Selasa, 10 September 2013

Uji Normalitas Data



Uji Normalitas Data
I.         PENDAHULUAN
1.1  Latar Belakang
Data sekunder yang telah diperoleh harus diuji terlebih dahulu untuk mengetahui karakteristik dari data sekunder tersebut. Salah satu jenis pengujian yang dilakukan yaitu uji normalitas data. Pengujian normalitas adalah pengujian tentang kenormalan distribusi data. Uji ini merupakan pengujian yang paling banyak dilakukan untuk analisis statistik parametrik. Penggunaan  uji normalitas karena pada analisis statistik parametrik, asumsi yang harus dimiliki yaitu bahwa data tersebut harus terdistribusi normal. Maksud dari data berdistribusi normal adalah bahwa data akan mengikuti bentuk distribusi normal. Uji normalitas yang digunakan dalam makalah ini yaitu uji kurtosis atau uji Kolmogorov Smirnov dengan menggunakan software SPSS 16. Dari hasil jika di lihat pada kolom Kolmogorov-Smirnov dapat diketahui bahwa nilai signifikansi lebih dari 0,05, maka distribusinya dapat dikatakan distribusi normal.

1.2  Tujuan
Untuk mengetahui apakah data sekunder yang diperoleh mempunyai distribusi (sebaran) yang normal ataukah tidak.

1.3  Dasar Teori
Data Sekunder adalah data yang diperoleh atau dikumpulkan peneliti dari berbagai sumber yang telah ada (peneliti sebagai tangan kedua). Data sekunder dapat diperoleh dari berbagai sumber seperti Biro Pusat Statistik (BPS), buku, laporan, jurnal, dan lain-lain.( csuryana, 2010 )
Distribusi normal adalah salah satu distribusi yang digambarkan dalam grafik berbentuk lonceng. Berbentuk dua bagian yang simetris, dimulai dari sebelah kiri, menaik mencapai titik puncak tertentu selanjutnya mulai menurun namun tidak menyentuh garis horizontal. Suatu kelompok data dikatakan mempunyai distribusi normal atau fungsi normal jika memiliki ciri – ciri sebagaio berikut.
·      Data dapat diukur dan data yang memiliki nilai ekstrim ( terlalu besar atau terlalu kecil ) tidak terlalu banyak.
·      Data yang mendekati nilai rata – rata jumlahnya terbanyak. Setengah data memiliki nilai lebih kecil atau sama dengan nilai rata – rata dan setengah lagi memiliki nilai lebih besar atau sama dengan nilai rata – ratanya. ( arifin,2008 )
Distribusi normal ( gaussian ) mungkin merupakan distribusi probabilitas yang paling baik dalam teori maupun aplikasi statistik. Sekurang - kurangnya ada empat alasan mengapa distribusi normal menjadi distribusi yang paling penting, yaitu :
1.    Distribusi normal terjadi secara alamiah. Banyak peristiwa di dunia nyata yang terdistribusi secara normal.
2.    Beberapa variabel acak yang tidak terdistribusi secara normal dapat dengan mudah ditransformasi menjadi suatu distribusi variabel acak yang normal.
3.    Banyak hasil dan teknik analisis yang berguna dalam pekerjaan statistik hanya bisa berfungsi dengan benar jika model distribusinya merupakan distribusi normal.
4.    Ada beberapa variabel acak yang tidak menunjukkan distribusi normal pada populasinya namun distribusi dari rata – rata sampel yang diambil secara random dari populasi tersebut ternyata menunjukkan distribusi normal. ( Harinaldi,2005 )
Distribusi normal memodelkan fenomena kuantitatif pada ilmu alam maupun ilmu sosial. Beragam skor pengujian psikologi dan fenomena fisika seperti jumlah foton dapat dihitung melalui pendekatan dengan mengikuti distribusi normal. Distribusi normal banyak digunakan dalam berbagai bidang statistika, misalnya distribusi sampling rata-rata akan mendekati normal, meski distribusi populasi yang diambil tidak berdistribusi normal. Distribusi normal juga banyak digunakan dalam berbagai distribusi dalam statistika, dan kebanyakan pengujian hipotesis mengasumsikan normalitas suatu data. ( wikipedia )
Kurva dari distribusi normal adalah bila X adalah suatu peubah acak normal dengan nilai tengah µ dan ragam σ2. Sifat-sifat dari kurva distribusi normal, yaitu :
1.    Modusnya yaitu titik pada sumbu mendatar yang membuat fungsi mencapai maksimum yang terjadi pada x = µ
2.    Kurvanya setangkup terhadapa suatu garis tegak yang melalui nilai tengah µ
3.    Kurva ini mendekati sumbu mendatar secara asimtotik dalam kedua arah bila kita semakin menjauhi nilai tengahnya.
4.    Luasan daerah yang terletak di bawah kurva tetapi di atas sumbu mendatar sama dengan 1
( Walpole, 1990 )

II.      HASIL DAN PEMBAHASAN
2.1  Data
Tabulasi Data (Data Fiktif)
Tahun
Harga Saham (Rp)
PER (%)
ROI (%)
1990
8300
4.90
6.47
1991
7500
3.28
3.14
1992
8950
5.05
5.00
1993
8250
4.00
4.75
1994
9000
5.97
6.23
1995
8750
4.24
6.03
1996
10000
8.00
8.75
1997
8200
7.45
7.72
1998
8300
7.47
8.00
1999
10900
12.68
10.40
2000
12800
14.45
12.42
2001
9450
10.50
8.62
2002
13000
17.24
12.07
2003
8000
15.56
5.83
2004
6500
10.85
5.20
2005
9000
16.56
8.53
2006
7600
13.24
7.37
2007
10200
16.98
9.38



2.2  Pembahasan
Return On Invesment (ROI) merupakan salah satu dari rasio profitabilitas dimana rasio ini menunjukkan kemampuan perusahaan memperoleh laba dalam hubungannya dengan penjualan, total aktiva maupun modal sendiri. Sedangkan PER adalah ‘perbandingan antara harga saham dengan laba bersih perusahaan’, dimana harga saham sebuah emiten dibandingkan dengan laba bersih yang dihasilkan oleh emiten tersebut dalam setahun.
Dari data yang didapat diatas, dilakukan uji normalitas untuk mengetahui apakah data berdistribusi normal atau tidak. Uji ini biasanya digunakan untuk mengukur data berskala ordinal, interval, ataupun rasio, dalam hal ini data berskala rasio. Dalam pembahasan ini akan digunakan uji One Sample Kolmogorov-Smirnov dengan menggunakan taraf signifikansi 0,05. Data dinyatakan berdistribusi normal jika signifikansi lebih besar dari 5% atau 0,05. uji One Sample Kolmogorov-Smirnov adalah membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku. Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal. Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku. Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan. Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak normal. Lebih lanjut, jika signifikansi di atas 0,05 maka berarti tidak terdapat perbedaan yang signifikan antara data yang akan diuji dengan data normal baku, artinya berarti data yang kita uji normal.
Dalam analisis ini digunakan bantuan program SPSS dengan regresi linear. Dari hasil SPSS ini nantinya akan diketahui apakah data tersebut berdistribusi normal atau tidak. Jika signifikansinya kurang dari 0,05 maka distribusinya tidak normal, sebaliknya jika signifikansinya diatas 0,05 maka data tersebut berdistribusi normal. Langkah awal pada analisa data ini adalah menentukan variable-variabel y, x1, x2 pada program SPSS lalu mengisikan data pada variable tersebut yakni Harga saham, PER, dan ROI yang dihasilkan sebagai berikut:

 
Setelah itu lalu di klik menu analyze – Deskriptive Statistics – Explore. Harga saham, PER, dan ROI dimasukkan ke kotak Dependent List lalu di klik Plots dan Normality plots with test dan OK. Dari langkah-langkah tersebut didapat Hasil sebagai berikut:


Dengan Normal Plot harga sahamnya sebagai berikut:


 

Dari hasil di atas kita lihat pada kolom Kolmogorov-Smirnov dan dapat diketahui bahwa nilai signifikansi untuk harga saham sebesar 0,05; untuk PER sebesar 0,200; dan untuk ROI sebesar 0,200. Karena signifikansi untuk seluruh variabel lebih besar dari 0,05 maka dapat disimpulkan bahwa data pada variabel harga saham, PER, dan ROI berdistribusi normal. Angka Statistic menunjukkan semakin kecil nilainya maka distribusi data semakin normal.
Dari hasil analisis didapatkan bahwa data tabulasi diatas adalah berditribusi normal, data berdistribusi normal bila signifikansinya atau seluruh variabel yang diujikan lebih besar dari 0,05. Dalam hal ini data terbukti berdistribusi normal. 

III.    PENUTUP
3.1  Kesimpulan
Dari hasil sekunder yang didapatkan bahwa data tabulasi diatas adalah berditribusi normal, data berdistribusi normal bila signifikansinya atau seluruh variabel yang diujikan lebih besar dari 0,05. Dalam hal ini data terbukti berdistribusi normal.

3.2  Daftar pustaka
Arifin, Johar. 2008. Statistik Bisnis Terapan dengan Microsoft Excel 2007. Jakarta : PT. Elex Media Komputindo
Csuryana. 2010. Data dan Jenis data Penelitian. http://csuryana.wordpress.com/2010/03/25/data-dan-jenis-data-penelitian/.Diakses pada tanggal 29 Desember 2012
Harinaldi. 2005. Prinsip – prinsip Statistik untuk Teknik dan Sains. Jakarta : Erlangga
Walpole, Ronald E. 1990. Pegantar Statistik edisi ke-3. Jakarta : PT Gramedia Pustaka Utama
Wikipedia. - . Distribusi Normal. http://id.wikipedia.org/wiki/Distribusi_normal. Diakses pada tanggal 29 Desember 2012