UJI NORMALITAS DATA

Uji Liliefors
Uji normalitas dengan uji liliefors dilakukan apabila
data merupakan data tunggal atau data frekwensi
tunggal, bukan data distribusi frekwensi tunggal,
bukan data distribusi frekwensi kelompok.
Uji normalitas menggunakan uji liliefors (Lo)
dilakukan dengan langkah-langkah misalkan pada
=5% (0,05) dengan hipotesis yang akan diuji:
H
0 :
Sampel berasal dari Populasi berdistribusi normal,
melawan
H
1
: sampel tidak berasal dari populasi berdistribusi
normal dengan criteria pengujian:
Jika Lo=L
hitung
<L
Tabel
terima H
0
dan
Jika Lo= L
hitung
>L
Tabel
tolak H
0


kedua, lakukan langkah-langkah pengujian normalitas berikut :
Data pengamatan Y1, Y2, Y3, ..., Yn dijadikan bilangan baku z1, z2,
z3, ..., zn dengan menggunakan rumus :



Untuk setiap bilangan baku ini dengan menggunakan daftar
distribusi normal baku, kemudian dihitung peluang:



Selanjutnya dihitung proporsi z1, z2, z3, ..., zn yang lebih kecil atau
sama dengan z1. Jika proporsi ini dinyatakan oleh S(z1) maka:



Hitung selisih F(z1) - S(z1), kemudian tentukan harga mutlaknya.
Ambil harga yang paling besar di antara harga-harga mutlak selisih
tersebut, sebagai harga Lo atau Lhitung

z1 = (Yi - Yrata2)/s
F(z1) = P(z = atau < z1)

S(z1) = (banyaknya z1, z2, z3, ..., zn)/n


Contoh..
Lakukan uji normalitas dari hasil pengumpulan
data suatu sampel-sampel berikut:

3 4 2 4 3 2 5 4
5 5 6 6 6 5 5 9
6 6 8 8 8 8 9 9
next
Untuk menerima atau menolak hipotesis nol
(Ho), dilakukan dengan cara membandingkan
Lo inni dengan nilai Lkritis atau Ltabel yang
didapat dari tabel Liliefors untuk taraf nyata
(signifikansi) yang dipilih, misal 0,05.
Sajikan data tersebut dalam tabel dan
diurutkan, lalu hitung rerata (mean) dan
simpangan baku seperti berikut:



no Fi Yi Fi . Yi (Yi-Yrata)
2
fi(Yi-Yrata)
2

1 2 2 4 13,4 26,9
2 3 2 6 7,1 14,2
3 4 3 12 2,8 8,3
4 5 5 25 0,4 2,2
5 6 5 30 0,1 0,6
6 8 4 32 5,4 21,8
7 9 3 27 11,1 33,3
jmlh 24 136 107,3
Nilai mean :


sehingga didapat = 136/24
= 5,7




dan nilai simpangan baku = 2,2

Selanjutnya lakukan konversi setiap nilai mentah Yi
menjadi nilai baku Zi, dan selanjutnya tentukan nilai Lo
dengan langkah-langkah seperti berikut:
No Yi fi fkum Zi Ztabel F(Zi) S(Zi) |F(Zi)-S(Zi)|
1 2 2 2 -1,70 0,4554 0,0446 0,0833 0,0387
2 3 2 4 -1,23 0,3907 0,1093 0,1667 0,0574
3 4 3 7 -0,77 0,2794 0,2206 0,2917 0,0711
4 5 5 12 -0,31 0,1217 0,3783 0,5000 0,1217
5 6 5 17 0,15 0,0596 0,5596 0,7083 0,1487
6 8 4 21 1,08 0,3599 0,8599 0,8750 0,0151
7 9 3 24 1,54 0,4382 0,9382 1,0000 0,0618
Jumlah 24
Dari hasil perhitungan dalam tabel tersebut, didapat nilai Lo = 0,1487,
sedangkan dari tabel Liliefors untuk tingkat signifikansi 0,05 dan n = 24
didapat nilai Ltabel = 0,173.
Karena nilai Lo < Ltabel, maka Ho diterima dan disimpulkan
data atau sampel berasal dari populasi berdistribusi normal.
Catatan tambahan untuk mencari nilai Zi ke dalam nilai Ztabel,
F(Zi) dan S(Zi)
ambil contoh nilai Zi baris pertama sebesar -1,70 maka
dikonversikan ke nilai Ztabel sebesar 0,4554 dengan cara
sebagai berikut :(lihat tabel)

Pertama cari terlebih dulu pada baris kemudian kolom. Pada baris cari nilai 1,7 kemudian pada
kolom cari 0,0. sel antara baris 1,7 dan kolom 0,0 didapat nilai 0,4554. Nilai baku dari 1,70 yang
dikonversi ke nilai baku tabel sebesar 0,4554.

Untuk nilai F(Zi) pada baris pertama sebesar 0,0446 didapat dengan cara sebagai berikut:

F(Zi) = Z < atau = Z1

F(Z1) = 0,5 - 0,4554 = 0,0446.

Untuk nilai S(Zi) pada baris pertama sebesar 0,0833 didapat dengan cara sebagai berikut:

S(Zi) = fi / (jml fi)

S(Z1) = 2 / 24 = 0,0833
Uji Kolmogorov Smirnov
Uji Kolmogorov Smirnov merupakan pengujian
normalitas yang banyak dipakai baik dalam
penelitian pendidikan atau yang lain.
Kelebihan dari uji ini adalah sederhana dan
tidak menimbulkan perbedaan persepsi di
antara satu pengamat dengan pengamat
yang lain, yang sering terjadi pada uji
normalitas dengan menggunakan grafik.

Konsep dasar dari uji normalitas Kolmogorov
Smirnov adalah dengan
membandingkan distribusi data (yang akan
diuji normalitasnya) dengandistribusi normal
baku.
Distribusi normal baku adalah data yang telah
ditransformasikan ke dalam bentuk Z-Score
dan diasumsikan normal.
Jadi sebenarnya uji Kolmogorov Smirnov
adalah uji beda antara data yang diuji
normalitasnya dengan data normal baku
Rumus
Keterangan :


X
i
= Angka pada data
Z = Transformasi dari angka ke notasi pada
distribusi normal
F
T
= Probabilitas komulatif normal
F
S
= Probabilitas komulatif empiris
F
T
= komulatif proporsi luasan kurva normal
berdasarkan notasi Zi, dihitung dari luasan kurva
mulai dari ujung kiri kurva sampai dengan titik Z.




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 ; H
1
ditolak. Jika nilai | FT
FS | terbesar lebih besar dari nilai tabel Kolmogorov
Smirnov, maka Ho ditolak ; H
1
diterima. Tabel Nilai
Quantil Statistik Kolmogorov Distribusi Normal.

Contoh soal :
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 = 5%, apakah data tersebut di atas diambil dari populasi
yang berdistribusi normal?
Jawab :
Ho : tidak beda dengan populasi normal (data Normal).
H
1 :
ada beda dengan populasi nomal (data tdak normal) .
: 0,05
1. langkah pertama adalah menetukan rata-rata data yaitu: rata2= data/n=2195/27=81,3
2. langkah berikutnya adalah menghitung Standart defiasi: SD=akar( (x-xrata)
2
/n)=akar(2749.63/27)=akar(101.838)=10,1
3. menghitung z score untuk i=1 maka didapkan (67-81,3)/10,1=-1,39
4. (komulatif proporsi luasan kurva normal berdasarkan notasi Zi, dihitung dari luasan kurva mulai dari ujung kiri kurva
sampai dengan titik Z.)berarti .Tentukan besar peluang untuk masing-masing nilai z berdasarkan tabel z dan diberi nama
F(z) (lihat tabel z) . jika nilai z minus, maka 0,5 dikurangi (-) luas wilayah pada tabel z. Sebaliknya, jika nilai z positif,
maka 0,5 ditambah (+) luas nilai z pada tabel, sehingga diperoleh nilai-nilai F(z) ,..untuk Zscore -1,39 maka didapatkan
nilai F(1,39)=0.4177 sehingga Ft=0.5-0.4177=0.823.
5. menentukan Fs dari saat i=1 yaitu data pertama yaitu x=67 jumlahnya yaitu ada 2 yaitu pada data pertama dan kedua
maka Fs pada data pertama diperoleh 2/27=0.740
6. |Ft-Fs| pada data pertama adalah |0.823-0.740|=0.083,
7. Sehingga di peroleh tabel dibawah ini

Sehingga di peroleh tabel dibawah ini:

No X
i
Z-score Ft Fs | Ft -Fs |
1 67 -1,39 0,0823 0,0740 0,0083
2 67 -1,39 0,0823 0,0740 0,0083
3 68 -1,29 0,0985 0,1111 0,0126
4 69 -1,19 0,1170 0,1481 0,0311
5 70 -1,10 0,1357 0,2222 0,0865
6 70 -1,10 0,1357 0,2222 0,0865
7 72 -0,90 0,1841 0,2963 0,1122
8 72 -0,90 0,1841 0,2963 0,1122
9 77 -0,42 0,3372 0,3704 0,0332
10 77 -0,42 0,3372 0,3704 0,0332
11 78 -0,32 0,3745 0,5185 0,1440
12 78 -0,32 0,3745 0,5185 0,1440
13 78 -0,32 0,3745 0,5185 0,1440
14 78 -0,32 0,3745 0,5185 0,1440
15 80 -0,12 0,4522 0,5555 0,1033
16 82 0,07 0,5279 0,5926 0,0647
17 84 0,26 0,6026 0,6296 0,0270
18 87 0,55 0,7088 0,6666 0,0422
19 88 0,65 0,7422 0,7037 0,0385
20 89 0,75 0,7734 0,7407 0,0327
21 90 0,84 0,7995 0,8148 0,0153
22 90 0,84 0,7995 0,8148 0,0153
23 95 1,33 0,9082 0,8518 0,0547
24 97 1,53 0,9370 0,9629 0,0259
25 97 1,53 0,9370 0,9629 0,0259
26 97 1,53 0,9370 0,9629 0,0259
27 98 1,62 0,9474 1,000 0,0526
rata2 81,2963
S 10,2837
Statistik uji :
D = maks | Ft - Fs | = 1,440
Kriteria uji : tolak Ho jika Dmaks Dtabel , terima dalam hal lainya.dengan = 0,05 dan N=27
Karena Dmaks = 0,1440 < Dtabel = 0,2540,jadi Ho diterima,berarti sampel yang diambil dari
populasi yang berdistribusi normal.
tabel z

tabel D

Uji Chi-Square
Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu
jenis uji komparatif non parametris yang dilakukan pada dua variabel, di
mana skala data kedua variabel adalah nominal. (Apabila dari 2 variabel,
ada 1 variabel dengan skala nominal maka dilakukan uji chi square dengan
merujuk bahwa harus digunakan uji pada derajat yang terendah).

Uji chi-square merupakan uji non parametris yang paling banyak
digunakan. Namun perlu diketahui syarat-syarat uji ini adalah: frekuensi
responden atau sampel yang digunakan besar, sebab ada beberapa syarat
di mana chi square dapat digunakan yaitu:
Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual
Count (F0) sebesar 0 (Nol).
Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja
yang memiliki frekuensi harapan atau disebut juga expected count ("Fh")
kurang dari 5.
Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell
dengan frekuensi harapan yang kurang dari 5 tidak boleh lebih dari 20%.

Rumus chi-square sebenarnya tidak hanya ada satu. Apabila
tabel kontingensi bentuk 2 x 2, maka rumus yang digunakan
adalah "koreksi yates". Untuk rumus koreksi yates, sudah
kami bahas dalam artikel sebelumnya yang berjudul
"Koreksi Yates".


Apabila tabel kontingensi 2 x 2 seperti di atas, tetapi tidak
memenuhi syarat seperti di atas, yaitu ada cell dengan
frekuensi harapan kurang dari 5, maka rumus harus diganti
dengan rumus "Fisher Exact Test".

Pada artikel ini, akan fokus pada rumus untuk tabel
kontingensi lebih dari 2 x 2, yaitu rumus yang digunakan
adalah "Pearson Chi-Square".

Rumus Tersebut adalah: