Menguji Asumsi Normalitas Dengan Seluruh Hasil Variabel di Eviews 9

Gambar : Cover Artikel

Pengujian Asumsi Normalitas

Ditulis oleh : Dimas Purbo Wicaksono Fenda Putra, S.E.

A.Penjelasan Normalitas

-

B.Tahapan Pengolahan Data

Sebagai contoh, kita akan mencoba menguji data dengan berbagai cara pengujian normalitas yang tersedia di eviews. 

Variabel yang dipergunakan :

Y         = Pengangguran Terbuka

X1       = Jumlah Penduduk

X2       = Upah Minimum Provinsi

X3       = Pertumbuhan Ekonomi

Berikut adalah data yang akan digunakan :

 

Gambar : Data Latihan

Ini adalah data dengan 4 variabel, masing-masing 3 variabel independent dan 1 variabel dependent. Data ini dari tahun 1998-2019 artinya hanya 22 tahun untuk sampel observasinya. Total data : 22 tahun x 4 variabel = 88 data. Jika mengacu pada syarat normalitas maka tidak sesuai, sehingga harus dilakukan pengujian tanpa menyertakan argumen “pembelaan” data berdistribusi normal seperti pada kesepakatan peneliti.

Langkah 1 : Buka lembar baru eviews 9 dan pilih Create a new Eviews workfile.

Gambar : Pengolah Data Eviews 9

Langkah 2 : Pada Workfile Create pilih Dated – regular frequency (karena data time series). Date specification pilih Annual (karena data tahunan). Start date isikan dengan 1998 (tahun awal data) dan End date isikan dengan 2019 (tahun akhir data). Klik ok.

Gambar : Pengolah Data Eviews 9

Langkah 3 : Menuju ke menu Quick dan pilih Empty Group (Edit Series).

Gambar : Pengolah Data Eviews 9

Langkah 4 : Copy paste data beserta variabelnya, lalu close (x).

Gambar : Pengolah Data Eviews 9

Langkah 5 : Blok semua variabel, klik kanan Open => as Group.

Gambar : Pengolah Data Eviews 9

Langkah 6 : Klik menu View => Deskriptive Stats dan pilih Common Sample.

Gambar : Pengolah Data Eviews 9

Langkah 7 : Berikut adalah hasilnya.

Gambar : Pengolah Data Eviews 9

Interpretasi Output :

Hipotesa :

H₀ : Data berdistribusi normal

H₁ : Data tidak berdistribusi normal

Syaratnya : 

Bila bila nilai JB tidak signifikan (lebih kecil dari 2), maka data berdistribusi normal.

Bilai nilai Probabilitas JB lebih besar dari tingkat alpha (misal disini saya menggunakan 0.05), maka data berdistribusi normal.

Hasil Pengujian :

Nilai Jarque Bera x1 sebesar 2.036515 artinya lebih kecil dari 2, maka data berdistribusi normal.

Nilai Jarque Bera x2 sebesar 1.262155 artinya lebih kecil dari 2, maka data berdistribusi normal.

Nilai Jarque Bera x3 sebesar 1.128343 artinya lebih kecil dari 2, maka data berdistribusi normal.

Nilai Jarque Bera sebesar 232.9982 artinya lebih besar dari 2, maka data tidak berdistribusi normal.

Nilai Probabilitas Jarque Bera x1 sebesar 0.361224 artinya lebih besar dari alpha (0.05), maka H₀ diterima dan data berdistribusi normal.

Nilai Probabilitas Jarque Bera x2 sebesar 0.532018 artinya lebih besar dari alpha (0.05), maka H₀ diterima dan data berdistribusi normal.

Nilai Probabilitas Jarque Bera x3 sebesar 0.568831 artinya lebih besar dari alpha (0.05), maka H₀ diterima dan data berdistribusi normal.

Nilai Probabilitas Jarque Bera x3 sebesar 0.000000 artinya lebih kecil dari alpha (0.05), maka H₁ diterima dan data tidak berdistribusi normal.

Informasi ekonometrika secara lengkap, silakan kunjungi channel youtube saya di : Dimas Channel

Note : Silakan bagi teman-teman yang ingin meng-copy artikel ini. Mohon sertakan sumber aslinya. Terima Kasih :-)