Ru’yatul Hilal
G1D018072
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Data1 .117 25 .200* .982 25 .922
Stem and leaf
1.00 -0 . 0
11.00 0 . 22223333444
12.00 0 . 566666667789
1.00 1 . 0
Interpretasi :
Pada output Histogram di atas terlihat bahwa batang yang paling tinggi
terletak sedikit di senelah kanan, namun dilihat dari grafik yang
terbentuk dapat dikatakan bahwa pola sebaran data relative simetris.
Dan dari tabel output Test of Normality dapat dilihat nilai sig. dari data
tersebut adalah 0.922 > 0.05, maka dapat disimpulkan bahwa data
tersebut berdistribusi normal. Begitu juga dengan output diagram stem
and leaf, terlihat bahwa pola sebaran datanya relative simetris baik di
bagian atas data dan di bawah bagian data.
Box-plot
Interpretasi :
Sedangkan dari output box-plot terlihat garis median tidak membagi
kotak tersebut menjadi dua bagian yang sama besar, terlihat bahwa
garis median terletak lebih dekat dengan Q3, namun garis yang
terbentuk di atas dan di bawah relative seimbang, sehingga dapat
dikatakan bahwa pola data relative simetris.
Penyarian tiga angka
Median = 58.78800
( )⁄
( )⁄
Pada tabel penyarian tiga angka di atas terlihat bahwa perbedaan
nilainya tidak terlalu besar,sehingga dapat dikatakan bahwa data
relative simetris.
b. 36 46 39 47 46 41 46 37 37 41 35
45 42 42 50 48 42 36 39 34 34 58
45 44 48 45 49 39 49 38 36 40 36
48 41 41 52 42 43 35 38 42 30 54
40 43 49 46 47 38 41 35 35 30
Histogram
Statistics
Data2
Valid 54
N
Missing 0
Mean 41.85
Median 41.50
Mode 41a
Std. Deviation 5.922
Variance 35.072
Minimum 30
Maximum 58
Sum 2260
10 35.00
25 37.00
Percentiles
50 41.50
75 46.00
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic Df Sig. Statistic df Sig.
Data2 .083 54 .200* .983 54 .638
4.00 3 . 0044
16.00 3 . 5555666677888999
15.00 4 . 001111122222334
15.00 4 . 555666677888999
3.00 5 . 024
1.00 5 . 8
Stem width: 10
Each leaf: 1 case(s)
Interpretasi :
Pada histogram di atas terlihat bahwa batang yang paling tinggi yang
menunjukkan frekuensi terbanyak terletak di tengah-tengah, dan
sebaran data di sebelah kiri dan kanan relative sama banyak, sehingga
dapat dikatakan pola sebaran data relative simetris. Dan dari tabel
output Test of Normality dapat dilihat nilai sig. dari data tersebut
adalah 0.200 > 0.05, maka dapat disimpulkan bahwa data tersebut
berdistribusi normal. Begitu juga dengan diagram stem and leaf, terlihat
bahwa pola sebaran data relative sama, dan pola sebaran data relative
simetris.
Box-plot
Interpretasi:
Dari output box-plot di atas terlihat bahwa garis median tepat membagi
kotak menjadi dua bagian sama besar, baik di atas maupun di bawah
garis, sehingga dapat dikatakan pola sebaran datanya simetris.
Penyarian tiga angka
Median = 41.50
( )⁄
( )⁄
c. 43 61 17 86 42 88 78
94 57 56 57 60 57 82
25 76 92 46 67 45
53 50 54 24 70
Histogram
Statistics
Data3
Valid 25
N
Missing 0
Mean 59.20
Median 57.00
Mode 57
Std. Deviation 20.887
Variance 436.250
Minimum 17
Maximum 94
Sum 1480
10 24.60
25 45.50
Percentiles
50 57.00
75 77.00
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Data3 .106 25 .200* .966 25 .540
1.00 1 . 7
2.00 2 . 45
.00 3 .
4.00 4 . 2356
7.00 5 . 0346777
3.00 6 . 017
3.00 7 . 068
3.00 8 . 268
2.00 9 . 24
Stem width: 10
Each leaf: 1 case(s)
Interpretasi :
Pada output Histogram di atas terlihat bahwa batang yang paling tinggi
terletak sedikit di senelah kiri data, namun dilihat dari grafik yang
terbentuk dapat dikatakan bahwa pola sebaran data relative simetris.
Dan dari tabel output Test of Normality dapat dilihat nilai sig. dari data
tersebut adalah 0.540 > 0.05, maka dapat disimpulkan bahwa data
tersebut berdistribusi normal. Begitu juga dengan output diagram stem
and leaf, terlihat bahwa pola sebaran datanya relative simetris baik di
bagian atas data dan di bagian bawah data.
Box-plot
Interpretasi :
Pada output box-plot di atas terlihat bahwa garis median tidak tepat
membagi kotak menjadi dua bagian yang sama besar, namun bagian di
atas dan di bawah garis mempunyai besar yang relative seimbang,
sehingga dapat dikatakan bahwa pola sebaran data tersebut relaive
simetris.
Penyarian tiga angka
Median = 57.00
( )⁄
( )⁄
Pada tabel penyarian tiga angka di atas terlihat bahwa perbedaan
nilainya tidak terlalu besar, sehingga dapat dikatakan bahwa data
relative simetris.
2. Bangkitkan sebanyak 100 bilangan acak yang menyebar Normal (50,100),
kemudian lakukan eksplorasi dan penjelasan singkat tentang kesimetrisan data
tersebut. Apakah data tersebut mempunyai pola sebaran yang simetris seperti
pola sebaran Normal?
Penyelesaian
Untuk melakukan bangkitan data, digunakan Ms.Excel, dengan langkah-
langkah sebagai berikut:
1) Buat nomor urut sesuai dengan jumlah data yang diinginkan
74 70 59 57 78 76 80 63 88 66
100 79 75 97 99 55 85 80 70 67
60 71 90 93 67 89 76 72 94 95
96 84 67 75 80 72 51 68 63 90
77 71 100 96 54 71 93 99 60 52
98 89 74 59 55 62 70 84 55 82
57 67 73 71 89 96 62 50 78 81
63 84 91 73 67 84 89 77 60 100
94 97 98 96 100 82 76 55 72 78
50 99 91 81 85 70 62 68 89 53
Untuk mengetahui pola sebaran data, data akan dieksplorasi dengan bantuan
SPSS, dengan langkah-langkah sebagai berikut:
1) Masukkan data bangkitan ke SPSS
2) Klik Analyze Descriptive statistic Explore
Stem width: 10
Each leaf: 1 case(s)
Interpretasi:
Pada output Histogram di atas terlihat bahwa batang yang paling tinggi
terletak sedikit di senelah kiri data, namun dilihat dari grafik yang
terbentuk dapat dikatakan bahwa pola sebaran data relative simetris.
Begitu juga dengan output diagram stem and leaf, terlihat bahwa pola
sebaran datanya relative simetris baik di bagian atas data dan di bagian
bawah data.
Box-plot
Interpretasi:
Pada output box-plot di atas terlihat bahwa garis median tidak tepat
membagi kotak menjadi dua bagian yang sama besar, namun bagian di
atas dan di bawah garis mempunyai besar yang relative seimbang,
sehingga dapat dikatakan bahwa pola sebaran data tersebut relaive
simetris.
3. Lakukan uji Kolmogorov-Smirnov dan buat Q-Q plot berdasarkan data pada
nomor satu untuk mengetahui apakah data tersebut mempunyai sebaran
Normal.
Penyelesaian
Untuk menguji data memiliki sebaran normal atau tidak, dapat dilakukan
dengan uji Kolmogorov-Smirnov dan juga dengan melihat Q-Q plot dari data.
Untuk melakukan uji Kolmogorov-Smirnov dengan bantuan SPSS
dapat dilakukan dengan langkah-langkah sebagai berikut:
1) Masukkan data yang akan diuji ke SPSS
2) Klik menu Analyze Nonparametric Test 1-Sample K-S,
maka akan muncul kotak dialog One–Sample Kolmogorov-
Smirnov
3) Kotak Test Variabel List diisi dengan data, pada Test Distribution
pilih Normal (karena akan diuji apakah data mengikuti sebaran
normal atau tidak), kemudian klik Ok.
a. Data 1a
a. 58.788 32.142 21.468 -4.413 75.907 68.188 42.798
39.761 40.673 64.858 103.343 62.128 64.137 29.932
38.421 91.733 80.964 48.997 68.803 34.643 60.746
66.263 23.339 78.142 23.239
Uji Kolmogorov Smirnov
Hipotesis
H0 : Data mengikuti sebaran Normal
H1 : Data tidak mengikuti sebaran Normal
Dasar pengambilan keputusan
Sig. 0.05 H0 diterima
Sig. 0.05 H0 ditolak
a,b
Mean 52.60000
Normal Parameters
Std. Deviation 25.072679
Absolute .117
Most Extreme Differences Positive .092
Negative -.117
Kolmogorov-Smirnov Z .587
Asymp. Sig. (2-tailed) .881
Interpretasi :
Berdasarkan tabel output SPSS di atas, dapat diketahui bahwa nilai
signifikansi Asiymp.Sig (2-tailed) sebesar 0.881 nilai tersebut lebih
besar dari 0.05, maka sesuai dengan dasar pengambilan keputusan,
dapat disimplkan bahwa data berdistribusi Normal (H0 diterima).
Q-Q plot
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
*
Data1 .117 25 .200 .982 25 .922
Interpretasi :
Berdasarkan tabel output Test of Normality di atas dapat diketahui
bahwa nilai sig. pada Kolmogorov-smirnov yaitu 0.200 0.05, maka
dapat disimpulkan bahwa data tersebut berdistribusi normal. Begitu
juga dengan output Q-Q plot di atas, dapat dilihat bahwa sebaran titik-
titik data cendrung mengikuti pola garis lurus, sehingga dapat
dikatakan bahwa data tersebut mempunyai distribusi/sebaran normal.
b. Data 1b
b. 36 46 39 47 46 41 46 37 37 41 35
45 42 42 50 48 42 36 39 34 34 58
45 44 48 45 49 39 49 38 36 40 36
48 41 41 52 42 43 35 38 42 30 54
40 43 49 46 47 38 41 35 35 30
Uji Kolmogorov Smirnov
Hipotesis
H0 : Data mengikuti sebaran Normal
H1 : Data tidak mengikuti sebaran Normal
Dasar pengambilan keputusan
Sig. 0.05 H0 diterima
Sig. 0.05 H0 ditolak
N 54
a,b
Mean 41.85
Normal Parameters
Std. Deviation 5.922
Absolute .083
Most Extreme Differences Positive .083
Negative -.055
Kolmogorov-Smirnov Z .607
Asymp. Sig. (2-tailed) .855
Interpretasi :
Berdasarkan tabel output SPSS di atas, dapat diketahui bahwa nilai
signifikansi Asiymp.Sig (2-tailed) sebesar 0.855 nilai tersebut lebih
besar dari 0.05, maka sesuai dengan dasar pengambilan keputusan,
dapat disimplkan bahwa data berdistribusi Normal (H0 diterima).
Q-Q plot
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
*
Data2 .083 54 .200 .983 54 .638
Interpretasi :
Berdasarkan tabel output Test of Normality di atas dapat diketahui
bahwa nilai sig. pada Kolmogorov-smirnov yaitu 0.200 0.05, maka
dapat disimpulkan bahwa data tersebut berdistribusi normal. Begitu
juga dengan output Q-Q plot di atas, dapat dilihat bahwa sebaran titik-
titik data cendrung mengikuti pola garis lurus, sehingga dapat
dikatakan bahwa data tersebut mempunyai distribusi/sebaran normal.
c. Data 1c
c. 43 61 17 86 42 88 78
94 57 56 57 60 57 82
25 76 92 46 67 45
53 50 54 24 70
Uji Kolmogorov Smirnov
Hipotesis
H0 : Data mengikuti sebaran Normal
H1 : Data tidak mengikuti sebaran Normal
Dasar pengambilan keputusan
Sig. 0.05 H0 diterima
Sig. 0.05 H0 ditolak
a,b
Mean 59.20
Normal Parameters
Std. Deviation 20.887
Absolute .106
Most Extreme Differences Positive .106
Negative -.085
Kolmogorov-Smirnov Z .528
Asymp. Sig. (2-tailed) .943
Interpretasi :
Berdasarkan tabel output SPSS di atas, dapat diketahui bahwa nilai
signifikansi Asiymp.Sig (2-tailed) sebesar 0.943 nilai tersebut lebih
besar dari 0.05, maka sesuai dengan dasar pengambilan keputusan,
dapat disimplkan bahwa data berdistribusi Normal (H0 diterima).
Q-Q plot
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
*
Data3 .106 25 .200 .966 25 .540
Interpretasi :
Berdasarkan tabel output Test of Normality di atas dapat diketahui
bahwa nilai sig. pada Kolmogorov-smirnov yaitu 0.200 0.05, maka
dapat disimpulkan bahwa data tersebut berdistribusi normal. Begitu
juga dengan output Q-Q plot di atas, dapat dilihat bahwa sebaran titik-
titik data cendrung mengikuti pola garis lurus, sehingga dapat
dikatakan bahwa data tersebut mempunyai distribusi/sebaran normal.