Uji Normalitas 3 Variabel Dengan Spss

Uji Normalitas Rumus Kolmogorov Smirnov Spss Konsistensi

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. Dimana semua uji normalitas dengan SPSS di dalam bahasan ini akan kami kupas satu per satu dan coba membuatkan tutorialnya agar anda mudah memahaminya. Jadi jangan kemana-mana ya sob.

Dan kalau nantinya artikel ini sangat bermanfaat, jangan lupa sebarkan kepada teman yang lainnya. Terima kasih sebelumnya.

Kita telah mempelajari berbagai jenis uji normalitas pada artikel-artikel sebelumnya, yaitu antara lain:

Beberapa artikel di atas kiranya telah cukup untuk memenuhi kebutuhan dalam menyelesaikan penelitian anda, tapi tidak ada salahnya jika kita lebih dalam mempelajari tentang berbagai uji normalitas, termasuk uji normalitas dalam beberapa aplikasi atau software statistik, seperti SPSS, Stata dan Minitab. Oleh karena itu, kami penulis statistikian, dengan semangat juang 45 membuat artikel ini hanya untuk anda.

Shapiro Wilk dan Lilliefors dalam Uji Normalitas dengan SPSS

Dalam artikel kali ini, kita akan membahas 2 uji normalitas yang sangat sering dipakai oleh peneliti selain uji kolmogorov smirnov. 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). Dan bagaimana cara melakukan uji shapiro wilk dan lilliefors tersebut dengan SPSS? Kita bisa menggunakan fungsi EXPLORE.

Baiklah, mari kita mulai tutorial tentang Uji Normalitas dengan SPSS ini, dimana pada tutorial kaini kita akan melakukan uji normalitas dengan SPSS pada 1 variabel dengan 100 sampel. Untuk mempermudah tutorial, silahkan anda download file kerja SPSS tutorial ini: Data Normalitas.sav.

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. Selanjutnya ambil nafas dulu sobat, agar tidak tegang. Selanjutnya perhatikan lagi langkah di bawah ini.

Klik tombol Plots, Centang Stem-and-Leaf, Histogram, Normality Plots With Tests.

Klik tombol Continue dan selanjutnya Klik OK.

Lihat Output anda dan apabila dalam output view anda tampil beberapa tabel dan beberapa gambar atau diagram, berarti langkah yang anda lakukan sudah benar. Maka sobat bisa bernafas lega. Karena tugas berikutnya adalah tinggal membaca hasil uji normalitas dengan SPSS dalam tutorial ini.

Agar lebih meyakinkan pembaca, silahkan bandingkan output anda dengan yang sudah penulis buatkan. Dan untuk mempermudah anda membandingkannya, silahkan download file output tutorial ini di: Output Normalitas.

Interprestasi Output Uji Normalitas dengan SPSS

Saatnya kita belajar cara baca uji normalitas dengan SPSS yang kiranya akan mudah anda pahami jika telah mengikuti langkah demi langkah tahapan di atas. Perhatikan tabel di bawah ini ya.

Seperti yang kami janjikan, ada 2 uji yaitu shapiro wilk dan lilliefors. Berikut kami jelaskan satu persatu.

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.

Sejauh ini apakah mudah sobat? semoga sobat bisa memahami sejauh ini. Dan 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. Akan kami jelaskan satu persatu juga ya.

Kemudian bagaiaman cara uji normalitas dengan SPSS metode kolmogorov smirnov? jangan khawatir, kami juga telah membahasnya di artikel kami yang lain, yaitu: Uji Normalitas Kolmogorov Smirnov.

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

Detrend Normal QQ Normalitas dengan SPSS

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 Normal

Agar anda nantinya pada saat penelitian mudah mengenali atau mudah membuat kesimpulan sebaran data berdasarkan grafik dengan SPSS, maka disini kami buatkan contoh diagram yang menunjukkan distribusi tidak normal, lihat di bawah ini ya:

Histogram dengan Distribusi Data Tidak Normal

Normal QQ dan Detrend QQ dengan Distribusi Data Tidak Normal

Box Plot dengan Distribusi Data Tidak Normal

Stem Leaf dengan Distribusi Data Tidak Normal

Deteksi Outlier Untuk Mengatasi Masalah Normalitas

Tambahan lagi ya para sobat statistikian, bahwa grafik-grafik di atas, selain berguna untuk uji normalitas dengan SPSS, juga berguna untuk mendeteksi adanya outlier. Artinya apabila ada batang pada histogram yang melenceng jauh dari kelompoknya maka terdaat outlier. Begitu juga dengan grafik lainnya, jika ada plot yang jauh sekali dengan temannya, maka dapat diperkirakan adanya outlier.

Dan untuk melihat sampel mana atau angka berapa yang menjadi outlier, silahkan pada grafik yang anda gunakan, anda klik lalu silahkan menuju menu SPSS output anda, pilih tombol “Show Data”. Kemudian lihat grafik tersebut, pada plot atau batang histogram akan terlihat angka atau kode yang menunjukkan ID sampel. Pada ID yang jauh letaknya dengan kelomponya, maka ID tersebutlah yang kiranya menjadi outlier.

Tentunya jika anda melakukan eliminasi terhadap outlier tersebut, maka besar kemungkinan data anda yang awalnya tidak normal sebarannya, akan berubah menjadi normal. Untuk lebih jelasnya tentang outlier, kami membahasnya di: cara mengatasi outlier dengan SPSS. Dan untuk masalah transformasi data, kami membahasnya di: Pengertian dan Jenis Transformasi Data.

Demikian telah kita bahas Uji Normalitas dengan SPSS beserta tutorialnya secara lengkap menggunakan aplikasi SPSS. Artikel Selanjutnya: Normalitas Pada Minitab. Jangan lupa ya jika anda puas dengan artikel kami yang sederhana ini, harap share kepada teman anda atau media social. Terima kasih banyak sobat.

By Anwar Hidayat