Uji Normalitas Data
Kolom ini tuk sementara diposkan tuk teman teman mungkin bisa tuk "referensi". Ya secara tidak sengaja aja dapat postingan dari server docstoc. Buat PR statistika. Baca bila paham sorang pat batakun.

Uji Normalitas

Uji distribusi normal adalah uji untuk mengukur apakah data kita memiliki distribusi normal sehingga dapat
dipakai dalam statistik parametrik (statistik inferensial). Cara yang biasa dipakai untuk menghitung
masalah ini adalah Chi Square. Tapi karena tes ini memiliki kelemahan, maka yang kita pakai adalah
Kolmogorov-Smirnov. Kedua tes dinamakan masuk dalam kategori Goodness Of Fit Tes.
Januar: Makanan lagi ini? Ayo Jelaskan apa yang kau maksud dengan fitness tes ini.
Bukan Fitness Tes, tapi Goodness Of Fit Tes. Artinya, uji apakah data empirik yang kamu dapatkan dari
lapangan itu sesuai dengan distribusi teoritik tertentu. Dalam kaus..eh kasus ini, distribusi normal.
Dengan kata lain, apakah datamu itu dari populasi yang berdistribusi normal.
Januar: Mengapa kita harus, ngetes normalitas segala?
Pertama, Tes-tes parametrik itu dibangun dari distribusi normal, kau lihat tabel t-tes misalnya,
pembuatannya itu mengacu pada tebel normalitas. Kedua, kita bisa berasumsi bahwa sampel kita bener-
bener mewakili populasi. sehingga hasil penelitian kita bisa digeneralisasikan pada populasi. Bukankah
dalam pandangan statistik itu sifat dan karakteristik populasi adalah terdistribusi secara normal.

Terus, bagaimana kalau kita langsung meneliti populasi secara langsung. Misalnya Hubungan Antara
Independensi Anak yang Jarang Mandi di Fakultas Psikologi UGM Dengan Kreativitas. Populasinya khan
cuma tiga. Aku, kamu, dan Sony ’93. Apakah harus di tes normal segala?.

Mbuh!

Chi-Square
Filosofi mengapa Chi-Square kok bisa dikatakan Goodness Of Fit Tes, adalah begini:
Aku punya uang seratus rupiah. Tak lempar seratus kali, sisi A keluar sebanyak 35 kali, sisi B keluar sebanyak 65
kali. Apakah koinku dapat dikatakan seimbang..maksud’e koinku gak penceng?