UJI NORMALITAS DATA

MK Probabilitas & Statistika 2

UNUJA PAITON
2018
Pendahuluan
 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.
Pendahuluan
 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
Smirnov, Lilliefors, & Shapiro Wilk.
Metode Chi Square Dalam Uji Normalitas

 UjiChi-square seringkali digunakan oleh

para peneliti sebagai alat uji normalitas.
 Metode Chi-Square menggunakan
pendekatan penjumlahan penyimpangan
data observasi tiap kelas dengan nilai
yang diharapkan.
 Distribusi chi square dilambangkan
dengan χ2.
Syarat Uji Chi-Square dalam Uji Normalitas

Persyaratan Metode Chi Square:

a. Data tersusun berkelompok atau

dikelompokkan dalam tabel distribusi frekuensi.
b. Cocok untuk data dengan banyaknya angka
besar ( n > 30 )
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.
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)
 Uji Kolmogorov Smirnov
 Uji Kolmogorov Smirnov adalah pengujian normalitas yang
banyak dipakai, terutama setelah adanya banyak program
statistik yang beredar.
 Selain reliable untuk sample besar (> 200), kelebihan dari
uji ini adalah sederhana dan tidak menimbulkan perbedaan
persepsi di antara 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. 
Uji Kolmogorov Smirnov
 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.
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.
Rumus Kolmogorov Smirnov

Keterangan :
 Xi = Angka pada data
 Z = Transformasi dari angka ke notasi pada distribusi
normal
 FT = Probabilitas komulatif normal
 FS = Probabilitas komulatif empiris.
Signifikansi Uji Kolmogorov
 Jika signifikansi di atas 0,05 maka berarti tidak terdapat
perbedaan yang signifikan antara data yang akan diuji
dengan data normal baku.
 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.
Metode Saphiro 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.
Syarat Uji Shapiro Wilk

Syarat dari uji shapiro w adalah sebagai berikut:

a. Data berskala interval atau ratio (kuantitatif)

b. Data tunggal / belum dikelompokkan pada tabel
distribusi frekuensi
Uji Shapiro Wilk

Keterangan:
 D = Lihat rumus di bawah
 a = Coeffisient test Shapiro Wilk
 X n-i+1 = Angka ke n – i + 1 pada data
 X i = Angka ke i pada data
Rumus D

Keterangan:
 Xi = Angka ke i pada data yang
 X = Rata-rata data
Signifikansi

 Signifikansi dibandingkan dengan tabel Shapiro

Wilk. Signifikansi uji nilai T3 dibandingkan
dengan nilai tabel Shapiro W, untuk dilihat posisi
nilai probabilitasnya (p).

 Jika nilai p > 5%, maka Ho diterima ; Ha ditolak

 Jika nilai p < 5%, maka Ho ditolak ; Ha diterima.

.
Metode Lilliefors
 Metode Lilliefors menggunakan data dasar yang
belum diolah dalam tabel distribusi frekuensi.
 Data ditransformasikan dalam nilai Z untuk
dapat dihitung luasan kurva normal sebagai
probabilitas komulatif normal.
 Probabilitas tersebut dicari bedanya dengan
probabilitas kumulatif empiris. Beda terbesar
dibanding dengan tabel Lilliefors.
Uji Lilliefors

Keterangan :
 Xi = Angka pada data
 Z = Transformasi dari angka ke notasi pada distribusi
normal
 F(x) = Probabilitas komulatif normal
 S(x) = Probabilitas komulatif empiris
Syarat Uji Lilliefors

a. Data berskala interval atau ratio (kuantitatif)

b. Data tunggal / belum dikelompokkan pada tabel
distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.
Signifikansi Uji Lilliefors

 Signifikansi uji, nilai | F (x) – S (x) | terbesar

dibandingkan dengan nilai tabel Lilliefors.
 Jika nilai | F (x) – S (x) | terbesar < nilai tabel
Lilliefors, maka Ho diterima ; Ha ditolak.
 Jika nilai | F(x) – S(x) | terbesar > dari nilai tabel
Lilliefors, maka Ho ditolak ; Ha diterima.