MODUL 6 UJI NORMALITAS

Variabel pengganggu e dari suatu regresi disyaratkan berdistribusi nomal. Hal ini untuk memenuhi asumsi zero mean (asumsi 3). Jika variabel e berdistribusi normal. Maka variabel yang diteliti Y juga berdistribusi normal. Untuk menguji normalitas e, dapat digunakan formula Jarque Berra (JB test) berikut (Gujarati 1995).
 S 2 ( K − 3) 2  JB = n  +  24   6

Di mana S adalah skewness (kemencengan) dan K kurtosis (keruncingan). Nilai-nilai kemencengan dan keruncingan atau S dan K dapat diperoleh dari program SPSS, pada analisis deskriptif. Hasil hitung JB kemudian dibandingkan dengan tabel Chi Square dengan derajat bebas 2. Besarnya nilai chi square (X2) dengan derajat bebas 2 dan level keyakinan 95 pesen = 7,37 dan untuk keyakinan 99 persen = 9,21. Singkatnya jika JB hitung lebih besar dari 9,21, maka data yang diuji tidak normal. Sebaliknya jika nilai JB hitung < 9,21 data termasuk dalam klas distribusi normal. Dari contoh data yang kita gunakan di atas, maka statistik deskriptif untuk variabel e dari paket statistik computer SPSS diperoleh hasil berikut. Deskriptive Statistics

N Statistic 10 10 Skewness Statistic Std.-791 Std.082607 Karena nilai JB = 6. 2. Mengapa. . dengan demikian nilai JB. Karena uji t dan F diturunkan dari asumsi bahwa data Y atau e berdistribusi normal. Akibat Data yang Tidak Normal Apakah akibat ketidaknormalan data? Akibatnya adalah penggunaan uji t dan F menjadi tidak valid.238 . Lakukan pemotongan data.687 Kurtosis Statistic . mungkin ada data yang out liers (berada jauh dari rata-rata) misalnya sangat tinggi nilainya atau sangat rendah.2 maka data e di atas berdistribusi normal.238 2 (−0.334 Ternyata nilai Skewness S = -0.  − 0.791. jika sampel besar sekali maka data akan mendekati normal.08 < 9. Cara Menangani Data yang Tidak Normal Bagaimana cara mengatasi jika data tidak normal? 1. 3. Error 1.238 dan kurtosis K = -0. Perbesar sampel. asymptotically normal. Error -.791 − 3) 2  JB = 10  +  6 24   = 6. Lakukan transformasi data. karena rentangan data akan mendekati rata-ratanya. Dengan transformasi logaritma maka data yang tidak normal akan membaik distribusinya. misalnya dilogaritmakan.

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.