SkriptasUji Normalitas SPSS: Kolmogorov-Smirnov atau Shapiro-Wilk, Kapan Dipakai
Uji normalitas SPSS: kapan memakai Kolmogorov-Smirnov atau Shapiro-Wilk, langkah di Explore dan Legacy Dialogs, cara membaca Sig., Q-Q plot, homogenitas.
Uji normalitas SPSS menghasilkan dua angka yang sering membingungkan: Kolmogorov-Smirnov dan Shapiro-Wilk, dan tidak jarang keduanya memberi kesimpulan berbeda. Satu bilang normal, satu bilang tidak. Pertanyaannya kemudian: yang mana yang dilaporkan, data apa yang seharusnya diuji, dan bagaimana kalau tidak lolos.
Artikel ini menjelaskan untuk apa uji normalitas dilakukan, perbedaan Kolmogorov-Smirnov dan Shapiro-Wilk, dua jalur menjalankannya di SPSS, cara membaca output termasuk angka 0,200 yang sering ditanyakan, pemeriksaan visual sebagai pendukung, dan uji homogenitas yang biasanya diminta berpasangan untuk uji beda. Semua angka adalah contoh.
Uji normalitas untuk apa
Uji statistik parametrik seperti t-test, ANOVA, korelasi Pearson, dan regresi linear dibangun di atas asumsi bahwa data atau residualnya menyebar mengikuti distribusi normal. Bila asumsi ini jauh dari terpenuhi, nilai Sig. yang dihasilkan bisa menyesatkan. Uji normalitas adalah cara memeriksa asumsi itu sebelum uji utama dijalankan.
Yang sering terlewat adalah pertanyaan "data mana yang diuji". Jawabannya bergantung pada analisis Anda.
| Analisis | Yang diuji normalitasnya |
|---|---|
| Regresi linear (sederhana atau berganda) | Residual (RES_1), bukan tiap variabel |
| Independent t-test, One-Way ANOVA | Variabel terikat pada tiap kelompok secara terpisah |
| Paired t-test | Selisih skor sebelum dan sesudah |
| Korelasi Pearson | Kedua variabel yang dikorelasikan |
| Statistik deskriptif saja | Tidak wajib, kecuali diminta |
Menguji skor total tiap variabel padahal analisisnya regresi adalah kesalahan paling umum yang saya temui. Hasilnya tidak relevan dengan asumsi regresi, dan sering memicu kepanikan yang tidak perlu.
Kolmogorov-Smirnov atau Shapiro-Wilk
Keduanya menguji hipotesis nol yang sama: data berdistribusi normal. Perbedaannya pada kepekaan terhadap ukuran sampel.
- Shapiro-Wilk dirancang untuk sampel kecil dan dalam banyak studi simulasi terbukti paling kuat mendeteksi penyimpangan dari normal. Banyak rujukan menyarankannya untuk n di bawah 50, dan tetap layak sampai ribuan observasi.
- Kolmogorov-Smirnov adalah uji yang paling lazim dipakai di skripsi Indonesia, terutama untuk sampel besar. Versi yang dipakai SPSS di menu Explore memakai koreksi Lilliefors karena rata-rata dan simpangan baku diestimasi dari data.
Bila keduanya memberi kesimpulan berbeda pada sampel kecil, Shapiro-Wilk biasanya lebih dipercaya. Pada sampel sangat besar, kedua uji menjadi sangat sensitif sehingga penyimpangan kecil pun ditolak; di sini histogram dan Q-Q plot menjadi pertimbangan penting. Apa pun pilihannya, konsisten dengan yang Anda tulis di Bab 3 dan sesuai pedoman kampus.
Jalur 1: Explore (Kolmogorov-Smirnov dan Shapiro-Wilk sekaligus)
- Buka Analyze > Descriptive Statistics > Explore.
- Masukkan variabel yang diuji ke Dependent List. Untuk uji beda, masukkan variabel kelompok ke Factor List agar diuji per kelompok.
- Klik Plots, centang Normality plots with tests, dan pilih Histogram. Klik Continue, lalu OK.
Output menampilkan tabel Tests of Normality dengan dua blok: Kolmogorov-Smirnov (dengan catatan Lilliefors Significance Correction) dan Shapiro-Wilk, masing-masing berisi Statistic, df, dan Sig. Di bawahnya ada histogram, Normal Q-Q Plot, dan Detrended Q-Q Plot.
Jalur 2: Legacy Dialogs 1-Sample K-S
- Buka Analyze > Nonparametric Tests > Legacy Dialogs > 1-Sample K-S.
- Masukkan variabel (misalnya RES_1 untuk regresi) ke Test Variable List.
- Pastikan Normal tercentang pada Test Distribution, lalu OK.
Output berupa tabel One-Sample Kolmogorov-Smirnov Test dengan baris Asymp. Sig. (2-tailed). Jalur ini paling sering dipakai untuk residual regresi karena ringkas. Pada SPSS versi lama, uji ini tidak memakai koreksi Lilliefors sehingga hasilnya bisa sedikit berbeda dari jalur Explore; pada versi baru, SPSS menambahkan koreksi dan catatan kaki tentangnya.
Cara membaca output
Aturannya sederhana: Sig. di atas 0,05 berarti data berdistribusi normal, karena hipotesis nol (data normal) tidak ditolak. Sig. di bawah 0,05 berarti tidak normal.
Contoh tabel Tests of Normality: Kolmogorov-Smirnov Statistic 0,071, df 100, Sig. 0,200; Shapiro-Wilk Statistic 0,984, df 100, Sig. 0,268. Keduanya di atas 0,05, data normal.
Tentang angka 0,200: SPSS menampilkannya dengan catatan "This is a lower bound of the true significance". Artinya nilai p sebenarnya paling tidak 0,200, bisa lebih besar, tetapi SPSS tidak menghitung lebih jauh. Ini bukan kesalahan dan bukan tanda data dimanipulasi; cukup dibaca sebagai lolos dan tulis apa adanya, misalnya "Sig. 0,200 (> 0,05)".
Perhatikan juga kolom df. Pada Explore dengan Factor List, df per kelompok adalah jumlah responden kelompok itu. Bila df jauh lebih kecil dari jumlah sampel Anda, kemungkinan ada data kosong (missing) yang tidak Anda sadari.
Pemeriksaan visual sebagai pendukung
Uji formal sebaiknya didampingi grafik, terutama pada sampel sangat kecil atau sangat besar.
- Histogram dengan kurva normal: bentuk mendekati lonceng simetris menandakan normal.
- Normal Q-Q Plot: titik-titik mendekati garis diagonal. Penyimpangan di kedua ujung menandakan ekor yang berat atau pencilan.
- Skewness dan kurtosis: tersedia di tabel Descriptives pada Explore. Patokan praktis yang banyak dipakai: rasio skewness terhadap standard error-nya (dan kurtosis terhadap standard error-nya) berada di antara -1,96 dan +1,96. Sebagian rujukan memakai patokan lebih longgar, nilai skewness dan kurtosis antara -2 dan +2. Sebutkan patokan yang Anda pakai.
Untuk regresi, SPSS juga menyediakan Normal P-P Plot of Regression Standardized Residual lewat menu Plots. Prinsip bacanya sama dengan Q-Q plot.
Melaporkan satu uji atau keduanya
SPSS menampilkan Kolmogorov-Smirnov dan Shapiro-Wilk berdampingan, dan Anda boleh melaporkan keduanya selama kesimpulannya konsisten dengan aturan yang Anda tulis di Bab 3. Bila Bab 3 menyebut "uji normalitas menggunakan Kolmogorov-Smirnov", laporkan itu sebagai keputusan utama dan sebutkan Shapiro-Wilk sebagai pendukung. Yang perlu dihindari adalah memilih uji setelah melihat hasilnya hanya karena salah satunya lolos; penguji biasanya menanyakan alasan pemilihan uji, dan jawaban "yang itu tidak lolos" akan menyulitkan Anda.
Sertakan juga ukuran sampel saat menjelaskan pilihan uji, misalnya "karena jumlah sampel 32 orang, uji normalitas menggunakan Shapiro-Wilk". Kalimat sederhana itu menunjukkan bahwa pilihan Anda punya dasar, bukan kebetulan.
Alternatif gratis: Jamovi dan JASP
Bila Anda tidak memiliki lisensi SPSS, Jamovi dan JASP menyediakan uji normalitas yang sama. Di Jamovi, buka Exploration > Descriptives, masukkan variabel, lalu centang Shapiro-Wilk dan Q-Q plot di bagian Statistics dan Plots; untuk per kelompok, masukkan variabel kelompok ke Split by. Di JASP, Descriptives > Statistics juga menyediakan Shapiro-Wilk, dan Assumption Checks pada menu regresi menampilkan Q-Q plot residual. Hasilnya dapat dilaporkan dengan cara yang sama. Panduannya ada di panduan Jamovi dan panduan JASP.
Uji homogenitas: pasangan uji normalitas untuk uji beda
Bila analisis Anda membandingkan kelompok, pembimbing biasanya meminta uji normalitas dan homogenitas sekaligus. Homogenitas memeriksa apakah varians antar kelompok setara, dan SPSS memakai Levene's Test.
- Pada Analyze > Compare Means > Independent-Samples T Test, tabel output otomatis memuat Levene's Test for Equality of Variances. Sig. di atas 0,05 berarti varians homogen; baca baris Equal variances assumed. Bila di bawah 0,05, baca baris Equal variances not assumed.
- Pada Analyze > Compare Means > One-Way ANOVA, klik Options dan centang Homogeneity of variance test. Bila tidak homogen, pertimbangkan Welch ANOVA (centang Welch di Options) dan post hoc Games-Howell.
Pemilihan uji beda yang tepat setelah kedua prasyarat ini dibahas di memilih uji beda: t-test, ANOVA, Mann-Whitney, Wilcoxon.
Kalau tidak lolos
Jangan menghapus data sampai Sig. berubah. Urutan yang bisa dipertanggungjawabkan: periksa pencilan dan salah input, pertimbangkan transformasi untuk variabel rasio, gunakan bootstrap, atau beralih ke uji nonparametrik (Spearman, Mann-Whitney, Wilcoxon, Kruskal-Wallis). Untuk sampel besar, sebagian pembimbing menerima argumen teorema limit pusat yang didukung grafik. Semua pilihan itu saya uraikan di cara mengatasi data tidak normal.
Contoh kalimat untuk Bab 4
Regresi: "Uji normalitas dilakukan terhadap nilai residual dengan Kolmogorov-Smirnov. Hasilnya menunjukkan nilai Asymp. Sig. (2-tailed) sebesar 0,200 (> 0,05), sehingga residual berdistribusi normal. Hal ini didukung Normal P-P Plot yang menunjukkan titik-titik menyebar di sekitar garis diagonal."
Uji beda: "Hasil uji Shapiro-Wilk menunjukkan nilai Sig. kelompok eksperimen sebesar 0,312 dan kelompok kontrol sebesar 0,147 (keduanya > 0,05), sehingga data kedua kelompok berdistribusi normal. Uji Levene menunjukkan Sig. 0,421 (> 0,05), sehingga varians kedua kelompok homogen. Dengan demikian pengujian hipotesis menggunakan independent sample t-test."
Masalah yang sering muncul
| Masalah | Penyebab | Solusi |
|---|---|---|
| K-S dan Shapiro-Wilk memberi hasil berbeda | Kepekaan berbeda terhadap ukuran sampel | Sampel kecil utamakan Shapiro-Wilk, sertakan grafik, ikuti pedoman |
| Sig. 0,000 pada sampel ratusan | Uji formal sangat sensitif pada n besar | Lihat histogram, Q-Q plot, skewness; diskusikan dengan pembimbing |
| df tidak sama dengan jumlah responden | Ada missing value | Periksa sel kosong di Data View |
| Menguji tiap variabel padahal regresi | Salah objek uji | Uji residual RES_1 |
| Explore tidak menampilkan Tests of Normality | Lupa centang Normality plots with tests | Ulangi lewat Plots |
Checklist
- Objek uji sudah tepat (residual, per kelompok, atau selisih).
- Uji yang dipilih sesuai ukuran sampel dan pedoman.
- Nilai Statistic, df, dan Sig. dicatat; grafik disimpan.
- Untuk uji beda, Levene's Test sudah dilaporkan.
- Keputusan dan kalimatnya konsisten dengan Bab 3.
Kalau Anda ingin memastikan uji prasyarat ini benar sebelum masuk ke uji hipotesis, saya membuka bimbingan olah data SPSS via Zoom mulai Rp25.000 per sesi; Anda yang menjalankan SPSS, saya memandu dan menjelaskan hasilnya. Rangkaian asumsi lain untuk regresi ada di uji asumsi klasik regresi di SPSS, dan gambaran alur penelitian komparatif ada di tutorial skripsi komparatif.
Video tutorial terkait
Tonton langkahnya langsung di layar. Video dimuat dari YouTube hanya saat Anda menekan tombol putar.
Cara Uji Normalitas di SPSS: Kolmogorov-Smirnov, Shapiro-Wilk, dan Residual Regresi
Tutorial uji normalitas di SPSS untuk skripsi: Explore dengan Normality plots with tests (Kolmogorov-Smirnov dan Shapiro-Wilk), membaca nilai Sig. dan Normal Q-Q Plot, uji normalitas…
Pertanyaan yang sering diajukan
Uji normalitas untuk apa?
Untuk memeriksa apakah data atau residual menyebar mengikuti distribusi normal, karena uji parametrik seperti t-test, ANOVA, korelasi Pearson, dan regresi linear mengasumsikan hal itu.
Uji normalitas ada apa saja?
Yang tersedia di SPSS adalah Kolmogorov-Smirnov (dengan atau tanpa koreksi Lilliefors) dan Shapiro-Wilk, ditambah pemeriksaan visual lewat histogram, Q-Q plot, serta nilai skewness dan kurtosis.
Kolmogorov-Smirnov atau Shapiro-Wilk, mana yang dipakai?
Untuk sampel kecil, umumnya di bawah 50, Shapiro-Wilk lebih disarankan. Untuk sampel besar, Kolmogorov-Smirnov lebih lazim dipakai di skripsi. Bila keduanya tersedia, laporkan yang sesuai pedoman kampus.
Apa arti Sig. 0,200 pada uji Kolmogorov-Smirnov?
Angka 0,200 adalah batas bawah nilai signifikansi yang sebenarnya, muncul karena koreksi Lilliefors. Artinya nilai p paling tidak 0,200, sehingga data dinyatakan normal.
Apa bedanya uji normalitas dan uji homogenitas?
Normalitas memeriksa bentuk sebaran data, homogenitas memeriksa apakah varians antar kelompok sama. Keduanya adalah prasyarat uji beda seperti independent t-test dan ANOVA.