12 Juni 2020

CARA TRANFORMASI DATA MENJADI NORMAL

Dari hasil analisis data yang dilakukan oleh peneliti, dalam hal analisis yang digunakan berdasarkan sebaran data berdistribusi normal. Banyak peneliti yang kesulitan dalam memperoleh data yang normal. Ketika penelitian menggunakan SEM AMOS dengan estimasi Maximum Likelihood yang digunakan, pastinya data harus berdistribusi normal baik normal univariat maupun normal multivariate sebagai asumsi yang mendasarinya.
Untuk mengubah data menjadi normal dapat dilakukan dengan cara transformasi data ke dalam bentuk lain seperti Log, Akar kuadrat dll. Ke-tidak normalan data dapat dideteksi dari nilai skewness dan kurtosis data tersebut. Informasi skewness dan kurtosis tersebut, data dapat di transformasikan supaya menjadi bentuk lain sesuai dengan bentuk skewness maupun kurtosisnya, transformasi ini dapat dilakukan dengan aplikasi SPSS, MS.Excel maupun aplikasi lainnya. Ada beberapa tipe skewness dan cara transformasi data menurut Tatanick, B.G dan L.S Fidell (20120 antara lain :
  1. Skewness positif moderat : tansformasi dengan cara di akarkuadrat-kan data asli, "Xbaru = sqrt( X)"
  2. Skewness Positif Substansial  : transformasi dengan cara diubah ke bentuk logaritma dari data asli, "Xbaru = Log 10(X)"
  3. Skewness positif subtansial dengan nol : tansformasi dengan cara diubah ke bentuk logaritma dari data asli ditambah1 angka konstanta tertentu, "Xbaru = Lg10 (X+C)"
  4. Skewness positif sangat besar : tranformasi dengan cara menjadi 1/data lama, "Xbaru = 1/X"
  5. Skewness positif sangat besar dengan nol : transformasi dengan cara menjadi satu per data lama ditambah satu konstanta tertentu, "Xbaru = 1/(X+C)"
  6. Skewness negatif moderat : transformasi dengan cara di-akardua dari konstanta tertentu dikurangi data lama, "Xbaru = sqrt(K -X)".
  7. Skewness negatif substansial = transformasi dengan cara di logartima dari konstanta tertentu dikurangi data lama, Xbaru = Log10 (K -X)".
  8. Skewness negatif sangat besar = transformasi dengan cara dibagi konstanta tertentu minus data lama, "X baru = 1/(K -X)"
Keterangan :
X = nilai asli
C = angka konstan yang ditambahkan pada skor agara angka terkecil sama dengan 1
K = konstanta dimana bila setiap skor dikurangkan pada angka itu =1, biasanya sama dengan skor terbesar ditambah 1

Tidak ada komentar: