Dosen pengampuh
Disusun oleh
Kelompok 3 :
RIJAL (19.1100.094)
Alhamdulillah puji syukur kami panjatkan kehadirat Allah SWT, berkat rahmat, taufik
serta hidayah-Nya, sehingga makalah ini terselesaikan dengan baik. Shalawat serta salam
senantiasa kita tetap tercurahkan kepangkuan Rasulullah SAW beserta keluarga, shahabat-
sahabat, dan para pengikut-nya yang telah membawa kita dari jalan yang gelap gulita menuju
ke jalan yang terang benderang yakni Addinul Islam.
Penulisan ini guna melengkapi dan memenuhi salah satu tugas mata kuliah “Statistika
Pendidikan”. Dengan terselesaikannya makalah ini dengan judul “Uji Persyaratan Analisis”:
Uji Normalitas Data penulis mengucapkan terima kasih kepada semua pihak yang telah
membantu, baik secara langsung maupun tidak langsung, khususnya dosen pengampu mata
kuliah “Statistika Pendidikan” Dr. H. Muhammad Saleh M.Ag. Yang telah memberikan
bimbingan dan arahan sehingga penulis dapat menyelesaikan makalah ini. Penyusun
menyadari bahwa makalah ini masih terdapat kekurangan. Oleh karena itu, penyusun
mengharapkan kritik dan saran yang membangun agar makalah ini dapat lebih baik lagi.
Semoga makalah ini dapat memberikan wawasan dan pengetahuan kepada para pembaca
pada umumnya dan penyusun pada khususnya.
Akhirul kalam semoga segala usaha kita dalam peningkatan wawasan dan menambah
ilmu mendapat ridho dari Allah SWT, Aamiin.
Penulis
DAFTAR ISI
KATA PENGANTAR
BAB I PENDAHULUAN
A. Latar Belakang………………………………………………………………………….
C. Tujuan Penulisan………………………………………………………………………..
BAB II PEMBAHASAN
A. Kesimpulan……………………………………………………………………………
B. Saran…………………………………………………………………………………….
Daftar Pustaka
BAB I
PENDAHULUAN
A. Latar Belakang
Uji normalitas dapat dilakukan dengan uji histogram, uji normal P Plot, uji Chi
Square, Skewness dan Kurtosis atau uji Kolmogorov Smirnov. Tidak ada metode yang paling
baik atau paling tepat.Tipsnya adalah bahwa pengujian dengan metode grafik sering
menimbulkan perbedaan persepsi di antara beberapa pengamat, sehingga penggunaan uji
normalitas dengan uji statistik bebas dari keragu-raguan, meskipun tidak ada jaminan bahwa
pengujian dengan uji statistik lebih baik dari pada pengujian dengan metode grafik.
Jika residual tidak normal tetapi dekat dengan nilai kritis (misalnya signifikansi
Kolmogorov Smirnov sebesar 0,049) maka dapat dicoba dengan metode lain yang mungkin
memberikan justifikasi normal. Tetapi jika jauh dari nilai normal, maka dapat dilakukan
beberapa langkah yaitu: melakukan transformasi data, melakukan trimming data outliers atau
menambah data observasi. Transformasi dapat dilakukan ke dalam bentuk Logaritma natural,
akar kuadrat, inverse, atau bentuk yang lain tergantung dari bentuk kurva normalnya, apakah
condong ke kiri, ke kanan, mengumpul di tengah atau menyebar ke samping kanan dan kiri.
Dalam uji normalitas tujuannya adalah ingin mengetahui apakah distribusi sebuah
data mengikuti atau mendekati distribusi normal, yakni distribusi data dengan bentuk lonceng
( bell sheped ). Data yang baik adalah data yang mempunyai pola seperti distribusi normal,
yaitu distribusi data tersebut tidak menceng kekiri atau kekanan.
B. Tujuan
PEMBAHASAN
Uji 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.
Menurut Ghozali (2016) uji normalitas dilakukan untuk menguji apakah pda suatu model
regresi suatu variable independen dan variable dependen ataupun keduanya mempunyai
distribusi normal atau tidak normal apabila suatu variabel tidak berdistribusi secara
normal,maka hasil uji statistic akan mengalami penurunan
Ada tiga pilihan yang dapat dilakukan jika diketahui bahwa data tidak normal; yaitu :
1. Jika jumlah sampel besar, maka dapat menghilangkan nilai outliner dari data (bahasan
outliner akan dibahas kemudian).
Data yang tidak normal tidak selalu berasal dari penelitian yang buruk.Data ini mungkin saja
terjadi karena ada kejadian yang di luar kebiasaan.Atau memang kondisi datanya memang
tidak normal. Misal data inteligensi di sekolah anak-anak berbakat (gifted) jelas tidak akan
normal, besar kemungkinannya akan juling positif.
a. Kita perlu mengecek apakah ketidaknormalannya parah atau tidak. Tidak ada patokan
pasti tentang keparahan ini. Tapi kita bisa mengira-ira jika misalnya nilai p yang didapatkan
sebesar 0,049 maka ketidaknormalannya tidak terlalu parah (nilai tersebut hanya sedikit di
bawah 0,05). Ada beberapa analisis statistik yang agak kebal dengan kondisi
ketidaknormalan yang tidak terlalu parah (disebut memiliki sifat robust), misalnya F-test dan
t-test. Jadi kita bisa tetap menggunakan analisis ini jika ketidaknormalannya tidak parah.
b. Kita bisa membuang nilai-nilai yang ekstrem, baik atas atau bawah. Nilai ekstrem ini
disebut outliers. Pertama kita perlu membuat grafik, dengan sumbu x sebagai frekuensi dan y
sebagai semua nilai yang ada dalam data kita (ini tentunya bisa dikerjakan oleh komputer).
Dari sini kita akan bisa melihat nilai mana yang sangat jauh dari kelompoknya. Nilai inilah
yang kemudian perlu dibuang dari data kita, dengan asumsi nilai ini muncul akibat situasi
yang tidak biasanya. Misal responden yang mengisi skala kita dengan sembarang yang
membuat nilainya jadi sangat tinggi atau sangat rendah.
c. Tindakan ketiga yang bisa kita lakukan adalah dengan mentransform data kita. Ada
banyak cara untuk mentransform data kita, misalnya dengan mencari akar kuadrat dari data
kita, dll.
d. Bagaimana jika semua usaha di atas tidak membuahkan hasil. Maka langkah terakhir
yang bisa kita lakukan adalah dengan menggunakan analisis non-parametrik. Analisis ini
disebut juga sebagai analisis yang distribution free. Sayangnya analisis ini seringkali
mengubah data kita menjadi data yang lebih rendah tingkatannya. Misal kalau sebelumnya
data kita termasuk data interval dengan analisis ini akan diubah menjadi data ordinal.
Metode Kolmogorov-smirnov
NO Xi Z = Xi – X Fr Fs { Fr – Fs }
SD
1
2
3
dst
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 (kuantatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun kecil
Persyaratan
Signifikansi
Signikansi uji, nilai { F (X) – S (X) } Terbesar dibandingkan dengan nilai tabel lilliefors .
Jika nilai { F(X) – S(X) } terbesar < nilai lilliefors , maka Ho diterima : Ha ditolak
Jika nilai { F(X) – S (X) }Terbesar > dari nilai tabel lolliefors, maka Ho ditolak : Ha diterima
BAB III
PENUTUP
A. Kesimpulan
Uji normalitas bertujuan untuk menguji apakah dalam model regresi, variabel penggangu atau
residual memiliki distribusi normal.
Ada tiga pilihan yang dapat dilakukan jika diketahui bahwa data tidak normal; yaitu :
1. Jika jumlah sampel besar, maka dapat menghilangkan nilai outliner dari data (bahasan
outliner akan dibahas kemudian).
Ada dua Metode dalam Uji Normalitas, yaitu Uji Kolmogorov Smirnov dan Metode
Lilliefors.
B. Saran
Demikianlah makalah yang dapat penulis susun.Seberapa besarpun usaha penulis tetap masih
banyak kekurangan dalam penulisan makalah ini.Oleh sebab itu penulis sangat
mengharapkan saran dan kritikan yang membangun serta menjadikan makalah ini lebih
sempurna
DAFTAR PUSTAKA
Yates, F. “Contingency Tables Involving Small numbers and the Chi Square Test”, J. Suppl. J. royal
Stat, Soc, 1:217-35, 1934.
https://www.google.com/search?q=pengertian+
+Kolmogorov+Smirnov&safe=strict&client=ms-android-
vivo&biw=360&bih=672&sxsrf=ALeKk00AyCrKSw0Jc2SN9-K7MBTf90S9nQ
%3A1617781987090&ei=42RtYI2QBZWamgfC8rqgCw&oq=pengertian+
+Kolmogorov+Smirnov&gs_lcp=ChNtb2JpbGUtZ3dzLXdpei1zZXJwEANQAFgAYMAca
ABwAHgAgAEAiAEAkgEAmAEA&sclient=mobile-gws-wiz-serp
https://www.google.com/search?q=uji+normlitas&safe=strict&client=ms-android-
vivo&biw=360&bih=672&sxsrf=ALeKk01TDqf9aQtNPqU_KVgOy7mspZAGUQ
%3A1617784106216&ei=Km1tYNfbDOTTz7sPz4eAuAw&oq=uji+normlitas&gs_lcp=
ChNtb2JpbGUtZ3dzLXdpei1zZXJwEANQjhVY-
DRgkjloAHAAeACAAQCIAQCSAQCYAQCgAQGwAQDAAQE&sclient=mobile-
gws-wiz-serp
http://sucipt0.blogspot.com/2012/11/uji-normalitas.html?m=1
https://www.google.com/amp/s/www.statistikian.com/2013/01/uji-normalitas.html