LAPORAN RISET PEMASARAN 3 Cara Uji Normalitas

KELOMPOK 4: SYNTA CIPTANINGTYAS 116090084 M. REZA INDRA 116090103 PUTRI NURDELVITASARI 116081052

PROGRAM STUDI SISTEM INFORMASI FAKULTAS REKAYASA INDUSTRI INSTITUT TEKNOLOGI TELKOM 2012

BAB I Pendahuluan
1.1. Definisi Tugas
Tugas resume responsi pada matakuliah Riset Pemasaran nmerupakan tugas yang diberikan kepada mahasiswa untuk dapat menggunakan tools SPSS dalam melakuan pengelolaan data. SPSS adalah software komputer yang diaplikasikan untuk alat bantu perhitungan statistic yang datanya didapatkan dari pengumpulan kuisioner.Implementasi SPSS pada tugas ketiga ini adalah Pengujian Normalitas Data.Pada tugas kali ini hal yang diperlukan yaitu : Mencari data yang berhubungan dengan pemasaran Melakukan proses koding di SPSS Melakukan uji normalitas dengan metode Kolmogorov-Smirnov, Skewness Kurtosis, dan Shapiro-Wilk Menganalisa data menggunakan hasil uji normalitas Menampilkan data hasil uji normalitas

1.2.

Manfaat Tugas
Manfaat dari tugas ini adalah : Meningkatkan kemampuan dalam mengelolah data Mengetahui proses didalam SPSS dengan uji normalitas Mengelolah data kuisioner menggunakan uji normalitas Dapat menyajikan data hasil analisis Menganalisis kenormalan data menggunakan metode beberapa uji kenormalan data

BAB II ISI
1.1 Definsi Metode

Pembuktian data berdistribusi normal tersebut perlu dilakukan uji normalitas terhadap data. Uji Statistika normalitas atau yang lebih dikenal dengan uji normalitas merupakan uji yang digunakan untuk menguji apakah sekumpulan data sampel dari populasi atau data populasi berdistribusi normal. Banyak cara yang dapat dilakukan untuk membuktikan suatu data berdistribusi normal atau tidak. Berdasarkan pengalaman empiris beberapa pakar statistik, data yang bayaknya lebih dari 30 angka (n > 30), maka sudah dapat diasumsikan berdistribusi normal. Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal atau tidak sebaiknya menggunakan uji normalitas. Karena belum tentu data yang lebih dari 30 berdistribusi normal, dan demikian sebaliknya data yang banyaknya kurang dari 30 belum tentu tidak berdistribusi normal.
1.2 Jenis Jenis Uji Normalitas Ada 3 uji normalitas yang dibahas dalam resume ini yaitu a. Uji Kolomogorov-Smirnov

Konsep dasar dari Uji Normalitas Kolmogorov-Smirnov adalah

membandingkan distribusi data yang akan diuji normalitasnya dengan distribusi normal baku. Seperti pada uji beda biasa, jika signifikansi di atas 0.05 (Sig.>0.05) berarti terdapat perbedaan yang signifikan artinya data tersebut termasuk normal. Sedangkan jika signifikansi di bawah 0.05 (Sig.<0.05) maka berarti perbedaanya tidak signifikan dengan data normal baku, berarti data tersebut tidak normal. Kelebihan : 1. 2. 3. Lebih sederhana dalam penggunaanya dan dalam melakukan analisis hasil pengujian, Tidak menimbulkan perbedaan persepsi antara penguji satu dengan yang lain yang sama-sama menggunakan uji ini, Uji ini membandingkan dengan uji distribusi normal baku

Kelemahan : 1. 2. Jika hasil uji data tidak normal, maka tidak dapat diketahui bentuk transformasi data yang dilakukan, Tidak dapat melakukan transformasi data jika diketahui data tersebut tidak normal.

b. Uji Skewness Kurtosi Uji normalitas dengan Uji Skewness dan Kurtosis merupakan uji dengan hasil berupa grafik normalitas. Sekumpulan data dapat diketahui berdistribusi normal atau tidak dengan melihat kemencengannya, menceng ke kiri atau ke kanan, terlalu datar atau mengumpul ke tengah. Uji ini berbeda dengan uji Kolmogorov-Smirnov adalah uji ini menggunakan Analisis Deskriptif. Suatu data dikatakan berdistribusi normal jika memliki kurva yang simetris dengan kemiringan nol. Bila hasil kemiringan negatif, maka kurva miring ke kiri. Begitu sebaliknya, jika bila hasil kemiringan positif maka kurva miring ke kanan. Kelebihan : 1. Diketahui grafik normalitas menceng ke kiri atau ke kanan, terlalu datar atau mengumpul di tengah, di mana data yang normal akan menyerupai bentuk lonceng, dan Dapat melakukan transformasi data, berdasarkan nilai yang kita peroleh.

2.

Kelemahan : 1. Uji ini lebih rumit dibandingkan Uji Kolmogorov Smirnov

c. Uji Shapiro-Wilk Uji Shapiro-Wilk digunakan untuk menguji data dasar yang belum diolah dalam bentuk tabel distribusi frekuensi. Data diurutkan terlebih dahulu, kemudian dibagi dalam dua kelompok untuk dikonversi dalam Shapiro Wilk. Selain itu data yang diuji berskala interval atau ratio (kuantitatif). Dengan menggunakan tabel Shapiro Wilk, nilai signifikansi dibandingkan. Nilai signifikansi yang biasa digunakan dalam kebanyakan kasus adaalah 5%. Kelebihan : 1. 2. Digunakan untuk jumlah data sampel yang lebih dari 30 (n>30), dan Lebih mudah dalam perhitungannya dibandinkan Uji Skewness Kurtosis

Kelemahan : 1. Penggunaan uji lebih ini lebih rumit dibandingkan Uji Kolmogorov Smirnov

1.3 Studi Kasus Dalam studi kasus ini, terdapat sekumpulan data yang akan dilakukan uji normalitas untuk mengetahui kenormalan pada sekumpulan data tersebut. Terdapat data berat badan 21 anak pra sekolah yang akan disajikan pada tabel berikut ini. Uji Normalitas yang akan digunakan. yaitu Uji Kolmogorov Smirnov, Uji Skewness Kortosis dan Uji Shapiro Wilk. 1.4 Uji Non Parametrik a. Langkah-langkah SPSS Uji Kolmogorov Smirnov

1. Setelah data dimasukan kedalam SPSS di dalam data view. Setelah itu Pilih
Analyze > Non-Parametric > 1-Sample KS, setelah itu muncul kotak dialog, pindahkan Berat_Badan ke Test Variable List, setelah itu pada bagian Test Distribution pilih Normal (untuk melakukan uji normal), seperti gambar berikut:

2. Pilih Option, maka akan muncul kotak dialog sebagai berikut : (biarkan pilihan
seperti itu)

3. Pilih Continue >klik OK, maka akan muncul tampilan seperti ini :

b. Langkah-langkah SPSS Uji Skewness Kurtosis (Frequency) 1. Pilih Analyze > Descriptive Statistics > Frequencies, setelah itu muncul kotak dialog, pindahkan Berat_Badan ke Test Variable List, perhatikan gambar berikut:

2. Pilih Statistics, setelah itu akan ada kotak dialog yang akan muncul, setelah itu centang beberapa pilihan sesuai gambar :

3. Setelah itu klik Continue > pilih Charts, maka akan mucul kotak dialog sebagai berikut :

4. Setelah itu pilih Continue > pilih Format > Ascending Values

5. Lalu akan muncul tampilan seperti ini:

c. Uji Skewness Kurtosis (Descriptives) 1. Pilih Analyze > Descriptive Statistics > Descriptives, maka akan muncul kotak dialog sebagai berikut :

2. Pindahkan variabel Berat_Badan ke kotak Variable di sebelah kanan

3. Pilih Option, maka akan muncul kotak dialog seperti di bawah ini :

4. Pilih Continue > OK, maka akan muncul output sebagai berikut :

dan di Data View, juga muncul output sebagai berikut :

d. Langkah-langkah SPSS Uji Saphiro Wilk 1. Pilih Analyze > Descriptive Statistics > Explore, maka akan muncul kotak dialog sebagai berikut :

2. Masukkan variabel Berat_Badan ke Dependent List

3. Pilih Statistic, maka akan muncul kotak dialog sebagai berikut :

4. Klik Continue > pilih Plots, maka akan muncul kotak dialog sebagai berikut :

5. Pilih Continue > pada bagian Display pilih Both yang berarti kita akan menggunakan baik Plots ataupun Statistic > pilih OK, maka akan muncul output sebagai berikut :

2.4 Analisis Hasil Output a. Uji Kolmogorov-Smirnov

Pada bagian Descriptive Statistics ditampilkan informasi data seperti jumlah data (N), Mean, Standar Deviasi, Nilai Minimun, dan Nilai Maksimum. Sedangkan pada output One-Sample Kolmogorov-Smirnov Test, terlihat bahwa distribusi datanya adalah Normal. Normalnya nilai distribusi dapat

diketahui dari nilai signifikan 0.590 yang berarti lebih besar dari nilai probabilitas 0.05, sehingga dapat dikatakan bahwa data berdistribusi normal berdasarkan uji Kolmogorov-Smirnov.
b. Uji Skewness Kurtosis (Frequency)

Dari output pada Histogram, dapat terlihat bahwa batang Histogram mempunyai kemiripan bentuk dengan kurva normal (berbentuk seperti lonceng) yang disertakan. Hal ini membuktikan bahwa distribusi tersebut sudah bisa dikatakan normal atau mendekati normal.

c. Uji Skewness Kurtosis (Descriptives)

Pada penerapan z scores atau Standard Score, nilai z dipakai untuk secara cepat melihat nilai mana yang menyimpang cukup jauh dari rata-rata. Jika suatu data bedistribusi normal maka suatu nilai bisa distandarisasi dengan nilai z :

dimana

nilai data ke i = Mean data = Standard deviasi

Jika data berdistribusi normal dan tingkat kepercayaan yang digunakan 95 % maka tingkat signifikansi 5 % atau 0,05. Pada tabel z, perhitungan satu sisi atau 50 % maka batas kritis ada pada luas kurva 50% - 2,5% atau 47,5%. Sehingga didapat nilai kritis 1,96.

Dari nilai variabel z Berat_Badan terlihat hanya 1 data yang termasuk outlier yaitu z Berat_Badan yang di luar 1,96. Data outlier adalah berat badan 76 kg (dengan z Berat_Badan adalah +2,38412). Dari 21 data, hanya 1 data yang mempunyai nilai di luar kewajaran (unusual value), yaitu 2,38142, maka bisa dikatakan distribusi tersebut normal.

d. Uji Shapiro Wilk

Output ini menjelaskan hasil uji apakah sebuah distribusi data bisa dikatakan normal ataukah tidak. Pedoman pengambilan keputusan : Nilai Sig. < 0.05, maka distribusinya tidak normal Nilai Sig. > 0.05, maka distribusinya normal

Ada dua macam alat uji kenormalan distribusi data yang bisa digunakan :

Kolmogorov Smirnov dengan keterangan adalah sama dengan Uji Liliefors. Didapat tingkat signifikansi yaitu diatas 0,05. Maka bisa dikatakan distribusi sampel ini adalah normal.

Shapiro Wilk, tingkat signifikansi yang diperoleh adalah diatas 0,05. Maka bisa dikatakan distribusi data berat badan ini adalah normal.

Pada output Q-Q Plot Berat_Badan, terlihat ada garis lurus dari kiri ke kanan atas yang berasal dari nilai z. Jika suatu distribusi data normal maka data akan tersebar di sekitar garis (berdekatan). Terlihat bahwa memang data tersebar di sekitar garis. Karena itu bisa dikatakan bahwa distribusi normal.

BAB III PENUTUP

3.1 Kesimpulan Uji Statistika Normalitas merupakan uji yang digunakan untuk menguji sampel dari suatu populasi apakah terdistribusi normal atau tidak. Banyak cara yang dapat dilakukan untuk membuktikannya, namun dalam resume ini terdapat 3 cara untuk mengujinya, yaitu :

a. Uji Kolmogorv Smirnov Konsep dasar dari uji normalitas Kolmogorov-Smirnov adalah membandingkan distribusi data yang akan diuji normalitasnya dengan distribusi normal baku. Diasumsikan :
Jika Sig. > 0.05, data berdistribusi normal Jika Sig. < 0.05, data berdistribusi tidak normal

b. Uji Skewness Kurtosis Uji normalitas dengan Uji Skewness dan Kurtosis merupakan uji dengan hasil berupa grafik normalitas. Sekumpulan data dapat diketahui berdistribusi normal atau tidak dengan melihat kemencengannya, menceng ke kiri atau ke kanan, terlalu datar atau mengumpul ke tengah. c. Uji Shapiro Wilk Uji Shapiro-Wilk digunakan untuk menguji data dasar yang belum diolah dalam bentuk tabel distribusi frekuensi. Data diurutkan terlebih dahulu, kemudian dibagi dalam dua kelompok untuk dikonversi dalam Shapiro Wilk. Selain itu data yang diuji berskala interval atau ratio (kuantitatif). Dengan menggunakan tabel Shapiro Wilk, nilai signifikansi dibandingkan. Nilai signifikansi yang biasa digunakan dalam kebanyakan kasus adalah 5%.
3.2 Saran

Untuk kelompok kali ini sudah sangat baik karena cara menerangkannya pelanpelan.