Uji Normalitas dengan menggunakan SPSS (Normality Test)

Oleh Unknown

Monday, 3 February 2014

Bagikan :

Tweet

Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai analisis statistika. Distribusi normal baku adalah distribusi normal yang memiliki rata-rata nol dan simpangan baku satu. Distribusi ini juga dijuluki kurva lonceng (bell curve) karena grafik fungsi kepekatan probabilitasnya mirip dengan bentuk lonceng.

Distribusi normal memodelkan fenomena kuantitatif pada ilmu alam maupun ilmu sosial. Beragam skor pengujian psikologi dan fenomena fisika seperti jumlah foton dapat dihitung melalui pendekatan dengan mengikuti distribusi normal. Distribusi normal banyak digunakan dalam berbagai bidang statistika, misalnya distribusi sampling rata-rata akan mendekati normal, meski distribusi populasi yang diambil tidak berdistribusi normal. Distribusi normal juga banyak digunakan dalam berbagai distribusi dalam statistika, dan kebanyakan pengujian hipotesis mengasumsikan normalitas suatu data. (Wikipedia)

Uji Normalitas merupakan salah satu uji mendasar yang dilakukan sebelum melakukan analisis data lebih lanjut atau lebih dalam, data yang normal sering dijadikan landasan dalam beberapa uji statistik meskipun semua data tidak dituntut untuk harus normal.

Uji normalitas itu sendiri berfungsi untuk melihat bahwa data sampel yang kita ambil atau kita gunakan mengikuti atau mendekati distribusi normal (distribusi data tersebut tidak menceng ke kiri atau ke kanan). Ada beberapa teknik yang dapat digunakan untuk menguji normalitas data, antara lain: Dengan kertas peluang normal, uji chi-kuadrat, uji Liliefors, dengan Teknik Kolmogorov-Smirnov, Shapiro Wilk dll.

Studi kasus

NO	RAS (WARNA KULIT)
	PUTIH	HITAM	LAINNYA
1	3629	3790	3303
2	3005	3402	4054
3	2836	1928	2551
4	2466	1135	3203
5	3459	2367	1588
6	3062	3042	2733
7	3860	2523	3321
8	3756	3860	2282
9	3600	2920	3629
10	3473	2495	3941
11	3940	2187	1729
12	3827	3067	3090
13	2877	2977	1899
14	1790	2381	3969
15	3062	3444	3104
16	3997	2126	3487
17	2977	2438	2055
18	3651	2920	2622
19	1928	2920	3544
20	2920	3374	3835
21	3651	2381	2395
22	3651	2778	2807
23	2977	3317	2863
24	3234	1701	2877
25	3416	2948	3572
26	2100	2298	3770

Untuk melakukan uji normalitas terhadap data diatas, berikut langkah-langkah yang dilakukan:

1. Membuka aplikasi SPSS dengan melakukan double click pada icon desktop.
2. Setelah aplikasi SPSS terbuka, buat nama variabel beserta tipe datanya, dalam hal ini nama variabel yang dibuat adalah No, RAS dan Berat  dengan tipe data numeric, kemudian pada values diberikan deklarasi yaitu 1=Putih, 2=Hitang, 3=Lainnya.
   
   
3. Selanjutnya klik pada button Data View,  masukkan data pada variabel No, RAS dan Berat sesuai dengan studi kasus. cara menginput datanya dapat dilihat discreenshot dibawah ini.
   
   
4. Selanjutnya untuk menguji apakah data tersebut normal atau tidak, dapat dilakukan dengan cara Klik menu Analyze - Descriptive Statistics - Explore... kemudian masukkan variabel Berat ke kotak Dependent List dan variabel RAS ke kotak Factor List, selanjutnya klik Plots dan berikan centang pada Normalitu plots with tests kemudian klik button Continue dan OK.
   
   
5. Sehingga muncul beberapa tampilan, yang digunakan cukup ini saja.
   
   

INTERPRESTASI

Berdasarkan output tabel Test of Normality.

SPSS menyajikan dua tabel sekaligus. Analisis Shapiro-Wilk digunakan jika subjek atau kasus kurang dari 50. Uji Shapiro-Wilk dianggap lebih akurat ketika jumlah subjek/data yang dimiliki kurang dari 50.

Karena pada kasus ini data yang dimiliki melebihi 50 maka yang digunakan adalah analisis Kormogorov-Smirnov.

• Hipotesis
  H0 : Populasi berdistribusi normal
  H1 : Populasi tidak berdistribusi normal
• Tingkat Signifikansi
  α = 5%
• Daerah Kritis
  Jika Sig. ≤α : tolak H0
• Statistik Uji
  Sig.putih = 0.200     >    α = 0.05
  Sig.hitam = 0.200     >    α = 0.05
  Sig.lainnya = 0.200     >    α = 0.05
• Keputusan Uji
  Karena nilai Sig. putih, Sig.hitam, Sig.lainnya > α maka keputusannya adalah gagal tolak H0
• Kesimpulan
  Jadi dengan tingkat signifikansi 5% didapatkan kesimpulan bahwa ketiga berat badan bayi yang dilahirkan berdasarkan warna kulit sang ibu memiliki data berdistribusi normal (gagal tolak H0)

Jika dilihat sekilas dari Grafik Normal Q-Q Plot maka:

Garis diagonal dalam grafik ini menggambarkan keadaan ideal dari data yang mengikuti distribusi normal. Titik-titik di sekitar garis adalah keadaan data yang diuji. Jika kebanyakan titik-titik berada sangat dekat dengan garis atau bahkan menempel pada garis, maka dapat disimpulkan bahwa data tersebut mengikuti distribusi normal.

Yaa.. begitulah cara untuk menguji normalitas data dengan SPSS.

Semoga Bermanfaat...
Have FUN.

Tag : Statistik SPSS