Anda di halaman 1dari 67

YASAMAS

1
STATISTIK UJI NORMALITAS

Oleh :
Tri Cahyono, SKM, M.Si

YAYASAN SANITARIAN BANYUMAS


(YASAMAS) 2015
2
Statistik Uji Normalitas

Tri Cahyono

Diterbitkan oleh :
Yayasan Sanitarian Banyumas (Yasamas)
Jl. Baturraden Km.12
PO BOX 148
Purwoketo
53151
Telpon/fax. 0281-681709,
Email : sugengzend@yahoo.com

Cetakan pertama Maret 2015

ISBN 978 602 72170 1 0

3
KATA PENGANTAR

Salah satu alat bantu statistik adalah uji normalitas. Uji normalitas
berguna untuk menentukan data yang telah dikumpulkan
berdistribusi normal atau diambil dari populasi normal..

Kadangkala pengguna statistik paham dengan rumus uji normalitas


yang disajikan, namun untuk menerapkan masih merasa
kebingungan dan keraguan. Berdasarkan pengalaman keadaan
tersebut penulis terdorong untuk menyajikan rumus-rumus statistik
dengan teori yang sederhana dan memberikan contoh penerapan
rumus tersebut, sehingga mudah dipahami.

Dalam penyajian buku ini tentunya masih banyak kekurangannya,


untuk itu saran, kritik sangatlah penulis harapkan demi sempurna
buku ini.

Penulis berharap mudah-mudahan tulisan yang singkat ini dapat


bermanfaat bagi pembaca dan menggugah lebih dalam lagi untuk
mempelajari statistik.

Purwokerto, Maret 2015

Penulis

Tri Cahyono

4
DAFTAR ISI

Halaman
HALAMAN COVER .................................................................... i
HALAMAN JUDUL ..................................................................... ii
KATA PENGANTAR................................................................... iii
DAFTAR ISI.................................................................................. iv

Statistik Uji Normalitas 1


A. Berdasarkan Kemiringan / Kemencengan / Skewnes dan
Kurtosis ..... 2
B. Metode Kertas Peluang Normal 8
C. Metode Chi Square (Uji Goodness of fit Distribusi Normal).. 10
D. Metode Lilliefors (n kecil dan n besar) ................................ 15
E. Metode Kolmogorov-Smirnov . 19
F. Metode Shapiro Wilk 23
G. Menggunakan Perangkat Lunak SPSS 28

DAFTAR PUSTAKA
LAMPIRAN
1. Contoh Kertas Peluang Normal
2. Tabel Distribusi Normal
3. Tabel Harga Kritis Chi Square (X2)
4. Tabel Harga Quantil Statistik Lilliefors Distribusi Normal
5. Tabel Harga Quantil Statistik Kolmogorov Distribusi Normal
6. Tabel Harga Quantil Statistik Shapiro-Wilk Distribusi Normal
7. Konversi Statistik Shapiro-Wilk Pendekatan Distribusi Normal
8. Koefisient untuk test Shapiro-Wilk
9. Hasil Print Out SPSS

5
STATISTIK UJI NORMALITAS
Data klasifikasi kontinue, 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 soft ware computer. Soft ware computer
dapat digunakan misalnya SPSS, Minitab, Simstat, Microstat, dsb.
Pada hakekatnya soft ware tersebut merupakan hitungan uji
statistik Kolmogorov Smirnov, Lilliefors, Chi-Square, Shapiro
Wilk, dsb yang telah diprogram dalam soft ware komputer.
Masing-masing hitungan uji statistik normalitas memiliki
kelemahan dan kelebihannya, pengguna dapat memilih sesuai
dengan keuntungannya.

1
Di bawah disajikan beberapa cara untuk menguji suatu data
berdistribusi normal atau tidak. Masing-masing cara memiliki
kelemahan dan keuntungan sendiri. Kelemahan dan keuntungan
tersebut dapat digunakan alternative pilihan bagi penguna uji untuk
memilih metode yang diinginkan.

A. Berdasarkan Kemiringan / Kemencengan / Skewnes dan


Kurtosis

Suatu data bila disajikan dalam bentuk kurva halus dapat berbentuk
kurva yang miring ke kanan, miring ke kiri atau simetris. Miring ke
kanan bila kurva mempunyai ekor (asymtut / menyinggung sumbu
X) yang memanjang ke sebelah kanan, demikian miring ke kiri
sebaliknya, sedangkan bila simetris berarti kondisi ke kanan dan
kiri seimbang, biasanya nilai mean, median dan modus berdekatan
bahkan kadang sama. Kondisi kurva yang simetris tersebut sering
disebut membentuk kurva distribusi normal. Kemiringan kurva
dapat dihitung berdasarkan rumus Koefisien Kemiringan Pearson,
yaitu :

RERATA MODUS 3( RERATA MEDIAN )


KEMIRINGAN
STANDAR .DEVIASI STANDAR .DEVIASI

Bila hasil kemiringan negatif, maka kurva miring ke kiri, bila hasil
kemiringan positif, maka kurva miring ke kanan, sedangkan pada
hasil kemiringan nol, maka kurva normal. Pada kurva normal
biasanya data cenderung berdistribusi normal. Secara visual
gambar sebagai berikut:

Kemiringan ke Kemiringan ke kiri


kanan simetris

Contoh kasus hasil pengukuran kebisingan pada tempat-tempat


umum didapat data sebagai berikut:

2
NO. KEBISINGAN (dB) JUMLAH
1. 70 79 9
2. 80 89 15
3. 90 99 12
4. 100 109 10
5. 110 119 4
JUMLAH 50

Penyelesaian

N JML fi. fi.


o Kbs(dB) (fi) Xi fi.Xi Xi - X Xi-X (Xi X)2 (Xi X)2
1 70 79 9 74,5 670,5 -17 153 289 2601
2 80 89 15 84,5 1267,5 -7 105 49 735
3 90 99 12 94,5 1134,0 3 36 9 108
4 100 109 10 104,5 1045,0 13 130 169 1690
5 110 119 4 114,5 458,0 23 92 529 2116
JUMLAH 50 4575,0 516 7250

a 6
Modus Lmdo . I Modus 79,5 .10 86,17
a b 63

N 50
F 24
Median Lmdi 2 . I Median 89,5 2 .10 90,33
fdi 12

X
fi. Xi X 4575 91,5
fi 50

SD
fi.( Xi X ) 2

SD
7250
12,04
N 50

3
RERATA MODUS 3( RERATA MEDIAN )
KEMIRINGAN
STANDAR.DEVIASI STANDAR.DEVIASI

91,5 86,17 3(91,5 90,33)


KEMIRINGAN KEMIRINGAN 0,44 0,29
12,04 12,04

Nilai kemiringan 0,44 atau 0,29, berarti miring ke kanan, tidak


simetris.

Rumus lainnya yang dapat digunakan untuk membutikan


kenormalan data, yaitu Koefisien Kurtosis Persentil, sebagai
berikut :
SK 1 (K K )
2
3 1

P90 P10 P90 P10

Keterangan : = kappa (Koefisien Kurtosis Persentil)


: SK = rentang semi antar kuartil
: P = persentil
: K = kuartil

Bila nilai Koefisien Kurtosis Persentil mendekati 0,263, maka


dapat disimpulkan data berdistribusi normal.
Berdasarkan kurva normal, untuk membuktikan data berdistribusi
normal atau tidak, dapat dihitung berdasarkan rumus Koefisien
Kurtosis, yaitu
m4
a4
m 22

Keterangan : a4 = koefisien kurtosis


: m = moment sekitar rata-rata, berdasar rumus di
bawah

mr
(x i x) r
untuk data tunggal
n

mr
f (x i i x) r
untuk data dalam distribusi frekuensi
n

4
Keterangan : mr = moment ke r = 1 , 2, 3, dst
: Xi = data ke i = 1, 2, 3, dst, (titik tengah interval
kelas)
: n = banyaknya angka pada data
: X = rata-rata
: fi = frekuensi

Bila nilai a4 sama dengan 3, maka data berdistribusi normal, bila a4


kurang dari 3, maka bentuk kurva normal platikurtik, bila nilai a4
lebih besar dari 3, maka bentuk kurva leptokurtic. Secara visual
gambar sebagai berikut:

distribusi normal

Platikurtik

leptokurtik

Contoh data tinggi badan masyarakat kalimas

NO. TINGGI BADAN JUMLAH


1. 140 149 6
2. 150 159 22
3. 160 169 39
4. 170 179 25
5. 180 189 7
6. 190 199 1
JUMLAH 100

5
Dihitung Koefisien Kurtosis Persentil sebagai berikut :

N 100
Fa1 6
K 1 Lb1 4 . I K 1 149,5 4 .10 158,14
f Q1 22

N 100
3. Fa 3 3. 67
K 3 Lb3 4 . I K 3 169,5 4 .10 172,70
f Q3 25

N 100
10. Fa10 10. 6
P10 Lb10 100 . I P10 149,5 100 .10 151,32
f P10 22

N 100
90. Fa 90 90. 67
P90 Lb90 100 . I P90 169,5 100 .10 178,70
f P 90 25

1 (K K ) 1 172,70 158,14
SK
2 2
3 1
0,265
P90 P10 P90 P10 178,70 151,32

Hasil Koefisien Kurtosis Persentil 0,265 0,263, distribusi


normal. Selanjutnya dihitung Koefisien Kurtosis.

JML fi fi
TB Xi fi.Xi Xi - X (Xi - X )2(x - X )2 (xi - X )4 (x - X )4
(fi) i i
140 149 6 144,5 867,0 -20,80 432,64 2595,84 187177,37 1123064,22
150 159 22 154,5 3399,0 -10,80 116,64 2566,08 13604,89 299307,57
160 169 39 164,5 6415,5 -0,80 0,64 24,96 0,41 15,97
170 179 25 174,5 4362,5 9,20 84,64 2116,00 7163,93 179098,24
180 189 7 184,5 1291,5 19,20 368,64 2580,48 135895,45 951268,15
190 199 1 194,5 194,5 29,20 852,64 852,64 726994,97 726994,97
Jumlah 100 16530,0 10736,00 3279749,12

6

f (x
i i x) 2
mr
f (x
i i x) r
=>
m2
n =>
n 10736 ,00
m2 107,36
100

m4
f (x i i x)4
n

3279749 ,12
m4 32797 ,49
100

m4 32797 ,49
a4 2
=> a 4 2,85
m2 107,36 2

Hasil Koefisien Kurtosis > 3, mendekati normal

7
B. Metode Kertas Peluang Normal

Metode kertas peluang normal membutuhkan kertas grafik khusus


yang disebut Kertas Peluang Normal. Contoh kertas peluang
normal dapat dilihat pada lampiran 1. Langkah pertama dalam
mempergunakan metode kertas peluang normal, yaitu data
disajikan dalam bentuk tabel distribusi frekuensi relatif (data
disajikan dalam bentuk prosentase). Contoh data sebagai berikut:
NO BERAT BADAN JUMLAH PERSENTASE
(kg)
1 30 39 8 5,71
2 40 49 15 10,71
3 50 59 26 18,57
4 60 69 33 23,57
5 70 79 27 19,29
6 80 89 20 14,29
7 90 99 11 7,86
JUMLAH 140 100,00
Selanjutnya tabel diubah dalam bentuk distribusi frekuensi
komulatif relatif kurang dari, sehingga terbentuk tabel sebagai
berikut :
BERAT BADAN (kg) KOMULATIF %
Kurang dari 29,50 0,00
Kurang dari 39,50 5,71
Kurang dari 49,50 16,42
Kurang dari 59,50 34,99
Kurang dari 69,50 58,56
Kurang dari 79,50 77,85
Kurang dari 89,50 92,14
Kurang dari 99,50 100,00
Berikutnya data komulatif relatif ditampilkan pada kertas peluang
normal. Sumbu horisontal tempat meletakkan interval kelas dan
sumbu vertikal tempat untuk angka komulatifnya. Pertemuan kelas
dan angka komulatif ditandai dengan titik-titik. Jika titik-titik
tersebut dihubungkan membentuk garis lurus, berarti data
berdistibusi normal.

8
Contoh untuk penyajian data di atas pada kertas peluang normal
menjadi sebagai berikut :

9
C. Metode Chi Square (Uji Goodness of fit Distribusi Normal)

Metode Chi-Square atau X2 untuk Uji Goodness of fit Distribusi


Normal, menggunakan pendekatan penjumlahan penyimpangan
data observasi tiap kelas dengan nilai yang diharapkan.

1. Rumus X2

Oi Ei 2
X2
Ei
Keterangan :
X2 = Nilai X2
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas
berdasarkan tabel normal dikalikan N (total frekuensi)
pi x N
N = Banyaknya angka pada data (total frekuensi)

Komponen penyusun rumus tersebut di atas didapatkan


berdasarkan pada hasil transformasi data distribusi frekuensi
yang akan diuji normalitasnya, sebagai berikut:

BATAS INTERVAL
KELAS X X Ei
Z i
NO (batas tidak nyata) SD pi Oi (pi x N)
1
2
3
4
dst

Keterangan :
Xi = Batas tidak nyata interval kelas
Z = Transformasi dari angka batas interval kelas ke notasi
pada distribusi normal
pi = Luas proporsi kurva normal tiap interval kelas berdasar
tabel normal (Lampiran 2)
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas
10
berdasarkan tabel normal dikalikan N (total frekuensi)
pi x N

2. Persyaratan
a. Data tersusun berkelompok atau dikelompokkan dalam
tabel distribusi frekuensi.
b. Cocok untuk data dengan banyaknya angka besar ( n > 30 )
c. Setiap sel harus terisi, yang kurang dari 5 digabungkan.

3. Signifikansi
Signifikansi uji, nilai X2 hitung dibandingkan dengan X2 tabel
(Chi-Square) . Jika nilai X2 hitung kurang dari nilai X2 tabel,
maka Ho diterima ; Ha ditolak. Jika nilai X2 hitung lebih besar
dari nilai X2 tabel, maka Ho ditolak ; Ha diterima. Tabel X2
(Chi-Square) pada lampiran 3.

4. Penerapan

TINGGI BADAN MASYARAKAT KALIMAS TAHUN 2015


NO. TINGGI BADAN JUMLAH
1. 140 149 6
2. 150 159 22
3. 160 169 39
4. 170 179 25
5. 180 189 7
6. 190 199 1
JUMLAH 100

Selidikilah dengan = 5%, apakah data tersebut di atas


berdistribusi normal ?

Penyelesaian :

a. Hipotesis
Ho : tidak beda dengan populasi normal
Ha : Ada beda populasi normal
11
b. Nilai
Nilai = level signifikansi = 5% = 0,05

c. Rumus Statistik penguji


Oi Ei 2
X
2

Ei

BATAS INTERVAL
KELAS X X Ei
Z i
NO (batas tidak nyata) SD pi Oi (pi x N)
1
2
3
4
dst

d. Hitung rumus statistik penguji.

Telah dihitung Mean = 165,3 ; Standar deviasi = 10,36

BATAS
INTERVAL
KELAS
N (batas tidak Z X i X Ei
O nyata) SD pi Oi (pi x N)
1. 139,5 149,5 -2,49 -1,53 0,0064 0,0630=0,0566 6 5,66
2. 149,5 159,5 -1,53 -0,56 0,0630 0,2877=0,2247 22 22,47
3. 159,5 169,5 -0,56 0,41 0,2877 0,6591=0,3714 39 37,14
4. 169,5 179,5 0,41 1,37 0,6591 0.9147=0,2556 25 25,56
5. 179,5 189,5 1,37 2,34 0,9147 0,9904=0,0757 7 7,57
6. 189,5 199,5 2,34 3,30 0,9904 0,9995=0,0091 1 0,91
JUMLAH 100

Luasan pi dihitung dari batasan proporsi hasil tranformasi Z


yang dikonfirmasikan dengan tabel distribusi normal
(Lampiran 2). Proporsi dihitung mulai dari ujung kurva
paling kiri sampai ke titik Z, namun dapat juga

12
menggunakan sebagian ujung kiri dan sebagian ujung
kanan, sehingga hasil pi sebagai berikut.

0,0064 0,0630= 0,0566 ujung kurve kiri


0,0630 0,2877= 0,2247 ujung kurve kiri
0,2877 0,3409= 0,3714 melalui tengah titik nol
0,3409 0,0853= 0,2556 ujung kurve kanan
0,0853 0,0096= 0,0757 ujung kurve kanan
0,0096 0,0005= 0,0091 ujung kurve kanan

Oi Ei 2
X2
Ei

X2
6 5,662 22 22,472 39 37,142 25 25,562 8 8,482
5,66 22,47 37,14 25,56 8,48
X 0,1628
2

e. Df/db/dk
Df = ( k 3 ) = ( 5 3 ) = 2

f. Nilai tabel
Nilai tabel X2 ; = 0,05 ; df = 2 ; = 5,991. Tabel X2 (Chi-
Square) pada lampiran 3.

13
g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


0,1628 < 5,991 ; berarti Ho diterima, Ha
ditolak

h. Kesimpulan
Sampel diambil dari populasi normal, pada = 0,05.

14
D. Metode Lilliefors (n kecil dan n besar)

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 lampiran 4 Tabel Harga Quantil Statistik
Lilliefors Distribusi Normal

1. Rumus

Xi X F (x) - S
Z
NO Xi SD F (x) S (x ) (x)
1
2
3
4
dst

Keterangan :
Xi = Angka pada data
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.

banyaknya..angka..sampai..angka..ke..ni
S( X )
banyaknya..seluruh..angka.. pada..data

2. 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.
15
3. Signifikansi
Signifikansi uji, nilai F (x) - S (x) terbesar dibandingkan
dengan nilai tabel Lilliefors. Jika nilai F (x) - S (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. Tabel Lilliefors
pada lampiran 4, Tabel Harga Quantil Statistik Lilliefors
Distribusi Normal

4. Penerapan
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 :

a. Hipotesis
Ho : tidak beda dengan populasi normal
Ha : Ada beda populasi normal

b. Nilai
Nilai = level signifikansi = 5% = 0,05

c. Rumus Statistik penguji

Xi X
Z
NO Xi SD F(x) S(x) F(x) - S(x)
1
2
3
4
5
dst

16
d. Hitung rumus statistik penguji.

Xi X
Z
NO Xi SD F (x) S (x ) F (x) - S (x)
1 45 -1,4577 0,0721 0,0556 0,0165
2 46
3 46 -1,3492 0,0885 0,1667 0,0782
4 48 -1,1323 0,1292 0,2222 0,0930
5 52
6 52
7 52 -0,6985 0,2420 0,3889 0,1469
8 54 -0,4816 0,3156 0,4444 0,1288
9 57 -0,1562 0,4364 0,5000 0,0636
10 61 0,2777 0,6103 0,5556 0,0547
11 63 0,4946 0,6879 0,6111 0,0768
12 65
13 65 0,7115 0,7611 0,7222 0,0389
14 68
15 68 1,0369 0,8508 0,8333 0,0175
16 69 1,1453 0,8749 0,8889 0,0140
17 70 1,2538 0,8944 0,9444 0,0500
18 71 1,3623 0,9131 1,0000 0,0869
X 58,44
SD 9,22

Nilai F(x) - S(x) tertinggi sebagai angka penguji


normalitas, yaitu 0,1469

e. Df/db/dk
Df = = tidak diperlukan

f. Nilai tabel
Nilai Kuantil Penguji Lilliefors, = 0,05 ; N = 18 ;
0,2000. Tabel Lilliefors pada lampiran 4.
17
g. Daerah penolakan
Menggunakan rumus
0,1469 < 0,2000 ; berarti Ho diterima, Ha
ditolak

h. Kesimpulan
Sampel diambil dari populasi normal, pada = 0,05.

18
E. Metode Kolmogorov-Smirnov

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.

1. Rumus

NO Xi X
Xi Z FT FS FT - FS
SD
1
2
3
4
5
dst

Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi
normal
FT = Probabilitas komulatif normal
FS = Probabilitas komulatif empiris

FT = komulatif proporsi luasan kurva normal berdasarkan


notasi Zi, dihitung dari luasan kurva mulai dari ujung kiri kurva
sampai dengan titik Z.

banyaknya..angka..sampai..angka..ke..n i
FS
banyaknya..seluruh..angka.. pada..data

2. 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.
19
3. Siginifikansi
Signifikansi uji, nilai FT - FS terbesar dibandingkan dengan
nilai tabel Kolmogorov Smirnov. Jika nilai FT - FS terbesar
kurang dari nilai tabel Kolmogorov Smirnov, maka Ho diterima
; Ha ditolak. Jika nilai FT - FS terbesar lebih besar dari nilai
tabel Kolmogorov Smirnov, maka Ho ditolak ; Ha diterima.
Tabel Kolmogorov Smirnov pada lampiran 5, Harga Quantil
Statistik Kolmogorov Distribusi Normal.

4. Penerapan
Suatu penelitian tentang berat badan peserta pelatihan
kebugaran fisik/jasmani dengan sampel sebanyak 27 orang
diambil secara random, didapatkan data sebagai berikut ; 78,
78, 95, 90, 78, 80, 82, 77, 72, 84, 68, 67, 87, 78, 77, 88, 97, 89,
97, 98, 70, 72, 70, 69, 67, 90, 97 kg. Selidikilah dengan =
5%, apakah data tersebut di atas diambil dari populasi yang
berdistribusi normal ?

Penyelesaian :

a. Hipotesis
Ho : tidak beda dengan populasi normal
Ha : Ada beda populasi normal

b. Nilai
Nilai = level signifikansi = 5% = 0,05

c. Rumus Statistik penguji

NO Xi X
Xi Z FT FS FT - FS
SD
1
2
3
4
5
dst

20
d. Hitung rumus statistik penguji.

Xi X
Z
NO Xi SD FT FS FT- FS
1 67
2 67 -1,3902 0,0823 0,0741 0,0082
3 68 -1,2929 0,0985 0,1111 0,0126
4 69 -1,1957 0,1151 0,1481 0,0330
5 70
6 70 -1,0985 0,1357 0,2222 0,0865
7 72
8 72 -0,9040 0,1841 0,2963 0,1122
9 77
10 77 -0,4178 0,3372 0,3704 0,0332
11 78
12 78
13 78
14 78 -0,3205 0,3745 0,5185 0,1440
15 80 -0,1261 0,4483 0,5556 0,1073
16 82 0,0684 0,5279 0,5926 0,0647
17 84 0,2629 0,6026 0,6296 0,0270
18 87 0,5546 0,7088 0,6667 0,0421
19 88 0,6519 0,7422 0,7037 0,0385
20 89 0,7491 0,7734 0,7407 0,0327
21 90
22 90 0,8464 0,8023 0,8148 0,0125
23 95 1,3326 0,9082 0,8519 0,0563
24 97
25 97
26 97 1,5270 0,9370 0,9630 -0,0260
27 98 1,6243 0,9474 1,0000 -0,0526
X 81,2963
SD 10,28372

Nilai FT FS tertinggi sebagai angka penguji


normalitas, yaitu 0,1440

21
e. Df/db/dk
Df = = tidak diperlukan

f. Nilai tabel
Nilai Kuantil Penguji Kolmogorov, = 0,05 ; N = 27 ;
0,254. Tabel Kolmogorov Smirnov pada lampiran 5.

g. Daerah penolakan
Menggunakan rumus
0,1440 < 0,2540 ; berarti Ho diterima, Ha
ditolak

h. Kesimpulan
Sampel diambil dari populasi normal, pada = 0,05.

22
F. 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.

1. Rumus
2
1 k
T3 a i X n i 1 X i
D i 1
Keterangan :
D = Berdasarkan rumus di bawah
ai = Koefisient test Shapiro Wilk (lampiran 8)
X n-i+1 = Angka ke n i + 1 pada data
Xi = Angka ke i pada data


n
D Xi X
2

i 1
Keterangan :
Xi = Angka ke i pada data yang
X = Rata-rata data

T dn
G bn c n ln 3
1 T3
Keterangan :
G = Identik dengan nilai Z distribusi normal
T3 = Berdasarkan rumus di atas
bn, cn, dn = Konversi Statistik Shapiro-Wilk Pendekatan
Distribusi Normal (lampiran 7)

2. Persyaratan
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi
frekuensi
c. Data dari sampel random

23
3. 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 ; Ha ditolak. Jika nilai
p kurang dari 5%, maka Ho ditolak ; Ha diterima. lampiran 6,
Tabel Harga Quantil Statistik Shapiro-Wilk Distribusi Normal.
Jika digunakan rumus G, maka digunakan tabel 2 distribusi
normal.

4. Penerapan
Berdasarkan data usia sebagian balita yang diambil sampel
secara random dari posyandu Mekar Sari Wetan sebanyak 24
balita, didapatkan data sebagai berikut : 58, 36, 24, 23, 19, 36,
58, 34, 33, 56, 33, 26, 46, 41, 40, 37, 36, 35, 18, 55, 48, 32, 30
27 bulan. Selidikilah data usia balita tersebut, apakah data
tersebut diambil dari populasi yang berdistribusi normal pada
= 5% ?

Penyelesaian :

a. Hipotesis
Ho : tidak beda dengan populasi normal
Ha : Ada beda populasi normal

b. Nilai
Nilai = level signifikansi = 5% = 0,05

c. Rumus statistik penguji


2
1 k
T3 a i X ( n i 1) X ( i )
D i 1


n
D Xi X
2

i 1

T dn
G bn c n ln 3
1 T3

24
d. Hitung rumus statistik penguji

Langkah pertama dihitung nilai D, yaitu :


NO Xi Xi X XX i 2

1 18 -18,7083 350,0005
2 19 -17,7083 313,5839
3 23 -13,7083 187,9175
4 24 -12,7083 161,5009
5 26 -10,7083 114,6677
6 27 -9,7083 94,2511
7 30 -6,7083 45,0013
8 32 -4,7083 22,1681
9 33 -3,7083 13,7515
10 33 -3,7083 13,7515
11 34 -2,7083 7,3349
12 35 -1,7083 2,9183
13 36 -0,7083 0,5017
14 36 -0,7083 0,5017
15 36 -0,7083 0,5017
16 37 0,2917 0,0851
17 40 3,2917 10,8353
18 41 4,2917 18,4187
19 46 9,2917 86,3357
20 48 11,2917 127,5025
21 55 18,2917 334,5863
22 56 19,2917 372,1697
23 58 21,2917 453,3365
24 58 21,2917 453,3365
= 881 = 3184,9583
X 36,7083


n
D Xi X
2

i 1

D 58 - 36,7083 58 - 36,7083 ... 19 - 36,7083 18 - 36,7083


2 2 2 2

D 3184,9583

25
Langkah berikutnya hitung nilai T, yaitu :
i ai X(n-i+1) X(i) ai(X(n-i+1) X(i))
1 0,4493 58 18 = 40 17,9720
2 0,3098 58 19 = 39 12,0822
3 0,2554 56 23 = 33 8,4282
4 0,2145 55 24 = 31 6,6495
5 0,1807 48 26 = 22 3,9754
6 0,1512 46 27 = 19 2,8728
7 0,1245 41 30 = 11 1,3695
8 0,0997 40 32 = 8 0,7976
9 0,0764 37 33 = 4 0,3056
10 0,0539 36 33 = 3 0,1617
11 0,0321 36 34 = 2 0,0642
12 0,0107 36 35 = 1 0,0107
Jumlah 54,6894

2
1k
T3 a i X ( n i 1) X ( i )
D i 1

T3
1
0,449358 - 18 0,309858 - 19 ... 0,0107 36 - 352
3184,9583

T3
1
54,6894 2
3184,9583

T3 0,9391

e. Df/db/dk
=n

f. Nilai tabel
Pada lampiran 6 dapat dilihat, nilai (0,10) = 0,930 ; nilai
(0,50) = 0,963

26
g. Daerah penolakan
Nilai T3 terletak diantara 0,930 dan 0,963, atau nilai p
hitung terletak diantara 0,10 dan 0,50, yang diatas nilai
(0,05) berarti Ho diterima, Ha ditolak

h. Kesimpulan
Sampel diambil dari populasi normal, pada = 0,05.

Cara lain setelah nilai T3 diketahui dapat menggunakan rumus


G, yaitu

T d 24
G b24 c 24 ln 3
1 T3
0,9391 0,2106
G 5,605 1,862 ln
1 0,9391
G 3,743 ln 11,9573
G 3,743 2,4813
G 1,2617

Hasil nilai G merupakan nilai Z pada distribusi normal, yang


selanjutnya dicari nilai proporsi (p) luasan pada tabel distribusi
normal (lampiran 2). Berdasarkan nilai G = -1,2617, maka nilai
proporsi luasan = 0,1038. Nilai p tersebut di atas nilai = 0,05
berarti Ho diterima Ha ditolak. Data benar-benar diambil dari
populasi normal.

27
G. Menggunakan Software Statistical Package for the Social
Sciences (SPSS)

Penggunaan komputer untuk analisis statistik bukan barang baru,


termasuk untuk analisis normalitas data. Banyak software komputer
yang dapat dipergunakan untuk analisis normalitas data,
diantaranya software SPSS. Software SPSS merupakan software
komputer yang banyak digunakan orang saat ini untuk keperluan
analisis data statistik. Software SPSS sangat membantu dalam
analisis statistik termasuk analisis normalitas data. Dalam waktu
sekejap software SPSS dapat menghasilkan output yang dapat
dibaca hasilnya. Software SPSS yang berkembang saat ini versi 21,
namun versi di bawah masih banyak dipergunakan orang, karena
memiliki kelebihan kemudahan tertentu dalam pemakaiannya
dibandingkan versi 21.
Penggunaan software SPSS untuk analisis normalitas suatu data
cukup sederhana, pertama lakukan entry data yang akan diuji
normalitasnya pada software SPSS.
Misalnya : Data usia 21 anak pra sekolah dalam bulan ; 34, 35, 43,
23, 34, 56, 45, 65, 45, 34, 32, 34, 54, 33, 54, 45, 56, 76, 43, 21, 23.
Selanjutnya banyak cara yang dapat ditempuh untuk menguji
normalitasnya, diantaranya:

1. Dengan menggunakan menu analisis deskriptif

a. Frequensi

Setelah data dientry dalam lembar kerja SPSS, langkah


berikutnya arahkan kursor ke menu Analyze. Dari menu
utama SPSS, pilih menu Analyze, kemudian lanjutkan pilih
sub menu Descriptive Statistics dan Frequenci. Tampilan
layar SPSS Sebagai berikut :

28
Lakukan klik satu kali, maka akan muncul kotak dialog
sebagai berikut:

29
Masukkan variabel yang akan diuji normalitas dengan cara
mengklik nama variabel sehingga terblok, kemudian klik
tanda , sehingga nama masuk dalam kota variable(s).
Selanjutnya klik Statistics, dan muncul kotak dialog sebagai
berikut:

Klik pada Distribution bagian Skewness dan Kurtosis,


sehingga muncul tanda , lanjutkan klik Continue dan
kembali ke kota dialog sebelumnya.
Lanjutkan dengan mengklik Charts dan muncul kotak
dialog sebagai berikut:

30
Klik pada Histograms sehingga muncul tanda dan With
normal curve sehingga muncul tanda tanda . Selanjutkan
klik Continue dan kembali ke kota dialog sebelumnya.

Berikutnya klik OK, dan akan muncul out put hasil analisis,
diantaranya sebagai berikut

Statistics
usia
Valid 21
N
Missing 0
Skewness ,609
Std. Error of Skewness ,501
Kurtosis ,139
Std. Error of Kurtosis ,972

31
Nilai Skewness dibagi standar errornya atau nilai Kurtosis
dibagi standar errornya, kalau hasilnya diantara -2 sampai
dengan +2, maka dapat dikatakan data berdistribusi normal.

Out put lainnya grafik histogram dan kurva norma sebagai


berikut:

Gambar Histogram yang dipadukan dengan kurva normal.


Bila gambar histogram mendekati kurve normal, maka
dapat dikatakan data berdistribusi normal.

b. Descriptif
Setelah data dientry dalam lembar kerja SPSS, langkah
berikutnya arahkan kursor ke menu Analyze. Dari menu
32
utama SPSS, pilih menu Analyze, kemudian lanjutkan pilih
sub menu Descriptive Statistics dan Decriptives. Tampilan
layar SPSS sebagai berikut :

Lakukan klik satu kali, maka akan muncul kotak dialog


sebagai berikut:

33
Masukkan variabel yang akan diuji normalitas dengan cara
mengklik nama variabel sehingga terblok, kemudian klik
tanda , sehingga nama masuk dalam kotak variable(s).

Selanjutnya klik Options, dan muncul kotak dialog sebagai


berikut:

34
Klik pada Distribution bagian Skewness dan Kurtosis,
sehingga muncul tanda , lanjutkan klik Continue dan
kembali ke kota dialog sebelumnya.

Berikutnya klik OK, dan akan muncul out put hasil analisis,
diantaranya sebagai berikut

Descriptive Statistics
N Minimum Maximum Skewness Kurtosis
Statistic Statistic Statistic Statistic Std. Error Statistic Std. Error
usia 21 21 76 ,609 ,501 ,139 ,972
Valid N 21
(listwise)

Nilai Skewness dibagi standar errornya atau nilai Kurtosis


dibagi standar errornya, kalau hasilnya diantara -2 sampai
dengan +2, maka dapat dikatakan data berdistribusi normal.

c. Explore
Setelah data dientry dalam lembar kerja SPSS, langkah
berikutnya arahkan kursor ke menu Analyze. Dari menu
utama SPSS, pilih menu Analyze, kemudian lanjutkan pilih
sub menu Descriptive Statistics dan Explore. Tampilan
layar SPSS sebagai berikut :

35
Lakukan klik satu kali, maka akan muncul kotak dialog
sebagai berikut:

36
Masukkan variabel yang akan diuji normalitas dengan cara
mengklik nama variabel sehingga terblok, kemudian klik
tanda , sehingga nama masuk dalam kotak Dependent
List.

Selanjutnya klik Plots, dan muncul kotak dialog sebagai


berikut:

Klik pada Normality plots with sehingga muncul tanda ,


demikian juga pada Descriptive, kemudian lanjutkan klik
Continue dan kembali ke kota dialog sebelumnya.
Berikutnya klik OK, dan akan muncul out put hasil analisis,
diantaranya sebagai berikut

Descriptives
Statistic Std. Error
Mean 42,14 3,102
95% Confidence Lower Bound 35,67
usia Interval for Mean Upper Bound 48,61
5% Trimmed Mean 41,46
Median 43,00
37
Variance 202,129
Std. Deviation 14,217
Minimum 21
Maximum 76
Range 55
Interquartile Range 21
Skewness ,609 ,501
Kurtosis ,139 ,972

Nilai Skewness dibagi standar errornya atau nilai Kurtosis


dibagi standar errornya, kalau hasilnya diantara -2 sampai
dengan +2, maka dapat dikatakan data berdistribusi normal.
Out put yang lain berupa hasil uji Kolmogorov Smirnov dan
Shapiro Wilk sebagai berikut:

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
usia ,169 21 ,123 ,946 21 ,280
a. Lilliefors Significance Correction

Berdasarkan out put tersebut dapat dipahami bahwa uji


normalitas yang ditampilkan menggunakan Metode
Kolmogorov-Smirnov yang dikoreksi Lilliefors dan Metode
Shapiro-Wilk. Pada tampilan dapat dibaca, bila nilai Sig.
(p) lebih besar dari pada (0,05) maka data dapat
disimpulkan berdistribusi normal. Pada out put di atas
menurut metode Metode Kolmogorov-Smirnov nilai p =
0,123, sedangkan menurut metode Metode Shapiro-Wilk
nilai p = 0,345, keduanya di atas 0,05, berarti data
berdistribusi normal.
Out put yang lain berupa plot

38
39
Normalitas data ditunjukkan juga pada tampilan Normal Q-
Q Plot dan Detrended Normal Q-Q Plot. Pada tampilan
Normal Q-Q Plot, bila titik-titik yang ditampilkan
menempel atau berdekatan dengan garis grafik, maka data
berdistribusi normal, demikian sebaliknya. Pada tampilan
Detrended Normal Q-Q Plot bila titik-titik yang ditampilkan
menyebar merata, tidak membentuk pola tertentu (garis,
lengkungan, dsb), maka data berdistribusi normal.

2. Dengan menggunakan menu Nonparametric Test


Setelah data dientry dalam lembar kerja SPSS, langkah
berikutnya arahkan kursor ke menu Analyze. Dari menu utama
SPSS, pilih menu Analyze, kemudian lanjutkan pilih sub menu
Nonparametric Test dan 1-Sample K-S. Tampilan layar SPSS
sebagai berikut :

40
Klik satu kali, maka akan muncul kotak dialog sebagai berikut:

Masukkan variabel yang akan diuji normalitas dengan cara


mengklik nama variabel sehingga terblok, kemudian klik tanda
, sehingga nama masuk dalam kotak Test Variable List.
Selanjutnya klik Normal, pada Test Distribution.
Berikutnya klik OK, dan akan muncul out put hasil analisis,
diantaranya sebagai berikut

One-Sample Kolmogorov-Smirnov Test


usia
N 21
Mean 42,14
Normal Parametersa,b
Std. Deviation 14,217
Absolute ,169
Most Extreme
Positive ,169
Differences
Negative -,095
Kolmogorov-Smirnov Z ,772
Asymp. Sig. (2-tailed) ,590
a. Test distribution is Normal.
b. Calculated from data.

41
Berdasarkan out put tersebut dapat dipahami bahwa uji
normalitas yang ditampilkan menggunakan Metode
Kolmogorov-Smirnov. Pada tampilan dapat dibaca, bila nilai
Sig. (p) lebih besar dari pada (0,05) maka data dapat
disimpulkan berdistribusi normal. Pada out put di atas menurut
metode Metode Kolmogorov-Smirnov p = 0,590 berarti data
berdistribusi normal.

42
DAFTAR PUSTAKA

Conover, W.J, 1980, Practical Nonparametric Statistics second


edition, New York : John Wiley & Sons.
Daniel, Wayne W. 1994. Biostatistics, a Foundation for Analysis in
the Health Sciences. John Wiley and sons, Inc. New York.
Nasir, Moh, 1985, Metode Penelitian cetakan pertama, Jakarta :
Ghalia Indonesia.
Siegel, Sidney, 1956, Non Parametric Statistics For The
Behavioral Sciences, New York : Mc Graw-Hill Book
Company.
Siegel, Sidney, 1986, Statistik Non Parametrik Untuk Ilmu-Ilmu
Sosial, diterjemahkan oleh Zanzawi Suyuti dan Landung
Simatupang dalam koordinasi Peter Hagul, Cetakan ke 2,
Jakarta : Gramedia.
Snedecor, George W dan Cochran, William G, 1980, Statistical
Methods seventh edition, Ames Iowa USA : The Iowa State
University Press
Soejoeti, Zanzawi, 1984/1985, Buku Materi Pokok Metode Statistik
II STA 202/3 SKS/Modul 1-5, Jakarta : Universitas Terbuka,
Departemen Pendidikan dan Kebudayaan.
Soepeno, Bambang, 1997, Statistik Terapan (Dalam Penelitian
Ilmu-Ilmu Sosial dan Pendidikan), Jakarta ; PT. Rineka
Cipta
Sujana, 1992, Metoda Statistika, edisi ke 5, Bandung : Tarsito.
Tjokronegoro, Arjatmo. Utomo, Budi, dan Rukmono, Bintari,
(editor), 1991, Dasar-Dasar Metodologi Riset Ilmu
Kedokteran, Jakarta : Departemen Pendidikan dan
Kebudayaan Konsorsium Ilmu Kedokteran

43
LAMPIRAN - LAMPIRAN
Lampiran 1 : Contoh Kertas Peluang Normal
Sujana, 1992, Metoda Statistika, edisi ke 5, Bandung : Tarsito.
Lampiran 2 : Tabel Distribusi
Normal

Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
3,5 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002
3,6 0,0002 0,0002 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
3,7 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
3,8 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
Lampiran 3 : Tabel Harga Kritis Chi
Square ( X2 )

df Kemungkinan di bawah Ho bahwa X2 Chi - Square


0,005 0,010 0,025 0,050 0,100 0,200
1 7,879 6,635 5,024 3,841 2,706 1,642
2 10,597 9,210 7,378 5,991 4,605 3,219
3 12,838 11,341 9,348 7,815 6,251 4,642
4 14,860 13,277 11,143 9,488 7,779 5,989
5 16,750 15,086 12,832 11,070 9,236 7,289
6 18,548 16,812 14,449 12,592 10,645 8,558
7 20,278 18,475 16,013 14,067 12,017 9,803
8 21,955 20,090 17,535 15,507 13,362 11,030
9 23,589 21,660 19,023 16,919 14,684 12,242
10 25,188 23,209 20,483 18,307 15,987 13,442
11 26,757 24,725 21,920 19,675 17,275 14,631
12 28,300 26,217 23,337 21,026 18,549 15,812
13 29,819 27,688 24,736 22,362 19,812 16,985
14 31,319 29,141 26,119 23,685 21,064 18,151
15 32,801 30,578 27,488 24,996 22,307 19,311
16 34,267 32,000 28,845 26,296 23,542 20,465
17 35,718 33,409 30,191 27,587 24,769 21,615
18 37,156 34,805 31,526 28,869 25,989 22,760
19 38,582 36,191 32,852 30,144 27,204 23,900
20 39,997 37,566 34,170 31,410 28,412 25,038
21 41,401 38,932 35,479 32,671 29,615 26,171
22 42,796 40,289 36,781 33,924 30,813 27,301
23 44,181 41,638 38,076 35,172 32,007 28,429
24 45,558 42,980 39,364 36,415 33,196 29,553
25 46,928 44,314 40,646 37,652 34,382 30,675
26 48,290 45,642 41,923 38,885 35,563 31,795
27 49,645 46,963 43,194 40,113 36,741 32,912
28 50,993 48,278 44,461 41,337 37,916 34,027
29 52,336 49,588 45,722 42,557 39,087 35,139
30 53,672 50,892 46,979 43,773 40,256 36,250
Sumber : Siegel, Sidney, 1956, Non Parametric Statistics For The
Behavioral Sciences, New York : Mc Graw-Hill Book
Company.
Lampiran 4 : Tabel Harga Quantil Statistik Lilliefors Distribusi
Normal

Ukuran sampel p = 0,80 p = 0,85 p = 0,90 p = 0,95 p = 0,99


N = 0,20 = 0,15 = 0,10 = 0,05 = 0,01
4 0,300 0,319 0,352 0,381 0,417
5 0,285 0,299 0,315 0,337 0,405
6 0,265 0,277 0,294 0,319 0,364
7 0,247 0,258 0,276 0,300 0,348
8 0,233 0,244 0,261 0,285 0,331
9 0,223 0,233 0,249 0,271 0,311
10 0,215 0,224 0,239 0,258 0,294
11 0,206 0,217 0,230 0,249 0,284
12 0,199 0,212 0,223 0,242 0,275
13 0,190 0,202 0,214 0,234 0,268
14 0,183 0,194 0,207 0,227 0,261
15 0,177 0,187 0,201 0,220 0,257
16 0,173 0,182 0,195 0,213 0,250
17 0,169 0,177 0,189 0,206 0,245
18 0,166 0,173 0,184 0,200 0,239
19 0,163 0,169 0,179 0,195 0,235
20 0,160 0,166 0,174 0,190 0,231
25 0,142 0,147 0,158 0,173 0,200
30 0,131 0,136 0,144 0,161 0,187
0,736 0,768 0,805 0,886 1,031
n >30 n n n n n

Sumber : Conover, W.J, 1980, Practical Nonparametric Statistics


second edition, New York : John Wiley & Sons.
Lampiran 5 : Harga Quantil Statistik Kolmogorov Distribusi
Normal
Tingkat Signifikansi untuk tes satu sisi
N 0,100 0,075 0,050 0,025 0,01 0,005
Tingkat Signifikansi untuk tes dua sisi
0,200 0,150 0,100 0,050 0,020 0,010
1 0,900 0,925 0,950 0,975 0,990 0,995
2 0,684 0,726 0,776 0,842 0,900 0,929
3 0,565 0,597 0,642 0,708 0,785 0,828
4 0,494 0,525 0,564 0,624 0,689 0,733
5 0,446 0,474 0,510 0,565 0,627 0,669
6 0,410 0,436 0,470 0521 0,577 0,618
7 0,381 0,405 0,438 0,486 0,538 0,577
8 0,358 0,381 0,411 0,457 0,507 0,543
9 0,339 0,360 0,388 0,432 0,480 0,514
10 0,322 0,342 0,368 0,410 0,457 0,490
11 0,307 0,326 0,352 0,391 0,437 0,468
12 0,295 0,313 0,338 0,375 0,419 0,450
13 0,284 0302 0,325 0,361 0,404 0,433
14 0,274 0,292 0,314 0,349 0,390 0,418
15 0,266 0,283 0,304 0,338 0,377 0,404
16 0,258 0,274 0,295 0,328 0,366 0,392
17 0,250 0,266 0,286 0,318 0,355 0,381
18 0,244 0,259 0,278 0,309 0,346 0,371
19 0,237 0,252 0,272 0,301 0,337 0,363
20 0,231 0,246 0,264 0,294 0,329 0,356
21 0,226 0,259 0,287 0,321 0,344
22 0,221 0,253 0,281 0,314 0,337
23 0,216 0,247 0,275 0,307 0,330
24 0,212 0,242 0,269 0,301 0,323
25 0,208 0,22 0,238 0,264 0,295 0,317
26 0,204 0,233 0,259 0,290 0,311
27 0,200 0,229 0,254 0,284 0,305
28 0,197 0,225 0,250 0,279 0,300
29 0,193 0,221 0,246 0,275 0,295
30 0,190 0,20 0,218 0,242 0,270 0,290
31 0,187 0,214 0,238 0,266 0,285
32 0,184 0,211 0,234 0,262 0,281
33 0,182 0,208 0,231 0,258 0,277
34 0,179 0,205 0,227 0,254 0,213
35 0,171 0,19 0,202 0,224 0,251 0,269
36 0,174 0,199 0,221 0,247 0,265
37 0,172 0,196 0,218 0,244 0,262
38 0,170 0,194 0,215 0,241 0,258
39 0,168 0,191 0,213 0,238 0,255
40 0,165 0,189 0,210 0,235 0,252
25 0,208 0,238 0,264 0,295 0,317
30 0,190 0,218 0,242 0,270 0,290
35 0,177 0,202 0,224 0,251 0,269
40 0,165 0,189 0,210 0,235 0,252
>40 1,07 1,14 1,22 1,36 1,36 1,63
N N N N N N
Lampiran 6 : Tabel Harga Quantil Statistik Shapiro-Wilk
Distribusi Normal
N 0.01 0.02 0.05 0.10 0.50 0.90 0.95 0.98 0.99
3 0.753 0.756 0.767 0.789 0.959 0.998 0.999 1.000 1.000
4 0.687 0.707 0.748 0.792 0.935 0.987 0.992 0.996 0.997
5 0.686 0.715 0.762 0.806 0.927 0.979 0.986 0.991 0.993
6 0.713 0.743 0.788 0.826 0.927 0.974 0.981 0.986 0,989
7 0.730 0.760 0.803 0.838 0.928 0.972 0.979 0.985 0.988
8 0.749 0.778 0.818 0.851 0.932 0.972 0.978 0.984 0.987
9 0.764 0.791 0.829 0.859 0.935 0.972 0.978 0.984 0.986
10 0.781 0.806 0.842 0.869 0.938 0.972 0.978 0.983 0.986
11 0.792 0.817 0.850 0.876 0.940 0.973 0.979 0.984 0.986
12 0.805 0.828 0.859 0.883 0.943 0.973 0.979 0.984 0.986
13 0.814 0.837 0.866 0.889 0.945 0.974 0.979 0.984 0.986
14 0.825 0.846 0.874 0.895 0.947 0.975 0.980 0.984 0.986
15 0.835 0.855 0.881 0.901 0.950 0.975 0.980 0.984 0.987
16 0.844 0.863 0.887 0.906 0.952 0.976 0.981 0.985 0,987
17 0.851 0.869 0.892 0.910 0.954 0.977 0.981 0.985 0.987
18 0.858 0.874 0.897 0.914 0.956 0.978 0.982 0.986 0.988
19 0.863 0.879 0.901 0.917 0.957 0.978 0.982 0.986 0.988
20 0.868 0.884 0.905 0.920 0.959 0.979 0.983 0.986 0.988
21 0.873 0.888 0.908 0.923 0.960 0.980 0.983 0.987 0.989
22 0.878 0.892 0.911 0.926 0.961 0.980 0.984 0.987 0.989
23 0.881 0.895 0.914 0.928 0.962 0.981 0.984 0.987 0.989
24 0.884 0.898 0.916 0.930 0.963 0.981 0.984 0.987 0.989
25 0.888 0.901 0.918 0.931 0.964 0.981 0.985 0.988 0.989
26 0.891 0.904 0.920 0.933 0.965 0.982 0.985 0.988 0.989
27 0.894 0.906 0.923 0.935 0.965 0.982 0.985 0.988 0.990
28 0.896 .0.908 0.924 0.936 0.966 0.982 0.985 0.988 0.990
29 0.898 0.910 0.926 0.937 0.966 0.982 0.985 0.988 0.990
30 0.900 0.912 0.927 0.939 0.967 0.983 0.985 0.988 0.990
31 0.902 0.914 0.929 0.940 0.967 0.983 0.986 0.988 0.990
32 0.904 0.915 0.930 0.941 0.968 0.983 0.986 0.988 0.990
33 0.906 0.917 0.931 0.942 0.968 0.983 0.986 0.989 0.990
34 0.908 0.919 0.933 0.943 0.969 0.983 0.986 0.989 0.990
35 0.910 0.920 0.934 0.944 0.969 0.984 0.986 0.989 0.990
36 0.912 0.922 0.935 0.945 0.970 0.984 0.986 0.989 0.990
37 0.914 0.924 0.936 0.946 0.970 0.984 0.987 0.989 0.990
38 0.916 0.925 0.938 0.947 0.971 0.984 0.987 0.989 0.990
39 0.917 0.927 0.939 0.948 0.971 0.984 0.987 0.989 0.991
40 0.919 0.928 0.940 0.949 0.972 0.985 0.987 0.989 0.991
41 0.920 0.929 0.941 0.950 0.972 0.985 0.987 0.989 0,991
42 0.922 0.930 0.942 0.951 0.972 0.985 0.987 0.989 0.991
43 0.923 0.932 0.943 0.951 0.973 0.985 0.987 0.990 0.991
44 0.924 0.933 0.944 0.952 0.973 0.985 0.987 0.990 0.991
45 0.926 0.934 0.945 0.953 0.973 0.985 0.988 0.990 0.991
46 0.927 0.935 0.945 0.953 0.974 0.985 0.988 0.990 0.991
47 0.928 0.936 0.946 0.954 0.974 0.985 0.988 0.990 0.991
48 0.929 0.937 0.947 0.954 0.974 0.985 0.988 0.990 0.991
49 0.929 0.937 0.947 0.955 0.974 0.985 0.988 0.990 0.991
50 0.930 0.938 0.947 0.955 0.974 0.985 0.988 0.990 0.991
Lampiran 7 : Konversi Statistik Shapiro-Wilk Pendekatan
Distribusi Normal
n 3 4 5 6
(dn) (0.7500) (0.6297) (0.5521) (0.4963)
-7.0 -3.29 - - -
-5.4 -2.81 - - -
-5.0 -2.68 - - -
-4.6 -2.54 - - -
-4.2 -2.40 - - -
-3.8 -2.25 -3.50 -- -
-3.4 -2.10 -3.27 - -
-3.0 -1.94 -3.05 -4.01 -
-2.6 -1.77 -2.84 -3.70 -
-2.2 -1.59 -2.64 -3.38 -
-1.8 -1.40 -2.44 -3.11 -
-1.4 -1.21 -2.22 -2.87 -
-1.0 -1.01 -1.9b -2.56 -3.72
-0.6 -0.80 -1.66 -2.20 -2.88
-0.2 -0.60 -1.31 -1.81 -2.27
0.2 -0.39 -0.94 -1.41 -1.85
0.6 -0.19 -0.57 -0.97 -1.38
1.0 -0.00 -0.19 -0.51 -0.84
1.4 0.18 0.15 -0.06 -0.33
1.8 0.35 0.45 0.37 0.18
2.2 0.52 0.74 0.75 0.64
2.6 0.b7 1.00 1.09 1.06
3.0 0.81 1.23 1.40 1.45
3.4 0.95 1.44 1.67 1.83
3.8 1.07 1.65 1.91 2.17
4.2 1.19 1.85 2.15 2.50
4.6 1.31 2.03 2.47 2.77
5.0 1.42 2.19 2.85 3.09
5.4 1.52 2.34 3.24 3.54
5.8 1.62 2.48 3.64 -
6.2 1.72 2.62
6.6 1.81 2.75
7.0 1.90 2.87
7.4 1.98 2.97
7.8 2.07 3.08
8.2 2.15 3.22
8.6 2.23 3.36
9.0 2.31
9.4 2.38
9.8 2.45
n bn Cn dn
7 -2.356 1.245 0.4533
8 -2.696 1.333 0.4186
9 -2.968 1.400 0.3900
10 -3.262 1.471 0.3600
11 -3.485 1.515 0.3451
12 -3.731 1.571 0.3270
13 -3.936 1.613 0.3111
14 -4.155 1.655 0.2969
15 -4.373 1.695 0.2842
16 -4.567 1.724 0.2727
17 -4.713 1.739 0.2622
18 -4.885 1.770 0.2528
19 -5.018 1.786 0.2440
20 -5.153 1.802 0.2359
21 -5.291 1.818 0.2264
22 -5.413 1.835 0.2207
23 -5.508 1.848 0.2157
24 -5.605 1.862 0.2106
25 -5.704 1.876 0.2063
26 -5.803 1.890 0.2020
27 -5.905 1.905 0.1980
28 -5.988 1.919 0.1943
29 -6.074 1.934 0.1907
30 -6.150 1.949 0.1872
31 -6.248 1.965 0.1840
32 -b.324 1.976 0.1811
33 -6.402 1.988 0.1781
34 -6.480 2.000 0.1755
35 -b.559 2.012 0.1727
36 -6.640 2.024 0.1702
37 -6.721 2.037 0.1677
38 -6.803 2.049 0.1656
39 -6.887 2.062 0.1633
40 -6.961 2.075 0.1612
41 -7.035 2.088 0.1591
42 -7.111 2.101 0.1572
43 -7.188 2.114 0.1552
44 -7.266 2.128 0.1534
45 -7.345 2.141 0.1516
46 -7.414 2.155 0.1499
47 -7.484 2.169 0.1482
48 -7.555 2.183 0.1466
49 -7.615 2.198 0.1451
50 -7.677 2.212 0.1436
Sumber : Conover, W.J, 1980, Practical Nonparametric Statistics
second edition, New York : John Wiley & Sons.
Lampiran 8 : Koefisient untuk test Shapiro-Wilk

2 3 4 5 6 7 8 9
1 0.7071 0.7071 0.6872 0.6646 0.6431 0.6233 0.6052 0.5888
2 - 0.0000 0.1667 0.2413 0.2806 0.3031 0.3164 0.3244
3 - - - 0.000 0.0875 0.1401 0.1743 0.1976
4 - - - - - 0.0000 0.0561 0.0947
5 - - - - - - - 0.000
6 - - - - - - - -

10 11 12 13 14 15 16 17 18 19
1 0.5739 0.5601 0.5475 0.5359 0.5251 0.5150 0.5056 0.4968 0.4886 0.4808
2 0.3291 0.3315 0.3325 0.3325 0.3318 0.3306 0.3290 0.3273 0.3253 0.3232
3 0.2141 0.2260 0.2347 0.2412 0.2460 0.2495 0.2521 0.2540 0.2553 0.2561
4 0.1224 0.1429 0.1586 0.1707 0.1802 0.1878 0.1939 0.1988 0.2027 0.2059
5 0.0399 0.0695 0.0922 0.1099 0.1240 0.1353 0.1447 0.1524 0.1587 0.1641
6 - 0.0000 0.0303 0.0539 0.0727 0.0880 0.1005 0.1109 0.1197 0.1271
7 - - - 0.0000 0.0240 0.0433 0.0593 0.0725 0.0837 0.0932
8 - - - - - 0.0000 0.0196 0.0359 0.0496 0.0612
9 - - - - - - - 0.0000 0.0163 0.0303
10 - - - - - - - - - 0.0000
11 - - - - - - - - - -

20 21 22 23 24 25 26 27 28 29
1 0.4734 0.4643 0.4590 0.4542 0.4493 0.4450 0.4407 0.4366 0.4328 0.4291
2 0.3211 0.3185 0.3156 0.3126 0.3098 0.3069 0.3043 0.3018 0.2992 0.2968
3 0.2565 0.2578 0.2571 0.2563 0.2554 0.2543 0.2533 0.2522 0.2510 0.2499
4 0.2085 0.2119 0.2131 0.2139 0.2145 0.2148 0.2151 0.2152 0.2151 0.2150
5 0.1686 0.1736 0.1764 0.1787 0.1807 0.1822 0.1836 0.1848 0.1857 0.1864
6 0.1334 0.1399 0.1443 0.1480 0.1512 0.1539 0.1563 0.1584 0.1601 0.1616
7 0.1013 0.1092 0.1150 0.1201 0.1245 0.1283 0.1316 0.1346 0.1372 0.1395
8 0.0711 0.0804 0.0878 0.0941 0.0997 0.1046 0.1089 0.1128 0.1162 0.1192
9 0.0422 0.0530 0.0618 0.0696 0.0764 0.0823 0.0876 0.0923 0.0965 0.1002
10 0.0140 0.0263 0.0368 0.0459 0.0539 0.0610 0.0672 0.0728 0.0778 0.0822
11 - 0.0000 0.0122 0.0228 0.0321 0.0403 0.0476 0.0540 0.0598 0.0650
12 - - - 0.0000 0.0107 0.0200 0.0284 0.0358 0.0424 0.0483
13 - - - - - 0.0000 0.0094 0.0178 0.0253 0.0320
14 - - - - - - - 0.0000 0.0084 0.0159
15 - - - - - - - - - 0.0000
30 31 32 33 34 35 36 37 38 39
1 0.4254 0.4220 0.4188 0.4156 0.4127 0.4096 0.4068 0.4040 0.4015 0.3989
2 0.2944 0.2921 0.2898 0.2876 0.2854 0.2834 0.2813 0.2794 0.2774 0.2755
3 0.2487 0.2475 0.2462 0.2451 0.2439 0.2427 0.2415 0.2403 0.2391 0.2380
4 0.2148 0.2145 0.2141 0.2137 0.2132 0.2127 0.2121 0.2116 0.2110 0.2104
5 0.1870 0.1874 0.1878 0.1880 0.1882 0.1883 0.1883 0.1883 0.1881 0.1880
6 0.1630 0.1641 0.1651 0.1660 0.1667 0.1673 0.1678 0.1683 0.1686 0.1689
7 0.1415 0.1433 0.1449 0.1463 0.1475 0.1487 0.1496 0.1505 0.1513 0.1520
8 0.1219 0.1243 0.1265 0.1284 0.1301 0.1317 0.1331 0.1344 0.1356 0.1366
9 0.1036 0.1066 0.1093 0.1118 0.1140 0.1160 0.1179 0.1196 0.1211 0.1225
10 0.0862 0.0899 0.0931 0.0961 0.0988 0.1013 0.1036 0.1056 0.1075 0.1092
11 0.0697 0.0739 0.0777 0.0812 0.0844 0.0873 0.0900 0.0924 0.0947 0.0967
12 0.0537 0,059 0.0629 0.0669 0.0706 0.0739 0.0770 0.0798 0.0824 0.0848
13 0.0381 0.0435 0.0485 0.0530 0.0572 0.0610 0.0645 0.0677 0.0706 0.0733
14 0.0227 0.0289 0.0344 0.0395 0.0441 0.0484 0.0523 0.0559 0.0592 0.0622
15 0.0076 0.0144 0.0206 0.0262 0.0314 0.0361 0.0404 0.0444 0.0481 0.0515
16 - 0.0000 0.0068 0.0131 0.0187 0.0239 0.0287 0.0331 0.0372 0.0409
17 - - - 0.0000 0.0062 0.0119 0.0172 0.0220 0.0264 0.0305
18 - - - - - 0.0000 0.0057 0.0110 0.0158 0.0203
19 - - - - - - - 0.0000 0.0053 0.0101
20 - - - - - - - - - 0.0000

40 41 42 43 44 45 46 47 48 49 50
1 0.3964 0.3940 0.3917 0.3894 0.3872 0.3850 0.3830 0.3808 0.3789 0.3770 0.3751
2 0.2737 0.2719 0.2701 0.2684 0.2667 0.2651 0.2635 0.2620 0.2604 0.2589 0.2574
3 0.2368 0.2357 0.2345 0.2334 0.2323 0.2313 0.2302 0.2291 0.2281 0.2271 0.2260
4 0.2098 0.2091 0.2085 0.2078 0.2072 0.2065 0.2058 0.2052 0.2045 0.2038 0.2032
5 0.1878 0.1876 0.1874 0.1871 0.1868 0.1865 0.1862 0.1859 0.1855 0.1851 0.1847
6 0.1691 0,169 0.1694 0.1695 0.1695 0.1695 0.1695 0.1695 0.1693 0.1692 0.1691
7 0.1526 0.1531 0.1535 0.1539 0.1542 0.1545 0.1548 0.1550 0.1551 0.1553 0.1554
8 0.1376 0.1384 0.1392 0.1398 0.1405 0.1410 0.1415 0.1420 0.1423 0.1427 0.1430
9 0.1237 0.1249 0.1259 0.1269 0.1278 0.1286 0.1293 0.1300 0.1306 0.1312 0.1317
10 0.1108 0.1123 0.1136 0.1149 0.1160 0.1170 0.1180 0.1189 0.1197 0.1205 0.1212
11 0.0986 0.1004 0.1020 0.1035 0.1049 0.1062 0.1073 0.1085 0.1095 0.1105 0.1113
12 0.0870 0.0891 0.0909 0.0927 0.0943 0.0959 0.0972 0.0986 0.0998 0.1010 0.1020
13 0.0759 0.0782 0.0804 0.0824 0.0842 0.0860 0.0876 0.0892 0.0906 0.0919 0.0932
14 0.0651 0.0677 0.0701 0.0724 0.0745 0.0765 0.0783 0.0801 0.0817 0.0832 0.0846
15 0.0546 0.0575 0.0602 0.0628 0.0651 0.0673 0.0694 0.0713 0.0731 0.0748 0.0764
16 0.0444 0.0476 0.0506 0.0534 0.0560 0.0584 0.0607 0.0628 0.0648 0.0667 0.0685
17 0.0343 0.0379 0.0411 0.0442 0.0471 0.0497 0.0522 0.0546 0.0568 0.0588 0.0608
18 0.0244 0.0283 0.0318 0.0352 0.0383 0.0412 0.0439 0.0465 0.0489 0.0511 0.0532
19 0.0146 0.0188 0.0227 0.0263 0.0296 0.0328 0.0357 0.0385 0.0411 0.0436 0.0459
20 0.0049 0.0094 0.0136 0.0175 0.0211 0.0245 0.0277 0.0307 0.0335 0.0361 0.0386
21 - 0.0000 0.0045 0.0087 0.0126 0.0163 0.0197 0.0229 0.0259 0.0288 0.0314
22 - - - 0.0000 0.0042 0.0081 0.0118 0.0153 0.0185 0.0215 0.0244
23 - - - - - 0.0000 0.0039 0.0076 0.0111 0.0143 0.0174
24 - - - - - - - 0.0000 0.0037 0.0071 0.0104
25 - - - - - - - - - 0.0000 0.0035
Sumber : Conover, W.J, 1980, Practical Nonparametric Statistics
second edition, New York : John Wiley & Sons.
Lampiran 9 : Hasil Print Out SPSS

Frequencies

Statistics
usia
Valid 21
N
Missing 0
Skewness ,609
Std. Error of Skewness ,501
Kurtosis ,139
Std. Error of Kurtosis ,972

usia
Frequency Percent Valid Cumulative
Percent Percent
21 1 4,8 4,8 4,8
23 2 9,5 9,5 14,3
32 1 4,8 4,8 19,0
33 1 4,8 4,8 23,8
34 4 19,0 19,0 42,9
35 1 4,8 4,8 47,6
Valid 43 2 9,5 9,5 57,1
45 3 14,3 14,3 71,4
54 2 9,5 9,5 81,0
56 2 9,5 9,5 90,5
65 1 4,8 4,8 95,2
76 1 4,8 4,8 100,0
Total 21 100,0 100,0
Descriptives

Descriptive Statistics
N Skewness Kurtosis
Statistic Statistic Std. Error Statistic Std. Error
usia 21 ,609 ,501 ,139 ,972
Valid N 21
(listwise)

Explore

Case Processing Summary


Cases
Valid Missing Total
N Percent N Percent N Percent
usia 21 100,0% 0 0,0% 21 100,0%
Descriptives
Statistic Std. Error
Mean 42,14 3,102
95% Confidence Lower Bound 35,67
Interval for Mean Upper Bound 48,61
5% Trimmed Mean 41,46
Median 43,00
Variance 202,129
usia Std. Deviation 14,217
Minimum 21
Maximum 76
Range 55
Interquartile Range 21
Skewness ,609 ,501
Kurtosis ,139 ,972

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
usia ,169 21 ,123 ,946 21 ,280
a. Lilliefors Significance Correction
NPar Tests

One-Sample Kolmogorov-Smirnov Test


usia
N 21
Mean 42,14
Normal Parametersa,b
Std. Deviation 14,217
Absolute ,169
Most Extreme
Positive ,169
Differences
Negative -,095
Kolmogorov-Smirnov Z ,772
Asymp. Sig. (2-tailed) ,590
a. Test distribution is Normal.
b. Calculated from data.