UJI NORMALITAS

Uji normalitas adalah suatu prosedur yang digunakan untuk mengetahui apakah data berasal
dari populasi yang terdistribusi normal atau berada dalam sebaran normal. Distribusi normal
adalah distribusi simetris dengan modus, mean dan median berada dipusat. Distribusi normal
diartikan sebagai sebuah distribusi tertentu yang memiliki karakteristik berbentuk seperti
lonceng jika dibentuk menjadi sebuah histogram seperti pada gambar di bawah ini.

Distribusi normal merupakan salah satu distribusi yang paling penting kita akan hadapi. Ada
beberapa alasan untuk ini:
1. Banyak variabel dependen, umumnya diasumsikan terdistribusi secara normal dalam
populasi. Artinya, kita sering berasumsi bahwa jika kita mendapatkan seluruh populasi
pengamatan, distribusi yang dihasilkan akan sangat mirip dengan distribusi normal.
2. Jika kita dapat mengasumsikan bahwa variabel setidaknya mendekati terdistribusi normal,
maka teknik ini memungkinkan kita untuk membuat sejumlah kesimpulan (baik yang tepat
atau perkiraan) tentang nilai-nilai variabel itu.
3. Menguji normalitas data kerapkali disertakan dalam suatu analisis statistika inferensial
untuk satu atau lebih kelompok sampel. Normalitas sebaran data menjadi sebuah asumsi
yang menjadi syarat untuk menentukan jenis statistik apa yang dipakai dalam
penganalisaan selanjutnya.
Uji normalitas biasanya digunakan untuk mengukur data berskala ordinal, interval, ataupun
rasio. Jika analisis menggunakan metode parametrik, maka persyaratan normalitas harus
terpenuhi yaitu data berasal dari distribusi yang normal. Jika data tidak berdistribusi normal,
atau jumlah sampel sedikit dan jenis data adalah nominal atau ordinal maka metode yang
digunakan adalah statistik non parametrik.
Hipotesis statistik yang digunakan:
H0 : sampel berdistribusi normal
H1 : sampel data berdistribusi tidak normal
Meskipun demikian, apabila sebaran data suatu penelitian yang mengungkapkan kemampuan
siswa ternyata diketahui tidak normal hal itu bukan berarti harus berhenti penelitian itu sebab
masih ada fasilitas statistik nonparametrik yang dapat dipergunakan apabila data tadi tidak
berdistribusi normal.
Ada beberapa cara yang dapat dilakukan dalam analisis normalitas data yaitu Liliefors,
kolmogorof-smirnov, chi square, saphiro wilk sebagainya.
 UJI NORMALITAS BERAT BADAN SISWA.

Berikut ini adalah daftar berat badan siswa SMP Kelas VII.
45 65 67 69 74 78
62 65 68 71 75 78
63 67 68 72 75 81
64 67 68 73 76 82
64 67 69 74 76 87

Periksalah apakah data tersebut berdistribusi normal?

Penyelesaian
1. Hipotesis
H 0=¿ sampel berasal dari populasi yang berdistribusi normal
H 1=¿ sampel tidak berasal dari populasi yang berdistribusi normal
2. Level Signifikan ( α )=0,05
3. Kriteria Pengujian
 Nilai Sig. atau signifikasi atau nilai probabilitas < 0,05 maka distribusi adalah tidak
normal.
 Nilai Sig. atau signifikasi atau nilai probabilitas > 0,05 maka distribusi adalah normal.
4. Uji Kolmogorov Smirnov
a. Langkah-langkah
1) Masukkan data ke dalam SPSS
2) Pilih Analyze-Nonparametric Tests-Legacy Dialogs-1-Sample K-S
 3) Pada kotak One-Sample Kolmogorov Smirnov Test, pindahkan Berat_Badan ke
bagian Test Variable List. Pada bagian Test Distribution, pilih Normal. Kemudian OK.

b. Output yang dihasilkan adalah sebagai berikut.

One-Sample Kolmogorov-Smirnov Test
Berat_Badan
N 30
Mean 70,33
Normal Parameters a,b
Std. Deviation 7,783
Absolute ,109
Most Extreme Differences Positive ,101
Negative -,109
Kolmogorov-Smirnov Z ,596
Asymp. Sig. (2-tailed) ,870
a. Test distribution is Normal.
b. Calculated from data.

c. Analisis Kolmogorov Smirnov

Pada hasil uji Kolmogorov Smirnov distribusi berat badan siswa adalah normal. Hal ini
bisa dilihat pada tingkat signifikansi pada output diatas yaitu 0,870 > 0,05.

5. Uji Liliefors dan Uji Shapiro Wilks

a. Langkah-langkah Pengujian dengan SPSS
Berikut ini adalah langkah-langkah pengujian normalitas data dengan bantuan SPSS.
1) Dengan Analyze-Descriptive Statistics-Explore
2) Klik variabel berat badan dan masukkan ke kotak Dependent List. Kemudian Klik
Plots.
 3) Klik Normality Plots With Test kemudian klik Continue kemudian klik OK

b. Output yang dihasilkan adalah sebagai berikut.

Case Processing Summary

Cases
Valid Missing Total
N Percent N Percent N Percent
Berat_Badan 30 100,0% 0 0,0% 30 100,0%

Descriptives
Statistic Std. Error
Berat_Badan Mean 70,3333 1,42097
95% Confidence Interval for Lower Bound 67,4271
Mean Upper Bound 73,2395
5% Trimmed Mean 70,5926
 Median 69,0000
Variance 60,575
Std. Deviation 7,78298
Minimum 45,00
Maximum 87,00
Range 42,00
Interquartile Range 8,75
Skewness -,722 ,427
Kurtosis 2,952 ,833

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Berat_Badan ,109 30 ,200* ,933 30 ,059
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

c. Analisis:
Output Test of Normality
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Berat_Badan ,109 30 ,200* ,933 30 ,059
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Pada hasil uji Lilliefors distribusi nilai berat badan adalah normal. Hal ini bisa dilihat
pada tingkat signifikansi pada output diatas yaitu 0,200 > 0,05.
Pada hasil uji Shapiro Wilk distribusi nilai berat badan adalah normal. Hal ini bisa dilihat
pada tingkat signifikansi pada output diatas, yaitu 0,059 > 0,05.