KOLMOGOROV SMIRNOV & SAHPIRO WILK

(UNTUK MEMENUHI TUGAS PRAKTIKUM METSTAT 2)

NAMA : ERFIN TRIYAMAN HAREFA

KELAS : 2-I
NIM

: 11.6640

SEKOLAH TINGGI ILMU STATISTIK

JAKARTA

UJI NORMALITAS
Data klasifikasi kontinu, 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
software computer. Pada saat ini, penulis hanya menjelaskan dua di antara uji
statistik normalitas yaitu, Kolomogorov Smirnov dan Shapiro Wilk.
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.
Berbeda halnya dengan 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.
Penulis akan membahas secara langsung kedua uji statistik normalitas
tersebut melalui penerapan dalam soal.

SOAL KOLMOGOROV SMIRNOV

Erfin, seorang mahasiswa tingkat 4 sedang menyusun skripsi. Dia
melakukan penelitian yaitu, melihat hubungan antara nilai USM Matematika STIS
dengan prestasi belajar tingkat 1 semester pertama mahasiswa stis 2011/2012.
Dalam penelitian tersebut dari 400 mahasiswa tingkat 1 semester pertama tahun
ajaran 2011/2012, Erfin mengambil sampel sebanyak 30 orang secara acak sesuai
metode yang sah. Data sampel tersebut dikatakan baik untuk penelitian apabila
sampel berasal dari populasi yang berdistribusi normal. Berikut data nilai usm
matematika dari 30 sampel acak yang terpilih:
Tabel 1. NILAI USM MATEMATIKA STIS TAHUN 2011/2012
NIM
11.6670
11.7676
11.6551
11.1010
11.4432
11.2222
11.7662
11.5542
11.6116
11.6640

NILAI USM
MATEMATIKA
78
70
68
72
72
76
72
80
78
76

NIM
11.3435
11.2323
11.6551
11.2121
11.4545
11.3456
11.5678
11.4340
11.6000
11.2601

NILAI USM
MATEMATIKA
82
70
92
58
96
80
68
66
50
68

NIM
11.3435
11.7967
11.4531
11.1011
11.2552
11.2020
11.3430
11.7345
11.5540
11.3097

NILAI USM
MATEMATIKA
88
66
58
66
78
66
86
58
86
50

Dengan menggunakan uji kolmogorov smirnov, buktikan apakah data sampel

berasal dari populasi berdistribusi normal atau tidak? (Dengan tingkat
kepercayaan = 5 %)
PEMBAHASAN:
1. H0 = sampel berasal dari populasi berdistribusi normal
H1 = sampel bukan berasal dari populasi berdistribusi normal
2. = 5 %
3. Daerah penolakan
Harga Quantil Statistik Kolmogorov dengan = 5 % dan N = 30 maka nilainya
0.927
Jika |FT FS| > |0.927| maka H0 ditolak.
4. Rumus statistik penguji
NO
.
1
2

Xi

FT

FS

|FT FS|

3
4
5
dst
5. Perhitungan
NO
.
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

Xi
50
50
58
58
58
66
66
66
66
68
68
68
70
70
72
72
72
76
76
78
78
78
80
80
82
86
86
88
92
96

X =72.466

67
SD =11.35
853

FT

FS

|FT FS|

-1.97796

0.0244

0.066667

0.04227

-1.27364

0.1020

0.166667

0.06467

-0.56932

0.2877

0.3

0.0123

-0.39324

0.3483

0.4

0.0517

-0.21716

0.4168

0.466667

0.04987

-0.04109

0.4840

0.566667

0.08267

0.311073

0.6217

0.633333

0.01163

0.487152

0.6844

0.733333

0.04893

0.663232

0.7454

0.8

0.0546

0.839311

0.7967

0.833333

0.03663

1.191469

0.8830

0.9

0.017

1.367548
1.719707
2.071865

0.9131
0.9564
0.9808

0.933333
0.966667
1.000000

0.02023
0.01027
0.0192

Nilai |FT FS| tertinggi sebagai angka penguji normalitas, yaitu 0.0192
6. Keputusan
|0.0192| < |0.927| maka H0 diterima
7. Kesimpulan
Dengan tingkat kepercayaan sebesar 5%, terbukti bahwa data 30 sampel acak
nilai usm matematika stis yang terpilih berasal dari populasi berdistribusi
normal.
SOAL SHAPIRO WILK
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 63 52 46 68 65
57 70 52 65 69 68
52 48 54 45 71 61 lux.
Selidikilah dengan = 5 %, apakah data 18 sampel rata-rata pencahayaan alami
di beberapa ruangan dalam rumah pada sore hari tersebut di atas diambil dari
populasi yang berdistribusi normal ?
PEMBAHASAN:
1. H0 = sampel berasal dari populasi berdistribusi normal
H1 = sampel bukan berasal dari populasi berdistribusi normal
2. = 5 %
3. Daerah penolakan

4. Harga Quantil Statistik Shapiro Wilk dengan = 5 % dan n = 18 adalah

0.897
Jika T3 > 0.897 maka tolak H0.
5. Rumus statistik penguji
k
2
1
a i ( X (ni+1 )X i )

T3 = D i=1

)2
( X i X
D=
i=1

G=

bn + cn + ln

T 3d n
1T 3

Keterangan:
ai = koefisien test Shapiro Wilk

X ( ni+1)

= angka ke

( ni+1 ) pada data

Xi

= angka ke i pada data

G = identik dengan nilai Z distribusi normal
bn
, c n , d n = konversi statistik Shapiro Wilk pendekatan distribusi
normal
6. Penghitungan
Xi

X i X

2
( X i X )

45
46
46
48
52
52
52
54
57
61
63
65
65
68
68
69
70
71

-13.4444
-12.4444
-12.4444
-10.4444
-6.4444
-6.4444
-6.4444
-4.4444
-1.4444
2.5556
4.5556
6.5556
6.5556
9.5556
9.5556
10.5556
11.5556
12.5556

180.7531
154.8642
154.8642
109.0864
41.53086
41.53086
41.53086
19.75309
2.08642
6.530864
20.75309
42.97531
42.97531
91.30864
91.30864
111.4198
133.5309
157.642

X = 58.4444
n

D=

( X i X )2 =1444.444
i=1

Langkah berikutnya menghitung nilai T:

i

ai

X ( ni+1) X i

ai ( X (ni+1 )X i )2

1
2
3
4
5
6
7

0.4886
0.3253
0.2553
0.2027
0.1587
0.1197
0.0837

71-45=26
70-46=24
69-46=23
68-48=20
68-52=16
65-52=13
65-52=13

330.2936
187.3728
135.0537
81.08
40.6272
20.2293
14.1453

8
9

0.0496
0.0163

ai ( X ( ni+1) X i )
i=1

T3 =

1
D

63-54=9
61-57=4

4.0176
0.2608

= 813.0803

a i ( X (ni+1 )X i )
i=1

= 0.562902

Bisa juga dicari melalui G :

T d
bn + cn + ln 3 n
G=
1T 3

4.885+1.770+ln

)
( 0.5629020.2528
10.562902 )

= -3.45826
7. Keputusan
Karena T3 = 0.562902 < 0.897 maka terima H0
Bisa melalui nilai G : Karena hasil G merupakan nilai Z pada distribusi
normal maka, berdasarkan nilai G = -3.45826 maka nilai luasannya = 0.0003 <
0.897 sehingga terima H0 .
8. Kesimpulan
Dengan tingkat kepercayaan 5 %, terbukti bahwa 18 sampel rata-rata
pencahayaan alami di beberapa ruangan dalam rumah pada sore hari tersebut
diambil dari populasi berdistribusi normal.

LAMPIRAN