Dalam analisis statistik, asumsi normalitas data adalah salah satu syarat yang harus dipenuhi sebelum melakukan pengujian atau perhitungan. Salah satu metode untuk menguji asumsi normalitas adalah dengan menggunakan Quantile-Quantile Plot (Q-Q Plot). Q-Q Plot adalah sebuah grafik yang membandingkan kuantil empiris dari distribusi data dengan kuantil yang diharapkan dari distribusi normal.

Kelebihan Q-Q Plot dalam menguji asumsi normalitas terletak pada kemampuan visualnya untuk menunjukkan bagaimana distribusi data berhubungan dengan distribusi normal. Dalam Q-Q Plot, titik-titik (dots) yang membentuk garis lurus menunjukkan bahwa asumsi normalitas dipenuhi, sedangkan deviasi dari garis diagonal menunjukkan adanya ketidaknormalan dalam distribusi data.

Dengan menggunakan Q-Q Plot, kita dapat langsung melihat bagaimana distribusi data berhubungan dengan distribusi normal tanpa perlu melakukan perhitungan matematis. Karena itu, Q-Q Plot sangat bermanfaat bagi para analis statistik untuk memahami asumsi normalitas data dan membuat keputusan yang lebih bijak.

Menggunakan R untuk Menguji Asumsi Normalitas dengan Q-Q Plot

Untuk menguji asumsi normalitas dengan Q-Q Plot, kita dapat menggunakan program R. Berikut adalah contoh kode R yang digunakan:

library(readxl)
library(dplyr)

dat = readxl::read_xlsx("data kuliah.xlsx")

qqnorm(dat$Nilai)
qqline(dat$Nilai)

Hasilnya akan menunjukkan Q-Q Plot dari data kita, dan kita dapat melihat apakah titik-titik (dots) membentuk garis lurus atau tidak.

Kesimpulan

Q-Q Plot adalah sebuah metode yang sangat bermanfaat dalam menguji asumsi normalitas. Dengan menggunakan Q-Q Plot, kita dapat langsung melihat bagaimana distribusi data berhubungan dengan distribusi normal tanpa perlu melakukan perhitungan matematis. Karena itu, Q-Q Plot harus menjadi bagian dari toolkit para analis statistik.

Referensi:
Belajar Statistika dengan R Prana Ugiana Gio, Dasapta Erwin Irawan, 2016