Академический Документы
Профессиональный Документы
Культура Документы
UJI NORMALITAS
DISUSUN OLEH :
PENDAHULUAN
A. Latar Belakang
Pada tulisan ini akan dibahas lebih lanjut uji normalitas. Uji normalitas berfungsi
untuk mengetahui apakah data sampel berasal dari populasi yang berdistribusi normal
ataukah tidak. Ada banyak cara yang dapat dilakukan untuk dapat mengetahuinya. Metode
pengujian normalitas secara klasik tidaklah terlalu rumit. Berdasarkan pengalaman empiris
beberapa pakar statistik, data yang banyaknya lebih dari 30 (n>30) maka dapat dikatakan
berdistribusi normal dan biasa disebut sampel besar.
Namun, untuk mendapatkan kepastian data tersebut berdistribusi normal atau tidak
maka dapat dilakukan uji statistik normalitas. Hal ini dikarenakan data yang banyaknya lebih
dari 30 belum tentu berdistribusi normal dan data yang banyaknya kurang dari 30 belum tentu
tidak berdistribusi normal.Pembuktian secara manual dapat dilakukan dengan menggunakan
metode kertas peluang normal atau dengan melakukan uji statistik normalitas.
Ada banyak jenis uji statistik normalitas yang dapat digunakan, di antaranya adalah
Kolmogorov Smirnov, Liliefors, Chi-Square, Shapiro Wilk, dan beberapa software komputer
(misalnya SPSS, Minitab, Simstat, Microstat, dsb.).Masing-masing jenis tersebut memiliki
kelebihan dan kekurangan dalam penggunaannya. Berikut ini akan diuraikan empat jenis
pengujian normalitas, yaitu metode kertas peluang normal, chi-square, liliefors, dan
kolmogorov-smirnov.
BAB II
LANDASAN TEORI
Uji normalitas data dimaksudkan untuk memperlihatkan bahwa data sampel berasal
dari populasi yang berdistribusi normal. Ada beberapa teknik yang dapat digunakan untuk
menguji normalitas data, antara lain uji chi-kuadrat, uji lilliefors, dan uji kolmogorov-
smirnov.
A. Uji Lilliefors
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. Probabilitas tersebut dicari bedanya dengan
probabilitas komultaif empiris. Beda terbesar dibanding dengan tabel Lilliefors pada Tabel
Nilai Quantil Statistik Lilliefors Distribusi Normal. Adapun langkah-langkah pengujian
normalitas adalah :
Rumus :
No 𝑧𝑖 𝑥𝑖 − 𝑥̅ 𝐹(𝑧𝑖 ) 𝑆(𝑧𝑖 ) |𝐹(𝑧𝑖 ) − 𝑆(𝑧𝑖 )|
𝑍=
𝑆𝐷
1
2
Dst
Keterangan :
𝐹(𝑧𝑖 )= = komulatif proporsi luasan kurva normal berdasarkan notasi Zi, dihitung dari luasan
kurva normal mulai dari ujung kiri kurva sampai dengan titik Zi.
Signifikansi uji, nilai | 𝐹 (𝑧𝑖 ) – 𝑆 (𝑧𝑖 ) | terbesar dibandingkan dengan nilai tabel
Lilliefors. Jika nilai | 𝐹 (𝑧𝑖 ) – 𝑆 (𝑧𝑖 ) |terbesar kurang dari nilai tabel Lilliefors, maka Ho
diterima ; Ha ditolak. Jika nilai | 𝐹 (𝑧𝑖 ) – 𝑆 (𝑧𝑖 ) | terbesar lebih besar dari nilai tabel
Lilliefors, maka Ho ditolak ; H1 diterima.
Keterangan:
𝑥𝑖 = 𝑎𝑛𝑔𝑘𝑎 𝑝𝑎𝑑𝑎 𝑑𝑎𝑡𝑎
𝑍 = 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑠𝑖 𝑑𝑎𝑟𝑖 𝑎𝑛𝑔𝑘𝑎 𝑘𝑒 𝑛𝑜𝑡𝑎𝑠𝑖 𝑝𝑎𝑑𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑛𝑜𝑟𝑚𝑎𝑙
𝐹𝑟 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 𝑘𝑜𝑚𝑢𝑙𝑎𝑡𝑖𝑓 𝑛𝑜𝑟𝑚𝑎𝑙
𝐹𝑠 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 𝑘𝑜𝑚𝑢𝑙𝑎𝑡𝑖𝑓 𝑒𝑚𝑝𝑖𝑟𝑖𝑠
𝐹𝑟 = 𝑘𝑜𝑚𝑢𝑙𝑎𝑡𝑖𝑓 𝑝𝑟𝑜𝑝𝑜𝑟𝑠𝑖 𝑙𝑢𝑎𝑠𝑎𝑛 𝑘𝑢𝑟𝑣𝑎 𝑛𝑜𝑟𝑚𝑎𝑙 𝑏𝑒𝑟𝑑𝑎𝑠𝑎𝑟 𝑛𝑜𝑡𝑎𝑠𝑖 𝑍𝑖,
𝑑𝑖ℎ𝑖𝑡𝑢𝑛𝑔 𝑑𝑎𝑟𝑖 𝑙𝑢𝑎𝑠𝑎𝑛 𝑘𝑢𝑟𝑣𝑎 𝑚𝑢𝑙𝑎𝑖 𝑑𝑎𝑟𝑖 𝑢𝑗𝑢𝑛𝑔 𝑘𝑖𝑟𝑖 𝑘𝑢𝑟𝑣𝑎
𝑠𝑎𝑚𝑝𝑎𝑖 𝑑𝑒𝑛𝑔𝑎𝑛 𝑡𝑖𝑡𝑖𝑘 𝑍.
𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑎𝑛𝑔𝑘𝑎 𝑠𝑎𝑚𝑝𝑎𝑖 𝑎𝑛𝑔𝑘𝑎 𝑘𝑒 𝑛𝑖
𝐹𝑠 =
𝑏𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑠𝑒𝑙𝑢𝑟𝑢ℎ 𝑎𝑛𝑔𝑘𝑎 𝑝𝑎𝑑𝑎 𝑑𝑎𝑡𝑎
C. Chi Kuadrat
Dalam melakukan uji kecocokan akan dibandingkan antara frekuensi hasil
yang sebenarnya diamati dengan frekuensi yang diharapkan berdasarkan model yang
diandaikan dan untuk ini digunakan rumus XIII(1):
𝑘
2
(𝑂𝑖 − 𝐸𝑖)2
𝑋 =∑ … … … (Sudjana, 2010: 273)
𝐸𝑖
𝑖=1
Tujuan dari uji normalitas adalah untuk mengetahui apakah data yang
diperoleh berdistribusi normal atau tidak. Jika data yang diperoleh berdistribusi
normal maka untuk analisis lebih lanjut digunakan statistic nonparameterik.
𝑘
2
(𝑂𝑖 − 𝐸𝑖 )2
𝑋 = ∑ … … … (Sudjana, 2010: 273)
𝐸𝑖
𝑖=1
fh= Prosentase luas bidang kurva normal x jumlah data observasi (jumlah individu
dalam sampel)
(𝑓0 −𝑓ℎ )2
harga (f0- fh)2 dan = x2
𝑓ℎ
f). Membandingkan harga chi kuadrat hitung dengan chi kuadrat tabel
2 2
𝑥ℎ𝑖𝑡 < 𝑥𝑡𝑎𝑏𝑒𝑙 ⇒ 𝑑𝑎𝑡𝑎 𝑏𝑒𝑟𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑛𝑜𝑟𝑚𝑎𝑙
2 2 2
Signifikansi uji, nilai x hitung dibandingkan dengan x tabel (Chi-Square). Jika nilai x
2 2
hitung kurang dari nilai x tabel, maka Ho diterima ; Haditolak. Jika nilai x hitung lebih
2
besar dari nilai x tabel, maka Ho ditolak ; Ha diterima.
Dk Taraf signifikansi
https://www.academia.edu/25772742/Makalah_uji_normalitas_statistik
https://www.statistikian.com/2013/01/uji-normalitas.html