Normalitas

Uji normalitas pada suatu data penelitian kita merupakan salah satu jenis uji statistik. Pengujian normalitas data ini berfungsi untuk mengetahui apakah data yang telah dikumpulkan merupakan data normal atau bukan. Pengujian normalitas ini akan mengarahkan teknik statistik yang akan digunakan untuk uji pengambilan keputusan atau statistik inferensi.

Dalam pengolahan data SPSS terdapat beberapa cara mengolah data yakni:

1. Melihat hasil nilai skewness kurtosis yang didapatkan dari analisa statistik deskriptif.

Dengan membandingkan nilai antara Statistik Skewness dibagi dengan Std Error Skewness atau nilai dari Statistik Kurtosis dibagi dengan Std Error Kurtosis.

Bilamana skor berada antara -2 dan 2 maka distribusi data normal.

Contoh : (contoh soal statistik deskriptif pada bab 2)

Skewness  = -0.607

Std Error Skewness  = 0.687

Kurtosis = -1.318

Std Error Kurtosis = 1.334

Maka dapat kita hitung nilai rationya

Nilai ratio skewness/std error skewness = -0.607/0.687  = -0.883 > -2

Nilai ratio Kurtosis/std error kurtosis  = -1.318/1.334   = -0.988 > -2

Sehingga kita dapat simpulkan bahwa distribusi data tersebut normal.

2. Kolmogorov-smirnov dan Shaphiro-Wilk

Langkah-langkahnya sebagai berikut:

• Buka program SPSS
• Buka data yang akan diuji normalitasnya
• Klik Analyze> Descriptive Statistics > Explore, kemudian akan muncul kotak dialog seperti di bawah ini.

• Kemudian pilih variabel yang akan diuji kenormalannya, dan pindahkan ke kotak Dependent List. Dengan cara klik tanda panah yang terdapat diantara kedua kotak tersebut.
• Klik Plot maka akan muncul kotak dialog baru yakni Explore-Plots.
• Beri tanda centang (v) pada kotak Normality Plots With Tests.

Tampilan Kotak Dialog Explore-Plot

• Klik Contine dan klik OK. Maka secara otomatis akan muncul output dari analisa yang telah dilakukan.
• Output

Uji Normalitas

Tabel Output Uji Normalitas

• Membaca Output Statistik dari Tes Normalitas

1. Dari tabel output uji normalitas tersebut di atas dapat kita ketahui  bahwa K-S Z = 0.126 dengan p = 0.111. Tingkat signifikan (? = 5%) maka p > 0.05. Sehingga data tersebut dapat dikatakan sebagai data dengan distribusi normal.
2. Untuk membaca output dari Shapiro-Wilk tidak berbeda dengan cara membaca data dari output K-S (Kolmogorov-Smirnov).

3. Kolmogorov-smirnov untuk 1-sample K-S

One sampel test merupakan teknik analisis yang untuk membandingkan satu variable bebas. Teknik analisis jenis ini berfungsi untuk menguji apakah nilai tertentu berbeda secara signifikan atau tidak dengan rata-rata sebuah sample.

Contoh kasus:

Peneliti ingin mengetahui data hasil ulangan siswa pada salah satu mata pelajaran apakah berdistribusi normal atau tidak.

Data Statistik Normalitas

Tabel hasil ulangan siswa

Langkah-langkah pengerjaannya sebagai berikut:

• Buka program SPSS
• Buat variabel Skor pada Sheet Variable View.
• Kembali ke sheet Data View.
• Masukkan data dari tabel hasil ulangan siswa ke dalam data view.
• Klik Analyze > Non Parametric Tests > 1-Sample K-S. Maka secara otomatis akan muncul kotak dialog One-Sample Kolmogorov-Smirnov Tests
• Pindahkan variabel “Skor†ke dalam kotak Test Variable List. Dengan cara mengklik tanda panah yang terdapat di antara kedua kotak tersebut.

Tampilan Kotak Dialog One-Sample Kolmogorov-Smirnov

• Klik OK. Dan secara otomatis akan muncul hasil akhir dari analisa 1-Sample K-S

Tampilan output dari analisa 1-Sample K-S

• Membaca Output : Dari tabel output tersebut dapat kita ketahui bahwa nilai Asymp. Sig (2-tailed) adalah 0.951. Tingkat signifikan (alpha = 5%). Sehingga 0.951 > alpha  0.05, dapat diartikan bahwa data hasil ulangan siswa tersebut berdistribusi normal.