Daftar isi
Uji normalitas memeriksa apakah data mengikuti distribusi normal, yaitu sebaran berbentuk lonceng yang simetris. Normalitas adalah asumsi uji parametrik seperti uji t, ANOVA, korelasi Pearson, dan regresi linear. Lihat juga peta uji asumsi.
Data apa yang diuji?
| Analisis | Yang diuji normalitasnya |
|---|---|
| Uji t sampel independen, ANOVA | Data setiap kelompok, masing-masing |
| Uji t berpasangan | Selisih nilai sesudah dan sebelum |
| Korelasi Pearson | Setiap variabel |
| Regresi linear | Residual model regresi |
Kolmogorov-Smirnov dan Shapiro-Wilk
Kedua uji punya H₀ yang sama: data berdistribusi normal. Karena itu yang diharapkan adalah hasil yang tidak signifikan.
- Sig. > 0,05: H₀ diterima, data berdistribusi normal.
- Sig. ≤ 0,05: H₀ ditolak, data tidak berdistribusi normal.
Shapiro-Wilk umumnya lebih kuat mendeteksi ketidaknormalan, sehingga sering dianjurkan untuk sampel kecil. Kolmogorov-Smirnov di tabel Tests of Normality SPSS sudah memakai koreksi Lilliefors.
Langkah di SPSS
- Buka Analyze → Descriptive Statistics → Explore.
- Masukkan variabel ke kotak Dependent List. Untuk data per kelompok, masukkan variabel kelompok ke Factor List.
- Klik Plots, centang Normality plots with tests, lalu Continue dan OK.
- Baca tabel Tests of Normality, kolom Sig. untuk Kolmogorov-Smirnov dan Shapiro-Wilk.
Untuk regresi, simpan residual terlebih dahulu (Analyze → Regression → Linear → Save → Unstandardized residuals), lalu uji variabel residual itu dengan langkah yang sama.
Contoh membaca hasil
Tabel Tests of Normality untuk nilai posttest kelas eksperimen menunjukkan Shapiro-Wilk Sig. = 0,214. Karena 0,214 > 0,05, data posttest kelas eksperimen berdistribusi normal.
Jangan hanya melihat angka Sig.
- Q-Q plot: titik yang mengikuti garis diagonal menunjukkan data mendekati normal.
- Histogram: bentuknya mendekati lonceng dan tidak terlalu miring.
- Skewness dan kurtosis: nilai yang jauh dari 0 menunjukkan kemiringan atau keruncingan.
Pada sampel besar, uji normalitas sering signifikan karena penyimpangan yang sangat kecil. Pada sampel sangat kecil, uji ini sering tidak mampu mendeteksi ketidaknormalan. Grafik membantu menilai keduanya.
Bila data tidak normal
Lihat cara mengatasi data tidak normal: periksa pencilan, pertimbangkan transformasi, atau pakai uji nonparametrik.
Kesalahan umum
- Menguji normalitas setiap variabel bebas dalam regresi, padahal yang diuji residual.
- Menguji gabungan dua kelompok sekaligus pada uji t independen.
- Menyebut "data normal karena Sig. kurang dari 0,05".
- Langsung mentransformasi data tanpa memeriksa salah input dan pencilan.
Pertanyaan umum
Kolmogorov-Smirnov atau Shapiro-Wilk?
Keduanya muncul di tabel Tests of Normality SPSS. Shapiro-Wilk umumnya lebih kuat mendeteksi ketidaknormalan, terutama pada sampel kecil, dan banyak dianjurkan untuk n sampai sekitar 50. Tulis uji yang kamu pakai dan pakai secara konsisten.
Yang diuji data mentah atau residual?
Untuk uji t dan ANOVA, yang diuji adalah data setiap kelompok. Untuk regresi linear, yang diuji adalah residual (sisaan) model, bukan masing-masing variabel.
Sampel besar selalu tidak normal, kenapa?
Dengan sampel besar, uji normalitas menjadi sangat peka sehingga penyimpangan kecil pun signifikan. Untuk sampel besar, lihat juga grafik Q-Q plot dan nilai skewness serta kurtosis, dan ingat bahwa uji t dan regresi cukup tahan terhadap ketidaknormalan ringan pada sampel besar.