Normalitas pada SPSS

Kita telah mempelajari berbagai jenis uji normalitas pada artikel-

artikel sebelumnya, antara lain:

1. Uji Normalitas (Chi-Square Goodness of Fit Test Normalitas)

2. Rumus Kolmogorov

3. Rumus Shapiro Wilk

4. Rumus Lilliefors

5. Kolmogorov Smirnov dalam SPSS

6. Kolmogorov dalam Excel

7. Lilliefors dalam Excel

Beberapa artikel di atas kiranya telah cukup untuk memenuhi

kebutuhan dalam menyelesaikan penelitian anda, tapi tidak ada
salahnya jika kita lebih dalam mempelajari tentang berbagai uji
normalitas, termasuk uji normalitas dalam beberapa aplikasi atau
software statistik, seperti SPSS, Stata dan Minitab.

Dalam artikel kali ini, kita akan membahas 2 uji normalitas yang
sangat sering dipakai oleh peneliti selain uji kolmogorov smirnov.
Uji kolmogorov smirnov memanglah uji yang paling populer, tapi
sebenarnya uji tersebut mempunyai sedikit kelemahan, yaitu
reliable atau handal pada pengujian dengan sampel besar > 200.

Bagaimana jika sampel kurang dari itu? dalam SPSS kita bisa
menggunakan Shapiro Wilk dan Lilliefors (Adaptasi
Kolmogorov Smirnov).

Bagaimana cara melakukan uji tersebut dengan SPSS? Kita bisa

menggunakan fungsi EXPLORE.

Baiklah, mari kita mulai tutorial tentang Uji Normalitas Pada

SPSS:
Kita akan melakukan pengujian pada 1 variabel dengan 100
sampel.

Untuk mempermudah tutorial, silahkan anda download file kerja

SPSS tutorial ini:
Data Normalitas.sav

Setelah data terisi pada variabel, pada Menu, Klik Analyze,

Descriptive Statistics, Explore.

Masukkan variabel ke dalam dependen list (Catatan:

Apabila dalam variabel anda terdapat 2 kelompok, misal
kelompok A dan B, anda dapat melakukan uji normalitas
pada masing-masing kelompok dengan cara memasukkan
variabel yang menjadi Grouping (A dan B atau 1 dan 2) ke
kotak Factor List.

Pada Display centang Both

Klik tombol Plots, Centang Stem-and-Leaf, Histogram,

Normality Plots With Tests.
 Klik Continue

Klik OK

Lihat Output

Untuk mempermudah anda, download file output tutorial ini:

Output Normalitas

Interprestasi Output Uji Normalitas SPSS

Shapiro Wilk
Lihat nilai Sig. pada kolom Shapiro-Wilk. Pada contoh di atas
nilainya 0,710 lebih dari 0,05, maka data berdistribusi Normal.

Lilliefors
Lihat nilai Sig. pada kolom Kolmogorov-Smirnova. Pada contoh di
atas nilainya 0,200 lebih dari 0,05, maka data berdistribusi
Normal.

Untuk memperkuat kesimpulan di atas, di bawah ini kita bisa

menggunakan beberapa diagram.

Histogram
Contoh di atas, membentuk kurve normal dan sebagian besar
bar/batang berada di bawah kurve, maka variabel berdistribusi
normal.

Normal QQ Plots

Contoh di atas, plot-plot mengikuti garis fit line, maka variabel

berdistribusi normal.

Detrend QQ Plots

Contoh di atas, plot-plot tersebar merata di atas dan di bawah

garis horizontal, serta garis horizontal tepat berada ditengah
diagram, maka variabel berdistribusi normal.

Stem-Leaf
Contoh di atas, angka-angka membentuk kurve normal miring ke
arah kanan, maka variabel berdistribusi normal.

Box-Plot

Contoh di atas, box berada ditengah dengan kedua kaki yang

sama panjang, garis horizontal berada ditengah box dan tidak
terdapat plot-plot di atas atau di bawah box, maka variabel
berdistribusi normal.

Untuk contoh diagram yang menunjukkan distribusi tidak normal,

lihat di bawah ini: