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.

1. Untuk menormalitaskan data pada SPSS. Klik Analyze, pilih Descriptive Statistics, lalu pilih
Explore untuk membandingkan antara dua atau lebih kelompok dengan satu variabel

2. Setelah muncul explore klik umur dan penghasilan masukkan ke dalam kotak Dependet list, lalu
klik Plots, maka akan muncul seperti dibawah ini
3. klik pada bagian Normality plots with test lalu klik continue
4. maka hasilnya seperti pada gambar dibawah ini:

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Umur ,200 15 ,111 ,906 15 ,119

penghasilan dalam ribuan ,383 15 ,000 ,657 15 ,000

a. Lilliefors Significance Correction

digunakan untuk membuat cut of poin (batasan kategori data)

DF jumlah responden penelitian

Jika jumlah sedikit (< 50 sampel)

Jenis uji Normalitas:

1. Kolmogorov untuk sampel atau Df yang besar ≥50
2. Shapiro untuk sampel atau Df yang kecil ≤50

Cara membaca :

1. P value (significan) >0,05 = data berdistribusi normal

( dilihat dari sig yang disebelah kiri pojok yaitu menggunakan Shapiro-wilk dan dari
Df yang 15) sehingga sig 119 normal
2. P value (significan) <0,05 = data berdisbutri tidak normal

1. Data yang diuji normalitas hanya yang berskala interval dan Rasio NUMERIK
2. Data kategorik tidak perlu diuji normalitas karena sudah pasti TIDAK NORMAL
ANALISIS :
Data umur menggunakan Shapiro Wilk karena ≤ 50 dan data umur menunjukkan NORMAL
karena probability value ≥ 0.05 yaitu 0,119

Penggunaan untuk menyusun kategori data:

1. Normal: MEAN
Ex umur : <35 (muda) dan ≥35 (dewasa)
2. Tidak normal : MEDIAN
Penggunaan untuk menyusun kategori data :

Ex : Umur <39,33 (Muda) dan ≥39,33 (dewasa)

5. Masukan data yang sudah ada lalu Klik Analyze klik Descriptive statistics lalu pilih Frequencies
setelah itu pilih Kategori umur untuk mengetahui Nilai Rerata atau nilai Mean dan nilai modus
pada data Umur

6. Maka pilih median dan mean untuk mengetahui hasil data pada kategori umur setelah itu klik
Continue dan Ok

Statistics
umur
N Valid 15
Missing 0
Mean 23,67
Median 21,00
7. Klik menu Transform Recode Into Different Variabels untuk menambahkan variable atau
mengkategorikan tetapi tool ini menetapkan kembali nilai nilai variable yang ada ke dalam
variable berbeda, supaya tidak data yang lain.

8. Klik umur pada bagian Numeric variable. Lalu pada name ketik Kategori_umur_baru pada label
ketik Kategori umur baru lalu klik change old and new values
9. Input data bagian “Range, LOWEST through value” : 35 lalu pada “Range, value trough
HIGHEST” : 34, 9. Pada bagian ini digunakan untuk mengkategorikan umur yang muda dan yang
dewasa. Lalu klik Continue OK