Uji distribusi normal merupakan uji statistik yg digunakan untuk mengukur data apakah berdistribusi normal atau tidak sehingga dapat dipakai dalam statistik parametrik.
Berdasarkan pengalaman empiris ahli statistik, data yang banyaknya lebih dari 30 (n > 30), sudah dapat diasumsikan berdistribusi normal. Tetapi untuk memberikan kepastian data merupakan distribusi normal atau tidak, sebaiknya digunakan uji normalitas. Karena belum tentu data yang lebih dari 30 bisa dipastikan berdistribusi normal, demikian juga yang kurang dari 30 belum tentu tidak berdistribusi normal, untuk itu perlu suatu pembuktian.
Berikut beberapa Cara yang umum dalam menguji normalitas data:
1. Dengan melihat hasil nilai skewness kurtosis yang didapat melalui statistik deskriptif
Dengan membandingkan antara nilai Statistic Skewness dibagi dengan Std Error Skewness atau nilai Statistic Kurtosis dibagi dengan Std Error Kurtosis. Dimana jika skor berada antara -2 dan 2 maka distribusi data normal.
Misal :
Diperoleh nilai Skewness = 0,022 , std error skewness =0,427, Kurtosis=-0,807 , std error kurtosis = 0,833
Nilai Ratio Skewness/Std Error Skewness = 0,022 / 0,427 = 0,05 < 2
Nilai Ratio Kurtosis /Std Error Kurtosis = -0,807 / 0,833 = -0,9 6> -2
atau dengan cara, berikut
hitunglah Zskew dengan persamaan Statistik
Zskew = Skewness / Akar(6/N)
= 0,022 /Akar(6/30)
= 0,022 / 0,447
= 0,049
Zkurt = Kurtosis / Akar(6/N)
= -0,807/Akar(6/30)
= 0,807 / 0,447
= -1,80
Nilai Z bisa dibandingkan dengan Z tabel statistic
2. Kolmogorov-Smirnov dengan pendekatan koreksi Lillifors
Dengan menggunakan SPSS :
- Klik menu Anlyze---> Descriptive Statistic --->Explore
- Klik variabel yg akan diuji lalu masukan variabel tersebet pada kotak Dependent List
- Klik tombol Plot, lalu klik pada bagian Normality plots with test, lalu klik Continue
- Klik Ok, klo selesai
1 komentar
