Distribusi Normal (Distribusi Gauss) digambarkan dalam kurva berbentuk lonceng yang simetris terhada nilai rerata π, yang disebut kurva Normal. Kurva normal sangat baik digunakan untuk menggambarkan sekelompok data yang muncul dalam kehidupan.
Sifat-sifat kurva normal:
1. Asimtotik terhadap sumbu mendatar (Sumbu X)
2. Simteris terhadap garis π₯ = π
3. Memiliki titik maksimum di (π, 1/(πβ2π))
4. Memiliki dua titik belok yang berjarak π dari sumbu simetri
5. Luas daerah diatas sumbu X dan dibawah kurva setara dengan satu satuan luas. Karena kurva Normal simetris, berbentuk lonceng dan unimodal maka daerah di di kanan dan di kiri garis tegak lurus diatas mean masing-masing besarnya 0,5
6. Merupakan kurva unimodal, karena mean = median = mode
B. Metode Uji Normalitas
Terdapat beberapa metode untuk melakukan uji Normalitas, diantaranya metode Chi-Kuadrat, metode Lilliefors, metode Kolmogorov-Smirnov, metode Shapiro-Wilk, metode Anderson-Darling, metode Jarque-Bera, metode Ryan-Joiner (similar to Shapiro-Wilk) dan sebagainya, termasuk juga dengan menggunakan grafik (Normal Q-Q Plot).
C. Metode Chi KuadratUji normalitas dengan metode Chi-Kuadrat dirumuskan sebagai:
Dengan nilai πΒ² mendekati nilai variabel chi-kuadrat.
ππ: frekuensi amatan (observed)
ππ: frekuensi harapan (expected)
β’ Penggunaan metode Chi-Kuadrat untuk uji normalitas dilakukan pada data dalam bentuk tabel distribusi frekuensi (data bergolong). Prinsip utamanya dengan membandingkan antara histogram data amatan dengan histogram yang kurva poligon frekuensinya mendekati distribusi normal.
β’ Derajat kebebasan (dk) untuk uji normalitas dengan metode Chi-Kuadrat adalah k β 3.
Hipotesis statistik
π»0: Sampel berasal dari populasi berdistribusi normal
π»1: Sampel tidak berasal dari populasi berdistribusi normal
Statistik Uji
Daerah Kritis
Nilai kritis chi kuadrat dari Tabel Chi-Kuadrat dengan derajat kebebasan (dk) yaitu π β 1 untuk π adalah banyak kelas dalam Tabel Distribusi Frekuensi.
contoh:
Diberikan data nilai rerata dari 6 mata pelajaran (Matematika, Biologi, Fisika, Kimia, Ekonomi - Sejarah, Sosiologi - Geografi) dari 91 siswa kelas X sebagai berikut:
80,42 | 78,33 | 76,33 | 81,50 | 77,92 | 74,75 | 79,33 |
77,50 | 81,67 | 79,33 | 89,00 | 82,67 | 83,08 | 82,00 |
77,50 | 85,58 | 77,50 | 83,17 | 83,00 | 76,58 | 77,42 |
75,75 | 74,17 | 80,00 | 81,58 | 81,83 | 80,58 | 75,50 |
75,17 | 74,25 | 75,00 | 78,25 | 80,58 | 78,33 | 82,83 |
75,00 | 74,42 | 77,00 | 81,00 | 81,33 | 79,08 | 79,08 |
80,67 | 75,92 | 84,00 | 80,42 | 73,42 | 74,83 | 79,08 |
77,08 | 78,08 | 83,75 | 77,42 | 78,58 | 81,25 | 74,33 |
76,08 | 80,58 | 81,92 | 77,17 | 76,58 | 79,00 | 78,08 |
77,25 | 75,83 | 75,67 | 78,67 | 78,42 | 73,50 | 71,58 |
81,33 | 82,92 | 75,17 | 75,92 | 77,42 | 74,67 | 76,00 |
84,67 | 74,42 | 78,33 | 77,33 | 77,33 | 72,58 | 72,25 |
82,58 | 76,08 | 78,00 | 76,33 | 74,83 | 75,08 | 78,25 |
Dengan menggunakan πΌ = 5%, apakah data tersebut berdistribusi normal?
Perhatikan beberapa langkah berikut yang harus dilakukan dalam melakukan komputasi.
1. Hipotesis Statistika
π»0: Data berdistribusi normal
π»1: Data tidak berdistribusi normal
2. Taraf Signifikansi
Ξ± = 0,05
3. Statistik Uji
standar deviasinya adalah 3,288
bilangan baku terkecil adalah β2,045 dan yang terbesar adalah 3,252. Pada umumnya banyak kelas adalah pembulatan keatas dari selisih bilangan baku terbesar dan terkecil.
π = βzmax β zminβ = β3,252 β (β2,045)β = 6
panjang kelasnya adalah 2,9028. Susun tabel distribusi frekuensi:
Interval | Frekuensi |
71,58 β 74,48 | 10 |
74,49 β 77,38 | 28 |
77,39 β 80,29 | 25 |
80,30 β 83,19 | 23 |
83,19 β 86,09 | 4 |
86,10 β 89,00 | 1 |
Susun tabel frekuensi harapan dengan bilangan baku (z):
Interval baku | e |
β2,04517 s/d β1,16231 | 9,2943 |
β1,16231 s/d β0,27945 | 24,333 |
β0,27945 s/d 0,60341 | 30,6609 |
0,60341 s/d 1,48628 | 18,6107 |
1,48628 s/d 2,36914 | 5,4316 |
2,36914 s/d 3,25200 | 0,7591 |
Cara untuk menentukan frekuensi harapan adalah tentukan peluang dikalikan banyak data.
e = P(a < z < b) * n
untuk peluang bisa dilihat di tabel z.
Tentukan nilai Chi Kuadrat
Interval | o | e | o β e | (o β e)Β² | (o β e)Β²/e |
71,58 β 74,48 | 10 | 9,294348 | 0,705652 | 0,497944 | 0,053575 |
74,49 β 77,38 | 28 | 24,33301 | 3,666988 | 13,4468 | 0,552616 |
77,39 β 80,29 | 25 | 30,6609 | β5,6609 | 32,04583 | 1,045169 |
80,30 β 83,19 | 23 | 18,61074 | 4,389256 | 19,26557 | 1,035185 |
83,19 β 86,09 | 4 | 5,431629 | β1,43163 | 2,049563 | 0,377338 |
86,10 β 89,00 | 1 | 0,759104 | 0,240896 | 0,058031 | 0,076447 |
Total | | | | | 3,14033 |
Nilai Chi kuadratnya adalah 3,14033
4. Daerah Kritis
5. Keputusan Uji dan Kesimpulan
Karena nilai πΒ² = 3,14033; maka πΒ² < 11,070498. Hal ini berarti πΒ² β π·πΎ akibatnya π»0 diterima. Dengan kata lain, data terdistribusi normal.
D. Metode Lilliefors
Pengujian normalitas menggunakan metode Lilliefors jika data tidak dalam bentuk tabel distribusi frekuensi/data bergolong.
Metode perhitungan untuk metode Lilliefors.
β’ Data diurutkan berdasarkan nilai (dari nilai terkecil ke terbesar atau sebaliknya), kemudian setiap data pada metode Lilliefors di ubah menjadi bilangan baku z dengan tranformasi
β’ Statistik Uji metode Lilliefors
L = Max|F(zi) β S(zi)|
dengan F(zi) = P(Z β€ zi); Z ~ π(0,1)
S(zi) = Proporsi cacah Z β€ zi terhadap seluruh z
β’ Daerah Kritis
DK = {L | L > LΞ±;n}
dengan n ukuran sampel dan LΞ±;n dari tabel Lilliefors:
contoh:
Sebuah sampel berukuran 6 diambil secara random dari suatu populasi. Keenam nilai dari sampel tersebut adalah
4, 0, 8, 6, 14, 10
Dengan mengambil πΌ = 5%, ujilah apakah sampel tersebut berasal dari populasi berdistribusi normal atau tidak?
1. Hipotesis Statistik
π»0 : Sampel berasal dari populasi berdistribusi normal
π»1 : Sampel tidak berasal dari populasi berdistribusi normal
2. Taraf signifikansi
Ξ± = 0,05
3. Statistik Uji
Apabila data yang diberikan dihitung diperoleh reratanya 7 dan standar deviasinya 4,86. Data diurutkan terlebih dahulu (dari kecil ke besar), kemudian setiap data ditransformasi dengan transformasi baku.
Untuk menentukan nilai F(z
i), lihat tabel normal baku.
Untuk menentukan nilai S(zi), nomor urut data dibagi banyak data.
Dari tabel terlihat bahwa nilai L hitung = 0,1009 (diambil yang terbesar)
4. Daerah Kritis dan Keputusan Uji
Titik kritis LΞ±;n = L0,05;6 = 0,319; sehingga
DK ={LβL > LΞ±;n}={LβL > L0,05;6}={LβL > 0,319}
Karena L = 0,1009 maka L < 0,319. Hal ini menunjukkan bahwa πΏ β π·πΎ, sehingga π»0 diterima.
5. Kesimpulan
Sampel berasal dari populasi berdistribusi normal. Jadi, berdasarkan uji Lilliefors, sampel data di atas berasal dari populasi yang berdistribusi normal.
2. Uji Homogenitas
Uji homogenitas merupakan uji statistika untuk melihat apakah variansi-variansi dari sejumlah populasi sama (homogen) atau tidak. Uji homogenitas merupakan uji prasyarat untuk beberapa uji statistik lainnya, seperti uji rata-rata dan analisis variansi. Terdapat beberapa statistic uji untuk menguji homogenitas varians antar populasi.
β’ Untuk menguji varians π populasi dapat digunakan uji Bartlett.
β’ Secara khusus, untuk menguji varians 2 populasi dapat digunakan uji πΉ.
Hipotesis Statistik
π»0: πiΒ² = πjΒ²; βi, j (Variansi populasi Homogen)
π»1: πiΒ² β πjΒ²; βi, j dengan i β j (Varians populasi Tidak Homogen)
dengan i = 1, 2, ..., π dan j = 1, 2, ..., π.
A. Uji Homogenitas π populasi
β’ Uji homogenitas untuk π populasi dapat dilakukan dengan menggunakan uji Bartlett. Adapun statistik uji yang digunakan adalah:
β’ π 1Β², π 1Β²,β¦, π πΒ² adalah varians dari setiap sampel berukuran π1, π2, β¦, ππ dengan rumusan:
β’ π
πΒ² adalah varians gabungan yang dirumuskan:
untuk π = π
1 + π
2 + β¦ + π
π β’ Daerah Kritis
DK = {bβb < bπ(Ξ±; π1, π2, β¦, ππ)} dengan
b
π(Ξ±; π
π) dapat dilihat pada tabel Bartlett untuk π
π menunjukkan banyak anggota kelompok ke-i.
Tabel Bartlett untuk Ξ± = 0,01 dan Ξ± = 0,05:
contoh:
Untuk menguji apakah model A, B, dan C memiliki varians yang sama, secara random diambil sampel acak sebanyak 4 buah untuk model A, 6 buah untuk model B, dan 5 buah untuk model C dengan data sebagai berikut.
A : 4, 7, 6, 6
B : 5, 1, 3, 5, 3, 4
C : 8, 6, 8, 9, 5
Dengan menggunakan πΌ = 5%, bagaimanakah kesimpulan penelitian?
Diketahui : N = 15, π = 3 (banyak kelompok), π1 = 4, π2 = 6, dan π3 = 5.
1. Hipotesis Statistik
π»0: π1Β² = π2Β² = π3Β² (Variansi ketiga populasi sama)
π»1: Tidak semua varians sama (Varians ketiga populasi tidak sama)
2. Taraf Signifikansi
Ξ± = 0,05
3. Statistik Uji
a. Menghitung varians sampel dan varians gabungan
4. Daerah Kritis dan Keputusan Uji
Titik kritis π
3(0,05; 4) = 0,4669; π
3(0,05; 6) = 0,6483; π
3(0,05; 5) = 0,5762 (tabel Bartlett)
DK = {b | b < π
3(0,05; 4, 6, 5) }={b | b < 0,5767}
Karena π = 0,9805 maka π > 0,5767. Hal ini berarti π β π·πΎ, akibatnya π»0 diterima.
5. Kesimpulan
Varians-varians dari ketiga populasi sama (homogen).
B. Bentuk Lain Uji Bartlett
Statistik uji homogenitas (Uji Bartlett) dengan Chi-Kuadrat
π: Banyak populasi = Banyak sampel
N: Banyak seluruh nilai
ππ: Banyak nilai sampel ke-j = ukuran sampel ke-j
ππ = ππ β 1: Derajat kebebasan untuk π πΒ²; j = 1, 2, 3, β¦, k
π = π β π = βππ: Derajat kebebasan untuk RKG
Daerah Kritis
Untuk menguji apakah model A, B, dan C memiliki varians yang sama, secara random diambil sampel acak sebanyak 4 buah untuk model A, 6 buah untuk model B, dan 5 buah untuk model C dengan data sebagai berikut.
A : 4, 7, 6, 6
B : 5, 1, 3, 5, 3, 4
C : 8, 6, 8, 9, 5
Dengan menggunakan πΌ = 5%, bagaimanakah kesimpulan penelitian?
1. Hipotesis Statistik
π»0: π1Β² = π2Β² = π3Β² (Variansi ketiga populasi sama)
π»1: Tidak semua varians sama (Varians ketiga populasi tidak sama)
2. Taraf Signifikansi
Ξ± = 0,05
3. Statistik Uji
π1 = 4 β 1 = 3;
π2 = 6 β 1 = 5;
π3 = 5 β 1 = 4;
f = βππ = 3 + 5 + 4 = 12
Tabel bantu untuk SS sebagai berikut:
SS
1 = 137 β 132,25 = 4,75
Untuk SS2 dan SS3 apabila dilakukan cara yang sama akan diperoleh SS2 = 11,5 dan SS3 = 10,8
Tabel bantu untuk πΒ² sebagai berikut:
π Γ logβ‘(π
πΎπΊ) = 12 Γ log(2,254) = 12(0,353) = 4,326
Karena πΒ² = 0,216 maka πΒ² < 5,991465. Hal ini berarti πΒ² β π·πΎ, sehingga π»0 diterima.
6. Kesimpulan
Varians-varians dari ketiga populasi tersebut adalah sama (homogen).
C. Kasus Khusus: Uji Homogenitas Dua Populasi Independen
Hipotesis Statistik
π»0: π1Β² = π2Β²
π»1: π1Β² β π2Β²
dengan π1Β² varians populasi ke-1; π2Β² variansi populasi ke-2.
Statistik Uji F
dengan
π£1 = π1 β 1 untuk π1 adalah ukuran sampel dengan varians terbesar
π£2 = π2 β 1 untuk π2 adalah ukuran sampel dengan varians terkecil
Contoh
Misalkan disajikan skor ujian statistika dari dua kelas sebagai berikut:
Kelas A : 5, 5, 6, 7, 8, 8, 9, 9
Kelas B : 5, 5, 6, 6, 6, 7, 7, 8
Dengan menggunakan taraf signifikansi 5%, apakah kedua populasi dari kedua kelas tersebut homogen?
1. Hipotesis
π»0: π1Β² = π2Β² (Varians kedua populasi homogen)
π»1: π1Β² β π2Β² (Varians kedua populasi tidak homogen)
dengan π1Β² varians populasi kelas A; π2Β² variansi populasi kelas B.
2. Taraf Signifikansi
πΌ = 0,05
3. Statistik Uji
sehingga s
AΒ² = 2,696 > s
BΒ² = 1,071
4. Daerah Kritis dan Keputusan Uji
Karena F = 2,517 maka F < 3,79. Hal ini menunjukkan bahwa πΉ β π·πΎ, sehingga π»0 diterima.
5. Kesimpulan
Varians dari kedua populasi homogen.
3. Hubungan Uji Normalitas, Homogenitas, dan Komparasi Rerata
Berikut disajikan hubungan dan alur pengujian antara uji normalitas, uji homogenitas, dan uji rerata:
Uji normalitas untuk menentukan apakah data akan diuji parametrik atau non-parametrik. Suatu data diuji parametrik jika dan hanya jika terdistribusi normal.
Untuk uji parametrik, uji homogenitas untuk menentukan apakah data akan diuji reratanya menggunakan t atau t'. Untuk data yang homogen dilakukan uji t, sedangkan data yang tidak homogen dilakukan uji t'.
Komentar
Posting Komentar