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
