UJI NORMALITAS DENGAN SPSS (3): Kolmogorov-Smirnov dan Shapiro–Wilk test

Pada postingan terdahulu telah dibahas pengujian normalitas data denganmenggunakan skewness dan kurtosis. Pada kesempatan kali ini, akan dibahas pengujian normalitas dengan Kolmogorov-Smirnov dan Shapiro–Wilk test. Kolmogorov-Smirnov dan Shapiro–Wilk test membandingkan skor dalam sampel dengan nilai rata-rata terdistribusi normal dengan standar deviasi dan mean yang sama. Jika tesnya tidak signifikan (p> 0,05), ini memberitahu kita bahwa distribusi sampel tidak berbeda secara signifikan dari distribusi normal (yaitu normal). Jika, pengujiannya signifikan (p <.05) maka distribusi yang dimaksud berbeda secara signifikan dari distribusi normal (yaitu tidak normal).
Kolmogorov-Smirnov dan Shapiro–Wilk test pada SPSS dilakukan dengan perintah analyze/descriptive/explore.

SPSS Explore

Selanjutnya, pada klik tombol plots dan kemudian centang normality plots with tests, dan kemudian klik continue, dan kita kembali ke form explore. Selanjutnya tekan OK.

SPSS Explore plots

Hasil uji normalitas dengan Kolmogorov-Smirnov dan Shapiro–Wilk test, dilihat berdasarkan nilai p masing-masing.
SPSS uji nornalitas Kolmogorov-Smirnov dan Shapiro Wilk

Apabila melihat hasil di atas, maka pada variabel prestasi belajar, nilai Kolmogorov-Smirnov didapatkan sebesar 0,093 dengan p sebesar 0,200. Adapun nilai statistik Shapiro Wilk sebesar 0,968 dan p sebesar 0,346. Pada variabel motivasi belajar, nilai Kolmogorov-Smirnov didapatkan sebesar 0,081 dengan p sebesar 0,200. Adapun nilai statistik Shapiro Wilk sebesar 0,976 dan p sebesar 0,593. Apabila melihat hasil di atas, maka didapatkan nilai p > 0,05 untuk semua variabel pada semua pengujian, sehingga semua data penelitian berdistribusi normal.