Uji Heteroskedastisitas dengan grafik scatterplot SPSS adalah melihat grafik scatterplot antara nilai prediksi variabel independen yaitu Zpred dengan residunya SRESID
Dasar penambilan keputusan dalam uji heteroskedastisitas dengan grafik scartterplot
- Jika terdapat pola tertentu pada grafik scatterplot SPSS, seperti titik-titik yang membentuk pola yang teratur (bergelombang, menyebar kemudian menyempit), maka dapat disimpulkan bahwa telah terjadi heteroskedastisitas.
- Sebaliknya, jika tidak ada pola yang jelas, serta titik-titik menyebar, maka indikasinya adalah tidak terjadi heteroskedastisitas.
Misal nya kita punya data seperti di bawah ini X1, X2 dan Y. Model yang akan di uji adalah pengaruh X1 dan X2 terhadap Y.
Buka Aplikasi SPSS anda
Copy Paste 3 variabel di atas ke SPSS
Buat 3 variabel dengan skala data “Scale” Type “Numeric” Decimal “2” dengan nama sesuai tabel di atas: X1, X2 dan Y.
klik Menu > Analyze > Regression > Linear
Masukkan variabel X1 dan X2 ke independent, Y ke dependen
Klik Plots, sehingga muncul jendela “Linear Regression Plots”. Kemudian masukkan SRESID pada kotak Y dan ZPRED pada kotak X, klik Continue dan Klik OK.
Output yang dihasilkan dalam uji heteroskedastisitas dengan grafik scartterplot
Lihat Grafik Scatter di atas, jelas bahwa tidak ada pola tertentu karena titik meyebar tidak beraturan di atas dan di bawah sumbu 0 pada sumbu Y. Maka dapat disimpulkan tidak terdapat gejala heteroskedastisitas atau H0 diterima.
Dan bagaimana jika seandainya malah sebaliknya, yaitu titik-titik atau plot menyebar tidak merata dan atau membentuk pola-pola tertentu? Pola tertentu itu misalnya membentuk gumpalan atau membentuk pola seperti ombak? Jawabannya adalah jelas terdapat masalah heteroskedastisitas. Jika hasil analisis yang anda lakukan ternyata memang menunjukkan ada masalah heteroskedastisitas, maka anda dapat membuktikannya lebih lanjut dengan melakukan beberapa uji heteroskedastisitas yang lebih anda, seperti Uji Glejser, Uji Park dan Uji Spearman.
Untuk artikel yang membahas cara mengatasi heteroskedastisitas pada regresi linear, silahkan kunjungi: cara mengatasi heteroskedastisitas.