3.2.4.1.

1 Pengujian Kurtosis dan Skewness

Pengujian normalitas yang pertama adalah menggunakan pengujian kurtosis dan
skewness. Pengujian kurtosis dan skewness dilakukan dengan menggunakan aplikasi Minitab.
Nilai skewness dan kurtosis untuk setiap dimensi terdapat pada tabel di bawah ini, dan untuk
uji normalitas dalam bentuk visual dapat dilihat pada lampiran.

Variabel Skewness Kurtosis

P -0.63 0.87

F -0.10 -0.31

R -0.43 -0.53

C -0.61 0.18

D -0.68 0.03

S -0.31 -0.28

A -0.35 -0.32

PQ -0.39 0.27

Asumsi normalitas diterima jika nilai kurtosis dan skewness mencapai ±1.96. Dari
nilai tersebut dapat dilihat bahwa seluruh dimensi yang memiliki nilai skewness dan kurtosis
sebesar ±1.96. Dari hal tersebut dapat dikatakan bahwa seluruh dimensi memenuhi asumsi
normalitas.
4.2.4.1 Pengujian Normalitas
Dalam melakukan pengujian normalitas dari data yang diperoleh, digunakan
pengukuran tiap dimensi. Pengukuran normalitas tiap indikator tidak digunakan karena
pengukuran indikator digunakan dengan skala likert. Pengukuran dengan skala likert hanya
menggunakan 5 skala saja, sehingga sulit untuk melihat normalitas dari tiap indikator. Selain
itu dengan melakukan analisis normalitas tiap dimensi, dapat diketahui apakah data hasil
pengukuran setiap dimensi berdistribusi normal.
Dari hasil uji normalitas, peneliti menemukan bahwa melalui metode statstika dasar
skewness dan kurtosis, setiap dimensi terdistribusi secara normal namun dengan melalui
metode uji statistik Kolmogorov-Smirnov didapatkan bahwa setiap dimensi tidak terdistribusi
secara normal. Hasil ini terjadi karena penggunaan skala Likert dalam menentukan preferensi
konsumen dalam tiap indikator. Dalam penelitian ini, skala Likert yang merupakan skala

0
 Laporan Praktikum Manajemen Rekayasa 2 Modul 3 - Pengolahan dan Analisis Data Awal

ordinal diasumsikan menjadi skala interval. Hal tersebut menyebabkan terdapat perbedaan
yang signifikan dalam melakukan pengujian normalitas karena pengasumsian skala yang
bersifat kontinu namun sebenarnya tidak. Selain itu perbedaan kesimpulan dari kedua metode
diatas terjadi akibat hal lain juga yaitu algoritma pada masing-masing metode. Algoritma
pada uji Kolgomorov-Smirnov adalah menggunakan perbandingan/pencocokan antara setiap
masing-masing nilai data dengan plot distribusi normal sehingga relevansi data terbatas pada
data yang bersifat kontinu (karena distribusi normal merupakan distribusi kontinu) sedangkan
data yang telah diperoleh oleh peneliti bersifat diskrit sehingga kesimpulan dari uji
Kolmogorov-Smirnov menjadi tidak relevan. Ketidakrelevanan ini dapat dilihat secara
kualitatif (visual) dengan membandingkan grafik plot data dengan grafik plot distribusi
normal pada hasil uji Kolmogorov-Smirnov yang memiliki bentuk grafik unik yaitu bentuk
plot data yang vertikal pada setiap nilai di sumbu X. Sementara itu, algoritma dari metode
skewness dan kurtosis menggunakan framework perhitungan kumulatif dari perhitungan
antara nilai data dengan rata-rata dan variansinya sehingga penggunaannya masih relevan
untuk data yang bersifat diskrit maupun kontinu. Pada penelitian kali ini, peneliti
menyimpulkan bahwa metode yang kesimpulannya relevan dengan karakteristik data yang
dimiliki adalah metode skewness dan kurtosis yang menunjukkan bahwa data dimensi yang
dimiliki terdistribusi normal.