Assalamu’alaikum

UJI NORMALITAS
Disusun oleh :
1. Yestri Hidayati (A1E011062)
2. Zera Nadiah Ferty (A1E011048)

Dosen Pembimbing :
Drs. Indra Sakti Lubis, M.Pd
Uji Normalitas
Uji normalitas data adalah uji yang dimaksudkan
untuk memperlihatkan bahwa data sampel berasal
dari populasi yang berdistribusi normal.
Sebelum kita melakukan analisis data dan untuk
menentukan uji yang cocok apakah akan
menggunakan uji statistik parametrik atau statistik
non parametrik, maka perlu dilakukan uji normalitas.
Kegunaan Uji Normalitas
Untuk menunjukkan bahwa data atau sampel yang
diambil berasal dari populasi yang berdistribusi
normal.
Sebagai dasar dalam mengkaji Statistika Parametik
dan Statistika Non Parametik.
Sebagai pedoman bahwa data atau sampel yang
diambil dapat mewakili data yang akan diolah.
Teknik Uji Normalitas
 Kertas Peluang Normal
 Uji Chi-Kuadrat
 Uji Liliefors
Kertas Peluang Normal
Metode kertas peluang normal membutuhkan kertas
grafik khusus yang disebut Kertas Peluang Normal.
 
Contoh Soal
Tabel distribusi Frekuensi Berat badan 140 siswa SMP N 1
Bengkulu

                                                                                               
 
Langkah-langkah
1. Buatlah daftar distribusi frekuensi kumulatif
berdasarkan sampel yang ada.
                                                                                               
2. Ubahlah menjadi daftar distribusi frekuensi kumulatif
kurang dari.
  
3. Data daftar distribusi frekuensi kumulatif kurang dari
ditampilkan dalam kertas peluang normal, dengan
sumbu x sebagai kelas interval dan sumbu y sebagai
angka kumulatifnya. Apabila gambarnya membentuk
garis lurus atau hampir lurus, maka sampel tersebut
                                                                                               
berasal dari populasi yang berdistribusi normal.
Gambar kertas peluang normal
sumbu y (angka kumulatif)

sumbu x (kelas interval)

Uji Chi-Kuadrat
Uji Chi Kuadrat adalah pengujian hipotesis mengenai
perbandingan antara frekuensi observasi/yg benar-
benar terjadi/absolut (f0) dengan frekuensi
harapan/ekspektasi (fe).
 Fo nilainya didapat dari hasil percobaan atau
berdasarkan data.
 Fe nilainya dapat dihitung secara teoritis (dengan
menggunakan rumus).
Kegunaan Uji Chi-Kuadrat
Uji Chi Square berguna untuk menguji hubungan
atau pengaruh dua buah variabel nominal dan
mengukur kuatnya hubungan antara variabel yang
satu dengan variabel nominal lainnya.
Contoh Soal
Data Nilai Ujian Statistika 80 orang mahasiswa (Buku
Diktat halaman 4)
Hipotesis :
H0 : Data pada sampel berasal dari populasi yang
berdistribusi normal
H1 : Data pada sampel berasal dari populasi yang tidak
berdistribusi normal
Syarat :
Jika χ2 hitung ≤ χ2 tabel, maka Ho diterima.
Jika χ2 hitung > χ2 tabel, maka Ho ditolak.
Langkah-langkah
1. Data sampel dikelompokkan dalam daftar distribusi
frekuensi absolut.
2. Tentukan batas interval atau batas kelas nya
dilambangkan dengan x.
Daftar distribusi frekuensi absolut
Tabel Uji Normalitas
X = 75,875 ~ 75,88 n = 80
S = 14,181 ~ 14,18

z
3. Tentukan nilai z dari masing-masing batas interval
itu.

Rumus : z =

dengan : z = skor baku

x = batas kelas
x = rata-rata
s = simpangan
4. Hitung besar peluang untuk tiap-tiap nilai z itu
dilambangkan dengan F(z) (berupa luas) berdasarkan
Tabel Distribusi Normal Baku.
5. Hitung besar peluang/luas untuk masing-masing kelas
interval(dilambangkan dengan d) didapatkan dari selisih
luas dari F(z).

6. Tentukan nilai Fe (Frekuensi harapan) untuk tiap kelas

interval sebagai hasil kali peluang/luas tiap kelas interval
(d) dengan n (ukuran sampel/banyak data)

Rumus : Fe = d x n
7. Gunakan rumus Chi-Kuadrat

=
Perhitungan :

χ2
8. Tentukan nilai χ2 berdasarkan Tabel Chi-Kuadrat
(Buku Sudjana hal.492)
Cara melihat tabel Chi-Kuadrat :
 Tentukan taraf signifikan (α), biasanya sering
digunakan taraf signifikan (α) 0,05.
 Tentukan nilai Df
Rumus : Df = k – 3
dengan k = Jumlah baris pada frekuensi
9. Bandingkan nilai x2 berdasarkan perhitungan dengan
χ2 berdasarkan tabel Chi-Kuadrat.

χ2 hitung = 9,08
χ2 tabel = 9,49
Ternyata χ2 hitung ≤ χ2 tabel, maka Ho diterima.
Jadi, data sampel berasal dari populasi yang
berdistribusi normal.
UJI 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.
Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi pada
distribusi normal
F(x) = Probabilitas komulatif normal
S(x) = Probabilitas komulatif empiris
 
PERSYARATAN
a. Data tunggal / belum dikelompokkan pada tabel distribusi
frekuensi
b. Dapat untuk n besar maupun n kecil.
 
SIGNIFIKANSI
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 .
 
Contoh :
Dari data berikut ; 2,3,3,4,4,4,4,5,5,5,5,5,5,6,6,6,6,7,7,8. Selidikilah dengan α =
5%, apakah data tersebut di atas diambil dari populasi yang berdistribusi normal ?
Rata-rata = 5 dengan s=1,49.

H0 : sample distribusi normal

H1 : sample distribusi tidak normal

langkah-langkah penyelesaian :
a. Urutkan data sampel dari kecil ke besar dan tentukan frekuensi tiap- tiap
data.
b. Tentukan nilai z dari tiap-tiap data itu.
c. Tentukan besar peluang untuk masing – masing nilai Z berdasarkan Table
Z, dan sebutkan dengan F(z)
d. hitung frekuensi kumulatif relatif dari masinng – msing nilai Z dan sebut
dengan S(z)
e. tentukan nilai L0 = IF(z) – S(z)l dan bandingkan dengan nilai Lt dari table
Liliefors (hal.467 buku sudjana)
f. apabila Lo< Lt maka sampel berasal dari populasi yang berdistribusi normal
Ambil Lo yang tertinggi. L0= 0,15.
dengan n=20. taraf nyata =0,05. dari daftar lilifers
(hal 467 buku sudjana) L=0,19
L0 < L sehingga hipotesis nol diterima,
kesimpulannya : populasi berdistribusi normal
 TERIMA KASIH

WASSALAMMU’ALAIKUM WR.WB