Uji Normalitas
Uji normalitas adalah uji yang dilakukan untuk mengecek apakah data penelitian kita berasal
dari populasi yang sebarannya normal. Uji ini perlu dilakukan karena semua perhitungan
statistik parametrik. Uji normalitas bertujuan untuk mengetahui apakah data yang diperoleh
dari hasil penelitian berdistribusi normal atau tidak. Data berdistribusi normal yaitu bahwa data
akan mengikuti bentuk distribusi normal, dimana data memusat pada nilai rata- rata dan
median. Data yang membentuk distribusi normal bila jumlah data di atas dan di bawah rata-
rata adalah sama, demikian juga simpangan bakunya.
1. Uji Grafik
Uji metode grafik adalah dengan memperhatikan penyebaran data pada sumber diagonal pada
grafik normal P-P Plot of Regression Standardized Residual. Data dinyatakan berdistribusi
normal apabila sebaran titik-titik berada di sekitar garis dan mengikuti garis diagonal maka nilai
tersebut normal
2. Chi-Square
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. Teknik chi-kuadrat digunakan untuk
menguji normalitas data yang disajikan secara kelompok.
Persyaratan Metode Chi Square (Uji Goodness of fit Distribusi Normal) sebaga berikut:
Data tersusun berkelompok atau dikelompokkan dalam tabel distribusi frekuensi.
Cocok untuk data dengan banyaknya angka besar (n>30)
Filosofi mengapa Chi-Square kok bisa dikatakan Goodness Of Fit Tes, adalah sebagai berikut:
Aku punya uang seratus rupiah. Tak lempar seratus kali, sisi A keluar sebanyak 35 kali, sisi B keluar
sebanyak 65 kali. Apakah koinku dapat dikatakan seimbang?
Kalau hasilnya tidak ada perbedaan, maka dapat dikatakan bahwa koin kita setimbang.
Data
Sd Distribusi Kurve Normal
Hasil
Kategori % Frek. Frek.
-3 1 - 10 2% 2 5
-2 11 - 15 14% 14 15
-1 16 - 20 34% 34 20
1 21 - 30 34% 34 38
2 31 - 35 14% 14 12
3 36 - 40 2% 2 10
Kita Lihat dulu Data teoritik kurve Normal. Kurve normal punya 6 Standar Deviasi (sd). Masing-masing sd luasnya seperti ini.
Tentukan X² tabel, Df = banyak kelas-3, X² tabel diperoleh berdasarkan Df dan a
X² hitung < X² tabel, maka data berdistribusi normal.
X² hitung > X² tabel, maka data berdistribusi tidak normal.
3. Metode 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
Persyaratan menggunakan metode Lilifors sebagai berikut:
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.
Tentukan Ltabel,
Ltabel = La(n-1)
Lalu lihat Ltabel pada tabel liliefors
Lhitung maksimum < Ltabel, maka data berdistribusi normal,
Lhitung maksimum > Ltabel, maka data berdistribusi tidak normal,
4. Kolomogorov -Smirnov
Chi-Square membandingkan distribusi teoritik dan distribusi empirik (observasi)
berdasarkan kategori-kategori, sedangkan Kolmogorov-Smirnov berdasakan frekuensi
kumulatif. Jadi yang dibandingkan adalah frekuensi kumulatif distribusi teoritik dengan
frekuensi kumulatif distribusi empirik.
VAR00001 Positive
N 12 Pengurangan yang
menghasilkan angka
Normal Parametersa,b Mean 3,0833 negatif terbesar
Std. Deviation 1,37895
Most Extreme Absolute ,164
Differences Positive ,117
Negative -,164
Kolmogorov-Smirnov Z ,567
Asymp. Sig. (2-tailed) ,905 Absolut (D)
Dari perbandingan antara negatif
a. Test distribution is Normal. dan positif, yang terbesarlah yang
dimasukkan sebagai absolut.
b. Calculated from d Dalam kasus ini D= 0,164
Jika D anda lebih kecil dari tabel,
Test Distribution is Normal artinya, maka data anda NORMAL.
yang diuji itu distribusi normal, bukan
distribusi eksponen, atau poisson
Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga (‒∞) hingga positif takhingga (+∞).
Kurva normal memiliki puncak pada X = 0. Perlu diketahui bahwa luas kurva normal adalah satu
(sebagaimana konsep probabilitas). Dengan demikian, luas kurva normal pada sisi kiri = 0,5; demikian
pula luas kurva normal pada sisi kanan = 0,5
Dengan kata lain ketika melihat data perlu memperhatikan frekuensi data tengah, karena keakuratan
data dilihat dari hal yang seperti ini, cara membaca dan melihat data yakni data hendaknya data
terbesar ada di tengah.
Pembuktian data yang akan dianalisa harus berdistribusi normal hanya akan dilakukan ketika
penggunaan teknik statistik parametrik, karena syarat utama untuk melakukan teknik analisis data
dengan statistik parametrik ini adalah data yang akan di analisis hendaknya berdistribusi normal.
3. Berikut adalah data hasil penelitian menggunakan instrument angket tentang kinerja guru terhadap 10
responden setelah ditabulasi data diperoleh jumlah skor masing-masing responden adalah sebagai
berikut:
27 38 40 27 34 30 33 33 30 38
Ujilah apakah data tersebut berdistribusi normal?
Karena data yang tersedia sebanyak 10 dan merupakan data tunggal, maka uji normalitas yang dapat
digunakan adalah Uji Lilifors