Uji normalitas adalah prosedur statistik yang dilakukan untuk mengecek apakah sebaran data penelitian pada variabel terikat dan bebas berdistribusi normal atau mendekati normal. Pengujian ini merupakan syarat asumsi klasik yang wajib dipenuhi sebelum peneliti menjalankan analisis regresi linear atau uji beda parametrik demi memastikan kesahihan hasil.
Bagaimana Cara Melakukan Uji Normalitas SPSS?
Cara melakukan uji normalitas SPSS dapat dijalankan melalui menu Analyze, kemudian memilih Descriptive Statistics, lalu klik Explore untuk memasukkan variabel ke kotak Dependent List, dan mencentang opsi normality plots with tests pada menu Plots.
Bagi mahasiswa tingkat akhir yang sedang berjuang menyelesaikan penelitian skripsi, tahapan pengolahan data sering kali menjadi tantangan tersendiri. Agar tidak salah langkah, berikut adalah panduan teknis langkah demi langkah yang bisa Anda praktikkan langsung di software IBM SPSS Statistics.
- Buka aplikasi IBM SPSS Statistics dan masukkan data penelitian Anda pada jendela Data View dengan ketentuan setiap kolom merepresentasikan satu variabel penelitian.
- Klik menu bar di bagian atas, pilih Analyze, arahkan kursor ke Descriptive Statistics, lalu klik pilihan Explore untuk membuka jendela dialog baru.
- Masukkan variabel penelitian yang ingin diuji ke dalam kotak Dependent List dengan cara mengklik tanda panah di sampingnya.
- Klik tombol Plots di sisi kanan jendela Explore, lalu berikan tanda centang pada kotak kecil bertuliskan Normality plots with tests agar SPSS otomatis menampilkan nilai signifikansi uji Kolmogorov-Smirnov dan Shapiro-Wilk.
- Klik tombol Continue untuk menutup jendela Plots, lalu klik tombol OK di jendela utama Explore guna memproses perintah pengujian statistik tersebut.
- Perhatikan jendela Output yang muncul di layar monitor Anda, khususnya pada tabel bertuliskan Tests of Normality untuk melihat hasil akhir nilai signifikansi dari data Anda.
Apa Kriteria Keputusan Uji Normalitas di SPSS?
Kriteria keputusan uji normalitas di SPSS adalah nilai signifikansi (Sig.) harus lebih besar dari 0,05 agar data dinyatakan berdistribusi normal secara statistik.
Dalam membaca hasil output pengujian statistik, Anda tidak boleh sembarangan mengambil kesimpulan. Pemahaman mengenai kriteria pengujian sangat menentukan validitas bab hasil penelitian Anda nantinya. Secara umum, uji Kolmogorov-Smirnov digunakan untuk sampel berukuran besar di atas 50 responden, sedangkan uji Shapiro-Wilk lebih akurat dipakai untuk sampel berukuran kecil di bawah 50 responden.
| Kondisi Nilai Signifikansi (Sig.) | Kriteria Keputusan | Kesimpulan Distribusi Data |
|---|---|---|
| Nilai Sig. > 0,05 | H0 diterima | Data berdistribusi normal |
| Nilai Sig. < 0,05 | H0 ditolak | Data tidak berdistribusi normal |
| Nilai Sig. = 0,05 | Batas kritis | Perlu pemeriksaan ulang atau transformasi |
Tabel di atas menyederhanakan pedoman pengambilan keputusan yang berlaku secara universal dalam analisis statistika inferensial. Jika ternyata nilai signifikansi penelitian Anda berada di bawah angka 0,05, maka Anda tidak perlu langsung panik karena ada beberapa solusi alternatif yang bisa ditempuh untuk menyelamatkan data skripsi Anda.
Bagaimana Cara Mengatasi Data Tidak Normal di SPSS?
Cara mengatasi data tidak normal di SPSS meliputi pembuangan data pencilan atau outlier, penambahan jumlah sampel penelitian, serta melakukan transformasi data menggunakan fungsi matematika seperti logaritma natural.
Kendala data yang tidak berdistribusi normal sering kali dijumpai pada penelitian bidang sosial, ekonomi, maupun psikologi yang melibatkan persepsi responden melalui kuesioner skala Likert. Ketika hasil uji menunjukkan angka di bawah 0,05, langkah pertama yang bisa dicoba adalah mendeteksi adanya data ekstrem atau outlier melalui diagram boxplot di SPSS.
Data ekstrem yang terbukti merupakan kesalahan input atau responden yang menjawab secara sembarangan dapat dihapus dari lembar kerja SPSS. Setelah data pencilan tersebut dibersihkan, lakukan kembali prosedur pengujian normalitas dari awal untuk melihat apakah nilai signifikansinya sudah bergeser menjadi di atas 0,05.
Jika penghapusan data tidak memungkinkan karena jumlah sampel yang terbatas, langkah berikutnya adalah melakukan transformasi data. Transformasi data dilakukan dengan mengubah nilai asli variabel ke dalam bentuk matematis tertentu, misalnya transformasi bentuk Logaritma Natural (Ln), akar kuadrat, atau bentuk inverse agar sebaran datanya menjadi lebih simetris dan memenuhi asumsi normalitas.
Alternatif terakhir apabila berbagai upaya transformasi tetap gagal membuat data berdistribusi normal adalah beralih menggunakan statistik non-parametrik. Uji non-parametrik tidak menuntut asumsi normalitas data, sehingga sangat aman digunakan untuk menguji hipotesis penelitian Anda tanpa harus mengubah substansi data asli.
Pertanyaan Umum
Kapan uji normalitas harus dilakukan dalam skripsi?
Uji normalitas harus dilakukan sebelum pengujian hipotesis utama seperti regresi linear berganda atau analisis jalur, karena normalitas merupakan salah satu asumsi klasik yang wajib dipenuhi.
Apa beda uji Kolmogorov-Smirnov dan Shapiro-Wilk?
Uji Kolmogorov-Smirnov digunakan untuk sampel berukuran besar di atas 50 responden, sedangkan Shapiro-Wilk lebih direkomendasikan untuk sampel kecil di bawah 50 responden.
Apakah data kuesioner skala Likert wajib uji normalitas?
Data kuesioner skala Likert yang diubah menjadi data interval melalui metode successive interval atau dijumlahkan totalnya tetap wajib diuji normalitas jika akan dianalisis dengan statistik parametrik.
Demikian panduan lengkap mengenai cara melakukan dan membaca hasil pengujian asumsi sebaran data menggunakan software statistika populer. Apabila Anda mengalami kendala teknis atau kesulitan dalam proses pengolahan data penelitian, manfaatkan layanan profesional dari jasa olah data SPSS yang terpercaya untuk mendampingi penyelesaian skripsi Anda secara akurat dan tepat waktu.