UJI NORMALITAS

SRI NEVI GANTINI

Normalitas merupakan suatu
distribusi yang menunjukkan sebaran
data yang seimbang sebagian besar
data berada pada nilai di tengah.
Normalitas merupakan syarat
keharusan pada analisis
Parametrik dan analisis regresi.
Uji normalitas bertujuan untuk menguji
apakah dalam model regresi, variabel
pengganggu atau residual memiliki
distribusi normal. 
Jika asumsi ini dilanggar, maka uji
statistik menjadi tidak valid atau bias
terutama untuk sampel kecil.
Uji normalitas dapat dilakukan melalui
dua pendekatan yaitu  secara deskriptif
dan inferensia.
Untuk mendeteksi normalitas dapat digunakan
beberapa cara sebagai berikut:

1. Secara Deskriptif
Menghitung koefisien varians
Menghitung rasio skewness
Menghitung rasio kurtosis
Melihat Histogram
Melihat normal Q-Q plot
Melihat Detrended normal Q-Q plot
Melihat Box-plot
2. Menilai sebaran data secara analitik: Uji
kolmogorov-Smirnov atau Shapiro-Wilk
Langkah-Langkah uji normalitas:

1. Dari baris menu pilih Analyze, kemudian

pilih Decriptive statistic, Explore. 
2. Masukan Variabel tradisional  ke dalam
dependent list.
3. Pilh kotak plots, kemudian pilih Factor
levels together pada boxplot(untuk
menampilkan boxplot), pilih Histogram pada
Descriptive (untuk menampilkan histogram)
dan Normality Plots with test (untuk
menampilkan plot dan uji normalitas). Akan
terlihat tampilan sebagai berikut:
Proses telah slesai, Klik continue...OK...
Mari kita melakukan intrepretasi hasil satu
demi satu:

1. Secara Deskriptif

Normalitas dapat dilakukan dengan melihat

secara deskriptif dari data tersebut.
adapun yang digunakan untuk melihat
normalitas adalah koefisien varians, rasio
skewness dam rasio kurtosis.
a. Koefisien Varians
koefisien varians ini tidak mutlak kita peroleh
dari hasil SPSS sehingga kita harus melakukan
perhitungan terlebih dahulu.

Koefisien varians=(standar deviasi/mean) X 100%

=7,363/86,93 x 100%=8,47%
Data tersebut normal jika nilai koefisien
varians <30%. Setelah dilakukan perhitungan
pada output diatas diperoleh koefisien
varians sebesar 8,47%. sehingga dapat
disimpulkan data tersebut normal.
b. Rasio Skewness
skewness merupakan suatu besaran statistik yang
menunjukkan kemiringan data.  skewness ini
menunjukkan datanya cenderung berada di tengah
atau miring di satu sisi. Statistik ini dapat
digunakan untuk melihat sebaran data normal
yaitu dengan rasio skewness. rasio skewness
diperoleh dari:
rasio skewness = skewness/standar error skewness 
= -0,052/0,58 = -0,089
Data dikatakan normal ketika nilai rasio
skewness berada pada rentang nilai -2 sampai 2.
Hasil dari contoh output diperoleh sebesar 0,089
sehingga disimpulkan data tersebut normal.
c. Rasio Kurtosis
Kurtosis menunjukkan keruncingan suatu
data. kriteria normalitas sama dengan rasio
skewness yaitu -2 sampai 2. selain itu,
perhitungan juga hampir sama yaitu dengan:

rasio kurtosis = kurtosis/standar error kurtosis

= -1.212/1.121 = -1,08

Dapat disimpulkan bahwa data tersebut

normal karena nilai rasio kurtosis berada
pada interval -2 sampai 2.
d. Melihat Histogram
Pada output diperoleh gambar histogram
sebagai berikut:

dengan melihat histogram, tampak bahwa  sebaran data yang diperoleh

tidak begitu mirip normal. walaupun hanya sedikit terbentuk.
 e. Melihat Q-Q plot
Secara teoritis, suatu set data dikatakan mempunyai
sebaran normal apabila data tersebar di sekitar garis.
Dari output, diperoleh Q-Q plot sebagai beikut:

Terlihat bahwa data menyebar di sekitar garis, dan tidak ada data
yang letaknya jauh dari garis. kemungkinan besar, sebaran data
normal.
f. Melihat Detrended normal Q-Q
Secara teoritis, suatu data dikatakan mempunyai
sebaran normal apabila data tersebar di sekitar garis (angka
nol). dari output diperoleh detrended normal Q-Q plot
sebagai berikut:

Terlihat bahwa data tersebar dekat disekitar dari garis sehingga kemungkinan
besar sebaran data normal.
g. Melihat Boxplot

Secara teoritis data dikatakan berdistribusi

normal apabila:
1. nilai median ada ditengah-tengah kotak
2. nilai whisker terbagi secara merata ke-
atas dan ke-bawah
3. tidak ada nilai ekstrim atau outlier
 Dari output diperoleh Boxplot sebagai berikut:

Terlihat bahwa median terletak agak ke atas kotak, whisker relatif

simetris, dan tidak terdapat data outlier.
Berdasarkan data yang ditampilkan boxplot, kemungkinan besar
sebaran data tidak normal.
2. Secara Inferensia (Uji Kolmogorov
Smirnov dan Shapiro Wilk)

Untuk mengetahui apakah sebaran data

mempunyai sebaran normal atau tidak
secara analitik yaitu dengan menggunakan
Kolmogrov-Smirnov atau Shapiro Wilk. Uji
Kolmogorov-Smirnovdipergunakan
untuk sampel besar sedangkan Shapiro
Wilk untuk sampel yang sedikit:
Dari output diperoleh hasil sebagai berikut.

Oleh karena datanya kecil (n=15) maka menggunakan

Shapiro Wilk. berdasarkan nilai Shapiro Wilk
diperoleh nilai p=0,346. karena nilai p<0,05 maka
dpat disimpulkan bahwa data berdistribusi normal