Uji normalitas dilakukan untuk mengetahui normal atau tidaknya suatu distribusi data. Hal ini penting diketahui berkaitan dengan ketepatan pemilihan uji statistik yang akan dipergunakan. Uji parametrik misalnya, mensyaratkan data harus berdistribusi normal. Apabila distribusi data tidak normal maka tidak bisa melakukan uji parametrik seperti:

  1. Uji-z (1 atau 2 sampel)
  2. Uji-t (1 atau 2 sampel)
  3. Korelasi pearson,
  4. Perancangan percobaan (one or two-wayanova parametrik)

Namun masih bisa dilakukan dengan uji non parametrik:

  1. Uji tanda (sign test)
  2. Rank sum test (wilcoxon)
  3. Rank correlation test (spearman)
  4. Fisher probability exact test.
  5. Chi-square test, dll

Pengujian normalitas ini harus dilakukan apabila belum ada teori yang menyatakan bahwa suatu variabel yang sedang di teliti normal, Dengan kata lain, apabila ada teori yang menyatakan bahwa suatu variabel yang sedang diteliti normal, maka tidak diperlukan lagi pengujian normalitas data. Ada beberapa teknik yang sedang digunakan untuk menguji normalitas data, antara lain: Uji Chi Square, Uji Lilifors, Uji Kolmogorov-Smirnov, dll.

Untuk menguji normalitas data dengan SPSS, silahkan ikuti langkah-langkah di bawah ini.

Download Data Uji Normalitas

  • Silahkan buka file data yang sudah anda download di atas

  • Pada kolom decimals angka ganti menjadi 1 pada Y dan 0 pada X
  • pada kolom label isikan Hasil Belajar pada Y dan Model Pembelajaran pada
  • Pada kolom Values Beri label Model NHT dan Konvensional
  • Pada kolom Align isikan Center

  • Selanjutnya pada menu SPSS Klik menu Analyze, kemudian pilih menu Descriptives Statistics, kemudian pilih menu Explorer

  • Akan terbuka kotak dialog Explorer

  • Masukkan variabel Y ke dalam kotak Dependent List
  • Sorot variabel X ke dalam kotak Factor List

  • Klik tab Plots, centang pilihan Normality plots with tests
  • Klik Continue, Klik OK

  • Uji Normalitas menghasilkan beberapa output, untuk keperluan penelitian pada umumnya hanya diperlukan output berupa Test of Normality seperti di bawah ini

Menafsirkan hasil uji normalitas, pada gambar di atas menunjukkan uji normalitas data Hasil Belajar. Pengujian normalitas dengan SPSS berdasarkan pada uji Kolmogorov-Smirnov dan Shapiro Wilk. Pilih salah satu, misalnya Kolmogorov _ Smirnov. Hipotesis yang diuji adalah:

  • H0  : Data berdistribusi normal
  • H1  : Data berdistribusi tidak normal

Cara mengetahui signifikan atau tidak hasil uji normalitas adalah dengan memperhatikan angka pada kolom signifikansi (sig). Kriteria uji normalitas sebagai berikut:

  • Tetapkan taraf nyata (signifikansi) misalnya α = 0,05
  • Bandingkan  angka pada kolom sig dengan α
  • Jika Sig > α maka data berdistribusi normal
  • Jika Sig < α maka data berdistribusi tidak normal

Pada contoh di atas nilai model NHT dan Konvensional Sig > α  atau 0,200 > 0,05 maka dapat disimpulkan data variabel hasil belajar berdistribusi normal

Tinggalkan Komentar