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

Postingan populer dari blog ini

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

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

Perbedaan Scale, Nominal dan Ordinal pada Measure di SPSS

Pengertian Data View dan Variabel View SPSS serta Fungsinya

Cara Analisis Regresi Linear Berganda dengan SPSS