Oleh : Prana Ugiana Gio

UJI NORMALITAS DATA DALAM SPSS

Misalkan diberikan data sebagai berikut.

No Data1 Data2 Data3 Data4

1 70 90 30 10
2 80 80 30 10
3 90 90 30 20
4 80 80 30 20
5 80 80 30 20
6 90 90 30 40
7 70 70 30 40
8 80 80 30 40
9 80 80 30 40
10 90 90 30 40
11 70 70 40 40
12 80 80 40 40
13 90 90 40 50
14 80 80 40 50
15 80 80 40 50
16 90 90 60 60
17 70 70 60 60
18 80 80 60 60
19 80 80 60 70
20 90 90 80 70
21 10 80 90 80
Tabel 1

Misalkan nilai-nilai pada Data1 diambil atau berasal dari populasi Data1, nilai-nilai pada Data2 diambil
atau berasal dari populasi Data2, nilai-nilai pada Data3 diambil atau berasal dari populasi Data3, dan
nilai-nilai dari Data4 berasal dari populasi Data4. Dari masing-masing populasi, diambil sebanyak 21
nilai. Berikut akan diuji apakah keempat data yang diambil berasal dari populasi yang memiliki distribusi
normal.

Uji Normalitas Data dengan Uji Kolmogorov-Smirnov

Dalam SPSS (dalam hal ini SPSS versi 17), dapat digunakan uji Kolmogorov-Smirnov untuk memeriksa
suatu data apakah data yang diambil dari suatu populasi berasal dari populasi berdistribusi normal atau
tidak.
 Letak uji Kolmogorov-
Smirnov, yakni 1-Sampel
K-S.

Gambar 1

Berikut tahap-tahap pengujian normalitas data dengan menggunakan uji Kolmogorov-Smirnov.

1. Tahap pertama, bangun data pada Tabel 1 dalam SPSS seperti berikut.

Gambar 2

2. Setalah data pada Tabel 1 dibangun dalam SPSS seperti pada Gambar 2, pilih Analyze =>
Nonparametric Tests => 1 Sample K-S, seperti pada Gambar 1.

3. Setelah memilih 1 Sample K-S, maka muncul kotak One-Sample Kolmogorov-Smirnov Test,
seperti pada Gambar 3. Pada kotak One-Sample Kolmogorov-Smirnov Test, masukkan variabel
data1, data2, data3, dan data4 pada kotak Text Variable List. Pada Test Distribution, pilih
Normal. Kemudian pilih OK.
 . Pada kotak One-Sample
Pada Test Distribution, Kolmogorov-Smirnov Test,
pilih Normal. Kemudian masukkan variabel data1,
pilih OK data2, data3, dan data4
pada kotak Text Variable
List.

Gambar 3

Berikut hasil hitungan berdasarkan SPSS.

One-Sample Kolmogorov-Smirnov Test

data1 data2 data3 data4

N 21 21 21 21
a,,b
Normal Parameters Mean 77.62 81.90 43.33 43.33

Std. Deviation 17.001 6.796 17.981 19.579

Most Extreme Differences Absolute .318 .277 .288 .194

Positive .233 .277 .288 .139

Negative -.318 -.247 -.229 -.194

Kolmogorov-Smirnov Z 1.455 1.270 1.319 .890

Asymp. Sig. (2-tailed) .029 .080 .062 .406

a. Test distribution is Normal.

b. Calculated from data.

Untuk pengambilan suatu keputusan apakah suatu data berasal dari populasi berdistribusi normal, maka
bandingkan nilai Asymp Sig.(2-tailed) dengan tingkat signifikansi ( ) yang digunakan. Berikut aturan
dalam pengambilan keputusan.

( )
( )

Untuk data1, karena nilai Asyp. Sig. (2-tailed), yakni lebih kecil dari tingkat signifikansi, yakni
, maka data1 tidak berdistribusi normal.
Untuk data2, karena nilai Asyp. Sig. (2-tailed), yakni lebih besar dari tingkat signifikansi, yakni
, maka data2 berdistribusi normal.

Untuk data3, karena nilai Asyp. Sig. (2-tailed), yakni lebih besar dari tingkat signifikansi, yakni
, maka data3 berdistribusi normal.

Untuk data4, karena nilai Asyp. Sig. (2-tailed), yakni lebih besar dari tingkat signifikansi, yakni
, maka data4 tidak normal.

Uji Normalitas Data dengan Menu Explore dalam SPSS

Dalam SPSS, normalitas data dapat diperiksa dengan menggunakan menu Explore dalam SPSS.

Letak menu Explore dalam

SPSS.

Gambar 4

Berikut tahap-tahap pengujian normalitas data dengan menggunakan menu Explore dalam SPSS.

1. Tahap pertama, bangun data pada Tabel 1 dalam SPSS seperti pada Gambar 2.

2. Setalah data pada Tabel 1 dibangun dalam SPSS seperti pada Gambar 2, pilih Analyze =>
Descriptive Statistics => Explore, seperti pada Gambar 4.

3. Setelah memilih Explore, maka muncul kotak Explore, seperti pada Gambar 5. Variabel data1,
data2, data3, dan data4 diletakkan ke dalam kotak Dependent List.

4. Kemudian pilih Statistics, sehingga muncul kotak Explore : Statistics, seperti pada Gambar 6.
Pada kotak Explore: Statistics, pilih Descriptives dan Outliers. Kemudian pilih Continue dan OK.
 Variabel data1, data2, data3,
dan data4 diletakkan ke dalam
kotak Dependent List
Pilih Explore.

Pada Display, pilih Both

Gambar 5

Pada kotak Explore: Statistics,

pilih Descriptives dan
Outliers.

Gambar 6

Berikut hasil hitungan berdasarkan SPSS.

Berdasarkan hasil pada kotak Descriptive, terlihat bahwa rata-rata dari data1 sebesar 77,62, median
sebesar 80, standar deviasi 17,001, dan seterusnya. Menurut Agus Riyanto (2011:92), normal tidaknya
distribusi data dapat dilihat berdasarkan perbandingan skewness dan standar error, yakni jika hasil
perbandingannya lebih kecil dari 2, data berdistribusi normal.
Berdasarkan hasil pada kotak Descriptives, diketahui skewness bernilai dan standar error bernilai
.

| |

Perhatikan bahwa karena nilai dari hasil perbandingan tersebut lebih besar dari 2, maka data1 tidak
berdistribusi normal. Hasil ini sesuai dengan hasil yang diperoleh dengan uji Kolmogorov-Smirnov pada
pembahasan sebelumnya.

Berdasarkan hasil pada kotak Descriptive, terlihat bahwa rata-rata dari data2 sebesar 81,90, median
sebesar 80, standar deviasi 6,796, dan seterusnya. Berdasarkan hasil pada kotak Descriptives, diketahui
skewness bernilai dan standar error bernilai .

| |

Perhatikan bahwa karena nilai dari hasil perbandingan tersebut lebih kecil dari 2, maka data2
berdistribusi normal. Hasil ini sesuai dengan hasil yang diperoleh dengan uji Kolmogorov-Smirnov pada
pembahasan sebelumnya.
Berdasarkan hasil pada kotak Descriptive, terlihat bahwa rata-rata dari data3 sebesar 43,33, median
sebesar 40, standar deviasi 17,981, dan seterusnya. Berdasarkan hasil pada kotak Descriptives, diketahui
skewness bernilai dan standar error bernilai .

Perhatikan bahwa karena nilai dari hasil perbandingan tersebut lebih besar dari 2, maka data3 tidak
berdistribusi normal.

Berdasarkan hasil pada kotak Descriptive, terlihat bahwa rata-rata dari data4 sebesar 43,33, median
sebesar 40, standar deviasi 19,579, dan seterusnya. Berdasarkan hasil pada kotak Descriptives, diketahui
skewness bernilai dan standar error bernilai .

| |

Perhatikan bahwa karena nilai dari hasil perbandingan tersebut lebih kecil dari 2, maka data4
berdistribusi normal.

Berdasarkan hasil pada kotak Extreme Values, terlihat bahwa untuk data1, nilai data paling tinggi
pertama adalah data pada nomor 3, yakni bernilai 90, nilai data tertinggi kedua adalah data pada nomor 6,
yakni bernilai 90 juga, dan seterusnya. Nilai data paling rendah berada pada data nomor 21, yakni bernilai
10, nilai data terendah kedua adalah data pada nomor 17, yakni bernilai 70, dan seterusnya.
Berdasarkan histogram di atas, terlihat bahwa data dengan nilai 10 terletak jauh dari kumpulan-kumpulan
data tersebut. Data dengan nilai 10 disebut juga dengan data terpencil atau outlier. Pada kasus ini, data
terpencil tersebut yang membuat data1 menjadi tidak berdistribusi normal.

Berikut langkah-langkah yang diperlukan untuk membuat histogram tersebut.

Pertama pilih Analyze => Descriptive Statistics => Frequencies, sehingga muncul kotak Frequencies.
Pada kotak Frequencies, masukkan variabel data1 pada kotak Variable(s). Kemudian pilih Charts,
sehingga muncul kotak Frequencies: Charts.

Pada kotak Frequencies: Charts, pilih Histogram dan pilih With normal curve. Kemudian pilih
Continue dan OK.

SEKIAN DAN TERIMA KASIH

JIKA TERDAPAT KEKURANGAN DALAM TULISAN INI
MOHON BERI TAHU KE PENULIS YA
^_^