Dalam analisis statistik, heteroskedastisitas adalah suatu keadaan di mana variancia atau penyebaran data tidak konsisten pada setiap tingkat prediksi. Dalam contoh lainnya, jika kita memiliki data yang menunjukkan penyebaran titik-titik data di atas dan di bawah angka 0, namun tidak mengumpulkan hanya di atas atau di bawah saja, maka dapat dikatakan bahwa data tersebut tidak heteroskedastis.

Namun, dalam kebanyakan kasus, data yang diperoleh dapat menunjukkan pola penyebaran titik-titik data yang tidak berpola. Dalam hal ini, kita perlu melakukan uji heteroskedastisitas untuk mengetahui apakah data tersebut memiliki masalah heteroskedastisitas.

Langkah-Langkah Mendiagnosa Heteroskedastisitas dengan Gambar Scatterplots SPSS

Berikut adalah langkah-langkah yang dapat dilakukan untuk mendiagnosa heteroskedastisitas dengan menggunakan program SPSS:

  1. Buka program SPSS dan klik menu Variable View, lalu masukkan nama variabel X1, X2, dan Y.
  2. Klik Data View dan masukkan data penelitian sesuai dengan nama variabel yang telah ditetapkan.
  3. Klik menu Analyze – Regression – Linear dan masukkan variabel Profesionalisme (X1) dan Motivasi (X2) sebagai independent variable, serta variabel Kinerja (Y) sebagai dependent variable.
  4. Pada kotak dialog "Linear Regression", masukkan *ZPRED pada kotak X dan *SRESID pada kotak Y, lalu klik Continue.
  5. Terakhir, klik Ok untuk menampilkan output SPSS.

Analisis Output Scatterplots SPSS

Dalam output SPSS, kita dapat melihat bahwa:

  • Titik-titik data penyebar di atas dan di bawah atau di sekitar angka 0.
  • Titik-titik tidak mengumpul hanya di atas atau di bawah saja.
  • Penyebaran titik-titik data tidak membentuk pola bergelombang melebar kemudian menyempit dan melebar kembali.
  • Penyebaran titik-titik data tidak berpola.

Dengan demikian, kita dapat disimpulkan bahwa tidak terjadi masalah heteroskedastisitas, sehingga model regresi yang baik dan ideal dapat terpenuhi.

Solusi Mengatasi Heteroskedastisitas

Namun, dalam kasus lain, saat dimungkinkan terjadi masalah heteroskedastisitas. Oleh karena itu, alternatif solusi yang dapat kita lakukan untuk mengatasi masalah tersebut adalah:

  • Melakukan transformasi data ke bentuk lain seperti: Log atau Ln.
  • Mengganti metode pengujian heteroskedastisitas dengan metode yang lain seperti: Uji Glejser.
  • Mengurangi jumlah data [outlier data ekstrim].
  • Menambah atau menganti data atau jumlah sample.

Dengan demikian, dapat kita konklusi bahwa heteroskedastisitas adalah suatu keadaan di mana variancia atau penyebaran data tidak konsisten pada setiap tingkat prediksi. Dalam analisis statistik, penting untuk mengetahui apakah data tersebut memiliki masalah heteroskedastisitas dan bagaimana kita dapat mengatasi masalah tersebut.