Uji Prasarat Analisis: Normalitas, Homogenitas, dan Linieritas

 Hallo temen-temen..

Kali ini saya akan membagikan essai kecil terkait Uji Prasarat Analisis: Normalitas, Homogenitas, dan Linearitas. 

1.      Normalitas

Uji normalitas didefinisikan sebagai salah satu pengujian dalam statistika dengan tujuan  melihat sebaran data dalam suatu populasi atau variable penelitian. Penting bagi peneliti untuk  melakukan uji normalitas ini karena sebagai langkah awal penentuan analisis statistika data  tersebut dapat menggunakan statistic parametric atau non-parametric.

Uji Normalitas dapat dilakukan dengan syarat:

a.       Data kuantitatif: Bisa dihitung atau diukur secara langsung sebagai angka.

b.      Skala kontinyu: Data yang bervariasi menurut tingkatan dan diperoleh dari hasil pengukuran

c.       Jenis data: Data interval dan rasio

d.      Data Tunggal: Belum dikelompokkan ke dalam table distribusi frekuensi.

Uji normalitas dilakukan pada penelitian dengan data berskala kuantitatif. Terdapat beberapa metode yang dapat digunakan untuk uji normalitas, yakni sebagai berikut:

a.     Uji grafik: Metode pengujian normalitas dengan menggunakan grafik ini dilakukan dengan  memperhatikan penyebaran data pada sumber diagonal dengan grafik normal P-P Plot of Regression Standardized Residual.

b. Kolmogorov Smirnov: Pengujian normalitas dengan metode Kolmogorov Smirnov merupakan metode yang  banyak dipakai oleh peneliti. Hal ini karena pengaplikasiannya yang sederhana dan juga tidak  menimbulkan banyak persepsi antar pengamat, dimana hal ini masih terjadi pada pengujian  normalitas dengan metode grafik. Namun pada metode Kolmogorov Smirnov juga masih  memiliki kekurangan berupa tingkat sensivitasnya masih cenderung pada area pusat distribusi  dibandingkan area ujung, sehingga kurang efektif jika digunakan untuk menguji normalitas  pada data kecil

c.    Shapiro Wilk: Metode Shapiro Wilk merupakan metode untuk uji normalitas yang efektif digunakan  dengan berjumlah kecil, yakni dilakukan apabila data penelitiannya < 50 data. Pada  penggunaanya peneliti dapat memanfaatkan software SPSS atau STATA guna memudahkan  proses perhitungannya.

d.  Sknewness – Kurtosis: Uji Knewness – Kurtosis memiliki kelebihan tersendiri diantara metode uji normalitas  lainnya. Hal ini karena pengujian normalitas dengan metode ini selain memberikan informasi  terkait data yang terdistribusi normal atau tidak, juga menggambarkan kurva normalitasnya  cenderung “menceng” ke kanan atau ke kiri, terlalu datar atau “gemuk” (mengumpul di  tengah). Dengan demikian, penyebutan metode ini seringkali menggunakan istilah pengujian  normalitas dengan ukuran kemencengan/ keruncingan suatu data.

2.      Homogenitas

Dalam uji homogenitas merupakan uji untuk mengetahui varians dari beberapa  populasi sama atau tidak. Uji ini sebagai syarat dari uji-uji perbandingan (t test dan anova),  dengan syarat cukup. Yang berarti jika uji homogenitas tidak terpenuhi bisa menggunakan uji  parametrik.  

            Berikut ini merupakan jenis-jenis uji homogeitas:

a.   Uji Bartlett: Uji prasyarat ini bertujuan untuk menguji homoskedastisitas dari dua populasi atau  lebih yang terdistribusi normal

b.  Uji Herley: Uji Hartley adalah uji yang paling sederhana karena hanya membandingkan variansi  terbesar dengan variansi terkecil. Namun persyaratan pada uji ini cukup ketat yaitu jumlah  sampel di kedua kelompok harus sama dan terdistribusi normal.

c.   Uji Layard: Layard mengenalkan uji chi-square menggunakan fungsi kurtosis dari sampel untuk  menentukan homogenitas varians.

d.   Uji Levene: Uji Levene diturunkan dari F-rasio pada uji ANOVA satu jalur. Uji ini paling popular  daripada yang lain. Uji levene digunakan untuk mengetahui perbedaan dari dua variabel data dengan varians yang berbeda. Hasil tes ini menunjukkan nilai signifikansi dari dua  data yang berbeda. Nilai signifikansi > 0,05 menandakan bahwa data tersebut variannya sama (homogen). Disamping itu, jika nilai signifikansi < 0,05 maka, menunjukkan bahwa  kelompok data tersebut berasal varians yang berbeda (heterogen).

3.      Linieritas

Status linier pada sebuah distribusi data penelitian dapat diketahui dengan suatu prosedur yan dinamakan uji linearitas, dimana pengujian ini dimaksudkan untuk mendapati adanya hubungan antar dua variable (variable pengaruh dan variable terpengaruh) bersifat linier ataupun tidak secara signfikan.

Uji linieritas terbagi dalam dua jenis popular yaitu analisis dengan menggunakan metode uji statistika dan grafik, yang selanjutnya diuraikan dalam beberapa metode sebagai berikut:

a.       Grafik Pencar (Scatterplot)

Metode scatter pada sebuah grafik digunakan untuk menjabarkan hubungan dua variabel yang diwujudkan dalam titik-titik yang mendeskripsikan sebaran data dalam suatu hubungan antar variable.

b.      Analisis Grafik Residual (Residual Graph Analysis)

Metode analisis residual digunakan untuk menperhatikan dan mengonfrontasikan nilai residu dan prediksi yang terstandar menggunakan grafik

c.       Estimasi Kurva (Curve Estimation Method)

Metode ini menggunakan model atau pola hubungan antar dua variabel seperti linier (orde 1), kuadrat (orde 2), atau kuartik (orde ke-n). Pengujian dilakukan dengan mencontoh pola paling dekat dengan data yang akan diujikan, yang nantinya tendensi dari pola data akan tunjukkan hubungan pola yang digunakan.

d.      Perbedaan Eta dan R kuadrat

Metode ini menggunakan hubungan antara eta dan r, yang seperti sudah diketahui eta adalah koefisien asosiasi non-linier jika hubungannya linier nilainya akan sama dengan koefisien korelasi (r Pearson).

e.       Linieritas dalam ANOVA

Uji linieritas dengan menggunakan ANOVA dapat dililhat dari hasil perhitungan nilai F dalam setiap pasang variabel yang merupakan komponen linier dan non- linier, dimana jika taraf signifikan F komponen linier berada dibawah titik kritis 0,05 (misal p < 0,05) maka hubungan dari pasangan variabel terindentifikasi sebagai non-linier.