MAKALAH

UJI NORMALITAS

DISUSUN OLEH :
KELOMPOK 2

1. MEIYA NINGSIH P ( 17111038 )

2. MULIA DEWI ( 17111039 )
3. NANDA MUNTAHA ( 17111041 )
4. RISTA ROSITA S ( 17111050 )
5. UMMU ZAKIYAH ( 17111057 )

PRODI DIII REKAM MEDIS DAN INFORMASI KESEHATAN

POLTEKKES BHAKTI MULIA
SUKOHARJO
2019
A. Pengertian Uji Normalitas
Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan
untuk menilai sebaran data pada sebuah kelompok data atau variabel, apakah
sebaran data tersebut berdistribusi normal ataukah tidak.
Uji Normalitas berguna untuk menentukan data yang telah
dikumpulkan berdistribusi normal atau diambil dari populasi normal. Metode
klasik dalam pengujian normalitas suatu data tidak begitu rumit. Berdasarkan
pengalaman empiris beberapa pakar statistik, data yang banyaknya lebih dari
30 angka (n > 30), maka sudah dapat diasumsikan berdistribusi normal. Biasa
dikatakan sebagai sampel besar.
Namun untuk memberikan kepastian, data yang dimiliki berdistribusi
normal atau tidak, sebaiknya digunakan uji normalitas. Karena belum tentu
data yang lebih dari 30 bisa dipastikan berdistribusi normal, demikian
sebaliknya data yang banyaknya kurang dari 30 belum tentu tidak berdistribusi
normal, untuk itu perlu suatu pembuktian. uji statistik normalitas yang dapat
digunakan diantaranya Chi-Square, Kolmogorov Smirnov, Lilliefors, Shapiro
Wilk, Jarque Bera.

B. Uji Normalitas dengan Kolmogorov Smirnov

Uji Kolmogorov Smirnov merupakan 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 dasar dari uji normalitas Kolmogorov Smirnov adalah dengan
membandingkan distribusi data (yang akan diuji normalitasnya) dengan
distribusi normal baku. Distribusi normal baku adalah data yang telah
ditransformasikan ke dalam bentuk Z-Score dan diasumsikan 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, dan jika
signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan.
Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika
signifikansi di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan
yang signifikan dengan data normal baku, berarti data tersebut tidak normal.
Jika signifikansi di atas 0,05 maka berarti tidak terdapat perbedaan yang
signifikan antara data yang akan diuji dengan data normal baku, artinya data
yang kita uji normal.
Kelemahan dari Uji Kolmogorov Smirnovyaitu bahwa jika kesimpulan
kita memberikan hasil yang tidak normal, maka kita tidak bisa menentukan
transformasi seperti apa yang harus kita gunakan untuk normalisasi. Jadi kalau
tidak normal, gunakan plot grafik untuk melihat menceng ke kanan atau ke
kiri.
Uji normalitas ini sebaiknya dilakukan sebelum data diolah berdasarkan
model – model penelitian. Uji normalitas ini bertujuan untuk mengetahui
distribusi data dalam variabel yang akan digunakan dalam penelitian. Data
yang baik dan layak digunakan dalam penelitian adalah data yang memiliki
distribusi normal. Normalitas data dapat dilihat dengan uji Normal
Kolgomorov Smirnov.
Contoh Kasus
Data dibawah ini apakah berdistribusi normal?
No Berat Badan (Kg) Tinggi Badan (cm)
1 54 160
2 44 165
3 34 150
4 43 160
5 65 160
6 56 164
7 54 165
8 53 170
 9 44 155
10 47 158
11 62 175
12 72 180
13 64 160
14 59 175
15 55 155
16 50 157
17 60 160
18 65 160
19 54 160
20 52 155

Penyelesaian :
Langkah – langkah
1. Memasukkan data ke aplikasi SPSS
a. Membuka lembar kerja baru klik File-New-Data
b. Menampilkan variabel view untuk mempersiapkan pemasukan nama
dan properti variabel.
1) Variabel pertama : Berat Badan
Maka isikan pada aplikasi SPSS sebagai berikut :
a) Name : ketik berat
b) Type : pilih Numeric
c) Width : pilih 8
d) Decimal : pilih 0
e) Label : Berat Badan
f) Value : None
g) Missing : None
h) Columns : pilih 8
i) Align : pilih Right
j) Measure : Scale
 2) Variabel kedua : Tinggi Badan
Maka isikan pada aplikasi SPSS sebagai berikut :
a) Name : ketik tinggi
b) Type : pilih Numeric
c) Width : pilih 8
d) Decimal : pilih 0
e) Label : Tinggi Badan
f) Value : None
g) Missing : None
h) Columns : pilih 8
i) Align : pilih Right
j) Measure : Scale
Sehingga akan tampak di layar sebagai berikut :

2. Mengisi Data
Setelah nama variabel didefinisikan, langkah selanjutnya adalah mengisi
20 data berat dan tinggi badan. Untuk itu, kembalikan tampilan pada Data
View. Isikan data sehingga akan tampak di layar sebagai berikut :

3. Menyimpan Data
 Data di atas dapat disimpan, dengan prosedur sebagai berikut :
a. Dari menu utama SPSS, pilih menu File-Save As
b. Berikan nama file untuk keseragaman dan tempatkan file pada
directory yang dikehendaki.
4. Mengolah Data
a. Klik Analyze – Non Parametik Test – 1-Sample K-S
b. Masukkan Berat Badan dan Tinggi Badan pada kotak Test Variabel
List, sehingga tampak dilayar sebagai berikut :

Test Distribution : pilih Normal

Klik Ok
5. Menyimpan hasil Ouput
6. Output SPSS dan analisisnya

Pengambilan Keputusan
Jika Sig > 0,05 maka data berdistribusi normal
Jika Sig < 0,05 maka data tidak berdistribusi normal
Sig data untuk berat badan adalah 0,990 maka lebih besar dari 0,05
sehingga data berdistribusi normal, data tinggi badan adalah 0,125 maka
lebih besar dari 0,05 sehingga data berat badan dan tinggi badan
berdistribusi normal.