung (0.9317594809.) < dari t_tabel (1.73406 dan 2.10093), maka H₀ ditolak dan H₁ diterima, kesimpulannya data terjangkit masalah heteroskedastisitas atau bersifat homokedastis.

Informasi ekonometrika secara lengkap, silakan kunjungi channel youtube saya di : Dimas Channel

Note : Silakan bagi teman-teman yang ingin meng-copy artikel ini. Mohon sertakan sumber aslinya. Terima Kasih :-)