PEMBAHASAN : 

A. PENGERTIAN UJI NORMALITAS

Uji Normalitas adalah suatu prosedur yang digunakan untuk mengetahui apakah data berasal dari populasi yang terdistribusi normal atau berada dalam sebaran normal (Nuryadi, dkk, 2017:79). Menurut Ismail (2018:193) jika data penelitian berdistribusi normal maka uji statistic yang digunakan adalah statistic parametric. Namun jika tidak berdistribusi normal maka menggunakan statistic non-parametric. Normalitas data merupakan hal yang penting karena dengan data yang terdistribusi normal maka data tersebut dianggap dapat mewakili populasi (Purnomo, 2016: 65). Distribusi normal diartikan sebagai sebuah distribusi tertentu yang memiliki karakteristik berbentuk seperti lonceng jika dibentuk menjadi sebuah histogram (Nuryadi, dkk. 2017: 79).

B. MACAM-MACAM UJI NORMALITAS

Uji normalitas merupakan syarat salah satu syarat untuk uji statistik parametrik. Uji Normalitas dapat dilakukan dalam 5 cara berikut:

C. METODE GRAFIK

Uji Normalitas  dapat dianalisis dari grafik histogram dan Q-Plot SPSS. Suatu data dinyatakan berdistribusi normal apabila sebaran titik-titik berada disekitar garis garis diagonal dan mengikuti arah garis grafik histogramnya.  Sebaliknya, data dinyatakan tidak berdistribusi normal apabila sebaran titik-titik tidak berada disekitar garis garis diagonal dan tidak mengikuti arah garis grafik histogramnya

Contoh  Latihan
Misalkan terdapat suatu data  nilai ujian siswa yang akan diuji apakah data berikut berdistribusi normal atau tidak dengan program SPSS.
Catatan: Data ini akan kita gunakan untuk menguji normalitas dengan 4 metode yang berbeda. 

1. Menginput data diatas ke dalam program SPSS dengan setingan variable view dan data view seperti  gambar berikut:
2. Klik Analyze – Descriptive Statistics  -  Q-Q Plot.

3. Pindahkan Variabel Nilai Ujian dari kiri ke kotak dialog  Variable. Kemudian  Klik OK.  
4. Maka akan muncul Output SPSS berikut: 
Interpretasi: gambar tersebut data dinyatakan berdistribusi normal karena sebaran titik-titik berada disekitar garis garis diagonal dan mengikuti arah garis.

D. METODE JARQUE BERA

Metode Jarque-Bera adalah hasil dari dua orang yaitu Carlos M. Jarque Uribe dan Anil K. Bera. Menurut Jarque dan Bera dalam Agus Widarjono (2013 : 49) uji normalitas dapat menggunakan rumus berikut:
Keterangan: 
JB : Jarque Bera
S : Skewness
K : Kurtosis
n : Jumlah data
Nilai JB tersebut akan dibandingkan dengan nilai Chi Square Tabel. Kriterianya: jika nilai JB > nilai Chi Square maka data berdistribusi normal, dan sebaliknya jika nilai JB < nilai Chi Square maka data tidak berdistribusi normal.
  1. Menginput data diatas ke dalam program SPSS dengan setingan variable view dan data view seperti gambar berikut:
2. Klik Analyze – Descriptive Statistics - Descriptive.
3. Pindahkan Variabel Nilai Ujian dari kiri ke kotak dialog  Variable. Kemudian  Klik Option.  
4. Berilah tanda (√) pada pilihan kurtosis dan skewness. Kemudian Continue, setelah itu OK.
5. Maka akan keluar ouput SPSS sebagai berikut:
Cara untuk menghitung nilai Jarque Bera: 
Berdasarkan hasil ouput SPSS diketahui:
S = -0,581 
K = 0,303
n = 30
Setelah itu mencari nilai Chi Square Tabel dengan df = 2, 𝛼 = 0,05, dan didapatkan nilai nya = 5,591.
Kesimpulan: Karena nilai 𝐽𝐵 = 10,74 > Chi Square Tabel = 5,591, Maka data berdistribusi normal. 

E. METODE KOLMOGOROV-SMIRNOV

Uji Kolmogorov Smirnov adalah suatu tes goodness-of-fit yang membandingkan distribusi data dengan distribusi normal baku dimana distribusi normal baku didistribusikan ke dalam z-skor (Ismail, 2018 : 193). Menurut (Haryono, 2023), Metode Kolmogorov-Smirnov adalah uji yang dilakukan untuk mengetahui sebaran data dengan ukuran data 20 – 1000 (20 ≤ N ≤ 1000). Kriteria pengujian ini dengan menggunakan Program SPSS, dikatakan berdistribusi normal apabila nilai signifikansi lebih dari 0.05 (sig. > 0.05). Uji Kolmogorov Smirnov umumnya digunakan saat: 
  1. Data berskala interval atau ratio (kuantitatif)
  2. Data tunggal/ belum dikelompokkan pada tabel distribusi frekuensi
  3. Dapat untuk n besar maupun n kecil
Langkah-Langkah Kolmogorov Smirnov (Haryono, 2023 : 53) sebagai berikut:
1. Menginput data diatas ke dalam program SPSS dengan setingan variable view dan data view seperti gambar berikut:
2. Klik Analyze – NonParametric Test-  Legacy Dialogs – 1 – Sample K-S.
3. Pindahkan Variabel Nilai Ujian dari kiri ke kotak dialog  Test Variable List . Kemudian  Klik OK.
4. Maka akan muncul Output SPSS berikut:
Interpretasi : berdasarkan nilai Asymp. Sig (2 tailed) = 0,200 > 0,05, maka data berdistribusi normal. Selain itu dalam output tersebut ada keterangan a. Test distribution is normal  yang berarti data berdistribusi normal.

F. METODE LILIEFORS & SAPHIRO WILK

Metode Lilliefors menggunakan data dasar yang belum diolah dalam tabel distribusi frekuensi. Data ditransformasikan dalam nilai Z untuk dapat dihitung luasan kurva normal sebagai probabilitas komulatif normal (Cahyono, 2015: 15).
Uji normalitas dengan metode Lilliefors umumnya digunakan: 
  1. Data berskala interval atau ratio (kuantitatif)
  2. Data tunggal/belum dikelompokkan pada tabel distribusi frekuensi
  3. Dapat untuk n besar maupunn kecil
Metode Shapiro Wilk menggunakan data dasar yang belum diolah dalam tabel distribusi frekuensi. Data diurut,kemudian dibagi dalam dua kelompok untuk dikonversi dalam Shapiro Wilk (Cahyono, 2015: 23).
Uji normalitas dengan metode Shapiro Wilk umumnya digunakan: 
  1. Data berskala interval atau ratio (kuantitatif)
  2. Data tunggal/belum dikelompokkan pada tabel distribusi frekuensi
  3. Data dari sampel random
Langkah-Langkah Uji Lilifors dan Aphiro Wilk (Haryono, 2023 : 53) sebagai berikut:
1. Menginput data diatas ke dalam program SPSS dengan setingan variable view dan data view seperti gambar berikut:
2. Klik Analyze - Descriptive Statistics -  Explore.
3. Pindahkan Variabel Nilai Ujian ke Box Dependent List.
4. Klik Plot  pada jendela Explore  dan centang (√) Normalitiy test, kemudian Continue - OK.
5. Klik Plot  pada jendela Explore  dan centang (√) Normalitiy test, kemudian Continue - OK.      Maka akan muncul Output SPSS berikut:
6. Interpretasi Output:

Interpretasi untuk uji normalitas dapat dilihat dari output Test of Normality. Berdasarkan output tersebut untuk uji menggunakan Kolmogorov-Smirnov didapatkan nilai Sig. = 0,200 > 0,05. Maka dapat disimpulkan kalau data berdistribusi normal. Begitupun juga pengujian dengan menggunakan Shapiro-Wilk dihasilkan nilai Sig. = 0,487 > 0,05. Maka dapat disimpulkan kalau data berdistribusi normal. Sedangkan untuk output Histogram dapat diinterpretasikan bahwa grafik mendekati bentuk lonceng.

G. METODE CHI SQUARED

Uji normalitas dengan Metode Chi-Square dilakukan dengan cara membandingkan kurva normal yang terbentuk dari data dengan kurva normal baku (Sugiyono, 2021 : 79).
Uji normalitas Metode Chi Square umunya digunakan saat:
  1. Data tersusun berkelompok atau dikelompokkan dalam tabel distribusi frekuensi.
  2. Cocok untuk data dengan banyaknya angka besar (n > 30)
Uji normalitas Metode Chi Square dengan SPSS memerlukan proses yang berulang, karena tidak terdapat menu secara langsung sebagaimana uji kolomogorov smirnov atau liliefor. Dengan demikian dengan menggunakan ke 4 metode diawal sudah dianggap cukup. 

VIDEO PEMBELAJARAN MATERI DI ATAS
 

DAFTAR PUSTAKA

  • Algifari, 2016. Statistik Induktif untuk Ekonomi dan Bisnis“Edisi-3. Yogyakarta: UPP STIM YKPN.
  • Cahyomo, Tri. 2015. Statistik Uji Normalitas. Purwokerto; Yasamas.
  • Haryono, Eko, dkk. 2023: "Statistik SPSS 28“ . Bandung: Penerbit Widina.
  • Ismail, Fajri. 2018. "Statistik untuk Penelitian Pendidikan dan Sosisal". Jakarta: Prenada Media Group. 4. 
  • Nuryadi, dkk. 2017. Dasar-Dasar Statistik Penelitian. Yogyakarta: Sibuku Media.
  • Sugiono, 2021.Statistik Untuk Penelitian. Bandung: Alfabeta.
  • Purnomo, Rochmat Aldy.  2016. Analisis Statistik Ekonomi dan Bisnis Dengan SPSS. Ponorogo: CV. Wade group.
  • Sugiyono, 2021. Statistik untuk Penelitian.Bandung: Alfabeta
  • Winarsunu, Tulus. 2017. Statistik dalam Penelitian Psikologi dan Pendidikan. Malang. UNMU 3.
  • Hidayat, Anwar. https://www.statistikian.com/2012/09/uji-normalitas-dengan-kolmogorov-smirnov-spss.html (diakses tanggal 7 November 2022)
  • https://myfreeppt.com/2017/09/free-business-graph-powerpoint-template-2