Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai sebaran data
pada sebuah kelompok data atau variabel, apakah sebaran data tersebut berdistribusi normal
ataukah tidak.
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.
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, Lilliefors, Shapiro Wilk, Jarque Bera.
-uji grafik
-Chi-Square
-Kolmogorov Smirnov,
-Lilliefors
-Shapiro Wilk
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
Metode Kolmogorov-Smirnov
PERSYARATAN • Data berskala interval atau ratio (kuantitatif) • Data tunggal/ belum
dikelompokkan pada tabel distribusi frekuensi • Dapat untuk n besar maupun n kecil.
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
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 disekitar garis dan mengikuti garis
diagonal maka nilai tersebut 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. Uji Chi-square seringkali digunakan oleh para peneliti sebagai alat uji
normalitas.
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
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal dikalikan N
(total frekuensi) (pi x N)
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.
Contoh:
Diambil Tinggi Badan Mahasiswa Di Suatu Perguruan Tinggi Tahun 2010
Selidikilah dengan α = 5%, apakah data tersebut di atas berdistribusi normal ? (Mean =
157.8; Standar deviasi = 8.09)
Penyelesaian :
1. Hipotesis :
2. Nilai α
Df = ( k – 3 ) = ( 5 – 3 ) = 2
5. Nilai tabel
6. Daerah penolakan
Menggunakan gambar
Menggunakan rumus: |0,427 | < |5,991| ; Keputusan hipotesis: berarti Ho diterima,
Ha ditolak