Data Screening dan Transformasi Data

·         Screening terhadap normalitas data merupakan langkah awal yang harus dilakukan untuk setiap analis multivariate, khususnya jika tujuannya inferensi. Perbedaan antara nilai prediksi dengan skore yang sesengguhnya atau error akan terdistribusi secara simetris di sekitar nilai means sama dengan nol. Jadi salah satu cara mendeteksi normalitas ialah lewat pengamatan nilai residual.

·         Secara stastic ada dua komponen normalistas yaitu skewness dan kurtosis. Skewness berhubungan dengan simetri distribusi. Skewness variabel(variabel menceng) ialah variabel yang nilai meannya tidak di tengah-tengah distribusi. Jika variabel terdistribusi secara normal maka nilai skewness dan kurtosis sama dengan nol.

·         Uji signifikan skewness dan kurtosis dengan cara sebagai berikut:

Zskew =  dan Zkurt =

Dimana:

S = nilai skewness

N = jumlah kasus

K = nilai kurtosis

            Nilai z ini kita bandingkan dengan nilai kritisnya yaitu untuk alpha 0.01 nilai kritisnya ± 1.96.

·         Langkah Analisis

a.       Buka file crossec 1.sav dengan perintah file, open, data

b.      Dari menu utama SPSS, pilih anayzed, pilih descriptive statistic, kemudian descriptive

c.       Tampil di layar windows descriptive

d.      Isikan variabel yang akan di uji normalitasnya yaitu EARNS dan WEALTH

e.       Pilih option dan isikan statistic yang akan di gunakan dalam hal ini skewness dan kurtosis

f.        Tekan continu dan ok

g.      Hasil output SPSS

	N	Skewness		Kurtosis
	statitic	statistic	Std.Error	Statistic	Std. Error
EARNS WEALTH Valid N(listwise)	100 100 100	2.590 3.030	241 241	8.423 11.551	478 478

·         Hitung nilai Zskew dan Zkurt dengan rumus di atas dan bandingkan dengan nilai kritisnya.

Zskew(EARNS) =  = 10.575 dan Zkurt(EARNS) =  = 17.192

Zskew(WEALTH) =  = 12.372 dan Zkurt(WEALTH) =  = 23.578

·         Hasil perhitungan nilai z baik untuk variabel EARNS maupun WEALTH menghasilkan nilai yang jauh di atas nilai kritisnya +- 2.58(signifikan 0.01). jadi dapat disimpulkan bahwa kedua variabel ini terdistribusi secara normal.

·         Uji Statistik Kolmogorov-Smirnow

Caranya ialah menentukan terlebih dahulu hipotesis pengujian yaitu:

H₀ = data terdistribusi secara normal

H₁ = data tidak terdistribusi secara normal

Langkah Analisis:

a.       Buka file crossec 1.sav dengan perintah file, open, data

b.      Dari menu SPSS, pilih menu analyzed, lalu pilih nonparametric test, kemudian pilih submenu 1-sample K-S

c.       Tampak dilayar tampilan windows one-sample Kolmogorov-Smirnov test

d.      Isikan variabel EARNS dan WEALTH ke dlam kotak test variabel list, kemudian pilih normal pada test distribustion.

e.       Lalu pilih ok

f.        Hasil output SPSS

·         Uji Normalitas dengan Grafik

            Berikut ini cara menampilkan grafik histogram untuk variabel EARNS dan WEALTH.

Langkah Analisis

a.       Buka file dengan perintah file, open, data

b.      Dari menu utama SPSS, pilih menu Graph, kemudian pilih legacy dialogs dan histogram

c.       Tampak dilayar tampilan windows histogram

d.      Isikan variabel EARNS dan WEALTH dan pilih display normal curve

e.       Setelah itu pilih ok

f.        Hasil output SPSS.

·         Transformasi data merupakan suatu proses untuk merubah bentuk data sehingga data siap untuk dianalisis.

·         Cara yang dapat dilakukan untuk merubah bentuk data namun yang paling sering digunakan antara lain adalah RECODE dan COMPUTE.

·         Perubahan bentuk data lainnya adalah penggunaan fungsi matematik dan algoritma.

·         Beberapa rumusan dalam SPSS(Agusyana dan Islandscript, 2011, p154-155):

1.      Transformasi pangkat = (data)^2

2.      Transformasi akar = sqrt(data)

3.      Transformasi logaritma = 10 log (data)

4.      Transformasi 1/akar = 1/sqrt(data)

5.      Transformasi 1/data = 1/(data)

·         Langkah Analisis (Compute Variabel)

a.       Buka file dengan perintah file, open, data

b.      Dari menu SPSS, pilih menu transform kemudian submenu compute

c.       Tampak dilayar tampilan windows compute variabel

d.      Pada target variabel isikan nama baru variabelhasil transformasi dalam hal ini diberi nama SQEARNS (maksimun 8 karakter)

e.       Pada function group all dan pada functions spesial variabel pilih SQRT dan masukkan ke kotak numeric expresion dengan panah

f.        Pada type dan label pilih variabel EARNS yang akan di transformasi

g.      Lakukan hal yang sama untuk WEALTH

h.      Pilih ok

i.        Pada SPPS data editor akan tampak variabel baru SQEARNS dan SQWEALTH

j.        Output SPSS.

·         Outlier adalah kasus atau data yang mewakili karakter unik yang terkihat sangat berbeda jauh dari observasi-observasi lainnya. Dan muncul dalam bentuk nilai ekstrim baik untuk sebuah variabel tunggal atau variabel kombinasi.

·         Ada 4 penyebab timbulnya data outlier:

a.       Kesalahan dalam mengentry data

b.      Gagal menspesifikasi adanya missiong value dalam program computer

c.       Outlier bukan merupakan merupakan anggota populasi yang kita ambil sebagai sampel

d.      Outlier berasal dari anggota populasi yang kita ambil, tetapi distribusi dari variabel dalam populasi tersebut memiliki nilai ekstem dan tidak terdistribusi secara normal.

·         Data yang akan kita deteksi outliernya ialah data yang sudah kita screening normalitasnya. Jadi dalam hal ini ialah variabel SQEARNS dan SQWEALTH.

·         Berikut cara mendeteksi outlier.

Langkah Analisis.

a.       Dari menu utama SPSS, pilih anayzed, lalu descriptive statistic, dan kemudian descriptive

b.      Tampil di layar tampilan windows descriptive

c.       Isikan variabel yang akan di analisis yaitu SQEARNS dan SQWEALTH, kemudian pilih (tikmark) save stardardized value as variabel

d.      Kemudian ok

e.       Output SPSS