“UJI NORMALITAS”
Dosen Pembimbing: Syaharudin, M.Si
Kelompok 10
ROSDIANA (160205250)
RIZKA TANIZA (160205265)
SUHARDIANTI (160205256)
SEMESTER V
JURUSAN PERBANKAN SYARIAH
FAKULTAS EKONOMI DAN BISNIS ISLAM
UIN MATARAM
2018
KATA PENGANTAR
Alhamdulillah tidak lupa kita panjatkan terhadap kehadirat Allah SWT, sehingga kami dapat
menyelesaikan penulisan tugas mata kuliah EKONOMETRIKA ini. Dalam proses pengumpulan
data-data dan juga proses pembuatan makalah ini tidak lepas dari kerja keras kelompok. Makalah
yang kami buat adalah mengenai “UJI NORMALITAS”
Semoga dengan makalah yang kami buat ini dapat menambah pengetahuan dan pemahaman
kita. Kami sadar dalam penulisan makalah ini banyak terdapat beberapa kekurangan. Akan tetapi
kami yakin makalah ini dapat bermanfaat bagi kita semua. Selamat membaca.
Penulis
DAFTAR ISI
KATA PENGANTAR
DAFTAR ISI
DAFTAR PUSTAKA
A. Pengertian Uji Normalitas
Uji normalitas dimaksudkan untuk menguji apakah nila 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 bentuk kurva akan membentuk gambar lonceng (bell-shaped curve) yang kedua
sisinya melebar sampai tidak terhingga. Berdasarkan pengertian uji normalitas tersebut
maka uji normalitas disini tidak dilakukan per variabel (univariate) tetapi hanya terdapat
nilai residual terstandarisasinya (multivariate).
Tidak terpenuhinya normalitas 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 melakukan input data atau memang karena karakteristik data
tersebut sangat jauh dari rata-rata. Dengan kata lain, data tersebut memang benar-benar
berbeda dibanding yang lain. Untuk mendeteksi apakah nilai residual terstandarisasi
berdistribusi normal atau tidak, maka dapat digunakan metode analisis grafik dan metode
statistik.1
Uji Normalitas berguna untuk menentukan data yang telah dikumpulkan
berdistribusi normal atau diambil dari populasi normal.
Cara yang sering digunakan dalam menentukan apakah suatu model berdistribusi normal
atau tidak hanya dengan melihat pada histogram residual apakah memiliki bentuk seperti
“lonceng” atau tidak. Cara ini menjadi fatal karena pengambilan keputusan data
berdistribusi normal atau tidak hanya berpatokan pada pengamatan gambar saja. Selai cara
grafik, ada cara lain untuk menentukan data berdistribusi normal atau tidak, dengan
menggunakan rasio skewness dan rasio kurtosis, serta uji Kolmogrov-Smirnov.
Rumus manual uji normalitas menggunakan Chi-kuadrat
k
2 ( fo−fe)2
x =∑
i=1 fe
Uji normalitas dikatakan berdistribusi normal jika nilai signifikasi > 0,05 maka nilai
residual berdistribusi normal. Sebaliknya jika nilai signifikasi < 0,05 maka nilai residual
tidak berdistribusi normal.
1 Suliyanto, EKONOMETRIKA TERAPAN: Teori dan Aplikasi dengan SPSS (Yogyakarta: CV ANDI, 2011) hal.69
B. Data atau Kasus
Diketahui data penjualan dan pendapatan hewan dari tahun 1991 – 2013, sebagai berikut:
Tahun Y X1 X2 X3 X4
1991 27,8 397,5 42,2 50,7 78,3
1992 29,9 413,3 38,1 52 79,2
1993 29,8 439,2 40,3 54 79,2
1994 30,8 459,7 39,5 55,3 79,2
1995 31,2 492,9 37,3 54,7 77,4
1996 33,8 528,6 38,1 63,7 80,2
1997 35,6 560,3 39,3 69,8 80,4
1998 36,4 624,6 37,8 65,9 83,9
1999 36,7 666,4 38,4 64,5 85,5
2000 38,4 717,8 40,1 70 93,7
2001 40,4 768,2 38,6 73,2 106,1
2002 40,3 843,3 39,8 67,8 104,8
2003 41,8 911,6 39,7 79,1 114
2004 40,4 931,1 52,1 95,4 124,1
1021,
2005 40,7 5 48,9 94,2 127,6
2006 40,1 1165,9 58,3 123,5 142,9
1349,
2007 42,7 6 57,9 129,9 143,6
1449,
2008 44,1 4 56,5 117,6 139,2
1575,
2009 46,7 5 63,7 130,9 165,5
1759,
2010 50,6 1 61,6 129,8 203,3
1994,
2011 50,1 2 59,9 128 219,6
2258,
2012 51,8 1 66,4 141 221,6
2478,
2013 52,9 7 70,4 168,2 232,6
Keterangan : Y = Konsumsi ayam ras per kapita
a. Uji normalitas adalah menguji data apakah berdistribusi normal atau tidak.
b. Membuat tabel nilai hasil tes konsumsi ayam ras per kapitan
c. Hipotesis
d. Kriteria Keputusan
H 0 tidak dapat ditolak jika:
2 2
x hitung< x tabel
H 1 diterima jika:
2 2
Jika x hitung< x tabel
e. Analisis data
1) Membuat distribusi kelompok dengan cara sebagai berikut:
a) Menyusun data dan mencari nilai tertinggi dan terendah
Tertiggi = 52,9
Terendah = 27,8
b) Menentukan rentang
R = Nilai Terbesar – Nilai Terendah
=52,9 – 27,8 = 25,1
c) Menentukan banyak konsumsi
BK = 1 + 3,3 log n (Rumus Sturgess)
= 1 + 3,3 log 23
= 5,2 = 5
d) Menetukan panjang konsumsi
R 25,1
i= BK = 5 = 5,02 = 6
2
No Interval F Xi Xi Fxi F xi2
1 27,8 - 32,8 5 29,8 888,04 149 4,440.2
2 33,8 - 38,8 5 35,8 1,281.64 179 6,408.2
3 39,8 - 44,8 8 41,8 1,747.24 334,4 13,977.92
4 45,8 – 50,8 3 47,8 2,284.84 143,4 6,854.52
5 51,8 – 56,8 2 53,8 2,894.44 107,6 5,788.88
37,469.7
jumlah 23 209 9,096.2 913,4 2
X=
∑ f . Xi = 913,4
= 39,7130434783
n 23
b) Simpangan baku
f . Xi
∑¿ 913,4
¿ ¿
¿
2 861,803.56−834,299.56
S= ¿
¿
2
n . ∑ fXi −¿
= ¿2
23 ×37,469.72−¿
¿
=
√ 506
¿ √¿
√¿
27,504
=
√ 506
= √ 54,3557312253 = 7,3726339408
27,3−39,71
Z1 = = -1,7
7,3
2−¿ Z 6
Perhitungan untuk dilakukan dengan langkah yang sama, sehingga diperoleh :
Z¿
Z 2 = -0,8780821918
Z 3 = -0,0561643836
Z4 = 0,7657534247
Z 5 = 1,5876712329
Z 6 = 2,4095890411
c) Mencari luas 0 – Z dari tabel kurva normal dari 0 – Z dengan menggunakan angka-
angka untuk batas konsumsi sehingga diperoleh: 0,0675; 0,3078; 0,0199; 0,2734;
0,4429; 0,4918
d) Mencari luas konsumsi interval dengan cara mengurangkan angka-angka 0-Z yaitu
angka baris pertama dikurangi angka baris kedua, dan seterusnya. Kecuali angka
yang berbeda pada baris paling tengah ditambahkan dengan angka baris berikutnya.
0,0675 – 0,3078 = -0,2403
0,3078 – 0,0199 = 0,2879
0,0199 + 0,2734 = 0,2933
0,2734 – 0,4429 = -0,1695
0,4429 – 0,4918 = -0,0489
e) Mencari frekuensi yang diharapkan (fe) dengan cara mengalikan luas tiap interval
dengan jumlah responden (n=23), sehingga didapat:
-0,2403 × 23 = -5,5269
0,2879 × 23 = 6,6217
0,2933 × 23 = 6,7459
-0,1695 × 23 = -3,8985
-0,0489 × 23 = -1,1247
k
( fo−fe)2
x 2=∑
i=1 fe
2 2 2 2
(5− (−5,52 )) (5−6,62) (8−6,74) (3−(−3,89 ))
x 2= + + + +
−5,52 6,62 6,74 −3,89
(2− (−1, 12 ) ) 2
−1,12
= -46,7763404733
2 2
f. Membandingkan x hitung dengan x tabel
(dk) = k – 1
Toleransi Kesalahan α =5 %
2 2
Jika x hitung< x tabel , maka data berdistribusi normal .
d. Klik Save. Pada kotak Residual, klik Standardized kemudian klik Continue
i. Klik Option pada Distribution, pilih Kurtosis dan Skewness dan kemudian klik
Continue.
Output yang dihasilkan adalah sebagai berikut:
Descriptive Statistics
N Skewness Kurtosis
Std. Std.
Statistic Statistic Error Statistic Error
Standardized
23 ,100 ,481 ,845 ,935
Residual
Valid N (listwise) 23
S−0 0,100
Zskew (pendapatan) ¿ ¿ = 0,195
√6 /N √6 /23
S−0 0,100
Zskew (pendapatan) = ¿ = 0,827
√24 / N √24 /23
Analisis :
a. Output Histogram
Berdasarkan tampilan histogram terlihat bahwa kurva dependent dan regression
standardized residual membentuk gambar seperti lonceng. Oleh karena itu
berdasarkan uji normalitas, analisis regresi layak digunakan meskipun terdapat
kemiringan.
b. Normal P-P Plot Regression Standardized
Berdasarkn tampilan Normal P-P Plot Regression Standardized terlihat bahwa
titik-titik menyebar di sekitar garis diagonal. Oleh karena itu berdasarkan uji
normalitas, analisis regresi layak di gunkan meskipun terdapat sdikit plot yang
menyimpang dari garis diagonal.
c. Klik OK
1. Analisis data
Metode Skewness dan kurtosis
Descriptive Statistics
N Skewness Kurtosis
Std. Std.
Statistic Statistic Error Statistic Error
Standardized
23 ,100 ,481 ,845 ,935
Residual
Valid N (listwise) 23
Output Histogram
Berdasarkan tampilan histogram terlihat bahwa kurva dependent dan
regression standardized residual membentuk gambar seperti lonceng.
Oleh karena itu berdasarkan uji normalitas, analisis regresi layak
digunakan meskipun terdapat kemiringan.
2. Interpretasi Data
Descriptive Statistics
Descriptive Statistics menunjukkan nilai standarisasi skewness (0,195) dan
nilai standarisasi kurtosis (0,827) lebih besar dari 0,05 maka nilai residual
terstandarisasi terdistribusi secara normal.
S−0 0,100
Zskew (pendapatan) ¿ ¿ = 0,195
√6 /N √6 /23
S−0 0,100
Zskew (pendapatan) = ¿ = 0,827
√24 / N √24 /23
Output Histogram
Berdasarkan tampilan histogram terlihat bahwa kurva dependent dan
regression standardized residual membentuk gambar seperti lonceng. Oleh
karena itu berdasarkan uji normalitas, analisis regresi layak digunakan meskipun
terdapat kemiringan.
Normal P-P Plot Regression Standardized
Berdasarkn tampilan Normal P-P Plot Regression Standardized terlihat
bahwa titik-titik menyebar di sekitar garis diagonal. Oleh karena itu berdasarkan
uji normalitas, analisis regresi layak di gunkan meskipun terdapat sdikit plot
yang menyimpang dari garis diagonal.
One-Sample Kolmogrov-Smirnov Test 2
Besarnya nilai Kolmogorov-Smirnov adalah 0,832 dan signifikan sebear
0,493 lebih besar dari α= 0,05. Hal ini berarti H0 diterima yang berarti data
residual berdistribusi normal.
Dari ketiga metode tersebut kita dapat melakukan uji normalitas untuk menentukan
apakah berdistribusi normal atau tidak. Kita dapat melakukan uji analisis grafik untuk
menentukan data berdistribusi normal atau tidak melalui histogram maupun Normal
Probability Plot akan tetapi dengan menggunakan metode analisis grafik akan memberikan
hasil yang subyektif. Artinya antar orang yang satu dengan yang lan dapat berbeda dalam
menginterpretasikannya. Mungkin dengan kurva atau Normal Probability Plot yamg sama,
si A menyatakan berdistribusi normal, namu si B dapat menyatakan tidak normal.
Sedangkan uji Kolmogorov-smirnov, tidak menimbulkan persepsi diantara satu pengamat
dengan pengamat yang lain. Uji Skewnes dan Kurtosis ukuran yang lebih cenderung untuk
melihat distribusi data secara grafik.
E. Kesimpulan
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel
pengganggu atau residual memiliki distribusi normal atau tidak.
Dalam uji normalitas menggunakan beberapa metode untuk membuktikan apakah data
berdistribusi normal atau tidak diantaranya: Analisis Grafik, Signifikasi Skewness dan
Kurtosis, Kolmogorov-Smirnov.
Uji normalitas dikatakan berdistribusi normal jika nilai signifikasi > 0,05 maka nilai residual
berdistribusi normal. Sebaliknya jika nilai signifikasi < 0,05 maka nilai residual tidak
berdistribusi normal. Uji normalitas juga, dikatakan berdistribusi normal bila membentuk
kurva seperti lonceng
DAFTAR PUSTAKA
Basuki Tri Agus, Prawoto Nano. 2016. Analisis Regresi dalam Penelitian Ekonomi & Bisnis.
Jakarta: PT. Raja Grafindo Persada.
Suliyanto. 2011. Ekonometrika Terapan: Teori dan Aplikasi dengan SPSS. Yogyakarta: CV.
ANDI OFFSET