MAKALAH EKONOMETRIKA

“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

A. Pengertian Uji Normalitas

B. Data atau Contoh
C. Langkah-langkah Penyelesian Menggunakan SPSS
D. Analisis Data dan Interpretasi Data
E. Kesimpulan

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

X1 = Pendapatan ril per kapita

X2 = Harga ayam ras eceran ril per unit

X3 = Harga kambing eceran ril per unit

X4 = Harga sapi eceran ril per unit

PERHITUNGAN:

a. Uji normalitas adalah menguji data apakah berdistribusi normal atau tidak.
b. Membuat tabel nilai hasil tes konsumsi ayam ras per kapitan

Tahun Konsumsi ayam

1991 27,8
1992 29,9
1993 29,8
1994 30,8
1995 31,2
1996 33,8
1997 35,6
1998 36,4
1999 36,7
2000 38,4
2001 40,4
2002 40,3
2003 41,8
2004 40,4
2005 40,7
2006 40,1
2007 42,7
2008 44,1
2009 46,7
2010 50,6
2011 50,1
2012 51,8
2013 52,9

c. Hipotesis

H 0 : Data berdistribusi normal

H 1 : Data tidak berdistribusi normal

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

Persiapan Perhitungan Uji Normalitas Konsumsi ayam

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

2) Menghitung rata-rata dan simpangan baku

a) Rata-rata

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

3) Menghitung frekuensi harapan berdasarkan kurva normal

a) Menentukan batas konsumsi yaitu angka nilai kiri interval pertama dikurangi 0,5 dan
kemudian angka nilai kanan konsumsi interval ditambah 0.5. Sehingga didapat :
27,3; 33,7; 39,3; 45,3; 51,3; 57,3

b) Menentukan nilai Z-score untuk batas konsumsi interval dengan rumus

Batas . konsumsi− X
Z=
S

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

5) Kemudian menghitung nilai chi-kuadrat

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

= -20,04898551 + 0,3964350453 + 0,2355489614 + (-12,20362468) + (-15,15571429)

= -46,7763404733

2 2
f. Membandingkan x hitung dengan x tabel
(dk) = k – 1

Toleransi Kesalahan α =5 %

Taraf Kepercayaan 95%

 Didapat : dk = k – 1 = 5 – 1 = 4 dan α =5 % , maka x2 tabel=9,488

2 2
Jika x hitung< x tabel , maka data berdistribusi normal .

Jika x 2 hitung> x 2 tabel , makadata tidak berdistribusi normal .

2 2
Karena x hitung< x tabel atau -46,776 ¿ 9,488 maka data konsumsi ayam
berdistribusi noemal

C. Langkah-langkah Penyelesian Menggunakan SPSS

1. Uji normalitas Skewness dan Kurtosis
a. Buka file Uji Asumsi Klasik.
b. Klik Analyze, Regreesion, Linear.
c. Masukan variabel Y pada kotak sebelah kiri ke kotak Dependent, dan variabel X1,
X2, X3 dan X4 ke kotak Indevendent(s) dengan mengklik tombol tanda panah.

d. Klik Save. Pada kotak Residual, klik Standardized kemudian klik Continue

e. Abaikan pilihan yang lain, klik OK.

f. Kembali ke Data Editor. Sekarang kita sudah memiliki variabel baru
Unstandardizet Residual, yaitu ZRES_1.
g. Dari menu utama SPSS, pilih Analyze, Descriptive Statistic, Descriptives.
h. Masukkan variabel Unstandardized Residual pada kotak Variabel (s).

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

Setelah koefisien skewness dan koefisien kurtosis diketahui, langkah selanjutnya

adalah melakukan standarisasi dengan perhitungan sebagai berikut:

S−0 0,100
Zskew (pendapatan) ¿ ¿ = 0,195
√6 /N √6 /23

S−0 0,100
Zskew (pendapatan) = ¿ = 0,827
√24 / N √24 /23

Kesimpulannya, karena nilai standarisasi skewness (0,195) dan nilai standarisasi

kurtosis (0,827) lebih besar dari 0,05 maka nilai residual terstandarisasi terdistribusi secara
normal.

2. Uji Normalitas Grafik

a. Buka file Uji Asumsi Klasik

b. Klik Analyze, Regression, Linier.
c. Masukkkan variabel Y pada kotak Dependent.
d. Masukkan variabel X1, X2, X3, X4 pada kotak Independent (s).

e. Klik Plots. Pada Y :, isi DEPENDENT

X:, isi* ZRESID
f. Pada Standardized Residual Plots, klik Histogram.
g. Klik Normal Probability Plot lalu klik Continue.
h. Abaikan pilihan yang lain dan klik OK.
Output yang dihasilkan sebgai beikut:

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.

3. Uji normalitas dengan Kolmogrov-Smirnov

1. Meregresikan variabel bebas terhadap variabel tergantung, dengan langkah-langkah
sebagai berikut:
a. Buka file Uji Asumsi Klasik
b. Klik Analize, Regression, Linear

c. Masukkan variabel Y pada kotak Dependent.

d. Masukkan variabel X1, X2, X3, X4 pada kotak Independent.

e. Klik Save pada kotak Residual, klik Standardized lalu Continue

 f. Abaikan pilihan yang lain, OK.
g. Kembali ke Data Editor. Sekarang kita sudah memiliki variabel baru
Standardizet Residual, yaitu ZRES_1.

2. Menguji normalitas nilai Standardized Residual, dengan langkah-langkah sebagai

berikut:
a. Pada menu utama SPSS, pilih Analize, Nonparametrics Test, 1 Sample KS
b. Masukkan variabel Unstandardized Residual pada kotak Variabel (s):

c. Klik OK

Output yang dihasilkan adalah sebagai berikut:

 Berdasarkan output diatas terlihat bahwa nilai Sig. (2-tailed) sebesar
0,493>0,05. Oleh sebab itu H0 tidak dapat ditolak. Hal itu berarti nilai residual
terstandarisasi dinyatakan menyebar scara normal.

D. Analisis Data dan Interpretasi Data

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

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.
 Metode Analisis Grafik

 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.
  Metode Kolmogorov-Smirnov

One-Sample Kolmogorov-Smirnov Test 2

Unstandardiz
ed Residual
N 23
Uniform Minimum -3,34636
Maximu
Parametersa,b 3,10074
m
Most Extreme Absolute ,173
Positive ,084
Differences
Negative -,173
Kolmogorov-Smirnov Z ,832
Asymp. Sig. (2-tailed) ,493
a. Test distribution is Uniform.
b. Calculated from data.

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.

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