-1 0 +1 Kuswanto, 2012. Uji Normalitas  Untuk keperluan analisis selanjutnya, dalam statistika induktif harus diketahui model distribusinya  Dalam uji.

Slides:



Advertisements
Presentasi serupa
UKURAN NILAI PUSAT UKURAN NILAI PUSAT ADALAH UKURAN YG DAPAT MEWAKILI DATA SECARA KESELURUHAN JENIS UKURAN NILAI PUSAT : MEAN , MEDIAN, MODUS KUARTIL,
Advertisements

SMA N 1 Karangmojo-BTKP DIY
Teori Graf.
Statistika Deskriptif: Distribusi Proporsi
Pertemuan II SEBARAN PEUBAH ACAK
BAB 8 Estimasi Interval Kepercayaan
Bulan maret 2012, nilai pewarnaan :

TENDENSI SENTRAL.
Subnetting Cara Cepat I (IP Kelas C)
UKURAN PEMUSATAN Rata-rata, Median, Modus Oleh: ENDANG LISTYANI.
1 Diagram berikut menyatakan jenis ekstrakurikuler di suatu SMK yang diikuti oleh 400 siswa. Persentase siswa yang tidak mengikuti ekstrakurikuler.
di Matematika SMA Kelas XI Sem 1 Program IPS
Korelasi dan Regresi Ganda
Bab 7A Pengujian Hipotesis Parametrik Bab 7A.
Bab 11A Nonparametrik: Data Frekuensi Bab 11A.
Interval Prediksi 1. Digunakan untuk melakukan estimasi nilai X secara individu 2. Tidak digunakan untuk melakukan estimasi parameter populasi yang tidak.
Bab 11B
Mari Kita Lihat Video Berikut ini.
Statistika Deskriptif
Bab 6B Distribusi Probabilitas Pensampelan
KURVE NORMAL. Distribusi Normal – Suatu alat statistik untuk menaksir dan meramalkan peristiwa-peristiwa yang lebih luas dan akan terjadi. Ciri –Ciri.
ANALISA NILAI KELAS A,B,C DIBUAT OLEH: NAMA: SALBIYAH UMININGSIH NIM:
Contoh DAFTAR Subjek Frekuensi (f) a – b 1 c – d 2 e – f 3 .. Jumlah.
PERTEMUAN II DISTRIBUSI FREKUENSI
UKURAN PENYEBARAN DATA
STATISTIKA pertemuan 1 DR.EUIS ETI ROHAETI,M.PD.
DISTRIBUSI FREKUENSI Daftar yang memuat data berkelompok.
Uji Normalitas.
Bab 8B Estimasi Bab 8B
STATISTIKA kelas XI/I PENYAJIAN DATA Sri Wahyuni ( )
DISTRIBUSI FREKUENSI Presented by Ast_Dika.
By : Meiriyama Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan Komputer Global Informatika Multi Data Palembang.
Ukuran Pemusatan dan Ukuran Penyebaran
DISTRIBUSI FREKUENSI oleh Ratu Ilma Indra Putri. DEFINISI Pengelompokkan data menjadi tabulasi data dengan memakai kelas- kelas data dan dikaitkan dengan.
UJI DUA VARIANS Varians adalah simpangan baku kuadrat (s kuadrat)
Soal Latihan.
Bab 11B
Pengujian Hipotesis Parametrik 2
Luas Daerah ( Integral ).
SEGI EMPAT 4/8/2017.
PRAKTIKUM STATISTIKA Pertemuan 2.
NILAI RATA-RATA (CENTRAL TENDENCY)
UKURAN PEMUSATAN DATA Sub Judul.
Fungsi Invers, Eksponensial, Logaritma, dan Trigonometri
PENGUKURAN GEJALA PUSAT / NILAI PUSAT/UKURAN RATA-RATA
Kuliah ke 12 DISTRIBUSI SAMPLING
Bulan FEBRUARI 2012, nilai pewarnaan :
AREAL PARKIR PEMERINTAH KABUPATEN JEMBRANA
Bab 10 Struktur Sekor Struktur Sekor
Metode Shapiro-Wilks dan Kolmogorov-Smirnov untuk Uji Normalitas
DISTRIBUSI NORMAL.
PENGUJIAN HIPOTESA Probo Hardini stapro.
SEGI EMPAT Oleh : ROHMAD F.F., S.Pd..
Bab 9B Analisis Variansi Bab 9B
PENGUJIAN HIPOTESIS RATA-RATA (MEAN) 1 SAMPEL
IRISAN KERUCUT PERSAMAAN LINGKARAN.
Statistika Deskriptif: Statistik Sampel
SAMPLING DAN DISTRIBUSI SAMPLING
Bab 8A Estimasi 1.
DISTRIBUSI FREKUENSI.
Statistika Deskriptif: Distribusi Proporsi
Teknik Numeris (Numerical Technique)
Distribusi frekuensi Yeni puspita, SE., ME.
Bab 7 Nilai Acuan Norma.
Bab 3B Statistika Deskriptif: Parameter Populasi 2.
Korelasi dan Regresi Ganda
DISTRIBUSI PELUANG Pertemuan ke 5.
Membuat Data Menjadi informasi untuk pengambilan keputusan manajerial
UKURAN PEMUSATAN MK. STATISTIK (MAM 4137) 3 SKS (3-0)
Transcript presentasi:

Kuswanto, 2012

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 disusun dalam daftar distribusi frekuensi (Tabel Kiri)  Kemudian, disusun disusun distribusi komulatif relatif kurang dari (Tabel Kanan). Pembentukan daftar diambil batas-batas kelas interval  Selanjutnya, frekuensi komulatif relatif digambarkan pada kertas grafik khusus  kertas peluang normal atau kertas peluang (lihat contoh)

Contoh soal Contoh : Data tentang nilai UMPT dari 320 orang peserta telah dibuat daftar distribusi frekuensi dan daftar distribusi frekuensi komulatif relatif kurang dari, seperti terlihat dibawah Contoh kertas peluang

Contoh analisis Distribusi frekuensi Dataf 10 – – – – – – – – 99 6 Jumlah230 Distribusi frekuensi komulatif relatif kurang dari Data f (%) 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, %.  Sumbu tegak  persen komulatif  Gambarkan titik-titik yg ditentukan oleh batas atas dan frekuensi komulatif relatif  Hasil  gambar Titik-titik frekuensi komulatif

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 tsb sangat menyimpang dari sekitar garis lurus  tidak berdistribusi normal Titik-titik frekuensi komulatif

Uji dengan Chi-Kuadrat  Sebelum dilakukan pengujian, perlu dihitung dahulu frekuensi harapan (E = Expected) dan frekuensi pengamatan (O=Observer)  O diperoleh dari contoh pengamatan  E diperoleh hasil kali n dengan peluang luas di bawah lurva normal untuk interval yang bersangkutan  Selanjunya gunakan rumus Chi Kuadrat dengan derajad bebas (db) = k - 3 dan taraf α (O-E) (O-E)  χ² = ∑ E

Tabel frekuensi harapan dan pengamatan Batas kelas Z untuk batas kelas Luas interval kelas Frekuensi harapan (E) Frekuensi pengamatan O 139,5-2,26 144,5-1,640,03863,97 149,5-1,030,101010, ,5-0,410,189418, ,50,210,242324, ,50,830,213521, ,51,450,129813, ,52,060,05385,46

Contoh  Hasil pengukuran dan pengelompokan data terhadap tinggi 100 mahasiswa secara acak adalah sebagai berikut : Tinggi (cm) Frek 140 – – – – – – – Jumlah100 Setelah dihitung, diperoleh X̃ =157,8 cm dan s = 8,09 cm. Z = (x- μ)/σ 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 dibawah 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

Berdasarkan rumus chi-kuadrat, didapatkan :  χ² = (7-3,9)² /3,9 + … + (6-5,4) ² = 4,27  Karena jumlah kelas =7, maka db untuk distribusi chi-kuadrat =7-3 =4  Dari tabel χ² 0,05(4) = 9,49 dan χ² 0,01(4) = 13,3 χ² 0,01(4) = 13,3  Maka hipotesis tersebut berasal dari distribusi normal : dapat diterima