STATISTIK DASAR

UJI NORMALITAS

DISUSUN OLEH :

ASTY VIANDARI (201563039)

FAKULTAS TEKNIK PERTAMBANGAN DAN PERMINYAKAN

PROGRAM STUDI S1 TEKNIK PERTAMBANGAN
JURUSAN TEKNIK PERTAMBANGAN
UNIVERSITAS PAPUA
2017
 BAB I

PENDAHULUAN

A. Latar Belakang

Statistika adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan data,

pengolahan atau penganalisisannya dan penarikan kesimpulan berdasarkan kumpulan data
dan penganalisisan yang dilakukan (Sudjana 2005: 3).Sering kali kita mendengar bahwa
dalam uji statistik, data yang kita miliki harus diuji normalitasnya terlebih dahulu untuk
menentukan alat uji yang dapat kita gunakan.

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 :

1. Mengurutkan data sampel dari yang terkecil sampai yang terbesar.

2. Menentukan nilai z dari tiap-tiap data (Zi).
3. Menentukan besar peluang untuk masing-masing nilai z berdasarkan tabel z dan
diberi nama 𝐹(𝑧𝑖 ), yaitu 𝐹(𝑧𝑖 ) = 𝑛𝑖𝑙𝑎𝑖 𝑡𝑎𝑏𝑒𝑙 𝑧 + 0,5.
4. Menghitung frekuensi kumulatif relatif kurang dari masing-masing nilai z.
5. Menentukan nilai 𝑆(𝑧𝑖 ).
6. Menentukan nilai 𝐿ℎ𝑖𝑡𝑢𝑛𝑔 = |𝐹(𝑧𝑖 ) − 𝑆(𝑧𝑖 )|, hitung selisihnya, kemudian
bandingkan dengan nilai𝐿𝑡𝑎𝑏𝑒𝑙 dari tabel Liliefors.
7. Mengecek nilai 𝐿𝑡𝑎𝑏𝑒𝑙 .
8. Menyimpulkan sampel berasal dari populasi yang berdistribusi normal atau tidak
berdistribusi normal.

Rumus :
No 𝑧𝑖 𝑥𝑖 − 𝑥̅ 𝐹(𝑧𝑖 ) 𝑆(𝑧𝑖 ) |𝐹(𝑧𝑖 ) − 𝑆(𝑧𝑖 )|
𝑍=
𝑆𝐷
1
2
Dst

Keterangan :

zi = Angka pada data

Z = Transformasi dari angka ke notasi pada distribusi normal

𝐹(𝑧𝑖 )= Probabilitas komulatif normal

𝑆(𝑧𝑖 )= = Probabilitas komulatif empiris

𝐹(𝑧𝑖 )= = komulatif proporsi luasan kurva normal berdasarkan notasi Zi, dihitung dari luasan
kurva normal mulai dari ujung kiri kurva sampai dengan titik Zi.

𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑎𝑛𝑔𝑘𝑎 𝑠𝑎𝑚𝑝𝑎𝑖 𝑎𝑛𝑔𝑘𝑎 𝑘𝑒 𝑛𝑖

𝑆(𝑧𝑖 ) = =
𝑏𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑠𝑒𝑙𝑢𝑟𝑢ℎ 𝑎𝑛𝑔𝑘𝑎 𝑝𝑎𝑑𝑎 𝑑𝑎𝑡𝑎

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.

Tabel Harga Quartil Statistik Lilliefors Distribusi Normal

 Ukuran P = 0,80 P = 0,85 P = 0,90 P = 0,95 P = 0,99
sampel
α = 0,20 α = 0,15 α = 0,10 α = 0,05 α = 0,01
N

4 0,300 0,319 0,352 0,381 0,417

5 0,285 0,299 0,315 0,337 0,405

6 0,265 0,277 0,294 0,319 0,364

7 0,247 0,258 0,276 0,300 0,348

8 0,233 0,244 0,261 0,285 0,331

9 0,223 0,233 0,249 0,271 0,311

10 0,215 0,224 0,239 0,258 0,294

11 0,206 0,217 0,230 0,249 0,284

12 0,199 0,212 0,223 0,242 0,275

13 0,190 0,202 0,214 0,234 0,268

14 0,183 0,194 0,207 0,227 0,261

15 0,177 0,187 0,201 0,220 0,257

16 0,173 0,182 0,195 0,213 0,250

17 0,169 0,177 0,189 0,206 0,245

18 0,166 0,173 0,184 0,200 0,239

19 0,163 0,169 0,179 0,195 0,235

20 0,160 0,166 0,174 0,190 0,231

25 0,142 0,147 0,158 0,173 0,200

30 0,131 0,136 0,144 0,161 0,187

n > 30 0,736 0,768 0,805 0,886 1,031

√𝑛 √𝑛 √𝑛 √𝑛 √𝑛

B. Uji Kolmogorov Smirnov

 Tes satu sampel Kolmogorov Smirnov mencakup perhitungan distribusi frekuensi
komulatif yang akan terjadi di bawah distribusi teoritisnya, serta membandingkan distribusi
frekuensi itu dengan distribusi frekuensi komulatif hasil observasi (Siegel, 1997: 59).
Tabel uji normalitas menggunakan Metode Kolmogorov-Smirnov seperti berikut.
No. 𝑥𝑖 𝑥𝑖 − 𝑥̅ 𝐹𝑟 𝐹𝑠 |𝐹𝑟 − 𝐹𝑠|
𝑍=
𝑆𝐷
1.
2.
dst.

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

Normalitas data diuji menggunakan rumus (Siegel, 1997: 59)

𝐷ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑚𝑎𝑘𝑠𝑖𝑚𝑢𝑚 |𝐹𝑜 (𝑥) − 𝑆𝑁 (𝑥)|
Keterangan:
𝐹0 (𝑥) : Distribusi frekuensi kumulatif teoritis
𝑆𝑁 (𝑥) : Distribusi frekuensi kumulatif skor observasi

Langkah-langkah mengerjakan adalah sebagai berikut.

a. Mengurutkan data sampel dari yang kecil sampai yang terbesar.
b. Menentukan nilai z dari tiap-tiap data tersebut .
c. Menentukan besar peluang untuk masing-masing nilai z berdasarkan tabel z dan
diberi nama Fx = nilai tabel z + 0,5.
d. Menghitung frekuensi kumulatif relatif kurang dari masing-masing nilai z, tiap-tiap
frekuensi kumulatif dibagi dengan n sebut dengan Sx . Menggunakan nilai Dhitungyang
terbesar.
e. Menentukan nilai Dhitung = |Fx − Sx |, hitung selisihnya, kemudian bandingkan
dengan nilai Ltabel dari tabel Kolmogorov-Smirnov.
f. Jika Dhitung < Dtabel, maka sampel berasal dari populasi yang berdistribusi normal.

Tabel Nilai Kritis D Untuk Uji Kolmogorov-Smirnov

n  = 0,20  = 0,10  = 0,05  = 0,02  = 0,01
1 0,900 0,950 0,975 0,990 0,995
2 0,684 0,776 0,842 0,900 0,929
3 0,565 0,636 0,708 0,785 0,829
4 0,493 0,565 0,624 0,689 0,734
5 0,447 0,509 0,563 0,627 0,669
6 0,410 0,468 0,519 0,577 0,617
7 0,381 0,436 0,483 0,538 0,576
8 0,359 0,410 0,454 0,507 0,542
9 0,339 0,387 0,430 0,480 0,513
10 0,323 0,369 0,409 0,457 0,486
11 0,308 0,352 0,391 0,437 0,468
12 0,296 0,338 0,375 0,419 0,449
13 0,285 0,325 0,361 0,404 0,432
14 0,275 0,314 0,349 0,390 0,418
15 0,266 0,304 0,338 0,377 0,404
16 0,258 0,295 0,327 0,366 0,392
17 0,250 0,286 0,318 0,355 0,381
18 0,244 0,279 0,309 0,346 0,371
19 0,237 0,271 0,301 0,337 0,361
20 0,232 0,265 0,294 0,329 0,352
21 0,226 0,259 0,287 0,321 0,344
22 0,221 0,253 0,281 0,314 0,337
23 0,216 0,247 0,275 0,307 0,330
24 0,212 0,242 0,269 0,301 0,323
25 0,208 0,238 0,264 0,295 0,317
26 0,204 0,233 0,259 0,290 0,311
27 0,200 0,229 0,254 0,284 0,305
28 0,197 0,225 0,250 0,279 0,300
 29 0,193 0,221 0,246 0,275 0,295
30 0,190 0,218 0,242 0,270 0,290
35 0,177 0,202 0,224 0,251 0,269
40 0,165 0,189 0,210 0,235 0,252
45 0,156 0,179 0,198 0,222 0,238
50 0,148 0,170 0,188 0,211 0,226
55 0,142 0,162 0,180 0,201 0,216
60 0,136 0,155 0,172 0,193 0,207
65 0,131 0,149 0,166 0,185 0,199
70 0,126 0,144 0,160 0,179 0,192
75 0,122 0,139 0,154 0,173 0,185
80 0,118 0,135 0,150 0,167 0,179
85 0,114 0,131 0,145 0,162 0,174
90 0,111 0,127 0,141 0,158 0,169
95 0,108 0,124 0,137 0,154 0,165
100 0,106 0,121 0,134 0,150 0,161

Pendekatan 1,07/√n 1,22/√n 1,36/√n 1,52/√n 1,63/√n

Nilai kritis Pengujian Kolmogorov dengan 𝛼 = 0,05 dan n=32 adalah
𝐷𝑡𝑎𝑏𝑒𝑙 = 0,242.

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

Nilai-nilai parameter populasi yang diasumsikan yang dipakai untuk

menghitung frekuensi diharapkan atau frekuensi teoritik, ditaksir berdasarkan nilai-
nilai statistik sampel yang takbias. Misalnya rata-rata µ ditaksir oleh 𝑥̅ dan
varians 𝜎 2 oleh 𝑠 2 . Untuk menguji kecocokan populasi normal, ada dua parameter
yang ditaksir, yaitu µ dan 𝜎 2 , maka dk untuk distribusi chi-kuadrat sama dengan (k-
3).

Uji kecocokan distribusi normal

 Uji normalitas dilakukan dengan menggunakan kertas peluang. Dalam
beberapa hal, penyimpangan wajar dari syarat-syarat yang telah digariskan dan tidak
mengakibatkan bahaya yang hebat. Misalnya, sedikit terjadi penyimpangan dari
normalitas dan atau dari sifat homogenitas varians biasanya hanya memberikan akibat
buruk yang kecil terhadap hasil pengujian dan kesimpulannya. (Sudjana, 2010: 292)

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.

Untuk keperluan pengujian, harus menghitung frekuensi teoritik Ei dan

mengetahui frekuensi nyata atau hasil pengamatan Oi terlebih dahulu. Frekuensi 𝑂𝑖
didapat dari sampel dan harga 𝐸𝑖 atau frekuensi teoritik didapat dari hasil kali antara
n dengan peluang atau luas dibawah kurva normal untuk interval yang bersangkutan.
Selanjutnya statistic 𝑋 2 dihitung dengan rumus

𝑘
2
(𝑂𝑖 − 𝐸𝑖 )2
𝑋 = ∑ … … … (Sudjana, 2010: 273)
𝐸𝑖
𝑖=1

Untuk menentukan kriteria pengujian digunakan distribusi chi-kuadrat

dengan dk=(k-3) dan taraf α. (Sudjana, 2010: 293)

Langkah-langkah uji normalitas dengan menggunakan chi kuadrat:

a).Menentukan jumlah kelas interval, ditetapkan menjadi 6 kelas sesuai dengan 6 bidang
yang ada pada kurva normal. Seperti gambar di bawah, bahwa kurve normal baku
yang luasnya hamper 100% dibagi menjadi 6 bidang berdasarkan simpangan bakunya,
yaitu tiga bidang di bawah rata-rata dan tiga bidang di atas rata-rata.

b). Menentukan panjang kelas interval

 𝑑𝑎𝑡𝑎 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟−𝑑𝑎𝑡𝑎 𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙
panjang kelas= 6 (𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑙𝑎𝑠 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙)

c). Menyusun ke dalam tabel distribusi frekuensi

d). Menghitung frekuensi yang diharapkan (fh)

fh= Prosentase luas bidang kurva normal x jumlah data observasi (jumlah individu
dalam sampel)

e).Memasukkan harga-harga fh ke dalam table kolom fh, sekaligus menghitung

(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.

TABEL CHI KUADRAT

Dk Taraf signifikansi

50% 30% 20% 10% 5% 1%

1 0,455 1,074 1,642 2,706 6,635

2 1,386 2,408 3,219 4,605 9,210

3 2,366 3,665 4,642 6,251 11,341

4 3,357 4,878 5,989 7,779 13,277

5 4,351 6,064 7,289 9,236 15,086

6 5,348 7,231 8,558 10,645 16,812

7 6,346 8,383 9,803 12,017 18,475

8 7,344 9,524 11,030 13,362 20,090

9 8,343 10,656 12,242 14,684 21,666

10 9,342 11,781 13,442 15,987 23,209

11 10,341 12,899 14,631 17,275 24,725

12 11,340 14,011 15,812 18,549 26,217

13 12,340 15,119 16,985 19,812 27,688

14 13,339 16,222 18,151 21,064 29,142

15 14,339 17,322 19,311 22,307 30,578

16 15,338 18,418 20,465 23,542 32,000

17 16,338 19,511 21,615 24,769 33,409

18 17,338 20,601 22,760 25,989 34,805

19 18,338 21,689 23,900 27,204 36,191

20 19,338 22,775 25,038 28,412 37,566

21 20,337 23,858 26,171 29,615 38,932

22 21,337 24,939 27,301 30,813 40,289

23 22,337 26,018 28,429 32,007 41,638

24 23,337 27,096 29,553 33,196 42,980

25 24,337 28,172 30,675 34,382 44,314

26 25,336 29,246 31,795 35,563 45,642

27 26,336 30,319 32,912 36,741 46,963

28 27,336 31,391 34,027 37,916 48,278

29 28,336 32,461 35,139 39,087 49,588

30 29,336 33,530 36,250 40,256 50,892

 DAFTAR PUSTAKA

 https://www.academia.edu/25772742/Makalah_uji_normalitas_statistik
 https://www.statistikian.com/2013/01/uji-normalitas.html