Nilai Sig. di uji Kolmogorov-Smirnov atau Shapiro-Wilk keluar 0,000. Artinya data tidak berdistribusi normal, dan rencana analisismu terasa runtuh. Tenang: ini salah satu masalah olah data yang paling sering terjadi, dan hampir selalu ada jalan keluar yang sah secara metodologis.

Kuncinya: jangan buru-buru "membuat data jadi normal". Pahami dulu apa yang sebenarnya diuji, lalu pilih solusi yang bisa kamu pertanggungjawabkan di depan penguji.

Langkah 1: Pastikan yang kamu uji memang yang perlu diuji

Banyak mahasiswa menguji normalitas setiap variabel, padahal untuk beberapa analisis yang diasumsikan normal adalah hal lain.

Analisis Yang diasumsikan normal
Regresi linear (sederhana/berganda) Residual (selisih nilai prediksi dan nilai aktual), bukan tiap variabel
Uji t sampel independen Data pada tiap kelompok
Uji t berpasangan Selisih pasangan nilai (sesudah − sebelum)
ANOVA satu arah Data/residual pada tiap kelompok
Korelasi Pearson Kedua variabel (normal bivariat)

Jadi kalau kamu memakai regresi dan sebelumnya menguji tiap variabel X dan Y satu per satu, coba uji residualnya. Di SPSS, residual bisa disimpan lewat menu regresi (Save → Unstandardized Residual), lalu diuji normalitasnya. Hasilnya bisa saja berbeda.

Selalu cocokkan dengan arahan dosen pembimbingmu. Sebagian dosen tetap meminta uji normalitas per variabel; diskusikan dasar teorinya dengan sopan.

Langkah 2: Jangan hanya melihat angka Sig.

Uji normalitas formal punya sifat penting: semakin besar sampel, semakin sensitif ujinya. Dengan ratusan responden, penyimpangan yang sangat kecil pun bisa membuat hasil "tidak normal".

Karena itu, lengkapi dengan pemeriksaan visual dan deskriptif:

  • Histogram — apakah bentuknya kurang lebih seperti lonceng?
  • Normal Q-Q plot atau P-P plot — apakah titik-titik mengikuti garis diagonal?
  • Skewness dan kurtosis — seberapa miring dan runcing distribusinya.

Selain itu, untuk sampel yang cukup besar, banyak uji parametrik (seperti uji t) relatif tahan terhadap penyimpangan normalitas yang tidak ekstrem. Ini bukan izin untuk mengabaikan asumsi, tapi alasan untuk menilai masalahnya secara proporsional dan mendiskusikannya dengan pembimbing.

Langkah 3: Cari penyebabnya

Sebelum memilih solusi, cari tahu kenapa datanya tidak normal:

  1. Salah input data. Angka 55 yang seharusnya 5, kode jawaban yang tertukar, sel kosong terisi 0. Ini penyebab paling sering dan paling mudah diperbaiki.
  2. Outlier. Satu-dua responden dengan nilai ekstrem bisa merusak distribusi.
  3. Sifat datanya memang tidak normal. Misalnya pendapatan, lama waktu, atau jumlah kejadian biasanya miring ke kanan. Skor dengan efek lantai/atap (hampir semua menjawab maksimal) juga sering tidak normal.
  4. Sampel kecil sehingga bentuk distribusi sulit dinilai.

Langkah 4: Pilih solusi yang bisa dipertanggungjawabkan

a. Perbaiki kesalahan input

Cocokkan kembali data dengan sumber aslinya (kuesioner, rekap Google Form, data sekunder). Memperbaiki salah ketik adalah koreksi, bukan manipulasi, asalkan kamu mengembalikan nilai ke data yang sebenarnya.

b. Periksa outlier dengan alasan yang jelas

Identifikasi outlier dengan boxplot atau nilai z (misalnya |z| > 3). Lalu tanyakan: kenapa nilai itu ekstrem?

  • Kalau karena salah input atau responden yang jelas tidak memenuhi kriteria sampel, mengeluarkannya bisa dibenarkan. Laporkan berapa yang dikeluarkan dan alasannya.
  • Kalau nilainya valid (memang ada responden seperti itu), menghapusnya hanya demi normalitas tidak bisa dibenarkan. Pilih solusi lain di bawah.

c. Transformasi data

Transformasi seperti logaritma (Ln/Lg10), akar kuadrat, atau inverse sering membuat distribusi yang miring menjadi lebih mendekati normal. Konsekuensinya:

  • Interpretasi berubah, karena kamu menganalisis nilai hasil transformasi, bukan nilai asli.
  • Transformasi log tidak bisa langsung dipakai untuk nilai nol atau negatif.
  • Jelaskan di Bab 3 atau Bab 4 bahwa transformasi dilakukan dan alasannya.

d. Pakai uji nonparametrik

Kalau asumsi normalitas tidak terpenuhi, gunakan padanan nonparametriknya:

Uji parametrik Alternatif nonparametrik
Uji t sampel independen Mann-Whitney U
Uji t berpasangan Wilcoxon signed-rank
ANOVA satu arah Kruskal-Wallis
Korelasi Pearson Korelasi Spearman (atau Kendall)

Perubahan uji ini perlu disesuaikan di Bab 3 (teknik analisis data) dan didiskusikan dengan dosen pembimbing.

e. Pertimbangkan pendekatan lain untuk regresi

Untuk model regresi dengan residual tidak normal, ada pilihan seperti bootstrap atau standard error yang robust. Untuk model dengan banyak variabel laten (kuesioner berbasis konstruk), sebagian peneliti memakai PLS-SEM (misalnya SmartPLS) yang tidak mensyaratkan normalitas data. Tapi ingat: pindah metode harus karena cocok dengan tujuan dan model penelitianmu, bukan sekadar untuk menghindari uji normalitas.

Yang tidak boleh dilakukan

Beberapa "trik" yang beredar di media sosial justru masuk kategori pelanggaran integritas akademik:

  • Menghapus responden secara acak sampai hasilnya normal.
  • Menambah responden fiktif atau mengisi ulang kuesioner sendiri.
  • Mengubah jawaban responden supaya distribusinya rapi.
  • Mengganti-ganti uji atau opsi perhitungan sampai Sig. di atas 0,05 lalu hanya melaporkan yang "berhasil", tanpa alasan metodologis.

Permendikbudristek Nomor 39 Tahun 2021 tentang Integritas Akademik dalam Menghasilkan Karya Ilmiah menyebut fabrikasi (pembuatan data penelitian atau informasi fiktif) dan falsifikasi (perekayasaan data atau informasi penelitian) sebagai bentuk pelanggaran (Pasal 9 dan Pasal 10). Sanksinya untuk mahasiswa bisa sampai pembatalan ijazah (Pasal 17).

Data yang "tidak normal" bukan aib. Data yang dimanipulasi, itu yang berbahaya.

Cara menuliskannya di skripsi

Penguji biasanya lebih menghargai mahasiswa yang jujur dan paham alasannya daripada yang hasilnya mulus tapi tidak bisa menjelaskan. Di Bab 4, tuliskan:

  1. Hasil uji normalitas (nama uji, nilai statistik, nilai Sig.).
  2. Pemeriksaan pendukung (histogram/Q-Q plot) bila relevan.
  3. Langkah yang kamu ambil (transformasi, uji nonparametrik, dsb.) dan alasannya, dengan rujukan buku metodologi atau statistik.

Pertanyaan yang sering muncul

Kolmogorov-Smirnov atau Shapiro-Wilk? Shapiro-Wilk sering direkomendasikan untuk sampel kecil, sedangkan Kolmogorov-Smirnov (dengan koreksi Lilliefors di SPSS) banyak dipakai untuk sampel yang lebih besar. Ikuti juga kebiasaan di prodimu dan arahan dosen.

Apakah data kuesioner skala Likert harus normal? Tergantung analisis yang kamu pakai. Yang perlu dicek adalah asumsi dari uji yang dipilih, misalnya residual untuk regresi.

Kalau sudah ditransformasi tetap tidak normal? Beralih ke uji nonparametrik atau pendekatan lain yang sesuai, lalu diskusikan dengan dosen pembimbing.

Bingung memilih langkah yang tepat untuk datamu?

Setiap data dan model penelitian berbeda. Kalau kamu ingin ditemani memilih uji yang sesuai, membaca output SPSS/SmartPLS, dan menyiapkan jawaban saat ditanya penguji, pembimbing olah data kami bisa membantu. Data tetap milikmu dan tidak kami ubah, dan interpretasi Bab 4 tetap kamu yang menulis. Lihat layanan olah data.