PERTEMUAN KE-5

I. Cara Uji Normalitas SPSS Shapiro Wilk dan Kolmogorov

Smirnov
Uji normalitas digunakan untuk mengetahui data yang akan dianalisis
berdistribusi normal atau tidak. Pada dasarnya, data yang berdistribusi
normal dapat diketahui melalui bentuk histogram seperti lonceng. Terdapat
banyak uji normalitas untuk mengetahui distribusi data. Berikut cara uji
normalitas SPSS shapiro wilk dan kolmogorov smirnov. Perlu diperhatikan
pengujian normalitas terhadap data disesuaikan dengan spesifikasi metode
yang digunakan serta jenis uji yang dilakukan.

Pengujian Shapiro Wilk dan Kolmogorov Smirnov umumnya digunakan untuk

data univariat. Uji univariat akan menguji normalitas data tiap variabel pada
data, dan menghasilkan hasil uji normalitas sebanyak variabel yang diujikan.
Hasil uji juga dapat disesuaikan dengan pengelompokan data yang
disesuaikan misalnya berdasarkan jenis kelamin, tingkatan pendidikan, dan
lainnya. Untuk beberapa kasus data dengan banyak variabel dengan korelasi
yang cukup atau dengan metode penelitian tertentu, mungkin sebaiknya
menggunakan uji normalitas multivariat.

A. Pengertian Uji Normalitas Shapiro Wilk

Uji Normalitas Shapiro Wilk adalah uji yang dilakukan untuk mengetahui
sebaran data acak suatu sampel kecil. Dalam 2 seminar paper yang
dilakukan Shapiro, Wilk tahun 1958 dan Shapiro, Wilk, Chen 1968 digunakan
simulasi data yang tidak lebih dari 50 sampel. Sehingga disarankan untuk
menggunakan uji shapiro wilk untuk sampel data kurang dari 50 sampel
(N<50). Dalam pengujian, suatu data dikatakan berdistribusi normal apabila
nilai signifikansi lebih dari 0.05 (sig. >0.05).

B. Pengertian Uji Normalitas Kolmogorov Smirnov

Uji Normalitas Kolmogorov Smirnov adalah uji yang dilakukan untuk

mengetahui sebaran data acak dan spesifik pada suatu populasi (Chakravart,
Laha, and Roy, 1967). Berdasarkan pengujian yang dilakukan National
Institute of Standars and Technology, uji kolmogorov smirnov menghasilkan
performa yang baik untuk ukuran data 20-1000. Namun dalam penelitian
pada umumnya, pengujian kolmogorov smirnov masih digunakan untuk
sampel data yang berukuran lebih dari 2000 sampel. Sehingga disarankan
untuk menggunakan uji kolmogorov smirnov untuk data di atas 50 sampel
(20≤N≤1000). Dalam pengujian, suatu data dikatakan berdistribusi normal
apabila nilai signifikansi lebih dari 0.05 (sig. >0.05).

C. Cara Uji Normalitas SPSS beserta Grafiknya

Contoh: Melakukan Uji Normalitas keseluruhan data

Diketahui pada Data View berikut (menggunakan tampilan value labels)

berisi data nilai ujian matematika dari 20 siswa suatu kelas.

Dengan variabel pada data SPSS

Berikut langkah-langkah untuk melakukan uji normalitas pada SPSS,

1. Klik Analyze > Descriptive Statistics > Explore...

2. Masukkan variabel yang dilakukan pengujian normalitas pada jendela

Explore

Masukkan variabel dilakukan pengujian ke kolom Dependent List.

Kita juga dapat memasukkan variabel ke Factor List untuk
melakukan pengujian berdasarkan kriteria tertentu, misalnya uji
normalitas data yang dibedakan berdasarkan jenis kelamin.
 Catatan: Anda dapat memasukkan beberapa variabel sekaligus
di Dependent List untuk menguji normalitas masing-masing
variabel, misalnya uji normalitas 2 variabel atau 3 variabel.

3. Klik Plots.. pada jendela Explore dan centang Normality plot with
tests

o Boxplots: Untuk membuat Boxplot data

o Descriptive: Untuk melakukan analisis deskriptif serta
membuat grafik Steam-and-leaf atau histogram (centang
jika diperlukan)
o Normality plots with tests: untuk melakukan pengujian
normalitas
4. Klik Continue lalu klik OK

5. Hasil pengujian ditampilkan pada jendela output

D. Membaca Hasil Uji Normalitas SPSS

Untuk mempermudah membaca hasil analisis anda dapat menggunakan

panel navigasi pada jendela output.

Hasil Pengujian Normalitas (Test of Normality)

Nilai signifikansi (p) pada uji kolmogorov-smirnov adalah 0.2 ( p > 0.05),
sehingga berdasarkan uji normalitas kolomogorov-smirnov data berdistribusi
normal.
Nilai signifikansi (p) pada uji shapiro-wilk adalah 0.853 ( p > 0.05), sehingga
berdasarkan uji normalitas shapiro-wilk data berdistribusi normal.

Histogram Data

Terlihat bentuk histogram data hampir menyerupai lonceng.

Normal Q-Q Plot

Q-Q Plot baik digunakan dengan data N≥20 untuk melihat keragaman
sebaran data univariat (1 variabel).

II. Cara Uji Homogenitas dengan SPSS (Levene Test)

Uji homogenitas adalah suatu uji yang dilakukan untuk mengetahui bahwa
dua atau lebih kelompok data sampel berasal dari populasi yang memiliki
varians sama (homogen). Dalam buku yang ditulis Sudjana (2005:250), uji
homogenitas dapat dilakukan dengan uji levene, fisher atau uji bartlett.
Pengujian ini merupakan persyaratan sebelum melakukan pengujian lain,
misalnya T Test dan Anova. Pengujian ini digunakan untuk meyakinkan
bahwa kelompok data memang berasal dari sampel yang sama.

Uji Levene merupakan metode pengujian homogenitas varians yang hampir

sama dengan uji Bartlett. Perbedaan uji Levene dengan uji Bartlett yaitu
bahwa data yang diuji dengan uji Levene tidak harus berdistribusi normal,
namun harus kontinu.
A. Penentuan Homogenitas Data

Data yang dilakukan pengujian dikatakan homogen berdasarkan nilai

signifikansinya.

 Nilai signifikansi (p) ≥ 0.05 menunjukkan kelompok data berasal dari populasi yang
memiliki varians yang sama (homogen)
 Nilai signifikansi (p) < 0.05 menunjukkan masing-masing kelompok data berasal dari
populasi dengan varians yang berbeda (tidak homogen)

B. Cara Uji Homogenitas SPSS

Pada artikel ini dijelaskan cara melakukan uji homogenitas berdasarkan

penelitian yang dilakukan "I Kadek Gunawan" dari IKIP PGRI Bali terkait
"Peningkatan Kekuatan Otot Kelompok Kontrol Tanpa Pelatihan
dan Kelompok Perlakuan dengan Pelatihan Angkat Dumbell"
Data berisi 3 variabel yaitu Nama (Nominal String), Tes_awal (Scale
Numerik), dan Tes_akhir (Scale Numerik) yang terdiri dari 15 sampel kontrol
dan 15 sampel perlakuan. Dilakukan uji homogenitas pada
data Tes_awal dan Tes_akhir untuk memastikan data kedua kelompok
berasal dari populasi yang sama.

Langkah-langkah uji homogenitas SPSS:

1. Klik Compare Means > One-Way ANOVA..

2. Masukkan variabel yang diujikan pada kolom Dependent List:

Pada contoh Dependent Test: Tes_awal dan Tes_akhir.

 3. Masukan variabel yang membedakan kelompok ke kolom Factor

Kolom Factor diisi dengan variabel kriteria yang membedakan

kelompok data, misalnya pada contoh dibedakan dengan kelompok
kontrol dan kelompok perlakuan.

Pada contoh Factor: Tipe Responden.

4. Klik Options... lalu centang Homogeneity of variance test

5. Klik OK

Hasil analisis ditampilkan pada jendela output

C. Cara Membaca Uji Homogenitas SPSS

 Homogenitas variabel Tes Awal

 Signifikansi homogenitas 0.151 (≥0.05) menunjukkan variabel Tes
Awal pada kelompok perlakuan dan kontrol adalah homogen,
dengan Levene Statistic 2.184.

 Homogenitas variabel Tes Akhir

Signifikansi homogenitas 0.112 (≥0.05) menunjukkan variabel Tes

Akhir pada kelompok perlakuan dan kontrol adalah homogen,
dengan Levene Statistic 2.688.