Anda di halaman 1dari 10

Perbedaan Metode Statistik Parametrik dan Nonparametrik

Tutorial Laporan Penelitian - Peneliti menambang data yang muncul di sebagian besar
wilayah penelitian seperti tekanan darah, fraksi ejeksi, kolesterol serum hingga
pengukuran
antropometri.
Metode analisis data jatuh ke dalam dua kelas yang berpijak pada asumsi tentang
distribusi data. Asumsi menjadi dasar untuk mengklasifikasi apakah menggunakan
metode parametrik atau nonparametrik.

Statistik
Parametrik
Parametrik dalam arti harfiah yaitu asumsi tentang parameter dari distribusi data
populasi yang digunakan untuk menguji hipotesis mendekati normal atau mendekati
distribusi normal setelah teorema limit sentral.

Statistik
Nonparametrik
Non-parametrik adalah metode yang tidak mendasarkan pada asumsi distribusi populasi.
Dalam arti sempit non-parametrik adalah sebuah kategori nol karena hampir semua uji
statistik mengasumsikan satu atau lain hal tentang sifat-sifat populasi.
Metode nonparametrik populer untuk sejumlah alasan. Alasan utama bahwa peneliti tidak
dibatasi asumsi-asumsi tentang populasi seperti pada metode parametrik. Banyak
metode nonparametrik mudah untuk diterapkan dan dipahami.
Tapi kebanyakan metode parametrik lebih efisien daripada metode nonparametrik.
Meskipun perbedaan dalam efisiensi biasanya tidak banyak masalah, ada kasus di mana
perlu mempertimbangkan metode yang lebih efisien.
Uji mengetahui data berdistribusi normal atau tidak dilakukanuji normalitas KolmogorovSmirnov. Berikut tabel berisi poin-poin umum analisis data statistik terkait perbedaan
antara metode parametrik dan nonparametrik:
PARAMETRIK
NONPARAMETRIK
Deskriptif
Asumsi Distribusi
Normal
Asumsi Varian
Homogen
Jenis Data
Rasio atau Interval
Ordinal atau Nominal
Hubungan data set
Independent
Ukuran central
Mean
Median
Lebih banyak
Sederhana dan sedikit
Manfaat
kesimpulan
outlier
Tes
Uji korelasi
Pearson, Regresi
Spearman
Uji 2 Kelompok,
Independent Sample t
Mann-Whitney
berbeda
test
Uji 2 Kelompok lebih, Independent One Way
Kruskal-Wallis
berbeda
ANOVA
Uji berulang, 2
Paired Sample t Test Wilcoxon
kondisi
Uji berulang, 2
Repeated One Way
Friedman
kondisi lebih
ANOVA
Tutorial Terkait : Statistik

http://tu.laporanpenelitian.com/2014/10/7.html
PERBEDAAN STATISTIK PARAMETRIK DAN STATISTIK NONPARAMETRIK
Perbedaan Statistik Parametrik dan Statistik Non-Parametrik
Saat kita hendak melakukan suatu riset, seringkali kita dihadapkan pada pilihan
metode. Metode statistik apakah yang cocok digunakan dalam riset kita tersebut. Dalam
mempelajari statistik, biasanya kita langsung dihadapkan pada metode statistik
parametrik, padahal tidak semua data cocok diolah dengan statistik parametrik.
Walaupun perkembangan statistik parameter sudah sedemikian canggih namun statistik
parametrik memiliki beberapa kekurangan, misalnya pada masalah-masalah sosial yang
memiliki skala nominal dan rasio, statistik parametrik tidak mampu mengukur dengan
baik. Kalaupun bisa, hal tersebut merupakan upaya yang berlebihan (excessively
method). Maka Statistik parametrik digunakan jika kita telah mengetahui model
matematis dari distribusi populasi suatu data yang akan dianalisis. Jika kita tidak
mengetahui suatu model distribusi populasi dari suatu data dan jumlah data relatif kecil
atau asumsi kenormalan tidak selalu dapat dijamin penuh,maka kita harus menggunakan
statistik non parametrik (statistik bebas distribusi).
Berikut ini adalah ringkasan yang memuat perbedaan antara Statistik Parametrik dan
Statistik Non Parametrik. Dengan memahami perbedaan antara keduanya, diharapkan
kita bisa menemukan metode statistik yang tepat dalam mengolah data riset yang tepat.
STATISTIK PARAMETRIK
Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau
distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain,
data yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi
normalitas. Pada umumnya, jika data tidak menyebar normal, maka data seharusnya
dikerjakan dengan metode statistik non-parametrik, atau setidak-tidaknya dilakukan
transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa
dikerjakan dengan statistik parametrik.
Contoh metode statistik parametrik :
a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or two-way anova parametrik), dll.
Ciri-ciri statistik parametrik :
- Data dengan skala interval dan rasio
- Data menyebar/berdistribusi normal
Keunggulan dan kelemahan statistik parametrik :
Keunggulan :
1.
Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak
diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.
2.
Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal
serta memiliki varian yang homogen.
Kelemahan :

1.
2.
3.

Populasi harus memiliki varian yang sama.


Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.
Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus
normal dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang
ditimbulkan.
STATISTIK NON-PARAMETRIK
Statistik Non-Parametrik adalah test yang modelnya tidak menetapkan syarat-syaratnya
yang mengenai parameter-parameter populasi yang merupakan induk
sampel
penelitiannya. Oleh karena itu observasi-observasi independent dan variabel yang diteliti
pada dasarnya memiliki kontinuitas. Uji metode non parametrik atau bebas sebaran
adalah prosedur pengujian hipotesa yang tidak mengasumsikan pengetahuan apapun
mengenai sebaran populasi yang mendasarinya kecuali selama itu kontinu.
Pendeknya: Statistik Non-Parametrik adalahyaitu statistik bebas sebaran (tidak
mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu,
statistik non-parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal
dan ordinal yang umumnya tidak berdistribusi normal.

Contoh metode statistik non-parametrik (selengkapnya dapat dilihat disini) :


a. Uji tanda (sign test)
b. Rank sum test (wilcoxon)
c. Rank correlation test (spearman)
d. Fisher probability exact test.
e. Chi-square test, dll

1.
2.

3.
4.

Ciri-ciri statistik non-parametrik :


Data tidak berdistribusi normal
Umumnya data berskala nominal dan ordinal
Umumnya dilakukan pada penelitian sosial
Umumnya jumlah sampel kecil

Keunggulan dan kelemahan statistik non-parametrik :


Keunggulan :
Tidak membutuhkan asumsi normalitas.
Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih
mudah dimengerti jika dibandingkan dengan statistik parametrik karena ststistika nonparametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya
statistik parametrik.
Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang
(ordinal).
Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang
secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data
kualitatif.

5.
6.

1.
2.
3.

1.
2.
3.
1.
2.
3.

Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada


pengamatan yang nyata.
Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal
populasi, tetapi dapat digunakan pada populasi berdistribusi normal.
Kelemahan :
Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.
Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik
parametrik.
Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi
seperti pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati
eksperimen dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu.
(Khairul Amal)
Dalam implementasi, penggunaan prosedur yang tepat merupakam tujuan dari peneliti.
Beberapa parameter yang dapat digunakan sebagai dasar dalam penggunaan statistik
non parametrik adalah:
Hipotesa yang diuji tidak melibatkan parameter populasi.
Skala yang digunakan lebih lemah dari skala prosedur parametrik.
Asumsi-asumsi parametrik tidak terpenuhi.
LANGKAH MENENTUKAN STATISTIK YANG AKAN DIGUNAKAN DALAM RISET
Apakah jenis skala pengukuran data Anda, nominal, ordinal, interval atau rasio?
Apakah data yang Anda miliki berjumlah besar?
Apakah data Anda memiliki distribusi tertentu?
Setidaknya dengan menjawab tiga pertanyaan diatas anda sudah mampu menentukan
jenis statistik apa yang akan Anda gunakan.
Semoga Bermanfaat!
http://bunda-bisa.blogspot.com/2013/04/perbedaan-statistik-parametrik-dan.html
Jenis Teknik Analisis Statistik Non Parametrik
Jenis Teknik Analisis Statistik Non Parametrik
(silakan klik pada test yang Anda inginkan)
A. HIPOTESIS DESKRIPTIF
Binominal Test
X2 One Sample
Run Test
Chi-Square Goodness of Fit
Kol-Smirnov One Sample Test
B. HIPOTESIS KOMPARATIF
2 Related Sample
McNemar Change Test

Sign Test
Wilcoxon Matched Paired
2 Independent Sample
Median Test
Wilcoxon Mann-Whitney
Kol-Smirnov Two Sample
Wald Wolfowidz
More 2 Independent Sample
X2 k Sample
Median Test
Kruskall-Wallis
C. HIPOTESIS ASOSIATIF
Contigency Coef C
Phi Coef for 22 Tabel
Spearman Rank
Kendall-Tau
Kappa-Statistic K
Ordered Variable n Gamma Statistic G
Asymetric Association
Asymetric for Ordered Variable
http://bunda-bisa.blogspot.com/2013/03/jenis-teknik-analisis-statistik-non.html
STATISTIKA PARAMETRIK DAN NON PARAMETRIK
STATISTIKA PARAMETRIK DAN NON PARAMETRIK
Pendahuluan
Istilah parametrik dan non parametrik sering didengungkan dalam analisis statistika.
Dalam melihat persoalan dan melakukan analisis dengan menggunakan statistika perlu
dicermati pemanfaatan uji-uji yang tergolong statistika parametrik dan non parametrik.
Kesalahan dalam memilih uji ibarat memotong bawang dengan gunting atau
menggunting kertas dengan pisau. Pemahaman terhadap kedua jenis statistika ini mutlak
diperlukan sebelum membedah suatu persoalan yang memanfaatkan uji-uji statstika.
Modul ini bertujuan memberi pemahaman terhadap pengertian statistika parametrik dan
non parametrik, asumsi-asumsi yang menyertainya, jenis-jenis uji yang terlibat
didalamnya.
Pengertian Statistika Parametrik dan Statisika Non Parametrik
Statistika Parametrik adalah ilmu statistika yang mempertimbangkan jenis sebaran data,
yaitu data berdistribusi normal.
Statistika Non Parametrik adalah ilmu statistika yang tidak mensyaratkan datanya
berdistribusi normal.
Ciri-ciri Statistika Parametrik dan Non Parametrik
Ciri-ciri statistika parametrik adalah:

1.
2.

1.
2.
3.

Data berskala interval atau rasio


Data tersebar secara normal, data di atas dan di bawah nilai rata-rata relatif seimbang
jumlahnya.
Ukuran sampel cukup besar (>30 atau 5-10% dari jumlah populasi)
Ciri-ciri statistika non parametrik adalah:
Data berskala nominal atau ordinal
Data tidak menyebar secara normal
Ukuran sampel kecil

Jenis-Jenis Uji pada Statistika Parametrik dan Non Parametrik


Beberapa jenis uji statistik pada Statistika Parametrik:
Uji t one sample
Uji t two sample independen
Uji t two paired sample
Uji anova one way
Uji anova two ways
Uji anova with interaction
Uji perbandingan ganda
Uji validitas dan reliabilitas
Uji korelasi sederhana
Uji korelasi ganda
Regresi linear sederhana
Regresi linear berganda
Uji goodness of fit
Uji manova
Regresi multivariat
Analisis faktor
Analisis determinan
Analisis cluster

3.

Beberapa jenis uji statistik pada Statistika Non Parametrik:

Uji independensi

Uji homogenitas

Uji tanda

Uji rang tanda

Uji jumlah rang

Uji kruskal wallis

Uji runtun

Uji Kolmogorov Smornov

Uji korelasi rank spearman

Regresi non parametrik


http://wahyufalah.blogspot.com/2013/08/statistika-parametrik-dan-non-parametrik.html

PENGERTIAN STATISTIK PARAMETRIK DAN NONPARAMETRIK


POSTED ON FEBRUARY 23, 2012

Oleh: M.A.Yulianto.*)
Secara umum statistik dapat diartikan sebagai suatu cara untuk mendapatkan informasi
dari data. Secara lebih detail, arti statistik dapat dikelompokan menjadi tiga yaitu:
1.
Statistik diartikan sebagai pelaporan sekumpulan data, misalnya statistik
sepakbola, statistik penduduk dan sebagainya.
2.
Statistik adalah kuantitas yang dihitung dari sekumpulan data, contohnya: proporsi,
rata-rata dan sebagainya..
3.
Statistik juga diartikan sebagai suatu disiplin ilmu dan seni dalam membuat
inferensia dari suatu spesifik unit untuk sesuatu yang general.
Data adalah sesuatu yang dianggap dapat memberikan gambaran tentang suatu
keadaan atau persoalan. Data dianggap sebagai sesuatu yang belum tentu benar,
namun dalam prakteknya anggapan atau asumsi sering digunakan sebagai dasar
pengambilan keputusan, misalnya karena pemerintah menganggap persediaan stok
beras cukup karena data produksi padi menunjukan adanya peningkatan, maka
diputuskan tidak mengimpor beras. Oleh karena suatu anggapan atau asumsi itu belum
tentu benar, maka apabila digunakan sebagai dasar pembuatan keputusan, keputusan itu
masih bisa keliru atau salah. Maka dari itu secara statistik anggapan yang merupakan
hipotesis harus diuji terlebih dahulu.
Bicara statistik berarti bicara sampel. Sampel adalah bagian anggota populasi yang
dijadikan objek penelitian. Populasi adalah sekumpulan objek yang lengkap dan jelas
yang ingin dipelajari sifat-sifatnya. Kegiatan untuk meneliti semua objek (populasi)
disebut kegiatan sensus, contoh: sensus penduduk, sensus pertanian, dsb. Kegiatan
meneliti sebagian populasi yang menjadi objek terpilih disebut survei. Ukuran deskriptif
dari sebuah populasi adalah parameter, sedangkan ukuran deskriptif dari sebuah sampel
adalah statistik. Jadi populasi mempunyai parameter sedangkan sampel mempunyai
statistik. Data hasil sensus dapat dianalisis dengan cara deskriptif. Data hasil survei
dapat dianalisis dengan cara deskriptif dan inferensia. Inferensiaadalah suatu bentuk
pengambilan keputusan di mana termasuk didalamnya pernyataan, penjelasan,
perbandingan, estimasi, proyeksi, dsb.
Metode statistik dapat dikelompokan menjadi dua, yaitu statistik parametrik dan statistik
nonparametrik. Pengujian parametrik merupakan cara menguji hipotesis yang
didasarkan pada beberapa asumsi:
1.
observasi sampel harus dipilih dari populasi yang dianggap memiliki distribusi
normal.

2.

dalam kasus pengujian beda 2 parameter atau lebih, populasi-populasi tersebut


bukan saja dianggap memiliki distribusi normal tetapi juga memiliki varians yang
sama (asumsi homoskedastisitas).
Keabsahan asumsi tersebut menentukan sejauhmana hasil uji parametrik tersebut
berarti atau tidak. Sedangkan metode nonparametrik tidak pernah merumuskan asumsi
mengenai populasi darimana sampelnya dipilih. Metode statistik yang digunakan pada
statistik nonparametrik adalah yang berhubungan dengan data yang berbentuk ranking
atau data kualitatif (skala nominal atau ordinal) atau data kuantitatif yang tidak
berdistribusi normal. Oleh karena itu statistik nonparametrik seringkali disebut dengan
statistik bebas distribusi. Pada statistik nonparametrik, kita akan menguji karakteristik
populasi tanpa menggunakan spesifik parameter. Oleh karena itu statistik uji ini disebut
dengan statistik nonparametrik yaitu akan menguji apakah lokasi populasi berbeda dari
pada menguji apakah rata-rata populasi berbeda.
Perlu disadari bahwa uji nonparametrik selayaknya tidak digunakan apabila uji
parametrik dapat diterapkan, karena tingkat keampuhan uji nonparametrik lebih rendah
dari pada uji parametrik. Namun anda sebagai pengambil keputusan atau peneliti jangan
salah menafsirkan bahwa derajat kegunaan metode statistik nonparametrik dibawah
metode statistik parametrik. Tentu saja tidak demikian, masing-masing metode dibuat
dengan spesifikasi khusus sesuai dengan macam data yang digunakan. Peningkatan
keampuhan uji nonparametrik harus dengan memperbesar sampel. Namun seperti kita
ketahui memperbesar sampel berarti akan menambah biaya, waktu, dll.
Penjelasan mengenai apa dan bagaimana menggunakan metode-metode statistik
parametrik maupun nonparametrik akan dijelaskan pada sesi tulisan yang lain. Selamat
menikmati statistik.
*) Penulis adalah dosen di Sekolah Tinggi Ilmu Statistik
https://digensia.wordpress.com/2012/02/23/pengertian-statistik-parametrik-dannonparametrik/
Uji Parametrik dan Non-Parametrik
Jenis Analisis Data ada 2, yaitu Uji Parametrik dan Non-parametrik.
Statistika Parametrik adalah ilmu statistika yang mempertimbangkan jenis
sebaran/distribusi data, yaitu apakah data menyebar normal atau tidak. Pada umumnya
jika data tidak menyebar normal, maka data harus dikerjakan dengan metode Statistika
Parametrik atau setidaknya dilakukan transformasi agar data mengikuti sebaran normal.
Ciri-ciri data parametrik adalah :
1. Data berdistribusio normal
2. Merupakan data interval
3. Jumlah data lebih dari sama dengan 30 (n>=30)
Jenis-Jenis Uji Statistik Parametrik:
1.
Uji-t
Uji-t digunakan untuk menguji signifikansi dalam satu kelompok sampel (satu rerata)
atau dua kelompok sampel (dua rerata).

Uji-t satu kelompok sampel menggunakan One Sample t-test. Uji-t dua kelompok
sampel dibedakan menjadi dua, independent sample t-test dan paired t-test.
Independen sample t-test digunakan untuk menghitung dua kelompok sample yang
tidak saling berhubungan. Sedangkan paired sample t-test digunakan untuk
menghitung dua kelompok sample yang bepasangan/berkorelasi.
2.
ANOVA
ANOVA adalah analisis yang digunakan untuk menguji signifikansi perbedaan dua
rerata atau lebih. Jenis-jenis ANOVA meliputi ANOVA satu jalan dan ANOVA dua jalan.
3.

Regresi
Regresi digunakan untuk uji asosiatif, lebih ditujukan untuk
mengestimasi/memprediksikan variabel bebas terhadap variabel terikat.

4.

Korelasi
Korelasi digunakan untuk menguji hubungan antar variabel.

5.

Analisis Jalur
Analisis jalur digunakan untuk menguji hubungan kausal (sebab akibat) yang
didapatkan melalui kajian teori yang telah dirumuskan.Analisis jalur digunakan dalam
rangka mempelajari saling ketergantungan antar variabel.
Ada beberapa hal yang perlu diperhatikan dalam memilih tool untuk pengujian statistik.
Uji pengaruh untuk penelitian sosial bukan menggunakan uji regresi. Uji regresi hanya
digunakan untuk uji hubungan antara variabel hingga ke tingkat memprediksikan.
Sedangkan uji pengaruh untuk penelitian sosial yang dimaksud misalnya: pengaruh
antara model pembelajaran tertentu terhadap hasil belajar dan minat belajar. Hal ini tidak
diuji menggunakan regresi, melainkan diuji dengan menggunakan Uji komparasi, selain
itu, pelaksanaan penelitiannya biasanya menggunakan metode eksperimen. Regresi
bukan untuk menguji penelitian eksperimen, tetapi untuk memprediksikan.
Sedangkan Statistika Non-Parametrik adalah statistika bebas sebaran (tidak
mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak). Statistik nonparametrik biasanya digunakan untuk analisis pada data berjenis Nominal atau Ordinal.
Data berjenis nominal atau ordinal tidak menyebar normal. Contoh metode Statistika
non-parametrik adalah Binominal Test, Chi-Square Test, dan Regresi Logistik.
http://satyaningdharma.blogspot.com/2013/09/uji-parametrik-dan-non-parametrikjenis.html
Uji Asumsi Klasik Model Regresi Linier Berganda
Estimasi yang peneliti ciptakan melalui model regresi linier berganda (multiple
regression) memberi hubungan antar beberapa variabel. Tapi hasil regresi tidak secara
otomatis
memberikan
hubungan
yang
handal.
Peneliti harus mengetahui sifat-sifat estimator dan menunjukkan beberapa asumsi dasar
di dalam dataset. Sebuah model disebut sebagai model yang baik jika memenuhi

beberapa

asumsi

yang

disebut

dengan

asumsi

klasik

(classical

assumptions).

Model regresi adalah statistik parametrik. Prinsip asumsi-asumsi tersebut yaitu:

Variabel bebas dan terikat dalam koefisien model harus linier.

Variabel bebas tidak berkorelasi dengan error atau residual.

Mean dari error adalah nol.

Error memiliki varian konstan (homoskedastis) atau tidak ada heteroskedastisitas.

Error tidak saling berkorelasi serial atau tidak ada autokorelasi.

Tidak ada variabel bebas memiliki hubungan linear sempurna dengan variabel
bebas lainnya atau tidak ada multikolinearitas.

Error terdistribusi secara tidak normal.


Dengan demikian ada 4 uji yang harus dilakukan sebelum pengujian hipotesis dalam
model regresi yaitu heteroskedastisitas, autokorelasi, multikolinieritas dan normalitas.
Uji
Heteroskedastisitas
Uji heteroskedastisitas untuk mengetahui apakah model regresi terjadi ketidaksamaan
varian error satu pengamatan ke pengamatan yang lain. Model yang baik harus
homoskesdastisitas. Beberapa cara untuk menguji yaitu menggunakan Uji Scatterplot, Uji
Park,
Uji
Glesjer
dan
Uji
White.
Uji
Uji Autokorelasibertujuan menguji
periode t dengan error periode
autokorelasi. Beberapa cara untuk
Uji Langrange Multiplier (LM test),
Test.

Autokorelasi
apakah model memiliki korelasi antar error pada
t-1 (sebelumnya). Model yang baik tidak terjadi
menguji menggunakan Uji Durbin-Watson (DW test),
Uji Statistics Q Box-Pierce dan Ljung Box, serta Run

Uji
Multikolinieritas
Uji Multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya
korelasi antar variabel bebas. Model yang baik seharusnya tidak terjadi yaitu
nilai Tolerance di
atas
0,1
dan
nilai
VIF
di
bawah
10.
Uji
Normalitas
Uji normalitas untuk mengetahui apakah error dalam model regresi memiliki distribusi
normal. Model yang baik mengasumsikan error tidak berdistribusi normal. Beberapa cara
untuk menguji yaitu menggunakan Analisis Grafik Histogram dan P-P Plot, Analisis Z
Skewness
dan
Z
Kurtosis
serta
One-Sample
Kolmogorov-Smirnov
Test.
Proses pengujian asumsi klasik dilakukan bersama dengan proses uji regresi sehingga
langkah-langkah yang dilakukan dalam pengujian asumsi klasik menggunakan langkah
kerja yang sama dengan uji regresi.
http://tu.laporanpenelitian.com/2014/10/8.html