MODUL V

UJI NORMALITAS DATA

Uji Normalitas data, dilakukan sebelum data diolah berdasarkan metode atau
model-model pengujian yang lain, dari hasilnya dapat ditentukan apakah pengujian
selanjutnya menggunakan metode statistik parametrik atau non parameterik. Uji
normalitas bertujuan untuk mengetahui distribusi data dalam variabel yang akan
digunakan dalam penelitian. Data yang baik digunakan dalam penelitian adalah data yang
memiliki distribusi normal. Suatu data berdistribusi Normal biasanya memiliki ciri-ciri
sebagai berikut:
- Datanya bisa di ukur.
- Jumlah data yang nilainya ekstrim (sangat kecil atau sangat besar) jumlanya
sedikit.
- Data yang nilainya mendekati nilai rata-rata, jumlah(frekuensi)nya terbanyak.
- Kurvanya berupa garis lengkung berbentuk seperti genta (lonceng) dengan kedua
ujung kurva semakin mendekati sumbu X, tetapi tidak pernah memotongnya.

Normalitas data dapat diketahui dengan dua cara yaitu:

1. Dengan menggunakan uji Normal Kolmogorov - Smirnov.
2. Dengan Menggunakan Nilai Skewness (derajat kemiringanlebar kurva) dan
Kurtosis (derajat keruncingantinggi kurva).

PRAKTEK MODUL V

Uji Normal Kolmogorov – Smirnov

Berikut ini merupakan data sampel berat badan dan tinggi badan Mahasiswa
STIKES Surya Global Yogyakarta.
Langkah – langkah Praktek :
1. Lakukan pendefenisian variabel pada lembar kerja Variable View

2. Isikan data mahasiswa yang didapat dari sampel, ke dalam kolom variabel -
variabel yang sudah di defenisikan sebelumnya pada lembar kerja Data View.
3. Simpan data misal dengan nama file Praktek 5.1.sav
4. Lakukan pengolahan uji Normal Kolmogorov – Smirnov,
dengan cara : - Klik Menu AnalyzeNon Parametric Tests1
Sample K-S
- Pindahkan variabel beratbdn dan variabel tggibdn ke kotak Test
Variable List.
- Pada bagian Test DistributionPilih Normal.
- Klik OK
- Berikut ini merupakan hasil output pengolahannya :

NPar Tests
One-Sample Kolmogorov-Smirnov Test

Berat Badan Tinggi Badan

N 20 20
a,b
Normal Parameters Mean 54.35 162.20
Std. Dev iation 9.132 7.634
Most Extreme Absolute .098 .263
Diff erences Positiv e .078 .263
Negativ e -.098 -.123
Kolmogorov -Smirnov Z .440 1.178
Asy mp. Sig. (2-tailed) .990 .125

a. Test distribution is Normal.

b. Calculated f rom data.

Analisis :
Pengambilan kesimpulan
- Jika Nilai P > 0,05 maka data berdistribusi Normal
- JIka Nilai P < 0,05 maka data berdistribusi Tidak Normal.
Nilai Sig atau nilai P variabel berat badan = 0,990 dan nilai P untuk variabel
Tinggi Badan = 0,125 kedua – duannya lebih besar dari 0,05 sehingga distribusi
datanya adalah Normal.
 5. Simpan File Output, misal dengan nama file : Output 5.1
Tutup atau Close jendela Output Viewer

Uji Normalitas dengan Nilai Skewness dan Kurtosis

Uji Skewness dan Kurtosis ini digunakan untuk mengetahui apakah suatu data
yang didapat dari sampel, memiliki distribusi data normal atau tidak dengan cara menilai
keringan kurva (Skewness) dan keruncingna kurva (Kurtosis).

Soal Praktek

Berikut ini merupakan data sampel berat badan mahasiswa Stikes Surya Global
Yogykarta :

Ujilah data di atas, apakah distribusi datanya normal atau tidak ?

Langkah – langkah Praktek :

1. Siapkan lembar kerja baru, pada Data Editor SPSSFileNewData
2. Aktifkan lembar kerja Vaiable View, lakukan pendefenisian variabel seperti
dibawah ini:

3. Aktifkan lembar kerja Data View. Kemudian isikan data – data yang di dapat dari
sampel.
4. Simpan data misal dengan nama file Praktek 5.1.sav
5. Lakukan pengolahan uji Normalitas, dengan cara berikut ini :
- Klik Menu AnalyzeDescriptive StatisticsExplore
 - Pindahkan variabel berat ke kotak Dependent List
- Pindakan variabel jk ke kotak Factor List
- Klik tombl Statisticsberit tanda centang pada kotak Descriptive dan
Confidence Interval for mean = 95 %  Continue.
- Klik tombol Plots  pada bagian BoxPlots pilih None
- Kosongkan semua pilihan pada bagian Descriptive
- Beri tanda centang pada Normality plots with test
- Pada bagian Spread vs level … pilih None
3. Klik tombol Continue
4. Klik tombol Option, kemudian bila pilihan terdapat pada Exclude cases listwise
tidak perlu lagi dilakukan perubahan, klik Continue.
5. Klik OK.
6. Berikut ini merupakan hasil dari pengolahannya.

Explore
Jenis Kelamin
Case Processing Summary

Cases
Valid Missing Total
Jenis Kelamin N Percent N Percent N Percent
Berat Badan Mahasiswa Laki - laki 10 100,0% 0 ,0% 10 100,0%
Perempuan 10 100,0% 0 ,0% 10 100,0%
 Descriptives

Jenis Kelamin Statistic Std. Error

Berat Badan Mahasiswa Laki - laki Mean 56,50 2,659
95% Confidence Lower Bound 50,48
Interv al for Mean Upper Bound
62,52

5% Trimmed Mean 56,56

Median 56,00
Variance 70,722
Std. Dev iation 8,410
Minimum 44
Maximum 68
Range 24
Interquartile Range 15,25
Skewness -,055 ,687
Kurtosis -1,518 1,334
Perempuan Mean 52,80 1,925
95% Confidence Lower Bound 48,44
Interv al for Mean Upper Bound
57,16

5% Trimmed Mean 52,56

Median 52,00
Variance 37,067
Std. Dev iation 6,088
Minimum 45
Maximum 65
Range 20
Interquartile Range 8,50
Skewness ,861 ,687
Kurtosis ,473 1,334

Tests of Normality
a
Kolmogorov -Smirnov Shapiro-Wilk
Jenis Kelamin Statistic df Sig. Statistic df Sig.
Berat Badan Mahasiswa Laki - laki ,161 10 ,200* ,942 10 ,578
Perempuan ,159 10 ,200* ,944 10 ,594

*. This is a lower bound of the true significance.

a. Lillief ors Signif icance Correction

NB : Gambar grafiknya tidak disertakan, untuk efisiensi tempat.

- Untuk Analisisnya sudah di bahas pada halaman sebelumnya (Modul III)