Cara Mengatasi Data Tidak Normal pada Uji Normalitas Kolmogorov-Smirnov
Nilai Asymp. Sig. (2-tailed) di bawah 0.05 bukan akhir dari segalanya. Berikut 4 langkah legal dan metodologis yang diterima dosen pembimbing untuk menormalkan data regresi Anda.
Periksa & Bersihkan Nilai Ekstrem (Outlier)
Penyebab 80% data tidak normal adalah adanya jawaban responden yang terlalu ekstrim (misal: responden menjawab nilai 1 di semua butir atau nilai 5 di semua butir tanpa membaca pertanyaan).
Transformasi Bentuk Data (Data Transformation)
Jika data Anda miring (skewness positif atau negatif), lakukan transformasi matematis sebelum diuji regresi:
- Moderate Positive Skewness: Gunakan Akar Kuadrat:
SQRT(X) - Substantial Positive Skewness: Gunakan Logaritma Natural:
LN(X)atauLOG10(X) - Severe Skewness: Gunakan Transformasi Inverse:
1 / X
Manfaatkan Teorema Limit Pusat (Central Limit Theorem)
Banyak dosen penguji tidak menyadari bahwa jika jumlah sampel penelitian Anda cukup besar (umumnya N ≥ 30 atau N ≥ 100), asumsi normalitas terpenuhi secara asimtotik.
Gunakan Metode Bootstrapping atau Regresi Robust
Jika data tetap tidak normal dan sampel terbatas, Anda diperbolehkan menggunakan metode estimasi non-parametrik atau Bootstrapping (1.000 s/d 5.000 subsamples) yang tidak menuntut syarat normalitas residual.