MAKALAH

Analisis Normalitas

Disusun untuk memenuhi tugas

Mata kuliah : Statistik Inferential
Dosen pengampu : Yuanita Dwi Krisphianti, M. Pd

DISUSUN OLEH :
1. Angeli Fernanda Putri (2014010042)
2. Anisa Putri Nastiti (2014010054)
3. Deva Aprillia H. (2014010069)
4. Mochammad Fendi A (2014010059)

KELAS 2B
JURUSAN BIMBINGAN DAN KONSELING
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS NUSANTARA PGRI KEDIRI
2020/2021
 KATA PENGANTAR

Puji syukur kita panjatkan kepada Tuhan Yang Maha Esa karena atas rahmat dan karunia-
Nya, kami dapat menyusun makalah dengan topik Perencanaan Karier. Tidak lupa juga kami ucap-
kan terimakasih kepada Ibu Yuanita Dwi Krisphianti, M. Pd selaku dosen mata kuliah Statistik
Inferential semua pihak yang telah berkontribusi dalam penyusunan makalah ini. Karena tanpa
bantuan, dorongan, dan bimbingan, kendala-kendala yang kami hadapi mungkin tidak dapat kami
atasi. Kami menyadari bahwa dalam penyusunan tugas atau materi makalah ini tidak sedikitham-
batan yang kami hadapi dan masih banyak sekali kekurangan. Baik dari segi isi, penulisan, maupun
kata-kata yang digunakan. Oleh karena itu, segala kritik dan saran yang bersifat membangun guna
perbaikan makalah ini selanjutnya, akan kami terima dengan senang hati. Demikian makalah ini
kami susun, semoga dapat menjadi acuan pembelajaran bagi kita semua.

Kediri, 23 April 2022

Kelompok 3

2
 DAFTAR ISI

KATA PENGANTAR........................................................................................................................2
DAFTAR ISI.......................................................................................................................................3
BAB I PENDAHULUAN...................................................................................................................4
1.1 Latar Belakang..........................................................................................................................4
1.2 Rumusan Masalah....................................................................................................................4
1.3 Tujuan Masalah........................................................................................................................4
BAB II PEMBAHASAN....................................................................................................................5
A. Pengertian Uji Normalitas......................................................................................................5
B. Macam-Macam Uji Normalitas.............................................................................................5
BAB III PENUTUP..........................................................................................................................17
2.1 Kesimpulan..............................................................................................................................17
2.2 Saran........................................................................................................................................17
DAFTAR PUSTAKA.......................................................................................................................18

3
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Statistika adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan data, pen-
golahan atau penganalisisannya dan penarikan kesimpulan berdasarkan kumpulan data dan pen-
ganalisisan yang dilakukan (Sudjana 2005: 3). Sering kali kita mendengar bahwa dalam uji statistik,
data yang kita miliki harus diuji normalitasnya terlebih dahulu untuk menentukan alat uji yang da-
pat kita gunakan.

Uji normalitas berfungsi untuk mengetahui apakah data sampel berasal dari populasi yang
berdistribusi normal ataukah tidak. Ada banyak cara yang dapat dilakukan untuk dapat menge-
tahuinya. Metode pengujian normalitas secara klasik tidaklah terlalu rumit. Berdasarkan pengala-
man empiris beberapa pakar statistik, data yang banyaknya lebih dari 30 (n>30) maka dapat
dikatakan berdistribusi normal dan biasa disebut sampel besar. Namun, untuk mendapatkan kepas-
tian data tersebut berdistribusi normal atau tidak maka dapat dilakukan uji statistik normalitas. Hal
ini dikarenakan data yang banyaknya lebih dari 30 belum tentu berdistribusi normal dan data yang
banyaknya kurang dari 30 belum tentu tidak berdistribusi normal. Pembuktian secara manual dapat
dilakukan dengan menggunakan metode kertas peluang normal atau dengan melakukan uji statistik
normalitas.

Ada banyak jenis uji statistik normalitas yang dapat digunakan, di antaranya adalah Kol-
mogorov Smirnov, Liliefors, Chi-Square, Shapiro Wilk, dan beberapa software komputer (misalnya
SPSS, Minitab, Simstat, Microstat, dsb.). Masing-masing jenis tersebut memiliki kelebihan dan
kekurangan dalam penggunaannya.

1.2 Rumusan Masalah

1. Apa itu uji normalitas?
2. Apa saja macam-macam uji normalitas?

1.3 Tujuan Masalah

1. Mengetahui serta memahami tentang uji normalitas.
2. Mengetahui serta memahami macam-macam uji normalitas.

4
 BAB II

PEMBAHASAN

A. 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. Data yang berdistribusi normal merupakan syarat dilakukannya tes parametrik. Sedangkan
untuk data yang tidak mempunyai distribusi normal, maka analisisnya menggunakan tes non para-
metric.

Data yang mempunyai distribusi yang normal berarti mempunyai sebaran yang normal pula.
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 be-
sar. Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal atau tidak, se-
baiknya digunakan uji normalitas. Karena belum tentu data yang lebih dari 30 bisa dipastikan
berdistribusi normal, demikian sebaliknya data yang banyaknya kurang dari 30 belum tentu tidak
berdistribusi normal. Jadi uji normalitas pada dasarnya melakukan perbandingan antara data yang
kita miliki dengan data berdistribusi normal yang memiliki mean dan standar deviasi yang sama
dengan data kita.Untuk mengetahui bentuk distribusi data dapat digunakan grafik distribusi dan
analisis statistik. Penggunaan grafik distribusi merupakan cara yang palinggampang dan sederhana.
Cara ini dilakukan karena bentuk data yang terdistribusi secara normal akan mengikuti pola dis-
tribusi normal di mana bentuk grafiknya mengikuti bentuk lonceng (atau bentuk gunung). Sedan-
gkan analisis statistic menggunakan analisis keruncingan dan kemencengan kurva dengan menggu-
nakanindikator keruncingan dan kemencengan.

B. Macam-Macam Uji Normalitas

Terdapat beberapa cara untuk menentukan apakah data diatas tersebut berasal dari popu-
lasi yang berdistribusi normal atau tidak. Diantaranya sebagai berikut :

1. Kertas Probabilitas Normal

Apabila dari penelitian sudah terkumpul data lengkap, maka untuk pengujian normalitas
dilalui langkah-langkah sebagai berikut :
a. Membuat tabel distribusi frekuensi.
b. Menentukan batas nyata tiap-tiap kelas interval.
c. Mencari frekuensi kumulatif dan frekuensi kumulatif relative (dalam persen).

5
 d. Dengan skala sumbu mendatar dan sumbu menegak, menggambarkan grafikdengan data
yang ada, pada kertas probabilitas normal.
e. Dengan angka-angka yang ada pada tabel distribusi diletakkan titik-titikfrekuensi kumu-
latif relative pada kertas probabilitas yang telah disediakan pada buku-buku statistic. Jika
letak titik-titik berada pada garis lurus atau hampirlurus, maka dapat disimpulkan dua
hal:
a) Mengenai data itu sendiriDikatakan bahwa data itu terdistribusi normal atau hampir
normal (atau dapatdidekati oleh distribusi normal).
b) Mengenai populasi dari mana data sampel diambil.Dikatakan bahwa populasi dari
mana data sampel itu diambil ternyata berdistribusi normal atau hampir terdistribusi
normal, atau dapat didekati olehdistribusi normal. Jika titik-titik yang diletakkan
tidak menunjukkan terletak pada garis lurus maka dapat disimpulkan bahwa data
atau sampel yang diambiltidak berasal dari populasi normal.
2. Uji Chi Kuadrat

Menurut Prof.DR.Sugiono (2005, dalam buku “Statistika untuk Penelitian “), salah satu
uji normalitas data yaitu chi kuadrat (x²) merupakan pengujian hipotesis yang dilakukandengan
cara membandingkan kurve normalyang terbentuk dari data yang telah terkumpul (B) dengan
kurve normal baku atau standar (A). Jadi membandingkan antara (B/A). Bila B tidak berbedase-
cara signifikan dengan A, maka B merupakan data yang berdistribusi normal.

Ho: data berasal dari populasi yang berdistribusi normal

H1:data tidak berasal dari populasi yang berdistribusi normal

Grafik distribusi chi kuadrat (x²) umumnya merupakan kurve positif ,yaitu miring ke
kanan. Kemiringan ini makin berkuran jika derajat kebebasan (dk)makin besar.

Langkah-Langkah Menguji Data Normalitas dengan Chi Kuadrat:

1) Menentukan Mean/ Rata-Rata

2) Menentukan Simpangan Baku

3) Membuat daftar distribusi frekuensi yang diharapkan

6
 a) Menentukan batas kelas
b) Mencari nilai Z skor untuk batas kelas interval
c) Mencari luas 0– Z dari tabel kurva normal
d) Mencari luas tiap kelas interval
e) Mencari frekuensi yang diharapkan (Ei)
4) Merumuskan formula hipotesis
Ho:data berasal dari populasi yang berdistribusi normal.
H1:data tidak berasal dari populasi yang berdistribusi normal
5) Menentukan taraf nyata (a)Untuk mendapatkan nilai chi-square tabel

6) dk = k – 1dk = Derajat kebebasan

k = banyak kelas interval

7) Menentukan Nilai Uji Statistik

Keterangan:

Oi = frekuensi hasil pengamatan pada klasifikasi ke-i

Ei = Frekuensi yang diharapkan pada klasifikasi ke-i8.

8) Menentukan Kriteria Pengujian Hipotesis

7
9) Memberi KesimpulanPerhatikah data hasil belajar siswa kelas 2 SMP pada mata pela-
jaranmatematika di atas. Kita akan melakukan uji normalitas data dengan chikuadrat.
a) Kita siapkan terlebih dahulu tabel distribusi frekuensi :

b) Mencari Mean dan Simpangan Baku

c) Membuat daftar distribusi frekuensi yang diharapkan

1) Menentukan Batas Kelas
Angka skor kiri pada kelas interval dikurangi 0,5Angka skor kanan pada kelas
interval ditambah 0,5Sehingga diperoleh batas kelas sbb:

8
2) Mencari nilai Z untuk batas kelas interval

3) Mencari luas 0–  Z dari tabel kurva normal

4) Mencari luas tiap kelas interval

Yaitu angka baris pertama dikurangi baris kedua, angka baris keduadikurangi
baris ketiga, dst. Kecuali untuk angka pada baris palingtengah ditambahkan den-
gan angka pada baris berikutnya. Sehingga diperoleh hassil sbb:

5) Mencari frekuensi yang diharapkan (E)

Dengan cara mengalikan luas tiap interval dengan jumlah responden(n = 30).
Diperoleh:

9
 d) Menentukan taraf nyata dan chi-kuadrat tabel

3. Uji Lilliefors
Metode Lilliefors menggunakan data dasar yang belum diolah dalam
tabeldistribusi 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 Lillieforspada
Tabel Nilai Quantil Statistik Lilliefors Distribusi Normal. Adapun langkah-langkah pegujian
normalitas adalah :
1. Mengurutkan data sampel dari yang terkecil sampai yang terbesar.
2. Menentukan nilai z dari tiap-tiap data (Zi).
3. Menentukan besar peluang untuk masing-masing nilai z berdasarkan tabel z
dandiberi nama F(zi), yaitu F(zi) = nilai tabel z + 0,5.
4. Menghitung frekuensi kumulatif relatif kurang dari masing-masing nilai z.
5. Menentukan nilai S(zi).
6. Menentukan nilai L hitung = I F(zi) – S(zi) I, hitung selisihnya, kemudian
bandingkan dengan nilai L tabel dari tabel Liliefors.
7. Mengecek nilai L tabel.
10
 8. Menyimpulkan sampel berasal dari populasi yang berdistribusi normal atau
tidakberdistribusi normal.
Rumus :

No zi Z = xi – x / F(zi) S(zi) I F(zi) – S(zi)

SD I
1
2
Dst.

Keterangan :
Zi = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
F (zi) = Probabilitas komulatif norma
S (zi) = Probabilitas komulatif empiris
F (zi) = komulatif proporsi luasan kurva normal berdasarkan notasi Zi, dihitung dari luasan kurva
normal mulai dari ujung kiri kurva sampai dengan titik Zi.
S (zi) = Banyaknya angka sampai angka ke ni / bayaknya seluruh angka pada data
Signifikansi uji, nilai I F(zi) – S(zi) I terbesar dibandingkan dengan nilai tabel Lilliefors. Jika nilai I
F(zi) – S(zi) I terbesar kurang dari nilai tabel Lilliefors, maka Hoditerima ; Ha ditolak. Jika nilai
terbesar lebih besar dari nilai tabelLilliefors, maka Ho ditolak ; H1 diterima.

11
4. Uji Kolmogorov Smirnov

Uji Kolmogorov Smirnov didefinisikan sebagai berikut:

H 0 : Data mengikuti distribusi tertentu
H 1 : Data tidak mengikuti distribusi tertentu.
Uji Statistik: Uji statistik Kolmogorov Smirnov didefinisikan sebagai:

Dengan F adalah distribusi kumulatif teoretis dari distribusi

yang sedang diuji yang harus berdistribusi kontinu (tidak ada masalah seperti distribusi
diskrit binomial atau Poisson), dan harus sepenuhnya ditentukan (yaitu, lokasi, skala, dan
bentuk parameter tidak dapat diperkirakan dari data).
Taraf α = 0,05
Signifikansi:

12
 Nilai Kritis: Hipotesis mengenai bentuk distribusi ditolak jika uji statistik, D, adalah lebih
besar daripada nilai kritis yang diperoleh dari tabel. Ada beberapa variasi tabel ini dalam lit-
eratur yang menggunakan skala agak berbeda untuk statistik uji KS dan daerah-daerah kritis.
Rumusan alternatif ini harus setara, tetapi diperlukan untuk memastikan bahwa uji statistik
dihitung dengan cara yang konsisten dengan bagaimana nilai-nilai kritis dalam tabel.
Uji Kolmogorov Smirnov (Chakravart, Laha, dan Roy, 1967) dalam Engeneering Statistics
Handbook (2009) digunakan untuk memutuskan apakah sampel berasal dari populasi den-
gan distribusi tertentu. Uji Kolmogorov Smirnov (KS) didasarkan pada fungsi distribusi em-
piris (ECDF). Mengingat data terstruktur di titik N Y 1, Y 2, ..., Y N, ECDF didefinisikan
sebagai:

Dengan n (i) adalah jumlah titik kurang dari Y i dan Y i diberikan dari nilai terkecil hingga
terbesar. Ini adalah langkah fungsi yang meningkat sebesar pada nilai setiap titik data ter-
struktur. Gambar 10.5 di bawah ini adalah sebaran empiris fungsi distribusi normal komu-
latif dengan fungsi distribusi normal untuk 100 angka acak. Uji KS yang didasarkan pada
jarak maksimum antara dua kurva.

Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara
satu pengamat dengan pengamat yang lain, yang sering terjadi pada uji normalitas dengan
menggunakan grafik. Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan
membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku.
Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-Score dan
diasumsikan normal. Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang
diuji normalitasnya dengan data normal baku. Seperti pada uji beda biasa, jika signifikansi di
bawah 0,05 berarti terdapat perbedaan yang signifikan, dan jika signifikansi di atas 0,05 maka
tidak terjadi perbedaan yang signifikan. Penerapan pada uji Kolmogorov Smirnov adalah bahwa
jika signifikansi di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang sig-
nifikan dengan data normal baku, berarti data tersebut tidak normal.

13
Kelemahan dari Uji Kolmogorov Smirnov, yaitu bahwa jika kesimpulan kita memberikan hasil
yang tidak normal, maka kita tidak bisa menentukan transformasi seperti apa yang harus kita
gunakan untuk normalisasi.

14
Langkah-langkah prinsip uji Kolmogorov-Smirnov ialah sebagai berikut:
1. Susun frekuensi-frekuensi dari tiap nilai teramati, berurutan dari nilai terkecil sampai nilai
terbesar. Kemudian susun frekuensi kumulatif dari nilai-nilai teramati itu.
2. Konversikan frekuensi kumulatif itu ke dalam probabilitas, yaitu ke dalam fungsi distribusi
frekuensi kumulatif [S(x)]. Sekali lagi ingat bahwa, distribusi frekuensi teramati harus meru-
pakan hasil pengukuran variabel paling sedikit dalam skala ordinal (tidak isa dalam skala
nominal).
3. Hitung nilai z untuk masing-masing nilai teramati di atas dengan rumus z=(xi–x) /s. dengan
mengacu kepada tabel distribusi normal baku (tabel B), carilah probabilitas (luas area) ku-
mulatif untuk setiap nilai teramati. Hasilnya ialah sebagai Fo(xi).
4. Susun Fs(x) berdampingan dengan Fo(x). hitung selisih absolut antara S(x) dan Fo(x) pada
masing-masing nilai teramati.
5. Statistik uji Kolmogorov-Smirnov ialah selisih absolut terbesar Fs(xi) dan Ft(xi) yang juga
disebut deviasi maksimum D
6. Dengan mengacu pada distribusi pencuplikan kita bisa mengetahui apakah perbedaan sebe-
sar itu (yaitu nilai D maksimum teramati) terjadi hanya karena kebetulan. Dengan mengacu
pada tabel D, kita lihat berapa probabilitas (dua sisi) kejadian untuk menemukan nilai-nilai
teramati sebesar D, bila Ho benar. Jika probabilitas itu sama atau lebih kecil dari a, maka Ho
ditolak.

15
Berikut ini usia mulai haid pada sejumlah wanita diambil sampel sebanyak 18 orang dengan dis-
tribusi sebagaimana tersaji pada tabel berikut :

Ujilah hipotesis nol yang menyatakan bahwa data ini berasal dari suatu populasi berdistribusi
normal; diketahui bahwa pada populasi, rata-rata usia mulai haid =12; dengan SD=50.
HIPOTESIS Hipotesis yang diuji dinyatakan sebagai berikut (dua sisi):
Ho : Kedua sampel berasal dari populasi dengan distribusi yang sama
Ha : kedua sampel bukan berasal dari populasi dengan distribusi yang sama

Untuk memeperoleh nilai-nilai Fo(x), pertama-tama yang dilakukan adalah mengkonversikan

setiap nilai x teramati menjadi nilai unit variabel normal yang disebut z. Sedang z=(xi–x) /s. dari
tabel distribusi kumulatif normal baku (Tabel B), kita temukan luas area dari minus tak ter-
hingga sampai z. luas area tersebut memuat nilai-nilai Fo(x). Selanjutnya kita hitung statistik uji
D, dari sekian banyak nilai D ternyata statistik uji D maksimum adalah = 0,7222. Selanjutnya
nilai tersebut dibandingkan dengan nilai D tabel (Tabel Kolmogorv-Smirnov).

16
Fungsi
Tes dua sampel Kolmogorov Smirnov adalah tes yang digunakan untuk mengetahui apakah dua
sampel bebas (independent) berasal dari populasi yang sama. Artinya tes ini diterapkan dalam
kaitan pembuktian apakah sampel yang diambil berasal dari satu populasi yang sama atau popu-
lasi yang berbeda.

BAB III

PENUTUP

2.1 Kesimpulan
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. Data yang berdistribusi normal merupakan syarat dilakukannya tes parametrik. Sedan-
gkan untuk data yang tidak mempunyai distribusi normal, maka analisisnya menggunakan tes
non parametric. Uji normalitas data yaitu chi kuadrat (x²) merupakan pengujian hipotesis yang
dilakukandengan cara membandingkan kurve normalyang terbentuk dari data yang telah
terkumpul (B) dengan kurve normal baku atau standar (A). Jadi membandingkan antara (B/A).
Bila B tidak berbedasecara signifikan dengan A, maka B merupakan data yang berdistribusi nor-
mal. Metode Lilliefors menggunakan data dasar yang belum diolah dalam tabeldis-
tribusi frekuensi. Data ditransformasikan dalam nilai Z untuk dapat dihitung luasan kurva nor-
17
 mal sebagai probabilitas komulatif normal. Probabilitas tersebut dicari bedanya dengan proba-
bilitas komultaif empiris. Beda terbesar dibanding dengan tabel Lillieforspada Tabel Nilai
Quantil Statistik Lilliefors Distribusi Normal. Uji Kolmogorov Smirnov (Chakravart, Laha, dan
Roy, 1967) dalam Engeneering Statistics Handbook (2009) digunakan untuk memutuskan
apakah sampel berasal dari populasi dengan distribusi tertentu. Uji Kolmogorov Smirnov (KS)
didasarkan pada fungsi distribusi empiris (ECDF).

2.2 Saran

Kami sebagai penulis menyadari bahwa dalam makalah ini masih banyak ada kesalahan
serta kekurangan dan juga makalah ini masih jauh dari kata sempurna.

Tentunya kami sebagai penulis akan terus memperbaiki makalah dengan berpatokan pada
sumber yang bisa dipertanggungjawabkan nantinya.

Oleh sebab itu kami sebagai penulis sangat mengharapkan adanya respons ataupun kritik
saran mengenai pembahasan materi di makalah ini yaitu tentang “Analisis Normalitas”.

DAFTAR PUSTAKA

Hafizah, Ellyna. Uji Normalitas dan Homogenitas Data. https://www.academia.edu/6774849/

UJI_NORMALITAS_DAN_HOMOGENITAS_DATA diakses pada 23 April 2022

Sudjana. 2010. Metode Statistika. Bandung: Tarsito.

Sugiyono. 2010. Statistika untuk Penelitian. Bandung: Alfabeta.

Achmad Samsudin, S. M. (2020, April 16). STATISTIKA. Retrieved from file.upi.edu: http://file.up-
i.edu/Direktori/FPMIPA/JUR._PEND._FISIKA/AHMAD_SAMSUDIN/Statistika
%20Dasar/MODUL_10x.pdf

18
19