TUTORIAL UJI NORMALITAS DENGAN SPSS

Silahkan isi dataset SPSS anda seperti contoh yang sudah anda download. Kalaupun tidak
download, anda bisa isi sembarang angka pada satu variabel yang akan diuji normalitas
dengan SPSS. Setelah data terisi pada variabel, pada Menu, Klik Analyze, Descriptive
Statistics, Explore.

Masukkan variabel ke dalam dependen list (Catatan: Apabila dalam variabel anda
terdapat 2 kelompok, misal kelompok A dan B, anda dapat melakukan uji normalitas pada
masing-masing kelompok dengan cara memasukkan variabel yang menjadi Grouping (A
dan B atau 1 dan 2) ke kotak Factor List.

Uji Normalitas dengan SPSS

Pada Display centang Both. Artinya anda akan melihat nilai statistics dan plot uji
normalitas termasuk juga hasil uji shapiro wilk dan lilliefors. Selanjutnya ambil nafas
dulu sobat, agar tidak tegang. Selanjutnya perhatikan lagi langkah di bawah ini.

Klik tombol Plots, Centang Stem-and-Leaf, Histogram, Normality Plots With Tests.

Plot Uji Normalitas dengan SPSS

Klik tombol Continue dan selanjutnya Klik OK.

Lihat Output anda dan apabila dalam output view anda tampil beberapa tabel dan
beberapa gambar atau diagram, berarti langkah yang anda lakukan sudah benar. Maka
sobat bisa bernafas lega. Karena tugas berikutnya adalah tinggal membaca hasil uji
normalitas dengan SPSS dalam tutorial ini.

Agar lebih meyakinkan pembaca, silahkan bandingkan output anda dengan yang sudah
penulis buatkan. Dan untuk mempermudah anda membandingkannya, silahkan
download file output tutorial ini di: Output Normalitas.

Interprestasi Output Uji Normalitas dengan SPSS

Saatnya kita belajar cara baca uji normalitas dengan SPSS yang kiranya akan mudah anda
pahami jika telah mengikuti langkah demi langkah tahapan di atas. Perhatikan tabel di
bawah ini ya.

Tabel Uji Normalitas dengan SPSS

Seperti yang kami janjikan, ada 2 uji yaitu shapiro wilk dan lilliefors. Berikut kami
jelaskan satu persatu.

Shapiro Wilk
Untuk menentukan apakah data anda berdistribusi normal menggunakan shapiro wilk,
maka pada SPSS cukup anda lihat nilai Sig. pada kolom Shapiro-Wilk. Nilai sig itu berarti
signifikansi atau boleh disebut p value atau nilai probabilitas. Pada contoh di atas nilainya
sebesar 0,710 lebih dari 0,05, maka dapat dikatakan data berdistribusi Normal atau yang
berarti menerima H0.

Lilliefors
Hampir sama dengan shapiro wilk di atas, cara interprestasinya adalah dengan melihat
nilai Sig. pada kolom Kolmogorov-Smirnova. Pada contoh di atas nilainya 0,200 lebih dari
0,05, maka data berdistribusi Normal atau yang berarti menerima H0.

Sejauh ini apakah mudah sobat? semoga sobat bisa memahami sejauh ini. Dan untuk
memperkuat kesimpulan di atas, di bawah ini kita bisa menggunakan beberapa diagram
uji normalitas dengan SPSS, yaitu antara lain: histogram, stem leaf, normal QQ plot,
Detrend QQ Plot dan Box Plot. Akan kami jelaskan satu persatu juga ya.
Uji Normalitas Kolmogorov Smirnov

Pengertian Uji 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

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.

Signifikansi Uji Kolmogorov

Lebih lanjut, jika signifikansi di atas 0,05 maka berarti tidak terdapat perbedaan yang
signifikan antara data yang akan diuji dengan data normal baku, artinya, ya. Berarti data yang
kita uji normal, kan tidak berbeda dengan normal baku.

Jika kesimpulan kita memberikan hasil yang tidak normal, maka kita tidak bisa
menentukan transformasi seperti apa yang harus kita gunakan untuk normalisasi. Jadi ya
kalau tidak normal, gunakan plot grafik untuk melihat menceng ke kanan atau ke kiri. Atau
menggunakan Skewness dan Kurtosis sehingga dapat ditentukan transformasi seperti apa
yang paling tepat dipergunakan.

Uji Normalitas dengan Kolmogorov Smirnov dengan

Program SPSS
Pengujian normalitas dengan menggunakan Program SPSS dilakukan dengan menu Analyze,
kemudian klik pada Nonparametric Test, lalu klik Legacy Dialogs, Klik 1-Sample K-S. K-S itu
singkatan dari Kolmogorov-Smirnov. Maka akan muncul kotak One-Sample Kolmogorov-
Smirnov Test.
 Normalitas Kolmogorov SPSS

Data yang akan diuji terletak di kiri dan pindahkan ke kanan dengan tanda panah.
Centang Normal pada Test Distribution.

Lalu tekan OK saja.

Interprestasi Uji Normalitas Kolmogorov dengan SPSS

Pada output, lihat pada baris paling bawah dan paling kanan yang berisi Asymp.Sig.(2-tailed).

Output Normalitas Kolmogorov SPSS

Lalu intepretasinya adalah bahwa jika nilainya di atas 0,05 maka distribusi data dinyatakan
memenuhi asumsi normalitas, dan jika nilainya di bawah 0,05 maka diinterpretasikan
sebagai tidak normal.
Histogram

Histogram Normalitas dengan SPSS

Contoh di atas, membentuk kurve normal dan sebagian besar bar/batang berada di
bawah kurve, maka variabel berdistribusi normal.

Normal QQ Plots

Normal QQ Normalitas dengan SPSS

Contoh di atas, plot-plot mengikuti garis fit line, maka variabel berdistribusi normal.

Detrend QQ Plots

Detrend Normal QQ Normalitas dengan SPSS

Contoh di atas, plot-plot tersebar merata di atas dan di bawah garis horizontal, serta garis
horizontal tepat berada ditengah diagram, maka variabel berdistribusi normal.
Stem-Leaf

Stem Leaf Normalitas dengan SPSS

Contoh di atas, angka-angka membentuk kurve normal miring ke arah kanan, maka
variabel berdistribusi normal.

Box-Plot

Box Plot Normalitas dengan SPSS

Contoh di atas, box berada ditengah dengan kedua kaki yang sama panjang, garis
horizontal berada ditengah box dan tidak terdapat plot-plot di atas atau di bawah box,
maka variabel berdistribusi normal.

Contoh Diagram Distribusi Normal

Agar anda nantinya pada saat penelitian mudah mengenali atau mudah membuat
kesimpulan sebaran data berdasarkan grafik dengan SPSS, maka disini kami buatkan
contoh diagram yang menunjukkan distribusi tidak normal, lihat di bawah ini ya:
Histogram dengan Distribusi Data Tidak Normal
Normal QQ dan Detrend QQ dengan Distribusi Data Tidak Normal

Box Plot dengan Distribusi Data Tidak Normal

Stem Leaf dengan Distribusi Data Tidak Normal

Deteksi Outlier Untuk Mengatasi Masalah Normalitas

Tambahan lagi ya para sobat statistikian, bahwa grafik-grafik di atas, selain berguna
untuk uji normalitas dengan SPSS, juga berguna untuk mendeteksi adanya outlier.
Artinya apabila ada batang pada histogram yang melenceng jauh dari kelompoknya maka
terdaat outlier. Begitu juga dengan grafik lainnya, jika ada plot yang jauh sekali dengan
temannya, maka dapat diperkirakan adanya outlier.

Dan untuk melihat sampel mana atau angka berapa yang menjadi outlier, silahkan pada
grafik yang anda gunakan, anda klik lalu silahkan menuju menu SPSS output anda, pilih
tombol “Show Data”. Kemudian lihat grafik tersebut, pada plot atau batang histogram
akan terlihat angka atau kode yang menunjukkan ID sampel. Pada ID yang jauh letaknya
dengan kelomponya, maka ID tersebutlah yang kiranya menjadi outlier.
 Tugas Uji Normalitas
Tentukan data di Excel apakah termasuk berdistribusi normal atau tidak menggunakan
Aplikasi SPSS. (Lampiran hasil uji harus sudah diupload di google drive kelas, maksimal
pada pukul 23.59 WIB tanggal 18/03/2020).

Folder Nama Lengkap_NIM_Tugas Uji Normalitas