Latihan Rumus dan Contoh Soal Normalitas Disertai Cara Perhitungan

Normalitas adalah konsep penting dalam statistik yang digunakan untuk mengetahui apakah sekelompok data mengikuti distribusi normal atau tidak. Distribusi normal sering disebut sebagai distribusi Gauss, yang memiliki bentuk kurva lonceng simetris. Memahami normalitas sangat penting dalam berbagai bidang, terutama penelitian, analisis data, psikologi, ekonomi, dan ilmu sosial, karena banyak uji statistik mengasumsikan data berdistribusi normal.

Artikel ini akan membahas rumus normalitas, cara perhitungan, serta contoh soal lengkap beserta pembahasan, sehingga Anda dapat lebih mudah memahami konsep ini dan mengaplikasikannya dalam latihan maupun penelitian.

baca juga:Latihan Contoh Soal Kuantitas Terbaru untuk Pemula

Pengertian Normalitas

Normalitas adalah karakteristik data yang menyebar sedemikian rupa sehingga sebagian besar nilai berkumpul di sekitar rata-rata, dengan jumlah data yang berkurang secara simetris di kedua sisi rata-rata. Kurva distribusi normal memiliki ciri-ciri:

1. Simetris terhadap rata-rata (mean)
2. Puncak tertinggi berada di tengah (pada mean, median, dan modus yang sama)
3. Sebagian besar data (sekitar 68%) berada dalam satu standar deviasi dari rata-rata
4. Sekitar 95% data berada dalam dua standar deviasi dari rata-rata
5. Hampir semua data (99,7%) berada dalam tiga standar deviasi dari rata-rata

Memastikan data berdistribusi normal sangat penting sebelum melakukan uji statistik seperti t-test, ANOVA, regresi, dan uji korelasi. Jika data tidak normal, hasil uji statistik bisa menjadi tidak valid.

Rumus Normalitas

Ada beberapa cara untuk menguji normalitas data, di antaranya:

1. Uji Kolmogorov-Smirnov (K-S Test)

Uji K-S digunakan untuk membandingkan distribusi data dengan distribusi normal teoretis. Rumusnya adalah:$$D = \max |F_n(x) – F(x)|$$D=max∣Fn​(x)−F(x)∣

Keterangan:

• $D$D = nilai maksimum perbedaan kumulatif antara distribusi data dan distribusi normal teoritis
• $F_n(x)$Fn​(x) = distribusi kumulatif sampel
• $F(x)$F(x) = distribusi kumulatif teoritis

Jika $D$D < nilai kritis dari tabel K-S, maka data dianggap normal.

2. Uji Shapiro-Wilk

Uji Shapiro-Wilk biasanya lebih sensitif untuk data dengan jumlah sampel kecil. Rumusnya adalah:$$W = \frac{(\sum_{i=1}^{n} a_i x_{(i)})^2}{\sum_{i=1}^{n} (x_i – \bar{x})^2}$$W=∑i=1n​(xi​−xˉ)2(∑i=1n​ai​x(i)​)2​

Keterangan:

• $x_{(i)}$x(i)​ = data yang diurutkan dari kecil ke besar
• $a_i$ai​ = konstanta berdasarkan tabel Shapiro-Wilk
• $x_i$xi​ = data observasi
• $\bar{x}$xˉ = rata-rata data

Jika nilai W mendekati 1, data dianggap berdistribusi normal.

3. Uji Skewness dan Kurtosis

• Skewness mengukur simetri data. Nilai mendekati 0 menunjukkan distribusi simetris.
• Kurtosis mengukur keruncingan kurva distribusi. Nilai mendekati 3 dianggap normal (untuk data berdistribusi normal standar).

Interpretasi:

• Skewness antara -2 dan +2 → data simetris
• Kurtosis antara -7 dan +7 → distribusi normal

Cara Menghitung Normalitas

Langkah 1: Mengumpulkan Data

Contoh: Nilai ujian matematika 10 siswa:

Langkah 2: Menghitung Rata-Rata dan Standar Deviasi

$$\bar{x} = \frac{\sum x_i}{n} = \frac{80+85+78+90+88+82+84+87+79+86}{10} = \frac{839}{10} = 83.9$$xˉ=n∑xi​​=1080+85+78+90+88+82+84+87+79+86​=10839​=83.9

Standar deviasi ($s$s):$$s = \sqrt{\frac{\sum (x_i – \bar{x})^2}{n-1}}$$s=n−1∑(xi​−xˉ)2​​

Perhitungan selangkah demi selangkah:

Jumlah = 146.9$$s = \sqrt{\frac{146.9}{10-1}} = \sqrt{16.32} \approx 4.04$$s=10−1146.9​​=16.32​≈4.04

Langkah 3: Menghitung Z-Score (Opsional)

Z-score digunakan untuk melihat posisi tiap nilai terhadap rata-rata:$$Z = \frac{x_i – \bar{x}}{s}$$Z=sxi​−xˉ​

Contoh siswa 1:$$Z_1 = \frac{80 – 83.9}{4.04} = \frac{-3.9}{4.04} \approx -0.97$$Z1​=4.0480−83.9​=4.04−3.9​≈−0.97

Z-score mendekati 0 menunjukkan data dekat dengan rata-rata, dan distribusi data dapat digambarkan dalam kurva normal.

Langkah 4: Menggunakan Uji Normalitas

Misalnya, kita menggunakan Shapiro-Wilk melalui software SPSS, Excel, atau Python. Hasilnya:

Karena Sig > 0.05, maka data berdistribusi normal.

Contoh Soal Normalitas

Soal 1: Diketahui nilai tes 12 mahasiswa: 78, 82, 85, 90, 87, 80, 84, 88, 86, 83, 79, 91. Uji apakah data ini berdistribusi normal dengan metode Skewness dan Kurtosis.

Jawaban:

1. Hitung rata-rata dan standar deviasi:

$$\bar{x} = \frac{78+82+85+90+87+80+84+88+86+83+79+91}{12} = 84.25$$xˉ=1278+82+85+90+87+80+84+88+86+83+79+91​=84.25

2. Hitung Skewness:

$$\text{Skewness} = \frac{\sum (x_i – \bar{x})^3 / n}{s^3} \approx 0.05$$Skewness=s3∑(xi​−xˉ)3/n​≈0.05

3. Hitung Kurtosis:

$$\text{Kurtosis} = \frac{\sum (x_i – \bar{x})^4 / n}{s^4} – 3 \approx -0.2$$Kurtosis=s4∑(xi​−xˉ)4/n​−3≈−0.2

Interpretasi: Skewness dan Kurtosis berada dalam batas normal → data berdistribusi normal.

Soal 2: Sebuah penelitian memiliki 15 data hasil tes kemampuan karyawan: 70, 75, 80, 85, 78, 82, 76, 88, 90, 84, 79, 81, 87, 83, 86. Gunakan uji Kolmogorov-Smirnov untuk mengecek normalitas.

Jawaban:

1. Urutkan data dari kecil ke besar: 70, 75, 76, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 90
2. Hitung distribusi kumulatif data dan distribusi normal teoritis
3. Hitung $D = \max |F_n(x) – F(x)|$D=max∣Fn​(x)−F(x)∣
4. Bandingkan dengan nilai kritis K-S untuk n=15, α=0.05, D_critical ≈ 0.338
5. Misalnya D_hit = 0.23 < 0.338 → data berdistribusi normal

Tips Belajar Normalitas

1. Gunakan software statistik: SPSS, Excel, Python, atau R untuk uji normalitas lebih cepat dan akurat.
2. Latihan dengan data nyata: Ambil contoh data dari ujian, survei, atau penelitian.
3. Pelajari interpretasi hasil: Tidak hanya menghitung, tapi pahami artinya.
4. Perhatikan ukuran sampel: Uji Shapiro-Wilk lebih sensitif untuk sampel kecil, K-S lebih baik untuk sampel besar.
5. Visualisasi data: Buat histogram atau Q-Q plot untuk melihat distribusi data.

baca juga:Mahasiswi Informatika Universitas Teknokrat Indonesia Raih Juara III Nasional Desain Poster di IPB University

Kesimpulan

Normalitas adalah langkah penting dalam analisis statistik karena banyak uji statistik yang mengasumsikan data berdistribusi normal. Ada berbagai metode untuk menguji normalitas, seperti Kolmogorov-Smirnov, Shapiro-Wilk, Skewness, dan Kurtosis.

Dalam artikel ini, Anda telah mempelajari:

• Pengertian dan ciri distribusi normal
• Rumus normalitas dan cara menghitungnya
• Contoh soal normalitas beserta pembahasan
• Tips belajar dan praktik uji normalitas

Dengan latihan soal dan pemahaman rumus yang benar, Anda dapat menguasai uji normalitas dengan mudah dan akurat.

penulis:putra