-Korelasi
Asumsi Pearson
Parametrik Perlu uji
normalitas
-U ji t
dll
Inferensial
-Spearman
Non - Wilcoxon
Parametrik - dll
Uji t
• UJI PRASYARAT
Prasyarat:
• Asumsi ini jarang atau bahkan tidak pernah benar-benar diuji terhadap
data sampel melainkan langsung dianggap benar (Azwar, 2000)
Normalitas perlu diuji
• Banyak literatur menyebut bahwa normalitas distribusi perlu dicek atau diuji
sebelum memilih uji statistik agar memberikan hasil yang tepat.
• Hasil studi menunjukkan ketika sebuah uji statistik dipakai untuk menganalisis
data yang tidak terdistribusi normal, maka akan menghasilkan probabilitas
untuk penyimpulan statistik yang kurang tepat.
• Normalitas distribusi data perlu diverifikasi (diuji) untuk memilih sebuah uji
statistik parametrik.
Normalitas distribusi adalah..
kondisi variabel di pada data mengikuti distribusi normal yang bentuknya seperti
lonceng terbalik
MENGAPA DATA HARUS NORMAL
4. 1.
PERISTIWA NATURAL KONDISI POPULASI
NORMAL
3. 2.
RANDOM SAMPLING KONTINUITAS
1. Natural
Nomor. 2
Nomor . 1
• Lakukan uji normalitas pada sampel yang cukup besar, N > 10 atay N >
15, namun tidak terlalu kaku pada hasilnya.
• Untuk N > 100 tidak perlu uji distribusi, karena banyak literatur dan
studi yang meminta kita untuk no worries.
Variabel mana yang terdistribusi normal?
1 Sampel kecil lebih kuat dibandingkan Shapiro Wilk (SW) Lebih lemah
2 inspeksi Inspeksi visual mampu memberikan Lemah jika diterapkan pada ukuran
gambaran umum, namun kadang kurang sampel besar
cermat
3 kekuatan Metode KS merupakan metode paling kuat metode SW yang paling kuat untuk
untuk data dari sampel berdistribusi tidak data sampel berdistribusi normal
normal
4 Tingkat signifikansi tidak mempengaruhi urutan kekuatan uji
CARA UJI NORMALITAS DENGAN K-S
dan SW
SETELAH DICENTANG PADA KOTAK NORMAL, KEMUDIAN KLIK KOTAK OK, MAKA AKAN MUNCUL KOTAK OUTPUT
SEBAGAI BERIKUT:
OUTPUT UJI NORMALITAS
One-Sample Kolmogorov-Smirnov Test
KS
Sebel sesu
um dah
N 20 20 Jika kita lihat nilai signifikansi Kolmogorov-smirnov
Normal Parametersa,b Mea 63.00 67.5
n 0 menunjukkan (sig>0,05),
Std. 13.38 13.3
Devi 1 83
ation Dengan demikian dapat simpulkan bahwa data kita
Most Extreme Differences Abso .125 .126 terdistribusi normal.
lute
Positi .100 .089
ve
Nega -.125 -.126
tive
Test Statistic .125 .126
Asymp. Sig. (2-tailed) .200c,d .
200c,
d
• berpasangan
2 • Paired sample t test
• Dua sampel
3 • Independent sample t test
Rumusan hipotesis:
Rumus uji t
Rumus t
Asumsi uji t