<![CDATA[Normalitas merukapan salah satu asumsi yang mendasari banyak uji dalam statistika termasuk pada data multivariat. Terdapat berbagai statistik uji yang umum digunakan untuk menguji normalitas data multivariat diantaranya uji Royston, Henze-Zirkler, dan Doornik-Hansen yang memilik kemampuan berbeda dalam mengidentifikasi normalitas data. Maka dari itu, dilakukan uji simulasi monte carlo yang berfokus pada pengulangan pengamblilan sampel random pada kondisi tertntu. Adapun dalam penelitian ini ditentukan bahwa sampel random merupakan data bangkitan berdistribusi normal multivariat dan chi-square dengan 3, 6 dan 11 variabel, serta ditambahkan data berdistribusi normal multivariat dengan outlier dimana setiap bangkitan mempunyai banyak observasi () 30, 150 dan 500 untuk data terdapat outlier ditambah skenario sampel 1500 yang kemudian di uji normalitas dengan ketiga statistik uji yang akan dibandingkan dengan alpha () 1% dan 5%. Simulasi menunjukkan, setiap uji memiliki keunggulan tersendiri tergantung situasinya, uji Doornik-Hansen menjadi metode terbaik dalam mengidentifikasi kenormalan data berdistribusi multivariat pada kondisi banyak variabel <10 sedangkan uji Henze-Zirkler menjadi metode terbaik dalam mengidentifikasi kenormalan data berdistrbusi multivariat normal pada saat kondisi banyak variabel >10 dan data berdistribusi multivariat yang terdapat outlier. Kemudian uji Roystson menjadi metode terbaik dalam mengidentifikasi ketidaknormalan data berdistribusi chi-square pada saat kondisi sampel kecil disemua kondisi banyak variabel yang berbeda, tetapi pada sampel besar ketiga uji berhasil mengidentifikasi ketidaknormalan data chi-squre diindikasi dengan nilai alpha topi yang terjauh dengan alpha secara konsisten pada semua kondisi yang telah ditetapkan]]>
