NAMA : MARIATUL QIBTIYAH

NIM : 713001S20014

MATA KULIAH : STATISTIKA

UJI LILLIEFORS DAN NORMAL QQ PLOT

UJI LILLIEFORS

Uji Liliefors digunakan untuk memeriksa kenormalan suatu peubah acak sama seperti uji
Kolmogorov Smirnov. Ketika rata-rata dan varians populasi diketahui kita menggunakan uji
Kolmogorov-Smirnov, akan tetapi jika rata-rata dan varians populasi tidak diketahui, kita
menggunakan uji Liliefors. Uji Liliefors menggunakan pendekatan yang sama dengan Uji
Kolmogorov-Smirnov, hanya saja dalam Uji Liliefors kita gunakan tabel nilai kritis
Liliefors.

1. Syarat Uji Lilliefors

a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.
2. Tahapan Uji Liliefors
Untuk melakukan pengujian normalitas dengan uji kolmogorov-smirnov, kita dapat
mengikuti beberapa langkah berikut:

a) Tentukan hipotesis
 Ho: Populasi mengikuti distribusi normal
 H1: Populasi tidak mengikuti distribusi normal

b) Tentukan tingkat signifikansi

c) Menghitung statistik uji

L= nilai tertinggi dari perbedaan antara S(x) dan F(x)

d) Wilayah kritis:
e) Keputusan: Tolak Ho pada suatu taraf nyata tertentu jika uji
statistik L melebihi α yang ditunjukkan pada tabel Liliefors.

f) Kesimpulan
3. Signifikansi Uji Lilliefors
Signifikansi uji, nilai | F (x) – S (x) | terbesar dibandingkan dengan nilai tabel Lilliefors.
Jika nilai | F (x) – S (x) | terbesar < nilai tabel Lilliefors, maka Ho diterima ; Ha ditolak.
Jika nilai | F(x) – S(x) | terbesar > dari nilai tabel Lilliefors, maka Ho ditolak ; Ha
diterima.

Contoh Uji Lilliefors

Sebuah sampel acak berukuran n=6n=6 dengan nilai pengamatan

7 9 11 12 14 15

Tentukanlah apakah populasi sampel tersebut menyebar normal?

Pembahasan:

Dari data tersebut kita peroleh  x=11,3333 dan s=3,0111

1. Tentukan hipotesis
Ho: Populasi mengikuti distribusi normal
H1: Populasi tidak mengikuti distribusi normal

2. Tingkat signifikansi yang digunakan 0,05 (α=5%)

3. Menghitung statistik uji

F(X)
X S(X) Z F(X) −S(X)
7 0,166 - 0,076 0,0903
7 1,4 4
4
9 0,333 - 0,220 0,1127
3 0,7 6
7
1 0,500 - 0,456 0,0438
1 0 0,1 2
1
1 0,666 0,2 0,587 0,0796
2 7 2 1
1 0,833 0,8 0,813 0,0200
4 3 9 3
1 1,000 1,2 0,888 0,1112
5 2 8
 Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
F(x) = Probabilitas komulatif normal
S(x) = Probabilitas komulatif empiris

Kolom keempat F(x) diperoleh dari:

4. Keputusan: Karena L< L0,05 (6)  maka tidak tolak Ho

5. Kesimpulan: Dengan tingkat signifikansi 5% dapat disimpulkan bahwa populasi mengikuti

distribusi normal.

Uji Normal QQ

Normal QQ-plot merupakan sebuah plot probabilitas yang berguna untuk mengecek secara

visual apakah ditribusi sampel atau data mengikuti Distribusi tertentu dalam kasus pada ini

dicek apakah Distribusi data mengikuti Distribusi normal. Jika Distribusi data mengikuti

Distribusi normal, maka sebaran data akan mengikuti garis referensi Distribusi normal.
Sebaran data distrbusi A mengikuti dengan baik pola garis merah yang merupakan garis

nilai untuk data dengan bentuk distribusi normal. Nilai r2 juga menunjukan kesesuain yang

sempurna antara distribusi normal dengan acuan data distribusi normal.

Kurva qq-plot untuk distribusi B menyimpang dari acuan garis merah yang merupakan

sebaran untuk data dengan bentuk distribusi tidak normal.

PENGUJIAN VALIDITAS DENGAN KORELASI PEARSON PRODUCT MOMENT

Seorang mahasiswa melakukan penelitian dengan menggunakan kuisioner untuk mengetahui

atau mengungkap prestasi belajar seseorang. Terdapat 10 butir pertanyaan dengan
menggunakan skala Likert yaitu 

1 = Sangat Tidak Setuju

2 = Tidak Setuju
3 = Setuju
4 = Sangat Setuju
Setelah membagikan skala kepada 15 responden diperoleh tabulasi data-data sebagai berikut
:

Gambar 1. Data Tabulasi 15 Responden

Pengujian validitas tiap butir digunakan analisis item, yaitu mengkorelasikan skor tiap butir
dengan skor total yang merupakan jumlah tiap skor butir.
Pengujian yang biasa digunakan untuk validitas adalah

Korelasi Pearson Product Moment dan Corrected - Item Correlation

Korelasi Pearson Product Moment

Analisis ini dengan cara mengkorelasikan masing-masing skor item dengan skor total
(penjumlahan seluruh skor item). Rumus untuk menghitungnya adalah

Keterangan:
Berikut hasil perhitungan manual :

Gambar 2. Perhitungan 1

Gambar 3. Perhitungan 3

Gambar 4. Perhitungan 4
 Gambar 5. Perhitungan 5 - Nilai Korelasi Pearson Product Moment

Pengujian menggunakan uji dua sisi dengan taraf signifikansi 0,05. dan hasil dibandingkan
dengan r-tabel
Product Moment dengan
N=jumlah responden-2.
Kriteria pengujian adalah

 Jika r-hitung ³ r-tabel, maka instrument atau item-item pertanyaan berkorelasi signifikan

terhadap skor total (dinyatakan valid).
 Jika r-hitung < r-tabel, maka instrument atau item-item pertanyaan tidak berkorelasi
signifikan terhadap skor total (dinyatakan tidak valid).

Dalam hal ini diperoleh r-tabel dengan N=15-2=13 dan signifikansi 5% adalah r-
tabel=0,553.

Gambar 6. Hasil Validitas Pearson Product Moment

Terdapat tiga item yang tidak valid. yaitu item 1, 9 dan 10. item-item yang tidak valid harus
dibuang. Analisis validitas dapat dilakukan sampai 2 atau 3 kali sampai diperoleh item yang
valid setelah membuang item-item yang tidak valid. Biasanya dilakukan sampai 1atau 3 kali
saja. 
Note:
"sqrt ()"=akar kuadrat
"^2"  =pangkat dua
r-ix   = korelasi item-i dengan skor total
 UJI RELIABILITAS INSTRUMEN PENELITIAN
DENGAN CRONBACH ALPHA
(MANUAL)

Rumus untuk menghitung koefisien reliabilitas instrument dengan menggunakan

Cronbach Alpha adalah sebagai berikut:

No. Jawaban Angket

Resp 1 2 3 4 5 Total Total Kuadrat
1 4 4 3 4 4 19 361(a)
2 3 3 4 4 4 18 324
3 2 2 2 2 4 12 144
4 3 4 4 4 4 19 361
5 3 4 4 4 5 20 400
6 4 3 3 4 4 18 324
7 2 3 3 4 5 17 289
8 4 4 4 2 4 18 324
9 4 4 4 2 4 18 324
10 4 4 4 4 4 20 400
Jumlah 33 35 35 34 42 179 3251(c)
115(b
Jumlah Kuadrat 127 127 124 178 115

Keterangan:
361(a)  192
115(b)  42+32+22+32+32+42+22+42+42+42
3251(c)  361+324+144+361+400+324+289+324+324+400
2
σ b
Menghitung Total Varians Butir ( )
2
Contoh menghitung varians Butir ( σ b) pertama

[Type text]
 2

Varians butir ke-2 sampai ke-5 dapat dihitung dengan cara yang sama seperti
menghitung varians butir I. Dengan demikian, total varians butir:
σ
2
b
= 0,61+0,45+0,45+0,84+0,16
= 2,51

2
Menghitung Total Varians (σ t )

Menghitung Koefisien Cronbach Alpha

Untuk menjadi perhatian

- Nilai-nilai untuk pengujian reliabilitas berasal dari skor-skor item angket yang
valid. Item yang tidak valid tidak dilibatkan dalam pengujian reliabilitas.
- Instrumen memiliki tingkat reliabilitas yang tinggi jika nilai koefisien yang
diperoleh >0,601. Ada pendapat lain yang mengemukakan baik/ buruknya
reliabilitas instrumen dapat dikonsultasikan dengan nilai r tabel. Dari contoh di
atas, dengan n=10 maka nilai r tabel pada taraf signifikan ()=0,05, adalah
0,632. Dengan demikian nilai r-hitung0,58<r-tabel0,632, perbandingan ini
menunjukkan hasil yang tidak signifikan, atau dengan kata lain reliabilitas
instrumen buruk atau data hasil instrumen angket kurang dapat dipercaya.
- Interpretasi reliabilitas bisa juga menggunakan pertimbangan gambar di
bawah ini

[Type text]
[Type text]