Uji Normalitas Dengan SPSS

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.

Shapiro Wilk dan Lilliefors dalam Uji Normalitas dengan SPSS

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).

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.
Pada Display centang Both. Artinya anda akan melihat nilai statistics dan plot
uji normalitas termasuk juga hasil uji shapiro wilk dan lilliefors. Klik
tombol Plots, Centang Stem-and-Leaf, Histogram, Normality Plots With Tests.

Klik tombol Continue dan selanjutnya Klik OK.

Interprestasi Output Uji Normalitas dengan SPSS

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.

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.

Histogram

Contoh di atas, membentuk kurve normal dan sebagian besar bar/batang

berada di bawah kurve, maka variabel berdistribusi normal.

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

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 tidak Normal