Metode Statistika II   »   Uji Normalitas   ›  Uji Normalitas

Normalitas

Uji Normalitas

Pada umumnya, terdapat dua cara untuk mengindentifikasi kenormalan data, yakni dengan menyajikan data dalam grafik dan dengan menggunakan uji normalitas.

Sebelum melakukan uji statistik, kita perlu mengetahui distribusi dari data yang dimiliki. Jika tidak, kita berisiko memilih uji statistik yang tidak sesuai. Banyak metode statistik yang dimulai dengan asumsi data mengikuti distribusi normal, termasuk uji 1 dan 2 sampel, dan uji ANOVA.

Jika data tidak mengikuti distribusi normal, kita bisa menggunakan uji nonparametrik atau menggunakan transformasi Box-Cox atau Johnson untuk mengubah data yang tidak normal menjadi berdistribusi normal.

Tetapi perlu diingat bahwa banyak alat statistik yang meskipun didasarkan pada asumsi normalitas tapi sebenarnya tidak memerlukan data berdistribusi normal jika ukuran sampel setidaknya 15 atau 20. Namun, jika ukuran sampel kurang dari 15 dan data tidak terdistribusi secara normal, nilai p (p-value) mungkin tidak akurat dan Anda harus menafsirkan hasilnya dengan hati-hati.

Pada umumnya, terdapat dua cara untuk mengindentifikasi kenormalan data, yakni dengan menyajikan data dalam grafik dan dengan menggunakan uji normalitas.

Pemeriksaan Kenormalan Data dengan Grafik

Sebenarnya terdapat cara mudah untuk mengidentifikasi kenormalan data yakni dengan menyajikan data dalam bentuk kurva seperti diperlihatkan dalam gambar berikut.

Dari gambar di atas terlihat bahwa kurva bagian tengah adalah berdistribusi normal karena mean = median = modus, dan dua kurva lainnya menunjukkan data yang menceng kiri dan menceng kanan.

Beberapa cara pemeriksaan kenormalan data dengan grafik mencakup normal probability plot, Q-Q plot, box-plot, stem-and-leaf plot, dan lainnya.

Uji Normalitas dengan Uji Statistik

Sebagian orang berpendapat bahwa pemeriksaan kenormalan data dengan grafik cukup rumit dan memakan waktu, karena kita harus menyajikannya dalam grafik. Selain itu, interpretasi yang bersifat subjektif juga membuat metode pemeriksaan kenormalan data dengan grafik ini sedikit tidak disukai. Oleh karena itu, perlu kita pelajari pemeriksaan kenormalan data dengan melakukan uji statistik.

Ada banyak uji statistik untuk pemeriksaan kenormalan data. Beberapa di antaranya seperti uji Kolmogorov-Smirnov, uji Liliefors, uji Shapiro-Wilks, uji Jarque-Bera, uji kebaikan suai (goodness-of-fit test).

Beberapa uji normalitas yang disebutkan di atas dapat berlaku dengan baik untuk data kecil, dan ada yang menetapkan jumlah minimal sampel tertentu. Kita akan membahasnya secara lebih rinci masing-masing pengujian tersebut pada artikel lain.

Uji normalitas Kolmogorov-Smirnov

Uji normalitas Lilliefors

Uji normalitas Shapiro-wilks

Uji normalitas dengan Goodness of fit test

Uji normalitas dengan Jarque Bera

Normal Probability Plot