Uji Normalitas Data

Uji normalitas data bertujuan untuk menguji apakah dalam model
regresi, variabel pengganggu atau residual dari variabel dependen dan
veriabel independen (bebas) memiliki distribusi normal. Hal ini
dilakukan karena salah satu asumsi dalam penggunaan statistik
parametrik adalah multivariate normality, yaitu asumsi bahwa setiap
variabel dan semua kombinasi linear dari variabel berdistribusi normal
(Ghozali, 2016).
Terdapat dua cara untuk mendeteksi apakah residual data yang uji
berdistribusi dengan normal atau tidak, yaitu dengan menggunakan
analisis grafik melalui grafik histogram dan garafik normal Probability
Plot (P-Plot), dan dengan menggunakan uji statistik (Ghozali, 2016).
Penelitian ini menggunakan kedua analisis tersebut baik dengan
analisis grafik maupun uji statistik.
Mula-mula peneliti melakukan uji normalitas menggunakan
analisis grafik histogram, lalu setelah itu menggunakan analisis grafik
normal probability-plot. Analisis dengan menggunakan grafik
histogram dilakukan dengan melihat apakah data observasi memiliki
pola distribusi yang mendekati distribusi normal, yaitu pola lonceng
yang tidak melenceng ke kiri atau pun kanan. Sedangkan pada grafik
normal P-Plot, deteksi normalitas dilakukan dengan melihat
penyebaran titik pada sumbu diagonal grafik. Apabila data menyebar
jauh dari diagonal dan/tidak mengikuti arah garis diagonal maka model
regresi memiliki residual yang tidak berdistribusi dengan normal,
namun apabila data menyebar di sekitar garis diagonal dan mengikuti
garis diagonal tersebut, maka model regresi berdistribusi dengan
normal dan memenuhi asumsi normalitas (Ghozali, 2016).
Setelah melakukan analisis menggunakan grafik, peneliti akan
menguji dan membandingkan analisis tersebut dengan melakukan uji
statistik. Uji statistik yang digunakan untuk menguji normalitas dalam
penelitian ini adalah uji non-parametrik Kolmogorov-Smirnov (K-S).
Hal ini dilakukan karena analisis normalitas dengan hanya
menggunakan grafik menjadi bias apabila tidak menyimpulkan secara
hati-hati (Ghozali, 2016).