STATISTIKA 1

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

Untuk pengujian normalitas dengan Metode Liliefors berikut ini prosedurnya:

1. Pengamatan x1, x2,…, xn dijadikan bilangan baku z1, z2, …, zn dengan
menggunakan rumus:
xi  x
zi  ; i  1, 2, ..., n
s

x dan s masing-masing merupakan rata-rata dan

simpangan baku sampel
UJI NORMALITAS (METODE LILIEFORS)
2. Untuk tiap bilangan baku ini dan menggunakan daftar
distribusi normal baku, kemudian dihitung peluang
F(zi)=P(z≤zi)
3. Selanjutnya dihitung proporsi z1, z2, …, zn yang lebih kecil
atau sama dengan zi, Jika proporsi ini dinyatakan oleh
S(zi), maka
UJI NORMALITAS (METODE LILIEFORS)
4. Hitung selisih F(zi) – S(zi) kemudian tentukan harga
mutlaknya
5. Ambil harga yang paling besar diantara harga-harga
mutlak selisisih tersebut, Sebutlah harga terbesar ini L0,
dalam hal ini L0 berlaku sebagai nilai statistik uji
6. Untuk menerima atau menolak hipotesis nol, bandingkan
nilai L0 dengan nilai kritis L pada taraf nyata α, Kriteria
pengujiannya adalah, tolak hipotesis nol bahwa populasi
berdistribusi normal apabila nilai L0 lebih besar dari nilai
kritis L
UJI NORMALITAS (METODE LILIEFORS)
Contoh: Misalkan sampel dengan data 33, 23, 27, 33, 40, 48,
48, 57, 59, 62, 68, 69, 70 diambil dari sebuah populasi. Akan
diuji normalitas pada data ini,
Hipotesis uji:
H0: Data berasal dari populasi yang berdistribusi normal
H1: Data tidak berasal dari populasi yang berdistribusi normal
α=5%
Statistik uji:
Statistik uji L0 diperoleh dari langkah sebagai berikut.
 UJI NORMALITAS (METODE LILIEFORS) Xi Zi F(zi) S(zi) F(zi)-S(zi) 

1. Simpan data sampel secara berururan 23 -1.57

pada kolom Xi: data 33, 23, 27, 33, 40,
27 -1.33
48, 48, 57, 59, 62, 68, 69, 70
2. Cari rata-rata dan simpangan bakunya 33 -0.97
x  49, s  16.6 33 -0.97
40
3. Transformasi setiap data menggunakan -0.54
rumus: 48 -0.06
48 -0.06
xi  x 57
zi  ; i  1, 2, ...,13 0.48
s 59 0.60
23  49
z1   1.57 62 0.79
16,6
68 1.15
27  49
z2   1.33 dst sampai z13 69 1.21
16,6
70 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
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 -1.57 0.0582 1 1/13=0.0769

2 -1.33 0.0918 2 2/13=0.1538

1) Perhatikan z1=-1,57. Lihat nilai z1,z2, …, z13 yang  -1.57. 0.1660 4
3 -0.97
Jadi terdapat1 nilai yang  -1.57, yaitu (-1.57). 4/13= 0.3077

Maka S(z1)=(1/13)=0.0769 4 -0.97 0.1660 4 4/13=0.3077

5 -0.54 0.2946 5 0.3846

Agar lebih mudah dihitung dulu frekuensi kumulatif dari Zi
6 -0.06 0.4761 7 0.4615
7 -0.06 0.4761 7 0.5385
8 0.48 0.6844 8 0.6154
9 0.60 0.7257 6 0.6923
10 0.79 0.7852 10 0.7692
11 1.15 0.8749 11 0.8462
12 1.21 0.8869 12 0.9231
13 1.27 0.8980 13 1.0000
 UJI NORMALITAS (METODE LILIEFORS)
No Zi F(zi) S(zi) F(zi)-S(zi) 
6. Hitung selisih F(zi) – S(zi) kemudian tentukan harga 1 -1.57 0.0582 0.0769 0.0187
mutlaknya 0.0918
2 -1.33 0.1538 0.0620
0.1660 0.3077 0.1417
1)  0.0582 – 0.0769  = 0.0187 3 -0.97
2)  0.0934 – 0.1539  = 0.0620 4 -0.97 0.1660 0.3077 0.1417
3)  0.1660 – 0.3077  = 0.1417 0.2946 0.3846 0.0900
5 -0.54
4) Dst.. Sampai no 13)
6 -0.06 0.4761 0.4615 0.0146
7. Ambil harga yang paling besar dari F(zi)-S(zi) , Sebutlah 7 -0.06 0.4761 0.5385 0.0624
harga terbesar ini L0. Maka statistik ujinya adalah 0.6844
8 0.48 0.6154 0.0690
L0 =0.1417
9 0.60 0.7257 0.6923 0.0334
8. Untuk menerima atau menolak hipotesis nol, bandingkan nilai 10 0.79 0.7852 0.7692 0.0160
L0 dengan nilai kritis L pada taraf nyata α. Kriteria pengujiannya 0.8749
11 1.15 0.8462 0.0287
adalah, tolak H0 jika nilai L0 > L.
12 1.21 0.8869 0.9231 0.0362
13 1.27 0.8980 1.0000 0.1020
 UJI NORMALITAS (METODE LILIEFORS)
8. Untuk menerima atau menolak hipotesis nol, bandingkan nilai
L0 dengan nilai kritis L pada taraf nyata α. Kriteria pengujiannya
adalah, tolak H0 jika nilai L0 > L. Nilai kritis L diambil dari tabel
yang disajikan pada slide 24.

Untuk taraf nyata()=0.05, perhatikan kolom ketiga tabel

disamping. Kemudian lihat n=13, karena pada soal ini jumlah
data ada 13. Maka diperoleh L=0.234

Nilai L0 =0.1417, nilai L=0,234. Kriteria uji tolak H0 jika L0 > L.

Karena 0.1417<0,234, maka H0 diterima

H0 : Sampel berasal dari populasi berdistribusi normal

H1: Sampel bukan berasal dari populasi berdistribusi normal

(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 ( ni 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 ( ni 1)  X (i ) ) 
D  i 1 

1. Urutkan data dari terkecil ke terbesar, Sehingga diperoleh X(1), X(2),

X(3),…., X(12)
2. ai = koefisien uji Shapiro Wilk
3. Tentukan [X(n-i+1) - X(i)], dimana k=n/2=12/2=6. Maka akan terdapat 6
selisih.
• Misal ketika i=1 akan diperoleh selisih dari X(12-1+1) dan X(1)
• Misal ketika i=2 akan diperoleh selisih dari X(12-2+1) dan X(2)
• Misal ketika i=3 akan diperoleh selisih dari X(10) dan X(1)
• Misal ketika i=4 akan diperoleh selisih dari X(9) dan X(1)
• Misal ketika i=5 akan diperoleh selisih dari X(8) dan X(1)
• Misal ketika i=6 akan diperoleh selisih dari X(7) dan X(1)
 ai X(n-i+1) X(i) [X(n-i+1) - X(i)] ai [(X(n-i+1) - X(i)]
a1 = 0.5475 X12 = 70 X1 = 23 47 25.73
a2 = 0.3325 X11 = 69 X2 = 27 42 13.97
a3 = 0.2347 X10 = 68 X3 = 33 35 8.21
a4 = 0.1586 X9 = 62 X4 = 40 22 3.49
a5 = 0.0922 X8 = 59 X5 = 48 11 1.01
a6 = 0.0303 X7 = 57 X6 = 48 9 0.27
Jumlah 25.69
n
D 
i 1
( xi  x ) 2  [( 23  50.33) 2  (27  50.33) 2    (70  50.33) 2 ]  3012.667

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

Berdasarkan data yang ada kita yakin 95% bahwa sampel

diambil dari populasi yang berdistribusi normal
TUGAS
Terdapat sampel dari tinggi badan dengan data 173,
153, 147, 163, 150, 148, 158, 157, 159, 162, 158,
169, 170, 162, 158, 155, 151 diambil dari sebuah
populasi. Ujilah apakah sampel tersebut berasal dari
popilasi yang berdistribusi normal. =0.05
1. Gunakan Metode Liliefors
2. Gunakan uji Shaphiro Wilks