Menunjukkan Normalitas Data Melalui Normal Probability Plot

Ada berbagai macam teknik yang dapat digunakan untuk melihat kenormalan distribusi data dalam sebuah penelitian. Salah satu cara yang termudah untuk melihat normalitas residual adalah dengan melihat grafik histogram yang membandingkan antara data observasi dengan distribusi yang mendekati distribusi normal. Akan tetapi ada metode lain yang dapat digunakan yaitu dengan melihat normal probability plot dengan membandingkan distribusi kumulatif dari distribusi normal. Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Jika distribusi data residual normal, garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya.

Langkah-langkah untuk menguji normalitas data melalui normal probability plot menggunakan aplikasi SPSS adalah sebagai berikut.
1. Buka aplikasi SPSS.

2. Pada sheet “Variable View”, isi dengan variabel yang akan kita diuji datanya, misalnya, variabel Motivasi, Komitmen, dan Kepuasan sebagai variabel Independent, sedangkan Prestasi sebagai variabel Dependent. Jika ada beberapa variabel yang akan kita uji secara bersamaan, bisa tambahkan pada cell di bawahnya sesuai banyaknya variabel yang diuji.

3. Selanjutnya pada sheet “Data View”, input data yang akan kita uji.

4. Pada Menu Bar SPSS, klik menu Analyze, Regression, selanjutnya Linear. Pada kotak dialog Linear Regression, pindahkan variabel Prestasi ke kotak Dependent, sedangkan variabel Motivasi, Komitmen, dan Kepuasan ke kotak Independent.

5. Selanjutnya Klik Plots, pindahkan ZPRED ke kolom X, dan SRESID ke kolom Y. Pada Standardized Residual Plots, ceklist Normal Probability Plot. Terakhir klik OK.

6. Interprestasi hasil uji normalitas data menggunakan normal probability plot adalah sebagai berikut.

Pada gambar di atas terlihat bahwa titik-titik sebaran data berada di sekitar atau mendekati garis diagonal, maka dapat diambil sebuah kesimpulan bahwa data pada penelitian ini adalah berdistribusi normal.

Was this article helpful?

Related Articles

Leave A Comment?