-1 0 +1

Kuswanto, 2007
 Uji Normalitas
 Untuk keperluan analisis selanjutnya,
dalam statistika induktif harus diketahui
model distribusinya
 Dalam uji hipotesis, diperlukan asumsi
distribusi gugus data, misalnya distribusi
normal
 Terdapat beberapa cara untuk menguji
normalitas suatu data
 Cara uji normalitas

 Uji dengan kertas peluang

 Uji dengan distribusi Chi Kuadrat
 Persentase data untuk distribusi
normal
 Uji Normalitas Liliefors  khusus
untuk statistika non-Parametrik
 Uji dengan kertas peluang
 Data contoh yang diambil dari populasi
disusun dalam daftar distribusi frekuensi
(Tabel Kiri)
 Kemudian, disusun distribusi komulatif
relatif kurang dari (Tabel Kanan).
Pembentukan daftar diambil batas-batas
kelas interval
 Selanjutnya, frekuensi komulatif relatif
digambarkan pada kertas grafik khusus
kertas peluang normal atau kertas
peluang (lihat contoh)
 Contoh soal
Contoh :
Data tentang nilai UMPT dari
320 orang peserta telah
dibuat daftar distribusi
frekuensi dan daftar
distribusi frekuensi kumulatif
relatif kurang dari, seperti
terlihat dibawah

Contoh kertas peluang

 Contoh analisis
Distribusi frekuensi Distribusi frekuensi kumulatif
Data f relatif kurang dari
Data f (%)
10 – 19 8
Kurang dari 9,5 0
20 – 29 19
Kurang dari 19,5 3,48
30 – 39 25
Kurang dari 29,5 11,74
40 – 49 37
Kurang dari 39,5 22,61
50 – 59 58
Kurang dari 49,5 38,70
60 -69 42
Kurang dari 59,5 63,91
70 – 79 23
Kurang dari 69,5 82,17
80 – 89 12 Kurang dari 79,5 92,17
90 – 99 6 Kurang dari 89,5 97,5
Jumlah 320 Kurang dari 99,5 100
 Menggambarkan tabel pada kertas
peluang
 Sumbu datar  skala
batas-batas atas, nilai
0,01 - 99%.
 Sumbu tegak  persen
kumulatif
 Gambarkan titik-titik yg
ditentukan oleh batas atas
dan frekuensi kumulatif
relatif
 Hasil  gambar
Titik-titik frekuensi kumulatif
 Interpretasi grafik
 Jika letak titik-titik pada
garis lurus atau hampir
lurus, maka
 Data (sampel) :
berdistribusi normal atau
hampir berdistribusi normal
 Populasi : berdistribusi
normal atau hampir
berdistribusi normal
 Jika titik-titik tsb sangat
menyimpang dari sekitar
garis lurus  tidak
Titik-titik frekuensi kumulatif
berdistribusi normal
 Uji dengan Chi-Kuadrat
 Sebelum dilakukan pengujian, perlu dihitung dahulu
frekuensi harapan (E = Expected) dan frekuensi
pengamatan (O=Observer)
 O diperoleh dari contoh pengamatan
 E diperoleh hasil kali n dengan peluang luas di bawah
kurva normal untuk interval yang bersangkutan
 Selanjutnya gunakan rumus Chi Kuadrat dengan derajad
bebas (db) = k - 3 dan taraf α
(O-E)
 χ² = ∑ -------------
E
Tabel frekuensi harapan dan pengamatan

Batas kelas Z untuk Luas interval Frekuensi Frekuensi

batas kelas kelas harapan (E) pengamatan O
139,5 -2,26
144,5 -1,64 0,0386 3,9 7
149,5 -1,03 0,1010 10,1 10
154,5 -0,41 0,1894 18,9 16
159,5 0,21 0,2423 24,2 23
164,5 0,83 0,2135 21,4 21
169,5 1,45 0,1298 13,0 17
174,5 2,06 0,0538 5,4 6
 Contoh
 Hasil pengukuran dan pengelompokan data terhadap tinggi 100
mahasiswa secara acak adalah sebagai berikut :

Tinggi (cm) Frek Setelah dihitung, diperoleh X̃ =157,8 cm dan s

= 8,09 cm.
140 – 144 7
145 – 149 10 Selanjutnya ditentukan batas untuk semua
kelas interval. Interval pertama dengan batas
150 – 154 16
139,5 dan 144,5 atau dalam angka standard z
155 – 159 23 adalah -2,26 dan -1,64. (Ingat, distribusi
160 – 164 21 normal baku Z = (x- μ)/σ)
μ)/σ
165 – 169 17 Luas dibawah kurva normal untuk interval
170 – 174 6 pertama yang dibatasi z -2,26 sampai -1,64
adalah P(-2,26 < Z < -1,64) = 0,0505 – 0,0119
Jumlah 100
= 0,0386
Maka frekuensi harapan 100 x 0,0386 = 3,9
Hasil penghitungan semua interval  tabel
 Berdasarkan rumus
chi-kuadrat, didapatkan :
 χ² = (7-3,9)²/3,9 + …+ (6-5,4)² = 4,27
 Karena jumlah kelas =7, maka db
untuk distribusi chi-kuadrat =7-3 =4
 Dari tabel χ²0,05(4) = 9,49 dan

χ²0,01(4) = 13,3
 Maka hipotesis tersebut berasal dari
distribusi normal : dapat diterima