Uji Normalitas Data dengan SPSS (1)

---

Salah satu uji statistik adalah uji normalitas data. Uji normalitas berguna untuk menentukan apakah data yang telah dikumpulkan merupakan distribusi normal atau bukan.  Pengujian normalitas akan mengarahkan teknik statistik apa yang akan digunakan untuk uji pengambilan keputusan (statistisk inferensi).

Metode statistik klasik dalam pengujian normalitas suatu data tidak begitu rumit. Berdasarkan pengalaman empiris ahli statistik, data yang banyaknya lebih dari 30 (n > 30), sudah dapat diasumsikan berdistribusi normal. Tetapi untuk memberikan kepastian  data merupakan distribusi normal atau tidak, sebaiknya digunakan uji normalitas. Karena belum tentu data yang lebih dari 30 bisa dipastikan berdistribusi normal, demikian juga yang kurang dari 30 belum tentu tidak berdistribusi normal, untuk itu perlu suatu pembuktian.

Berikut ini Beberapa Cara yang umum pada pengolahan data menggunakan SPSS dalam menguji normalitas data :

1. Dengan melihat hasil nilai skewness kurtosis yang didapat melalui statistik deskriptif
2. Kolmogorov-Smirnov dengan pendekatan koreksi Lillifors
3. Kolmogorov-Smirnov  untuk 1-sample K-S

Cara dalam menguji Normalitas dari nilai Skewness dan Kurtosis yang diperoleh :
Uji normalitas dengan Skewness dan Kurtosis mempunyai kelebihan yang tidak didapat diperoleh dari uji normalitas  yang lain.  Dimana dengan uji skewness/kurtosis akan dapat diketahui diketahui grafik normalitas menceng ke kanan atau ke kiri, terlalu datar atau mengumpul di tengah. Oleh karena itu, uji normalitas dengan Skewness dan Kurtosis juga sering disebut dengan ukuran kemencengan data.

Cara 1 :
Dengan membandingkan antara nilai Statistic Skewness  dibagi dengan Std Error Skewness atau nilai Statistic Kurtosis  dibagi dengan Std Error Kurtosis. Dimana jika skor berada antara -2 dan 2 maka distribusi data normal.
Misal kita peroleh nilai Skewness = 0,022 , std error skewness =0,427, Kurtosis=-0,807 , std error kurtosis = 0,833
Nilai Ratio Skewness/Std Error Skewness = 0,022 / 0,427 = 0,05  < 2
Nilai Ratio Kurtosis /Std Error Kurtosis = -0,807 / 0,833  = -0,9 6> -2

Cara 2 :
hitunglah Zskew dengan persamaan Statistik :
Zskew     =  Skewness / Akar(6/N)                           ;  N  = jumlah observasi.
= 0,022 /Akar(6/30)
= 0,022 / 0,447
= 0,049
Zkurt = Kurtosis / Akar(6/N)                               ;  N  = jumlah observasi.
= -0,807/Akar(6/30)
= 0,807 / 0,447
= -1,80
Nilai Z bisa dibandingkan dengan Z tabel statistik

Kelebihan dari uji Skewness dan Kurtosis adalah bahwa kita dapat mengetahui bentuk kemencengan data.
Untuk pengujian normalitas lainnya akan ditampilkan pada posting lanjutan.