Cara Uji Normalitas Kolmogorov Menggunakan SPSS

Bagi yang menggunakan analisis parametrik seperti analisis korelasi Pearson, uji beda dua rata-rata, analisis varian satu arah, dsb maka perlunya dilakukan uji normalitas data terlebih dahulu untuk mengetahui apakah data berdistribusi normal atau tidak. Normalitas data merupakan syarat pokok yang harus dipenuhi dalam analisis parametrik. Normalitas data merupakan hal yang penting karena dengan data yang terdistribusi normal maka data tersebut dianggap dapat mewakili populasi.

Cara Uji Liniearitas Menggunakan SPSS

Uji Normalitas menggunakan uji kolmogorov smirnov memiliki toleransi yang lebih tinggi, jika pada metode Liliefors (Kolmogorov Smirnov) data dinyatakan tidak normal maka dengan metode ini data bisa berdistribusi normal, atau metode ini memiliki tingkat normalitas yang lebih tinggi untuk ukuran data yang sama. Langkah-langkah analsis pada SPSS  sebagai berikut:

Buka program SPSS dengan klik Start => All Programs => IBM SPSS Statistics => IBM SPSS Statistics
Pada halaman SPSS 20 yang terbuka, klik Variable Viewmaka akan terbuka halaman Variable View,

Pada kolom Name baris pertama ketik Pendapatan, pada Label bisa dikosongkan, dan untuk kolom lainnya biarkan isian default. Pada kolom Name baris kedua ketik Biaya, pada Label bisa dikosongkan, dan untuk kolom lainnya biarkan isian default
Cara Uji Normalitas Kolmogorov Menggunakan SPSS
Buka halaman Data View dengan klik Data View. Input data sesuai gambar berikut:
Cara Uji Normalitas Kolmogorov Menggunakan SPSS
Selanjutnya klik Analyze => Nonparametric Tests => Legacy Dialogs => 1 Sample K-S
Setelah itu akan terbuka kotak dialog One Sample Kolmogorov- Smirnov Test
Masukkan variabel Pendapatan dan Biaya ke kotak Test Variable List. Selanjutnya klik tombol OK. Hasil output dan interpretasinya sebagai berikut:
Output pada gambar (X) menjelaskan tentang hasil uji normalitas dengan metode One Sample Kolmogorov Smirnov. Untuk pengambilan keputusan apakah data normal atau tidak maka cukup membaca pada nilai signifikansi (Asymp Sig 2-tailed). Jika signifikansi kurang dari 0,05 maka kesimpulannya data tidak berdistribusi normal, jika signifikansi lebih dari 0,05 maka data berdistribusi normal.

Dapat diketahui bahwa nilai signifikansi untuk data Pendapatan sebesar 0,921 dan data Biaya sebesar 0,736. Karena nilai lebih dari 0,05 jadi kesimpulannya data Pendapatan dan Biaya terdistribusi normal.  

Postingan populer dari blog ini

Cara Uji Validitas Metode Analisis Faktor (KMO) dengan SPSS

Pengertian Perilaku Menyimpang Menurut Para Ahli

Sebab-sebab Terjadinya Perilaku Menyimpang atau Anti Sosial