Welcome to Wajibstat Analysis Jibvela17...

NEW WAJIBSTAT ANALYSIS IS COMING***

Senin, 04 Maret 2013

UJI KENORMALAN DENGAN SPSS 16



UJI KENORMALAN DENGAN SPSS 16

Malam semuanya sobat.. Pa kabar neh?? Hehehe.. Moga baik aja deh yak... Amiiiiin
Nah, kali ini saya mau kasitau cara menguji kenormalan dengan SPSS..

Perlu sobat semua tau, uji kenormalan ini penting banget saat melakukan uji statistik non parametrik. Tau gak apa yang diuji kenormalannya? Jangan bilang datanya ya.. Ntar dibilang katrok lhooo hehehe..

Jadi, yang mau kita uji kenormalannya adalah variabel pengganggu atau residualnya; sudahkah terdistribusi secara normal.. perlu sobat semua tahu, resikonya bakal fatal lho jika asumsi ini dilanggar. Mau tau akibatnya? Nah, akibatnya uji statistik tidak valid atau bias apalagi kalau sampelnya kecil (kurang dari 30).
 
Okee jadi uji kenormalan yang mau saya praktekin nih dilakukan dengan pendekatan grafik , yaitu melihat histogram dan PP Plot , dengan statistik deskriptif, yaitu menghitung nilai skewness (kemencengan) dan kurtosis (keruncingan), dan terakhir dengan statistik non parametrik, yaitu uji satu sampel Kolmogorov Smirnov.

Contoh penelitian:

Saya mau menguji  bagaimana pengaruh nilai tukar/kurs, tingkat suku bunga/rate, indeks harga konsumen (ihk), tingkat pengangguran terbuka (tpt) dan tingkat keterbukaan ekonomi  (openness) propinsi Sumatra Utara terhadap PDRB propinsi ini.
Untuk datanya silahkan unduh disini

Untuk menampilkan histogram dan PP Plot, cukup lakukan saja pengujian seperti meregresikan biasa. Caranya, klik Analyze, Regression Linier, lalu pada bagian independent masukkan variabel bebas KURS, RATE, IHK, TPK, OPENNESS sedangkan variabel terikat PDRB masukkan pada bagian dependent.



Lalu, klik Plot dan centang bagian Histogram dan Normal Probability Plot. Baru, klik Continue dan OK


  
Maka, akan dihasilkan output seperti ini:

 

Nah, dari histogram dan PP Plot kelihatan kalau sebaran datanya sudah menyebar secara normal dan data-data sudah tersebar di seputaran garis linier pada PP Plot yang menggambarkan kenormalan data. Biar semakin yakin, kita uji statistik skewness dan kurtosis residualnya yaa.. hehehe...

Caranya, buat aja seperti pengujian sebelumnya, tetapi pada bagian Savenya di klik dan centang residuals Unstandardized, lalu Continue dan OK.



Lalu pada Data View, akan muncul variabel baru RES_1 (unstandardized residuals), kira-kira seperti ini (nanti N nya sampai 30 yaaa)

  
Seterusnya, pilih lagi Analyze, Descriptive Statistics dan pilih Descriptive.. nah, dalam bagian variabel, yang kita masukkan adalah variabel RES_1 nya.. Lalu, klik Option dan centang pada bagian Skewness dan Kurtosis.


Nilai Skewness dan Kurtosis
  



Nah sampai disini, kita sudah dapat nilai Skewness = 0.516 dan Kurtosis -0.628. Dari nilai ini kemudian dihitung deh nilai ZKurtosis dan Zskewness. Formulasinya sbb :
ZSkewness = Skewness / sqrt (6/N)
ZKurtosis = Kurtosis / sqrt (24/N)
Maka hasil perhitungannya adalah
ZSkewness = 0.58 dan  ZKurtosis = -1.4
Nilai Z kritis untuk alpha 0.05 adalah 1,96. Jadi, nilai ZKurtosis dan Zskewness keduanya lebih kecil daripada nilai kritis sehingga hasinya adalah kita terima hipotess nol yang menyatakan bahwa data berdistribusi normal. Nah, jika belum puas, kita coba nih pakai uji satu sampel Kolmogorov Smirnov..
Gak usah bingung dulu, begini nih caranya:
Pilih lagi Analyze, Non Parametric, lalu pilih 1 Sample K-S. Nah, masukin variabel RES_1 ke dalam bagian Test Variable List. Lalu OK.
  
Nah, begini nih hasilnya:
  

Perhatikan nilai Asymp. Sig lebih besar daripada 0.05 sehingga simpulannya adalah residual sudah berdistribusi normal. Jadi, nanti di dalam model penelitian, kita tidak lagi tersandung oleh masalah pemenuhan asumsi kenormalan..

NB: Kalau asumsi kenormalan belum terpenuhi, maka bisa dilakukan:
1.)    Menambah jumlah sampel, jika sampel masih sedikit
2.)  Jika jumlah sampel sudah besar, cek data yang outliers dan jika ada buang data outliers.
3.)    Transformasi data (akan dibahas pada bagian yang lain)
4.)  Jalan terakhir (agak maksa sebenarnya), pakai analisis non parametrik yang tidak membutuhkan pemenuhan asumsi kenormalan.

Okaaaay deh sobat,, Mudah-mudahan mudah ya untuk dipraktekin.. Sekian dulu yang bisa saya bagikan.. Semoga bermanfaat.. Salam sukses :-)





















0 komentar:

Poskan Komentar