Uji normalitas
Shapiro-Wilk, Kolmogorov-Smirnov (Lilliefors), skewness, kurtosis, dan plot Q-Q.
Untuk apa dipakai
- Memeriksa asumsi data (normalitas, dan lainnya)
Data yang dibutuhkan
Satu atau lebih kolom angka yang diperiksa sebarannya.
Unggah file Excel (.xlsx) atau CSV. Aplikasi memeriksa kecocokan data dengan metode sebelum analisis dijalankan, dan token tidak terpotong bila analisis gagal.
Cara membaca hasilnya
Memeriksa apakah data menyebar mendekati normal.
- Nilai p (Sig.) uji normalitas
- Lebih dari 0,05 berarti data tidak menyimpang nyata dari normal (asumsi terpenuhi). Kurang dari 0,05 berarti tidak normal.
- Grafik histogram atau Q-Q
- Titik yang mengikuti garis lurus menunjukkan data mendekati normal.
Perlu diwaspadai
- Pada sampel besar, uji normalitas sangat sensitif dan hampir selalu menolak; lihat grafik juga.
- Untuk regresi, yang diperiksa umumnya normalitas residu, bukan data mentah.
Bantuan — proses & rumus
Tahap komputasi yang dijalankan OlahData untuk metode ini, lengkap dengan rumus dan rujukannya.
Nilai kosong pada tiap kolom dilewati; variabel butuh minimal 3 data dan nilainya harus bervariasi.
Statistik W dan nilai p dihitung untuk tiap variabel. Ini yang dipakai sebagai keputusan normal/tidak normal.
Dihitung sebagai info tambahan bentuk sebaran, di luar keputusan utama Shapiro-Wilk.
Karena rata-rata dan simpangan baku diduga dari data (bukan diketahui sebelumnya), dipakai koreksi Lilliefors. Nilai p dihitung lewat simulasi Monte Carlo dengan benih acak tetap, sehingga hasilnya selalu sama untuk data yang sama.
D = maksimum selisih fungsi distribusi kumulatif data dan normal
p = (jumlah simulasi dengan D ≥ D teramati + 1) / (jumlah simulasi + 1)
Dibuat untuk maksimal 6 variabel pertama, sebagai pemeriksaan visual — titik yang mengikuti garis menunjukkan distribusi mendekati normal.
| Ukuran | Ambang batas | Rujukan |
|---|---|---|
| Normal (keputusan utama) | Shapiro-Wilk p > 0,05 | Shapiro & Wilk (1965) |
| Bentuk sebaran perlu diwaspadai | |skewness| > 3 atau |kurtosis| > 10 | Kline (2016) |
| Shapiro-Wilk kurang akurat | N > 5.000 | — |
- Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3-4), 591–611.
- Kline, R. B. (2016). Principles and practice of structural equation modeling (4th ed.). Guilford Press.
- Lilliefors, H. W. (1967). On the Kolmogorov-Smirnov test for normality with mean and variance unknown. Journal of the American Statistical Association, 62(318), 399–402.
Mengikuti Shapiro & Wilk (1965) dan Kline (2016).
Contoh hasil
Contoh hasil dengan data fiktif untuk metode ini sedang disiapkan.
Cuplikan persiapan sidang
Contoh pertanyaan yang lazim diajukan penguji untuk metode ini.
Mengapa perlu uji normalitas?
Banyak uji parametrik (uji t, ANOVA, regresi) mengandaikan sebaran normal, baik pada data maupun pada residu. Normalitas diperiksa untuk menentukan apakah uji parametrik layak.
Uji apa yang dipakai dan mengapa?
Shapiro-Wilk cocok untuk sampel kecil sampai menengah, Kolmogorov-Smirnov (dengan koreksi Lilliefors) untuk sampel lebih besar. Hasil uji sebaiknya dilihat bersama histogram atau Q-Q plot.
Daftar lengkap tersedia di halaman hasil untuk proyek berjenjang S1, S2, atau S3.
Ingin mencoba dengan data Anda?
Hasilnya disertai tabel, grafik, narasi, dan penjelasan prosesnya.