Shapiro Wilk dan Lilliefors dalam Uji Normalitas dengan SPSS

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.

Tutorial Uji Normalitas dengan SPSS

Silahkan isi dataset SPSS anda seperti contoh yang sudah anda download. Kalaupun
tidak download, anda bisa isi sembarang angka pada satu variabel yang akan diuji
normalitas dengan SPSS. 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.

Uji Normalitas dengan SPSS

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.

Plot Uji Normalitas dengan SPSS

Klik tombol Continue dan selanjutnya Klik OK.

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.

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.

Tabel Uji Normalitas dengan SPSS

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.

Histogram

Histogram Normalitas dengan SPSS

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

Normal QQ Normalitas dengan SPSS

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

Detrend QQ Plots

Detrend Normal QQ Normalitas dengan SPSS

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

Stem Leaf Normalitas dengan SPSS

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.

Contoh Diagram Distribusi 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:

Histogram dengan Distribusi Data Tidak Normal

Normal QQ dan Detrend QQ dengan Distribusi Data Tidak Normal

Box Plot dengan Distribusi Data Tidak Normal

 Stem Leaf dengan Distribusi Data Tidak Normal

Deteksi Outlier Untuk Mengatasi Masalah Normalitas

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.