MAKALAH STATISTIK

UJI KENORMALAN DATA

DOSEN PENGAMPU : Palma Juanta.,S.Si.,M.Pd

Kelompok 4

Ade Putra Sanjaya 213303040012

Federico Sanjaya 213303040006
Hamdani Putra Daniel Gohae 213303040027
Jesslyn Alvina 213303040004
Jimmy 213303040005
Muhammad Aldi Riyanda Lubis 213303040007

FAKULTAS TEKNOLOGI DAN ILMU KOMPUTER

UNIVERSITAS PRIMA INDONESIA

MEDAN

2021
 KATA PENGANTAR

Puji dan syukur kami ucapkan kepada Tuhan Yang Maha Esa atas berkat
dan rahmatnya Nya , kami dapat menyelasikan makalah yang berjudul “UJI
KENORMALAN DATA” ini tepat pada waktu nya. Pada kesempatan ini tidak
lupa pula kami ucapkan terima kasih kepada dosen pengampu mata kuliah yang
telah membimbing dan memberikan kami ilmu serta arahan dalam
menyelesaikan makalah ini.
Dalam penulisan makalah ini kami banyak belajar dan mencari tahu
tentang setiap hal baru yang terdapat pada pembahasan materi kami ini , sebab
itu kami ingin mengucapkan terimakasih kepada keluarga dan teman – teman
sekalian yang selalu mendukung kami untuk bisa menyelesaikan makalah ini
tepat pada waktunya.
Kami pun sadar bahwa di dalam makalah ini tentu saja masih jauh dari
kata sempurna, hal itu di karenakan keterbatasan kemampuan serta pengetahuan
kami. Oleh karena itu, kami sangat menharapkan kritik dan saran yang bersifat
membangun dari para pembaca. Semoga makalah ini dapat bermanfaat bagi kita
semua.

Medan , 17 Oktober 2021

Kelompok 4

1
 DAFTAR ISI

HALAMAN COVER
KATA PENGANTAR .................................................................................... 1
DAFTAR ISI ................................................................................................... 2
DAFTAR SOAL ............................................................................................. 19
DAFTAR JAWABAN .................................................................................... 21
DAFTAR PUSTAKA ..................................................................................... 23
BAB I PENDAHULUAN ........................................................................ 3
1.1 Latar Belakang ...................................................................... 3
1.2 Rumusan Masalah................................................................. 4
1.3 Tujuan Makalah .................................................................... 4
BAB II PEMBAHASAN .......................................................................... 5
2.1 Defenisi Uji Kenormalan Data ............................................. 5
2.2 Macam – Macam Uji Kenormalan Data ............................. 6
2.2.1 Uji Grafik .................................................................. 6
2.2.2 Metode Chi-Square ................................................... 7
2.2.3 Metode Lilliefors ....................................................... 10
2.2.4 Metode Kolmogorov-Smirnov ................................. 12
2.2.5 Metode Shapiro Wilk ............................................... 15
BAB III PENUTUP .................................................................................... 22
3.1 Kesimpulan ............................................................................ 22

2
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Indonesia saat ini sedang dihadapkan pada krisis multi dimensi yang
berkepanjangan, seperti krisis ekonomi, krisis moneter, dan krisis keamanan
bahkan krisis kesehatan yang baru baru ini terjadi. Namun krisis yang paling
menghawatirkan kita saat ini dari krisis-krisis yang ada adalah krisis moral dan
kepribadian. Untuk menghadapi krisis tersebut tidak cukup dengan hanya
mengandalkan lembaga pendidikan formal saja akan tetapi semua pihak memiliki
tanggung jawab untuk membentuk kepribadian yang luhur.
Pendidikan merupakan kegiatan menyiapkan masa depan suatu bangsa yang
bukan hanya harus bertahan agar teap eksis, tetapi dalam berbagai dimensi
kehidupan pada tataran nasional maupun internasional dapat mengambil peran
secara bermartabat. Pada hakikatnya pendidikan merupakan bantuan pendidik
terhadap peserta didik dalam bentuk bimbingan, arahan, pembelajaran,
pemodelan, latihan, melaliu penerapan berbagai strategi pembelajaran yang
mendidik. Pendidikan berlangsung dalam ruang dan waktu yang dipengaruhi
oleh lingkungan fisik, social, dan psikologis.
Pendidikan adalah usaha sadar dan terencana untuk mewujudkan suasana
belajar dan proses pembelajaran agar peserta didik secara aktif mengembangkan
potensi dirinya untuk memiliki kekuatan spiritual keagamaan, pengendalian diri,
kepribadian, kecerdasan, akjlak mulia, serta keterampilan yang diperlukan
dirinya, masyarakat, bangsa dan Negara.
Untuk kelengkapan dalam menyelesaikan pendidikan yang formal dibutuhkan
karya ilmiah sebagai bukti yang rill bagi seorang yang bergelut dalam dunia
pendidikan. Dengan Mata Kuliah Statistik penyusunan karya ilmiah akan lebih
memperjelas data-data yang diperoleh.
Penggunaan statistik dalam penyelesaian karya ilmiah sangat vital, dan
pengujian statistic dengan menggunakan uji normalitas. Dimana perujian
sebauah data hasil eksperimen bisa diketahui apakah data tersebut normal atau
tidak setelah melakukan pengujian dengan menggunakan uji normalitas.

3
1.2 Rumusan Masalah
Dari latar belakang diatas maka rumusan masalah dari makalah ini adalah :
1.Apa itu uji kenormalan data?
2.Apa saja macam-macam uji kenormalan data?
3.Bagaimana cara mengola data dengan uji kenormalan data?
4.Apa saja metode yang di gunakan dalam uji kenormalan data?

1.3 Tujuan Makalah

Adapun tujuan makalah ini dibuat berdasarkan latar belakang dan rumusan
masalah di atas yaitu :
1. Untuk mengetahui apakah hasil data eksperimen tersebut normal atau tidak
setelah melakukan pengujian
2. Mengelola data dan memastikan kenormalan data

4
 BAB II
PEMBAHASAN

2.1 Defenisi Uji Kenormalan Data

Uji kenormalan data lebih di kenal dengan sebutan uji normaltias yaitu 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.
Data klasifikasi kontinue, data kuantitatif yang termasuk dalam pengukuran
data skala interval atau ratio, untuk dapat dilakukan uji statistik pengukuran data
skala interval atau rasio dan uji statistik parametrik dipersyaratkan berdistribusi
normal. Uji tersebut perlu dilakukan uji normalitas terhadap data.
Tes-tes parametrik untuk uji normalitas dibangun dari distribusi normal. Jika
kita lihat suatu tabel, misalnya tabel t-tes, pembuatannya mengacu pada tebel
normalitas. Kita bisa berasumsi bahwa sampel kita bener-bener mewakili
populasi sehingga hasil penelitian kita bisa digeneralisasikan pada populasi.
Dalam pandangan statistik, sifat dan karakteristik populasi adalah terdistribusi
secara normal.
Pengujian normalitas dilakukan untuk mengetahui normal tidaknya suatu
distribusi data. Hal ini penting diketahui berkaitan dengan ketetapatan pemilihan
uji statistik yang akan dipergunakan. Uji parametrik misalmya, mengisyaratkan
data harus berdistribusi normal. Apabila distribusi data tidak normal maka
disarankan untuk menggunakan uji nonparametrik.
Pengujian normalitas ini harus dilakukan apabila belum ada teori yang
menyatakan bahwa variabel yang diteliti adalah normal. Dengan kata lain,
apabila ada teori yang menyatakan bahwa suatu variabel yang sedang diteliti
normal, maka tidak diperlukan lagi pengujian normalitas data.
Umumnya 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
2. Melakukan transformasi data
3. Menggunakan alat analisis nonparametric

5
2.2 Macam Macam Kenormalan Data
Terdapat 5 macam uji kenormalan data yakni Uji Grafik , Metode Chi-Square
(Uji Goodness of fit Distribusi Normal) , Metode Lilliefors , Metode
Kolmogorov-Smirnov dan Metode Shapiro Wilk

2.2.1 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
disekitar garis dan mengikuti garis diagonal maka nilai tersebut normal

Gambar di atas merupakan grafik histogram. Grafik histogram dikatakan

normal jika distribusi data membentuk lonceng (bell shaped), tidak condong ke
kiri atau tidak condong ke kanan (Santoso, 2015: 43). Grafik histogram diatas
membentuk lonceng dan tidak condong ke kanan atau ke kiri sehingga grafik
histogram tersebut dinyatakan normal.

6
 Gambar di atas merupakan grafik P-P Plot. Grafik P-P Plot dapat difahami
dengan melihat penyebaran item pada garis diagonal pada grafik. Grafik P-P

Plot dikatan tidak memenuhi syarat asumsi normalitas apabila item

menyebar jauh di garis diagonal dan tidak mengikuti arag garis diagonal
(Ghozali, 2016: 156). Grafik diatas memberikan penjeasan lengkungnya
menunjukan bentuk P-P Plot disekitar garis regresi. Grafik P-P Plot diatas
menunjukan bahwa data menyebar di sekitar garis diagonal dan mengikuti arah
garis diagonal tersebut. Dengan demikian, bahwa model regresi berdistribusi
normal atau memenuhi syarat asumsi normalitas.
Selain dengan menampilkan histogram, bisa juga dengan melihat P-P plot
dan Q-Q Plot. Beberapa catatan mengenai metode visual adalah:
a. Penilaian normal/tidak cukup subjektif karena didasarkan penilaian pribadi
terhadap bentuk visual
b. Pada sampel kecil visual akan kasar, namun pada sampel besar visual akan
lebih smooth sehingga penilaian bisa lebih baik
c. Dengan demikian metode ini cocok digunakan untuk menilai normalitas jika
sampelnya besar

2.2.2. Metode Chi-Square (Uji Goodness of fit Distribusi Normal)

Metode Chi-Square atau 𝑋 2 untuk Uji Goodness of fit Distribusi Normal
menggunakan pendekatan penjumlahan penyimpangan data observasi tiap kelas
dengan nilai yang diharapkan.
Persyaratan Metode Chi Square (Uji Goodness of fit Distribusi Normal).Data
tersusun berkelompok atau dikelompokkan dalam tabel distribusi
frekuensi.Cocok untuk data dengan banyaknya angka besar (n>30)

7
 A.Perumusan dan Signifikansi

Rumus Uji Normalitas dengan Chi-Square

Keterangan:
X2 = Nilai X2
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal
dikalikan N (total frekuensi) (pi x N)
N = Banyaknya angka pada data (total frekuensi)
Komponen penyusun rumus tersebut di atas didapatkan berdasarkan
pada hasil transformasi data distribusi frekuensi yang akan diuji normalitasnya,
sebagai berikut:

Tabel Pembantu 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.

B.Contoh Kasus
Diambil Tinggi Badan Mahasiswa Di Suatu Perguruan Tinggi
Tahun 2010

8
Selidikilah dengan α = 5%, apakah data tersebut di atas berdistribusi normal ?
(Mean = 157.8; Standar deviasi = 8.09)

Penyelesaian :
1. Hipotesis :
• Ho : Populasi tinggi badan mahasiswa berdistribusi normal
• H1 : Populasi tinggi badan mahasiswa tidak berdistribusi normal
2. Nilai α
Nilai α = level signifikansi = 5% = 0,05
3. Rumus Statistik penguji

Luasan pi dihitung dari batasan proporsi hasil tranformasi Z yang

dikonfirmasikan dengan tabel distribusi normal atau tabel z.

9
4. Derajat Bebas
Df = ( k – 3 ) = ( 5 – 3 ) = 2
5. Nilai table
Nilai tabel X2 ; α = 0,05 ; df = 2 ; = 5,991.
6. Daerah penolakan
Menggunakan gambar

Menggunakan rumus: |0,427 | < |5,991| ; Keputusan hipotesis: berarti Ho

diterima, Ha ditolak
7. Kesimpulan: Populasi tinggi badan mahasiswa berdistribusi normal α = 0,05.

2.2.3. 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.
Adapun persyaratan Metode Lilliefors :
1.Data berskala interval atau ratio (kuantitatif)
2.Data tunggal/belum dikelompokkan pada tabel distribusi frekuensi
3.Dapat untuk n besar maupun kecil
Kelebihan Liliefors test adalah penggunaan/perhitungannya yang
sederhana, serta cukup kuat (power full) sekalipun dengan ukuran sampel kecil
(n = 4) (Harun Al Rasyid, 2005).
Proses pengujian Liliefors test dapat mengikuti langkah-langkah berikut:
1. Susunlah data dari kecil ke besar. Setiap data ditulis sekali, meskipun ada ada
beberapa data.
2. Periksa data, berapa kali munculnya bilangan-bilangan itu (frekuensi harus
ditulis).
3. Dari frekuensi susun frekuensi kumulatifnya.
4. Berdasarkan frekuensi kumulatif, hitunglah pre; (observasi).
5. Hitting nilai z untiik mengetahui theoritical proportion f
6. Menghitung theoretical proportion.
7. Bandingkan empirical proportion dengan theoritic: kemudian carilah selisih
terbesar di dalam titik obser kedua proporsi tadi.
8. Carilah selisih terbesar di luar titik observasi.

10
A.Perumusan dan Signifikansi Uji Lilliefors

rumus lilliefors
Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
F(x) = Probabilitas komulatif normal
S(x) = Probabilitas komulatif empiris

Signifikansi Uji Lilliefors

• Signifikansi uji, nilai | F (x) – S (x) | terbesar dibandingkan dengan nilai tabel
• Lilliefors.
• Jika nilai | F (x) – S (x) | terbesar < nilai tabel Lilliefors, maka Ho diterima ;
Ha ditolak. Jika nilai | F(x) – S(x) | terbesar > dari nilai tabel Lilliefors, maka
Ho ditolak ; Ha diterima./

B.Contoh Kasus
Berdasarkan data ujian statistik dari 18 mahasiswa didapatkan data sebagai
berikut ; 46, 57, 52, 63, 70, 48, 52, 52, 54, 46, 65, 45, 68, 71, 69, 61, 65, 68.
Selidikilah dengan α = 5%, apakah data tersebut di atas diambil dari populasi
yang berdistribusi normal ?
Penyelesaian Rumus Lilliefors
Hipotesis Lilliefors:
Ho : Populasi nilai ujian statistik berdistribusi normal
H1 : Populasi nilai ujian statistik tidak berdistribusi normal
Nilai Kritis Lillifors:
Nilai α = level signifikansi = 5% = 0,05
Statistik Pengujian:

11
 Nilai | F(x) – S(x) | tertinggi sebagai angka penguji normalitas, yaitu 0,1469.
Derajat Bebas
Df tidak diperlukan
Nilai Tabel Lilliefors atau Tabel Lilliefors
Nilai Kuantil Penguji Lilliefors, α = 0,05 ; N = 18 yaitu 0,2000.
Tabel Lilliefors pada lampiran. Daerah penolakan lilliefors
Menggunakan rumus | 0,1469 | < | 0,2000| ; berarti Ho diterima, Ha ditolak

2.2.4. Metode Kolmogorov-Smirnov

Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lilliefors.
Langkah-langkah Penyelesaian dan penggunaan rumus sama, namun pada
signifikansi yang berbeda. Signifikansi Metode Kolmogorov-Smirnov
menggunakan tabel pembanding Kolmogorov-Smirnov, sedangkan Metode
Lilliefors menggunakan tabel pembanding metode Lilliefors.
Adapun persyaratan Metode Lilliefors Metode Kolmogorov-Smirnov :
1.Data berskala interval atau ratio (kuantitatif)
2.Data tunggal/ belum dikelompokkan pada tabel distribusi frekuensi
3.Dapat untuk n besar maupun n kecil.

A.Rumus dan Signifikansi

Rumus Kolmogorov Smirnov

12
Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
FT = Probabilitas komulatif normal
FS = Probabilitas komulatif empiris.

Signifikansi Kolmogorov Smirnov :

• Signifikansi uji, nilai |FT – FS| terbesar dibandingkan dengan nilai tabel
Kolmogorov Smirnov.
• Jika nilai |FT – FS| terbesar <nilai tabel Kolmogorov Smirnov, maka Ho
diterima ; Ha ditolak.
• Jika nilai |FT – FS| terbesar > nilai tabel Kolmogorov Smirnov, maka Ho
ditolak ; Ha diterima.

B.Contoh Kasus
Suatu penelitian tentang berat badan mahasiswa yang mengijkuti pelatihan
kebugaran fisik/jasmani dengan sampel sebanyak 27 orang diambil secara
random, didapatkan data sebagai berikut ; 78, 78, 95, 90, 78, 80, 82, 77, 72, 84,
68, 67, 87, 78, 77, 88, 97, 89, 97, 98, 70, 72, 70, 69, 67, 90, 97 kg. Selidikilah
dengan α = 5%, apakah data tersebut di atas diambil dari populasi yang
berdistribusi normal ?
Penyelesaian :
1. Hipotesis
Ho : Populasi berat badan mahasiswa berdistribusi normal
H1 : Populasi berat badan mahasiswa tidak berdistribusi normal
2. Nilai α
Nilai α = level signifikansi = 5% = 0,05
3. Statistik Penguji

13
Derajat bebas
Df tidak diperlukan
5. Nilai table
Nilai Kuantil Penguji Kolmogorov, α = 0,05 ; N = 27 ; yaitu 0,254. Tabel
Kolmogorov Smirnov.
6. Daerah penolakan
Menggunakan rumus: | 0,1440 | < | 0,2540| ; berarti Ho diterima, Ha ditolak
7. Kesimpulan
Populasi tinggi badan mahasiswa berdistribusi normal α = 0,05.

C.Uji Normalitas dengan Kolmogorov Smirnov dengan Program SPSS

Pengujian normalitas dengan menggunakan Program SPSS dilakukan dengan
menu Analyze, kemudian klik pada Nonparametric Test, lalu klik Legacy
Dialogs, Klik 1-Sample K-S. K-S itu singkatan dari Kolmogorov-Smirnov.
Maka akan muncul kotak One-Sample Kolmogorov-Smirnov Test.

Normalitas Kolmogorov SPSS

Data yang akan diuji terletak di kiri dan pindahkan ke kanan dengan tanda
panah. Centang Normal pada Test Distribution.
Lalu tekan OK saja.
Interprestasi Uji Normalitas Kolmogorov dengan SPSS

14
Pada output, lihat pada baris paling bawah dan paling kanan yang berisi
Asymp.Sig.(2-tailed).

Output Normalitas Kolmogorov SPSS

Lalu intepretasinya adalah bahwa jika nilainya di atas 0,05 maka distribusi
data dinyatakan memenuhi asumsi normalitas, dan jika nilainya di bawah 0,05
maka diinterpretasikan sebagai tidak normal.

2.2.5. Metode 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 dilanjutkan transformasi
dalam nilai Z untuk dapat dihitung luasan kurva normal
Adapun syarat Metode Shapiro Wilk :
1.Data berskala interval atau ratio (kuantitatif)
2.Data tunggal/belum dikelompokkan pada tabel distribusi frekuensi
3.Data dari sampel random

Rumus uji shapiro wilk

D = Berdasarkan rumus di bawaha = Coeffisient test Shapiro Wilk

X n-i+1 = Angka ke n – i + 1 pada data
X i = Angka ke i pada data

15
 Keterangan :
Xi = Angka ke i pada data yang
X = Rata-rata data

Keterangan :
G = Identik dengan nilai Z distribusi normal
T3 = Berdasarkan rumus di atas bn, cn, dn = Konversi Statistik Shapiro-Wilk
Pendekatan Distribusi Normal
Contoh Kasus Uji Shapiro Wilk
Berdasarkan data usia sebagian balita yang diambil sampel secara random
dari posyandu Mekar Sari Wetan sebanyak 24 balita, didapatkan data sebagai
berikut : 58, 36, 24, 23, 19, 36, 58, 34, 33, 56, 33, 26, 46, 41, 40, 37, 36, 35, 18,
55, 48, 32, 30 27 bulan. Selidikilah data usia balita tersebut, apakah data tersebut
diambil dari populasi yang berdistribusi normal pada α = 5% ?

Penyelesaian
1. Hipotesis
Ho : Populasi usia balita berdistribusi normal
H1 : Populasi usia balita tidak berdistribusi normal
2. Nilai α
Nilai α = level signifikansi = 5% = 0,05
3. Rumus statistik penguji
Langkah pertama dihitung nilai D, yaitu:

16
Langkah berikutnya hitung nilai T, yaitu:

Rumus T Shapiro W

4. Derajat bebas
Db = n
5. Nilai tabel
Pada tabel Saphiro Wilk dapat dilihat, nilai α (0,10) = 0,930 ; nilai α (0,50) =
0,963
6. Daerah penolakan
Nilai T3 terletak diantara 0,930 dan 0,963, atau nilai p hitung terletak diantara
0,10 dan 0,50, yang diatas nilai α (0,05) berarti Ho diterima, Ha
ditolakShapiro W Tabel dan Kesimpulan
Buka Shapiro Wilk Tabel

17
7. Kesimpulan
Sampel diambil dari populasi normal, pada α = 0,05. Cara lain setelah nilai
T3 diketahui dapat menggunakan rumus G, yaitu :

Rumus G

Hasil nilai G merupakan nilai Z pada distribusi normal, yang selanjutnya

dicari nilai proporsi (p) luasan pada tabel distribusi normal (lampiran).
Berdasarkan nilai G = -1,2617, maka nilai proporsi luasan = 0,1038. Nilai p
tersebut di atas nilai α = 0,05 berarti Ho diterima Ha ditolak. Data benar-benar
diambil dari populasi normal.

18
 DAFTAR SOAL
A.Pilihan Berganda
1. “Kelebihan Liliefors test adalah penggunaan atau perhitungannya sederhana”
hal ini merupakan pendapat dari?
a.Rasyid
b.Airun Rasyid
c.Harin Al Rasyad
d. Harun Al Rasyid

2. Berikut merupakan syarat Metode Shapiro Wilk , kecuali

a. Data berskala interval atau ratio (kuantitatif)
b. Dapat untuk n besar maupun n kecil.
c. Data dari sampel random
d. Data tunggal/belum dikelompokkan pada tabel distribusi frekuensi

3. Berikut merupakan syarat Metode Lilliefors , keecuali

a. Data dari sampel random
b. Data tunggal/belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun kecil
d. Data tunggal/belum dikelompokkan pada tabel distribusi frekuensi

4. Berikut adalah hal yang bisa dilakukan jika data tidak normal , kecuali
a. Jika jumlah sampel besar, maka dapat menghilangkan nilai outliner dari
data
b. Melakukan transformasi data
c. Jika jumlah sampel sedikit (kecil), maka dapat menghilangkan nilai outliner
dari data
d. Menggunakan alat analisis nonparametric

5. Berikut merupakan syarat Metode Kolmogorov-Smirnov, keecuali

a. Data dari sampel random
b. Data tunggal/belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun kecil
d. Data tunggal/belum dikelompokkan pada tabel distribusi frekuensi

19
B.ESSAY
1. Apa yang menjadi perbedaan Metode Lilliefors dengan Metode
Kolmogorov-Smirnov?
2. Jelaskan apa yang di maksud dengan Metode Shapiro Wilk!
3. Apa yang bisa dilakukan jika terdapat data yang tidak normal?
4. Tuliskan apa yang menjadi kelebihan metode Liliefors menurut Harun Al
Rasyid !
5. Sebutkan persyaratan Metode Lilliefors !

20
 DAFTAR JAWABAN

A.Pilihan Berganda
1.d. Harun Al Rasyid
2.b. Dapat untuk n besar maupun n kecil.
3.a. Data dari sampel random
4.c. Jika jumlah sampel sedikit (kecil), maka dapat menghilangkan nilaioutliner
dari data
5.a. Data dari sampel random

B.ESSAY
1. Perbedaan Metode Lilliefors dengan Metode Kolmogorov-Smirnov adalah
Metode Kolmogorov-Smirnov menggunakan tabel pembanding
Kolmogorov-Smirnov, sedangkan Metode Lilliefors menggunakan tabel
pembanding metode Lilliefors
2. Metode Shapiro Wilk adalah metode yang menggunakan data dasar yang
belum diolah dalam tabel distribusi frekuensi. Data tersenut diurut,kemudian
dibagi dalam dua kelompok untuk dikonversi dalam Shapiro Wilk. Dapat juga
dilanjutkan transformasi dalam nilai Z untuk dapat dihitung luasan kurva
normal
3. Ada 3 hal yang bias dilakukan jika terdapat data tidak normal
1.Jika jumlah sampel besar, maka dapat menghilangkan nilai outliner dari
data
2.Melakukan transformasi data
3.Menggunakan alat analisis nonparametric
4. Kelebihan Liliefors menurut Harun Al Rasyid adalah penggunaan /
perhitungannya yang sederhana, serta cukup kuat (power full) sekalipun
dengan ukuran sampel kecil
5. persyaratan Metode Lilliefors adalah :
1.Data berskala interval atau ratio (kuantitatif)
2.Data tunggal/belum dikelompokkan pada tabel distribusi frekuensi
3.Dapat untuk n besar maupun kecil

21
 BAB III
PENUTUP
3.1 Kesimpulan
1. Uji kenormalan data / uji normaltias yaitu uji untuk mengukur apakah
data yang didapatkan memiliki distribusi normal sehingga dapat dipakai
dalam statistik parametrik (statistik inferensial).
2. Terdapat 3 hal yang bisa dilakukan jika data tidak normal; yaitu :
• Jika jumlah sampel besar, maka dapat menghilangkan nilai outliner
dari data
• Melakukan transformasi data
• Menggunakan alat analisis nonparametric
3. Terdapat 5 macam uji kenormalan data yakni Uji Grafik , Metode Chi-
Square (Uji Goodness of fit Distribusi Normal) , Metode Lilliefors ,
Metode Kolmogorov-Smirnov dan Metode Shapiro Wilk
4. Metode Kolmogorov-Smirnov menggunakan tabel pembanding
Kolmogorov-Smirnov, sedangkan Metode Lilliefors menggunakan tabel
pembanding metode Lilliefors
5. 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
6. Kelebihan Liliefors menurut Harun Al Rasyid adalah penggunaan /
perhitungannya yang sederhana, serta cukup kuat (power full) sekalipun
dengan ukuran sampel kecil

22
 Daftar Pustaka

1. pdfcoffee.com/makalah-uji-normalitas-statistik
2. www.academia.edu/25772742/Makalah_uji_normalitas_statistik
3. eprints.walisongo.ac.id/id/eprint/7337/6/BAB%20V.pdf
4. fe.unisma.ac.id/MATERI%20AJAR%20DOSEN/EKOMETRIK/AriRiz/
MA%20Uji%20Normalitas.pdf
5. bbs.binus.ac.id/management/2019/12/analisis-uji-asumsi-
6. Field, A. P. (2009). Discovering statistics using SPSS: (and sex, drugs
and rock “n” roll) (3rd ed). Los Angeles: SAGE Publications
7. Azwar, S. (2001). Asumsi-asumsi dalam inferensi statistika. Buletin
Psikologi, Vol. 9(1), 8-17
8. Alsa, A. (2001). Kontroversi uji asumsi dalam statistik parametrik.
Buletin Psikologi, Vol. 9(1), 18-22
9. https://www.konsistensi.com/2014/08/uji-normalitas-grafik-histogram-
plot.html
10. eprints.walisongo.ac.id/id/eprint/7337/6/BAB%20V.pdf
11. jendelastatistik.com/2016/11/uji-normalitas-goodness-of-fit-dengan-
r.html
12. https://www.spssindonesia.com/2014/01/uji-normalitas-kolmogorov-
smirnov-spss.htmlhttps://www.statistikian.com/2013/01/rumus-
kolmogorov-smirnov.html
13. Belajar Olah Data dengan SPSS, MINITAB, R, MICROSOFT EXCEL,
EVIEWS, LISREL, AMOS, dan SMARTPLS (2)
14. text-id.123dok.com/document/1y94p80lq-uji-normalitas-uji-
persyaratan-analisis-data.html

23