//Normalitas

Tujuan uji normalitas adalah mengetahui apakah distribusi normal atau tidak. Uji
normalitas pada multivariat harus dilakukan pada seluruh variabel secara bersama-sama.
Namun uji ini juga bisa dilakukan pada setiap variabel (univariat), dengan logika bahwa
jika masing-masing variabel memenuhi asumsi nomalitas maka secara bersama-sama
(multivariat) variabel tersebut juga dianggap memenuhi asumsi normalitas.

Uji Normalitas Univariat

 Buka file outlier.
 Analyze  Descriptive Statistics  Explore
Dependen list : minum, usia, berat, tinggi, income, jam kerja, olahraga
Di bagian Display kiri bawah  Plots
Plots : Boxplots  None
Descriptive  Stem-and-leaf  Histogram
 Normality plot with tests
 Uji Hipotesis:
H0 : data berdistribusi normal vs H1 : data tidak berdistribusi normal

Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
minum .343 75 .000 .636 75 .000
SMEAN(USIA) .249 75 .000 .860 75 .000
SMEAN(BERAT) .124 75 .006 .967 75 .046
SMEAN(TINGGI) .186 75 .000 .936 75 .001
SMEAN(INCOME) .279 75 .000 .821 75 .000
SMEAN(JAMKERJA) .180 75 .000 .963 75 .027
SMEAN(OLHRAGA) .184 75 .000 .887 75 .000
a. Lilliefors Significance Correction

Kolmogorov-Smirnov jika n ≥ 50 data

Shapiro-Wilk jika n < 50 data
Uji Normalitas Multivariat
 Mencari jarak mahalanobis
Analyze Æ Regression Æ Linier
Dependent : minum
Independent(s) : usia, berat, tinggi, income, jam kerja, olahraga
(pemilihan variabel dependen bebas, karena hanya ingin melihat jarak
mahalanobisnya. Sedangkan sisanya menjadi variabel independen)
Save Æ Distance  Mahalanobis
 Mengurutkan data MAH_1 dari terkecil ke terbesar
Data Æ Sort Cases..
Sort by : MAH_1
Sort Order : Ascending
 Membuat variabel baru “obs” berisi no. 1 - n untuk kasus ini 1 – 75
 Membuat nilai persentil (varibel baru “prob_value)
Transform Æ Compute
prob_value = (obs - 0.5) / n

untuk kasus ini

Target variable : prob_value
Numeric Expression : (obs - 0.5) / 75
 Menghitung Chi-Square
Transform Æ Compute
chi_square = IDF.CHISQ (prob_value, banyak variabel independen di Mahalanobis-1)

untuk kasus ini

Target variable : chi_square
Numeric Expression : IDF.CHISQ (prob_value, 5)
 Membuat Scatter Plot
Graphs Æ Legacy Dialogs Æ Scatter/Dot Æ Simple Scatter Æ Define
Y Axis = chi_square
X Axis = MAH_1 20.00

15.00
chi_square

10.00

5.00
R Sq Linear = 0.99

0.00

0.00000 5.00000 10.00000 15.00000 20.00000

Mahalanobis Distance
 Inferensi
Analyze > Correlate > Bivariate
Variabels : chi_square
MAH_1
Correlations

Mahalanobis
chi_square Distance
chi_square Pearson Correlation 1 .995**
Sig. (2-tailed) .000
N 75 75
Mahalanobis Distance Pearson Correlation .995** 1
Sig. (2-tailed) .000
N 75 75
**. Correlation is significant at the 0.01 level (2-tailed).

 Uji Hipotesis:
H0 : data berdistribusi normal secara multivariat
H1 : data tidak berdistribusi normal secara multivariat
Tingkat signifikansi : = 0.05 n = 75
a
Nilai kritik untuk n = 75 adalah 0,9838
Daerah kritik : H0 ditolak jika Nilai Korelasi < Nilai Kritik Tabel
Penanganan data tidak normal:
1. Menambah jumlah data
misalkan menambah 20 data lagi ke dalam 75 data yg dulu.
2. Menghilangkan data yg dianggap menyebabkan data tidak normal
misal pada usia, jika data outlier dibuang , yakni usia aris yg 27, kemudian
diulang proses pengujian mungkin data bisa menjadi normal. Jika belum normal
ulangi lagi hingga pengurangan data menyebabkan normal. Namun harus
diperhitungkan dalam pengurangan data, apakah tidak mengaburkan tujuan
penelitian, karena hilangnya data yg seharusnya ada.
3. Dilakukan transformasi data ke bentuk logaritma atau bentuk natural, kemudian
dilakukan pengujian ulang.
4. Data diterima apa adanya, memang dianggap tidak normal dan tidak perlu
dilakukan treatment.mungkin alat analisis tidak mementingkan asumsi normalitas.