Cara Uji Normalitas Dengan Spss

Normalitas ialah sebuah distribusi yang dijadikan indikasi penyebaran data yang seimbang dan sebahagian besar data ada di sekitaran nilai tengah (median). Kegunaan normalitas ini ialah sebagai syarat utama pada analisis regresi dan analisis parametric.

Tujuan uji normalitas ialah menguji model regresi, variable penganggu (residual) mempunyai distribusi normal atau tidak. Bila tidak normal maka uji statistik yang dilakukan dikatakan bias atau tidak valid, terlebih untuk ukuran sampel dalam jumlah sedikit. Pendekatan uji normalitas ini sanggup dilaksanakan dengan deskriptif ataupun inferensial.

Dalam uji normalitas ini, kita sanggup lakukan beberapa cara uji normalitas. Diantaranya,

1. Secara deskriptif, Dilakuakn dengan : koeifisien varians, rasio skewness, perbandingan kurotsis, histogram, melihat Q-Q plot, Melihat Detrend normal dan Boxplot.
2. Secara analitis dengan uji Shapiro Wilk atau Uji Kolmogorov-Smirnov.

Sekarang kita akan lihat bagaimana cara uji normalitas dengan memakai software SPSS. Langkah Uji normalitas di SPSS. Misalkan kita punya data berikut,

1-Pilih ‘Analyze – Descriptive Statistic – Explore’ pada sajian atas.
2- Input Variabel tradisional pada dependent list
3- Pilih boxplot, dan pilih ‘Factor Levels Together’. Bila menampilkan dengan boxplot, Anda sanggup pilih juga ‘Histogram’ pada Descriptive untuk menampilkan histogram dan ‘Normality Plots with test’. Tampilan yang akan Anda dapatkan menyerupai berikut.

4- Terakhir, klik OK. Penjabaran dari langkah di atas, mari kita uraikan.

- Uji Normalitas SPSS Deskriptif

Anda sanggup melihat normalitas dengan memakai koefisien varians, rasio skewness dan rasio kurtosis.

# Koefisien Varians

Sifat koefisien ini tidak mutlak. Oleh lantaran itu kita harus melaksanakan hitungan dengan rumusan

Koefisien Varians = Simpangan baku/ Rata-rata x 100%.

Contoh pada hasil data di atas
Koefisien Varians = 7,363/86,93 x 100% = 8,47%
Syarat data dikatakan normal saat melihat koefisien Varians ini ialah kalau Koefisien Varians < 30%. Karena dari hasil di atas Koefisien Varians kita < 30%, artinya data tersebut normal.

# Rasio Skewness

Rasio Skewness ialah statistik yang memperlihatkan kemiringan data. Cara menghitung rasio skewness memakai rumus:

Rasio Skewness = Skewness/Standar Error Skewness

Sebuah data dikatakan normal dengan rasio skewness bila berada pada nilai antara -2 dan 2. Jika diperhatikan pada data di atas tadi maka,
Rasio Skewness = -0,052/0,58 =-0,089
Karena 0,089 berada pada rentang [2,-2] maka, sanggup dikatakan data kita di atas normal.

# Rasio Kurtosis

Kurtosis ini merupakan indikasi ketajaman sebuah data. Cara Pengujian hampir sama dengan rasio Skewness, dimana dipakai rumus rasio Kurtosis

Rasio Kurtosis = Kurtosis / Std Error Kurtosis.

Syarat data dikatakan normal bila Rasio tersebut berada pada interval [-2,2] juga.

# Melihat Histogram

Bila ditampilkan histogram,maka akan diperoleh gambar sebagai berikut.

Sebaran data memang tak begitu jelas. Namun dari ketinggian yang tidak terlalu berbeda jauh, sanggup dikatakan data ini normal.

# Normalitas dengan Q-Q Plot

Data dikatakan normal bila sebaran data tersebar tidak terlalu jauh dari garis. Hasil tampilan dari data kita di atas didapatkan sebagai berikut,

# Normalitas dengan Detrend Normal Q-Q

Data dikatakan normal bila penyebaran data berada disekitaran nol. Perhatikan hasil dari Detrend Normal Q-Q dari data kita di atas.

# Normalitas dengan Boxplot Data dikatakan normal dengan Boxplot bila 1) Nilai media ada di tengah kotak ; 2) Nilai Whisker rata terbagi ke atas dan ke bawah serta tak ada nilai ekstrim atau diluar. Bisa diperhatikan hasil dari pengolahan data kita di atas dengan hasil,

- Uji Normalitas Secara Inferensial

Dalam hal ini dipakai uji Kolmogorov-Smirnov dan Uji Shapiro Wilk. Kolgomorov smirnov dipakai saat menguji sampel dalam jumlah besar, dan Shapiro Wilk dipakai menguji sampel yang sedikit. Dari data di atas, kita sanggup dapatkan hasil nya.

Sebab data kita sedikit (n=15) maka kita liihat Shapiro Wilk. Nilai p yang diperoleh (kolok Sig) ialah 0,346. Karena p> dari 0,05 maka data tersebut dikatakan berdistribusi normal. Secara umum syarat data normal ialah bila nilai p (Sig pada tabel) lebih besar dari 0,05.  Baca juga: Contoh Soal dan Pembahasan Distribusi Normal Tabel Z

Sumber http://www.marthamatika.com/

Uji T - Hipotesis Rata Rata Dua Kelompok Data Berpasangan Dengan Spss

Sebelumnya telah dijelaskan ihwal Uji hipotesis dengan uji t secara perhitungan manual. Anda sanggup memahaminya di:Uji t untuk Pengujian Hipotesis Rata Rata Dua Kelompok Data Berpasangan. Sekarang kita akan coba dengan memakai computer, lebih tepatnya software SPSS.

Pada uji t berpasangan (dependent) dipakai untuk statistik parametrik. Syaratnya, data harus berdistribusi normal.  Namun, jikalau data yang diperoleh tidak normal, maka dipakai statistik non parametrik.

Dalam menguji t berpasangan 2 kelompok dengan SPSS ini kita akan memakai uji Wilcoxon. Pastikan memenuhi syarat
- Data Harus Normal
- Varians tak usah diuji

Berikut rujukan uji t berpasangan dengan 2 kelompok. Misalkan kita mempunyai data jenis media pembelajaran. Kita akan uji, apakah ada beda penggunaan media tradisonal dan modern terhadap hasil belajar,

$H_0: \mu_1 = \mu_2 \\ H_1: \mu_1 \neq \mu_2$

Langkah Uji T Berpasangan data kelompok yang akan dilakukan adalah,
# Memastikan data normal. Untuk pengujian normalitas dengan SPSS sanggup di baca di: Cara Uji Normalitas dengan SPSS.
Setelah melaksanakan uji normalitas, ternyata data tersebut berdistribusi normal. Selanjutnya kita akan lakukan pengujian.

# Pilih ‘Analyze – Compare Means… Paired Sample t” pada sajian kafe atas SPSS.

# Masukkan ke dua variable yang akan diuji pada dependent list. Tampilannya kurang lebih ibarat ini.

# ‘Continue – OK’. Anda akan mendapati tampilan ibarat berikut,

Cara Membaca Data Hasil Uji t pada SPSS

1. - Paired Samples Statistics : citra atau deskripsi setiap variabel. 
2. - Paired Samples Correlation: menunjukkan kekerabatan antara dua variabel. Pada rujukan data kita di atas didapatkan angka 0,921 dengan Sig (signifikan) 0,0000. Syarat lain dari uji t ini yakni kekerabatan (Correlation) harus besar dari 0,9. 
3. - Paired Sample Test: Menunjukkan hasl penguhian. Perhatikan kolom Sig (2-tailed) menunjukkan angka 0,492. Karena nilai Sig ( disebut nilai p) > 0,05 maka hipotesis awal (Ho) diterima. 

p>0,05 Ho diterima
p<0,05 Ho ditolak, H1 diterima 

 Jika Anda tidak mempunyai SPSS, sebagai alternatif lain sanggup memakai Microsoft Excel. Cara Uji t dengan Excel ini sanggup diBaca juga: Uji T – Perbedaan Rata-Rata 2 Kelompok Berpasangan dengan Excel
Sumber http://www.marthamatika.com/

Contoh Cara Uji Validitas Dan Reliabilitas Dengan Spss

Setelah membahas mengenai Validitas dan Reliabilitas. Mari dilanjutkan integrasi statistika ini dengan teknologi. Akan diberikan bagaimana langkah dan cara uji validitas dan reliabilitas dengan memanfaatkan aplikasi pengolahan data SPSS.

Contoh I

Asumsikan kalian telah mendapat data ibarat di bawah ini. Lalu masukkan data tersebut ke SPSS.

Pilih sajian "Analyze" pada sajian kafe atas. Lalu pilih " Scale " dilanjutkan dengan "Reliability Analysis". Pada kotak item bab kanan, input variabel (item/butir soal 1 hingga 10). Pastikan pada kota "Model" tetap pada "Alpha".

Selanjutnya klik "Statistic". Sementara pada "Descriptive for", pilihlah " Item" ; "Scale"; "Scale if Item Deleted". Terakhir pilih "OK". Akan didapat output tampilan ibarat di bawah ini.

Bisa diperhatikan " Corrected Item-Total Correlation". Bila dibandingkan dengan $r_{tabel}$ dengan derajat kebebasan (df 28, $\alpha $=0,05 = 0,239). Artinya butir 3,6,8,10 tidak valid. Karena nilainya kecil dari r tabel.

Berikutnya kita buang item yang tidak valid. Lakukan pengujian ulang ibarat langkah awal tadi. Bila ditemukan kembali item yang tidak valid, maka buang item tersebut dan lakukan pengujian ulang. Lakukan hingga semua item benar benar valid ( $r_{hitung} > r_{tabel}$. )

Contoh 2 dengan  Rumus Spearman-Brown

Ingat, yang akan dilakukan pengujian reliabilitas hanyalah item yang valid. Jika diasumsikan kita telah mendapat item yang valid ibarat tabel di bawah ini.

Kita akan uji reliabilitas data di atas dengan metoda Spearman-Brown. Kita akan peroleh,

$\sum X = 90 \\ \sum Y=73 \\ \sum X^2 =296 \\ \sum Y^2 =199 \\ \sum XY=225$

Dan dimasukkan ke rumus Spearman-Brown, menjadi.

$r_{11}= \frac {n. \sum XY - \sum X \sum Y}{ \sqrt { ( n \sum X^2 - (\sum X)^2)(n \sum Y - (\sum Y)^2}} \\ r_{11}= \frac {30. 225 - 90.73 }{ \sqrt { ( 30. 296 - (90)^2)(30. 199 - (73)^2}} \\ r_{11} = 0,255$

Karena nilai $r_{hitung} = 0,255 $ > dari $r_{tabel} = 0,239$. Maka sanggup dikatakan soal soal kita reliabel. Dikutip dari statistikceria.blogspot.com
Sumber http://www.marthamatika.com/