UJI NORMALITAS - Spada UNS
-
Upload
khangminh22 -
Category
Documents
-
view
0 -
download
0
Transcript of UJI NORMALITAS - Spada UNS
PENDAHULUAN
Pengujian persyaratan analisis dilakukan apabila penelitimenggunakan analisis parametrik. Pengujian dilakukanterhadap asumsi-asumsi berikut:
1. Untuk uji korelasi dan regresi: persyaratan yang harusdipenuhi adalah uji normalitas dan uji linearitas data.
2. Untuk uji perbedaan (komparatif): persyaratan yangharus dipenuhi adalah uji normalitas dan ujihomogenitas.
3. Apabila data skala ordinal diubah menjadi datainterval.
UJI NORMALITAS
Apakah sampel yang diambil berdistribusi normal atautidak.
Karena berkaitan dengan ketepatan pemilihan ujistatistik yang akan dipergunakan.
Uji parametrik mensyaratkan data harus berdistribusinormal.
Apabila data tidak berdistribusi normal, makadisarankan menggunakan uji non parametrik.
UJI NORMALITAS
• Data lebih banyak di sekitar rata-rata (di tengahkurva)
• Uji normalitas menggunakan uji KolmogorovSmirnov dan Shapiro Wilk.
• Dengan tingkat sig ≥ 0,05 data berdistribusinormal.
MENGAPA DIPERLUKAN?
Untuk menentukan teknik statistika yang akan digunakan?
• Data berdistribusi tidak normal statistika non parametrik (Korelasi Rank Spearman, Korelasi Kendall)
• Data berdistribusi normal statistikaparametrik (Korelasi Product Moment/Pearson, Regresi)
BAGAIMANA CARANYA? ADA 3 CARA
• Dengan melihat hasil nilai skewness yang didapatmelalui statistik deskriptif (data dikatakanberdistribusi normal jika nilai Skewness di antara:(-1 ---- +1) atau (-2 --- +2)
• Kolmogorov-Smirnov dari menu Analyze > Descriptive Statistics > Explore
• Kolmogorov-Smirnov dari menu Analyze > Non parametric test > 1-sample K-S
HASILNYA
Tests of Normality
.107 44 .200* .966 44 .372TOTALHSL
Stat is tic df Sig. Stat is tic df Sig.
Kolmogorov-Smirnova
Shapiro-Wilk
This is a lower bound of the t rue signif icance.*.
Lillief ors Signif icance Correct iona.
Jika nilai Sig lebih besar dari 0,05 maka data berdistribusi
normal
Jika nilai Sig lebih kecil dari 0,05 maka data tidak
berdistribusi normal
Tests of Normality
.107 44 .200* .966 44 .372
.122 44 .101 .943 44 .048
.163 44 .005 .889 44 .010**
.144 44 .022 .943 44 .046
.135 44 .042 .942 44 .043
.124 44 .088 .946 44 .061
.108 44 .200* .930 44 .017
TOTALHSL
KINERJA
MOTIVASI
IKLIM
KOMITMEN
KEPUASAN
KEPEMIMP
Stat is tic df Sig. Stat is tic df Sig.
Kolmogorov-Smirnova
Shapiro-Wilk
This is a lower bound of the t rue signif icance.*.
This is an upper bound of the t rue signif icance.**.
Lillief ors Signif icance Correct iona.
One-Sample Kolmogorov-Smirnov Test
44 46 46 46 46 46 46
2641.43 39.67 38.72 41.70 38.17 37.61 35.46
1014.71 3.11 5.46 5.62 3.84 4.16 6.60
.107 .110 .143 .130 .132 .129 .098
.107 .066 .125 .071 .132 .129 .074
-.043 -.110 -.143 -.130 -.096 -.091 -.098
.711 .746 .972 .884 .897 .875 .665
.693 .634 .301 .416 .397 .429 .769
N
Mean
Std. Dev iation
Normal Parametersa,b
Absolute
Positiv e
Negativ e
Most Extreme
Dif f erences
Kolmogorov -Smirnov Z
Asy mp. Sig. (2-tailed)
TOTALHSL KINERJA MOTIVASI IKLIM KOMITMEN KEPUASAN KEPEMIMP
Test dis tribution is Normal.a.
Calculated f rom data.b.
Descriptive Statistics
44 .686 .357
46 -.772 .350
46 -1.296 .350
46 -.238 .350
46 .026 .350
46 -.611 .350
46 -.773 .350
44
TOTALHSL
KINERJA
MOTIVASI
IKLIM
KOMITMEN
KEPUASAN
KEPEMIMP
Valid N (listwise)
Stat is tic Stat is tic Std. Error
N Skewness
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 disusundalam daftar distribusi frekuensi (Tabel Kiri)
• Kemudian, disusun distribusi kumulatif relatifkurang dari (Tabel Kanan). Pembentukan daftardiambil batas-batas kelas interval
• Selanjutnya, frekuensi kumulatif relatifdigambarkan pada kertas grafik khususkertaspeluang normal atau kertas peluang (lihat contoh)
CONTOH :
Data tentang nilai UMPT
dari 230 orang peserta
telah dibuat daftar distribusi
frekuensi dan daftar
distribusi frekuensi
kumulatif relatif kurang dari,
seperti terlihat di bawah
Contoh kertas peluang
CONTOH ANALISIS
Distribusi frekuensi
Data f
10 – 19 8
20 – 29 19
30 – 39 25
40 – 49 37
50 – 59 58
60 -69 42
70 – 79 23
80 – 89 12
90 – 99 6
Jumlah 230
Distribusi frekuensi kumulatif
relatif kurang dari
Data f (%)
Kurang dari 9,5 0
Kurang dari 19,5 3,48
Kurang dari 29,5 11,74
Kurang dari 39,5 22,61
Kurang dari 49,5 38,70
Kurang dari 59,5 63,91
Kurang dari 69,5 82,17
Kurang dari 79,5 92,17
Kurang dari 89,5 97,5
Kurang dari 99,5 100
MENGGAMBARKAN TABEL PADA KERTAS PELUANG
• Sumbu datar skala batas-batas atas, nilai 0,01 - 99%.
• Sumbu tegak persenkumulatif
• Gambarkan titik-titik yang ditentukan oleh batas atasdan frekuensi kumulatifrelatif
• Hasil gambarTitik-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 tersebut sangat menyimpang dari sekitar garis lurus tidak berdistribusi normal Titik-titik frekuensi kumulatif
Uji dengan Chi-Kuadrat
Sebelum dilakukan pengujian, perlu dihitung dahulu frekuensi harapan (E = Expected) dan frekuensi pengamatan (O=Observed)
O diperoleh dari contoh pengamatan
E diperoleh hasil kali n dengan peluang luas di bawah kurva normal untukinterval yang bersangkutan
Selanjunya gunakan rumus Chi Kuadrat dengan derajad bebas (db) = k - 3 dan taraf α
( O – E ) 2
χ² = ∑ -------------
E
CONTOH
• Hasil pengukuran dan pengelompokan data terhadap tinggi 100 mahasiswa secara acak adalah sebagai berikut :
Tinggi (cm) Frek
140 – 144 7
145 – 149 10
150 – 154 16
155 – 159 23
160 – 164 21
165 – 169 17
170 – 174 6
Jumlah 100
Setelah dihitung, diperoleh X̃ =157,8 cm dan s = 8,09 cm.
Selanjutnya ditentukan batas untuk semua kelas interval.
Interval pertama dengan batas 139,5 dan 144,5 atau dalam
angka standard z adalah -2,26 dan -1,64. (Ingat, distribusi
normal baku Z = (x- μ)/σ)
Luas di bawah kurva normal untuk interval pertama yang
dibatasi z = -2,26 sampai -1,64 adalah P(-2,26 < Z < -1,64)
= 0,0505 – 0,0119 = 0,0386
Maka frekuensi harapan 100 x 0,0386 = 3,9
Hasil penghitungan semua interval tabel
TABEL FREKUENSI HARAPAN DAN PENGAMATAN
Batas kelas Z untuk batas
kelas
Luas interval
kelas
Frekuensi
harapan (E)
Frekuensi
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