Artikel

Uji Normalitas

Penelitian merupakan kegiatan yang sangat erat di dunia akademisi. Salah satu hal yang menunjang keakuratan penelitian kita, terutama di penelitian kuantitatif adalah uji normalitas. Apa itu uji normalitas? Berdasarkan referensi yang ditemukan, uji normalitas pengujian data untuk melihat apakah nilai residual terdistribusi normal atau tidak. Data yang berdistribusi normal akan memperkecil kemungkinan terjadinya bias. (Imam Ghazali, 2011 dalam Apriyono 2013). Jadi uji normalitas sejatinya yakni penelitian kita lakukan perbandingan antara data penelitian yang kita miliki dengan data yang merupaka  telah berdistribusi  normal yang memiliki mean dan standar deviasi yang sama dengan data penelitian yang telah kita peroleh

Seberapa penting data itu harus berdistribusi normal.? Karena data yang berdistribusi normal tersebut memiliki sebaran pola yang normal/terarah dan merupakan syarat untuk melakukan parametric-test dan ketika data kita dinyatakan belum terdistribusi normal, maka parametric-test tidak dapat kita lakukan, alhasil kita hanya dapat melakukan olah data dengan nonparametric-test. Dengan jumlah data sebanyak 30 (n>30) biasanya telah disepakati dan digunakan oleh banyak data sebagai minimal jumlah data yang akan diperoleh dan sudah dapat di mungkinkan data kita berasumsi normal. Namun untuk memastikannya secara nyata, perlu dilakukan uji normalitas.

Bagaimana cara melakukan uji normalitas.? Berikut dipaparkan beberapa cara untuk menguji normalitas sebuah penelitian.

  1. Berdasarkan Kemiringan / Kemencengan / Skewnes dan Kurtosis

Suatu data bila disajikan dalam bentuk kurva halus dapat berbentukkurva yang miring ke kanan, miring ke kiri atau simetris. Miring kekanan bila kurva mempunyai ekor (asymtut / menyinggung sumbu X) yang memanjang ke sebelah kanan, demikian miring ke kirisebaliknya, sedangkan bila simetris berarti kondisi ke kanan dan kiri seimbang, biasanya nilai mean, median dan modus berdekatanbahkan kadang sama. Kondisi kurva yang simetris tersebut seringdisebut membentuk kurva distribusi normal.

  1. Metode Chi Square (Uji Goodness of fit Distribusi Normal)

Metode Chi-Square atau X2 untuk Uji Goodness of fit Distribusi Normal, menggunakan pendekatan penjumlahan penyimpangandata observasi tiap kelas dengan nilai yang diharapkan.

Rumus Hasil gambar untuk Metode Chi Square

Keterangan :

X2 = Nilai X2

Oi = Nilai observasi

Ei = Nilai expected / harapan, luasan interval kelas

berdasarkan tabel normal dikalikan N (total frekuensi)

» pi x N

N = Banyaknya angka pada data (total frekuensi) Komponen

Persyaratan :

a. Data tersusun berkelompok atau dikelompokkan dalam tabel distribusi frekuensi.

b.Cocok untuk data dengan banyaknya angka besar ( n > 30 )

c.Setiap sel harus terisi, yang kurang dari 5 digabungkan.

3. Metode Lilliefors (n kecil dan n besar)

Metode Lilliefors menggunakan data dasar yang belum diolah dalam tabel distribusi frekuensi. Data ditransformasikan dalam nilai Z untuk dapat dihitung luasan kurva normal sebagai probabilitas komulatif normal.

Persyaratan

  1. Data berskala interval atau ratio (kuantitatif)
  2. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
  3. Dapat untuk n besar maupun n kecil.

4. Metode Kolmogorov-Smirnov

Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lilliefors. Signifikansi metode Kolmogorov-Smirnov menggunakan tabel pembanding Kolmogorov-Smirnov, sedangkan metode Lilliefors menggunakan tabel pembanding metode Lilliefors.

Persyaratan :

  1. Data berskala interval atau ratio (kuantitatif)
  2. Data tunggal / belum dikelompokkan pada tabel distribusi ;frekuensi
  3. Dapat untuk n besar maupun n kecil.

5. Metode Shapiro Wilk

Metode Shapiro Wilk menggunakan data dasar yang belum diolah dalam tabel distribusi frekuensi. Data diurut, kemudian dibagi dalam dua kelompok untuk dikonversi dalam Shapiro Wilk. Dapat juga dilanjutkan transformasi dalam nilai Z untuk dapat dihitung luasan kurva normal.

Persyaratan :

  1. Data berskala interval atau ratio (kuantitatif)
  2. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
  3. Data dari sampel random

6. Menggunakan Software Statistical Package for the Social Sciences (SPSS)

Penggunaan komputer untuk analisis statistik bukan barang baru,termasuk untuk analisis normalitas data. Banyak software komputeryang dapat dipergunakan untuk analisis normalitas data,diantaranya software SPSS. Software SPSS merupakan softwarekomputer yang banyak digunakan orang saat ini untuk keperluananalisis data statistik. Software SPSS sangat membantu dalam analisis statistik termasuk analisis normalitas data. Dalam waktu sekejap software SPSS dapat menghasilkan output yang dapat dibaca hasilnya. Penggunaan software SPSS untuk analisis normalitas suatu data cukup sederhana, pertama lakukan entry data yang akan diuji normalitasnya pada software SPSS (Cahyono, 2015)

Referensi :

Apriyono, Ari dan Taman, Abdullah. 2013.  Analisis Overreaction Pada Saham Perusahaan Manufaktur Di Bursa Efek Indonesia (Bei) Periode 2005-2009. Jurnal Nomina Vol. II No.II. Fakultas Ekonomi. UNY. Yogyakarta.

Cahyono, Tri. 2015. Statistik Uji Normalitas. Yayasan Sanitarian Banyumas (Yasamas). ISBN 978–602–72170 –1– 0. Purwokerto.

Related Articles

Leave a Reply

Your email address will not be published. Required fields are marked *

Check Also

Close
Close