Kelompok 4
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.
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
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?
4
BAB II
PEMBAHASAN
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
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
7
A.Perumusan dan Signifikansi
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
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
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
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
12
Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
FT = Probabilitas komulatif normal
FS = Probabilitas komulatif empiris.
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.
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).
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.
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
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
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
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