Cara membuat kurva distribusi normal di SPSS

Uji normalitas adalah suatu cara yang dilakukan untuk melihat apakah data dalam penelitian telah terdistribusi secara normal. Hasil uji ini nantinya akan memengaruhi langkah analisis selanjutnya. Cara uji normalitas SPSS biasanya memiliki 2 pilihan, yaitu Kolmogorov-Smirnov dan Shapiro-Wilk.

Untuk menentukan menggunakan yang mana, bisa dengan memperhatikan data itu sendiri.

Ketentuan Uji Normalitas

Dalam uji normalitas, terdapat indikator yang disebut nilai signifikansi. Apabila data memiliki nilai signifikansi 0,05 maka dapat dikatakan bahwa data tersebut normal. Baik itu untuk Kolmogorov-Smirnov mau pun untuk Shapiro Wilk.

Perbedaan penggunaan keduanya adalah pada banyaknya sampel yang digunakan. Jika sampelnya kurang dari 50, maka Shapiro Wilk lebih cocok untuk digunakan dalam uji normalitas. Sementara untuk sampel besar yang lebih dari 50, gunakan Kolmogorov-Smirnov agar hasilnya lebih akurat.

Langkah-langkah Uji Normalitas SPSS

Sebelum dapat melakukan analisis, hal pertama yang perlu dilakukan adalah mengisi data pada Variable View dan Data View. Isi dengan cermat agar mendapatkan hasil yang akurat. Jika datanya banyak dan telah tersimpan di Excel misalnya, bisa lakukan copy-paste. Lalu ikuti langkah-langkah berikut:

1. Klik menu Analyze, kemudian masuk ke Descriptive Statistics, lalu Explore.

2. Pada jendela Explore, terdapat kolom Dependent List, pindahkan variabel yang ingin diuji ke kolom tersebut. Jika variabel bersifat kualitatif, pindahkan ke kolom Factor List.

3. Pilih Both pada Display. Centang bagian Descriptive, lalu isi Confidence Interval for Mean dengan angka tertentu yang sesuai kebutuhan. Kemudian klik Continue.

4. Klik Plots, lalu beri centang pada Normality plots with tests. Jika sudah, klik Continue kemudian klik OK.

5. Hasil uji normalitas sudah bisa dibaca untuk kemudian diolah lebih lanjut.

Membaca Hasil Uji Normalitas

Cara uji normalitas SPSS sudah selesai sampai langkah di atas. Setelah itu, waktunya untuk membaca hasilnya. Terdapat beberapa kolom hasil yang akan muncul. Lihatlah tabel Tests of Normality untuk mengetahui hasil uji normalitas.

Perhatikan masing-masing angka pada kolom Kolmogorov-Smirnov dan Shapiro Wilk. Misalnya tertera angka .300, maka artinya adalah 0,300. Nilai tersebut menunjukkan bahwa hasilnya lebih dari 0,05 yang merupakan angka minimal data bisa disebut normal. Maka, dengan nilai signifikansi 0,300 data tersebut distribusinya normal.

Seperti telah dijelaskan, uji normalitas SPSS tidaklah terlalu rumit. Meskipun begitu, bagi yang tidak familiar dengan statistik bisa saja masih merasa bingung. Namun jangan khawatir, Gama Statistika siap membantu untuk memudahkan proses penelitian. Mulai dari konsultasi, proses pengolahan data, hingga diskusi dan komunikasi selama pengerjaan.

Tidak hanya cara uji normalitas SPSS, Gama Statistika juga melayani berbagai jasa di bidang statistik dan ilmiah lainnya. Mulai dari rancangan penelitian hingga tahap-tahap pengolahan data. Segera hubungi kontak yang tertera dan dapatkan pelayanan terbaik untuk menghasilkan penelitian yang berkualitas.

Normalitas merupakan suatu distribusi yang menunjukkan sebaran data yang seimbang sebagian besar data berada pada nilai di tengah. Normalitas merupakan syarat keharusan dan pertama pada analisis parametrik dan analisis regresi. Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggangu atau residual memiliki distribusi normal.  Jika asumsi ini dilanggar, maka uji statistik menjadi tidak valid atau bias terutama untuk sampel kecil. Uji normalitas dapat dilakukan melalui dua pendekatan yaitu  secara deskriptif dan inferensia.

Untuk mendeteksi normalitas dapat digunakan beberapa cara sebagai berikut:

1. Secara Deskriptif
Menghitung koefisien varians
Menghitung rasio skewness
Menghitung rasio kurtosis
Melihat Histogram
Melihat normal Q-Q plot
Melihat Detrended normal Q-Q plot
Melihat Box-plot
2. Menilai sebaran data secara analitik: Uji kolmogorov-Smirnov atau Shapiro-Wilk

Menentukan apakah data berdistribusi normal dengan menggunakan metode diatas tentunya mengadung kriteria-kriteria sehingga dapat dikatakan data tersebut berdistribusi normal atau tidak. Berikut beberapa syarat/kriteria uji normalitas pada metode-metode diatas. untuk lebih jelas kita menggunakan dengan penyelesaian contoh kasus berikut.

Langkah-Langkah uji normalitas:

1. Dari baris menu pilih Analyze, kemudian pilih Decriptive statistic, Explore. 
2. Masukan Variabel tradisional  ke dalam dependent list.
3. Pilh kotak plots, kemudian pilih Factor levels together pada boxplot(untuk menampilkan boxplot), pilih Histogram pada Descriptive (untuk menampilkan histogram) dan Normality Plots with test (untuk menampilkan plot dan uji normalitas). Akan terlihat tampilan sebagai berikut:

Proses telah slesai, Klik continue...OK...

Mari kita melakukan intrepretasi hasil satu demi satu:

1. Secara Deskriptif

Normalitas dapat dilakukan dengan melihat secara deskriptif dari data tersebut. adapun yang digunakan untuk melihat normalitas adalah koefisien varians, rasio skewness dam rasio kurtosis.

a. Koefisien Varians

koefisien varians ini tidak mutlak kita peroleh dari hasil SPSS sehingga kita harus melakukan perhitungan terlebih dahulu.

Koefisien varians=(standar deviasi/mean) X 100%=7,363/86,93 x 100%=8,47%

Data tersebut normal jika nilai koefisien varians <30%. Setelah dilakukan perhitungan pada output diatas diperoleh koefisien varians sebesar 8,47%. sehingga dapat disimpulkan data tersebut normal.

b. Rasio Skewness

skewness merupakan suatu besaran statistik yang menunjukkan kemiringan data.  skewness ini menunjukkan datanya cenderung berada di tengah atau miring di satu sisi. Statistik ini dapat digunakan untuk melihat sebaran data normal yaitu dengan rasio skewness. rasio skewness diperoleh dari:

rasio skewness = skewness/standar error skewness = -0,052/0,58 = 0,089

Data dikatakan normal ketika nilai rasio skewness berada pada rentang nilai -2 sampai 2. Hasil dari contoh output diperoleh sebesar 0,089 sehingga disimpulkan data tersebut normal.

c. Rasio Kurtosis

kurtosis menunjukkan keruncingan suatu data. kriteria normalitas sama dengan rasio skewness yaitu -2 sampai 2. selain itu, perhitungan juga hampir sama yaitu dengan:

rasio kurtosis = kurtosis / standar error kurtosis = -1.212/1.121 = 1,08

Dapat disimpulkan bahwa data tersebut normal karena nilai rasio kurtosis berada pada interval -2 sampai 2.

d. Melihat Histogram

Pada output diperoleh gambar histogram sebagai berikut:

dengan melihat histogram, tampak bahwa  sebaran data yang diperoleh tidak begitu mirip normal. walaupun hanya sedikit terbentuk.

e. Melihat Q-Q plot

Secara teoritis, suatu set data dikatakan mempunyai sebaran normal apabila data tersebar di sekitar garis. Dari output, diperoleh Q-Q plot sebagai beikut:

Terlihat bahwa data menyebar di sekitar garis, dan tidak ada data yang letaknya jauh dari garis. kemungkinan besar, sebaran data normal.

f. Melihat Detrended normal Q-Q

Secara teoritis, suatu data dikatakan mempunyai sebaran normal apabila data tersebar di sekitar garis (angka nol). dari outpu diperoleh detrended normal Q-Q plot sebagai berikut:

g. Melihat Boxplot

Dari output diperoleh Boxplot sebagai berikut:

2. Secara Inferensia (Uji Kolmogorov Smirnov dan Shapiro Wilk)

Dari output diperoleh hasil sebagai berikut.

Referensi:

Statistik Untuk Kedokteran dan Kesehatan.
Diklat Khusus SPSS, Universitas Gunadarma.

Apa itu distribusi normal dalam statistik?

Langkah uji SPSS?

Manakah yang termasuk ciri kurva normal?

Berikut adalah langkah langkah untuk membuat grafik histogram pada spss?