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 Normalitas Dalam Analisis Faktor Dengan Spss

Cara Melakukan Uji Normalitas dalam Analisis Faktor dengan SPSS | Normalitas data merupakan suatu hal yang penting dalam sebuah penelitian. Data yang normal akan bisa menghasil analisis statistik yang akurat. Dalam analisis faktor salah satu persyaratan yang harus terpenuhi yakni data dari masing-masing variabel faktor berdistribusi normal.

Mesikpun demikian, dalam beberapa perkara sering kita dijumpai data tidak berdistribusi normal, akan tetapi peneliti tetap melaksanakan analisis faktor. Terkait perkara ini, saya belum menemukan rujukan dan agumentasi pendukung untuk menguatkan teori tersebut. Oleh alasannya yakni itu, ada baiknya sebelum kita melaksanakan analisis faktor, kita melaksanakan uji normalitas terlebih dahulu untuk mengetahui apakah data penelitian kita berdistribusi normal atau tidak. Jika data penelitian sudah berdistribusi normal barulah analisis faktor sanggup kita lakukan.

Contoh Soal Uji Normalitas dalam Analisis Faktor

Seorang mahasiswa akan melaksanakan penelitian wacana “Analisis Faktor-Faktor yang mepengaruhi Kepuasan Pelanggan terhadap Pelayanan PT. Telkom Solo”. Ada 25 orang responden yang menjawab 5 item pertanyaan kuesioner tentang: P1 (Keandalan), P2 (Ketanggapan), P3 (Keyakinan), P4 (Empati), dan P5 (Berwujud). Pertanyaan tersebut yakni jenis pertanyaan positif, dimana setiap pertanyaan mempunyai lima pilihan balasan dengan kriteria skor, sebagai berikut ini:

1. Sangat Tidak Puas (skor 1)
2. Kurang Puas (skor 2)
3. Cukup Puas (skor 3)
4. Puas (skor 4)
5. Sangat Puas (skor 5)

Adapun data balasan ke-25 orang responden tersebut yakni sebagai berikut.

[Download Data Lengkap]

Dari data di atas saya akan melaksanakan uji normalitas terhadap kelima variabel faktor yang diteliti, adapun ke-5 variabel faktor tersebut adalah:

1. Keandalan
2. Ketanggapan
3. Keyakinan
4. Empati
5. Berwujud

Cara Uji Normalitas dalam Analisis Faktor dengan SPSS

1. Aktifkan lembar kerja gres SPSS, kemudian klik Variable View untuk mengisi Name, Decimals, Label dan Measure, dengan ketentuan sebagaimana gambar berikut.

2. Langkah selanjutnya klik Data View, kemudian masukkan data Keandalan ke kolom P1, data Ketanggapan kolom P2, data Keyakinan kolom P3, data Empati kolom P4, dan data Berwujud kolom P5. Tampak dilayar sebagaimana gambar berikut.

3. Setelah itu, dari hidangan SPSS klik Analyze >> Nonparametric Tests >> Legacy Dialogs >> 1-Sample K-S… Tampak dilayar sebagai berikut.

4. Muncul kotak obrolan “One-Sample Kolmogorov-Smirnov Test” kemudian masukkan kelima variabel faktor tersebut ke kotak Variables. Pada bab “Test Distribution” beritanda centang (v) pada Normal. Tampak dilayar sebagai berikut.

5. Langkah terkahir yakni klik Ok. Maka akan mucul output SPSS sebagai berikut.

Dasar Pengambilan Keputusan dalam Uji Normalitas

1. Jika nilai Asymp. Sig. (2-tailed) > 0,05 maka data berdistribusi Normal.
2. Jika nilai Asymp. Sig. (2-tailed) < 0,05 maka data tidak berdistribusi Normal.

Keputusan Uji Normalitas dalam Analisis Faktor

Berdasarkan output SPSS “One-Sample Kolmogorov-Smirnov Test” di atas diketahui nilai Asymp. Sig. (2-tailed) untuk masing-masing variabel yakni sebagai berikut:

1. Keandalan sebesar 0,108
2. Ketanggapan sebesar 0,068
3. Keyakinan sebesar 0,089
4. Empati sebesar 0,082
5. Berwujud sebesar 0,082

Karena nilai Asymp. Sig. (2-tailed) untuk ke-5 variabel di atas lebih besar dari 0,05 maka sanggup disimpulkan bahwa data dari ke-5 variabel tersebut yakni berdistribusi normal. Dengan demikian maka analisis faktor dalam penelitian ini sanggup dilanjutkan.

Buka: Panduan Analisis Faktor dan Interpretasi dengan SPSS Lengkap

Demikian pembahasan saya mengenai cara melaksanakan uji normalitas dalam analisis faktor dengan SPSS, terimakasih biar bermanfaat dan biar sukses dan lancar untuk penelitian anda.

[Kata Kunci Pencarian: Cara Melakukan Uji Normalitas dalam Analisis Faktor dengan SPSS, Uji Normalitas One-Sample Kolmogorov-Smirnov Test untuk Analisis Faktor Menggunakan SPSS, Langkah-Langkah Uji Normalitas Data dalam Analisis Faktor dengan Program SPSS]

Read More

Cara Uji Normalitas Untuk One Way Anova Dengan Spss Lengkap

Cara Uji Normalitas untuk One Way Anova dengan SPSS Lengkap | Selamat pagi kawan-kawan semua, biar masih tetap semangat ya dalam menuntaskan penelitiannya. Pokoknya jangan pernah mengalah terus berjuang hingga akhir, alasannya ialah dibalik setiap kesulitan niscaya ada kemudahan. Admin doakan biar penelitiannya berjalan lancar dan sukses. Aamiin.

Pada kesempatan kali ini admin www.spssindonesia.com akan membagikan artikel panduan cara uji normalitas untuk one way anova dengan SPSS. Normalitas data merupakan persyaratan mutlak yang harus terpenuhi sebelum kita memakai uji one way anova untuk menganalisis data penelitian.

Namun demikian, sering terjadi peneliti yang mendapati data penelitiannya tidak berdistribusi normal, kemudian apa yang harus dilakukan dengan keadaan yang ibarat itu? Tenang! Ketika sebaran data tidak berdistribusi normal maka langkah pertama yang harus dilakukan ialah melaksanakan transformasi data ke bentuk Ln atau Logaritma natural dengan memanfaatkan sajian transform yang ada di SPSS, gres kemudian mengulangi uji normalitas dengan data Ln tersebut.

Jika dengan transformasi data (Ln) masih didapati data tidak berdistribusi normal, maka langkah kedua ialah mengganti uji one way anova dengan uji kruskal wallis sebagai alternatif analisis hipotesis untuk data tidak berdistribusi normal. Perlu kita pahami bahwa uji kruskal willis ialah cuilan dari statistik non parametrik yang tidak mensyaratkan data harus berdistribusi normal sebagaimana syarat yang ada dalam uji one way anova.

Metode Uji Normalitas untuk One Way Anova

Secara umum ada dua metode untuk melaksanakan Uji Normalitas untuk One Way Anova dengan SPSS, yakni dengan uji kolmogorov smirnov dan uji shapiro wilk. Adapun uji normalitas kolmogorov smirnov digunakan untuk data lebih dari 50 sampel. Sementara, uji shapiro wilk digunakan untuk data penelitian kurang dari 50 sampel.

Contoh Soal Uji Normalitas untuk One Way Anova

Seorang pemilik toko handphone ingin mengetahui penjualan handphone untuk merek Samsung, Oppo, Vivo, dan Lenovo yang ada di tokonya. Para pembeli handphone di toko itu hanya dihadapkan pada keempat merek handphone tersebut. Adapun data penjualan keempat merek handphone tersebut selama 10 ahad ialah sebagai berikut.

[Download Data]

Catatan: Untuk kebutuhan analisis di SPSS, maka kita perlu mengubah keempat merek handphope, ke dalam bentuk angka dengan ketentuan arahan merek Samsung=1, Oppo=2, Vivo=3, dan Lenovo=4. Kode merek sanggup anda lihat pada gambar di atas, yakni kolom yang saya beri garis kotak warna merah.

Uji one way anova sanggup kita gunakan untuk menuntaskan teladan soal di atas. Namun demikian terlebih dahulu kita harus melaksanakan uji normalitas untuk mengetahui apakah sebaran data penjualan keempat merek handpone tersebut berdistribusi normal atau tidak. Sebab, dalam uji one way anova perkiraan dasar yang harus terpenuhi ialah data berdistribusi normal.

Cara Uji Normalitas untuk One Way Anova dengan SPSS

1. Buka lembar kerja gres SPSS, kemudian klik Variable View untuk mengisi nama dan property variabel dengan ketentuan sebagai berikut:

Variabel “Merek” maka isikan:
Name: dikala Merek
Type: pilih Numeric
Width: pilih 1
Decimals: pilih 0
Catatan: Desimals isikan 0 terlebih dahulu gres kemudian Width isikan 1
Label: ketik Merek Handpone
Values: pilihan ini untuk proses tunjangan arahan handphone. Maka klik kotak kecil di kanan sel, maka akan muncul kotak obrolan “Value Labels” sebagai berikut

Cara mengisinya:
Value: ketik 1
Label: ketik Samsung
Klik Add
Value: ketik 2
Label: ketik Oppo
Klik Add
Value: ketik 3
Label: ketik Vivo
Klik Add
Value: ketik 4
Label: ketik Lenovo
Klik Add
Klik Ok

Missing: pilih None
Columns: pilih 8
Align: pilih Right
Measure: pilih Nominal
Role: Pilih Input

Variabel “Penjualan” maka isikan:
Name: dikala Penjualan
Type: pilih Numeric
Width: pilih 8
Decimals: pilih 0
Label: ketik Penjualan 10 Minggu
Values: pilih None
Missing: pilih None
Columns: pilih 8
Align: pilih Right
Measure: pilih Scale
Role: Pilih Input

Jika anda sudah mengisi dengan benar maka dilayar akan tampak sebagaimana gambar di berikut ini.

2. Langkah selanjutnya ialah klik Data View, kemudian masukkan data Merek dan Penjualan sesuai dengan kolom yang tersedia

3. Dari sajian SPSS klik Analyze – Descriptive Statistics – Explore…

4. Maka akan muncul kotak obrolan “Explore”, selanjutnya masukkan variabel Penjualan 10 Minggu ke kotak Dependen List, kemudian masukkan variabel Merek Handphone [Merek] ke kotak Factor List, pada cuilan “Display” pilih Both, kemudian klik Plots…

5. Maka akan mucul kotak obrolan “Explore: Plots”, kemudian berikan tanda centang (v) pada Normality Plot with tests, kemudian klik Continue

6. Jika sudah yakin benar, selanjutnya klik Ok untuk mengakhiri perintah. Maka muncul output SPSS. Perhatikan output ketiga, yakni pada tabel “Test of Normality”

Dasar Pengambilan Keputusan dalam Uji Normalitas

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

Interpretasi dan Pengambilan Keputusan Uji Normalitas

Penting: Karena data penelitian ini kurang dari 50 maka kita gunakan nilai Shapiro-Wilk Sig.

Dari output SPSS pada tabel Test of Normality di atas, diperoleh nilai Shapiro-Wilk Sig. untuk data penjualan handpone Samsung ialah sebesar 0,687, Oppo sebesar 0,372, Vivo sebesar 0,613, dan Lenovo sebesar 0,950. Berdasarkan dasar pengambilan keputusan dalam uji normalitas di atas, maka data penjualan untuk keempat merek handphone > 0,05. Dengan demikian sanggup disimpulkan bahwa data penjualan untuk keempat merek handphone (Samsung, Oppo, Vivo, dan Lenovo) ialah berdistribusi normal.

Karena perkiraan dasar normalitas sudah terpenuhi maka analisis stastistik parametrik dengan Uji One Way Anova sanggup dilakukan. Namun, kalau data penelitian ternyata tidak berdistribusi normal maka alternatif analisis data sebagai pengganti uji one way anova ialah dengan memakai statistik non parametrik yakni dengan uji kruskal wallis.

Baca: Cara Uji Kruskal Wallis Statistik Non Parametrik dengan SPSS

Baik hingga disini dulu pembahasan kita ihwal uji normalitas, muda-mudahan sanggup bermanfaat untuk kawan-kawan semua dalam menuntaskan penelitiannya. Semoga sukses ya. Terimakasih.

[Kata Kunci Pencarian: Cara Uji Normalitas untuk One Way Anova dengan SPSS Lengkap, Uji Normalitas Shapiro-Wilk dalam Uji One Way Anova, Tutorial Uji Normalitas untuk One Way Anova dengan Program SPSS Versi 21]-[Data penelitian pada artikel ini merupakan data fiktif sebagai materi latihan mengolah data memakai SPSS]

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

Download File Praktik Latihan Spss Tutorial Youtube

Download File Praktik Latihan SPSS Tutorial YOUTUBE | Selamat pagi mitra semua yang sedang asik (ASIK SEKALI, hehe) mengerjakan tugas, skripsi, atau tesisnya biar selalu diberikan akomodasi dan kelancaran oleh Allah SWT dalam menuntaskan kiprah ini. Kunci sukses dalam mengerjakan analisis data memakai jadwal SPSS untuk penelitian bersama-sama terletak pada beberapa hal, diantaranya:

KUNCI SUKSES MENGERJAKAN ANALISIS DATA MENGGUNAKAN SPSS

1. Kecermatan dalam memilih metode analisis apa yang paling sempurna untuk penelitian anda. Cara termudah dalam hal ini adalah dengan merujuk pada penelitian sejenis atau jurnal yang relevan (mirip) dengan penelitian yang sedang anda lakukan dikala ini. Kemudian anda hanya perlu menyamakan (meniru) metode analisis yang digunakan dalam penelitian atau jurnal relevan tersebut. Kalau sanggup sih sebaiknya mencari penelitian terdahulu, dimana peneliti tersebut pernah dibimbing oleh dosen yang sama dengan dosen yang membimbing anda dikala ini - cari diperpustakaan kampus (inilah yang disebut cara main aman.hehe).
2. Pelajari teori-teori yang berkaitan dengan analisis yang digunakan untuk penelitian anda. Mencakup pengertian, tujuan, syarat atau mekanisme serta dasar pengambilan keputusan dalam analisis tersebut.
3. Perlu ketelitian dalam menginput data penelitian ke dalam Progam SPSS, baik pada Variabel View maupun pada Data View.
4. Baca sebanyak mungkin rujukan penunjang sebagai pegangan bagi anda untuk menafsirkan atau menginterpretasi Ouput SPSS atas hasil analisis yang sudah anda lakukan.

Baik kita masuk kebagian inti dari postingan kali ini, yakni disini saya akan membagikan beberapa file pendukung (file praktik analisis data di youtube) kepada kawan-kawan semua sebagai sarana embel-embel tutorial SPSS sederhana pada Channel youtube: Sahid Raharjo | kawan-kawan sanggup mendownloadnya secara gratis pada link di bawah ini.

Judul Video	Data File
Uji Normalitas Kolmogorov Smirnov dengan SPSS Full Edisi	Download
Cara Uji Linearitas dengan SPSS Paling Mudah	Download
Cara Uji Normalitas Probability Plot dengan SPSS Detail	Download
Video Uji Multikolinearitas dengan Tolerance-VIF SPSS	Download
Uji Heteroskedastisitas Glejser dengan SPSS	Download
Cara Uji Heteroskedastisitas dengan Metode Scatterplots SPSS	Download
Video Uji Autokorelasi Durbin Watson dengan SPSS	Download
Cara Uji Autokorelasi dengan Uji Run Test Menggunakan SPSS	Download
Uji Analisis Korelasi Pearson dengan SPSS Sangat Jelas	Download
Cara Uji Korelasi Berganda Simultan dengan SPSS Full	Download
Uji Regresi Linear Sederhana dengan SPSS Sangat Detail	Download
Uji t dan Uji F dalam Analisis Regresi Berganda dengan SPSS	Download
Panduan Cara Uji Regresi Variabel Intervening dengan SPSS	Download
Uji Regresi dengan Variabel Moderasi MRA dalam SPSS	Download
Teknik Uji Variabel Dummy dalam Analisis Regresi SPSS	Download
Praktik Mencari SE dan SR Regresi Berganda	Download
Uji Normalitas Shapiro Wilk Statistik Parametrik dengan SPSS	Download
Uji Homogenitas Levene Statistics dengan SPSS Sangat Lengkap	Download
Cara Uji Paired Sample T Test dengan SPSS Full	Download
Uji Beda Independent Sample t Test dengan SPSS Lengkap	Download
Video Cara Uji Wilcoxon Non Parametrik dengan SPSS	Download
Cara Uji Mann Whitney Non Parametrik dengan SPSS Lengkap	Download
Bimbingan Kilat Uji One Way Anova dengan SPSS bagi Pemula	Download
Bimbingan Praktis Cara Uji Two Way Anova dengan SPSS lengkap	Download
Cara Praktis Uji Normalitas Skewness dan Kurtosis dengan SPSS	Download
Membuat Tabel Distribusi Frekuensi dengan SPSS Sangat Mudah	Download
Cara Uji Analisis Korelasi Rank Spearman dengan SPSS Lengkap	Download
Uji Validitas Pearson Product Moment dengan SPSS [UPDATE]	Download
Uji Reliabilitas Cronbach Alpha dengan SPSS [UPDATE]	Download
Tutorial Cara Uji Chi Square dengan Program SPSS	Download
Uji Heteroskedastisitas Metode Glejser dengan SPSS UPDATE	Download
Uji Multikolinearitas Tolerance dan VIF dengan SPSS *UPDATE	Download
Analisis Data Kelas Eksperimen dan Kontrol dengan SPSS [5]	Download
Cara Memasukkan Data Kuesioner Skala Likert di SPSS Lengkap	Download
Cara Memasukkan Data Laporan Keuangan (Sekunder) di SPSS	Download
Video Panduan Uji Kruskal Wallis dengan SPSS Lengkap	Download
Uji One Sample t Test dengan SPSS + Interpretasi	Download
Tutorial Analisis Faktor dengan SPSS + Interpretasi	Download
Tutorial Uji Friedman dengan SPSS Serta Interpretasi Lengkap	Download
Uji Repeated Measures Anova dengan SPSS Serta Interpretasi	Download
Tutorial Uji Korelasi Parsial dengan SPSS + Interpretasi	Download
Cara Uji Korelasi Korelasi Kendalls tau-b dengan SPSS	Download
Next Video	Download

Catatan: untuk keamanan file, maka file data di atas saya rekap dalam format folder winrar. Isi file yang terdapat dalam forder winrar tersebut secara umum meliputi data Pdf, Excel, dan data Input SPSS.sav yang saya gunakan di dalam video youtube.

Lihat Juga: Panduan Berbagai Analisis Data dengan SPSS Lengkap

Demikian postingan ihwal Download File Praktik Latihan SPSS Tutorial YOUTUBE, biar bermanfaat dan sanggup dipergunakan sebagaimana mestinya. Oh iya, kalau ada link download yang rusak tolong diinfokan ke saya ya melalui whatsapp atau email supaya saya sanggup segera mengupdate dengan link yang baru. Terimakasih.

Read More

Panduan Cara Uji Friedman Dengan Spss Interpretasi Lengkap

Panduan Cara Uji Friedman dengan SPSS Interpretasi Lengkap | Uji friedman merupakan pecahan dari statistik non parametrik yang digunakan untuk mengetahui atau menguji perbedaan dari tiga sampel atau lebih yang saling bekerjasama atau berkaitan satu sama lain. Sementara itu, jikalau jumlah sampel yang digunakan dalam penelitian hanya ada dua buah, maka analisis data akan lebih sempurna jikalau memakai uji wilcoxon

Dalam konteks analisis data statistik untuk sebuah penelitian, uji friedman ini digunakan sebagai alternatif dari Uji Repeated Measures Anova dalam statistik parametrik, hanya jikalau nilai Standardized Residual dari salah satu atau seluruh sampel data tidak berdistribusi normal. Karena merupakan pecahan dari statistik non parametrik, maka dalam uji friedman ini tidak ada persyaratan khusus untuk nilai Standardized Residual dari sampel data yang digunakan harus berdistribusi normal.

Contoh Kasus Uji Friedman pada Penelitian

Seorang mahasiswa jurusan gizi ingin mengetahui apakah susu debu merek SUBUR GEMUK benar-benar sanggup meningkatkan berat tubuh seseorang dalam kurun waktu tertentu? Guna keperluan penelitian, maka 15 orang yang hendak melaksanakan kegiatan peningkatan berat tubuh ditimbang untuk mengetahui berat tubuh awal, kemudian 15 orang tersebut diberi minum susu debu merek SUBUR GEMUK kemudian ditimbang kembali berat badannya sehabis seminggu minum, berat tubuh sebulan sehabis minum dan berat tubuh setahun sehabis minum. Adapun data berat tubuh ke-15 orang tersebut ialah sebagai berikut.

[Download Data excel, Input-Output SPSS]

Keterangan: pada baris pertama, responden nomor urut 1 mempunyai berat tubuh awal 42,2 kilogram, sehabis seminggu meminum susu debu merek SUBUR GEMUK mengalami peningkatan berat tubuh menjadi 42,4 kilogram, sehabis sebulan berat tubuh menjadi 43,4 kilogram, dan sehabis setahun berat tubuh menjadi 43,4 kilogram. Demikian seterusnya untuk responden yang lain.

Panduan Langkah-Langkah Cara Uji Friedman dengan SPSS

Tahapan analisis data dalam uji friedman ini dimulai dari memasukkan data penelitian ke kegiatan SPSS, kemudian melaksanakan uji normalitas, gres sehabis itu dilanjutkan dengan uji friedman.

1. Seperti biasa, langkah pertama buka lembar kerja gres SPSS, kemudian klik Variable View untuk mengisi Name, Decimals, Label, Measure dan lain-lain, ikuti ketentuan ibarat gambar bawah ini.

2. Setelah itu, klik Data View, kemudian masukkan data berat tubuh ke-15 orang responden tersebut sesuai dengan waktu berat tubuh mereka ditimbang.

*Melakukan Uji Normalitas Data Penelitian dengan SPSS

Selanjutnya saya akan melaksanakan uji normalitas pada nilai Standardized Residual untuk keempat variabel pengukuran berat tubuh tersebut. Uji normalitas ini hanya untuk mengetahui apakah nilai Standardized Residual dari keempat variabel di atas berdistribusi normal atau tidak.

Jika jadinya semua data normal maka penggunaan uji friedman untuk analisis data penelitian ini tidak sempurna [akan lebih sempurna jikalau memakai statistik parametrik dengan uji repeated measures anova]. Sementara jikalau nilai Standardized Residual dari salah satu atau semua variabel data tidak berdistribusi normal maka uji friedman sanggup kita dilanjutkan.

1. Untuk melaksanakan uji normalitas ini, maka langkah awal ialah dengan memunculkan nilai Standardized Residual dari keempat sampel data. Caranya klik sajian Analyze >> General Linear Model >> Repeated Measures…

2. Maka mucul kotak obrolan “Repeated Measures Define Factor(s)” pada pecahan Whithin-Subject Faktor Name: ganti goresan pena factor1 dengan Waktu. Pada kotak Number of Lavels: ketikkan 4 (karena terdapat 4 waktu pengukuran data berat badan)

3. Selanjutnya klik Add

4. Kemudian klik Define, maka muncul kotak obrolan “Repeated Measures” pindahkan variabel BB Awal, BB Seminggu, BB Sebulan, dan BB Setahun ke kolom Whithin-Subject Variables (Waktu)

5. Selanjutnya klik Save, muncul kotak obrolan “Repeated Measures: Save” berikan tanda centang (V) pada Standardized, kemudian klik Continue dan Ok

6. Abaikan output SPSS yang keluar, selanjutnya buka Data View maka disitu ada empat variabel gres berjulukan ZRE_1, ZRE_2, ZRE_3, dan ZRE_4 inilah yang disebut dengan nilai Standardized Residual

7. Kemudian klik sajian Analyze >>Descriptive Statistics >> Explore…

8. Maka muncul kotak obrolan “Explore” selanjutnya masukkan semua variabel Standardized Residual ke kotak Dependent List: kemudian klik Plots…

9. Maka muncul kotak obrolan “Explore Plots” kemudian beri tanda centang pada Normality plots with tests, selanjutnya klik Continue, kemudian klik Ok

10. Maka akan mucul output SPSS, cukup perhatikan output pada tabel “Tests of Normality” lihat gambar di bawah.

11. Pembahasan Uji Normalitas: sebab jumlah N yang digunakan dalam penelitian ini ada 15 atau df 15, maka pengambilan keputusan untuk uji normalitas pengacu pada nilai Sig. Shapiro-Wilk (sebaliknya jikalau jumlah N lebih dari 50 maka mengacu pada nilai Sig. Kolmogorov-Smirnov). Berdasarkan tabel di atas diketahui nilai Sig. Standardized Residual for Awal sebesar 0,012. Nilai Sig. Standardized Residual for Seminggu sebesar 0,003, dan nilai Sig. Standardized Residual for Sebulan sebesar 0,020. Karena nilai signifikansi (Sig) ketiga variabel tersebut < 0,05 maka sanggup disimpulkan bahwa ketiga variabel Standardized Residual for Awal, Seminggu, dan Sebulan ialah tidak berdistribusi normal. Sementara untuk nilai Sig. Standardized Residual for Setahun sebesar 0,380 > 0,05 maka berdistribusi normal.

12. Berdasarkan pembahasan uji normalitas di atas, diketahui bahwa ada tiga variabel yang mempunyai nilai Standardized Residual tidak normal. Oleh sebab itu, analisis data untuk penelitian ini sudah tepat, yakni memakai metode statistik non parametrik dengan Uji Friedman.

*Melakukan Uji Friedman dengan SPSS

1. Berikutnya saya akan melaksanakan uji friedman, caranya dari sajian SPSS klik Analyze >> Nonparametric Test >> Legacy Dialogs >> K Related Samples… Tampak dilayar sebagaimana gambar berikut.

2. Muncul kotak obrolan “Tests for Several Related Samples”

3. Selanjutnya, masukkan variabel BB Awal, BB Seminggu, BB Sebulan dan BB Setahun ke kotak Test Variables: pada pecahan “Test Type” beri tanda centang (V) untuk Friedman, kemudian klik Statistics…

4. Muncul kota diloag, kemudian berikan tanda centang (V) pada Descriptive dan Quartiles, kemudian klik Continue

5. Terakhir klik Ok. Maka akan muncul Output SPSS dengan judul “NPar Tests” yang akan saya interpretasikan.

Interpretasi Output Uji Friedman SPSS

Tabel Output Pertama “Descriptive Statistics”

Output di atas menawarkan deskripsi data penelitian dalam bentuk tabel ringkasan. Adapun info yang sanggup kita peroleh dari ringkasan tabel output di atas ialah sebagai berikut.

1. Nilai N atau banyaknya responden yang dipakai, dalam hal ini ada 15 orang yang ditimbang berat badannya dari Waktu Awal, Seminggu, Sebulan dan Setahun sehabis rutin mengkonsumsi susu debu merek SUBUR GEMUK.
2. Mean atau nilai rata-rata dari masing-masing pengukuran berat tubuh untuk empat waktu yang diteliti yaitu BB Awal 42,920 kilogram, BB Seminggu 43,380 kilogram, BB Sebulan 45,267 kilogram, dan BB Setahun 51,287 kilogram.
3. Nilai Std. Deviation atau Standar Deviasi untuk BB Awal sebesar 2,5468 kilogram, BB Seminggu 2,0616 kilogram, BB Sebulan 3,5294 kilogram, dan BB Setahun 6,5134 kilogram.
4. Ada juga info wacana berat tubuh Minimum (terikecil) dan Maximum (terbesar) untuk masing-masing waktu pengukuran.
5. Percentiles median untuk masing-masing waktu pengukuran berat badan.

Tabel Output Kedua “Ranks”

Tabel output Ranks ini menawarkan rata-rata berat tubuh dalam bentuk rangking. Dimana berat tubuh paling besar berada di waktu pengukuran BB Setahun sehabis rutin meminum susu debu merek SUBUR GEMUK.

Tabel Output Ketiga “Test Statistics”

Output di atas merupakan tabel terpenting dalam uji friedman, ada beberapa tahapan untuk melaksanakan interpretasi, yaitu menciptakan hipotesis (dugaan) penelitian, melihat dasar pengambilan keputusan dalam uji friedman dan menciptakan kesimpulan.

*Hipotesis Penelitian dalam Uji Friedman

1. H0: Tidak ada perbedaan rata-rata peningkatan berat tubuh pada keempat kelompok interval waktu pengukuran.
2. Ha: Ada perbedaan rata-rata peningkatan berat tubuh pada keempat kelompok interval waktu pengukuran.

*Dasar Pengambilan Keputusan dalam Uji Friedman

Ada dua kegiatan yang sanggup kita gunakan sebagai anutan untuk menciptakan keputusan dalam uji friedman ini, yaitu:

*Melihat Nilai Probabilitas atau Signifikansi (Asymp. Sig.)

1. Jika nilai Asymp. Sig. > 0,05, maka H0 diterima dan Ha ditolak.
2. Jika nilai Asymp. Sig. < 0,05, maka H0 ditolak dan Ha diterima.

Keputusan Uji Hipotesis: menurut tabel output Test Statistics di atas, diketahui nilai Asymp. Sig. sebesar 0,000 < 0,05. Maka H0 ditolak dan Ha diterima atau dengan kata lain ada perbedaan rata-rata peningkatan berat tubuh pada keempat kelompok interval waktu pengukuran. Dengan demikian sanggup disimpulkan bahwa susu debu merek SUBUR GEMUK benar-benar sanggup meningkatkan berat tubuh seseorang.

*Membandingkan Nilai Chi-Square Hitung dengan Tabel

1. Jika nilai Chi-Square Hitung < Chi-Square Tabel, maka H0 diterima dan Ha ditolak.
2. Jika nilai Chi-Square Hitung > Chi-Square Tabel, maka H0 ditolak dan Ha diterima.

Pengambilan Keputusan: Berdasarkan tabel output Test Statistics di atas, diketahui nilai Chi-Square Hitung sebesar 40,587. Sementara nilai Chi-Square Tabel ialah 7,815. Karena nilai Chi-Square Hitung 40,587 > Chi-Square Tabel 7,815, maka bahwa H0 ditolak dan Ha diterima atau dengan kata lain ada perbedaan rata-rata peningkatan berat tubuh pada keempat kelompok interval waktu pengukuran. Dengan demikian sanggup disimpulkan bahwa susu debu merek SUBUR GEMUK benar-benar sanggup meningkatkan berat tubuh seseorang.

*Rumus Mencari Nilai Chi-Square Tabel yaitu dengan mengacu pada nilai df (Derajat Kebebasan). Dari tabel output Test Statistics di atas diketahui nilai df ialah 3 dan tingkat signifikansi (a) yang digunakan ialah 5% atau 0,05. Maka kita tinggal melihat saja pada distribusi nilai Chi-Square Tabel untuk df; 5% (3; 0,05) maka ditemukan nilai Chi-Square Tabel ialah sebesar 7,815. Lihat gambar di bawah ini.

[Downlaod Distribusi Nilai Chi-Square Tabel]

Baik saya kira sudah selesai pembahasan kita pada kesempatan kali ini terkait analisis statistik non parametrik dengan uji friedman memakai kegiatan SPSS. Untuk selanjutnya silahkan dipraktekkan untuk data penelitian anda. Semoga berhasil dan terimakasih atas perhatiannya. Salam dari saya Sahid Raharjo.

VIDEO: Tutorial Uji Friedman dengan SPSS Serta Interpretasi Lengkap

[Kata Kunci Pencarian: Panduan Cara Uji Friedman dengan SPSS Interpretasi Lengkap, Langkah-langkah Statistik Non Parametrik dengan Uji Friedman memakai Program SPSS, Cara Uji Normalitas dalam Uji Friedman (Friedman Test) dengan SPSS Versi 21 Penjelasan Lengkap]

Read More