Cara Uji Normalitas Dengan Spss

Normalitas ialah sebuah distribusi yang dijadikan indikasi penyebaran data yang seimbang dan sebahagian besar data ada di sekitaran nilai tengah (median). Kegunaan normalitas ini ialah sebagai syarat utama pada analisis regresi dan analisis parametric.

Tujuan uji normalitas ialah menguji model regresi, variable penganggu (residual) mempunyai distribusi normal atau tidak. Bila tidak normal maka uji statistik yang dilakukan dikatakan bias atau tidak valid, terlebih untuk ukuran sampel dalam jumlah sedikit. Pendekatan uji normalitas ini sanggup dilaksanakan dengan deskriptif ataupun inferensial.

Dalam uji normalitas ini, kita sanggup lakukan beberapa cara uji normalitas. Diantaranya,

1. Secara deskriptif, Dilakuakn dengan : koeifisien varians, rasio skewness, perbandingan kurotsis, histogram, melihat Q-Q plot, Melihat Detrend normal dan Boxplot.
2. Secara analitis dengan uji Shapiro Wilk atau Uji Kolmogorov-Smirnov.

Sekarang kita akan lihat bagaimana cara uji normalitas dengan memakai software SPSS. Langkah Uji normalitas di SPSS. Misalkan kita punya data berikut,

1-Pilih ‘Analyze – Descriptive Statistic – Explore’ pada sajian atas.
2- Input Variabel tradisional pada dependent list
3- Pilih boxplot, dan pilih ‘Factor Levels Together’. Bila menampilkan dengan boxplot, Anda sanggup pilih juga ‘Histogram’ pada Descriptive untuk menampilkan histogram dan ‘Normality Plots with test’. Tampilan yang akan Anda dapatkan menyerupai berikut.

4- Terakhir, klik OK. Penjabaran dari langkah di atas, mari kita uraikan.

- Uji Normalitas SPSS Deskriptif

Anda sanggup melihat normalitas dengan memakai koefisien varians, rasio skewness dan rasio kurtosis.

# Koefisien Varians

Sifat koefisien ini tidak mutlak. Oleh lantaran itu kita harus melaksanakan hitungan dengan rumusan

Koefisien Varians = Simpangan baku/ Rata-rata x 100%.

Contoh pada hasil data di atas
Koefisien Varians = 7,363/86,93 x 100% = 8,47%
Syarat data dikatakan normal saat melihat koefisien Varians ini ialah kalau Koefisien Varians < 30%. Karena dari hasil di atas Koefisien Varians kita < 30%, artinya data tersebut normal.

# Rasio Skewness

Rasio Skewness ialah statistik yang memperlihatkan kemiringan data. Cara menghitung rasio skewness memakai rumus:

Rasio Skewness = Skewness/Standar Error Skewness

Sebuah data dikatakan normal dengan rasio skewness bila berada pada nilai antara -2 dan 2. Jika diperhatikan pada data di atas tadi maka,
Rasio Skewness = -0,052/0,58 =-0,089
Karena 0,089 berada pada rentang [2,-2] maka, sanggup dikatakan data kita di atas normal.

# Rasio Kurtosis

Kurtosis ini merupakan indikasi ketajaman sebuah data. Cara Pengujian hampir sama dengan rasio Skewness, dimana dipakai rumus rasio Kurtosis

Rasio Kurtosis = Kurtosis / Std Error Kurtosis.

Syarat data dikatakan normal bila Rasio tersebut berada pada interval [-2,2] juga.

# Melihat Histogram

Bila ditampilkan histogram,maka akan diperoleh gambar sebagai berikut.

Sebaran data memang tak begitu jelas. Namun dari ketinggian yang tidak terlalu berbeda jauh, sanggup dikatakan data ini normal.

# Normalitas dengan Q-Q Plot

Data dikatakan normal bila sebaran data tersebar tidak terlalu jauh dari garis. Hasil tampilan dari data kita di atas didapatkan sebagai berikut,

# Normalitas dengan Detrend Normal Q-Q

Data dikatakan normal bila penyebaran data berada disekitaran nol. Perhatikan hasil dari Detrend Normal Q-Q dari data kita di atas.

# Normalitas dengan Boxplot Data dikatakan normal dengan Boxplot bila 1) Nilai media ada di tengah kotak ; 2) Nilai Whisker rata terbagi ke atas dan ke bawah serta tak ada nilai ekstrim atau diluar. Bisa diperhatikan hasil dari pengolahan data kita di atas dengan hasil,

- Uji Normalitas Secara Inferensial

Dalam hal ini dipakai uji Kolmogorov-Smirnov dan Uji Shapiro Wilk. Kolgomorov smirnov dipakai saat menguji sampel dalam jumlah besar, dan Shapiro Wilk dipakai menguji sampel yang sedikit. Dari data di atas, kita sanggup dapatkan hasil nya.

Sebab data kita sedikit (n=15) maka kita liihat Shapiro Wilk. Nilai p yang diperoleh (kolok Sig) ialah 0,346. Karena p> dari 0,05 maka data tersebut dikatakan berdistribusi normal. Secara umum syarat data normal ialah bila nilai p (Sig pada tabel) lebih besar dari 0,05.  Baca juga: Contoh Soal dan Pembahasan Distribusi Normal Tabel Z

Sumber http://www.marthamatika.com/

Share this post

Berlangganan update artikel terbaru via email: