MANAJEMEN DATA
Uji Normalitas
ERNA VERONIKA
SESI KE 4 KES 506
Sesi 1 Sesi 2 Sesi 3 Sesi 4
Sesi 5 Sesi 6 Sesi 7
Ujian Tengah Semester
Topik Sebelum UTS
RPS dan Review Biostatistik
Inferensial
Pengenalan SPSS Uji Validitas dan Reliabilitas Alat Ukur
Uji Normalitas
Transformasi Data-
Recode Transformasi Data-
Compute Merge dan Select
Sesi 8 Sesi 9 Sesi 10 Sesi 11
Sesi 12 Sesi 13 Sesi 14
Ujian Akhir Semester
Topik Sebelum UAS
Analisis Deskriptif Uji T Dependen dan
Will Coxon Uji T Independen
dan Mann Whitney Uji Anova dan Kruskal Wallis
Uji Chi Square dan
Fisher Exact Uji Korelasi Pearson, Spearman dan
Regresi Sederhana
Review
Capaian Pembelajaran
Mahasiswa mampu menguraikan, menjelaskan uji normalitas
Uji Normalitas
Digunakan untuk mengetahui distribusi data normal/tidak
Hanya dilakukan pada data numerik
Biasanya dilakukan untuk menentukan jenis analisis (statistik parametrik atau non
parametrik)
Bentuk Distribusi Data
Hubungan nilai mean, median dan mode akan menentukan bentuk distribusi data:
1. Bila nilai mean, median dan mode sama, maka bentuk distribusi datanya normal
2. Bila nilai mean > median > mode, maka bentuk distribusi datanya menceng/miring ke kanan
3. Bila nilai mean < median < mode, maka bentuk distribusi datanya menceng /miring ke kiri
Statistik
Statistik Deskriptif
Ukuran tengah, ukuran posisi,
ukuran penyebaran
Statistik Inferensial
Statistik
Parametrik Statistik Non
Parametrik
Data
Numerik
Interval Rasio
NormalitasUji
Normal
Statistik Parametrik
Tidak Normal
Statistik Non Parametrik
Kategorik
Nominal Ordinal
Statistik Non Parametrik
Uji Normalitas
Untuk mengetahui suatu data dikatakan
normal atau tidak, dapat dilihat dengan 3 cara:
1. Lihat histogram dan garis normalnya
2. Dengan melakukan uji Kolmogorov Smiirnov (Uji KS)/ Shapiro Wilk
3. Dengan melihat nilai Skewness dan SE (Standard
Error) Skewness
Uji Normalitas
1. Histogram
Histogram merupakan salah satu grafik yang digunakan untuk menyajikan data berbentuk numerik.
Data dikatakan normal jika histogram atau garis normal data berbentuk simetris/lonceng terbalik.
Jika terdapat data ekstrim, atau kemencengan (tidak simetris) pada histogram/garis normal, maka data tersebut tidak normal
Namun hasil dari grafik histogram sangat subjektif tergantung peneliti karena tidak ada batasan yang mutlak yang harus dipenuhi.
Langkah yang dilakukan adalah sebagai berikut : 1. Pilih Graps → Legacy Dialogs→ Histogram
2. Masukkan Variabel yang di analisis 3. Klik OK
4. Lakukan double klik pada kurva histogram, kemudian klik show distribution curve
5. Pada distribution curve pilih Normal
6. Pada output sudah ada keterangan sebaran distribusi data Normal atau tidak
Uji Normalitas Dengan Histogram
Uji Normalitas Dengan Histogram
c
Uji Normalitas Dengan Histogram
Kurva Normal :
Bentuk Lonceng
Terbalik
Catatan:
Penentuan normal atau
tidaknya suatu distribusi data melalui histogram sangat Subjektif dalam melihat kesimetrisannya, tidak ada batasan mutlak yang harus dipenuhi
Coba sekarang masukan data sebanyak 30 responden dan Lakukan Uji Normalitas dengan Histogram Umur, BB Ibu, HB1, HB 2m BB Bayi
2. Uji Normalitas dengan Skewness
Langkah-Langkah :
1. Klik Analyze →Descriptive Statistic → Explore 2. Masukkan variabel dalam Dependent List
3. Klik Plots, kemudian aktifkan normality plot with test (pada bagian ini kita juga bisa sekaligus melakukan uji normalitas dengan histogram, namun karena sudah dilakukan tidak perlu mengaktifkan histogram)
4. Pada descriptive pilih Stem-and-leaf dan centang Normality plots with tests
5. Klik Continue, kemudian klik OK
Langkah-Langkah Uji Normalitas
dengan Skewness
2. Uji Normalitas dengan Skewness
1.
3. Uji Normalitas dengan Kolmogorov dan Shapiro
Dengan melakukan perintah uji normalitas menggunakan skewness, maka sudah sekalian melakukan uji normalitas menggunakan Kolmogorov/Shapiro
Pada output data SPSS sudah tercantum tinggal mengambil keputusan saja, apakah data tersebut normal atau tidak normal.
Langkah –Langkah
1. Klik Analyze →Descriptive Statistic → Explore 2. Masukkan variabel dalam Dependent List
3. Klik Plots, kemudian aktifkan normality plot with test
4. Pada descriptive pilih Stem-and-leaf dan centang Normality plots with tests
5. Klik Continue, kemudian klik OK
Cara membaca signifikansi dengan melihat kolom Sig.
Ho : “Distribusi data sama dengan distribusi normal”
Ha : “Distribusi data tidak sama dengan distribusi normal
1. Jika p value (Sig.) <0,05 maka Ho ditolak kesimpulannya “Distribusi data adalah tidak normal”.
2. Jika p value (Sig.) >0,05 maka Ho gagal ditolak kesimpulannya “Distribusi data adalah normal”.
Cara membaca signifikansi dengan melihat kolom Sig.
Jika jumlah sampel pada data <50 maka yang dibaca kolom shapiro-wilk
Jika jumlah sampel pada data >50 maka yang dibaca kolom kolmogorov-smirnov
P value =0,0001 artinya p value <0,05 data tidak berdistribusi normal
3. Uji Normalitas dengan Kolmogorov
1. Klik Analyze Nonparametric Test Legasy Dialogs 1 Sample K-S 2. Masukkan variabel yang diuji ke dalam test variable test
3. Klik Options, Pada Statistics pilih Descriptive 4. Klik Continue
5. Pada Test Distribution klik Normal 6. Klik Ok
3. Uji Normalitas dengan Kolmogorov
3. Uji Normalitas dengan Kolmogorov
Uji Normalitas
Kesimpulan secara keseluruhan uji normalitas data untuk variabel Usia adalah:
1. Hasil uji histogram menyatakan normal
2. Hasil uji skewness menyatakan tidak normal
3. Hasil uji kolmogorov menyatakan tidak normal
4. Karena dua uji normalitas menyatakan tidak normal dari tiga uji yang dilakukan, maka dapat disimpulkan variabel usia berdistribusi tidak normal
