Uji normalitas bertujuan untuk menguji apakah data yang digunakan dalam penelitian
berdistrubusi yang normal atau tidak. Uji normalitas merupakan salah satu bagian dar uji
persyaratan analisis data atau uji asumsi analisis klasik, artinya sebelum melakukan analisis
statistic untuk uji hipotesis dalam hal ini adalah analisis regresi, maka data penelitian tersebut
harus di uji kenormalan distribusinya.
Sebagai contoh analisis terdapat data Motivasi Belajar (X) dan Prestasi Belajar (Y). Dalam
konteks ini akan dilakukan uji normalitas kolmogorov-smirnov pada nilai unstandardized residual
(RES_I) untuk pesamaan regresi pengaruh motivasi terhadap prestesi belajar. Adapun data
penelitiannya sebagai berikut.
3. Setelah muncul nilai unstandardized residual (RES_I) yang selanjutnya akan diuji
normalitas. Menu spss, pilih menu Analyze, kemudian klik Regression lalu pilih linear.
4. Muncul kotak dialog “Linear Regression” selanjutnya masukkan variable prestasi belajar
(y) ke dependent lalu masukkan belajar motivasi belajar (x) ke kotak independent(s),
kemudian klik save
5. Maka akan muncul lagi kotak dialog linear regression. Save pada bagian “residuals”,
Centang(v) Unstandardized (abaikan kolom yang lain), klik Continue lalu klik ok.
6. Perhatian data view, maka akan muncul variable baru dengan RES-I. Maka akan muncul
dilayar SPSS.
7. Langkah berikutnya untuk melakukan uji normalitas Kolmogorov-smirnov, pilih menu
Analyze pilih Nonparametric Test, Klik Legacy Dialogs, kemudian pilih sub menu I-
Sample K-S.
8. Akan Muncul kotak dialog dengan nama “One-Sample Kolmogorov-Smirnov Test”.
Selanjutnya, masukkan variable unstandardized residuals ke kotak test variable list pada
“test distribution” aktifkan “centang” pilihan normal.
9. Langkah terakhir klik ok untuk mengakhiri perintah, selanjutnya lihat tampilan table
output yang uncul di spss. “ one-sample Kolmogorov-smirnov test”, maka tinggal
interpresentasikan biar lebih jelas lagi.
Berdasarkan table output spss tersebut, diketahui bahwa nilai signifikan Asiymp.Sig (2-
tailed) sebesar 0,15 lebih besar dari 0,05. Maka sesuai dengan dasar pengambilan keputusan
dalam uji normalitas Kolmogorov-smirnov dapat disimpulkan data berdistribusi dengan
normal.