Mahasiswa meminta bantuan karena hanya satu dari lima variabelnya yang berdistribusi normal. Setelah melihat data panel 160 sampel selama 5 tahun, hanya variabel Beta yang normal. Saran untuk menggunakan pendekatan unit roots, cointegrasi, dan perubahan struktural karena ada nilai negatif. Setelah memperbaiki nois data, semua variabel menjadi normal.
1. Oleh
Mohamad Rojana Hamdan, ST., MM
021-4807678 / 085881153889
Spss.eviews@gmail.com
http://spsseviews.wixsite.com/belajar
2. Seorang mahasiswa menghubungi saya dan
menyampaikan keluhannya terkait
permasalahan normalitas data (skripsi/tesis).
Dia mempunyai 5 variabel namun hanya satu
variabel yang berdistribusi normal yaitu Beta.
Saya pun memintanya untuk mengirimkan
data tersebut kepada saya melalui email:
m_rojana_h@yahoo.com.
3. Setelah saya terima, ada 160 sampel berbentuk data
panel. Terdiri dari 32 object dalam kurun waktu 5 tahun.
Dengan variabel dependent Return dan variabel
independent CR, DER, ROA dan BETA.
4. Setelah itu saya amati unit roots-nya. Mulai dari variabel
return. Tampak pada gambar unit roots terdapat masalah
normalitas. Dan untuk lebih jelas seluruih variable diuji
dengan Jarque-Bera.
5. Dari hasi uji normalitas dengan Jarque-Bera, diketahui hanya
variabel Beta yang memiliki nilai prob. (Sig.) lebih besar dari
0.05 (prob. > 0.05) yaitu 0.0924. Ternyata benar adanya... dari
kelima variabel tersebut hanya variabel Beta yang berdistribusi
norma. Namun karena analisis lanjutan atas data tersebut
secara parametrik maka data dipersyaratkan berdistribusi
normal sehingga perlu dilakukan transformasi.
6. Dikarenakan pada data tersebut terdapat nilai
negatif maka tidak cocok jika digunakan log atau ln.
Jika digunakan growth konsekwensinya tidak sesuai
dengan model yang diharapkan. Pada akhirnya saya
putuskan untuk menggunakan peninjauan terhadap
Unit Roots, Cointegration dan Structural Change.
Dari “G.S. Manddala dan In-Moo Kim”.
7.
8. Yang pertama harus dilakukan adalah mencari “Row Number”
kemudian meregresikannyan terhadap variabel untuk
mendapatkan nilai “residual”.
Berikut adalah hasil peninjauan unit roots untuk variabel
“return”.
9. Untuk data ini terlihat ada beberapa sampel yang menunjukan
nilai residual tidak wajar hingga melewati batas kendali atas (ULC
=6.3587 ) dan merupakan nois yang mengganggu sehingga perlu
dilakukan structural change tanpa perlu merubah karakteristik
data sesunggunhnya.
11. Untuk membuktikan bahwa data secara karakteristik tidak
berubah, hal ini bisa dilihat pada persamaan auto regresi yang
terbentuk.
Persamaaan sebelumnya, yaitu Y = 0.0959X – 4.9202;
R2 = 0.5059
dan
persamaan setelahnya, yaitu Y = 0.0959X – 4.9202; dengan R2
= 0.9832.
Terlihat R2 setelah proses lebih tinggi kareana telah dilakukan
peredaman nois data.
Setelah proses seperti ini dilakukan pada seluruh data variabel
hasil pengujian normalitas adalah sebagai beikut.