Tuesday, March 31, 2020

,

Uji Normalitas Kolmogorov Smirnov Melalui SPSS


Setelah uji validity dan reliability dari instrument penelitian, dan setelah melakukan analisis descriptive statistics  untuk memberi gambaran data penelitian, maka peneliti harus melakukan uji normalitas dari data yang diperoleh.

Uji normality atau normalitas merupakan salah satu bagian dari asumsi formula untuk uji hipotesis seperti t-test, ANOVA, dan ANCOVA. Uji normalitas ini umumnya berada diurutan pertama sebagai asumsi yang harus dipenuhi terlebih dahulu sebelum menguji asumsi-asumsi yang lain, seperti homogeneity variance, homogeneity of regression (slope), dan linier relationship between covariate and dependent variable. Nah, teman-teman masih ingat urutan untuk Analisis Data Penelitian Quasi-Eksperimen kan?

Perlu diingat bahwa untuk uji hipotesis analisis regresi, data penelitian yang diperoleh harus diuji kenormalan distribusinya terlebih dahulu. Sehingga tujuan uji hipotesis ini adalah untuk mengetahui apakah data penelitian yang kita peroleh berdistribusi normal atau tidak. Uji normalitas ini bukan hanya asumsi dari formula ANCOVA dengan desain penelitian quasi-eksperimen. Namun, penelitian true-experiment juga harus melakukan uji normalitas sebelum menguji hipotesis menggunakan t-test.

Untuk memenuhi asumsi normalitas ini, agar teman-teman bisa lanjut menggunakan formula uji hipotesis yang sesuai dengan desain penelitian, ANCOVA misalnya, data dari setiap instrument harus berdistribusi normal dengan syarat nilai Sig > α 0.05.

Ada dua teknik untuk uji normalitas ini, yaitu Shapiro Wilk da Kolmogrov Smirnov. Perbedaan dari keduanya adalah sebegai berikut:
  • Shapiro Wilk digunakan untuk mengetahui sebaran data acak suatu sampel kecil dengan sampel tidak lebih dari 50 sampel (N<50).
  • Kolmogorov Smirnov, uji normalitas ini menghasilkan performa yng baik untuk ukuran data 20-1000, sehingga pada umunya uji normalitas ini digunakan untuk ukuran data diatas 50 sampel (20≤N≤1000).

Baik, langsung saja kita bahas langkah-langkahnya di SPSS.

1. Siapkan Data

Untuk memudahkan teman-teman menginput data di SPSS, siapkan data terlebih dahulu dengan membat table di Ms. Excel. Selain data nilai, buat juga tabel untuk kode group, 1 untuk experimental group dan 2 untuk control group.

2. Langkah-langkah di SPSS

  • Buka program SPSS, klik variable view
  • Ketikkan nama-nama variable di kolom name. Ada 3 variable: Pre_test, Post_test, dan Class. Untuk kolom measure, pada variable pre_test dan post_test ubah menjadi scale. Dan untuk Class ubah measure menjadi Nominal.
  • Karena kita akan memasukkan data pre_test dan post_test dari kedua grup secara bersamaan, maka untuk variable Class, klik titik 3 pada kolom value.
  • Tambahkan 2 class, experimental class dan control class dengan cara: Mengetikkan kode kelas di kolom value dan nama kelas di kolom Label. > Klik add. Ulangi untuk menambahkan kelas control. > klik add >  OK.

  • Klik data view di pojok kiri bawah. Copy-paste data yang telah dibuat di Ms. Excel.
Note:
30 data pertama (1-30) adalah data experimental class
-   30 data terakhir (31-60) adalah data control class
Sehingga data berurutan, data pre_test experimental dijadikan satu dengan data control, begitupun juga dengan data post_test. Sehingga kode untuk 30 sampel pertama adalah angka 1 (experimental class) dan kode untuk 30 sampel terakhir adalah angka 2 (control class).

  • Klik analyze  > descriptive statistics > explore
  • Pindahkan variable pre-t_test dan post_test ke kolom dependent list dan variabe class ke factor list.
  • Klik plots > beri centang Normality plots with tests > continue > OK

3. Mengintepretasi Data

  • Nah berikut ini adalah output dari uji normalitas. 


Bisa dilihat bahwa hasil sign dari pretest experimental class 0.200 (Sig. > α), pre_test control class 0.149 (Sig. > α), post-test experimental class 0.200 (Sig. > α), dan post-test control class 0.200 (Sig. > α). Sehingga dapat disimpulkan bahwa masing-masing data baik data di experimental class maupun di contol class berdistribusi normal. Untuk itu, asumsi uji normalitas telah terpenuhi. 

NOTE: jika ditemukan data tidak berdistribusi normal, maka asumsi uji normalitas tidak terpenuhi. Sehingga analisis data yang dilakukan tidak lagi menggunakan t-test, ANOVA, maupun ANCOVA, namun harus menggunakan non- parametric analysis.

Gampang kan teman-teman? Silahkan dicoba :)
Ada pertanyaan? Silahkan tulis di kolom komentar :)


Baca Juga
Uji Linieritas Hubungan Kovariat dengan Variabel Dependen


Ditulis oleh Endang Wahyuni





0 comments:

Post a Comment