Uji Normalitas
Pengertian Uji Normalitas Uji Normalitas adalah sebuah uji yang dilakukan dengan
tujuan untuk menilai sebaran data pada sebuah kelompok data atau variabel, apakah sebaran data
tersebut berdistribusi normal ataukah tidak. Berdasarkan pengalaman empiris beberapa pakar
statistik, 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
1. uji grafik
2. Chi-Square
3. Kolmogorov Smirnov,
4. Lilliefors
5. Shapiro Wilk
Uji Grafik
•Uji metode grafik adalah dengan memperhatikan penyebaran data pada sumber diagonal
•Data dinyatakan berdistribusi normal apabila sebaran titik-titik berada disekitar garis dan
Metode Chi-Square atau 𝑋 2 untuk Uji Goodness of fit Distribusi Normal menggunakan
pendekatan penjumlahan penyimpangan data observasi tiap kelas dengan nilai yang diharapkan.
Metode Lilliefors
Metode Lilliefors menggunakan data dasar yang belum diolah dalam tabel distribusi
frekuensi. Data ditransformasikan dalam nilai Z untuk dapat dihitung luasan kurva normal
Metode Kolmogorov-Smirnov
langkah Penyelesaian dan penggunaan rumus sama,namun pada signifikansi yang berbeda.
PERSYARATAN
Metode Shapiro Wilk menggunakan data dasar yang belum diolah dalam tabel distribusi
frekuensi. Data diurut,kemudian dibagi dalam dua kelompok untuk dikonversi dalam Shapiro
Wilk. Dapat juga dilanjutkan transformasi dalam nilai Z untuk dapat dihitung luasan kurva
normal PERSYARATAN
Pengertian
• Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di
antara satu pengamat dengan pengamat yang lain, yang sering terjadi pada uji normalitas dengan
menggunakan grafik.
• Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan
distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku.
• Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-
• Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji
Catatan:
1. Uji beda
2. Uji hubungan
Kapan menggunakan uji beda atau uji hubungan?
penelitian.
Sekarang perhatikan:
Yang boleh di uji beda adalah dua hal yang sama? Sama sama nilai
matematika, tapi yang ditanya bedanya nilai matematika IPA 1 dan IPA 2.
Lalu yang diuji hubungan apa? Yang diuji hubungan adalah dua hal yang
Kenapa tidak boleh diuji beda kalimat “lama jam belajar dan nilai ujian?”
karena tanpa melakukan penelitian kita jelas tahu bahwa lama jam belajar dan
nilai matematika jelas dua hal yang berbeda, maka uji yang cocok adalah uji
hubunga.
Lalu jika ditanya “laki laki” dan “perempuan” ujinya uji beda atau uji
hubungan?
Jawabnya pasti jelas uji hubungan. Kenapa? Karena yang boleh diuji beda
Statisk mengajarkan kita untuk tidak pernah mencari perbedaan antara laki
• Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat
perbedaan yang signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi
bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang
signifikan dengan data normal baku, berarti data tersebut tidak normal.
Nilai signifikan pada kalimat diatas disimbolkan dengan huruf “p” yang
memberikan hasil yang tidak normal, maka kita tidak bisa menentukan
• Jadi ya kalau tidak normal, gunakan plot grafik untuk melihat menceng ke
kanan atau ke kiri, atau menggunakan Skewness dan Kurtosis sehingga dapat
Dicontoh berikut diberikan sebuah data penelitian, kita ingin mengetahui apakah data berikut
berdistribusi normal atau tidak?, dari banyak metode uji normalitas yang dapat diguanakan.
Cara menghitungn rata rata dan simpangan baku, silahkan dicek dengan cara yang sudah kita
pelajari.
Nomer 1
1. Buat Hipotesis
Catatan:
Karena kita mau melakukan uji normalitas, ingin mengetahui apakah datanya berdistribusi
normal atau tidak, maka yang kita anggap atau kita duga benar (yang bertindak sebagai H1)
adalah data berdistribusi tidak normal. Mengapa? Ingat penjelasan sebelumnya, bahwa
distribusi data itu ada banyak sekali, bias normal, poisson , binomial atau masih banyak
distribusi lain. Jadi logikanya kalau kita ambil data untuk penelitian dan datanya acak
kemungkinan berdistribusi normal kecil kan. Sehingga yang kita anggap benar atau yang kita
standardeviasi supaya cepat gunakan excel. Silahkan searching cara mencari standardeviasi
Cara mencari nilai Ft(xi) gunakan Microsoft excel. Perhatikan cara berikut. Ingat nilai koma
pada excel berbeda beda, ada yang menggunakan symbol titik ada yang menggunakan symbol
koma, silahkan dicoba di lapotop masing masing. Adapun symbol di laptop saya koma
Kemudian enter dan tarik. Sehingga diperoleh nilai Ft(xi) sebagai berikut
Nilai Fs(xi) diperoleh dari nilai fkum dibagi total data. Atau rumusnya bisa ditulis
f kum
Fs(xi) =
15
D maksimum didapat dengan memilih nilai terbesar pada kolom paling akhir.
Langkah selanjtnya melihat tabel Kolmogorov smirnov. Disingkat tabel KS. Kenapa α yang kita
gunakan 0.05? karena sudap disepakati bahwa peluang salah pada bidang pendidikan yang
diijinkan adalah 0,05. Maka α = 0,05. Dan banyak data atau n = 15.
table/
cara melihat tabel. Pada baris paling atas pilih α = 0,05 kemudian n adalah banyak data , n kita
Dhitung = 0,16643
Kesimpulanya terima H1
1. Susun frekuensi-frekuensi dari tiap nilai teramati, berurutan dari nilai terkecil sampai nilai
2. Konversikan frekuensi kumulatif itu ke dalam probabilitas, yaitu ke dalam fungsi distribusi
frekuensi kumulatif [S(x)]. Sekali lagi ingat bahwa, distribusi frekuensi teramati harus
merupakan hasil pengukuran variabel paling sedikit dalam skala ordinal (tidak bisa dalam
3. Hitung nilai z untuk masing-masing nilai teramati di atas dengan rumus z=(xi–x) /s. dengan
mengacu kepada tabel distribusi normal baku (tabel B), carilah probabilitas (luas area)
4. Susun Fs(x) berdampingan dengan Fo(x). hitung selisih absolut antara S(x) dan Fo(x) pada
5. .Statistik uji Kolmogorov-Smirnov ialah selisih absolut terbesar Fs(xi) dan Ft(xi) yang juga
sebesar itu (yaitu nilai D maksimum teramati) terjadi hanya karena kebetulan. Dengan
mengacu pada tabel D, kita lihat berapa probabilitas (dua sisi) kejadian untuk menemukan
nilai-nilai teramati sebesar D, bila Ho benar. Jika probabilitas itu sama atau lebih kecil dari
a, maka Ho ditolak