Sebelum mulai mengolah data menggunakan SPSS, kita perlu mengenali data yang kita punya. Untuk penyajian data, kita perlu mengetahui sebaran data, apakah normal atau tidak normal. Bila sebaran data normal maka penyajian data dalam bentuk mean±SD dan bila tidak normal maka penyajian dalam bentuk median (min,max).
Manfaat lain dari mengetahui sebaran data adalah untuk
uji hipotesis. Bila sebaran data normal maka gunakan uji parametrik dan bila
sebaran data tidak normal maka gunakan uji non parametrik.
Metode unuk mengetahui sebaran data normal atau tidak
normal bisa didapatkan dengan cara deskriptif atau dengan analitis.
Tabel. Metode untuk mengetahui sebaran data normal
atau tidak normal
Metode
|
Parameter
|
Kriteria distribusi
dikatakan normal
|
Keterangan
|
Deskriptif
|
Koefisien varian
|
Nilai koefisien varians
>30%
|
|
Rasio skewness
|
Nilai rasio skewness -2
s/d 2
|
||
Rasio kurtosis
|
Nilai rasio kurtosis -2
s/d 2
|
||
Histogram
|
Simetris, tidak miring
kiri maupun kanan, tidak terlalu tinggi maupun rendah
|
||
Box plot
|
Simetris, median tepat
di tengah, tidak ada ourlier atau nilai ekstrim
|
||
Normal Q-Q plots
|
Data menyebar sekitar
garis
|
||
Detrended Q-Q Plots
|
Data menyebar sekitar
garis pada nilai 0
|
||
Analitis
|
Kolmogorov-Smirnov
|
Nilai kemaknaan (p)>0,05
|
Untuk sampel >50
|
Shapiro-Wilk
|
Nilai kemaknaan
(p)>0,05
|
Untuk sampel <50
|
Sumber:
Dahlan MS. Statistik untuk kedokteran dan kesehatan. Penerbit
Salemba Medika. Jakarta. 2011
Mengatasi Data Tidak Normal Dengan Central Limit Theorem (CLT)
ReplyDeleteApabila Data Tidak Normal Bisa Memakai Central Limit Theorem (CLT)
Sebagai Pendukung Kami Berikan Literatur Berupa Penelitian-Penelitian
Sebelumnya Sebanyak 20 Buah Penelitian
Bagi Yang Membutuhkan Bisa Klik Dibawah Ini Untuk Unduh Literatur Tersebut
https://s.id/UjiCLT