Uji Normalitas

ANDIK PRATAMA,SE.,ME.
Definisi dan Manfaat

 Definisi
 Uji normalitas data adalah uji yang dimaksudkan untuk
memperlihatkan bahwa data sampel berasal dari populasi yang
berdistribusi normal.
 Manfaat
 Untuk menunjukkan bahwa data atau sampel yang diambil berasal
dari populasi yang berdistribusi normal.
 Sebagai pedoman bahwa data atau sampel yang diambil dapat
mewakili data yang akan diolah.
Teknik Uji Normalitas

 Uji Kolmogorov – Smirnov

 Uji Chi Square
 Uji Liliefors
Kelebihan

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.
 Distribusinormal baku adalah data yang telah
ditransformasikan ke dalam bentuk Z-Score dan
diasumsikan normal.
 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.

p < 0,05  distribusi data tidak normal

p ≥ 0,05  distribusi data 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.
Rumus Manual

 Contoh Soal
 Berikut merupakan data dari nilai siswa:
 50 , 40 , 50, 60 , 70, 70, 60, 90, 90, 100, 70, 70, 80,
80, 60, 80
 Rata2 = 70
 Std. Dev = 16,3
 Langkah 1 (Buatlah Tabel)

No X Frekuensi f(X) F(X) Z F(Z) D=F(X)-

F(Z)
1 40 1 0,0625 0,0625 -1,837 0,033 0,0295
2 50 2 0,125 0,1875 -1,224 0,1056 dst
3 60 3 0,1875 0,3125 -0,625 -
4 70 4 0,25 0,4375 - - -
5 80 3 - - - - -
6 90 2 - - - - -
7 100 1 - - - - -
Cara Hitung

 Menghitung probabilitas f(Xi)

 Rata – rata = 70 dan std. Dev = 16,3
 Probabilitas untuk nilai X = 40 adalah frekuensi/std. Dev.
 1/16 = 0,0625 ; 2/16 = 0,125 dst...
 Menghitung probabilitas kumulatif F(X)
 Nilai dari F(40) = 0,0625
 Nilai dari F(50) = f(x < 50) = f(40) + f(50)
 0,0625+0,125 = 0,1875 dst..
 Mentransformasi nilai menjadi nilai normal terstandarisasi

Mentransformasikan Xi ke dalam nilai normal Zi

Rata - rata
 Menghitung F(Z)
lihat tabel distribusi
normal kumulatif Z
 Contoh : Probabilitas
kumulatif (lihat nilai
Z) berdasarkan tabel
distribusi normal
kumulatif adalah
0,033
 Menghitung selisih mutlak antara F(Z) dan F(Xi)
Kolmogorov

 Cari D Max dan bandingkan

dengan tabel kritis KS ( lihat
jumlah data atau N )
Prosedur Uji K-S dengan SPSS

1. Entry data ke jendela Data View SPSS

2. Pilih Analyze  Nonparametric Tests 1-Sample K-S.
3. Pindahkan variabel yang akan diuji ke Test Variable List 
Centang Normal pada opsi Test Distribution.
4. Klik OK  akan muncul output SPSS
 One-Sample Kolmogorov-Smirnov Test

sgot hdl
N 7 7
Normal Parameters a,b Mean 14.8286 42.8857
Std. Deviation 5.24618 2.07880
Most Extreme Absolute .149 .187
Differences Positive .120 .187
Negative -.149 -.103
Kolmogorov-Smirnov Z .395 .495
Asymp. Sig. (2-tailed) .998 .967
a. Test distribution is Normal.
b. Calculated from data.
p-value
Kesimpulan
p-value > 0,05 maka H0 diterima berarti tidak ada perbedaan
distribusi sampel dengan distribusi baku (normal) atau data
sampel terdistribusi normal.