Uji Normal

Parametrik
• Statistika parametrik adalah prosedur yang pengujian yang dilakukan berlandaskan distribusi. Salah satu karakteristiknya penggunaan prosedur ini melibatkan asumsi-asumsi tertentu. Contoh dari statistik parametrik adalah analisis regresi, analisis korelasi, analisis varians.

uji kecocokan (goodness of fit). . •Prosedur ini dapat digunakan pada skala ordinal maupun nominal. • Kelebihan statistika non parametrik •Asumsi yang digunakan dalam jumlah yang minimum maka kemungkina penggunaan secara salah juga kecil.Non Parametrik • Statistika non parametrik adalah prosedur dimana kita tidak melibatkan parameter serta tidak terlibatnya distribusi. Contoh : uji keacakan. •Untuk beberapa prosedur perhitungan dapat dilakukan dengan mudah secara manual.dll. •Konsep-konsep dari prosedur ini menggunakan dasar matematika dan statistika yang mudah dipahami.

perhitungannya kadangkadang membutuhkan banyak tenaga dan menjemukan.Kelemahan Non Parametrik • Jika suatu kasus yang dapat dianalisis dengan statistika parametrik. •Meskipun prosedur penghitungannya sederhana. . kemudian digunakan analisis statistika non parametrik akan menyebabkan pemborosan informasi.

• Bila skala pengukuran yang disyaratkan dalam statistika parametrik tidak terpenuhi misalnya skala ordinal dan nominal. .Kapan Non Parametrik Digunakan? • Bila hipotesis yang harus diuji tidak melibatkan suatu parameter populasi.

Ringkatan skala • • • • Nominal (paling rendah) Ordinal Interval Rasio .

. • Formula/rumus yang digunakan untuk melakukan suatu uji (t-test misalnya) dibuat dengan mengasumsikan bahwa data yang akan dianalisis berasal dari populasi yang sebarannya normal.Uji Normalitas • Uji normalitas adalah uji yang dilakukan untuk mengecek apakah data penelitian kita berasal dari populasi yang sebarannya normal. • Uji ini perlu dilakukan karena semua perhitungan statistik parametrik memiliki asumsi normalitas sebaran.

median dan modusnya memiliki nilai yang sama. analisis statistik baru bisa dilakukan. • Selain itu juga data normal memiliki bentuk kurva yang sama.• Data yang normal memiliki kekhasan seperti mean. • dengan mengasumsikan bahwa data dalam bentuk normal ini. bell curve. • cara melakukan uji asumsi normalitas ini yaitu menggunakan analisis Chi Square dan Kolmogorov-Smirnov. .

pertama komputer memeriksa data kita. kemudian membuat sebuah data virtual yang sudah dibuat normal. 2. kemudian komputer seolah-olah melakukan uji beda antara data yang kita miliki dengan data virtual yang dibuat normal tadi.Cara SPSS bekerja • 1. .

• 3.05 maka dapat disimpulkan bahwa data yang kita miliki berbeda secara signifikan dengan data virtual yang normal tadi. dari hasil uji beda tersebut. . – jika p lebih besar daripada 0. Ini berarti data yang kita miliki sebaran datanya normal juga. dapat disimpulkan dua hal : – jika p lebih kecil daripada 0.05 maka dapat disimpulkan bahwa data yang kita miliki tidak berbeda secara signifikan dengan data virtual yang normal. Ini berarti data yang kita miliki sebaran datanya tidak normal.

Atau memang kondisi datanya memang nggak normal. . • Contoh : pendapatan penduduk di komplek ciceri indah atau pondok indah atau apartemen rasuna.Kalau datanya gak Normal? • data yang tidak normal tidak selalu berasal dari penelitian yang buruk. Data ini mungkin saja terjadi karena ada kejadian yang di luar kebiasaan.

Jadi kita bisa tetap menggunakan analisis ini jika ketidaknormalannya tidak parah. Memang sih nggak ada patokan pasti tentang keparahan ini. misalnya F-test dan t-test.049 maka ketidaknormalannya tidak terlalu parah (nilai tersebut hanya sedikit di bawah 0.05). . • Jika ketidaknormalannya tidak terlalu parah lalu kenapa? Ada beberapa analisis statistik yang agak kebal dengan kondisi ketidaknormalan ini (disebut memiliki sifat robust).Solusi kalau gak normal • Kita perlu ngecek apakah ketidaknormalannya parah nggak. Tapi kita bisa mengira-ira jika misalnya nilai p yang didapatkan sebesar 0.

). dengan sumbu x sebagai frekuensi dan y sebagai semua nilai yang ada dalam data kita (ini tentunya bisa dikerjakan oleh komputer). dengan asumsi nilai ini muncul akibat situasi yang tidak biasanya.• Kita bisa membuang nilai-nilai yang ekstrem.. Nilai ekstrem ini disebut outliers. . • Nah dari sini kita akan bisa melihat nilai mana yang sangat jauh dari kelompoknya (tampak sebagai sebuah titik yang nun jauh di sana dan nampak terasing. • Nilai inilah yang kemudian perlu dibuang dari data kita. • Pertama kita perlu membuat grafik.. baik atas atau bawah..sendiri. Misal responden yang mengisi skala kita dengan sembarang yang membuat nilainya jadi sangat tinggi atau sangat rendah..

.. • Bagaimana jika semua usaha di atas tidak membuahkan hasil dan hanya membuahkan penyesalan (wah. Ada banyak cara untuk mentransform data kita..• mentransform data kita. misalnya dengan mencari akar kuadrat dari data kita.wah. Misal kalo sebelumnya data kita termasuk data interval dengan analisis ini akan diubah menjadi data ordinal. dll. • Sayangnya analisis ini seringkali mengubah data kita menjadi data yang lebih rendah tingkatannya. Analisis ini disebut juga sebagai analisis yang distribution free. nggak segitunya kali ya?) • Maka langkah terakhir yang bisa kita lakukan adalah dengan menggunakan analisis nonparametrik.

Menentukan taraf nyata (a) Untuk mendapatkan nilai chi-square tabel • • dk = k – 3 dk = Derajat kebebasan k = banyak kelas interval .Merumuskan formula hipotesis Ho : Data berdistribusi normal Ha : Data tidak berdistribusi normal 2.Prosedur • Prosedur pengujian normalitas data : 1.

• 3. Menentukan Nilai Uji Statistik • Keterangan : Oi = frekuensi hasil pengamatan pada klasifikasi ke-i Ei = Frekuensi yang diharapkan pada klasifikasi ke-i .

Menentukan Kriteria Pengujian Hipotesis 5. Memberikan kesimpulan .• 4.

Dicatat dalam daftar distribusi frekuensi. Hasilnya sebagai berikut : Ujilah apakah data tersebut berdistribusi normal atau tidak dengan a = 0.05 ? . yang diambil secara acak sebanyak 64.Contoh • Hasil pengumpulan data mahasiswa yang mendapat nilai ujian Statistik Sosial.

Jawab • 1. Menentukan mean 2. Menentukan Simpangan baku .

Membuat daftar distribusi frekuensi yang diharapkan (2) Mencari nilai Z-score untuk batas kelas interval .3.

(3) Mencari luas 0 – Z dari tabel kurva normal (4) Mencari luas tiap kelas interval .

(5) Mencari frekuensi yang diharapkan (Ei) Tabel frekuensi yang diharapkan dan pengamatan .

4) Merumuskan formulasi hipotesis Ho : Data berdistribusi normal Ha : Data tidak berdistribusi normal 5) Menentukan taraf nyata dan chi-kuadrat tabel .

6) Menentukan kriteria pengujian 7) Mencari Chi-kuadrat hitung .

49 = chi-kuadrat.Kesimpulan • Karena chi-kuadrat hitung = 3.67 < 9. data tersebut berdistribusi normal untuk taraf nyata 5% . maka Ho gagal ditolak • Jadi.