Show
Uji Asumsi Dasar, Uji Asumsi Klasik
Uji Normalitas Rumus Kolmogorov-Smirnov SPSS | Program SPSS memang sangat membantu dalam mengolah data penelitian kita, khususnya penelitian kuantitatif dan PTK. Kalau dalam kesempatan sebelummya kita telah membahas Uji Normalitas Data Dengan Shapiro-Wilk. Selanjutnya pada kesempatan kali ini kita akan membicarakan bagaimana cara melakukan Uji Normalitas Rumus Kolmogorov-Smirnov dalam program SPSS. Simak berikut ini. Tujuan Uji Normalitas Menguji apakah dalam model regresi, variabel residu memiliki distribusi normal atau tidak. Dasar Pengambilan Keputusan Uji Normalitas
Langkah-Langkah Uji Normalitas Rumus Kolmogorov-Simirnov 1. Buka data yang ingin di uji silahkan download untuk belajar sama-sama DOWNLOAD DATA 2. Buat data unstandardized residual terlebih dahulu, caranya : pilih menu Analyze - Regression - Linear - masukkan variabel Y (Konsentrasi Belajar) ke Dependent, masukkan variabel X1, X2, X3, X4 (Intensitas Mengajar Guru, Gaya Mengajar, Motivasi Siswa, Minat Belajar) ke Independent (s)
3. Klik Save - pada bagian Residul, centang (V) Unstandardized (abaikan kolom yang lain) - klik Continue - klik OK, maka akan muncul variabel baru dengan nama RES_1
4. Selanjutnya pilih menu Analyze, lalu pilih Non-parametric Test, Legacy Dialogs - pilih submenu 1-Sample K-S 5. Masukkan variabel unstandardized residual ke kotak Test Variable List 6. Pada Test Distribution centang (V) normal
7. Klik OK, untuk mengakhiri perintah. TAMPILAN OUTPUT
INTERPRETASI OUTPUT Berdasarkan uji normalitas dengan Kolmogorov-Smirnov Test diperoleh nilai KSZ sebesar 1,186 dan Asymp.sig. sebesar 0,120 lebih besar dari 0,05 maka dapat disimpulkan data berdistribusi normal. Selanjuntnya akan di bahas Uji Linearitas Data dengan SPSS. Demikian artikel dengan judul Uji Normalitas Rumus Kolmogorov-Smirnov SPSS, jika ada kritik dan saran yang membangun silahkan berkomentar? Terimakasih. [Search : Uji Normalitas Rumus Kolmogorov-Smirnov SPSS, Cara melakukan Uji Normalitas Rumus Kolmogorov-Smirnov, Panduan Uji Normalitas Data dengan SPSS] [Img : Dokumen SPSS] [Source : http://www.konsistensi.com/]Lihat: VIDEO Uji Normalitas Kolmogorov-Smirnov SPSS
Artikel ini membahas Uji Normalitas Kolmogorov Smirnov dengan SPSS. Banyak sekali teknik pengujian normalitas suatu distribusi data yang telah dikembangkan oleh para ahli. Kita sebenarnya sangat beruntung karena tidak perlu mencari-cari cara untuk menguji normalitas, dan bahkan saat ini sudah tersedia banyak sekali alat bantu berupa program statistik yang tinggal pakai. Berikut adalah salah satu pengujian normalitas dengan menggunakan teknik Kolmogorov Smirnov. Pengertian Uji Kolmogorov SmirnovUji Kolmogorov Smirnov adalah pengujian normalitas yang banyak dipakai, terutama setelah adanya banyak program statistik yang beredar. Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat yang lain, yang sering terjadi pada uji normalitas dengan menggunakan grafik.
Konsep Uji Kolmogorov SmirnovKonsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku. Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal. Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data normal baku. Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan. Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak normal. Signifikansi Uji KolmogorovLebih lanjut, jika signifikansi di atas 0,05 maka berarti tidak terdapat perbedaan yang signifikan antara data yang akan diuji dengan data normal baku, artinya, ya. Berarti data yang kita uji normal, kan tidak berbeda dengan normal baku. Jika kesimpulan kita memberikan hasil yang tidak normal, maka kita tidak bisa menentukan transformasi seperti apa yang harus kita gunakan untuk normalisasi. Jadi ya kalau tidak normal, gunakan plot grafik untuk melihat menceng ke kanan atau ke kiri. Atau menggunakan Skewness dan Kurtosis sehingga dapat ditentukan transformasi seperti apa yang paling tepat dipergunakan. Uji Normalitas dengan Kolmogorov Smirnov dengan Program SPSSPengujian normalitas dengan menggunakan Program SPSS dilakukan dengan menu Analyze, kemudian klik pada Nonparametric Test, lalu klik Legacy Dialogs, Klik 1-Sample K-S. K-S itu singkatan dari Kolmogorov-Smirnov. Maka akan muncul kotak One-Sample Kolmogorov-Smirnov Test. Normalitas Kolmogorov SPSSData yang akan diuji terletak di kiri dan pindahkan ke kanan dengan tanda panah. Centang Normal pada Test Distribution.
Lalu tekan OK saja. Interprestasi Uji Normalitas Kolmogorov dengan SPSSPada output, lihat pada baris paling bawah dan paling kanan yang berisi Asymp.Sig.(2-tailed). Output Normalitas Kolmogorov SPSSLalu intepretasinya adalah bahwa jika nilainya di atas 0,05 maka distribusi data dinyatakan memenuhi asumsi normalitas, dan jika nilainya di bawah 0,05 maka diinterpretasikan sebagai tidak normal. Untuk Uji Kolmogorov Smirnov dengan Excel, Baca Artikel kami yang berjudul “Normalitas Excel“, Baca Juga Tentang: “Uji Homogenitas Untuk Pengujian Normalitas Metode Lilliefors dan Shapiro-Wilk Serta Metode Grafik dalam SPSS, Baca: Normalitas Pada SPSS. Untuk Pengujian Normalitas Metode Anderson-Darling, Ryan-Joiner dan Kolmogorov-Smirnov dalam Aplikasi Minitab, Baca: Normalitas Pada Minitab. Demikian telah dijelaskan secara detail tahap demi tahap langkah dalam tutorial uji normalitas kolmogorov smirnov SPSS. By Anwar Hidayat
Dalam pengujian hipotesis terdapat dua konsep penting yaitu Level of significance α dan nilai probability p. Level of significance adalah taraf pengujian sekumpulan data dalam pembuktian sebuah hipotesis (Agresti, 2009 : 143) yang biasanya dinyatakan dalam persen. Uji statistik pada dasarnya menguji tepat tidaknya sampel dalam menjelaskan populasi (Gujarati, 2009) sampai pada batas ketelitian error tertentu. Besarnya error penelitian itulah yang kemudian dikenal dengan istilah level of significance yang disimbolkan α. Konsep signifikan (taraf nyata) dalam statistik adalah keberartian. Misal seorang petani melakukan pemupukan rata-rata 300 kg urea untuk tanaman padi seluas 1 ha. Pada suatu musim tanam, dengan alasan untuk lebih menyuburkan pertumbuhan padi ditambah 1 ons urea. Dalam simulasi ini, secara nominal pupuk urea yang digunakan menjadi 300,01 kg. Persoalannya adalah apakah tambahan 0,01 kg secara instrinsik dapat dikatakan berarti (signifikan)? Terdapat dua tipe hipotesis yang sering digunakan dalam penelitian, yaitu :
|