Anda di halaman 1dari 29

Uji Normal

Parametrik
Statistika parametrik adalah prosedur
yang pengujian yang dilakukan
berlandaskan distribusi. Salah satu
karakteristiknya penggunaan prosedur ini
melibatkan asumsi-asumsi tertentu.
Contoh dari statistik parametrik adalah
analisis regresi, analisis korelasi, analisis
varians.

Non Parametrik
Statistika non parametrik adalah prosedur dimana kita
tidak melibatkan parameter serta tidak terlibatnya
distribusi. Contoh : uji keacakan, uji kecocokan
(goodness of fit),dll.
Kelebihan statistika non parametrik
Asumsi yang digunakan dalam jumlah yang minimum
maka kemungkina penggunaan secara salah juga kecil.
Untuk beberapa prosedur perhitungan dapat dilakukan
dengan mudah secara manual.
Konsep-konsep dari prosedur ini menggunakan dasar
matematika dan statistika yang mudah dipahami.
Prosedur ini dapat digunakan pada skala ordinal
maupun nominal.

Kelemahan Non Parametrik


Jika suatu kasus yang dapat dianalisis
dengan statistika parametrik, kemudian
digunakan analisis statistika non
parametrik akan menyebabkan
pemborosan informasi.
Meskipun prosedur penghitungannya
sederhana, perhitungannya kadangkadang membutuhkan banyak tenaga dan
menjemukan.

Kapan Non Parametrik Digunakan?


Bila hipotesis yang harus diuji tidak
melibatkan suatu parameter populasi.
Bila skala pengukuran yang disyaratkan
dalam statistika parametrik tidak terpenuhi
misalnya skala ordinal dan nominal.

Tingkatan skala

Nominal (paling rendah)


Ordinal
Interval
Rasio

Uji Normalitas
Uji normalitas adalah uji yang dilakukan untuk
mengecek apakah data penelitian kita berasal
dari populasi yang sebarannya normal.
Uji ini perlu dilakukan karena semua perhitungan
statistik parametrik memiliki asumsi normalitas
sebaran.
Formula/rumus yang digunakan untuk melakukan
suatu uji (t-test misalnya) dibuat dengan
mengasumsikan bahwa data yang akan dianalisis
berasal dari populasi yang sebarannya normal.

Data yang normal memiliki kekhasan seperti


mean, median dan modusnya memiliki nilai yang
sama.
Selain itu juga data normal memiliki bentuk
kurva yang sama, bell curve.
dengan mengasumsikan bahwa data dalam
bentuk normal ini, analisis statistik baru bisa
dilakukan.
cara melakukan uji asumsi normalitas ini yaitu
menggunakan analisis Chi Square dan
Kolmogorov-Smirnovspss

Kalau datanya gak Normal?


data yang tidak normal tidak selalu berasal
dari penelitian yang buruk. Data ini
mungkin saja terjadi karena ada kejadian
yang di luar kebiasaan. Atau memang
kondisi datanya memang nggak normal.
Contoh : pendapatan penduduk di komplek
ciceri indah atau pondok indah atau
apartemen rasuna.

Solusi kalau gak normal


Kita perlu ngecek apakah ketidaknormalannya parah
nggak. Memang sih nggak ada patokan pasti tentang
keparahan ini. Tapi kita bisa mengira-ira jika misalnya
nilai p yang didapatkan sebesar 0,049 maka
ketidaknormalannya tidak terlalu parah (nilai tersebut
hanya sedikit di bawah 0,05). spss
Jika ketidaknormalannya tidak terlalu parah lalu
kenapa? Ada beberapa analisis statistik yang agak
kebal dengan kondisi ketidaknormalan ini (disebut
memiliki sifat robust), misalnya F-test dan t-test. Jadi kita
bisa tetap menggunakan analisis ini jika
ketidaknormalannya tidak parah.

Kita bisa membuang nilai-nilai yang ekstrem,


baik atas atau bawah. Nilai ekstrem ini disebut
outliers.
Pertama kita perlu membuat grafik, dengan
sumbu x sebagai frekuensi dan y sebagai
semua nilai yang ada dalam data kita (ini
tentunya bisa dikerjakan oleh komputer).
Nah dari sini kita akan bisa melihat nilai mana
yang sangat jauh dari kelompoknya (tampak
sebagai sebuah titik yang nun jauh di sana dan
nampak terasing...sendiri...).
Nilai inilah yang kemudian perlu dibuang dari
data kita, dengan asumsi nilai ini muncul akibat
situasi yang tidak biasanya. Misal responden
yang mengisi skala kita dengan sembarang
yang membuat nilainya jadi sangat tinggi atau
sangat rendah.

mentransform data kita. Ada banyak cara untuk


mentransform data kita, misalnya dengan mencari
akar kuadrat dari data kita, dll.
Bagaimana jika semua usaha di atas tidak
membuahkan hasil dan hanya membuahkan
penyesalan?
Maka langkah terakhir yang bisa kita lakukan
adalah dengan menggunakan analisis nonparametrik. Analisis ini disebut juga sebagai
analisis yang distribution free.
Sayangnya analisis ini seringkali mengubah data
kita menjadi data yang lebih rendah tingkatannya.
Misal kalo sebelumnya data kita termasuk data
interval dengan analisis ini akan diubah menjadi
data ordinal.

Prosedur
Prosedur pengujian normalitas data :

1.Merumuskan formula hipotesis


Ho : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
2. Menentukan taraf nyata (a)
Untuk mendapatkan nilai chi-square tabel

dk = k 3
dk = Derajat kebebasan
k = banyak kelas interval

3. Menentukan Nilai Uji Statistik

Keterangan :
Oi = frekuensi hasil pengamatan pada
klasifikasi ke-i
Ei = Frekuensi yang diharapkan pada
klasifikasi ke-i

4. Menentukan Kriteria Pengujian


Hipotesis

5. Memberikan

kesimpulan

Contoh
Hasil pengumpulan data mahasiswa yang
mendapat nilai ujian Statistik Sosial, yang
diambil secara acak sebanyak 64. Dicatat dalam
daftar distribusi frekuensi. Hasilnya sebagai
berikut :
Ujilah apakah data tersebut
berdistribusi normal atau tidak
dengan a = 0,05 ?

Jawab
1. Menentukan mean

2. Menentukan Simpangan baku

3. Membuat daftar distribusi frekuensi yang


diharapkan

(2) Mencari nilai Z-score untuk


batas kelas interval

(3) Mencari luas 0 Z dari tabel kurva normal

(4) Mencari luas tiap kelas interval

(5) Mencari frekuensi yang diharapkan (Ei)

Tabel frekuensi yang diharapkan dan


pengamatan

4) Merumuskan formulasi hipotesis


Ho : Data berdistribusi normal
Ha : Data tidak berdistribusi normal
5) Menentukan taraf nyata dan chi-kuadrat
tabel

6) Menentukan kriteria pengujian

7) Mencari Chi-kuadrat hitung

Kesimpulan
Karena chi-kuadrat hitung = 3,67 < 9,49 =
chi-kuadrat, maka Ho diterima
Jadi, data tersebut berdistribusi normal
untuk taraf nyata 5%

Metode Lilliefors
Metode ini digunakan untuk menguji normalitas apabila
datanya tidak dalam distribusi frekuensi data bergolong.
Pada metode ini setiap data Xi diubah menjadi bilangan
baku zi dengan transformasi:
Xi X
zi
s
Statistik uji:

L Maks F ( zi ) S ( zi )

dengan F(zi)=P(Zzi); ZN(0,1); S(zi)=proporsi cacah


zzi terhadap seluruh zi
Daerah Kritis adalah DK={LL>L,n}

contoh
Sebuah sampel berukuran 6 diambil
secara random dari suatu populasi.
Keenam nilai dari sampel tsb adl sbb:
4,0,8,6,14,10
dengan =5%, ujilah hipotesis yang
mengatakn bahwa sampel tsb berasal dari
populasi yang berdistribusi normal

solusi
1. H0: sampel berasal dari populasi yg berdistribusi normal
H1: sampel tidak berasal dari populasi yang berdistribusi normal
2. =0,05
3. Statistik uji:
L Maks F ( zi ) S ( zi )
dari data di atas diperoleh
Tabel untuk mencari L maks

Xi
0
4
6
8
10
14

X 42; X 7; s 4,86

X i 7 F(zi) S(zi)
zi
0.166
4.86
-1.44
0.0749 7
0.0918
0.333
-0.62
0.2676 3
0.0657
-0.21
0.4168 0.5
0.0832
0.666
0.21
0.5832 7
0.0835
0.833
0.62
0.7324 3
0.1009*
1.44
0.9251 1
0.0749

F ( zi) S ( zi)

L Maks F ( zi ) S ( zi )
0.1009

4. L0.05;6 = 0.319; DK={LL>0.319};


L obs=0.1009
5. Kesimpulan: Karena L obs<L0.05;6 (0.1009<0.319)
maka H0 diterima
artinya sampel berasal dari populasi yg
berdistribusi normal.

latihan
Tabel distribusi berat badan 100 siswa
Berat badan

frekuensi

60-62
63-65
66-68
69-71
72-74

5
18
42
27
8

Dengan =5%, apakah sampel tsb


berdistribusi normal?

latihan
Ujilah hipotesis bahwa sampel berasal
dari populasi yg berdistribusi normal
Strategi Mengajar
seks

Pria

5 2

2 5

Wanita

8 8

5 10