Uji Normalitas Kolmogorov-Smirnov

.
28 Agu, 2024


Uji normalitas adalah suatu prosedur statistik yang digunakan untuk menentukan apakah suatu kumpulan data mengikuti distribusi normal atau tidak.

Jika gambar kurang jelas, bisa diklik agar lebih jelas

Tujuan uji normalitas:

  • Memenuhi asumsi statistik: Banyak prosedur statistik, seperti uji t, uji ANOVA, dan regresi linear, mengasumsikan bahwa data yang dianalisis harus berdistribusi normal. Uji normalitas digunakan untuk memeriksa apakah asumsi tersebut terpenuhi.
  • Menganalisis data: Jika data berdistribusi normal, maka kita dapat menggunakan metode statistik yang didasarkan pada distribusi normal untuk menganalisis data.
  • Memilih metode statistik yang tepat: Jika data tidak mengikuti distribusi normal, kita perlu memilih metode statistik yang tidak mengharuskan uji normalitas.

Terdapat beberapa jenis uji normalitas yang perlu diketahui, yaitu:

  • Uji Shapiro-Wilk
    Uji ini adalah salah satu uji normalitas yang paling umum digunakan, terutama ketika ukuran sampel kecil (kurang dari 50). Uji ini sangat sensitif terhadap sampel kecil dan lebih efektif dibandingkan uji lainnya untuk ukuran sampel kecil.
  • Uji Kolmogorov-Smirnov (K-S)
    Uji ini membandingkan distribusi kumulatif sampel dengan distribusi normal yang diharapkan. Uji K-S biasanya digunakan untuk sampel besar, namun kurang sensitif dibandingkan uji Shapiro-Wilk.
  • Uji Lilliefors
    Uji ini adalah modifikasi dari uji Kolmogorov-Smirnov yang digunakan ketika parameter distribusi (mean dan standar deviasi) tidak diketahui. Uji Lilliefors sering digunakan ketika kita tidak mengetahui distribusi data secara pasti.
  • Uji Anderson-Darling
    Uji ini adalah modifikasi dari uji K-S yang lebih sensitif terhadap distribusi di ekor (kiri atau kanan). Uji Anderson-Darling lebih kuat dibandingkan K-S dalam mendeteksi deviasi dari normalitas.
  • Uji Jarque-Bera
    Uji ini didasarkan pada skewness (kemiringan) dan kurtosis (keruncingan) data. Uji Jarque-Bera lebih cocok digunakan untuk sampel besar dan menguji apakah data memiliki skewness dan kurtosis yang sesuai dengan distribusi normal.
  • Uji D'Agostino-Pearson (D'Agostino's K² Test)
    Uji ini menggabungkan uji skewness dan kurtosis untuk mengevaluasi normalitas. Uji ini sering digunakan pada sampel yang lebih besar.
  • Uji Chi-Square
    Uji ini membandingkan distribusi frekuensi observasi dengan distribusi frekuensi yang diharapkan berdasarkan distribusi normal. Uji Chi-Square lebih umum digunakan pada data kategorikal dan untuk sampel yang besar.
  • Plot Q-Q (Quantile-Quantile Plot)
    Plot ini digunakan sebagai alat grafis untuk memeriksa apakah data mengikuti distribusi normal. Titik-titik data yang sejajar dengan garis diagonal menunjukkan normalitas.

Berikut ini adalah tutorial uji SPSS menggunakan Kolmogorov-Smirnov

  • Siapkan data yang sudah dijumlahkan (biasanya data angket) dan ubah menjadi per-variabel seperti ini.
  • Masuk ke variable view di pojok kiri bawah

 

  • Setelah itu ganti name, decimal menjadi seperti gambar di bawah dan ganti measure menjadi scale

  • Setelah itu masuk ke data view pada bagian pojok kiri bawah



  • Masukkan data variabel yang sudah diinput sebelumnya pada variable view



  • Setelah itu pada tab atas, klik analyze, regression, linear seperti pada gambar di bawah


  • Setelah itu akan muncul pop up seperti gambar di bawah, pindahkan variabel terikat ke kotak dependent dan variabel bebas ke kotak independent(s). Penggunaan variabel pada kotak independent(s) bisa lebih dari satu variabel

  • Klik save, lalu pilih residuals, unstandardized dan klik continue


  • Pada bagian data view akan muncul RES_1


  • Setelah itu klik analize, nonparametric tests, legacy dialogs, 1-sample K-S




  • Akan muncul pop up, lalu masukkan variabel unstandardized residual ke test variable list setelah itu klik ok
  • Setelah itu lihat output ke bagian one-sample kolmogorov-smirnov test

  • Hasil keputusan uji normalitas K-S berdasarkan pada baris asymp. sig (2-tailed)

Ketentuan pengambilan keputusan dari nilai signifikansi uji Kolmogorov-Smirnov

  • Jika nilai signifikansi (Sig.) lebih besar (>) dari 0,05 atau 5%, maka data berdistribusi normal.
  • Jika nilai signifikansi (Sig.) lebih kecil (<) dari 0,05 atau 5%, maka data tidak berdistribusi normal.

Video tutorial




Next Post
No Comment
Add Comment
comment url