UJI NORMALITAS REGRESI

Uji normalitas pada model regresi digunakan untuk menguji apakah nilai residual yang dihasilkan dari regresi terdistribusi secara normal atau tidak. Model regresi yang baik adalah yang memiliki nilai residual yang terdistribusi secara normal. Beberapa metode uji normalitas yaitu dengan melihat penyebaran data pada sumber diagonal pada grafik Normal P-P Plot of regression standardized residual atau dengan uji One Sample Kolmogorov Smirnov. Berikut pembahasannya:

Contoh kasus:

Akan dilakukan analisis regresi untuk mengatahui pengaruh biaya produksi, distribusi, dan promosi terhadap tingkat penjualan. sebelumnya akan dilakukan uji normalitas pada model regresi untuk mengetahui apakah residual terdistribusi normal atau tidak. Data seperti berikut:

Tahun	Tingkat penjualan	Biaya produksi	Biaya distribusi	Biaya promosi
1996	127300000	37800000	11700000	8700000
1997	122500000	38100000	10900000	8300000
1998	146800000	42900000	11200000	9000000
1999	159200000	45200000	14800000	9600000
2000	171800000	48400000	12300000	9800000
2001	176600000	49200000	16800000	9200000
2002	193500000	48700000	19400000	12000000
2003	189300000	48300000	20500000	12700000
2004	224500000	50300000	19400000	14000000
2005	239100000	55800000	20200000	17300000
2006	257300000	56800000	18600000	18800000
2007	269200000	55900000	21800000	21500000
2008	308200000	59300000	24900000	21700000
2009	358800000	62900000	24300000	25900000
2010	362500000	60500000	22600000	27400000

1)   Metode grafik

Uji normalitas residual dengan metode grafik yaitu dengan melihat penyebaran data pada sumber diagonal pada grafik Normal P-P Plot of regression standardized residual. Sebagai dasar pengambilan keputusannya, jika titik-titik menyebar sekitar garis dan mengikuti garis diagonal maka nilai residual tersebut telah normal.

Langkah-langkah analisis pada SPSS sebagai berikut:

-       Inputkan data pada SPSS 

- Untuk analisis data, klik menu Analyze >> Regression >> Linear       

-       Pada kotak dialog Linear Regression, masukkan variabel Tingkat penjualan ke kotak Dependent, kemudian masukkan variabel Biaya produksi, Biaya distribusi, dan Biaya promosi ke kotak Independent(s).

-          Klik tombol Plots, kemudian terbuka kotak dialog Linear Regression: Plots.

-          Beri tanda centang pada ‘Normal probability plot’, kemudian klik tombol Continue. Akan kembali ke kotak dialog sebelumnya, klik tombol OK. Maka hasil grafik Normal P-P Plot seperti berikut:

Dari gambar grafik di atas dapat diketahui bahwa titik-titik menyebar sekitar garis dan mengikuti garis diagonal maka nilai residual tersebut telah normal.

2)   Metode statistik One Sample Kolmogorov Smirnov

Uji One Sample Kolomogorov Smirnov digunakan untuk mengetahui distribusi data, apakah mengikuti distribusi normal, poisson, uniform, atau exponential. Dalam hal ini untuk mengetahui apakah distribusi residual terdistribusi normal atau tidak. Residual berdistribusi normal jika nilai signifikansi lebih dari 0,05.

Langkah-langkah analisis pada SPSS sebagai berikut:

-       Inputkan data di SPSS 

-       Langkah pertama yaitu mencari nilai residual, caranya klik Analyze >> Regression >> Linear        

-       Pada kotak dialog Linear Regression, masukkan variabel Tingkat penjualan ke kotak Dependent, kemudian masukkan variabel Biaya produksi, Biaya distribusi, dan Biaya promosi ke kotak Independent(s).

- Klik tombol Save, selanjutnya akan terbuka kotak dialog ‘Linear Regression: Save’

-          Pada Residuals, beri tanda centang pada ‘Unstandardized’. Kemudian klik tombol Continue. Akan kembali ke kotak dialog sebelumnya, klik tombol OK. Hiraukan hasil output SPSS, Anda buka input data di halaman Data View, disini akan bertambah satu variabel yaitu residual (RES_1).

 - Langkah selanjutnya melakukan uji normalitas residual, caranya klik Analyze >> Non Parametric tests >> Legacy Dialogs >> 1-Sample K-S.

-       Selanjutnya akan terbuka kotak dialog ‘One Sample Kolmogorov Smirnov Test’ seperti berikut:

-       Masukkan variabel Unstandardized Residual(RES 1) ke kotak Test Variable List. Pada Test Distribution, pastikan terpilih Normal. Jika sudah klik tombol OK. Akan kembali ke kotak dialog sebelumnya. Klik OK, maka hasil output seperti berikut:

    Dari output di atas dapat diketahui bahwa nilai signifikansi (Asymp.Sig 2-tailed) sebesar 0,631. Karena signifikansi lebih dari 0,05 (0,631 > 0,05), maka nilai residual tersebut telah normal.