Cara Uji Normalitas di SPSS dan Interpretasinya
Cara Uji Normalitas di SPSS dan Interpretasinya
Cara Uji Normalitas di SPSS dan Interpretasinya: Panduan Lengkap untuk Skripsi & Penelitian
Dalam analisis statistik kuantitatif, uji normalitas merupakan salah satu bagian dari uji asumsi klasik yang wajib dilakukan sebelum melakukan uji hipotesis parametrik (seperti Uji T, ANOVA, atau Regresi Linear). Tujuan utama dari uji normalitas adalah untuk mengetahui apakah data penelitian yang Anda kumpulkan berdistribusi normal atau tidak. Data yang berdistribusi normal menjadi syarat mutlak agar kesimpulan penelitian tidak bias dan tetap valid.
Dua metode pengujian statistik yang paling sering digunakan di program SPSS adalah Kolmogorov-Smirnov dan Shapiro-Wilk. Artikel ini akan memandu Anda melalui langkah-langkah praktis melakukan uji normalitas di SPSS beserta cara membaca (interpretasi) output hasilnya secara mudah.
Memilih Metode: Kolmogorov-Smirnov vs Shapiro-Wilk
Sebelum masuk ke aplikasi SPSS, Anda perlu menentukan metode mana yang sesuai dengan jumlah sampel (N) data Anda:
Sebelum masuk ke aplikasi SPSS, Anda perlu menentukan metode mana yang sesuai dengan jumlah sampel (N) data Anda:
- Kolmogorov-Smirnov: Digunakan jika jumlah sampel penelitian berukuran besar, yaitu lebih dari 50 sampel (N > 50).
- Shapiro-Wilk: Digunakan jika jumlah sampel penelitian berukuran kecil, yaitu kurang dari atau sama dengan 50 sampel (N ≤ 50).
Langkah-Langkah Uji Normalitas di SPSS (Metode Explore)
Jalur terbaik untuk melakukan uji normalitas adalah melalui menu Explore. Keuntungannya, Anda bisa memunculkan hasil uji Kolmogorov-Smirnov, Shapiro-Wilk, sekaligus grafik visual (seperti Q-Q Plot) hanya dalam satu kali proses kerja.
Jalur terbaik untuk melakukan uji normalitas adalah melalui menu Explore. Keuntungannya, Anda bisa memunculkan hasil uji Kolmogorov-Smirnov, Shapiro-Wilk, sekaligus grafik visual (seperti Q-Q Plot) hanya dalam satu kali proses kerja.
Berikut panduan langkah demi langkahnya:
- Input Data ke SPSS
Buka aplikasi SPSS Anda. Masukkan data penelitian pada lembar kerja Data View. Pastikan pada kolom Variable View, variabel Anda sudah diatur dengan benar dan tipe datanya diatur sebagai Scale. - Masuk ke Menu Explore
Pada menu bar di bagian atas, klik Analyze > Descriptive Statistics > Explore. - Pindahkan Variabel
Jendela baru bertuliskan "Explore" akan muncul. Klik variabel yang ingin Anda uji, lalu tekan tombol panah untuk memindahkannya ke dalam kotak Dependent List. - Atur Pilihan Plots
Klik tombol Plots yang berada di sisi kanan jendela. Setelah muncul jendela baru, beri tanda centang pada opsi Normality plots with tests. Anda juga bisa mencentang Histogram jika memerlukan visualisasi grafik sebaran data. Klik Continue. - Jalankan Analisis
Terakhir, klik OK. Jendela Output SPSS akan otomatis terbuka dan memproses data Anda.
Cara Interpretasi Output "Tests of Normality"
Untuk membaca hasil uji normalitas, fokuslah pada tabel output yang berjudul Tests of Normality. Perhatikan nilai pada kolom Significance (Sig.) atau p-value dengan dasar pengambilan keputusan sebagai berikut:
Untuk membaca hasil uji normalitas, fokuslah pada tabel output yang berjudul Tests of Normality. Perhatikan nilai pada kolom Significance (Sig.) atau p-value dengan dasar pengambilan keputusan sebagai berikut:
- Jika nilai Sig. > 0,05, maka data berdistribusi normal (Asumsi normalitas terpenuhi).
- Jika nilai Sig. ≤ 0,05, maka data tidak berdistribusi normal (Asumsi normalitas tidak terpenuhi).
Contoh Kasus Membaca Tabel Output:
Misalkan Anda menguji variabel "Hasil Belajar" dengan jumlah sampel sebanyak 30 orang mahasiswa (N = 30). Karena sampel kurang dari 50, maka metode yang dibaca adalah Shapiro-Wilk.
Jika pada kolom Sig. di bagian Shapiro-Wilk tertera angka 0,271, maka kesimpulannya adalah data berdistribusi normal karena 0,271 lebih besar dari 0,05.
Misalkan Anda menguji variabel "Hasil Belajar" dengan jumlah sampel sebanyak 30 orang mahasiswa (N = 30). Karena sampel kurang dari 50, maka metode yang dibaca adalah Shapiro-Wilk.
Jika pada kolom Sig. di bagian Shapiro-Wilk tertera angka 0,271, maka kesimpulannya adalah data berdistribusi normal karena 0,271 lebih besar dari 0,05.
Solusi Jika Data Tidak Berdistribusi Normal
Jangan panik jika hasil pengujian Anda menghasilkan nilai Sig. di bawah 0,05. Beberapa solusi alternatif yang bisa Anda lakukan antara lain:
Jangan panik jika hasil pengujian Anda menghasilkan nilai Sig. di bawah 0,05. Beberapa solusi alternatif yang bisa Anda lakukan antara lain:
- Memeriksa data ekstrem (outlier) dan menghapusnya jika diperlukan.
- Melakukan transformasi data statistik (misalnya diubah ke bentuk Logaritma Natural/LN, Akar Kuadrat, atau bentuk lainnya).
- Menambah jumlah sampel penelitian agar sebaran data lebih merata.
- Beralih menggunakan analisis statistik Non-Parametrik (seperti Mann-Whitney atau Wilcoxon) yang tidak mensyaratkan asumsi data berdistribusi normal.
Daftar Pustaka:
- Ernawati, K. et al. (2023). Uji Normalitas Data dengan Software SPSS. Jakarta: Universitas YARSI.
- Ghozali, I. (2018). Aplikasi Analisis Multivariate dengan Program IBM SPSS 25. Semarang: Badan Penerbit Universitas Diponegoro.
- Sugiyono. (2019). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung: Alfabeta.
Keyword
- Keyword Utama: cara uji normalitas di spss
- Keyword Turunan: uji normalitas kolmogorov smirnov spss, interpretasi uji normalitas spss, uji shapiro wilk spss, langkah uji normalitas data skripsi, data tidak berdistribusi normal spss.
