Uji Asumsi Klasik ; Normalitas (Metode Grafik)

-
Oleh : Jul Fahmi Salim
Assalamkum wr.wb.....

Sebelum melakukan regresi linear berganda, ada beberapa uji asumsi klasik yang harus dilakukan, yaitu Normalitas, Multikolinearitas, Heteroskedastisitas dan Autokorelasi,,,

Kali ini kita akan mencoba menguji Normalitas suatu data penelitian..

Cara menguji normalitas data dengan Analisis Grafik
1. buka spss
2. input data yang digunakan
3. klik analyze, regression, linear



4. masukan IHSG ke dalam kotak dependen variabel, dan Kurs, inflasi, dan BI Rate
   ke dalam kotak independen variabel








5. Klik pada menu "plots"
6. begitu keluar jendela plots, pilih dependent untuk Y, dan *ZRESID untuk X





7. pada Stand Residual Plots, centang histogram dan probability plots, klik continue





8. output yang dihasilkan sebagai berikut
abaikan hasil regrssi lainnya, cukup dilihat pada bagian "Chart" saja


Gambar 1

Gambar II



dari hasil gambar pertama dapat dilihat bahwa kurva dependen dan rss membentuk gambar
seperti lonceng, dapat didimpulkan bahwa data terdistribusi normal

dari gambar yang kedua dapat kita lihat bahwa titik2 persebaran data berada disekitar garis,
hal ini menunjukkan bahwa data terdistribusi scara normal.



Referesi : Ekonometrika Terapan, Teori dan Aplikasi dengan SPSS, Hal, 69-78. (Dr.Suliyanto)

Cukup mudahkan?....
Semoga bermanfaat, Terimakasih sudah mampir.. :-)




Komentar

Anonim mengatakan…
sangat membantu, apa boleh melihat data-data untuk uji asumsi klasik itu ? krn saya tidak pny buku Ekonometrika Terapan, Teori dan Aplikasi dengan SPSS, Hal, 69-78.
24 Desember 2015 pukul 08.54
Posting Komentar

Postingan populer dari blog ini

Cara Mentransformasi data ke dalam bentuk Log dan Ln dengan Eviews7

-
Gambar
Assalamualaikum Wr.Wb... Kali ini saya berbagi sedikit pengetahuan mengenai cara mentranformasikan data ke logaritma menggunakan EViews7 Berikut langkah-langkahnya  buka program EViews7 klik flie > new  workfiles> ok Pada workfile structure type, pilih dated-regulary frequency (untuk data times series) dan unstructure/ undated (untuk data panel). Karena data saya dalam bentuk times series, saya memilih dated-regulary frequency Pada data specification, frequency masukan jenis data : annual (tahunan), monthly (bulanan), semi anual (semester/6 bulanan),weekly (mingguan), dsb, tergantung jenis data yang kita gunakan, kali in saya memilih monthly karena data yang saya gunakan adalah data bulanan. Pada start date masukan awal data yaitu jun2005 dan pada end date masukan akhir data yaitu dec2012 (karena saya menggunakan data bulanan dari jun2005 sd dec2012), klik ok Maka akan muncul workfile: untitled, kemudian pilih File => import => import from file => pi
Baca selengkapnya

Transformasi data Ke Dalam Bentuk Log dan Ln dengan SPSS 20

-
Gambar
Oleh : Jul Fahmi Salim Asslamkum Wr.Wb Sebelumnya saya sudah share mengenai Transformasi data ke dalam bentuk Log dan Ln menggunakan microsoft Excel, kali ini saya share mengenai Transformasi data Ke Dalam Bentuk Log dan Ln dengan SPSS 20... cara mentransformasi data ke dalam bentuk Log dan Ln dengan menggunakan SPSS 20 1. Buka spss 2. input data 3. klik menu transform => compute Variable 4. Setelah keluar jendela compute variable, isi seperti berikut 5. Pada Target Variabel, isi dengan nama yang akan muncul di data editor, saya membuat "Log_IHSG" 6. Kemudian pada kotak "Function Group" klik "All" dan pada kotak "Fuction and Special Variables", double klik pada "Log10" 7. Kemudian double klik IHSG 8. Maka, pada Numeric Expression akan menjadi LG10(IHSG), yang artinya, Variabel IHSG akan diubah      ke dalam bentuk logaritma. kemudian klik Ok 9. Coba di cek pada data editor, maka ak
Baca selengkapnya

Cara Mendeteksi Outlier Data Menggunakan SPSS

-
Gambar
Oleh : Jul Fahmi Salim Selian Assalamualaikum wr wb.. Selamat Pagi... Sebelumnya saya sudah share beberapa pengolahan data menggunakan SPSS , kali ini mari kita sama-sama belajar bagaimana mendeteksi data outlier dalam sebuah penelitian. Salah satu kegunaan deteksi data outlier ini adalah akan mampu meningkatkan korelasi data, sehingga akan menaikan R Square dari data. Dan terbukti beberapa kali, sebelum data di deteksi dengan outlier, hasil regresi bisa dikatakan sangat-sangat parah, mulai dari R Square yang sangat kecil, tidak ada variabel yang signifikan, distribusi residual data tidak normal dan berabgai masalh klasik lainnya. "Makasi Kk Mutia Handayani, uda di izinkan memakai datanya.. :-) " Berikut merupakan langkah-langkah dalam mendeteksi data outlier dengan menggunakan SPSS : Siapkan data dalam file Excel, susunannya seperti dalam gambar di bawah ini Buka Program SPSS (jangan buka shazam atau eviews, soalnya saya belum nemu caranya,
Baca selengkapnya