Uji Normalitas Adalah?☑️ Berikut pengertian, rumus, jenis☑️ dan Contoh cara uji normalitas data menggunakan SPSS & Excel☑️
Salah satu metode pengujian sampel dalam ilmu statistika adalah dengan cara Uji Normalitas. Jenis pengujian ini memiliki keunggulan yaitu penyebaran suatu data sampel dapat diketahui dengan baik.
Terdapat 2 metode analisis dalam uji normalitas yaitu Analisis Grafik dan Analisis statistika yang terbagi menjadi 5 metode yaitu, uji Chi Square, Lilliefors, Jarque Bera, Kolmogorov Smirnov, dan Shapiro Wilk.
Dari kelima metode pengujian statistika tersebut, yang paling sering digunakan adalah Shapiro wilk dan Kolmogorov smirnov. Untuk Anda yang hendak melakukan penelitian kuantitatif, menggunakan dua jenis metode tersebut bisa dipertimbangkan. Berikut detail ulasannya.
Pengertian Uji Normalitas
Pengertian uji normalitas adalah metode pengujian statistika yang digunakan untuk menilai sebaran data pada sampel kelompok data (variabel) apakah terdistribusi normal ataukah tidak.
Uji normalitas memiliki fungsi sebagai media uji dalam menentukan apakah model regresi, variabel pengganggu maupun residual terdistribusi normal ataukah tidak.
Dalam ilmu statistika, uji normalitas data adalah teknik yang digunakan untuk menentukan apakah suatu set data berasal dari distribusi normal atau tidak. Sederhananya, uji normalitas adalah proses statistik yang digunakan untuk menguji apakah suatu sampel/ populasi mengikuti distribusi normal atau tidak.
Syarat utama uji normalitas adalah adalah data harus dalam kondisi terdistribusi normal. Data yang terdistribusi normal maksudnya data tersebut memiliki pola persebaran yang simetris dan mengikuti kurva normal.
Distribusi normal sangat penting dalam analisis statistik karena banyak asumsi statistik didasarkan pada distribusi normal. Jika data tidak terdistribusi normal, maka analisis yang didasarkan pada asumsi normalitas mungkin tidak akurat.
Pengujian normalitas data ada banyak macamnya tergantung pendekatan apa yang kita pakai. Jadi tidak hanya satu saja pendekatannya namun dapat disesuaikan dengan kebutuhan metode penelitiannya.
Misalnya untuk data kurang dari dua ratus kita harus menggunakan jenis apa paling efektif ada sendiri. Sehingga kita tidak bisa melakukan generalisasi dan memukul rata mana metode paling tepat.
Oleh karena itu artikel ini ditulis untuk menjelaskan mana saja yang dapat Anda jadikan sebagai opsi. Sehingga pengolahan data nantinya dapat memberikan hasil lebih optimal pada model regresi.
Apakah nantinya memang terjadi sebuah korelasi atau tidak antara satu variabel dengan lainnya. Mari kita belajar bersama di sini sehingga bisa menentukan opsi paling tepat sebagai solusinya.
Menurut konsep ilmu statistika, sebuah variabel data dikatakan terdistribusi normal adalah sampel data yang umumnya memiliki jumlah lebih dari 30 (n>30).
Tetapi jumlah data diatas 30 tersebut perlu dibuktikan kembali apakah memang benar benar sudah terdistribusi normal ataukah belum. Disinilah peran Uji Normalitas Data dibutuhkan untuk kepastian data tersebut.
Pendapat Para Ahli Tentang Definisi Uji Normalitas
Ada beberapa ahli yang mengeluarkan statement berkaitan dengan definisi dari uji normalitas. Berikut ini akan kami cantumkan beberapa sehingga Anda dapat menjadikannya sebagai referensi.
- Ghazali
Merupakan pengujian dalam model regresi apakah sebuah variabel ada ketergantungan dengan lainnya atau tidak. Jika terjadi ketergantungan apakah pendistribusiannya normal atau tidak.
- Dwi prayitno
Hasil pengujian dari sebuah model regresi apakah persebaran error terdistribusi secara normal atau tidak. Jadi kita dapat menentukan korelasi antara satu variabel dengan sebelumnya.
- Sugiono dan susanto
Pengujian yang bertujuan untuk mengetahui apakah populasi sampel tersebut memiliki korelasi atau tidak. Sehingga kita bisa mengetahui persebaran error dalam model regresinya secara normal atau tidak.
- Ajija
Pengujian yang dilakukan untuk menentukan apakah error term mendekati normal atau tidak. Pengujian tersebut berlaku apabila jumlah datanya kurang dari tiga puluh variabel berbeda.
- Danang sunyoto
Menguji data variabel bebas dengan variabel terikat kemudian melihat korelasi antara keduanya. Apakah ada persebaran merata dalam sebuah penelitian atau tidak dari kedua variabelnya.
Apabila kita tarik kesimpulan dari kelima pendapat tersebut maka ini berarti sebuah proses uji untuk melihat seberapa normal persebaran datanya. Jadi peneliti bisa tahu dimana letak error paling absolut yang perlu diperbaiki.
Fungsi dan Tujuan
Setelah mengetahui definisinya akan lebih baik jika kita memahami mengapa penting dilakukan. Berikut ini adalah beberapa fungsi pengujian dalam sebuah penelitian yang dapat dijadikan acuan.
- Mengetahui persebaran data
Meskipun variabel data sudah lebih dari tiga puluh namun belum tentu semua persebarannya secara merata. Oleh karena itu kita wajib melakukan pengujian pada masing-masing variabelnya.
Biasanya banyak peneliti menganggap remeh hanya karena variabel datanya sudah lebih dari tiga puluh. Padahal ketika jumlahnya juga ratusan ketika memang tidak rata persebarannya maka hasilnya juga buruk.
- Validasi asumsi rataan persebaran
Dalam proses penelitian jika jumlah datanya banyak maka peneliti akan menggunakan asumsi rataan persebaran. Untuk membuktikan bahwa semuanya memang rata maka dilakukanlah pengujian.
Adanya rumus dari beberapa pendekatan memungkinkan pengecekan ini dapat dilakukan secara massal. Sehingga kita tidak perlu lagi mengecek satu demi satu karena akan membuang waktu.
- Mengetahui bahwa distribusi data sesuai model parameter
Apabila jumlah pengambilan sampel mencapai ribuan misalnya kita tentu harus melihat apakah semua hasilnya sesuai parameter. Oleh karena itu dilakukanlah pengecekan lebih lanjut.
Ada beberapa pendekatan yang dapat digunakan untuk menyelesaikan permasalahan ini secara lebih sederhana. Jadi nantinya Anda bisa mengerjakan sendiri secara manual. Jadi dari semua fungsi tersebut secara umum adalah untuk melihat seberapa jauh simpangan atau error terjadi.
Kenapa kita harus menggunakan uji normalitas? Menurut Ghozali (2001), disebutkan bahwa Uji T dan Uji F Tabel mengasumsikan bahwa nilai residual harus mengikuti distribusi normal.