Pertemuan 11
3.Uji Normalitas Melalui Uji Lilliefors
4.Normalitas Melalui Uji Shapiro-Wilk
UJI NORMALITAS
UJI NORMALITAS
Pembuktian data berdistribusi normal tersebut
perlu dilakukan uji normalitas terhadap data.
Uji normalitas berguna untuk membuktikan
data dari sampel yang dimiliki berasal dari
populasi berdistribusi normal. Salah satu uji
kenormalan secara nonparametrik adalah Uji
Liliefors.
UJI NORMALITAS (METODE LILIEFORS)
Metode Liliefors menggunakan data dasar yang
belum diolah dalam tabel distribusi frekuensi. Data
ditransformasikan dalam nilai z untuk dapat dihitung
luas kurva normal sebagai peluang kumulatif normal.
Peluang tersebut dicari bedanya dengan peluang
kumulatif empiris.
Misalkan kita mempunyai sampel acak dengan hasil
pengamatan x1, x2, ... , xn. Berdasarkan sampel ini
akan diuji:
H0 : Sampel berasal dari populasi berdistribusi normal
H1: Sampel bukan berasal dari populasi berdistribusi
normal
UJI NORMALITAS (METODE LILIEFORS)
Hipotesis:
H0: Data berasal dari populasi berdistribusi normal
H1: Data tidak berasal dari populasi berdistribusi normal
4. Untuk setiap zi tentukan F(zi) menggunakan dari tabel distribusi normal 1 -1.57 0.0582
baku (slide 13), menggunakan F(zi)=P(z≤zi)
2 -1.33
3 -0.97
Perhatikan pada tabel
disamping pada kolom Z. 4 -0.97
Dimana nilai Z ke bawah 5 -0.54
menunjukkan 2 angka
6 -0.06
pertama pada zi dan nilai Z
pada baris atas menunjukkan 7 -0.06
angka ketiga dari zi. 8 0.48
Kita coba hitung z1=-1,57: 9 0.60
• Tarik dari -1,5 ke kanan dan 0.07
10 0.79
kebawah berhenti di perpotongan
garisnya. Terlihat pertemuannya ada di 11 1.15
nilai 0.0582. Maka F(-1.57)=0.0582. 12 1.21
• Kemudian simpan nilai tersebut di tabel
F(zi) bersesuaian dengan z=-1,57 13 1.27
UJI NORMALITAS (METODE LILIEFORS)
No Zi F(zi)
4. Untuk setiap zi tentukan F(zi) menggunakan dari tabel distribusi normal 1 -1.57 0.0582
baku (slide 13), menggunakan F(zi)=P(z≤zi)
2 -1.33
Perhatikan pada tabel disamping 3 -0.97
pada kolom Z. Dimana nilai Z ke
bawah menunjukkan 2 angka 4 -0.97
pertama pada zi dan nilai Z 5 -0.54
pada baris atas menunjukkan
6 -0.06 0.4761
angka ketiga dari zi.
7 -0.06 0.4761
8 0.48
Kita coba hitung z6=-0,06: karena negatif 0.06 tidak ada maka kita ambil 0.06 9 0.60
• Tarik dari 0,0 ke kanan dan 0.06 kebawah berhenti di perpotongan garisnya.
10 0.79
Terlihat pertemuannya ada di nilai 0.5239.
• Kemudian kurangkan nilai 1 dengan 0.5239 , yaitu (1-0.5239=0.4761). Maka 11 1.15
F(z=-0.06)=0.4761, 12 1.21
• Simpan nilai tersebut di tabel F(zi) bersesuaian dengan z=-0.06
13 1.27
UJI NORMALITAS (METODE LILIEFORS)
No Zi F(zi)
4. Untuk setiap zi tentukan F(zi) menggunakan dari tabel distribusi normal
baku (slide 13), menggunakan F(zi)=P(z≤zi) 1 -1.57 0.0582
2 -1.33
3 -0.97
Perhatikan pada tabel
disamping pada kolom Z. 4 -0.97
Dimana nilai Z ke bawah 5 -0.54
menunjukkan 2 angka 0.4761
6 -0.06
pertama pada zi dan nilai Z
7 -0.06 0.4761
pada baris atas menunjukkan
angka ketiga dari zi. 8 0.48
Kita coba hitung z10= 0,79: 9 0.60
• Tarik dari 0,7 ke kanan dan 0.09 0.7852
10 0.79
kebawah berhenti di perpotongan
garisnya. Terlihat pertemuannya ada di 11 1.15
nilai 0.7852. Maka F(0.79)=0.7852. 12 1.21
• Kemudian simpan nilai tersebut di tabel
F(zi) bersesuaian dengan z=0,79 13 1.27
UJI NORMALITAS (METODE LILIEFORS)
No Zi F(zi)
4. Untuk setiap zi tentukan F(zi) menggunakan dari tabel distribusi normal
baku (slide 13), menggunakan F(zi)=P(z≤zi) 1 -1.57 0.0582
2 -1.33
3 -0.97
Perhatikan pada tabel
disamping pada kolom Z. 4 -0.97
Dimana nilai Z ke bawah 5 -0.54
menunjukkan 2 angka 0.4761
6 -0.06
pertama pada zi dan nilai Z
7 -0.06 0.4761
pada baris atas menunjukkan
angka ketiga dari zi. 8 0.48
Kita coba hitung z13= 1,27 : 9 0.60
• Tarik dari 1,2 ke kanan dan 0.07 0.7852
10 0.79
kebawah berhenti di perpotongan
garisnya. Terlihat pertemuannya ada di 11 1.15
nilai 0.8980. Maka F(1.27)=0.8980. 12 1.21
• Kemudian simpan nilai tersebut di tabel 0.8980
F(zi) bersesuaian dengan z=1.27 13 1.27
UJI NORMALITAS (METODE LILIEFORS)
No Zi F(zi)
4. Untuk setiap zi tentukan F(zi) menggunakan dari tabel distribusi normal
baku (slide 13), menggunakan F(zi)=P(z≤zi) 1 -1.57 0.0582
2 -1.33 0.0918
3 -0.97 0.1660
4 -0.97 0.1660
5 -0.54 0.2946
6 -0.06 0.4761
7 -0.06 0.4761
8 0.48 0.6844
9 0.60 0.7257
10 0.79 0.7852
11 1.15 0.8749
12 1.21 0.8869
13 1.27 0.8980
UJI NORMALITAS (METODE LILIEFORS) No Zi F(zi) Frekuensi S(zi)
kumulatif darri
5. Hitung proporsi z1, z2, …, zn yang lebih kecil atau sama dengan zi: zi
(1-)
KESIMPULAN:
Berdasarkan data yang ada kita yakin 95% bahwa sampel
diambil dari populasi yang berdistribusi normal
UJI SHAPIRO WILK
UJI 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 diajukan transformasi dalam nilai Z untuk dapat
dihitung luasan kurva normal.
Terdapat data dari sampel acak x1, x2, ..., xn berukuran n
dengan fungsi distribusi F(X) tidak diketahui.Selanjutnya ingin
dilakukan pengujian apakah data tersebut diambil dari populasi
yang berdistribusi normal, untuk itu akan dilakukan pengujian
hipotesis.
1. HIPOTESIS
H0: Data diambil dari populasi yang berdistribusi normal.
H1: Data diambil dari populasi yang tidak berdistribusi normal.
2. STATISTIK UJI
1 k
2
ai = koefisien uji Shapiro Wilk, terdapat pada tabel 7.22
D i 1
T3 ai ( X ( ni 1) X (i ) )
X(n-i+1) = statistik order ke-(n-i+1)
n
D (x
i 1
i x)2 X(i)= statistik order ke-i
k sekitar n/2
3. KRITERIA UJI
Tolak H0 jika T3 < T(α; n)
T(α; n) diperoleh dari tabel Shapiro Wilk.
Ukuran
𝛼
sampel
UJI NORMALITAS (UJI SHAPIRO WILK)
Contoh: Misalkan sampel dengan data 23, 27, 33, 40, 48, 48,
57, 59, 62, 68, 69, 70 diambil dari sebuah populasi. Akan diuji
normalitas pada data ini,
1. Hipotesis:
H0: Data berasal dari populasi yang berdistribusi normal
H1: Data tidak berasal dari populasi yang berdistribusi normal
2. Taraf Arti
α=5%
3. Ukuran sampel n=12
4. STATISTIK UJI
2
1 k
T3 ai ( X ( ni 1) X (i ) )
D i 1
2
1 k
(i )
( n i 1) 1 2776.040
T3 ai ( X X ) [25.69]
2
0.9214
D i 1 3012.667 3012.667
Ukuran
𝛼
sampel
2
1 k (i )
( n i 1) 1 2776.040
T3 ai ( X X ) [25.69]2 0.9214
D i 1 3012.667 3012.667
5. KRITERIA UJI
Tolak H0 jika T3 < T(α; n)
T(0,05; 12) = 0,859 diperoleh dari tabel Shapiro Wilk.
Karena 0.9214>0.859 maka H0 diterima
6. KESIMPULAN