Konsep Statistik: Normalitas Data

19 Jan 2024 Umum 1,038
SHARE

Uji normalitas merupakan salah satu syarat untuk uji statistik parametrik. Uji normalitas adalah suatu metode statistik yang digunakan untuk menguji apakah suatu sampel data atau distribusi data mengikuti distribusi normal atau tidak. Distribusi normal (atau disebut juga distribusi Gauss atau distribusi normal Gaussian) memiliki bentuk lonceng dan seringkali digunakan dalam analisis statistik karena banyak metode statistik yang didasarkan pada asumsi distribusi normal.

Ada beberapa metode yang umum digunakan untuk menguji normalitas data, di antaranya:

Shapiro-Wilk Test
Uji ini memeriksa apakah sampel data berasal dari distribusi normal. Nilai p-value dari uji ini digunakan untuk menentukan apakah data tersebut berasal dari distribusi normal atau tidak. Jika nilai p-value lebih kecil dari tingkat signifikansi yang ditentukan (misalnya, 0,05), maka kita dapat menolak hipotesis nol bahwa data berasal dari distribusi normal.

Kolmogorov-Smirnov Test
Uji ini juga digunakan untuk menguji normalitas data dengan membandingkan distribusi kumulatif empiris dari sampel data dengan distribusi kumulatif dari distribusi normal. Seperti Shapiro-Wilk, hasil uji ini diinterpretasikan berdasarkan nilai p-value.

Anderson-Darling Test
Uji ini serupa dengan Shapiro-Wilk, tetapi memberikan bobot lebih pada ekor distribusi. Anderson-Darling dapat memberikan kepekaan lebih besar terhadap perbedaan pada ekor distribusi.

Lilliefors Test
Versi modifikasi dari Kolmogorov-Smirnov yang lebih sesuai untuk sampel data yang kecil.

Jarque-Bera Test
Uji ini melibatkan skewness dan kurtosis dari data untuk menguji apakah data memiliki distribusi normal. Jarque-Bera sering digunakan dalam pengujian normalitas untuk data yang besar.

Penting untuk diingat bahwa hasil dari uji normalitas harus diinterpretasikan dengan hati-hati, terutama jika ukuran sampel kecil. Selain itu, normalitas bukanlah syarat mutlak untuk semua analisis statistik. Beberapa metode statistik, seperti uji-t, cukup toleran terhadap pelanggaran asumsi normalitas, terutama dengan sampel yang cukup besar. Namun, untuk beberapa analisis, seperti analisis varians (ANOVA) atau uji regresi, asumsi normalitas dapat mempengaruhi hasil analisis.

Cara Uji normalitas dengan menggunakan SPSS

Berikut adalah cara analisis normalitas dengan menggunakan aplikasi SPSS. Jenis uji normalitas yang akan diuraikan adalah Shapiro-Wilk Test dan Kolmogorov-Smirnov Test

A. Shapiro-Wilk Test

Uji normalitas Shapiro-Wilk adalah salah satu uji statistik yang digunakan untuk menguji apakah data yang dimiliki mengikuti distribusi normal atau tidak. Uji ini dilakukan pada jumlah sampe yang relatif kecil. Biasanya patokan yang lazim digunakan adalah pada jumlah sampel yang kurang dari 50. Menggunakan program SPSS, Anda dapat melakukan uji normalitas Shapiro-Wilk dengan langkah-langkah berikut:

  • Mengimpor Data ke SPSS:
  1.   Buka program SPSS.
  2.   Impor atau input data Anda ke dalam spreadsheet SPSS.
  • Menjalankan Uji Normalitas:
    1. Pilih menu "Analyze" di bagian atas layar.
    2. Pilih submenu "Descriptive Statistics".
    3. Pilih opsi "Explore".
  • Menentukan Variabel:
  1. Pindah variabel yang ingin Anda uji ke bagian "Dependent List".
  • Mengatur Opsi Statistik:
  1. Klik tombol "Statistics".
  2. Pilih opsi "Shapiro-Wilk" di bagian "Normality Tests".
  • Menjalankan Analisis:
  1. Klik tombol "OK" untuk menjalankan analisis.
  • Interpretasi Hasil:
  1. Hasil uji normalitas akan ditampilkan dalam output SPSS di jendela baru.
  2. Fokus pada nilai p-value yang dihasilkan oleh uji Shapiro-Wilk. Nilai p-value yang lebih besar dari tingkat signifikansi yang telah ditetapkan (misalnya, 0.05) menunjukkan bahwa data tidak signifikan berbeda dari distribusi normal. dengan demikian, interpretasi pada uji shapiro-wilk adalah:

Jika p-value > 0.05, maka Anda tidak memiliki cukup bukti untuk menolak hipotesis nol, yang berarti data Anda dianggap berasal dari distribusi normal.
Jika p-value ≤ 0.05, maka Anda dapat menolak hipotesis nol dan menyimpulkan bahwa data tidak mengikuti distribusi normal.

B. Kolmogorov-Smirnov Test

Uji normalitas Kolmogorov-Smirnov adalah salah satu metode untuk menguji apakah suatu sampel berasal dari distribusi normal. Uji ini digunakan pada jumlah sampel yang besar (lebih dari 50 sampel). Dalam SPSS, Anda dapat menggunakan langkah-langkah berikut untuk melakukan uji normalitas Kolmogorov-Smirnov:

  • Mengimpor Data ke SPSS:
  1. Buka program SPSS.
  2. Impor atau input data Anda ke dalam spreadsheet SPSS.
  • Menjalankan Uji Normalitas Kolmogorov-Smirnov:
  1. Pilih menu "Analyze" di bagian atas layar.
  2. Pilih submenu "Nonparametric Tests".
  3. Pilih opsi "Legacy Dialogs".
  4. Pilih "One-Sample K-S".
  • Menentukan Variabel:

Pindahkan variabel yang ingin Anda uji ke bagian "Test Variable List".

  • Mengatur Opsi:
  1. Klik tombol "Options".
  2. Pilih opsi "Plot" jika Anda ingin melihat plot distribusi empiris dan distribusi teoritis.
  • Menjalankan Analisis:

Klik tombol "OK" untuk menjalankan analisis.

  • Interpretasi Hasil:

Hasil uji normalitas Kolmogorov-Smirnov akan ditampilkan dalam output SPSS di jendela baru.
Perhatikan nilai p-value yang dihasilkan. Jika p-value lebih besar dari tingkat signifikansi yang ditetapkan (misalnya, 0.05), maka Anda tidak memiliki cukup bukti untuk menolak hipotesis nol, yang menyatakan bahwa data berasal dari distribusi normal. Interpretasi hasil sama dengan  Shapiro-Wilk Test.