P. 1
Uji Normalitas

Uji Normalitas

|Views: 376|Likes:

More info:

Published by: Tio Jhono Cznul Hakim on Aug 13, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

08/07/2011

pdf

text

original

BAB Uji Normalitas

Uji distribusi normal adalah uji untuk mengukur apakah data kita memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial). Cara yang biasa dipakai untuk menghitung masalah ini adalah Chi Square. Tapi karena tes ini memiliki kelemahan, maka yang kita pakai adalah Kolmogorov-Smirnov. Kedua tes dinamakan masuk dalam kategori Goodness Of Fit Tes. Januar: Makanan lagi ini? Ayo Jelaskan apa yang kau maksud dengan fitness tes ini. Bukan Fitness Tes, tapi Goodness Of Fit Tes. Artinya, uji apakah data empirik yang kamu dapatkan dari lapangan itu sesuai dengan distribusi teoritik tertentu. Dalam kaus..eh kasus ini, distribusi normal. Dengan kata lain, apakah datamu itu dari populasi yang berdistribusi normal. Januar: Mengapa kita harus, ngetes normalitas segala? Pertama, Tes-tes parametrik itu dibangun dari distribusi normal, kau lihat tabel t-tes misalnya, pembuatannya itu mengacu pada tebel normalitas. Kedua, kita bisa berasumsi bahwa sampel kita benerbener mewakili populasi. sehingga hasil penelitian kita bisa digeneralisasikan pada populasi. Bukankah dalam pandangan statistik itu sifat dan karakteristik populasi adalah terdistribusi secara normal. Terus, bagaimana kalau kita langsung meneliti populasi secara langsung. Misalnya Hubungan Antara Independensi Anak yang Jarang Mandi di Fakultas Psikologi UGM Dengan Kreativitas. Populasinya khan cuma tiga. Aku, kamu, dan Sony ’93. Apakah harus di tes normal segala?. Mbuh!

Chi-Square
Filosofi mengapa Chi-Square kok bisa dikatakan Goodness Of Fit Tes, adalah begini: Aku punya uang seratus rupiah. Tak lempar seratus kali, sisi A keluar sebanyak 35 kali, sisi B keluar sebanyak 65 kali. Apakah koinku dapat dikatakan seimbang..maksud’e koinku gak penceng?. Macam Data Data Teoritik Data Observasi Kemunculan Sisi Koin A = 50 B = 50 A = 35 Total

100
100

Uji Chi Square Sig. p>0,05 : Tidak Ada Beda Sig. p<0.05 : Ada Beda

B =65

Kalau hasilnya tidak ada perbedaan, maka dapat dikatakan bahwa koin kita setimbang. Kita Lihat dulu Data teoritik kurve Normal. Kurve normal punya 6 Standar Deviasi (sd). Masing-masing sd luasnya seperti ini.
Sd -3 -2 -1 1 2 3 Kategori 1 - 10 11 - 15 16 - 20 21 - 30 31 - 35 36 - 40 Distribusi Kurve Normal % 2% 14% 34% 34% 14% 2% Frek. 2 14 34 34 14 2 Data Hasil Frek. 5 15 20 38 12 10

Sig. p>0,05 : Tidak Ada Beda Sig. p<0.05 : Ada Beda

maka data anda NORMAL. Deviasi Distribusi Normal Dari sini dapat dikatakan bahwa data anda berdistribusi normal.905 Negative Pengurangan yang menghasilkan angka negatif terbesar N Normal Parameters a.164 . yang diuji itu distribusi normal. (2-tailed) Mean Std. Kalau t-tes khan t. Hasil ini lalu dibandingkan dengan tabel D. Uji KS outputnya adalah D. D = 0. or Beberapa orang ada yang menjadikan acuan signifikansi adalah Z. Test distribution is Normal.05). Dalam kasus ini D= 0. Kalau korelasi khan r. atau poisson Absolut (D) Dari perbandingan antara negatif dan positif.37895 .Kolomogorov -Smirnov Chi Square membandingkan distribusi teoritik dan distribusi empirik (observasi) berdasarkan kategori-kategori. dan biasanya mereka menulis Z=0.data anda NORMAL ! ..05) Jika Z anda di bawah 1.97 maka dapat dikatakan tidak ada perbedaan antara distribusi teoritik dan distribusi empirik. Ini contoh-contohan uji normalitas data. Jadi yang dibandingkan adalah frekuensi kumulatif distribusi teoritik dengan frekuensi kumulatif distribusi empirik.B A-B 1 1 1/12 1 1/12 0 2 2 3/12 3 4/12 -1/12 Sebaran Normal 3 4 5 3 3 2 6/12 9/12 11/12 2 6/12 0 3 9/12 0 1 10/12 1/12 distribusi kumulatif teoritik 6 1 12/12 2 12/12 0 Total 12 12 dikurangi distribusi kumulatif empirik.. Test Distribution is Normal artinya.164 Jika D anda lebih kecil dari tabel.b Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Cara Membaca Angka One-Sample Kolmogorov-Smirnov Test VAR00001 12 3.164 .A Frekuensi empirik Distribusi kumulatif (empirik)……. D itu didapatkan dari Frekuensi teoririk Distribusi kumulatif (teoritik)……. Data 2 3 5 7 Total frekuensi 5 2 3 5 15 Frekuensi kumulatif 5 7 10 15 Frekuensi Kumulatif Frekuensi kumulatif adalah penjumlahan frekuensi per-baris hingga ke bawah Lihat tabel dibawah ini. b. Hanya satu yang diambil yaitu yang selisihnya terbesar. kalau KS berdasakan frekuensi kumulatif. Calculated from data. Sig. bukan distribusi eksponen. Tapi tidak semua yang diambil.164 (p>0. Ada 6 pembagian. Deviation Absolute Positive Negative Positive Pengurangan yang menghasilkan angka negatif terbesar a.567 .117 -.0833 1. yang terbesarlah yang dimasukkan sebagai absolut.567 (p>0.

Pilih Descriptive Statistics Explore 2. 4. Beri tanda pada Normality Plot With Test . 3.Menampilkan Uji Kolmogorov-Smirnov Cara Pertama Pilih distribusi normal Cara Kedua 1. Tekan tombol Plots. Masukkan variabel yang hendak di uji pada kotak Dependen.

14 dan 15.5366 Lower Bound Upper Bound 103.00 56.1080 9. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis . Bayangkan jika data anda berjumlah 5. 4. Cs tidak bisa digunakan bukan? Oleh karena data Chi Square adalah bersifat kategorik.00 29.13. sementara KS bisa.982 df 82 82 Sig.1287 9. karena ia dibulatkan ke atas.-nya 0.015 p <0. lebih besar di sini. . maka harga tes ini jadi mahal.357 105.55403 75. Anda membuat angka 15 marah-marah.001 .110 .-nya 0. dan disamakan dengan angka di atasnya yaitu 12.088 df 82 82 a Shapiro-Wilk Statistic . sedangkan anda harus membuat 6 kategori sd.526 1. Peluang tidak normal. 1971) 3. . Apa Itu Koreksi Liliefor? Tuhan belum mengijinkan aku untuk menjawabnya. padahal kurang satu no dia masuk kategori 16-20. Sig.05 Tak Normal Mengapa ? Cara pertama adalah uji Kolmogorov-Smirnov Plus.00 13. Ia merasa rugi karena dibulatkan ke bawah.266 .77137 depresi Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std.2176 107. Berkatalah hanya pada apa yang anda ketahui saja Anonim . sd nya sama.526 Tests of Normality Kolmogorov-Smirnov depresi makna hidup Statistic .015 . Adalah perbedaan antara distribusi teoritik dan distribusi empirik.Output Kolmogorov Smirnov Cara Kedua Descriptives Std. Lilliefors Significance Correction Keunggulan Kolmogorov Smirnov (KS) dibanding (Chi Square) 1. CS memerlukan data yang terkelompokkan.98505 .2500 .273 p > 0. . CS tidak bisa untuk sampel kecil. Jadi enakan pakai cara pertama saja.310 Arti Statistic Adalah nilai D. sedangkan CS. Jika dihitung dengan cara pertama sig.00 29.177 a.8556 105. Sig.266 . 2. Soalnya ada tambahan Koreksi Liliefor segala. seperti yang saya jelaskan sebelumnya.05 Normal tetapi jika dihitung dengan cara kedua sig. Misalkan kategori 11-15. Dan anda membuat angka 11 untung. KS tidak memerlukannya.791 6.6233 106. karena dibagi secara seimbang.937 .00 131.00 9.5732 8. Gibbons. Contoh : Data Depresi milik Hendro. (info lebih lengkap baca buku Non Parametrik Statistical Inference. KS lebih fleksibel dibanding CS. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis Lower Bound Upper Bound Statistic 9.0000 -.639 Perhatian Karena ada koreksi Liliefor.0384 11.199 .0000 111. Maka ada data yang terbuang maknanya. Error .388 10. KS dapat mengestimasi variasi sd.16550 makna hidup Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std.0000 48.834 .

Lihat buku “Multivariate Data Analysis” karangan Hair dkk. hingga katakanlah 100 sampel. tanda tanya ini ada ganti dengan variabel yang hendak di transformasikan. data anda memang ‘gak normal.. Pilih variabel yang hendak ditransformasikan Ketika fungsi sudah dipilih. tapi kalau nilai kurtosisnya besar (alias salah satu kategori terlalu tinggi) ya nggak normal. Lalu muncul seperti yang ini. tambah jumlah sampel penelitian. Untuk mengerti arti lambang2 di sana. .SQRT (harmoni) 3. SQRT (square root) adalah akar kuadrat. 4.. help akan muncul Tambahan tentang Normalitas (Bagi yang ingin mendalami saja) Satu istilah yang ngetrend dalam Kurve Normal adalah Skewness dan Kurtosis. Lihat Bab Outliers 4. Kita transformasikan data kita dalam bentuk yang lain (remedies for non normal). 3.96 (sig. Klik OK jika sudah selesai. Skewness berkaitan dengan lebar kurve. Semoga menjadi normal. Numexpr. (1995) 2. Nilai Kritis (Z) = Skewness / √ (6/N). Z tidak boleh lebih dari 2. 5%).. Transformasi Data 1.. Ada banyak cara mentransformasikan.Relakan. tetapi cara yang sering dipakai adalah transformasi dalam bentuk akar kuadrat. buang subjek yang teridentifikasi sebagai outliers. arcsin. dan log 10.rumusnya sama. Tekan Menu Transform 2. Jika tidak bisa. Jika cara 1 tidak bisa.Apa yang harus dilakukan jika sebaran data tidak normal 1. Gunakan statistik non parametrik. Jika tidak bisa juga. Kemudian pilih Compute. akan muncul : SQRT (?). 1%) dan 1. Klik tanda panah. sedangkan kurtosis dengan tinggi kurve.. Nama Baru Nama baru bagi variabel yang ditransformasikan Macam-macam rumus yang tersedia di SPSS Pada contoh ini. Rumus Buatan Sendiri Anda juga bisa membuat rumus dengan cara sendiri. di atasnya untuk memilih fungsi ini... 5. Klik kanan pada lambang itu. Jika data terlihat sebarannya normal. Untuk Kurtosis juga lho. Ulangi Uji Normalitas sekali lagi pada data anda.di sini adalah variabell anda yg hendak ditransformasi. Dua nilai ini harus diperhatikan.. Kemudian jadi.58 (sig..

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->