NIM : 713001S20014
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.
a) Tentukan hipotesis
Ho: Populasi mengikuti distribusi normal
H1: Populasi tidak mengikuti distribusi normal
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.
7 9 11 12 14 15
Pembahasan:
1. Tentukan hipotesis
Ho: Populasi mengikuti distribusi normal
H1: Populasi tidak mengikuti distribusi normal
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
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
Kurva qq-plot untuk distribusi B menyimpang dari acuan garis merah yang merupakan
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
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
Dalam hal ini diperoleh r-tabel dengan N=15-2=13 dan signifikansi 5% adalah r-
tabel=0,553.
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)
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 )
[Type text]
[Type text]