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. 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 uji normalitas. Uji normalitas
berfungsi untuk mengetahui apakah data sampel berasal dari populasi yang
berdistribusi normal ataukah tidak. Ada banyak cara yang dapat dilakukan untuk
dapat mengetahuinya. Metode pengujian normalitas secara klasik tidaklah
terlalu rumit. Berdasarkan pengalaman empiris beberapa pakar statistik, data yang
banyaknya lebih dari 30 (n>30) maka dapat dikatakan berdistribusi normal dan biasa
disebut sampel besar.
Namun, untuk mendapatkan kepastian data tersebut berdistribusi normal atau
tidak maka dapat dilakukan uji statistik normalitas. Hal ini dikarenakan data
yang banyaknya lebih dari 30 belum tentu berdistribusi normal dan data yang
banyaknya kurang dari 30 belum tentu tidak berdistribusi normal.Pembuktian secara
manual dapat dilakukan dengan menggunakan metode kertas peluang normal atau
dengan melakukan uji statistik normalitas.
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.
Berikut ini akan diuraikan empat jenis pengujian normalitas, yaitu metode
kolmogorov-smirnov dengan software computer yaitu Minitab.
1.2. Tujuan
Untuk menguji apakah data atau residual data telah mengikuti distribusi
normal. Artinya data dikatakan mengikuti distribusi normal jika titik-titik data yang
diplot telah mengikuti garis lurus.

1.3. Ruang Lingkup

a) Praktikum dilaksanakan pada hari Senin,17 Februari 2020 bertempat di
Laboratorium Komputer Teknik Lingkungan UPN “Veteran” Jawa Timur.
b) Materi praktikum yaitu Uji Normalitas Data dengan menggunakan software
komputer Minitab dan metode kolmogorov-smirnov.
c) Data yang digunakan yaitu data penelitian ( skripsi ).
 BAB 2
TINJAUAN PUSTAKA

2.1 Pengertian Statistika

Secara etimologis kata statistik berasal dari kata status (bahasa latin) yang mempunyai
persamaan arti dengan kata state (bahasa inggris) atau kata staat (bahasa belanda), dan
yang dalam bahasa indonesia diterjemahkan menjadi negara. Pada mulanya, kata statistik
diartikan sebagai kumpulan bahan keterangan (data), baik yang berwujud angka (data
kuantitatif) maupun yang tidak berwujud angka (data kualitatif), yang mempunyai arti
penting dan kegunaan yang besar bagi suatu Negara.
Pengertian statistik lain yaitu, statistik adalah sekumpulan cara dan aturan tentang
pengumpulan, penganalisaan, pengolahan dan penafsiran data dari angka-angka. Statistik
adalah sekumpulan angka yang menjelaskan sifat data ataupun hasil pengamatan.
Statistik meliputi kumpulan data dalam bentuk angka maupun bukan angka yang
disusun dalam bentuk tabel (daftar) dan atau diagram yang menggambarkan atau berkaitan
dengan suatu masalah tertentu.
Namun, pada perkembangan selanjutnya, arti kata statistik hanya di batasi pada
kumpulan bahan keterangan yang berwujud angka (data kuantitatif) dan yang tidak
berwujud angka (data kualitatif). Istilah statistik juga sering diberi pengertian sebagai
kegiatan statistik atau kegiatan persetatistikan atau kegiatan pensetatistikan. Sebagaimana
disebutkan dalam undang-undang tentang statistik (lihat undang-undang No. 7 tahun
1960), kegiatan statistik mencakup 4 hal, yaitu:
a. Pengumpulan data,
b. Penyusunan data,
c. Pengumuman dan pelaporan data,
d. Analisis data.

Metode penarikan kesimpulan umum tersebut sesungguhnya merupakan inti dari

statistik modern yang kemudian populer dengan sebutan statistik inferensial.Bidang
kajian/ cakupan statistik deskriptif :

a. Distribusi frekuensi
b. Penyajian grafik, bagan dan diagram
c. Pengukuran tendensi sentral/ pemusatan (mean, median, modus)
 d. Pembagian distribusi (kuartil, desil, persentil)
e. Variabilitas (range, mean deviasi, standar deviasi, Z score )
f. Angka indeks
g. Time series (deret waktu atau data berkala)

2.2 Uji Normalitas Data

a) Pengertian Uji Normalitas Data
Uji distribusi normal adalah uji untuk mengukur apakah data yang didapatkan
memiliki distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik
inferensial). Dengan kata lain, uji normalitas adalah uji untuk mengetahui apakah
data empirik yang didapatkan dari lapangan itu sesuai dengan distribusi teoritik
tertentu. Dalam kasus ini, distribusi normal. Dengan kata lain, apakah data yang
diperoleh berasal dari populasi yang berdistribusi normal.
Tes-tes parametrik untuk uji normalitas dibangun dari distribusi normal. Jika kita
lihat suatu tabel, misalnya tabel T-tes, pembuatannya mengacu pada tebel normalitas.
Kita bisa berasumsi bahwa sampel kita bener-bener mewakili populasi sehingga hasil
penelitian kita bisa digeneralisasikan pada populasi. Dalam pandangan statistic, sifat
dan karakteristik populasi adalah terdistribusi secara normal.

b) Ciri – ciri Data Normal

1. Data dapat diukur dan data yang memiliki nilai ekstrim ( terlalu besar atau
terlalu kecil ) tidak terlalu banyak.
2. Data yang mendekati nilai rata – rata jumlahnya terbanyak. Setengah data
memiliki nilai lebih kecil atau sama dengan nilai rata – rata dan setengah lagi
memiliki nilai lebih besar atau sama dengan nilai rata – ratanya. ( Arifin : 2008 )
3. Distribusi normal ( gaussian ) mungkin merupakan distribusi probabilitas yang
paling baik dalam teori maupun aplikasi statistik.
Distribusi normal terjadi secara alamiah. Banyak peristiwa di dunia nyata yang
terdistribusi secara normal.
1. Beberapa variabel acak yang tidak terdistribusi secara normal dapat dengan
mudah ditransformasi menjadi suatu distribusi variabel acak yang normal.
2. Banyak hasil dan teknik analisis yang berguna dalam pekerjaan statistik hanya
bisa berfungsi dengan benar jika model distribusinya merupakan distribusi
normal.
 3. Ada beberapa variabel acak yang tidak menunjukkan distribusi normal pada
populasinya namun distribusi dari rata – rata sampel yang diambil secara random
dari populasi tersebut ternyata menunjukkan distribusi normal. ( Harinaldi :
2005 ).

c) Manfaat uji normalitas data

1. Uji 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 diasumsikan berdistribusi normal. Biasa dikatakan
sebagai sampel besar.
2. 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. uji statistik normalitas yang dapat digunakan
diantaranya Chi-Square, Kolmogorov Smirnov, Lilliefors, Shapiro Wilk.

2.2 Minitab
a) Pengertian Minitab
Minitab adalah program komputer yang dirancang untuk melakukan
pengolahan statistik. Minitab mengkombinasikan kemudahan penggunaan layaknya
Microsoft Excel dengan kemampuannya melakukan analisis statistik yang kompleks.
Minitab dikembangkan di Pennsylvania State University oleh periset Barbara F. Ryan,
Thomas A. Ryan, Jr., dan Brian L. Joiner pada tahun 1972. Minitab memulai versi
ringannya OMNITAB, sebuah program analisis statistik oleh NIST.
Paket program Minitab merupakan salah satu software yang sangat besar
kontribusinya sebagai media pengolahan data statistik. Software ini menyediakan
berbagai jenis perintah yang memungkinkan proses pemasukan data, manipulasi data,
pembuatan grafik dan berbagai analisis statistik.
Minitab mempunyai dua layar primer, yaitu Worksheet (lembar kerja) untuk
melihat dan mengedit lembar kerja, serta sesi Command yang merupakan layar untuk
 menampilkan hasil. Perintah-perintah Minitab dapat diakses melalui menu, kotak
dialog maupun perintah interaktif.

b) Penggunaan Minitab
1. Mengelola data dan file - spreadsheet untuk analisis data yang lebih baik.
2. Analisis regresi.
3. Power dan ukuran sampel.
4. Tabel dan grafik.
5. Analisis multivariate - termasuk analisis faktor, analisis klaster, analisis
korespondensi dan lainnya.
6. Tes Nonparametrics - berbagai tes termasuk test signal, run tes, friedman tes, dan
lainnya.
7. Time Series dan Forecasting - membantu menunjukkan kecenderungan pada data
yang dapat digunakan untuk membuat dugaan. . Time series plots, exponential
smoothing, trend analysis.
8. Statistical Process Control.
9. Analisis sistim pengukuran.
10. Analisis varians - untuk menentukan perbedaan antar data.

2.3 Macam – Macam Uji Normalitas Data

A. Uji Normalitas Chi-Square
Chi square merupakan uji statistik untuk menguji probabilitas perbedaan frekuensi
data berskala nominal dengan cara membandingkan antara frekuensi yang dapat
diobservasi atau observed frequencies (disingkat Fo atau O) dan frekuensi yang
diharapkan atau expected frequencies (disingkat Fh atau E) (Sugiyono, 2010).

B. Uji Normalitas 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.

C. Uji Normalitas Lilliefors

 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 Tabel Nilai Quantil Statistik Lilliefors Distribusi Normal.
Kelebihan Liliefors test adalah penggunaan/perhitungannya yang sederhana, serta
cukup kuat (power full) sekalipun dengan ukuran sampel kecil (n = 4) (Irianto, 2009)

D. P – Value dan Alfha (α)

Alfha adalah nilai yangd ijadikan tolak ukur enentukan taraf kepercayaan atau
generalisasi dari objek yang diteliti setelah dilakukan analisa dan interprestasi data.
Alfha sering juga disebut dengan istilah “Taraf Signifikan (T.s)”. Umumnya, dalam
sebuah penelitian taraf signifikan (α) yang digunakan adalah 1% (0,01) atau 5%
(0,05), disamping juga terdapat taraf signifikansi yang lain. Taraf signifikansi ini
sering diubah menjadi taraf kepercyaan (t.p), dilambangkan dengan bilangan 95% atau
99%. Dengan kata lain t.s 0,05 = t.p 95% atau t.s 0,01 = t.p 99%
Nilai alfha digunakan dalam penelitian yang menhendaki taraf kesalahan sebesar
5% dan kepercayaan/kebenarannya 95%. Dan nilai 5% biasanya digunakan dalam
penelitian.
Untuk dapat memutuskan gagal ditolak atau ditolak Ho, ketentuannya adalah
sebagai berikut :
1. Jika p-value < α (lebih kecil dari alpha), maka Tolak Ho danputuskan bahwa
kesimpulan yang benar adalah yang tertulis di H1
2. Jika p-value ≥ α (lebih besar atau sama dengan alpha), maka terima Ho, dan
putuskan bahwa kesimpulan yang benar adalah yang tertulis di Ho.

E. Uji Normalitas Kolmogorov-Smirnov

Tes satu sampel Kolmogorov Smirnov mencakup perhitungan distribusi frekuensi
komulatif yang akan terjadi di bawah distribusi teoritisnya, serta membandingkan
distribusi frekuensi itu dengan distribusi frekuensi komulatif hasil observasi (Siegel,
1997: 59).
 Tabel uji normalitas menggunakan Metode Kolmogorov-Smirnov seperti berikut.
No. 𝑥𝑖 𝑥𝑖 − 𝑥̅ 𝐹𝑟 𝐹𝑠 |𝐹𝑟 − 𝐹𝑠|
𝑍=
𝑆𝐷
1.

2.

dst.

Keterangan:
𝑥𝑖 = 𝑎𝑛𝑔𝑘𝑎 𝑝𝑎𝑑𝑎 𝑑𝑎𝑡𝑎
𝑍 = 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑎𝑠𝑖 𝑑𝑎𝑟𝑖 𝑎𝑛𝑔𝑘𝑎 𝑘𝑒 𝑛𝑜𝑡𝑎𝑠𝑖 𝑝𝑎𝑑𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑠𝑖 𝑛𝑜𝑟𝑚𝑎𝑙
𝐹𝑟 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 𝑘𝑜𝑚𝑢𝑙𝑎𝑡𝑖𝑓 𝑛𝑜𝑟𝑚𝑎𝑙
𝐹𝑠 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 𝑘𝑜𝑚𝑢𝑙𝑎𝑡𝑖𝑓 𝑒𝑚𝑝𝑖𝑟𝑖𝑠
𝐹𝑟 = 𝑘𝑜𝑚𝑢𝑙𝑎𝑡𝑖𝑓 𝑝𝑟𝑜𝑝𝑜𝑟𝑠𝑖 𝑙𝑢𝑎𝑠𝑎𝑛 𝑘𝑢𝑟𝑣𝑎 𝑛𝑜𝑟𝑚𝑎𝑙 𝑏𝑒𝑟𝑑𝑎𝑠𝑎𝑟 𝑛𝑜𝑡𝑎𝑠𝑖 𝑍𝑖,
𝑑𝑖ℎ𝑖𝑡𝑢𝑛𝑔 𝑑𝑎𝑟𝑖 𝑙𝑢𝑎𝑠𝑎𝑛 𝑘𝑢𝑟𝑣𝑎 𝑚𝑢𝑙𝑎𝑖 𝑑𝑎𝑟𝑖 𝑢𝑗𝑢𝑛𝑔 𝑘𝑖𝑟𝑖 𝑘𝑢𝑟𝑣𝑎
𝑠𝑎𝑚𝑝𝑎𝑖 𝑑𝑒𝑛𝑔𝑎𝑛 𝑡𝑖𝑡𝑖𝑘 𝑍.
𝐵𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑎𝑛𝑔𝑘𝑎 𝑠𝑎𝑚𝑝𝑎𝑖 𝑎𝑛𝑔𝑘𝑎 𝑘𝑒 𝑛𝑖
𝐹𝑠 =
𝑏𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑠𝑒𝑙𝑢𝑟𝑢ℎ 𝑎𝑛𝑔𝑘𝑎 𝑝𝑎𝑑𝑎 𝑑𝑎𝑡𝑎

Normalitas data diuji menggunakan rumus (Siegel, 1997: 59)

𝐷ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑚𝑎𝑘𝑠𝑖𝑚𝑢𝑚 |𝐹𝑜 (𝑥) − 𝑆𝑁 (𝑥)|

Keterangan:
𝐹0 (𝑥) : Distribusi frekuensi kumulatif teoritis
𝑆𝑁 (𝑥) : Distribusi frekuensi kumulatif skor observasi

Langkah-langkah mengerjakan adalah sebagai berikut.

a. Mengurutkan data sampel dari yang kecil sampai yang terbesar.
b. Menentukan nilai z dari tiap-tiap data tersebut .
c. Menentukan besar peluang untuk masing-masing nilai z berdasarkan tabel z dan
diberi nama Fx = nilai tabel z + 0,5.
d. Menghitung frekuensi kumulatif relatif kurang dari masing-masing nilai z, tiap-
tiap frekuensi kumulatif dibagi dengan n sebut dengan Sx . Menggunakan nilai
Dhitungyang terbesar.
e. Menentukan nilai Dhitung = |Fx − Sx |, hitung selisihnya, kemudian
bandingkan dengan nilai Ltabel dari tabel Kolmogorov-Smirnov.
f. Jika Dhitung < Dtabel, maka sampel berasal dari populasi yang berdistribusi
normal.
Tabel 2.1 Nilai Kritis D Untuk Uji Kolmogorov-Smirnov

n  = 0,20  = 0,10  = 0,05  = 0,02  = 0,01

1 0,900 0,950 0,975 0,990 0,995
2 0,684 0,776 0,842 0,900 0,929
3 0,565 0,636 0,708 0,785 0,829
4 0,493 0,565 0,624 0,689 0,734
5 0,447 0,509 0,563 0,627 0,669
6 0,410 0,468 0,519 0,577 0,617
7 0,381 0,436 0,483 0,538 0,576
8 0,359 0,410 0,454 0,507 0,542
9 0,339 0,387 0,430 0,480 0,513
10 0,323 0,369 0,409 0,457 0,486
11 0,308 0,352 0,391 0,437 0,468
12 0,296 0,338 0,375 0,419 0,449
13 0,285 0,325 0,361 0,404 0,432
14 0,275 0,314 0,349 0,390 0,418
15 0,266 0,304 0,338 0,377 0,404
16 0,258 0,295 0,327 0,366 0,392
17 0,250 0,286 0,318 0,355 0,381
18 0,244 0,279 0,309 0,346 0,371
19 0,237 0,271 0,301 0,337 0,361
20 0,232 0,265 0,294 0,329 0,352
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 0,238 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 0,218 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
45 0,156 0,179 0,198 0,222 0,238
50 0,148 0,170 0,188 0,211 0,226
55 0,142 0,162 0,180 0,201 0,216
60 0,136 0,155 0,172 0,193 0,207
65 0,131 0,149 0,166 0,185 0,199
70 0,126 0,144 0,160 0,179 0,192
75 0,122 0,139 0,154 0,173 0,185
80 0,118 0,135 0,150 0,167 0,179
85 0,114 0,131 0,145 0,162 0,174
90 0,111 0,127 0,141 0,158 0,169
95 0,108 0,124 0,137 0,154 0,165
100 0,106 0,121 0,134 0,150 0,161

Pendekatan 1,07/√n 1,22/√n 1,36/√n 1,52/√n 1,63/√n

Nilai kritis Pengujian Kolmogorov dengan 𝛼 = 0,05 dan n=32 adalah

𝐷𝑡𝑎𝑏𝑒𝑙 = 0,242.
 BAB 3

METODE ANALISA STATISTIK

3.1 Judul Penelitian

Uji Penurunan Kandungan BOD, COD, dan Warna pada Limbah Batik Menggunakan
Scirpus grossus dan Irispseudacorus dengan Sistem Pemaparan Intermittent.

3.2 Metode Uji Normalitas Data

Uji normalitas data dilakukan dengan menggunakan metode Kolomogorov-Smirnov.
Parameter yang digunakan untuk uji normalitas data yaitu BOD, COD, dan Warna.

3.3 Data Penelitian

Tabel 3.1 Data Analisan BOD, COD dan Warna
Reaktor Drying ke - 1
% Removal BOD % Removal COD % Removal Warna
A1 10% 35% 60%

A2 14% 36% 79%

A3 15% 33% 81%

B1 14% 20% 64%

B2 15% 25% 83%

B3 20% 33% 87%

K1 9% 17% 51%
Limbah
K2 13% 19% 56%
Limbah
Sumber : Data Analisa Penelitian
3.4 Tahap Pengerjaan
1. Memasukkan data (data tabel 1) kedalam worksheet / lembar kerja.
2. Mengisikan tabel data kedalam kolom C1 dan memberi nama kolom C1 dengan “%
removal BOD”
3. Mengisikan tabel data kedalam kolom C2 dan memberi nama kolom C2 dengan “%
removal COD”
4. Mengisikan tabel data kedalam kolom C3 dan memberi nama kolom C3 dengan “%
removal warna”

Gambar 3.1 Proses Insert Data

5. Menyimpan dalam Project dengan nama data.MPJ dan simpan dalam worksheet
dengan nama UNData.MTW
6. Pilih > Stat > Basic Statistic > Normality Test
 Gambar 3.2 Langkah-langkah Metode Uji Normalitas
7. Dalam kolom Variable, masukkan C1 sebagai “% removal BOD”, sedangkan kolom
Percentile Lines di isikan “None”.
8. Uji kenormalan data dilakukan dengan metoda Kolmogrov Smirnov, maka dibawah
Test of Normality, pilih Kolmogorov-Smirnov.
9. Selanjutnya OK

Gambar 3.3 Cara Pengisian Metode Uji Normalitas

10. Pengujian dapat dikatakan selesai apabila grafik ini telah muncul.

Gambar 3.4 Hasil Uji Normalitas

11. Selanjutnya interpretasi data dapat dilakukan.
12. Melakukan prosedur di atas untuk pengujian variabel lain.
 BAB 4
HASIL DAN PEMBAHASAN

4.1 Penentuan Hipotesis

Dalam melakukan uji normalitas data maka diperlukan pernyusunan hipotesis, berikut
merupakan penyusunan hipotesis pada uji normalitas data :
a) H0 ( hipotesis awal ) = data berdistribusi normal
b) H1 ( hipotesis alternatif ) = data tidak berdistribusi normal
c) α = 0,05
d) N = 8
e) KS = 0,454 ( berdasarkan table Kolmogorov-Smirnov)
Dengan daerah penolakan:
α = 5 % = 0,05
P_value < α = H0 ditolak
P_value > α = H0 gagal ditolak
Atau untuk daerah penolakan menggunakan KS, apabila:
KS uji > KS hitung = H0 ditolak
KS uji < KS hitung = H0 gagal ditolak

4.2 Hasil Pengamatan dan Pembahasan

4.2.1. Uji Normalitas Data dengan Parameter BOD

Gambar 4.1 Hasil Running Uji Normalitas Parameter BOD

 Didapat hasil :
a) P-value = >0,150
b) KS uji = 0,230 ( Tabel Nilai Kritis Kolmogorov-Sminov )
c) KS hitung = KS (1 - α)
= 0,454 (1 – 0,05)
= 0,4313

Maka :
P-value > α  H0 gagal ditolak, artinya data tersebut berdistribusi normal.
KS uji < KS hitung  H0 gagal ditolak, artinya data tersebut berdistribusi normal.

Dari data diatas dapat disimpulkan bahwa H0 gagal ditolak, karena p-value
memiliki nilai lebih dari α yaitu sebesar >0,150, sehingga data tersebut
berdistribusi normal. Sedangkan pada daerah penolakan KS hitung memiliki nilai
sebesar 0,4313 yang didapat dari perhitungan KS (1 - α) dengan nilai α = 0,05 (
5% ) serta nilai KS pada tabel kritis uji kolmogorov-smirnov sebesar 0,454. Maka
KS uji sebesar 0,230 lebih kecil dari KS hitung sebesar 0,4313 dapat disimpulkan
H0 gagal ditolak artinya data berdistribusi dengan normal.

4.2.2. Uji Normalitas Data dengan Parameter COD

Gambar 4.2 Hasil Running Uji Normalitas Parameter COD

 Didapat hasil :
a) P-value = 0,090
b) KS uji = 0,268 ( Tabel Nilai Kritis Kolmogorov-Sminov )
c) KS hitung = KS (1 - α)
= 0,454 (1 – 0,05)
= 0,4313

Maka :
P-value > α  H0 gagal ditolak, artinya data tersebut berdistribusi normal.
KS uji < KS hitung  H0 gagal ditolak, artinya data tersebut berdistribusi normal.

Dari data diatas dapat disimpulkan bahwa H0 gagal ditolak, karena p-value
memiliki nilai lebih dari α yaitu sebesar 0,090, sehingga data tersebut berdistribusi
normal. Sedangkan pada daerah penolakan KS hitung memiliki nilai sebesar
0,4313 yang didapat dari perhitungan KS (1 - α) dengan nilai α = 0,05 ( 5% ) serta
nilai KS pada tabel kritis uji kolmogorov-smirnov sebesar 0,454. Maka KS uji
sebesar 0,268 lebih kecil dari KS hitung sebesar 0,4313 dapat disimpulkan H0
gagal ditolak artinya data berdistribusi dengan normal.

4.2.3. Uji Normalitas Data dengan Parameter Warna

Gambar 4.3 Hasil Running Uji Normalitas Parameter Warna

Didapat hasil :
a) P-value = >0,150
b) KS uji = 0,238 ( Tabel Nilai Kritis Kolmogorov-Sminov )
c) KS hitung = KS (1 - α)
= 0,454 (1 – 0,05)
= 0,4313

Maka :
P-value > α  H0 gagal ditolak, artinya data tersebut berdistribusi normal.
KS uji < KS hitung  H0 gagal ditolak, artinya data tersebut berdistribusi normal.

Dari data diatas dapat disimpulkan bahwa H0 gagal ditolak, karena p-value
memiliki nilai lebih dari α yaitu sebesar >0,150, sehingga data tersebut
berdistribusi normal. Sedangkan pada daerah penolakan KS hitung memiliki nilai
sebesar 0,4313 yang didapat dari perhitungan KS (1 - α) dengan nilai α = 0,05 (
5% ) serta nilai KS pada tabel kritis uji kolmogorov-smirnov sebesar 0,454. Maka
KS uji sebesar 0,238 lebih kecil dari KS hitung sebesar 0,4313 dapat disimpulkan
H0 gagal ditolak artinya data berdistribusi dengan normal.
 BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Berdasarkan hasil uji normalitas data, dapat disimpulkan :
a) Hasil analisa parameter BOD menunjukkan bahwa data berdistribusi normal karena
P-value > α  H0 gagal ditolak dan KS uji < KS hitung  H0 gagal ditolak
b) Hasil analisa parameter COD menunjukkan bahwa data berdistribusi normal karena
P-value > α  H0 gagal ditolak dan KS uji < KS hitung  H0 gagal ditolak
c) Hasil analisa parameter Warna menunjukkan bahwa data berdistribusi normal karena
P-value > α  H0 gagal ditolak dan KS uji < KS hitung  H0 gagal ditolak

5.2 Saran
Praktikan memahami data dari hasil penelitian yang akan dirunning pada software
komputer Minitab, agar didapat hasil yang tepat dan proses running berjalan dengan
lancar serta memahami metode yang akan digunakan.
 DAFTAR PUSTAKA

Arifin, Zaenal. 2008. Metodologi Penelitian Pendidikan. Surabaya : Lentera Cendikia.

Hartono. 2008. Analisis Data Statistika dan Penelitian dengan SPSS 16. Pekanbaru :Zanafa

Harinaldi. 2005. Prinsip-Prinsip Statistik Untuk Teknik dan Sains, Erlangga, Jakarta.

Irianto, Agus. 2009. Statistik :Konsep Dasar dan Aplikasinya. Jakarta :Kencana

Siegel, Sidney, 1997, Statistik Non Parametrik Untuk Ilmu Sosia,. Jakarta: PT. Gramedia
Pustaka Utama.

Sugiyono. 2010. Statistika Untuk Penelitian. Bandung : Alfabeta