Uji Normalitas dan Uji Linearitas

1. Uji Normalitas
Uji normalitas merupakan uji untuk melihat apakah sebuah kelompok data
berdistribusi normal atau tidak. Banyak kelompok data yang hanya diasumsikan saja
bahwa kelompok data tersebut berdistrbusi normal dan belum tentu berdistribusi
normal, oleh karena itu dibutuhkan suatu pengujian normalitas untuk mengetahui data
data benar-benar berdistribusi normal. Model regresi yang baik memiliki nilai residual
yang berdistribusi normal. Maka, uji normalitas bukan dilakukan pada masing-masing
variabel tetapi pada nilai residualnya. Pada umumnya, sering terjadi kesalahan yang
jamak yaitu bahwa uji normalitas dilakukan pada masing-masing variabel. Hal ini
tidak dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya
bukan pada masing-masing variabel penelitian. Pengertian normal secara sederhana
dapat dianalogikan dengan sebuah kelas. Dalam kelas siswa yang bodoh sekali dan
pandai sekali jumlahnya hanya sedikit dan sebagian besar berada pada kategori
sedang atau rata-rata. Jika kelas tersebut bodoh semua maka tidak normal, atau
sekolah luar biasa. Dan sebaliknya jika suatu kelas banyak yang pandai maka kelas
tersebut tidak normal atau merupakan kelas unggulan. Pengamatan data yang normal
akan memberikan nilai ekstrim rendah dan ekstrim tinggi yang sedikit dan
kebanyakan mengumpul di tengah. Demikian juga nilai ratarata, modus dan median
relative dekat.
Berdasarkan pengalaman empiris beberapa pakar statistik, data yang
banyaknya lebih dari 30 angka (n > 30), maka sudah dapat diasumsikan berdistribusi
normal. Biasa dikatakan sebagai sampel besar. Namun untuk memberikan kepastian,
data yang dimiliki berdistribusi normal atau tidak, sebaiknya digunakan uji
normalitas. Karena belum tentu data yang lebih dari 30 bisa dipastikan berdistribusi
normal, demikian sebaliknya data yang banyaknya kurang dari 30 belum tentu tidak
berdistribusi normal.
Uji normalitas dapat dilakukan dengan uji Chi-Square, Lilliefors, dan uji
Kolomogorov Smirnov. Tidak ada metode yang paling baik atau paling tepat. Uji
normalitas yang paling sederhana adalah dengan membuat grafik distribusi frekuensi
atas skor yang ada. Mengingat kesederhanaan tersebut, maka pengujian kenormalan
data sangat tergantung pada kemampuan mata dalam mencermati plotting data.
Pengujian dengan metode grafik sering menimbulkan perbedaan persepsi diantara
beberapa pengamat, sehingga penggunaan uji normalitas dengan uji statistik bebas
dari keragu-raguan, meskipun tidak ada jaminan bahwa pengujian dengan uji statistik
lebih baik dari pada pengujian dengan metode grafik. Berikut ini adalah beberapa
macam metode uji normalitas :
1. Metode Uji grafik
Metode uji grafik adalah dengan memperhatikan penyebaran data pada sumber
diagonal pada grafik normal P-P Plot of Regression Standardized Residual.
Data dinyatakan berdistribusi normal apabila sebaran titik-titik berada disekitar
garis dan mengikuti garis diagonal maka nilai tersebut normal
2. Metode Chi-Square (Uji Goodness of fit Distribusi Normal)
Metode Chi-Square atau 𝑋2 untuk Uji Goodness of fit Distribusi Normal
menggunakan pendekatan penjumlahan penyimpangan data observasi tiap kelas
dengan nilai yang diharapkan. Persyaratan Metode Chi Square (Uji Goodness of
fit Distribusi Normal) adalah Data harus tersusun berkelompok atau
dikelompokkan dalam tabel distribusi frekuensi. Metode Chi-Square Cocok untuk
data dengan banyaknya angka besar (n>30). Dalam melakukan uji, kecocokan
akan dibandingkan antara frekuensi hasil yang sebenarnya diamati dengan
frekuensi yang diharapkan berdasarkan model yang diandaikan. Nilai-nilai
parameter populasi yang diasumsikan dipakai untuk menghitung frekuensi
diharapkan atau frekuensi teoritik, ditaksir berdasarkan nilai-nilai statistik sampel
yang tak bias.
Langkah-langkah uji normalitas dengan menggunakan chi kuadrat:
a. Merumuskan Hipotesis
Ho : Data berdistribusi normal
Ha : Data tidak berdistribusi normal
b. Menentukan nilai uji statistik

c. Menentukan tarif nyata

 d. Menentukan kriteria pengujian

3. Metode Lilliefors
Metode Lilliefors menggunakan data dasar yang belum diolah dalam tabel
distribusi frekuensi. Data ditransformasikan dalam nilai Z untuk dapat dihitung
luasan kurva normal sebagai probabilitas komulatif normal. Dalam metode
Lilliefors Data harus berskala interval atau ratio (kuantitatif), Data tunggal harus
dikelompokkan pada tabel distribusi frekuensi. Metode Lilliefors dapat untuk n
besar maupun kecil. Metode Lilliefors menggunakan data dasar yang belum diolah
dalam tabel distribusi frekuensi. Data ditransformasikan dalam nilai Z untuk dapat
dihitung luasan kurva normal sebagai probabilitas kumulatif normal. Probabilitas
tersebut dicari bedanya menggunakan probabilitas kumulatif empiris.
Adapun langkah langkah pengujian normalitas menggunakan metode Lilliefors
adalah :
1. Mengurutkan data sampel dari yang terkecil sampai yang terbesar.
2. Menentukan nilai z (transformasi angka ke notasi pada distribusi normal) dari
tiap-tiap data
3. Menentukan besar peluang untuk masing-masing nilai z berdasarkan tabel z
4. Menghitung frekuensi kumulatif relatif kurang dari masing-masing nilai z.
5. Menentukan nilai probabilitas komulatif empiris
6. Menghitung selisih nilai probabilitas komulatif empiris dengan nilai
probabilitas komulatif normal, kemudian bandingkan dengan nilai dari tabel
Liliefors. Jika selisih nilai probabilitas komulatif empiris dengan nilai
probabilitas komulatif normal terbesar kurang dari nilai tabel Lilliefors, maka
Ho diterima, Ha ditolak. Jika selisih nilai probabilitas komulatif empiris
dengan nilai probabilitas komulatif normal terbesar lebih besar dari nilai tabel.
Lilliefors, maka Ho ditolak, Ha diterima.
4. Metode Kolmogorov-Smirnov
Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lilliefors.
Langkah-langkah Penyelesaian dan penggunaan rumus sama,namun pada
signifikansi yang berbeda. Signifikansi Metode Kolmogorov-Smirnov
 menggunakan tabel pembanding Kolmogorov-Smirnov, sedangkan Metode
Lilliefors menggunakan tabel pembanding metode Lilliefors. Tes satu sampel
Kolmogorov Smirnov mencakup perhitungan distribusi frekuensi komulatif yang
akan terjadi di bawah distribusi teoritisnya, serta membandingkan distribusi
frekuensi itu dengan distribusi frekuensi komulatif hasil observasi Dalam metode
Kolmogorov-Smirnov Data harus berskala interval atau ratio (kuantitatif).
Data tunggal harus dikelompokkan pada tabel distribusi frekuensi. Metode
Kolmogorov-Smirnov juga dapat digunakan untuk n besar maupun n kecil.
Langkah-langkah pengujian normalitas menggunakan metode Kolmogorov-
Smirnov adalah sebagai berikut.
a. Mengurutkan data sampel dari yang kecil sampai yang terbesar.
b. Menentukan nilai z (transformasi angka ke notasi pada distribusi normal) dari
tiap-tiap data tersebut
c. Menentukan besar peluang untuk masing-masing nilai z berdasarkan tabel z
d. Menghitung frekuensi kumulatif relatif kurang dari masing-masing nilai z
e. Menentukan nilai probabilitas komulatif empiris
f. Menghitung selisih nilai probabilitas komulatif empiris dengan nilai
probabilitas komulatif normal, kemudian bandingkan dengan nilai dari tabel
Kolmogorov-Smirnov. Jika selisih nilai probabilitas komulatif empiris dengan
nilai probabilitas komulatif normal lebih kecil dari nilai tabel Kolmogorov-
Smirnov, maka sampel berasal dari populasi yang berdistribusi normal.
Sebaliknya Jika selisih nilai probabilitas komulatif empiris dengan nilai
probabilitas komulatif normal lebih besar dari nilai tabel Kolmogorov-
Smirnov, maka sampel berasal dari populasi yang tidak berdistribusi normal

2. Uji Linearitas
Uji linearitas di gunakan untuk memilih model regresi yang akan digunakan.
Uji linearitas dimaksudkan untuk mengetahui ada tidaknya hubungan secara linear
antara variabel dependen terhadap setiap variabel independen yang hendak diuji. Jika
suatu model tidak memenuhi syarat linearitas maka model regresi linear tidak bisa
digunakan. Untuk menguji linearitas suatu model dapat digunakan uji linearitas
dengan melakukan regresi terhadap model yang ingin diuji. Aturan untuk keputusan
linearitas dapat dengan membandingkan nilai signifikansi dari deviation from
 linearity yang dihasilkan dari uji linearitas dengan nilai alpha yang digunakan. Jika
nilai signifikansi dari Deviation from Linearity > alpha (0,05) maka nilai tersebut
linear
Uji linieritas adalah suatu prosedur yang digunakan untuk mengetahui status
linier tidaknya suatu distribusi data penelitian. Uji linieritas dilakukan untuk
membuktikan bahwa masing-masing variabel bebas mempunyai hubungan yang linier
dengan variabel terikat. Hasil yang diperoleh melalui uji linieritas akan menentukan
teknik-teknik analisis data yang dipilih, dapat digunakan atau tidak. Apabila dari hasil
uji linieritas didapatkan kesimpulan bahwa distribusi data penelitian dikategorikan
linier maka data penelitian dapat digunakan dengan metode-metode yang ditentukan.
Demikian juga sebaliknya apabila ternyata tidak linier maka distribusi data harus
dianalisis dengan metode lain.
Langkah yang harus dilakukan untuk melakukan uji linieritas adalah membuat
pengelompokan skor prediktor yang nilainya sama menjadi satu kelompok data
dengan tetap memperhatikan pasangan data pada masing-masing kriteria.
1. Menentukan harga koefisien a dan b
2. Menentukan persamaan regresi sederhana
3. Menghitung jumlah kuadrat total, jumlah kuadrat regresi a, jumlah kuadrat regresi
b, jumlah kuadrat sisa, jumlah kuadrat galat, dan jumlah kuadrat tuna cocok.
4. Menghitung variansi regresi, variansi residu, variansi tuna cocok, variansi
kekeliruan.
5. Menguji kelinearan persamaan regresi dengan uji F
6. Mengambil kesimpulan

Sumber: Nugroho, Sigit. 2008. Dasar-Dasar Metode Statistika. Jakarta :Grasindo

Irianto, Agus 2004, Statistik Konsep Dasar Dan Aplikasinya, Jakarta: Kencana
Prenada Media Group
Sudjana. 2010. Metode Statistika. Bandung: Tarsito.
Sugiyono. 2010. Statistika untuk Penelitian. Bandung: Alfabeta