Untuk menentukan apakah data mengikuti distribusi normal, ada beberapa metode yang bisa digunakan. Secara visual, kita bisa membuat histogram untuk melihat apakah bentuknya menyerupai lonceng (bell-shaped), atau menggunakan Q-Q plot yang membandingkan kuantil data dengan kuantil distribusi normal; jika titik-titik pada plot mendekati garis lurus, data kemungkinan berdistribusi normal. Selain itu, boxplot dapat digunakan untuk melihat simetri data dan mendeteksi outlier. Secara statistik, uji Shapiro-Wilk atau Kolmogorov-Smirnov sering digunakan untuk menguji normalitas, di mana nilai p-value < 0.05 menunjukkan bahwa data tidak normal. Jika metode parametrik seperti uji t atau ANOVA digunakan pada data yang tidak berdistribusi normal, hasilnya bisa tidak valid, dengan potensi kesalahan estimasi, peningkatan risiko kesalahan Type I atau Type II, serta penurunan kekuatan uji. Untuk data yang tidak normal, metode non-parametrik seperti Uji Mann-Whitney atau Kruskal-Wallis bisa menjadi alternatif yang lebih tepat karena tidak mengasumsikan distribusi normal.
Diskusi 3
Sudah mencapai batas waktu untuk mengirim ke forum ini sehingga Anda tidak dapat lagi mengirim ke forum ini.