Cara Melaksanakan Uji Normalitas Kolmogorov-Smirnov Dengan Spss

Cara Melakukan Uji Normalitas Kolmogorov-Smirnov dengan SPSS | Selamat pagi, berjumpa lagi dengan blog yaitu blog panduan analisis data dengan jadwal SPSS. Sekedar mengingatkan bahwa sehabis kita bisa mempraktekkan uji validitas product moment dan uji reliabilitas alpha cronbach’s terhadap angket atau kuesioner penelitian, sekarang saatnya kita berlatih lagi ketingkatan uji persyaratan atau uji perkiraan analisis data yakni uji normalitas.

Jika dilihat dari kata dasarnya “normal” niscaya anda sudah memiliki citra menyerupai apakah kegunaan uji normalitas itu? Ya benar sekali, uji normalitas bertujuan untuk menguji apakah data yang dipakai dalam penelitian berdistribusi yang normal atau tidak.

Uji normalitas merupakan salah satu cuilan dari uji persyaratan analisis data atau uji perkiraan klasik, artinya sebelum kita melaksanakan analisis statistik untuk uji hipotesis dalam hal ini yaitu analisis regresi, maka data penelitian tersebut harus di uji kernormalan distribusinya. Tentunya kita juga sudah tahu, kalau data yang baik itu yaitu data yang berdistribusi normal.

Dasar Pengambilan Keputusan dalam Uji Normalitas K-S

1. Jika nilai signifikansi (Sig.) lebih besar dari 0,05 maka data penelitian berdistribusi normal. 
2. Sebaliknya, jikalau nilai signifikansi (Sig.) lebih kecil dari 0,05 maka data penelitian tidak berdistribusi normal.

Semoga cukup terperinci ya kawan-kawan mengenai konsep dasar mengenai uji normalitas di atas, selanjutnya kita akan masuk ke cuilan cara melaksanakan uji normalitas kolmogorov-smirnov dengan SPSS. Sebagai rujukan saya memiliki data Motivasi Belajar (X) dan Prestasi Belajar (Y). Dalam konteks ini kita akan melaksanakan uji normalitas kolmogorov-smirnov pada nilai unstandardized residual (RES_1) untuk pesamaan regresi imbas motivasi berguru terhadap prestasi belajar. Adapun data penelitian yang dimaksud sanggup anda lihat gambar di bawah ini.

[Download Data excel, Input SPSS]

Langkah-langkah Melakukan Uji Normalitas Kolmogorov-Smirnov dengan SPSS

1. Langkah pertama yaitu persiapkan data yang hambar di uji dalam file doc, excel, atau yang lainnya untuk mempermudah tahapannya nanti. Setelah itu, buka jadwal SPSS pada komputer anda, kemudian klik Variable View, dibagian pojok kiri bawah. Selanjutnya, pada bagian Name tulis saja Motivasi kemudian Prestasi, pada Decimals ubah semua menjadi angka 0, untuk bagian Label tuliskan Motivasi Belajar kemudian Prestasi Belajar, abaikan yang lainnnya (biarkan tetap default).

2. Setelah itu, klik Data View, dan masukkan data Motivasi Belajar dan Prestasi Belajar yang sudah dipersiapkan tadi ke jadwal SPSS sesuai nama variabel, bisa dengan cara copy-paste. Maka tampak di layar.

3. Langkah berikutnya, kita akan memunculkan nilai unstandardized residual (RES_1) yang selanjutnya akan kita uji normalitasnya. Caranya adalah: dari sajian SPSS pilih sajian Analyze, kemudian klik Regression lalu pilih Linear

4. Muncul kotak obrolan dengan nama "Linear Regression", selanjutnya masukkan variabel Prestasi Belajar (Y) ke Dependent: lalu masukkan variabel Motivasi Belajar (X) ke kotak Independent(s), kemudian klik Save

5. Maka mucul lagi kotak obrolan dengan nama "Linear Regression: Save", pada cuilan "Residuals", centang (v) Unstandardized (abaikan kolom dan pilihan yang lain). Selanjutnya, klik Continue lalu klik Ok

6. Abaikan saja output yang muncul dari jadwal SPSS. Perhatikan pada tampilan Data View, maka akan muncul variabel gres dengan nama RES_1. Maka tampak di layar SPSS.

7. Langkah selanjutnya untuk melaksanakan uji normalitas kolmogorov-smirnov, pilih menu Analyze, kemudian pilih Nonparametric Tests, klik Legacy Dialogs, kemudian pilih submenu 1-Sample K-S...

8. Muncul kotak obrolan lagi dengan nama "One-Sample Kolmogorov-Smirnov Test". Selanjutnya, masukkan variabel Unstandardized Residuals ke kotak Test Variable List: pada "Test Distribution" aktifkan atau centang (v) pilihan Normal

9. Langkah terkahir yakni klik Ok untuk mengakhiri perintah. Selanjutnya, lihat tampilan tabel output yang muncul di SPSS "One-Sample Kolmogorov-Smirnov Test", maka tinggal kita interpretasikan supaya maknanya lebih terperinci lagi.

Interpretasi Uji Normalitas Kolmogorov-Smirnov dengan SPSS

Berdasarkan tabel output SPSS tersebut, diketahui bahwa nilai signifikansi Asiymp.Sig (2-tailed) sebesar 0,993 lebih besar dari 0,05. Maka sesuai dengan dasar pengambilan keputusan dalam uji normalitas kolmogorov-smirnov di atas, sanggup disimpulkan bahwa data berdistribusi normal. Dengan demikian, perkiraan atau persyaratan normalitas dalam model regresi sudah terpenuhi.

Catatan: selain membandingkan nilai Asiymp.Sig (2-tailed) dengan 0,05, ada cara lain untuk mengetahui apakah model regresi berdistribusi normal atau tidak yakni dengan membandingkan nilai Z hitung hasil SPSS dengan nilai Z tabel.

Demikian panduan mengenai cara melaksanakan uji normalitas kolmogorov-smirnov dengan jadwal SPSS, jikalau kita teliti dan jeli saya yakin anda sanggup dengan gampang mempraktekkan langkah-langkah di atas. Selanjutnya, jikalau masih ada yang merasa tutorial di atas terlalu rumit atau bagaimana silahkan berkomentar? Rekomendasi artikel selanjutnya: Cara Melakukan Uji Linearitas dengan Program SPSS

Tambahan: cara lain mendeteksi kenormalan model regresi yaitu dengan memakai Uji Normal Probability Plot dalam Model Regresi dengan SPSS

UPDATE INFO: JUM'AT 25 JANUARI 2019

[Kata Kunci Pencarian: Cara Melakukan Uji Normalitas Kolmogorov-Smirnov dengan SPSS, Langkah-langkah Uji Normalitas dengan Program SPSS, Tutotial Uji Normalitas Kolmogorov-Smirnov dengan SPSS, Panduan Uji Normalitas dengan Software SPSS] [Img: Dokumen hasil olah data dengan pertolongan jadwal SPSS versi 21]

Lihat Juga: VIDEO Uji Normalitas Kolmogorov-Smirnov dengan SPSS

Read More

Cara Melaksanakan Uji Linearitas Dengan Aktivitas Spss

Cara Melakukan Uji Linearitas dengan Program SPSS | Sebelum kita mulai pembahasan dalam uji linearitas ini, kami mengingatkan kembali kepada kawan-kawan semua bahwa sebelumnya kita sudah berguru ihwal cara melakukan uji normalitas kolmogorov-smirnov dengan SPSS.

Secara umum uji linearitas bertujuan untuk mengetahui apakah dua variabel memiliki korelasi yang linear secara signifikan atau tidak. Korelasi yang baik seharusnya terdapat korelasi yang linear antara variabel predictor atau independent (X) dengan variabel kriterium atau dependent (Y). Dalam beberapa rujukan dinyatakan bahwa uji linearitas ini merupakan syarat atau perkiraan sebelum dilakukannya analisis regresi linear.

Contoh sederhana korelasi linear contohnya seorang sarjana pendidikan matematika menjadi guru matematika di sekolah tertentu. Maka korelasi antara keilmuan sarjana pendidikan matematika dengan menjadi guru matematika yaitu linear. Sementara jikalau sarjana pendidikan matematika tersebut menjadi guru bahasa inggris di sekolah, maka korelasi yang terbentuk yaitu tidak linear.

Dasar Pengambilan Keputusan dalam Uji Linearitas

Suatu uji atau analisis yang dilakukan dalam penelitian harus berpedoman pada dasar pengambilan keputusan yang jelas. Dasar pengambilan keputusan dalam uji linearitas sanggup dilakukan dengan dua cara, yaitu:

*Membandingkan Nilai Signifikansi (Sig.) dengan 0,05

1. Jika nilai Deviation from Linearity Sig. > 0,05, maka ada korelasi yang linear secara signifikan antara variabel independent dengan variabel dependent.
2. Jika nilai Deviation from Linearity Sig. < 0,05, maka tidak ada korelasi yang linear secara signifikan antara variabel independent dengan variabel dependent.

*Membandingkan Nilai F hitung dengan F tabel

1. Jika nilai F hitung < F tabel, maka ada korelasi yang linear secara signifikan antara variabel independent dengan variabel dependent.
2. Jika nilai F hitung > F tabel, maka tidak ada korelasi yang linear secara signifikan antara variabel independent dengan variabel dependent.

Contoh Praktek Uji Linearitas dalam Penelitian

Setelah mengetahui konsep dasar ihwal uji linearitas, maka selanjutnya kita akan mempraktekan cara melaksanakan uji linearitas dengan agenda SPSS. Data yang kita gunakan yaitu data variabel Motivasi Belajar (X) dan variabel Prestasi Belajar (Y) dengan banyaknya sampel atau N=12. Dari kedua variabel yang ada kita hendak melaksanakan uji linearitas untuk mengetahui apakah ada korelasi yang linear secara signifikan antara motivasi berguru dengan prestasi belajar. Adapun rincian datanya, dilihat pada gambar tabel di bawah ini.

[Download Data excel, Input-Output SPSS]

Langkah-langkah Uji Linearitas dengan Program SPSS

1. Buka agenda SPSS, klik Variable View. Selanjutnya, pada bagian Name tulis saja Motivasi kemudian Prestasi, pada Decimals ubah semua menjadi angka 0, pada bab Label tuliskan Motivasi Belajar kemudian Prestasi belajar, abaikan yang lainnnya. Tampak di layar.

2. Setelah itu, klik Data View, kemudian masukkan data Motivasi Belajar dan Prestasi Belajar yang sudah dipersiapkan tadi, sanggup dengan cara copy-paste. Tampak di layar.

3. Berikutnya, dari sajian utama SPSS pilih Analyze, kemudian klik Compare Means, dan pilih Means...

4. Muncul kotak dengan nama "Means". Kemudian, masukkan variabel Motivasi Belajar ke kotak Independent List: dan variabel Prestasi Belajar ke kotak Dependent List:

5. Selanjutnya, klik Options, pada bab "Statistics for First Layer" pilih Test of Linearity kemudian klik Continue

6. Langkah terakhir yaitu klik Ok untuk mengakhiri perintah. Maka akan muncul output SPSS. Dalam hal ini kita cukup memperhatikan pada tabel output "ANOVA Table"

Interpretasi Output Uji Linearitas dengan SPSS

Seperti yang sudah saya jelaskan di awal, bahwa dasar pengambilan keputusan dalam uji linearitas sanggup dilakukan dengan dua cara yakni melihat nilai signifikansi dan nilai F.

1. Berdasarkan Nilai Signifikansi (Sig): dari output di atas, diperoleh nilai Deviation from Linearity Sig. adalah 0,721 lebih besar dari 0,05. Maka sanggup disimpulkan bahwa ada korelasi linear secara signifikan antara variabel Motivasi Belajar (X) dengan variabel Prestasi Belajar (Y).

2. Berdasarkan Nilai F: dari output di atas, diperoleh nilai F hitung yaitu 0,457 < F tabel 4,35. Karena nilai F hitung lebih kecil dari nilai F tabel maka sanggup disimpulkan bahwa ada korelasi linear secara signifikan antara variabel Motivasi Belajar (X) dengan variabel Prestasi Belajar (Y).

Catatan: Nilai F tabel dicari dengan rumus (df) Deviation from Linearity ; Within Gorups. Berdasarkan output SPSS di atas diketahui nilai df yaitu (3 ; 7). Kemudian kita tinggal melihat distribusi nilai F tabel pada signifikansi 5% atau 0,05 dengan berpedoman pada nilai df tersebut. Maka ditemukan nilai F tabel yaitu sebesar 4,35. Lihat gambar di bawah ini.

[Download Distribusi Nilai F Tabel Lengkap]

Demikian artikel tutorial dengan judul cara melaksanakan uji linearitas dengan Program SPSS yang sanggup kami bagikan pada kesempatan kali ini. Semoga bermanfaat dan selamat mencoba. Jika ada yang kurang terang dari panduan di atas silahkan berkomentar. Selanjutnya akan dibahas: Panduan Lengkap Uji Analisis Regresi Linear Sederhana dengan SPSS

UPDATE INFO: SABTU, 26 JANUARI 2019

[Kata Kunci Pencarian: Cara Melakukan Uji Linearitas dengan Program SPSS, Uji Linearitas Data Statistik dengan SPSS versi 21, langkah-langkah Melakukan Uji Linearitas, Tutorial Melakukan Uji Linearitas dengan Software SPSS] [Img: Dokumen hasil olah data dengan pemberian agenda SPSS versi 21]

Lihat Juga: VIDEO Uji Linearitas dengan SPSS Lengkap

Read More

Cara Melaksanakan Uji Independent Dengan Aktivitas Spss

Cara Melakukan Uji Independent dengan Program SPSS | Uji Independent atau Uji Keberartian dilakukan untuk mengetahui apakah korelasi variabel predictor (X) dengan variabel kriterium (Y) berarti signifikan atau tidak. Uji Independent intinya termasuk dalam bab uji perkiraan klasik statistik atau uji syarat.

Langkah-langkah melaksanakan Uji Independent sama dengan Langkah melaksanakan Uji Linearitas. Perbedaanya terdapat pada dasar pengambilan keputusanya. Dasar pengambilan keputusan dalam uji independent sanggup dilihat dari dua cara yakni :

Berdasarkan Nilai Signifikansi :

1. Jika nilai signifikansi < 0,05 maka korelasi antara variabel predictor (X) dengan variabel kriterium (Y) yakni berarti
2. Jika nilai signifikansi > 0,05 maka korelasi antara variabel predictor (X) dengan variabel kriterium (Y)adalah tidak berarti.

Berdasarkan Bersasarkan Nilai Fhitung dan Ftabel : 

1. Jika nilai Fhitung > Ftabel maka korelasi antara variabel predictor (X) dengan variabel kriterium (Y)adalah berarti
2. Jika nilai Fhitung < Ftabel maka korelasi antara variabel predictor (X) dengan variabel kriterium (Y)adalah tidak berarti.

Setelah pada postingan sebelumnya saya sudah mempraktekkan Uji Linearitas untuk variabel Motivasi Belajar (X) dan Prestasi Belajar (Y) dengan N = 12, dan dihasilkan output ibarat di bawah ini.


Dari output di atas, kita akan melaksanakan penarikkan kesimpulan dalam Uji Independent, yakni sebagai berikut :

Berdasarkan Nilai Signifikansi : Dari output di atas, diperoleh nilai signifikansi = 0,005 lebih kecil dari 0,05, artinya korelasi antara variabel Motivasi Belajar (X) dengan Prestasi Belajar (Y) yakni berarti.

Berdasarkan Bersasarkan Nilai Fhitung dan Ftabel : Dari output di atas, diperoleh nilai Fhitung = 14,364 > Ftabel = 4,96 artinya korelasi antara variabel Motivasi Belajar (X) dengan Prestasi Belajar (Y) yakni berarti.

Catatan : Ftabel dicari pada tabel Distribution Tabel Nilai F0,05 (Download Distribution Tabel Nilai F0,05) dengan rumus :

Demikian tadi Cara Melakukan Uji Independet dengan Program SPSS, biar sanggup bermanfaat... Selanjutnya akan dibahas mengenai Uji Multikolonieritas dengan Melihat Nilai Tolerance dan VIF SPSS

Read More

Cara Melaksanakan Uji Homogenitas Dengan Spss

Cara Melakukan Uji Homogenitas dengan SPSS | Dalam Statistik Uji Homogenitas dipakai untuk mengetahui varian dari beberapa populasi sama atau tidak. Uji ini biasanya dilakukan sebagai prasyarat dalam analisis Independent Sampel T Test dan Anova. Asumsi yang mendasari dalam Analisis of varians (ANOVA) yakni bahwa varian dari beberapa populasi yakni sama.

Dasar Pengambilan Keputusan
Seperti pada uji statistik lainnya, Uji Homogenitas dipakai sebagai materi pola untuk memilih keputusan uji statistik. Adapun dasar pengambilan keputusan dalam uji homogenitas yakni :

1. Jika nilai signifikansi < 0,05, maka dikatakan bahwa varian dari dua atau lebih kelompok populasi data yakni tidak sama.
2. Jika nilai signifikansi > 0,05, maka dikatakan bahwa varian dari dua atau lebih kelompok populasi data yakni sama.

Langkah-langkah Uji Homogenitas dengan SPSS
Pada kesempatan kali ini saya akan mempraktekkan uji homogenitas dengan aktivitas SPSS versi 21. Adapun data yang akan saya uji yakni data Hasil mencar ilmu Matematika pada siswa kelas A dan kelas B. Untuk rincian datanya lihat di bawah ini.

Untuk mempermudah kita dalam melaksanakan uji homogenitas dengan SPSS maka kita perlu menciptakan kategorisasi (pengkodean) data antara siswa kelas A dengan siswa kelas B. dimana untuk siswa kelas A diberi instruksi 1 dan untuk siswa kelas B diberi instruksi 2.. rekapan data tampak sebagaimana gambar berikut ini.

[Download Data Lengkap]

1. Langkah berikutnya, buka aktivitas SPSS versi 21, klik Variable View, Selanjutnya, definisikan variabel sebagaimana gambar berikut:

Tampak di layar SPSS

2. Setelah itu, klik Data View, dan masukkan data Hasil Belajar Matematika ke kotak "Hasil" kemudian data instruksi kelas A dan kelas B ke kotak "Kelas" yang sudah dipersiapkan tadi.

3. Dari hidangan SPSS, pilih Analyze, kemudian klik Compare Means, dan One Way Anova

4. Muncul kotak dengan nama One Way Anova, selanjutnya masukkan variabel "Hasil Belajar Matematika" ke kotak Dependen List dan variabel "Hasil" ke kotak Factor, kemudian klik Options

5. Pada hidangan Options, beri tanda centang pada Homogeneity of Variance, kemudian klik Continue

6. Klik Ok untuk mengakhiri perintah. Selanjunya akan muncul tampilan Output SPSS

Berdasarkan output SPSS di atas diketahui bahwa nilai signifikansi variabel Hasil Belajar Matematika menurut variabel Kelas A dan B yakni sebesar 0,071 > 0,05, artinya data variabel Hasil Belajar Matematika berdasarkan variabel Kelas A dan B mempunyai varian yang sama atau homogen.

Demikian tadi pembahasan mengenai Cara Melakukan Uji Homogenitas dengan SPSS selamat mencoba. Jika ada pertanyaan atau pendapat mengenai artikel ini silahkan bekomentar?

Baca : Cara Uji Independent Sample T-Test dan Interpretasi dengan SPSS

[Search : Cara Melakukan Uji Homogenitas dengan Program SPSS Versi 21, Uji Homogenitas dengan One Way Anova SPSS, langkah-langkah Uji Homogenitas data Statistik Penelitian kuantitatif
Img : Dokumen SPSS versi 21]

Lihat Juga: VIDEO Uji Homogenitas dengan SPSS Lengkap

Read More

Cara Uji Normalitas Shapiro-Wilk Dengan Spss Lengkap

Cara Uji Normalitas Shapiro-Wilk dengan SPSS Lengkap | Uji Normalitas bertujuan untuk mengetahui apakah data penelitian berdistribusi normal atau tidak. Sebab, dalam statistik Paramertik distribusi data yang normal ialah suatu keharusan dan merupakan syarat yang mutlak yang harus terpenuhi. Uji Normalitas data sanggup dilakukan dengan beberapa uji statistik, seperti:

1. Uji Shapiro-Wilk
2. Uji Kolmogorov-Smirnov
3. Uji Liliefors
4. Uji Skweness dan Kurtosis

Dalam artikel tutorial kali ini, saya akan menjelasakan bagaimana Cara Uji Normalitas Shapiro-Wilk dengan SPSS. Untuk melaksanakan Uji Shapiro-Wilk kita sanggup memanfaatkan akomodasi sajian Explore yang terdapat dalam SPSS.

Dasar Pengambilan Keputusan dalam Uji Normalitas Shapiro-Wilk

1. Jika nilai Sig. > 0,05, maka data berdistribusi normal
2. Jika nilai Sig. < 0,05, maka data tidak berdistribusi normal

Contoh Kasus dalam Uji Normalitas Shapiro-Wilk

Saya memiliki data Prestasi mencar ilmu siswa untuk dua kelompok yang tidak berpasangan, sebelum saya melaksanakan Uji Independent Sample T-Test, maka saya harus memastikan bahwa data berdistribusi normal dulu. Adapun data Prestasi mencar ilmu dua kelompok tersebut dituangkan dalam bentuk nilai ibarat gambar dibawah ini.



Keterangan : Kelompok A diberi isyarat 1 dengan N = 6 siswa, sedangkan Kelompok B diberi isyarat 2 dengan N = 5 siswa.

Cara Melakukan Uji Normalitas Shapiro-Wilk dengan SPSS

1. Buka lembar kerja SPSS, kemudian klik Variable View, pada cuilan Name pertama tuliskan Nilai. Kemudian untuk Name Kedua tuliskan Kelompok, sehabis itu pada cuilan Decimals yang kedua ganti dengan 0. Selanjutnya, klik pada cuilan Value yang kedua, sampai muncul kotak obrolan Value Label, pada kotak Value isikan 1 dan pada kotak Label isikan Kelompok A, kemudian klik Add. Kemudian, isikan kembali pada kotak Value dengan isian 2 dan pada kotak Label isikan Kelompok B, kemudian klik Add dan klik Ok [abaikan saja yang lainnya]



Jika caranya sudah benar maka tampilannya akan ibarat gambar berikut ini



2. Setelah itu, klik Variable View, selanjutnya untuk variabel Nilai isikan dengan nilai di atas, dan untuk variable Kelompok isikan 1 untuk nilai kelompok A, dan 2 untuk nilai Kelompok B



3. Selanjutnya, dari sajian SPSS, klik Analyze – Descriptive Statistiks – Explore…



4. Masukkan variabel Nilai ke kotak Dependen List, kemudian masukkan variabel Kelompok ke kotak Factor List, pada cuilan Display pilih Both



5. Setelah itu, klik Plots.., maka akan mucul kotak obrolan Explore: Plots, dari serangkaian pilihan yang ada, berikan tanda centang pada pilihan Normality Plot with tests, kemudian klik Continue



6. Langkah terakhir klik Ok.. dan akan muncul Output SPSS [Perhatikan pada Output Test of Normality]



Interpretasi atau Penjelasan Output Uji Normalitas Shapiro-Wilk

Berdasarkan output Test of Normality, diperoleh nilai signifikansi untuk Kelompok A sebesar 0,770, sedangkan nilai signifikansi untuk Kelompok B sebesar 0,807. Karena nilai signifikansi Kelompok A dan Kelompok B lebih besar > 0,05, maka sanggup disimpulkan bahwa data Prestasi mencar ilmu berdistribusi normal.

Alhamdulillah selesai juga artikelnya.. mudah-mudah bermanfaat yaw.. terimakasih telah berkenan memabaca goresan pena ini

[Search : Cara Uji Normalitas Shapiro-Wilk dengan SPSS Lengkap | Langkah-Langkah Melakukan Uji Normalitas Shapiro-Wilk memakai SPSS | Uji Shapiro-Wilk dengan SPSS Versi 21 | Dasar Pengambilan Keputusan dalam Uji Normalitas Shapiro-Wilk]

Lihat Juga: VIDEO Uji Normalitas Shapiro-Wilk dengan SPSS

Read More