Dan kalau nantinya artikel ini sangat bermanfaat, jangan lupa sebarkan kepada teman yang lainnya. Terima kasih sebelumnya. Kita telah mempelajari berbagai jenis uji normalitas pada artikel-artikel sebelumnya, yaitu antara lain:.,.,.,.,.,.,. Beberapa artikel di atas kiranya telah cukup untuk memenuhi kebutuhan dalam menyelesaikan penelitian anda, tapi tidak ada salahnya jika kita lebih dalam mempelajari tentang berbagai uji normalitas, termasuk uji normalitas dalam beberapa aplikasi atau software statistik, seperti, Stata dan Minitab. Oleh karena itu, kami penulis statistikian, dengan semangat juang 45 membuat artikel ini hanya untuk anda. Shapiro Wilk dan Lilliefors dalam Uji Normalitas dengan SPSS Dalam artikel kali ini, kita akan membahas 2 uji normalitas yang sangat sering dipakai oleh peneliti selain uji kolmogorov smirnov. Uji kolmogorov smirnov memanglah uji yang paling populer, tapi sebenarnya uji tersebut mempunyai sedikit kelemahan, yaitu reliable atau handal pada pengujian dengan besar 200.
Mengolah data menggunakan syntax SPSS. Misalnya kita ingin mendapatkan syntax untuk menghitung data deskriptif nilai ujian 20 orang siswa berikut ini. Anda bisa mengguanakan syntax-syntax yang lain tentunya dan mendapatkannya dengan cara seperti di atas. Diposting oleh Djunaidi Lababa di 08.17. Mengolah dan menganalisis data penelitian. Jendela SPSS Data Editor. Maka silakan ganti With dari 8 menjadi 20, dengan cara klik angka 8 tersebut dan ganti.
Bagaimana jika sampel kurang dari itu? Dalam SPSS kita bisa menggunakan Shapiro Wilk dan Lilliefors (Adaptasi dan pengembangan dari Uji Kolmogorov Smirnov). Dan bagaimana cara melakukan uji shapiro wilk dan lilliefors tersebut dengan SPSS? Kita bisa menggunakan fungsi EXPLORE. Baiklah, mari kita mulai tutorial tentang Uji Normalitas dengan SPSS ini, dimana pada tutorial kaini kita akan melakukan uji normalitas dengan SPSS pada 1 dengan 100 sampel. Untuk mempermudah tutorial, silahkan anda download file kerja SPSS tutorial ini:.
Tutorial Uji Normalitas dengan SPSS Silahkan isi dataset SPSS anda seperti contoh yang sudah anda download. Kalaupun tidak download, anda bisa isi sembarang angka pada satu variabel yang akan diuji normalitas dengan SPSS. Setelah data terisi pada variabel, pada Menu, Klik Analyze, Descriptive Statistics, Explore. Masukkan variabel ke dalam dependen list (Catatan: Apabila dalam variabel anda terdapat 2 kelompok, misal kelompok A dan B, anda dapat melakukan uji normalitas pada masing-masing kelompok dengan cara memasukkan variabel yang menjadi Grouping (A dan B atau 1 dan 2) ke kotak Factor List. Uji Normalitas dengan SPSS Pada Display centang Both. Artinya anda akan melihat nilai statistics dan plot uji normalitas termasuk juga hasil uji shapiro wilk dan lilliefors.
Selanjutnya ambil nafas dulu sobat, agar tidak tegang. Selanjutnya perhatikan lagi langkah di bawah ini. Klik tombol Plots, Centang Stem-and-Leaf, Histogram, Normality Plots With Tests. Plot Uji Normalitas dengan SPSS Klik tombol Continue dan selanjutnya Klik OK. Lihat Output anda dan apabila dalam output view anda tampil beberapa tabel dan beberapa gambar atau diagram, berarti langkah yang anda lakukan sudah benar. Maka sobat bisa bernafas lega. Karena tugas berikutnya adalah tinggal membaca hasil uji normalitas dengan SPSS dalam tutorial ini.
Agar lebih meyakinkan pembaca, silahkan bandingkan output anda dengan yang sudah penulis buatkan. Dan untuk mempermudah anda membandingkannya, silahkan download file output tutorial ini di:. Interprestasi Output Uji Normalitas dengan SPSS Saatnya kita belajar cara baca uji normalitas dengan SPSS yang kiranya akan mudah anda pahami jika telah mengikuti langkah demi langkah tahapan di atas. Perhatikan tabel di bawah ini ya. Tabel Uji Normalitas dengan SPSS Seperti yang kami janjikan, ada 2 uji yaitu shapiro wilk dan lilliefors. Berikut kami jelaskan satu persatu.
Shapiro Wilk Untuk menentukan apakah data anda berdistribusi normal menggunakan shapiro wilk, maka pada SPSS cukup anda lihat nilai Sig. Pada kolom Shapiro-Wilk. Nilai sig itu berarti signifikansi atau boleh disebut p value atau nilai probabilitas. Pada contoh di atas nilainya sebesar 0,710 lebih dari 0,05, maka dapat dikatakan data berdistribusi Normal atau yang berarti menerima H0. Lilliefors Hampir sama dengan shapiro wilk di atas, cara interprestasinya adalah dengan melihat nilai Sig. Pada kolom Kolmogorov-Smirnov a.
Pada contoh di atas nilainya 0,200 lebih dari 0,05, maka data berdistribusi Normal atau yang berarti menerima H0. Sejauh ini apakah mudah sobat? Semoga sobat bisa memahami sejauh ini. Dan untuk memperkuat kesimpulan di atas, di bawah ini kita bisa menggunakan beberapa diagram uji normalitas dengan SPSS, yaitu antara lain: histogram, stem leaf, normal QQ plot, Detrend QQ Plot dan Box Plot.
Akan kami jelaskan satu persatu juga ya. Kemudian bagaiaman cara uji normalitas dengan SPSS metode kolmogorov smirnov?
Jangan khawatir, kami juga telah membahasnya di artikel kami yang lain, yaitu:. Histogram Histogram Normalitas dengan SPSS Contoh di atas, membentuk kurve normal dan sebagian besar bar/batang berada di bawah kurve, maka variabel berdistribusi normal. Normal QQ Plots Normal QQ Normalitas dengan SPSS Contoh di atas, plot-plot mengikuti garis fit line, maka variabel berdistribusi normal. Detrend QQ Plots Detrend Normal QQ Normalitas dengan SPSS Contoh di atas, plot-plot tersebar merata di atas dan di bawah garis horizontal, serta garis horizontal tepat berada ditengah diagram, maka variabel berdistribusi normal. Stem-Leaf Stem Leaf Normalitas dengan SPSS Contoh di atas, angka-angka membentuk kurve normal miring ke arah kanan, maka variabel berdistribusi normal.
Box-Plot Box Plot Normalitas dengan SPSS Contoh di atas, box berada ditengah dengan kedua kaki yang sama panjang, garis horizontal berada ditengah box dan tidak terdapat plot-plot di atas atau di bawah box, maka variabel berdistribusi normal.
Pendahuluan Pengolahan data adalah bagian dari rangkaian kegiatan penelitian setelah pengumpulan data. Pada tahap ini data mentah/ raw data yang telah dikumpulkan diolah atau dianalisis sehingga menjadi informasi yang digunakan untuk menjawab pertanyaan penelitian. Pengolahan data menggunakan teknik statistik dilakukan berdasarkan jenis variabel/data kategorik maupun numerik dapat dilakukan denga dua cara yaitu:.
Secara manual dengan tangan menggunakan bantuan alat kalkulator. Menggunakan komputer dengan aplikasi pengolahan data seperti Ms Excel, SPSS, Epi info, SAS Data Mining, Oracle data Mining dan lain sebagainya. Pengolahan data dalam penelitian kualititatif dapat menggunakan aplikasi MAXQDA.
8 Langkah – langkah pengolahan data untuk kuesioner terbuka adalah: 1. Penyusunan data Pada tahan ini peneliti memperhatikan apakah data yang diperlukan dan yang sudah dikumpulkan sesuai dengan tujuan penelitian dan untuk menguji hipotesis sudah lengkap. Hal-hal yang perlu diperhatikan dalam penyusunan data antara lain:. Memilih dan memasukan data yang diperlukan saja sesuai dengan tujuan penelitian. Memilih data yang objektif. Bila data yang dibutuhkan diperoleh dari teknik wawancara atau angket, maka harus dibedakan antara informasi yang dibutuhkan dengan kesan responden. Klasifikasi data Pada tahan ini peneliti melakukan pengelompokan data sesuai dengan kategori yang dibuat dalam definisi operasional sesuai dengan pertimbangan peneliti sendiri berdasarkan teori maupun penelitian sebelumnya.
Contoh:. Hipotesis penelitian: Ada hubungan pengetahuan ibu tentang manfaat posyandu dengan kehadiran ibu dan bayi/balita di Posyandu. Kalsifikasi Data: Perilaku ibu ke posyandu (Ya/Tidak), Pengetahuan ibu tentang manfaat posyandu (Baik, cukup dan kurang). Analisis data Analisis data dapat dilakukan dengan cara manual atau dengan bantuan perangkat lunak komputer tergantung kemampuan peneliti dan kesulitan dalam pengolahan data. Bantuan perangkat lunak komputer paling sering digunakan karena sangat membantu peneliti mengolah data dan menghemat waktu. Hal yang harus duperhatikan adalah komputer tidak dapat memahami esensi penelitian kita, jadi peneliti harus secara benar dan teliti melakukan pengolahan data dengan baik dan benar mulai dari tahapan awal hingga akhir. Pengolahan Data secara Manual Pengolahan data secara manual sudah jarang digunakan, tetapi tetap digunakan pada keadaan dimana analisis data dengan bantuan perangkat lunak komputer tidak bisa digunakan misalnya tidak memiliki software tersebut, listrik mati dan tidak bisa menyalakan komputer di desa terpencil dan lain sebagainya.
Tahapan analisis data secara manual adalah sebagai berikut: 1. Editing / Penyuntingan data: data yang sudah diperoleh melalui wawancara dengan kuesioner atau alat ukur maupun teknik pengambilan data lainnya disunting apakah lengkap dan dapat menjawab pertanyaan penelitian dan atau memenuhi syarat untuk menguji hipotesis. Jika tidak lengkap, maka peneliti harus turun ke lapangan lagi dan melakukan pendataan ulang agar datanya lengkap. Coding/membuat lembaran kode ( coding sheet) atau kartu kode ( coding sheet): lembaran atau kartu kode berupa format yang terdiri dari table yang dibuat sesuai dengan data yang diambil dari alat ukur yang digunakan. Contoh lembaran kode dapat dilihat pada tabel berikut ini.
Lembaran Kode Nomor Responden Nomor Pertanyaan 1 2 3 4 Dst 001 002 003 004 005 006 dst Sumber: Notoatmodjo (2010) 1 Table 2. Contoh Kartu Kode 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 Sumber: Notoatmodjo (2010) 1 Catatan: Nomor adalah nomor pertanyaan masing-masing kotak (kolom) dengan kode-kode (huruf/angka) sesuai dengan jawaban masing-masing pertanyaan. Data Entry: mengisi kolom dengan kode atau kartu kode sesuai dengan jawabanmasing-masing pertanyaan.
Tabulasi data: yakni membuat tabel data, sesuai dengan tujuan penelitian atau yang diinginkan oleh peneliti. Pengolahan Data dengan Komputer Pengolahan data menggunakan perangkat lunak komputer biasanya terdiri dari beberapa tahap antara lain: 1, 2. Editing Editing merupakan kegiatan untuk melakukan pengecekan isian formulir atau alat ukur penelitian yang kita gunakan.
Adapun yang dilakukan pada tahap editing adalah mengecek:. Apakah semua pertanyaan / pernyataan telah terisi secara lengkap. Apakah tulisannya cukup jelas terbaca. Apakah jawaban yang ditulis relevan dengan pertanyaan yang diberikan.
Apakah jawaban responden konsisten antar pertanyaan. Misalnya pertanyaan usia dengan jumlah anak; usia reponden 18 tahun, dan jawaban jumlah anak 10 anak, jawaban tersebut tidak rasional dan tidak konsisten. Coding Coding merupakan kegiatan merubah data dalam bentuk huruf menjadi data dalam bentuk angka/bilangan.
Sebagai contoh misalnya: data pendidikan yang dibagi menurut tingkat pendidikan SD-PT, kemudian di coding menjadi angka seperti angka 1=SD, 2=SLTP, 3=SLTA, 4=PT. Bentuk coding yang lain sesuai dengan pembagian tingkat pendidikan menurut UU misalnya: 1=Pendidikan Dasar (SD-SLTP), 2=Pendidikan Menengah (SLTA), 3=Pendidikan Tinggi (D1-D4, S1-S3). Hal lain yang perlu diperhatikan dalam melakukan coding adalah konsistensi dalam menentukan kategori, misalnya angka terendah untuk hal yang kurang baik, angka lebih tinggi untuk hal yang baik. Contohnya variabel Pendidikan yang paling baik adalah dapat bersekolah setinggi mungkin, karena dengan menuntut ilmu pada tingkat pendidikan yang lebih tinggi memungkinkan seseorang lebih produktif, lebih bijaksana, mempunyai wawasan yang luas, pola pikir yang sistematik dan sistemik dan jejaring yang luas dan lain sebagainya, yang diperlukan pada era teknologi informasi dan komunikasi sekarang ini.
Jadi coding yang dibuat adalah 1=Pendidikan dasar, 2=Pendidikan Menengah dan 3=Pendidikan Tinggi. Contoh lain untuk variable anemia adalah 1=Anemia positif (Hb 130 mmHg dan diastole 90 mmHg digolongkan hipertensi, atau dengan melihat kenaikan tekanan dari Sistole 30mmHg dan diastole 15 mmHg dari TD normal seseorang. Prosedur atau Jenis Analisis Data Prosedur atau tahap analisis data penelitian terbagi menjadi tiga tahap yaitu analisis univariat, analisis bivariat dan analisis multivariat. Analisis data yang dilakukan juga tergantung dari jenis penelitian, jenis sampel, jenis data/variable dan asumsi kenormalan distribusi suatu data. Dibawah ini akan dijelaskan masing-masing tahapan tesebut diatas.
1, 2, 4. Analisis Univariat Analisis univariat digunakan pada penelitian diskriptif dan analitik.
Analisis univariat bertujuan untuk menjelaskan karakteristik setiap variabel penelitian. Analisis univariat dilakukan menurut jenis data baik kategorik maupun numerik. Untuk data kategorik dapat berupa distribusi frekuensi: presentase dari setiap variabel yang diteliti. Data Kategorik Pada data kategorik, hasil akhir berupa distribusi frekuensi dengan ukuran persentase atau proporsi. Contoh:. Desa A: Wanita Usia Subur yang menggunakan KB hormonal 50% dan Non-hormonal 50%.
Desa B: Wanita Usia Subur yang menggunakan KB hormonal 90% dan Non-hormonal 10% Pada Desa A, penggunaan KB bervariasi, sedangkan pada desa B, hanya 10% yang menggunakan KB non hormonal. Contoh penyajian data kategorik dapat dilihat pada tabel 6 berikut ini. Distribusi Penggunaan KB Menurut Metode Kontrasepsi Jenis Kontrasepsi Jumlah% Pil 25 22.1 Suntikan 40 35.4 Susuk 10 8.8 IUD 15 13.3 MOW 10 8.8 MOP 5 4.4 Kondom 2 1.8 Alami 6 5.3 Jumlah 113 100 Data Numerik Hasil akhir analisis data numerik pada tahap analisis univariat dapat berupa ukuran tengah dan ukuran variasi. Ukuran tengah merupakan cerminan dari konsentrasi nilai-nilai hasil pengukuran. Berbagai ukuran dikembangkan untuk mencerminkan ukuran tengah tersebut. Ukuran tengah yang paling sering digunakan adalah mean, median dan modus.
(1) Mean / average adalah ukuran rata-rata yang merupakan hasil dari jumlah semua nilai pengukuran dibagi oleh banyaknya pengukuran. Rumusnya dapat dilihat di bawah ini. Kelebihan nilai mean:. Mudah menghitungnya. Sudah melibatkan seluruh data dalam perhitungan Kelemahan nilai mean:.
Sangat dipengaruhi nilai ekstrim baik ekstrim tinggi maupun rendah. Oleh karena itu pada kelompok data yang ada nilai ekstrim (distribusi data tidak normal) mean tidak digunakan karena tidak dapat mewakili rata-rata nilai pengamatan. Contoh mengukur nilai mean: 5 ibu hamil melakukan kunjungan ANC masing – masing 4 kali, 5 kali, 7 kali, 12 kali dan 20 kali. Mean = =18,6 dibulatkan 19 Jadi rata-rata/mean kunjungan ANC = 19 kali.
Hasil ini tentunya tidak dapat mewakili karena ada nilai ekstrimnya. (2) Median Median adalah nilai dimana setengah banyaknya pengamatan mempunyai nilai di bawahnya dan setengahnya lagi mempunyai nilai di atasnya (nilai tengah). Berbeda dengan nilai mean, perhitunga median hanya mempertimbangkan urutan nilai dari pengukuran, besar beda antar nilai diabaikan. Karena besar bedatidak diperhitungkan maka nilai median tidak dipengaruhi oleh nilia ekstrim. Prosedur memperoleh nilai median adalah:. Data diurutkan dari nilai kecil ke besar. Hitung posisi nilai median/tengah, rumusnya (n+1)/2.
Hitung nilai mediannya. Contoh menghitung nilai median: BB lima orang ibu hamil (kg): 46, 70, 53, 50, 61 Data diurutkan: 46, 50, 53, 61, 70 Posisi (5+1)/2=3 Mediannya adalah data yang urutannya ke 3 = 53. Jika posisi diantara maka kedua nilai tersebut ditambahkan dan dibagi dua. Contohnya: Data nilai Metlid enam mahasiswa: 70, 62, 100, 40, 88, 80 Data diurutkan: 40, 62, 70, 80, 88, 100 Posisi (6+1)/2 = 3,5 Median = (70+80)/2=75 Jadi 50% mahasiswa memperoleh nilai Metlid diatas 75 dan 50% memperoleh nilai Metlid kurang dari 75.
(3) Mode/Modus Mode atau modus adalah data dengan nilai frekuensi terbanyak. Contoh: Kunjungan bayi ke Posyandu (kali) dalam setahun: 2,12,6,9,12,11,12,10,12,12,3 Dari data tersebut maka dapat disimpulkan mode/modus kunjungan bayi ke posyandu dalam setahun adalah 12. Hubungan nilai Mean, Median dan Modus akan menentukan bentuk distribusi data: 3. Jika nilai mean, median dan modus sama, biasanya distribusi datanya normal. Jika nilai mean median modus, maka distribusi datanya menceng/miring ke kanan. Jika nilai mean 1 = sebagai faktor risiko.
Contoh tabel analisis bivariat pada analisis data kategorik menggunakan uji chi square dapat dilihat pada table 8 berikut ini. Hubungan Konsumsi Tablet Fe dan Kejadian Perdarahan Post Partum Konsumsi Tablet Fe Perdarahan Post Partum Total Nilai P OR (IK 95%) Ya Tidak Ya 7 (20%) 28 (80%) 35 (100%) 0,004 3,08 (1,2 –6,7) Tidak 24 (54%) 20 (45,5%) 44 (100%) Total 31 (39,2%) 48 (60,8%) 79 (100%) Sumber: Modifikasi dari Notoatmojo (2010) 1 Interpretasi: Dari tabel diatas menunjukan bahwa dari 35 responden yang mengkonsumsi tablet Fe terdapat 20% yang mengalami perdarahan post partum, sedangkan dari 44 responden yang tidak mengkonsumsi tablet Fe lebih banyak yang mengalami perdarahan postpartum yakni sebesar 54%. Hasil uji statistik menunjukan nilai P 0,004 ( 0,05.
Berikut ini adalah contoh pemodelan awal dan akhir dari sebuah analisis multivariat. About Moudy E.U Djami Lahir dan besar di So'E, Kab Timor Tengah Selatan, Prop Nusa Tenggara Timur, telah menyelesaikan studi D4 Bidan Pendidik di Poltekes Depkes Jakarta III, S2 Kesehatan Reproduksi dari Universitas Indonesia dan S2 Ilmu Kebidanan dari Universitas Padjadjaran Bandung. Sekarang ini sementara melanjutkan studi di S3 Manajemen Pendidikan di Universitas Pakuan Bogor. Riwayat Pekerjaan pernah bekerja sebagai bidan di RSMM Timika, RS Puri Cinere Depok, Klinik Medika Timika, dan RSTM Timika. Menikah dengan Ong Tjandra dan dikaruniai seorang putri tercinta Alexa Candika. Rutinitas sehari-hari sebagai ibu rumah tangga dan juga tenaga pendidik di Akademi Kebidanan Bina Husada Tangerang dan bidan pengelola di Klinik Sehati. Dear Mbak Jeje, Maaf baru sempat balas.
Pengumpulan data menggunakan alat ukur seperti angket, mkn yang dimaksud adalah pernyataan /pertanyaan dengan skala Likert atau Rating scale dll, terlebih dahulu kita menghitung skor masing-masing variabel atau sub variabel yang ada ssi penelitian kita terlebih dahulu, kemudian data di entry ke perangkat lunak komputer jika kita menggunakan aplikasi analisis data tertentu. Selanjutnya bisa dilanjutkan ke tahapan analysis data berikutnya, ssi dengan jenis data (kualitatif/kuantitatif), apakah menggunakan uji parametrik atau non parametrik dan seterusnya. Smog bisa membantu, nuhun ?.