BAB I

PENDAHULUAN
A. Latar belakang
Bangsa Indonesia sekarang ini sedang dihadapkan pada krisis multi dimensi yang
berkepanjangan, seperti krisis ekonomi, krisis moneter, dan krisis keamanan. Namun
krisis yang paling menghawatirkan kita saat ini dari krisis-krisis yang ada adalah krisis
moral dan kepribadian. Untuk menghadapi krisis tersebut tidak cukup dengan hanya
mengandalkan lembaga pendidikan formal saja akan tetapi semua pihak memiliki
tanggung jawab untuk membentuk kepribadian yang luhur.
Pendidikan merupakan kegiatan menyiapkan masa depan suatu bangsa yang
bukan hanya harus bertahan agar teap eksis, tetapi dalam berbagai dimensi kehidupan
pada tataran nasional maupun internasional dapat mengambil peran secara bermartabat.
Pada hakikatnya pendidikan merupakan bantuan pendidik terhadap peserta didik dalam
bentuk bimbingan, arahan, pembelajaran, pemodelan, latihan, melaliu penerapan berbagai
strategi pembelajaran yang mendidik. Pendidikan berlangsung dalam ruang dan waktu
yang dipengaruhi oleh lingkungan fisik, social, dan psikologis.
Pendidikan adalah usaha sadar dan terencana untuk mewujudkan suasana belajar
dan proses pembelajaran agar peserta didik secara aktif mengembangkan potensi dirinya
untuk memiliki kekuatan spiritual keagamaan, pengendalian diri, kepribadian,
kecerdasan, akjlak mulia, serta keterampilan yang diperlukan dirinya, masyarakat, bangsa
dan Negara.
Untuk kelengkapan dalam menyelesaikan pendidikan yang formal dibutuhkan
karya ilmiah sebagai bukti yang rill bagi seorang yang bergelut dalam dunia pendidikan.
Dengan Mata Kuliah Statistik penyusunan karya ilmiah akan lebih memperjelas data-data
yang diperoleh.
Penggunaan statistik dalam penyelesaian karya ilmiah sangat vital, dan pengujian
statistic dengan menggunakan uji normalitas. Dimana perujian sebauah data hasil
eksperimen bisa diketahui apakah data tersebut normal atau tidak setelah melakukan
pengujian dengan menggunakan uji normalitas .
Dalam analisis regresi terdapat beberapa asumsi yang harus dipenuhisehingga
persamaan regresi yang dihasilkan akan valid jika akan digunakan untuk memprediksi.
Penggunaan asumsi ini merupakan kosekuensi dari penggunaan metode Original Least
1

Squere (OLS) dalam menghitung persamaan regresi. Beberapa asumsi tersebut meliputi
asumsi bahwa error independen untuk setiap variabel independen ke n, error terdistribusi
secara normal, nilai error yang diharapkan adalah nol untuk semua nilai yang mungkin,
dan varians adalah terbatas dan sama untuk setiap nilai yang mungkin. Asumsi asumsi
yang ada di analisis ekonometrika salah satunya adalah uji normalitas. Pengujian
normalitas adalah pengujian tentang kenormalan distribusi data.
Uji ini merupakan pengujian yang paling banyak dilakukan untuk analisis statistik
parametrik. Penggunaan uji normalitas karena pada analisis statistik parametrik, asumsi
yang harus dimiliki oleh data bahwa bahwa data tersebut harus terdistribusi normal.
Maksud dari data berdistribusi normal adalah bahwa data akan mengikuti bentuk
distribusi normal. Distribusi normal data denggan bentuk distribusi normal dimana data
memusat pada rata-rata dan median. Untuk mengetahui bentuk distribusi data kita bisa
menggunakan grafik distribusi dan analisis statistik. Penggunaan grafik distribusi
merupakan cara paling gampang dan sederhana.
Cara ini dilakukan karena bentuk data yang berdistribusi secara normal akan akan
mengikuti pola berdistribusi secara normal akan mengikuti pola distribusi normal dimana
bentuk grafiknya mengikuti bentuk lonceng. Sedangkan analisis statistik menggunakan
analisis keruncingan dan kemencengen kurva dengan indikator keruncingan dan
kemencengan.
B. Rumusan masalah
1. Bagaimanakah pengertian uji normalitas ?
2. Berapa macam-macam uji normalitas ?
3. Bagaimanakah cara Pengolahan data dengan uji normalitas ?
C. Tujuan
Dalam uji normalitas tujuannya adalah ingin mengetahui apakah distribusi sebuah
data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk
lonceng ( bell sheped ). Data yang baik adalah data yang mempunyai pola seperti
distribusi normal, yaitu distribusi data tersebut tidak menceng kekiri atau kekanan.
BAB II
PEMBAHASAN
A. Pengertian Uji Normalitas
Uji distribusi normal adalah uji untuk mengukur apakah data yang didapatkan
memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik
inferensial). Dengan kata lain, uji normalitas adalah uji untuk mengetahui apakah data
2

empirik yang didapatkan dari lapangan itu sesuai dengan distribusi teoritik tertentu.
Dalam kasus ini, distribusi normal. Dengan kata lain, apakah data yang diperoleh berasal
dari populasi yang berdistribusi normal. Normalitas suatu data penting karena dengan
data yang terdistribusi normal, maka data tersebut dianggap dapat mewakili suatu
populasi
Data klasifikasi kontinue, data kuantitatif yang termasuk dalam pengukuran data
skala interval atau ratio, untuk dapat dilakukan uji statistik pengukuran data skala interval
atau rasio dan uji statistik parametrik dipersyaratkan berdistribusi normal. Uji tersebut
perlu dilakukan uji normalitas terhadap data.
Pengujian normalitas dilakukan untuk mengetahui normal tidaknya suatu
distribusi data. Hal ini penting diketahui berkaitan dengan ketetapatan pemilihan uji
statistik yang akan dipergunakan. Uji parametrik misalmya, mengisyaratkan data harus
berdistribusi normal. Apabila distribusi data tidak normal maka disarankan untuk
menggunakan uji nonparametrik. Untuk mengetahui bentuk distribusi data kita bisa
menggunakan grafik distribusi dan analisis statistik. Penggunaan grafik distribusi
merupakan cara yang paling gampang dan sederhana. Cara ini dilakukan karena bentuk
data yang terdistribusi secara normal dan mengikuti pola distribusi normal dimana bentuk
grafiknya mengikuti bentuk Lonceng. Sedangkan analisis statistic menggunakan analisis
keruncingan dan kemencengan kurva dengan indicator keruncingan dan kemencengan.
Data yang baik sesuai dengan distribusi normal, kurang lebih harus mempunyai
penyebaran data seperti pada gambar di bawah ini dimana data berkumpul pada rata-rata.

Pengujian normalitas data seperti dikemukakan dimuka bahwa statistic parametris

itu bekerja berdasarkan asumsi bahwa data setiap variabel yang akan dianalisis
berdasarkan distribusi normal. Untuk itu sebelum peneliti menggunakan teknik statistik
parametris, maka kenormalan data harus diuji terlebih dahulu. Bila data tidak normal,
maka statistik parametris tidak dapat digunakan, untuk itu perlu digunakan statistic
nonparametris. Tetapi perlu di ingat bahwa yang menyebabkan tidak normal itu apanya.
Misalnya ada kesalahan instrument dan pengumpulan data, maka dapat mengakibatkan
data yang diperoleh menjadi tidak normal. Tetapi bila sekelompok data memang betulbetul sudah valid, tetapai distribusinya tidak membentuk distribusi normal, maka peneliti
baru membuat keputusan untuk menggunakan teknik statistik nonparametris.
Dalam tulisan ini akan dibahas 4 macam pengujian, yaitu 'pengujian normalitas
dengan uji Liliefors, Chi Kuadrat, Kolmogorov-Smirnov dan Shapiro-Wilk.
Ada tiga pilihan yang dapat dilakukan jika diketahui bahwa data tidak normal;
yaitu :
1. Jika jumlah sampel besar, maka dapat menghilangkan nilai outliner dari data(bahasan
outliner akan dibahas kemudian)
2. Melakukan transformasi data
3. Menggunakan alat analisis nonparametric

B. MACAM-MACAM METODE PADA UJI NORMALITAS DATA

1. Metode Liliefors
Uji lilliefors digunakan bila ukuran sampel (n) lebih kecil dari 30.
Misalkan sampel acak dengan hasil pengamatan : x1 ,x2 , ,xn . Akan diuji
apakah sampel tersebut berasal dari populasi berdistribusi normal atau tidak?
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.
Kelebihan

Liliefors

test

adalah

penggunaan/perhitungannya

yang

sederhana, serta cukup kuat (power full) sekalipun dengan ukuran sampel kecil
(n = 4) (Harun Al Rasyid, 2005).
Proses pengujian Liliefors test dapat mengikuti langkah-langkah berikut:
4

1. Rumuskan Hipotesis:
Ho : sampel berasal dari populasi berdistribusi normal
H1 : sampel tidak berasal dari populasi berdistribusi normal
2. Susunlah data dari kecil ke besar. Setiap data ditulis sekali, meskipun ada ada
beberapa data.
3. Periksa data, berapa kali munculnya bilangan-bilangan itu (frekuensi harus
ditulis).
4. Dari frekuensi susun frekuensi kumulatifnya.
5. Berdasarkan frekuensi kumulatif, hitunglah pre; (observasi)
6. Hitung nilai rata rata ( ), Standar Deviasi. z, F(z), dan S(z)

S(z) =

banyaknya angka sampai angka ke n

banyaknya data

Keterangan :
Kolom X adalah data yang telah diurutkan dari yang terkecil hingga
terbesar.
Kolom peringkat adalah peringkat dari data Xi, dan jika terdapat data yang
sama, maka ambil peringkat tertinggi.
Kolom Z adalah nilai Z yang diperoleh dari selisih X terhadap X-rata-rata
dan dibandingkan dengan standar deviasi(SD).
Kolom F(Z) adalah nilai probabilitas dari Z, dapat dilihat dengan
menggunakan tabel normal atau pun dengan menggunakan MS-Excel
(ketik =normdist(sorot z)).
S(z) adalah peringkat dibandingkan jumlah seluruh data. Misalnya pada X
= 12 dengan peringkat 1 diperoleh S(z) = 1 / 40 = 0,025, dst.
Kolom |S(Z) - F(Z)| adalah nilai absolut dari selisih antara kolom nomor 4
dengan nomor 5. Misalnya untuk X = 12, maka |S(Z) - F(Z)| = |0,004 0,025| = 0,021.
Dari kolom ke-6, pilih nilai tertinggi sehingga diperoleh Lh = 0,128.
Menentukan nilai L-tabel, dapat dilihat pada tabel Nilai Kritis Uji
Liliefors, lihat kolom alpha 0,05 dan pilih n>30. Sehingga diperoleh Ltabel = 0,886/ sqrt(40) = 0,140
`

Syarat untuk menggunakan metode Liliefors :

5

a.
b.
c.
d.

Data berskala interval atau ratio (kuantitatif)

Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
Dapat untuk n besar maupun n kecil.
ukuran sampel n <= 30

x
2. Metode Chi Square / Chi Kuadrat ( 2)

Uji chi-kuadrat digunakan jika ukuran sampel (n 30).Metode ChiSquare atau uji Goodness of fit Distribution Normal, menggunakan pendekatan
penjumlahan penyimpangan data observasi tiap kelas dengan nilai yang
diharapkan.
Pengujian normalitas data dengan

x
( 2)

diakukan dengan cara

membandingkan kurve normal yang terbentuk dari data yang telah terkumpul
(B) dengan kurve normal baku atau standard (A). jadi membandingkan antara
( B : A ). Bila B tidak berbeda secara significant dengan A, maka B merupakan
data yang berdistribusi normal.
Uji kai kuadrat (dilambangkan dengan "2" dari huruf Yunani "Chi"
dilafalkan "Kai") digunakan untuk menguji dua kelompok data baik variabel
independen maupun dependennya berbentuk kategorik atau dapat juga dikatakan
sebagai uji proporsi untuk dua peristiwa atau lebih, sehingga datanya bersifat
diskrit. Misalnya ingin mengetahui hubungan antara status gizi ibu (baik atau
kurang) dengan kejadian BBLR (ya atau tidak).
Dasar uji kai kuadrat itu sendiri adalah membandingkan perbedaan
frekuensi hasil observasi (O) dengan frekuensi yang diharapkan (E). Perbedaan
tersebut meyakinkan jika harga dari Kai Kuadrat sama atau lebih besar dari suatu
harga yang ditetapkan pada taraf signifikan tertentu (dari tabel 2).
Uji Kai Kuadrat dapat digunakan untuk menguji :
1. Uji 2 untuk ada tidaknya hubungan antara dua variabel (Independency test).
2. Uji 2 untuk homogenitas antar- sub kelompok (Homogenity test).
3. Uji 2 untuk Bentuk Distribusi (Goodness of Fit)

Sebagai rumus dasar dari uji Kai Kuadrat adalah :

Keterangan :
O = frekuensi hasil observasi
E = frekuensi yang diharapkan.
Nilai E = (Jumlah sebaris x Jumlah Sekolom) / Jumlah data
df = (b-1) (k-1)
Dalam melakukan uji kai kuadrat, harus memenuhi syarat:
1. Sampel dipilih secara acak
2. Semua pengamatan dilakukan dengan independen
3. Setiap sel paling sedikit berisi frekuensi harapan sebesar 1 (satu). Sel-sel
dengdan frekuensi harapan kurang dari 5 tidak melebihi 20% dari total sel
4. Besar sampel sebaiknya > 40 (Cochran, 1954)
Keterbatasan penggunaan uji Kai Kuadrat adalah tehnik uji kai kuadarat
memakai data yang diskrit dengan pendekatan distribusi kontinu. Dekatnya
pendekatan yang dihasilkan tergantung pada ukuran pada berbagai sel dari tabel
kontingensi.
Untuk menjamin pendekatan yang memadai digunakan aturan dasar
frekuensi harapan tidak boleh terlalu kecil secara umum dengan ketentuan:
1. Tidak boleh ada sel yang mempunyai nilai harapan lebih kecil dari 1
(satu)
2. Tidak lebih dari 20% sel mempunyai nilai harapan lebih kecil dari 5
(lima)
3. Metode Kolmogorov-Smirnov
Banyak sekali teknik pengujian normalitas suatu distribusi data yang telah
dikembangkan oleh para ahli. Kita sebenarnya sangat beruntung karena tidak
perlu mencari-cari cara untuk menguji normalitas, dan bahkan saat ini sudah
tersedia banyak sekali alat bantu berupa program statistik yang tinggal pakai.
Berikut adalah salah satu pengujian normalitas dengan menggunakan teknik
Kolmogorov Smirnov.
Uji Kolmogorov Smirnov merupakan pengujian normalitas yang banyak
dipakai, terutama setelah adanya banyak program statistik yang beredar.
7

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) dengan distribusi
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. Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat
perbedaan yang signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi
perbedaan yang signifikan. Penerapan pada uji Kolmogorov Smirnov adalah
bahwa jika signifikansi di bawah 0,05 berarti data yang akan diuji mempunyai
perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak
normal. Lebih lanjut, jika signifikansi di atas 0,05 maka berarti tidak terdapat
perbedaan yang signifikan antara data yang akan diuji dengan data normal baku,
artinya data yang kita uji normal.
Kelemahan dari Uji Kolmogorov Smirnovyaitu bahwa jika kesimpulan
kita memberikan hasil yang tidak normal, maka kita tidak bisa menentukan
transformasi seperti apa yang harus kita gunakan untuk normalisasi. Jadi kalau
tidak normal, gunakan plot grafik untuk melihat menceng ke kanan atau ke kiri,
atau menggunakan Skewness dan Kurtosis sehingga dapat ditentukan transformasi
seperti apa yang paling tepat dipergunakan.
4. Metode Sahpiro-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.
Persyaratan untuk menggunakan metode ini :
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Data dari sampel random

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 ; H1 ditolak. Jika nilai p kurang dari 5%, maka Ho
ditolak ; H1 diterima. Jika digunakan rumus G, maka digunakan tabel distribusi normal.
C. CARA PENGUJIAN NORMALITAS DATA
1. Uji Normalitas Data Secara Manual
1) Dengan Metode Chi Kuadrat
Contoh :
Data nilai ujian Mata Kulyah Statistik 150 mahasiswa seperti dibawah ini :
27
53
70
57
27
82
41
49
43
80
35
59
62
33
55
Penyelesaian :

79
44
48
76
46
45
65
64
69
71
54
89
57
61
70

69
93
61
73
62
54
62
40
54
53
43
60
48
80
39

40
51
55
62
43
52
75
61
31
56
39
51
69
57
59

51
65
60
36
54
71
60
73
36
91
56
71
76
42
69

88
42
25
67
83
53
42
44
51
60
27
53
52
45
51

55
58
47
40
59
82
55
59
75
41
62
58
49
59
85

48
55
78
51
13
69
34
46
44
29
44
26
45
44
46

36
69
61
59
72
60
49
71
66
56
85
77
54
68
55

61
63
54
68
57
35
45
86
53
57
61
68
41
73
67

Langkah-langkah yang diperlukan adalah :

1. Menentukan jumlah kelas interval. Untuk pengujian normalitas. Denagn Chi Kuadrat,
jumlah kelas interval ditetapkan = 6, hal ini sesuai dengan 6 bidang yang ada pada
kurve normal baku.
9

2. Menentukan panjang kelas interval.

Data TerbesarData Terkecil
Panjang kelas =
jumla h kelas interval
PK=

9413
6

= 13,5 dibulatkan menjadi 14

3. Menyusun kedalam tabel distribusi Frekuensi, sekaligus tabel penolong untuk

menghitung harga Chi Kuadrat hitung.
TABEL PENOLONG UNTUK PENGUJIAN NORMALITAS DATA DENGAN CHI
2

KUADRAT ( x
f0

fh

f 0f h

Interval
13-27
28-42
43-57
58-72
73-87
88-102
Jumlah

3
21
56
45
21
4

4
20
51
51
20
4

-1
1
5
-6
1
0

150

150

f
2

0f
(
h)

1
1
25
36
1
0

f
2

0f
(
h)
fh

0,25
0,05
0,49
0,70
0,05
0
1,55

Keterangan :
f o = frekuensi/ jumlah data hasil observasi
f h = jumlah / frekuensi yang diharapkan ( persentase luas tiap bidang dikalikan dengan
n)
f 0f h

= selisih data

4. Menghitung
Cara menghitung

fh
fh

f 0 dengan f h

( Frekuensi yang diharapkan )

, didasarkan pada presentasi luas tiap bidang kurva normal

dikalikan dengan jumlah data observasi ( jumlah individu dalam sampel ). Dalam hali ini
jumlah individu dalam sampel = 150, jadi:
a. Baris pertama dari atas : 2,7% x 150 = 4,05 dibulatkan menjadi 4
b. Baris ke-2 : 13,53% x 150 = 20,30 dibulatkan menjadi 20
c. Baris ke-3 : 34.13% x 150 = 51,20 dibultkan menjadi 51
d. Baris ke-4 : 34.13% x 150 = 51,20 dibultkan menjadi 51
10

e. Baris ke-5 : 13,53% x 150 = 20,30 dibulatkan menjadi 20

f. Baris ke-6 : 2,7% x 150 = 4,05 dibulatkan menjadi 4
f
f
5. Memasukkan harga-harga h kedalam tabel kolom h , sekaligus menghitung
harga-harga

f
f
2
( 0f h)
fh
2
( 0f h ) dan

Harga

f
2

0f
(
h)
fh

merupakan harga Chi Kuadrat hitung.

6. Membandingkan harga Chi Kuadrat Hitung dengan harga Chi Kuadrat Tabel. Bila
harga Chi Kuadrat hitung lebih kecil daripada harga Chi Kuadrat Tabel, maka
distribusi data dinyatakan normal, dan sebaliknya Bila harga Chi Kuadrat hitung lebih
besar daripada harga Chi Kuadrat Tabel, maka distribusi data dinyatakan tidak
normal.
Dalam perhitungan ditemukan Chi Kuadrat Hitung = 1,55 selanjutnya harga ini
dibandingkan dengan harga Chi Kuadrat Tabel dengan dk ( derajat kebebasan) 6-1=5.
Berdasarkan Tabel Chi Kuadrat yang ada pada ( Lampiran ). Dapat diketahui bahwa
bila dk = 5 dan kesalahan yang ditetapkan ditetapkan = 5%, maka harga Chi Kuadrat
Tabel = 11,070.
Jadi, harga Chi Kuadrat Hitung ( 1,55 ) lebih kecil dari harga Chi Kuadrat
Tabel ( 11,070 ). Maka distribusi data nilai statistik 150 mahasiswa tersebut dapat
dinyatakan berdistribusi normal.
2) Dengan Metode Liliefors
Contoh soal :
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,
11

65, 68 lux. Selidikilah dengan = 5%, apakah data tersebut di atas diambil dari populasi
yang berdistribusi normal ?
Jawab :
LANGKAH-LANGKAH PENYELESAIAN CONTOH SOAL UJI LILLIEFORS:

Ho : data berdistribusi normal

H1 : data tidak berdistribusi normal
= 5% = 0,05
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
Mean :

-1,46
-1,35
-1,35
-1,13
-0,70
-0,70
-0,70
-0,48
-0,15
0,27
0,49
0,71
0,71
1,03
1,03
1,14
1,25
1,36

F(zi) =P(z<=zi)

S(zi)

0,0708
0,0885
0,0885
0,1292
0,2420
0,2420
0,2420
0,3156
0,4404
0,6064
0,6879
0,7611
0,7611
0,8485
0,8485
0,8729
0,8944
0,9131

0,0556
0,1667
0,1667
0,2222
0,3889
0,3889
0,3889
0,4444
0,5
0,5555
0,6111
0,7222
0,7222
0,8333
0,8333
0,8889
0,9444
1

| S(zi) - F(zi) |

0,0152
0,0782
0,0782
0,0930
0,1469
0,1469
0,1469
0,1288
0,0596
0,0509
0,0768
0,0389
0,0389
0,0152
0,0152
0,0160
0,0500
0,0869

58,44
SD : 9,22

Statistik uji :
Nilai terbesar dari | S(zi) - F(zi) | = 0,1469
Kriteria uji : tolak Ho jika Lo Ltabel , terima dalam hal lainya.
Lo = 0,1469, berdasarkan Tabel 5 dengan n = 18 dan = 0,05, maka nilai Ltabel =0,200.
12

Ternyata Lo < Ltabel sehingga Ho diterima, yang berarti data berdistribusi normal
2. Uji Normalitas Data Dengan Microsoft Excel
1) Dengan Metode Liliefors
Contoh soal :
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 =
5%, apakah data tersebut di atas diambil dari populasi yang berdistribusi normal?
Penyelesaian :
Untuk mencari hasil uji normalitas data dengan menggunakan Microsoft Office
Excel 2007.
Langkah-langkahnya sebagai berikut :
1. Buka Microsoft Office Excel yang ada pada laptop atau Pc anda
start All Program Microsoft Office Microsoft Office Excel
2007
2. Setelah Microsoft Office Excel 2007 dibuka, maka buatlah tabel. Kemudian
masukkan data yang akan diuji, tabelnya seperti berikut ini :

13

3. Tentukan terlebih dahulu nilai rata-rata data (xx) dan standar deviasi (SD).
Rata-rata menggunakan formula : =AVERAGE(number1,2,), dan standar
deviasi(SD) =STDEV(number1,2,). Tanpa tanda kutip.

14

Maka niali rata-rata( xx )= 58,44, dan Standar Deviasi (SD)= 9,22

4. Isi data tabel z dengan rumus z =
seperti berikut

15

( xxx )
S

atau dengan Formula Excel

Dari rumusan pertama untuk tabel z =(B4-$B$22)/$B$23 untuk data ke-dua dan
seterusnya maka kita copas/tarik kebawah. Dan berikan tanda $ supaya pada saat di copas
Nilai rata-rata dan Standar Deviasinya tidak berubah.
5. Mencari nilai F(z)
Untuk mengisi kolom F(z) gunakan Rumus/formula F(z) =NORMSDIST(z)
tanpa tanda kutip.

16

6. Mencari nilai S(z)

Nilai S(z) adalah nilai kumulatif frekuensi dimana x = 45 itu memiliki urutan
pertama saja maka yang dihitung adalah urutan pertama, jadi 1/18=0,05556 .
Untuk x =46

urutan ke-dua dank ke-3 maka 3/18 = 0,16667, Untuk

seterusnya sampai urutan ke-18 yaitu 18/18=1. Kalau kita menggunakan

rumus Excel ketik =IF(B4=B5,E5,A4/18)

17

7. Mencari nilai |S(z)-F(z)|

Nilai |S(z)-F(z)| adalah nilai Liliefors (L) yang berisi nilai mutlak.

18

8. Kesimpulan
Jika L0< Lt ,maka data tersebut berdistribusi normal
Jika L0 Lt , maka data tersebut tidak berdistribusi normal.
Dari hasil perhitungan diatas [S(z)-F(z)] mana yang paling besar merupakan
Lh, maka Lh =0,1467 , Lt yang di dapat dari = 5% = 0,05 dan n = 18 yakni
Lt = 0,2000
karena L0<Lt maka data diatas dinyatakan Normal
2) Metode Chi Kuadrat ( x2 )

3.

Uji Normalitas Data Dengan SPSS

1) Dengan Metode Liliefors
Apakah data variabel Nilai_IPK dan Nilai_TPA berdistribusi normal atau
tidak (menggunakan metode Liliefors) ?
1. Klik Analyze Descriptive Stattistics Explore sebagai berikut :
19

2. Akan didapat tampilan berikut :

3. Pindahkan variabel Nilai_IPK dan Nilai_TPA yang akan diuji

normalitasnya ke dalam Dependent List sebagai berikut :

20

4. Kemudian klik Plots dan beri tanda check pada kotak disamping kiri
Normality plots with tests sebagai berikut :

21

5. Kemudian klik Continue dan klik OK. Ouput dari normality test variabel
Nilai_IPK dan Nilai_TPA adalah sebagai berikut (tidak semua output
ditampilkan);

Interpr
etasi Hasil
1. H0 : data berdistribusi normal
H1 : data tidak berdistribusi normal
2. Signifikasi : = 5%
3. Statistik uji normalitas
22

4. Komputasi :

5. Keputusan : P-Nilai_IPK = 0,200 > 0,05 H0 diterima

P-Nilai_TPA = 0,200 > 0,05 H0 diterima
6. Kesimpulan : untuk nilai P-Nilai_IPK data berdistribusi norma.
Sedangkan Untuk nilai P_Nilai_TPA data berdistribusi normal.

2) Uji Normalitas dengan Metode Kolmogrov-Smirnov

1. Klik Analyze Nonparamatric Tests 1_Sample K-S sebagai berikut :
23

2.
2. Akan didapat tampilan berikut :

3. Pindahkan variabel Nilai_IPK dan Nilai_TPA yang akan diuji normalitasnya

ke dalam Test Variable List sebagai berikut :
24

4. Kemudian klik OK.

Interpretasi Hasil
1. H0 : data berdistribusi normal
H1 : data tidak berdistribusi normal
2. Signifikasi : = 5%
3. Statistik uji normalitas
25

4. Komputasi :

5. Keputusan : P-Nilai_IPK = 0,909 > 0,05 H0 diterima

P-Nilai_TPA = 0,945 > 0,05 H0 diterima
6. Kesimpulan : untuk nilai P-Nilai_IPK data berdistribusi norma.
Sedangkan Untuk nilai P_Nilai_TPA data berdistribusi normal.
3) Uji Normalitas dengan Metode Chi-Square
1. Tabel dibawah ini digunakan untuk melihat hubungan antara tipe Perguruan
Tinggi dengan jenis kelamin, apakah ada kecendrungan perguruan tinggi
Swasta lebih banyak mahasiswi jika dibandingkan dengan Perguruan Tinggi
Negeri.

26

2. Pada lembar Variable View dari SPSS Data Editor kita definisikan variabel
kategorik

pertama

Nama_Mahasiswa

dengan

Nama_Mhs,

variabel

Perguruan_Tinggi (dengan data value 1 = Negeri; 2 = Swasta) dan

variabel Jenis_Kelamin (dengan data value 1 = Laki-laki; 2 =
Perempuan).

27

3. Kemudian pada lembar Data View dari SPSS Data Editor, kita masukkan
data Nama_Mahasiswa, Perguruan Tinggi, dan Jenis_Kelamin diatas ke dalam
SPSS sebagai berikut :

4. Klik Analyze Descriptive Stattistics Crosstabs sebagai berikut :

28

5. Akan didapat tampilan sebagai berikut :

6. Pindahkan variabel Perguruan_Tinggi (rows) dan Jenis_Kelamin (coloum)

yang akan diuji normalitasnya ke dalam crosstabs sebagai berikut :

29

7. Klik statistics, maka akan didapatkan tampilan sebagai berikut lalu centang
Chi-Square selanjutnya Continue.

8. Pada tampilan dibawah ini klik Cell.

30

9. Klik Cell, kemudian lihat bagian percentages pilih rows akan didapat tampilan
sebagai berikut :

10. Klik Continue

Interpretasi Hasil
H0 : tidak ada perbedaan yang signifikan proporsi laki-laki dan perempuan antara
Perguruan Tinggi Negeri dengan Perguruan Tinggi Swasta.
H1 : ada perbedaan yang signifikan proporsi laki-laki dan perempuan antara Perguruan
Tinggi Negeri dengan Perguruan Tinggi Swasta.
31

1. Signifikasi : = 5%
2. Statistik uji : Chi-Square
3. Komputasi :

4. Keputusan : P-value = 0,083 > 0,05 H0 diterima

Kesimpulan : tidak ada perbedaan yang signifikan proporsi laki-laki dan perempuan
antara Perguruan Tinggi Negeri dengan Perguruan Tinggi Swasta.
4) Uji Independen
Akan dilakukan uji Independen nilai rata-rata kelulusan mahasiswa yang terdiri dari variabel
Nilai_IPK, Nilai_Toefel dan Nilai_TPA ?
1. Klik Analyze Compare Means One-Sample t Test

2. Akan didapat tampilan berikut :

32

3. Pindahkan variabel Nilai_IPK, Nilai_Toefel dan Nilai_TPA yang akan diuji normalitasnya
ke dalam Test Variable(s) sebagai berikut :

4. Klik OK, dan akan didapat hasil SPSS sebagai berikut :

Sebelum dilakukan uji independen atau uji beda dua rata-rata maka terlebih dahulu dilakukan
uji F.
1. H0 : Kelompok data nilai_IPK, Toefel, TPA antara jurusan Matematika dan Fisika

memiliki

Varian yang sama

H1 : Kelompok data nilai_IPK, Toefel, TPA antara jurusan Matematika dan Fisika memiliki
Varian yang berbeda.

33

2. Signifikasi : = 5%
t hitung nilai_IPK adalah -0,433
t hitung nilai_Toefel adalah 0,640
t hitung nilai_TPA adalah -1,513
3. Statistik uji F (Homogenitas)
4. Komputasi :

5. Keputusan : Sig-Nilai_IPK = 0,706 > 0,05 H0 diterima

Sig-Nilai_Toefel = 0,945 > 0,05 H0 diterima
Sig-Nilai_TPA = 0,918 > 0.05 H0 diterima
6. Kesimpulan : H0 : Kelompok data nilai_IPK, Toefel, TPA antara jurusan Matematika dan
Fisika memiliki Varian yang sama.
Sehingga Uji t (Independen sample T Test) menggunakan nilai Equal Varians Assemed.
1. Uji t H0 : tidak ada perbedaan Nilai_IPK, Toefel, TPA antara jurusan Matematika dengan
jurusan Fisika.
Uji t H1 : tidak ada perbedaan Nilai_IPK, Toefel, TPA antara jurusan Matematika dengan
jurusan Fisika.
2. Statatistik uji t
3. Komputasi :

4. t tabel dapat dilihat pada tabel statistik dengan signifikasi = 0,05/2 = 0,25

34

BAB III
PENUTUP
A. Kesimpulan
Uji distribusi normal adalah uji untuk mengukur apakah data yang didapatkan
memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik
inferensial). Dengan kata lain, uji normalitas adalah uji untuk mengetahui apakah data
empirik yang didapatkan dari lapangan itu sesuai dengan distribusi teoritik tertentu. Dalam
kasus ini, distribusi normal.
Ada empat Metode dalam Uji Normalitas ini , yaitu metode Liliefors, Chi Kuadrat,
Kolmogorov Smirnov dan Metode Shapiro-Wilk.
Dari permbahasan kami dapat menyimpulkan bahwa normalnya sebuah data apabila
Jika xhitung

Jika xhitung <

x tabel, artinya distribusi tidak normal dan

x tabel, artinya terdistribusi normal.

B. Saran
Sekian yang bisa kelompok kami sampaikan semoga pembahasan tentang
pengujian data statistik dengan menggunakan uji normalitas dapat bermanfaat bagi
para pembaca, dan dapat menunjang dalam pembuatan karya ilmiah kedepannya
dalam sebuah eksperimen.

35