Anda di halaman 1dari 4

UJI NORMALITAS

Pengujian normalitas dilakukan untuk mengetahui normal tidaknya suatu


disribusi data. Hal ini penting diketahui karena berkaitan dengan ketetapan
pemilihan uji yang akan digunakan. Uji parametrik misalnya, mengsyaratkan data
harus normal. Apabila distribusi tidak normal maka disarankan untuk
menggunakan uji nonparametric.
Pengujian normalitas ini harus dilakukan apabila belum ada teori yang
menyatakan bahwa variable yang diteliti adalah normal. Dengan kaa lain, apa
bila ada teori yang menyatakan bahwa suatu variable yang sedang diteliti
normal, maka tidak perlu lagi pengujian normalitas.

Uji normalitas dengan lilliefors test


Kelebihan lilliefors test adalah penggunaan atau perhitungannya yang
sederhana, serta cukup kuat (power full) sekalipun dengan ukran sample kecil,
n=4 (Harun Al Rasyid, 2004). Proses pengujian lillifors test dapat mengikuti
langkah-langkah berikut:

1. Susunlah data dari kecil ke besar. Setiap data ditulis sekali, meskipun ada
data yang sama.
2. Periksa data, berapa kali munculnya bilangan-bilangan itu (frekuensi
harus ditulis).
3. Dari frekuensi susun frekuensi kumulatifnya. F(zi) = P(z zi)
4. Berdasarkan frekuensi kumulatif, hitunglah proporsi empirik (observasi).
Ket: Xi = Angka pada data ke-i
Z = Transformasi dari angka ke notasi pada distribusi normal
X = rata-rata
S = simpangan baku

5. Hitung nilai z untuk mengetahui theoretical proportion pada tabel z.


F(zi) = P(z zi)
6. Menghitung theoretical proportion.

S(zi) =

7. Bandingkan empirical proportion dengan theoretical proportion, kemudian


carilah selisih terbesar titik observasinya.
8. Buat kesimpulan, dengan kriteria uji,
uji tolak H0 jika D > D(n,α)

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

Signifikansi
Signifikansi uji, nilai [F (x) - S (x)] terbesar dibandingkan dengan nilai table
Lilliefors. Jika nilai [F (x) - S (x)]
(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.

No Xi Z= Xi – X F(x) S(x) F(x) – S(x)


SD

Keterangan :
Xi = Angka pada data ke-i
Z = Transformasi dari angka ke notasi pada distribusi normal
F(x) = Probabilitas komulatif normal
S(x) = Probabilitas komulatif empiris
F(x) = komulatif proporsi luasan kurva normal berdasarkan notasi Zi, dihitung dari
luasan kurva normal mulai dari ujung kiri kurva sampai dengan titik Zi.

Contoh:
Misalkan sample dengan data:
23, 27, 33, 40, 48, 48, 57, 59, 62, 68, 69, dan 70 telah diambil dari sebuah
populasi.
Akan diuji hepotesis 0 bahwa sample ini berasal dari populasi dengan distribusi
normal. Dari data diatas di dapat rata-rata = 50.3 dan S = 16,55. agar di
mengerti, setelah mengikuti prosedur di sebutkan diatas, sebaiknya hasilnya
disusun:
Hipotesis
Hipotesis Ho : tidak beda dengan populasi normal
Ha : Ada beda populasi normal
Nilai α = level signifikansi = 5% = 0,05

no X(i) Z F(x) S(x) F(x) - S(x)


1 23 1,65 0,0495 0,0833 0,0338
2 27 1,41 0,0793 0,1667 0,0874
3 33 1,05 0,1469 0,25 0,1031
4 40 -0,62 0,2676 0,3333 0,0657
5 48 -0,14 0,4443 0,5 0,0557
6 48 0,14 0,4443 0,5 0,0557
7 57 0,4 0,6554 0,5833 0,0721
8 59 0,53 0,7019 0,6667 0,0352
9 62 0,71 0,7612 0,75 0,0112
10 68 1,07 0,8577 0,8333 0,0244
11 69 1,13 0,8708 0,9167 0.0459
12 70 1,19 0,883 1 0,117
604

Dari kolom terakhir dalam daftar diatas didapat Lo = 0,1170.


0,1170. Dengan n = 12
Dan taraf nyata α = 0,05,dari daftar L = 0,242 yang lebih besar dari 0,1170
sehingga hepotesisnya nol diterima.
Kesimpulannya adalah bahwa populasi berdisribusi normal.