Uji Normalitas dengan menggunakan SPSS (Normality Test)

Uji Normalitas dengan menggunakan SPSS (Normality Test)

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... Tag : Statistik SPSS