Jika analisis statistik menggunakan statistik parametrik, maka persyaratan normalitas harus terpenuhi yaitu data berasal dari distribusi yang normal. Jika statistic yang digunakan adalah statistic nonparametrik maka uji normalitas tidak perlu dilakukan. Uji normalitas digunakan untuk mengetahui apakah populasi data berdistribusi normal atau tidak. Uji ini biasanya digunakan untuk mengukur data berskala ordinal, interval, ataupun rasio. Dalam pembahasan ini akan digunakan uji One Sample Kolmogorov-Smirnov dengan menggunakan taraf signifikansi 0,05. Data dinyatakan berdistribusi normal jika signifikansi lebih besar dari 5% atau 0,05.

Contoh Kasus:

Seorang mahasiswi bernama Yeni akan meneliti tentang “Pengaruh Motivasi Terhadap Prestasi Belajar Siswa” dengan data yang dikumpulkan dari responden adalah sebagai berikut:

Tabel data motivasi dan prestasi




No Responden

X (Motivasi)

Y (Prestasi)

1

38

89

2

49

75

3

30

71

4

52

63

5

35

64

6

34

84

7

36

80

8

57

65

9

37

74

10

59

70

11

47

78

12

57

90

13

54

81

14

33

88

15

49

63

16

36

73

17

35

59

18

40

68

19

43

79

20

47

86

21

50

75

22

30

74

23

55

76

24

34

78

25

52

93

26

29

74

27

31

72

28

32

78

29

46

65

30

52

72

Yeni dalam penelitiannya ingin mengetahui adakah pengaruh antara motivasi dengan prestasi belajar siswa. Untuk menjawab hal tersebut maka uji yang dilakukan Yeni uji Regresi Linear Sederhana, tetapi Uji Regresi Linear Sederhana tidak dapat dilakukan jika data motivasi dan data prestasi tidak dalam kondisi berdistribusi normal. Langkah-langkah Uji Normalitas data dengan menggunakan SPSS adalah sebagai berikut:

Langkah-langkah pada program SPSS

a. Masuk program SPSS

b. Klik variable view pada SPSS data editor

c. Pada kolom Name ketik X, kolom Name pada baris kedua ketik Y

d. Pada kolom Label, untuk kolom pada baris pertama ketik Motivasi, untuk kolom pada baris kedua ketik Prestasi

e. Untuk kolom-kolom lainnya boleh diabaikan (isian default)


f. Buka data view pada SPSS data editor, maka didapat kolom variabel X dan Y

g. Ketikkan semua data/nilai motivasi pada kolom X dan data/nilai Prestasi pada kolom Y

h. Klik Analyze - Deskriptive Statistics – Explore


i. Klik variabel Motivasi (X) dan Prestasi (Y) masukkan ke kotak Dependent List

j. Klik Plots

k. Klik Normality plots with tests, kemudian klik Continue

l. Klik OK,


m. maka hasil output yang didapat pada kolom Test of Normality adalah sebagai berikut:

Tabel. Hasil Uji Normalitas dengan Kolomogorov-Smirnov

Dari hasil di atas kita lihat pada kolom Kolmogorov-Smirnov dan dapat diketahui bahwa nilai signifikansi (P value sig.) untuk motivasi sebesar 0,063 dan nilai signifikansi (P value sig.) untuk Prestasi sebesar 0,200. Karena signifikansi untuk seluruh variabel lebih besar dari taraf signifikansi α = 0,05 maka dapat disimpulkan bahwa data pada variabel Motivasi dan Prestasi berdistribusi normal. Angka Statistic menunjukkan semakin kecil nilainya maka distribusi data semakin normal. df = jumlah data.

Tabel data motivasi dan prestasi




No Responden

X (Motivasi)

Y (Prestasi)

1

38

89

2

49

75

3

30

71

4

52

63

5

35

64

6

34

84

7

36

80

8

57

65

9

37

74

10

59

70

11

47

78

12

57

90

13

54

81

14

33

88

15

49

63

16

36

73

17

35

59

18

40

68

19

43

79

20

47

86

21

50

75

22

30

74

23

55

76

24

34

78

25

52

93

26

29

74

27

31

72

28

32

78

29

46

65

30

52

72