Uji Normalitas dan Uji Homogenitas

 

Untuk melakukan uji statistik parametrik dibutuhkan persyaratan antara lain:

1. Distribusi sampel diambil dari dari distribusi populasi yang terdistribusi secara normal.
2. Sampel diperoleh secara random (mewakili populasi).
3. Skala pengukuran harus kontinyu (rasio/interval) atau skala nominal yang diubah menjadi proporsi.

Uji Normalitas Data

Asumsi normalitas merupakan prasyarat kebanyakan prosedur statistik inferensial (Uyanto, 2009). Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data tersebut berdistribusi normal atau tidak. Berdasarkan pengalaman empiris ahli statistik, data lebih dari 30 (n > 30), dapat diasumsikan berdistribusi normal. N > 30 biasa dikatakan sebagai sampel besar. Namun untuk memberikan kepastian, sebaiknya data yang telah terkumpul dilakukan uji normalitas. Karena belum tentu data yang lebih dari 30 mesti berdistribusi normal. Demikian sebaliknya, data yang kurang dari 30 belum tentu tidak berdistribusi normal. Untuk itu perlu suatu pembuktian. Ada beberapa cara untuk mengeksplorasi asumsi normalitas ini antara lain: Shapiro Wilk, Lilliefors (Kolmogorov Smirnov) (Uyanto, 2009); Chi-Square, Jarque Bera (Hidayat, 2013); One Way Anova (Raharjo, n.d.). 

Uji Kolmogorov Smirnov (KS) dengan SPSS

Uji 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. 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 diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak normal (Hidayat, 2012).

Syarat untuk melakukan Uji Kolmogorov Smirnov adalah data berskala interval atau ratio (kuantitatif), data tunggal / belum dikelompokkan pada tabel distribusi frekuensi, dan dapat untuk n besar maupun n kecil (Hidayat, 2013).

Syarat untuk melakukan Uji Kolmogorov Smirnov adalah data berskala interval atau ratio (kuantitatif), data tunggal / belum dikelompokkan pada tabel distribusi frekuensi, dan dapat untuk n besar maupun n kecil (Hidayat, 2013).

Berikut adalah langkah-langkah untuk melakukan uji normalitas menggunakan Kolmogorov-Smirnov di SPSS: 

Buka SPSS

Buka program SPSS dan muat dataset yang ingin diuji. 

Pilih Menu Analyze

Pada menu utama, klik Analyze. 

Pilih Submenu Descriptive Statistics

Arahkan kursor ke submenu Descriptive Statistics. 

Pilih Explore

Dari submenu yang muncul, pilih Explore. 

Pilih Variabel

Di kotak dialog Explore, pindahkan variabel yang ingin diuji normalitasnya ke kotak Dependent List. Jika kamu ingin memeriksa normalitas berdasarkan kelompok (misalnya, kelompok umur), maka masukkan variabel pengelompokan tersebut ke kotak Factor List. Jika tidak, biarkan kosong.

Pilih Opsi Plot

Klik tombol Plots di sisi kanan kotak dialog. Di kotak dialog yang muncul, di bawah bagian Descriptive, pastikan opsi Normality plots with tests dicentang. Jika kamu hanya tertarik pada uji normalitas Kolmogorov-Smirnov dan tidak membutuhkan plot, kamu bisa melewati bagian ini. Klik Continue untuk kembali ke kotak dialog utama.

Pilih Opsi Tambahan (Opsional)

Jika kamu ingin melihat statistik deskriptif lainnya seperti mean, median, standar deviasi, dll., pastikan untuk mencentang Descriptives di bagian bawah kotak dialog utama.

Jalankan Uji

Klik OK untuk menjalankan analisis.

Interpretasi Has: 

SPSS akan menghasilkan output yang mencakup tabel Test of Normality. Di dalam tabel ini, kamu akan menemukan hasil uji Kolmogorov-Smirnov, yang mencakup nilai statistik K-S dan nilai signifikansi (p-value).

Interpretasi

1. Jika nilai p-value > 0.05, maka data berdistribusi normal.
2. Jika nilai p-value ≤ 0.05, maka data tidak berdistribusi normal.

Contoh Interpretasi Hasil

Jika hasil menunjukkan nilai K-S dengan p-value 0.20 untuk variabel tertentu, ini berarti data tersebut berdistribusi normal. Jika p-value 0.03, ini berarti data tersebut tidak berdistribusi normal.

Uji Homogenitas

Uji homogenitas adalah pengujian mengenai sama tidaknya varians dua buah distribusi atau lebih. Uji Homogenitas berbeda dengan uji normalitas meski keduanya digunakan sebagai syarat dalam uji parametris. Letak perbedannya adalah, jika uji normalitas diperlukan pada semua uji parametris, sedangkan uji homogenitas tidak selalu digunakan. Uji homogenitas hanya digunakan pada uji parametris yang menguji perbedaan antara kedua kelompok atau beberapa kelompok yang berbeda subjeknya atau sumber datanya. Oleh karena itu, uji homogenitas diperlukan sebagai asumsi dari uji independen t test dan uji Anova. Sedangkan pada uji regresi linear, homogenitas tidak diperlukan sebagai syarat sebab uji regresi linear tidak menguji perbedaan beberapa kelompok. Contoh uji homogenitas antara lain Uji Levene Test, Fisher F dan Bartlett Test (Hidayat, 2017; Raharjo, n.d).

Sebagaimana uji statistik lainnya, uji homogenitas digunakan sebagai bahan acuan untuk menentukan keputusan uji statistik berikutnya. Pedoman pengambilan keputusan dalam uji homogenitas adalah sbb:

1. Jika nilai Sig. < 0,05 berarti varian dari dua atau lebih kelompok populasi data adalah tidak homogen (tidak sama).
2. Jika nilai Sig. > 0,05 berarti varian dari dua atau lebih kelompok populasi data adalah homogen (sama).

Berikut adalah langkah-langkah untuk melakukan uji homogenitas (Levene's Test) di SPSS:

Buka SPSS dan Muat Dataset

Buka SPSS dan masukkan atau muat dataset yang akan digunakan untuk uji homogenitas. Pastikan dataset tersebut berisi variabel dependen (yang berskala interval atau rasio) dan variabel independen (biasanya kategorikal).

Pilih Menu Analyze

Klik Analyze di menu utama SPSS.

Pilih Submenu Compare Means

Arahkan kursor ke Compare Means, kemudian pilih One-Way ANOVA jika kamu ingin menguji homogenitas varians untuk lebih dari dua kelompok.

Pilih Variabel

Di kotak dialog One-Way ANOVA, masukkan variabel dependen (misalnya, nilai tes, berat badan, atau hasil pengukuran lainnya) ke dalam kotak Dependent List. Masukkan variabel independen (biasanya variabel kategorikal seperti kelompok eksperimen atau kategori perawatan) ke dalam kotak Factor.

Klik Tombol Options

Setelah itu, klik tombol Options di sebelah kanan kotak dialog.

Centang Homogeneity of Variance Test

Di kotak dialog Options, centang kotak Homogeneity of variance test untuk memilih uji Levene's sebagai uji homogenitas varians. Kamu juga bisa mencentang opsi tambahan seperti Descriptive jika ingin melihat deskripsi statistik tambahan dari dataset. Klik Continue untuk kembali ke kotak dialog utama.

Jalankan Uji

Klik OK untuk menjalankan analisis. SPSS akan menjalankan uji Levene sebagai bagian dari output ANOVA.

Interpretasi Hasil Levene's Test

Hasil uji Levene akan muncul di tabel Test of Homogeneity of Variances pada output. Tabel ini akan menunjukkan:
Levene Statistic: Nilai statistik Levene.
df1 dan df2: Derajat kebebasan.
Sig.: Ini adalah p-value yang akan menunjukkan apakah varians antar kelompok adalah homogen.
Interpretasi Hasil Uji Homogenitas:
Jika p-value (nilai Sig.) > 0.05, maka tidak ada perbedaan signifikan dalam varians antar kelompok, sehingga asumsi homogenitas terpenuhi. Dalam hal ini, varians antar kelompok dianggap homogen, dan kamu bisa melanjutkan dengan uji ANOVA atau t-test yang mengasumsikan homogenitas.
Jika p-value (nilai Sig.) ≤ 0.05, maka ada perbedaan signifikan dalam varians antar kelompok, yang berarti asumsi homogenitas tidak terpenuhi. Dalam kasus ini, kamu mungkin perlu menggunakan uji non-parametrik atau melakukan koreksi untuk perbedaan varians (seperti Welch's ANOVA).

Contoh Hasil:

Misalnya, jika hasil uji menunjukkan:

• Levene Statistic = 1.452
• df1 = 2
• df2 = 57
• Sig. = 0.235

Karena p-value 0.235 > 0.05, kamu dapat menyimpulkan bahwa varians antar kelompok adalah homogen, dan asumsi homogenitas terpenuhi.

Daftar Pustaka

Hidayat, A., (2013). Penjelasan Tentang Uji Normalitas dan Metode Perhitungan. https://www.statistikian.com/2013/01/uji-normalitas.html. Diakses tanggal 31 Agustus 2020.

_________ (2012).Tutorial Uji Normalitas Kolmogorov Smirnov dengan SPSS. https://www.statistikian.com/2012/09/uji-normalitas-dengan-kolmogorov-smirnov-spss.html. Diakses tanggal 31 Agustus 2020.

_________ (2012). Penjelasan Rumus Kolmogorov Smirnov Uji Normalitas. https://www.statistikian.com/2013/01/rumus-kolmogorov-smirnov.html. Diakses tanggal 31 Agustus 2020.

_________ (2017). Perbedaan Uji Normalitas dan Homogenitas. https://www.statistikian.com/2017/03/perbedaan-uji-normalitas-dan-homogenitas.html. Diakses tanggal 31 Agustus 2020.

Raharjo, S., (n.d.). Cara Uji Normalitas untuk One Way Anova dengan SPSS Lengkap. https://www.spssindonesia.com/2018/11/uji-normalitas-one-way-anova-spss.html. Diakses tanggal 31 Agustus 2020.

_________ (n.d.), Cara Melakukan Uji Normalitas Kolmogorov-Smirnov dengan SPSS. https://www.spssindonesia.com/2014/01/uji-normalitas-kolmogorov-smirnov-spss.html. Diakses tanggal 31 Agustus 2020.

_________ (n.d.), Cara Melakukan Uji Homogenitas dengan SPSS beserta Contoh Lengkap. https://www.spssindonesia.com/2014/02/uji-homogenitas-dengan-spss.html. Diakses tanggal 31 Agustus 2020.

Uyanto, S.,S. (2009). Pedoman Analisis Data dengan SPSS, Edisi 3. Graha Ilmu