-->

Cara Melakukan Uji Normalitas dengan SPSS

Cara Melakukan Uji Normalitas dengan SPSS
Uji Normalitas atau Asumsi Klasik ialah suatu pengujian yang digunakan untuk menilai apakah sebaran data variabel atau kumpulan data yang tersebar berdistribusi normal atau sebaliknya tidak berdistribusi normal. Tujuan dilakukannya pengujian normalitas atau asumsi ialah adalah untuk memastikan bahwa data yang dijadikan sebagai alat ukur dalam model regresi linier tersebut memiliki ketepatan, tidak bias dan reliabel (konsisten) sehingga alat ukur yang digunakan untuk mengestimasi data tersebut valid.
Uji Normalitas atau Asumsi klasik merupakan syarat wajib yang harus dipenuhi dalam pengujian model regresi linear dengan metode perhitungan kuadrat terkecil atau ordinary least square (OLS). Beberapa pakar ahli statistik menyatakan bahwa berdasarkan pengalaman empiris yang mereka lakukan jika sampel atau data yang jumlahnya besar yaitu lebih dari tiga puluh (30) angka (n > 30), maka data atau sampel tersebut dapat diasumsikan memiliki distribusi yang normal. Namun untuk memastikan bahwa data tersebut benar-benar berdistribusi normal seyogjanya dilakukan pengujian normalitas atau asumsi klasik. Karena pada hakikatnya data atau sampel yang lebih dari tiga puluh (30) belum dapat dipastikan memiliki distribusi yang normal, begitu juga sebaliknya data yang lebih kecil dari tiga puluh (30) itu langsung mendapatkan justifikasi bahwa datanya tidak memiliki distribusi yang normal.

Ragam cara melakukan Uji Normalitas / Asumsi Klasik

Tedapat bayak ragam atau cara yang dilakukan untuk melakukan pengujian normalitas atau asumsi klasik diantaranya ialah, melalui:
  1. Uji grafik, dilakukan dengan cara melihat penyebaran data pada grafik normal P-P Plot of Regression Standardized Residual. Apabila titik-titiknya menyebar disekitaran garis serta titik-titiknya mengikuti pada garis diagonal maka data tersebut dapat dinyatakan memiliki distribusi yang normal.
  2. Kolmogorov Smirnov, dilakukan jika jumlah data atau sampel berkisar antara 20-1000 Namun pada umumnya pengujian ini masih dipergunakan untuk data atau sampel yang berjumlah lebih dari dua ribu (2000) data atau sampel. Di dalam pengujiannya, data atau sampel dapat dinyatakan memiliki distribusi yang normal jika nilai signifikansinya lebih dari 0.05
  3. Chi-Square, dilakukan dengan cara melihat outpot hasil perhitungan pada table Chi-Square, cara membacanya ada dua (2) pertama dengan cara membandingkan asymp.sig dengan nilai kritis 0.05 dan membandingkan nilai Chi-Square dengan table Chi-Square pada signifikasi lima persen (5%)
  4. Lilliefors, dilakukan dengan cara melihat membandingkan hasil nilai Lilliefors dengan nilai tabel Lilliefors.
  5. Shapiro Wilk, dilakukan jika data atau sampel kurang dari lima puluh (50) sampel (N<50), data atau sampel bisa dinyatakan memiliki distribusi yang normal jika nilai signifikansi lebih dari 0.05 (sig. >0.05).

Jenis-jenis Uji Normalitas / Asumsi Klasik 

 No. Asumsi klasik pada regresi linear sederhana Asumsi klasik pada regresi linear berganda
 1 Data interval atau rasio Data interval atau rasio
 2 Linearitas Linearitas
 3 Normalitas Normalitas
 4 Heteroskedastisitas Heteroskedastisitas
 5 Outlier Outlier Autokorelasi (Hanya untuk data time series atau runtut waktu) Outlier Outlier Autokorelasi (Hanya untuk data time series atau runtut waktu)
 6 - Multikollinearitas
Selanjutnya, Berikut ini adalah cara atau tutorial melakukan pengujian Normalitas / Asumsi Klasik sebuah data atau sampel menggunakan bantuan spss, silahkan ditonton lalu dipraktekan!

Cara Melakukan Uji Normalitas Kolmogorov Smirnov dengan SPSS

Cara Melakukan Uji Normalitas Shapiro Wilk untuk Statistik Parametrik dengan SPSS

Cara Melakukan Uji Normalitas Probability Plot dengan SPSS

Cara Melakukan Uji Normalitas Skewness dan Kurtosis dengan SPSS

Cara Melakukan Uji Multikolinearitas Tolerance dan VIF dengan SPSS

Cara Melakukan Uji Heteroskedastisitas Glejser dengan SPSS

Semoga artikel ini dapat memberikan manfaat dan jangan lupa dishare ke media sosial ya agar sahabat kita yang lain juga mengetahuinya. Terima kasih

Anda mungkin menyukai postingan ini

Posting Komentar