Tutorial Uji Normalitas dengan SPSS Lengkap

Penulis Anwar Hidayat - 28 Februari 2013

Uji Normalitas Dengan SPSS

Contents [hide]

1 Uji Normalitas Dengan SPSS

1.1 Shapiro Wilk dan Lilliefors dalam Uji Normalitas dengan SPSS
1.2 Tutorial Uji Normalitas dengan SPSS
1.3 Interprestasi Output Uji Normalitas dengan SPSS
1.3.0.1 Seperti yang kami janjikan, ada 2 uji yaitu shapiro wilk dan lilliefors.
Berikut kami jelaskan satu persatu.
1.3.0.2 Shapiro Wilk
1.3.0.3 Lilliefors
1.3.0.4 Histogram
1.3.0.5 Normal QQ Plots
1.3.0.6 Detrend QQ Plots
1.3.0.7 Stem-Leaf
1.3.0.8 Box-Plot
1.4 Contoh Diagram Distribusi Normal
1.5 Deteksi Outlier Untuk Mengatasi Masalah Normalitas

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:


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. Oleh karena itu, kami penulis
statistikian, dengan semangat juang 45 membuat artikel ini hanya untuk anda.

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. Untuk mempermudah tutorial, silahkan anda download file kerja SPSS
tutorial ini: Data Normalitas.sav.

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.

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.

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.

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

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. 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

TINJAUAN IKHTISAR

Asumsi Klasik     

SPSS     

RINGKASAN

Artikel penting dalam ASUMSI KLASIK, sebab artikel ini membahas tuntas Uji Normalitas dengan SPSS,
antara lain metode shapiro wilk untuk sampel kecil dan Lilliefors untuk sampel menengah serta
kolmogorov smirnov untuk sampel besar. Selain itu juga dibahas tentang metode grafik untuk mendeteksi
normalitas dan outlier.

5
    
NILAI KESELURUHAN


 Anwar Hidayat
https://www.statistikian.com

Founder dan CEO dari Statistikian Sejak 2012. Melayani jasa bantuan olah dan analisis data
menggunakan berbagai aplikasi statistik, seperti: SPSS, STATA, Minitab, EViews, AMOS, SmartPLS, R
Studio, NCSS, PASW dan Excel. Silahkan WhatsApp: 081515699060. Biaya 100 ribu sd 300 ribu Sesuai
Beban. Proses 1 sd 3 Hari Tergantung Antrian. Email: nadila@statistikian.com.



