Cara Uji Normalitas SPSS: Shapiro-Wilk, Kolmogorov-Smirnov, Q-Q Plot dan Histogram

Tulisan ini akan membantu kamu memahami secara lengkap dan mendalam tentang cara uji normalitas SPSS — mulai dari teori, fungsi, langkah praktis, sampai interpretasi hasilnya. Uji normalitas merupakan langkah awal yang sangat penting dalam analisis statistik karena banyak teknik statistik parametrik seperti t-test, ANOVA, regresi, dan lainnya mensyaratkan bahwa data yang akan dianalisis mengikuti distribusi normal. Jika asumsi normalitas tidak dipenuhi, hasil analisis bisa bias atau tidak valid sehingga perlu diatasi dahulu sebelum analisis lanjutan.

Selain itu, uji normalitas juga membantu peneliti menentukan pendekatan yang tepat apakah data akan dianalisis secara parametrik atau nonparametrik. Artikel ini akan membahas tiga pendekatan utama cara uji normalitas SPSS, yaitu uji statistik Shapiro-Wilk, Kolmogorov-Smirnov, serta pemeriksaan grafik seperti Q-Q Plot dan Histogram yang memberikan cara visual untuk melihat pemerataan sebaran data.

Apa Itu Uji Normalitas?

Uji normalitas adalah prosedur statistik yang digunakan untuk menentukan apakah data penelitian berdistribusi normal — distribusi yang memiliki bentuk lonceng (bell-shaped) yang simetris di sekitar rata-rata (mean). Banyak teknik statistik parametrik mensyaratkan distribusi data normal karena hal ini memengaruhi validitas inferensi dalam model statistik.

Tujuan Uji Normalitas

  1. Menentukan apakah data dasar memenuhi asumsi normalitas sebelum melakukan analisis parametrik.
  2. Membantu peneliti memilih metode statistik terapan yang tepat: parametrik atau nonparametrik.
  3. Mengurangi risiko kesalahan interpretasi hasil, terutama jika data tidak normal.

1. Shapiro-Wilk Test

Apa Itu Shapiro-Wilk Test?

Shapiro-Wilk adalah salah satu uji statistik terbaik untuk menilai normalitas berdasarkan sampel data. Uji ini menguji hipotesis nol bahwa data berasal dari populasi normal.

Kelebihan Utama

  • Dipandang memiliki kekuatan statistik terbaik di antara uji normalitas populer lainnya seperti Kolmogorov-Smirnov, khususnya pada sampel kecil sampai menengah.
  • Direkomendasikan saat ukuran sampel kecil (misalnya kurang dari 50 atau kurang dari 100).

Kapan Digunakan?

  • Ideal untuk dataset dengan ukuran kecil sampai menengah.

Cara Menggunakan Shapiro-Wilk di SPSS

  1. Buka SPSS dan masukkan data ke dalam Data View.
  2. Klik Analyze → Descriptive Statistics → Explore….
  3. Masukkan variabel yang akan diuji ke kotak Dependent List.
  4. Klik Plots, kemudian centang opsi Normality plots with tests dan klik Continue.
  5. Klik OK untuk menjalankan analisis.
  6. Perhatikan bagian Tests of Normality yang menampilkan hasil Shapiro-Wilk.

Interpretasi

  • Sig. > 0,05: Data tidak berbeda secara signifikan dari distribusi normal → data dianggap normal.
  • Sig. < 0,05: Data berbeda secara signifikan dari distribusi normal → data tidak normal.

2. Kolmogorov-Smirnov Test

Apa Itu Kolmogorov-Smirnov Test?

Uji Kolmogorov-Smirnov juga digunakan untuk memeriksa apakah data sesuai dengan distribusi normal. Ia membandingkan distribusi empiris data dengan distribusi normal teoretis.

Kelebihan dan Keterbatasan

  • Cocok untuk ukuran sampel yang lebih besar (umumnya 50 atau lebih).
  • Mempunyai keterbatasan dibandingkan Shapiro-Wilk pada sampel kecil karena daya uji yang lebih rendah.

Cara Menggunakan Kolmogorov-Smirnov di SPSS

  1. Sama seperti Shapiro-Wilk, buka Analyze → Descriptive Statistics → Explore….
  2. Masukkan variabel yang akan diuji ke Dependent List.
  3. Pilih Plots → Normality plots with tests → Continue → OK.
  4. Output akan menunjukkan nilai Kolmogorov-Smirnov dan Sig..

Interpretasi

  • Sig. > 0,05: Data dianggap berdistribusi normal.
  • Sig. < 0,05: Data tidak normal.

3. Pemeriksaan Visual: Q-Q Plot & Histogram

Selain uji statistik di atas, SPSS juga menyediakan pemeriksaan visual yang sangat membantu memperkuat keputusan:

Histogram

Diagram batang yang menampilkan sebaran data. Jika bentuknya menyerupai kurva lonceng normal, maka data cenderung berdistribusi normal.

Q-Q Plot

Plot yang menampilkan titik-titik nilai observasi terhadap nilai teoritis normal. Jika titik-titik mengikuti atau mendekati garis lurus, data cenderung normal. Penyimpangan yang jauh dari garis menunjukkan adanya pelanggaran normalitas.

Cara Menampilkan

Saat memilih menu Plots dalam fitur Explore…, pastikan opsi “Normality plots with tests” dicentang agar histogram dan Q-Q Plot ditampilkan bersama hasil uji statistik.

Tips Praktis Uji Normalitas di SPSS

  • Gunakan kombinasi uji statistik dan pemeriksaan visual agar hasil interpretasi lebih akurat.
  • Pertimbangkan ukuran sampel saat memilih antara Shapiro-Wilk atau Kolmogorov-Smirnov.
  • Jika data tidak normal, lakukan transformasi data (misalnya logaritma atau akar kuadrat) atau gunakan uji statistik nonparametrik.
  • Jangan hanya bergantung pada nilai Sig., tetapi perhatikan juga pola grafik dan konteks penelitian.

Kesimpulan

Memahami cara uji normalitas SPSS secara menyeluruh melalui Shapiro-Wilk, Kolmogorov-Smirnov, serta analisis grafik Q-Q Plot dan Histogram merupakan langkah penting sebelum melakukan analisis statistik lanjutan. Dengan menerapkan prosedur yang tepat dan interpretasi yang benar, peneliti dapat memastikan bahwa data memenuhi asumsi distribusi normal atau menentukan alternatif metode analisis yang sesuai. Penerapan cara uji normalitas SPSS yang tepat akan meningkatkan validitas dan keandalan hasil penelitian secara keseluruhan.

Related posts