UJI ASUMSI KLASIK

OLEH:
LILIS NURASIAH

1
• UJI PERBEDAAN DAN HUBUNGAN, ASUMSI :
• 1. UJI NORMALITAS
• NORMAL : UJI T, UJI ANOVA, UJI KORELASI PEARSON
(STATISTIKA PARAMETRIK)
• TIDAK NORMAL UJI MANN WHITNEY, UJI KRUSKAL WALLIS,
UJI KORELASI SPEARMAN (STATISTIKA NONPARAMETRIK)
• 2. UJI HOMOGENITAS
• MEMBEDAKAN DI RUMUS

2
 MATERI

• UJI ASUMSI KLASIK

• NORMALITAS
• MULTIKOLINIERITAS
• HETEROSKEDASTISITAS
• LINIERITAS
• OTOKORELASI
3
 KENAPA DILAKUKAN UJI ASUMSI ?
• UJI ASUMSI ANALISIS REGRESI BERGANDA PERLU DILAKUKAN
SEBAGAI SALAH SATU SYARAT AGAR MODEL REGRESI YANG
KITA PEROLEH DAPAT DIKATAKAN BAIK.
• BAIK DI SINI MAKSUDNYA ADALAH:
BLUE= BEST, LINEAR, UNBIASED
 BLUE = BEST, LINEAR, UNBIASED

BEST = YANG TERBAIK, HASIL REGRESI DIKATAKAN “BEST”

APABILA GARIS REGRESI YANG DIHASILKAN UNTUK
MELAKUKAN ESTIMASI ATAU PERAMALAN DARI SEBARAN DATA
MEMPUNYAI ERROR YANG KECIL.
Linear = merupakan kombinasi dari data sampel
Linear dalam model artinya model yang digunakan
dalam analisis regresi telah sesuai dengan kaidah
OLS (Ordinary Least Square) dimana variabel-
variabel penduganya hanya berpangkat satu.
Sedangkan linear dalam parameter menjelaskan
bahwa parameter yang dihasilkan merupakan
fungsi linear dari sampel.
UNBIASED = RATA-RATA NILAI HARAPAN
HARUS SAMA DENGAN NILAI SEBENARNYA
ATAU DENGAN KATA LAIN TIDAK BIAS.
ESTIMATOR DIKATAKAN TIDAK BIAS JIKA
NILAI HARAPAN ESTIMATOR B SAMAM
DENGAN NILAI YANG BENAR DARI B (NILAI
RATA-RATA B = B). JIKA NILAI RATA-RATA B
TIDAK SAMA DENGAN NIAL B MAKA
SELISISHNYA ITU DISEBUT BIAS.
 UJI ASUMSI KLASIK

1. UJI NORMALITAS
2. UJI NON-MULTIKOLINIERITAS
3. UJI NON-HETEROSKEDASTISITAS
4. UJI LINIERITAS
5. UJI NON-OTOKORELASI (TIME SERIES)

8
 YANG DIMAKSUD DENGAN KURVA
NORMAL
• DISTRIBUSI NORMAL MERUPAKAN SUATU KURVE
BERBENTUK LONCENG.
• PENYEBAB DATA TIDAK NORMAL, KARENA TERDAPAT
NILAI EKSTRIM DALAM DATA SERI YANG DIAMBIL.
• NILAI EKTRIM ADALAH NILAI YANG TERLALU RENDAH
ATAU TERLALU TINGGI.

9
 PENYEBAB MUNCULNYA NILAI
EKSTRIM
1. KESALAHAN DALAM PENGAMBILAN UNIT SAMPEL.
CARA MENGATASI: MENGGANTI UNIT SAMPEL.
2. KESALAHAN DALAM MENGINPUT DATA.
CARA MENGATASI: MEMPERBAIKI INPUT DATA YANG
SALAH.
3. DATA MEMANG ANEH DIBANDING LAINNYA.
CARA MENGATASI: TAMBAH UKURAN SAMPEL ATAU
DENGAN MEMBUANG DATA YANG ANEH TERSEBUT.

10
 KAPAN DATA DIKATAKAN NORMAL

Ekstrim Rendah Ektrim Tinggi

-2,58 0 2,58

Pada =0,01

Ekstrim Rendah Ektrim Tinggi

-1,96 0 1,96

Pada =0,05
11
 BERIKUT INI MANAKAH DATA YANG
EKSTRIM

Ekstrim Ektrim
Rendah Tinggi
-2,58 0 2,58

xi  x 50.000  63.333
Z   0439
 31.734

12
 UJI NORMALITAS
PENGERTIAN UJI NORMALITAS
• UJI NORMALITAS DI MAKSUDKAN UNTUK
MENGETAHUI APAKAH RESIDUAL
TERSTANDARISASI YANG DITELITI
BERDISTRIBUSI NORMAL ATAU TIDAK.

PENYEBAB TIDAK NORMAL

• DISEBABKAN KARENA TERDAPAT NILAI
EKTRIM DALAM DATA YANG KITA AMBIL.
13
 UJI NORMALITAS
CARA MENDETEKSI:
1. DENGAN GAMBAR:
JIKA KURVA REGRESSION RESIDUAL TERSTANDARISASI
MEMBENTUK GAMBAR LONCENG. NORMAL QQ, HISTOGRAM,
STEM LEAF, BOX PLOT, DLL
2. DENGAN ANGKA:
• UJI LILIEFORS
• UJI KOLMOGOROV-SMIRNOV
• UJI SHAPIRO-WILK
 SYARAT UJI LILIEFORS, KOLMOGOROV SMIRNOV DAN SHAPIRO
WILK
 DATA BERSKALA INTERVAL ATAU RATIO (KUANTITATIF)
 DATA TUNGGAL / BELUM DIKELOMPOKKAN PADA TABEL
DISTRIBUSI FREKUENSI
14

 DAPAT UNTUK N BESAR MAUPUN N KECIL.

 DATA DARI SAMPEL RANDOM UNTUK SHAPIRO WILK
 METODE CHI KUADRAT (X2)

PERSYARATAN METODE CHI SQUARE (UJI GOODNESS OF

FIT DISTRIBUSI NORMAL)

DATA TERSUSUN BERKELOMPOK ATAU

DIKELOMPOKKAN DALAM TABEL DISTRIBUSI
FREKUENSI.
COCOK UNTUK DATA DENGAN BANYAKNYA ANGKA
BESAR ( N > 30 )
SETIAP SEL HARUS TERISI, YANG KURANG DARI 5
DIGABUNGKAN.

15
 CONTOH KASUS

• BERIKUT INI ADALAH DATA TIME SERIES,

• BERDASARKAN DATA TERSEBUT UJILAH APAKAH DATA

TERSEBUT NORMAL

16
 MANUAL LILIEFORS
• BUAT PERSAMAAN REGRESINYA
• MENCARI NILAI PREDIKSINYA
• CARI NILAI RESIDUALNYA
• STADARISASI NILAI RESIDUALNYA
• URUTKAN NILAI RESIDUAL TERSTANDARISASI DARI
YANG TERKECIL SAMPAI YANG TERBESAR.
• MENCARI NILAI ZR RELATIF KOMULATIF.
• MENCARI NILAI ZT TEORITIS BERDASARKAN TABEL Z
• MENGIHITUNG SELISIH NILAI ZR DENGAN ZT ATAU
(ZR-ZT-1) DAN DIBERI SIMBOL LI HITUNG
• BANDINGKAN NILAI LI HITUNG DENGAN TABEL
LILIEFORS.
• JIKA LIHITUNG > L TABEL MAKA DATA BERDISTRIBUSI 17
NORMAL DEMIKIAN JUGA SEBALIKNYA.
 PENGUJIAN MANUAL

Y =2,553-1,092X1+1,961X2
Ypred =2,553-1,092(2) +1,961(3) = 6,252
Resid = 5-6,252
Zresid = (-1,252—0,002)/1,042 = -1,200
Zr = (1/10) = 0,1, (2/10) = 0,2, dts
Tabel Z cum = 1,20 ditabel Z = 0,885
Luas Z = Karena < 0,5 maka Luas Z = 1-0,858 =0,142
Li = Zt-Zr(t-1) = 0,142-0,10=0,042 18
• HO : DATA BERDISTRIBUSI NORMAL
• H1 : DATA TIDAK BERDISTRIBUSI NORMAL

19
DARI TABLE DIATAS SIG. DIBANDINGKAN DENGAN ∂ (5%=0,05)
JIKA SIG. > ∂ = HO DITERIMA
KESIMPULANNYA BAIK UNTUK JARAK TEMPUH MAUPUN
RATA-RATA DOKUMEN, DATANYA BERDISTRIBUSI NORMAL

20
 OUTPUT KOLMOGORNOV
SMIRNOV
One -Sa mple Kolm ogorov -Sm irnov Te s t • KARENA NILAI SIG.
Sta n d a rdi z e d

N
Re s id u a l
10
> 0,05 MAKA TIDAK
No rma l Pa ra me tersa, b Me a n 5 .9 6 0 4 6 5 E-0 9

Mo s t Ex tre me
Std . De v ia tio n
Ab s o lu te
.8 8 1 9 1 7 1
.2 9 7
SIGNIFIKAN.
Diffe re n c e s Po s itiv e .2 5 7

Ko lmo g o ro v -Smirn o v Z
Ne g a ti v e -.2 9 7
.9 4 0
• TIDAK SIGINIFIKAN
As y mp . Si g . (2 -ta il e d )
BERARTI DATA
.3 4 0
a . Te s t d is trib u tio n i s No rma l .
b . Ca lc u l a te d fro m d a ta .
RELATIF SAMA
DENGAN RATA-RATA
SEHINGGA DISEBUT
NORMAL. 21