PERTEMUAN 5

UJI KESESUAIAN UNTUK SEBARAN NORMAL

Shapiro Wilks, Lilliefors test, Goodness of fit test,
Kolmogorov Smirnov test dan Jarque-Berra test

Mata Kuliah : Metode Statistika II [Teori]

Politeknik Statistika STIS
 METODE UJI SEBARAN NORMAL :
2

A. Ukuran sampel Kecil

1. Shapiro wilks
2. Liliefors

B. Ukuran Sampel Besar

1. Goodness of Fit
2. Kolmogorov Smirnov
3. Jarque Berra

TIM DOSEN MS II [TEORI]

 1. LILIEFORS TEST
3
 Uji kenormalan untuk sampel kecil
 Jika terdapat sampel berukuran n, ; x1, x2, … , xn  apakah
sampel tersebut menyebar normal ?  uji kenormalan
 Tahapan pengujian Liliefors sama dengan KS
 Hipotesis :
- Ho : Populasi mengikuti distribusi normal
- Ha: Populasi tidak mengikuti distribusi normal
 Statistik uji
L = maks IF(x) - S(x)|
 Daerah ktitik
Tolak H0 jika L > Lα(n)  lihat tabel Liliefors

TIM DOSEN MS II [TEORI]

 CONTOH
4

Contoh acak berukuran n= 6 dengan nilai pengamatan 7, 9, 11, 12,

14, 15.
Apakah populasi sampel tersebut menyebar normal ?
 Jawab :
- Ho : Populasi mengikuti distribusi normal
- Ha: Populasi tidak mengikuti distribusi normal

TIM DOSEN MS II [TEORI]

 Penyelesaian:
5

TIM DOSEN MS II [TEORI]

6

Lα(n) = L0,05(6) 0,319

L = maks IF(x) – S(x) I = 0,1127
Karena L < L0,05(6) tidak
ditolak H0
:. Populasi dapat dianggap
mengikuti distribusi normal

TIM DOSEN MS II [TEORI]

 2. SHAPIRO WILK
7

• Uji kenormalan untuk sampel kecil

• Syarat:
• Data berskala interval atau rasio (kuantitatif)
• Data tunggal/ belum dikelompokkan pada tabel
distribusi frekuensi
• Data sampel diambil secara random

TIM DOSEN MS II [TEORI]

 Prosedur Pengujian
8
1. Tentukan hipotesis
Ho : Populasi mengikuti distribusi normal
Ha: Populasi tidak mengikuti distribusi normal
2. Data diurutkan dari terkecil hingga terbesar dan dibagi
menjadi dua kelompok untuk dikonversi dalam Saphiro
Wilk
3. Menghitung Statistik Uji

2
ai = koefisien test Saphiro
1 k

T3   i ni1 i 
D  i 1
a ( x  x )
xn i 1
Wilk
= Data ke n-i+1
xi
  = Data ke i
n
D   xi  x
2

i 1
x = Rata-rata data
TIM DOSEN MS II [TEORI]
9
4. Menghitung signifikansi ujinya.
Signifikansi uji dibandingkan nilai tabel Saphiro Wilk untuk
dilihat posisi nilai probabilitanya (p)
Jika p ≥ α (terima Ho)
Jika p < α (tolak Ho)
5. Dapat juga selanjutnya ditransformasi dalam nilai Z untuk dapat
dihitung luasan kurva normal

Transformasi untuk menghitung nilai Z: G = Identik dengan nilai Z

distribusi normal
 T3  d n 
G  bn  cn  ln  
 1  T3 
bn , cn , d n = Konversi statistik Saphiro
Wilk pendekatan distribusi
normal
TIM DOSEN MS II [TEORI]
 Contoh Soal
10

Berdasarkan data usia sebagian balita yang diambil sampel secara

random di posyandu Mekar Sari Wetan sebanyak 24 balita,
diperoleh data sbb:
58 23 58 56 46 37 18 32
36 19 34 33 41 36 55 30
24 36 33 26 40 35 48 27

Selidikilah apakah data usia balita tersebut diambil dari populasi

yang berdistribusi normal pada alpha 5%?

TIM DOSEN MS II [TEORI]

 Penyelesaian:
11 No xi xi  x ( xi  x) 2
1 18 -18,71 350,00
2 19 -17,71 313,59
3 23 -13,71 187,92
4 24 -12,71 161,50

 
n
D   xi  x  3.184,96
5 26 -10,71 114,67 2

6 27 -9,71 94,25
i 1
7 30 -6,71 45,00
. . . .
. . . .
. . . .
19 46 9,29 86,34
20 48 11,29 127,50
21 55 18,29 334,59
22 56 19,29 372,17
23 58 21,29 453,34
24 58 21,29 453,34
Sum
TIM DOSEN MS II [TEORI] 881 3.184,96
Average 36,70833
12 i ai xn i 1  xi ai ( xn i 1  xi )

1 0,4493 58-18 = 40 17,97

2 0,3098 58-19 = 39 12,08

2
1 k

3 0,2554 56-23 = 33 8,43 T3   i ni 1 i 
D  i 1
a ( x  x )
4 0,2145 55-24 = 31 6,65

5 0,1807 48-26 = 22 3,98


1
54,692  0,9391
3.184,96
6 0,1512 46-27 = 19 2,87

7 0,1245 41-30 = 11 1,37

Nilai ai diperoleh dari tabel
8 0,0997 40-32 = 8 0,80 Saphiro Wilk (coefficient test
9 0,0764 37-33 = 4 0,31 Saphiro Wilk ) dengan n=24
10 0,0539 36-33 = 3 0,16
11 0,0321 36-34 = 2 0,06
12 0,0107 36-35 =1 0,01
TIM DOSEN MS II [TEORI]
SUM 54,69
13

Nilai T3  0,9391 terletak antara nilai  (0,10)  0,930

dan nilai  (0,50)  0,963 (lihat tabel percentage point of
W test). Ini berarti bahwa nilai p terletak antara 0,10 dan
0,50.
Karena nilai p >   0,05 maka terima Ho

Kesimpulan : terima Ho pada  0,05

TIM DOSEN MS II [TEORI]

14
Cara lain dengan menghitung nilai G

 T3  d n 
G  bn  cn  ln  
 1  T3 

 0,9391  0,2106 
 5,605  1,862  ln  
 1  0,9391 
 1,2617

Berdasar nilai G=-1,2617, maka diperoleh luas di bawah

kurva normal sebesar 0,1038 (PZ<-1,2617). Karena nilai luas
tersebut diatas alpha = 0,05 maka Ho diterima.
TIM DOSEN MS II [TEORI]
 3. GOODNESS OF FIT
15

k
(oi  ei ) 2
  2
hitung 
i 1 ei
oi = Frekuensi observasi
ei = Frekuensi harapan
ei = n(F(xu) – F (xL))
F = fungsi distribusi kumulatif
n = jumlah sampel
Xu = tepi atas kelas ke I
XL = tepi bawah kelas ke i

TIM DOSEN MS II [TEORI]

16

 Wilayah kritis :
 χ 2hitung > χ 2α;(k-1-p)  tolak H0
 k = jumlah kelas/kelompok
 p = banyaknya parameter

 contoh : untuk distribusi Normal  ada 2 parameter: µ dan 

 (1+p) : banyaknya besaran yang diperoleh dari data pengamatan

yang digunakan dalam perhitungan frekuensi harapan

TIM DOSEN MS II [TEORI]

 CONTOH
17

Nilai observasi Frekuensi observasi

 Suatu data hasil penelitian
dianggap mengikuti fungsi 150-158 9
normal. Data 159-167 24
dikelompokkan ke dalam 9 168-176 51
kelas dengan α=0,05. Ujilah 177-185 66
hipotesis bahwa observasi 186-194 72
mengikuti distribusi normal 195-203 48
dengan rata-rata 184,3 dan
204-212 21
varians 211,4116
213-221 6
222-230 3

TIM DOSEN MS II [TEORI]

18

72

0
149,5 158,5 167,5 176,5 185,5 194,5 203,5 212,5 230,5

TIM DOSEN MS II [TEORI]

19  Jawab :
Ho : Populasi mengikuti distribusi normal
Ha: Populasi tidak mengikuti distribusi normal
Frekuensi Frekuensi
Nilai
observasi Peluang harapan
observasi
Oi ei
9 0,038 11,4
159-167 24 0,0856 25,8
168-176 51 . 51,6
177-185 66 . 71,2
186-194 72 . 67,8
195-203 48 . 44,5
204-212 21 . 20,2
213-221 6 } . 6,3
TIM DOSEN MS II [TEORI]
} 7,5*
3 9* 0,004 1,2
300 1,0000 300
20


TIM DOSEN MS II [TEORI]

21

 Peluang pada selang A:

 P(A) = 0,038
 eA= P(A). n = 0,038 x 300 = 11,4

A
 dst
-1,774

TIM DOSEN MS II [TEORI]

22  Statistik Uji
( ok
 e ) 2
 hitung
2
 i i
i 1 ei

 χ 2α;(k-1-p)  k=8 (karena ada yg digabung)

 p=2
 χ 20,05;(5) = 11,07
 χ 2hitung < χ 2tabel  H0 tidak ditolak
 :. Observasi mengikuti sebaran/fungsi normal atau fungsi normal
tepat untuk dipergunakan sebagai pendekatan terhadap hasil
observasi tersebut.
TIM DOSEN MS II [TEORI]
 4. KOLMOGOROV SMIRNOV
23

 Diperkenalkan oleh ahli Matematik asal Rusia : A.N Kolmogorov

(1933) and Smirnov (1939).
 Digunakan untuk ukuran sampel yang lebih kecil (n ≤100) dan
data bersifat kontinyu
 Intinya dalam pengujian ini, kita melihat dua fungsi distribusi
kumulatif ; yaitu fungsi distribusi kumulatif teoritis (F(x)) dan
fungsi distribusi kumulatif observasi (S(x))
 Tujuan: jika perbedaan kedua fungsi kumulatif tersebut kecil,
maka hipotesa bisa diterima
Asumsi dlm pengujian ini:
Data terdiri dari observasi yang saling bebas X1, X2, …..Xn. , yang
berasal dari distribusi yang tidak diketahui

TIM DOSEN MS II [TEORI]

 Tahapan Pengujian:
24 

TIM DOSEN MS II [TEORI]

25 5. Penghitungan Stat.
6. Keputusan
Tolak Ho pada suatu taraf nyata tertentu jika uji stat D, melebihi
α yg ditunjukkan pada tabel Kolmogorov Smirnov (Siegel,
Sidney, 1956, Non Parametric Statistics For The Behavioral
Sciences, NewYork : Mc Graw-Hill Book Company)
Jika data sampel yang diambil berasal dari distribusi yang
dihipotesiskan, maka perbedaan antara S(x) dan F(x) tidak terlalu
besar.

TIM DOSEN MS II [TEORI]

 Contoh:
26
Grundmann et al. melaporkan berat dari 36 ginjal kelinci sebelum mereka
melakukan eksperiment. Ujilah apakah sampel berasal dari distribusi
normal dengan rata-rata 85 gram dan standar deviasi 15 gram (taraf nyata
5%). Berikut datanya:
58 78 84 90 97 70 90 86 82
59 90 70 74 83 90 76 88 84
68 93 70 94 70 110 67 68 75
80 68 82 104 92 112 84 98 80
Penyelesaian:
1. Hipotesis 2. Nilai stat: n=36 α = 0,05 µ = 85
Ho : Populasi mengikuti distribusi σ = 15
normal 3. Uji stat : D= Maks IF(x) – S(x) I
Ha: Populasi tidak mengikuti 4. Daerah kritis : D > 0,226
distribusi normal
TIM DOSEN MS II [TEORI]
5. Menghitung uji statistiknya
 Penyelesaian:
27
Menghitung S(x)
x f(x) S(x) x f(x) S(x) x f(x) S(x)

58 1 1/36 =0,0278 78 1 92 1

59 1 2/36 =0,0556 80 2 93 1

67 1 3/36 = 0,0833 82 2 94 1

68 3 6/36 = 0,1667 83 1 97 1

70 4 …… 84 3 98 1

74 1 ……. 86 1 104 1

75 1 88 1 110 1

76 1 90 4 112 1 1,000

TIM DOSEN MS II [TEORI]

28  Menghitung F(x)

x Z=(x-85)/15 P(0≤Z≤x) F(x)=P(z<value)

58 -1,80 0,4641 0,0359 = 0,5-0,4641
59 -1,73 0,4582 0,0418
..
84 -0,07 0,0279 0,4721 = 0,5 – 0,0279
86 0,07 0,0279 0,5279 = 0,5 + 0,0279
…..
…
104 1,27 0,3980 0,8980
110 1,67 0,4525 0,9525
112 1,80 0,4641 0,9641
TIM DOSEN MS II [TEORI]
29
D = Maks IF(x) – S(x) I = 0,1390 = 0,14

Keputusan : tidak tolak Ho, karena D < 0,226 (Tabel Kolmogorov Smirnov)
Kesimpulan : data sampel berasal dari distribusi normal dengan µ = 85 dan
σ= 15

NOTE: Ketika KS digunakan untuk menguji hipotesis bahwa sampel diambil

dari suatu populasi dengan paramater yang tidak diketahui, maka KS kurang
baik hasilnya. Untuk alasan tersebut Tabel KS telah dibangun untuk
memberikan hasil yang lebih baik dalam pengujian tersebut, salah satunya
Liliefors.
Asumsi : data terdiri dari observasi yang saling bebas, X1, X2, …, Xn yang
berasal dari suatu distribusi yang tidak diketahui rata-rata (µ) dan variannya
(σ). Untuk itu perlu dilakukan estimasi dari data sampel.
TIM DOSEN MS II [TEORI]
 5. JARQUE BERRA
30
Uji Jarque Berra dapat digunakan sebagai salah satu metode uji
normalitas dengan meggunakan nilai statistik Jarque Berra (JB)
yang diperoleh dengan persamaan :

 s2 k 2 
JB  N   
 6 24 
B
Keterangan :
S = Skewness (Kemiringan)
K = Kurtosis (Keruncingan)
N = Banyaknya data
Nilai JB yang didapatkan akan dibandingkan dengan nilai dari tabel chi-
square. Jika JB lebih kecil dari nilai chi-square, maka data berdistribusi
normal. Nilai skewness dan kurtosis dapat diperoleh dengan bantuan SPSS,
sehingga untuk menghitung nilai JB, kurtosis tidak perlu dikurangi 3 :
TIM DOSEN MS II [TEORI]
 LATIHAN SOAL
31
1. Sampel acak berukuran 7 dengan pengamatan 4, 7, 10, 4, 8,
12 dan 9. Ujilah apakah pengamatan tersebut berdistribusi
normal?
2. Data berikut menunjukkan waktu yang digunakan oleh 16
pegawai perakitan dalam mengoperasikan suatu proses
tertentu
5,8 7,3 8,9 7,1 8,6 6,4 7,2 5,2

10,1 8,6 9,0 9,3 6,4 7,1 9,9 6,8

Dapatkah kita menyimpulkan bahwa waktu yang diperlukan

tersebut mengikuti/berasal dari distribusi normal? Gunakan
taraf nyata = 0,05 (Dengan liliefors test dan Saphiro Wilk
test)
TIM DOSEN MS II [TEORI]
32

TERIMA KASIH

TIM DOSEN MS II [TEORI]