METODE SAHPIRO WILK

Disusun oleh:
1. LINDA NOVITASARI
2. CORNELIA ANINDITA K. D
3. SISCA IKKE WULANDARI
4. AYU TRIANINGRUM
5. RISMA AFIFATUL HUSNA
6. CHRISNA WAHYU SETYONO
7. NEHEMIA ALTO YOSANA
8. NASTITI PUTRI AYU K.
9. UNGGUL TRANGGONO
10. WAHYU WULANTIASARI
11. NISA HANIF
12. ISMI AISYAH
13. ALFANDY R. H.

(155100300111052)
(155100300111054)
(155100300111056)
(155100300111057)
(155100300111058)
(155100300111062)
(155100300111065)
(155100300111067)
(155100300111068)
(155100300111072)
(155100300111074)
(155100300111076)
(155100300111096)

JURUSAN TEKNOLOGI INDUSTRI PERTANIAN

FAKULTAS TEKNOLOGI PERTANIAN
UNIVERSITAS BRAWIJAYA
2016

PENDAHULUAN
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 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.
Adapun syarat dalam penggunaan metode Shapiro Wilk antara lain data
kuantitatif (data berskala interval ataupun rasio). Data yang berjenis interval
termasuk dalam kelompok data kuantitatif. Data interval memiliki tingkat
pengukuran yang lebih tinggi daripada data nominal maupun ordinal. Angka yang
digunakan dalam data ini selain menunujukan urutan juga dapat dilakukan operasi
matematika. Contoh dari data interval seperti kecerdasan intelektual yang
dinyatakan dalam IQ. Rentang IQ 100 sampai 110 memiliki jarak yang sama
dengan sampai 120. Namun demikian tidak dapat dinyatakan orang yang memiliki
IQ 150 tingkat kecerdasannya 1,5 kali dari orang yang memiliki IQ 100.
Kemudian data rasio adalah tipe data dengan level pengukuran yang paling
tinggi dibandingkan tipe data pengukuran lain. Data rasio ini termasuk kelompok

data ini menunjukkan angka yang sesungguhnya bukan hanya sebagai simbol dan
memiliki nilai nol yang sesungguhnya. Contoh dari data rasio seperti Berat bayi
yang diukur dengan skala rasio, bayi A memiliki berat badan 3 kg. Berat badan
bayi B memiliki berat 2 kg dan bayi C memiliki berat 1 kg. Jik diukur dengan
skala rasio maka bayi A memiliki rasio berat badan 3 kalli dari berat badan bayi C
dst. Lalu datanya dalam bentuk data tunggal dan berasal dari sampel random.
Selanjutnya data n berjumlah (<=50) karena jumlah n pada tabel Shapiro Wilk
hanya berjumlah 50, dan jika banyaknya data yang digunakan lebih dari 50 maka
dapat menggunakan metode lain.
Data yang digunakan diambil dengan metode random sampling atau
sampel acak. Random sampling adalah pengambilan samplel yang dilakukan
secara acak sehingga setiap data atau elemen dalam populasi memiliki
kesempatan yang sama besar untuk dipilih sebagai sampel uji.
Tahap Uji Kenormalan Shapiro Wilk
1. Menentukan hipotesis
H0: Sampel berasal dari populasi berdistribusi normal
H1: Sampel tidak berasal dari populasi berdiistribusi normal
2. Tingkat signifikasi atau
3. Daerah penolakan dengan mengkonversikan tingkat signifikasi () pada
tabel shapiro wilk. Daerah penolakan didefinisikan sebagai berikut :
T3 < (W;;n) maka H0 diterima
T3 > (W;;n) maka H0 ditolak
4. Statistik uji yang digunakan dalam shapiro wilk adalah :

Dimana signifikasi uji nilai T3 dibandingkan dengan niai tabel shapiro wilk,
untuk dilihat posisi nilai probabilitasnya.
5. Kesimpulan

CONTOH SOAL METODE 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

Xi

( ni+1 ) pada data

= 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

( X i X )2

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:

ai

X ( ni+1) X i

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

1
2
3
4
5
6
7
8
9

0.4886
0.3253
0.2553
0.2027
0.1587
0.1197
0.0837
0.0496
0.0163

71-45=26
70-46=24
69-46=23
68-48=20
68-52=16
65-52=13
65-52=13
63-54=9
61-57=4

330.2936
187.3728
135.0537
81.08
40.6272
20.2293
14.1453
4.0176
0.2608

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

T3 =

1
D

= 813.0803

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

Bisa juga dicari melalui G :

= 0.562902

G=
=

bn + cn + ln

T 3d n
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