BAB 4

UJI NORMALITAS

Uji normalitas merupakan suatu uji yang digunakan untuk mengetahui

apakah data yang akan dianalisis berdistribusi normal atau tidak. Pada
dasarnya, data yang berdistribusi normal dapat juga diketahui melalui statistic
desriptif dengan beberapa indicator nilai statistiknya. Melalui bentuk diagram
seperti histogram yang tampak grafiknya menyerupai garis melengkung
seperti lonceng. Bisa juga dengan boxplot yang menunjukkan adanya
gambar balok dengan garis tengah yang menjadi kunci penentuan normal
tidaknya suatu data, cara yang lain dengan gambar scater plot, yaitu gambar
titik titik yang menyebar diantara garis lurus, dengan kunci penentuan normal
tidaknya adalah pola titik yang mengikuti garis tersebut. Selanjutnya bisa juga
dengan cara uji normalitas data seperti uji normalitas Shapiro Wilk dan
Kolmogorov Smirnov . Berikut akan dijelaskan beberapa cara tersebut satu
persatu:

A. Cara Perhitungan Statistik Deskriptif

Upaya yang dilakukan untuk melihat data berdistribusi normal atau

tidak yang dilakukan dengan melihat hasil analisis data secara deskriptif
menggunakan beberapa indikator statistic berikut:
1. Koefisien varians,
2. Rasio skewness
3. Rasio kurtosis.
Berikut contoh hasil analisis data nilai mahasiswa pada matakuliah
metode penelitian secara statistic deskriptif, menggunakan program
SPSS.
 HASIL PERHTUNGAN STATISTIK DESKRIPTIF
Nilai mahasiswa
N Valid 20
Missing 0
Mean 74.3000
Std. Error of Mean 2.03664
Median 75.0000
Mode 67.00a
Std. Deviation 9.10812
Variance 82.958
Skewness -.102
Std. Error of Skewness .512
Kurtosis -.574
Std. Error of Kurtosis .992
Range 33.00
Minimum 57.00
Maximum 90.00
a. Multiple modes exist. The smallest value is shown

1. Koefisien Varians
Adalah salah satu indikator yang dilihat dengan menggunakan
perhitungan sebagai berikut

Koefisien varians=(standar deviasi/mean) X

100%=9.10812/74.3000 x 100%=0.122%

Data tersebut normal jika nilai koefisien varians <30%. Hasil dari
perhitungan pada output diatas diperoleh nilai koefisien varians
sebesar 0.122%. sehingga dapat disimpulkan data tersebut normal.
2. Rasio Skewness

Nilai statistik ini penting untuk melihat kemiringan data. Skewness ini
 menunjukkan kecenderungan keberadaan data apakah berada di
tengah atau miring di satu sisi. Rumus rasio skewness diperoleh dari:

rasio skewness = skewness/standar error skewness = -.102/.512=

-0,199

Data dikatakan normal ketika nilai rasio skewness berada pada

rentang nilai -2 sampai 2. Hasil dari perhitungan diperoleh nilai
sebesar -0,199 sehingga disimpulkan data tersebut normal.
3. Rasio Kurtosis
Kurtosis menunjukkan keruncingan suatu data, kriteria normalitas
sama dengan rasio skewness yaitu -2 sampai 2. selain itu, perhitungan
juga hampir sama yaitu dengan:
rasio kurtosis = kurtosis / standar error kurtosis = -0.574/0.992 = -
0.57863

Dapat disimpulkan bahwa data tersebut normal karena nilai rasio

kurtosis berada pada interval -2 sampai 2.

B. Cara uji normalitas data dengan Shapiro Wilk dan Kolmogorov

Smirnov

1. Uji Normalitas Shapiro Wilk

Adalah uji yang dilakukan untuk mengetahui sebaran data acak suatu
sampel kecil normal atau tidak. Dalam Uji Normalitas data dikenal ada
beberapa cara, untuk data sampel kecil kurang dari 50 sampel (N<50)
disarankan menggunakan uji shapiro wilk. Kesimpulan uji normalitas
data shapiro wilk adalah dikatakan berdistribusi normal apabila nilai
signifikansi lebih dari 0.05 (sig. >0.05).
 2. Uji Normalitas Kolmogorov Smirnov

Uji Normalitas Kolmogorov Smirnov adalah uji yang dilakukan untuk

mengetahui sebaran data acak dan spesifik pada suatu populasi
(Chakravart, Laha, and Roy, 1967). Uji kolmogorov smirnov
digunakan untuk sampel yang besar untuk data diatas 50 sampel
(20≤N≤1000). Ketentuan dalam pengujian normalitas ini adalah data
dikatakan berdistribusi normal apabila nilai signifikansi lebih dari 0.05
(sig. >0.05).

C. Langkah Uji Normalitas menggunakan program SPSS beserta

Grafiknya

Contoh: Melakukan Uji Normalitas keseluruhan data

Diketahui pada Data View berikut berisi data nilai ujian Metode Penelitian
dari 20 mahasiswa kelas A.
Berikut adalah langkah uji normalitas data menggunakan program SPSS

1. Klik Analyze > Descriptive Statistics > Explore…

Masukkan variabel yang dilakukan pengujian normalitas pada
jendela Explore

Masukkan variabel yang akan dilakukan pengujian ke

kolom Dependent List. Kita juga dapat memasukkan variabel
ke Factor List untuk melakukan pengujian berdasarkan kriteria
tertentu, misalnya uji normalitas data yang dibedakan berdasarkan
jenis kelamin.

Catatan: Anda dapat memasukkan beberapa variabel yang akan di

uji sekaligus di kotak Dependent List untuk menguji normalitas
masing-masing variabel, misalnya uji normalitas 2 variabel atau 3
variabel.
2. Klik Plots.. pada jendela Explore dan tandai centang Normality
plot with tests

a. Boxplots: Untuk membuat Boxplot data

b. Descriptive: Untuk melakukan analisis deskriptif serta membuat
grafik Steam-and-leaf atau histogram (centang jika diperlukan)
c. Normality plots with tests: untuk melakukan pengujian
normalitas

3. Klik Continue lalu klik OK

4. Hasil pengujian ditampilkan pada jendela output

5. Hasil Out Put Uji Normalitas Data
6. Hasil Test Normality

Nilai signifikansi (p) pada uji kolmogorov-smirnov adalah 0.2 ( p >

0.05), berdasarkan hasil uji tersebut dapat disimpulkan bahwa data
berdistribusi normal.
Nilai signifikansi (p) pada uji shapiro-wilk adalah 0.853 ( p > 0.05),
sehingga berdasarkan uji normalitas shapiro-wilk data berdistribusi
normal.

MELALUI TAMPILAN GRAFIK

a. Histogram

Gambar tersebut menunjukkan tampak membentuk lengkung seperti

lonceng, artinya data memang berdistribusi normal.

b. Gambar Q-Q Plot

Gambar q-q plot menunjukkan bahwa titik titik berada di sekitar garis
lurus, artinya data tersebut berdistribusi normal.

Q-Q plot akan lebih baik digunakan untuk data dengan sampel besar,
karena dapat melihat keragaman sebaran variabel univariate.

c. Boxplot

Tampilan boxplot tersebut menunjukkan data berdistribusi normal,

alasannya adalah garis horizontal tepat berada di tengah box
tersebut, kedua kaki sama panjang dan tidak terdapat plot plot di atas
maupun di bawah.
D. Deteksi Outlier Untuk Mengatasi Masalah Normalitas
Tampilan grafik di atas selain bisa digunakan unutk melihat sebaran data,
bisa juga untuk mendeteksi adanya outlier. Pada grafik histogram apabila
ada batang pada histogram yang melenceng jauh dari kelompoknya maka
data tersebut terdapat data outlier. Begitu juga dengan grafik lainnya, jika
ada plot atau titik yang jauh sekali dengan sekelompok titik atau plot data,
maka dapat diperkirakan ada data outlier. Pada Box plot, jika ada plot plot
baik di atas maupun di bawah yang menjauhi garis horizontal, maka
diperkirakan ada data yang out lier. 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 kelompoknya, maka ID tersebutlah
yang kiranya menjadi outlier.
Tentunya jika anda melakukan eliminasi terhadap outlier tersebut, maka
besar kemungkinan data anda yang awalnya tidak normal sebarannya,
akan berubah menjadi normal.
E. LATIHAN

Lakukan uji Normalitas data pada data berikut ini dengan menggunakan
uji normalitas data secara deskriptif dan dengan uji statistic Shapiro Wilk
dan Kolmogorov Smirnov

DATA HASIL PENIMBANGAN BERAT BADAN 30 MAHASISWA

NO BERAT BADAN JENIS KELAMIN

1 70.0 P
2 72.0 P
3 88.0 L
4 78.0 L
5 67.0 L
6 78.0 P
7 68.0 P
8 67.0 P
9 87.0 L
10 77.0 L
11 71.0 P
12 90.0 P
13 79.0 P
14 57.0 P
15 63.0 L
16 80.0 L
17 60.0 L
18 73.0 P
19 80.0 P
20 81.0 P
21 71.0 L
22 90.0 L
23 79.0 P
24 57.0 P
25 63.0 P
26 71.0 P
27 90.0 L
28 71.0 L
29 90.0 L
30 79.0 L