Disusun Oleh:
Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa karena dengan
rahmat, karunia, serta taufik dan hidayah-Nya kami dapat menyelesaikan makalah
tentang “Pengujian Hipotesis Varians dan Pengujian Normalitas Populasi” ini
tepat waktu. Dan juga kami berterima kasih pada Ibu Rahmi Yuliana, S.Pd.,
M.Pd. selaku Dosen Pengampu mata kuliah Statistika Matematika yang telah
memberikan tugas ini kepada kami.
Sekiranya makalah yang telah disusun ini dapat berguna bagi kami sendiri
maupun orang yang membacanya. Serta kami berharap makalah ini dapat berguna
dalam rangka menambah wawasan serta pengetahuan kita.
Penyusun
ii
DAFTAR ISI
iii
BAB I
PENDAHULUAN
A. 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.
Seringkali dalam kehidupan sehari–hari manusia dihadapkan pada
persoalan untuk menguji apakah hipotesis atau pernyataan yang kita ambil
adalah benar atau salah melalui suatu pernyataan yang diambil dengan bukti
– bukti yang akurat. Dalam ilmu statistika, pernyataan yang akan diuji
kebenarannya disebut hipotesis, sedangkan metode untuk menguji
kebenaran hipotesis disebut pengujian hipotesis. Dalam pengujian hipotesis,
kita dapat menguji dengan satu populasi maupun dua populasi. Pengujian
hipotesis dapat berupa pengujian satu arah dan dua arah. Pengujian satu arah
merupakan pengujian hipotesis dengan hipotesis alternatif kurang dari atau
lebih dari parameter yang digunakan. Sedangkan pengujian hipotesis dua
arah dengan hipotesis alternatif tidak sama dengan parameter yang
digunakan. Pengujian hipotesis dapat dilakukan berdasarkan rata-rata,
varians, dan proporsi.
Pada pengujian statistik, data yang kita miliki harus diuji normalitas
populasinya terlebih dahulu untuk menentukan alat uji yang dapat kita
gunakan. Pengujian 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.
1
Dalam makalah ini akan diuraikan mengenai salah satu dari
pengujian hipotesis yaitu yang berdasarkan varians dan pengujian
normalitas populasi dengan menggunakan beberapa jenis pengujian
normalitas.
B. Rumusan Masalah
Rumusan masalah dalam makalah ini adalah sebagai berikut:
1. Apa yang dimaksud dengan Pengujian Hipotesis?
2. Apa itu Pengujian Hipotesis Varians?
3. Apa saja jenis Pengujian Hipotesis Varians?
4. Apa yang dimaksud Pengujian Normalitas Populasi?
5. Apa saja metode Pengujian Normalitas Populasi?
C. Tujuan Penulisan
Tujuan penulisan makalah ini adalah sebagai berikut:
1. Mengetahui serta memahami tentang Pengujian Hipotesis.
2. Mengetahui serta memahami tentang Pengujian Hipotesis Varians.
3. Mengetahui jenis-jenis Pengujian Hipotesis Varians.
4. Mengetahui serta memahami tentang Pengujian Normalitas Populasi.
5. Mengetahui metode Pengujian Normalitas Populasi.
D. Manfaat Penulisan
Makalah ini bermanfaat sebagai acuan pembelajaran agar kita dapat
memahami dan menambah pengetahuan kita, serta mampu menjelaskan dan
mendapatkan gambaran dalam penelitian tentang Pengujian Hipotesis
Varians dan Pengujian Normalitas Populasi.
2
BAB II
PEMBAHASAN
A. Pengujian Hipotesis
1. Hipotesis
Hipotesis adalah suatu anggapan yang mungkin benar atau
mungkin tidak benar tentang suatu populasi. Hipotesis nol, disimbolkan
H0 adalah hipotesis yang dirumuskan sebagai suatu pernyataan yang
diuji. Hipotesis alternative disimbolkan H1 atau Hα adalah hipotesis yang
dirumuskan sebagai lawan atau tandingan dari hipotesis nol.
2. Pengujian Hipotesis
Pengujian Hipotesis adalah suatu prosedur yang dilakukan dengan
tujuan memutuskan apakah menerima atau menolak hipotesis mengenai
parameter populasi.
Pengujian Hipotesis memiliki dua macam, salah satunya yaitu
pengujian hipotesis dua arah. Jika tandingan H1 mempunyai rumusan
tidak sama, maka didapat dua daerah kritis pada ujung distribusi. Luas
daerah kritis atau daerah penolakan pada tiap ujung adalah 1/2 α karena
ada 2 daerah penolakan maka uji hipotesis dinamakan uji dua arah.
Kriteria pengujiannya yaitu tolak H0 jika statistik yang dihitung
berdasarkan sampel tidak kurang dari daerah penolakan positif dan tidak
lebih dari daerah penolakan negatif.
Daerah Daerah
Penolakan H0 Penolakan H0 Daerah Kritis
Daerah
Luas 1/2a Luas 1/2a
Penerimaan H0
d1 d2
3
Kedua daerah penerimaan dan penolakan H0 tersebut dibatasi
oleh bilangan d1 dan d2 yang harganya diperoleh dari daftar distribusi
yang digunakan dengan peluang ralat α yang telah diterapkan.
Kriterianya adalah terima H0 jika harga statistik yang dihitung
jatuh antara d1 dan d2, dan dalam hal lainnya H0 ditolak.
3. Prosedur Pengujian Hipotesis
Prosedur Hipotesis adalah langkah-langkah yang dipergunakan
dalam menyelesaikan pengujian hipotesis tersebut. Berikut adalah
langkah-langkah pengujian hipotesis :
a. Merumuskan Hipotesis
Apabila hipotesis nol diterima maka hipotesis alternatif
ditolak. Demikian pula sebaliknya ,jika alternatif diterima maka
hipotesis nol ditolak. Apa yang akan dinyatakan oleh hipotesis
penelitian disimpan sebagai H1, sedangkan H0 adalah lawannya
kecuali jika Hipotesis penelitian mengisyaratkan tanda = maka
disimpan sebagai H0 dan H1 adalah lawannya.
b. Menentukan Kesalahan Berdasarkan Tipe I (Taraf Signifikan)
Besaran yang sering digunakan untuk menentukan nilai α
dinyatakan dalam persentase, yaitu 1% (0,01), 5% (0,05), dan 10%
(0,1). Besarnya nilai α bergantung pada keberanian pembuat
keputusan yang dalam hal ini berapa besarnya kesalahan yang akan
ditolerir.
c. Menentukan Statistik Uji
Untuk menguji sebuah hipotesis, peneliti harus memilih
statistik uji yang tepat untuk menguji hipotesisnya. Menentukan
statistik uji yaitu dengan cara menduga parameter data sampel yang
diambil secara random dari sebuah populasi. Dengan cara ini maka
dapat ditentukan statistik uji apa yang tepat dalam menguji hipotesis
dalam suatu penelitian tersebut.
4
d. Menentukan Kriteria Penolakan
Kriteria pengujian adalah bentuk pembuatan keputusan
dalam menerima atau menolak hipotesis nol (H0) dengan cara
membandingkan nilai α tabel distribusinya (nilai kritis) dengan nilai
uji statistiknya, sesuai dengan dengan bentuk pengujiannya.
e. Menentukan Nilai Kritis
Nilai kritis adalah kriteria yang menentukan wilayah
penolakan dari wilayah penerima dari hipotesis nol.
f. Membuat Keputusan dan Kesimpulan
Pembuatan kesimpulan merupakan penetapan keputusan
dalam penerimaan atau penolakan hipotesis nol (H0), sesuai dengan
kriteria pengujiannya. Pembuatan kesimpulan dilakukan setelah
membandingkan nilai uji statistik dengan nilai α tabel atau nilai
kritis.
4. Kesalahan Pengujian Hipotesis
Kadangkala terjadi kesalahan dalam mengambil sampel.
Kesalahan inilah yang menyebabkan terjadinya kesalahan dalam
pengambilan keputusan suatu pengujian hipotesis. Dalam uji hipotesis
terdapat dua kesalahan (error) yaitu kesalahan tipe 1 dan 2.
Kesalahan tipe 1, adalah kesalahan yang terjadi jika kita menolak
H0, padahal H0 benar. Probabilitas untuk melakukan kesalahan tipe 1 ini
diberi simbol α. Sedangkan kesalahan tipe 2 terjadi jika kita menerima
(tidak menolak) H0, padahal H0 tersebut salah. Probabilitas melakukan
kesalahan tipe 2 ini di beri simbol β. Hubungan antara kesalahan 1 dan 2
ditunjukkan pada gambar berikut:
Tabel Dua Jenis Kesalahan dalam Pengujian Hipotesis
Kondisi Sebenarnya
Hipotesis nol
H0 benar H0 salah
Menerima H0 Taraf Kepercayaan (1-α) Error Tipe II (β)
Menolak H0 Error Tipe I (α) Daya uji (1-β)
5
5. Uji Satu Arah dan Dua Arah
Pengujian hipotesis sehubungan dengan tandingannya dibedakan
menjadi dua yaitu uji satu arah dan uji dua arah.
Uji satu arah adalah uji yang hipotesis tandingannya merupakan
pernyataan lebih besar atau lebih kecil. Apabila hipotesis tandingannya
merupakan penyataan lebih besar, maka arah penolakannya adalah ke
kanan, yaitu menolak H0 apabila statistik uji yang diperoleh lebih besar
dari ambang kritis yang ditetapkan. Sedangkan apabila hipotesis
tandingannya merupakan pernyataan lebih kecil, maka arah
penolakannya adalah ke kiri, yaitu menolak H0 apabila statistik ujinya
lebih kecil dari nilai kritis yang ditetapkan. Uji dua arah adalah uji yang
hipotesis tandingannya menyatakan ketaksamaan, misalnya σ ≠ σ0.
Dengan pernyataan ketaksamaan ini maka arah penolakannya adalah dua
arah, ke kanan dan ke kiri, yaitu menolak H0 apabila statistik ujinya lebih
besar dari ambang kritis kanan, atau lebih kecil dari ambang kritis kiri.
6. P-Value
P-value adalah peluang bahwa sampel yang diuji terletak pada
distribusi normal dari suatu populasi. Apabila nilai p-value lebih besar
dari α, berarti data berdistribusi normal. Pengertian Alpha (α) sendiri
adalah batas kesalahan maksimal yang dijadikan patokan oleh peneliti.
6
1. Pengujian Hipotesis Varians pada Satu Populasi
Untuk populasi yang berdistribusi secara normal, rasio (n-1)s2/σ2
mengikuti sebuah distribusi probabilitas X2 , di mana terdapat distribusi
chi-square yang berbeda-beda tergantung pada derajat kebebasan (n-1).
Uji Arah
Uji dua arah
𝐻0 ∶ 𝜎 2 = 𝜎0 2
𝐻1 ∶ 𝜎 2 ≠ 𝜎0 2
Uji satu arah
𝐻0 ∶ 𝜎 2 = 𝜎0 2
𝐻1 ∶ 𝜎 2 < 𝜎0 2
atau
𝐻0 ∶ 𝜎 2 = 𝜎0 2
𝐻1 ∶ 𝜎 2 > 𝜎0 2
Statistik uji (Distribusi Chi-Squared)
(𝑛−1)𝑆 2
𝜒 2 ℎ𝑖𝑡𝑢𝑛𝑔 = 𝜎0 2
Dimana:
2 = variabel standardized chi-square
n = jumlah sampel
s2 = varians sampel
σ2 = varians populasi
σ02 = nilai σ2 dari hipotesis
Kriteria Penerimaan
Untuk 𝐻0 ∶ 𝜎 2 = 𝜎0 2 dan 𝐻1 ∶ 𝜎 2 ≠ 𝜎0 2
H0 diterima jika χ21-/2;(n-1) ≤ χ2hitung ≤ χ2/2;(n-1)
H0 ditolak jika χ2hitung > χ2/2;(n-1) atau χ2hitung < χ21-/2;(n-1)
Untuk 𝐻0 ∶ 𝜎 2 = 𝜎0 2 dan 𝐻1 ∶ 𝜎 2 < 𝜎0 2
H0 diterima jika χ2hitung χ2(1-);(n-1)
H0 ditolak jika χ2hitung < χ2(1-);(n-1)
7
Untuk 𝐻0 ∶ 𝜎 2 = 𝜎0 2 dan 𝐻1 ∶ 𝜎 2 > 𝜎0 2
H0 diterima jika χ2hitung χ2 ;(n-1)
H0 ditolak jika χ2hitung > χ2 ;(n-1)
Langkah-langkah pengujian:
a. Uji hipotesis
𝐻0 ∶ 𝜎 2 = 𝜎0 2
𝐻1 ∶ 𝜎 2 ≠ 𝜎0 2
Tingkat signifikasi:
(𝑛−1)𝑆 2
Statistik uji : 𝜒 2 ℎ𝑖𝑡𝑢𝑛𝑔 = 𝜎0 2
Daerah penerimaan H0
χ21-/2;(n-1) ≤ χ2hitung ≤ χ2/2;(n-1)
b. Uji hipotesis
𝐻0 ∶ 𝜎 2 = 𝜎0 2
𝐻1 ∶ 𝜎 2 < 𝜎0 2
Tingkat signifikasi:
(𝑛−1)𝑆 2
Statistik uji : 𝜒 2 ℎ𝑖𝑡𝑢𝑛𝑔 = 𝜎0 2
8
Daerah penerimaan H0
χ2hitung χ2(1-);(n-1)
c. Uji hipotesis
𝐻0 ∶ 𝜎 2 = 𝜎0 2
𝐻1 ∶ 𝜎 2 > 𝜎0 2
Tingkat signifikasi:
(𝑛−1)𝑆 2
Statistik uji : 𝜒 2 ℎ𝑖𝑡𝑢𝑛𝑔 =
𝜎0 2
Daerah penerimaan H0
χ2hitung χ2 ;(n-1)
Contoh soal:
1. Dalam kondisi normal, standard deviasi dari paket-paket produk
dengan berat 40 ons yang dihasilkan suatu mesin adalah 0,25 ons.
Setelah mesin berjalan beberapa waktu, diambil sampel produk
sejumlah 20 paket, dari sampel tersebut diketahui standard deviasi
beratnya adalah 0,32 ons. Apakah mesin tersebut masih bisa
dikatakan bekerja dalam keadaan normal? Gunakan = 0,05.
Jawaban:
Diketahui:
n = 20
s = 0,32 ons
𝜎0 = 0,25
Sehingga uji hipotesisnya:
9
𝐻0 ∶ 𝜎 2 = 0,252
𝐻1 ∶ 𝜎 2 > 0,252
Tingkat signifikasi: = 0,05
(𝑛−1)𝑆 2 (19)(0,322 )
Statistik uji : 𝜒 2 ℎ𝑖𝑡𝑢𝑛𝑔 = 2
= = 31,1296
𝜎0 (0,252 )
10
Statistik uji
(𝑛−1)𝑆 2 (16−1)24
𝜒 2 ℎ𝑖𝑡𝑢𝑛𝑔 = 2
= = 22,5
𝜎0 (42 )
11
Kesimpulan: karena χ2hitung = 16 < χ20,05;(9) = 16,919 maka H0
diterima artinya lifetime produk berstandar deviasi 0,9 tahun.
12
Untuk H0: σ12 – σ22 0 dan HA: σ12 – σ22 < 0
s12
F 2 F1 ,( v1,v 2)
s2
Contoh Soal
Ada dua pabrik penghasil kapur, NICE dan NASDAQ
bandingkan apakah varians panjang kapur dari kedua pabrik sama,
sebagai mana pengujian sebelumnya, Berikut data yang didapatkan:
NICE NASDAQ
Jumlah 21 25
Rata-rata 3.27 2.53
Std dev 1.30 1.16
13
C. Pengujian Normalitas Populasi
Pengujian Normalitas adalah sebuah pengujian yang dilakukan dengan
tujuan untuk menilai sebaran data pada sebuah kelompok data atau variabel,
apakah sebaran data tersebut terdistribusi normal ataukah tidak. Maksud dari
terdistribusi normal adalah data akan mengikuti bentuk distribusi normal di
mana data memusat pada nilai rata-rata dan median. Jika data terdistribusi
normal, maka data tersebut dianggap dapat mewakili suatu populasi.
Pengujian normalitas dimaksudkan untuk mengetahui langkah apa yang akan
dilakukan selanjutnya dalam menguji Hipotesis, apakah harus pengujian
statistika parametrik atau non-parametrik. Normalitas data merupakan syarat
pokok dalam analisis parametrik (analisis perbandingan 2 rata-rata, analisis
variasi satu arah, korelasi, regresi dll).
Pengujian Normalitas berguna untuk menentukan data yang telah
dikumpulkan berdistribusi normal atau diambil dari populasi normal. 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 di asumsikan berdistribusi normal.
Biasa dikatakan sebagai sampel besar.
Namun untuk memberikan kepastian, data yang dimiliki berdistribusi
normal atau tidak, sebaiknya digunakan uji 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. Uji statistik
normalitas yang dapat digunakan diantaranya Chi-Square, Kolmogorov
Smirnov, Liliefors, dan Shapiro Wilk.
1. 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.
(𝑂𝑖 − 𝐸𝑖 )
𝑋2 = ∑
𝐸𝑖
14
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)
Persyaratan Metode Chi Square (Uji Goodness of fit Distribusi
Normal):
Data tersusun berkelompok atau dikelompokkan dalam tabel
distribusi frekuensi.
Cocok untuk data dengan banyaknya angka besar ( n > 30 )
Setiap sel harus terisi, yang kurang dari 5 digabungkan.
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.
Prosedur untuk Menghitung Uji Normalitas (5 Langkah)
a. Merumuskan hipotesis
Ho : data berdistribusi normal
Ha : data tidak berdistribusi normal
b. Menentukan nilai uji statistik
(𝑂𝑖 − 𝐸𝑖 )2
𝑋2 = ∑
𝐸𝑖
c. Menentukan taraf nyata (α)
Untuk mendapatkan nilai chi kuadrat tabel:
𝑋 2 𝑡𝑎𝑏𝑒𝑙 = 𝑋 2 (1−𝑎);(𝑑𝑘) =?
d. Menentukan kriteria pengujian hipotesis
H0 ditolak jika X2hitung > X2tabel
H0 diterima jika X2hitung < X2tabel
e. Memberikan kesimpulan
15
Contoh:
Diambil tinggi badan mahasiswa di suatu Perguruan Tinggi Tahun 1990
Tinggi Badan Jumlah
140 – 144 7
145 – 149 10
150 – 154 16
155 – 159 23
160 – 164 21
165 – 169 17
170 – 174 6
Jumlah 100
Selidikilah dengan α = 5%, apakah data tersebut di atas berdistribusi
normal? (Mean = 157.8; Standar deviasi = 8.09)
Penyelesaian:
1. Hipotesis :
Ho : Populasi tinggi badan mahasiswa berdistribusi normal
H1 : Populasi tinggi badan mahasiswa tidak berdistribusi normal
2. Rumus Statistik penguji
(𝑂𝑖 − 𝐸𝑖 )2
𝑋2 = ∑
𝐸𝑖
(𝑂𝑖 − 𝐸𝑖 )2
𝑋2 = ∑
𝐸𝑖
(7 − 3,86)2 (10 − 10,1)2 (16 − 18,94)2 (6 − 5,38)2
𝑋2 = + + +⋯+
3,86 10,1 18,94 5,38
𝑋 2 = 0,427
16
3. Nilai α
Nilai α = level signifikansi = 5% = 0,05
Derajat Bebas: Df = ( k =panjang kelas) – 3 ) = ( 5 – 3 ) = 2
Nilai tabel: Nilai tabel X2 ; α = 0,05 ; df = 2 ; = 5,991
4. Daerah penolakan
Menggunakan gambar
Menggunakan rumus
|0,427 | < |5,991| ; berarti Ho diterima, H1 ditolak
5. Kesimpulan
Populasi tinggi badan mahasiswa berdistribusi normal α = 0,05.
2. 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 kumulatif
normal.
Keterangan:
Xi = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
F(x) = Probabilitas kumulatif normal
S(x) = Probabilitas kumulatif empiris
= ni / N
17
Persyaratan:
Data berskala interval atau ratio (kuantitatif)
Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
Dapat untuk n besar maupun n kecil.
Ukuran sampel n ≤ 30
Signifikansi:
Signifikansi uji, nilai | F (x) - S (x) | terbesar dibandingkan dengan nilai
tabel Lilliefors.
Jika nilai | F (x) - S (x) | terbesar < nilai tabel Lilliefors, maka Ho
diterima; Ha ditolak.
Jika nilai | F(x) - S(x) | terbesar > dari nilai tabel Lilliefors, maka Ho
ditolak; Ha diterima.
Tabel Lilliefors pada lampiran, Tabel Harga Quantil Statistik
Lilliefors Distribusi Normal.
Contoh:
Berdasarkan data ujian statistik dari 18 mahasiswa didapatkan data
sebagai berikut;
46, 57, 52, 63, 70, 48, 52, 52, 54, 46, 65, 45, 68, 71, 69, 61, 65, 68.
Selidikilah dengan α = 5%, apakah data tersebut di atas diambil dari
populasi yang berdistribusi normal?
Penyelesaian:
• Hipotesis
Ho : Populasi nilai ujian statistik berdistribusi normal
H1 : Populasi nilai ujian statistik tidak berdistribusi normal
• Nilai α
Nilai α = level signifikansi = 5% = 0,05
18
• Statistik Penguji
• Derajat Bebas
Df tidak diperlukan
• Nilai tabel
Nilai Kuantil Penguji Lilliefors, α = 0,05 ; N = 18 yaitu 0,2000.
19
• Daerah penolakan
Menggunakan rumus
| 0,1469 | < | 0,2000| ; berarti Ho diterima
• Kesimpulan
Populasi nilai ujian statistik berdistribusi normal
3. 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.
Keterangan:
Xi = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
FT = Probabilitas kumulatif normal
FS = Probabilitas kumulatif empiris
Persyaratan:
Data berskala interval atau ratio (kuantitatif)
Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
Dapat untuk n besar maupun n kecil.
Sampel ≥ 5 dan < 30
Signifikansi:
Signifikansi uji, nilai |FT – FS| terbesar dibandingkan dengan
nilai tabel Kolmogorov Smirnov.
20
Jika nilai |FT – FS| terbesar <nilai tabel Kolmogorov Smirnov, maka
Ho diterima; Ha ditolak.
Jika nilai |FT – FS| terbesar > nilai tabel Kolmogorov Smirnov, maka
Ho ditolak; Ha diterima.
Tabel Kolmogorov Smirnov pada lampiran 5, Harga Quantil
Statistik Kolmogorov Distribusi Normal.
Contoh:
Suatu penelitian tentang berat badan mahasiswa yang mengikuti
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:
• Hipotesis
Ho : Populasi berat badan mahasiswa berdistribusi normal
H1 : Populasi berat badan mahasiswa tidak berdistribusi normal
• Nilai α
Nilai α = level signifikansi = 5% = 0,05
• Statistik Penguji
21
• Derajat bebas
Df tidak diperlukan
22
• Nilai tabel
Nilai Kuantil Penguji Kolmogorov, α = 0,05 ; N = 27 ; yaitu 0,254.
• Daerah penolakan
Menggunakan rumus
| 0,1440 | < | 0,2540| ; berarti Ho diterima, Ha ditolak
• Kesimpulan
Populasi tinggi badan mahasiswa berdistribusi normal α = 0,05.
4. 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.
23
Persyaratan:
Data berskala interval atau ratio (kuantitatif)
Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
Data dari sampel random
Ukuran sampel n < 50
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 > 5%, maka Ho diterima; Ha ditolak.
Jika nilai p < 5%, maka Ho ditolak; Ha diterima.
Tabel Harga Quantil Statistik Shapiro-Wilk Distribusi Normal.
Jika digunakan rumus G, maka digunakan tabel 2 distribusi normal.
• Hipotesis
Ho : Populasi usia balita berdistribusi normal
H1 : Populasi usia balita tidak berdistribusi normal
• Nilai α
Nilai α = level signifikansi = 5% = 0,05
• Hitung statistik penguji dengan rata-rata = 36,7083
Langkah pertama dihitung nilai D, yaitu :
24
Langkah berikutnya hitung nilai T, yaitu :
25
𝑘 2
1 1
𝑇3 = [∑ 𝑎𝑖 (𝑋𝑛−𝑖+1 − 𝑋𝑖 )] = (54,6894)2 = 0,9391
𝐷 3187,958
𝑖=1
• Derajat bebas Db = n
• Nilai tabel
nilai α (0,10) = 0,930 ; nilai α (0,50) = 0,963
• 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 α (0,05) berarti Ho diterima,
Ha ditolak
• Kesimpulan: Sampel diambil dari populasi normal, pada α = 0,05.
Cara lain setelah nilai T3 diketahui dapat menggunakan rumus G,
yaitu:
𝑇3 − 𝑑𝑛
𝐺 = 𝑏𝑛 + 𝑐𝑛 + 𝑙𝑛 ( )
1 − 𝑇3
𝑇3 − 𝑑24
𝐺 = 𝑏24 + 𝑐24 + 𝑙𝑛 ( )
1 − 𝑇3
0,9391 − 0,2106
𝐺 = −5,605 + 1,862 + 𝑙𝑛 ( )
1 − 0,9391
𝐺 = −1,2617
Hasil nilai G merupakan nilai Z pada distribusi normal, yang
selanjutnya dicari nilai proporsi (p) luasan pada tabel distribusi
normal (lampiran). Berdasarkan nilai G = -1,2617, maka nilai
proporsi luasan = 0,1038. Nilai p tersebut di atas nilai α = 0,05
berarti Ho diterima Ha ditolak. Data benar-benar diambil dari
populasi normal.
26
BAB III
PENUTUP
A. Kesimpulan
Pengujian Hipotesis adalah suatu prosedur yang dilakukan dengan
tujuan memutuskan apakah menerima atau menolak hipotesis mengenai
parameter populasi. Pengujian hipotesis mengenai varians populasi berarti
kita ingin menguji hipotesis mengenai keseragaman suatu populasi ataupun
barang membandingkan keseragaman suatu populasi dengan populasi
lainnya. Pengujian hipotesis varians memiliki dua jenis yaitu pengujian satu
populasi dan dua populasi.
Pengujian Normalitas adalah sebuah pengujian yang dilakukan dengan
tujuan untuk menilai sebaran data pada sebuah kelompok data atau variabel,
apakah sebaran data tersebut terdistribusi normal ataukah tidak. Berdasarkan
pengalaman empiris beberapa pakar statistik, data yang banyaknya lebih dari
30 angka (n > 30), maka sudah dapat di asumsikan berdistribusi normal.
Biasa dikatakan sebagai sampel besar. Uji statistik normalitas yang dapat
digunakan diantaranya Chi-Square, Kolmogorov Smirnov, Liliefors, dan
Shapiro Wilk.
B. Saran
Penulis menyadari tentang penyusunan makalah, tentu masih banyak
kesalahan dan kekurangannya, karena terbatasnya pengetahuan dan
kurangnya rujukan atau referensi yang ada hubungannya dengan judul
makalah ini. Penulis banyak berharap para pembaca kiranya memberikan
kritik dan saran yang membangun kepada penulis demi penyempurnaan
makalah ini dan penulisan makalah di kemudian hari. Semoga makalah ini
berguna bagi penulis dan khususnya juga para pembaca.
27
DAFTAR PUSTAKA
28