# UJI NORMALITAS 

# ambil data di sekolah, teman2 ingin melakukan pengujian hipotesis.

# Data skor siswa
skor <- c(75, 82, 68, 90, 78, 85, 80, 72, 88, 94, 77, 81, 79, 83, 76, 84, 70, 89,
          86, 73, 65, 87, 91, 69, 74, 80, 85, 78, 90, 82)

# Visualisasi dengan histogram dan Q-Q plot
hist(skor, main="Histogram Skor Siswa", xlab="Skor", col="lightblue", border="black")
qqnorm(skor, main="Q-Q Plot Skor Siswa")
qqline(skor, col="red")

# Uji Normalitas Dengan Shapiro-Wilk Test
shapiro_test <- shapiro.test(skor)
print(shapiro_test)

# Interpretasi hasil:
if(shapiro_test$p.value > 0.05) {
  cat("Data terdistribusi normal (terima H0, p-value =", shapiro_test$p.value, ")\n")
} else {
  cat("Data tidak terdistribusi normal (tolak H0, p-value =", shapiro_test$p.value, ")\n")
}

#======================================================================================

# Data contoh yang tidak normal 
nilai_asimetris <- c(1.52, 0.13, 2.98, 1.92, 0.46, 0.81, 1.18, 7.24, 0.20, 6.05,
                     0.71, 0.59, 2.33, 4.02, 0.88, 0.28, 3.60, 0.36, 5.30, 0.89,
                     1.33, 0.83, 2.10, 1.04, 1.44, 0.77, 4.80, 0.49, 2.71, 0.99)
# Visualisasi data
hist(nilai_asimetris, main="Histogram Nilai Asimetris", xlab="Nilai", col="orange", border="black")
qqnorm(nilai_asimetris, main="Q-Q Plot Nilai Asimetris")
qqline(nilai_asimetris, col="red")

# Uji normalitas dengan Shapiro-Wilk test
uji_normalitas <- shapiro.test(nilai_asimetris)
print(uji_normalitas)

# Interpretasi hasil uji
if (uji_normalitas$p.value > 0.05) {
  cat("Kesimpulan: Data berdistribusi normal (terima H0).\n")
} else {
  cat("Kesimpulan: Data tidak berdistribusi normal (tolak H0).\n")
}