STATISTIKA

PENDIDIKAN
DOSEN PENGAMPU : IBU SITI ULFA
NABILA,M.Mat.
 kelompok 8
Alfiya Azzahra 2111050169
Arief Wildan Kholis 2111050120
Julita 2111050137
 PEMBAHASAN

A. Definisi Uji
C.Uji Normalitas
Normalitas
Secara Grafik
B. Uji Normalitas
Secara Statistik.
A. DEFINISI UJI
NORMALITAS
 A. Definisi Uji Normalitas
Uji distribusi normal adalah uji untuk mengukur apakah data yang didapatkan memiliki
distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik
inferensial).
Dengan kata lain, uji normalitas adalah uji untuk mengetahui apakah data empirik
yang didapatkan dari lapangan itu sesuai dengan distribusi teoritik tertentu. Dalam
kasus ini, distribusi normal. Dengan kata lain, apakah data yang diperoleh berasal dari
populasi yang berdistribusi normal.
Data klasifikasi kontinue, data kuantitatif yang termasuk dalam pengukuran data
skala interval atau rasio, untuk dapat dilakukan uji statistik pengukuran data skala
interval atau rasio dan uji statistik parametrik dipersyaratkan berdistribusi normal.
 Uji tersebut perlu dilakukan uji normalitas terhadap data.
Pengujian normalitas dilakukan untuk mengetahui normal
tidaknya suatu distribusi data.
Hal ini penting diketahui berkaitan dengan ketepatan
pemilihan uji statistik yang akan dipergunakan. Uji
parametrik misalnya, mengisyaratkan data harus
berdistribusi normal.
Apabila distribusi data tidak normal maka disarankan
untuk menggunakan uji nonparametrik. Pengujian
normalitas ini harus dilakukan apabila belum ada teori yang
menyatakan bahwa variabel yang diteliti adalah normal.
Dengan kata lain, apabila ada teori yang menyatakan
bahwa suatu variabel yang sedang diteliti normal, maka
tidak diperlukan lagi pengujian normalitas data.
B. UJI NORMALITAS
SECARA STATISTIK
 1. Uji Normalitas Menggunakan Uji Liliefors

Aturan Menurut Sudjana (1996: 466), uji normalitas data

dilakukan dengan menggunakan uji Liliefors (Lo) dilakukan
B. Uji dengan langkah-langkah berikut. Diawali dengan penentuan
Normalitas taraf sigifikansi, yaitu pada taraf signifikasi 5% (0,05)
dengan hipotesis yang diajukan adalah sebagai berikut :
Secara Statistik H0 : Sampel berasal dari populasi yang berdistribusi normal
H1 : Sampel tidak berasal dari populasi yang
berdistribusi normal
Dengan kriteria pengujian :
Jika Lhitung < Ltabel terima H0, dan
Jika Lhitung > Ltabel tolak H0
Langkah-langkah pengujian normalitas adalah :
a. Data pengamatan x1, x2, x3, ..., xn dijadikan bilangan baku z1, z2, z3, ..., zn
dengan menggunakan
rumus (x_i-x ̅)/s (dengan x ̅ dan masing-masing merupakan rata-rata dan
simpangan baku)
b. Untuk setiap bilangan baku ini dengan menggunakan daftar distribusi
normal baku, kemudian
dihitung peluang F(z_i )= P(z<z_i )
c. Selanjutnya dihitung proporsi z1, z2, z3, ..., zn yang lebih kecil atau sama
dengan zi. Jika proporsi
Ini dinyatakan oleh S(zi) maka:
S(z_i )= (banyaknya z_1,z_2, z_3, …,z_n yang≤z_i)/n
d. Hitung selisih F(zi) – S(zi), kemudian tentukan harga mutlaknya.
e. Ambil harga yang paling besar di antara harga-harga mutlak selisih tersebut,
misal harga tersebut L0.
 2. Uji Kolmogorov Smirnov
Tes satu sampel Kolmogorov-Smirnov adalah
suatu tes goodness-of-fit. Artinya, yang
diperhatikan adalah tingkat kesesuaian antara
distribusi teoritis tertentu.
Tes ini menetapkan apakah sor-skor dalam
sampel dapat secara masuk akal dianggap berasal
dari suatu populasi dengan distributive tertentu itu.
 Misalkan suatu F0(X) = suatu fungsi distribusi frekuensi yang sepenuhnya
ditentukan, yakni distribusi kumulatif teoritis di bawah H0. Artinya untuk harga N
yang sembarang besarnya, Harga F0(X) adalah proporsi kasus yang diharapkan
mempunyai skor yang sama atau kurang daripada X.
Misalkan SN(X) = distribusi frekuensi kumulatif yang diobservasi dari suatu
sampel random dengan N observasi. Dimana X adalah sembarang skor yang
mungkin, SN(X) = k/N, dimana k = banyak observasi yang sama atau kurang dari X.
Di bawah Hopotesis-nol bahwa sampel itu telah ditarik dari distribusi teoritis tertentu,
maka diharapkan bahwa untuk setiap harga X, SN(X) harus jelas mendekati F0(X).
Artinya di bawah H0 kita akan mengharapkan selisih antara SN(X) dan F0(X) adalah
kecil, dan ada dalam batas-batas kesalahan random.
Tes Kolmogorov-Smirnov memusatkan perhatian pada penyimpangan (deviasi)
terbesar. Harga F0(X) - SN(X) terbesar dinamakan deviasi maksimum.
D= maksimum |F_0 (X)-S_N (X)|
Distribusi sampling D di bawah H0 diketahui. Tabel E pada lampiran memberikan harga-
harga kritis tertentu distribusi sampling itu. Perhatikanlah bahwa signifikasi suatu harga
D tertentu adalah bergantung pada N. Harga-harga kritis untuk tes-tes satu sisi belum
ditabelkan secara memadai.
 Prosedur pengujian Kolmogorov-Smirnov ini dilakukan
dengan langkah-langkah sebagai berikut

5. Lihat table E untuk menemukan

kemungkinan (dua sisi) yang
1.Tetapkanlah fungsi
3. Untuk tiap-tiap jenjang pada dikaitkan dengan munculnya
kumulatif teoritisnya, yakni distribusi kumulatif, harga-harga sebesar harga D
distribusi kumulatif yang kurangilah F0(X) dengan observasi di bawah H0 Jika p sama
SN(X). atau kurang dari α, tolaklah H0.
diharapkan di bawah H0.

2. Aturlah skor-skor yang diobservasi

dalam suatu distribusi kumulatif dengan 4. Dengan memakai rumus
memasangkan setiap interval SN(X) carilah D.
dengan interval F0(X) yang sebanding.
 3.Uji Chi Square
Metode Chi-Square atau X² untuk Uji Goodness of fit Distribusi
Normal menggunakan
pendekatan penjumlahan penyimpangan data observasi tiap kelas
dengan nilai yang
diharapkan. Uji Chi-square seringkali digunakan oleh para peneliti
sebagai alat uji
normalitas.
Rumus uji Normalitas dengan chi square yaitu :

Keterangan :
X² = Nilai X²
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval berdasarkan tabel normal
dikalikan N (total frekuensi)
N = Banyaknya angka pada data (total frekuensi)
 4. Jarque Bera
Uji Jarque Bera adalah salah satu uji normalitas jenis goodness of fit
test yang mana mengukur apakah skewness dan
kurtosis sampel sesuai dengan distribusi normal. Uji ini didasarkan
pada kenyataan bahwa nilai skewness dan kurtosis dari distribusi
normal sama dengan nol. Oleh karena itu, nilai absolut dari parameter
ini bisa menjadi ukuran penyimpangan distribusi dari normal.
Jarque Bera Test dinamakan sesuai dengan penemunya yaitu Carlos
Jarque dan Anil K. Bera. Rumus Jarque Bera (JB) dengan n sampel
adalah sebagai berikut:
 5. Uji Shapiro Wilk
Uji Shapiro Wilk adalah sebuah metode atau rumus 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. Metode Shapiro Wilk menggunakan data dasar
yang belum diolah dalam tabel distribusi
frekuensi.
Rumus
C. UJI NORMALISASI
SECARA GRAFIK
 C. Uji Normalitas Secara Grafik
Lakukan riset sendiri dan pelajari
lebih lanjut tentang alat online
Salah satu cara untuk menguji normalitas yaitu dengan analisis grafik histogram
dan paling
Normalandal yang
P-Plot. dapat
Namun Andagrafik memiliki kelemahan yaitu hasilnya tidak
analisis
dapat dipastikan
gunakan kebenarannya
untuk menghindariterutama
iklan apabila jumlah sampel dalam penelitian
kecil.
yang tidak diinginkan.
Untuk histogram, apabila grafik histogram menggambarkan pola distribusi yang
tidak menceng ke kanan dan ke kiri, tetapi tepat di tengah seperti bentuk lonceng
maka hasil tersebut menunjukkan bahwa data terdistribusi secara normal.
Untuk Normal P-Plot, normalitas dapat dideteksi dengan melihat penyebaran data
atau titik-titik pada sumbu diagonal dari grafik.
Cara yang digunakan untuk melakukan pengujian normalitas
data yaitu analisis grafik Histogram dan Pola Normal P-Plot.
Adapun hasil pengujian tersebut adalah sebagai berikut:
 Dengan melihat tampilan gambar grafik histogram
maupun grafik normal plot pada variabel dependen
return on asset (ROA) dan Tobins’Q, dapat
disimpulkan bahwa kedua grafik histogram
memberikan distribusi yang simetris.
Sedangkan pada grafik normal plot terlihat titik-
titik menyebar berhimpit di sekitar garis diagonal
dan hal ini menunjukkan bahwa data terdistribusi
secara normal.
Jadi, hasil dari kedua grafik tersebut baik pada
variabel dependen return on asset (ROA) dan
Tobins’Q seluruhnya menunjukkan bahwa model
regresi tidak menyalahi asumsi normalitas
THANK YOU!!!
Ada Yang Ingin
Ditanyakan?