MODUL MANAJEMEN DATA

(KES 501)

MODUL SESI 4
UJI NORMALITAS

DISUSUN OLEH
NANDA AULA RUMANA, SKM., MKM

UNIVERSITAS ESA UNGGUL

2021

Universitas Esa Unggul

http://esaunggul.ac.id 1 / 13
 UJI NORMALITAS DATA

A. Pengantar
Sebelum melakukan analisis uji hipotesis, kita harus mengetahui sebaran
distribusi data yang kita miliki terutama untuk data berbentuk numerik.
Apakah sebaran data tersbut normal atau tidak normal. Untuk mengetahui
sebaran distribusi data, digunakan uji normalitas data.

Jika distibusi data yang kita miliki normal yang artinya distribusi data tidak
menceng ke kiri atau ke kanan, maka analisis statistik yang digunakan untuk
melakukan uji hipotesis adalah statistik parametrik. Sedangkan jika distribusi
data yang kita miliki tidak normal maka analisis statistik yang digunakan
untuk melakukan uji hipotesis adalah statistik non parametrik.

Untuk melakukan uji normalitas dapat dilakukan dengan 3 cara yaitu

histogram, Kolmogorov-Smirnov dan nilai SE-Skewness. Seperti pada tabel
berikut ini :
Metode Parameter Syarat Data Normal Keterangan
Histogram Simetris tidak miring kiri
maupun kanan, tidak
Deskriptif terlalu tinggi atau rendah
Skewness Nilai rasio skewness -2 𝑆𝑘𝑒𝑤𝑛𝑒𝑠𝑠
s/d2 SD 𝑆𝐸 𝑆𝑘𝑒𝑤𝑛𝑒𝑠𝑠
Kolmogorov-Smirnov Nilai kemaknaan (p>0.05) Untuk sampel
besar (>50)
Analitik
Shapiro-Wilk Nilai kemaknaan (p>0.05) Untuk sampel kecil
(<50)

Sering kali variabel yang kita miliki terdapat kombinasi, misalkan antara
variabel independen dan dependen ada data jenis kategori dan numerik maka
uji normalitas dilakukan hanya pada data yang numerik saja, artinya jika data
numerik menyatakan tidak normal maka gunakan statistik non parametrik.
Namun jika varibel yang kita miliki, misalkan antara variabel independen dan
dependen berupa data numerik maka lakukan uji pada keduanya, jika
keduanya menyatakan normal maka gunakan statistik parametrik atau kita

Universitas Esa Unggul

http://esaunggul.ac.id 2 / 13
 juga bisa hanya melihat variabel utamanya (dependen), jika varibel dependen
terdistribusi secara normal maka dapat menggunakan statistik parametrik.
Untuk lebih jelas digambarkan pada grafik berikut ini :

Analisis Data

Uji Normalitas Data

Data Normal/Parametrik Data Tidak Normal/

Non Parametrik

Uji T-Test

T-Test Independen Mann-Whitney

T-Test Dependen Wilcoxon

Uji ANOVA Kruskal Wallis

Uji Korelasi Pearson Korelasi Spearman

Chi-Square

1. Uji Normalitas dengan Histogram

Histogram merupakan salah satu grafik yang digunakan untuk
menyajikan data berbentuk numerik. Histogram dapat menampilkan
gambaran normalitas data berdasarkan tampilannya. Namun hasil dari
grafik histogram sangat subjektif tergantung peneliti karena tidak ada
batasan yang mutlak yang harus dipenuhi.

Universitas Esa Unggul

http://esaunggul.ac.id 3 / 13
 Misalkan kita ingin melakukan uji normalitas terhadap data nilai
Uang saku pada data berikut ini :

Langkah yang dilakukan adalah sebagai berikut :

o Pilih Graps → Legacy Dialogs→ Histogram..

o Masukkan variabel yang akan diuji kedalam kotak variable dan

centang kotak Displays normal curve..

Universitas Esa Unggul

http://esaunggul.ac.id 4 / 13
 o Klik Ok, maka hasilnya akan muncul output spss

o Lakukan double klik pada kurva histogram, kemudian klik show

distribution curve

Universitas Esa Unggul

http://esaunggul.ac.id 5 / 13
 o Maka secara default akan terpilih apakah data normal atau tidak

Universitas Esa Unggul

http://esaunggul.ac.id 6 / 13
 o Pada output sudah ada keterangan sebaran distribusi data

Jika dilihat hasil histogram, variabel tersebut berdistribusi normal

karena berbentuk bell shape/lonceng dan berdasarkan keterangan
pada ouput histogram. Sebaiknya untuk menyimpulkan apakah data
berdistribusi normal atau tidak dilanjutkan dengan melakukan uji
Skewness dan Kolmogorov/Shapiro.

2. Uji Normalitas dengan Skewness

Langkah yang dilakukan adalah sebagai berikut :
o Klik Analyze →Descriptive Statistic → Explore...

o Masukkan variabel yang akan diuji kedalam kotak Dependent

Universitas Esa Unggul

http://esaunggul.ac.id 7 / 13
 o List

o Klik Plots, kemudian aktifkan normality plot with test (pada

bagian ini kita juga bisa sekaligus melakukan uji normalitas
dengan histogram, namun karena sudah dilakukan tidak perlu
mengaktifkan histogram)

Universitas Esa Unggul

http://esaunggul.ac.id 8 / 13
 o Klik Continue, kemudia Ok, hasil akan muncul pada output data
SPSS

Berdasarkan hasil output tersebut, dapat dihitung :

𝑆𝑘𝑒𝑤𝑛𝑒𝑠𝑠 1.275
= = 7.72 (>2 SD)
𝑆𝐸 𝑆𝑘𝑒𝑤𝑛𝑒𝑠𝑠 0.165

Sehingga berdasarkan hasil uji normalitas menggunakan

skewness variabel uang saku tidak normal. Karena berdasarkan uji
normalitas sebelumnya (histogram) normal, maka belum dapat
disimpukan dan perlu dilakukan uji normalitas selanjutnya yaitu uji
Kolmogorov/Shapiro.

3. Uji Normalitas dengan Kolmogorov dan Shapiro

Dengan melakukan perintah uji normalitas menggunakan
skewness, maka sudah sekalian melakukan uji normalitas
menggunakan Kolmogorov/Shapiro. Pada output data SPSS sudah
tercantum tinggal mengambil keputusan saja, apakah data tersebut
normal atau tidak normal.
Untuk mengingatkan, berikut langkah yang digunakan :

Universitas Esa Unggul

http://esaunggul.ac.id 9 / 13
 o Klik Analyze →Descriptive Statistic → Explore...

o Masukkan variabel yang akan diuji kedalam kotak

Dependent List

Universitas Esa Unggul

http://esaunggul.ac.id 10 / 13
 o Klik Plots, kemudian aktifkan normality plot with test
(pada bagian ini kita juga bisa sekaligus melakukan uji
normalitas dengan histogram, namun karena sudah
dilakukan tidak perlu mengaktifkan histogram).

o Klik Continue, kemudian Ok, hasil akan muncul pada

output data SPSS

Cara membaca signifikansi dengan melihat kolom Sig.

Kesimpulan normal atau tidaknya data berdasarkan hipotesis berikut
ini:
Ho : “Distribusi data sama dengan distribusi normal”
Ha : “Distribusi data tidak sama dengan distribusi normal
Apabila nilai P value (Sig.) kurang dari α : 0,05 (mis 0.000), maka
Ho ditolak kesimpulannya “Distribusi data adalah tidak normal”.
Namun apabila nilai P value (Sig.) lebih dari α : 0,05 (mis 0.117),
maka Ho gagal ditolak kesimpulannya “Distribusi data adalah
normal”.
Berikut hasil ouput uji normalitas dengan Kolmogorov/Shapiro :

Universitas Esa Unggul

http://esaunggul.ac.id 11 / 13
 Jika jumlah sampel pada data >50 orang maka yang dibaca adalah
kolom kolmogorov-smirnov, namun jika jumlah sampel pada data <50
orang maka yang dibaca adalah kolom shapiro-wilk. Karena pada
contoh sampelnya berjumlah 218 orang, maka yang dibaca adalah
kolom kolmogorov-smirnov. Pada hasil output didapatkan pValue =
0.0001 artinya <0.05 berarti data tidak berdistribusi normal.

Kesimpulan secara keseluruhan uji normalitas data untuk variabel

uang saku adalah :
o Hasil uji histogram menyatakan normal
o Hasil uji skewness menyatakan tidak normal, dan
o Hasil uji kolmogorov menyatakan tidak normal
Karena dua uji normalitas menyatakan tidak normal dari tiga uji
yang dilakukan, maka dapat disimpulkan variabel uang saku
berdistribusi tidak normal.

Universitas Esa Unggul

http://esaunggul.ac.id 12 / 13
 Daftar Pustaka
1. Santoso S., Panduan Lengkap SPSS Versi 23, (Jakarta: PT Gramedia,
2016)
2. Dahlan S., Statistika Untuk Kedokteran dan Kesehatan Seri 1, (Jakarta:
PT Arkans, 2004)
3. Pramesti, G., Kupas Tuntas Data Penelitian dengan SPSS 22, (Jakarta:
PT Elex Media Komputindo, 2014)
4. Sujarweni, V. W., Panduan Penelitian Kebidanan dengan SPSS,
(Yogyakarta: Pustaka Baru Press, 2014)

Universitas Esa Unggul

http://esaunggul.ac.id 13 / 13