NIM : 1811211009
1. Jelaskan apa yang dimaksud dengan uji normalitas pada analisis regresi!
2. Jelaskan penyebab asumsi normalitas pada analisis regresi tidak dapat terpenuhi!
3. Metode apa saja yang dapat digunakan untuk menguji normalitas pada analisis regresi?
4. Jelaskan konsekuensi jika asumsi normalitas pada analisis regreso tidak dapat
terpenuhi!
5. Jelaskan langkah – langkah yang dapat dilakukan untuk melakukan treatment jika
model regresi tidak memenuhi asumsi normalitas!
6. Berikut adalah data hasil survai :
Tabel 6.1 : data latihan uji asumsi klasik normalitas
X1 (pendapatan) 90 60 60 85 70 40 55 80 70 80 75
70
X2 (jum.Anggota 5 3 4 4 3 3 2 6 5 4 5 5
(keluarga)
Y (pengeluaran) 75 45 55 60 65 40 45 80 60 65 68 65
Jawaban
1. Uji normalitas merupakan uji yang dimaksudkan untuk menguji apakah nilai residual
yang telah distandarisasi pada model regresi berdistribusi normal atau tidak. Nilai
residual dikatakan berdistribusi normal jika nilai residual terstandarisasi tersebut
sebagian besar mendekati nilai rata-ratanya. Nilai residual terstandarisasi yang
berdistribusi normal jika digambarkan dengan kurva akan membentuk lonceng (bell-
shaped curve) yang kedua sisinya melebar sampai tak terhingga. Uji normalitas tidak
dilakukan per variabel ( univariate) tetapi hanya terhadap nilai residual
terstandarisasinya (multivariate)
2. Penyebab asumsi normalitas pada analisis regresi tidak dapat terpenuhi pada umumnya
disebabkan karena distribusi data yang dianalisis tidak normal, karena terdapat nilai
ekstrem pada data yang diambil. Nilai ekstrem ini dapat terjadi karena adanya kesalahan
dalam pengambilan sampel, bahkan karena kesalahan dalam input data atau
karakteristik data yang jauh dari rata-rata. Jadi, data tersebut benar-benar berbeda
dibanding yang lain.
3. Untuk mendeteksi apakah nilai residual terstandarisasi berdistribusi normal atau tidak,
maka dapat digunakan metode analisis grafik dan metode statistic.
a. Metode analisis grafik
Pada uji ini dilakukan dengan menggunakan histogram dengan menggambarkan
variabel dependen sebagai sumbu vertical sedangkan nilai residual terstandarisasi
digambarkan sebagai sumbu horizontal. Cara lainnya adalah dengan Normal
Probability Plot, yaitu membandingkan distribusi kumulatif dari data
sesungguhnya dengan distribusi kumulatif dari distribusi normal.
b. Metode signifikasi Skewness dan Kurtosis
Pada uji normalitas dilakukan berdasarkan pada koefisien keruncingan (kurtosis)
dan koefisien kemiringan (skewness).
c. Jarque-Bera (JB test)
Pada uji ini membandingkan statistic JB dengan nilai X2 tabel.
d. Kolmogorov-Smirnov
Pada uji ini menggunakan fungsi distribusi kumulatif. Nilai residual terstandarisasi
berdistribusi normal jika K hitung < K table atau Sig. > alpha.
5. Metode – metode treatment yang digunakan jika model regresi tidak memenuhi asumsi
normalitas :
1) Menambah jumlah data
Dengan menambah jumlah data maka akibat yang akan ditimbulkan dari nilai
residual yang memiliki nilai ekstrem akan semakin berkurang.
2) Melakukan transformasi data menjadi log atau LN ataupun bentuk lainnya
Dengan melakukan transformasi maka selisih antara nilai terbesar dan yang terkecil
akan semakin pendek.
3) Menghilangkan data yang dianggap sebagai penyebab data tidak normal
Dengan demikian maka sebagian besar data akan semakin mendekati nilai rata-
ratanya. Hal ini dilakukan dengan menghilangkan semua data pada pengamatan
tersebut, baik variabel tergantung maupun variabel bebasnya.
4) Dibiarkan saja tetapi kita harus menggunakan analisis lain
Analisis regresi merupakan salah satu analisis parametric. Salah satu syaratnya ada
kenormalan data. Jika asumsi kenormalan data tidak terpenuhi, maka dapat
menggunakan analisis non-parametrik yang tidak mensyaratkan adanya
kenormalan data meskipun derajat kesimpulan lemah dibanding analisis
parametric.
6. Berdasarkan data tersebut maka :
a. persamaan regresinya
𝑁 𝑋1 𝑋2 𝑎 𝑌
|𝑋1 𝑋12 𝑋1. 𝑋2| 𝑥 |𝑏1| = |𝑋1. 𝑌 |
𝑋2 𝑋1. 𝑋2 𝑋22 𝑏2 𝑋2. 𝑌
12 835 60 𝑎 723
|835 60.275 3.595| 𝑥 |𝑏1| = |51.925|
50 3.595 226 𝑏2 3.145
𝐷𝑒𝑡 [𝐴1] 𝐷𝑒𝑡[𝐴2] 𝐷𝑒𝑡[𝐴3]
𝑎= 𝐷𝑒𝑡 [𝐴]
𝑏1 = 𝐷𝑒𝑡 [𝐴]
𝑏2 = 𝐷𝑒𝑡 [𝐴]
Sehingga didapatkan,
𝐷𝑒𝑡[𝐴2] 158.470
𝑏1 = = = 0,529
𝐷𝑒𝑡 [𝐴] 299.650
𝐷𝑒𝑡[𝐴3] 1.208.350
𝑏2 = = = 4,033
𝐷𝑒𝑡 [𝐴] 299.650
𝑌 = 𝑎 + 𝑏1 𝑋1 + 𝑏2 𝑋2
Descriptive Statistics
N Skewness Kurtosis
Valid N (listwise) 12
Standardized
Residual
N 12
Positive .208
Negative -.159
Kolmogorov-Smirnov Z .719
Berdasarkan output di atas terlihat bahwa nilai Sig (2-tailed) sebesar 0,679 >
0,05. Oleh sebab itu berarti nilai residual terstandarisai dinyatakan menyebar
secara normal.