Uji Asumsi Normalitas

Asumsi normalitas atau kenormalan data merupakan salah satu asumsi regresi linear yang harus dipenuhi, dalam hal ini residual atau sisaan (e) harus berdistribusi normal. Nilai residual diperoleh dari pengurangan antara nilai observasi variabel terikat (Y) terhadap nilai dugaan yang diperoleh dari model regresi yang terbentuk (Ŷ). 

e = Y - Ŷ dimana Ŷ = a + bX.

Secara umum terdapat dua metode untuk menguji asumsi normalitas pada regresi linear, diantaranya menggunakan Uji Kolmogorov-Smirnov dan Uji Shapiro-Wilk. Misalkan diberikan data penelitian (Lihat Data), berikut dijelaskan cara pengujian asumsi normalitas dengan menggunakan software SPSS. 

Mendapatkan nilai residual atau dalam SPSS dikenal dengan Unstandardized Residual

1.    Inputkan data pada SPSS.

  

2.    Pilih Analyze → Regression → Linear.

  

3.  Maka akan muncul kotak dialog Linear Regression, masukkan variable Y ke kolom Dependent, serta variable X1 dan X2 ke kolom Independents(s).
  

4.  Selanjutnya pilih Save, maka akan muncul kotak dialog Linear Regression: Save, aktifkan Unstandardized pada kolom Residuals. Pilih Continue untuk kembali ke kotak dialog Linear Regression.

  

5.   Pilih OK.

Sehingga diperoleh output regresi linear dan terdapat penambahan satu kolom di samping kolom Y yaitu kolom RES_1 yang merupakan nilai residual yang akan digunakan untuk menguji asumsi normalitas. Seperti ditunjukkan pada gambar berikut.

Melakukan pengujian data Residual (Unstandardized Residual) menggunakan uji Kolmogorov-Smirnov

1.   Pilih Analyze → Nonparametric Tests → Legacy Dialogs → 1-Sample K-S.

  

2.  Akan muncul kotak dialog One-Sample Kolmogorov-Smirnov Test, Aktifkan Normal pada Test Distribution dan masukkan Unstandardized Residual pada kolom Test Variable List.

  

3.    Pilih OK.

Diperoleh hasil analisis sebagai berikut.

Hipotesis

H­0  :  Data berdistribusi normal

Ha  :  Data tidak berdistribusi normal

Tingkat Signifikansi α=5%=0,05

Daerah penolakan H0

H0 ditolak jika PValue ≤ 0,05

H0 tidak ditolak jika PValue > 0,05

Kesimpulan

Hasil analisis menunjukan nilai Asymp. Sig. (2-tailed) atau Pvalue sebesar 0,200 > 0,05 maka H0 tidak ditolak (diterima) yang artinya data berdistribusi normal.

Melakukan pengujian data Residual (Unstandardized Residual) menggunakan uji Kolmogorov-Smirnov dan Shapiro-Wilk

1.    Pilih Analyze → Descriptive Statistics → Explore.

  

2.  Maka akan muncul kotak dialog Explore, masukkan Unstandardized Residual pada kolom Dependent List.

  

3.  Selanjutnya pilih Plots, sehingga akan muncul kotak dialog Explore: Plots, aktifkan Normality plots with tests. Pilih Continue untuk kembali ke kotak dialog Explore.

 

4.   Plih OK.

Diperoleh output sebagai berikut.

Hipotesis

H­0  :  Data berdistribusi normal

Ha  :  Data tidak berdistribusi normal

Tingkat Signifikansi α=5%=0,05

Daerah penolakan H0

H0 ditolak jika PValue ≤ 0,05

H0 tidak ditolak jika PValue > 0,05

Kesimpulan

Hasil analisis menggunakan uji Kolmogorov-Smirnov diperoleh nilai Sig. atau Pvalue sebesar 0,200 > 0,05 maka H0 tidak ditolak (diterima) yang artinya data berdistribusi normal.

Hasil analisis menggunakan uji Shapiro-Wilk diperoleh nilai Sig. atau Pvalue sebesar 0,105 > 0,05 maka H0 tidak ditolak (diterima) yang artinya data berdistribusi normal. Artinya baik menggunakan uji Kolmogorov-Smirnov maupun Shapiro-Wilk menunjukkan kesimpulan yang sama yaitu data berdistribusi normal atau dapat dikatakan asumsi normalitas terpenuhi.

Output diatas menunjukkan secara visual penyebaran data linear mengikuti garis lurus. Sehingga data dapat dikatakan berdistribusi normal. Hal tersebut terbukti setelah dilakukan pengujian baik menggunakan uji Kolmogorov-Smirnov maupun Shapiro-Wilk.

---Semoga Bermanfaat---

ddn