{"id":1070,"date":"2023-07-27T18:53:24","date_gmt":"2023-07-27T18:53:24","guid":{"rendered":"https:\/\/statorials.org\/id\/uji-normalitas-multivariat-python\/"},"modified":"2023-07-27T18:53:24","modified_gmt":"2023-07-27T18:53:24","slug":"uji-normalitas-multivariat-python","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/uji-normalitas-multivariat-python\/","title":{"rendered":"Cara melakukan uji normalitas multivariat dengan python"},"content":{"rendered":"

<\/p>\n

\n

Ketika kita ingin menguji apakah suatu variabel terdistribusi normal atau tidak, kita dapat membuat a<\/span> <\/span> Plot QQ<\/a> untuk memvisualisasikan distribusi atau kita dapat melakukan uji statistik formal seperti<\/span> uji Anderson Darling<\/a> atau<\/span> uji Jarque-Bera<\/a> .<\/span><\/p>\n

Namun, ketika kita ingin menguji apakah beberapa<\/em> variabel terdistribusi normal sebagai suatu kelompok, kita perlu melakukan uji normalitas multivariat<\/strong> .<\/span><\/p>\n

Tutorial ini menjelaskan cara melakukan uji normalitas multivariat Henze-Zirkler untuk kumpulan data tertentu dengan Python.<\/span><\/p>\n

Terkait:<\/strong> Jika kita ingin mengidentifikasi outlier dalam konteks multivariat, kita dapat menggunakan<\/span> jarak Mahalanobis<\/a> .<\/span><\/p>\n

Contoh: Uji normalitas multivariat Henze-Zirkler dengan Python<\/strong><\/h3>\n

Uji normalitas multivariat Henze-Zirkler<\/strong> menentukan apakah suatu kelompok variabel mengikuti distribusi normal multivariat atau tidak. Hipotesis nol dan alternatif dari pengujian tersebut adalah sebagai berikut:<\/span><\/p>\n

H 0<\/sub> (null): Variabel mengikuti distribusi normal multivariat.<\/span><\/p>\n

H a<\/sub> (alternatif): Variabel tidak mengikuti<\/em> distribusi normal multivariat.<\/span><\/p>\n

Untuk melakukan pengujian ini dengan Python kita dapat menggunakan fungsi multivariate_normality()<\/a> dari perpustakaan penguin.<\/span><\/p>\n

Pertama, kita perlu menginstal penguin:<\/span><\/p>\n

 pip install<\/span> penguin\n<\/strong><\/pre>\n
 Selanjutnya, kita dapat mengimpor fungsi multivariate_normality()<\/strong> dan menggunakannya untuk melakukan uji normalitas multivariat untuk kumpulan data tertentu:<\/span><\/p>\n
 #import necessary packages<\/span>\nfrom<\/span> penguin import<\/span> multivariate_normality\nimport<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#create a dataset with three variables x1, x2, and x3\ndf = pd.DataFrame({'x1':np.random.normal(size= 50<\/span> ),\n                   'x2': np.random.normal(size= 50<\/span> ),\n                   'x3': np.random.normal(size= 50<\/span> )})<\/span>\n\n#perform the Henze-Zirkler Multivariate Normality Test<\/span>\nmultivariate_normality(df, alpha= .05<\/span> )\n\nHZResults(hz=0.5956866563391165, pval=0.6461804077893423, normal=True)<\/strong><\/pre>\n
 Hasil tesnya adalah sebagai berikut:<\/span><\/p>\n