PEMAIN 1 SKOR TERTINGGI 2500 PEMAIN 2

UJI NORMALITAS

KELOMPOK 2
 01 07 12

OUTLINE MATERI

Pengertian uji kegunaan uji macam-macam

normalitas normalitas teknik pengujian
 next level

PENGERTIAN UJI
NORMALITAS
 01 07 12

PENGERTIAN UJI PENGERTIAN menurut ahli

NORMALITAS Ghozali (2017:145)

menyatakan bahwa uji normalitas
bertujuan untuk menguji apakah
dalam model regresi, variabel
Uji Normalitas adalah sebuah uji yang dilakukan
pengganggu atau residual
dengan tujuan untuk menilai sebaran data pada sebuah
memiliki distribusi normal.
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
ke halaman agenda 01 07 12

Merumuskan hipotesis
Ho : data berdistribusi normal
ha : data tidak berdistribusi normal

PROSEDUR Menentukan nilai uji statistik

MENGHITUNG menetukan taraf nyata ( )

Menentukan kriteria pengujian

UJI hipotesis

NORMALITAS
memberikan kesimpulan
 01 07 12

—Untuk menunjukkan bahwa data atau

sampel yang diambil berasal dari

KEGUNAAN populasi yang berdistribusi normal.

—Sebagai dasar dalam mengkaji

UJI Statistika Parametik dan Statistika Non

Parametik.

NORMALITAS —Sebagai pedoman bahwa data atau

sampel yang diambil dapat mewakili data
yang akan diolah.
 MACAM-MACAM TEKNIK
PENGUJIAN UJI NORMALITAS
Uji Grafik

Chi-Square

UJI Kolmogorov
Smirnov
NORMALITAS

Lilliefors

Shapiro Wilk
 01 07 12

UJI NORMALITAS

UJI GRAFIK

Uji metode grafik adalah dengan

memperhatikan penyebaran data pada
sumber diagonal pada grafik normal
P-P Plot of Regression Standardized
Residual.
Data dinyatakan berdistribusi
normal apabila sebaran titik-titik
berada disekitar garis dan
mengikuti garis diagonal maka nilai
tersebut normal
 01 07 12

UJI NORMALITAS

Metode
Chi-Square
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.
Persyaratan Metode Chi Square (Uji Goodness of fit Distribusi Normal)
• Data tersusun berkelompok atau dikelompokkan dalam tabel distribusi
frekuensi.
• Cocok untuk data dengan banyaknya angka besar (n>30)
CONTOH SOAL
Diambil Tinggi Badan Mahasiswa Di Suatu Perguruan Tinggi Tahun 2010

Selidikilah dengan α = 5%, apakah data tersebut di atas

tinggi
jumlah berdistribusi normal ? (Mean = 157.8; Standar deviasi = 8.09)
badan
Penyelesaian :
140-144 7 1. Hipotesis :
Ho : Populasi tinggi badan mahasiswa berdistribusi normal
145-149 10 H1 : Populasi tinggi badan mahasiswa tidak berdistribusi normal
2. Nilai α
150-154 16 Nilai α = level signifikansi = 5% = 0,05
3. Rumus Statistik penguji
155-159 23

160-164 21

165-169 17

170-174 6

Jumlah 100
 CONTOH SOAL
Luasan pi dihitung dari batasan proporsi hasil tranformasi Z yang dikonfirmasikan dengan
tabel distribusi normal atau tabel z.

4. Derajat Bebas
Df = ( k – 3 ) = ( 5 – 3 ) = 2
5. Nilai tabel
Nilai tabel X2 ; α = 0,05 ; df = 2 ; = 5,991. Baca selengkapnya tentang Tabel Chi-Square.
6. Daerah penolakan
Menggunakan gambar

Menggunakan rumus: |0,427 | < |5,991| ; Keputusan hipotesis: berarti Ho diterima, Ha ditolak
7. Kesimpulan: Populasi tinggi badan mahasiswa berdistribusi normal α = 0,05.
 01 07 12

UJI NORMALITAS

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 sebagai probabilitas komulatif normal
PERSYARATAN
Data berskala interval atau ratio (kuantitatif)
Data tunggal/belum dikelompokkan pada tabel distribusi frekuensi
Dapat untuk n besar maupunn kecil

LANGKAH-LANGKAH UJI NORMALITAS DENGAN METODE LILLIEFORS

1. Tentukan hipotesis
Ho: Populasi mengikuti distribusi normal
H1: Populasi tidak mengikuti distribusi normal
2. Tentukan tingkat signifikansi
3. Menghitung statistik uji

L= nilai tertinggi dari perbedaan antara S(x) dan F(x)

1. Wilayah kritis:
2. Keputusan: Tolak Ho pada suatu taraf nyata tertentu jika uji statistik L
melebihi α yang ditunjukkan pada tabel Liliefors.
3. Kesimpulan
 UJI NORMALITAS

Metode KOLMOGOROV-
SMIRNOV
Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lilliefors. Langkah-
langkah Penyelesaian dan penggunaan rumus sama,namun pada signifikansi yang
berbeda. Signifikansi Metode Kolmogorov-Smirnov menggunakan tabel pembanding
Kolmogorov-Smirnov, sedangkan Metode Lilliefors menggunakan tabel pembanding
metode Lilliefors.
PERSYARATAN
Data berskala interval atau ratio (kuantitatif)
Data tunggal/ belum dikelompokkan pada tabel distribusi frekuensi
Dapat untuk n besar maupun n kecil.
 UJI NORMALITAS

LANGKAH-LANGKAH KOLMOGOROV-
SMIRNOV
1. Hipotesis
H0 : Data mengikuti distribusi tertentu
H1 : Data tidak mengikuti distribusi tertentu
2. Statistik Uji
Statistik uji menggunakan D, yaitu nilai maksimum dari F(Yi)-(i-1)/(N) atau (i-1)/(N)-F(Yi).
secara matematis dapat ditulis menjadi
D= max(1<i<N) (F(Yi)-(i-1)/(N),(i-1)/(N)-F(Yi))
dimana F(Yi​) adalah peluang distribusi kumulatif.
3.Kaidah Keputusan
Terima H0​jika nilai D kecil dari nilai DN,α​pada tabel Kolmogorov Smirnov (D<DN,α​).
Tolak H0​jika nilai jika nilai D sama atau lebih besar dari nilai DN,α​pada tabel Kolmogorov Smirnov
(DN​≥DN,α​).
4.Kesimpulan
Jika H0​diterima maka data mengikuti distribusi tertentu.
Jika H0​ditolak maka data tidak mengikuti distribusi tertentu.
 UJI NORMALITAS

metode SHAPIRO WILK

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
Data berskala interval atau ratio (kuantitatif)
Data tunggal/belum dikelompokkan pada tabel distribusi frekuensi
Data dari sampel random

KETERANGAN
D = Berdasarkan rumus di bawaha = Coeffisient test Shapiro Wilk
X n-i+1 = Angka ke n – i + 1 pada data
X i = Angka ke i pada data
 THANK YOU

GAME OVER