CARA MENGATASI NORMALITAS

Kelompok 2

Piter Neparasi
Katarina K. Gasul
Erni Sabu
Maria A. Balaweling
Letticia Alma Djawa
CARA MENGATASI NORMALITAS

• Ada 3 cara yang bisa digunakan untuk mengatasi

normalitas yaitu:
1. Membuang outliers
Outliers adalah data yang memiliki skor ekstrem, baik
ekstrem tinggi maupun ekstrem rendah. Adanya outliers dapat
membuat distribusi skor condong ke kiri atau ke kanan.
Dalam kasus ini, kita akan membuang outliers yang dapat
mengacaukan data kita, sehingga diperoleh distribusi yang
normal.
Untuk melihat data outliers, kita dapat melakukannya
di output data kita menggunakan aplikasi SPSS pada bagian
Boxplot. .
Contoh gambar bloxpot

Gambar tersebut mengindikasikan data-data

mana saja yang terindikasi merupakan data
ekstrem atau outliers. Jika data berada di atas
kotak, menunjukkan data ekstrem tinggi,
sedangkan jika berada di bawah kotak
menunjukkan data ekstrem rendah. Semakin jauh
dari kotak, semakin ekstrem data tersebut.

2. Transformasi Data
Transformasi data dilakukan dengan mengubah data kita
dengan formula tertentu tergantung dari bentuk grafik kita.
Sebelum melakukan transformasi data, kita harus tahu terlebih
dahulu bagaimana bentuk grafik kita.
 • Cara melihat grafik data kita adalah dengan cara
1. Klik analyze – descriptive statistics – frequencies
2. Masukkan variabel prestasi dan pilih menu chart, pilih histogram dan
centang show normal curve on histogram.
3. Klik continue dan OK.
• Beberapa kemungkinan grafik yang akan muncul adalah sebagai berikut.
 • Panduan transformasi data berdasarkan bentuk grafik dapat
dilihat di tabel di bawah.
Bentuk Grafik Histogram Bentuk Transformasi
Data
Moderate positive skewness SQRT(x)
Substansial positive skewness LG10(x)
Severe positive skewness 1/x
Moderate negative skewness SQRT(k-x)
Substansial negative skewness LG10(k-x)
Severe negative skewness 1/(k-x)
k = nilai tertinggi dari data mentah x
• Untuk mentransformasi data, kita dapat melakukan langkah
berikut
1. Klik transform – compute variable.
2. Pada kotak target variable, kita ketik nama variabel baru kita,
misal trans_prestasi
3. Pada numeric expression, masukkan formula kita yakni SQRT(k-x)
4. Klik OK
3. Mengubah Analisis ke Non-Parametrik
Analisis non-parametrik tidak memerlukan asumsi normalitas seperti yang
diperlukan pada analisis parametrik. Meskipun demikian, power test analisis
non-parametrik ini tentu lebih lemah jika dibandingkan dengan analisis
parametrik. Beberapa teknik analisis pengganti analisis parametrik disajikan
dalam tabel di bawah ini.
Analisis Parametrik Analisis Non Parametrik Fungsi

Uji tanda Meneliti perbedaan dalam suatu

Paired sample t-test
Uji Wilcoxon kelompok
Independent sample
Uji Mann-Whitney U; Membandingkan dua sample bebas
t-test
Membandingkan tiga kelompok atau
Anava satu jalur Kruskal-Wallis
lebih

Membandingkan tiga kelompok atau

Anava dua jalur Anava dua jalur Friedman lebih dengan menggunakan dua
faktor yang berbeda

Mengetahui hubungan korelasi linier

Korelasi Pearson Korelasi peringkat Spearman
antara dua perubah
TERIMA KASIH