Cara Uji Normalitas Kolmogorov Smirnov dengan SPSS

Uji normalitas adalah uji statistik yang dilakukan untuk mengetahui sebaran sebuah data. Uji normalitas berfungsi untuk melihat data sampel yang kita gunakan mengikuti atau mendekati distribusi normal. Uji normalitas merupakan salah satu dari uji asumsi klasik. Ini artinya sebelum data dianalisis menggunakan uji analisis statistik, maka harus dipastikan sebaran datanya menyebar normal dengan uji normalitas data.
Uji normalitas yang paling populer dan sering digunakan oleh peneliti adalah uji Kolmogorov smirnov. Uji Kolmogorov smirnov akan memberikan hasil yang baik pada ukuran data di atas 50 sampel.
Untuk mempermudah perhitungan uji Kolmogorov smirnov ini, maka perhitungannya dapat dilakukan dengan bantuan software statistik yaitu SPSS. Cara melakukan uji normalitas Kolmogorov smirnov dengan SPSS adalah dengan mengikuti langkah-langkah sebagai berikut:
1.     Buka data pada lembar kerja SPSS.
2.     Klik variable view yang ada di pojok kiri bawah.
3.     Isi kolom name dengan nama variable.
4.     Klik data view yang ada di pojok kiri bawah.
5.     Isikan data sesuai nama variable yang telah kita buat di variable view.
6.     Pilih menu Analyze à Regression à Linear.
7.     Pada kotak dialog Linear Regression , masukkan variable Y ke kotak Dependent. Dan variable X ke kotak Independent(s).
8.     Klik Save.
9.     Pada kotak dialog Linear Regression: Save, centang Unstandardized pada Residuals.
10.  Klik Continue.
11.  Klik OK.
12.  Pilih menu Analyze à Nonparametric Tests à Legacy Dialogs à 1-Sample K-S.
13.  Pada kotak dialog One-Sample Kolmogorov-Smirnov Test, masukkan variable Unstandardized Residuals ke kotak Test Variabel List. Pada Test Distribution centang Normal.
14.  Klik OK.
Setelah kita mendapatkan output dari SPSS yaitu table One-Sample Kolmogorov-Smirnov Test. Kita akan melihat nilai Asymp. Sig (2-tailed).
Dasar pengambilankeputusan dalam uji normalitas adalah sebagai berikut:
Jika nilai signifikansi lebih besar dari 0,05 maka data tersebut berdistribusi normal. Sebaliknya, jika jika nilai signifikansi lebih kecil dari 0,05 maka data tersebut tidak berdistribusi normal.