Minggu, 18 Desember 2011

ARTIKEL TENTANG PENANGGULANGAN GANGGUAN ASUMSI KLASIK “NORMALITAS”


ARTIKEL TENTANG PENANGGULANGAN GANGGUAN ASUMSI KLASIK “NORMALITAS”

Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Sering terjadi kesalahan yang jamak yaitu bahwa uji normalitas dilakukan pada masing-masing variabel. Hal ini tidak dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya bukan pada masing-masing variabel penelitian.

Pengertian normal secara sederhana dapat dianalogikan dengan sebuah kelas. Dalam kelas siswa yang bodoh sekali dan pandai sekali jumlahnya hanya sedikit dan sebagian besar berada pada kategori sedang atau rata-rata. Jika kelas tersebut bodoh semua maka tidak normal, atau sekolah luar biasa. Dan sebaliknya jika suatu kelas banyak yang pandai maka kelas tersebut tidak normal atau merupakan kelas unggulan. Pengamatan data yang normal akan memberikan nilai ekstrim rendah dan ekstrim tinggi yang sedikit dan kebanyakan mengumpul di tengah. Demikian juga nilai rata-rata, modus dan median relatif dekat.

Pada dasarnya untuk melakukan uji normalitas data dapat menggunakan analisis grafik, histogram, maupun analisis statistik.
 
§           Pada analisis grafik normal plot, bila grafik normal plot menunjukan data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal maka dapat disimpulkan bahwa model regresi linear berganda memenuhi asumsi normalitas. Akan tetapi dengan hanya melihat gambar saja yakni melalui grafik histogram dan normal plot untuk menetukan normal atau tidaknya data, sangatlah bersifat fatal.

§           Uji statistik, apakah data berdistribusi normal atau tidak yakni salah satunya menggunakan uji skewness dan kurtosis. Yang diuji adalah unstandardized residual dari penelitian.
Melalui perhitungan nilai Zskewness dan Zkurtosis diatas, Apabila nilai Zskewness dan Zkurtosis ini berada diantara -2 sampai +2, maka data dapat dikatakan berdistribusi normal. Pengujian dengan SPSS dilakukan dengan menu Analyze, lalu klik Descriptive Statistics, pilih menu Descriptives. Data yang akan diuji normalitasnya (unstandardized residual hasil regresi) dipindah dari kotak kiri ke kanan, lalu tekan Options. Klik pada Distribution yaitu Skewness dan Kurtosis, tekan Continue, lalu tekan OK.

§         Uji statistik lainnya dengan menggunakan tes KolmogorovSmirnov (disebut juga  uji Lilliefors). Yang diuji adalah unstandardize residual dari penelitian, apabila nilai significant 2 tailed  > 0,05 maka data dikatakan berdistribusi normal. apabila nilai significant 2 tailed  < 0,05 maka data dikatakan tidak berdistribusi normal.
Pengujian dengan SPSS dilakukan dengan nonparametric tests, lalu pilih 1-sample K-S, masukkan data dari kotak kiri ke kanan, test distribution pilih normal, lalu ok.
>>     pada dasarnya tidak semua data penelitian bedistribusi normal. Apabila tidak berdistribusi normal dapat dinormalkan dengan 3 cara :

1.     Menambah data penelitian.
2.     Melakukan transformasi data, yakni mengubah data kedalam bentuk log natural (Ln). Kelemahan dari transformasi data tidak dapat digunakan bagi data yang bernilai negatif.
3.     Melakukan uji  outlier, membuang data yang bersifat ekstrim, yaitu data yang terlihat lain dari data yang lainnya.
KESIMPULAN DARI REGRESI YANG MENGALAMI GANGGUAN “NORMALITAS”

§  JIKA DILIHAT DARI PROGRAM SPSS DAN SESUAI DENGAN ASUMSI TENTANG NORMALITAS, MAKA DAPAT DILIHAT PADA TABEL 1 SAMPLE K.S DIMANA ANGKA YANG TERLETAK PALING BAWAH DAN PALING KANAN YAITU ASYMP SIG. (2-TAILED) LEBIH BESAR DARI 0.050 MAKA DISTRIBUSI DATA TERSEBUT NORMAL.
HASIL DARI OUTPUT MENUNJUKAN BAHWA NILAI ASYMP SIG. (2-TAILED) YAITU SEBESAR 0.046.

= 0.046 < 0.050 (LEBIH KECIL DARI 0.050)

MAKA DIPASTIKAN DISTRIBUSI DATA TERSEBUT TIDAK NORMAL.

§  DAN JIKA DI LIHAT DARI TABEL MELALUI TABEL DESCRIPTIVE STATISTICS, APABILA  PERHITUNGAN NILAI ZSKEWNESS DAN ZKURTOSIS INI BERADA DIANTARA -2 SAMPAI +2, MAKA  MAKA DIPASTIKAN DISTRIBUSI DATA TERSEBUT NORMAL.

§  TERLIHAT BAHWA BESAR NILAI RASIO SKEWNESS YAITU 3.010 / 0.512 = 5.879; SEDANGKAN BESAR NILAI RASIO ZKURTOSIS 11.239 / 0.992 = 11.329. KARENA BESAR NILAI RASIO ZSKEWNESS DAN ZKURTOSIS INI TIDAK BERADA DIANTARA -2 SAMPAI +2, MAKA  MAKA DIPASTIKAN DISTRIBUSI DATA TERSEBUT TIDAK NORMAL.

KESIMPULAN DARI REGRESI YANG TIDAK MENGALAMI GANGGUAN “NORMALITAS”

§  JIKA DILIHAT DARI PROGRAM SPSS DAN SESUAI DENGAN ASUMSI TENTANG NORMALITAS, MAKA DAPAT DILIHAT PADA TABEL 1 SAMPLE K.S DIMANA ANGKA YANG TERLETAK PALING BAWAH DAN PALING KANAN YAITU ASYMP SIG. (2-TAILED) LEBIH BESAR DARI 0.050 MAKA DISTRIBUSI DATA TERSEBUT NORMAL.
HASIL DARI OUTPUT MENUNJUKAN BAHWA NILAI ASYMP SIG. (2-TAILED) YAITU SEBESAR 0.046.

= 0.046 < 0.050 (LEBIH KECIL DARI 0.050)

MAKA DIPASTIKAN DISTRIBUSI DATA TERSEBUT TIDAK NORMAL.

§  DAN JIKA DI LIHAT DARI TABEL MELALUI TABEL DESCRIPTIVE STATISTICS, APABILA  PERHITUNGAN NILAI ZSKEWNESS DAN ZKURTOSIS INI BERADA DIANTARA -2 SAMPAI +2, MAKA  MAKA DIPASTIKAN DISTRIBUSI DATA TERSEBUT NORMAL.

§  TERLIHAT BAHWA BESAR NILAI RASIO SKEWNESS YAITU 3.010 / 0.512 = 5.879; SEDANGKAN BESAR NILAI RASIO ZKURTOSIS 11.239 / 0.992 = 11.329. KARENA BESAR NILAI RASIO ZSKEWNESS DAN ZKURTOSIS INI TIDAK BERADA DIANTARA   -2 SAMPAI +2, MAKA  MAKA DIPASTIKAN DISTRIBUSI DATA TERSEBUT TIDAK NORMAL.

KESIMPULAN DARI REGRESI YANG MENGALAMI GANGGUAN “NORMALITAS”

§  SALAH SATU SOLUSI UNTUK MEMPERBAIKI NORMALITAS YAITU MELAKUKAN TRANSFORMASI DATA, YAKNI MENGUBAH DATA KEDALAM BENTUK LOG NATURAL DENGAN MEMASUKKAN LAG DALAM TABEL TERIKAT (Y).
DAPAT DILIHAT BAHWA LAG VARIABEL ADALAH DENGAN MENGGESER KEBAWAH DATA Y PANA NO.1 MENJADI NO.2 PADA LAG, DAN NO 2 PADA Y MENJADI NO.3 PADA LAG DAN SETERUSNYA. MAKA DATA NO.1 PADA LAG ADALAH KOSONG, SEHINGGA DATA BERKURANG 1, SETELAH ITU KITA LAKUKAN REGRESI KEMBALI SAMA PADA DATA YANG PERTAMA.

§  JIKA DILIHAT DARI PROGRAM SPSS DAN SESUAI DENGAN ASUMSI TENTANG NORMALITAS, MAKA DAPAT DILIHAT PADA TABEL 1 SAMPLE K.S DIMANA ANGKA YANG TERLETAK PALING BAWAH DAN PALING KANAN YAITU ASYMP SIG. (2-TAILED) LEBIH BESAR DARI 0.050 MAKA DISTRIBUSI DATA TERSEBUT NORMAL.
HASIL DARI OUTPUT KEDUA MENUNJUKAN BAHWA NILAI ASYMP SIG. (2-TAILED) YAITU SEBESAR 0.638.

= 0.638 > 0.050 (JAUH LEBIH BESAR DARI 0.050)

MAKA DIPASTIKAN DISTRIBUSI DATA TERSEBUT NORMAL.

§  DAN JIKA DI LIHAT DARI TABEL MELALUI TABEL DESCRIPTIVE STATISTICS, APABILA  PERHITUNGAN NILAI ZSKEWNESS DAN ZKURTOSIS INI BERADA DIANTARA -2 SAMPAI +2, MAKA  MAKA DIPASTIKAN DISTRIBUSI DATA TERSEBUT NORMAL.

§  TERLIHAT BAHWA BESAR NILAI RASIO SKEWNESS YAITU 0.350 / 0.524 = 0.667; SEDANGKAN BESAR NILAI RASIO ZKURTOSIS - 0.362 / 1.014 = - 0.357. KARENA BESAR NILAI RASIO ZSKEWNESS DAN ZKURTOSIS INI BERADA DIANTARA   -2 SAMPAI +2, MAKA  MAKA DIPASTIKAN DISTRIBUSI DATA TERSEBUT NORMAL.

§  IMPLIKASINYA ADALAH MODEL TERSEBUT TELAH TERBEBAS DARI GANGGUAN NORMALITAS.



Tidak ada komentar:

Posting Komentar