JUMAT,

31032023

Statistik Parametrik
Menggunakan Sofwere IBM
Statistik Parametrik
Menggunakan
SPSSSoftware
22 IBM
SPSS 22

VIDYA BUNAYA
MARLIA ARRY YUNANTI
STATISTIKA
 Statistik Parametrik
Menggunakan Software IBM SPSS 22

Normalitas Data
Homogenitas Data
UJI NORMALITAS DATA
Pengertian Statistik Parametrik
Statistik parametrik merupakan uji
beda bila datanya berskala interval
atau rasio dan memenuhi
persyaratan analisanya, yaitu
datanya berdistribusi normal dan
variasi datanya homogen.
Uji prasyarat : Normalitas Data dan Homogenitas
 Jenis Uji Statistik Parametrik

1. Uji-T, digunakan untuk menguji signifikansi

dalam satu atau dua kelompok sampel.
2. ANOVA, digunakan untuk menguji signifikansi
perbedaan dua rerata atau lebih.
3. Regresi, digunakan untuk menguji hubungan
antar variabel.
4. Korelasi, digunakan untuk menguji hubungan
antar variabel.
 Normalitas Data
 Uji Normalitas adalah uji statistik yang
dilakukan untuk mengetahui bagaimana
sebaran sebuah data.
 Berikut adalah salah satu pengujian
normalitas dengan menggunakan teknik
Kolmogorov Smirnov.
 Pengertian Uji Kolmogorov Smirnov

Uji Kolmogorov Smirnov adalah pengujian normalitas

yang
banyak dipakai, terutama setelah adanya banyak program
statistik yang beredar.
Kelebihan dari uji ini adalah sederhana dan tidak
menimbulkan perbedaan persepsi di antara satu pengamat
dengan pengamat yang lain, yang sering terjadi pada uji
normalitas dengan menggunakan grafik.
 PENCETUS UJI NORMALITAS
KOLMOGOROV-SMIRNOV

Vladimir Ivanovich Smirnov adalah seorang matematikawan

Rusia yang mencetuskan Uji Normalitas Kolmogorov-
Smirnov. Smirnov lahir di St. Petersburg, Rusia pada 10
Juni 1887 (Vladimir Smirnov (mathematician) – Wikipedia,
no date). Siapa yang menyangka bahwa pada usia 10
tahun, Pencetus Uji Normalitas Kolmogorov-Smirnov ini
memasuki kelas gymnasium dan di tahun 1905, Smirnov
mendapat medali emas dalam bidang gymnasium. Di tahun
yang sama 1905, Smirnov melanjutkan studi ke Fakultas
Fisika-Matematika St. Petersburg University. Vladimir
Ivanovich Smirnov semakin tertarik dengan fisika-
matematika selama di Universitas. Vladimir Ivanovich
Smirnov juga mengambil mata kuliah tambahan seperti:
sejarah filsafat, hukum, musik, politik-ekonomi dan
beberapa mata kuliah lainnya (Yu. A Mitropol’skii et al.,
1967)
 Konsep Uji Kolmogorov Smirnov
Konsep dasar dari uji normalitas Kolmogorov Smirnov
adalah dengan membandingkan distribusi data (yang
akan diuji normalitasnya) dengan distribusi normal
baku. distribusi data
Distribusi normal baku adalah data yang telah
ditransformasikan ke dalam bentuk Z-Score dan
diasumsikan normal.
Jadi sebenarnya uji Kolmogorov Smirnov adalah uji distribusi normal
beda antara data yang diuji normalitasnya dengan baku
data normal baku.

Z-Score
Signifikansi Uji Kolmogorov

Lebih lanjut, jika signifikansi di atas 0,05 maka

berarti tidak terdapat perbedaan yang signifikan
antara data yang akan diuji dengan data normal
baku, artinya data yang kita uji
normal tidak berbeda dengan normal baku.
Keunggulan Uji Kolmogrov-Smirnov dibanding Uji
Chi Square:

1. CS memerlukan data yang terkelompokkan, KS tidak

memerlukannya;
2. CS tidak bisa untuk sampel kecil, sementara KS bisa;
3. Oleh karena data Chi Square adalah bersifat
kategorik. Maka ada data yang terbuang maknanya;
4. KS lebih fleksibel dibanding CS.
 Syarat dalam uji normalitas yang
digunakan untuk mengambil keputusan
dengan menggunakan One Sample
Kolmogorov Smirnov adalah: Jika nilai
Asymp. Sig (2-tailed) > 0,05 maka Ho
diterima dan Ha ditolak. Hal ini berarti
data berdistribusi normal.
 • kelemahan dari Uji Kolmogorov Smirnov, yaitu
bahwa
jika kesimpulan kita memberikan hasil yang tidak
normal, maka kita tidak bisa menentukan
transformasi seperti apa yang harus kita gunakan
untuk normalisasi.
• Jadi kalau tidak normal, gunakan plot grafik
untuk
melihat menceng ke kanan atau ke kiri, atau
menggunakan Skewness dan Kurtosis sehingga
dapat
ditentukan transformasi seperti apa yang paling
tepat
dipergunakan.
Contoh Kasus
Buka lembar kerja SPSS, ikuti langkah-langkah dibawah ini:
5. Selanjutnya mengubah data tersebut dalam bentuk
unstandadizet residual, caranya : dari menu spss pilih
Analyze, kemudian klik Regression, dan pilih linear
 6. Muncul kotak dialog dengan nama Linier Regression,
selanjutnya masukkan variabel prestasi belajar (Y) ke Dependen,
masukkan variabel motivasi belajar (X) ke kotak Independen (s),
lalu klik save
7. Muncul kotak dialog dengan nama Linier Regression:save,
pada bagian residuals, centang (v) Unstandardized
(abaikan kolom yang lain), selanjutnya klik continue, lalu
klik ok, maka akan muncul variabel baru dengan nama
RES_1, abaikan saja output yang muncul dari program
spss
 8. Langkah selanjutnya, pilih menu Analyze, lalu pilih
Non_x0002_parametric test, klik legaci dialog, kemudian pilih
submenu 1-Sample K-s

38%

29%
 9. Muncul kotak dialog lagi dengan nama One-Sample
kolmogorov-smirnov test, selanjutnya, masukkan variabel
Unstandardizet Residual ke kotak Test Variabel List, pada
Test distribution centang (v) Normal
10. Terakhir klik ok untuk mengakhiri perintah,
selanjutnya lihat tampilan outputnya, tinggal
interpretasikan supaya lebih jelas.