EBRY MELSYE VANES GULTOM

2021061014107
STATISTIK DAN PROBABILITAS
TEKNIK SIPIL - S1

1
 2

A. Pengertian Uji Normalitas

Apakah data yang didapatkan dari lapangan sesuai dengan distribusi
teoritik tertentu. Dalam kasus ini, distribusi normal. Dengan kata lain, apakah data
yang diperoleh berasal dari populasi yang berdistribusi normal. Data berdistribusi
normal apabila data akan mengikuti bentuk distribusi normal. Dimana data
memusat pada nilai rata-rata atau dikenal dengan istilah median.data yang
membentuk distribusi normal bila jumlah data yang diatas dan dibawah rata-rata
adalah sama, begitupula dengan simpangan bakunya.
Menurut Siregar, Syofian (2013:153) “Tujuan dilakukan uji normalitas
terhadap serangkaian data adalah untuk mengetahui apakah populasi data
berdistribusi normal atau tidak. Bila data berdistribusi normal, maka dapat
digunakan uji statistik berjenis parametrik. Sedangkan bila data tidak berdistribusi
normal,maka digunakan uji statistik nonparametrik”.
Menurut Setyosari (2010:238) “Distribusi normal merupakan suatu
distribusi atau persebaran yang simetris sempurna dari skor rata-rata. Apabila
digambarkan seperti sebuah bel. Apabila distribusi skor-skor dari variabel terikat
pada kelompok perlakuan kontrol tidak simetris atau miring, maka kesimpulan
yang kita hasilkan dari tes perametrik akan kurang atau tidak valid. Semakin tidak
simetris atau kemiringan distribusi besar, semakin tidak valid parameter tes”.
Berdasarkan pernyataan di atas, maka uji normalitas adalah uji untuk
mengukur apakah data yang didapatkan memiliki distribusi normal sehingga dapat
dipakai dalam statistik parametrik (statistik inferensial).

B. Uji Normalitas Bentuk Uji Lillifors, Teknik Kolmogorov Smirnov dan

Uji Chi Square.
1. Uji Lillifors.
 3

Metode Lillifors 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 kumulatif empiris. Beda terbesar dibanding
dengan tabel Lillifors.
Terdapat persyaratan untuk menggunakan metode liliefors ini, yaitu:
1) Data berskala interval atau ratio (kuantitatif).
2) Data tunggal atau belum dikelompokkan pada tabel distribusi frekuensi.
3) Dapat untuk n besar maupun n kecil.
PERUMUSAN HIPOTESIS:
- H0 : data sampel berasal dari distribusi normal
- H1 : data sampel tidak berasal dari distribusi normal
Prosedur perhitungan dari Sudjana (1996:466-467) adalah sebagai berikut:
a. Pengamatan x1, x2, x3,….. xn, dijadikan bilangan baku z1, z2, z3,… zn,
x−x
dengan menggunakan rumus: z = ( ¿ (x dan s, rata-rata dan
s
simpangan baku sampel).
b. Dengan menggunakan daftar distribusi normal baku, menghitung peluang
setiap bilangan baku tersebut F (z1) = P (z  z1).
c. Menghitung proporsi z1, z2, z3,… zn, yang lebih kecil atau sama dengan zi.
Jika proporsi ini dinyatakan oleh S(zi), maka:
banyaknya z 1 , z 2 , z 3 , … . zn zi
S(zi) =
n
d. Hitung selisih F(z1) – S (z1).
e. Menentukan Lo, yaitu dengan harga yang paling besar diantara harga-
harga mutlak selisih F (z1) dengan S (z1).
Contoh :
Berikut diberikan data :
23 27 33 40 48 48 57 59 62 68 69 70
yang diambil dari suatu populasi, akan diuji hipotesis nol bahwa sampel ini
berasal dari populasi dengan distribusi normal pada α = 0,05

Penyelesaian :
 4

PERUMUSAN HIPOTESIS :

H0 : data sampel berasal dari distribusi normal

H1 : data sampel tidak berasal dari distribusi normal

L0 =Sup|F ( z i )−S ( zi )|
STATISTIK UJI : x

DAERAH KRITIS : tolak Ho jika L0 > Lα , n

Untuk α = 0,05 dan n = 12 dari tabel nilai kritis uji Liliefors L0,05 , 12 = 0,242

Perhitungan :

Dari data di atas diperoleh : x̄=50,3 dan s=16,55

Tabel perhitungan

Xi Zi F(zi) S(zi) |F (z i )−S( z i )|

2 -1,65 0,0945 1/12 = 0,0833 0,0338
3
-1,41 0,0793 2/12 = 0,1667 0,0874
2
7 -1,05 0,1469 0,2500 0,1031

3 -0,62 0,2676 0,3333 0,0657

3
-0,14 0,4443 0,5000 0,0557
4
-0,14 0,4443 0,5000 0,0557
0
0,40 0,6554 0,5833 0,0721
4
8 0,53 0,7019 0,6667 0,0352
4 0,71 0,7612 0,7500 0,0112
8
1,07 0,8577 0,8333 0,0244
5
7 1,13 0,8708 0,9167 0,0459

5 1,19 0,8830 1 0,1170*

9
6
2
 5

6
8
6
9
7
0

Dari tabel di atas tampak pada = 70 memberikan nilai terbesar sehingga

L0 = 0,1170 , dari tabel nilai kritis uji Lillifors L0,05 , 12 = 0,242 berarti

L0 < L0,05 , 12 maka hipotesis nol diterima .

Kesimpulannya adalah bahwa populasi asal berdistribusi normal

Catatan :

Untuk pengujian keselarasan ini data harus dalam keadaan terurut dari kecil ke
besar.

Tabel Nilai Kritis Untuk Uji Lillifors

Ukura Taraf Nyata ()

n
Sampel 0.01 0.05 0.10 0.15 0.20

n=4 0.417 0.381 0.352 0.319 0.300

5 0.405 0.337 0.315 0.299 0.285

6 0.364 0.319 0.294 0.277 0.265

7 0.348 0.300 0.276 0.258 0.247

8 0.331 0.285 0.261 0.244 0.233

9 0.311 0.271 0.249 0.233 0.223

10 0.294 0.258 0.239 0.224 0.215

11 0.284 0.249 0.230 0.217 0.206

12 0.275 0.242 0.223 0.212 0.199

 6

13 0.268 0.234 0.214 0.202 0.190

14 0.261 0.227 0.207 0.194 0.183

15 0.257 0.220 0.201 0.187 0.177

16 0.250 0.213 0.195 0.182 0.173

17 0.245 0.206 0.289 0.177 0.169

18 0.239 0.200 0.184 0.173 0.166

19 0.235 0.195 0.179 0.169 0.163

20 0.231 0.190 0.174 0.166 0.160

25 0.200 0.173 0.158 0.147 0.142

30 0.187 0.161 0.144 0.136 0.131

1.031 0.886 0.805 0.768 0.736

n > 30
√n √n √n √n √n
Sumber : Sudjana (1996)

Contoh Uji Normalitas Menggunakan Lillifors dari Judul Skripsi: Pengaruh

Latihan Pliometrik Bervariasi Terhadap Hasil Belajar Keterampilan Dribbling
Sepakbola Peserta Ekstrakurikuler Sepakbola di SMK PGRI 7 Malang (Dhuhary,
Ainnur Adi, 2014:94-95)

Uji Normalitas Skor Awal Keterampilan Tes Menggiring Bola Kelompok Awal.

X− X
No Xi Z= F(z1) = P(z <=z1) S(zi) F(zi) – S(zi)
SD
1 20,96 -1,53 0,0630 0,03 -0,033
2 21,26 -1,43 0,0764 0,06 -0,0164
3 21,30 -1,41 0,0793 0,09 0,0107
4 21,48 -1,35 0,0885 0,12 0,0315
5 21,90 -1,21 0,1131 0,15 0,0369
6 22,05 -1,16 0,1230 0,18 0,057
7 22,17 -1,12 0,1314 0,21 0,0786
8 22,55 -0,99 0,1611 0,24 0,0789
9 23,00 -0,84 0,2005 0,26 0,0595
 7

10 23,12 -0,80 0,2119 0,29 0,0781

11 24,26 -0,41 0,3409 0,32 -0,0209
12 24,42 -0,36 0,3594 0,35 -0,0094
13 24,80 -0,23 0,4090 0,38 -0,029
14 24,80 -0,23 0,4090 0,41 0,001
15 25,08 -0,14 0,4443 0,44 -0,0043
16 25,16 -0,11 0,4562 0,47 0,0138
17 26,06 0,20 0,5793 0,50 -0,0793
18 26,06 0,20 0,5793 0,53 -0,0493
19 26,18 0,24 0,5948 0,56 -0,0348
20 26,24 0,26 0,6026 0,59 -0,0126
21 26,28 0,27 0,6064 0,62 0,0136
22 26,30 0,28 0,6103 0,65 0,0397
23 26,34 0,29 0,6141 0,68 0,0659
24 26,39 0,31 0,6217 0,71 0,0883
25 26,44 0,32 0,6255 0,74 0,1145
26 27,11 0,55 0,7088 0,76 0,0512
27 27,16 0,57 0,7157 0,79 0,0743
28 27,90 0,82 0,7939 0,82 0,0261
29 28,24 0,93 0,8238 0,85 0,0262
30 28,38 0,98 0,8365 0,88 0,0435
31 28,46 1,01 0,8438 0,91 0,0662
32 30,10 1,56 0,9406 0,94 -0,0006
33 30,52 1,70 0,9554 0,97 0,0146
34 33,81 2,81 0,9975 1,00 0,0025

Mean 25,48
SD 2,96
L hitung 0,1145

Keterangan :
Xi = Skor keterampilan menggiring bola
Zi = Transformasi dari angka ke notasi pada distribusi normal
F(zi)  = Probabilitas komulatif normal
S( zi) = Probabilitas komulatif empiris
 8

Dari hasil uji normalitas dari kelompok awal diperoleh L hitung sebesar

0,1145 < L tabel 0,05 = 0,249, maka dari itu dapat disimpulan bahwa data awal

tes menggiring bola berdistribusi normal.

2. Teknik Kolmogorov Smirnov.

Menurut Siregar, Syofian (2013:153 – 162) “Metode Kolmogorof-
Smirnov prinsip kerjanya membandingkan frekuensi kumulatif distribusi empirik
(observasi)”.
Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lillifors.
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.

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

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.
HIPOTESIS UJI :
H0        : Data populasi berdistribusi normal
 9

H1        : Data populasi berdstribusi tidak normal.

SIGNIFIKANSI UJI :
nilai terbesar | ft - Fs | dibandingkan dengan nilai tabel Kolmogorov-Smirnov..
Jika Lhitung   <   Ltabel, maka :
§  Ho diterima
§  H1 ditolak.
·         Jika Lhitung    >    Ltabel , maka :
§  Ho ditolak
§  H1 diterima
Contoh:
Contoh :
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
 10

4. Derajat bebas
* Df tidak diperlukan
5. Nilai tabel
* 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.
 11

3. Uji Chi Square.

Menurut Supranto (2009:65) “Distribusi kai-kuadrat sangat berguna
sebagai kriteria untuk pengujian hipotesis mengenai varians dann juga untuk uji
ketepatan penerapan suatu fungsi (test goodness of fit) apabila digunakan untuk
data hasil observasi atau data hasil empiris. Dengan demikian, kita dapat
menentukan apakah distribusi pendugaan berdasarkan sampel hampir sama atau
mendekati distribusi teoritis, sehingga kita dapat menyimpulkan bahwa populasi
dari mana sampel itu kita pilih mempunyai distribusi yang kita maksud (misalnya,
suatu populasi mempunyai distribusi Biominal, Poisson, atau Normal”.
Sedangkan menurut Hariyadi (2009:242) “Salah satu guna Khi Kuadrat
adalah untuk mengetes signifikansi Normalitas Distribusi frekuensi. Sebuah
distribusi dikatakan normal jika digrafikan berbentuk simetris. Khi Kuadrat di sini
untuk menguji Hipotesis Nihilnya, hipotesis nihil di sini yang mengatakan bahwa
“Frekuensi hasil observasi yang sedang diadakan penelitian tidak menyimpang
secara signifikan dari frekuensi teoritiknya dalam distribusi normal yang ada”.
Ciri-Ciri Distribusi Chi Kuadrat
- Selalu positif
- df = k – 1, dimana k adalah jumlah kategori (variabel). Jadi bentuk distribusi
chi-kuadrat tidak ditentukan banyaknya sampel, melainkan banyaknya
derajat bebas.
- Bentuk distribusi chi-kuadrat menjulur positif. Semakin besar derajat bebas,
semakin mendekati distribusi normal.
(Oi−Ei)
Rumus umum: x2 =  Ei

Keterangan :
Oi = frekuensi hasil pengamatan pada klasifikasi ke-i
Ei = frekuensi yang diharapkan pada klasifikasi ke-i
X2 = Nilai Chi-Kuadrat
PersyaratanMetode Chi Square (Uji Goodness of fit Distribusi Normal)
- Data tersusun berkelompok atau dikelompokkan dalam tabel distribus
frekuensi.
 12

- Cocok untuk data dengan banyaknya angka besar (n > 30).

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.
Uji normalitas dengan menggunakan Chi-Kuadrat dapat dilakukan dengan
langkah-langkah sebagai berikut :
1) Mencari nilai terbesar dan terkecil
2) Mencari nilai rentang, yaitu selisih data terbesar dengan data terkecil.
3) Mencari banyak kelas dengan aturan struges, yaitu banyaknya kelas = 1 + 3,3
log n, dengan n adalah banyaknya data (sudjana (1996:47)
4) Mencari panjang kelas interval (i)
5) Membuat tabel distribusi frekuensi
6) Mencari rata-rata (mean)
7) Mencari simpangan baku (standar deviasi)
8) Membuat daftar frekuensi yang diharapkan dengan cara sebagai berikut
- Menentukan batas kelas, yaitu ujung bawah kelas interval dikurangi 0.5
dan kemudian ujung atas kelas interval ditambah 0.
- Mencari nilai Z menggunakan batas bawah dan batas atas kelas interval

dengan rumus:
- Mencari luas 0-Z dari Tabel Kurva Normal dari 0-Z dengan
menggunakan Z hitung.
- Mencari selisih luas tiap kelas interval dengan cara mengurangkan nilai-
nilai 0-Z tepi bawah dengan tepi atas.
9) Mencari frekuensi yang diharapkan  dengan cara mengalikan luas tiap
interval dengan jumlah responden.
10) Mencari Chi-Kuadrat hitung.
11) Membandingkan nilai X2  hitung dengan X2  tabel. Kriteria:
Jika X2 hitung < X2 tabel maka H0 diterima dan untuk hal lainnya H0 ditolak.
Contoh:
 13

Akan diuji normalitas untuk data Keterampilan gerak Siswa Kelas VIII A SMP
Negeri 1 Malang pada Senam. Apakah data tersebut berdistribusi normal?
Datanya adalah sebagai berikut :
No. X No. X. No. X No. X No. X
1. 58 16. 51 31. 57 46. 72 61. 78
2. 57 17. 65 32. 51 47. 78 62. 71
3. 57 18. 85 33. 52 48. 66 63. 45
4. 51 19. 72 34. 51 49. 48 64. 50
5. 51 20. 78 35. 65 50. 71
6. 52 21. 58 36. 78 51. 78
7. 71 22. 59 37. 71 52. 70
8. 79 23. 58 38. 71 53. 65
9. 72 24. 64 39. 64 54. 37
10. 75 25. 64 40. 58 55. 58
11. 58 26. 58 41. 50 56. 50
12. 62 27. 71 42. 44 57. 50
13. 57 28. 64 43. 58 58. 58
14. 57 29. 78 44. 48 59. 48
15. 57 30. 78 45. 65 60. 67
 14

Jawab :
Hipotesis :
H0 : data pada sampel berasal dari populasi yang berdistribusi normal
H1 : data pada sampel berasal dari populasi yang tidak berdistribusi normal
Langkah pengujiannya sebagai berikut :
1. Mencari nilai terbesar terbesar dan terkecil
Nilai terbesar = 85
Nilai terkecil = 37
2. Mencari nilai rentang (R)
R = skor terbesar – skor terkecil
R = 85 – 37 = 58
3. Mencari banyak kelas (BK)
BK = 1 + 3,3 log n
BK = 1 + 3,3 log 64
BK = 1 + 3,3 (1,81)
BK = 1 + 3,3 (1,81)
BK = 1 + 5,973
BK = 6,973 dibulatkan menjadi 7
4. Mencari nilai panjang kelas (i)

5. Membuat tabel distribusi frekuensi

No Kelas F Nilai Tengah

Interval (xi)
1. 37 – 44 2 40,5
2. 45 – 52 15 48,5
3. 53 – 60 16 56,5
 15

4. 61 – 68 11 64,5
5. 69 – 76 11 72,5
6. 77 – 84 8 80,5
7. 85 – 92 1 88,5
jumla 64
h

6) Mencari rata-rata (mean)

7) Mencari simpangan baku (standar deviasi)

No Kelas Interval fi xi xi-x (xi-x)-2 fi(xi-x)-2
.
1. 37-44 2 40,5 -21,25 451,5625 903,125
2. 45-52 15 48,5 -13,25 175,5625 2633,4375
3. 53-60 16 56,5 -5,25 27,5625 441
4. 61-68 11 64,5 2,75 7,5625 83,1875
5. 69-76 11 72,5 10,75 115,5625 1271,1875
6. 77-84 8 80,5 18,75 351,5625 2812,5
7. 85-92 1 88,5 26,75 715,5625 715,5625
64 8860

8) Membuat daftar frekuensi yang diharapkan dengan cara sebagai berikut :

a. Menentukan Tepi Bawah dan Tepi Atas Kelas Intervalt :
No Kelas Batas Batas atas
Interval bawah kelas kelas
1. 37 - 44 36,5 44,5
2. 45 - 52 44,5 52,5
3. 53 - 60 52,5 60,5
4. 61 - 68 60,5 68,5
5. 69 - 76 68,5 76,5
6. 77 - 84 76,5 84,5
7. 85 - 92 84,5 92,5
 16

b. Mencari nilai Z menggunakan Tepi Bawah dan Tepi Atas Kelas Interval
 17

c. Mencari selisih luas tiap kelas interval dengan cara mengurangkan nilai-nilai 0-
Z tepi bawah dengan tepi atas
Selisih Luas 0-Z
0,0569
0,1442
0,0238
0,2595
0,1768
 18

0,0801
0,0226

9) Mencari frekuensi yang diharapkan  dengan cara mengalikan selisih luas tiap
interval dengan jumlah responden (n = 64)

Selisih Luas 0-Z Ei

0,0569 3,64

0,1442 9,23

0,2385 15,26

0,2595 16,61

0,1768 11,32

0,0801 5,13

0,0226 1,45

Frekuensi yang Diharapkan (Ei) dari Hasil Pengamatan (Oi) untuk Variabel

Keterampilan Gerak Siswa Kelas VIII A SMP 1 Malang pada Materi Senam.

10) Mencari Chi-Kuadrat hitung

 19

11) Membandingkan X2 hitung dengan X2 tabel

Dengan membandingkan X2 hitung dengan nilai X2 tabel untuk alpha =0,05
dan derajad kebebasan (dk) = k – 1 = 7 – 1 = 6, maka dicari pada tabel Chi-
Kuadrat didapat X2tabel = 12,6 dengan kriteria pengujian sebagai berikut :
Jika X2 hitung X2 tabel, artinya distribusi data tidak normal
Jika X2 hitung < X2tabel , artinya data berdistribusi normal.
Ternyata X2 hitung < X2tabel,atau 8,077 < 12,6 , maka H0 diterima. Jadi, data
Keterampilan Gerak Siswa Kelas VIII A SMP 1 Malang pada Materi Senam
adalah berdistribusi normal. Sehingga, analisis uji selanjutnya dapat dilanjutkan.
 20

PENUTUP

Kesimpulan

Uji normalitas data adalah hal yang lazim dilakukan sebelum sebuah

metode statistik. Uji normalitas merupakan salah satu bagian dariuji persyaratan

analisis data.Tujuan uji normalitas adalah untuk mengetahui apakah distribusi

sebuah data mengikuti atau mendekati distribusi normal, yakni distribusi data

yang mampunyai pola seperti distribusi normal. Untuk menguji kenormalan data

dapat menggunakan tiga cara yaitu bentuk uji Lillifors, teknik Kolmogorof-

Smirnov, dan Uji Chi-Square.

 21

DAFTAR RUJUKAN

Dhuhary, Ainnur Adi. 2014. Pengaruh Latihan Pliometrik Bervariasi Terhadap

Hasil Belajar Keterampilan Dribbling Sepakbola Peserta Ekstrakurikuler
Sepakbola Di Smk Pgri 7 Malang. Malang. UM.

Hariyadi. 2009. Statistik Pendidikan Panduan Lengkap dari Design Sampai

analisis Statistik Pendidikan. Jakarta. Prestasi Pustaka Raya.

Rusli, Muhammad. 2014. Pengelolaan Statistik yang menyenangkan. Yogyakarta.

Graha Ilmu.

Setyosari. 2010. Metode Penelitian dan Pengembangan. Jakarta. Kencana

Prenada Media Group.

Siregar, Syofian. 2013. Statistik Parametrik untuk Penelitian Kuantitatif. Jakarta:

Bumi
Aksara.

Sudjana. 1996. Metoda Statistika. Bandung. Tarsito.

Supranto. 2009. Statistik Teori dan Aplikasi Edisi Ketujuh. Jakarta: Erlangga.