Tri Cahyono

UJI NORMALITAS

SERI BIOSTATISTIK TERAPAN

Z

=

Xi


SD

X

JKLP POLTEKKES SEMARANG 2006
1

2

KATA PENGANTAR

DAFTAR ISI

Salah satu alat bantu statistik adalah uji normalitas. Uji normalitas berguna
untuk menentukan data yang telah dikumpulkan berdistribusi normal atau
diambil dari populasi normal..

Halaman
HALAMAN JUDUL ...................................................................................
KATA PENGANTAR................................................................................
DAFTAR ISI...............................................................................................

Kadangkala pengguna statistik paham dengan rumus uji normalitas yang
disajikan, namun untuk menerapkan masih merasa kebingungan dan keraguan.
Berdasarkan keadaan tersebut penulis terdorong untuk menyajikan rumusrumus statistik dengan teori yang sederhana dan memberikan contoh penerapan
rumus tersebut, sehingga mudah dipahami.
Dalam penyajian buku ini tentunya masih banyak kekurangannya, untuk itu
saran, kritik sangatlah penulis harapkan demi sempurna buku ini.
Penulis berharap mudah-mudahan tulisan yang singkat ini dapat bermanfaat
bagi pembaca dan menggugah lebih dalam lagi untuk mempelajari statistik.

Purwokerto, Januari 2006
Penulis

Tri Cahyono

3

Uji Normalitas
A. Berdasarkan Kemiringan / Kemencengan / Skewnes dan Kurtosis
B. Metode Kertas Peluang Normal
C. Metode Chi Square (Uji Goodness of fit Distribusi Normal)
D. Metode Lilliefors (n kecil dan n besar)
E. Metode Kolmogorov-Smirnov
F. Metode Shapiro Wilk
G. Menggunakan Perangkat Lunak SPSS
DAFTAR PUSTAKA
LAMPIRAN
1. Contoh Kertas Peluang Normal
2. Tabel Distribusi Normal
3. Tabel Harga Kritis Chi – Square (X2)
4. Tabel Harga Quantil Statistik Lilliefors Distribusi Normal
5. Tabel Harga Quantil Statistik Kolmogorov Distribusi Normal
6. Tabel Harga Quantil Statistik Shapiro-Wilk Distribusi Normal
7. Konversi Statistik Shapiro-Wilk Pendekatan Distribusi Normal
8. Koefisient untuk test Shapiro-Wilk
9. Hasil Print Out SPSS Pengujian Normality

4

1
2
6
8
13
17
21
26

A. Berdasarkan Kemiringan / Kemencengan / Skewnes dan Kurtosis

Data klasifikasi kontinue, data kuantitatif yang termasuk dalam pengukuran
data skala interval atau ratio, untuk dapat dilakukan uji statistik parametrik
dipersyaratkan berdistribusi normal. Pembuktian data berdistribusi normal
tersebut perlu dilakukan uji normalitas terhadap data. Uji normalitas berguna
untuk membuktikan data dari sampel yang dimiliki berasal dari populasi
berdistribusi normal atau data populasi yang dimiliki berdistribusi normal.
Banyak cara yang dapat dilakukan untuk membuktikan suatu data berdistribusi
normal atau tidak.
Metode klasik dalam pengujian normalitas suatu data tidak begitu rumit.
Berdasarkan pengalaman empiris beberapa pakar statistik, data yang
banyaknya lebih dari 30 angka (n > 30), maka sudah dapat diasumsikan
berdistribusi normal. Biasa dikatakan sebagai sampel besar.
Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal
atau tidak, sebaiknya digunakan uji statistik normalitas. Karena belum tentu
data yang lebih dari 30 bisa dipastikan berdistribusi normal, demikian
sebaliknya data yang banyaknya kurang dari 30 belum tentu tidak berdistribusi
normal, untuk itu perlu suatu pembuktian. Pembuktian normalitas dapat
dilakukan dengan manual, yaitu dengan menggunakan kertas peluang normal,
atau dengan menggunakan uji statistik normalitas.
Banyak jenis uji statistik normalitas yang dapat digunakan diantaranya
Kolmogorov Smirnov, Lilliefors, Chi-Square, Shapiro Wilk atau menggunakan
soft ware computer. Soft ware computer dapat digunakan misalnya SPSS,
Minitab, Simstat, Microstat, dsb. Pada hakekatnya soft ware tersebut
merupakan hitungan uji statistik Kolmogorov Smirnov, Lilliefors, Chi-Square,
Shapiro Wilk, dsb yang telah diprogram dalam soft ware komputer. Masingmasing hitungan uji statistik normalitas memiliki kelemahan dan kelebihannya,
pengguna dapat memilih sesuai dengan keuntungannya.
Di bawah disajikan beberapa cara untuk
normal atau tidak.

Suatu data bila disajikan dalam bentuk kurva halus dapat berbentuk kurva yang
miring ke kanan, miring ke kiri atau simetris. Miring ke kanan bila kurva
mempunyai ekor (asymtut / menyinggung sumbu X) yang memanjang ke
sebelah kanan, demikian miring ke kiri sebaliknya, sedangkan bila simetris
berarti kondisi ke kanan dan kiri seimbang, biasanya nilai mean, median dan
modus berdekatan bahkan kadang sama. Kondisi kurva yang simetris tersebut
sering disebut membentuk kurva distribusi normal. Kemiringan kurva dapat
dihitung berdasarkan rumus Koefisien Kemiringan Pearson, yaitu :
KEMIRINGAN =

Bila hasil kemiringan negatif, maka kurva miring ke kiri, bila hasil kemiringan
positif, maka kurva miring ke kanan, sedangkan pada hasil kemiringan nol,
maka kurva normal. Pada kurva normal biasanya data cenderung berdistribusi
norma. Secara visual gambar sebagai berikut:

Kemiringan ke kanan

Kemiringan ke kiri

simetris

Contoh kasus hasil pengukuran kebisingan pada tempat-tempat umum didapat
data sebagai berikut:
NO.
1.
2.
3.
4.
5.

menguji suatu data berdistribusi

5

RERATA − MODUS 3( RERATA − MEDIAN )

STANDAR . DEVIASI
STANDAR . DEVIASI

6

KEBISINGAN (dB)
70 – 79
80 – 89
90 – 99
100 – 109
110 – 119
JUMLAH

JUMLAH
9
15
12
10
4
50

Penyelesaian
No Kbs(dB) JML(fi) Xi
fi.Xi Xi - X fi.Xi-X (Xi – X)2 fi.(Xi – X)2
1 70 – 79
9 74,5 670,5 -17
153
289
2601
2 80 – 89
15 84,5 1267,5
-7
105
49
735
3 90 – 99
12 94,5 1134,0
3
36
9
108
4 100 – 109
10 104,5 1045,0
13
130
169
1690
5 110 – 119
4 114,5 458,0
23
92
529
2116
JUMLAH
50
4575,0
516
7250
∆a
6
Modus = Lmdo +
.I ⇔ Modus = 79,5 +
.10 ⇔ 86,17
∆a + ∆b
6+3
N
50
−F
− 24
Median = Lmdi + 2
. I ⇔ Median = 89,5 + 2
.10 ⇔ 90,33
fdi
12
X =

SD =

fi. Xi
fi

⇔X =

4575
⇔ 91,5
50

fi.( Xi − X ) 2
N

⇔ SD =

7250
⇔ 12,04
50

RERATA − MODUS 3( RERATA − MEDIAN )

STANDAR . DEVIASI
STANDAR . DEVIASI
91,5 − 86,17 3(91,5 − 90,33)
KEMIRINGAN =

⇔ KEMIRINGAN = 0,44 ≈ 0,29
12,04
12,04

Bila nilai Koefisien Kurtosis Persentil mendekati 0,263, maka dapat
disimpulkan data berdistribusi normal.
Berdasarkan kurva normal, untuk membuktikan data berdistribusi normal atau
tidak, dapat dihitung berdasarkan rumus Koefisien Kurtosis, yaitu
m
a 4 = 42
m2
Keterangan : a4 = koefisien kurtosis
: m = moment sekitar rata-rata, berdasar rumus di bawah
( xi − x) r
≈ untuk data tunggal
mr =
n
f i ( xi − x) r
≈ untuk data dalam distribusi frekuensi
mr =
n
Keterangan : mr = moment ke r = 1 , 2, 3, dst
: Xi = data ke i = 1, 2, 3, dst, (titik tengah interval kelas)
: n = banyaknya angka pada data
: X = rata-rata
: fi = frekuensi
Bila nilai a4 sama dengan 3, maka data berdistribusi normal, bila a4 kurang dari
3, maka bentuk kurva normal platikurtik, bila nilai a4 lebih besar dari 3, maka
bentuk kurva leptokurtic. Secara visual gambar sebagai berikut:

KEMIRINGAN =

Nilai kemiringan 0,44 atau 0,29, berarti miring ke kanan, tidak simetris.

distribusi normal

Rumus lainnya yang dapat digunakan untuk membutikan kenormalan data,
yaitu Koefisien Kurtosis Persentil, sebagai berikut :
κ=

Keterangan

leptokurtik

Contoh data tinggi badan masyarakat kalimas
NO.
1.
2.
3.
4.
5.
6.

1 ( K3 − K1 )
SK
= 2
P90 − P10
P90 − P10

: κ = kappa (Koefisien Kurtosis Persentil)
: SK = rentang semi antar kuartil
: P = persentil
: K = kuartil
7

platikurtik

8

TINGGI BADAN
140 – 149
150 – 159
160 – 169
170 – 179
180 – 189
190 – 199
JUMLAH

JUMLAH
6
22
39
25
7
1
100

Dihitung Koefisien Kurtosis Persentil sebagai berikut :
N
100
− Fa1
−6
K 1 = Lb1 + 4
. I ⇔ K 1 = 149,5 + 4
.10 ⇔ 158,14
f Q1
22

K 3 = Lb3 +

3.

B. Metode Kertas Peluang Normal
Metode kertas peluang normal membutuhkan kertas grafik khusus yang disebut
Kertas Peluang Normal. Contoh kertas peluang normal dapat dilihat pada
lampiran 1. Langkah pertama dalam mempergunakan metode kertas peluang
normal, yaitu data disajikan dalam bentuk tabel distribusi frekuensi relatif (data
disajikan dalam bentuk prosentase). Contoh data sebagai berikut:

N
100
− Fa 3
3.
− 67
4
4
. I ⇔ K 3 = 169,5 +
.10 ⇔ 172,70
f Q3
25

NO
1
2
3
4
5
6
7

N
100
10.
− Fa10
10.
−6
100
100
P10 = Lb10 +
. I ⇔ P10 = 149,5 +
.10 ⇔ 151,32
f P10
22
N
100
90.
− Fa 90
90.
− 67
100
100
P90 = Lb90 +
. I ⇔ P90 = 169,5 +
.10 ⇔ 178,70
f P 90
25

1 ( K 3 − K1 )
1 (172,70 − 158,14 )
SK
2
κ=
=
⇔κ = 2
⇔ 0,265
P90 − P10
P90 − P10
178,70 − 151,32

Hasil Koefisien Kurtosis Persentil 0,265 ≠≈ 0,263, distribusi normal.
Selanjutnya dihitung Koefisien Kurtosis.

f i ( xi − x)

=>

BERAT BADAN (kg)
Kurang dari 29,50
Kurang dari 39,50
Kurang dari 49,50
Kurang dari 59,50
Kurang dari 69,50
Kurang dari 79,50
Kurang dari 89,50
Kurang dari 99,50

f i ( xi − x) 4

m4 =
n
n
=>
n
10736,00
3279749,12
m2 =
= 107,36 m 4 =
= 32797,49
100
100
m
32797,49
= 2,85
a 4 = 42 => a 4 =
107,36 2
m2
Hasil Koefisien Kurtosis > 3, mendekati normal

mr =

m2 =

f i ( xi − x) 2

9

JUMLAH
8
15
26
33
27
20
11
140

PROSENTASE
5,71
10,71
18,57
23,57
19,29
14,29
7,86
100,00

Selanjutnya tabel diubah dalam bentuk distribusi frekuensi komulatif relatif
kurang dari, sehingga terbentuk tabel sebagai berikut :

TB
JML(fi) Xi
fi.Xi
Xi - X (Xi - X )2 fi(Xi - X )2 (Xi - X )4 fi(Xi - X )4
140 – 149
6 144,5 867,0 -20,80
432,64
2595,84 187177,37 1123064,22
150 – 159
22 154,5 3399,0 -10,80
116,64
2566,08 13604,89 299307,57
160 – 169
39 164,5 6415,5
-0,80
0,64
24,96
0,41
15,97
170 – 179
25 174,5 4362,5
9,20
84,64
2116,00 7163,93 179098,24
180 – 189
7 184,5 1291,5 19,20
368,64
2580,48 135895,45 951268,15
190 – 199
1 194,5 194,5 29,20
852,64
852,64 726994,97 726994,97
Jumlah
100
16530,0
10736,00
3279749,12
r

BERAT BADAN (kg)
30 – 39
40 – 49
50 – 59
60 – 69
70 – 79
80 – 89
90 – 99
JUMLAH

KOMULATIF %
0,00
5,71
16,42
34,99
58,56
77,85
92,14
100,00

Berikutnya data komulatif relatif ditampilkan pada kertas peluang normal.
Sumbu horisontal tempat meletakkan interval kelas dan sumbu vertikal tempat
untuk angka komulatifnya. Pertemuan kelas dan angka komulatif ditandai
dengan titik-titik. Jika titik-titik tersebut dihubungkan membentuk garis lurus,
berarti data berdistibusi normal.
Contoh untuk penyajian data di atas pada kertas peluang normal menjadi
sebagai berikut :
10

C. Metode Chi Square (Uji Goodness of fit Distribusi Normal)
Metode Chi-Square atau X2 untuk Uji Goodness of fit Distribusi Normal,
menggunakan pendekatan penjumlahan penyimpangan data observasi tiap
kelas dengan nilai yang diharapkan.
1. Rumus X2

X2 =

(Oi − E i )2
Ei

Keterangan :
= Nilai X2
X2
= Nilai observasi
Oi
= Nilai expected / harapan, luasan interval kelas berdasarkan
Ei
tabel normal dikalikan N (total frekuensi) ≈ pi x N
= Banyaknya angka pada data (total frekuensi)
N
Komponen penyusun rumus tersebut di atas didapatkan berdasarkan pada
hasil transformasi data distribusi frekuensi yang akan diuji normalitasnya,
sebagai berikut:
BATAS INTERVAL
KELAS
NO (batas tidak nyata)
1
2
3
dst

Z =

Xi − X
SD

pi

Oi

Ei
(pi x N)

Keterangan :
Xi
= Batas tidak nyata interval kelas
Z
= Transformasi dari angka batas interval kelas ke notasi pada
distribusi normal
pi
= Luas proporsi kurva normal tiap interval kelas berdasar tabel
normal (Lampiran 2)
11

12

Oi
Ei

= Nilai observasi
= Nilai expected / harapan, luasan interval kelas berdasarkan
tabel normal dikalikan N (total frekuensi) ≈ pi x N

b. Nilai α
Nilai α = level signifikansi = 5% = 0,05

2. Persyaratan
a. Data tersusun berkelompok atau dikelompokkan dalam tabel distribusi
frekuensi.
b. Cocok untuk data dengan banyaknya angka besar ( n > 30 )
c. Setiap sel harus terisi, yang kurang dari 5 digabungkan.

c. Rumus Statistik penguji
(Oi − E i )2
X2 =
Ei
BATAS INTERVAL
X −X
KELAS
Z = i
NO (batas tidak nyata)
SD
1
2
3
dst

3. Signifikansi
Signifikansi uji, nilai X2 hitung dibandingkan dengan X2 tabel (Chi-Square)
. Jika nilai X2 hitung kurang dari nilai X2 tabel, maka Ho diterima ; Ha
ditolak. Jika nilai X2 hitung lebih besar dari nilai X2 tabel, maka Ho ditolak
; Ha diterima. Tabel X2 (Chi-Square) pada lampiran 3.
4. Penerapan

pi

Oi

Ei
(pi x N)

d. Hitung rumus statistik penguji.

TINGGI BADAN MASYARAKAT KALIMAS TAHUN 1990
NO.
TINGGI BADAN
JUMLAH
1.
140 – 149
6
2.
150 – 159
22
3.
160 – 169
39
4.
170 – 179
25
5.
180 – 189
7
6.
190 – 199
1
JUMLAH
100

Telah dihitung Mean = 165,3 ; Standar deviasi = 10,36
BATAS
INTERVAL
KELAS
(batas tidak
nyata)
139,5 – 149,5
149,5 – 159,5
159,5 – 169,5
169,5 – 179,5
179,5 – 189,5
189,5 – 199,5
JUMLAH

Xi − X
SD
-2,49 – -1,53
-1,53 – -0,56
-0,56 – 0,41
0,41 – 1,37
1,37 – 2,34
2,34 – 3,30

Penyelesaian :

N
O
1.
2.
3.
4.
5.
6.

a. Hipotesis
Ho : tidak beda dengan populasi normal
Ha : Ada beda populasi normal

Luasan pi dihitung dari batasan proporsi hasil tranformasi Z yang
dikonfirmasikan dengan tabel distribusi normal (Lampiran 2). Proporsi

Selidikilah dengan α = 5%, apakah data tersebut di atas berdistribusi
normal ?

13

14

Z =

pi
Oi
0,0064 – 0,0630=0,0566
6
0,0630 – 0,2877=0,2247 22
0,2877 – 0,6591=0,3714 39
0,6591 – 0.9147=0,2556 25
0,9147 – 0,9904=0,0757
7
0,9904 – 0,9995=0,0091
1
100

Ei
(pi x N)
5,66
22,47
37,14
25,56
7,57
0,91

dihitung mulai dari ujung kurva paling kiri sampai ke titik Z, namun
dapat juga menggunakan sebagian ujung kiri dan sebagian ujung
kanan, sehingga hasil pi sebagai berikut.

g. Daerah penolakan
1).
Menggunakan gambar

0,0064– 0,0630= 0,0566 ujung kurve kiri
0,0630– 0,2877= 0,2247 ujung kurve kiri
0,2877– 0,3409= 0,3714 melalui tengah titik nol
0,3409– 0,0853= 0,2556 ujung kurve kanan
0,0853– 0,0096= 0,0757 ujung kurve kanan
0,0096– 0,0005= 0,0091 ujung kurve kanan

2).

Menggunakan rumus
 0,1628  <  5,991 ; berarti Ho diterima, Ha ditolak

h. Kesimpulan
Sampel diambil dari populasi normal, pada α = 0,05.

X =
2

X

2

(Oi − E i )2
Ei

2
2
2
2
2
(
6 − 5,66) (22 − 22,47) (39 − 37,14) (25 − 25,56) (8 − 8,48)
=
+
+
+
+

5,66
X = 0,1628

22,47

37,14

25,56

8,48

2

e. Df/db/dk
Df = ( k – 3 ) = ( 5 – 3 ) = 2
f. Nilai tabel
Nilai tabel X2 ; α = 0,05 ; df = 2 ; = 5,991. Tabel X2 (Chi-Square) pada
lampiran 3.
15

16

D. Metode Lilliefors (n kecil dan n besar)
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 lampiran 4 Tabel Harga Quantil
Statistik Lilliefors Distribusi Normal
1. Rumus

NO
1
2
3
4
dst

Xi

Z=

Xi − X
SD

F (x)

S (x )

 F (x) - S (x)

3. Signifikansi
Signifikansi uji, nilai F (x) - S (x) terbesar dibandingkan dengan nilai
tabel Lilliefors. Jika nilai F (x) - S (x) terbesar kurang dari nilai tabel
Lilliefors, maka Ho diterima ; Ha ditolak. Jika nilai F (x) - S (x) terbesar
lebih besar dari nilai tabel Lilliefors, maka Ho ditolak ; Ha diterima. Tabel
Lilliefors pada lampiran 4, Tabel Harga Quantil Statistik Lilliefors
Distribusi Normal
4. Penerapan
Berdasarkan penelitian tentang intensitas penerangan alami yang dilakukan
terhadap 18 sampel rumah sederhana, rata-rata pencahayaan alami di
beberapa ruangan dalam rumah pada sore hari sebagai berikut ; 46, 57, 52,
63, 70, 48, 52, 52, 54, 46, 65, 45, 68, 71, 69, 61, 65, 68 lux. Selidikilah
dengan α = 5%, apakah data tersebut di atas diambil dari populasi yang
berdistribusi normal ?
Penyelesaian :
a. Hipotesis
Ho : tidak beda dengan populasi normal
Ha : Ada beda populasi normal

Keterangan :
= Angka pada data
Xi
= Transformasi dari angka ke notasi pada distribusi normal
Z
F(x) = Probabilitas komulatif normal
S(x) = Probabilitas komulatif empiris

b. Nilai α
Nilai α = level signifikansi = 5% = 0,05
c. Rumus Statistik penguji

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

S( X ) =

NO
1
2
3
4
5
dst

banyaknya..angka..sampai..angka..ke..ni
banyaknya..seluruh..angka.. pada..data

2. Persyaratan
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.
17

18

Xi

Z=

Xi − X
SD

F(x)

S(x)

 F(x) - S(x)

d. Hitung rumus statistik penguji.

NO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

Xi
45
46
46
48
52
52
52
54
57
61
63
65
65
68
68
69
70
71
X 58,44
SD 9,22

Z=

Xi − X
SD

f. Nilai tabel
Nilai Kuantil Penguji Lilliefors, α = 0,05 ; N = 18 ; ≈ 0,2000. Tabel
Lilliefors pada lampiran 4.
 F (x) - S (x)
0,0165

-1,4577

F (x)
0,0721

S (x )
0,0556

-1,3492

0,0885

0,1667

0,0782

-1,1323

0,1292

0,2222

0,0930

-0,6985
-0,4816
-0,1562
0,2777
0,4946

0,2420
0,3156
0,4364
0,6103
0,6879

0,3889
0,4444
0,5000
0,5556
0,6111

0,1469
0,1288
0,0636
0,0547
0,0768

0,7115

0,7611

0,7222

0,0389

1,0369

0,8508

0,8333

0,0175

1,1453
1,2538
1,3623

0,8749
0,8944
0,9131

0,8889
0,9444
1,0000

0,0140
0,0500
0,0869

g. Daerah penolakan
Menggunakan rumus
 0,1469  <  0,2000 ; berarti Ho diterima, Ha ditolak
h. Kesimpulan
Sampel diambil dari populasi normal, pada α = 0,05.

Nilai F(x) - S(x) tertinggi sebagai angka penguji normalitas, yaitu
0,1469
e. Df/db/dk
Df = φ = tidak diperlukan

19

20

E. Metode Kolmogorov-Smirnov
Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lilliefors.
Langkah-langkah penyelesaian dan penggunaan rumus sama, namun pada
signifikansi yang berbeda. Signifikansi metode Kolmogorov-Smirnov
menggunakan tabel pembanding Kolmogorov-Smirnov, sedangkan metode
Lilliefors menggunakan tabel pembanding metode Lilliefors.
1. Rumus
NO

Xi

Z=

Xi − X
SD

FT

FS

3. Siginifikansi
Signifikansi uji, nilai FT - FS terbesar dibandingkan dengan nilai tabel
Kolmogorov Smirnov. Jika nilai FT - FS terbesar kurang dari nilai tabel
Kolmogorov Smirnov, maka Ho diterima ; Ha ditolak. Jika nilai FT FS terbesar lebih besar dari nilai tabel Kolmogorov Smirnov, maka Ho
ditolak ; Ha diterima. Tabel Kolmogorov Smirnov pada lampiran 5, Harga
Quantil Statistik Kolmogorov Distribusi Normal.
4. Penerapan
Suatu penelitian tentang berat badan peserta pelatihan kebugaran
fisik/jasmani dengan sampel sebanyak 27 orang diambil secara random,
didapatkan data sebagai berikut ; 78, 78, 95, 90, 78, 80, 82, 77, 72, 84, 68,
67, 87, 78, 77, 88, 97, 89, 97, 98, 70, 72, 70, 69, 67, 90, 97 kg. Selidikilah
dengan α = 5%, apakah data tersebut di atas diambil dari populasi yang
berdistribusi normal ?

 FT - FS

1
2
3
4
5
dst

Penyelesaian :
a. Hipotesis
Ho : tidak beda dengan populasi normal
Ha : Ada beda populasi normal

Keterangan :
= Angka pada data
Xi
= Transformasi dari angka ke notasi pada distribusi normal
Z
= Probabilitas komulatif normal
FT
= Probabilitas komulatif empiris
FS

b. Nilai α
Nilai α = level signifikansi = 5% = 0,05

FT = komulatif proporsi luasan kurva normal berdasarkan notasi Zi,
dihitung dari luasan kurva mulai dari ujung kiri kurva sampai dengan titik
Z.
FS =

c. Rumus Statistik penguji
NO

banyaknya..angka..sampai..angka..ke..n i
banyaknya..seluruh..angka.. pada..data

1
2
3
4
5
dst

2. Persyaratan
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.
21

22

Xi

Z=

Xi − X
SD

FT

FS

 FT - FS

d. Hitung rumus statistik penguji.

NO

Xi
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

X
SD

67
67
68
69
70
70
72
72
77
77
78
78
78
78
80
82
84
87
88
89
90
90
95
97
97
97
98
81,2963
10,28372

Z=

e. Df/db/dk
Df = φ = tidak diperlukan

Xi − X
SD

FT

FS

-1,3902
-1,2929
-1,1957

0,0823
0,0985
0,1151

0,0741
0,1111
0,1481

0,0082
0,0126
0,0330

-1,0985

0,1357

0,2222

0,0865

-0,9040

0,1841

0,2963

0,1122

-0,4178

0,3372

0,3704

0,0332

-0,3205
-0,1261
0,0684
0,2629
0,5546
0,6519
0,7491

0,3745
0,4483
0,5279
0,6026
0,7088
0,7422
0,7734

0,5185
0,5556
0,5926
0,6296
0,6667
0,7037
0,7407

0,1440
0,1073
0,0647
0,0270
0,0421
0,0385
0,0327

0,8464
1,3326

0,8023
0,9082

0,8148
0,8519

0,0125
0,0563

1,5270
1,6243

0,9370
0,9474

0,9630
1,0000

-0,0260
-0,0526

 FT - FS

f. Nilai tabel
Nilai Kuantil Penguji Kolmogorov, α = 0,05 ; N = 27 ; ≈ 0,254. Tabel
Kolmogorov Smirnov pada lampiran 5.
g. Daerah penolakan
Menggunakan rumus
 0,1440  <  0,2540 ; berarti Ho diterima, Ha ditolak
h. Kesimpulan
Sampel diambil dari populasi normal, pada α = 0,05.

Nilai  FT − FS  tertinggi sebagai angka penguji normalitas, yaitu
0,1440
23

24

F. Metode Shapiro Wilk
Metode Shapiro Wilk menggunakan data dasar yang belum diolah dalam tabel
distribusi frekuensi. Data diurut, kemudian dibagi dalam dua kelompok untuk
dikonversi dalam Shapiro Wilk. Dapat juga dilanjutkan transformasi dalam
nilai Z untuk dapat dihitung luasan kurva normal.

3. Signifikansi
Signifikansi dibandingkan dengan tabel Shapiro Wilk. Signifikansi uji nilai
T3 dibandingkan dengan nilai tabel Shapiro Wilk, untuk dilihat posisi nilai
probabilitasnya (p). Jika nilai p lebih dari 5%, maka Ho diterima ; Ha
ditolak. Jika nilai p kurang dari 5%, maka Ho ditolak ; Ha diterima.
lampiran 6, Tabel Harga Quantil Statistik Shapiro-Wilk Distribusi Normal.
Jika digunakan rumus G, maka digunakan tabel 2 distribusi normal.

1. Rumus
4. Penerapan
Berdasarkan data usia sebagian balita yang diambil sampel secara random
dari posyandu Mekar Sari Wetan sebanyak 24 balita, didapatkan data
sebagai berikut : 58, 36, 24, 23, 19, 36, 58, 34, 33, 56, 33, 26, 46, 41, 40,
37, 36, 35, 18, 55, 48, 32, 30 27 bulan. Selidikilah data usia balita tersebut,
apakah data tersebut diambil dari populasi yang berdistribusi normal pada
α = 5% ?

2

1 k
a i ( X n −i +1 − X i )
D i =1
Keterangan :
D
= Berdasarkan rumus di bawah
ai
= Koefisient test Shapiro Wilk (lampiran 8)
X n-i+1
= Angka ke n – i + 1 pada data
Xi
= Angka ke i pada data
T3 =

D=

n
i =1

(X

i

−X

Penyelesaian :

)

2

a. Hipotesis
Ho : tidak beda dengan populasi normal
Ha : Ada beda populasi normal

Keterangan :
Xi
= Angka ke i pada data yang
= Rata-rata data
X
G = bn + c n + ln

b. Nilai α
Nilai α = level signifikansi = 5% = 0,05

T3 − d n
1 − T3

c. Rumus statistik penguji
1
T3 =
D

Keterangan :
G
= Identik dengan nilai Z distribusi normal
T3
= Berdasarkan rumus di atas
bn, cn, dn = Konversi Statistik Shapiro-Wilk Pendekatan Distribusi
Normal (lampiran 7)

D=

n
i =1

2. Persyaratan
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Data dari sampel random

k
i =1

(X

i

a i (X ( n −i +1) − X ( i ) )

−X

)

G = bn + c n + ln

25

26

2

T3 − d n
1 − T3

2

d. Hitung rumus statistik penguji
Langkah pertama dihitung nilai D, yaitu :
NO
Xi
Xi − X
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

D=

n
i =1

(X

i

−X

18
19
23
24
26
27
30
32
33
33
34
35
36
36
36
37
40
41
46
48
55
56
58
58
= 881
X = 36,7083

(X

Langkah berikutnya hitung nilai T, yaitu :
i
ai
X(n-i+1) – X(i)
ai(X(n-i+1) – X(i))
1
0,4493
58 – 18 = 40
17,9720
2
0,3098
58 – 19 = 39
12,0822
3
0,2554
56 – 23 = 33
8,4282
4
0,2145
55 – 24 = 31
6,6495
5
0,1807
48 – 26 = 22
3,9754
6
0,1512
46 – 27 = 19
2,8728
7
0,1245
41 – 30 = 11
1,3695
8
0,0997
40 – 32 = 8
0,7976
9
0,0764
37 – 33 = 4
0,3056
10
0,0539
36 – 33 = 3
0,1617
11
0,0321
36 – 34 = 2
0,0642
12
0,0107
36 – 35 = 1
0,0107
Jumlah
54,6894

)

2

−X
350,0005
313,5839
187,9175
161,5009
114,6677
94,2511
45,0013
22,1681
13,7515
13,7515
7,3349
2,9183
0,5017
0,5017
0,5017
0,0851
10,8353
18,4187
86,3357
127,5025
334,5863
372,1697
453,3365
453,3365
= 3184,9583

-18,7083
-17,7083
-13,7083
-12,7083
-10,7083
-9,7083
-6,7083
-4,7083
-3,7083
-3,7083
-2,7083
-1,7083
-0,7083
-0,7083
-0,7083
0,2917
3,2917
4,2917
9,2917
11,2917
18,2917
19,2917
21,2917
21,2917

i

1
T3 =
D

2

2

ai (X (n−i +1) − X (i ) )

1
[0,4493(58-18) + 0,3098(58-19) + ... + 0,0321(36- 34) + 0,0107(36- 35)]2
3184,9583
1
[54,6894]2
T3 =
3184,9583
T3 = 0,9391
e. Df/db/dk
=n
f. Nilai tabel
Pada lampiran 6 dapat dilihat, nilai α (0,10) = 0,930 ; nilai α (0,50) =
0,963

2

2

i =1

2

T3 =

)

D = (58 - 36,7083) + (58 - 36,7083) + ... + (19 - 36,7083) + (18 - 36,7083)
D = 3184,9583

k

g. Daerah penolakan
Nilai T3 terletak diantara 0,930 dan 0,963, atau nilai p hitung terletak
diantara 0,10 dan 0,50, yang diatas nilai α (0,05) berarti Ho diterima,
Ha ditolak

2

27

28

h. Kesimpulan
Sampel diambil dari populasi normal, pada α = 0,05.

G. Menggunakan Software Statistical Package for the Social Sciences (SPSS)

Cara lain setelah nilai T3 diketahui dapat menggunakan rumus G, yaitu
G = b24 + c 24 + ln

T3 − d 24
1 − T3

G = −5,605 + 1,862 + ln

0,9391 − 0,2106
1 − 0,9391

G = −3,743 + ln 11,9573
G = −3,743 + 2,4813
G = −1,2617

Hasil nilai G merupakan nilai Z pada distribusi normal, yang selanjutnya
dicari nilai proporsi (p) luasan pada tabel distribusi normal (lampiran 2).
Berdasarkan nilai G = -1,2617, maka nilai proporsi luasan = 0,1038. Nilai p
tersebut di atas nilai α = 0,05 berarti Ho diterima Ha ditolak. Data benarbenar diambil dari populasi normal.

29

Penggunaan komputer untuk analisis statistik bukan barang baru, termasuk
untuk analisis normalitas data. Banyak software komputer yang dapat
dipergunakan untuk analisis normalitas data, diantaranya software SPSS.
Software SPSS merupakan software komputer yang banyak digunakan orang
saat ini untuk keperluan analisis data statistik. Software SPSS sangat
membantu dalam analisis statistik termasuk analisis normalitas data. Dalam
waktu sekejap software SPSS dapat menghasilkan output yang dapat dibaca
hasilnya. Software SPSS yang berkembang saat ini versi 13, namun versi 10
masih banyak dipergunakan orang, karena memiliki kelebihan tertentu
dibandingkan versi 13.
Penggunaan software SPSS untuk analisis normalitas suatu data cukup
sederhana, pertama lakukan entry data yang akan diuji normalitasnya pada
software SPSS. Misalnya : Data usia 21 anak pra sekolah dalam bulan ; 34, 35,
43, 23, 34, 56, 45, 65, 45, 34, 32, 34, 54, 33, 54, 45, 56, 76, 43, 21, 23.
Selanjutnya banyak cara yang dapat ditempuh untuk menguji normalitasnya,
diantaranya:
1. Dengan menggunakan menu analisis deskriptif
a. Frequensi
Setelah data dientry dalam lembar kerja SPSS, langkah berikutnya
arahkan kursor ke menu Analyze. Dari menu utama SPSS, pilih menu
Analyze, kemudian lanjutkan pilih sub menu Descriptive Statistics dan
Frequences. Tampilan layar SPSS Sebagai berikut :

30

Lakukan klik satu kali, maka akan muncul kotak dialog sebagai berikut:

Klik pada Histograms sehingga muncul tanda dan With normal curve
sehingga muncul tanda tanda
. Selanjutkan klik Continue dan
kembali ke kota dialog sebelumnya.
Berikutnya klik OK, dan akan muncul out put hasil analisis, diantaranya
sebagai berikut
Statistics
VAR00001
N

Masukkan variabel yang akan diuji normalitas dengan cara mengklik
nama variabel sehingga terblok, kemudian klik tanda
, sehingga
nama masuk dalam kota variable(s).

Valid
Missing

21
0
.609
.501
.139
.972

Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis

Selanjutnya klik Statistics, dan muncul kotak dialog sebagai berikut:

Nilai Skewness dibagi standar errornya atau nilai Kurtosis dibagi
standar errornya, kalau hasilnya diantara -2 sampai dengan +2, maka
dapat dikatakan data berdistribusi normal.
Out put lainnya grafik histogram dan kurva norma sebagai berikut:
7
6

Klik pada Distribution bagian Skewness dan Kurtosis, sehingga muncul
tanda
, lanjutkan klik Continue dan kembali ke kota dialog
sebelumnya.

5
4

Lanjutkan dengan mengklik Charts dan muncul kotak dialog sebagai
berikut:

3

Frequency

2
Std. Dev = 14.22

1

Mean = 42.1
N = 21.00

0
20.0

31

32

30.0

40.0

50.0

60.0

70.0

80.0

Gambar Histogram yang dipadukan dengan kurva normal. Bila gambar
histogram mendekati kurve normal, maka dapat dikatakan data
berdistribusi normal.
b. Descriptif
Setelah data dientry dalam lembar kerja SPSS, langkah berikutnya
arahkan kursor ke menu Analyze. Dari menu utama SPSS, pilih menu
Analyze, kemudian lanjutkan pilih sub menu Descriptive Statistics dan
Decriptives. Tampilan layar SPSS sebagai berikut :
Klik pada Distribution bagian Skewness dan Kurtosis, sehingga muncul
tanda
, lanjutkan klik Continue dan kembali ke kota dialog
sebelumnya.
Berikutnya klik OK, dan akan muncul out put hasil analisis, diantaranya
sebagai berikut
Descriptive Statistics
N
MinimumMaximum
Skewness
Kurtosis
Statistic Statistic Statistic Statistic Std. Error Statistic Std. Error
VAR00001
21
21.00
76.00
.609
.501
.139
.972
Valid N (listwise) 21

Nilai Skewness dibagi standar errornya atau nilai Kurtosis dibagi
standar errornya, kalau hasilnya diantara -2 sampai dengan +2, maka
dapat dikatakan data berdistribusi normal.

Lakukan klik satu kali, maka akan muncul kotak dialog sebagai berikut:

c. Explore
Setelah data dientry dalam lembar kerja SPSS, langkah berikutnya
arahkan kursor ke menu Analyze. Dari menu utama SPSS, pilih menu
Analyze, kemudian lanjutkan pilih sub menu Descriptive Statistics dan
Explore. Tampilan layar SPSS sebagai berikut :
Masukkan variabel yang akan diuji normalitas dengan cara mengklik
nama variabel sehingga terblok, kemudian klik tanda
, sehingga
nama masuk dalam kotak variable(s).
Selanjutnya klik Options, dan muncul kotak dialog sebagai berikut:
33

34

Selanjutnya klik Plots, dan muncul kotak dialog sebagai berikut:

Klik pada Normality plots with sehingga muncul tanda , demikian
juga pada Descriptive, kemudian lanjutkan klik Continue dan kembali
ke kota dialog sebelumnya.
Berikutnya klik OK, dan akan muncul out put hasil analisis, diantaranya
sebagai berikut
Descriptives
VAR00001

Lakukan klik satu kali, maka akan muncul kotak dialog sebagai berikut:

Mean
95% Confidence
Interval for Mean
5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis

Masukkan variabel yang akan diuji normalitas dengan cara mengklik
nama variabel sehingga terblok, kemudian klik tanda
, sehingga
nama masuk dalam kotak Dependent List.
35

Lower Bound
Upper Bound

Statistic
42.1429
35.6713

Std. Error
3.1024

48.6144
41.4603
43.0000
202.129
14.2172
21.00
76.00
55.00
20.5000
.609
.139

.501
.972

Nilai Skewness dibagi standar errornya atau nilai Kurtosis dibagi
standar errornya, kalau hasilnya diantara -2 sampai dengan +2, maka
dapat dikatakan data berdistribusi normal.
36

Out put yang lain berupa hasil uji Kolmogorov Smirnov dan Shapiro
Wilk sebagai berikut:

Detrended Normal Q-Q Plot of VAR00001
.8

Tests of Normality
a
Kolmogorov-Smirnov
Statistic
df
Sig.
VAR00001
.169
21
.123
a. Lilliefors Significance Correction

Statistic
.946

Shapiro-Wilk
df
21

.6

Sig.
.345

.4

Berdasarkan out put tersebut dapat dipahami bahwa uji normalitas yang
ditampilkan menggunakan Metode Kolmogorov-Smirnov yang
dikoreksi Lilliefors dan Metode Shapiro-Wilk. Pada tampilan dapat
dibaca, bila nilai Sig. (p) lebih besar dari pada α (0,05) maka data dapat
disimpulkan berdistribusi normal. Pada out put di atas menurut metode
Metode Kolmogorov-Smirnov nilai p = 0,123, sedangkan menurut
metode Metode Shapiro-Wilk nilai p = 0,345, keduanya di atas 0,05,
berarti data berdistribusi normal.
Out put yang lain berupa plot

Dev from Normal

.2

Normal Q-Q Plot of VAR00001

0.0

-.2

-.4
20

30

40

50

60

70

80

Observed Value

2.0

Normalitas data ditunjukkan juga pada tampilan Normal Q-Q Plot dan
Detrended Normal Q-Q Plot. Pada tampilan Normal Q-Q Plot, bila
titik-titik yang ditampilkan menempel atau berdekatan dengan garis
grafik, maka data berdistribusi normal, demikian sebaliknya. Pada
tampilan Detrended Normal Q-Q Plot bila titik-titik yang ditampilkan
menyebar merata, tidak membentuk pola tertentu (garis, lengkungan,
dsb), maka data berdistribusi normal.

1.5
1.0
.5

Expected Normal

0.0
-.5

2. Dengan menggunakan menu Nonparametric Test
Setelah data dientry dalam lembar kerja SPSS, langkah berikutnya arahkan
kursor ke menu Analyze. Dari menu utama SPSS, pilih menu Analyze,
kemudian lanjutkan pilih sub menu Nonparametric Test dan 1-Sample K-S.
Tampilan layar SPSS sebagai berikut :

-1.0
-1.5
-2.0
10

20

30

40

50

60

70

80

Observed Value
37

38

Berikutnya klik OK, dan akan muncul out put hasil analisis, diantaranya
sebagai berikut
One-Sample Kolmogorov-Smirnov Test
N
Normal Parametersa,b
Most Extreme
Differences

Mean
Std. Deviation
Absolute
Positive
Negative

Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)

VAR00001
21
42.1429
14.2172
.169
.169
-.095
.772
.590

a. Test distribution is Normal.
b. Calculated from data.

Berdasarkan out put tersebut dapat dipahami bahwa uji normalitas yang
ditampilkan menggunakan Metode Kolmogorov-Smirnov. Pada tampilan
dapat dibaca, bila nilai Sig. (p) lebih besar dari pada α (0,05) maka data
dapat disimpulkan berdistribusi normal. Pada out put di atas menurut
metode Metode Kolmogorov-Smirnov p = 0,590 berarti data berdistribusi
normal.
Klik satu kali, maka akan muncul kotak dialog sebagai berikut:

Masukkan variabel yang akan diuji normalitas dengan cara mengklik nama
variabel sehingga terblok, kemudian klik tanda , sehingga nama masuk
dalam kotak Test Variable List. Selanjutnya klik Normal, pada Test
Distribution.
39

40

DAFTAR PUSTAKA

Conover, W.J, 1980, Practical Nonparametric Statistics second edition, New
York : John Wiley & Sons.
Daniel, Wayne W. 1994. Biostatistics, a Foundation for Analysis in the Health
Sciences. John Wiley and sons, Inc. New York.
Nasir, Moh, 1985, Metode Penelitian cetakan pertama, Jakarta : Ghalia
Indonesia.
Siegel, Sidney, 1956, Non Parametric Statistics For The Behavioral Sciences,
New York : Mc Graw-Hill Book Company.
Siegel, Sidney, 1986, Statistik Non Parametrik Untuk Ilmu-Ilmu Sosial,
diterjemahkan oleh Zanzawi Suyuti dan Landung Simatupang dalam
koordinasi Peter Hagul, Cetakan ke 2, Jakarta : Gramedia.
Snedecor, George W dan Cochran, William G, 1980, Statistical Methods
seventh edition, Ames Iowa USA : The Iowa State University Press
Soejoeti, Zanzawi, 1984/1985, Buku Materi Pokok Metode Statistik II STA
202/3 SKS/Modul 1-5, Jakarta : Universitas Terbuka, Departemen
Pendidikan dan Kebudayaan.
Soepeno, Bambang, 1997, Statistik Terapan (Dalam Penelitian Ilmu-Ilmu
Sosial dan Pendidikan), Jakarta ; PT. Rineka Cipta
Sujana, 1992, Metoda Statistika, edisi ke 5, Bandung : Tarsito.
Tjokronegoro, Arjatmo. Utomo, Budi, dan Rukmono, Bintari, (editor), 1991,
Dasar-Dasar Metodologi Riset Ilmu Kedokteran, Jakarta : Departemen
Pendidikan dan Kebudayaan Konsorsium Ilmu Kedokteran

41

42

Lampiran 1

: Contoh Kertas Peluang Normal

Sujana, 1992, Metoda Statistika, edisi ke 5, Bandung : Tarsito.

43

44

Lampiran 2

Z
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8

0,00
0,5000
0,4602
0,4207
0,3821
0,3446
0,3085
0,2743
0,2420
0,2119
0,1841
0,1587
0,1357
0,1151
0,0968
0,0808
0,0668
0,0548
0,0446
0,0359
0,0287
0,0228
0,0179
0,0139
0,0107
0,0082
0,0062
0,0047
0,0035
0,0026
0,0019
0,0013
0,0010
0,0007
0,0005
0,0003
0,0002
0,0002
0,0001
0,0001

: Tabel Distribusi Normal

0,01
0,4960
0,4562
0,4168
0,3783
0,3409
0,3050
0,2709
0,2389
0,2090
0,1814
0,1562
0,1335
0,1131
0,0951
0,0793
0,0655
0,0537
0,0436
0,0351
0,0281
0,0222
0,0174
0,0136
0,0104
0,0080
0,0060
0,0045
0,0034
0,0025
0,0018
0,0013
0,0009
0,0007
0,0005
0,0003
0,0002
0,0002
0,0001
0,0001

0,02
0,4920
0,4522
0,4129
0,3745
0,3372
0,3015
0,2676
0,2358
0,2061
0,1788
0,1539
0,1314
0,1112
0,0934
0,0778
0,0643
0,0526
0,0427
0,0344
0,0274
0,0217
0,0170
0,0132
0,0102
0,0078
0,0059
0,0044
0,0033
0,0024
0,0018
0,0013
0,0009
0,0006
0,0005
0,0003
0,0002
0,0001
0,0001
0,0001

0,03
0,4880
0,4483
0,4090
0,3707
0,3336
0,2981
0,2643
0,2327
0,2033
0,1762
0,1515
0,1292
0,1093
0,0918
0,0764
0,0630
0,0516
0,0418
0,0336
0,0268
0,0212
0,0166
0,0129
0,0099
0,0075
0,0057
0,0043
0,0032
0,0023
0,0017
0,0012
0,0009
0,0006
0,0004
0,0003
0,0002
0,0001
0,0001
0,0001

0,04
0,4840
0,4443
0,4052
0,3669
0,3300
0,2946
0,2611
0,2296
0,2005
0,1736
0,1492
0,1271
0,1075
0,0901
0,0749
0,0618
0,0505
0,0409
0,0329
0,0262
0,0207
0,0162
0,0125
0,0096
0,0073
0,0055
0,0041
0,0031
0,0023
0,0016
0,0012
0,0008
0,0006
0,0004
0,0003
0,0002
0,0001
0,0001
0,0001

Lampiran 3

0,05
0,4801
0,4404
0,4013
0,3632
0,3264
0,2912
0,2578
0,2266
0,1977
0,1711
0,1469
0,1251
0,1056
0,0885
0,0735
0,0606
0,0495
0,0401
0,0322
0,0256
0,0202
0,0158
0,0122
0,0094
0,0071
0,0054
0,0040
0,0030
0,0022
0,0016
0,0011
0,0008
0,0006
0,0004
0,0003
0,0002
0,0001
0,0001
0,0001

0,06
0,4761
0,4364
0,3974
0,3594
0,3228
0,2877
0,2546
0,2236
0,1949
0,1685
0,1446
0,1230
0,1038
0,0869
0,0721
0,0594
0,0485
0,0392
0,0314
0,0250
0,0197
0,0154
0,0119
0,0091
0,0069
0,0052
0,0039
0,0029
0,0021
0,0015
0,0011
0,0008
0,0006
0,0004
0,0003
0,0002
0,0001
0,0001
0,0001

0,07
0,4721
0,4325
0,3936
0,3557
0,3192
0,2843
0,2514
0,2206
0,1922
0,1660
0,1423
0,1210
0,1020
0,0853
0,0708
0,0582
0,0475
0,0384
0,0307
0,0244
0,0192
0,0150
0,0116
0,0089
0,0068
0,0051
0,0038
0,0028
0,0021
0,0015
0,0011
0,0008
0,0005
0,0004
0,0003
0,0002
0,0001
0,0001
0,0001

0,08
0,4681
0,4286
0,3897
0,3520
0,3156
0,2810
0,2483
0,2177
0,1894
0,1635
0,1401
0,1190
0,1003
0,0838
0,0694
0,0571
0,0465
0,0375
0,0301
0,0239
0,0188
0,0146
0,0113
0,0087
0,0066
0,0049
0,0037
0,0027
0,0020
0,0014
0,0010
0,0007
0,0005
0,0004
0,0003
0,0002
0,0001
0,0001
0,0001

0,09
0,4641
0,4247
0,3859
0,3483
0,3121
0,2776
0,2451
0,2148
0,1867
0,1611
0,1379
0,1170
0,0985
0,0823
0,0681
0,0559
0,0455
0,0367
0,0294
0,0233
0,0183
0,0143
0,0110
0,0084
0,0064
0,0048
0,0036
0,0026
0,0019
0,0014
0,0010
0,0007
0,0005
0,0003
0,0002
0,0002
0,0001
0,0001
0,0001

df
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

: Tabel Harga Kritis Chi – Square ( X2 )

Kemungkinan di bawah Ho bahwa X2 Chi - Square
0,005
0,010
0,025
0,050
0,100
7,879
6,635
5,024
3,841
2,706
10,597
9,210
7,378
5,991
4,605
12,838
11,341
9,348
7,815
6,251
14,860
13,277
11,143
9,488
7,779
16,750
15,086
12,832
11,070
9,236
18,548
16,812
14,449
12,592
10,645
20,278
18,475
16,013
14,067
12,017
21,955
20,090
17,535
15,507
13,362
23,589
21,660
19,023
16,919
14,684
25,188
23,209
20,483
18,307
15,987
26,757
24,725
21,920
19,675
17,275
28,300
26,217
23,337
21,026
18,549
29,819
27,688
24,736
22,362
19,812
31,319
29,141
26,119
23,685
21,064
32,801
30,578
27,488
24,996
22,307
34,267
32,000
28,845
26,296
23,542
35,718
33,409
30,191
27,587
24,769
37,156
34,805
31,526
28,869
25,989
38,582
36,191
32,852
30,144
27,204
39,997
37,566
34,170
31,410
28,412
41,401
38,932
35,479
32,671
29,615
42,796
40,289
36,781
33,924
30,813
44,181
41,638
38,076
35,172
32,007
45,558
42,980
39,364
36,415
33,196
46,928
44,314
40,646
37,652
34,382
48,290
45,642
41,923
38,885
35,563
49,645
46,963
43,194
40,113
36,741
50,993
48,278
44,461
41,337
37,916
52,336
49,588
45,722
42,557
39,087
53,672
50,892
46,979
43,773
40,256

0,200
1,642
3,219
4,642
5,989
7,289
8,558
9,803
11,030
12,242
13,442
14,631
15,812
16,985
18,151
19,311
20,465
21,615
22,760
23,900
25,038
26,171
27,301
28,429
29,553
30,675
31,795
32,912
34,027
35,139
36,250

Sumber : Siegel, Sidney, 1956, Non Parametric Statistics For The Behavioral Sciences, New York : Mc Graw-Hill Book Company.

45

46

Lampiran 5
Lampiran 4

N

Ukuran sampel
N
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
n >30

: Harga Quantil Statistik Kolmogorov Distribusi Normal

: Tabel Harga Quantil Statistik Lilliefors Distribusi Normal
p = 0,80
α = 0,20
0,300
0,285
0,265
0,247
0,233
0,223
0,215
0,206
0,199
0,190
0,183
0,177
0,173
0,169
0,166
0,163
0,160
0,142
0,131
0,736
n

p = 0,85
α = 0,15
0,319
0,299
0,277
0,258
0,244
0,233
0,224
0,217
0,212
0,202
0,194
0,187
0,182
0,177
0,173
0,169
0,166
0,147
0,136
0,768
n

p = 0,90
α = 0,10
0,352
0,315
0,294
0,276
0,261
0,249
0,239
0,230
0,223
0,214
0,207
0,201
0,195
0,189
0,184
0,179
0,174
0,158
0,144
0,805
n

p = 0,95
α = 0,05
0,381
0,337
0,319
0,300
0,285
0,271
0,258
0,249
0,242
0,234
0,227
0,220
0,213
0,206
0,200
0,195
0,190
0,173
0,161
0,886
n

p = 0,99
α = 0,01
0,417
0,405
0,364
0,348
0,331
0,311
0,294
0,284
0,275
0,268
0,261
0,257
0,250
0,245
0,239
0,235
0,231
0,200
0,187
1,031
n

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
25
30
35
40
>40

Sumber : Conover, W.J, 1980, Practical Nonparametric Statistics second
edition, New York : John Wiley & Sons.

47

48

Tingkat Signifikansi untuk tes satu sisi
0,100
0,075
0,050
Tingkat Signifikansi untuk tes dua sisi
0,200
0,150
0,100
0,900
0,925
0,950
0,684
0,726
0,776
0,565
0,597
0,642
0,494
0,525
0,564
0,446
0,474
0,510
0,410
0,436
0,470
0,381
0,405
0,438
0,358
0,381
0,411
0,339
0,360
0,388
0,322
0,342
0,368
0,307
0,326
0,352
0,295
0,313
0,338
0,284
0302
0,325
0,274
0,292
0,314
0,266
0,283
0,304
0,258
0,274
0,295
0,250
0,266
0,286
0,244
0,259
0,278
0,237
0,252
0,272
0,231
0,246
0,264
0,226
0,259
0,221
0,253
0,216
0,247
0,212
0,242
0,208
0,22
0,238
0,204
0,233
0,200
0,229
0,197
0,225
0,193
0,221
0,190
0,20
0,218
0,187
0,214
0,184
0,211
0,182
0,208
0,179
0,205
0,171
0,19
0,202
0,174
0,199
0,172
0,196
0,170
0,194
0,168
0,191
0,165
0,189
0,208
0,238
0,190
0,218
0,177
0,202
0,165
0,189

1,07
N

1,14
N

1,22
N

0,025

0,01

0,005

0,050
0,975
0,842
0,708
0,624
0,565
0521
0,486
0,457
0,432
0,410
0,391
0,375
0,361
0,349
0,338
0,328
0,318
0,309
0,301
0,294
0,287
0,281
0,275
0,269
0,264
0,259
0,254
0,250
0,246
0,242
0,238
0,234
0,231
0,227
0,224
0,221
0,218
0,215
0,213
0,210
0,264
0,242
0,224
0,210

0,020
0,990
0,900
0,785
0,689
0,627
0,577
0,538
0,507
0,480
0,457
0,437
0,419
0,404
0,390
0,377
0,366
0,355
0,346
0,337
0,329
0,321
0,314
0,307
0,301
0,295
0,290
0,284
0,279
0,275
0,270
0,266
0,262
0,258
0,254
0,251
0,247
0,244
0,241
0,238
0,235
0,295
0,270
0,251
0,235

0,010
0,995
0,929
0,828
0,733
0,669
0,618
0,577
0,543
0,514
0,490
0,468
0,450
0,433
0,418
0,404
0,392
0,381
0,371
0,363
0,356
0,344
0,337
0,330
0,323
0,317
0,311
0,305
0,300
0,295
0,290
0,285
0,281
0,277
0,213
0,269
0,265
0,262
0,258
0,255
0,252
0,317
0,290
0,269
0,252

1,36
N

1,36
N

1,63
N

Lampiran 6
N
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50

: Tabel Harga Quantil Statistik Shapiro-Wilk Distribusi Normal
0.01
0.753
0.687
0.686
0.713
0.730
0.749
0.764
0.781
0.792
0.805
0.814
0.825
0.835
0.844
0.851
0.858
0.863
0.868
0.873
0.878
0.881
0.884
0.888
0.891
0.894
0.896
0.898
0.900
0.902
0.904
0.906
0.908
0.910
0.912
0.914
0.916
0.917
0.919
0.920
0.922
0.923
0.924
0.926
0.927
0.928
0.929
0.929
0.930

0.02
0.756
0.707
0.715
0.743
0.760
0.778
0.791
0.806
0.817
0.828
0.837
0.846
0.855
0.863
0.869
0.874
0.879
0.884
0.888
0.892
0.895
0.898
0.901
0.904
0.906
.0.908
0.910
0.912
0.914
0.915
0.917
0.919
0.920
0.922
0.924
0.925
0.927
0.928
0.929
0.930
0.932
0.933
0.934
0.935
0.936
0.937
0.937
0.938

0.05
0.767
0.748
0.762
0.788
0.803
0.818
0.829
0.842
0.850
0.859
0.866
0.874
0.881
0.887
0.892
0.897
0.901
0.905
0.908
0.911
0.914
0.916
0.918
0.920
0.923
0.924
0.926
0.927
0.929
0.930
0.931
0.933
0.934
0.935
0.936
0.938
0.939
0.940
0.941
0.942
0.943
0.944
0.945
0.945
0.946
0.947
0.947
0.947

0.10
0.789
0.792
0.806
0.826
0.838
0.851
0.859
0.869
0.876
0.883
0.889
0.895
0.901
0.906
0.910
0.914
0.917
0.920
0.923
0.926
0.928
0.930
0.931
0.933
0.935
0.936
0.937
0.939
0.940
0.941
0.942
0.943
0.944
0.945
0.946
0.947
0.948
0.949
0.950
0.951
0.951
0.952
0.953
0.953
0.954
0.954
0.955
0.955

0.50
0.959
0.935
0.927
0.927
0.928
0.932
0.935
0.938
0.940
0.943
0.945
0.947
0.950
0.952
0.954
0.956
0.957
0.959
0.960
0.961
0.962
0.963
0.964
0.965
0.965
0.966
0.966
0.967
0.967
0.968
0.968
0.969
0.969
0.970
0.970
0.971
0.971
0.972
0.972
0.972
0.973
0.973
0.973
0.974
0.974
0.974
0.974
0.974

0.90
0.998
0.987
0.979
0.974
0.972
0.972
0.972
0.972
0.973
0.973
0.974
0.975
0.975
0.976
0.977
0.978
0.978
0.979
0.980
0.980
0.981
0.981
0.981
0.982
0.982
0.982
0.982
0.983
0.983
0.983
0.983
0.983
0.984
0.984
0.984
0.984
0.984
0.985
0.985
0.985
0.985
0.985
0.985
0.985
0.985
0.985
0.985
0.985

0.95
0.999
0.992
0.986
0.981
0.979
0.978
0.978
0.978
0.979
0.979
0.979
0.980
0.980
0.981
0.981
0.982
0.982
0.983
0.983
0.984
0.984
0.984
0.985
0.985
0.985
0.985
0.985
0.985
0.986
0.986
0.986
0.986
0.986
0.986
0.987
0.987
0.987
0.987
0.987
0.987
0.987
0.987
0.988
0.988
0.988
0.988
0.988
0.988

0.98
1.000
0.996
0.991
0.986
0.985
0.984
0.984
0.983
0.984
0.984
0.984
0.984
0.984
0.985
0.985
0.986
0.986
0.986
0.987
0.987
0.987
0.987
0.988
0.988
0.988
0.988
0.988
0.988
0.988
0.988
0.989
0.989
0.989
0.989
0.989
0.989
0.989
0.989
0.989
0.989
0.990
0.990
0.990
0.990
0.990
0.990
0.990
0.990

Lampiran 7

0.99
1.000
0.997
0.993
0,989
0.988
0.987
0.986
0.986
0.986
0.986
0.986
0.986
0.987
0,987
0.987
0.988
0.988
0.988
0.989
0.989
0.989
0.989
0.989
0.989
0.990
0.990
0.990
0.990
0.990
0.990
0.990
0.990
0.990
0.990
0.990
0.990
0.991
0.991
0,991
0.991
0.991
0.991
0.991
0.991
0.991
0.991
0.991
0.991

: Konversi Statistik Shapiro-Wilk Pendekatan Distribusi Normal
n
(dn)
-7.0
-5.4
-5.0
-4.6
-4.2
-3.8
-3.4
-3.0
-2.6
-2.2
-1.8
-1.4
-1.0
-0.6
-0.2
0.2
0.6
1.0
1.4
1.8
2.2
2.6
3.0
3.4
3.8
4.2
4.6
5.0
5.4
5.8
6.2
6.6
7.0
7.4
7.8
8.2
8.6
9.0
9.4
9.8

49

50

3
(0.7500)
-3.29
-2.81
-2.68
-2.54
-2.40
-2.25
-2.10
-1.94
-1.77
-1.59
-1.40
-1.21
-1.01
-0.80
-0.60
-0.39
-0.19
-0.00
0.18
0.35
0.52
0.b7
0.81
0.95
1.07
1.19
1.31
1.42
1.52
1.62
1.72
1.81
1.90
1.98
2.07
2.15
2.23
2.31
2.38
2.45

4
(0.6297)
-3.50
-3.27
-3.05
-2.84
-2.64
-2.44
-2.22
-1.9b
-1.66
-1.31
-0.94
-0.57
-0.19
0.15
0.45
0.74
1.00
1.23
1.44
1.65
1.85
2.03
2.19
2.34
2.48
2.62
2.75
2.87
2.97
3.08
3.22
3.36

5
(0.5521)
--4.01
-3.70
-3.38
-3.11
-2.87
-2.56
-2.20
-1.81
-1.41
-0.97
-0.51
-0.06
0.37
0.75
1.09
1.40
1.67
1.91
2.15
2.47
2.85
3.24
3.64

6
(0.4963)
-3.72
-2.88
-2.27
-1.85
-1.38
-0.84
-0.33
0.18
0.64
1.06
1.45
1.83
2.17
2.50
2.77
3.09
3.54
-

n
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50

bn
-2.356
-2.696
-2.968
-3.262
-3.485
-3.731
-3.936
-4.155
-4.373
-4.567
-4.713
-4.885
-5.018
-5.153
-5.291
-5.413
-5.508
-5.605
-5.704
-5.803
-5.905
-5.988
-6.074
-6.150
-6.248
-b.324
-6.402
-6.480
-b.559
-6.640
-6.721
-6.803
-6.887
-6.961
-7.035
-7.111
-7.188
-7.266
-7.345
-7.414
-7.484
-7.555
-7.615
-7.677

Cn
1.245
1.333
1.400
1.471
1.515
1.571
1.613
1.655
1.695
1.724
1.739
1.770
1.786
1.802
1.818
1.835
1.848
1.862
1.876
1.890
1.905
1.919
1.934
1.949
1.965
1.976
1.988
2.000
2.012
2.024
2.037
2.049
2.062
2.075
2.088
2.101
2.114
2.128
2.141
2.155
2.169
2.183
2.198
2.212

dn
0.4533
0.4186
0.3900
0.3600
0.3451
0.3270
0.3111
0.2969
0.2842
0.2727
0.2622
0.2528
0.2440
0.2359
0.2264
0.2207
0.2157
0.2106
0.2063
0.2020
0.1980
0.1943
0.1907
0.1872
0.1840
0.1811
0.1781
0.1755
0.1727
0.1702
0.1677
0.1656
0.1633
0.1612
0.1591
0.1572
0.1552
0.1534
0.1516
0.1499
0.1482
0.1466
0.1451
0.1436

Lampiran 8

2

3

4

5

6

7

8

9

1

0.7071

0.7071

0.6872

0.6646

0.6431

0.6233

0.6052

0.5888

2

-

0.0000

0.1667

0.2413

0.2806

0.3031

0.3164

0.3244

3

-

-

-

0.000

0.0875

0.1401

0.1743

0.1976

4

-

-

-

-

-

0.0000

0.0561

0.0947

5

-

-

-

-

-

-

-

0.000

6

-

-

-

-

-

-

-

-

Sumber : Conover, W.J, 1980, Practical Nonparametric Statistics second edition, New York : John Wiley & Sons.

51

: Koefisient untuk test Shapiro-Wilk

52

10

11

12

13

14

15

16

17

18

19

1

0.5739

0.5601

0.5475

0.5359

0.5251

0.5150

0.5056

0.4968

0.4886

0.4808

2

0.3291

0.3315

0.3325

0.3325

0.3318

0.3306

0.3290

0.3273

0.3253

0.3232

3

0.2141

0.2260

0.2347

0.2412

0.2460

0.2495

0.2521

0.2540

0.2553

0.2561

4

0.1224

0.1429

0.1586

0.1707

0.1802

0.1878

0.1939

0.1988

0.2027

0.2059

5

0.0399

0.0695

0.0922

0.1099

0.1240

0.1353

0.1447

0.1524

0.1587

0.1641

6

-

0.0000

0.0303

0.0539

0.0727

0.0880

0.1005

0.1109

0.1197

0.1271

7

-

-

-

0.0000

0.0240

0.0433

0.0593

0.0725

0.0837

0.0932

8

-

-

-

-

-

0.0000

0.0196

0.0359

0.0496

0.0612

9

-

-

-

-

-

-

-

0.0000

0.0163

0.0303

10

-

-

-

-

-

-

-

-

-

0.0000

11

-

-

-

-

-

-

-

-

-

-

20

21

22

23

24

25

26

27

28

29

1

0.4734

0.4643

0.4590

0.4542

0.4493

0.4450

0.4407

0.4366

0.4328

0.4291

2

0.3211

0.3185

0.3156

0.3126

0.3098

0.3069

0.3043

0.3018

0.2992

0.2968

3

0.2565

0.2578

0.2571

0.2563

0.2554

0.2543

0.2533

0.2522

0.2510

0.2499

4

0.2085

0.2119

0.2131

0.2139

0.2145

0.2148

0.2151

0.2152

0.2151

0.2150

5

0.1686

0.1736

0.1764

0.1787

0.1807

0.1822

0.1836

0.1848

0.1857

0.1864

6

0.1334

0.1399

0.1443

0.1480

0.1512

0.1539

0.1563

0.1584

0.1601

0.1616

7

0.1013

0.1092

0.1150

0.1201

0.1245

0.1283

0.1316

0.1346

0.1372

0.1395

8

0.0711

0.0804

0.0878

0.0941

0.0997

0.1046

0.1089

0.1128

0.1162

0.1192

9

0.0422

0.0530

0.0618

0.0696

0.0764

0.0823

0.0876

0.0923

0.0965

0.1002

10

0.0140

0.0263

0.0368

0.0459

0.0539

0.0610

0.0672

0.0728

0.0778

0.0822

11

-

0.0000

0.0122

0.0228

0.0321

0.0403

0.0476

0.0540

0.0598

0.0650

12

-

-

-

0.0000

0.0107

0.0200

0.0284

0.0358

0.0424

0.0483

13

-

-

-

-

-

0.0000

0.0094

0.0178

0.0253

0.0320

14

-

-

-

-

-

-

-

0.0000

0.0084

0.0159

15

-

-

-

-

-

-

-

-

-

0.0000

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

30
0.4254
0.2944
0.2487
0.2148
0.1870
0.1630
0.1415
0.1219
0.1036
0.0862
0.0697
0.0537
0.0381
0.0227
0.0076
-

31
0.4220
0.2921
0.2475
0.2145
0.1874
0.1641
0.1433
0.1243
0.1066
0.0899
0.0739
0,059
0.0435
0.0289
0.0144
0.0000
-

32
0.4188
0.2898
0.2462
0.2141
0.1878
0.1651
0.1449
0.1265
0.1093
0.0931
0.0777
0.0629
0.0485
0.0344
0.0206
0.0068
-

33
0.4156
0.2876
0.2451
0.2137
0.1880
0.1660
0.1463
0.1284
0.1118
0.0961
0.0812
0.0669
0.0530
0.0395
0.0262
0.0131
0.0000
-

34
0.4127
0.2854
0.2439
0.2132
0.1882
0.1667
0.1475
0.1301
0.1140
0.0988
0.0844
0.0706
0.0572
0.0441
0.0314
0.0187
0.0062
-

35
0.4096
0.2834
0.2427
0.2127
0.1883
0.1673
0.1487
0.1317
0.1160
0.1013
0.0873
0.0739
0.0610
0.0484
0.0361
0.0239
0.0119
0.0000
-

36
0.4068
0.2813
0.2415
0.2121
0.1883
0.1678
0.1496
0.1331
0.1179
0.1036
0.0900
0.0770
0.0645
0.0523
0.0404
0.0287
0.0172
0.0057
-

37
0.4040
0.2794
0.2403
0.2116
0.1883
0.1683
0.1505
0.1344
0.1196
0.1056
0.0924
0.0798
0.0677
0.0559
0.0444
0.0331
0.0220
0.0110
0.0000
-

38
0.4015
0.2774
0.2391
0.2110
0.1881
0.1686
0.1513
0.1356
0.1211
0.1075
0.0947
0.0824
0.0706
0.0592
0.0481
0.0372
0.0264
0.0158
0.0053
-

Lampiran 9

39
0.3989
0.2755
0.2380
0.2104
0.1880
0.1689
0.1520
0.1366
0.1225
0.1092
0.0967
0.0848
0.0733
0.0622
0.0515
0.0409
0.0305
0.0203
0.0101
0.0000

: Hasil Print Out SPSS Pengujian Normality

Frequencies
Statistics
VAR00001
N

Valid
Missing

21
0
.609
.501
.139
.972

Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis

VAR00001

Valid

40
41
42
43
44
45
46
47
48
49
50
1
0.3964 0.3940 0.3917 0.3894 0.3872 0.3850 0.3830 0.3808 0.3789 0.3770 0.3751
2
0.2737 0.2719 0.2701 0.2684 0.2667 0.2651 0.2635 0.2620 0.2604 0.2589 0.2574
3
0.2368 0.2357 0.2345 0.2334 0.2323 0.2313 0.2302 0.2291 0.2281 0.2271 0.2260
4
0.2098 0.2091 0.2085 0.2078 0.2072 0.2065 0.2058 0.2052 0.2045 0.2038 0.2032
5
0.1878 0.1876 0.1874 0.1871 0.1868 0.1865 0.1862 0.1859 0.1855 0.1851 0.1847
6
0.1691
0,169
0.1694 0.1695 0.1695 0.1695 0.1695 0.1695 0.1693 0.1692 0.1691
7
0.1526 0.1531 0.1535 0.1539 0.1542 0.1545 0.1548 0.1550 0.1551 0.1553 0.1554
8
0.1376 0.1384 0.1392 0.1398 0.1405 0.1410 0.1415 0.1420 0.1423 0.1427 0.1430
9
0.1237 0.1249 0.1259 0.1269 0.1278 0.1286 0.1293 0.1300 0.1306 0.1312 0.1317
10 0.1108 0.1123 0.1136 0.1149 0.1160 0.1170 0.1180 0.1189 0.1197 0.1205 0.1212
11 0.0986 0.1004 0.1020 0.1035 0.1049 0.1062 0.1073 0.1085 0.1095 0.1105 0.1113
12 0.0870 0.0891 0.0909 0.0927 0.0943 0.0959 0.0972 0.0986 0.0998 0.1010 0.1020
13 0.0759 0.0782 0.0804 0.0824 0.0842 0.0860 0.0876 0.0892 0.0906 0.0919 0.0932
14 0.0651 0.0677 0.0701 0.0724 0.0745 0.0765 0.0783 0.0801 0.0817 0.0832 0.0846
15 0.0546 0.0575 0.0602 0.0628 0.0651 0.0673 0.0694 0.0713 0.0731 0.0748 0.0764
16 0.0444 0.0476 0.0506 0.0534 0.0560 0.0584 0.0607 0.0628 0.0648 0.0667 0.0685
17 0.0343 0.0379 0.0411 0.0442 0.0471 0.0497 0.0522 0.0546 0.0568 0.0588 0.0608
18 0.0244 0.0283 0.0318 0.0352 0.0383 0.0412 0.0439 0.0465 0.0489 0.0511 0.0532
19 0.0146 0.0188 0.0227 0.0263 0.0296 0.0328 0.0357 0.0385 0.0411 0.0436 0.0459
20 0.0049 0.0094 0.0136 0.0175 0.0211 0.0245 0.0277 0.0307 0.0335 0.0361 0.0386
21
0.0000 0.0045 0.0087 0.0126 0.0163 0.0197 0.0229 0.0259 0.0288 0.0314
22
0.0000 0.0042 0.0081 0.0118 0.0153 0.0185 0.0215 0.0244
23
0.0000 0.0039 0.0076 0.0111 0.0143 0.0174
24
0.0000 0.0037 0.0071 0.0104
25
0.0000 0.0035
Sumber : Conover, W.J, 1980, Practical Nonparametric Statistics second edition, New York : John Wiley & Sons.

53

54

21.00
23.00
32.00
33.00
34.00
35.00
43.00
45.00
54.00
56.00
65.00
76.00
Total

Frequency
1
2
1
1
4
1
2
3
2
2
1
1
21

Percent
4.8
9.5
4.8
4.8
19.0
4.8
9.5
14.3
9.5
9.5
4.8
4.8
100.0

Valid Percent
4.8
9.5
4.8
4.8
19.0
4.8
9.5
14.3
9.5
9.5
4.8
4.8
100.0

Cumulative
Percent
4.8
14.3
19.0
23.8
42.9
47.6
57.1
71.4
81.0
90.5
95.2
100.0

Descriptives

VAR00001
7

VAR00001

6

4

3

Frequency

2
Std. Dev = 14.22
Mean = 42.1
N = 21.00

0
20.0

30.0

40.0

50.0

60.0

70.0

Statistic
42.1429
35.6713

Lower Bound
Upper Bound

41.4603
43.0000
202.129
14.2172
21.00
76.00
55.00
20.5000
.609
.139

80.0

VAR00001

Descriptives

Kolmogorov-Smirnov a
Statistic
df
Sig.
.169
21
.123

Shapiro-Wilk
Statistic
df
.946
21

a. Lilliefors Significance Correction

Normal Q-Q Plot of VAR00001

Descriptive Statistics
2.0

VAR00001
Valid N (listwise)

Skewness
Statistic
Std. Error
.609
.501

Kurtosis
Statistic
Std. Error
.139
.972

1.5
1.0
.5

Explore
Expected Normal

0.0

Case Processing Summary

Valid
N
VAR00001

21

Percent
100.0%

Cases
Missing
N
Percent
0
.0%

.501
.972

Tests of Normality

VAR00001

N
Statistic
21
21

Std. Error
3.1024

48.6144

5% Trimmed Mean
Median
Variance
Std. Deviation
Minimum
Maximum
Range
Interquartile Range
Skewness
Kurtosis

5

1

Mean
95% Confidence
Interval for Mean

Total
N
21

Percent
100.0%

-.5
-1.0
-1.5
-2.0
10

20

30

Observed Value

55

56

40

50

60

70

80

Sig.
.345

Detrended Normal Q-Q Plot of VAR00001
.8

.6

.4

Dev from Normal

.2

0.0

-.2

-.4
20

30

40

50

60

70

80

Observed Value

NPar Tests
One-Sample Kolmogorov-Smirnov Test
N
Normal Parametersa,b
Most Extreme
Differences

Mean
Std. Deviation
Absolute
Positive
Negative

Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)

VAR00001
21
42.1429
14.2172
.169
.169
-.095
.772
.590

a. Test distribution is Normal.
b. Calculated from data.

57

Sign up to vote on this title
UsefulNot useful