TUGAS KELOMPOK

Uji Normalitas

Diajukan sebagai salah satu syarat untuk memenuhi tugas mata kuliah Biostatistik

Disusun Oleh Kelompok 2 :

1. Mutiah
2. Rina Rosmiati
3. Wina Kusumawati
4. Grace
5. Dede Mithasari
6. Desima

PROGRAM STUDI D IV KEBIDANAN

UNIVERSITAS NASIONAL
JAKARTA 2018
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Allah SWT. yang telah memberikan rahmat serta
karunia-Nya kepada kami. Sholawat serta salam tetap kami junjungkan kepada Sang
Refolusioner Nabi besar Muhammad s.a.w. yang telah membawa kita dari zaman
jahiliyah sampai ke zaman yang penuh ilmu ini. Makalah yang berisikan tentang Uji
Normalitas ini saya susun guna memenuhi tugas Statistika II dari dosen Bapak Rahmat
Mawardi yang senantiasa mendampingi saya untuk menimba ilmu. Saya menyadari
bahwa makalah ini masih jauh dari sempurna, oleh karena itu kritik dan saran dari semua
pihak yang bersifat membangun selalu saya harapkan demi kesempurnaan makalah
ini. Akhir kata, saya sampaikan terima kasih kepada semua pihak yang telah berperan
serta dalam penyusunan makalah ini dari awal sampai akhir baik yang secara langsung
maupun tidak langsung. Semoga Allah SWT senantiasa meridhai segala ikhtiar kita.
Amin
DAFTAR ISI

HALAMAN JUDUL ………………………………………………………………. i

KATA PENGANTAR ……………………………………………………………...ii

DAFTAR ISI ……………………………………………………………………….iii

BAB I PENDAHULUAN ………………………………………………………….1

1. Latar Belakang ……………………………………………………………....1

2. Rumusan Masalah …………………………………………………………...2

BAB II PEMBAHASAN …………………………………………………………...3

1. Devinisi Iji Normalitas……………………………………………………….3

2. Uji Normalitas Bentuk Uji Lillifors,
Teknik Kolmogorov Smirnov dan Uji Chi Square…………………………..4

BAB III PENUTUP

a. Kesimpulan…………………………………………………………………22
b. Saran ……………………………………………………………………….22

DAFTAR PUSTAKA
 BAB 1
PENDAHULUAN

1.1.Latar Belakang
Statistika adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan data,
pengolahan atau penganalisisannya dan penarikan kesimpulan berdasarkan kumpulan data dan
penganalisisan yang dilakukan (Sudjana 2005: 3). Sering kali kita mendengar bahwa dalam uji
statistik, data yang kita miliki harus diuji normalitasnya terlebih dahulu untuk menentukan alat
uji yang dapat kita gunakan. Pada tulisan ini akan dibahas lebih lanjut tentang uji normalitas. Uji
normalitas berfungsi untuk mengetahui apakah data sampel berasal dari populasi yang
berdistribusi normal atau tidak. Ada banyak cara yang dapat dilakukan untuk dapat
mengetahuinya. Ada banyak jenis uji statistik normalitas yang dapat digunakan, di antaranya
adalah Kolmogorov Smirnov, Liliefors, Chi-Square, Shapiro Wilk, dan beberapa software
komputer (misalnya SPSS, Minitab, Simstat, Microstat, dsb.).Masing-masing jenis tersebut
memiliki kelebihan dan kekurangan dalam penggunaannya. Dalam makalah ini akan diuraikan
tiga jenis pengujian normalitas, yaitu metode liliefors, dan kolmogorov-smirnov, Uji Chi Square

1.2. Rumusan Masalah

1. Apa yang dimaksud dengan Uji Normalitas?
2. Bagaimana cara menguji suatu data menggunakan Metode Liliefors?
3. Bagaimana cara menguji suatu data menggunakan Metode Kolmogorov-Smirnov?
4. Bagaimana cara menguji kenormalan suatu data menggunakan Metode Chi Square?

1.3.Tujuan
1. Untuk mengetahui pengertian dari uji normalitas
2. Untuk mengetahui cara menguji suatu data menggunakan Metode Liliefors
3. Untuk mengetahui cara menguji suatu data menggunakan Metode Kolmogorov-Smirnov
4. Untuk mengetahui cara menguji suatu data menggunakan Metode Chi Square
A. Pengertian Uji Normalitas
Apakah data yang didapatkan dari lapangan sesuai dengan distribusi teoritik tertentu.
Dalam kasus ini, distribusi normal. Dengan kata lain, apakah data yang diperoleh berasal dari
populasi yang berdistribusi normal. Data berdistribusi normal apabila data akan mengikuti
bentuk distribusi normal. Dimana data memusat pada nilai rata-rata atau dikenal dengan istilah
median.data yang membentuk distribusi normal bila jumlah data yang diatas dan dibawah rata-
rata adalah sama, begitupula dengan simpangan bakunya.
Menurut Siregar, Syofian (2013:153) “Tujuan dilakukan uji normalitas terhadap
serangkaian data adalah untuk mengetahui apakah populasi data berdistribusi normal atau tidak.
Bila data berdistribusi normal, maka dapat digunakan uji statistik berjenis parametrik. Sedangkan
bila data tidak berdistribusi normal,maka digunakan uji statistik nonparametrik”.
Menurut Setyosari (2010:238) “Distribusi normal merupakan suatu distribusi atau
persebaran yang simetris sempurna dari skor rata-rata. Apabila digambarkan seperti sebuah bel.
Apabila distribusi skor-skor dari variabel terikat pada kelompok perlakuan kontrol tidak simetris
atau miring, maka kesimpulan yang kita hasilkan dari tes perametrik akan kurang atau tidak
valid. Semakin tidak simetris atau kemiringan distribusi besar, semakin tidak valid parameter
tes”.
Berdasarkan pernyataan di atas, maka uji normalitas adalah uji untuk
mengukur apakah data yang didapatkan memiliki distribusi normal sehingga dapat dipakai dalam
statistik parametrik (statistik inferensial).
B. Uji Normalitas Bentuk Uji Lillifors, Teknik Kolmogorov Smirnov dan Uji Chi Square.
1. Uji Lillifors.
Metode Lillifors 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
kumulatif empiris. Beda terbesar dibanding dengan tabel Lillifors.
Tedapat persyaratan untuk menggunakan mettode liliefors ini, yaitu:
1) Data berskala interval atau ratio (kuantitatif).
2) Data tunggal atau belum dikelompokkan pada tabel distribusi frekuensi.
3) Dapat untuk n besar maupun n kecil.
 PERUMUSAN HIPOTESIS:
- H0 : data sampel berasal dari distribusi normal
- H1 : data sampel tidak berasal dari distribusi normal
Prosedur perhitungan dari Sudjana (1996:466-467) adalah sebagai berikut:
a. Pengamatan x1, x2, x3,….. xn, dijadikan bilangan baku z1, z2, z3,… zn, dengan
𝐱−𝐱̅
menggunakan rumus: z = ( ) (x dan s, rata-rata dan simpangan baku sampel).
𝐬

b. Dengan menggunakan daftar distribusi normal baku, menghitung peluang setiap bilangan
baku tersebut F (z1) = P (z  z1).
c. Menghitung proporsi z1, z2, z3,… zn, yang lebih kecil atau sama dengan zi.
Jika proporsi ini dinyatakan oleh S(zi), maka:
𝐛𝐚𝐧𝐲𝐚𝐤𝐧𝐲𝐚 𝐳𝟏,𝐳𝟐,𝐳𝟑,….𝐳𝐧  𝐳𝐢
S(zi) =
𝐧
d. Hitung selisih F(z1) – S (z1).
e. Menentukan Lo, yaitu dengan harga yang paling besar diantara harga-harga mutlak
selisih F (z1) dengan S (z1).
Contoh :
Berikut diberikan data :
23 27 33 40 48 48 57 59 62 68 69 70
yang diambil dari suatu populasi, akan diuji hipotesis nol bahwa sampel ini berasal dari populasi
dengan distribusi normal pada α = 0,05

Penyelesaian :

PERUMUSAN HIPOTESIS :

H0 : data sampel berasal dari distribusi normal

H1 : data sampel tidak berasal dari distribusi normal

STATISTIK UJI : L0  Sup F ( zi )  S ( zi )

x

DAERAH KRITIS : tolak Ho jika L0 > Lα , n

Untuk α = 0,05 dan n = 12 dari tabel nilai kritis uji Liliefors L0,05 , 12 = 0,242
Perhitungan :

Dari data di atas diperoleh : x  50,3 dan s  16,55

Tabel perhitungan

Xi Zi F(zi) S(zi) F ( zi )  S ( zi )

23 -1,65 0,0945 1/12 = 0,0833 0,0338

27 -1,41 0,0793 2/12 = 0,1667 0,0874
33 -1,05 0,1469 0,2500 0,1031
40 -0,62 0,2676 0,3333 0,0657
48 -0,14 0,4443 0,5000 0,0557
48 -0,14 0,4443 0,5000 0,0557
57 0,40 0,6554 0,5833 0,0721
59 0,53 0,7019 0,6667 0,0352
62 0,71 0,7612 0,7500 0,0112
68 1,07 0,8577 0,8333 0,0244
69 1,13 0,8708 0,9167 0,0459
70 1,19 0,8830 1 0,1170*

Dari tabel di atas tampak pada = 70 memberikan nilai terbesar sehingga

L0 = 0,1170 , dari tabel nilai kritis uji Lillifors L0,05 , 12 = 0,242 berarti

L0 < L0,05 , 12 maka hipotesis nol diterima .

Kesimpulannya adalah bahwa populasi asal berdistribusi normal

Catatan :

Untuk pengujian keselarasan ini data harus dalam keadaan terurut dari kecil ke besar.
Tabel Nilai Kritis Untuk Uji Lillifors

Ukuran Taraf Nyata ()

Sampel 0.01 0.05 0.10 0.15 0.20

n=4 0.417 0.381 0.352 0.319 0.300

5 0.405 0.337 0.315 0.299 0.285

6 0.364 0.319 0.294 0.277 0.265

7 0.348 0.300 0.276 0.258 0.247

8 0.331 0.285 0.261 0.244 0.233

9 0.311 0.271 0.249 0.233 0.223

10 0.294 0.258 0.239 0.224 0.215

11 0.284 0.249 0.230 0.217 0.206

12 0.275 0.242 0.223 0.212 0.199

13 0.268 0.234 0.214 0.202 0.190

14 0.261 0.227 0.207 0.194 0.183

15 0.257 0.220 0.201 0.187 0.177

16 0.250 0.213 0.195 0.182 0.173

17 0.245 0.206 0.289 0.177 0.169

18 0.239 0.200 0.184 0.173 0.166

19 0.235 0.195 0.179 0.169 0.163

20 0.231 0.190 0.174 0.166 0.160

25 0.200 0.173 0.158 0.147 0.142

30 0.187 0.161 0.144 0.136 0.131

 1.031 0.886 0.805 0.768 0.736
n > 30
n n n n n

Sumber : Sudjana (1996)

Contoh Uji Normalitas Menggunakan Lillifors dari Judul Skripsi: Pengaruh Latihan Pliometrik
Bervariasi Terhadap Hasil Belajar Keterampilan Dribbling Sepakbola Peserta Ekstrakurikuler
Sepakbola di SMK PGRI 7 Malang (Dhuhary, Ainnur Adi, 2014:94-95)

Uji Normalitas Skor Awal Keterampilan Tes Menggiring Bola Kelompok Awal.

𝑋 − 𝑋̅
No Xi 𝑍= F(z1) = P(z <=z1) S(zi) F(zi) – S(zi)
𝑆𝐷
1 20,96 -1,53 0,0630 0,03 -0,033
2 21,26 -1,43 0,0764 0,06 -0,0164
3 21,30 -1,41 0,0793 0,09 0,0107
4 21,48 -1,35 0,0885 0,12 0,0315
5 21,90 -1,21 0,1131 0,15 0,0369
6 22,05 -1,16 0,1230 0,18 0,057
7 22,17 -1,12 0,1314 0,21 0,0786
8 22,55 -0,99 0,1611 0,24 0,0789
9 23,00 -0,84 0,2005 0,26 0,0595
10 23,12 -0,80 0,2119 0,29 0,0781
11 24,26 -0,41 0,3409 0,32 -0,0209
12 24,42 -0,36 0,3594 0,35 -0,0094
13 24,80 -0,23 0,4090 0,38 -0,029
14 24,80 -0,23 0,4090 0,41 0,001
15 25,08 -0,14 0,4443 0,44 -0,0043
16 25,16 -0,11 0,4562 0,47 0,0138
17 26,06 0,20 0,5793 0,50 -0,0793
18 26,06 0,20 0,5793 0,53 -0,0493
19 26,18 0,24 0,5948 0,56 -0,0348
20 26,24 0,26 0,6026 0,59 -0,0126
21 26,28 0,27 0,6064 0,62 0,0136
22 26,30 0,28 0,6103 0,65 0,0397
23 26,34 0,29 0,6141 0,68 0,0659
24 26,39 0,31 0,6217 0,71 0,0883
25 26,44 0,32 0,6255 0,74 0,1145
26 27,11 0,55 0,7088 0,76 0,0512
 27 27,16 0,57 0,7157 0,79 0,0743
28 27,90 0,82 0,7939 0,82 0,0261
29 28,24 0,93 0,8238 0,85 0,0262
30 28,38 0,98 0,8365 0,88 0,0435
31 28,46 1,01 0,8438 0,91 0,0662
32 30,10 1,56 0,9406 0,94 -0,0006
33 30,52 1,70 0,9554 0,97 0,0146
34 33,81 2,81 0,9975 1,00 0,0025

Mean 25,48
SD 2,96
L hitung 0,1145

Keterangan :

Xi = Skor keterampilan menggiring bola

Zi = Transformasi dari angka ke notasi pada distribusi normal

F(zi) = Probabilitas komulatif normal

S( zi) = Probabilitas komulatif empiris

Dari hasil uji normalitas dari kelompok awal diperoleh L hitung sebesar 0,1145 < L tabel
0,05 = 0,249, maka dari itu dapat disimpulan bahwa data awal tes menggiring bola berdistribusi
normal.

2. Teknik Kolmogorov Smirnov.

Menurut Siregar, Syofian (2013:153 – 162) “Metode Kolmogorof- Smirnov prinsip
kerjanya membandingkan frekuensi kumulatif distribusi empirik (observasi)”.
Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lillifors.
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.
 Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
FT = Probabilitas komulatif normal
FS = Probabilitas komulatif empiris

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.
HIPOTESIS UJI :
H0 : Data populasi berdistribusi normal
H1 : Data populasi berdstribusi tidak normal.
SIGNIFIKANSI UJI :
nilai terbesar | ft - Fs | dibandingkan dengan nilai tabel Kolmogorov-Smirnov..
Jika Lhitung < Ltabel, maka :
§ Ho diterima
§ H1 ditolak.
· Jika Lhitung > Ltabel , maka :
§ Ho ditolak
§ H1 diterima
Contoh:
Contoh :
Suatu penelitian tentang berat badan mahasiswa yang mengijkuti 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 α = 5%, apakah data tersebut di atas diambil dari populasi
yang berdistribusi normal ?
Penyelesaian :
1. Hipotesis
* Ho : Populasi berat badan mahasiswa berdistribusi normal
* H1 : Populasi berat badan mahasiswa tidak berdistribusi normal
2. Nilai α
* Nilai α = level signifikansi = 5% = 0,05
3. Statistik Penguji
4. Derajat bebas
* Df tidak diperlukan
5. Nilai tabel
* Nilai Kuantil Penguji Kolmogorov, α = 0,05 ; N = 27 ; yaitu 0,254. Tabel Kolmogorov
Smirnov.
6. Daerah penolakan
* Menggunakan rumus: | 0,1440 | < | 0,2540| ; berarti Ho diterima, Ha ditolak.
7. Kesimpulan
* Populasi tinggi badan mahasiswa berdistribusi normal α = 0,05.

3. Uji Chi Square.

Menurut Supranto (2009:65) “Distribusi kai-kuadrat sangat berguna sebagai kriteria
untuk pengujian hipotesis mengenai varians dann juga untuk uji ketepatan penerapan suatu
fungsi (test goodness of fit) apabila digunakan untuk data hasil observasi atau data hasil empiris.
Dengan demikian, kita dapat menentukan apakah distribusi pendugaan berdasarkan sampel
hampir sama atau mendekati distribusi teoritis, sehingga kita dapat menyimpulkan bahwa
populasi dari mana sampel itu kita pilih mempunyai distribusi yang kita maksud (misalnya, suatu
populasi mempunyai distribusi Biominal, Poisson, atau Normal”.
Sedangkan menurut Hariyadi (2009:242) “Salah satu guna Khi Kuadrat adalah untuk
mengetes signifikansi Normalitas Distribusi frekuensi. Sebuah distribusi dikatakan normal jika
digrafikan berbentuk simetris. Khi Kuadrat di sini untuk menguji Hipotesis Nihilnya, hipotesis
nihil di sini yang mengatakan bahwa “Frekuensi hasil observasi yang sedang diadakan penelitian
tidak menyimpang secara signifikan dari frekuensi teoritiknya dalam distribusi normal yang
ada”.
Ciri-Ciri Distribusi Chi Kuadrat
- Selalu positif
 - df = k – 1, dimana k adalah jumlah kategori (variabel). Jadi bentuk distribusi chi-kuadrat
tidak ditentukan banyaknya sampel, melainkan banyaknya derajat bebas.
- Bentuk distribusi chi-kuadrat menjulur positif. Semakin besar derajat bebas, semakin
mendekati distribusi normal.

(𝑶𝒊−𝑬𝒊)
Rumus umum: x2 = 
𝑬𝒊
Keterangan :
Oi = frekuensi hasil pengamatan pada klasifikasi ke-i
Ei = frekuensi yang diharapkan pada klasifikasi ke-i
X2 = Nilai Chi-Kuadrat
PersyaratanMetode Chi Square (Uji Goodness of fit Distribusi Normal)
- Data tersusun berkelompok atau dikelompokkan dalam tabel distribus frekuensi.
- Cocok untuk data dengan banyaknya angka besar (n > 30).
Signifikansi
Signifikansi uji, nilai X2 hitung dibandingkan dengan X2 tabel (Chi-Square).
- Jika nilai X2 hitung < nilai X2 tabel, maka Ho diterima ; Ha ditolak.
- Jika nilai X2 hitung > nilai X2 tabel, maka maka Ho ditolak ; Ha diterima.
Uji normalitas dengan menggunakan Chi-Kuadrat dapat dilakukan dengan langkah-
langkah sebagai berikut :
1) Mencari nilai terbesar dan terkecil
2) Mencari nilai rentang, yaitu selisih data terbesar dengan data terkecil.
3) Mencari banyak kelas dengan aturan struges, yaitu banyaknya kelas = 1 + 3,3 log n, dengan
n adalah banyaknya data (sudjana (1996:47)
4) Mencari panjang kelas interval (i)
5) Membuat tabel distribusi frekuensi
6) Mencari rata-rata (mean)
7) Mencari simpangan baku (standar deviasi)
8) Membuat daftar frekuensi yang diharapkan dengan cara sebagai berikut
- Menentukan batas kelas, yaitu ujung bawah kelas interval dikurangi 0.5 dan kemudian
ujung atas kelas interval ditambah 0.
 - Mencari nilai Z menggunakan batas bawah dan batas atas kelas interval dengan rumus:

- Mencari luas 0-Z dari Tabel Kurva Normal dari 0-Z dengan menggunakan Z hitung.
- Mencari selisih luas tiap kelas interval dengan cara mengurangkan nilai-nilai 0-Z tepi
bawah dengan tepi atas.
9) Mencari frekuensi yang diharapkan dengan cara mengalikan luas tiap interval dengan
jumlah responden.
10) Mencari Chi-Kuadrat hitung.
11) Membandingkan nilai X2 hitung dengan X2 tabel. Kriteria:
Jika X2 hitung < X2 tabel maka H0 diterima dan untuk hal lainnya H0 ditolak.
Contoh:
Akan diuji normalitas untuk data Keterampilan gerak Siswa Kelas VIII A SMP Negeri 1 Malang
pada Senam. Apakah data tersebut berdistribusi normal? Datanya adalah sebagai berikut :
No. X No. X. No. X No. X No. X
1. 58 16. 51 31. 57 46. 72 61. 78
2. 57 17. 65 32. 51 47. 78 62. 71
3. 57 18. 85 33. 52 48. 66 63. 45
4. 51 19. 72 34. 51 49. 48 64. 50
5. 51 20. 78 35. 65 50. 71
6. 52 21. 58 36. 78 51. 78
7. 71 22. 59 37. 71 52. 70
8. 79 23. 58 38. 71 53. 65
9. 72 24. 64 39. 64 54. 37
10. 75 25. 64 40. 58 55. 58
11. 58 26. 58 41. 50 56. 50
12. 62 27. 71 42. 44 57. 50
13. 57 28. 64 43. 58 58. 58
14. 57 29. 78 44. 48 59. 48
15. 57 30. 78 45. 65 60. 67
Jawab :
Hipotesis :
H0 : data pada sampel berasal dari populasi yang berdistribusi normal
H1 : data pada sampel berasal dari populasi yang tidak berdistribusi normal
Langkah pengujiannya sebagai berikut :
1. Mencari nilai terbesar terbesar dan terkecil
Nilai terbesar = 85
Nilai terkecil = 37
2. Mencari nilai rentang (R)
R = skor terbesar – skor terkecil
R = 85 – 37 = 58
3. Mencari banyak kelas (BK)
BK = 1 + 3,3 log n
BK = 1 + 3,3 log 64
BK = 1 + 3,3 (1,81)
BK = 1 + 3,3 (1,81)
BK = 1 + 5,973
BK = 6,973 dibulatkan menjadi 7
4. Mencari nilai panjang kelas (i)

5. Membuat tabel distribusi frekuensi

No Kelas F Nilai Tengah

Interval (xi)
1. 37 – 44 2 40,5
2. 45 – 52 15 48,5
 3. 53 – 60 16 56,5
4. 61 – 68 11 64,5
5. 69 – 76 11 72,5
6. 77 – 84 8 80,5
7. 85 – 92 1 88,5
Jumlah 64

6) Mencari rata-rata (mean)

7) Mencari simpangan baku (standar deviasi)

No. Kelas Interval Fi xi xi-x (xi-x)-2 fi(xi-x)-2
1. 37-44 2 40,5 -21,25 451,5625 903,125
2. 45-52 15 48,5 -13,25 175,5625 2633,4375
3. 53-60 16 56,5 -5,25 27,5625 441
4. 61-68 11 64,5 2,75 7,5625 83,1875
5. 69-76 11 72,5 10,75 115,5625 1271,1875
6. 77-84 8 80,5 18,75 351,5625 2812,5
7. 85-92 1 88,5 26,75 715,5625 715,5625
64 8860

8) Membuat daftar frekuensi yang diharapkan dengan cara sebagai berikut :

a. Menentukan Tepi Bawah dan Tepi Atas Kelas Intervalt :
No Kelas Batas Batas atas
Interval bawah kelas kelas
1. 37 - 44 36,5 44,5
2. 45 - 52 44,5 52,5
3. 53 - 60 52,5 60,5
4. 61 - 68 60,5 68,5
5. 69 - 76 68,5 76,5
6. 77 - 84 76,5 84,5
7. 85 - 92 84,5 92,5

b. Mencari nilai Z menggunakan Tepi Bawah dan Tepi Atas Kelas Interval
c. Mencari selisih luas tiap kelas interval dengan cara mengurangkan nilai-nilai 0-Z tepi bawah
dengan tepi atas
Selisih Luas 0-Z
0,0569
0,1442
0,0238
0,2595
 0,1768
0,0801
0,0226

9) Mencari frekuensi yang diharapkan dengan cara mengalikan selisih luas tiap interval dengan
jumlah responden (n = 64)

Selisih Luas 0-Z Ei

0,0569 3,64

0,1442 9,23

0,2385 15,26

0,2595 16,61

0,1768 11,32

0,0801 5,13

0,0226 1,45

Frekuensi yang Diharapkan (Ei) dari Hasil Pengamatan (Oi) untuk Variabel Keterampilan Gerak
Siswa Kelas VIII A SMP 1 Malang pada Materi Senam.
10) Mencari Chi-Kuadrat hitung

11) Membandingkan X2 hitung dengan X2 tabel

Dengan membandingkan X2 hitung dengan nilai X2 tabel untuk alpha =0,05 dan derajad
kebebasan (dk) = k – 1 = 7 – 1 = 6, maka dicari pada tabel Chi-Kuadrat didapat X2tabel = 12,6
dengan kriteria pengujian sebagai berikut :
Jika X2 hitung X2 tabel, artinya distribusi data tidak normal
Jika X2 hitung < X2tabel , artinya data berdistribusi normal.
Ternyata X2 hitung < X2tabel,atau 8,077 < 12,6 , maka H0 diterima. Jadi, data Keterampilan Gerak
Siswa Kelas VIII A SMP 1 Malang pada Materi Senam adalah berdistribusi normal. Sehingga,
analisis uji selanjutnya dapat dilanjutkan.
 BAB III
PENUTUP

A. Kesimpulan
Uji normalitas data adalah hal yang lazim dilakukan sebelum sebuah metode statistik. Uji
normalitas merupakan salah satu bagian dariuji persyaratan analisis data.Tujuan uji normalitas
adalah untuk mengetahui apakah distribusi sebuah data mengikuti atau mendekati distribusi
normal, yakni distribusi data yang mampunyai pola seperti distribusi normal. Untuk menguji
kenormalan data dapat menggunakan tiga cara yaitu bentuk uji Lillifors, teknik Kolmogorof-
Smirnov, dan Uji Chi-Square.

B. Saran
Sekian yang bisa kelompok kami sampaikan semoga pembahasan tentang pengujian data
statistic dengan uji normalitas dapat bermanfaat bagi para pembaca
 DAFTAR PUSTAKA

Dhuhary, Ainnur Adi. 2014. Pengaruh Latihan Pliometrik Bervariasi Terhadap Hasil Belajar
Keterampilan Dribbling Sepakbola Peserta Ekstrakurikuler Sepakbola Di Smk Pgri 7
Malang. Malang. UM.

Hariyadi. 2009. Statistik Pendidikan Panduan Lengkap dari Design Sampai analisis Statistik
Pendidikan. Jakarta. Prestasi Pustaka Raya.

Rusli, Muhammad. 2014. Pengelolaan Statistik yang menyenangkan. Yogyakarta. Graha Ilmu.

Setyosari. 2010. Metode Penelitian dan Pengembangan. Jakarta. Kencana Prenada Media Group.

Siregar, Syofian. 2013. Statistik Parametrik untuk Penelitian Kuantitatif. Jakarta: Bumi
Aksara.

Sudjana. 1996. Metoda Statistika. Bandung. Tarsito.

Supranto. 2009. Statistik Teori dan Aplikasi Edisi Ketujuh. Jakarta: Erlangga.