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.