Ketika kita hendak melakukan analisis statistik parametrik, seperti melakukan uji korelasi product moment, salah satu asumsi yang harus dipenuhi adalah distribusi data kita normal. Oleh karena itu sebelum melakukan analisis statistik parametrik, terlebih dahulu kita harus melihat apakah data kita terdistribusi normal atau tidak. Bagaimana cara untuk melihat data kita normal atau tidak? Berikut akan diberikan contoh penelitian fiktif tentang “Hubungan antara IQ dengan prestasi”. Data fiktif dapat didownload di sini
Uji Normalitas di SPSS
Sebelum menguji hipotesis kita yakni “ada hubungan antara IQ dengan prestasi”, maka kita uji terlebih dahulu normalitas data IQ dan prestasi kita. Ada berbagai cara untuk menguji normalitas di SPSS, seperti dengan melihat histogram dan nilai skewness dan kurtosis serta dengan uji kolmogorov-smirnov. Contoh kali ini kita akan menggunakan uji kolmogorov-smirnov. Uji normalitas dengan kolmogorov-smirnov dilakukan dengan membandingkan distribusi empirik data kita dengan distribusi normal yang diharapkan. Karena merupakan uji beda, maka nilai p yang diharapkan adalah yang tidak signifikan, yakni p>0,05. Hal ini menunjukkan bahwa tidak ada perbedaan antara kedua distribusi itu, yang berarti distribusi data empirik kita adalah normal. Untuk menguji normalitas di SPSS dapat dilakukan dengan cara
1. Klik analyze – descriptive statistics – explore
2. Masukkan variabel IQ dan prestasi ke dependent list
3. Klik plots, lalu centang histogram dan normality plots with tests
4. Klik continue lalu OK
Dari output tersebut dapat kita lihat, variabel IQ memiliki nilai kolmogorov-smirnov sebesar 0,53 dan p=0,200 (p>0,05), dengan demikian tidak ada perbedaan antara distribusi empirik data kita dengan distribusi normal ideal, oleh karena itu distribusi data variabel IQ normal. Sedangkan pada variabel prestasi memiliki nilai kolmogorov-smirnov sebesar 0,105 dan p=0,027 (p<0,05), dengan demikian ada perbedaan antara distribusi empirik data kita dengan distribusi normal ideal, oleh karena itu distribusi data variabel prestasi tidak normal. Lalu bagaimana kita memperlakukan data yang tidak normal kita? Ada beberapa cara yang bisa dilakukan untuk mengatasi data yang tidak normal tersebut.
Membuang outliers
Salah satu alasan mengapa data kita tidak normal adalah adanya outliers. Outliers adalah data yang memiliki skor ekstrem, baik ekstrem tinggi maupun ekstrem rendah. Adanya outliers dapat membuat distribusi skor condong ke kiri atau ke kanan. Beberapa ahli menilai data outliers ini lebih baik kita buang, karena ada kemungkinan subjek mengerjakan dengan asal-asalan, selain itu adanya data outliers juga mengacaukan pengujian statistik. Namun beberapa ahli tetap mendukung bahwa data outliers tetap harus dimasukkan dalam analisis karena memang fakta di lapangan adalah demikian. Dalam kasus ini, kita akan membuang outliers yang dapat mengacaukan data kita, sehingga diperoleh distribusi yang normal.
Untuk melihat data outliers, kita dapat melakukannya di output kita tadi pada bagian Boxplot. Hasil output boxplot data kita dapat dilihat pada gambar di bawah.
Gambar tersebut mengindikasikan data-data mana saja yang terindikasi merupakan data ekstrem atau outliers. Jika data berada di atas kotak, menunjukkan data ekstrem tinggi, sedangkan jika berada di bawah kotak menunjukkan data ekstrem rendah. Semakin jauh dari kotak, semakin ekstrem data tersebut. Dari output di atas kita dapat melihat bahwa subjek nomer 2 terindikasi sebagai outliers. Untuk menghapus data subjek, klik kanan pada nomer subjek, lalu pilih clear.
Jika outliers tersebut telah kita hapus, maka kita uji kembali normalitas data kita dengan kolmogorov-smirnov.
Hasil uji kolmogorov-smirnov yang baru ditunjukkan gambar di bawah.
Hasil uji kolmogov-smirnov yang baru pada variabel prestasi ternyata menghasilkan nilai kolmogorov-smirnov sebesar 0,097 dan p=0,61 (p>0,05). Dengan demikian distribusi data variabel prestasi normal. Begitu juga pada variabel IQ yang memiliki p>0,05, sehingga variabel IQ juga terdistribusi normal. Dengan demikian masalah ketidaknormalan data kita sudah teratasi.
Transformasi Data
Jika beberapa ahli tidak setuju dengan cara menghapus data-data ekstrem, cara lain yang bisa ditempuh adalah dengan transformasi data. Transformasi data dilakukan dengan mengubah data kita dengan formula tertentu tergantung dari bentuk grafik kita. Sebelum melakukan transformasi data, kita harus tahu terlebih dahulu bagaimana bentuk grafik kita. Cara melihat grafik data kita adalah dengan cara
1. Klik analyze – descriptive statistics – frequencies
2. Masukkan variabel prestasi dan pilih menu chart, pilih histogram dan centang show normal curve on histogram.
3. Klik continue dan OK, maka akan diperoleh output seperti berikut.
Grafik tersebut menggambarkan kurve kita condong ke kanan. Beberapa kemungkinan grafik yang akan muncul adalah sebagai berikut.
Sumber gambar: http://i-codee.blogspot.co.id
Panduan transformasi data berdasarkan bentuk grafik dapat dilihat di tabel di bawah.
Bentuk Grafik Histogram
|
Bentuk Transformasi Data
|
Moderate positive skewness
|
SQRT(x)
|
Substansial positive skewness
|
LG10(x)
|
Severe positive skewness
|
1/x
|
Moderate negative skewness
|
SQRT(k-x)
|
Substansial negative skewness
|
LG10(k-x)
|
Severe negative skewness
|
1/(k-x)
|
k = nilai tertinggi dari data mentah x
Jika kita kembali ke data kita dan melihat grafik histogram kita, maka bentuk grafik kita adalah moderate negative skewness, sehingga transformasi data yang kita pakai adalah SQRT(k-x). K adalah nilai tertinggi dari data mentah variabel prestasu, yakni 86. Untuk mentransformasi data, kita dapat melakukan langkah berikut
1. Klik transform – compute variable.
2. Pada kotak target variable, kita ketik nama variabel baru kita, misal trans_prestasi
3. Pada numeric expression, masukkan formula kita yakni SQRT(86-prestasi)
4. klik OK
Kembali lagi ke data kita, maka kita sudah memiliki variabel baru bernama trans_prestasi yang tidak lain adalah transformasi data dari variabel prestasi.
Untuk melihat apakah transformasi data kita berhasil atau tidak, kita uji kembali normalitas data kita dengan kolmogorov smirnov.
Dari hasil uji kolmogorov-smirnov, diperoleh p>0,05, sehingga dapat dikatakan bahwa variabel transformasi prestasi ini terdistribusi secara normal.
Catatan mengenai transformasi data:
· Transformasi data tidak hanya dapat digunakan untuk mengatasi ketidaknormalan data, tapi juga dapat digunakan untuk mengatasi pelanggaran asumsi lainnya, seperti lineraritas dan homogentitas varians pada uji beda. Meskipun umum digunakan, namun penggunaan transformasi data sendiri juga tidak lepas dari pro dan kontra. Beberapa diskusi terkait dapat dilihat di sini
· Jika transformasi data dilakukan, maka data yang ditampilkan dalam laporan kita tetaplah data asli. Namun data yang digunakan untuk uji statistik parametrik menggunakan data transformasi.
· Jika uji statistik dilakukan untuk mengkorelasikan dua atau lebih variabel, maka setiap variabel juga harus ditransformasikan dalam bentuk yang sama. Artinya, dalam contoh di atas, variabel IQ juga harus ditransformasi ke bentuk SQRT(k-IQ).
Mengubah Analisis ke Non-Parametrik
Cara terakhir jika dengan menghapus outliers dan mentransformasi data kita belum berhasil adalah dengan mengubah teknik analisis kita ke analisis non-parametrik. Analisis non-parametrik tidak memerlukan asumsi normalitas seperti yang diperlukan pada analisis parametrik. Meskipun demikian, power test analisis non-parametrik ini tentu lebih lemah jika dibandingkan dengan analisis parametrik. Beberapa teknik analisis pengganti analisis parametrik disajikan dalam tabel di bawah ini.
Analisis Parametrik
|
Analisis Non Parametrik
|
Fungsi
|
Paired sample t-test
|
Uji tanda
Uji Wilcoxon
|
Meneliti perbedaan dalam suatu kelompok
|
Independent sample t-test
|
Uji Mann-Whitney U;
|
Membandingkan dua sample bebas
|
Anava satu jalur
|
Kruskal-Wallis
|
Membandingkan tiga kelompok atau lebih
|
Anava dua jalur
|
Anava dua jalur Friedman
|
Membandingkan tiga kelompok atau lebih dengan menggunakan dua faktor yang berbeda
|
Korelasi Pearson
|
Korelasi peringkat Spearman
|
Mengetahui hubungan korelasi linier antara dua perubah
|
Update!
Sebelum menjudge data kita tidak normal, ada baiknya membaca artikel ini dulu. Cara menguji normalitas yang benar ada di situ.
143 komentar
Write komentarSaya mau tanya,dengan mentransformasi data apakah nilai n ajan berubah?soalnya saya pnya data fgn nilai n=125 sya trnformasi dgn spss dlm bentuk LN nilai n jd berubah 74,mohon pencerahan,trimakasi
ReplySeharusnya transformasi data tidak mengubah jumlah responden
ReplySaya mau tanya, hasil output nya setelah ditransformasi data kog one sample kolmogrov-smirnov test cannot be performed, itu letak kesalahannya dimana ya pak,, terimakasih
ReplyMohon maaf, pertanyaan kurang spesifik, saya belum bisa bantu
ReplyMau tanya, boleh gak kalau kita mentransformasi data sebanyak dua kali atau lebih? Soalnya punya saya banyak angka negatifnya jadi saya kuadratkan lalu saya Ln kan lagi, apakah itu tidak masalah?
ReplyBagaimana jika setelah transformasi data dengan SQRT nilai N berubah dan tidak sama/berbeda apa bisa di perbaiki?
ReplyBapak, saya ingin bertanya. saya memiliki 300 data yang saya ambil menggunakan survei online, setelah uji normalitas,terdapat 20 data outliers, apakah saya dapat menghapus 20 data tersebut atau ada maksimal data yg dihapus? misalnya hanya boleh menghapus 10.. terimakasih..
ReplyApakah datanya ada yang nilainya negatif? Beberapa transformasi tidak bisa dilakukan pada data negatif, termasuk SQRT, hal itu akan menimbulkan missing di data. Coba transformasi lain
ReplySebenarnya tidak ada batas maksimal menghapus, hanya saja kalau sapel terlalu kecil juga tidak baik. Kalau data 300, dihapus 20 masih 280, itu masih cukup baik. Hanya saja saran saya, coba menghapus bertahap, mulai dari yang sangat ekstrem terlebih dahulu
ReplyMau tanya, kalo udah melakukan transform data apa harus diulang lagi uji validitas dan uji reliabel dan analasis data nya? Trimakasih
ReplyTidak perlu. Transformasi hanya untuk uji hipotesisi agar memenuhi asumsi dari analisis
ReplyTeromakasih. Sangat membantu.. Di sini saya ingin meminta buku referensi atau dasar dari outlier boxplot. Terimakasih.
ReplySaya mau tanya, hasil output nya kolmogrov-smirnov bisa tidak ada di tabel ya hanya ada test statistic dan Asymp. Sig (2-tailed)
ReplyReferensi terkait outliers, boxplot, dan scatterplot bisa dilihat di buku Andy Field: Discovering statistics using SPSS. Buku bisa didownload di halaman download
ReplyIya pak data saya ada yg bernilai negatif, bagaimana ya pak solusi nya untuk hal tersebut, selain Sqrt sy harus menggunakan apa agar N valid nya tidak berubah, kalau menggunakan Ln dan Log masih belum normal, trimakasih...
ReplyAssalamjalaikum
ReplySaya menggunakan analis. Reg sederhana dengan 3 var Y dan 1 X. Data x tidak terdistribusi normal dan sudah di transformasi. Uji autokorelasi sya pun harua menggunakan cochrane orcutt. Untuk selanjutnya uji t, F, dan regresi sederhana data mana yg harua saya gunakan? Dari transformasi uji normal atau uji cochrane orcutt. Terimakasih
mau nanya, kan kalo misal data berdistribusi normal maka memakai nilai Mean.
Replynah kalo data yg tdk berdistribusi normal itu pake apa ya ? makasih
Mau tanya, nilai yang dilihat pada kolom kolmogrov smirnov jika data terdistribusi normal yang mana ya, nilai sig atau nilai statistic?
ReplyKak saya mau bertanya, apakag analisis regresi logistik merupakan analisis unutk data nonparametrik?
Replyjika boleh selain itu apa saja ya kak untuk uji regresi nonparametrik?
Untuk melihat normal atau tidaknya kalau di SPSS langsung lihat sig nya saja. Data normal kalau sig nya > 0,05
ReplyRegresi logistik itu untuk memprediksi variabel terikat yang berskala dikotomi (misal: Ya dan Tidak). Regresi nonparametrik salah satuny adalah dengan Kernel Regression yang bisa dianalisis dengan software R
ReplyKak mau bertanya,data saya ada 40 setelah saya uji normalitas ternyata di KS tidak normal, signya 0.000. Lalu saya transformasi data tsb ke Ln dan data N saya berubah jadi 33 dan data KS normal dengan sig 0.200, apakah tidak apa2 kalau saya menggunakan data yg sudah di transformasi yg penting data tersebut masih lebih dari 30? Tlg di jawab ya kak, terima kasih..
ReplyHalo, saya mau bertanya. Apabila data sudah ditransformasi utk uji normalitas, data untuk homogenitas dll tetap menggunakan data asli atau data transformasi?
ReplyApakah datanya ada yang nilainya negatif? Beberapa transformasi tidak bisa dilakukan pada data negatif, termasuk LN, hal itu akan menimbulkan missing di data. Coba transformasi lain kalau memungkinkan, atau ubah ke bentuk T-score agar menghasilkan nilai yang positif
Replypada data transformasi
ReplyAssalamualaikum mas saya mau tanya... saya kan mneliti data di Bursa efek dg 33 lap keuangan dg waktu 3th jdi data saya kan ada 99, stelah saya uji normalitas nilai KS tdak terdistribusi dengan normal. Lalu apa boleh saya ambil nilai rata2 dr 99 data menjadi 33 data setelah itu saya mentransformasikan ke LN... Mohon pencerahannya. Terimakasih
ReplyTergantung tujuan penelitiannya. Kalau memang itu dirasa tidak menyimpang dari tujuan silakan. Tapi saran saya, mungkin justru bisa dipakai saja 1/2 tahun yang datanya bisa dianalisis. Atau coba lakukan langkah-langkah di atas utk menormalkan data. Alternatif terakhir, gunakan statistik non-parametrik
ReplyMaaf saya kurang paham dengan pertanyaannya. Tapi baik itu normal atau tidak, lebih baik gunakan skor mentah, baru kemudian bisa ditransformasikan dll kalau diperlukan
ReplyPak saya mau tanya saya ini ada 4variabel salah satu variabel saya adalah variabel dummy . Data saya sekunder . Gak normal2 pak data saya udah saya pake segala cara atau saya ada yg salah ya? Tolong pak pencerahan nya pak
Replytes
ReplySalam.
ReplyMohon maaf pak saya ingin bertanya. Di bagian Catatan Mengenai Transformasi Data, disebutkan bahwa jika salahsatu variabel dilakukan transform dengan, misal SQRT, maka variabel yang lainnya uga harus dilakukan transform SQRT. Yang ingin saya tanyakan, jika grafik histogram yang ditunjukkan dari setiap variabel berbeda, apakah trnasformasi yang dilakukan tetap sama ya Pak?
Mohon arahannya. Terima kasih
iya, tetap harus dengan transformasi yg sama
ReplyPak saya mau tanya..data saya ada yg negatif setelah saya lakukan transformasi data, data yg negatif itu hilang sendiri,,bagaimana caranya mengubah data yg negatif menjadi positif seperti yg bapak bilang diatas dalam bentuk T-score?
Replyhttps://www.semestapsikometrika.com/2017/09/mengubah-skor-ke-bentuk-skor-standar-di.html
ReplyMohon maaf, apa ada jurnal atau buku terkait pembahasan ini pak... Mohon informasi nya pak, terimakasih
ReplyPembahasan ini disarikan dari berbagai sumber, tapi saya banyak mengacu pada buku Andy Field, Discovering Statistics Using SPSS. Ebook nya bisa didownload di halaman download
ReplyKA mau tanya tp banyak hehe boleh minta email nya gak?
ReplyBerarti walaupun berbeda hasil Skewness nya (ada yang positive skewness dan ada yang negative skewness) tetap harus di transform dengan calculation transform yang sama ya pak?
ReplyDan ada lagi yang ingin saya tanyakan Pak. Jika dari keseluruhan variabel independen, hanya 1 variabel independen saja yang saya transform, apakah boleh ya Pak?
Terima kasih
Tidak, sekali anda melakukan transform, seluruh variabel lain yang dikorelasikan juga harus ditransform dengan transformasi yang sama
ReplyOh begitu, baik Pak.
ReplyMaaf pak ada 1 lagi pertanyaan, tapi agak sedikit keluar dari materi yang bapak sampaikan di laman ini, namun saya mohon bantuan pencerahannya pak. Ini tentang Outlier pak
Saya sedang meneliti menggunakan analisis regresi logistik, pada 60 bank dalam waktu 7 tahun dengan 7 variabel. Namun ada di salahsatu uji yang tidak lolos, yaitu Hosmer and Lemeshow Test. Saya mencoba mencari nilai Zscore nya untuk mengetahui apakah ada outlier, ternyata ada. Yang ingin saya tanyakan, dari data outlier tersebut, jika yang terkena outlier adalah pada Bank A pada tahun 2011, namun pada tahun 2012 Bank A tidak terkena outlier, apakah saya harus menghapus keseluruhan data dari Bank A (dari 2011 hingga 2017) atau hanya menghapus di tahun dimana Bank A terkena outlier (hanya di 2011)?
Mohon pencerahannya Pak. Terima kasih banyak.
Ada yang bisa bantu, bagaimana bila sampel yang di gunakan itu 3 sampel. Sedangkan untuk uji non parametric sendiri biasanya ada 2 sampel saja. Pakai apa yah uji normalitas non parametric tapi dg 3 sampel?
ReplyAssalamualaikum, pak izin bertanya apa penyebabnya saat menguji dg Uji Mann Whitney " Mann Whytney Test cannot be performed on empty groups". Pdhl skala variabel sudah numerik . Terimkasih
ReplyHapus outliersnya saja
Replyassalamualaikum
Replysaya mau bertanya.. penelitian sy ada 3 variabel x dan 1 variabel y
dua variabel tidak normal
setelah saya transform dgn cara Log(sesuai variabel),, hasil menunjukan yang 1 variabel mau normal tetapi yang satu tudak mau normal
mohon pencerahannya pak
boleh jawabannya dikirim via email [email protected]
terimakasih atas waktunya pak
Pak, sy mau tanya. Kalau data nya setelah di coba dengan ln dan outlier masih tidak normal ada cara yg lain tidak?
Replyhalo kak, saya mau tanya ini sumber nya darimana ya? atau ada buku atau jurnal untuk referensi?? Terima kasihh
ReplyMohon bantuannya gan, ane sudah transformasi data SQRT tapi kok masih ga normal aja ya?
ReplyAda di buku Imam Ghozali
Replycoba dengan transormasi yang lain. Jika masih belum berhasil, coba cara yang saya jelaskan di artikel ini. Kalau tetep belum bisa, gunakan statistik non-parametrik
Replyka, saya mau tanya. Min pengambilan sampel saya adalah 400 responden. dan saat ini saya dapat 412 responden, dan hasilnya tidak normal nilai p mendekati signifikansi 0.000c, lalu saya membuang outlier hingga 5 kali akhirnya saya dapat nilai normal, namun sampel saya menjadi 374. Apakah data ini bisa saya pakai? atau saya harus tetap mencapai 400 responden?
Replyterimakasih banyak, sangat membantu, semoga ilmunya terus bermanfaat untuk orang lain dan Allah balas dengan banyak kebaika.
Replysama-sama
Replybisa pakai 374
ReplyPak kalau grafik nya condong nya tengah", jadi ga ke kiri ga ke kanan dia tengah" pake ketentuan yg mana ya? Di atas ga ada yg tengah. Data saya soalnya ga normal tapi grafiknya condong di tengah"
ReplyPak kalau datanya ada yang negatif pakai tranformasi yang mana ya?
Replypak, maaf transformasi yang bisa digunakan untuk variabel yang mengandung data bernilai negatif yang mana ya? terimakasih atas responnya
ReplyTransformasi sebaiknya disesuaikan dgn bentuk kurvanya, menceng kemana. Kalau ada data yg negatif bisa dibuat positif dulu dgn diubah ke bentuk T-score atau skor terstandar lainnya
ReplyTransformasi sebaiknya disesuaikan dgn bentuk kurvanya, menceng kemana. Kalau ada data yg negatif bisa dibuat positif dulu dgn diubah ke bentuk T-score atau skor terstandar lainnya
Replykaa.. maaf mau bertanya.. apabila data ternyata yang kita dapat berdistribusi tidak normal sudah kita coba ubah ubah tetapi hasilnya tetap data yang tidak berdistribusi dengan normal, apakah bisa tetap di pakai ka?
ReplyKaa.. maaf mau tanya.. jika data yang kita peroleh awalnya berdistribusi tidak normal dan setelah di perbaiki pun tetap berdistribusi tidak normal apakah tetap bisa di lanjutkan pengolahan datanya ka?
ReplyDan jika jawabannya boleh.. berarti jika melanjutkan pengolahan data yang tidak berdistribusi normal ini menggunakan jenis nonparametrik?
Itukan pakai sqrt transformasinya,apakah untuk variabel lainnya menggunakan sqrt juga atau hrs melihat bntk grafik dlu untuk mentransformasinya?
Replytukan pakai sqrt transformasinya,apakah untuk variabel lainnya menggunakan sqrt juga atau hrs melihat bntk grafik dlu untuk mentransformasinya?
Replysqrt juga
Replypak ini ada sumber literaturnya? kalo ada boleh minta sumbernya? terima kasih. artikel yang bagus dan sangat membantu..
ReplyHalo saya mau tanya kan saya sudah transform data lalu untuk analisis regressionnya pakai data me tah apa yg detelah d transform ya?
ReplyPak, saya mau nanya. Data saya merupakan data sekunder yang di peroleh dari laporan keuangan dengam mendownload di Bursa Efek Indonesia. Adapun jumlah sampel saya (n) sebanyak 84. Nah ketika saya melakukam uji asumsi klasik salah satunya di uji normalitas. Uji normalitas itu dasar keputusannya ada 2 yaitu uji grafik dam statistik. Permasalahan disaat saya mengolah data itu ketika saya melakukan uji normalitas dengan uji statistik, dimana uji KS tidak terdistribusi dengan normal. Ketika saya LN kan malah makin ga bagus. Itu menurut bapak gimana ya ? Terimakasih. Mohon di jawab yaaπ
ReplyPak saya mau nanya..apakah transformasi data hanya berlaku untuk kolmogorov pak? Bagaimana dengan shapiro wilk pak jika datanya tidak normal dan mau dinormalkan untuk shapiro wilk pakai apa pak? Mohon penerangannya pak.terima kasih.
ReplyKak mau tanya. Saya menggunakan ujì normalitas menggunakan Kolmogrof sminorv. Jika kelanjutan teori, jika distribusi tabel tersebut tidak normal menggunakan uji apa ?
ReplyTerima kasih
Maaf ka
ReplySaya menguji data saya
Item pertanyaannya 10,8,4,3
Namun data tidak berdistribusi normal. Masalahnya dimana ya ka ?
Sebenarnya tidak ada batas maksimal menghapus, hanya saja kalau sapel terlalu kecil juga tidak baik. Kalau data 300, dihapus 20 masih 280, itu masih cukup baik. Hanya saja saran saya, coba menghapus bertahap, mulai dari yang sangat ekstrem terlebih dahulu
Replypak jika data SAYA memiliki kASUS SEPERTI PERTANYAAN DIATAS . KEMUDIAN JIKA DATA SAYA TIDAK NORMAL BAGAIMANA MELANJUTKAN KE TAHAP SELANJUTNYA. UNTUK JAWABANNYA TERIMA KASIH PAK.
Mau nanya kan katanya K = nilai tertinggi data mentah (25) terus kenapa waktu di masukin ke rumus jadi (86-prestasi) bukan (25-prestasi)? Mohon penjelasannya
ReplyGan saya kan udah transformasi data nih dengan berbagai pilihan, tapi masih belum normal juga. Saya pernah denger misal pake transformasi log10 bisa dicoba juga ditambahkan dengan angka dibelakangnya, contoh LG10(DATA + 1), atau LG10(DATA + 2), dst... sampai didapatkan data normal. betul gak?
ReplyPertanyaan kedua, kalau data sudah ditransformasi dan masih tidak normal apakah boleh dihilangkan outlier pada data yang sudah ditransformasi tsb? Soalnya kalo menghilangkan outlier pada data asli hasilnya tetap tidak normal.
Kak saya mau tanya, kalo uji validitas dan reliabilitas apakah datanya harus di tranaformasikan dulu atau tidak usah pun gapapa?
ReplyTeimakasih
Selamat pagi. Ketiga pilihan yang disampaikan, yaitu membuang outlier, transformasi, dan mengubah analisis tsb sifatnya berurutan atau kita bisa langsung memilih salah satu? Contohnya: karena kesulitan mentransformasi data maka cara yang dipilih adalah mengganti model analisis. Terima kasih, sukses selalu :)
Replykak sy mw tanya 86 itu dpt darimana. soalx saya liat kembali ke data view variabel prestasi g ad datax yg 86. terimakasih bnyk. smg dijawab
ReplyHai kak dini. Permasalahan kita sama. Jadi gimana dgn kolmogorov tdk ada kak. Saya jg tidak ada kolmogrov nya malah test statistic katanya
ReplyMaaf pak mau nanya,buku yang membahas tentang cara menormalkan data ini apa ya pak???
Replydi data spss, N nya 484 tp pas di regres, N nya ko jadi 480 ya?
ReplyMaaf pak mau tanya kalo menggunakan uji outlier menjadi normal tp terjadi multikolinearitas bagaimana ya pak?
ReplyKaya mana cara mengatasi analisis regresi linier berganda yang hasil nya sig nya itu lebih besar dari hasil f dan.. Nilai x1 x2 ny itu lebih kecil dari nilai eror nya.. Dan hasil nya pun negatif..??
Replymohon maaf pak, saya mau bertanya data saya tentang laporan keuangan yang bernilai negatif. dan tidak terdistribusi normal. kalau mau transform data pakaai transform data jenis apa yah pak ?
ReplySelamat malam pak.
ReplySaya mau tanya kalau hasil pada unstandardized coeficien kolom B negatif. Cara untuk biar positif gimana ya pak.
selamat malam pak mau bertanya nilai K dari mana ya pak,terima kasih
ReplyOlah Data Semarang
ReplyJasa Olah Data SPSS, AMOS, LISREL, Frontier 4.1
EVIEWS, SMARTPLS, STATA, DEAP 2.1, DLL
Contact Person WhatsApp
Klik Link Dibawah
Contact Person WhatsApp +6285227746673
saya ingin menegtahui referensi yang digunakan dari yang tertera diatas tentang "Transformasi data tidak hanya dapat digunakan untuk mengatasi ketidaknormalan data, tapi juga dapat digunakan untuk mengatasi pelanggaran asumsi lainnya, seperti lineraritas dan homogentitas varians pada uji beda." sekiranya bisa dilampirkan referensinya terimakasih.
ReplyMohon maaf saya mau bertanya, saya kan baru belajar mengenai spss dan data yg saya masukkan tidak normal, kemudian apa yang harus di ganti biar normal, karena data yang saya gunakan sudah sesuai dengan data asli. Mohon bantuannya
ReplyMohon maaf pak saya mau bertanya, data saya tidak normal mengenai zscore, yang digunakan untuk uji regresi itu variable yg telah di transform ke zscore atau bukan ya pak? Terimakasih
ReplyAssalamualailum, maaf pa saya mau nanya. Saya kan udah di transform terus di LN tetep hasilnya ada yg kosong di sqrt juga tetep aja. Itu gimana ya pa solusinya?
ReplySama ini pa, udah saya coba outlier datanya dibuang2in pas saya uji lagi itu tetep aja hasilnya tidak normal masih 0,00 kalo kaya gitu kenapa ya pa? Butuh banget informasinya terimakasih
ReplyAssalamualailum, maaf pa saya mau nanya. Saya kan udah di transform terus di LN tetep hasilnya ada yg kosong di sqrt juga tetep aja. Itu gimana ya pa solusinya?
ReplyOh iya pa, saya juga udah coba outlier data yg dihapus hapusin itu kan nanti sampel nya berkurang. Pas saya uji lagi malah tetep masih gak normal kenapa ya pa itu? Mohon pencerahannya dan informasinya pa terimakasih
Saya mau tanya, cara dapat nilai K pada saat ingin normalisasi moderate negative skewness gimana ya? lihat nilai K nya dimana, trims
ReplyPak maaf mau nanya, jika data sudah di transformasi dan datanya sudah berdistribusi normal, untuk melanjutkan uji korelasi dan regresi menggunakan data asli atau yang sudah di transformasi ya pak? Terima kasih
ReplySaya mau tanya pak, kalau untuk transformasi data apa bolrh menggunakan sqrt(X+1) dan kalau boleh buku mana yang bisa mendukung ini pak? Terimakasih
ReplySaya mau Tanya pak, kalo ada data yg nilai nya 0 apa bisa di sqrt? Atau harus pakai Ln?
ReplySelamat pagi, saya mau bertanya setelah data diotlier kan data dihapus. untuk uji selanjutnya apa tetap menggunakan data asli atau data yang sudah dihapus (karena outlier) tersebut?
Replyterima kasih :)
Mbak mau bertanya saya juga sama kyak mbak bnyk angka negatif.. bagaimana solusinya mbak apakah boleh seperti itu
ReplyUntuk sumber bukunya apa ya pak?
ReplyMau tanyak,kalok uji normalitas kolmogorov nilai sig 0.001 tapi di shapiro wilk nilai sig 0.104 itu dikatakan terdistribusi normal atau nggak ya pak?
ReplySudahkah nemu solusi ? Saya juga ngalami hal sama kak . Butuh pencerahan
Replypak saya mau nanya, kalo hasil uji normalitas kolmogorov saya ngepas 0,050 apakah masih dikatakan normal pak?
ReplySalam pak, mau tanya hasil sig tailed saya selalu 0,000 . Sy sdh mencari cara dgn transormasi dan hapus data ekstrem namun sig nya tdk berubah . Itu bagaimana ya pak cara mengatasi nya? Terima kasih pak
ReplyKak saya mau bertanya, saya sudah mencoba mentransformasikan data yang tidak berdistribusi normal. Nah solusi terakhir kan mengubah menjadi uji non parametrik. Awalnya saya pakai uji pearson, berarti kalau saya pakai non parametrik, saya pakai uji rank sprarman. Nah pertanyaan saya, apakah boleh data mentahnya (berupa angka) langsung diuji rank spearman? Atau harus dikategorikan dulu datanya? Terimakasih.
ReplyJika transformasi data dilakukan, maka data yang ditampilkan dalam laporan kita tetaplah data asli. Namun data yang digunakan untuk uji statistik parametrik menggunakan data transformasi
ReplyJika transformasi data dilakukan, maka data yang ditampilkan dalam laporan kita tetaplah data asli. Namun data yang digunakan untuk uji statistik parametrik menggunakan data transformasi
ReplyAssalamualaikum Pak, Pak saya mau bertanya. Untuk keseluruhan data variabel dependen dan independen saya tidak bisa ditransformasikan memakai transformasi yang sama, baik sqrt, ln, log, dll. Bagaimana cara saya memperbaiki normalitas datanya Pak, terima kasih
ReplyThank you very much for seeing λ°€μλ° information.
ReplyThank you very much for seeing λ°€μλ° information.
Saya mau Tanya. Jika ketiga unsur diatas juga tidak terpenuhi maka diambil tahapan remedy, nah bagaimana proses tahapan remedy tersebut pak?
ReplyKak menyambung pertanyaan ini, setelah di logaritma natural dah diuji normalitas data saya berkurang,nah data yang hilang apakah bisa dicari? Kalo bise dengan cara apa? Mohon dijawab terima kasih
ReplySaran saya tidak usah ditransformasi, transformasi tidak selalu cocok untuk semua data. Jika sampel banyak, gunakan metode visual saja untuk melihat normalitas. Jika sendikit dan memang tidak normal, gunakan statistik non-parametrik
ReplyMaaf saya tidak paham dengan istilah remedy, masih terdengar asing bagi saya. Mungkin maksudnya ambil data ulang atau menambah data gitu ya? Tapi saran saya, jangan buru-buru menghakimi data tidak normal. Cek dengan metode lain, misal visual. Lihat tulisan saya di sini https://www.semestapsikometrika.com/2019/06/catatan-mengenai-uji-normalitas-jangan.html
ReplyMalam pak, saya mau tanya, apakah outlier dapat dilakukan 2 kali? saya mencoba cara outlier pertama gagal,lalu mencoba outlier ke 2 berhasil, namun pada uji Multikolinearitas, salah satu X saya di-exclude. apakah itu normal?
ReplyLalu pada transformasi data, saya meneliti pengaruh capital structure terhadap kinerja perusahaan(ROA), dilihat dari hasil uji normalitas data individu X1-X5 setelah ditranform, dapat lulus uji normalitas, tapi pada data Y(ROA), hasilnya selalu 0.000(kurang dari 0,05) walaupun sudah di tranform, sehingga setelah datanya di regresi dan di uji normalitas keseluruhan hasilnya selalu 0,000. apakah ada solusinya?
Malam pak, saya mau bertanya perihal catatan transformasi data. Variabel dependen saya numerik yg tidak berdistribusi normal dan akan saya transformasi datanya. Sedangkan, variabel independen saya berupa data numerik yg akan dikategorikan (data kategorik).
ReplyBerdasarkan catatan diatas adalah "untuk uji statistik dua variabel atau lebih, harus ditransformasi kan datanya dengan transformasi serupa". Pertanyaan saya, apakah perlu ditransformasi serupa variabel independen saya walaupun nantinya akan dikategorikan?
maf pak boleh sya tanyaa data sya sudah ditransformasikan tapi data N yah masih sma apakah jadi masalah atau tidak
ReplyJB Test (Jarque Bera Test) Normality Test With STATA 16
ReplyJarque–Bera test is a goodness-of-fit test of whether sample data
have the skewness and kurtosis matching a normal distribution
Who Needs to Click the Link Below
https://bit.ly/TesJB
Mengatasi Data Tidak Normal Dengan Central Limit Theorem (CLT)
ReplyApabila 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
Pak data saya tifak normal meskpun d uji berulang kali saya sudah mnggunakan cara mnggunakan sqrt dan cara uji normalitas tpi msih tetep tidak normal , bagamaina ya pak cra mengatasinya
ReplySebenarnya tidak semua analisis memerlukan uji normalitas data mentah. Misal kalau analisis regresi, yang diuji normalitas adalah residunya. Beberapa pendapat mengatakan kalau sampel besar (misal > 100) uji normalitas tidak perlu dilakukan. Tapi kalau memang sampel kecil dan memang asumsi tidak terpenuhi, lebih baik pakai analisis lain (dengan non parametrik)
Replyhalo pak saya ingin tanya. data saya tidak berdistribusi normal. dan saya melakukan transform. apakah smua variabel nya harus ditransform atau bisa hanya beberepa variabel dgn cara lihat histogram yg tidak ditengah? terimakasih pak
ReplyIya betul, jika satu variabel ditransform maka variabel yang lain juga harus ditransform dengan tranformasi yang sama
ReplyHalo pak saya ingin bertanya.. Jika salah satu variabel mencong ke kanan dan variabel lainnya mencong kekiri apakah di harus ditransform sesuai grafik atau sama semua ya ? Dan jika harus sama semua harus memakai yg mencong ke kiri (sqrt) atau ke kanan (sqrt (k-x)) ?
ReplyTransformasi harus dilakukan sama pada kedua variabel
ReplyHallo pak, mau tanya.
ReplyData saya kan positif nih ya pak. Tapi pas saya mau transform ke LN hasilnya malah negatif. Apa itu bermasalah pak kalo hasil LN nya negatif?
Kak mau tanya,
ReplySaya mau melakukan uji normalitas dari sampel yg terdiri dari 29 orang, dengan membandingkan nilai pretest dan posttest.
Tetapi, data saya jika melakukan uji normalitas parametrik malah tidak normal pada bagian posttestnya, begitu jgn melakukan uji homogen menjadi tidak homegen.
Sudah mencoba melakukan LN dan log masih tidak berhasil utk menormalkan. Tidak bisa melakukan outlier karena sampel dkit.
Jadi gimana ya kak solusinya?
Pak saya mau bertanya , apa yang dilakukan jika eror / galat nya tidak terdistribusi normal ?
ReplyPak saya mau tanya, apabila kita menggunakan transform dalm uji normalitas apakah uji selanjutnya menggunakan data transform juga? Atau tidak menggunakan hasil data transform
ReplyBagaimana jika uji normalitas tidak lolos?
ReplyKak mau tanya untuk variabel mediasi langkah langkahnya bagaimana ya?
ReplyIzin bertanya, saya memiliki 4 variabel x dengan angka kecil (1-5) sedangkan variabel y angkanya besar (200-500), ketika melakukan uji normalitas selalu tidak lolos, kemudian saya mentransformasi variabel y dengan menggunakan Ln dan hasilnya lolos uji normalitas. Yang ingin saya tanyakan, apakah boleh hanya mentransformasi variabel y saja? Karena jika saya mentransformasi semua variabel hasilnya tidak normal, terima kasih π
ReplyPak mau bertanya, apakah boleh data yg sudah di outlier 135 menjadi 98 lalu yg 98 di transform? Soale nya hanya saya outlier saja tidak normal, hanya transform juga tidak normal, terimakasih
ReplyVery informative post ! There is a lot of information here that can help any business get started with a successful social networking campaign λ¨Ήνμ¬μ΄νΈ
Replyμ±κ³΅! μ΄ μ£Όμ μ λν΄ μ°λ¦¬κ° λ§λ κ°μ₯ μ μ©ν λΈλ‘κ·Έ μ€ νλ μΌ μ μμ΅λλ€. νλ₯ν μ 보! μ λ λνμ΄ μ£Όμ μ μ λ¬Έκ°μ΄λ―λ‘ κ·νμ λ Έλ ₯μ μ μ΄ν΄ν μ μμ΅λλ€. ν° λμμ μ£Όμ μ κ°μ¬ν©λλ€. λ¨Ήνκ²μ¦
ReplyI found so many interesting stuff in your blog especially its discussion. From the tons of comments on your articles, I guess I am not the only one having all the enjoyment here! keep up the good work. λ¨Ήνν΄λ¦¬μ€
Replymas Hanif, mohon dishare sumber dari Buku/jurnal cara2 transformasi seperti itu dong
ReplyEmoticonEmoticon