Kalian Mahasiswa yang saat ini menyusun laporan, dalam data kuantitatif. Pasti, kalian tak asing mendengar istilah normalitas.
Ya, Uji normalitas merupakan uji prasyarat hampir seluruh teknik analisis disyaratkan untuk menguji normalitas terlebih dahulu. Pastinya, jika kalian ingin menganalisis data.
Sebelumnya, harus lolos uji normalitas ini. Uji normalitas merupakan salah satu uji asumsi klasik yang di syaratkan sebelum melakukan analisis data untuk mendapatkan interpretasi atau hasil penelitian kuantitatif. Uji asumsi klasik normalitas ini harus berdistribusi normal untuk melanjutkan analisis data parametrik.
Ketika kalian akan menerapkan teknik statistik, seperti uji hipotesis parametrik atau regresi linear, asumsi bahwa data terdistribusi secara normal diperlukan. Hal ini penting karena asumsi ini mendukung keakuratan dan keandalan hasil analisis. Jika data tidak terdistribusi secara normal, maka penggunaan teknik statistik yang mengasumsikan normalitas dapat mengarah pada kesimpulan yang bias atau tidak valid.
Macam-macam uji asumsi klasik normalitas
1. Uji Kolmogrov-Smirnov
Uji ini membandingkan distribusi data dengan distribusi normal standar dan cocok digunakan untuk sampel besar maupun kecil.
2. Uji Shapiro-Wilk
Lebih sensitif terhadap ukuran sampel dan direkomendasikan untuk sampel kecil.
3. Uji Anderson-Darling
Lebih memperhatikan ekor distribusi sehingga berguna untuk mengevaluasi bentuk keseluruhan distribusi.
4. Uji Kolmogorov-Smirnov-Lilliefors
Modifikasi dari uji Kolmogorov-Smirnov untuk sampel yang lebih kecil.
5. Uji Jarque-Bera
Digunakan untuk mengevaluasi asimetri dan kurtosis dalam data.
Berdasarkan penelusuran dalam pemakaian uji normalitas. Paling banyak memakai Uji Kolmogorov-Smirnov. Uji Kolmogorov-Smirnov adalah salah satu alat penting dalam statistika untuk mengevaluasi apakah sampel data kita mengikuti distribusi normal atau tidak.
Prosedurnya cukup sederhana. Pertama, kalian menghitung perbedaan antara distribusi kumulatif empiris (yang didasarkan pada data kalian) dengan distribusi kumulatif teoritis dari distribusi normal standar.
Selanjutnya, dengan menggunakan nilai kritis yang telah ditentukan berdasarkan ukuran sampel dan tingkat signifikansi yang dipilih, kalian menentukan apakah perbedaan tersebut signifikan atau tidak. Jika perbedaannya terlalu besar, kalian mungkin menolak asumsi bahwa data kita terdistribusi secara normal.
Uji normalitas Kolmogorov-Smirnov dapat dilakukan dengan mudah menggunakan grafik Normal Probability Plots dengan berbantuan program spss.
Jika titik data tersebar secara seragam di sekitar garis diagonal dan mengikuti pola garis diagonal, maka kita dapat menyimpulkan bahwa data mengikuti asumsi normalitas. Namun, jika titik data tersebar jauh dari garis diagonal dan tidak mengikuti pola garis diagonal, kita dapat menyimpulkan bahwa data tidak memenuhi asumsi normalitas.