Uji distribusi normal adalah uji untuk mengukur apakah data (numerik) kita memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial). Cara yang biasa dipakai untuk menghitung masalah ini adalah Kolmogorov-Smirnov dan Shapiro Wilk yang masuk dalam kategori Goodness Of Fit Tes.
Kolmogorov Smirnov : untuk data >50
Shapiro Wilk : untuk data <30
Goodness Of Fit Tes?
Artinya, uji apakah data empirik yang didapatkan dari lapangan itu sesuai dengan distribusi teoritik tertentu. Dalam kasus ini, distribusi normal. Dengan kata lain, apakah data itu dari populasi yang berdistribusi normal.
Mengapa harus uji normalitas:
Pertama, Tes-tes parametrik itu dibangun dari distribusi normal, lihat tabel t-tes misalnya, pembuatannya itu mengacu pada tebel normalitas. Kedua, kita bisa berasumsi bahwa sampel kita bener-bener mewakili populasi. sehingga hasil penelitian kita bisa digeneralisasikan pada populasi. Bukankah dalam pandangan statistik itu sifat dan karakteristik populasi adalah terdistribusi secara normal.
copyright:
https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=4&cad=rja&uact=8&ved=0ahUKEwiQxcvx1M7MAhWRW44KHcB6DZEQFggxMAM&url=http%3A%2F%2Fwidhiarso.staff.ugm.ac.id%2Ffiles%2FUji%2520Normalitas.pdf&usg=AFQjCNEiMn9OcIt8DYKtJ33pfYXk4EGe_w&sig2=hPOF5bbB_CSCRK-wCkef0Q&bvm=bv.121421273,d.dGo
(dengan perubahan)
Tidak ada komentar:
Posting Komentar