Uji Normalitas Menggunakan SPSS ~ Berbagi Ilmu Bermanfaat

Kita telah mempelajari berbagai jenis uji normalitas pada artikel-artikel sebelumnya, 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.

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 Kolmogorov Smirnov).

Bagaimana cara melakukan uji tersebut dengan SPSS? Kita bisa menggunakan fungsi EXPLORE.

Baiklah, mari kita mulai tutorial tentang Uji Normalitas Pada SPSS:

Kita akan melakukan pengujian pada 1 variabel dengan 100 sampel.

Untuk mempermudah tutorial, silahkan anda download file kerja SPSS tutorial ini:

Data Normalitas.sav

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

Klik Continue
Klik OK
Lihat Output

Untuk mempermudah anda, download file output tutorial ini:
Output Normalitas

Interprestasi Output Uji Normalitas SPSS

Shapiro Wilk

Lihat nilai Sig. pada kolom Shapiro-Wilk. Pada contoh di atas nilainya 0,710 lebih dari 0,05, maka data berdistribusi Normal.

Lilliefors

Lihat nilai Sig. pada kolom Kolmogorov-Smirnova. Pada contoh di atas nilainya 0,200 lebih dari 0,05, maka data berdistribusi Normal.

Untuk memperkuat kesimpulan di atas, di bawah ini kita bisa menggunakan beberapa diagram.

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

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.

Untuk contoh diagram yang menunjukkan distribusi tidak normal, lihat di bawah ini: