3. Dua Cara Menguji Normalitas
This Photo by Unknown Author is licensed under CC BY-SA This Photo by Unknown Author is licensed under CC BY-SA
Statistik Deskriptif Tes Signifikansi
4. Tes Signifikansi
• Kolmogrov – Smirnov
• Digunakan untuk sample lebih dari 100
• Shapiro – Wilk
• Untuk sampel kurang daripada 50 – 100
• Hipotesis nihil
• Pada uji normalitas peneliti berharap Hipotesis nihil tidak
ditolak
µ = 𝑥
5. Deskriptif atau
Graphical
Methods
• Skewness
• Skewness mencerminkan tentang skor suatu variable
berada ditengah – tengah distribusi atau pada salah
satu ujung distribusi
• Kurtosis
• Kurtosis merupakan ukuran tentang tipis atau
landainya suatu distribusi variable.
6. Normal Distribution
• Distribusi skor dinyatakan
normal (perfectly) jika nilai
skewness dan kurtosis sebesar 0
• Tetapi situasi tersebut sangat
jarang ditemui pada penelitian
ilmu social (Pallant, 2005; Yam &
Sim, 2011)
This Photo by Unknown Author is licensed under CC BY-NC
8. KURTOSIS
• Positive Kurtosis : nilai
kurtosis > 0
• Platykurtic Kurtosis : nilai
kurtosis < 0
• Mesokurtic Kurtosis : nilai
kurtosis = 0
This Photo by Unknown Author is licensed under CC BY-SA
12. Mean: rata – rata dari suatu distribusi skor. Indeks lain
yang dapat digunakan yaitu median.
Variance: variabilitas data atau distribusi skor. Semakin
besar varians, semakin bervariasi skor.
Standard deviation: akar dari variance. Biasanya
digunakan untuk satuan pengukuran.
Skewness: indeks simetris atau tidaknya distribusi.
Pada contoh disamping, skewness negative yang
artinya mayoritas skor berada di sebelah kanan.
Kurtosis: indeks puncaknya suatu distribusi. Pada
contoh disamping hasilnya relative mendekati 0.
Skewness positif menunjukkan mayoritas skor ada di sebelah kiri
(mayoritas rendah). Skewness negative menunjukkan skor umumnya
ada di sebelah kanan. Kurtosis positif berarti puncaknya sesuai kurva
lonceng. Kurtosis kurang dari 0 berarti puncaknya flat. (further
reading see Tabachnick & Fidell, 2013)
13. Jika distribusi
data simetris
sample size >
200, gunakan
Kolmogorov-
Smirnov. Tetapi
jika sekitar 50 -
100, Shapiro-
Wilk dapat
digunakan
Pada uji
normalitas, kita
berharap data
tidak signifikan
(p > .05).
Sehingga
artinya data
berdistribusi
normal. Tetapi
umumnya pada
sample besar,
hal tersebut
sulit dicapai
Ethnic attitude memiliki nilai sig yang tidak
signifikan (p > .05) sehingga datanya berdistribusi
normal. Tetapi pada dua variable lain, hal ini tidak
terjadi.
14. Distribusi ethnic attitude and well-diff menunjukkan hasil kurva normal Pada kurva non-ethnic attitude tidak
menunjukkan kurva distribusi normal
15. Pada variable ethnic attitude dan well-diff menunjukkan kurva empiris
(lingkaran kecil) mengikuti kurva teoritis (garis lurus), yang artinya berdistribusi
normal
Pada non-ethnic attitude terdapat
beberapa skor empiris yang
menyimpang dari kurva teoritisnya.
Sehingga tidak berdistribusi normal
16. OUTLIERS
Beberapa orang perlu didelete dari data diatas (contoh, cases 31, 99,37, 141, etc), Maka kualitas data kita akan lebih baik.
17. OUTLIERS AND EXTREME CASES
• Outliers
• Skor yang dianggap outliers
biasanya berada lebih dari 1.5 SD
s/d 2 SD
• Extreme cases
• Apabila skor melebihi dari 3 SD
18. What should I
do if my data
was not
normal?
Hapus outliers dan atau extreme scores (untuk
extreme scores sangat disarankan)
Gunakan missing data pairwise (terutama jika
sample terbatas < 100)
Gunakan median daripada mean untuk statistical
indices
Gunakan Central Limit Theorem (sampling
distribution)
Gunakan linear transformation (less
recommended)
19. Conclusion
Penggunaan pendekatan deskriptif dan informasi grafik kemudian
dilengkapi dengan uji statistic normalitas membantu peneliti membuat
keputusan yang tepat dalam menyimpulkan distribusi skor variable
20. References
• B.W. Yap & C. H. Sim (2011) Comparisons of various types of normality tests.
Journal of Statistical Computation and Simulation, 81 (12), 2141-2155, DOI:
10.1080/00949655.2010.520163.
• Pallant, J. (2005). SPSS Survival Manual: A step by step guide to data analysis
using SPSS for windows (Version 12). NSW: Allen & Unwin
• Tabachnick, B. G., & Fidell, L. S. (2013). Using multivariate statistics (4th edn).
New York: Harper Collins.