Uji Normalitas Data Untuk Penelitian
Uji Normalitas Data Untuk Penelitian
Buku Referensi
UJI NORMALITAS
DATA
untuk
Penelitian
Penulis
Akbar Nasrum
Penulis:
Akbar Nasrum
PENERBIT:
Jayapangus Press
Anggota IKAPI
No. 019/Anggota Luar Biasa/BAI/2018
Jl. Ratna No.51 Denpasar - BALI
http://jayapanguspress.org
Email : jayapanguspress@gmail.com
ISBN:
- - - -
Contoh 1.1:
Seorang peneliti ingin mengetahui besarnya uang jajan
mahasiswa perhari. Diambil lima mahasiswa sebagai sampel
yaitu, Ani, Budi, Tono, Toni dan Badu. Uang saku Ani, Tono, Budi
dan Badu perhari adalah Rp10.000 sementara uang saku Toni
adalah Rp 60.000.
Contoh 1.2:
Tujuan penelitian sama dengan contoh pertama. Data yang
diambil sebanyak empat belas yang diperoleh dari empat belas
mahasiswa sebagai berikut.
60
50
40
30
20
10
1
-100000 -50000 0 50000 100000 150000
Uang Jajan Mahasiswa
Histogram
Mean 20000
9
StDev 37685
N 14
8
6
Frequency
0
0 40000 80000 120000 160000
Uang Jajan Mahasiswa
Gambar 1.1 (a) Sebagian titik data berada di luar pita biru yang merupakan
selang kepercayaan untuk uji normalitas data, artinya data tidak normal. (b)
Histogram data tidak berbentuk lonceng terbalik sehingga data tidak normal
Boxplot
160000
140000
120000
Uang Jajan Mahasiswa
100000
80000
60000
40000
20000
16000
14000
Uang jajan Mahasiswa
12000
10000
8000
6000
4000
2000
Histogram
Normal
Mean 10000
5
StDev 4677
N 13
4
Frequency
0
2000 6000 10000 14000 18000
Uang jajan mahasiswa
Probability Plot
Normal - 95% CI
99
Mean 10000
StDev 4677
95 N 13
KS 0.192
90
P-Value >0.150
80
70
Percent
60
50
40
30
20
10
1
-10000 0 10000 20000 30000
Uang Jajan Mahasiswa
14% 14%
65 70 75 80 85
Gambar 1.5. Presentasi sebaran data pada distribusi normal
1. � � − � < � < � + � = , %
2. � � + � < � < � + � = � � − � < � < � − � = , %
3. � � > � + � = � � < � − � = , %
f x 0 , untuk setiap x
kontinu X jika memenuhi sifat berikut:
1.
f x dx 1
2.
P a X b f x dx
b
3.
a
f x
1 x
- x
2
e 2
1
2
,
1 2
1 2
Gambar 2.2 Dua distribusi normal dengan parameter bentuk
sama tapi parameter lokasi berbeda
2
1 2
Gambar 2.3 : Kurva Normal dengan 1 2 dan 1 2
2
1 2
P x1 X x2
1 x
2
1 2
2
x2
e dx
x1
X
Z
dan z2 x2 . Akibatnya
P x1 X x2
1 x
2
1 2
2
x2
e dx
x1
z2
1
1
2
z2
2
e dz
z1
P x1 X x2 P z1 Z z2
Uji Normalitas Data - 16
Jadi setiap nilai X yang berada diantara x1 dan x2
x1 x2 z1 z2 0
f z
1 2z
2
2
e
2 2
y2
1 x
2
2
2
e dxdy
I
2 1 r2
2
2
2
e r drdt
0 0
r
e 2
2
dt
2
2
1
0
0
2
2
1
dt
1
0
Contoh 2.1
1. Carilah luas daerah di bawah kurva normal di sisi kanan z = 1,96.
2. Carilah luas daerah diantara z =1 dan z = 1.96
Jawab:
1. Diketahui luas daerah di bawah kurva normal adalah 1. Untuk
mencari luas daerah di sebelah kanan z = 1,96 harus dicari
terlebih dahulu luas daerah disebelah kiri z karena pada tabel z
(a) (b)
Z ……………………… 0.06
…….. …….. ……..
………
……. …… ……….
1.9 …….. …….. 0.975
Dari tabel diperoleh luas daerah dibawah kurva normal sebelah kiri
z = 1,96 adalah 0,975 sehingga luas daerah di sebelah kanan z = 1,96
adalah 1 – 0,975 = 0,025. Secara matematis dituliskan sebagai
P Z 1,96 1 P Z 1,96
berikut:
1 0.975
0.025
Daerahnya dapat dilihat pada gambar 2.6(a).
1 0,8413 0,025
0,1337
P 1 Z 1,96 P Z 1.96 P Z 1
Kedua
0.975 0.8413
0.1137
Contoh 2.2
a) P Z k 0.1469
Carilah nilai k sedemikian sehingga
b) P k Z 0.2 0.2019
Jawab:
Z ………………………………… 0.05
…… …. …..
…………
…… …. ….
1 …… ….. 0.8531
P k Z 0.2 P Z 0.2 P Z k
0.2019 1 P Z 0.2 P Z k
Gambar 2.8
Gambar 2.9
sehingga k pasti bernilai negatif. Karena pada tabel Z tidak ada nilai
negatif, sifat simetris dari kurva ini dapat digunakan. Gambar 2.9
menunjukkan bahwa menghitung luas daerah disebelah kiri –k
sama dengan menghitung luas daerah disebelah kanan k. dengan
cara ini, nilai k pada soal (b) dapat ditemukan.
Selanjutnya jika nilai-nilai yang diobservasi bukan berasal
dari distribusi normal baku, maka cara menghitung luas daerah
dibawah kurva normalnya dapat dilihat pada contoh berikut.
Jawab:
Dengan menggunakan transformasi normal baku diperoleh
60 65 70 65
z1 1 dan z2 1
5 5
P 60 X 70 P 1 Z 1
Sehingga,
P Z 1 P Z 1
0,8413 0.1587
0,6826
Jadi, peluang munculnya angka antara 60 dan 70 adalah 0.6826.
P X 75 P Z 2
Selajutnya hitung peluangnya
1 P Z 2
1 0,9772
0,0228
Contoh 2.4:
Diketahui suatu data berdistribusi Normal dengan 65 dan 5
. Carilah nilai x sehingga:
a) Luas daerah di sebelah kiri x sebesar 33%
b) Luas daerah di sebelah kanan x sebesar 25%.
Jawab:
x
Melalui trasformasi z diperoleh x z
Sehingga mencari nilai x bisa diperoleh dengan bantuan tabel Z.
(a) Diketahui luas daerah sebelah kiri x adalah 33% maka luas
daerah di sebelah kiri z yang berkorespondensi dengan nilai x
adalah 33%.
Gambar 2.10
z = 1,96.
Dari sini diperoleh x 1.96 5 65 74.8
Gambar 2.11
F x P X x f t dt ; x
x
Misalkan dari hasil observasi diperoleh sampel acak x1, x2, x3, ...
, xn dari suatu distribusi dengan fungsi distribusi kumulatif F(x).
Fungsi distribusi kumulatif empirik dari F(x) merupakan proporsi
munculnya angka yang kurang dari atau sama dengan x. Secara
matematis dituliskan sebagai berikut
Fn x Jumlah obeservasi x
1
n
Fungsi ini merupakan fungsi yang tidak kontinu di beberapa titik.
Lebih tepatnya fungsi ini merupakan fungsi tangga. Perhatikan
gambar 2.14. Fungsi distribusi empirik inilah yang digunakan oleh
Kolmogorov untuk menentukan distribusi apa yang paling sesuai
untuk suatu data sampel. Dia mencoba melakukan pendekatan
untuk fungsi kontinu dengan menggunakan fungsi tangga.
Uji Normalitas Data - 27
Fungsi Distribusi Kumulatif
0.9
0.8
0.7
0.6
F(x)
0.5
0.4
0.3
0.2
0.1
50 52 54 56 58 60 62 64 66 68 70 72 74 76 78 80
x
Sample Normal
D max F zi Fni1 xi , F zi Fni xi
berikut:
(3.1)
1i n
observasi.
Prinsip uji normalitas menggunakan Kolmogorv-Smirnov
adalah mencari simpangan terbesar (D) dari fungsi distribusi
kumulatif data observasi (empiris) terhadap fungsi distribusi
kumulatif teoritisnya. Jika penyimpangan maksimum yang
terbentuk tidak terlalu besar maka data observasi dapat
dikategorikan berdistribusi normal. Sebaliknya, jika penyimpangan
maksimum yang terbentuk sangat besar maka data observasi
dikatakan tidak berdistribusi normal.
Besar atau kecilnya simpangan yang terbentuk tidak dapat
ditentukan jika tidak ada pembandingnya. Kolmogorov sudah
menentukan besaran pembanding untuk nilai D yang diperoleh.
Besaran ini diberi simbol Dk dan nilainya dapat dilihat pada
lampiran 3. Dk dapat diartikan sebagai batas penyimpangan
terbesar agar suatu data masih bisa dikategorikan berdistribusi
normal.
2. Buat daftar frekwensi data kumulatif kemudian tentukan
proporsi kumulatifnya Fki
xi x
4. Konversi nilai xi ke nilai zi
s
5. Tentukan luas kurva dibawah kurva normal F(zi) (Nilai Fungsi
Contoh 3.1:
Ujilah kenormalan data berikut dengan menggunakan metode
Kolmogorov-Smirnov.
65 66 66,5 66,56 66,7 66,7 67 67,3 67,67 67,7 67,7
67,75 67,78 67,78 67,9 67,9 68 68 68 68,5 68,5 68,65
69 69 69,4 69,4 69,57 69,78 70 71
. Contoh data nomor 4 yaitu 66,56. Banyaknya data yang kurang dari
atau sama dengan 66,56 ada empat yaitu: 66,56, 66,5 66, dan 65.
Begitu seterusnya sehingga untuk data yang terakhir, banyaknya
data yang kurang dari atau sama dengan data terbesar adalah 30.
f
Fki k ;
n
Sebagai contoh untuk data pertama nilai
dengan nilai Fk( i1) pada baris ketiga dan seterusnya. Kenapa baris
pertama pada Fk( i1) nilainya 0.00? Karena tidak ada lagi data yang
mahasiswa yang di transformasi ke nilai normal baku melalui
transformasi z i x x s .
Gambar 3.1 Garis biru adalah CDF teoritis dan fungsi tangga berwarna merah adalah
CDF dari data observasi
VAR00001
N 30
Normal Parametersa,b Mean 68.0247
Std. Deviation 1.28813
Most Extreme Differences Absolute .141
Positive .141
Negative -.125
Test Statistic .141
Asymp. Sig. (2-tailed) .132c
Smirnov juga dapat dituliskan sebagai berikut:
xx
F xi zi . merupakan simbol CDF Normal
s
baku tapi dalam buku ini penulis tetap menuliskan simbol F untuk
menyatakan fungsi distribusi kumulatif normal baku.
Perhatikan kembali tabel 3.1. Kolom ketujuh dihilangkan dan
langsung diganti dengan F xi .
68.025, 1.288, TRUE) kemudian tekan enter dan hasilnya akan sama
dengan F 2,348 pada tabel 3.1 yaitu 0.009.
Contoh 3.2
Diberikan data sampel sebagai berikut:
Table 3.3
No 1 2 3 4 5 6 7 8 9 10 11
x 65 67 69 70 78 80 85 87 89 90 95
fi 2 3 3 3 2 4 3 4 2 3 1
Jawab:
H 0 : Distribusi data sampel sama dengan distribusi normal
1 47 17 67 33 70 49 80
2 55 18 61 34 71 50 81
3 56 19 62 35 72 51 77
4 57 20 63 36 73 52 82
Penyelesaian
Hasil dari empat langkah di atas dapat ditulis pada tabel 3.3.
Tabel 3.3 terdiri dari lima kolom. Kolom kedua berisi kelas
interval yang bisa dimulai dari datum terkecil, bisa juga kurang dari
datum terkecil. Datum terkecil dari data di atas adalah 47. Interval-
intervalnya disusun berdasarkan panjang kelas yang sudah dihitung
pada langkah 3. Untuk bagian ini para pembaca dianggap sudah
paham.
Table 3.5
Kelas Bts Bts
No fi
Interval Bwh Ats
1 47 – 53 1 46.5 53.5
2 54 – 60 9 53.5 60.5
3 61 – 67 13 60.5 67.5
4 68 – 74 15 67.5 74.5
5 75 – 81 13 74.5 81.5
6 82 – 88 11 81.5 88.5
7 89 – 95 2 88.5 95.5
Jumlah 64
Angka 47, 54, 61, 68, 75, 82 dan 89 merupakan batas bawah kelas
sedangkan 53, 60, 67, 74, 81, 88 dan 95 adalah batas atas kelas. Jika
data sampel ini berdistribusi normal, maka distribusi datanya
berbentuk seperti gambar 3.4.
Gambar 3.4
Tabel 3.6
No Kelas fi Bts Bts Zi-1 Zi
Interval Bwh Ats
1 47 – 53 1 46.5 53.5 -2.491 -1.801
2 54 – 60 9 53.5 60.5 -1.801 -1.111
3 61 – 67 13 60.5 67.5 -1.111 -0.421
4 68 – 74 15 67.5 74.5 -0.421 0.270
5 75 – 81 13 74.5 81.5 0.270 0.960
6 82 – 88 11 81.5 88.5 0.960 1.650
7 89 – 95 2 88.5 95.5 1.650 2.340
Gambar 3.5
Dari gambar 3.4 atau kolom ketiga pada tabel 3.5 dapat dilihat
frekwensi data observasi tiap interval. Sekarang akan dicari berapa
kemungkinan frekwensi munculnya angka antar tiap kelas interval
f h1 0.029 64 1.887
f h2 0.097 64 6.238
f h3 0.204 64 13.037
f h4 0.269 64 17.232
f h5 0.0225 64 14.410
f h6 0.119 64 7.622
f h7 0.04 64 2.549
Tabel 3.8
fi 1 9 13 15 13 11 2
fh 1.887 6.238 13.037 17.232 14.410 7.622 2.549
fi - fh -0.887 2.762 -0.037 -2.232 -1.410 3.378 -0.549
f f h 1.025
dapat diperoleh.
f i f h 2
fh
maka statistik ini ternyata berdistribusi Chi-Square yang juga
merupakan variabel acak. Tentu saja jumlah dari variabel acak ini
juga merupakan variabel acak dan variabel acak yaitu
Uji Normalitas Data - 53
f i f h 2
fh
(3.2)
Table 3.9
(fi -
No Kelas fi Bts Bts Zi-1 Zi Luas fh fh)2
Interval Bwh Ats intrvl fh
1 47 – 53 1 46.5 53.5 -2.491 -1.801 0.029 1.887 0.417
2 54 – 60 9 53.5 60.5 -1.801 -1.111 0.097 6.238 1.223
3 61 – 67 13 60.5 67.5 -1.111 -0.421 0.204 13.037 0.000
4 68 – 74 15 67.5 74.5 -0.421 0.270 0.269 17.232 0.289
5 75 – 81 13 74.5 81.5 0.270 0.960 0.225 14.410 0.138
6 82 – 88 11 81.5 88.5 0.960 1.650 0.119 7.622 1.497
7 89 – 95 2 88.5 95.5 1.650 2.340 0.040 2.549 0.118
64 Chi Kuadrat 3.682
Pada tahun 1965 S.S. Shapiro dan M.B. Wilk dalam tulisannya
yang berjudul An analysis of variance test for normality complete
samples , memperkenalkan sebuah metode/cara untuk uji
normalitas data. Metode ini dikenal dengan nama Uji Shapiro-Wilk
dan terdapat dalam beberapa software statistik seperti SPSS dan
excel.
Statistik ujinya disimbolkan dengan huruf W dan
didefinisikan sebagai berikut:
ai yi
n
2
W 2 n i 1
yi y
2
b
(3.4)
S 2
i 1
2. Hitung nilai S 2 yi y xi x
n 2 n 2
i 1 i 1
n 1
dan k untuk n ganjil.
2
Contoh 3.4:
Ujilah kenormalan data berikut dengan menggunakan metode
Shapiro-Wilk.
1,40 1,70 1,70 2,05 2,12 2,21 2,36 2,44 2,44 2,52 2,59 2,72
2,80 2,91 2,99 3,03 3,04 3,20 3,33 3,42 3,63 3,63 3,70 4,0
Jawab:
ai xn1i xi x x x x
Table 3.10
2 2
i xi i xi ai i i
Rata-
rata 2.75 b 3.270 W 0.983
Standar
Dev. 0.688 S2 10.88 P-Value 0.941
Penjelasan.
Untuk memudahkan perhitungan, dua puluh empat data yang
sudah terurut di atas dibagi dua dan ditulis dalam urutan yang
berlawanan seperti pada tabel di atas. Kolom kelima yaitu kolom ai
merupakan koefisien Shapiro Wilk yang dapat diperoleh dari tabel
pada lampiran atau dengan mengetikkan perintah SWCoeff pada
lembar kerja excel. Namun perintah ini tidak akan terbaca di excel
sebelum memasukkan Realstats pada add-ins excel seperti gambar
berikut.
Gambar 3.6
i 1, 2,...,
n
ketikkan indeks ke (n+i-1). jika n genap dan
2
n 1
i 1, 2,...., untuk n ganjil. Pada bagian B ketikkan FALSE
2
kemudian tekan enter. Untuk kolom selanjutnya diperoleh dengan
cara yang sama.
Nilai b diperoleh dengan menjumlahkan semua data pada
kolom ke-6 sedangkan nilai S2 diperoleh dengan menjumlahkan
semua data pada kolom ke-7 dan kolom ke-8. Setelah itu cari nilai
W dengan menggunakan rumus (3.4). Untuk menarik kesimpulan
hasil uji, cari nilai P-Value dengan mengetikkan perintah SWPROB
dan akan muncul jendela seperti gambar berikut
Gambar 3.7
Contoh 3.5:
Ujilah kenormalan data berikut dengan menggunakan metode
Anderson Darling.
1,40 1,70 1,70 2,05 2,12 2,21 2,36 2,44 2,44 2,52 2,59 2,72
2,80 2,91 2,99 3,03 3,04 3,20 3,33 3,42
Jawab:
F xi 1 F xn 1i 2i 1 A
Table 3.11
i xi A 2i 1
2i 1 ln F X 1 ln F X
n
x 1i -228.840
i 1
i
Wn 2 0.256
Kedua, cari nilai fungsi distribusi kumulatif untuk tiap data dan
tempatkan pada kolom kedua. Langkah kedua ini sudah dijelaskan
pada halaman 49.
Ketiga yaitu kolom ke empat diisi dengan nilai dari satu dikurangi
kolom ketiga, tapi dengan posisi terbalik. Maksudnya, baris pertama
kolom ke empat adalah nilai dari 1 – F(x15) = 1 – 0.921 = 0.079. Baris
kedua adalah nilai dari 1 – F(x14) = 1 – 0.892 = 0.108 dan seterusnya.
x , q , x , q ,....., x , q
5. Buat plot pasangan data
x , q dengan
1 1 2 2 n n
x x q q
menggunakan rumus
n
r
x x q q
j 1
j j
(3.5)
n 2 n 2
j 1 j 1
j j
Pada langkah kedua, datum yang sama dianggap satu jenis datum.
Walaupun ada lima datum yang sama, kelima datum ini hanya
diwakili oleh satu titik. Jadi, jumlah titik yang ada pada grafik
nantinya akan selalu kurang dari sampel yang diambil jika ada
datum yang sama. Untuk lebih jelasnya perhatikan contoh berikut.
Contoh 3.6
Ujilah kenormalan data pada contoh 3.1 di atas dengan
menggunakan QQ-Plot.
Sesuai dengan langkah-langkah uji normalitas menggunakan
QQ_Plot diperoleh tabel berikut
Table 3.9
standar Standar
Proporsi
No x(j) j normal normal
(j-0,5)/n q (j) x(j)
1 65 1 0.016667 -2.12805 -2.3481
2 66 2 0.05 -1.64485 -1.57178
3 66.5 3 0.083333 -1.38299 -1.18362
4 66.56 4 0.116667 -1.19182 -1.13705
5 66.7 5.5 0.166667 -0.96742 -1.02836
Uji Normalitas Data - 70
6 66.7 5.5 0.166667 -0.96742 -1.02836
7 67 7 0.216667 -0.7835 -0.79547
8 67.3 8 0.25 -0.67449 -0.56257
9 67.67 9 0.283333 -0.57297 -0.27533
10 67.7 10.5 0.333333 -0.43073 -0.25204
11 67.7 10.5 0.333333 -0.43073 -0.25204
12 67.75 12 0.383333 -0.29674 -0.21323
13 67.78 13.5 0.433333 -0.16789 -0.18994
14 67.78 13.5 0.433333 -0.16789 -0.18994
15 67.9 15.5 0.5 0 -0.09678
16 67.9 15.5 0.5 0 -0.09678
17 68 18 0.583333 0.210428 -0.01915
18 68 18 0.583333 0.210428 -0.01915
19 68 18 0.583333 0.210428 -0.01915
20 68.5 20.5 0.666667 0.430727 0.369009
21 68.5 20.5 0.666667 0.430727 0.369009
22 68.65 22 0.716667 0.572968 0.485457
23 69 23.5 0.766667 0.727913 0.757168
24 69 23.5 0.766667 0.727913 0.757168
25 69.4 25.5 0.833333 0.967422 1.067695
26 69.4 25.5 0.833333 0.967422 1.067695
27 69.57 27 0.883333 1.191816 1.199669
28 69.78 28 0.916667 1.382994 1.362695
29 70 29 0.95 1.644854 1.533485
30 71 30 0.983333 2.128045 2.309802
Penjelasan tabel
Kolom kedua diisi dengan data yang sudah diurutkan seperti
pada langkah pertama. Kolom ketiga diisi dengan indeks baru pada
data. Data yang sama mempunyai indeks yang sama. Rumus yang
digunakan seperti pada langkah kedua. Perhatikan bahwa data
Gambar 3.9
Langkah yang sama bisa dilakukan untuk semua baris pada kolom
keempat untuk mengisi kolom kelima.
Selanjutnya kolom keenam adalah nilai x atau data yang
ditransformasi ke nilai z. Tranformasi ini juga sudah dijelaskan pada
Bab 2. Setelah kolom kelima dan kolom keenam terisi, buatlah
diagram pencar antara data q(j) dan data x(j). Untuk menampilkan
garis patokan, plot nilai q(j) dengan dirinya sendiri. Nilai q(j) ini
adalah nilai yang diharapkan agar data berdistribusi normal.
Diagram Pencar
3
0
-3 -2 -1 0 1 2 3
-1
-2
-3
Table 3.11
Po Ph
No x(j) j z(j)
(j-0,5)/n z(j)
1 65 1 0.025 -2.7327 0.003141
2 66 2 0.075 -1.55583 0.059875
3 66.5 3 0.125 -0.96739 0.166675
4 66.56 4 0.175 -0.89678 0.184919
5 66.7 5.5 0.25 -0.73201 0.23208
6 66.7 5.5 0.25 -0.73201 0.23208
7 67 7 0.325 -0.37895 0.352361
8 67.3 8 0.375 -0.02589 0.489672
Gambar 3.12
Gambar 3.13
Gambar 4.3
Gambar 4.4
Beri tanda centang pada Normality plots with tests kemudian klik
Continue dan klik Ok. Selanjutnya akan keluar hasil sebagai berikut
Table 4.1
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
X .141 30 .132 .983 30 .900
a. Lilliefors Significance Correction
Dapat dilihat pada kolom kedua bahwa nilai statistik yang diperoleh
sama dengan nilai yang diperoleh dengan cara manual yaitu 0,141.
Gambar 4.5
X
N 30
Normal Parametersa,b Mean 68.0247
Std. Deviation 1.28813
Most Extreme Absolute .141
Differences Positive .141
Negative -.125
Test Statistic .141
Asymp. Sig. (2-tailed) .132c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
Kolmogorov-Smirnova Shapiro-Wilk
Statisti
Statistic df Sig. c df Sig.
X1 .067 24 .200* .983 24 .945
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
Gambar 4.7
Uji Normalitas Data - 86
Penggunaan Minitab
Gambar 4.8
Gambar 4.9
Gambar 4.10
Dari hasil ini terlihat bahwa statistik KS = 0,141 dan nilai ini sama
dengan hasil manual dan SPSS.
Selanjutnya untuk uji Anderson Darling gunakan data pada
contoh 3.5. Input data pada kolom C2 kemudian lakukan langkah-
langkah seperti sebelumnya untuk uji normalitas data, pilih
Anderson Darling pada gambar 4.9 dan hasil ujinya ditampilkan
pada gambar 4.11.
Dapat dilihat pada gambar bahwa nilai AD = 0,256. Hasil ini
sama dengan hasil yang diperoleh dengan cara manual.
Gambar 4.12
Gambar 4.13
Gambar 4.14
Dari data pada contoh 3.2 akan diuji dengan menggunakan Easy Fit.
Masukkan datanya ke dalam lembar kerja Easy Fit pada kolom A
kemudian klik tanda pada tool bar.
Gambar 4.15
Gambar 4.17
Untuk melihat distribusi mana yang paling cocok pada data kita bisa
memilih metode apa yang akan digunakan kemudian pilih distribusi
yang menempati Rangking I. distribusi yang memperoleh Rangking
I itulah distribusi yang paling sesuai.
Gambar 4.18
Software ini menampilkan hasil uji dari tiga metode. Jika pembaca
ingin memakai metode Kolmogorov Smirnov, lihat pada bagian
Kolmogorov Smirnov. Diperoleh nilai Statistik ujinya yaitu 0,141.
Hasilnya sama dengan cara manual, SPSS maupun Minitab. Pada
bagian akhir tabel ada tulisan Reject . Maksudnya adalah, pada
tertentu, apakah hipotesis nol ditolak atau tidak? Dari hasil di atas
diperoleh hipotesis nol tidak ditolak untuk semua yang
digunakan. Dengan demikian disimpulkan bahwa data berasal dari
populasi berdistribusi normal.
Shapiro, S.S. and Wilk, M.B. (1965). An Analysis of Variance Test for
Normality (Complete Samples). Biometrika, Vol. 52, No. ¾, pp.
591-611
Walpole, R.E. etc. Probability & Statistics for Engineers & Scientists
Ninth Edition. (2010). Pearson.
D I
Inferensi 5, 10, 17, 98
Data
Datum, 6, 7, 10, 11, 13, 56, 79, 81, 82 Interval 54-60, 63,
Descriptive, 91, 96 Invers 30, 81
Deviasi, 10, 13-15, 18, 19, 39, 48, 55,
63
K
Distribusi, 5, 6, 11-22, 28, 30, 32-37, Kolmogorov-Smirnov 13, 35, 36, 47,
40, 43, 45-48, 50-58, 60-66, 70-79, 81, 50-53, 71, 91, 95, 109
83, 86, 104-109 Kontinu 16, 17, 33, 34, 50, 54, 105
Kuantitatif 6
E Kumulatif 32, 33, 36, 37, 39, 40, 48,
Easy Fit, 43, 44, 46, 89, 104, 105, 72, 73, 81
Ekstrim, 6-8, 10, 13 Kurva 5, 19, 21-24, 28, 32, 35, 37, 54,
Empirik 5, 33, 40, 34 59, 60, 82, 86, 94, 104, 105, 107
Eror 34 L
Excel 38, 45, 47, 48, 65, 66, 68, 72, 81,
Lilliefors 35, 50, 51-53, 71, 92, 94, 95,
82, 84, 89, 95, 104
110
Luas Daerah 19, 21-26, 28, 30, 32, 59,
F 60, 82, 94,
Uji Normalitas Data - 100
M Q
Maple 21 QQ-Plot 35, 75, 76, 78, 79, 86, 87, 96,
Matlab 21 102
Mean 44, 50, 94, 110
Median 7
R
Metode 35, 38, 46, 50, 52-55, 65, 66, Rata-rata 6, 7, 10, 13-15, 18, 19, 39,
72, 74, 75, 86, 99, 105, 107 48, 52, 55, 67
Minitab 43, 45, 46, 71, 74, 76, 89, 98, Robust 6, 7
99, 101-104, 109
Modus 7 S
Sampel 6, 10, 13, 14, 33, 34, 45, 47,
N 50, 51, 52, 55, 57, 64, 65, 69, 70, 72,
77, 78, 79, 81, 94, 105
Nonparametrik 5
Normalitas 5, 6, 9, 12, 16, 35, 36, 38, Shapiro-Wilk 65, 66, 92, 95, 101
43, 44, 46, 47, 50, 52, 53, 54, 65, 71, Software 21, 43, 45, 46, 50, 53, 59, 65,
74, 75, 78, 80, 86, 89, 94-96 71, 76,, 89, 95, 98, 99, 101, 102
Numerik 10, 21
SPSS 43, 44, 46, 50, 53, 65, 76, 84, 87,
P 89, 90, 91, 94- 96, 98, 100, 102
Parameter 5, 16, 13, 18, 44, 50, 62, Statistika 16, 55, 71, 104
63, 64, 107,
Parametrik 5
T
PDF 16 Tabel Z 22, 24, 28, 30, 31, 41, 42, 59,
Peluang 16-19, 21, 22, 28, 29, 32, 60, 81-83
77, 81, 82, 86, Teoritis 34, 36, 37, 41, 43, 93
Pencilan 10-12 Transformasi 21, 22, 28, 30, 41, 83,
Populasi 5, 13, 14, 45, 47, 51, 52, 61, 86
64, 79, 94, 103 V
PP-Plot 35, 75, 86, 87, 96, 102
Valid 50
Probability 13, 16, 102, 110
Variansi 19, 20
P-Value 8, 45, 46, 66, 67, 69, 70
Sumber: Journal of the American Statistical Association, Vol. 62, No. 318. (Jun.,
1967), pp. 399-402.
Sumber: Journal of the American Statistical Association, Vol. 46, No. 253. (Mar., 1951),
pp. 68-78.
0.995 0.99 0.98 0.975 0.95 0.9 0.8 0.75 0.7 0.5
2 0.010 0.020 0.040 0.051 0.103 0.211 0.446 0.575 0.713 1.386
3 0.072 0.115 0.185 0.216 0.352 0.584 1.005 1.213 1.424 2.366
4 0.207 0.297 0.429 0.484 0.711 1.064 1.649 1.923 2.195 3.357
5 0.412 0.554 0.752 0.831 1.145 1.610 2.343 2.675 3.000 4.351
6 0.676 0.872 1.134 1.237 1.635 2.204 3.070 3.455 3.828 5.348
7 0.989 1.239 1.564 1.690 2.167 2.833 3.822 4.255 4.671 6.346
8 1.344 1.646 2.032 2.180 2.733 3.490 4.594 5.071 5.527 7.344
9 1.735 2.088 2.532 2.700 3.325 4.168 5.380 5.899 6.393 8.343
10 2.156 2.558 3.059 3.247 3.940 4.865 6.179 6.737 7.267 9.342
11 2.603 3.053 3.609 3.816 4.575 5.578 6.989 7.584 8.148 10.341
12 3.074 3.571 4.178 4.404 5.226 6.304 7.807 8.438 9.034 11.340
13 3.565 4.107 4.765 5.009 5.892 7.042 8.634 9.299 9.926 12.340
14 4.075 4.660 5.368 5.629 6.571 7.790 9.467 10.165 10.821 13.339
15 4.601 5.229 5.985 6.262 7.261 8.547 10.307 11.037 11.721 14.339
16 5.142 5.812 6.614 6.908 7.962 9.312 11.152 11.912 12.624 15.338
17 5.697 6.408 7.255 7.564 8.672 10.085 12.002 12.792 13.531 16.338
18 6.265 7.015 7.906 8.231 9.390 10.865 12.857 13.675 14.440 17.338
19 6.844 7.633 8.567 8.907 10.117 11.651 13.716 14.562 15.352 18.338
20 7.434 8.260 9.237 9.591 10.851 12.443 14.578 15.452 16.266 19.337
21 8.034 8.897 9.915 10.283 11.591 13.240 15.445 16.344 17.182 20.337
22 8.643 9.542 10.600 10.982 12.338 14.041 16.314 17.240 18.101 21.337
23 9.260 10.196 11.293 11.689 13.091 14.848 17.187 18.137 19.021 22.337
24 9.886 10.856 11.992 12.401 13.848 15.659 18.062 19.037 19.943 23.337
25 10.520 11.524 12.697 13.120 14.611 16.473 18.940 19.939 20.867 24.337
26 11.160 12.198 13.409 13.844 15.379 17.292 19.820 20.843 21.792 25.336
27 11.808 12.879 14.125 14.573 16.151 18.114 20.703 21.749 22.719 26.336
28 12.461 13.565 14.847 15.308 16.928 18.939 21.588 22.657 23.647 27.336
29 13.121 14.256 15.574 16.047 17.708 19.768 22.475 23.567 24.577 28.336
30 13.787 14.953 16.306 16.791 18.493 20.599 23.364 24.478 25.508 29.336
31 14.458 15.655 17.042 17.539 19.281 21.434 24.255 25.390 26.440 30.336
32 15.134 16.362 17.783 18.291 20.072 22.271 25.148 26.304 27.373 31.336
33 15.815 17.074 18.527 19.047 20.867 23.110 26.042 27.219 28.307 32.336
34 16.501 17.789 19.275 19.806 21.664 23.952 26.938 28.136 29.242 33.336
35 17.192 18.509 20.027 20.569 22.465 24.797 27.836 29.054 30.178 34.336
36 17.887 19.233 20.783 21.336 23.269 25.643 28.735 29.973 31.115 35.336
37 18.586 19.960 21.542 22.106 24.075 26.492 29.635 30.893 32.053 36.336
38 19.289 20.691 22.304 22.878 24.884 27.343 30.537 31.815 32.992 37.335
39 19.996 21.426 23.069 23.654 25.695 28.196 31.441 32.737 33.932 38.335
40 20.707 22.164 23.838 24.433 26.509 29.051 32.345 33.660 34.872 39.335
50 27.991 29.707 31.664 32.357 34.764 37.689 41.449 42.942 44.313 49.335
60 35.534 37.485 39.699 40.482 43.188 46.459 50.641 52.294 53.809 59.335
t
0.4 0.3 0.2 0.15 0.1 0.05 0.025
1 0.325 0.727 1.376 1.963 3.078 6.314 12.706
2 0.289 0.617 1.061 1.386 1.886 2.920 4.303
3 0.277 0.584 0.978 1.250 1.638 2.353 3.182
4 0.271 0.569 0.941 1.190 1.533 2.132 2.776
5 0.267 0.559 0.920 1.156 1.476 2.015 2.571
6 0.265 0.553 0.906 1.134 1.440 1.943 2.447
7 0.263 0.549 0.896 1.119 1.415 1.895 2.365
8 0.262 0.546 0.889 1.108 1.397 1.860 2.306
9 0.261 0.543 0.883 1.100 1.383 1.833 2.262
10 0.260 0.542 0.879 1.093 1.372 1.812 2.228
11 0.260 0.540 0.876 1.088 1.363 1.796 2.201
12 0.259 0.539 0.873 1.083 1.356 1.782 2.179
13 0.259 0.538 0.870 1.079 1.350 1.771 2.160
14 0.258 0.537 0.868 1.076 1.345 1.761 2.145
15 0.258 0.536 0.866 1.074 1.341 1.753 2.131
16 0.258 0.535 0.865 1.071 1.337 1.746 2.120
17 0.257 0.534 0.863 1.069 1.333 1.740 2.110
18 0.257 0.534 0.862 1.067 1.330 1.734 2.101
19 0.257 0.533 0.861 1.066 1.328 1.729 2.093
20 0.257 0.533 0.860 1.064 1.325 1.725 2.086
21 0.257 0.532 0.859 1.063 1.323 1.721 2.080
22 0.256 0.532 0.858 1.061 1.321 1.717 2.074
23 0.256 0.532 0.858 1.060 1.319 1.714 2.069
24 0.256 0.531 0.857 1.059 1.318 1.711 2.064
25 0.256 0.531 0.856 1.058 1.316 1.708 2.060
26 0.256 0.531 0.856 1.058 1.315 1.706 2.056
27 0.256 0.531 0.855 1.057 1.314 1.703 2.052
28 0.256 0.530 0.855 1.056 1.313 1.701 2.048
29 0.256 0.530 0.854 1.055 1.311 1.699 2.045
30 0.256 0.530 0.854 1.055 1.310 1.697 2.042
40 0.255 0.529 0.851 1.050 1.303 1.684 2.021
50 0.255 0.528 0.849 1.047 1.299 1.676 2.009
60 0.254 0.527 0.848 1.045 1.296 1.671 2.000
120 0.254 0.526 0.845 1.041 1.289 1.658 1.980
n 12 13 14 15 16 17 18 19 20 21
a1 0.5475 0.5359 0.5251 0.515 0.5056 0.4968 0.4886 0.4808 0.4734 0.4643
a2 0.3325 0.3325 0.3318 0.3306 0.329 0.3273 0.3253 0.3232 0.3211 0.3185
a3 0.2347 0.2412 0.246 0.2495 0.2521 0.254 0.2553 0.2561 0.2565 0.2578
a4 0.1586 0.1707 0.1802 0.1878 0.1939 0.1988 0.2027 0.2059 0.2085 0.2119
a5 0.0922 0.1099 0.124 0.1353 0.1447 0.1524 0.1587 0.1641 0.1686 0.1736
a6 0.0303 0.0539 0.0727 0.088 0.1005 0.1109 0.1197 0.1271 0.1334 0.1399
a7 0.024 0.0433 0.0593 0.0725 0.0837 0.0932 0.1013 0.1092
a8 0.0196 0.0359 0.0496 0.0612 0.0711 0.0804
a9 0.0163 0.0303 0.0422 0.053
a10 0.014 0.0263
n 22 23 24 25 26 27 28 29 30 31
a1 0.459 0.4542 0.4493 0.445 0.4407 0.4366 0.4328 0.4291 0.4254 0.422
a2 0.3156 0.3126 0.3098 0.3069 0.3043 0.3018 0.2992 0.2968 0.2944 0.2921
a3 0.2571 0.2563 0.2554 0.2543 0.2533 0.2522 0.251 0.2499 0.2487 0.2475
a4 0.2131 0.2139 0.2145 0.2148 0.2151 0.2152 0.2151 0.215 0.2148 0.2145
a5 0.1764 0.1787 0.1807 0.1822 0.1836 0.1848 0.1857 0.1864 0.187 0.1874
a6 0.1443 0.148 0.1512 0.1539 0.1563 0.1584 0.1601 0.1616 0.163 0.1641
a7 0.115 0.1201 0.1245 0.1283 0.1316 0.1346 0.1372 0.1395 0.1415 0.1433
a8 0.0878 0.0941 0.0997 0.1046 0.1089 0.1128 0.1162 0.1192 0.1219 0.1243
a9 0.0618 0.0696 0.0764 0.0823 0.0876 0.0923 0.0965 0.1002 0.1036 0.1066
a10 0.0368 0.0459 0.0539 0.061 0.0672 0.0728 0.0778 0.0822 0.0862 0.0899
a11 0.0122 0.0228 0.0321 0.0403 0.0476 0.054 0.0598 0.065 0.0697 0.0739
a12 0.0107 0.02 0.0284 0.0358 0.0424 0.0483 0.0537 0.0585
a13 0.0094 0.0178 0.0253 0.032 0.0381 0.0435
a14 0.0084 0.0159 0.0227 0.0289
a15 0.0076 0.0144