Nama : Ni Putu Devi Kristina

NIM : 2013021007

Kelas : 3A Pendidikan Fisika

Metode Statistika

Soal

Buatlah data fiktif dengan n=30 dan skala pengukuran 100. Ujilah apakah data-
data tersebut terdistribusi normal!
Pembahasan

1. Uji Chi Kuadrat

Perhatikan nilai ujian matematika untuk 30 siswa berikut:

80 85 70 65 90 95 80 70 70 75

55 85 70 70 60 90 90 75 60 70

70 90 90 85 85 75 60 100 85 80

Untuk membuat daftar distribusi frekuensi dengan panjang kelas yang sama
dilakukan langkah-langkah berikut:

1. Mengurutkan data dari yang terendah sampai tertinggi

55 60 60 60 65 70 70 70 70 70
70 70 75 75 75 80 80 80 85 85
85 85 85 90 90 90 90 90 95 100

2. Mencari range (R) = penyebaran/jangkauan, dengan rumus:

R = Xt – Xr
Keterangan:
R = range
Xt = nilai tertinggi
Xr = nilai terendah
 • R = Xt – Xr
R = 100- 55
R = 45
3. Tentukan banyaknya kelas yang diperlukan, misalnya 5 kelas atau 10 kelas
sesuai dengan keperluan. Cara lain dengan menggunakan aturan Sturges:
Banyaknya kelas (k) = 1 + 3,3 log n, di mana n = banyaknya data
Pada data di atas:
• k = 1 + 3,3 log 30
k = 1 + (3,3)(1,477)
k = 1 + 4,8745
k = 5,8745
Kita dapat membuat daftar dengan banyaknya 6 kelas
4. Tentukan panjang kelas interval (P)
Secara perkiraan ditentukan dengan aturan berikut:
𝑅
P = 𝑘 dimana R adalah Range/jangkauan dan k adalah banyaknya kelas
𝑅
• P=𝑘
45
P= = 7,5
6

P ( Panjang interval kelas) dapat diambil 8

Tabel 1.

Distribusi Frekuensi

Interval Kelas fi xi (fi.xi)

̅
𝒙𝒊 − 𝒙 (𝒙𝒊 − 𝒙)𝟐 f(𝒙𝒊 − 𝒙)𝟐
47 – 55 1 51 51
-26,1 681,21 681,21
56 – 64 3 60 180
-17,1 292,41 877,23
65 – 73 8 69 552
-8,1 65,61 524,88
74 – 82 6 78 468
0,9 0,81 4,86
 83 – 91 10 87 870
9,9 98,01 980,1
92 – 100 2 96 192
18,9 357,21 714,42

 30 2313
3782,7

• Menentukan nilai rata-rata atau median ( x )

x=
 f x
i i

f i

2313
x= = 77,1
30
• Mencari Standar Deviasi

∑ 𝑓(𝑥𝑖 − 𝑥̅ )2 3782,7
𝑆=√ =√ = 11,42
𝑛−1 29

Tabel 2.

Tabel Bantu Uji Chi Kuadrat

Batas z F(z) Luas tiap fe f0

Kelas (X) kelas
interval

46,5 -2,68 0,0037

55,5 -1,89 0,0294 0,0257 0,77 1 0,069

64,5 -1,10 0,1357 0,1063 3,19 3 0,011

73,5 -0,31 0,3783 0,2426 7,28 8 0,071

82,5 0,42 0,6628 0,2845 8,54 6 0,755

91,5 1,26 0,8962 0,2334 7,00 10 1,286

 100,5 2,05 0,9798 0,0836 2,51 2 0,104

 2,296

𝜒2 tabel (dk =6-2-1=3; α = 0,05) = 7,8147, 𝜒2hit < 𝜒2tab maka H0 diterima, maka
sampel berasal dari populasi yang berdistribusi normal.

2 2
Karena 𝑋ℎ𝑖𝑡𝑢𝑛𝑔 < 𝑋𝑡𝑎𝑏𝑒𝑙 = 2,30 < 7,81

Maka 𝐻0 berasal dari populasi data yang berdistribusi normal sehingga 𝐻0 dapat
diterima. Data berdistribusi normal.

2. Uji Lilifors

Tabel 3.

Tabel bantu mencari mean dan standar deviasi

No x 𝒇𝒂𝒃𝒔 𝒇𝒌𝒖𝒎 𝒇𝒂𝒃𝒔 𝒙 𝒇𝒂𝒃𝒔 𝒙𝟐

1 55 1 1 55 3025
2 60 3 4 180 10800
3 65 1 5 65 4225
4 70 7 12 490 34300
5 75 3 15 225 16875
6 80 3 18 240 19200
7 85 5 23 425 36125
8 90 5 28 450 40500
9 95 1 29 95 9025
10 100 1 30 100 10000

 2325 184075

1. Mencari mean dan standar deviasi

x=
f abs x
=
2325
= 77,5
n 30

 fx 2
( fx)2
184.075 5.405.625
SD = − = − = 11,58
(n − 1) n(n − 1) 29 870

• Tentukan nilai z dari tiap-tiap data itu

• Tentukan besar peluang untuk masing-masing nilai z berdasarkan tabel z

dan diberi nama F(z)

• Hitung frekuensi kumulatif relatif dari masing-masing nilai z dan sebut

dengan S(z) → Hitung proporsinya, kalau n = 20, maka tiap-tiap frekuensi
kumulatif dibagi dengan n. Gunakan nilai L0 yang terbesar.

• Tentkan nilai L0 = |F(z) – S(z)|, hitung selisihnya, kemudian bandingkan

dengan nilai Lt dari tabel Liliefors

• Jika L0 < Lt , maka H0 diterima, sehingga dapat disimpulkan bahwa

sampel berasal dari populasi yang berdistribusi normal.

Tabel 4.

Tabel bantu Uji Lilifors

x 𝒇𝒂𝒃𝒔 𝒇𝒌𝒖𝒎 Sz Fz − S z
No
z Fz
1 55 1 1 -1,94 0,0262 0,03 0,0038
2 60 3 4 -1,51 0,0655 0,13 0,0645
3 65 1 5 -1,08 0,1401 0,17 0,0299
4 70 7 12 -0,65 0,2578 0,4 0,1422
 5 75 3 15 -0,22 0,4329 0,5 0,0671
6 80 3 18 0,22 0,5671 0,6 0,0329
7 85 5 23 0,65 0,7422 0,77 0,0278
8 90 5 28 1,08 0,8599 0,93 0,0701
9 95 1 29 1,51 0,9345 0,97 0,0355
10 100 1 30 1,95 0,9744 1,00 0,0256

Dalam hal ini, diperoleh: L0 = 0,1422 < Lt = 0,187 (untuk dk = n = 30 pada taraf
signifikansi 5%), maka H0 diterima, yang berarti bahwa sampel berasal dari
populasi yang berdistribusi normal.

3. Uji Kolmogorov-Smirnov

Tabel 5.

Tabel bantu uji kolmogorov-smirnov

x 𝑓𝑎𝑏𝑠 𝑓𝑘𝑢𝑚 P KP A1 A2
No
z Fz
1 55 1 1 0,03 0,03 -1,94 0,0262 0,0262 0,0038
2 60 3 4 0,10 0,13 -1,51 0,0655 0,0355 0,0645
3 65 1 5 0,03 0,17 -1,08 0,1401 0,0101 0,0299
4 70 7 12 0,23 0,4 -0,65 0,2578 0,0878 0,1422
5 75 3 15 0,10 0,5 -0,22 0,4329 0,0329 0,0671
6 80 3 18 0,10 0,6 0,22 0,5671 0,0671 0,0329
7 85 5 23 0,17 0,77 0,65 0,7422 0,1422 0,0278
8 90 5 28 0,17 0,93 1,08 0,8599 0,0899 0,0701
9 95 1 29 0,03 0,97 1,51 0,9345 0,0045 0,0355
10 100 1 30 0,03 1,00 1,95 0,9744 0,0044 0,0256
Oleh karena A1 maksimum = 0,1422 < harga tabel D = 0,294 (lihat tabel D untuk
n = 30, = 0,2417 pada ts 5%), maka H0 diterima, sehingga dapat disimpulkan
bahwa sampel berasal dari populasi yang berdistribusi normal.

4. Uji Normalitas dengan SPSS

Tabel 6.

Keluaran SPSS

Descriptives
Statisti Std.
c Error
Nilai Ujian Mean 77,50 2,114
Matematika 95% Confidence Lower 73,18
Interval for Mean Bound
Upper 81,82
Bound
5% Trimmed Mean 77,50
Median 77,50
Variance 134,05
2
Std. Deviation 11,578
Minimum 55
Maximum 100
Range 45
Interquartile Range 16
Skewness -,089 ,427
Kurtosis -,806 ,833

Tabel 7.
Tests of Normality
 Kolmogorov-Smirnova Shapiro-Wilk
Statisti df Sig. Statisti df Sig.
c c
NILAI UJIAN ,141 30 ,129 ,959 30 ,294
MATEMATIKA
a. Lilliefors Significance Correction

Berdasarkan tabel 7, data nilai ujian matematika memiliki signifikansi hitung

0,129 ≥ 0.05 signifikansi tabel, maka bilangan statistik yang diperoleh tidak
signifikan, sehingga hipotesis nol diterima. Artinya, data sampel berasal dari
populasi yang berdistribusi normal.