Anda di halaman 1dari 3

Uji normalitas merupakan bagian dari ilmu statistika yang digunakan untuk menguji

apakah data yang didapatkan memiliki distribusi normal atau tidak sehingga dapat dipakai dalam
statistik parametrik. Dengan kata lain, uji normalitas adalah uji untuk mengetahui apakah data
empirik yang didapatkan dari lapangan itu sesuai dengan distribusi teoritik tertentu. Dalam kasus
ini, distribusi normal. Dengan kata lain, apakah data yang diperoleh berasal dari populasi yang
berdistribusi normal atau tidak . Ada beberapa metode yang bisa digunakan untuk menguji apakah
data berdistribusi normal atau tidak.
Metode itu antara lain
1. statistik Jarque-Bera
adalah metode untuk mengukur perbedaan skewness (kemiringan) dan kurtosis data.
Statistik Jarque Bera mengikuti distribusi chi-kuadrat dengan derajat kebebasan dua.
2. metode Bootstrap adalah metode berbasis resampling data sampel dengan syarat
pengembalian pada datanya dalam menyelesaikan statistik ukuran. Metode bootstrap
mengukur nilai-p kemudian dengan melihat besarnya nilai signifikasi atau probabilitas
(p-value) yaitu apabila nilai-p lebih besar 0,05 maka data berdistribusi normal jika
sebaliknya maka data tidak berdistribusi normal
1. Kemencengan (skewness)
Skewness atau derajat ketidaksimetrisan suatu distribusi ini merupakan statistik yang
digunakan dalam memberikan gambaran distribusi data apakah miring ke kiri, ke kanan atau
simetris. Sebuah distribusi yang tidak simetris akan memiliki rata-rata, median, dan modus
yang tidak sama besarnya sehingga distribusi akan terkonsentrasi pada salah satu sisi dan
kurvanya akan menceng. Jika distribusi memiliki ekor yang lebih panjang ke kanan daripada
yang ke kiri maka distribusi disebut menceng ke kanan atau memiliki kemencengan positif.
Sebaliknya, jika distribusi memiliki ekor yang lebih panjang ke kiri daripada yang ke kanan
maka distribusi disebut menceng ke kiri atau memiliki kemencengan negatif.
Untuk mengetahui bahwa konsentrasi distribusi menceng ke kanan atau menceng ke kiri, dapat
digunakan metode-metode berikut:
1. Koefisien Kemiringan Pearson
Koefisien kemiringan Pearson merupakan nilai selisih rata-rata dengan modus dibagi
simpangan baku.
2. Koefisien Kemiringan Bowley
Bowley juga telah mengembangkan rumus yang cukup sederhana untuk menghitung
derajat kemiringan distribusi data, dengan menggunakan nilai kuartil bawah, kuartil
tengah, dan kuartil atas.
Skewness dari suatu variable random X yang dinotasikan dengan Skew[X]
didefinisikan sebagai rumus
Distribusi yang simetris misalnya distribusi normal, distribusi t dan distribusi seragam.
Distribusi yang mempunyai skewness positif misalnya distribusi eksponensial, distribusi chi
kuadrat, distribusi Poisson dan distribusi Binomial dengan p > 0.5 sedangkan distribusi yang
mempunyai skewness negatif misalnya distribusi Binomial dengan p < 0.5 (lihat Tabel 1). Jika
dimiliki sampel X1, X2, …, Xn yang diambil dari suatu populasi maka skewness distribusi
populasinya dapat diestimasi dengan skewness sampel yaitu rumus

Keruncingan (Kurtosis)

Kurtosis atau data ketinggian/keruncingan suatu distribusi ini merupakan statistik yang
digunakan dalam memberikan gambaran apakah distribusi data cenderung rata atau runcing.
Dengan kata lain, keruncingan atau kurtosis adalah tingkat kepuncakan dari sebuah distribusi yang
biasanya diambil secara relatif terhadap suatu distribusi normal. Berdasarkan keruncingan, kurva
distribusi dapat dibedakan atas tiga macam, yaitu sebagai berikut:

- Leptokurtik. Leptokurtik merupakan distribusi yang memiliki puncak relatif tinggi.


- Platikurtik. Platikurtik merupakan distribusi yang memiliki puncak hamper mendatar
- Mesokurtik. Mesokurtik merupakan distribusi yang memiliki puncak tidak tinggi dan tidak
mendatar.
- Bila distrilbusinya merupakan distribusi simetris maka distribusi mesokurtik dianggap sebagai
distribusi normal.

Kurtosis dari suatu variable random X didefinisikan sebagai rumus

Distribusi yang mempunyai kurtosis lebih kecil dari 3 maka kurang rata (flat) dibandingkan
dengan distribusi normal. Dengan kata lain, distribusi yang mempunyai distribusi yang
mempunyai kurtosis lebih dari 3 misalnya distribusi eksponensial, chi-kuadrat, distribusi t,
distribusi Binomial dan distribusi Poisson, sedangkan yang mempunyai kurang dari 3 misalnya
distribusi seragam (lihat Tabel 1). Kurtosis dari sampel X1, X2, …, Xn yang didefinisikan
sebagai rumus