{"id":318,"date":"2023-08-02T14:35:00","date_gmt":"2023-08-02T14:35:00","guid":{"rendered":"https:\/\/statorials.org\/id\/heteroskedastisitas\/"},"modified":"2023-08-02T14:35:00","modified_gmt":"2023-08-02T14:35:00","slug":"heteroskedastisitas","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/heteroskedastisitas\/","title":{"rendered":"Heteroskedastisitas"},"content":{"rendered":"<p>Artikel ini menjelaskan apa itu heteroskedastisitas dalam statistik. Selain itu, Anda juga akan mengetahui apa saja penyebab heteroskedastisitas, apa dampaknya, dan cara mengatasinya. <\/p>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"%c2%bfque-es-la-heterocedasticidad\"><\/span> Apa itu heteroskedastisitas?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p> Dalam statistika, <strong>heteroskedastisitas<\/strong> merupakan suatu ciri yang menyajikan pola regresi yang menyiratkan bahwa varians kesalahan tidak konstan. Dengan kata lain model heteroskedastis artinya kesalahan-kesalahannya mempunyai varian yang tidak beraturan, maka model tersebut disebut heteroskedastis.<\/p>\n<p> Ingatlah bahwa kesalahan (atau sisa) didefinisikan sebagai selisih antara nilai sebenarnya dan nilai yang diperkirakan oleh model regresi.<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-2028e64ca2c0035860e93c4bf244e2f1_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"e_i=y_i-\\widehat{y}_i\" title=\"Rendered by QuickLaTeX.com\" height=\"18\" width=\"87\" style=\"vertical-align: -4px;\"><\/p>\n<\/p>\n<p> Saat membangun model regresi, kesalahan yang dibuat oleh setiap observasi dihitung menggunakan ekspresi sebelumnya. Dengan demikian, suatu model statistik dikatakan heteroskedastis apabila <a href=\"https:\/\/statorials.org\/id\/perbedaan\/\">varian<\/a> kesalahan yang dihitung tidak konstan sepanjang pengamatan, melainkan bervariasi. <\/p>\n<figure class=\"wp-block-image aligncenter size-full is-resized\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/homoscedasticite-et-heteroscedasticite.png\" alt=\"heteroskedastisitas dan homoskedastisitas\" class=\"wp-image-6840\" width=\"581\" height=\"226\" srcset=\"\" sizes=\"\"><\/figure>\n<p> Meskipun kelihatannya sangat sederhana, namun penting agar model regresi tidak menunjukkan heteroskedastisitas, karena perhitungan model didasarkan pada fakta bahwa varians dari residu adalah konstan, bahkan ini adalah salah satu asumsi sebelumnya. model regresi.<\/p>\n<p> Ada uji statistik tertentu yang dapat mendeteksi heteroskedastisitas, seperti uji White atau uji Goldfeld-Quandt. Namun, biasanya dengan membuat grafik residu, heteroskedastisitasnya dapat diidentifikasi. <\/p>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"causas-de-la-heterocedasticidad\"><\/span> Penyebab terjadinya heteroskedastisitas<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p> Penyebab paling umum dari heteroskedastisitas dalam suatu model adalah:<\/p>\n<ul style=\"color:#FF8A05; font-weight: bold;\">\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Ketika rentang data sangat lebar dibandingkan dengan rata-rata. Apabila dalam sampel statistik yang sama terdapat nilai yang sangat besar dan nilai yang sangat kecil, maka kemungkinan besar model regresi yang diperoleh bersifat heteroskedastis.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Menghilangkan variabel dalam model regresi juga mengakibatkan terjadinya heteroskedastisitas. Logikanya, jika suatu variabel yang relevan tidak dimasukkan dalam model, maka variasinya akan dimasukkan dalam residu dan hal ini belum tentu tetap.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Demikian pula, perubahan struktur dapat menyebabkan model tidak sesuai dengan kumpulan data dan, oleh karena itu, varians dari residu mungkin tidak konstan.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Ketika beberapa variabel memiliki nilai yang jauh lebih besar dibandingkan variabel penjelas lainnya, maka model tersebut mungkin mengalami heteroskedastisitas. Dalam hal ini, variabel-variabel tersebut dapat direlatifkan untuk menyelesaikan masalah.<\/span><\/li>\n<\/ul>\n<p> Namun, ada beberapa kasus yang secara alami cenderung menunjukkan heteroskedastisitas. Misalnya, jika kita memodelkan pendapatan seseorang dengan pengeluaran makanannya, maka orang yang lebih kaya mempunyai variabilitas yang jauh lebih besar dalam pengeluaran makanannya dibandingkan orang yang lebih miskin. Karena orang kaya kadang makan di restoran mahal dan kadang di restoran murah, berbeda dengan orang miskin yang selalu makan di restoran murah. Oleh karena itu, model regresi mudah mengalami heteroskedastisitas. <\/p>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"consecuencias-de-la-heterocedasticidad\"><\/span> Akibat Heteroskedastisitas<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p> Secara garis besar akibat heteroskedastisitas dalam model regresi adalah sebagai berikut:<\/p>\n<ul style=\"color:#FF8A05; font-weight: bold;\">\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Efisiensi hilang dalam penduga kuadrat terkecil, yang didefinisikan sebagai rata-rata kuadrat kesalahan.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Terjadi kesalahan pada perhitungan <a href=\"https:\/\/statorials.org\/id\/matriks-devariansi\/\">matriks kovarians<\/a> penduga kuadrat terkecil.<\/span> <\/li>\n<\/ul>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"corregir-la-heterocedasticidad\"><\/span> Heteroskedastisitas yang benar<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p> Apabila model regresi yang dihasilkan bersifat heteroskedastisitas, maka dapat dilakukan koreksi berikut untuk memperoleh heteroskedastisitas:<\/p>\n<ul style=\"color:#FF8A05; font-weight: bold;\">\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Hitung logaritma natural dari variabel bebas, hal ini umumnya berguna ketika varians dari residu meningkat dalam grafik.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Bergantung pada plot sisa, jenis transformasi variabel independen lain mungkin lebih praktis. Misalnya, jika grafik berbentuk parabola, kita dapat menghitung kuadrat variabel bebas dan menambahkan variabel tersebut ke model.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Variabel lain juga dapat digunakan untuk model; dengan menghapus atau menambahkan variabel, varians dari residu dapat diubah.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\">Daripada menggunakan kriteria kuadrat terkecil, kriteria kuadrat terkecil tertimbang dapat digunakan.<\/span> <\/li>\n<\/ul>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"heterocedasticidad-y-homocedasticidad\"><\/span> Heteroskedastisitas dan homoskedastisitas<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p> Terakhir, kita akan melihat apa saja perbedaan antara heteroskedastisitas dan homoskedastisitas dalam statistik, karena ini adalah dua konsep model regresi yang harus kita pahami dengan jelas.<\/p>\n<p> <strong>Homoskedastisitas<\/strong> suatu model regresi merupakan karakteristik statistik yang menunjukkan bahwa varians error adalah konstan. Jadi, model homoskedastik berarti varian kesalahannya adalah konstan.<\/p>\n<p> <strong>Perbedaan antara heteroskedastisitas dan homoskedastisitas<\/strong> terletak pada kekonstanan varians dari residu. Jika varians dari residual suatu model tidak konstan berarti model tersebut heteroskedastis. Sebaliknya, jika varians dari residunya konstan, berarti homoskedastik.<\/p>\n<p> Oleh karena itu, kita perlu memastikan bahwa model regresi yang kita bangun bersifat homoskedastis, sehingga asumsi varians dari residualnya konstan akan terpenuhi. <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/homoskedastisitas\/\">Homoskedastisitas<\/a><\/div>\n","protected":false},"excerpt":{"rendered":"<p>Artikel ini menjelaskan apa itu heteroskedastisitas dalam statistik. Selain itu, Anda juga akan mengetahui apa saja penyebab heteroskedastisitas, apa dampaknya, dan cara mengatasinya. Apa itu heteroskedastisitas? Dalam statistika, heteroskedastisitas merupakan suatu ciri yang menyajikan pola regresi yang menyiratkan bahwa varians kesalahan tidak konstan. Dengan kata lain model heteroskedastis artinya kesalahan-kesalahannya mempunyai varian yang tidak beraturan, [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[14],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>\u25b7 Heteroskedastisitas<\/title>\n<meta name=\"description\" content=\"Di sini Anda akan mengetahui apa itu heteroskedastisitas dalam statistik, penyebabnya, konsekuensinya, dan cara memperbaiki heteroskedastisitas suatu model.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/id\/heteroskedastisitas\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"\u25b7 Heteroskedastisitas\" \/>\n<meta property=\"og:description\" content=\"Di sini Anda akan mengetahui apa itu heteroskedastisitas dalam statistik, penyebabnya, konsekuensinya, dan cara memperbaiki heteroskedastisitas suatu model.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/heteroskedastisitas\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-08-02T14:35:00+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-2028e64ca2c0035860e93c4bf244e2f1_l3.png\" \/>\n<meta name=\"author\" content=\"Benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Ditulis oleh\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Estimasi waktu membaca\" \/>\n\t<meta name=\"twitter:data2\" content=\"3 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/heteroskedastisitas\/\",\"url\":\"https:\/\/statorials.org\/id\/heteroskedastisitas\/\",\"name\":\"\u25b7 Heteroskedastisitas\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-08-02T14:35:00+00:00\",\"dateModified\":\"2023-08-02T14:35:00+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Di sini Anda akan mengetahui apa itu heteroskedastisitas dalam statistik, penyebabnya, konsekuensinya, dan cara memperbaiki heteroskedastisitas suatu model.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/heteroskedastisitas\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/heteroskedastisitas\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/heteroskedastisitas\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Heteroskedastisitas\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/id\/#website\",\"url\":\"https:\/\/statorials.org\/id\/\",\"name\":\"Statorials\",\"description\":\"Panduan anda untuk kompetensi statistik!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/id\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"id\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\",\"name\":\"Benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"id\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin anderson\"},\"description\":\"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya\",\"sameAs\":[\"http:\/\/statorials.org\/id\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"\u25b7 Heteroskedastisitas","description":"Di sini Anda akan mengetahui apa itu heteroskedastisitas dalam statistik, penyebabnya, konsekuensinya, dan cara memperbaiki heteroskedastisitas suatu model.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/id\/heteroskedastisitas\/","og_locale":"id_ID","og_type":"article","og_title":"\u25b7 Heteroskedastisitas","og_description":"Di sini Anda akan mengetahui apa itu heteroskedastisitas dalam statistik, penyebabnya, konsekuensinya, dan cara memperbaiki heteroskedastisitas suatu model.","og_url":"https:\/\/statorials.org\/id\/heteroskedastisitas\/","og_site_name":"Statorials","article_published_time":"2023-08-02T14:35:00+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-2028e64ca2c0035860e93c4bf244e2f1_l3.png"}],"author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"3 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/heteroskedastisitas\/","url":"https:\/\/statorials.org\/id\/heteroskedastisitas\/","name":"\u25b7 Heteroskedastisitas","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-08-02T14:35:00+00:00","dateModified":"2023-08-02T14:35:00+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Di sini Anda akan mengetahui apa itu heteroskedastisitas dalam statistik, penyebabnya, konsekuensinya, dan cara memperbaiki heteroskedastisitas suatu model.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/heteroskedastisitas\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/heteroskedastisitas\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/heteroskedastisitas\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Heteroskedastisitas"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/id\/#website","url":"https:\/\/statorials.org\/id\/","name":"Statorials","description":"Panduan anda untuk kompetensi statistik!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/id\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"id"},{"@type":"Person","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81","name":"Benjamin anderson","image":{"@type":"ImageObject","inLanguage":"id","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Benjamin anderson"},"description":"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya","sameAs":["http:\/\/statorials.org\/id"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/318"}],"collection":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/comments?post=318"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/318\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=318"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=318"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=318"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}