Uji Normalitas SPSS dengan Jarque-Bera

Uji Normalitas dengan Jarque-Bera memang kurang populer bagi pengguna SPSS. Mungkin karena di SPSS belum tersedia menu uji normalitas dengan Jarque-Bera. Berbeda dengan Eviews atau R yang sudah menyediakan menu ini. Akan tetapi sebenarnya SPSS juga bisa dipergunakan untuk uji Jarque-Bera meskipun harus menggunakan perhitungan secara manual.

Metode Jarque-Bera adalah hasil dari dua orang yaitu Carlos M. Jarque Uribe dan Anil K. Bera. Keduanya masih aktif berkarya sampai saat ini. Persamaan yang dipergunakan adalah sebagai berikut:

Ada juga yang menulis dengan versi lain tetapi sebenarnya sama, misalnya:

Dengan:

JB adalah Jarque-Bera, n adalah jumlah sampel, S adalah Skewness dan K adalah Kurtosis. Kedua persamaan di atas adalah identik.

Nilai Skewness dan Kurtosis telah tersedia menunya di SPSS sehingga tidak perlu menghitung secara manual. Jika menginginkan, nanti kapan-kapan kita bahas perhitungan Skewness dan Kurtosis secara manual dengan bantuan Excel saja.

Sebagai simulasi, kita menggunakan data ini. Bisa di download dengan akun G mail Anda melalui Google Drive. Dengan SPSS kita pilih Analyze, pilih Descriptive Statistics, lalu klik pada Descriptives seperti pada gambar di bawah:

Memilih Menu Deskriptif
Masukkan variabel yang akan diuji normalitasnya, lalu klik Options di kanan atas seperti pada gambar di bawah:

Memasukkan Data Penelitian
Setelah klik Options, abaikan yang lain dan berikan tanda centang pada Skewness dan Kurtosis seperti pada gambar di bawah:

Memberikan Tanda Centang untuk Skewness dan Kurtosis
Setelah itu klik Continue, lalu OK sehingga akan keluar output sebagai berikut:

Output Skewness dan Kurtosis
Tampak bahwa nilai Skewness adalah -0,439 dan nilai Kurtosis adalah 1,158. Kedua parameter ini dimasukkan ke dalam persamaan di atas. Kita pilih yang pertama (yang kedua juga boleh dan hasilnya juga akan sama):

Tampak bahwa nilainya adalah 3,277. Justifikasinya adalah dibandingkan dengan nilai Chi Square dengan df sebesar 2 pada signifikansi 5% yaitu sebesar 5,99. Tampak bahwa nilai JB < Chi Square atau 3,277 < 5,99 yang menunjukkan bahwa data telah memenuhi asumsi normalitas. Jika kita uji normalitas dengan metode Kolmogorov-Smirnov akan memberikan hasil sebagai berikut:

Uji Normalitas dengan Kolmogorov-Smirnov
Dengan hasil signifikansi sebesar 0,070 > 0,05 maka dapat disimpulkan bahwa data telah memenuhi asumsi normalitas. Hasil ini sesuai dengan pengujian dengan Jarque-Bera.

Apakah semua data akan konsisten seperti contoh di atas? Belum tentu. Banyak yang menyarankan bahwa uji Jarque-Bera hanya cocok untuk sampel yang besar, bahkan sangat besar. Sehingga kurang sesuai untuk sampel kecil atau dikatakan sensitif. Ada juga modifikasi nilai p-value untuk sampel kecil karena hal tersebut.

Share:

Tidak ada komentar:

Posting Komentar

Baca dulu sebelum tulis komentar:

Sebelum menuliskan pertanyaan, mohon disimak tanya jawab yang ada terlebih dahulu. Pertanyaan yang sama atau senada biasanya tidak terjawab. Untuk pengguna Blogger mohon profil diaktifkan agar tidak menjadi dead link. Atau simak dulu di Mengapa Pertanyaan Saya Tidak Dijawab?
Simak juga Channel kami di Statistik TV
Komentar akan kami moderasi dulu sebelum ditampilkan. Aktifkan Akun Google Anda.

Terima kasih.

Artikel Terbaru

Translate

Instagram

Instagram
Gabung Instagram Kami

Artikel Terbaru

Jual Data Laporan Keuangan Perusahaan yang Listing di BEI Tahun 2020

Setiap perusahaan yang telah go public wajib untuk menyerahkan laporan keuangan ke badan otoritas, sebagai salah satu bentuk pertanggungjawa...

Artikel Populer Seminggu Terakhir

Komentar Terbaru

`

Ingin menghubungi kami untuk kerja sama?

Nama

Email *

Pesan *