UJI NORMALITAS DAN UJI ASUMSI KLASIK ( SPSS PRAKTIKUM) - Hallo sahabat Dev-Create, Pada Artikel yang anda baca kali ini dengan judul UJI NORMALITAS DAN UJI ASUMSI KLASIK ( SPSS PRAKTIKUM), kami telah mempersiapkan artikel ini dengan baik untuk anda baca dan ambil informasi didalamnya. mudah-mudahan isi postingan Artikel matakuliah, yang kami tulis ini dapat anda pahami. baiklah, selamat membaca.

Judul : UJI NORMALITAS DAN UJI ASUMSI KLASIK ( SPSS PRAKTIKUM)
link : UJI NORMALITAS DAN UJI ASUMSI KLASIK ( SPSS PRAKTIKUM)

UJI NORMALITAS DAN UJI ASUMSI KLASIK ( SPSS PRAKTIKUM)

 

UJI NORMALITAS

UJI NORMALITAS

Normalitas dalam statistik parametric seperti regresi dan Anova merupakan syarat pertama. Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggangu atau residual memiliki distribusi normal.  Jika asumsi ini dilanggar, maka uji statistik menjadi tidak valid atau bias terutama untuk sampel kecil. Uji normalitas dapat dilakukan melalui dua pendekatan yaitu melalui pendekatan grafik (histogram dan P-P Plot) atau uji kolmogorov-smirnov, chi-square, Liliefors maupun Shapiro-Wilk

Bagaimana mengatasi masalah normalitas ?

Ada tiga pilihan yang dapat dilakukan jika diketahui bahwa data tidak normal; yaitu :

1.       Jika jumlah sampel besar, maka dapat menghilangkan nilai outliner dari data (bahasan outliner akan dibahas kemudian)

2.       Melakukan transformasi data

3.       Menggunakan alat analisis nonparametric

(bahasan mengatasi masalah normalitas akan dibahas terpisah)

Contoh Kasus :

AKan diuji pengaruh pengaruh kinerja keuangan terhadap return saham. Variabel independen  yang digunakan adalah variabel kinerja keuangan yang diwakili oleh rasio EPS, PER, DER, ROA, ROE, sedangkan variabel dependen/variabel yang dijelaskan yang diteliti adalah return saham perusahaan

Data diperoleh dari kinerja keuangan diperoleh dari ICMD, sementara data saham diperoleh dari yahoo finance (lihat bagaimana cara memperoleh data saham melalui yahoo)

Rangkuman data adalah sbb :

EPS	PER	DER	ROA	ROE	RET
0.001	0.481	0.295	5.667	0.007	-0.481
0.333	0.154	0.362	0.838	0.317	0.190
0.205	0.078	1.282	8.755	0.063	0.597
0.014	0.121	1.163	6.587	0.081	0.680
0.067	0.181	0.806	5.152	0.087	-0.300
0.284	0.098	3.125	10.409	0.073	0.379
0.077	0.014	0.429	0.838	0.353	0.363
0.242	0.083	0.658	-4.470	0.026	0.178
0.017	0.073	1.639	2.949	0.195	4.689
0.012	1.031	0.433	4.155	0.007	5.685
0.083	3.030	0.269	9.388	0.002	12.716
0.125	0.054	2.222	2.306	0.299	4.921
0.500	0.005	1.852	0.399	1.628	4.066
2.890	0.039	1.563	2.786	0.223	7.944
9.820	0.084	1.449	0.852	0.694	3.079
5.440	0.061	0.645	1.997	0.019	2.722
0.063	0.119	1.538	0.917	0.103	0.888
0.008	0.170	2.439	1.523	0.054	1.531
0.333	0.027	1.042	1.927	0.265	2.260
0.100	0.066	2.564	4.499	0.159	4.599
0.016	0.065	1.316	1.381	0.037	1.397
0.500	0.055	4.762	1.299	0.630	1.799
-2.400	0.022	0.014	-0.135	-0.010	0.100
0.388	0.106	4.762	2.661	0.031	0.079
0.050	0.074	7.143	3.093	0.284	-0.061
0.002	0.145	5.263	17.033	0.049	-0.011
0.005	0.044	1.316	37.480	0.012	0.318
-0.014	-0.377	0.917	-6.211	-0.077	-0.523
0.040	0.308	0.260	1.818	0.113	-0.077
0.008	0.833	2.857	25.743	0.029	3.800

Penyelesaian

Pertama. Lakukan pengujian regresi ganda seperti biasa, dengan mengklik Analyze – Regression – Linier

Kedua, Masukkan variabel EPS, PER, DER, ROA, ROE ke kotak Independent dan RET ke kotak dependent

Ketiga. Klik Plot, lalu beri tanda pada “HISTOGRAM” dan “NORMAL PROBABILITY PLOT” seperti gambar di bawah

==

Klik Continue, lalu OK

Akan tampil output sbb : (output dapat didownload di sini)

Perhatikan Grafik Histogram dan P-P Plot

Berdasarkan grafik Histogram, diketahui bahwa sebaran data yang menyebar ke semua daerah kurva normal. Dapat disimpulkan bahwa data mempunyai distribusi normal. Demikian juga dengan Normal P-Plot. Data menyebar di sekitar garis diagonal dan mengikuti garis diagonal yang menandakan normalitas data.

Meski dua grafik di atas menunjukkan bahwa model telah memenuhi asumsi normalitas, namun untuk meyakinkan dilakukan uji statistik dengan melihat nilai kurtonis dan Skewness dari residual.

langkah-langkah ujinya :

Lakukan pengujian ulang seperti langkah2 satu dan dua di atas.

Klik Tombol “SAVE”, lalu beri tanda pada pilihan “UNSTANDARDIZED” seperti gambar di bawah

Sekarang kita memperoleh variabel baru yaitu RES_1. Variabel ini adalah data residual.

==

Kemudian dari Menu Utama SPSS, pilih Analyze – Descriptive Statistics, dan pilih sub menu Descriptive

Pada kotak variabel, masukkan data Residual (RES_1)

Aktifkan Kurtonis dan Skewness pada pilihan Option, lalu tekan continue

===

Interprestasi Nilai Skewness dan Kurtosis

Diperoleh nilai Skewness = 1.382 dan Kurtosis 2.458. Dari nilai ini kemudian dapat dihitung nilai ZKurtosis dan ZSkewness dengan formulasi sbb :

ZKurtosis = Kurtosis / sqrt (24/N)

ZSkewness = Skewness / sqrt (6/N)

Maka hasil perhitungannya adalah

ZKurtnosis = 2.748, dan ZSkewness = 3.090

Nilai Z kritis untuk alpha 0.01 adalah 2.58. Berdasarkan nilai ZKurtosis hasil uji menunjukkan bahwa residual adalah normal (ZKurtosis < 2.58), sementara berdasarkan ZSkewness nilai ZSkewness > 2.58 (tidak normal), karena dua pengujian ini berbeda, maka dilakukan uji lanjutan dengan menggunakan teknik Kolmogorov Smirnov

===

Masih menggunakan data yang sama,..

Pilih Analyze – nonparametric, lalu pilih 1-Sample-K-S

Masukkan variabel RES_1 ke kotak “TEST VARIABLE LIST”

Kemudian klik OK

=====

Hasil uji KOLMOGOROV-SMIRNOV menunjukkan bahwa nilai Asymp.Sig adalah sebesar 0.186. Nilai ini jauh lebih besar diatas 0.05 sehingga dapat disimpulkan residual berdistribusi Normal. Lihat Output

Dengan demikian dapat disimpulkan bahwa berdasarkan hasil uji diketahui bahwa model tidak terkena masalah normalitas

Silahkan mencoba dan semoga bermanfaat

NB : agar seluruh output dapat anda cocokkan dengan angka-angka yang saya berikan, maka terlebih dahulu dowload output hasil lengkapnya.

Langkah-langkah Uji Asumsi Klasik dengan SPSS

Langkah-langkah uji asumsi klasik (normalitas, linieritas, autokorelasi, multikolinieritas, heteroskedastisitas) dengan SPSS dalam regresi dan perhitungan regresi adalah sebagai berikut: (klik gambar untuk memperbesar)

1. Distribusi data pada excel copy no.respdn dan masing masing jumlah variabel ke spss data view, hasilnya adalah sebagai berikut

2. Klik variabel view (letaknya kiri bawah), nama tulis responden, nama variabel, desimal tulis nol dan pada label tulis respdn dan nama variabel, hasilnya adalah

3. Kembali ke lembar awal klik data view (letaknya sebelah bawah kiri) hasilnya adalah

Gambar lembar awal di atas adalah data pokok yang akan diolah untuk menghitung distribusi frekuensi, histogram, asumsi klasik dan regresi atau uji statistik yang lain

A. Menghitung deskripsi data dan histogram

1. Pada lembar awal klik analyze, pilih descriptive statistics, pilih frequencies, pindahkan variabel disiplin kerja ke kolom variabel (s) dan hasilnya adalah

2. Klik statistics dan beri tanda centang sesuai dengan yang dipilih sebagai berikut

3. Klik continue, klik pilihan charts pada tebel frequencies charts, chart type centang histogram dan with normal curve. Klik continue dan oke untuk melihat hasilnya.

B. Menghitung asumsi klasik terlebih dahulu meghitung regresi ganda dan grafiknya
1. Klik analyze pilih regression sebelah kanan pilih linear

2. Klik linear, keluar tabel linear regression pindahkan kualitas pelayanan kesehatan ke kolom dependent dan kompetensi pegawai dan disiplin kerja ke kolom independent (s) sebagai berikut

3. Klik statistics pada linear regression statistics, centang estimates, durbin-watson, descriptive dan colinearity diagnostics sebagai berikut

4. Klik continue, klik kolom plots, masukan sresid ke kolom y dan zpred ke kolom x, sebagai berikut

5. Klik next, pindahkan zpred ke kolom y dan dependent ke kolom x, beri centang pada histogram dan normal probability plot. Klik continue dan oke untuk melihat hasilnya.

C. Menghitung regresi sederhana pengaruh x1 terhadap y
1. Klik analyze, pilih regression, sebelah kanan pilih kinear masukan variabel y pada kolom dependent dan variabel x1 pada kolom independent (s) hasilnya adalah

2. Klik statistics, klik estimates dan descriptive, klik continue dan oke untuk melihat hasilnya

Untuk menghitung regresi sederhana pengaruh x2 terhadap y, pindahkan y ke kolom dependent dan x2 ke kolom independent (s) dan ikuti langkah-langkah sama dengan x1 terhadap y

D. Hasil uji asumsi klasik
1. Uji normalitas

2. Uji linieritas

3. Uji autokorelasi

4. Uji multikolinieritas

5. Uji heteroskedastisitas

Demikianlah Artikel UJI NORMALITAS DAN UJI ASUMSI KLASIK ( SPSS PRAKTIKUM)

Sekianlah artikel UJI NORMALITAS DAN UJI ASUMSI KLASIK ( SPSS PRAKTIKUM) kali ini, mudah-mudahan bisa memberi manfaat untuk anda semua. baiklah, sampai jumpa di postingan artikel lainnya.

Anda sekarang membaca artikel UJI NORMALITAS DAN UJI ASUMSI KLASIK ( SPSS PRAKTIKUM) dengan alamat link https://dev-create.blogspot.com/2023/01/uji-normalitas-dan-uji-asumsi-klasik.html