Screening dan Transformasi Data

Oleh
Dr. Mirna Indriani, SE, M. Si, Ak

Sebelum melakukan pengolahan data maka harus dilakukan screening terhadap data.
Asumsi penggunaan statistik parametrik bahwa data memiliki distribusi normal baik untuk
variabel itu sendiri dan hubungan antara variabel adalah linier dan homoskedastik (variance satu
variabel sama dengan variance variabel lainnya. Pengujian yang dilakukan disebut dengan uji
asumsi. Uji yang dapat dilakukan adalah uji normalitas, linearitas dan homoskedastistitas.

Normalitas
Normalitas; adalah uji yang dilakukan untuk analisis statistic parametrik. Pengujian dapat
dilakukan dengan pengamatan dan pengujian statistik. Pengamatan dilakukan melalui:
Pengamatan nilai residual, yaitu nilai residual berdistribusi secara normal dan independen
1) Nilai kurtosis dan Skewness melalui grafik. Variabel tidak berdistribusi normal jika nilai
kortunis dan skewnee nol. Kurtosis nilai puncak sedangkan skewnees adalah variabel yang
nilai meannya tidak ditengah.

Langkah Analisis
1) Buka File Crossec1
2) Menentukan nilai kurtosis dan skewness pilih menu
Analyze
Descriptive Statistic
Descriptive
Tampak dilayar menu descriptives
3) Isi vriabel yang akan diuji normalitasnya yaitu earn dan wealth

1
 4) Pilih option, isikan statistic yang digunakan kurtosis dan skewneee
5) Tekan continue dan ok

Hitung nilai Zskew dan Zkurt dan bandingkan dengan nilai kritisnya. Jika

Nilai Z > nilai Kritis maka kesimpulan data berdistribusi normal.

kurtosis dapat dihitung dengan rumus:

2) Pengujian Statistik dilakukan dengan:

1) Uji Kolmogorov-Smirnov
2) Uji normalitas dengan grafik

Uji Kolmogorov Smirnov

Untuk melihat normalitas data dapat dilakukan dengan pengujian Kolmogorov-smirnov.
Langkah awal ditentukan terlebih dahulu hipotesis pengujian:

Hipotsis Nol (H0) : Data berdistribusi normal

Hipotesis Alternatif : Data tidak berdistribusi normal

Langkah Analisis
1) Buka file crossec1
2) Pilih Analyze
Nonparametric
1-sample K-S
3) Akan tampak monitor one-sampel Kolmogorov-Smirnov
4) Is kan variabel EARNS dan Wealth kedalam kotak Test VAriabel List, pilih Normal pada
Test Distribution
5) Pilih Ok
6) Ouput
7) Buat kesimpulan terhadap output

2
Uji Normalitas Dengan Grafik
Normalitas data dapat diteksi melalui plot grafik histogram, tapi gambar kadang-kadang tidak
begitu jelas bisa saja kelihatan distribusinya normal tetapi secara statistik tidak normal.

Langkah Analisis
1) Buka data crossec1
2) Pilih dari menu utama SPSS, graph
Legacy
Dialogs
Histogram
3) Tampak tampilan window Histogram
4) Isikan Variabel dengan Earn, pilih normal curve
5) Output nya akan kelihatan
6) Lakukan untuk variable; Wealth

Transformasi Data
Jika terdapat variabel tidak normal maka diperlukan transformasi data yang berfungsi
untuk menormalkan data. Transformasi data dilakukan dengan terlebih dahulu melihat posisi
data dari kurtosis dan Skewness apakah positif, moderat dan negatif
Bentuk Transformasi

3
Langkah Analisis

1) Buka file Cressec1

2) Dari menu SPSS pilih Transform
Compute
3) Tampak dilayar window compute variabel
4) Piilih Target variabels, isi nama baru hasil transformasi SQEARNs (maksimum 8
karakter)
5) Pada fungsi Group pilih All, masukkan SQRT pada kotak numeric Expression
6) Pada Type and Label pilih EARNS yang akan di transformasi
7) Pilih Ok
8) Dan pada SPPS editor akan kelihatan SQRANS
9) Lakukan Untuk Variabel Wealth
10) Kemudian lakukan uji kolmogorof-Smirnov

Data oulier
Selain uji normalitas juga dilakukan analisis terhadap data yang oulier. Outlier adalah kasus atau
data yang memiliki karakter unik yang terlihat sangat berbeda dari data observasi yang lain.
Outlier dapat terjadi karena:
1) Salah memasukkan data
2) Gagal menspesifikasi missing value pada program komputer
3) Bukan merupakan anggota populasi yang kita pilih
4) Distribusi memiliki nilai ekstrim dan tidak terdistribusi dengan normal

Langkah Analisis
1) Pilih Analyze
Descritive statistic
2) Isi variabel yang akan dianalisis SQREARNS dan SQRWEALTH centang Save
standardized value variable
3) OK
4) Output

Jika sampel kecil < 80 = Standar Skor 2,5 Outier

Sampel besar outlier nilai kisran 3-4
2,5 > standar deviasi
3-4 >standar deviasi