Uji Kenormalan Sampel (sampel K-S dalam SPSS)

Assalamu'alaikum.

Seorang sobat blogger yang juga pakar, mas ishaq (bugishq.blogspot.com), dalam sebuah komentar mengirimkan beberapa pertanyaan terkait dengan pengujian kenormalan dan pengujian beda dua sampel sebagai berikut:

Assalamualaikum Pak Dhe
Mohon bantuannya, bagaimana cara menguji hipotesis dengan uji-t berpasangan pada SPSS atau excel?
Misalkan data hasil belajar siswa berbeda (sebelum dan sesudah ada pemberian perlakuan) misalkan data sebelum itu lebih rendah daripada sesudah ada perlakuan. Dengan sebelumnya dilakukan uji normalitas data. Contoh hasil belajar siswa 10 org.
Wassalam blog BUGIS di www.bugishq.blogspot.com

"Semoga pengungkapan ini tidak menyalahi etika blogging", : pakdhe.

Baiklah sobat, saya coba untuk menjelaskan secara keseluruhan saja dari awal.

Dari pertanyaan sobat bugis, secara sederhana saya mengasumsikan bahwa sobat melakukan penelitian kepada sampel dengan memberikan semacam pre-test dan post-tes. Setelah post-tes tersebut sobat memberikan perlakuan/eksperimen. Setelah eksperimen sobat melakukan post-test. Kemudian sobat membandingkan kedua hasil tes tersebut dengan menggunakan uji t. Benarkah asumsi saya?

Sebelum melakukan uji beda, ada dua syarat yang harus sobat lakukan, yaitu:
1. Uji normalitas sampel
2. Uji homogenitas sampel

Kenapa perlu syarat ini? Beberapa buku hanya mencantumkan syarat ini tanpa memberikan argumen yang sah. Saya akan mencoba memberikan argumen saya mengenai hal tersebut.

Mengapa perlu uji normalitas sampel (Uji kenormalan sampel). Seperti diketahui bahwa Uji normalitas data bertujuan untuk menguji apakah variabel terikat mempunyai distribusi normal.
Dari pernyataan sobat, saya menduga data tersebut adalah data hasil belajar. Bukankah sudah menjadi kesepakatan umum bahwa data hasil belajar berdistribusi normal? (artinya, yang memperoleh nilai sangat bagus dan sangat jelek rata-rata banyaknya sedikit, lebih banyak yang memperoleh nilai 4, 5, 6, dan 7)

Pengujian normalitas data menggunakan uji chi kuadrat dengan rumus

dengan
fo : frekuensi yang diobservasi
fh : frekuensi yang diharapkan
k : banyaknya interval

Kriteria pengujian adalah
H0 : χhitung^2 < χtabel^2
H1 : χhitung^2 ≥ χtabel^2

dengan σ = 0,05 = 5%

Data berdistribusi normal jika χhitung2 < χtabel2 dengan taraf kesalahan 5% dan derajat kebebasan k – 1.

Pengujian kenormalan dengan menggunakan SPSS agak sedikit berbeda. SPSS pada dasarnya adalah software analisis data yang lebih digunakan untuk sosial science. Pada sosial science, diharapkan data tak normal. Berbeda dengan ilmu pasti macam IPA atau matematika, data yang diharapkan adalah data yang normal. Oleh karena itulah, jika pada analysis lain pada SPSS kita mengharapkan nilai sig-nya kurang dari 0.05, pada pengujian kenormalan, kita mengharapkan nilai sig.-nya adalah lebih dari 0.05.

Kita mulai: Misalkan kita punya data sebagai berikut:

Skor A	Skor B
80,00	50,00
56,67	23,33
70,00	20,00
56,67	43,33
76,67	26,67
83,33	36,67
36,67	46,67
53,33	6,67
50,00	36,67
60,00	40,00
30,00	50,00
36,67	80,00
86,67	53,33
76,67	43,33
13,33	73,33

Catatan: Index A dan B dapat disesuaikan dengan keadaan. Sobat ishaq menggunakan data pre-test dan data post-test. Sobat semua juga bisa menggunakan data kelas eksperimen dan data kelas kontrol sebagai pengganti index A dan B.

Berikutnya adalah memasukkan data ke SPSS. Perhatikan pada waktu mengentry SPSS, data skor A dan skor B dijadikan satu kolom. Hasil entry data pada SPSS setelah dikonversi adalah sebagai berikut:

Skor
80,00
56,67
70,00
56,67
76,67
83,33
36,67
53,33
50,00
60,00
30,00
36,67
86,67
76,67
13,33
50,00
23,33
20,00
43,33
26,67
36,67
46,67
6,67
36,67
40,00
50,00
80,00
53,33
43,33
73,33

Langkah analysis dengan menggunakan SPSS adalah menggunakan uji sampel KS (Kolmogorov Smirnov) adalah sebagai berikut:

Klik "Analyze" kemudian "Nonparametric Test" dilanjutkan dengan "1.-Sample K-S…"


Muncul dialog box sebagai berikut:

Masukkan variabel skor ke bagian kanan dengan meng-klik tombol dengan tepi hitam di sebelah tengah tersebut. Kamudian klik OK. Pada bagian out put muncul hasil berikut:

Perhatikan nilai Asymp. Sig. (2-tailed) adalah 0.952 artinya tidak signifikan. Makna yang terkandung dari hasil tersebut adalah:

Data hasil belajar tersebut berdistribusi normal.

Ok sobat, rasanya itu dulu yang bisa saya tulis, akan saya sambung dengan pengujian beda dua sampel dengan uji t.