UJI NORMALITAS

Di susun oleh:

Kelompok 1

Wanda Arianti 2004030098

Irmalia Futri 2004030107

Nurhajijah 2004030111

Sarmila 2004030113

Dosen pengampuh:

Arsyad, L S.Si.,M.Si

PROGRAM STUDI MANAJEMEN BISNIS SYARIAH

FAKULTAS EKONOMI DAN BISNIS ISLAM

INSTITUT AGAMA ISLAM NEGERI PALOPO

2023
UJI NORMALITAS

A. Pengertian Uji Normalitas

Uji normalitas adalah uji statistik yang di gunakan untuk menguji apakah data
yang di amati memiliki distribusi normal atau tidak. 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.
Uji normalitas berguna untuk menentukan data yang telah di kumpulkan
berdistribusi normal atau di ambil dari populasi normal. Berdasarkan pengalaman empiris
beberapa statistik, data yang banyaknya lebih dari 30 angka ( n > 30 ), maka sudah dapat
di asumsikan berdistribusi normal. Namun untuk memberikan kepastian sebaiknya di
gunakan uji normalitas. Karena belum tentu data yang lebih dari 30 bisa di pastikan
berdistribusi normal.
B. Teknik pengujian Normalitas Data
Uji Normalitas yang dapat digunakan diantaranya:
1. Chi Square (Uji Goodness of fit Distribution Normal)
Metode Chi-Square atau uji goodness of fit distribution normal ini menggunakan
pendekatan penjumlahan penyimpangan data observasi tiap kelas dengan nilai yang
diharapkan.
Persyaratan Metode Chi Square:
a. Data tersusun berkelompok atau dikelompokkan dalam tabel distribusi frekuensi.
b. Cocok untuk data dengan banyaknya angka besar ( n > 30 )
(𝒇𝟎−𝒇𝒉)𝟐
Rumus: x2 = ∑𝒌𝒊=𝟏 ( )
𝒇𝒉

Ket: x2 = chi squer

F0 = frekuensi observasi
fh = frekuensi yang diharapkan
2. Uji Kolmogorov Smirnov
Adalah pengujian normalitas yang banyak dipakai, terutama setelah adanya
banyak program statistik yang beredar. Kelebihan dari uji ini adalah sederhana dan
 tidak menimbulkan perbedaan presepsi diantara satu pengamat dengan pengamat
yang lain, yang sering terjadi pada uji normalitas dengan menggunakan grafik.
Persyaratan metode ini yaitu:
a. Data berskala intezrval atau ratio (kuantitatif)
b. Data tunggal/ belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.
Rumus:
Keterangan :
Xi = Angka pada data.
Z = Transformasi dari angka ke notasi pada distribusi normal.
FT = Probabilitas komulatif normal.
FS = Probabilitas komulatif empiris.
3. Metode Lilliefors
Menggunakan data dasar yang belum diolah dalam tabel distribusi frekuensi. Data
ditransformasikan dalam nilai Z untuk dapat dihitung luasan kurva normal sebagai
probabilitas komulatif normal.
Persyaratan metode ini yaitu:
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal/belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupunn kecil.

𝒙𝟏−𝒙
Rumus: Zt = 𝒔

Ket: xi = data/ nilai

X = rata – rata
S = standar deviasi

4. 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 metode ini yaitu:
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal/belum dikelompokkan pada tabel distribusi frekuensi
c. Data dari sampel random
𝟏
Rumus: T3 = 𝑫 [ ∑𝑲
𝒊=𝟏 𝒂𝒊 (xn-i+1 - xi) ]
2

Ket: D = berdasarkan rumus di bawah

At = koefisient test shapiro wilk
X a+i+1 = angka ke n-1+1 pada data
X1 = angka ke i pada data
Contoh soal:
Sebuah sampel berukuran 7 diambil secara random dari suatu populasi. Keenam nilai dari sampel
tersebut adalah sebagai berikut: 5 7 4 9 15 6 11. Dengan mengambil α = 5%, ujilah hipotesis
yang mengatakan bahwa sampel tersebut berasal dari populasi berdistribusi normal.