Cara Uji Normalitas Kolmogorov-Smirnov dan Shapiro-Wilk dengan SPSS

Cara Uji Normalitas Kolmogorov-Smirnov dan Shapiro-Wilk dengan SPSS

Uji Normalitas data dengan SPSS
Pengertian Uji Normalitas Data

Uji normalitas adalah uji asumsi dasar yang digunakan untuk menguji apakah data penelitian berdistribusi normal atau tidak. Pada dasarnya, data yang berdistribusi normal dapat diketahui melalui bentuk histogram yang menyerupai lonceng. Normalitas data merupakan hal yang penting karena dengan data berdistribusi normal, maka data tersebut dianggap mewakili populasi. Data penelitian berdistribusi normal merupakan syarat dalam uji statistik parametrik. Diantara uji statistik parametrik yaitu uji one sample t test, uji independent sample t test, uji anova.

Uji Normalitas Kolmogorov-Smirnov dan Shapiro-Wilk umumnya digunakan untuk data univariat. Uji univariat akan menguji normalitas data tiap variabel pada data dan menghasilkan uji normalitas sebanyak variabel yang diuji. Hasil uji juga dapat disesuaikan dengan pengelompokkan data misalnya pengelompokkan data berdasarkan jenis kelamin, tingkat pendidikan, jenis pekerjaan dan lainnya. 

A. Uji Normalitas Kolmogorov-Smirnov

Uji Normalitas Kolmogorov-Smirnov adalah uji yang digunakan untuk mengetahui sebaran data acak dan spesifik pada suatu populasi. Berdasarkan pengujian yang dilakukan National Institute of Standards and Technologi, uji normalitas kolmogorov-smirnov cocok 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 apabila jumlah data sampel lebih dari 50, disarankan menggunakan uji normalitas kolmogorov-smirnov.

B. Uji Normalitas Shapiro-Wilk

Uji Normalitas Shapiro-Wilk adalah uji yang dilakukan untuk mengetahui sebaran data untuk sampel berukuran kecil. Menurut Shapiro dan Wilk dalam Razali dan Wah (2011) uji shapiro-wilk merupakan uji normalitas yang umumnya penggunaanya terbatas untuk sampel yang kurang dari 50 agar menghasilkan keputusan yang akurat.

Berdasarkan berbagai sumber referensi, maka Uji normalitas dibedakan menjadi 2 berdasarkan jumlah sampel yang digunakan. Jika jumlah sampel lebih kecil 50 maka lebih cocok menggunakan Shapiro Wilk, sedangkan apabila jumlah sampel lebih besar dari 50 maka lebih cocok menggunakan Kolmogorov Smirnov.

Baca juga: Cara Analisis Explore dengan SPSS

Pedoman Pengambilan Keputusan Uji Normalitas Data 

1.Jika nilai Sig. (signifikansi) > 0.05, maka data penelitian berdistribusi normal
2.Jika nilai Sig. (signifikansi) < 0.05, maka data penelitian tidak berdistribusi normal

Contoh Kasus Uji Normalitas

Seorang peneliti ingin menguji data berat dua merek permen apakah berdistribusi normal atau tidak. Dengan jumlah sampel sebanyak 20. Dengan data sebagai berikut.

Data berat permen (tampilan data view SPSS)

Data berat permen (tampilan variable view SPSS)
Gambar 1. Data Berat Permen

Langkah-langkah Uji Normalitas dengan SPSS

Berikut ini langkah-langkah uji normalitas data dengan SPSS:
1. Buka software SPSS, kemudian masukkan data seperti gambar di atas (gambar 1).

Baca Juga: Cara Memasukkan Data pada SPSS

2. Klik Analyze, pilih Descriptive Statistics, lalu pilih Explore, maka akan muncul kotak dialog explore.


3. Masukkan variabel permen A dan permen B kedalam kolom Dependent List.
Input variabel pada Kotak dialog explore

4. Pilih Plots, lalu centang normality plots with tests.
Kotak dialog Explore:plots

5. Kemudian klik Continue
6. Lalu klik OK, maka SPSS akan memunculkan output sebagai berikut.
Output uji normalitas data SPSS
Gambar 2 Tabel Test of normality

Membaca Hasil Uji Normalitas SPSS

Output yang digunakan untuk melakukan uji Normalitas yaitu pada tabel Tests of Normality (gambar 2). Pada contoh kasus ini karena jumlah sampel berukuran 20, maka menggunakan uji normalitas Shapiro-Wilk. 

Uji Normalitas Variabel Permen A

Dapat dilihat pada tabel test of normality diperoleh nilai Sig. Variabel permen A adalah 0.06 > α (0.05) maka variabel permen A berdistribusi normal.

Uji Normalitas Variabel Permen B

Dapat dilihat pada tabel test of normality diperoleh nilai Sig. Variabel permen B adalah 0.681 > α (0.05) maka variabel permen B berdistribusi normal.

Histogram Data Variabel permen A
Histogram data variabel permen A

Terlihat pada histogram variabel permen A berbentuk seperti lonceng. Walaupun kedua sisi lonceng nya tidak sama, apabila melihat nilai Sig. variabel permen A maka data berdistribusi normal.

Histogram Data Variabel permen B
Histogram variabel permen B

Terlihat pada histogram variabel permen B berbentuk seperti lonceng. Dibuktikan dengan melihat nilai Sig. variabel permen B maka data berdistribusi normal.

Anda juga dapat melihat tutorial Cara Uji Normalitas Kolmogorov-Smirnov dan Shapiro-Wilk dengan SPSS dalam bentuk penjelasan video berikut ini.

Sekian artikel Cara Uji Normalitas Kolmogorov-Smirnov dan Shapiro-Wilk dengan SPSS. Semoga artikel ini bermanfaat, terima kasih sudah mengunjunggi blog faqirilmu.com.



Referensi:

Oktaviani, M.A & Notobroto, H.B. 2014. Perbandingan Tingkat Konsistensi Normalitas Disrtribusi Metode Kolmogorov-Smirnov, Lilliefors, Shapiro-Wilk, dan Skewness-Kurtosis. Vol. 3, No. 2. Hal: 127-135
https://gamastatistika.com/2020/11/03/cara-uji-normalitas-spss-dan-ketentuan-penggunaannya/
https://www.advernesia.com/blog/spss/cara-uji-normalitas-spss-shapiro-wilk-dan-kolmogorov-smirnov/

Komentar

Posting Komentar

Postingan populer dari blog ini

Perbedaan Scale, Nominal dan Ordinal pada Measure di SPSS

Gambar
Perbedaan Scale, Nominal dan Ordinal pada Measure di SPSS      Measure merupakan salah satu kolom yang berada di variable view IBM SPSS. Kolom measure harus ditetapkan terlebih dahulu sebelum melakukan analisis data lebih lanjut. Terdapat 3 tipe variabel pada kolom measure SPSS yaitu scale, nominal dan ordinal . Ketiga variabel tersebut memberikan jenis nilai serta informasi analisis yang berbeda. Berikut ini pengertian dan perbedaan scale, nominal dan ordinal pada SPSS.      Penentuan measure merupakan hal dasar yang sangat penting untuk diketahui saat bekerja menggunakan SPSS. Misalnya kita tidak boleh membuat variabel nominal untuk melakukan perhitungan nilai rata-rata dan standar deviasi.  Pilihan untuk mengubah tipe variabel suatu variabel terdapat pada lembar kerja Variabel View SPSS. Gambar dibawah ini merupakan ilustrasinya. A.  Variabel Nominal pada SPSS      Variabel nominal merupakan tipe variabel yang digunakan hanya sebatas memberi label pembeda pada suatu data. Variabel
Read more »

Cara Membaca nilai R Tabel dan Download R Tabel (Tabel R)

Gambar
Pengertian R Tabel Apa yang dimaksud R Tabel? R tabel merupakan sebuah tabel angka yang biasa dipakai untuk melakukan uji validitas suatu instrumen penelitian.  Fungsi R Tabel Berdasarkan definisi di atas, maka dapat diambil kesimpulan bahwa r tabel ini mempunyai fungsi untuk melakukan suatu pengujian terhadap instrumen penelitian agar mengetahui apakah instumen penelitian tersebut valid atau tidak.  Dibawah ini merupakan R tabel. Gambar Tabel R ( R Tabel) Mau mendownload R tabel? Silahkan melalui link dibawah ini.  DOWNLOAD R Tabel Cara Membaca Nilai r Tabel dalam Uji Validitas Pearson Ada beberapa cara dalam mengambil keputusan uji validitas. Cara yang pertama dengan menggunakan r tabel dan cara kedua dengan menggunakan nilai signifikansi . Berikut ini pedoman pengambilan keputusan uji validitas SPSS: Membandingkan Nilai r Hitung dengan Nilai r Tabel Jika nilai r hitung > r tabel, maka item pertanyaan kuesioner valid Jika nilai r hitung < r tabel, maka item pertanyaan kuesione
Read more »

Cara Analisis Regresi Linear Berganda dengan SPSS

Gambar
Analisis Regresi Linear Berganda dengan SPSS Pengertian Analisis Regresi Linear Berganda Analisis regresi linear berganda adalah analisis yang digunakan untuk mengetahui pengaruh dua atau lebih variabel independen terhadap variabel dependen . Selain itu analisis regresi linear berganda juga digunakan untuk meramalkan suatu variabel dependen berdasarkan beberapa variabel independen. Regresi linear berganda disebut juga dengan regresi berganda . Pada regresi linear, variabel independen disimbolkan dengan X dan variabel dependen disimbolkan dengan Y.  Perbedaan regresi linear berganda dengan regresi linear sederhana  Apakah Anda tahu perbedaan regresi linear berganda dengan regresi linear sederhana ?  Perbedaan regresi linear berganda dengan regresi linear sederhana terletak pada jumlah variabel independen. Apabila pada regresi linear sederhana hanya terdapat satu variabel independen , sedangkan pada regresi linear berganda terdapat dua atau lebih variabel independen yang mempengaruhi
Read more »

Pengertian Uji T dan Uji F serta Cara Analisis dengan SPSS

Gambar
Pengertian Uji T dan Uji F pada Regresi Linear Berganda serta Cara Analisis dengan SPSS Pada artikel ini kita akan mempelajari cara uji t dan uji f pada regresi linear berganda dengan SPSS, serta cara interpretasi output uji t dan uji f. Kita mulai dari pengertian uji t Pengertian Uji T Uji t adalah uji yang digunakan untuk mengetahui ada tidaknya pengaruh secara parsial variabel independent (variabel X) terhadap variabel dependent (variabel Y). Maksud pengaruh parsial yaitu pengaruh sendiri-sendiri oleh variabel independent. Pada kasus uji regresi linear berganda dengan dua variabel independent, berarti kita akan melihat pengaruh variabel independent pertama (X1) terhadap variabel dependent (Y) dan melihat pengaruh variabel independent kedua (X2) terhadap variabel dependent (Y). Pada paragraf sebelumnya Saya menyebutkan regresi linear berganda. Apa itu uji regresi linear berganda ? Uji regresi linear berganda merupakan uji yang digunakan untuk mengetahui ada tidaknya pengaruh dari du
Read more »

Analisis Crosstab dengan SPSS [Uji Chi-Square dan Correlation]

Gambar
Cara Analisis Crosstab Menggunakan SPSS  Pada artikel ini, Kita akan belajar analisis crosstabs menggunakan SPSS. Silahkan baca artikel ini sampai selesai ya, agar paham apa itu analisis crosstabs. Pada SPSS, analisis crosstab merupakan bagian dari statistik deskriptif . Lalu apa kegunaan analisis crosstabs? Analisis crosstab merupakan alat analisis untuk mendeskripsikan data dalam bentuk kolom dan baris. Selain itu digunakan untuk memeriksa hubungan antar variabel kategori (nominal atau ordinal). Analisis crosstab ini dibagi menjadi 2 bagian: Analisis Crosstab – Chi Square Analisis Crosstab – Correlations Lalu apa perbedaannya? Ok, kita langsung ke yang pertama, analisis Crosstab – Chi Square A. Analisis Crosstab Chi-Square Analisis Crosstab Chi-Square ini merupakan teknik analisis untuk melihat hubungan antar variabel data nominal. Syarat uji chi-squre ini variabel yang akan kita uji harus data nominal. Langsung aja ke contoh kasus, Suatu perusahaan mengamati apakah pelayanan karya
Read more »