Pertanyaan ini sering muncul di ruang bimbingan dan grup mahasiswa: uji normalitas itu dilakukan pada setiap variabel, atau pada residual? Jawabannya bergantung pada analisis yang kamu pakai. Salah memilih bisa membuat kamu panik melihat data "tidak normal", padahal yang perlu diuji sebenarnya hal lain.

Kenapa asumsi normalitas ada?

Banyak uji statistik parametrik, seperti uji t, ANOVA, dan regresi linear, menghitung nilai signifikansi dengan asumsi tertentu tentang distribusi data. Kalau asumsi ini dilanggar cukup parah, nilai Sig. yang dihasilkan bisa menyesatkan. Karena itu asumsi diuji dulu sebelum hasil ditafsirkan.

Yang sering terlupa: setiap uji punya asumsi yang berbeda.

Apa yang diuji untuk tiap analisis

Analisis Yang perlu berdistribusi (mendekati) normal
Regresi linear sederhana/berganda Residual model
Uji t sampel independen Data di masing-masing kelompok
Uji t berpasangan Selisih nilai pasangan (misalnya posttest − pretest)
ANOVA satu arah Data/residual di tiap kelompok
Korelasi Pearson Kedua variabel (normal bivariat)

Kenapa regresi menguji residual?

Residual adalah selisih antara nilai Y sebenarnya dan nilai Y yang diprediksi model. Asumsi regresi linear klasik menyatakan bahwa error (yang ditaksir lewat residual) berdistribusi normal. Variabel X dan Y sendiri tidak harus normal. Variabel X bahkan boleh berupa variabel dummy (0/1) yang jelas tidak normal.

Jadi kalau kamu memakai regresi dan menguji normalitas X1, X2, dan Y satu per satu, kamu menguji hal yang bukan asumsinya.

Langkah di SPSS

Normalitas residual (untuk regresi)

  1. Analyze → Regression → Linear. Masukkan variabel dependen dan independen.
  2. Klik Save, centang Unstandardized pada bagian Residuals. Klik Continue, lalu OK.
  3. SPSS menambahkan variabel baru di Data View, biasanya bernama RES_1.
  4. Uji normalitas RES_1: Analyze → Descriptive Statistics → Explore, masukkan RES_1 ke Dependent List, klik Plots, centang Normality plots with tests.
  5. Baca tabel Tests of Normality (Kolmogorov-Smirnov dan Shapiro-Wilk) serta Normal Q-Q Plot.

Alternatif lain yang juga sering dipakai: Analyze → Nonparametric Tests → Legacy Dialogs → 1-Sample K-S pada variabel residual.

Normalitas per kelompok (untuk uji t independen atau ANOVA)

  1. Analyze → Descriptive Statistics → Explore.
  2. Masukkan variabel nilai ke Dependent List dan variabel kelompok ke Factor List.
  3. Di Plots, centang Normality plots with tests.
  4. SPSS menampilkan hasil uji normalitas untuk setiap kelompok.

Normalitas selisih (untuk uji t berpasangan)

  1. Buat variabel selisih: Transform → Compute Variable, misalnya selisih = posttest - pretest.
  2. Uji normalitas variabel selisih lewat Explore.

Membaca hasilnya

  • Sig. > 0,05: tidak ada bukti kuat bahwa distribusinya menyimpang dari normal. Asumsi dianggap terpenuhi.
  • Sig. ≤ 0,05: distribusi menyimpang dari normal.

Ingat, uji formal makin sensitif saat sampel besar. Lengkapi dengan Q-Q plot dan histogram sebelum menyimpulkan. Kalau hasilnya tidak normal, pilihan solusinya kami bahas di artikel data tidak normal di uji normalitas.

Asumsi regresi lain yang biasanya ikut diuji

Normalitas residual bukan satu-satunya. Untuk regresi linear berganda, dosen biasanya juga meminta:

  • Multikolinearitas — lihat nilai Tolerance dan VIF di tabel Coefficients (centang Collinearity diagnostics di menu Statistics).
  • Heteroskedastisitas — misalnya lewat scatterplot residual atau uji Glejser.
  • Autokorelasi — terutama untuk data runtut waktu (time series), misalnya uji Durbin-Watson.
  • Linearitas hubungan antarvariabel.

Uji mana yang wajib, dan dengan kriteria apa, sering mengikuti kebiasaan prodi dan arahan dosen.

Kalau dosen meminta uji normalitas per variabel?

Sebagian dosen tetap meminta uji normalitas per variabel, misalnya sebagai gambaran data. Jangan langsung membantah. Kamu bisa mengerjakan yang diminta, lalu bertanya dengan sopan apakah perlu ditambah uji normalitas residual sesuai asumsi regresi, sambil membawa rujukan dari buku statistik yang dipakai di prodimu. Keputusan akhirnya tetap di dosen pembimbing.

Pertanyaan yang sering muncul

Residual standar atau unstandardized? Untuk uji normalitas, keduanya memberi hasil uji yang sama karena standardisasi tidak mengubah bentuk distribusi. Unstandardized lebih umum dipakai di skripsi.

Kalau datanya data panel atau time series? Prosedurnya bisa berbeda dan biasanya memakai software seperti EViews atau Stata. Diskusikan dengan dosen atau pembimbing yang paham ekonometrika.

Masih bingung dengan output SPSS-mu?

Pembimbing olah data kami bisa menemanimu memilih uji yang tepat, menjalankan uji asumsi, dan memahami setiap angka di output, supaya kamu bisa menjelaskannya sendiri saat sidang. Data tetap milikmu dan tidak kami ubah. Lihat layanan olah data.