Bariqlana Blog SPSS: Uji Normalitas Menggunakan Analisis Kolmogorov-Smirnov Berbantuan SPSS

Proses uji normalitas data dengan teknik Kolmogorov-Smirnov

Uji Normalitas Menggunakan Analisis Kolmogorov-Smirnov Berbantuan SPSS| Uji normalitas merupakan uji yang dilakukan untuk mengecek apakah data penelitian yang didapat berasal dari populasi yang sebarannya normal. Dengan kata lain uji normalitas dimaksudkan untuk mengetahui normal tidaknya data yang diperoleh. Disamping itu, hasil uji normalitas yang jika memperoleh kesimpulan bahwa data teruji mengikuti distribusi normal, maka hal ini akan dapat menguatkan keyakinan terhadap kesimpulan akhir mencerminkan keadaan yang senyatanya.

Uji normalitas ini merupakan bagian dari uji prasyarat analisis statistik, yakni untuk memenuhi asumsi dasar agar analisis statistik selanjutnya bisa dilaksanakan. Uji normalitas ini lebih cocok menggunakan data berskala interval maupun rasio. Apabila data tidak berdistribusi normal karena sampel kecil (jumlah responden sedikit) serta datanya berjenis nominal ataupun ordinal, maka metode yang digunakan adalah statistik non parametrik.

Kriteria Keputusan:

Jika Sig. (Signifikansi) > 0,05 maka data berdistribusi normal.
Jika Sig. (Signifikansi) < 0,05 maka data berdistribusi tidak normal.

Baiklah untuk memulai Uji Normalitas Menggunakan Analisis Kolmogorov-Smirnov Berbantuan SPSS|, bisa dilakukan dengan beberapa cara berikut ini.

Cara I.

Ikuti langkah-langkah berikut.

1. Buka file data dengan variable view seperti berikut:

2. Mengentri data tentang minat beli konsumen sebanyak 55 responden seperti contoh berikut:

Data

3.    Klik Analyze > Nonparametric Tests > 1-Sample K-S...
4.    Masukkan Variabel yang akan diuji ke kotak Test Variable List.
5.    Pastikan pada ceklist Normal sudah dicentang

4. Klik OK, akan menampilkan output hasil uji normalitas sebagai berikut.

Output Uji Normalitas dengan teknik Kolmogorov-Smirnov.

Dengan memperhatikan tampilan output di atas serta merujuk kriteria keputusan di atas, maka bisa dilakukan interpretasi hasil uji normalitas. Untuk kepentingan uji asumsi, yang perlu dibaca hanyalah 2 item paling akhir, yaitu nilai dari Kolmogorov-Smirnov Z dan Asymp. Sig (2-tailed).

Kolmogorov-Smirnov Z sebesar 0,674 yang dihasilkan dari teknik Kolmogorov Smirnov untuk menguji normalitas distribusi data teruji.
Asymp. Sig. (2-tailed).sebesar 0,754, berdasarkan kriteria keputusan di atas nilai 0,754 > 0,05 dengan demikian dapat disimpulkan bahwa data yang diuji bisa dnyatakan berdistribusi normal..

Cara II.

Ada yang berpendapat bahwa uji normalitas seperti Cara I di atas pertama biasanya menghasilkan hasil analisis yang kurang akurat dalam menguji apakah sebuah distribusi mengikuti kurve normal atau tidak. Ini disebabkan uji Kolmogorov Smirnov Z dirancang tidak secara khusus untuk menguji distribusi normal, tetapi distribusi apapun dari satu set data. Selain normalitas, analisis ini juga digunakan untuk menguji apakah suatu data mengikuti distribusi poisson, dsb.

Nah, Cara II merupakan hasil koreksi atau modifikasi dari cara pertama yang dikhususkan untuk menguji normalitas sebaran data.

Ikuti langkah-langkah berikut.

1. Buka file (data sama dengan cara 1)
2. Klik Analyze > Discriptive Statistics > Explore...

3. Masukkan Variabel yang akan diuji ke kotak Dependent List.
4. Klik tombol Plots... ke kotak dialog Plots

4. Klik ceklist: Factor levels together, Stem-and-leaf, dan Normality plots with tests.
5. Klik tombol Continue, akan kembali ke kotak dialog Explore

6. Klik tombol OK, akan ditampilkan output hasil analisis.

Dengan memperhatikan tampilan output di atas serta merujuk kriteria keputusan di atas, maka bisa dilakukan interpretasi hasil uji normalitas Cara II. Untuk kepentingan uji asumsi, yang perlu dibaca hanyalah 2 item paling akhir, yaitu nilai dari Kolmogorov-Smirnov Z dan Asymp. Sig (2-tailed).

Kolmogorov-Smirnov pada Statistic sebesar 0,091 yang dihasilkan dari teknik Kolmogorov Smirnov untuk menguji normalitas distribusi data teruji.
Asymp. Sig. (Significant) sebesar 0,200, berdasarkan kriteria keputusan di atas nilai 0,200 > 0,05 dengan demikian dapat disimpulkan bahwa data yang diuji bisa dnyatakan berdistribusi normal..