NAMA: SIGIT PERDANA PUTRA

NIM: 19087036

TUGAS: STATISTIK TERAPAN

Pengertian Uji Normalitas

Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk menilai sebaran data
pada sebuah kelompok data atau variabel, apakah sebaran data tersebut berdistribusi
normal ataukah tidak.

Uji Normalitas berguna untuk menentukan data yang telah dikumpulkan berdistribusi
normal atau diambil dari populasi normal. Metode klasik dalam pengujian normalitas suatu
data tidak begitu rumit. Berdasarkan pengalaman empiris beberapa pakar statistik, data
yang banyaknya lebih dari 30 angka (n > 30), maka sudah dapat diasumsikan berdistribusi
normal. Biasa dikatakan sebagai sampel besar.

Metode Chi Square Dalam Uji Normalitas

(Uji Goodness Of Fit Distribusi Normal)

Metode Chi-Square atau X2 untuk Uji Goodness of fit Distribusi Normal menggunakan
pendekatan penjumlahan penyimpangan data observasi tiap kelas dengan nilai yang
diharapkan. Uji Chi-square seringkali digunakan oleh para peneliti sebagai alat uji
normalitas.

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) Contoh Uji Chi-Square
dalam uji Normalitas

Contoh:
Diambil Tinggi Badan Mahasiswa Di Suatu Perguruan Tinggi Tahun 2010

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.

4. Derajat Bebas

 Df = ( k – 3 ) = ( 5 – 3 ) = 2

5. Nilai tabel
  Nilai tabel X2 ; α = 0,05 ; df = 2 ; = 5,991. Baca selengkapnya tentang Tabel Chi-
Square.

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)      Uji Lilliefors

Uji Lilliefors adalah uji normalitas secara nonparametrik. Keunggulan metode

Liliefors dapat digunakan dengan sampel kecil dan tidak perlu membuat tabel
distribusi bergolong atau frekuensi. Dari sekumpulan data cukup kita cari rata-rata
dan standar deviasinya. Misalkan kita mempunyai sampel acak dengan hasil

pengamatan   Berdasarkan sampel ini maka, Langkah langkahnya

(Sudjana :1984) adalah :

1.       Menentukan Hipotesis :
H0 : Sampel random berasal dari populasi normal, yang rata-rata dan standar
deviasinya tidak diketahui.
Ha   : Distribusi data populasi tidak normal.
 2. Pengamatan   dijadikan angka baku   dengan

menggunakan rumus   (   dan s masing-masing merupakan rata-rata

dan simpangan baku dari sampel ).

3. Untuk tiap angka baku ini dan menggunakan daftar distribusi normal baku,
kemudian dihitung peluang 

4. Selanjutnya dihitung proporsi   yang lebih kecil atau sama dengan   

. Jika proporsi ini dinyatakan oleh  ,

maka     

5.       Hitung selisih F(Zi) – S(  kemudian tentukan harga mutlaknya.

6.   Ambil harga yang paling besar di antara harga-harga mutlak selisih tersebut, kita
sebutlah harga terbesar ini L0
Persyaratan
 Data berskala interval atau ratio (kuantitatif)
 Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
 Dapat untuk n besar maupun n kecil.

Signifikansi

 Signifikasi uji, nilai  F(x) - S(X) 

Signifikansi uji, nilai   terbesar dibandingkan dengan nilai tabel

Liliefors.

1. Jika nilai   terbesar   nilai tabel liliefors, Maka   diterima,

sedangkan   ditolak.

2.   Jika nilai   terbesar   dari nilai tabel liliefors, maka   ditolak,

sedangkan   diterima

Contoh :
Dengan sampel skripsi (Dona : 2013) hasil tes nilai pemodelan matematika di kelas
X SMA N 15 Palembang dengan sampel sebanyak 41 orang, diperoleh data : 75,
75, 42, 92, 50, 92, 58, 92, 92, 75, 75, 100, 67, 75, 92, 58, 58, 58, 58, 58, 58, 58, 58,
100, 100, 75, 92, 75, 75, 58, 75, 75, 92, 75, 58, 100, 58, 75, 58, 100, dan 92.  Telah
diambil dari sebuah populasi. 

Akan diuji dengan Uji Lilliefors apakah sampel ini berasal dari populasi dengan
distribusi normal atau bukan?

Dari data ini didapat  rata-rata = 74,78 dan s = 16,78.

Penyelesaian :

No X Z F(X) S(X) |F(X) - S(X)|

1 42 -2,0 0,0202 0.0244 0.0042
2 50 -1,5 0,0606 0.0488 0.0118
3 58 -1,0 0,1469 0.0732 0.0737
4 58 -1,0 0,1469 0.0976 0.0493
5 58 -1,0 0,1469 0.1220 0.0249
6 58 -1,0 0,1469 0.1463 0.0006
7 58 -1,0 0,1469 0.1707 0.0238
8 58 -1,0 0,1469 0.1951 0.0482
9 58 -1,0 0,1469 0.2195 0.0726
10 58 -1,0 0,1469 0.2439 0.0970
11 58 -1,0 0,1469 0.2683 0.1214
12 58 -1,0 0,1469 0.2927 0.1458
13 58 -1,0 0,1469 0.3171 0.1702
14 58 -1,0 0,1469 0.3415 0.1946
15 58 -1,0 0,1469 0.3659 0.2190
16 67 -0,5 0,2912 0.3902 0.0990
17 75 0,0 0,5199 0.4146 0.1053
18 75 0,0 0,5199 0.4390 0.0809
19 75 0,0 0,5199 0.4634 0.0565
20 75 0,0 0,5199 0.4878 0.0321
 21 75 0,0 0,5199 0.5122 0.0077
22 75 0,0 0,5199 0.5366 0.0167
23 75 0,0 0,5199 0.5610 0.0411
24 75 0,0 0,5199 0.5854 0.0655
25 75 0,0 0,5199 0.6098 0.0899
26 75 0,0 0,5199 0.6341 0.1142
27 75 0,0 0,5199 0.6585 0.1386
28 92 1,0 0,8531 0.6829 0.1702
29 92 1,0 0,8531 0.7073 0.1458
30 92 1,0 0,8531 0.7317 0.1214
31 92 1,0 0,8531 0.7561 0.0970
32 92 1,0 0,8531 0.7805 0.0726
33 92 1,0 0,8531 0.8049 0.0482
34 92 1,0 0,8531 0.8293 0.0238
35 92 1,0 0,8531 0.8537 0.0006
36 92 1,0 0,8531 0.8780 0.0249
37 100 1,5 0,9394 0.9024 0.0370
38 100 1,5 0,9394 0.9268 0.0126
39 100 1,5 0,9394 0.9512 0.0118
40 100 1,5 0,9394 0.9756 0.0362
41 100 1,5 0,9394 1.0000 0.0606
Rata-rata 74,78
Simpangan
Baku 16,78

1.       Hipotesis
 Ho : Populasi nilai tes pemodelan matematika berdistribusi normal
 Hi : Populasi nilai tes pemodelan matematika tidak berdistribusi normal

2.       Nilai α
Nilai α = level signifikansi =5% = 0,05

3.       Nilai Kuantil Penguji Lilliefors, α = 0,05 ; N = 41 yaitu 0,2190. Tabel Lilliefors

untuk α = 0,05 ; N = 41, yaitu 0,14.
4.       Daerah penolakan
Menggunakan rumus
0.2190>0,14; berarti Ho ditolak

5.       Kesimpulan
Populasi nilai tes pemodelan matematika statistik tidak berdistribusi normal