1

MANAJEMEN DATA
Topik-04
Uji Normalitas Data
Oleh: Hariri, SKM, MM, MEPID

A. Pengertian dan Cara Uji Normalitas Data

Uji normalitas data seringkali dilakukan oleh peneliti untuk mengetahui apakah sebuah
kelompok data berdistribsi normal atau tidak. Dengan mengetahui data berdistribsi normal atau tidak,
kita dapat:
1. Menentukan titik potong (cut of point) pengelompokkan, sehingga dapat ditentukan proporsinya
(persentasinya)
2. Sebagai prasyarat untuk uji hipotesis statistik parametrik, seperti: Uji-T, Uji Anova, Korelasi-
regresi dapat dilakukan dengan syarat data berdistribusi normal. Apabila data tidak berdistribusi
normal uji hipotesis statistik yang cocok dapat menggunakan statistik non-parametrik, misalnya
Chi-Square.
Ada beberapa cara untuk mengetahui apakah sebuah kelompok data berdistribsi normal atau
tidak, yaitu:
1. Dengan melihat grafik histogram dan kurva normalnya. Kurva normal berbentuk seperti lonceng
yang simetris (bel shape ) mengindikasikan bahwa kelompok data berdistribusi normal. Kadang
kala kurva menceng ke kiri atau menceng ke kanan berarti data berdistribusi tidak normal.
2. Dengan melihat nilai mean (rata-rata), median (nilai tengah), dan modus (nilai pengamatan yang
sering muncul). Bila nilai mean, median, dan modus berada pada satu titik nilai yang sama
(mean=median=modus), mengindikasikan data berdistribusi normal. Bila nilai
mean>median>modus berati data menceng ke kanan, dan bila nilai mean<median<modus berarti
data menceng ke kiri.
3. Dengan melakukan Uji Kolmogorov Smirnov. Bila hasil uji statistik (signifikan) menghasilkan
nilai P > 0,05 maka disimpulkan data tersebut berdistribusi normal, atau sebaliknya. Cara ini
cenderung menghasilkan kesimpulan data berdistribusi normal bila sampel besar.
4. Dengan membandingkan nilai indeks kurtosis dengan standar errornya. Data berdistribusi normal
bila hasil pembagian indeks kurtosis dengan standar errornya berada diantara -2 sampai dengan 2
(titik potong pengelompokkan menggunakan nilai mean). Apabila hasil pembagian tersebut <-2
atau >2 maka data berdistribusi tidak normal (titik potong pengelompokkan menggunakan nilai
median).
 2

5. Dengan membandingkan nilai indeks skewness dengan standar errornya. Data berdistribusi normal
bila hasil pembagian indeks skewness dengan standar errornya berada diantara -2 sampai dengan 2
(titik potong pengelompokkan menggunakan nilai mean). Apabila hasil pembagian tersebut <-2
atau >2 maka data berdistribusi tidak normal (titik potong pengelompokkan menggunakan nilai
median).
Perhatikan dua kelompok data berikut dibawah ini:
No Berat Badan (Kg) Tinggi Badan (Cm)
1 46 159
2 87 158
3 99 160
4 97 159
5 85 158
6 46 160
7 102 160
8 47 159
9 100 160
10 103 160
11 79 160
12 98 160
13 99 158
14 88 160
15 101 160

B. Teknik Uji Normalitas Data dengan SPSS

B.1. Dengan melihat grafik histogram dan kurva normalnya :

1. Analyze
2. Descriptive Statistic
3. Prequencies
4. Pindahkan variabel BB ke kotak Variable (s)
5. Klik tombol Chart, kemudian klik Histogram lalu klik With Normal Curve
 3

Dengan melihat kurva normal pada output SPSS, apakah saudara menyimpulkan data berat badan
berdistribusi normal?

B.2. Dengan melihat nilai mean, median, dan modus :

1. Analyze
2. Descriptive Statistic
3. Prequencies kemudian klik statistics dan pilih mean, median, dan mode pada
kotak Central Tendency
4. Kemudian Klik Continue, kemudian OK

Statistics
bb

Valid 15
N
Missing 0
Mean 85,13
Median 97,00
Mode 46a

a. Multiple modes exist. The

smallest value is shown

Dengan melihat nilai mean, median, dan modus pada output SPSS, apakah saudara menyimpulkan
data berat badan berdistribusi normal?

B.3. UJi Kolmogorov Smirnov :

1. Analyze
2. Descriptive Statistic, lalu pilih Explore
3. Pindahkan variabel bb ke kotak Dependent List
4. Kemudian Klik tombol Plots, dan pilih Normality Plots With Test
5. Klik Continue, kemudian OK

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic Df Sig.

bb ,245 15 ,016 ,744 15 ,001

a. Lilliefors Significance Correction

Hasil Uji normalitas data dengan cara Kolmogorov Smirnov, dilihat dari kolom Sig.
(Significan) atau disebut nilai P=0,016 kemudian bandingkan dengan =0,05. Dengan
 4

melihat nilai P=0,016 tersebut diatas, apakah menurut saudara data berat badan berdistribusi
normal?

B.4. Membandingkan nilai indeks kurtosis dengan standar errornya:

1. Analyze
2. Descriptive Statistic, lalu pilih Explore
3. Pindahkan variabel bb ke kotak Dependent List
4. Kemudian Klik tombol Statistics pada kotak Display
5. Klik Continue, kemudian OK

Descriptives

Statistic Std. Error

Mean 85,13 5,492

95% Confidence Interval for Lower Bound 73,35

Mean Upper Bound 96,91

5% Trimmed Mean 86,31

Median 97,00

Variance 452,410

bb Std. Deviation 21,270

Minimum 46

Maximum 103

Range 57

Interquartile Range 21

Skewness -1,273 ,580

Kurtosis ,109 1,121

Tampak dari output SPSS didapat Indeks Kurtosis=0,109 dengan standar errornya=1,121. Dengan
melihat kedua nilai tersebut, apakah saudara menyimpulkan data berat badan berdistribusi normal?

B.5. Membandingkan nilai indeks skewness dengan standar errornya:

1. Analyze
2. Descriptive Statistic, lalu pilih Explore
3. Pindahkan variabel bb ke kotak Dependent List
4. Kemudian Klik tombol Statistics pada kotak Display
5. Klik Continue, kemudian OK
 5

Cara yang terakhir ini adalah cara yang paling banyak dan paling baik digunakan untuk menguji
kenormalan sebuah distribusi data.Tampak dari output SPSS didapat Indeks Skewness= -1,273
dengan standar errornya=0,580. Dengan melihat kedua nilai tersebut, apakah saudara menyimpulkan
data berat badan berdistribusi normal?