STATISTIKA PENDIDIKAN SAINS

Dosen Pengampu Mata Kuliah :

Dr. Mohammad Jamhari, M.Pd

UJI NORMALITAS DATA

Oleh : Camelia Citra Ada’ ( A 202 19 002)

PROGRAM STUDI PENDIDIKAN SAINS PROGRAM MAGISTER

PASCASARJANA
UNIVERSITAS TADULAKO
2019
1. Pengertian Uji Normalitas
uji normalitas adalah bentuk pengujian tentang kenormalan distribusi data.
Tujuan dari uji iniadalah untuk mengetahui apakah data yang terambil merupakan
data terdistribusi normal atau bukan. Maksud dari data terdistribusi normal adalah
data akan mengikuti bentuk distribusi normal di mana data memusat pada nilai rata-
rata dan median.
Pengujian normalitas dilakukan untuk mengetahui normal tidaknya suatu
distribusi data. Hal ini penting diketahui berkaitan dengan ketetapatan pemilihan uji
statistik yang akan dipergunakan. Uji parametrik misalmya, mengisyaratkan data
harus berdistribusi normal. Apabila distribusi data tidak normal maka disarankan
untuk menggunakan uji nonparametrik. Uji statistik normalitas yang dapat digunakan
diantaranya Chi-Square, Kolmogorov Smirnov, Liliefors, dan Saphiro Wilk.

2. Macam-macam Uji Normalitas

a. Uji Normalitas dengan Chi-Square
Uji chi square termasuk salah satu alat uji yang sering digunakan. Dalam
statististik nonparametrik, uji chi square satu sampel bisa digunakan untuk menguji
apakah data sampel dapat menunjang hipotesis yang menyatakan bahwa populasi asal
sampel mengikuti distribusi yang telah ditetapkan.
Uji tersebut dinamakan tes keselarasan (goodness of fit), sebab pengujian
dilakukan untuk mengetahui apakah selaras dengan salah satu distribusi teoritis
(distribusi normal, uniform, binominal, dan sebagainya). Namun, pada prakteknya
uji ini tetap mengikuti prinsip pengujian chi-square yakni membandingkan antara
frekuensi yang teramati. Uji chi-square hanya menyampaikan ada atau tidaknya
hubungan antara variabel yang diteliti dan tidak memberikan informasi tentang
besarnya tingkat kekuatan suatu hubungan.
 Cara yang ditempuh untuk uji normalitas dengan chi-kuadrat adalah :
1. Menyusun data dalam distribusi frekuensi
2. Menghitung nilai rata-rata
 3. Menghitung standar deviasi
4. Menghitung luas daerah di bawah kurva normal masing-masing kelas
interval.

 Rumus Uji Chi-Square :

X2 = [∑(f0-fe) 2]
fe
 Dimana :
X2 = Nilai Chi Kuadrat

fe = Frekuensi yang diharapkan

f0 = Frekuensi yang diperoleh/diamati

 Contoh Kasus Uji Koefisien Kontigensi :

1. Peneliti ingin mengetahui “apakah terdapat hubungan
antara jenis kelamin dengan hobi”?

 Data :
Laki-laki yang suka olahraga 27
Perempuan yang suka olahraga 13
Laki-laki yang suka otomotif 35
Perempuan yang suka otomotif 15
Laki-laki yang suka shopping 33
Perempuan yang suka shopping 27
Laki-laki yang suka komputer 25
Perempuan yang suka komputer 25

 Langkah-langkah Pengujian :

1. Menulis hipotesis Ha dan HO

 HO : X = O, tidak terdapat hubungan yang signifikan antara jenis kelamin
dengan hobi. Ha : X ≠ O, terdapat hubungan yang signifikan antara jenis kelamin
dengan hobi.

2. Membuat Tabel Kontingensi

Tabel kontingensi berbentuk 2x4 ( 2 baris dan 4 kolom). Setiap k otak disebut sel,
setiap sebuah kolom berisi sebuah subvariabel, setiap sebuah baris berisi sebuah
subvariabel.

Hobi
Jenis
Olah TOTAL
Kelamin Otomotif Shopping Komputer
Raga

Laki‐laki 27 35 33 25 120

Perempuan 13 15 27 25 80

TOTAL 40 50 60 50 200

3. Mencari Nilai Frekuensi yang diharapkan (fe)

Fe untuk setiap sel : (total baris) (total kolom )

Total Keseluruhan

Misalnya : fe sel pertama = (120) (40) = 24.

200
4. Mengisi nilai fe ke dalam tabel kontingensi
Hobi Total
 Jenis Olahraga Otomotif Shopping Komputer
Kelamin
fo fe fo fe fo fe fo fe fe fo

Laki-laki 27 24 35 30 33 36 25 30 120 120

Perempuan 13 16 15 20 27 24 25 20 80 80

Total 40 40 50 50 60 60 50 50 200 200

5. Menghitung Nilai Chi-Square

2
∑ = (fo-fe)

fe

2
X = (27-24)2 + (35-30)2 + (33-36)2 + (25-30)2

24 30 36 30
+ (13-16)2 + (15-20)2 + (27-24)2 + (25-20)2
16 20 24 20
= 0,375 + 0,833 + 0,250 + 0,833 + 0,563 + 1,250 + 0,375 + 1,250
= 5, 729

6. Menentukan Kriteria Pengujian

 Jika X2 hitung < X2 tabel, maka Ho diterima.
 Jika X2 hitung > X2 tabel, maka Ho ditolak.
 Atau jika Sig. X2 hitung > alpha, maka Ho diterima.
 Jika Sig. X2 hitung < alpha, maka Ho ditolak.
7. Menentukan Nilai X2 Tabel
 Taraf signifikansi (α) = 0,05.
Tingkat signifikansi merupakan ukuran seberapa besar keyakinan yang kita
ambil.
 Df = (Baris – 1) (kolom-1)
= (2-1) (4-1)
= 1x 3= 3
 X2 Tabel = 7,815

8. Membandingkan X2 hitung dengan X2 tabel

 X2 hitung (5,729) < X2 tabel (7,815)
 Ho diterima
 Kesimpulan : tidak terdapat hubungan yang signifikan antara jenis kelamin
dengan hobi.

b. Uji Normalitas dengan Kolmogorov Smirnov

Uji Kolmogorov Smirnov adalah pengujian normalitas yang banyak dipakai,
Terutama setelah adanya banyak program statistik yang beredar. Kelebihan dari uji ini
adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat
dengan pengamat yang lain, yang sering terjadi pada uji normalitas dengan
menggunakan grafik.
 Konsep Uji Kolmogorov Smirnov
Adalah dengan membandingkan distribusi data (yang akan diuji normlitasnya)
dengan distribusi normal baku. Distribusi normal baku adalah data yang telah
ditransformasikan ke dalam bentuk Z-score dan di asumsikan normal. Jadi
sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji
normalitasnya dengan data normal baku.
 Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat
perbedaan yang signifikan di atas 0,05 maka tidak terjadi perbedaan yang signifikan.
Penerapan pada uji Kolmogorov smirnov adalah bahwa jika signifikansi dibawah
0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data
normal baku, berarti data tersebut tidak normal.
 Cara melakukan UJi normalitas Kolmogorov smirnov dengan menggunakan
SPSS :
Sebagai contoh data Motivasi Belajar (X) dan Prestasi Belajar (Y), untuk datanya
lihat gambar di bawah ini.

 Langkah-langkah melakukan uji normalitas dengan menggunakan SPSS :

1. Langkah pertama adalah persiapkan data yang dingindi uji dalam file doc,
excel, atau yang lainnya untuk mempermudah tahapannya nanti.
2. Buka program SPSS pada komputer sobat. klik VariableView, dibagian pojok
kiri bawah.
3. Selanjunya, pada bagian Name tulis saja Motivasikemudian Prestasi, pada
Decimals ubah semua menjadi angka 0, pada bagian Label tuliskan Motivasi
Belajar kemudian Prestasi belajar, abaikan yang lainnnya.
4. Setelah itu, klik Data View, dan masukkan data Motivasi Belajar dan Prestasi
Belajar yang sudah di persiapkan tadi, bisa dengan cara copy-paste.

5. Langkah selanjutnya, kita akan mengubah data tersebut ke dalam bentuk

unstandardized residual, caranya adalah : dari menu SPSS pilih menu
Analyze, kemudian klik Regression, dan pilih Linear.

6. Muncul kotak dialog dengan nama Linear Regression,selanjutnya masukkan

variabel Prestasi Belajar (Y) ke Dependent, masukkan variabel Motivasi
Belajar (X) ke kotak independen lalu klik save.
7. Akan mucul lagi kotak dialog dengan nama Linear Regression save, pada
bagian Residuals, centang (V) Unstandardized (abaikan kolom yang lain),
Selanjunyaklik Continue, lalu klik OK, maka akan muncul variabel baru
dengan nama RES_1, abaikan saja output yangmuncul dari program SPSS.
8. Langkah selanjutnya, pilih menu Analyze, lalu pilihNon-parametric Test, klik
Legaci Dialog, kemudian pilih submenu 1-Sample K-S

9. Muncul kotak dialog lagi dengan nama One-Sampel Kolmogorov Smirnov

test, selanjunya, masukkan variable Unstandardized Residuals ke kotak Test
Variabel List, pada Test Distribution centang (V) normal.
10. Langkah terakhir yakni klik OK untuk mengakhiri perintah, selanjutnya lihat
tampilan outputnya, tinggal kita interpretasikan supaya lebih jelas.

11. Kesimpulannya : berdasarkan output di atas, diketahui bahwa nilai

signifikansi sebesar 200 lebih besar dari 0,05, sehingga dapat disimpulkan
bahwa data yang diuji berdistribusi normal.
 c. Uji Normalitas Liliefors dengan menggunakan MS Excel
Di bawah ini adalah data berat badan 15 orang, yang diperoleh dalam suatu
pengumpulan data.

Dengan taraf nyata α = 0,05 lakukan uji normalitas data dengan metode liliefors,
untuk mengetahui apakah data tersebut bersistribusi normal atau tidak.

 Membuat tabel seperti di bawah ini pada Excel

Xi Zi F(Zi) S(Zi) F(Zi)-S(Zi) [F(Zi)-S(Zi)]

48 -1.837330018 0.033080596 0.066666667 -0.033586071 0.033586071

53 -1.371790317 0.085064361 0.133333333 -0.048268972 0.048268972
56 -1.092466497 0.137314054 0.2 -0.062685946 0.062685946
59 -0.813142677 0.20806813 0.266666667 -0.058598536 0.058598536
63 -0.440710916 0.329711146 0.333333333 -0.003622187 0.003622187
63 -0.440710916 0.329711146 0.375 -0.045288854 0.045288854
64 -0.347602976 0.364069185 0.466666667 -0.102597481 0.102597481
 69 0.117936724 0.546941103 0.533333333 0.013607769 0.013607769
72 0.397260544 0.65441233 0.6 0.05441233 0.05441233
73 0.490368484 0.688063413 0.666666667 0.021396747 0.021396747
75 0.676584365 0.750665149 0.733333333 0.017331816 0.017331816
78 0.955908185 0.830440688 0.8 0.030440688 0.030440688
80 1.142124065 0.873298773 0.866666667 0.006632106 0.006632106
81 1.235232005 0.891627914 0.933333333 -0.041705419 0.041705419
82 1.328339945 0.907967085 1 -0.092032915 0.092032915

 Mengisi kolom Xi pada tabel.

 Mengurutkan data dari terkecil sampai data terbesar.
 Mencari nilai rata-rata dan nilai simpangan baku.
 Selanjutnya untuk mengisi kolom Zi menggunakan rumus Zi = Xi-rata-rata
Simpangan baku .
 Untuk mengisi kolom F(Zi), menggunakan rumus statisik pada Microsoft Excel.
Rumus Excelnya : NORMDISTS (Z). Contoh =NORMDISTS(1.837330018)
 Untuk pengisian kolom S(Zi) itu bergantung pada banyaknya data. Seperti pada
data di ata yang berjumlah 15, maka pengisian kolom 1/15, 2/15,3/15, dan
seterusnya.
 Untuk pengisian kolom terakhir adalah mengurangkan F(Zi)-S(Zi). Apabila
diperoleh nilai negatif maka di ambil bilangan positifnya atau nilai mutlaknya.
 Pada kolom [F(Zi)- S(Zi)] menggunakan rumus excel ABS:F(Zi)-S(Zi). Setelah
itu mencari nilai terbesar. Nilai terbesar berada pada baris ke-7 yang sudah
diwarnai. Nilai tersebut dinyatakan sebagai nilai Lo = 0,1025.
 Selanjutnya, mencari nilai Ltabel.
 Dari tabel diatas diperoleh bahwa L tabel adalah 0,220. Data akan berdistribusi
normal apabila Lo< Ltabel. Atau nilai Lo tidak melebihi Ltabel (nilai kritis).
Lo = 0,1025 < 0,220 = Ltabel. Lo<Ltabel, maka data bersdistribusi normal.

d. Uji Normalitas Saphiro Wilk dengan menggunakan SPSS.

Saphiro wilk adalah sebuah metode yang digunakan untuk mengolah data
sampel berukuran kecil. Ada beberapa syarat yang harus di penuhi oleh data yang
akan diuji kenormalannya menggunakan metode ini, yaitu data berskala interval atau
rasio, data berupa data tunggal yang belum dikelompokkan pada tabel distribusi
frekuensi dan data sampel diambil secara acak.
 Dasar pengambilan keputusan dalam uji normalitas adalah
1. Jika Sig. (signifikansi) atau probabilitas < 0,05, maka data berdistribusi tidak
normal
2. Jika Sig. (signifikansi) atau probabilitas > 0,05, maka data berdistribusi
normal.

 Contoh data yang diuji adalah “data hasil belajar matematika untuk pre test dan post
test”.
NO Pre test Post test

1 56 87

2 72 92

3 67 87

4 58 82

5 70 89

6 68 86

7 76 90

8 70 86

9 69 80

10 58 85

11 65 90

12 70 83

13 75 80

14 67 87

15 72 82

16 74 80

17 76 83
 18 68 82

19 62 89

20 70 85

21 61 82

22 77 85

 Langkah-langkah uji normalitas saphiro wilk :

1. Membuka lembar kerja baru program SPSS. Kemudian klik Variabel view.
Tuliskan name dengan Pretest dan Posttest.

2. Kemudian mengklik data view, dan masukkan data pretest dan postest
3. Dari menu utama SPSS, pilih menu Analyze, kemudian pilih submenu
Descriptive Statisik, lalu pilih Explore.

4. Maka akan muncul dialog Explore, kemudian masukkan variabel Pretest

dan Postest ke kotak dependen list.
5. Setelah itu klik pada Plots, lalu berikan tanda centang pada normality plots
with test, lalu klik continue, dan klik ok.

6. Lalu akan muncul kotak Output SPSS

7. Pembuatan kesimpulan :
Berdasarkan hasil output di atas diketahui nilai signifikansi Saphiro Wilk
untuk variabel Pretest dan Postest lebih besar dari 0,05 sehinga dapat
disimpulkan bahwa variabel berdistribusi normal.
 DAFTAR PUSTAKA

Herawati, L. & Abdul, H. (2016). Uji Normalitas Data Kesehatan Menggunakan

SPSS. Yogyakarta : Poltekes Jogja Press.

Iriyanto, A. (2007). Statistik Konsep Dasar dan Aplikasinya. Jakarta : Kencana

Prenada Media Group.

Kariadinata, R. & Abdurahman, M. (2012). Dasar-dasar Statistika Pendidikan.

Bandung : Penerbit Pustaka Setia.

Sudjana (2002). Metode Statistika. Bandung : Tarsito.

Sujarweni, W. (2015). SPSS Untuk Penelitian. Yogyakarta : Penerbit Pustaka Baru.

Syamsuddin (2002). Statistik Deskriptif. Surakarta : Muhammadiyah University

Press.