Berbagai Uji Normalitas dengan SPSS

Uji normalitas dipergunakan untuk melihat apakah suatu data terdistribusi secara normal atau tidak. Banyak metode statistik yang memerlukan asumsi normalitas data, terutama untuk statistik parametrik. Uji normalitas juga sangat erat kaitannya dengan uji asumsi klasik pada regresi linear.

Metode uji normalitas juga sangat banyak. Artikel ini akan membahas berbagai uji normalitas dengan SPSS Versi 23. Uji normalitas pada artikel ini tidak semata-mata pada regresi saja, tetapi secara umum. 

1. Metode Grafis

Metode grafis untuk melakukan uji normalitas adalah dengan histogram. Langkah pertama adalah dengan masuk ke menu Graph lalu pilih Legacy Dialog, lalu pilih Histogram seperti pada gambar di bawah:

Pilih Menu Histogram

Maka kita akan diarahkan ke menu Histogram sebagai berikut:

Menu Histogram

Masukkan variabel yang akan diuji normalitasnya, lalu berikan tanda Tickmark (centang) pada Display Normal Curve. Setelah itu klik OK sehingga akan keluar output sebagai berikut:

Histogram Untuk Uji Normalitas

Data yang normal, jika diplotkan seperti gambar di atas, akan menyerupai bentuk lonceng. Hanya ada sedikit data yang kecil dan juga besar, sebagia besar mengumpul di tengah. Dalam hal ini, nilai median mendekati nilai rata-rata. Gambar di atas mungkin bisa dianggap normal karena sudah memenuhi deskripsi normal. Akan tetapi, tampak juga bahwa di bagian kiri dan kanan tidak terlalu banyak data. Oleh karena itu, diperlukan uji statistik yang lain untuk lebih memastikan apakah data terdistribusi secara normal atau tidak.

2. Metode Skewness dan Kurtosis

Metode Skewness dan Kurtosis menggunakan menu Analyze, pilih Descriptive Statistic, lalu pilih pada Descriptive. (tetapi sebenarnya juga bisa menggunakan menu Explore)

Menu Deskriptif

Setelah di klik maka akan muncul menu descriptive dan masukkan variabel yang akan diuji normalitasnya. 

Menu Options

Lalu klik Options di kanan atas sehingga akan muncul Box Dialogs yang baru yaitu sebagai berikut:

Menu Skewness dan Kurtosis

Berikut tanda tickmark pada Skewness dan Kurtosis, lalu klik Continue. Anda akan diarahkan kembali ke menu Descriptive, lalu klik OK. Maka akan keluar output sebagai berikut:

Output Uji Normalitas dengan Skewness dan Kurtosis

Berdasarkan hasil output di atas, dihitung nilai Z Skewness dan juga Z Kurtosis dengan rumus sebagai berikut:

Dengan Nilai S adalah 0,289, K sebesar -0,974 (dari output SPSS) dan N adalah jumlah data yaitu 95 data. Silahkan dimasukkan dengan tanda (-) diambil nilai mutlaknya. sehingga diperoleh nilai Z Skew adalah sebesar 1,150 dan nilai Z Kurt adalah sebesar 1,938. Tampak bahwa baik Z Skewness maupun Z Kurtosis nilainya di bawah 1,96 (5%) atau 2,58 (1%). Jadi dapat disimpulkan bahwa data terdistribusi secara normal. 

3. Metode Kolmogorov Smirnov

Metode berikutnya yang akan dibahas adalah uji normalitas data dengan Kolmogorov Smirnov. Dari Analyze, pilih Nonparametric Tests, pilih Legacy Dialogs lalu pilih 1-Sample K-S.

Menu Uji Normalitas dengan Kolmogorov Smirnov

Maka akan diarahkan ke menu berikutnya yaitu sebagai berikut:

Menu Uji Kolmogorov Smirnov

Masukkan data ke dalam Test Variable List, lalu klik OK sehingga akan keluar output sebagai berikut:

Output Uji Normalitas dengan Kolmogorov Smirnov

Tampak bahwa nilai Signifikansi adalah sebesar 0,077 > 0,05 yang berarti bahwa data telah terdistribusi secara normal. Hasil ini memperkuat hasil uji sebelumnya.

Demikianlah simulasi singkat tentang uji normalitas dengan menggunakan SPSS Versi 23. Sebenarnya masih ada lagi beberapa metode, misalnya P Plot (grafis) atau juga uji statistik seperti Jarque-Berra.

Share: