Metodologi

Data Tidak Normal

Jawaban singkat

Bila data tidak berdistribusi normal, periksa dulu salah input dan pencilan. Setelah itu ada beberapa pilihan: transformasi data (misalnya logaritma atau akar), memakai uji nonparametrik pengganti (Mann-Whitney, Wilcoxon, Kruskal-Wallis, Spearman), atau, pada sampel besar, tetap memakai uji parametrik yang cukup tahan terhadap ketidaknormalan ringan dengan menjelaskan alasannya.

Diperbarui 11 Oktober 2026Tim Metodologi
Daftar isi
  1. 1. Periksa salah input
  2. 2. Periksa pencilan (outlier)
  3. 3. Transformasi data
  4. 4. Pakai uji nonparametrik
  5. 5. Pertimbangkan ukuran sampel
  6. Untuk regresi linear
  7. Pertanyaan umum

Hasil uji normalitas yang signifikan (Sig. ≤ 0,05) berarti data tidak berdistribusi normal. Ini bukan akhir penelitian. Ada beberapa langkah yang bisa ditempuh, dan urutannya penting.

1. Periksa salah input

Angka 55 yang seharusnya 5, atau kode jawaban kosong yang terbaca 0, bisa membuat distribusi sangat miring. Periksa nilai minimum dan maksimum setiap variabel dengan statistik deskriptif.

2. Periksa pencilan (outlier)

Pencilan adalah nilai yang jauh berbeda dari sebagian besar data. Lihat boxplot di menu Explore SPSS: titik atau bintang di luar kotak menandai pencilan. Pencilan hanya boleh dikeluarkan bila ada alasan yang jelas (misalnya responden tidak memenuhi kriteria), dan harus dilaporkan.

3. Transformasi data

Mengubah skala data dapat mengurangi kemiringan:

Bentuk dataTransformasi yang sering dipakai
Miring ke kanan sedangAkar kuadrat, x\sqrt{x}
Miring ke kanan kuatLogaritma, ln⁡(x)\ln(x) atau log⁡10(x)\log_{10}(x)
Miring ke kiriTransformasi setelah dibalik, misalnya ln⁡(k−x)\ln(k - x)

Konsekuensinya, hasil dianalisis dan ditafsirkan pada skala yang baru. Untuk logaritma, nilai harus lebih dari 0.

4. Pakai uji nonparametrik

Uji parametrikPengganti nonparametrik
Uji t sampel independenMann-Whitney U
Uji t berpasanganWilcoxon signed rank
ANOVA satu arahKruskal-Wallis
ANOVA pengukuran berulangFriedman
Korelasi PearsonKorelasi Spearman

Ini pilihan yang paling sering dipakai di skripsi karena tidak mengubah data.

5. Pertimbangkan ukuran sampel

Pada sampel besar, uji t dan regresi cukup tahan terhadap ketidaknormalan ringan, sementara uji normalitas justru sangat peka. Bila sampel besar dan grafik Q-Q plot hanya sedikit menyimpang, sebagian peneliti tetap memakai uji parametrik dengan menjelaskan alasannya. Diskusikan pilihan ini dengan pembimbing.

Untuk regresi linear

Normalitas yang disyaratkan adalah normalitas residual, bukan variabel. Bila residual tidak normal, periksa pencilan dan bentuk hubungan antarvariabel, coba transformasi variabel terikat, atau pakai galat baku dengan metode bootstrap. Lihat uji asumsi klasik.

Pertanyaan umum

Bolehkah menghapus data supaya normal?

Tidak, bila alasannya hanya supaya normal. Data hanya boleh dikeluarkan bila ada alasan yang jelas dan dilaporkan, misalnya salah input atau responden yang tidak memenuhi kriteria. Menghapus data demi hasil tertentu adalah manipulasi data.

Setelah transformasi, data masih tidak normal. Bagaimana?

Pakai uji nonparametrik pengganti. Uji nonparametrik tidak mensyaratkan distribusi normal.

Apakah uji nonparametrik lebih lemah?

Bila data benar-benar normal, uji parametrik sedikit lebih kuat. Bila data jelas tidak normal, uji nonparametrik justru lebih tepat dan kesimpulannya lebih bisa dipercaya.

Panduan terkait