ANALISIS STATISTIK UNIVARAT

Oleh :
KELOMPOK 3
Nama Kelompok : 1. Natalia Butar-Butar (21120015)
2. Eni Ramayana Sinaga (21120097)
3. Floweris Sinta Maya (21120014)
4. Marwin Simarmata (21120116)
5. Charles Gulo (21120088)

Kelas : SI M2102
Dosen Pembimbing : Melda Panjaitan, S.Si, M.Pd

UNIVERSITAS BUDI DARMA MEDAN

FAKULTAS KOMPUTER DAN TEKNOLOGI INFORMASI
PRODI. SISTEM INFORMASI
2021/2022
 KATA PENGANTAR
Puji dan syukur Kita Panjatkan Kepada Tuhan yang Maha Esa yang hingga saat ini
masih memberikan kesehatan, sehingga kita diberi kesempatan yang luar biasa ini yaitu
kesempatan untuk menyelesaikan tugas penulisan makalah tentang “Analisis Univariat”
sekaligus pula kami menyampaikan rasa terimakasih yang sebanyak-banyaknya untuk Ibu
Melda Panjaitan, S.Si, M.Pd selaku dosen mata kuliah Statistik yang telah menyerahkan
kepercayaannya kepada kami guna menyelesaikan makalah ini dengan tepat waktu. Dalam
penyusunan tugas atau materi ini, tidak sedikit hambatan yang kami hadapi, namun semua
kendala itu dapat kami atasi dengan baik.
Makalah ini disusun agar pembaca dapat memperluas wawasan mengenai Analisis
Univariat yang penulis sajikan berdasarkan pengamatan dan berbagai sumber informasi,
referensi, dan berita. Makalah ini disusun dengan berbagai rintangan baik itu yang datang
dari diri penulis maupun yang datang dari luar. Namun dengan penuh kesabaran dan
terutama pertolongan dari Tuhan Yang Maha Esa akhirnya makalah ini dapat terselesaikan
dengan baik.
Semoga makalah ini dapat memberikan wawasan yang lebih luas dan menjadi
sumbangan pemikiran kepada para pembaca khususnya para Mahasiswa Universitas Budi
Darma. Penulis sadar bahwa makalah ini masih banyak kekurangan dan jauh dari kata
sempurna. Untuk itu, kepada dosen mata kuliah kami selaku penulis meminta masukan
demi perbaikan pembuatan makalah penulis di masa yang akan datang dan mengharapkan
kritik dan saran dari para pembaca.

Medan, 08 Juni 2022

Penulis

Kelompok 3

ii
iii
iv
 BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Analisis univariat adalah analisis data secara serentak dimana data yang diamati
hanya memiliki satu variabel dependen (variabel tidak bebas) pada setiap objek yang
diamati atau dapat disebutkan sebagai analisa yang dilakukan untuk menganalisis tiap
variabel dari hasil penelitian. Analisis univariat bertujuan untuk menjelaskan atau
mendeskripsikan karakteristik setiap variable penelitian. Penelitian analisis univariat
adalah analisa yang dilakukan menganalisis tiap variabel darihasil penelitian
(Notoadmodjo, 2005 : 188).

Analisa univariat berfungsi untuk meringkas kumpulan data hasil pengukuran

sedemikian rupa sehingga kumpulan data tersebut berubah menjadi informasi yang
berguna. peringkasan tersebut dapat berupa ukuranstatistik, tabel, grafik. Analisa univariat
dilakukan masing–masing variabel yang diteliti. Biasanya analisis univariat dilakukan
untuk mengetahui distribusi frekuensi, kecenderungan tengah, dan penyebaran.

Bentuk analisis univariat tergantung dari jenis datanya. Untuk data numerik
digunakan nilai mean atau rata-rata, median dan standar deviasi. Misalnya distribusi
frekuensi responden berdasarkan umur, jenis kelamin,dan tingkat pendidikan.

1.2 /Rumusan Masalah

1. Apakah yang dimaksud dengan Analisis Univariat?
2. Bagaimana Perhitungan dari Analisis Univarat?
3. Apakah yang dimaksud dengan Uji Normalitas?
4. Bagaimana metode dari Uji Normalitas?
5. Apakah yang dimaksud dengan Uji Z?
6. Bagaimakah Kriteria Uji Z?
1.3 1.3 Tujuan Penelitian
1. Untuk mengetahui tentang Analisis Univariat
2. Mengetahui penerapan perhitungan dari Analisis Univariat
3. Untuk mengetahui tentang Uji Normalitas

5
 4. Untuk mengetahui metode dari Uji Normalitas
5. Untuk mengetahui tentang Uji Z
6. Untuk mengetahui kriteria Uji Z
7.

8.

BAB II
PEMBAHASAN
2.1 Pengertian Analisis Univariat

Analisis univariat adalah analisis data secara serentak dimana data yang
diamati hanya memiliki satu variabel dependen (variabel tidak bebas) pada setiap
objek yang diamati atau dapat disebutkan sebagai analisa yang dilakukan untuk
menganalisis tiap variabel dari hasil penelitian. Analisis univariat bertujuan untuk
menjelaskan atau mendeskripsikan karakteristik setiap variable penelitian. Penelitian
analisis univariat adalah analisa yang dilakukan menganalisis tiap variabel darihasil
penelitian (Notoadmodjo, 2005 : 188).

Analisa univariat berfungsi untuk meringkas kumpulan data hasil

pengukuran sedemikian rupa sehingga kumpulan data tersebut berubah
menjadi informasi yang berguna. peringkasan tersebut dapat berupa
ukuranstatistik, tabel, grafik. Analisa univariat dilakukan masing–masing variabel
yang diteliti. Biasanya analisis univariat dilakukan untuk mengetahui distribusi
frekuensi, kecenderungan tengah, dan penyebaran.

Bentuk analisis univariat tergantung dari jenis datanya. Untuk data numerik
digunakan nilai mean atau rata-rata, median dan standar deviasi.Misalnya
distribusi frekuensi responden berdasarkan umur, jenis kelamin,dan tingkat pendidikan

Analisis univariat mempunyai banyak manfaat, antara lain:

a. a. Untuk mengmaengetahui apakah data yang akan digunakan untk analisis
sudah layak atau belum;
b. b. Untuk mengetahui gambaran data yang dikumpulkan;
c. c. Untuk mengetahui apakah data telah optimal jika dipakai untuk analisis
berikunya.

6
 Contoh dari analisis univariat
Distribusi Menurut Umur Mahasiswa FKM UMI angt 2002, Makassar, tahun 2004

Tabel 2.1.1
Umur (tahun) Mahasiswa
18-20 10

21-23 50

24-26 20

Total 80

Tingkatan Analisis Univariat :

- Deskriptif
-  Untuk Data Numerikal
Uji perhitungan Nilai Terpusat dan Nilai Penyebaran
-  Untuk Data Kategorikal
Perhitungan Nilai Proporsi,Ratio dan Rate
- Analitik
- Untuk Data Numerikal
Uji Hipotesis Mean Satu Sampel
- Untuk Data Kategorikal
Uji Hipotesis Proporsi satu sampel
- Untuk Data Ordinal,Interval,Ratio
Uji Normalitas
Tipe Distribusi Data dan Skala Pengukuran

Diskripsi SKALA PENGUKURAN

Distribusi Data Nominal Ordinal Interval-Ratio

7
 1.  Frekuensi Proporsi (Persentase) Absolut & Proporsi Absolut & Proporsi
2. Nilai Modus Median Mean
Tengah
3. Dispersi - Inter-quartile Standard Deviasi

2.2 Pengertian Uji Normalitas

Ujii normalitas data adalah bentuk pengujian tentang kenormalan distribusi data.
Tujuan dari uji ini adalah untuk mengetahui data yang terambil merupakan data
terdistribusi normal atau bukan. Terdistribusi normal adalah data akan mengikuti bentuk
distribusi normal di mana data memusat pada nilai rata-rata median. Uji Normalitas
berguna untuk menentukan data yang telah dikumpulkan berdistribusi normal atau diambil
dari populasi normal. Berdasarkan pengalaman empiris beberapa pakar statistic, data yang
banyaknya lebih dari 30 angka (n >30), maka sudah dapat diasumsikan berdistribusi
normal. Biasa dikatakan sebagai sampel besar.
Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal atau
tidak,sebaiknya 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,untuk itu perlu suatu pembuktian Uji Statistik
normalitas yang dapat digunakan diantaranya Chi-Square,Kolmogorov Smirnov, Lilliefors,
Shapiro Wilk, Jarque Bera.

2.2.1 Metode Chi Square Dalam Uji Normalitas

2.2.2
2.3.1Metode Chi Square (Uji Goodness Of Fit Distribusi Normal)

2.2.3

8
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.

Menghitung secara manual

❑
Metode Chi-Square atau ❑ atau Uji Goodness of fit Distribusi Normal
menggunakan pendekatan penjumlahan penyimpangan data observasi tiap kelas dengan
nilai yang diharapkan. Berikut 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)

Komponen penyusun rumus tersebut di atas didapatkan berdasarkan pada hasil

transformasi data distribusi frekuensi yang akan diuji normalitasnya, sebagai berikut:

Tabel Pembantu Uji Normalitas

Keterangan :
Xi = Batas tidak nyata interval kelas
Z = Transformasi dari angka batas interval kelas ke notasi pada distribusi normal
pi = Luas proporsi kurva normal tiap interval kelas berdasar tabel normal
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal dikalikan N
(total frekuensi) (pi x N)

9
 Syarat Uji Chi-Square dalam Uji Normalitas❑❑ Chi kuadrat
❑❑ Nilai observasi
❑❑ nilai expected/harapan, luasan interval kelas berdasarkan tabel normal
Banyaknya angka pada data (total frekuensi)

Adapun persyaratan Metode Chi Square (Uji Gooodness of fit Distribusi Normal)
a. Data tersusun berkelompok atau dikelompokkan dalam table distribusi frekuensi.
b. Cocok untuk data dengan banyaknya angka besar (n > 30)
c. Setiap sel harus terisi , yang kurang dari 5 digabungkan .

Signifikansi :

Signifikansi uji, nilai X 2hitung dibandingkan X 2tabel (Chi-Square).

2 2
Jika nilai X hitung < nilai X tabel , maka H o diterima ; H a ditolak

sedangkan Nnilai X 2hitung > nilai X 2tabel , maka H o ditolak; H a diterima

Contoh Uji Chi-Square dalam Analisis 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

10
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

11
Menggunakan rumus: |0,427 | < |5,991| ; Keputusan hipotesis: berarti Ho diterima, Ha
ditolak

7. Kesimpulan: Populasi tinggi badan mahasiswa berdistribusi normal α = 0,05.

Uji normalitas data dengan menggunakan chi-kuadrat ❑❑ diperuntukkan untuk menguji
data dalam bentuk data kelompok pada tabel distribusi frekuensi. Prosedur penerapannya
sebagai berikut.

Menentukan taraf signifikansi, misalnya untuk menguji hipotesis:

❑❑ data berdistribusi normal.

❑❑ data tidak distribusi normal.

Kriteria pengujian:
❑ ❑
Jika ❑❑ ❑❑ terima ❑❑
❑ ❑
Jika ❑❑ ❑❑ tolak ❑❑

Membuat daftar distribusi frekuensi ke dalam bentuk data kelompok.

Mencari rata-rata data kelompok.

Mencari simpangan baku data kelompok.

dll

Contoh:

Lakukan pengujian normalitas data dari data sebagai berikut:

Tabel 2.3.2

Keterangan : f

12
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)

Komponen penyusun rumus tersebut di atas

didapatkan berdasarkan pada hasil
transformasi data distribusi frekuensi yang
akan diuji normalitasnya, sebagai berikut:

Tabel Pembantu Uji Normalitas

Keterangan :
Xi = Batas tidak nyata interval kelas
Z = Transformasi dari angka batas interval
kelas ke notasi pada distribusi normal
pi = Luas proporsi kurva normal tiap
interval kelas berdasar tabel normal
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan
interval kelas berdasarkan tabel normal
dikalikan N (total frekuensi) (pi x N)

Syarat Uji Chi-Square dalam Uji

Normalitas

Persyaratan Metode Chi Square (Uji

Goodness of fit Distribusi Normal)
a. Data tersusun berkelompok atau
dikelompokkan dalam tabel distribusi
frekuensi.

vvInterval

30-39 5

40-49 1

13
 0

50-59 2
0

60-69 2
5

70-79 1
5

Jumlah 7
5

Penyelesaian:

Menghitung nilai ❑ dan simpangan baku sebagai berikut:

Tabel 2.3.3

Interval ❑❑ ❑❑ ❑❑ ❑❑ ❑
❑
❑
❑

30-39 5 34,5 172,5 608,44 3042,2

40-49 10 44,5 445 215,11 2151,1

50-59 20 54,5 1090 21,78 435,6

60-69 25 64,5 1612,5 28,44 711,1

70-79 15 74,5 1117,5 235,11 3526,7

Jumlah 75 - 4438 - 9866,7

Dari tabel di atass maka dapat dihitung:

❑
∑ ❑❑❑❑
∑ ❑❑
❑❑
❑

14
❑

√ ∑ ❑❑ ❑
❑

√ ❑❑

Menentukan nilai tepi kelas atas dan bawah setiap interval kelas sebagai berikut:

Kelas interval 30-39 tepi kelasnya

Kelas interval 40-49 tepi kelasnya

Kelas interval 50-59 tepi kelasnya

Kelas interval 60-69 tepi kelasnya

Kelas interval 70-79 tepi kelasnya

Mengkonversi menjadi nilai baku:

❑❑ ❑
❑

❑❑ ❑
❑

❑❑ ❑
❑

❑❑ ❑
❑

❑❑ ❑
❑

❑❑ ❑
❑

Menentukan nilai ❑❑ sebagai berikut:

nilai ❑❑

15
nilai ❑❑

nilai ❑❑

nilai ❑❑

nilai ❑❑

nilai ❑❑

Menentukan nilai ❑❑ sebagai berikut:

Menentukan nilai ❑❑ sebagai berikut:

❑❑

❑❑

❑❑

❑❑

❑❑

Menentukan ❑❑sebagai berikut:

❑❑

❑❑

16
❑❑

❑❑

❑❑

❑
❑ ❑
Menghitung nilai ❑ ❑ sebagai berikut:
❑❑

❑❑
❑

❑❑
❑

❑❑
❑
❑
❑
❑
❑
❑
❑

Merangkum hasil-hasil perhitungan di atas dalam bentuk tabel sebagai berikut:

Interval ❑❑ Tepi ❑❑ ❑❑ F ❑❑ ❑❑ ❑
❑❑ ❑❑
❑❑
Kelas |❑❑|

29,5 - 0,4949 0,0051

2,57

30-39 5 - 0,0395 2,96 1,41

39,5 - 0,4554 0,0446

1,70

40-49 10 0,1558 11,60 0,24

17
 49,5 - 0,2996 0,2004
0,84

50-59 20 - 0,2476 18,57 0,11

59,5 - 0,0120 0,4880

0,03

60-69 25 0,3653 27,40 0,21

69,5 0,89 0,3133 0,8133

70-79 15 - 0,1475 11,06 1,40

79,5 1,76 0,4608 0,9608

Jumlah 75 3,37

❑
Dari hasil perhitungan dalam tabel diketahui bahwa nilai ❑❑sedangkan dari tabel chi-
❑ ❑
kuadrat untuk dan diperoleh nilai ❑❑ ❑❑ maka ❑❑ diterima dan disimpulkan bahwa data
berdistribusi normal.

2.4 Uji Z
Uji Z adalah salah satu uji statistika yang pengujian hipotesisnya didekati
dengan distribusinormal. Menurut teori limit terpusat, data dengan ukuran sampel yang
besar akan berdistribusinormal. Oleh karena itu, uji Z dapat digunakan utuk menguji data
yang sampelnya berukuran besar. Jumlah sampel 30 atau lebih dianggap sampel
berukuran besar. Selain itu, uji Z inidipakai untuk menganalisis data yang varians
populasinya diketahui. namun, bila varians populasi tidak diketahui, maka varians dari
sampel dapat digunakan sebagai penggantinya.

1.4.1 Kriteria Penggunaan Uji Z

1. Data berdistribusi normal
2. Variance (σ 2 ¿ diketahui
3. Ukuran sampel (n) besar ,≥ 30
4. Digunakan hanya untuk membandingkan 2 buah observasi

18
 Contoh Penggunaan Uji Z
2.4.2 Uji –Z dua pihak

Contoh kasus
Sebuah pabrik pembuat bola lampu pijar merek A menyatakan bahwa produknya
tahan pakai selama 800 jam , dengan standar devusa 60 jam . Untuk mengujinya ,Diambil
sampel sebanyak 50 Bola lampu , ternyata diperoleh bahwa rata-rata ketahanan bola lampu
pijar tersebut adalah 792 jam .Pertanyaannya, apakah kualitas bola lampu tersebut sebaik
yang dinyatakan pabriknya atau sebaliknya .

- Hipotesis

H 0 : ¿ μ (rata ketahanan bola lampu pijar tersebut sama dengan yang dinyatakan
oleh pabriknya )

H A :≠ μ( rata ketahanan bola lampu pijar tersebut tidak sama dengan yang
dinyatakan oleh pabriknya)

- Analisis

Nilai Ztabel dapat diperoleh dari Tabel 1. Dengan menggunakan Tabel 1, maka nilai
Z0,025 adalah nilai pada perpotongan α baris 0,02 dengan α kolom 0,005, yaitu 1,96. Untuk
diketahui bahwa nilai Zα adalah tetap dan tidak berubah-ubah, berapapun jumlah sampel.
Nilai Z0,025 adalah 1,96 dan nilai Z0,05 adalah 1,645.

Tabel 2.4.2 Nilai Z dari luas di bawah kurva normal baku

Α 0 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009

0.00 3.090 2.878 2.748 2.652 2.576 2.512 2.457 2.409 2.366
0.01 2.326 2.290 2.257 2.226 2.197 2.170 2.144 2.120 2.097 2.075
0.02 2.054 2.034 2.014 1.995 1.977 1.960 1.943 1.927 1.911 1.896
0.03 1.881 1.866 1.852 1.838 1.825 1.812 1.799 1.787 1.774 1.762

19
 0.04 1.751 1.739 1.728 1.717 1.706 1.695 1.685 1.675 1.665 1.655
0.05 1.645 1.635 1.626 1.616 1.607 1.598 1.589 1.580 1.572 1.563
0.06 1.555 1.546 1.538 1.530 1.522 1.514 1.506 1.499 1.491 1.483
0.07 1.476 1.468 1.461 1.454 1.447 1.440 1.433 1.426 1.419 1.412
0.08 1.405 1.398 1.392 1.385 1.379 1.372 1.366 1.359 1.353 1.347
0.09 1.341 1.335 1.329 1.323 1.317 1.311 1.305 1.299 1.293 1.287
0.10 1.282 1.276 1.270 1.265 1.259 1.254 1.248 1.243 1.237 1.232

Kriteria Pengambilan Kesimpulan

Jika |Zhit| < |Ztabel|, maka terima H0

Jika |Zhit| ≥ |Ztabel|, maka tolak H0 alias terima HA

Kesimpulan

Karena harga |Zhit| = 0,94 < harga |Ztabel | = 1,96, maka terima H0

Jadi, tidak ada perbedaan yang nyata antara kualitas bola lampu yang diteliti dengan
kualitas bola lampu yang dinyatakan oleh pabriknya.

2.4.3 Uji Z satu pihak

Contoh kasus

Pupuk Urea mempunyai 2 bentuk, yaitu bentuk butiran dan bentuk tablet. Bentuk
butiran lebih dulu ada sedangkan bentuk tablet adalah bentuk baru. Diketahui bahwa hasil
gabah padi yang dipupuk dengan urea butiran rata-rata 4,0 t/ha. Seorang peneliti yakin
bahwa urea tablet lebih baik daripada urea butiran. Kemudian ia melakukan penelitian
dengan ulangan n=30 dan hasilnya adalah sebagai berikut:

Hasil gabah padi dalam t/ha

4,0 5,0 6,0 4,2 3,8 6,5 4,3 4,8 4,6 4,1
4,9 5,2 5,7 3,9 4,0 5,8 6,2 6,4 5,4 4,6
5,1 4,8 4,6 4,2 4,7 5,4 5,2 5,8 3,9 4,7

Hipotesis

H0 : = (rata-rata hasil gabah padi yang dipupuk dengan pupuk urea tablet sama dengan
padi yang dipupuk dengan urea butiran)

20
HA : > (rata-rata hasil gabah padi yang dipupuk dengan pupuk urea tablet lebih tinggi dari
padi yang dipupuk dengan urea butiran)

Analisis

= 4,0 t/h

= 4,9 t/h

S = 0,78 digunakan sebagai estimasi σ

Zhit = (yt – yb)/(σ/√n) = (4,0 – 4,9)/(0,78/√30 = – 6,4286

Ztabel = Zα= Z0,05 = 1,645

Kriteria Pengambilan Kesimpulan

Jika |Zhit| < |Ztabel|, maka terima H0

Jika |Zhit| ≥ |Ztabel|, maka tolak H0 alias terima HA

Kesimpulan

Karena harga |Zhit| = 6,4286 > harga |Ztabel | = 1,645, maka tolak H0 alias terima HA

Jadi, rata-rata hasil gabah padi yang dipupuk dengan pupuk urea tablet nyata lebih tinggi
dari padi yang dipupuk dengan urea butiran.

21
Kesimpulan TERIMA KASIH
1. Analisis univariat adalah analisis data secara serentak dimana data yang
diamati hanya memiliki satu variabel dependen (variabel tidak bebas) pada
setiap objek yang diamati atau dapat disebutkan sebagai analisa yang
dilakukan untuk menganalisis tiap variabel dari hasil penelitian.
2. Uji normalitas data adalah bentuk pengujian tentang kenormalan distribusi data.
Tujuan dari uji ini adalah untuk mengetahui data yang terambil merupakan data
terdistribusi normal atau bukan.
3. Syarat Uji Chi-Square dalam Uji Normalitas
Adapun persyaratan Metode Chi Square (Uji Gooodness of fit Distribusi Normal)
a. Data tersusun berkelompok atau dikelompokkan dalam table distribusi
frekuensi.
b. Cocok untuk data dengan banyaknya angka besar (n > 30)
c. Setiap sel harus terisi , yang kurang dari 5 digabungkan .
4. Signifikansi Uji Normalitas :
a. Signifikansi uji, nilai X_hitung^2 dibandingkan X_tabel^2 (Chi-Square).
b. Jika nilai X_hitung^2 < nilai X_tabel^2 , maka H_o diterima ; H_aditolak
c. Nilai X_hitung^2 > nilai X_tabel^2 , maka H_oditolak; H_a diterima
5. Uji Z adalah salah satu uji statistika yang pengujian hipotesisnya didekati dengan
distribusi normal.
6. Uji Z bertujuan untuk :
a. Menguji beda rata-rata satu sampel dengan rata-rata sampel lain
b. Menguji beda rata-rata populasi denga rata-rata sampel data3)Membandingkan
satu sampel data dengan data polulasinya
7. Kriteria Penggunaan uji Z
a. Data berdistribusi normal
b. Varians (σ2) diketahui
c. Ukuran sampel (n) besar 30
d. Digunakan hanya untuk membandingkan 2 buah observasi.
8. Penggunaan Uji Z
a. uji Z satu pihak
b. Uji Z dua pihak

Saran

22
Demikianlah makalah yang dapat penulis susun.Seberapa besarpun usaha penulis tetap
masih banyak kekurangan dalam penulisan makalah ini.Oleh sebab itu penulis sangat
mengharapkan saran dan kritikan yang membangun serta menjadikan makalah ini lebih
sempurna

DAFTAR PUSTAKA
Harinaldi.Prinsip-prinsip Statistik untuk Teknik dan Sains. Jakarta: Penerbit Erlangga,
2005.
Kadir. Statistika Terapan: Konsep, Contoh, dan Analisis Data dengan Program
SPSS/Lisrel dalam Penelitian. Jakarta: Rajawali Pers, 2016.
Quadratullah, Mohammad Farhan. Statistika Terapan: Teori, Contoh Kasus, dan
Aplikasi dengan SPSS. Yogyakarta: CV Andi Offset, 2014.
Subana, dkk. Statistik Pendidikan. Bandung: CV Pustaka Setia, 2015.
Sudjana. 2010. Metode Statistika. Bandung: Tarsito.
Sugiyono. 2010. Statistika untuk Penelitian. Bandung: Alfabeta.

23