MAKALAH

“Uji Persyaratan Statistic Parametik; Uji Normalitas, Data: (Cara

Sederhana, Uji Kolmogrov dan Lillofors), dan Membaca Table T”

Dosen Pengampu: Robi Hendra, S. Pd., M. Pd.

Disusun Oleh Kelompok IV:

1. Mellyza Putri (I1A118026)
2. Lisa Wahyuningsih (I1A118038)

JURUSAN ILMU SEJARAH

FAKULTAS ILMU BUDAYA
UNIVERSITAS JAMBI
2020
 KATA PENGANTAR

Segala puji dan syukur penulis panjatkan kepada ALLAH SWT. Karena berkat
limpahan rahmat, taufik serta hidayah-Nya penulis dapat menyelesaikan makalah ini
dalam rangka memenuhi tugas kelompok mata kuliah Pengantar Antropologi yang di
berikan oleh dosen bapak Robi Hendra, S. Pd., M. Pd.
Akhirnya makalah ini dapat penulis selesaikan berkat bimbingan dan arahan dari
dosen pengampu yang memberikan bahan-bahan materi, dan kami mengucapkan terima
kasih ke semua pihak yang telah membantu.
Apabila dalam makalah ini banyak terdapat kekurangan, baik dari segi isi maupun
teknik penulisannya, untuk itu penulis mengharapkan kritik, saran dan bimbingan dari semua
pihak untuk perbaikan dimasa yang akan datang. Semoga makalah ini bermanfaat dan
berguna buat kita semua.

26 Oktober 2020

Penulis
 DAFTAR ISI

Kata Pengantar.....................................................................................i
Daftar Isi..............................................................................................ii

BAB I Pendahuluan
1.1 Latar Belakang.................................................................................................1
1.2 Rumusan Masalah............................................................................................1

BAB II Pembahasan
2.1 Pengertian Statistik Parametik.........................................................................2
2.2 Pengertian Uji Normalitas................................................................................3
2.3 Metode Chi Square...........................................................................................3
2.4 Metode Uji Lilliefors........................................................................................6
2.5. Uji Kolomogrov..............................................................................................8
2.6. Membaca Table T............................................................................................10

BAB III Penutup

3.1 Kesimpulan......................................................................................................12
3.2 Saran.................................................................................................................12

Daftar Pustaka........................................................................................................13
 BAB I
PENDAHULUAN

1.1. Latar Belakang

Statistik memiliki peran dalam mengkomunikasikan informasi Di abad ke-21 ini kita
mengalami keadaan yang disebut sebagai information overload dimana adanya internet
membuat kita terlalu banyak mendapatkan informasi. Kita harus selektif terhadap informasi
apa yang kita serap dan mana indormasi yang kita buang. Statistik memiliki kemampuan
untuk mengetahui apakah informasi yang kita ketahui relevan terhadap masalah yang kita
hadapi. Setiap mahasiswa memiliki satu set keterampilan tentang analisis data (rumus dan
prosedur) sehingga mereka bisa memahami literature eksperimental serta menganalisis
datanya sendiri. Statistika memiliki dampak nilai positif jangka panjang serta perkembangan
kair bagi seseorang yang telah pernah mempelajarinya.

1.2. Rumusan Masalah

Adapun rumusan masalah dalam makalah ini, diantaranya adalah:
1. Apakah pengertian dari Statistik Parametik ?
2. Apakah pengertian Uji Normalitas ?
3. Apakah metode yang digunakan Chi Square ?
4. Apakah metode Uji Lilliefors ?
5. Apakah itu Uji Kolomogrov ?
6. Bagaimana cara membaca Table T ?

1.3. Tujuan Penelitian

Adapun tujuan penelitian dalam makalah ini, diantaranya adalah:
1. Mengetahui pengertian dari Statistik Parametik.
2. Mengetahui pengertian Uji Normalitas.
3. Mengetahui metode yang digunakan Chi Square.
4. Mengetahui metode Uji Lilliefors.
5. Mengetahui itu Uji Kolomogrov.
6. Mengetahui cara membaca Table T.
 BAB II
PEMBAHASAN

2.1. Pengertian Statistik Parametik

Pengujian data melalui statistik parametrik disyarati dengan adanya sejumlah

anggapan-anggapan yang kuat yang mendasari penggunaanya. Manakala anggapan-anggapan
itu terpenuhi, pengujian-pengujian parametrik inilah yang paling besar kemungkinannya
untuk menolak H0 ketika H0 salah. Artinya, kalau data penelitian dianalisis secara tepat
dengan pengujian parametrik, pengujian tersebut akan lebih kuat dari pengujian mana pun
dalam hal penolakan terhadap H0 jika H0 salah. Oleh karenanya dalam penggunaan
pengujian statistik parametrik perlu dipenuhi beberapa unsur-unsur dari model pengujian
dengan statistik parametrik, diantaranya :

Objek pengamatan harus saling independen. Artinya pemilihan sembarang kasus dari
populasi untuk dimasukan dalam sampel tidak boleh menimbulkan bias pada kemungkinan-
kemungkinan bahwa kasus yang lain akan termasuk juga dalam sampel tersebut dan juga skor
yang diberikan pada suatu kasus tidak boleh mempengaruhi skor yang diberikan kepada
kasus lainnya. Objek pengamatan harus ditarik dari populasi yang berdistribusi normal.
Populasi-populasi di mana objek pengamatan ditarik harus memiliki varians yang sama.

Variabel-variabel yang terlibat harus setidaknya dalam skala interval, sehingga

memungkinkan digunakannya penanganan secara ilmu hitung terhadap skor-skornya
(menambah, membagi, menemukan rata-rata, dst)

Rata-rata populasi normal dan bervarians sama itu harus juga merupakan kombinasi
linier dari efek-efek yang ditimbulkan. Artinya, efek-efek itu harus bersifat penjumlahan.
(khusus dalam analisis varians atau uji F)

Contoh penggunaan statistik parametrik seperti pada uji t dan F, yang aplikasinya
banyak diterapkan semisal pada analisi regresi, path analisis, rancangan percobaan, analisis
faktor (CFA), struktural equation modeling (SEM), dll.
 2.2. Pengertian Uji Normalitas

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 dikumpulkan berdistribusi
normal atau diambil dari populasi normal. Metode klasik dalam pengujian normalitas suatu
data tidak begitu rumit. 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, untuk itu perlu suatu pembuktian. uji statistik
normalitas yang dapat digunakan diantaranya Chi-Square, Kolmogorov, Lilliefors.

2.3. Metode 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

Keterangan :
X2 = Nilai X2
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal dikalikan N
(total frekuensi) (pi x N)
N = Banyaknya angka pada data (total frekuensi)
Komponen penyusun rumus tersebut di atas didapatkan berdasarkan pada hasil transformasi
data distribusi frekuensi yang akan diuji normalitasnya, sebagai berikut:

Tabel Pembantu Uji Normalitas

Keterangan :
Xi = Batas tidak nyata interval kelas
Z = Transformasi dari angka batas interval kelas ke notasi pada distribusi normal
pi = Luas proporsi kurva normal tiap interval kelas berdasar tabel normal
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal dikalikan N
(total frekuensi) (pi x N)

a. Syarat Uji Chi-Square dalam Uji Normalitas

Persyaratan Metode Chi Square (Uji Goodness of fit Distribusi Normal)

a. Data tersusun berkelompok atau dikelompokkan dalam tabel distribusi frekuensi.

b. Cocok untuk data dengan banyaknya angka besar ( n > 30 )
c. Setiap sel harus terisi, yang kurang dari 5 digabungkan.
Signifikansi:
Signifikansi uji, nilai X2 hitung dibandingkan dengan X2 tabel (Chi-Square).
Jika nilai X2 hitung < nilai X2 tabel, maka Ho diterima ; Ha ditolak.
Jika nilai X2 hitung > nilai X2 tabel, maka maka Ho ditolak ; Ha diterima.
b. Contoh Uji Chi-Square dalam uji Normalitas
Diambil Tinggi Badan Mahasiswa Di Suatu Perguruan Tinggi Tahun 2010
Selidikilah dengan α = 5%, apakah data tersebut di atas berdistribusi normal ? (Mean =
157.8; Standar deviasi = 8.09)
Penyelesaian :
1. Hipotesis :
 Ho : Populasi tinggi badan mahasiswa berdistribusi normal
 H1 : Populasi tinggi badan mahasiswa tidak berdistribusi normal
2. Nilai α
Nilai α = level signifikansi = 5% = 0,05
3. Rumus Statistik penguji

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 rumus: |0,427 | < |5,991| ; Keputusan hipotesis: berarti Ho diterima, Ha

ditolak
7. Kesimpulan: Populasi tinggi badan mahasiswa berdistribusi normal α = 0,05.

2.4. Metode Uji Lilliefors

Uji normalitas digunakan untuk mengetahui penyebaran dari distribusi data, apakah
data menyebar secara normal atau tidak. Uji normalitas dengan pendekatan Liliefors disebut
uji pendekatan non parametik, hal ini dilakukan jika kelompok sampel yang digunakan dalam
sebuah penelitian diasumsikan kelompok kecil.

Misalnya, peneliti mempunyai data hasil tes sebagai berikut:

69 68 70 48 62 27 23 48 40 33 57 59

Langkah pengujiannya adalah sebagai berikut:

1. Menyusun data dari yang kecil sampai yang besar

2. Tentukan rata-rata ( X ) dan simpangan bakunya (S)
3. Semua nilai/data hasil tes dijadikan angka baku Z dengan pendekatan Z-Skor yaitu:

X−X
Z=
S

4. Misal data skor ke-1 = 23, X = 50,3 dan S = 16,5 maka Z skornya: (23-50,3) / 16,5 = -
1,65.
5. Hitung peluang dari masing-masing nilai Z menjadi F (Zi) dengan bantuan tabel distribusi
Z, dengan ketentuan sebagai berikut: Jika nilai Z negatif, maka dalam menentukan F (Zi)
nya adalah: 0,5 – luas daerah distribusi Z pada tabel. Contoh: Jika nilai Z = -1,65 maka
nilai F (Zi) adalah sebagai berikut: Luas daerah Z (-1,65) = 0,4505, maka F (Zi) = 0,5 –
0,4505 = 0,0495.
6. Menentukan proporsi masing-masing nilai Z menjadi S (Zi) dengan cara melihat
kedudukan nilai Z pada nomor urut sampel yang kemudian dengan banyak sampel.
Misalnya nilai Z yang berada pada nomor urut 4 dan banyaknya sampel 12, maka nilai S
(Zi) adalah 4 : 12 = 0,3333. Jika ada dua atau lebih nilai yang sama, maka untuk nilai Z
nya diambil noor urut yang paling besar. Contoh: Misalkan terdapat 2 nilai Z yang sama,
dan nilai tersebut berada pada urutan 5 dan 6; maka nilai S (Zi) untuk kedua nilai Z
tersebut adalah sama yaitu: 6 : 12 = 0,5000.
7. Hitung selisih antara F (Zi) – S (Zi) dan tentukan harga mutlaknya.
8. Ambilah harga mutlak yang paling besar diantara harga mutlak dari seluruh sampel yang
ada dan berilah tanda tertentu (Lo)
9. Tentukan Nilai Kritis L untuk Uji Liliefors dengan bantuan tabel L. Contoh: jika jumlah
sampelnya (n) = 12 dan α = 0,05, maka nilai L nya = 0,242.
10. Bandingkan nilai L tersebut dengan Nilai Lo untuk mengetahui diterima atau ditolak
hipotesisnya, dengan kriteria:
 Terima Ho jika Lo < Lα = Normal
 Tolak Ho jika Lo > Lα = Tidak Normal
 Contoh analisis perhitungan uji normalitas dengan pendekatan Uji Liliefors

Skor Z Skor
No F (Zi) S (Zi) F (Zi) – S (Zi)
(Xi) (Zi)
1 23 - 1,65 0,0495 0,0833 0,0388
2 27 - 1,41 0,0793 0,1667 0,0874
 3 33 - 1,05 0,1469 0,2500 0,1031
4 40 - 0,62 0,2676 0,3333 0,0657
5 48 - 0,14 0,4443 0,5000 0,0557
6 48 - 0,14 0,4443 0,5000 0,0557
7 57 0,40 0,6554 0,5833 0,0721
8 59 0,53 0,7019 0,6667 0,0352
9 62 0,71 0,7612 0,7500 0,0112
10 68 1,07 0,8577 0,8333 0,0244
11 69 1,13 0,8708 0,9167 0,0459
12 70 1,19 0,8830 1,0000 0,1170
X 50,3
S 16,5

Berdasarkan hasil perhitungan di atas, maka dapat diambil nilai harga mutlak yang paling
besar yaitu 0,1170. Dengan diketahui nilai kritis L untuk sampel (n) = 12 dan α = 0,05 adalah
0,242, maka dapat disimpulkan bahwa nilai Lo (0,1170) < Lα (0,242). Artinya hipotesis
diterima atau dengan kata lain data tersebut berdistribusi “NORMAL”.

2.5. Uji Kolomogrov

Langkah-langkah penyelesaian dan penggunaan rumus sama, namun pada signifikansi

yang berbeda. Signifikansi metode Kolmogorov-Smirnov menggunakan tabel pembanding
yaitu Tabel Kolmogorov Smirnov, sedangkan metode Lilliefors menggunakan tabel
pembanding yaitu Tabel Lilliefors.

Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
FT = Probabilitas komulatif normal
FS = Probabilitas komulatif empiris.

a. Syarat Kolmogorov Smirnov

Persyaratan Uji Kolmogorov Smirnov adalah:

a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.

b. Signifikansi Kolmogorov Smirnov

Signifikansi Uji Kolmogorov Smirnov antara lain dijelaskan di bawah ini:

Signifikansi uji, nilai |FT – FS| terbesar dibandingkan dengan nilai tabel Kolmogorov
Smirnov.
Jika nilai |FT – FS| terbesar <nilai tabel Kolmogorov Smirnov, maka Ho diterima ; Ha
ditolak.
Jika nilai |FT – FS| terbesar > nilai tabel Kolmogorov Smirnov, maka Ho ditolak ; Ha
diterima.

c. Contoh Kasus Rumus Kolmogorov Smirnov

Suatu penelitian tentang berat badan mahasiswa yang mengijkuti pelatihan kebugaran
fisik/jasmani dengan sampel sebanyak 27 orang diambil secara random, didapatkan data
sebagai berikut ; 78, 78, 95, 90, 78, 80, 82, 77, 72, 84, 68, 67, 87, 78, 77, 88, 97, 89, 97, 98,
70, 72, 70, 69, 67, 90, 97 kg. Selidikilah dengan α = 5%, apakah data tersebut di atas diambil
dari populasi yang berdistribusi normal ?

Penyelesaian :

1. Hipotesis
Ho : Populasi berat badan mahasiswa berdistribusi normal
H1 : Populasi berat badan mahasiswa tidak berdistribusi normal
2. Nilai α
Nilai α = level signifikansi = 5% = 0,05

3. Statistik Penguji
4. Derajat bebas
Df tidak diperlukan
3. Nilai tabel
Nilai Kuantil Penguji Kolmogorov, α = 0,05 ; N = 27 ; yaitu 0,254. Tabel Kolmogorov
Smirnov.
4. Daerah penolakan
Menggunakan rumus: | 0,1440 | < | 0,2540| ; berarti Ho diterima, Ha ditolak
5. Kesimpulan
Populasi tinggi badan mahasiswa berdistribusi normal α = 0,05.

2.6. Membaca Table T

Uji T ini sering digunakan untuk mengetahui apakah dalam model regresi variabel
independen (X1, X2,…..Xn) secara parsial berpengaruh signifikan terhadap variabel
dependen (Y). artinya dalam regresi tabel ini sering dijadikan sebagai patokan untuk
menentukan variabel maupun konstanta dari model yang didapat dari analisis regresi apakah
signifikan atau tidak.

Menentukan derajat bebas atau degree of freedom (df) dalam regresi

Dalam pengujian hipotesis untuk model regresi, derajat bebas ditentukan dengan rumus
Df = n – k
Dimana n = banyak observasi sedangkan k = banyaknya variabel (bebas dan terikat).
Namun, untuk pengujian lain misalnya uji hipotesis rata-rata dllnya rumus ini bisa berbeda.
Pada analisis regresi digunakan probabilitas 2 sisi, Misalnya dicari nilai Tabel distribusi t
dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan derajat kebebasan (df) n-k atau 18-3 = 15
(n adalah jumlah kasus dan k adalah jumlah variabel independen).
Dengan pengujian 2 sisi (signifikansi = 0,025) hasil diperoleh untuk t tabel sebesar 2,131 atau
dapat dicari di Ms Excel dengan cara pada cell kosong ketik =tinv(0.05,15) Kemudian tekan
Enter.
 BAB III
PENUTUP

3.1. Kesimpulan
Statistik Parametik merupakan ilmu statistik yang mempertimbangkan jenis sebaran
atau distribusi data, yaitu apakah data menyebar secara normal atau tidak. Uji Normalitas
merupakan sebuah uji yang dilakukan dengan tujuan untuk menilai sebaran data pada
sebuah kelompok data atau variabel, apakah sebaran data tersebut berdistribusi normal
ataukah tidak. Sedangkan Uji Lilliefors merupakan Uji normalitas digunakan untuk
mengetahui penyebaran dari distribusi data, apakah data menyebar secara normal atau
tidak.
 DAFTAR PUSTAKA

Anwar Hidayat https://www.statistikian.com/2013/01/uji-normalitas.html

https://www.statistikian.com/2013/01/rumus-lilliefors.html

https://www.statistikian.com/2013/01/rumus-kolmogorov-smirnov.html

http://www.portal-statistik.com/2014/05/cara-membaca-atau-melihat-tabel-t.html

Junaidi http://junaidichaniago.wordpress.com