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. Show
Untuk menentukan menggunakan yang mana, bisa dengan memperhatikan data itu sendiri. Ketentuan Uji NormalitasDalam 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 SPSSSebelum 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 NormalitasCara 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 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:
Proses telah slesai, Klik continue...OK... Mari kita melakukan intrepretasi hasil satu demi satu: 1. Secara Deskriptif
a. Koefisien Varians
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
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 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 HistogramPada 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 plotSecara 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-QSecara 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: Terlihat bahwa data tersebar dekat disekitar dari garis sehingga kemungkinan besar sebaran data normal. g. Melihat BoxplotSecara teoritis data dikatakan berdistribusi normal apabila: 1. nilai median ada ditengah-tengah kotak 2. niali whisker terbagi secara merata ke-atas dan ke-bawah 3. tidak ada nilai ekstrim atau outlier Dari output diperoleh Boxplot sebagai berikut: Terlihat bahwa median terletak agak ke atas kotak, whisker relatif simetris, dan tidak terdapat data outlier. Berdasarkan data yang ditampilkan boxplot, kemungkinan besar sebaran data tidak normal. 2. Secara Inferensia (Uji Kolmogorov Smirnov dan Shapiro Wilk)Untuk mengetahui apakah sebaran data mempunyai sebaran normal atau tidak secara analitik yaitu dengan menggunakan Kolmogrov-Smirnov atau Shapiro Wilk. Uji Kolmogorov-Smirnov dipergunakan untuk sampel besar sedangkan Shapiro Wilk untuk sampel yang sedikit: Dari output diperoleh hasil sebagai berikut. Oleh karena datanya kecil (n=15) maka menggunakan Shapiro Wilk. berdasarkan nilai Shapiro Wilk diperoleh nilai p=0,346. karena nilai p>0,05 maka dpat disimpulkan bahwa data berdistribusi normal. Referensi: Statistik Untuk Kedokteran dan Kesehatan. Untuk yang ingin mencoba dapat mendownload di contoh kasus uji normalitas dengan SPSS Apa itu distribusi normal dalam statistik?Distribusi normal merupakan sebuah fungsi probabilitas yang menunjukkan distribusi atau penyebaran suatu variabel. Fungsi tersebut umumnya dibuktikan oleh sebuah grafik simetris yang disebut kurva lonceng (bell curve).
Langkah uji SPSS?Langkah-langkah Uji Normalitas SPSS. Klik menu Analyze, kemudian masuk ke Descriptive Statistics, lalu Explore.. Pada jendela Explore, terdapat kolom Dependent List, pindahkan variabel yang ingin diuji ke kolom tersebut. ... . Pilih Both pada Display. ... . Klik Plots, lalu beri centang pada Normality plots with tests.. Manakah yang termasuk ciri kurva normal?Ciri-ciri kurva normal :
Merupakan suatu poligon yang dilicinkan yang mana ordinat (sumbu tegak) merupakan frekuensi dan absisnya (sumbu alas) memuat nilai variabel. Simetris. Luas daerah merupakan nilai rata-rata (mean). Luas daerah sebelah kiri dan kanan mendekati 50%.
Berikut adalah langkah langkah untuk membuat grafik histogram pada spss?Membuat Tabel Distribusi Frekuensi dan Histogram. Klik menu bar Analyze › Descriptive Statistics › Frequencies.... Pilih variabel yang dilakukan analisis frekuensi. Setelah jendela Frequencies terbuka, pilih nama variabel yang akan dianalisis frekuensinya. ... . Menambahkan Histogram, klik Charts... ... . Klik OK.. |