ASUMSI LINIERITAS

DAN NORMALITAS

Siskarossa Ika Oktora, SST, M.Stat

LINIERITAS
Linieritas dalam Variabel
Linieritas dalam Parameter
Linieritas dalam Konsep Regresi

Model regresi linier (linier dalam parameter

dan variabel)

Model regresi linier (linier dalam parameter

namun tidak linier dalam variabel)
Linearization of a nonlinear model
does not produce an equivalent
model. There are really two models
with differing error structures.
NORMALITAS
Mengapa Asumsi Normalitas
Residual Penting?

1. Metode estimasi yang digunakan adalah OLS, karena metode estimasi OLS
merupakan metode statistika parametrik yang mengharuskan adanya asumsi
normalitas data, mudah dilakukan dan berfokus pada minimalisasi nilai residual
regresi.

2. Mengestimasi nilai parameter model regresi linier dengan Maximum Likelihood

Estimator (MLE), menghasilkan penduga yang sama dengan OLS bila diasumsikan
bahwa residual pemodelan regresi linier mengikuti distribusi normal.

Umumnya penyebab residual tidak berdistribusi normal

adalah outlier atau data pencilan yang ada dalam variabel-
variabel dalam model regresi.
Pendeteksian Pelanggaran Asumsi
Normalitas Residual

1. Pendeteksian secara grafis (Skewness/kemencengan & Kurtosis/keruncingan).

Secara statistik distribusi/sebaran nilai suatu variabel dapat dikatakan normal jika
memiliki Skewness = 0 (mendekati 0) dan Kurtosis = 3 (atau mendekati 3)
Pendeteksian Pelanggaran Asumsi
Normalitas Residual

2. Pendeteksian dengan histogram. Pendeteksian normalitas residual dengan bantuan

histogram dapat dilakukan dengan cara melihat grafik batang yang terbentuk
mengikuti kurva distribusi normal atau tidak.
Pendeteksian Pelanggaran Asumsi
Normalitas Residual

3. Pendeteksian dengan Box Plot. Pendeteksian normalitas residual dengan bantuan

box plot dapat dilakukan dengan cara melihat apakah median telah membagi kotak
dan garis vertikal yang ada menjadi 2 bagian yang sama atau cenderung sama.
Pendeteksian Pelanggaran Asumsi
Normalitas Residual

4. Pendeteksian dengan Normal Probability Plot. Merupakan scatter plot yang

menggambarkan hubungan antara peluang kumulatif observasi dan peluang
kumulatif harapan dari residual sebuah model regresi.
Pendeteksian Pelanggaran Asumsi
Normalitas Residual

5. Pendeteksian dengan Uji Formal.

a. Uji Jarque Berra

b. Uji Kolmogorov-Smirnov

c. Uji Liliefors

d. Uji Shapiro-Wilk
Perbaikan Pelanggaran Asumsi
Normalitas Residual

1. Membuang outlier

Membuang outlier memang metode yang cukup ampuh untuk membuat asumsi
normalitas residual terpenuhi, namun di sisi lain banyak pertimbangan untuk
melakukannya karena akan berdampak pada hilangnya informasi penelitian yang
penting dari sampel outlier tersebut.

2. Transformasi Ln

Transformasi ini mempunyai kemampuan untuk memperpendek jarak antar data dan
mampu mengecilkan nilai kurtosis data serta mampu menarik outlier agar semakin
dekat pada rata-rata. Transformasi ini juga sering digunakan karena kemudahannya
dalam interpretasi variabel pasca transformasi.