Uji normalitas untuk mengetahui apakah model regresi, variabel pengganggu atau
residual memiliki distribusi normal (Imam Ghozali, 2018). Pengujian ini dilakukan untuk
mengetahui normal tidaknya suatu data. Hal ini penting berkaitan dengan ketepatan
pemilihan uji statististik yang digunakan. Apabila distribusi data tidak normal maka
disarankan untuk menguji nonparametrik.
Pengujian normalitas ini harus dilakukan apabila belum ada teori yang
menyatakan bahwa variabel yang diteliti adalah normal. Apabila variabel penelitian yang
sedang diteliti normal. Maka tidak diperlukan lagi pengujian normalitas data. Ada
beberapa teknik yang dapat digunakan untuk menguji normalitas data, antara lain: uji Chi
Square, uji Lilifors, uji Kolmogorov Smirnov, dll.
Contoh Masalah:
Apakah data intensitas penggunaan smartphone berdistribusi normal?
Apakah data kecerdasan emosional berdistribusi normal?
Apakah data prestasi hafalan berdistribusi normal?
Kasus:
Klik tab sheet [Variable View] pada SPSS data editor dan ketik/copy data sebagai
berikut:
Lakukan analisis dengan menggunakan menu Analyze Nonparametric Test 1
Sample K-S...
Masukkan semua variabel ke kotak Test Variable List sehingga akan terlihat seperti
berikut
Klik OK sehingga akan muncul hasil analisis:
Berikut hasil output analisis uji normalitas
Tabel di atas menunjukkan hasil analisis uji normalitas terhadap ketiga variabel di
atas. Bagian yang perlu dilihat untuk keperluan uji normalitas adalah bagian baris
Kolmogorov-Smirnov Z dan Asymp. Sig. (2-tailed). Jika nilai Asymp Sig lebih
dari atau sama dengan 0,05 maka data berdistribusi normal, jika Asymp Sig kurang
dari 0,05 maka distribusi data tidak normal.
Berdasarkan hasil analisis di atas diperoleh untuk variabel intensitas penggunaan
smartphone nilai Z K-S sebesar 0,647 dengan asymp sig 0,797. Oleh karena nilai
asymp sig tersebut lebih besar dari 0,05 maka dapat disimpulkan bahwa data
variabel uang saku berdistribusi normal.
Bagaimana dengan variabel lainnya? Buatlah kesimpulannya!
2. Uji Linearitas
Pengujian ini untuk mengetahui apakah dua variabel mempunyai hubungan yang linear
atau tidak secara signifikan. Uji ini digunakan sebagai prasayarat statistic parametric
khususnya analisis korelasi dan regresi linear yang termasuk hipotesis assosiatif.
Pada program SPSS, uji linearitas menggunakan Test for Linearity pada taraf
signifikan 0,05. Dua variabel dikatakan mempunyai hubungan linear bila signifikansi
(Deviation from Linearity) > 0,05.
Contoh Masalah:
Apakah hubungan antara variabel intensitas penggunaan smartphone dengan variabel
prestasi hafalan berbentuk garis linear?
Apakah hubungan antara variabel kecerdasan emosional dengan variabel prestasi
hafalan berbentuk garis linear?
Kasus:
Masukkan variabel Hasil Belajar ke kotak Dependent List, sorot variabel IQ dan
EQ kemudian masukkan ke dalam kotak Independent List.
Klik Options, pada Statistic for First Layer centang pilihan Test for Linearity
kemudian klik Continue.
Klik [OK].
ANOVA Table
Sum of df Mean F Sig.
Squares Square
(Combined) 309.167 4 77.292 34.868 .000
Prestas Between 133.34
Linearity 295.586 1 295.586 .000
i* 7
Groups Deviation
Intensit 13.580 3 4.527 2.042 .172
from Linearity
as Within Groups 22.167 10 2.217
Total 331.333 14
Dari output di atas diketahu nilai Sig pada baris Deviation from Linearity sebesar
0,172. Karena nilai Sig > α atau 0,172 > 0,05 maka dapat disimpulkan bahwa antara
variabel Prestasi hafalan dan Intensitas penggunaan smartphone terdapat hubungan
linear.
3. Uji Homogenitas
Uji homogenitas ini digunakan untuk mengetahui apakah sampel yang digunakan
dalam penelitian memiliki sifat identik atau tidak. Uji ini juga dapat dilakukan sebagai
prasyarat analisis independent sample t-test dan anova untuk peneliti yang
menggunakan lebih dari satu kelompok. Penelitian yang digunaka dalam analisis ini
untuk membuktikan hipotesis komparatif. Asumsi yang mendasar dalam Anova adalah
bahwa varian dari populasi penelitian bersifat idektik atau sama.
Kasus:
Talking Konvension
Stick al
77 40
99 48
77 54
77 34
55 48
88 68
120 67
87 67
87 75
50 56
87 60
87 47
87 60
90 70
81 61
Pada Output lihat bagian Test of Homogenity of Variances dan pada baris Based
on Mean lihat kolom Sig.
Dari tabel output di atas dapat diketahui nilai Sig sebesar 0,685. Karena nilai Sig >
0,05 maka dapat disimpulkan bahwa kedua kelompok data mempunyai varian sama
atau homogen. Angka Levene Statistic menunjukkan semakin kecil nilainya maka
semakin besar homogenitasnya.
EVALUASI MANDIRI
Seorang mahasiswa ingin melakukan penelitian dengan judul “Analisis Hubungan
Reward dan Motivasi Belajar terhadap Prestasi belajar” . Untuk keperluan tersebut
diambil secara acak sebanyak 10 orang sebagai sampel. Taraf kepercayaan 95% (taraf
signifikansi α = 0,05). Data total hasil jawaban setiap mahasiswa untuk variabel X1, X2
dan Y dilihat pada tabel dibawah ini.
Dari data berikut untuk megetahui analisis asumsi parametris maka ujilah dengan uji
persyaratan data
Reward
Motivasi IPK
(Ribuan
Belajar
Rupiah
per hari)
50 58 3.54
60 45 2.82
65 54 3.41
55 48 3.25
40 61 3.36
35 54 3.38
65 52 3.43
90 50 3.66
35 58 3.27
30 60 3.30
45 48 3.19
25 62 3.33
30 44 3.16
50 56 3.40
60 53 3.16
40 61 3.38
45 63 3.20
45 46 3.09
65 57 3.31
55 49 3.34
45 55 3.39
40 48 3.11
30 58 3.12
25 52 3.35
45 60 3.45
65 54 3.15
Uji Normalitas
N 26 26 26
a,b
Normal Parameters Mean 3.2904 54.08 47.50
Std. Deviation .16806 5.585 15.379
Most Extreme Differences Absolute .100 .105 .141
Positive .094 .092 .141
Negative -.100 -.105 -.072
Test Statistic .100 .105 .141
c,d c,d
Asymp. Sig. (2-tailed) .200 .200 .194c
Berdasarkan hasil analisis di atas diperoleh untuk variabel IPK (Y) Z K-S sebesar
0,100 dengan asymp sig 0,200. Oleh karena nilai asymp sig tersebut lebih besar dari 0,05 maka
dapat disimpulkan bahwa data variabel IPK berdistribusi normal. Berdasarkan hasil analisis di
atas diperoleh untuk variabel Reward (X1) Z K-S sebesar 0,105 dengan asymp sig 0,200. Oleh
karena nilai asymp sig tersebut lebih besar dari 0,05 maka dapat disimpulkan bahwa data
variabel Reward berdistribusi normal. Berdasarkan hasil analisis di atas diperoleh untuk variabel
Motivasi Belajar (X2) Z K-S sebesar 0,141 dengan asymp sig 0,194. Oleh karena nilai asymp sig
tersebut lebih besar dari 0,05 maka dapat disimpulkan bahwa data variabel Motivasi belajar
berdistribusi normal.
Uji Linearitas
ANOVA Table
Sum of Mean
Squares df Square F Sig.
Deviation from
.439 15 .029 1.694 .214
Linearity
Total .706 25
Dari output di atas diketahu nilai Sig pada baris Deviation from Linearity
sebesar 0,214. Karena nilai Sig > α atau 0,214 > 0,05 maka dapat disimpulkan bahwa
antara variabel IPK dan reward terdapat hubungan linear.
Uji Homogenitas
Dari tabel output di atas dapat diketahui nilai Sig sebesar 0,353. Karena nilai Sig >
0,05 maka dapat disimpulkan bahwa kedua kelompok data mempunyai varian sama atau
homogen. Angka Levene Statistic menunjukkan semakin kecil nilainya maka semakin besar
homogenitasnya