1.

Uji Normalitas dengan metode kolmogrov

a. Pengertian
Uji Normalitas dengan metode Kolmogrov merupakan pengujian yang banyak
dipakai, terutama setelah adanya banyak program statistik yang beredar.
Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan
persepsi diantara satu pengamat dengan pengamat yang lain, yang sering terjadi
pada uji normalitas dengan menggunakan grafik . Konsep dasar dari uji
normalitas Kolmogorov Smirnov adalah dengan membandingkan distribusi data
(yang akan diuji normalitasnya) dengan distribusi normal baku. Distribusi normal
baku adalah data yang telah ditransformasikan ke dalam bentuk Z-Score dan
diasumsikan normal. Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda
antara data yang diuji normalitasnya dengan data normal baku. Seperti pada uji
beda biasa, jika signifikansi di bawah 0,05 berarti terdapat perbedaan yang
signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi perbedaan yang
signifikan. Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika
signifikansi di bawah 0,05 berarti data yang akan diuji mempunyai perbedaan
yang signifikan dengan data normal baku, berarti data tersebut tidak normal.
kelemahan dari Uji Kolmogorov Smirnov, yaitu bahwa jika kesimpulan kita
memberikan hasil yang tidak normal, maka kita tidak bisa menentukan
transformasi seperti apa yang harus kita gunakan untuk normalisasi. Jadi ya kalau
tidak normal, gunakan plot grafik untuk melihat menceng ke kanan atau ke kiri,
atau menggunakan Skewness dan Kurtosis sehingga dapat ditentukan transformasi
seperti apa yang paling tepat dipergunakan
b. Langkah-Langkah
1) Susun frekuensi-frekuensi dari tiap nilai teramati, berurutan dari nilai terkecil
sampai nilai terbesar. Kemudian susun frekuensi kumulatif dari nilai-nilai
teramati itu.
2) Konversikan frekuensi kumulatif itu ke dalam probabilitas, yaitu ke dalam
fungsi distribusi frekuensi kumulatif [S(x)]. Sekali lagi ingat bahwa, distribusi
frekuensi teramati harus merupakan hasil pengukuran variabel paling sedikit
dalam skala ordinal (tidak isa dalam skala nominal).
3) Hitung nilai z untuk masing-masing nilai teramati di atas dengan rumus
z=(xi–x) /s. dengan mengacu kepada tabel distribusi normal baku (tabel B),
carilah probabilitas (luas area) kumulatif untuk setiap nilai teramati. Hasilnya
ialah sebagai Fo(xi).
4) Susun Fs(x) berdampingan dengan Fo(x). hitung selisih absolut antara S(x)
dan Fo(x) pada masing-masing nilai teramati.
5) Statistik uji Kolmogorov-Smirnov ialah selisih absolut terbesar Fs(xi) dan
Ft(xi) yang juga disebut deviasi maksimum D .
6) Dengan mengacu pada distribusi pencuplikan kita bisa mengetahui apakah
perbedaan sebesar itu (yaitu nilai D maksimum teramati) terjadi hanya karena
kebetulan. Dengan mengacu pada tabel D, kita lihat berapa probabilitas (dua
 sisi) kejadian untuk menemukan nilai-nilai teramati sebesar D, bila Ho benar.
Jika probabilitas itu sama atau lebih kecil dari a, maka Ho ditolak
c. Contoh
Berikut ini usia mulai haid pada sejumlah wanita diambil sampel sebanyak 18
orang dengan distribusi sebagaimana tersaji pada tabel berikut :
Usia mulai haid (tahun) frekuensi
10 3
11 4
12 6
13 2
14 1
15 1
16 1
Ujilah hipotesis nol yang menyatakan bahwa ini berasal dari suatu populasi berdistribusi normal,
jika diketahui bahwa pada popuasi, rata-rata usia mulai haid =12, dengan SD = 50
Hipotesis yang diuji dinyatakan sebagai berikut (dua sisi):
Ho : Kedua sampel berasal dari populasi dengan distribusi yang sama
Ha : Kedua sampel bukan berasal dari populasi dengan distribusi yang sama
Penyelesaian :
Langkah-langkah menghitung nilai-nilai S(xi) dan Fo(xi):
Umur Frek Frek S(x) z= z tabel Fo(x) D

( )
(x) Kumulati Frek . kom x−x (0,5 – z [s(x) –
f ∑ Frek SD tabel) fo(x)]
10 3 3 0,1667 -0,04 0,0160 0,4840 0,3173
11 4 7 0,3889 -0,02 0,0080 0,4920 0,1031
12 6 13 0,7222 0 0.0000 0,0000 -0,7222
13 2 15 0,8333 0,02 0,0080 0,4920 -0,3414
14 1 16 0,8889 0,04 0,0160 0,4840 -0,4049
15 1 17 0,9444 0,06 0,0239 0,4761 -0,4683
16 1 18 1,0000 0,08 0,0319 0,4681 -0,5319
Untuk memeperoleh nilai-nilai Fo(x), pertama-tama yang dilakukan adalah mengkonversikan
setiap nilai x teramati menjadi nilai unit variabel normal yang disebut z. Sedang z=(xi–x) /s. dari
tabel distribusi kumulatif normal baku (Tabel B), kita temukan luas area dari minus tak terhingga
sampai z. luas area tersebut memuat nilai-nilai Fo(x). Selanjutnya kita hitung statistik uji D, dari
sekian banyak nilai D ternyata statistik uji D maksimum adalah = 0,7222. Selanjutnya nilai
tersebut dibandingkan dengan nilai D tabel (Tabel Kolmogorv-Smirnov).
 SAMPLE LEVEL OF SIGNIFICANCE FOR D = MAXIMUM [F o (X) - Sn (X)]
SIZE SIGNIFIKANSI UNTUK TINGKAT D=MAKSIMUM [F o (X) - Sn (X)]

(N) 0.20 0.15 0.1 0.05 0.01

1 0.900 0.925 0.950 0.975 0.995
2 0..684 0.726 0.776 0.842 0.929
3 0.565 0.597 0.642 0.708 0.828
4 0.494 0.525 0.564 0.624 0.733
5 0.446 0.474 0.510 0.565 0.699
6 0.410 0.436 0.470 0.521 0.618
7 0.381 0.405 0.438 0.486 0.577
8 0.368 0.381 0.411 0.457 0.543
9 0.339 0.360 0.388 0.432 0.514
10 0.322 0.342 0.368 0.410 0.490
11 0.307 0.326 0.352 0.391 0.468
12 0.295 0.313 0.338 0.375 0.450
13 0.284 0.302 0.325 0.361 0.433
14 0.274 0.292 0.314 0.349 0.418
15 0.266 0.283 0.304 0.338 0.404
16 0.258 0.274 0.295 0.328 0.392
17 0.250 0.266 0.286 0.318 0.381
18 0.244 0.259 0.278 0.309 0.371
19 0.237 0.252 0.272 0.301 0.363

Keputusan:
Dari tabel D diatas, dengan n =18 dan α (dua sisi) = 0,05 kita dapatkan nilai tabel 0,309. Karena
0,722 > 0,309, maka Ho ditolak, maka kita simpulkan bahwa sampel yang berasal dari populasi
tidak dengan distribusi normal.sa
2. Uji Normalitas dengan metode Saphiro Wilk
a. Pengertian
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.
b. Langkah-Langkah
1. Klik Analyze > Descriptive Statistics > Explore...
2. Masukkan variabel yang dilakukan pengujian normalitas pada jendela
Explore
Masukkan variabel dilakukan pengujian ke kolom Dependent List. Kita juga
dapat memasukkan variabel ke Factor List untuk melakukan pengujian
berdasarkan kriteria tertentu, misalnya uji normalitas data yang dibedakan
berdasarkan jenis kelamin.

3. Klik Plots.. pada jendela Explore dan centang Normality plot with tests
 o Boxplots: Untuk membuat Boxplot data
o Descriptive: Untuk melakukan analisis deskriptif serta membuat grafik
Steam-and-leaf atau histogram (centang jika diperlukan)
o Normality plots with tests: untuk melakukan pengujian normalitas

4. Klik Continue lalu klik OK

5. Hasil pengujian ditampilkan pada jendela output

c. Contoh
Berdasarkan data usia sebagian balita yang diambil sampel secara random dari
posyandu Mekar Sari Wetan sebanyak 24 balita, didapatkan data sebagai berikut :
58, 36, 24, 23, 19, 36, 58, 34, 33, 56, 33, 26, 46, 41, 40, 37, 36, 35, 18, 55, 48, 32,
30 27 bulan. Selidikilah data usia balita tersebut, apakah data tersebut diambil dari
populasi yang berdistribusi normal pada α = 5% ?
Penyelesaian
Cara membaca atau penyelesaiannya adalah:
1. Hipotesis
 Ho : Populasi usia balita berdistribusi normal
 H1 : Populasi usia balita tidak berdistribusi normal
2. Nilai α

 Nilai α = level signifikansi = 5% = 0,05

3. Rumus statistik penguji

Langkah pertama dihitung nilai D, yaitu:

Langkah berikutnya hitung nilai T, yaitu:

 Rumus T Shapiro W

4. Derajat bebas

Db = n

5. Nilai tabel

Pada tabel Saphiro Wilk dapat dilihat, nilai α (0,10) = 0,930 ; nilai α (0,50) =
0,963

6. Daerah penolakan

Nilai T3 terletak diantara 0,930 dan 0,963, atau nilai p hitung terletak diantara
0,10 dan 0,50, yang diatas nilai α (0,05) berarti Ho diterima, Ha ditolak

7. Kesimpulan

Sampel diambil dari populasi normal, pada α = 0,05. Cara lain setelah nilai T3
diketahui dapat menggunakan rumus G, yaitu :
 Rumus G. Hasil nilai G merupakan nilai Z pada distribusi normal, yang
selanjutnya dicari nilai proporsi (p) luasan pada tabel distribusi normal
(lampiran). Berdasarkan nilai G = -1,2617, maka nilai proporsi luasan =
0,1038. Nilai p tersebut di atas nilai α = 0,05 berarti Ho diterima Ha ditolak.
Data benar-benar diambil dari populasi normal.

Daftar pustaka
Nuryadi,2017, Dasar-dasar statistik peneltian,Sibuku media;yogyakarta
Widana wayan,2020,Uji persyaratan analisis,Klik media;jawa timur