Tutorial Cara Melakukan Uji Normalitas Dengan Menggunakan SPSS - Uji Asumsi Dasar
Table of Contents
Uji distribusi normal merupakan uji untuk mengetahui dan mengukur apakah data yang didapatkan memiliki distribusi normal atau tidak dan apakah data yang diperoleh berasal dari populasi yang berdistribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial). Tes-tes parametrik untuk uji normalitas dibangun dari distribusi normal. Jika kita lihat suatu tabel, misalnya tabel t-tes, pembuatannya mengacu pada tebel normalitas. Kita dapat berasumsi bahwa sample yang diambil benar-benar dapat mewakili populasi sehingga hasil penelitian kita bisa digeneralisasikan pada populasi. Dalam pandangan statistic, sifat dan karakteristik populasi adalah terdistribusi secara normal. Normalitas data merupakan syarat pokok yang harus dipenuhi dalam analisis parametrik seperti analisis korelasi pearson, uji beda rata-rata, analisis varian satu arah dan sebagainya. Disini akan coba dibahas uji normalitas dengan metode uji liliefors dan metode one sample kolmogrov-smirnov.
Uji Distribusi Normal Dengan Metode Liliefors
Berikut diberikan contoh dan langkah-langkah pengujian normalitas suatu data menggunakan data berat badan dan tinggi badan dengan responden 20 orang.
Langkah-langkah pengujian normalitas data dengan menggunakan metode Lilliefors
- Buka Program IBM SPSS Statistics 25.
- Setelah program SPSS terbuka, klik Variabel View
- Pada kolom name baris pertama ketik Tinggi_Badan, Label dikosongkan dan kolom lainnya diisi default. Pada kolom name baris kedua kerik Berat_Badan
- Jika variabel view sudah diisi, selanjutnya silahkan masuk ke data view, lalu isikan sesuai data
- Setelah data diisi seperti pada gambar sebelumnya selanjutnya klik Analyze >> Descriptive Statistic >> Explore.
- Maka akan muncul dialog seperti di bawah ini, setelah itu masukan variabel Tinggi Badan dan Berat Badan ke kotak dependen list lalu klik plots
- Setelah itu akan muncul dialog berikut, untuk melakukan uji normmalitas paskikan kita sudah beri tanda centang di Normality plots with test
- Selanjutnya klik continue lalu klik OK, maka akan muncul output seperti pada table berikut :
Output dari uji normalitas di atas menjelaskan tentang hasil uji normalitas menggunakan metode liliefors (Kolmogrov-Smirnov) dan Shapiro Wilk.
Prosedur Uji Normalitas
Uji Normalitas data Tinggi Badan
a) Merumuskan Hipotesis
Ho : Data tinggi badan berdistribusi normal.
Ha : Data tinggi badan tidak berdistribusi normal.
b) Menentukan Nilai Signifikasi (Sig)
Dari table Tes of Normality didapat nilai Sig untuk data tinggi badan sebesar 0,200.
c) Kriteria Pengujian
Jika signifikasi > 0,05 maka Ho diterima.
Jika signifikasi < 0,05 maka Ho ditolak.
d) Membuat Kesimpulan
Nilai signifikasi untuk data tinggi badan adalah lebih besar dari 0,05 (0,2>0,05) jadi dapat disimpulkan bahwa data tinggi badan berdistribusi normal.
a) Merumuskan Hipotesis
Ho : Data tinggi badan berdistribusi normal.
Ha : Data tinggi badan tidak berdistribusi normal.
b) Menentukan Nilai Signifikasi (Sig)
Dari table Tes of Normality didapat nilai Sig untuk data tinggi badan sebesar 0,200.
c) Kriteria Pengujian
Jika signifikasi > 0,05 maka Ho diterima.
Jika signifikasi < 0,05 maka Ho ditolak.
d) Membuat Kesimpulan
Nilai signifikasi untuk data tinggi badan adalah lebih besar dari 0,05 (0,2>0,05) jadi dapat disimpulkan bahwa data tinggi badan berdistribusi normal.
Uji Normalitas data Berat Badan
a) Merumuskan Hipotesis
Ho : Data berat badan berdistribusi normal.
Ha : Data berat badan tidak berdistribusi normal.
b) Menentukan Nilai Signifikasi (Sig)
Dari table Tes of Normality didapat nilai Sig untuk data tinggi badan sebesar 0,09.
c) Kriteria Pengujian
Jika signifikasi > 0,05 maka Ho diterima.
Jika signifikasi < 0,05 maka Ho ditolak.
d) Membuat Kesimpulan
Nilai signifikasi untuk data berat badan adalah lebih besar dari 0,05 (0,09>0,05) jadi dapat disimpulkan bahwa data tinggi badan berdistribusi normal.
a) Merumuskan Hipotesis
Ho : Data berat badan berdistribusi normal.
Ha : Data berat badan tidak berdistribusi normal.
b) Menentukan Nilai Signifikasi (Sig)
Dari table Tes of Normality didapat nilai Sig untuk data tinggi badan sebesar 0,09.
c) Kriteria Pengujian
Jika signifikasi > 0,05 maka Ho diterima.
Jika signifikasi < 0,05 maka Ho ditolak.
d) Membuat Kesimpulan
Nilai signifikasi untuk data berat badan adalah lebih besar dari 0,05 (0,09>0,05) jadi dapat disimpulkan bahwa data tinggi badan berdistribusi normal.
Uji Distribusi Normal Dengan Metode One Sample Kolmogrov-smirnov
Uji one sample kolmogrov-smirnov berbeda dengan uji normalitas metode liliefors, uji ini memiliki toleransi yang lebih tinggi untuk ukuran data yang sama. Jika pada metode liliefors (Kolmogrov-Smirnov) data dinyatakan tidak normal, maka di metode ini data bisa berdistribusi normal.
- Buka Progrm IBM SPSS Statistics 25.
- Setelah program SPSS terbuka, klik Variabel View.
- Masih menggunakan data diatas, selanjutnya masuk ke Analyze >> Nonparametric Test >> Legacy Dialogs >> 1-Sample K-S.
- Maka akan muncul kotak dialog seperti ini
- Setelah itu masukan variabel tinggi badan dan berat badan ke kotak test variable list lalu klik OK
- Maka akan muncul output berikut
Prosedur Uji Normalitas
Uji Normalitas data Tinggi Badan
a) Merumuskan Hipotesis
Ho : Data tinggi badan berdistribusi normal.
Ha : Data tinggi badan tidak berdistribusi normal.
b) Menentukan Nilai Signifikasi (Asymp. Sig)
Dari table Tes of Normality didapat nilai Sig (Asymp. Sig) untuk data tinggi badan sebesar 0,200.
c) Kriteria Pengujian
Jika signifikasi > 0,05 maka Ho diterima.
Jika signifikasi < 0,05 maka Ho ditolak.
d) Membuat Kesimpulan
Nilai signifikasi untuk data tinggi badan adalah lebih besar dari 0,05 (0,2>0,05) jadi dapat disimpulkan bahwa data tinggi badan berdistribusi normal.
a) Merumuskan Hipotesis
Ho : Data tinggi badan berdistribusi normal.
Ha : Data tinggi badan tidak berdistribusi normal.
b) Menentukan Nilai Signifikasi (Asymp. Sig)
Dari table Tes of Normality didapat nilai Sig (Asymp. Sig) untuk data tinggi badan sebesar 0,200.
c) Kriteria Pengujian
Jika signifikasi > 0,05 maka Ho diterima.
Jika signifikasi < 0,05 maka Ho ditolak.
d) Membuat Kesimpulan
Nilai signifikasi untuk data tinggi badan adalah lebih besar dari 0,05 (0,2>0,05) jadi dapat disimpulkan bahwa data tinggi badan berdistribusi normal.
Uji Normalitas data Berat Badan
a) Merumuskan Hipotesis
Ho : Data berat badan berdistribusi normal.
Ha : Data berat badan tidak berdistribusi normal.
b) Menentukan Nilai Signifikasi (Asymp. Sig)
Dari table Tes of Normality didapat nilai Sig untuk data tinggi badan sebesar 0,09.
c) Kriteria Pengujian
Jika signifikasi > 0,05 maka Ho diterima.
Jika signifikasi < 0,05 maka Ho ditolak.
d) Membuat Kesimpulan
Nilai signifikasi untuk data berat badan adalah lebih besar dari 0,05 (0,09>0,05) jadi dapat disimpulkan bahwa data tinggi badan berdistribusi normal.
a) Merumuskan Hipotesis
Ho : Data berat badan berdistribusi normal.
Ha : Data berat badan tidak berdistribusi normal.
b) Menentukan Nilai Signifikasi (Asymp. Sig)
Dari table Tes of Normality didapat nilai Sig untuk data tinggi badan sebesar 0,09.
c) Kriteria Pengujian
Jika signifikasi > 0,05 maka Ho diterima.
Jika signifikasi < 0,05 maka Ho ditolak.
d) Membuat Kesimpulan
Nilai signifikasi untuk data berat badan adalah lebih besar dari 0,05 (0,09>0,05) jadi dapat disimpulkan bahwa data tinggi badan berdistribusi normal.