UJI NORMALITAS

MEODE LILIEFORS

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. Probabilitas tersebut dicari bedanya dengan probabilitas komultaif
empiris. Beda terbesar dibanding dengan tabel Lilliefors pada Tabel Nilai Quantil Statistik
Lilliefors Distribusi Normal.

Rumus

Keterangan :

Xi = Angka pada data

Z = Transformasi dari angka ke notasi pada distribusi normal

F(x) = Probabilitas komulatif normal

S(x) = Probabilitas komulatif empiris

F(x) = komulatif proporsi luasan kurva normal berdasarkan notasi Z i, dihitung dari luasan kurva
normal mulai dari ujung kiri kurva sampai dengan titik Zi.

Persyaratan

a. Data berskala interval atau ratio (kuantitatif)

b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi

c. Dapat untuk n besar maupun n kecil.

Signifikansi
Signifikansi uji, nilai | F (x) – S (x) | terbesar dibandingkan dengan nilai tabel Lilliefors. Jika
nilai | F (x) – S (x) | terbesar kurang dari nilai tabel Lilliefors, maka Ho diterima ; Ha ditolak.
Jika nilai | F (x) – S (x) | terbesar lebih besar dari nilai tabel Lilliefors, maka Ho ditolak ; H 1
diterima. Tabel nilai Quantil Statistik Lilliefors.

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.

RUMUS

Persyaratan

a. Data berskala interval atau ratio (kuantitatif)

b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi

c. Data dari sampel random

Signifikansi

Signifikansi dibandingkan dengan tabel Shapiro Wilk. Signifikansi uji nilai T3 dibandingkan
dengan nilai tabel Shapiro Wilk, untuk dilihat posisi nilai probabilitasnya (p). Jika nilai p lebih
dari 5%, maka Ho diterima ; H 1 ditolak. Jika nilai p kurang dari 5%, maka Ho ditolak ; H 1
diterima. Jika digunakan rumus G, maka digunakan tabel distribusi normal.

UJI HOMOGENITAS

METODE BARTLET
Digunakan untuk menguji apakah k sampel memiliki varian yang sama di seluruh sampel disebut
homogenitas varians. Beberapa uji statistik, misalnya analisis varians, berasumsi bahwa varians
adalah sama di seluruh kelompok atau sampel. Uji Bartlett dapat digunakan untuk memverifikasi
asumsi itu.

uji Bartlett adalah sensitif terhadap penyimpangan dari normalitas. Artinya, jika sampel Anda
berasal dari distribusi non-normal, maka uji Bartlett mungkin hanya pengujian untuk non-
normalitas. The uji Levene merupakan alternatif untuk uji Bartlett yang kurang sensitif terhadap
penyimpangan dari normalitas.

Uji Bartlett didefinisikan sebagai:

H 0 : H 0:
H a : H: minimal satu pasangan (i, j).
Uji Statistik: Statistik uji Bartlett dirancang untuk menguji kesamaan varians antar kelompok
terhadap alternatif yang varians tidak sama setidaknya dua kelompok.

Dalam contoh di atas, s i 2 adalah varians dari kelompok i, N adalah ukuran total
sampel, N i adalah ukuran sampel dari kelompok ke-i, k adalah jumlah kelompok,
dan s p 2 adalah varians dikumpulkan. Varians dikumpulkan adalah rata-rata
tertimbang dari varians kelompok dan didefinisikan sebagai:

Signifikansi
Level:
Kritis Daerah: Varians yang dinilai tidak sama jika,

adalah nilai kritis atas dari chi-kuadrat distribusi dengan k - 1 derajat kebebasan
dan tingkat signifikansi . .

Dalam rumus di atas untuk daerah kritis, Buku Pegangan mengikuti konvensi yang
adalah nilai kritis atas dari distribusi chi-kuadrat dan adalah nilai yang lebih
rendah kritis dari distribusi chi-kuadrat. Catatan bahwa ini adalah kebalikan dari
beberapa teks dan program perangkat lunak. Secara khusus, Dataplot
 menggunakan konvensi berlawanan.

UJI LEVENE

Uji Levene kurang sensitif dibandingkan uji Bartlett untuk keberangkatan dari normalitas. Jika
Anda memiliki bukti kuat bahwa data anda lakukan sebenarnya berasal dari distribusi normal,
atau hampir normal,, kemudian uji Bartlett memiliki kinerja yang lebih baik.

Levene didefinisikan sebagai:

H 0 : H 0:
H a : H: minimal satu pasangan (i, j).
Uji Statistik: Diberikan variabel Y dengan sampel berukuran N dibagi menjadi subkelompok k,
dimana N i adalah ukuran sampel dari sub-grup ke-i, uji statistik Levene
didefinisikan sebagai:

dimana Z ij dapat memiliki salah satu dari tiga definisi berikut:

1.

dimana adalah rata-rata dari sub-grup ke-i.

2.

dimana adalah median dari sub-grup ke-i.

3.

dimana adalah 10% dipangkas berarti dari sub-grup ke-i.

Z ij . adalah mean keseluruhan dari Z ij.

Tiga pilihan untuk mendefinisikan Z ij menentukan ketahanan dan kekuatan kita

coba Levene. Dengan kekokohan, kita berarti kemampuan uji untuk tidak palsu
mendeteksi varian yang tidak sama ketika data dasar biasanya tidak didistribusikan
dan variabel tersebut sebenarnya sama. Dengan kekuasaan, kita berarti kemampuan
tes untuk mendeteksi varians yang tidak setara ketika varians sebenarnya tidak
sama.

.
Signifikansi alpha
Level:
Kritis Uji Levene menolak hipotesis bahwa varians adalah sama jika
Daerah:
mana adalah nilai kritis atas dari distribusi F dengan k - tingkat
signifikansi dan 1 N - k derajat kebebasan di . .