PUTRI WIJAYANTI

1806185683
MANDAT

Tugas : Uji Normalitas

Untuk melihat data terdistribusi normal dapat melalui :

- Secara deskriptif, dari rasio skewness & kurtosis (distribusi normal = antara -2 sampai 2)
& melihat histogram, boxplot, scatter plot, steam & leaf. Selain itu, dengan
membandingkan ukuran penyebaran standar deviasi dengan ukuran pemusatan mean
(coefisien of varians), jika perbandingannya <30%, maka distribusi normal.
- Secara analitik, diuji dengan uji normalitas Kolmogorov-Smirnov atau uji Saphiro Wilk
(ditribusi normal = p value > 0,05)

Case Processing Summary

Cases
Valid Missing Total
N Percen N Percen N Percen
t t t
umur 299 100.0 0 0.0% 299 100.0
responden % %

Descriptives
Statistic Std.
Error
umur Mean 39.8428 .33507
responden 95% Confidence Lower 39.1834
Interval for Mean Bound
Upper 40.5022
Bound
5% Trimmed Mean 39.6436
Median 39.0000
Variance 33.569
Std. Deviation 5.79389
Minimum 25.00
Maximum 60.00
Range 35.00
Interquartile Range 8.00
Skewness .569 .141
Kurtosis .429 .281
Jika nilai kurtosis dan skewness antara -2 sampai dengan 2, maka distribusi normal
 z-values Skewness : 0,569 / 0,141 = 4,035
 z-values Kurtosis : 0,429 / 0,281 = 1,527
Nilai skewness yang diuji menunjukkan perbedaan yang signifikan dari normalitas.
PUTRI WIJAYANTI
1806185683
MANDAT
Oleh karena itu, dari data Skewness dan Kurtosis menunjukkan data tidak terdistribusi
normal.

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statisti df Sig. Statisti df Sig.
c c
umur .108 299 .000 .975 299 .000
responden
a. Lilliefors Significance Correction
Jumlah N > 60, sehingga digunakan uji Kolmogorov-Smirnov.
Jika p > 0,05, maka data yang diuji mempunyai sebaran data yang normal
Uji Kolmogorov-Smirnov : Berdasarkan Asymp, Sig. (2-tailed) yang disebut juga p-value :
0,000  menandakan data tidak terdistribusi normal.

Uji Non parametrik

Jika dilihat melalui visual, data menunjukkan penyebaran yang sekiranya normal
PUTRI WIJAYANTI
1806185683
MANDAT
Berdasarkan uji Kolmogorov-Smirnov (p <0,05) dan nilai skewness 0,569 (SE = 0,141) &
nilai kurtosis 0,429 (SE = 0,281), menunjukkan data tidak terdistribusi normal meskipun
berdasarkan visual dengan histogram, boxplot, dan Q-Q Plot data menunjukkan distribusi
normal.

Jadi, ketika ada hasil yang berbeda secara deskriptif dan analitik maka yang digunakan itu
secara analitiknya sehingga data ini terdistribusi secara tidak normal. Selanjutnya, dapat
dilakukan tansformasi data dengan mengubah data menjadi logaritma untuk mengubah data
menjadi distribusi normal.

Transform data

Case Processing Summary

Cases
Valid Missing Total
N Percent N Percent N Percent
Log10Umur 299 100.0% 0 0.0% 299 100.0%

Descriptives
Statistic Std. Error
Log10Umur Mean 1.5959 .00360
95% Confidence Lower Bound 1.5888
Interval for Mean Upper Bound 1.6030
5% Trimmed Mean 1.5954
Median 1.5911
Variance .004
Std. Deviation .06225
Minimum 1.40
Maximum 1.78
Range .38
Interquartile Range .09
Skewness .124 .141
Kurtosis .151 .281

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Log10Umur .079 299 .000 .991 299 .064
a. Lilliefors Significance Correction
PUTRI WIJAYANTI
1806185683
MANDAT

Hasil menunjukkan p < 0,05 pada uji Kolmogorov-Smirnov sehingga data tidak terdistribusi
normal.

Uji Non Parametrik

One-Sample Kolmogorov-Smirnov Test

umur
responden
N 299
Normal Parameters a,b
Mean 39.8428
Std. 5.79389
Deviation
Most Extreme Absolute .108
Differences Positive .108
Negative -.049
Test Statistic .108
Asymp. Sig. (2-tailed) .000c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.