Cara Uji Normalitas SPSS Shapiro

Wilk dan Kolmogorov Smirnov

BY : RIPAI SIREGAR SKM,MKM

Uji normalitas digunakan untuk mengetahui data yang akan dianalisis

berdistribusi normal atau tidak. Pada dasarnya, data yang berdistribusi
normal dapat diketahui melalui bentuk histogram seperti lonceng. Terdapat
banyak uji normalitas untuk mengetahui distribusi data. Berikut cara uji
normalitas SPSS shapiro wilk dan kolmogorov smirnov. Perlu diperhatikan
pengujian normalitas terhadap data disesuaikan dengan spesifikasi metode
yang digunakan serta jenis uji yang dilakukan.

Pengujian Shapiro Wilk dan Kolmogorov Smirnov umumnya digunakan untuk

data univariat. Uji univariat akan menguji normalitas data tiap variabel pada
data, dan menghasilkan hasil uji normalitas sebanyak variabel yang diujikan.
Hasil uji juga dapat disesuaikan dengan pengelompokan data yang
disesuaikan misalnya berdasarkan jenis kelamin, tingkatan pendidikan, dan
lainnya. Untuk beberapa kasus data dengan banyak variabel dengan korelasi
yang cukup atau dengan metode penelitian tertentu, mungkin sebaiknya
menggunakan uji normalitas multivariat.

A. Pengertian Uji Normalitas Shapiro Wilk

Uji Normalitas Shapiro Wilk adalah uji yang dilakukan untuk mengetahui

sebaran data acak suatu sampel kecil. Dalam 2 seminar paper yang
dilakukan Shapiro, Wilk tahun 1958 dan Shapiro, Wilk, Chen 1968 digunakan
simulasi data yang tidak lebih dari 50 sampel. Sehingga disarankan untuk
menggunakan uji shapiro wilk untuk sampel data kurang dari 50 sampel
(N<50). Dalam pengujian, suatu data dikatakan berdistribusi normal apabila
nilai signifikansi lebih dari 0.05 (sig. >0.05).

B. Pengertian 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). Berdasarkan pengujian yang dilakukan
National Institute of Standars and Technology, uji kolmogorov smirnov
menghasilkan performa yang baik untuk ukuran data 20-1000. Namun
dalam penelitian pada umumnya, pengujian kolmogorov smirnov masih
digunakan untuk sampel data yang berukuran lebih dari 2000 sampel.
Sehingga disarankan untuk menggunakan uji kolmogorov smirnov untuk
data di atas 50 sampel (20≤N≤1000). Dalam pengujian, suatu data
dikatakan berdistribusi normal apabila nilai signifikansi lebih dari 0.05 (sig.
>0.05).

C. Cara Uji Normalitas SPSS beserta Grafiknya

Contoh: Melakukan Uji Normalitas keseluruhan data

Diketahui pada Data View berikut (menggunakan tampilan value labels)
berisi data nilai ujian matematika dari 20 siswa suatu kelas.

Dengan variabel pada data SPSS

Berikut langkah-langkah untuk melakukan uji normalitas pada SPSS,

1. Klik Analyze > Descriptive Statistics > Explore...

2. Masukkan variabel yang dilakukan pengujian normalitas pada
jendela Explore

Masukkan variabel 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 sekaligus
di Dependent List untuk menguji normalitas masing-masing
variabel, misalnya uji normalitas 2 variabel atau 3 variabel.

3. Klik Plots.. pada jendela Explore dan centang Normality plot with

tests

o Boxplots: Untuk membuat Boxplot data

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

4. Klik Continue lalu klik OK

5. Hasil pengujian ditampilkan pada jendela output

D. Membaca Hasil Uji Normalitas SPSS

Untuk mempermudah membaca hasil analisis anda dapat menggunakan

panel navigasi pada jendela output.

Hasil Pengujian Normalitas (Test of Normality)

Nilai signifikansi (p) pada uji kolmogorov-smirnov adalah 0.2 ( p > 0.05),
sehingga berdasarkan uji normalitas kolomogorov-smirnov 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.

Histogram Data

Terlihat bentuk histogram data hampir menyerupai lonceng.

Normal Q-Q Plot

Q-Q Plot baik digunakan dengan data N≥20 untuk melihat keragaman
sebaran data univariat (1 variabel).