Anda di halaman 1dari 7

Dapat dilihat nilai signifikansinya sebesar 0.

006, data tersebut tidak berdistribusi normal karena


nilai signifikansinya kerang dari 0.05

Cara perbaikan normalitas Kolmogorov dengan membuang outlier yang


standar skor nya memiliki nilai >= 2.5
Pertama kita harus menemukan outliernya dengan melakukan standarisasi Z-Score pada data.
Adapun langkah-langkahnya adalah: Klik menu Analyze Descriptive Statistics
Descriptives, pada kotak dialog Descriptives, masukkan seluruh variabel kedalam kotak
variable(s) dan berikan centang pada Save standardized values as variables, kemudian klik
OK.

Maka akan muncul variabel baru, yaitu ZX1, ZX2, ZX3, dan ZY

apabila nilai Z lebih besar dari +2,5 atau Z lebih kecil dari -2,5 maka data tersebut adalah outlier
dari data tersebut yang merupakan outlier adalah
Observasi
29
64
84
90
92
99
112
120
155
161
168
203

ZX1

ZX2

ZX3

14.07346

3.29766
-8.42751

12.94830

ZY
2.68469
2.55374

2.74580
2.91459
2.92964

-2.72827
2.50427
2.76327

4.24979
4.51164
2.53805

Dari tabel tersebut terdapat 12 data outliers maka dta tersebut harus dibuang
Setelah itu lakukan kembali analisis normalitas Kolmogorov dengan klik analyze
nonparametric tests legacy dialogs 1 sample K-S

Setelah itu klik exact dan centang monte carlo

Dapat dilihat nilai signifikansinya berubah menjadi 0.07. maka data tersebut terdistribusi normal
karena lebih besar dari 0.05

SUMBER: http://www.portal-statistik.com/2015/04/cara-mendeteksi-data-outlier-denganspss.html
Buku imam ghazali Analisis Multivariate dengan SPSS 23

Cara perbaikan autokorelasi dengan metode cochrane-orcutt

Dapat dilihat bahwa nilai dari durbin-watson sebesar 1.605 (Dw)


Nilai dL sebesar 1.74833 dan nilai dU sebesar 1.78871 (dapat dilihat di table durbin Watson)
4-dL = 2.25167 dan 4-dU = 2.21129
Dengan melihat table keputusan maka dapat dikatakan bahwa data tersebut terdapat auto korelasi
karena 0 < dw < dl

Langkah perbaikan
Mencari nilai rho dengan transformasi nilai residual logaritma
1. Klik Transform compute variable

2. Klik ok

3. lakukan regresi dengan variabel bebasnya "Lag_e" dan variabel terikatnya Res_1

4. kemudian tekan tombol options dan hilangkan centang Include Constant. lalu pada
tombol statistics, jangan centang semua kecuali estimasi dan model fit.

5. Setelah itu dapat dilihat nilai rho nya yaitu sebesar 0.194

Langkah selanjutnya yang harus dilakukan adalah melakukan transformasi Cochrane Orcutt pada
masing-masing variabel.
1. klik Transform - Compute Variable, pada Target variable ketikkan nama variabel baru
hasil transformasi yang akan dibentuk, yaitu Lag_X1 dan pada Numeric expression
ketikkan formula X1-(0.194*Lag(X)). Di mana 0.194 adalah koefisien Rho, kemudian
terapkan langkah tersebut ke variable lainnya.

2. Selanjutnya anda lakukan regresi linear seperti biasa dengan menggunakan variabel baru
hasil transformasi dan jangan lupa untuk mengklik durbin Watson pada statistics.

3. Klik ok

Jadi dapat dilihat hasil output spss nilai durbin Watson nya sebesar 1.860
Maka data tersebut tidak ada autokorelasi karena du < dw < 4-du atau 1.788 < 1.860 < 2.211

SUMBER:

http://www.statistikian.com/2015/01/cochrane-orcutt.html
http://www.statistikian.com/2015/01/cochrane-orcutt-dengan-spss.html

Buku imam ghazali Analisis Multivariate dengan SPSS 23