Pengertian dan Contoh Uji Normalitas

Posted on

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

uji normalitas
Via : www.simplilearn.com

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.

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.

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.

Ditambah lagi dengan adanya teori menurut Widarjono (2010) yang menyatakan bahwa uji T untuk melihat signifikansi variabel independen terhadap variabel dependen tidak bisa diaplikasikan jika residual tidak mempunyai distribusi normal.

Kedua teori tersebut yang menjadi landasan dasar kenapa kita membutuhkan uji normalitas pada sebaran data variabel.

Kapan uji normalitas perlu dilakukan ? Menurut teori dari Iqbal (2016), dinyatakan bahwa pada beberapa metode uji statistika, penggunaan distribusi normal bagi sebuah data merupakan sebuah kewajiban / keharusan, walaupun bagi beberapa metode lainnya tidak dibutuhkan.

Salah satu yang menjadi keharusan sebuah data residual (bukan variabel) terdistribusi normal adalah dalam regresi linier (dengan OLS) dimana salah satu asumsi klasik (dalam regresi linier) mengharuskan residual model terdistribusi normal.

Dasar Melakukan Pengambilan Keputusan Menggunakan Uji Normalitas :

Uji normalitas adalah uji yang dilakukan  sebagai syarat suatu analisis data boleh dilakukan, terutama jika Anda hendak melakukan pengujian asumsi klasik.

Jadi sebelum proses perhitungan dilakukan, Anda sebagai peneliti harus melakukan uji kenormalan terlebih dahulu pada data penelitian, sehingga distribusi data sesuai dengan acuan rumusnya.

Terdapat dasar pengambilan keputusan dalam metode ini, untuk lebih mudah dalam memahaminya, baca dengan seksama dua point dibawah ini :

  1. Apabila nilai pada signifikasi (disingkat sebagai sig) lebih besar 0,05 dari data yang telah didistribusikan dalam bentuk normal, maka uji kenormalan harus dilakukan.
  2. Hal sebaliknya juga berlaku, apabila nilai signifikasi ditemukan lebih kecil, maka data penelitian tidak didistribusikan secara normal. Nantinya ini mewajibkan Anda untuk melakukan perhitungan uji normalitas spss.

Metode Analisis Uji Normalitas

uji normalitas adalah

Ketika hendak menggunakan uji normalitas pada sampel penelitian, Anda bisa menggunakan dua varian metode pengujian yakni dengan Analisis Grafik dan Analisis statistika.

Untuk analisis statistika sendiri terbagi menjadi lima yakni analisis Chi Square, Lilliefors, Jarque Bera, Kolmogorov Smirnov, dan Shapiro Wilk. Untuk membedakan masing masing metode analisis statistika tersebut, berikut kami ulas cara mendeteksi residual berdistribusi normal ataukah tidak:

  1. Uji Normalitas Kolmogorov Smirnov

Metode Kolmogorov Smirnov Merupakan uji normalitas yang paling banyak dipakai, sebab memberikan perhitungan yang sederhana dan hasil yang cukup akurat. Namun metode yang satu ini memiliki kelemahan, dimana ia memiiki handal dan reliable jika sampel yang digunakan diatas angka 200.

Jadi, uji normalitas data Kolmogorov cocok digunakan untuk penelitian kuantitatisf yang memiliki banyak sampel. Dengan begitu, data dapat terinci dengan baik dan terhitung secara sempurna menggunakan rumus yang dimiliki.

Penggunaan metode Kolmogorov Smirnov ini memiliki 3 syarat sampel data, yaitu :

  • Data sampel flexibel, yakni bisa untuk n besar maupun n kecil.
  • Data berskala interval atau ratio (kuantitatif)
  • Data tunggal/ belum dikelompokkan pada tabel distribusi frekuensi

Cara Melakukan Interpretasi Uji Kolmogorov Smirnov :

Untuk melakukan interpretasi pada metode Kolmogorov, caranya serupa dengan Shapiro Wilk, yakni dengan melihat nilai sig yang terdapat pada diagram atau tabel yang telah selesai dihitung. Apabila nilainya lebih dari 0,200 maka semua variabel telah terdistribusi dengan baik.

Namun, jika nilainya kurang dari 0,200 maka kemungkinan data yang didapatkan tidak terdistribusi dengan baik. Untuk membuat nilainya normal sesuai dengan H0, maka Anda sebaiknya menggunakan jenis yang berbeda.

  1. Uji Normalitas Shapiro Wilk

Berbeda dengan Kolmogorov, uji Shapiro Wilk lebih cocok digunakan untuk penelitian kuantitatif yang memiliki sedikit sampel. Uji Shapiro Wilk merupakan adaptasi dan bentuk pengembangan dari uji Kolmogorov, sehingga ia bisa memberikan perhitungan yang lebih akurat untuk sampel dibawah 200.

Kedua data tersebut dapat dihitung menggunakan aplikasi SPSS menggunakan fitur eksplore. Anda bisa mulai mencoba melakukan perhitungan ketika sudah menentukan pilihan variabel dan sampel yang hendak dihitung.

Penggunaan metode Shapiro Wilk ini memiliki 3 syarat sampel data, yaitu :

  • Sampel data bersifat random
  • Data berskala interval atau ratio (kuantitatif)
  • Data tunggal/belum dikelompokkan pada tabel distribusi frekuensi

Cara Melakukan Interpretasi Uji Shapiro Wilk :

Data yang sudah dihitung menggunakan SPSS berarti tinggal diinterpretasi sesuai dengan kebutuhan peneliti. Anda bisa melihat secara rinci terkait dengan metode yang dipakai, apabila menggunakan cara uji normalitas  dengan spss memakai varian Wilk, perhatikan nilai sig yang didapatkan.

Apabila nilainya lebih dari 0,05 maka setiap variabel terdistribusi dengan baik, sehingga didapatkan data yang lebih kredibel. Ia juga menjadi tanda bahwa data yang didapatkan memiliki distribusi yang normal, sehingga bisa menerima variable H0 yang tersedia.

  1. Uji Normalitas Chi Square

Pengertian dari uji chi square ini sendiri adalah Uji normalitas yang menggunakan pendekatan penjumlahan penyimpangan data observasi tiap kelas dengan nilai yang diharapkan.

Metode Chi- Square sering juga dikenal dengan nama ‘Uji Goodness of fit Distribusi Normal’. Untuk menggunakan metode Chi Square ini, ada 2 syarat yang harus dipenuhi, yaitu :

  • Jumlah sampel data penelitian memiliki angka angka yang besar diatas tiga puluh (n>30)
  • Data sampel tersusun secara berkelompok dalam tabel distribusi frekuensi.

Nah untuk anda yang kebetulan membutuhkan tabel uji Chi Square sebagai refrensi penelitian statistik anda. Silahkan anda download melalui tautan berikut ini : Tabel Chi Square.

  1. Uji Normalitas Lilliefors

Selanjutnya adalah metode Lilliefors. Pengertian metode uji Lilliefors adalah uji normalitas yang berdasar pada data mentah (belum diolah dalam tabel distribusi frekuensi).

Prinsip kerja uji  Lilliefors yaitu dengan mentransformasikan data dalam nilai Z untuk dapat dihitung luasan kurva normal sebagai probabilitas komulatif normal. Untuk melakukan pengujian dengan metode ini, ada syarat yang harus dipenuhi yaitu :

  • Data bersifat tunggal (belum dikelompokkan pada tabel distribusi frekuensi)
  • Sifat data flexibel yakni bisa bernilai kecil dan besar (n>30 atau n<30)
  • Data memiliki skala interval atau ratio (kuantitatif)

Pengujian menggunakan metode Lilliefors ini sangat cocok untuk anda gunakan dalam uji hipotesis pada penelitian kuantitatif dengan sampel data yang tidak terlalu besar.

  1. Uji Normalitas Jarque Bera

Metode yang terahir adalah Uji Jarque Bera. Pengertian Jarque Bera adalah uji normalitas yang digunakan untuk membuktikan apakah skewness dan kurtosis pada sampel data sesuai dengan tabel distribusi normal ataukah tidak.

Metode Jarque Bera merupakan metode uji penelitian jenis goodness of fit test dimana nilai absolut pada parameternya bisa dijadikan dasar pengukuran apakah menyimpang dari distribusi normal ataukah tidak.

Penemu metode Uji Jarque Bera Test adalah dua ilmuwan besar statistika bernama Anil K. Bera dan Carlos Jarque. Metode ini seringkali digunakan dalam pengujian dengan variabel Residual hasil dari Uji Regresi Linear.

  1. Analisis Grafik

Metode pengujian grafik adalah jenis metode uji normalitas yang fokus pada pengujian penyebaran data pada sumber diagonal grafik normal P-P Plot of Regression Standardized Residual.

Menurut Ghozali (2001), dasar pengambilan keputusan pada Analisis Grafik ada dua, yaitu :

  • Jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis diagonal/ grafik histogram, maka data tersebut tidak menunjukkan pola terdistribusi normal sehingga model regresi tidak memenuhi asumsi normalitas.
  • Jika data menyebar disekitar garis diagonal atau grafik histogram, maka data tersebut menunjukkan pola terdistribusi normal sehingga model regresi memenuhi asumsi normalitas.

Sehingga kesimpulannya, data pada uji grafik ini dinyatakan telah terdistribusi normal ketika sebaran titik-titik berada disekitar garis dan mengikuti garis diagonal. Kelebihan dari metode grafik ini adalah cara pengujiannya yang sederhana.

Cara Uji Normalitas dengan SPSS

YouTube player

Sumber : Channel Semesta Psikometrika

Untuk melakukan perhitungan, Anda tentunya harus memilih apakah hendak menggunakan uji normalitas Kolmogorov smirnov atau Shapiro Wilk. Jika sudah menentukan salah satunya, persiapkan aplikasi SPSS, kemudian masukkan data yang hendak dihitung.

Setelah semua data berhasil dimasukkan, Anda bisa mengisi variabel dan memilih beberapa fitur menu yang tersedia, diantaranya analisis, statistic deskriptif dan eksplor data. Berikutnya masukkan variabel ke dalam dependent list, lanjutkan dengan memilih kotak factor list yang tersedia disana. Langkah selanjutnya adalah berikut ini:

  1. Pilih menu Plots, kemudian centang steam and leaf, histogram, serta normality pada plots with test.
  2. Lanjutkan dengan menekan menu OK untuk melakukan perhitungan.
  3. Akan muncul output hasil dari rumus yang sudah Anda masukkan. Dari output tersebut, Anda bisa mengambil data yang telah sesuai dengan proses perhitungan.

Proses perhitungan berhasil dilakukan jika sudah muncul gambar, diagram, maupun tabel dari data variabel yang telah didapatkan. Anda bisa membaca data tersebut, kemudian membandingkannya dengan output yang dihitung dengan perhitungan manual.

Cara Uji Normalitas dengan Excel

Setelah sebelumnya kami paparkan ulasan mengenai cara uji normalitas menggunakan SPSS, berikut kami lengkapi informasinya dengan menghadirkan tutorial bagaimana cara menghitung uji normalitas menggunakan excel. Langsung saja simak videonya berikut ini.

YouTube player

Sumber : Channel Roni Setiawan

Langkah Pengujian :

  1. Langkah pertama inputkan data Xi pada kolom yang tersedia.
  2. Selanjutnya inputkan juga nilai Fkum (rank dari Xi)
  3. Mencari nilai Fs (Xi) dengan rumus Fs(Xi)=Fkum/n. n Disini merupakan jumlah banyaknya data.
  4. Cari nilai Xbar (rata rata) dan simpangan baku (S)
  5. Selanjutnya kita cari nilai Fs(Xi) dengan rumus (Xi-Xbar)/S
  6. Lanjutkan dengan mencari Ft(Xi) dengan rumus excel =NORMSDIST(Dsesuai kolom)
  7. Hitung nilai Fs(Xi)-FT(Xi)
  8. Selanjutnya kita mutlakan nilai Fs(Xi)-Ft(Xi) dengan rumus excel =ABS{number}
  9. Langkah terahir kita tinggal mencari nilai ,akz yang berada pada kolom |Fs(Xi)-Ft(Xi)|

Itulah penjelasan dari wiki elektronika mengenai uji normalitas spss yang sering digunakan dengan tujuan memperoleh data sampel penelitian yang valid dan kredibel.

Semoga informasi mengenai uji normalitas tersebut dapat membantu Anda sebagai peneliti yang sedang melakukan penelitian kuantitatif atau penelitian yang menggunakan uji data tersebut, sehingga data dan hasil penelitian yang digunakan bisa dipertanggung jawabkan kebenarannya.

5/5 - (1 vote)
Keyword :

contoh data normalitas

Related posts:
Gravatar Image
Mahasiswa telat lulus yang lagi hobi mempelajari Ilmu Elektronika!

Leave a Reply

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