Uji Normalitas Dengan
Uji Normalitas Dengan
Uji Normalitas adalah uji statistik yang dilakukan untuk mengetahui bagaimana sebaran
sebuah data. Cara uji normalitas dengan SPSS dapat dilakukan dengan uji shapiro wilk atau
lilliefors serta kolmogorov smirnov. Selain itu juga bisa dengan metode grafik. Dimana
semua uji normalitas dengan SPSS di dalam bahasan ini akan kami kupas satu per satu dan
coba membuatkan tutorialnya agar anda mudah memahaminya. Jadi jangan kemana-mana ya
sob.
Dan kalau nantinya artikel ini sangat bermanfaat, jangan lupa sebarkan kepada teman yang
lainnya. Terima kasih sebelumnya.
Kita telah mempelajari berbagai jenis uji normalitas pada artikel-artikel sebelumnya, yaitu
antara lain:
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. Oleh karena itu, kami penulis statistikian,
dengan semangat juang 45 membuat artikel ini hanya untuk anda.
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 dan pengembangan dari Uji Kolmogorov Smirnov). Dan
bagaimana cara melakukan uji shapiro wilk dan lilliefors tersebut dengan SPSS? Kita bisa
menggunakan fungsi EXPLORE.
Baiklah, mari kita mulai tutorial tentang Uji Normalitas dengan SPSS ini, dimana pada
tutorial kaini kita akan melakukan uji normalitas dengan SPSS pada 1 variabel dengan 100
sampel. Untuk mempermudah tutorial, silahkan anda download file kerja SPSS tutorial
ini: Data Normalitas.sav.
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. Artinya anda akan melihat nilai statistics dan plot uji normalitas
termasuk juga hasil uji shapiro wilk dan lilliefors. Selanjutnya ambil nafas dulu sobat, agar
tidak tegang. Selanjutnya perhatikan lagi langkah di bawah ini.
Klik tombol Plots, Centang Stem-and-Leaf, Histogram, Normality Plots With Tests.
Lihat Output anda dan apabila dalam output view anda tampil beberapa tabel dan beberapa
gambar atau diagram, berarti langkah yang anda lakukan sudah benar. Maka sobat bisa
bernafas lega. Karena tugas berikutnya adalah tinggal membaca hasil uji normalitas dengan
SPSS dalam tutorial ini.
Agar lebih meyakinkan pembaca, silahkan bandingkan output anda dengan yang sudah
penulis buatkan. Dan untuk mempermudah anda membandingkannya, silahkan download file
output tutorial ini di: Output Normalitas.
Interprestasi Output Uji Normalitas dengan SPSS
Saatnya kita belajar cara baca uji normalitas dengan SPSS yang kiranya akan mudah anda
pahami jika telah mengikuti langkah demi langkah tahapan di atas. Perhatikan tabel di bawah
ini ya.
Seperti yang kami janjikan, ada 2 uji yaitu shapiro wilk dan lilliefors. Berikut kami jelaskan satu
persatu.
Shapiro Wilk
Untuk menentukan apakah data anda berdistribusi normal menggunakan shapiro wilk, maka
pada SPSS cukup anda lihat nilai Sig. pada kolom Shapiro-Wilk. Nilai sig itu berarti
signifikansi atau boleh disebut p value atau nilai probabilitas. Pada contoh di atas nilainya
sebesar 0,710 lebih dari 0,05, maka dapat dikatakan data berdistribusi Normal atau yang
berarti menerima H0.
Lilliefors
Hampir sama dengan shapiro wilk di atas, cara interprestasinya adalah dengan melihat nilai
Sig. pada kolom Kolmogorov-Smirnova. Pada contoh di atas nilainya 0,200 lebih dari 0,05,
maka data berdistribusi Normal atau yang berarti menerima H0.
Sejauh ini apakah mudah sobat? semoga sobat bisa memahami sejauh ini. Dan untuk
memperkuat kesimpulan di atas, di bawah ini kita bisa menggunakan beberapa diagram uji
normalitas dengan SPSS, yaitu antara lain: histogram, stem leaf, normal QQ plot, Detrend
QQ Plot dan Box Plot. Akan kami jelaskan satu persatu juga ya.
Kemudian bagaiaman cara uji normalitas dengan SPSS metode kolmogorov smirnov? jangan
khawatir, kami juga telah membahasnya di artikel kami yang lain, yaitu: Uji Normalitas
Kolmogorov Smirnov.
Histogram
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
Box Plot Normalitas dengan SPSS
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.
Agar anda nantinya pada saat penelitian mudah mengenali atau mudah membuat kesimpulan
sebaran data berdasarkan grafik dengan SPSS, maka disini kami buatkan contoh diagram
yang menunjukkan distribusi tidak normal, lihat di bawah ini ya:
Tambahan lagi ya para sobat statistikian, bahwa grafik-grafik di atas, selain berguna untuk uji
normalitas dengan SPSS, juga berguna untuk mendeteksi adanya outlier. Artinya apabila ada
batang pada histogram yang melenceng jauh dari kelompoknya maka terdaat outlier. Begitu
juga dengan grafik lainnya, jika ada plot yang jauh sekali dengan temannya, maka dapat
diperkirakan adanya outlier.
Dan untuk melihat sampel mana atau angka berapa yang menjadi outlier, silahkan pada grafik
yang anda gunakan, anda klik lalu silahkan menuju menu SPSS output anda, pilih tombol
“Show Data”. Kemudian lihat grafik tersebut, pada plot atau batang histogram akan terlihat
angka atau kode yang menunjukkan ID sampel. Pada ID yang jauh letaknya dengan
kelomponya, maka ID tersebutlah yang kiranya menjadi outlier.
Tentunya jika anda melakukan eliminasi terhadap outlier tersebut, maka besar kemungkinan
data anda yang awalnya tidak normal sebarannya, akan berubah menjadi normal. Untuk lebih
jelasnya tentang outlier, kami membahasnya di: cara mengatasi outlier dengan SPSS. Dan
untuk masalah transformasi data, kami membahasnya di: Pengertian dan Jenis Transformasi
Data.
Demikian telah kita bahas Uji Normalitas dengan SPSS beserta tutorialnya secara lengkap
menggunakan aplikasi SPSS. Artikel Selanjutnya: Normalitas Pada Minitab. Jangan lupa ya
jika anda puas dengan artikel kami yang sederhana ini, harap share kepada teman anda atau
media social. Terima kasih banyak sobat.
By Anwar Hidayat