Apa Itu Uji Normalitas dan Kapan Digunakan
Uji normalitas menguji apakah data berdistribusi normal — asumsi dasar bagi uji statistik parametrik (uji-t, ANOVA, korelasi Pearson). Jika asumsi ini dilanggar, hasil analisis bisa menyesatkan.
Kapan uji ini wajib? Hampir semua skripsi/tesis kuantitatif yang memakai uji parametrik mensyaratkannya sebagai uji prasyarat. Pembimbing biasanya meminta tabel Tests of Normality di bab hasil.
Hipotesisnya: H0 = data berdistribusi normal; Ha = data tidak berdistribusi normal. Keputusan diambil dari nilai Sig. (p-value) dengan taraf signifikansi α = 0,05.
Langkah-Langkah Uji Normalitas di SPSS
Langkah 1: Buka SPSS dan pastikan datamu sudah diinput di Data View dengan tipe variabel Scale di Variable View. Langkah 2: Klik menu Analyze > Descriptive Statistics > Explore....
Langkah 3: Pindahkan variabel yang akan diuji ke kotak Dependent List (bisa beberapa variabel sekaligus). Jika ingin menguji per kelompok (misalnya per jenis kelamin), masukkan variabel kelompok ke Factor List.
Langkah 4: Klik tombol Plots..., centang Normality plots with tests (wajib — tanpa ini SPSS tidak menghitung uji normalitas). Opsional: centang Histogram. Klik Continue, lalu OK.
Langkah 5: Hasil muncul di jendela Output — fokus ke tabel Tests of Normality yang berisi kolom Kolmogorov-Smirnov dan Shapiro-Wilk.
Memilih: Kolmogorov-Smirnov atau Shapiro-Wilk?
Aturan praktis yang dipakai umum: jika jumlah sampel > 50, baca kolom Kolmogorov-Smirnov; jika sampel < 50, baca kolom Shapiro-Wilk. Shapiro-Wilk lebih sensitif dan direkomendasikan untuk sampel kecil.
Catatan: jalur Explore memakai Kolmogorov-Smirnov dengan koreksi Lilliefors (standar yang diminta pembimbing). Ada jalur kedua via Analyze > Nonparametric Tests > Legacy Dialogs > 1-Sample K-S, tetapi hasilnya lebih longgar — pakai jalur Explore.
Interpretasi: jika nilai Sig. > 0,05 → H0 diterima → data berdistribusi normal. Jika Sig. < 0,05 → H0 ditolak → data tidak berdistribusi normal.
Membaca Output: Contoh Interpretasi
Misalnya output menunjukkan Sig. Kolmogorov-Smirnov = 0,200 (> 0,05) dan Sig. Shapiro-Wilk = 0,853 (> 0,05). Kesimpulan: asumsi normalitas terpenuhi, data berdistribusi normal, boleh lanjut ke uji parametrik.
Perkuat dengan visual: histogram yang berbentuk lonceng dan titik-titik Q-Q Plot yang menempel garis diagonal mendukung kesimpulan normal. Selalu kombinasikan uji statistik dengan grafik — jangan hanya mengandalkan angka.
Uji per kelompok: jika memakai Factor List, SPSS menampilkan Tests of Normality untuk tiap kelompok — baca baris yang sesuai kelompokmu.
Solusi Jika Data Tidak Berdistribusi Normal
Jangan panik — data tidak normal itu umum. Opsi 1: periksa outlier — data ekstrem sering merusak normalitas; hapus hanya jika memang kesalahan input, bukan asal buang.
Opsi 2: transformasi data — coba transformasi log, akar kuadrat, atau reciprocal, lalu uji ulang. Opsi 3: tambah jumlah sampel jika memungkinkan.
Opsi 4: pakai uji non-parametrik sebagai pengganti — Mann-Whitney (pengganti uji-t independen), Wilcoxon (pengganti uji-t berpasangan), Kruskal-Wallis (pengganti ANOVA). Opsi 5: cek ulang input data — salah ketik satu angka bisa mengubah segalanya.
Contoh Kasus Lengkap: Dari Data ke Kesimpulan
Bayangkan kamu meneliti pengaruh metode belajar terhadap nilai ujian dengan 40 siswa. Variabel nilai ujian dimasukkan ke Dependent List, variabel metode ke Factor List. Setelah Explore, tabel Tests of Normality menunjukkan Sig. Shapiro-Wilk = 0,120 (> 0,05) untuk kedua kelompok.
Kesimpulan yang ditulis di skripsi: *Berdasarkan uji Shapiro-Wilk, nilai signifikansi kedua kelompok > 0,05 sehingga data berdistribusi normal dan memenuhi asumsi uji parametrik.* Dilengkapi histogram berbentuk lonceng dan Q-Q plot yang menempel garis diagonal — bab hasilmu solid.
Jika salah satu kelompok Sig. = 0,010 (< 0,05): data kelompok itu tidak normal — opsinya transformasi atau pakai Mann-Whitney sebagai pengganti uji-t independen. Tuliskan alasan pemilihan uji non-parametrik di bab metode.
Kesalahan Umum Mahasiswa Saat Uji Normalitas
Kesalahan 1: lupa mencentang Normality plots with tests — hasilnya tidak ada tabel Tests of Normality. Kesalahan 2: membaca kolom yang salah — sampel 30 dibaca Kolmogorov-Smirnov-nya (harusnya Shapiro-Wilk). Kesalahan 3: variabel bertipe Nominal/Ordinal ikut diuji — uji normalitas hanya untuk data Scale (interval/rasio).
Kesalahan 4: menulis Sig. = 0,000 sebagai 0 — tulis p < 0,001. Kesalahan 5: hanya melaporkan angka tanpa histogram/Q-Q plot. Kesalahan 6: panik saat data tidak normal dan asal menghapus data — outlier hanya boleh dibuang jika terbukti kesalahan input, bukan karena mengganggu hasil.
Template Kalimat Laporan Hasil
Untuk data normal: *Hasil uji normalitas dengan Shapiro-Wilk menunjukkan nilai signifikansi sebesar 0,XXX (p > 0,05), sehingga dapat disimpulkan data berdistribusi normal dan memenuhi asumsi untuk analisis parametrik.*
Untuk data tidak normal: *Hasil uji normalitas menunjukkan nilai signifikansi 0,XXX (p < 0,05), sehingga data tidak berdistribusi normal. Oleh karena itu analisis dilanjutkan dengan uji non-parametrik [Mann-Whitney/Wilcoxon/Kruskal-Wallis].*
Tips: cantumkan tabel Tests of Normality (screenshot dari output SPSS) di lampiran atau bab hasil, dan sebutkan versi SPSS yang dipakai di bab metode untuk transparansi.
Uji Normalitas untuk Uji Beda: Contoh per Kelompok
Saat memakai uji-t independen atau ANOVA, normalitas harus dipenuhi per kelompok, bukan gabungan. Caranya: masukkan variabel skor ke Dependent List dan variabel kelompok (misalnya jenis kelamin) ke Factor List di dialog Explore.
SPSS akan menampilkan Tests of Normality terpisah per kelompok — baca baris yang sesuai. Jika satu kelompok normal dan satunya tidak, pertimbangkan transformasi atau uji non-parametrik.
Contoh laporan: *Uji Shapiro-Wilk menunjukkan data kelompok laki-laki (p = 0,210) dan perempuan (p = 0,087) berdistribusi normal.* Kalimat seperti ini yang diharapkan penguji.
Alternatif Uji Normalitas Selain K-S dan Shapiro
Selain dua uji utama, ada uji skewness-kurtosis: hitung nilai skewness dibagi standard error-nya — jika hasilnya di antara -1,96 dan +1,96, data dianggap normal. Bisa didapat via Analyze > Descriptive Statistics > Descriptives > Options.
Uji Liliefors pada dasarnya adalah Kolmogorov-Smirnov dengan koreksi — yang dipakai SPSS di menu Explore. Uji Anderson-Darling tidak tersedia langsung di SPSS standar.
Pendekatan visual: histogram, Q-Q plot, dan boxplot. Banyak pembimbing menerima kombinasi satu uji statistik + satu grafik sebagai bukti yang cukup. Jangan hanya mengandalkan satu metode.
Transformasi Data: Kapan dan Bagaimana
Jika data tidak normal, transformasi bisa menormalkannya. Pilihan umum: logaritma (untuk data menceng kanan/skew positif), akar kuadrat (skew ringan), reciprocal/1/x (skew berat). Di SPSS: Transform > Compute Variable > masukkan fungsi (misalnya LG10(variabel)).
Setelah transformasi, uji ulang normalitas pada variabel baru. Jika sudah normal, analisis memakai variabel transformasi — laporkan transformasi yang dipakai di bab metode.
Catatan: interpretasi hasil memakai satuan transformasi (misalnya log nilai) — jelaskan ini agar pembaca tidak bingung. Jika transformasi tidak membantu, beralih ke uji non-parametrik adalah langkah yang sah dan ilmiah.
Memilih Uji Non-Parametrik Pengganti
Peta pengganti: uji-t satu sampel → Wilcoxon signed-rank; uji-t independen → Mann-Whitney U; uji-t berpasangan → Wilcoxon; ANOVA satu arah → Kruskal-Wallis; korelasi Pearson → Spearman.
Di SPSS: Analyze > Nonparametric Tests > Legacy Dialogs > pilih uji yang sesuai. Output menampilkan nilai Sig. dengan kaidah sama: p < 0,05 = ada perbedaan/hubungan signifikan.
Menulis di skripsi: *Karena data tidak berdistribusi normal (Shapiro-Wilk p = 0,012), analisis dilanjutkan dengan uji Mann-Whitney U.* Satu kalimat ini menunjukkan kamu paham alur metodologi — penguji menyukainya.
Pertanyaan Umum Tambahan
Berapa minimal sampel untuk uji normalitas? Shapiro-Wilk valid untuk sampel kecil (bahkan n < 10), tetapi hasil lebih stabil dengan n ≥ 20. Apakah data ordinal perlu uji normalitas? Tidak — uji normalitas untuk data scale (interval/rasio).
SPSS versi berapa yang bisa? Semua versi modern (20 ke atas) punya menu Explore yang sama. Apakah uji normalitas perlu untuk regresi? Ya — yang diuji adalah residual (selisih prediksi), bukan variabel aslinya: simpan residual via Linear Regression > Save > Unstandardized Residuals, lalu uji kolom RES_1.
Bisakah p-value persis 0,05? Jika Sig. = 0,050, keputusan di batas — laporkan apa adanya dan dukung dengan grafik. Kebanyakan peneliti memakai kaidah p > 0,05 = normal.
Checklist Sebelum Konsultasi ke Pembimbing
Sebelum bimbingan, pastikan: 1) tabel Tests of Normality sudah ada; 2) kamu tahu n sampelmu dan kolom mana yang dibaca (K-S atau Shapiro); 3) histogram dan Q-Q plot terlampir; 4) keputusan normal atau tidak plus tindak lanjut (parametrik atau non-parametrik) sudah jelas; 5) versi SPSS tercatat.
Pembimbing menghargai mahasiswa yang datang dengan analisis lengkap dan pertanyaan spesifik, bukan datang dengan tangan kosong. Checklist ini mengubah bimbingan dari interogasi menjadi diskusi.
Ringkasan Alur Uji Normalitas
Alur baku: input data (tipe Scale), buka Analyze lalu Descriptive Statistics lalu Explore, masukkan variabel ke Dependent List (tambah Factor List jika per kelompok), klik Plots lalu centang Normality plots with tests, klik OK, baca Tests of Normality.
Keputusan: n lebih dari 50 pakai Kolmogorov-Smirnov; n kurang dari 50 pakai Shapiro-Wilk; Sig. lebih dari 0,05 berarti normal. Tidak normal? Cek outlier, transformasi, tambah sampel, atau uji non-parametrik. Laporan: tabel plus grafik plus satu kalimat kesimpulan.
Pertanyaan Umum
Kapan memakai Kolmogorov-Smirnov dan kapan Shapiro-Wilk?
Aturan umum: sampel > 50 pakai Kolmogorov-Smirnov, sampel < 50 pakai Shapiro-Wilk. Keduanya muncul sekaligus lewat menu Explore di SPSS.
Bagaimana langkah uji normalitas di SPSS?
Analyze > Descriptive Statistics > Explore > masukkan variabel ke Dependent List > klik Plots > centang Normality plots with tests > Continue > OK. Lihat tabel Tests of Normality.
Bagaimana cara membaca hasil uji normalitas SPSS?
Lihat kolom Sig.: jika > 0,05 data berdistribusi normal; jika < 0,05 data tidak berdistribusi normal.
Apa yang harus dilakukan jika data tidak normal?
Periksa outlier, lakukan transformasi data (log/akar kuadrat), tambah sampel, atau gunakan uji non-parametrik seperti Mann-Whitney atau Wilcoxon.
Apakah histogram dan Q-Q plot perlu dilaporkan?
Sangat disarankan. Histogram berbentuk lonceng dan titik Q-Q plot yang mengikuti garis diagonal memperkuat bukti kenormalan data di mata pembimbing/penguji.
Bisakah menguji normalitas beberapa variabel sekaligus?
Bisa. Masukkan semua variabel ke Dependent List di dialog Explore — SPSS akan menampilkan Tests of Normality untuk masing-masing variabel.
Apa beda jalur Explore dan 1-Sample K-S?
Jalur Explore memakai Kolmogorov-Smirnov dengan koreksi Lilliefors (standar akademik) plus Shapiro-Wilk sekaligus. Jalur Legacy Dialogs 1-Sample K-S tanpa koreksi dan hasilnya lebih longgar.
Apakah uji normalitas perlu untuk data kuesioner Likert?
Jika skor Likert dijumlahkan/dirata-ratakan menjadi skor skala (diperlakukan sebagai data interval), uji normalitas tetap disarankan sebelum memakai uji parametrik.