Uji Normalitas One-Sample Kolmogorov–Smirnov di SPSS: Konsep, Langkah, dan Contoh Aplikatif

 Gambaran umum

Uji normalitas bertujuan menilai apakah data berasal dari populasi berdistribusi normal. Ini penting terutama saat menggunakan metode statistik parametrik (misalnya uji t, ANOVA, regresi linear), karena salah satu prasyaratnya adalah normalitas. Jika data tidak normal atau sampel sangat kecil dan/atau jenis data nominal/ordinal, lebih tepat menggunakan metode nonparametrik.

Dalam pembahasan ini digunakan uji One-Sample Kolmogorov–Smirnov (K–S) pada taraf signifikansi 0,05. Keputusan uji:

• Data dianggap berdistribusi normal jika p-value (Sig.) > 0,05.
• Jika p-value ≤ 0,05, data dianggap tidak normal.

Catatan: Uji normalitas lazim diterapkan untuk data numerik (interval/rasio). Untuk data ordinal, normalitas biasanya tidak disyaratkan (karena analisisnya memakai uji nonparametrik), kecuali skor ordinal dijumlahkan/diagregasi sehingga diperlakukan mendekati interval.

Konsep singkat uji K–S

• Ide dasarnya membandingkan fungsi distribusi kumulatif empiris sampel F_n(x) dengan distribusi teoretik normal F(x).
• Statistik uji K–S adalah D = sup_x |F_n(x) − F(x)|. Semakin kecil D (dan semakin besar p-value), semakin dekat data terhadap distribusi normal.

Contoh kasus
Bambang meneliti pengaruh rasio keuangan PER dan ROI terhadap Harga Saham perusahaan di BEJ. Sebelum melakukan regresi linear berganda, ia menguji normalitas data.

Data fiktif yang digunakan (n = 18):

Tahun	Harga Saham (Rp)	PER (%)	ROI (%)
1990	8.300	4,90	6,47
1991	7.500	3,28	3,14
1992	8.950	5,05	5,00
1993	8.250	4,00	4,75
1994	9.000	5,97	6,23
1995	8.750	4,24	6,03
1996	10.000	8,00	8,75
1997	8.200	7,45	7,72
1998	8.300	7,47	8,00
1999	10.900	12,68	10,40
2000	12.800	14,45	12,42
2001	9.450	10,50	8,62
2002	13.000	17,24	12,07
2003	8.000	15,56	5,83
2004	6.500	10,85	5,20
2005	9.000	16,56	8,53
2006	7.600	13,24	7,37
2007	10.200	16,98	9,38

Langkah uji normalitas di SPSS (One-Sample K–S)

1. Buka SPSS, masuk ke Variable View

• Name: y (Harga Saham), x1 (PER), x2 (ROI)
• Label: isi sesuai nama variabel
• Kolom lain biarkan default

2. Buka Data View dan masukkan data
3. Klik Analyze > Descriptive Statistics > Explore
4. Pindahkan Harga Saham, PER, ROI ke Dependent List
5. Klik Plots > centang Normality plots with tests > Continue
6. Klik OK

Ringkasan output dan interpretasi
Pada tabel Tests of Normality (Kolmogorov–Smirnov):

• Harga Saham: Sig. = 0,050
• PER: Sig. = 0,200
• ROI: Sig. = 0,200

Keputusan:

• Karena p untuk PER dan ROI > 0,05, keduanya berdistribusi normal.
• Untuk Harga Saham, p = 0,050. Ini berada tepat pada ambang. Dalam praktik, sebagian peneliti memperlakukan p ≥ 0,05 sebagai “tidak menolak normalitas” (normal secara statistik). Jadi, konsisten dengan kriteria artikel sumber, data Harga Saham dapat dianggap normal, meskipun bersifat borderline.

Tambahan:

• Nilai “Statistic” K–S yang lebih kecil menandakan kedekatan yang lebih baik dengan distribusi normal.
• Pada tabel Tests of Normality SPSS, kolom “df” muncul untuk Shapiro–Wilk (bukan K–S) dan setara dengan jumlah data (n).

Penting untuk regresi linear

• Prasyarat utama regresi linear berganda terkait normalitas adalah: residual model terdistribusi normal, bukan harus setiap variabelnya normal.
• Catatan praktik: Setelah membangun model regresi, simpan residual (Save > Unstandardized Residuals), lalu jalankan uji normalitas pada residual atau periksa Q–Q plot. Jika residual normal, asumsi normalitas terpenuhi meskipun masing-masing variabel sedikit menyimpang.

Kapan memilih K–S vs Shapiro–Wilk

• K–S (One-Sample Kolmogorov–Smirnov): umum, intuitif, dan tersedia luas; sering digunakan untuk sampel menengah-besar.
• Shapiro–Wilk: lebih berdaya (power) untuk sampel kecil–menengah; di SPSS disajikan berdampingan. Jika n relatif kecil, Shapiro–Wilk sering menjadi pilihan utama.
• Visualisasi seperti histogram, Q–Q plot, dan boxplot sangat membantu mendampingi uji formal.

Rangkuman praktis

• Tujuan: memeriksa normalitas sebagai prasyarat metode parametrik.
• Alat: One-Sample K–S pada α = 0,05 di SPSS (menu Explore).
• Kriteria: p > 0,05 → tidak menolak normalitas.
• Hasil contoh: Harga Saham (0,050), PER (0,200), ROI (0,200) → ketiganya dapat dianggap normal.
• Lanjutkan ke regresi linear berganda, dan validasi asumsi pada residual model.

by. +62 877 39 38 3777 | +62821 36 66 8777 | +62 856 2761 888