UJI NORMALITAS DATA

Intan Karlina, S.S.T., M.Keb

Sarjana Kebidanan Alih Jenjang
Biostatistik Pertemuan ke 12
Untuk apa ?
Analisis Statistik
No. Jenis Masalah Statistik
Prioritas Alternatif
1. Deskriptif Numerik 1) Rerata, simpangan baku Median, nilai minimum - maksimum

2. Deskriptif Kategorik Frekuensi, persentase (proporsi) -

3. Analitik Komparatif Numerik Uji T Tidak Berpasangan Uji Mann-Whitney

Tidak Berpasangan 2 Kelompok 1)
4. Analitik Komparatif Numerik Uji One-way Anova Uji Kruskal-Wallis
Tidak Berpasangan > 2 Kelompok 1)
5. Analitik Komparatif Numerik Uji T Berpasangan Uji Wilcoxon
Berpasangan 2 Kelompok 1)
6. Analitik Komparatif Numerik Uji Repeated Anova Uji Friedman
Berpasangan > 2 Kelompok 1)
7. Analitik Komparatif Kategorik Uji Chi-square Uji Fisher
Tidak Berpasangan Uji Kolmogorov-Smirnov 2)
8. Analitik Komparatif Kategorik Uji McNemar, Uji Wilcoxon, -
Berpasangan Uji Cochran, Uji Friedman 3)

9. Analitik Korelatif 1) Uji Pearson Uji Spearman

10. Analitik Multivariat Numerik Regresi Linier -

11. Analitik Multivariat Kategorik Regresi Logistik -

1) Tergantung sebaran data

 Distribusi Normal
Disebut juga distribusi Gauss (Gaussian distribution)
Suatu poligon frekuensi yang sempurna secara teoritis, dimana mean, median, dan
modus tepat berada di tengah dan membentuk kurva yang menyerupai lonceng
simetris (symmetrical bell-shaped curve)
Misalkan terdapat kelompok data sbb : 1, 2, 3, 4, 5, 6, 6, 7, 7, 7, 8, 8, 8, 8, 9, 9
Contoh lain, terdapat kelompok data sbb : 2, 3, 3, 4, 4, 4, 5, 5, 5, 5, 6, 6, 6, 7,
7, 8

Mean = 5
Median = 5
Modus = 5
 • Distribusi ini adalah salah satu distribusi yang paling penting dalam statistik karena tiga
alasan :
Mengapa • Meskipun sebagian besar distribusi tidak sepenuhnya normal, banyak variabel
biologis dan tingkat populasi (seperti tinggi dan berat badan) cenderung memiliki

distribusi
distribusi yang mendekati normal.
• Banyak statistik inferensial berasumsi bahwa populasi terdistribusi secara normal.
• Kurva normal adalah distribusi probabilitas dan digunakan untuk menjawab

normal pertanyaan tentang kemungkinan mendapatkan berbagai hasil tertentu ketika

pengambilan sampel dari suatu populasi.
• Jadi, untuk fenomena yang berdistribusi normal, apabila kita mengetahui mean dan
penting ? deviasi standar (simpangan baku = standard deviation = SD) suatu populasi, kita dapat
menyimpulkan distribusi variabel untuk seluruh populasi tanpa mengumpulkan data apa
pun.
 Karakteristik

Sifat / ciri-ciri utama :

• berbentuk lonceng
• mean, median, dan modus sama
• simetris terhadap mean
• luas total di bawah kurva di atas
sumbu x sama dengan 1
• Garis dasar (baseline) kurva
normal diukur dalam satuan SD.
• Lambang untuk SD adalah σ
(sigma)
• Nilai 1 SD di atas mean dapat
dilambangkan dengan +1σ, dan
• nilai 1 SD di bawah mean
dapat dilambangkan dengan -1σ
• ± 1 SD mencakup 68,2 % dari
data
• ± 2 SD mencakup 95,4 % dari
data
• ± 3 SD mencakup 99,7 % dari
data
 • Sekelompok subjek penelitian memiliki distribusi berat
badan yang normal.
Mean berat badan pada kelompok tersebut adalah 80 kg
dan SD 5 kg.
• 1 SD di bawah mean adalah 80 – 5 = 75 kg.
Contoh • 1 SD di atas mean adalah 80 + 5 = 85 kg.
• ± 1 SD mencakup 68,2 % dari keseluruhan subjek, maka
68,2 % subjek memiliki berat badan antara 75 s.d. 85 kg.
• 95,4 % memiliki berat badan antara 70 s.d. 90 kg ( ± 2 SD )
• 99,7 % memiliki berat badan antara 65 s.d. 95 kg ( ± 3 SD )

© 2021 http://www.jarikecil.com 10
© 2021 http://www.jarikecil.com 11
 • Bila terdapat dua kelompok data yang memiliki mean
yang sama tetapi memiliki SD yang berbeda, berarti
kelompok data dengan SD yang lebih besar memiliki
penyebaran yang lebih lebar dibandingkan dengan
kelompok data dengan SD yang lebih kecil.
Tambahan ..
• Contoh :
tentang SD .. Bila sekelompok subjek penelitian lain memiliki mean berat
badan yang sama ( 80 kg ) namun memiliki SD hanya 3 kg,
maka 68,2 % subjek memiliki berat badan antara 77 s.d. 83
kg.

© 2021 http://www.jarikecil.com 12
 Contoh data
normalitas

© 2021 http://www.jarikecil.com 13
 Menilai Distribusi Data
(Normalitas)

© 2021 http://www.jarikecil.com 14
 Menilai Distribusi Data Secara Deskriptif

No. Parameter Kriteria Normal Keterangan

1. Koefisien Varians < 30 %
2. Rasio Skewness - 2 s.d. 2
3. Rasio Kurtosis - 2 s.d. 2
4. Histogram Simetris, tidak miring kiri maupun kanan, tidak
terlalu tinggi atau terlalu rendah
5. Box Plot Simetris, median tepat di tengah, tidak ada
outlier atau nilai ekstrim
6. Normal Q-Q Plots Data menyebar sekitar garis
7. Detrended Q-Q Plots Data menyebar sekitar garis pada nilai 0

© 2021 http://www.jarikecil.com 15
 Menilai Distribusi Data Secara Analitik

No. Parameter Kriteria Normal Keterangan

1. Uji Kolmogorov- p > 0,05 Besar sampel
Smirnov > 50
2. Uji Saphiro-Wilk p > 0,05 Besar sampel
 50

© 2021 http://www.jarikecil.com 16
Contoh Koefisien Varians, Rasio Skewness, Rasio Kurtosis

© 2021 http://www.jarikecil.com 17
Contoh Histogram
( Kriteria normal :
simetris, tidak
miring kiri maupun
kanan, tidak
terlalu tinggi atau
terlalu rendah )
 Contoh Boxplot
( Kriteria normal :
Simetris, median
tepat di tengah, tidak
ada outlier atau nilai
ekstrim )

© 2021 http://www.jarikecil.com 19
Contoh Q – Q Plot
( Kriteria normal : Data menyebar sekitar garis )
Contoh Detrended Q – Q Plot
( Kriteria normal : Data menyebar sekitar garis pada nilai 0 )
Contoh Uji Normalitas
( Kriteria normal : p > 0,05 )
Kepustakaan
• Plichta SB, Kelvin E. 2013. Munro's
Statistical Methods for Health Care
Research, 6th ed. Philadelphia :
Wolters Kluwer Health | Lippincott
Williams & Wilkins.
• Harris M, Taylor G. 2003. Medical
Statistics Made Easy. London :
Martin Dunitz.
• Dahlan MS. 2011. Statistik untuk
Kedokteran dan Kesehatan, Edisi ke-
5. Jakarta : Salemba Medika.
 Terimakasih

© 2021 http://www.jarikecil.com 24