ANALISIS DISTRIBUSI NORMAL, DISTRIBUSI NORMAL BAKU (Z), DAN

DISTRIBUSI t

Diajukan sebagai salah satu syarat untuk menyelesaikan tugas mata

kuliah Biostatistik Dasar Program Studi Ilmu
Kesehatan Masyarakat Fakultas Kesehatan Masyarakat Universitas Jember

Dosen Pengampu :
Dimas Bagus Cahyaningrat W. S.Si., M.Si

Disusun Oleh :
Kelompok 9 / Kelas C

Shinta Nur Azizah 222110101131

Mertha Angelina N. W. 222110101141

PROGRAM STUDI ILMU KESEHATAN MASYARAKAT

FAKULTAS KESEHATAN MASYARAKAT
UNIVERSITAS JEMBER
2023
 KATA PENGANTAR

Segala puji syukur penulis ucapkan kepada Tuhan Yang Maha Esa, berkat
rahmat dan hidayah-Nya penulis dapat menyelesaikan penyusunan makalah ini dengan
baik dan tepat pada waktunya.

Penulis mengucapkan terima kasih kepada Dimas Bagus Cahyaningrat W. S.Si.,

M.Si. selaku dosen pengampu mata kuliah Biostatistik Dasar yang senantiasa
membimbing dan mengarahkan penulis selama pelaksanaan mata kuliah ini.
Selanjutnya, penulis juga menyampaikan terimakasih kepada semua pihak yang terlibat
dan membantu kelancaran penulisan makalah ini. Karena penulis yakin tanpa bantuan
dan dukungan tersebut, sulit rasanya bagi penulis untuk menyelesaikan penulisan
makalah ini.

Penulis menyadari bahwa makalah ini masih jauh dari kata sempurna dan masih
banyak kesalahan baik dari segi tata bahasa maupun penulisannya. Maka dari itu,
dengan tangan terbuka penulis menerima kritik dan saran yang membangun dari
pembaca supaya makalah ini menjadi makalah yang lebih baik dan menambah
kemampuan serta wawasan kita semua terutama bagi penulis sendiri. Demikian, apabila
terdapat banyak kesalahan pada penulisan maupun dari segi tata bahasa makalah ini,
kami sebagai penulis memohon maaf yang sebesar-besarnya.

Jember, 27 April 2023

Penulis
 DAFTAR ISI

KATA PENGANTAR ...........................................................................................1

DAFTAR ISI...........................................................................................................2

BAB I PENDAHULUAN.......................................................................................3

1.1 Latar Belakang Masalah........................................................................

1.2 Rumusan Masalah................................................................................2

1.3 Tujuan....................................................................................................

BAB II HASIL DAN PEMBAHASAN.................................................................3

2.1 Distribusi Normal................................................................................3

2.2 Distribusi Normal Baku (Z).................................................................3

2.3 Distribusi t............................................................................................3

2.4 Uji Normalitas......................................................................................4

2.5 Jenis-Jenis Uji Normalitas...................................................................4

2.6 Uji Normalitas dengan SPSS...............................................................4

BAB III PENUTUP..................................................................................................

3.1Kesimpulan.............................................................................................

DAFTAR PUSTAKA...............................................................................................
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Sejarah awal dikenalnya distribusi normal terjadi pada abad ke 19. Pada abad
tersebut, pengukuran dalam statistika mengalami kemajuan yang pesat. Namun, para
ahli matematika menghadapi tantangan tentang fenomena variabilitas pengamat atau
interna yang berarti jika seseorang melakukan pengukuran secara berulang maka hasil
yang didapatkan akan berbeda-beda. Akar permasalahan yang dihadapi oleh para ahli
matematika tersebut adalah nilai mana yang dianggap paling valid dan tepat dari semua
pengukuran tersebut. Pada akhirnya, tercapai kesepakatan bahwa nilai yang dianggap
paling tepat adalah nilai rata-rata, sedangkan semua penyimpangan dari rata-rata
dianggap kesalahan atau error.
Distribusi normal pertama kali dikenalkan oleh Abraham de Moivre kemudian
dikembangkan dan dipopulerkan oleh Carl Fredreich Gauss. Oleh sebab itu, nama lain
dari distribusi normal ialah distribusi Gauss. Pada percobaan yang dilakukan berulang
kali oleh Gauss, ditemukan hasil yang paling sering yaitu nilai rata-rata. Kejadian
penyimpangan baik ke kanan atau ke kiri yang jauh dari nilai rata-rata tersebut, tidak
sering terjadi, bahkan dapat dikatakan semakin sedikit. Maka dari itu, apabila data
tersebut disusun akan terbentuk distribusi yang simetris. Distribusi probabilitas yang
hanya memiliki variable random kontinu ialah distribusi normal. Distribusi normal
memiliki dua peran yang penting. Peran pertama, distribusi normal mempunyai
beberapa sifat yang mungkin untuk dijadikan patokan ketika pengambilan suatu
keputusan yang didasarkan pada perolehan hasil sampel. Kegunaan dari pengukuran
sampel ini ialah untuk menafsirkan parameter populasi.
Peran kedua, distribusi normal masih berelasi dengan distribusi empiris, maka
semua kejadian alami dapat terbentuk karena adanya distribusi ini. Oleh sebab itu,
distribusi ini dikenal dengan distribusi normal dan grafik hasil distribusi ini disebut
kurva normal atau kurva gauss.

1.2 Rumusan Masalah

1. Apa itu distribusi normal, distribusi normal baku, dan distribusi t?
 2. Apa yang dimaksud dengan uji normalitas?
3. Apa saja jenis-jenis uji normalitas?
4. Bagaimana uji normalitas dengan SPSS?

1.3 Tujuan
1. Untuk mengetahui tentang distribusi normal, distribusi normal baku, dan
distribusi t.
2. Untuk mengetahui tentang uji normalitas.
3. Untuk mengetahui tentang jenis-jenis uji normalitas.
4. Untuk mengetahui cara menghitung uji normalitas menggunakan SPSS.
 BAB II
HASIL DAN PEMBAHASAN

2.1 Distribusi Normal, Distribusi Normal Baku (Z), dan Distribusi t

Distribusi normal adalah distribusi probabilitas kontinu yang paling signifikan di
semua statistik. Alat statistik penting untuk memperkirakan dan meramalkan
kejadian skala besar adalah distribusi normal. Grafik berbentuk lonceng, yang
dikenal sebagai kurva normal, yang terlihat pada Gambar 2.1, secara akurat
menangkap banyak kejadian yang muncul dalam sains, bisnis, dan penelitian.
Distribusi normal seringkali paling cocok untuk pengukuran fisik di bidang seperti
penyelidikan meteorologi, studi curah hujan, dan pengukuran komponen
manufaktur.
Di sisi lain, distribusi normal dapat dengan sangat akurat mewakili ketidakakuratan
dalam pengukuran ilmiah. Abraham de Moivre membuat penemuan matematis
kurva normal pada tahun 1733. Sebagian besar teori penalaran induktif didasarkan
pada hal
ini. Adapun beberapa sifat penting dari distribusi normal, diantaranya:
1) Kurva berbentuk lonceng dan simetris terhadap garis tegak 𝑥 = 𝜇
2) Kurva selalu berada di atas sumbu-x atau f(x)>0
3) Rataan, median, dan modus dari distribusi berhimpitan
4) Fungsi kepadatan peluang mencapai nilai maksimum di 𝑥 = 𝜇 sebesar 1 𝜎/√2𝜋
5) Luas daerah di bawah kurva f(x) dan di atas sumbu-x adalah 1, yaitu 𝑃(−∞ < 𝑥 < ∞)
= 1 6) Kurva distribusi normal secara asimtots mendekati sumbu-x pada ujung
ujungnya
Distribusi normal baku berawal dari terbentuknya tabel normal standar baku
akibat kesulitan penyusunan tabel untuk setiap nilai rata-rata (μ) dan standar deviasi
(σ). Kehadiran distribusi dengan nama lain distribusi Z ini menjadi standar
distribusi normal dengan nilai rata-rata = 0 dan standar deviasi = 1.
 Kurva di atas memiliki nilai Mean sebesar nol dan nilai Standar Deviasi sebesar
satu. Oleh karena itu, histogram ini membentuk Distribusi Normal Baku.
Distribusi teoritis lebih pendek dan datar daripada distribusi normal dan normal
baku. Distribusi ini memiliki nilai yang fleksibel disebabkan dapat menempati
seluruh titik. Penggunaan distribusi ini juga diperuntukkan pada estimasi statistik
yang lebih kecil (Junaidi, 2010). Ciri khas dari distribusi ini yaitu:
a) Bentuk kurvanya yang lonceng dengan titik puncak datar, dan luas wilayah
keseluruhan ialah 1.
b) Rata-ratanya bernilai 0.
c) Standar deviasi lebih besar dari distribusi normal.
Dalam distribusi teoritis terdapat derajat kebebasan yang ditentukan banyak
tidaknya
sampel sehingga berpengaruh pada nilai kritis. Yang menentukan derajat kebebasan
pada distribusi ini yaitu n-1.
2.2 Uji Normalitas
Uji normalitas adalah uji untuk mengukur apakah data atau sampel yang
diperoleh berasal dari populasi yang berdistribusi normal. Hal ini penting diketahui
berkaitan dengan ketepatan pemilihan uji statistik yang akan digunakan. Uji
parmetrik misalnya, mengisyaratkan data harus berdistribusi normal. Statistika
berupaya memelihara agar data yang diambil memiliki hasil yang berada pada nilai
rata-rata atau yang dapat disebut dengan istilah kewajaran. Dalam menguji
kewajaran tersebut, perlu ditempuh suatu pengujian normalitas (Matondang, 2012).
Pengunaan statistik parametris, bekerja dengan asumsi bahwa data setiap
variable penelitian yang akan dianalisis membentuk distribusi normal. Bila data
tidak normal, maka Teknik statistik parametris tidak dapat digunakan untuk
analisis. Sebagai gantinya digunakan Teknik statistik lain yang tidak harus
berasumsi bahwa data berdistribusi normal. Teknik statistik itu adalah statistik non
parametric. Perlu diingat bahwa apa yang menyebabkan data tidak berdistribusi
normal, misalnya ada kesalahan instrument dan pengumpulan data (Sugiyono,
2011).
2.3 Jenis-Jenis Uji Normalitas
 Ada beberapa cara yang dapat dilakukan dalam analisis normalitas data yaitu
Liliefors, Kolmogorof-smirnov, chi square, dan sebagainya.
1. Liliefors

Menurut Sudjana (1996: 466), uji normalitas data dilakukan dengan

menggunakan uji Liliefors (Lo). Diawali dengan penentuan taraf signifikansi, yaitu
pada taraf signifikansi 5% (0,05) dengan hipotesis yang diajukan:
H0 : Sampel berasal dari populasi yang berdistribusi normal.
H1 : Sampel tidak berasal dari populasi yang berdistribusi normal.
2. Kolmogorov-smirnov

Menurut Suliyanto (2011:75) uji normalitas menggunakan uji statistik

nonparametrik Kolmogorov-Smirnov merupakan uji menggunakan fungsi distribusi
kumulatif. Nilai residual terstandarisasi berdistribusi normal jika K hitung < K tabel
atau Sig. > alpha. Signifikasi yang digunakan pada metode Kolmogorov-smirnov
menggunakan table pembanding Kolmogorov-smirnov. Persyaratan mtode
Kolmogorov-smirnov:
a. Data tunggal atau belum diklompokkan dalam table frekuensi.
b. Dapat digunakan untun n besar dan n kecil, menurut Dahlan (2009) bahwa
metode Kolmogorov-smirnov cocok digunakan untuk data yang lebih dari 50
(Mitha & Hari, 2014).

Uji Kolmogorov-smirnov sangat sensitive dengan jumlah sampel, untuk jumlah

sampel yang besar uji Kolmogorov-smirnov cenderung menghasilkan uji yang
signifikan (yang artinya bentuk distribusi tidak normal). Atas dasar kelemahan ini
dianjurkan untuk mengetahuikenormalan data lebih baik menggunakan angka
skewness atau melihat grafik histogram dan kurve normal. Bila nilai skewness
dibagi standart errornya menghasilkan angka ≤ 2, maka distribusinya normal
(Hastono, S. 2006)

3. Chi square

Salah satu fungsi dari uji chi square adalah untuk kecocokak (goodness of fit).
Dalam uji kecocokan akan dibandingkan antara frekuensi hasil observasi dengan
frekuensi harapan/teoritis. Apakah frekuensi hasil observasi menyimpang atau tidak
 dari frekuensi yang diharapkan. Kesesuaian yang baik akan membawa pada
penerimaan Ho, dan kesesuaian yang buruk akan membwa pada penolakan H o.
Persyaratan uji menggunakan metode chi square: (Saputra, R. 2013)

a. Data tersusun berkelompok atau dikelompokkan dalam table frekuensi.

b. Data dengan n besar ( >30)
c. Setiap sel harus terisi, yang kurang dri 5 digabungkan.
4. Shapiro Wilk test

Metode atau rumusan perhitungan sebaran data yang dibuat oleh shapiro dan
wilk. Metode shapiro wilk adalah metode uji normalitas yang efektif dan valid
digunakan untuk sampel berjumlah kecil. Shapiro dan wilk dalam Razal dan Wah
(2011) menyampaikan jika uji Shapiro-wilk yang pada umumnya penggunaannya
terbatas untuk sampel yang kurang dari 50 agar menghasilkan keputusan yang
akurat. Metode Shapiro-wilk menggunakan data dasar yang belum diolah dalam
table distribusi frekuensi. Data diurut kemudian dibagi dalam 2 kelompok untuk
dikonversi dalam Shapiro-wilk.

2.6 Uji Normalitas dengan SPSS

Uji Normalitas adalah uji statistic yang dilakukan untuk mengetahui bagaimana
sebaran sebuh data. Cara uji normalitas dengan SPSS dpat dilihat dari hasil Uji
Shapiro Wilk, Kolmogorov-smirnov, Liliefors, Box Plot, Histogram, Stem Leaf, Q-
Q plot.
1. Langkah-langkah Pengujian
a. Buka lembar kerja/file deskriptif
b. Klik menu Analyze – Descriptive Statistic – Explore
 c. Klik Statistic

Pengisian:

1) Dependent list, masukkan variabel cholesterol.

2) Factor list, masukkan variabel group cholesterol.
d. Klik Plots

Pengisian:

1) Terlihat default dari SPSS yang memilih descriptives. Untuk keseragaman

biarkan saja pilihan tersebut (tidak usah diubah).
2) Tekan continue.
3) Pada Bloxplot pilih none.
4) Pada descriptive, tidak ada yang dipilih atau Stem and Leaf dideselct.
5) Tekan continue.
e. Pada pilihan display, pilih Both yang berarti baik statistic dan plots akan
digunakan
f. Tekan OK jika semua pengisian telah selesai
2. Analisis Output
 Tests of Normality

Group Kolmogorov-Smirnova Shapiro-Wilk

cholesterol Statistic df Sig. Statistic df Sig.

Latihan .122 10 .200* .984 10 .982

Cholesterol
Kontrol .108 10 .200 *
.974 10 .927

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Output ini menjelaskan hasil uji apakah distribusi data normal atau tidak.
Adapun pedoman pengambilan keputusan:
a. Nilai Sig. atau signifikansi atau nilai probabilitas < 0,05%, distribusi adalah
tidk normal.
b. Nilai Sig. atau signifikansi atau nilai probabilitas > 0,05%, distribusi adalah
normal.

Ada dua macam alat uji kenormalan distribusi data yang bisa digunakan yaitu:
a. Kolmogorov-smirnov dengan keterangan adalah sama dengan uji Liliefors
(lihat tanda ‘a’ dibawah table). Didapat baik untuk group control ataupun
Latihan, tingkat signifikansi diatas 0,05 (0,200 dan 0,200 lebih besar dari
0,05), maka bisa dikatakan distribusi kedua sampel normal.
b. Shapiro Wilk, baik untuk group control ataupun latihan, tingkat signifikansi
diatas 0,05 (0,927 dan 0,982 lebih besar dari 0,05), maka bisa dikatakan
distribusi cholesterol group Latihan dan control adalah normal.
c. Output untuk menguji normalitas dengan plot (Q-Q plot)
Normal Q-Q plot
 Pada gambar Q-Q plot untuk variable cholesterol baik group Latihan dan control
terlihat ada garis lurus dari kiri ke kanan atas. Garis itu berasal dari nilai z score.
Jika suatu berdistribusi normal maka data akan tersebar disekeliling garis. Terlihat
bahwa memang data tersebar disekeliling garis, kecuali ada satu data Latihan dan
satu data control yang keluar dari garis (outliner).
 BAB III
PENUTUP

Kesimpulan

Dalam kehidupan sehari-hari di zaman yang serba digital ini perlu adanya
pendistribusian data yang tepat. Oleh sebab itu, pengujian nilai-nilai data harus
dilakukan. Distribusi normal merupakan salah satu jenis pendistribusian yang tepat
karena bersifat kontinu pada data yang acak. Dalam melakukan pengujian normalitas
dengan menggunakan SPSS, perlu diperhatikan dengan teliti agar tidak pengujian
terbukti valid. Apabila terdapat kesalahan dalam penginputan data atau pada data itu
sendiri maka akan berakibat pada hasil uji normalitas yang tidak valid.
 DAFTAR PUSTAKA

https://id.scribd.com/document/453635931/TUGAS-BIOSTATISTISTIK-SPSS-UJI-
NORMALITAS-kls-A-klpk-2-1
Nuryadi, Tutut Dewi, Endang, M. Budiantara. Cetakan ke-1. Januari 2017. Dasar-Dasar
Statistik Penelitian. Bantul, Yogyakarta. SIBUKU MEDIA
SA Pratama, Rita Intan. 2021. Pengaruh Penerapan Standar Operasional Prosedur dan
Kompetensi Terhadap Produktivitas Kerja Karyawan Divisi Ekspor PT. Dua
Kuda Indonesia. Manajemen Unsurya. 43-Uji Normalitas
https://goldbook.iupac.org/terms/view/D01801
https://lmsspada.kemdikbud.go.id/mod/resource/view.php?id=72990
https://prodi4.stpn.ac.id/wpcontent/uploads/2020/2020/Modul/Semester%203/Modul
%0Statistik%202019/MODUL2DISTRIBUSI%20NORMAL%20DAN
%20STATISTIK%20INF.pdf