Pengertian Uji Shapiro-Wilk

Uji Shapiro-Wilk adalah metode statistik yang digunakan untuk menguji apakah data berasal dari populasi yang berdistribusi normal.

Uji ini dikembangkan oleh dua ahli statistik yaitu:

• Samuel Sanford Shapiro

• Martin Wilk

Metode ini diperkenalkan pada tahun 1965 dan hingga saat ini masih menjadi salah satu uji normalitas yang paling banyak digunakan dalam penelitian akademik, analisis data, dan data science.

Mengapa Uji Shapiro-Wilk Penting?

Banyak metode statistik parametrik memerlukan asumsi bahwa data berdistribusi normal, seperti:

• Uji t

• Analisis Regresi

• ANOVA

Jika data tidak berdistribusi normal, maka hasil analisis bisa menjadi tidak akurat.

Dengan melakukan uji Shapiro-Wilk, peneliti dapat memastikan apakah metode statistik parametrik dapat digunakan atau perlu diganti dengan metode non-parametrik.

Rumus Uji Shapiro-Wilk

Statistik uji Shapiro-Wilk dihitung menggunakan rumus berikut:

W = ( (a1x1 + a2x2 + … + anxn)² ) / Σ (xi − x̄)²

Keterangan:

• W = nilai statistik Shapiro-Wilk

• xi = nilai data sampel

• x̄ = rata-rata sampel

• ai = konstanta yang diperoleh dari tabel Shapiro-Wilk

• n = jumlah sampel

Nilai W kemudian dibandingkan dengan nilai probabilitas (p-value) untuk menentukan apakah data berdistribusi normal.

Hipotesis Uji Shapiro-Wilk

Dalam uji Shapiro-Wilk terdapat dua hipotesis.

Hipotesis nol (H0)
Data berdistribusi normal.

Hipotesis alternatif (H1)
Data tidak berdistribusi normal.

Interpretasi hasilnya menggunakan nilai p-value.

Kapan Menggunakan Uji Shapiro-Wilk?

Uji Shapiro-Wilk biasanya digunakan dalam kondisi berikut:

1. Ukuran sampel kecil hingga menengah (n < 50 atau n < 2000 tergantung software)

2. Analisis penelitian akademik

3. Pengujian asumsi statistik sebelum uji parametrik

Metode ini sering digunakan dalam berbagai software statistik seperti:

• SPSS

• R

• Python

Contoh Uji Shapiro-Wilk

Misalkan seorang peneliti ingin mengetahui apakah data nilai ujian dari 25 siswa berdistribusi normal.

Setelah melakukan uji Shapiro-Wilk menggunakan software statistik, diperoleh hasil:

p-value = 0,12

Karena p-value > 0,05, maka:

Kesimpulan:
Data nilai ujian berdistribusi normal sehingga dapat digunakan dalam analisis statistik parametrik.

Jika nilai p-value lebih kecil dari 0,05, maka data dianggap tidak normal.

Kelebihan Uji Shapiro-Wilk

Beberapa kelebihan metode ini antara lain:

1. Akurasi Tinggi

Uji ini sangat sensitif dalam mendeteksi penyimpangan dari distribusi normal.

2. Cocok untuk Sampel Kecil

Metode ini sangat direkomendasikan untuk penelitian dengan jumlah sampel kecil.

3. Banyak Digunakan dalam Penelitian

Shapiro-Wilk menjadi salah satu metode standar dalam analisis statistik modern.

Perbandingan Shapiro-Wilk dan Kolmogorov-Smirnov

Metode lain yang juga sering digunakan adalah Kolmogorov–Smirnov Test.

Kesimpulan

Uji Shapiro-Wilk merupakan salah satu metode terbaik untuk menguji normalitas data dalam statistik. Metode ini sangat efektif terutama untuk dataset dengan ukuran kecil hingga menengah.

Dengan melakukan uji ini, peneliti dapat memastikan apakah data memenuhi asumsi distribusi normal sebelum melakukan analisis statistik lanjutan seperti uji t, regresi, atau ANOVA.

Memahami uji Shapiro-Wilk sangat penting dalam penelitian ilmiah, analisis data, dan data science.

Jika Anda ingin memanfaatkan Uji Shapiro Wilk untuk analisa data yang lebih cerdas dan berdampak nyata, kami siap menjadi partner terpercaya Anda.