Uji normalitas digunakan untuk melihat apakah data penelitian terdistribusi secara normal dengan menggunakan beberapa metode seperti skewness, kurtosis, Chi Square, Lilliefors, Kolmogorov-Smirnov, dan Shapiro Wilk. Data normal diperlukan untuk analisis parametrik dan dapat dicek menggunakan program SPSS.

1. UJI NORMALITAS
ANDI MUHAMMAD IKHSAN
Penelitian merupakan kegiatan yang sangat erat di dunia akademisi. Salah
satu hal yang menunjang keakuratan penelitian kita, terutama di penelitian
kuantitatif adalah uji normalitas. Berdasarkan referensi yang ditemukan, uji
normalitas merupakan pengujian data untuk melihat apakah nilai residual
terdistribusi normal atau tidak. Data yang berdistribusi normal akan memperkecil
kemungkinan terjadinya bias (Imam Ghazali, 2011 dalam Apriyono 2013). Jadi
uji normalitas sejatinya yakni melakukan perbandingan antara data penelitian
yang kita miliki dengan data yang merupakan telah berdistribusi normal dan
memiliki mean dan standar deviasi yang sama dengan data penelitian yang telah
kita peroleh
Seberapa penting data itu harus berdistribusi normal.? Karena data yang
berdistribusi normal tersebut memiliki sebaran pola yang normal/terarah dan
merupakan syarat untuk melakukan parametric-test dan ketika data kita
dinyatakan belum terdistribusi normal, maka parametric-test tidak dapat kita
lakukan, alhasil kita hanya dapat melakukan olah data dengan non-parametric-
test. Dengan jumlah data sebanyak 30 (n>30) biasanya telah disepakati dan
digunakan oleh banyak data sebagai minimal jumlah data yang akan diperoleh dan
sudah dapat di mungkinkan data kita berasumsi normal. Namun untuk
memastikannya secara nyata, perlu dilakukan uji normalitas.
Bagaimana cara melakukan uji normalitas.? Berikut dipaparkan beberapa cara
untuk menguji normalitas sebuah penelitian.
1. Berdasarkan Kemiringan / Kemencengan / Skewnes dan Kurtosis
Suatu data bila disajikan dalam bentuk kurva halus dapat berbentukkurva
yang miring ke kanan, miring ke kiri atau simetris. Miring kekanan bila
kurva mempunyai ekor (asymtut / menyinggung sumbu X) yang
memanjang ke sebelah kanan, demikian miring ke kirisebaliknya,
sedangkan bila simetris berarti kondisi ke kanan dan kiri seimbang,
biasanya nilai mean, median dan modus berdekatan bahkan kadang sama.
Kondisi kurva yang simetris tersebut seringdisebut membentuk kurva
distribusi normal.
2. Metode Chi Square (Uji Goodness of fit Distribusi Normal)
Metode Chi-Square atau X2 untuk Uji Goodness of fit Distribusi Normal,
menggunakan pendekatan penjumlahan penyimpangan data observasi tiap
kelas dengan nilai yang diharapkan.

2. Rumus x2
∑
Keterangan :
X2 = Nilai X2
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas
berdasarkan tabel normal dikalikan N (total frekuensi)
pi x N
N = Banyaknya angka pada data (total frekuensi)
Komponen
Persyaratan :
a. Data tersusun berkelompok atau dikelompokkan dalam
tabel distribusi frekuensi.
b. Cocok untuk data dengan banyaknya angka besar ( n > 30 )
c. Setiap sel harus terisi, yang kurang dari 5 digabungkan.
3. Metode Lilliefors (n kecil dan n besar)
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.
Persyaratan
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi
frekuensi
c. Dapat untuk n besar maupun n kecil.
4. Metode Kolmogorov-Smirnov
Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lilliefors.
Signifikansi metode Kolmogorov-Smirnov menggunakan tabel
pembanding Kolmogorov-Smirnov, sedangkan metode Lilliefors
menggunakan tabel pembanding metode Lilliefors.
Persyaratan :
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi
frekuensi
c. Dapat untuk n besar maupun n kecil.

3. 5. Metode Shapiro Wilk
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. Dapat juga dilanjutkan
transformasi dalam nilai Z untuk dapat dihitung luasan kurva normal.
Persyaratan :
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi
frekuensi
c. Data dari sampel random
6. Menggunakan Software Statistical Package for the Social
Sciences (SPSS)
Penggunaan komputer untuk analisis statistik bukan barang baru,termasuk
untuk analisis normalitas data. Banyak software computer yang dapat
dipergunakan untuk analisis normalitas data, beberapa diantaranya ialah
software SPSS. Software SPSS merupakan software komputer yang banyak
digunakan orang saat ini untuk keperluan analisis data statistik. Software
SPSS sangat membantu dalam analisis statistik termasuk analisis normalitas
data. Dalam waktu sekejap software SPSS dapat menghasilkan output yang
dapat dibaca hasilnya. Penggunaan software SPSS untuk analisis normalitas
suatu data cukup sederhana, pertama lakukan entry data yang akan diuji
normalitasnya pada software SPSS (Cahyono, 2015)
Referensi :
Apriyono, Ari dan Taman, Abdullah. 2013. Analisis Overreaction Pada Saham
Perusahaan Manufaktur Di Bursa Efek Indonesia (Bei) Periode 2005-2009.
Jurnal Nomina Vol. II No.II. Fakultas Ekonomi. UNY. Yogyakarta.
Cahyono, Tri. 2015. Statistik Uji Normalitas. Yayasan Sanitarian Banyumas
(Yasamas). ISBN 978–602–72170 –1– 0. Purwokerto.