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: