Kamis, 07 November 2024

Uji Normalitas Data (Kolmogorov-Smirnov)

Uji Normalitas Kolmogorov-Smirnov (K-S) untuk Satu Sampel

Uji Normalitas Kolmogorov-Smirnov (K-S) untuk Satu Sampel

Uji Kolmogorov-Smirnov (K-S) digunakan untuk menguji apakah suatu sampel data berasal dari distribusi tertentu, dalam hal ini distribusi normal. Uji ini membandingkan distribusi kumulatif empiris dari data sampel dengan distribusi kumulatif teoritis dari distribusi normal.

Langkah-langkah Manual

Misalkan kita memiliki data sampel sebagai berikut:

X = [15.2, 16.4, 15.7, 16.1, 15.3, 15.6, 16.0, 15.8, 15.9, 16.2]

Jumlah data n = 10

Langkah 1: Menghitung Rata-rata (Mean) dan Simpangan Baku (Standar Deviasi)

Rata-rata (μ):

μ = ΣX_i / n = (15.2 + 16.4 + 15.7 + 16.1 + 15.3 + 15.6 + 16.0 + 15.8 + 15.9 + 16.2) / 10 = 158.2 / 10 = 15.82

Simpangan Baku (σ):

σ = √(Σ(X_i - μ)² / n)
X_i X_i - μ (X_i - μ)²
15.2-0.620.3844
16.40.580.3364
15.7-0.120.0144
16.10.280.0784
15.3-0.520.2704
15.6-0.220.0484
16.00.180.0324
15.8-0.020.0004
15.90.080.0064
16.20.380.1444

Jumlahkan semua kuadrat selisih:

Σ(X_i - μ)² = 0.3844 + 0.3364 + 0.0144 + 0.0784 + 0.2704 + 0.0484 + 0.0324 + 0.0004 + 0.0064 + 0.1444 = 1.3156

Kemudian, kita hitung simpangan baku:

σ = √(1.3156 / 10) = √(0.13156) ≈ 0.362

Langkah 2: Menghitung CDF Teoritis untuk Setiap Nilai Sampel

Untuk menghitung CDF teoritis, kita menggunakan rumus distribusi kumulatif normal:

F(X) = 1/2 [1 + erf((X - μ) / (σ√2))]

Dengan nilai μ = 15.82 dan σ = 0.362, kita dapat menghitung CDF untuk setiap nilai \(X_i\).

Langkah 3: Menghitung CDF Empiris untuk Setiap Nilai Sampel

CDF empiris dihitung berdasarkan urutan data dalam sampel:

F_empiris(X_i) = i / n
X_i CDF Empiris
15.20.10
15.30.20
15.60.30
15.70.40
15.80.50
15.90.60
16.00.70
15.80.80
16.20.90
16.41.00

Langkah 4: Menghitung Statistik Kolmogorov-Smirnov (D)

Statistik uji Kolmogorov-Smirnov adalah perbedaan terbesar antara CDF empiris dan CDF teoritis untuk setiap data:

D = max |F_empiris(X_i) - F_teoritis(X_i)|
X_i CDF Empiris CDF Teoritis Perbedaan
15.20.100.1130.013
15.30.200.1540.046
15.60.300.3330.033
15.70.400.4050.005
15.80.500.4840.016
15.90.600.5630.037
16.00.700.6360.064
15.80.800.4840.316
16.20.900.7700.130
16.41.000.8700.130

Perbedaan terbesar \( D = 0.316 \)

Langkah 5: Menentukan Keputusan Uji

Dengan n = 10 dan α = 0.05, nilai kritis dari distribusi Kolmogorov-Smirnov adalah sekitar 0.327.

Karena nilai D = 0.316 lebih kecil dari nilai kritis 0.327, kita tidak menolak hipotesis nol, yang berarti data ini dapat dianggap terdistribusi normal pada tingkat signifikansi 0.05.

Pengujian dengan Software

Pengujian dengan R

Untuk menguji normalitas dengan R, kita menggunakan fungsi ks.test().

# Data sampel
X <- c(15.2, 16.4, 15.7, 16.1, 15.3, 15.6, 16.0, 15.8, 15.9, 16.2)

# Melakukan uji Kolmogorov-Smirnov
ks_test <- ks.test(X, "pnorm", mean = mean(X), sd = sd(X))

# Menampilkan hasil uji
print(ks_test)
        

Output R:

        One-sample Kolmogorov-Smirnov test

data:  X
D = 0.316, p-value = 0.9877
alternative hypothesis: two-sided
    

Pengujian dengan Python

Untuk menguji normalitas dengan Python, kita bisa menggunakan pustaka scipy.stats.kstest().

import numpy as np
from scipy import stats

# Data sampel
X = np.array([15.2, 16.4, 15.7, 16.1, 15.3, 15.6, 16.0, 15.8, 15.9, 16.2])

# Melakukan uji Kolmogorov-Smirnov
ks_stat, p_value = stats.kstest(X, 'norm', args=(np.mean(X), np.std(X)))

# Menampilkan hasil uji
print(f"KS Statistic: {ks_stat}, P-value: {p_value}")
        

Output Python:

KS Statistic: 0.3162254889609997, P-value: 0.9877410394162797
    

Uji T Satu Sampel

Materi Uji t Satu Sampel

Uji t Satu Sampel

Uji t satu sampel adalah metode statistik yang digunakan untuk menguji apakah rata-rata suatu sampel berbeda secara signifikan dari nilai rata-rata populasi yang diharapkan (μ₀). Uji ini sering digunakan untuk membandingkan rata-rata sampel dengan nilai acuan tertentu.

Langkah-langkah Uji t Satu Sampel

1. Uji Prasyarat

Sebelum melakukan uji t satu sampel, kita perlu memeriksa beberapa prasyarat untuk memastikan bahwa data yang digunakan memenuhi asumsi yang diperlukan oleh uji t.

  • Normalitas Data: Uji t satu sampel mengasumsikan bahwa data mengikuti distribusi normal. Oleh karena itu, kita perlu memeriksa apakah data sampel terdistribusi normal.
  • Independensi Data: Data yang digunakan harus independen. Setiap nilai dalam sampel tidak boleh mempengaruhi nilai lainnya.
  • Ukuran Sampel yang Cukup: Walaupun uji t dapat dilakukan pada sampel kecil (n < 30), semakin besar sampel, semakin akurat estimasi rata-rata populasi.
  • Tidak Ada Outlier Signifikan: Kehadiran outlier dapat memengaruhi hasil uji t karena outlier dapat menarik rata-rata sampel jauh dari nilai yang sebenarnya mewakili populasi.

2. Formulasi Hipotesis

  • Hipotesis Nol (H₀): Rata-rata sampel sama dengan rata-rata populasi (μ = μ₀).
  • Hipotesis Alternatif (H₁): Rata-rata sampel tidak sama dengan rata-rata populasi (μ ≠ μ₀).

3. Tentukan Tingkat Signifikansi (α)

Tingkat signifikansi yang sering digunakan adalah 0.05 atau 5%, tetapi ini dapat disesuaikan sesuai dengan konteks penelitian.

4. Kumpulkan Data Sampel dan Hitung Statistik Sampel

Ambil data sampel dan hitung nilai-nilai berikut:

  • Rata-rata Sampel (X̄)
  • Simpangan Baku Sampel (s)
  • Jumlah Sampel (n)

5. Hitung Nilai t

Hitung nilai statistik t dengan rumus:

t = (X̄ - μ₀) / (s / √n)

6. Tentukan Derajat Kebebasan (df)

Derajat kebebasan dihitung dengan rumus:

df = n - 1

7. Tentukan Nilai t Kritis

Gunakan tabel distribusi t untuk menentukan nilai t kritis berdasarkan derajat kebebasan (df) dan tingkat signifikansi (α) yang telah ditentukan.

8. Bandingkan Nilai t Hitung dengan t Kritis

Jika |t hitung| > t kritis, tolak hipotesis nol (H₀) dan terima hipotesis alternatif (H₁). Artinya, ada perbedaan signifikan antara rata-rata sampel dan rata-rata populasi.

Jika |t hitung| ≤ t kritis, gagal menolak H₀. Artinya, tidak ada bukti yang cukup untuk mengatakan bahwa rata-rata sampel berbeda dari rata-rata populasi.

9. Kesimpulan

Berdasarkan perbandingan antara t hitung dan t kritis, buat kesimpulan:

  • Jika H₀ ditolak, artinya rata-rata sampel berbeda secara signifikan dengan rata-rata populasi.
  • Jika H₀ tidak ditolak, artinya tidak ada bukti yang cukup untuk mengatakan bahwa rata-rata sampel berbeda dengan rata-rata populasi.

Contoh Kasus 1: Penyelesaian Manual

Kasus:

Seorang peneliti ingin menguji apakah rata-rata waktu yang dibutuhkan siswa untuk menyelesaikan ujian matematika adalah 50 menit. Dari sampel acak 10 siswa, diperoleh waktu penyelesaian ujian sebagai berikut (dalam menit):

55, 48, 53, 60, 49, 51, 57, 52, 54, 50

Dengan tingkat signifikansi 0.05, apakah rata-rata waktu penyelesaian ujian berbeda dari 50 menit?

Langkah-langkah Penyelesaian:

  • Uji Prasyarat: Data terdistribusi normal, tidak ada outlier signifikan.
  • Formulasi Hipotesis: H₀: μ = 50, H₁: μ ≠ 50
  • Statistik Sampel: X̄ = 52.9, s ≈ 4.13, n = 10
  • Hitung t: t = 2.21
  • Derajat Kebebasan (df): df = 9
  • Tentukan t Kritis: t kritis = ±2.262
  • Bandingkan Nilai t: |t hitung| < |t kritis|, gagal menolak H₀.

Kesimpulan: Tidak ada bukti yang cukup untuk menyatakan bahwa rata-rata waktu ujian berbeda dari 50 menit.

Contoh Kasus 2: Penyelesaian dengan R

Kasus:

Seorang peneliti ingin menguji apakah rata-rata waktu yang dibutuhkan siswa di sekolah X untuk menyelesaikan ujian matematika adalah 45 menit. Peneliti mengambil sampel acak dari 12 siswa, dan waktu yang dibutuhkan oleh masing-masing siswa untuk menyelesaikan ujian adalah sebagai berikut:

47, 49, 44, 50, 45, 48, 46, 51, 44, 42, 46, 47

Dengan tingkat signifikansi 0.05, kita akan menguji apakah rata-rata waktu ujian siswa berbeda dari 45 menit.

Langkah-langkah Penyelesaian dengan R:


# Data waktu ujian siswa
data <- c(47, 49, 44, 50, 45, 48, 46, 51, 44, 42, 46, 47)

# Uji normalitas dengan Shapiro-Wilk
shapiro.test(data)

# Membuat boxplot untuk memeriksa outlier
boxplot(data, main="Boxplot Waktu Ujian", ylab="Waktu (menit)")

# Menghitung statistik dasar (mean dan standard deviation)
mean(data)
sd(data)

# Uji t satu sampel
t.test(data, mu = 45)
        

Hasil Uji t:


One Sample t-test

data:  data
t = 0.4369, df = 11, p-value = 0.6705
alternative hypothesis: true mean is not equal to 45
95 percent confidence interval:
 45.12962 48.87038
sample estimates:
mean of x 
      47
        

Kesimpulan: p-value = 0.6705 (lebih besar dari 0.05), sehingga kita gagal menolak H₀. Tidak ada bukti yang cukup untuk menyatakan bahwa rata-rata waktu ujian siswa berbeda dari 45 menit.

Contoh Kasus 3: Penyelesaian dengan Python

Kasus:

Seorang peneliti ingin menguji apakah rata-rata waktu yang dibutuhkan siswa di sekolah Y untuk menyelesaikan ujian matematika adalah 45 menit. Peneliti mengambil sampel acak dari 12 siswa, dan waktu yang dibutuhkan oleh masing-masing siswa untuk menyelesaikan ujian adalah sebagai berikut:

47, 49, 44, 50, 45, 48, 46, 51, 44, 42, 46, 47

Dengan tingkat signifikansi 0.05, kita akan menguji apakah rata-rata waktu ujian siswa berbeda dari 45 menit.

Langkah-langkah Penyelesaian dengan Python:


import numpy as np
from scipy import stats
import matplotlib.pyplot as plt
import seaborn as sns

# Data waktu ujian siswa
data = np.array([47, 49, 44, 50, 45, 48, 46, 51, 44, 42, 46, 47])

# Uji normalitas dengan Shapiro-Wilk
shapiro_test = stats.shapiro(data)
print(f"Shapiro-Wilk test p-value: {shapiro_test.pvalue}")

# Membuat boxplot untuk memeriksa outlier
sns.boxplot(data=data)
plt.title("Boxplot Waktu Ujian")
plt.ylabel("Waktu (menit)")
plt.show()

# Statistik dasar
mean_data = np.mean(data)
std_dev = np.std(data, ddof=1)
print(f"Rata-rata: {mean_data}, Simpangan Baku: {std_dev}")

# Uji t satu sampel
t_stat, p_value = stats.ttest_1samp(data, 45)
print(f"t-statistik: {t_stat}, p-value: {p_value}")

# Kesimpulan
if p_value < 0.05:
    print("Tolak H0: Rata-rata waktu ujian berbeda dari 45 menit.")
else:
    print("Gagal menolak H0: Tidak ada bukti cukup untuk menyatakan rata-rata waktu ujian berbeda dari 45 menit.")
        

Kesimpulan: p-value yang lebih besar dari 0.05 menunjukkan bahwa H₀ tidak dapat ditolak. Ini berarti tidak ada bukti yang cukup untuk menyatakan bahwa rata-rata waktu ujian berbeda dari 45 menit.

Ringkasan

Uji t Satu Sampel digunakan untuk menguji apakah rata-rata sampel berbeda dari nilai rata-rata populasi yang diharapkan. Langkah-langkah yang harus dilakukan meliputi uji prasyarat, formulasi hipotesis, uji statistik, dan interpretasi hasil. Dalam contoh-contoh di atas, baik dengan perhitungan manual, menggunakan software R, maupun Python, kita dapat menguji hipotesis dan menarik kesimpulan berdasarkan nilai t dan p-value.

Minggu, 03 Desember 2023

Kode Program : R Studio (Identifikasi Outlier, Uji Normalitas, Uji Homogenitas Varians, Independent Sample T-Test, dll)

Kode Program : R Studio (Identifikasi Outlier, Uji Normalitas, Uji Homogenitas Varians, Independent Sample T-Test, dll).

#generate normal random distribution for 20 samples

nilaiPreKlEksp <- rnorm(20, mean=55, sd=4.3)

nilaiPostKlEksp <- rnorm(20, mean=82, sd=4)


nilaiPreKlKontr <- rnorm(20, mean=68, sd=3.2)

nilaiPostKlKontr <- rnorm(20, mean=78, sd=3)


nilaiPreKlEksp

nilaiPostKlEksp

nilaiPreKlKontr

nilaiPostKlKontr


library(readr)

IndependentSampleTTest <- read_csv("D:/HAVIZUL DATA 2023/2023 Desain dan Analisas Eksperimen/IndependentSampleTTest.csv")

IndependentSampleTTest

print(IndependentSampleTTest, n=40)


#getwd() #Shows the default working directory 

IndependentSampleTTest <- read.csv("D:/HAVIZUL DATA 2023/2023 Desain dan Analisas Eksperimen/IndependentSampleTTest.txt")

IndependentSampleTTest

class(IndependentSampleTTest)


library(readxl)

IndependentSampleTTest <- read_excel("D:/HAVIZUL DATA 2023/2023 Desain dan Analisas Eksperimen/IndependentSampleTTest.xlsx", sheet = "Sheet1")

print(IndependentSampleTTest, n = 40)


nilaiKelEksp <- subset(IndependentSampleTTest$Nilai, IndependentSampleTTest$Kelompok == "E")

nilaiKelEksp

nilaiKelKontr <- subset(IndependentSampleTTest$Nilai, IndependentSampleTTest$Kelompok == "K")

nilaiKelKontr


#Uji normalitas dengan shapiro wilk

shapiro.test(nilaiKelEksp)

shapiro.test(nilaiKelKontr)


#Uji normalitas dengan visual

library("ggplot2")

library("ggpubr")


ggdensity(nilaiKelEksp, fill = "green")

ggqqplot(nilaiKelEksp)

ggdensity(nilaiKelKontr, fill = "blue")

ggqqplot(nilaiKelKontr)


hist(nilaiKelEksp)

hist(nilaiKelKontr)


#Uji Homogenitas Variansi (F-Test)

#var.test(IndependentSampleTTest$Nilai~IndependentSampleTTest$Kelompok, data = IndependentSampleTTest)

var.test(Nilai~Kelompok, data = IndependentSampleTTest)


#Uji Homogenitas Varians dengan Bartlett

bartlett.test(Nilai~Kelompok, data = IndependentSampleTTest)



#Uji Homogenitas Variansi dengan Levene Test

library(carData)

library(car)

leveneTest(Nilai~Kelompok, data = IndependentSampleTTest)


#Visualisasi Variability 

#Sumber : https://cran.r-project.org/web/packages/VCA/vignettes/VCA_package_vignette.html

#install.packages("VCA")

#library(VCA)

#data("VCAdata1")

#VCAdata1

#datS5 <- subset(VCAdata1, sample==5)

#datS5

#varPlot(form = Nilai~Kelompok, Data = IndependentSampleTTest)


#INDEPENDENT SAMPLE T-TEST

#Data deskriptif

IndependentSampleTTest %>% group_by(Kelompok) %>% get_summary_stats(Nilai, type = "mean_sd")


#Visualisasi dengan boxplot

ggboxplot(IndependentSampleTTest, x = "Kelompok", y = "Nilai", ylab = "Nilai (Gain Score)", xlab = "Kelompok", add = "jitter")


#Identifikasi nilai outlier 

#Cara Manual (sumber: https://www.reneshbedre.com/blog/find-outliers.html) :

# get median

med = median(nilaiKelEksp)

# subtract median from each value of x and get absolute deviation

abs_dev = abs(nilaiKelEksp-med)

# get MAD

mad = 1.4826 * median(abs_dev)

# get threshold values for outliers

Tmin = med-(3*mad) 

Tmax = med+(3*mad) 

# find outlier

nilaiKelEksp[which(nilaiKelEksp < Tmin | nilaiKelEksp > Tmax)]

# remove outlier

#x[which(x > Tmin & x < Tmax)]


# get median

med = median(nilaiKelKontr)

# subtract median from each value of x and get absolute deviation

abs_dev = abs(nilaiKelKontr-med)

# get MAD

mad = 1.4826 * median(abs_dev)

# get threshold values for outliers

Tmin = med-(3*mad) 

Tmax = med+(3*mad) 

# find outlier

nilaiKelKontr[which(nilaiKelKontr < Tmin | nilaiKelKontr > Tmax)]

# remove outlier

#x[which(x > Tmin & x < Tmax)]


#Cara otomatis (mengidentifikasi outliers berdasarkan kelompok) (Sumber : Buku Alboukadel Kassambara)

library(rstatix)

IndependentSampleTTest %>% 

  group_by(Kelompok) %>% 

  identify_outliers(Nilai)


#Uji Normalitas Shapiro Wilk by groups

IndependentSampleTTest %>% group_by(Kelompok) %>% shapiro_test(Nilai)

#Draw qqplot by group

ggqqplot(IndependentSampleTTest, x = "Nilai", facet.by = "Kelompok")


#Uji kesetaraan variansi dengan Levene's Test

IndependentSampleTTest %>% levene_test(Nilai~Kelompok)


#Independent Sample T-Test untuk variansi sama : STUDENT T-TEST

IndependentSampleTTest %>% t_test(Nilai ~ Kelompok, var.equal = TRUE, detailed = TRUE, alternative = "greater") %>% add_significance()


#Independent Sample T-Test untuk variansi tidak sama : WELTCH T-TEST

IndependentSampleTTest %>% t_test(Nilai ~ Kelompok, var.equal = FALSE, detailed = TRUE, alternative = "greater") %>% add_significance()





Selasa, 24 Oktober 2023

Program Uji Normalitas Shapiro-Wilk (C++ - Code Blocks)

  1
  2
  3
  4
  5
  6
  7
  8
  9
 10
 11
 12
 13
 14
 15
 16
 17
 18
 19
 20
 21
 22
 23
 24
 25
 26
 27
 28
 29
 30
 31
 32
 33
 34
 35
 36
 37
 38
 39
 40
 41
 42
 43
 44
 45
 46
 47
 48
 49
 50
 51
 52
 53
 54
 55
 56
 57
 58
 59
 60
 61
 62
 63
 64
 65
 66
 67
 68
 69
 70
 71
 72
 73
 74
 75
 76
 77
 78
 79
 80
 81
 82
 83
 84
 85
 86
 87
 88
 89
 90
 91
 92
 93
 94
 95
 96
 97
 98
 99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
#include <iostream>
#include <math.h>

// C++ program to demonstrate default behaviour of
// sort() in STL.
#include <bits/stdc++.h>    //for sort function
//#include <array>
#include <cmath>

using namespace std;

//Fungsi mengurutkan data nilai terendah ke terbesar
//sumber: https://www.geeksforgeeks.org/sort-c-stl/
float tabelSW(int r, int c, int display)     //Tabel 2 Shapiro Wilk - Probabilitas
{
    float arr[48][9] = {    { 0.753,0.756,0.767,0.789,0.959,0.998,0.999,1,1 },
                            { 0.687,0.707,0.748,0.792,0.935,0.987,0.992,0.996,0.997 },
                            { 0.686,0.715,0.762,0.806,0.927,0.979,0.986,0.991,0.993 },
                            { 0.713,0.743,0.788,0.826,0.927,0.974,0.981,0.986,0.989 },
                            { 0.73,0.76,0.803,0.838,0.928,0.972,0.979,0.985,0.988 },
                            { 0.749,0.778,0.818,0.851,0.932,0.972,0.978,0.984,0.987 },
                            { 0.764,0.791,0.829,0.859,0.935,0.972,0.978,0.984,0.986 },
                            { 0.781,0.806,0.842,0.869,0.938,0.972,0.978,0.983,0.986 },
                            { 0.792,0.817,0.85,0.876,0.94,0.973,0.979,0.984,0.986 },
                            { 0.805,0.828,0.859,0.883,0.943,0.973,0.979,0.984,0.986 },
                            { 0.814,0.837,0.866,0.889,0.945,0.974,0.979,0.984,0.986 },
                            { 0.825,0.846,0.874,0.895,0.947,0.975,0.98,0.984,0.986 },
                            { 0.835,0.855,0.881,0.901,0.95,0.975,0.98,0.984,0.987 },
                            { 0.844,0.863,0.887,0.906,0.952,0.976,0.981,0.985,0.987 },
                            { 0.851,0.869,0.892,0.91,0.954,0.977,0.981,0.985,0.987 },
                            { 0.858,0.874,0.897,0.914,0.956,0.978,0.982,0.986,0.988 },
                            { 0.863,0.879,0.901,0.917,0.957,0.978,0.982,0.986,0.988 },
                            { 0.868,0.884,0.905,0.92,0.959,0.979,0.983,0.986,0.988 },
                            { 0.873,0.888,0.908,0.923,0.96,0.98,0.983,0.987,0.989 },
                            { 0.878,0.892,0.911,0.926,0.961,0.98,0.984,0.987,0.989 },
                            { 0.881,0.895,0.914,0.928,0.962,0.981,0.984,0.987,0.989 },
                            { 0.884,0.898,0.916,0.93,0.963,0.981,0.984,0.987,0.989 },
                            { 0.888,0.901,0.918,0.931,0.964,0.981,0.985,0.988,0.989 },
                            { 0.891,0.904,0.92,0.933,0.965,0.982,0.985,0.988,0.989 },
                            { 0.894,0.906,0.923,0.935,0.965,0.982,0.985,0.988,0.99 },
                            { 0.896,0.908,0.924,0.936,0.966,0.982,0.985,0.988,0.99 },
                            { 0.898,0.91,0.926,0.937,0.966,0.982,0.985,0.988,0.99 },
                            { 0.9,0.912,0.927,0.939,0.967,0.983,0.985,0.988,0.99 },
                            { 0.902,0.914,0.929,0.94,0.967,0.983,0.986,0.988,0.99 },
                            { 0.904,0.915,0.93,0.941,0.968,0.983,0.986,0.988,0.99 },
                            { 0.906,0.917,0.931,0.942,0.968,0.983,0.986,0.989,0.99 },
                            { 0.908,0.919,0.933,0.943,0.969,0.983,0.986,0.989,0.99 },
                            { 0.91,0.92,0.934,0.944,0.969,0.984,0.986,0.989,0.99 },
                            { 0.912,0.922,0.935,0.945,0.97,0.984,0.986,0.989,0.99 },
                            { 0.914,0.924,0.936,0.946,0.97,0.984,0.987,0.989,0.99 },
                            { 0.916,0.925,0.938,0.947,0.971,0.984,0.987,0.989,0.99 },
                            { 0.917,0.927,0.939,0.948,0.971,0.984,0.987,0.989,0.991 },
                            { 0.919,0.928,0.94,0.949,0.972,0.985,0.987,0.989,0.991 },
                            { 0.92,0.929,0.941,0.95,0.972,0.985,0.987,0.989,0.991 },
                            { 0.922,0.93,0.942,0.951,0.972,0.985,0.987,0.989,0.991 },
                            { 0.923,0.932,0.943,0.951,0.973,0.985,0.987,0.99,0.991 },
                            { 0.924,0.933,0.944,0.952,0.973,0.985,0.987,0.99,0.991 },
                            { 0.926,0.934,0.945,0.953,0.973,0.985,0.988,0.99,0.991 },
                            { 0.927,0.935,0.945,0.953,0.974,0.985,0.988,0.99,0.991 },
                            { 0.928,0.936,0.946,0.954,0.974,0.985,0.988,0.99,0.991 },
                            { 0.929,0.937,0.947,0.954,0.974,0.985,0.988,0.99,0.991 },
                            { 0.929,0.939,0.947,0.955,0.974,0.985,0.988,0.99,0.991 },
                            { 0.93,0.938,0.947,0.955,0.974,0.985,0.988,0.99,0.991 }
                          };

	//double n = sizeof(arr) / sizeof(arr[0]);

	/*Here we take two parameters, the beginning of the
	array and the length n upto which we want the array to
	be sorted*/

    if (display == 1)
    {
        cout << "TABEL 2 SHAPIRO WILK - P-VALUES \n";
        cout << "------------------------------------------------------------------------------\n";
        cout << "n\\p \t0.01 \t0.02 \t0.05 \t0.1 \t0.5 \t0.9 \t0.95 \t0.98 \t0.99 \n";
        cout << "------------------------------------------------------------------------------\n";

        for (int r = 0; r < 48; r++)
        {
            cout << r+3 << "\t";
            for(int c = 0; c < 9; c++)
            {
                cout << arr[r][c] << "\t";

            }
            cout << endl;
        }
    cout << "------------------------------------------------------------------------------\n\n\n";
    }

    return arr[r][c];
}

float tableCofficientA(int r, int c, int display)    //n=2-14, a1-a7
{
    float tabelCoffA[8][16] =   {   {   0,	0.7071, 	0.7071, 	0.6872, 	0.6646, 	0.6431, 	0.6233, 	0.6052, 	0.5888, 	0.5739, 	0.5601, 	0.5475, 	0.5359, 	0.5251   },
                                    {   0,	0, 	0, 	0.1677, 	0.2413, 	0.2806, 	0.3031, 	0.3164, 	0.3244, 	0.3291, 	0.3315, 	0.3325, 	0.3325, 	0.3318   },
                                    {   0,	0, 	0, 	0, 	0, 	0.0875, 	0.1401, 	0.1743, 	0.1976, 	0.2141, 	0.226, 	0.2347, 	0.2412, 	0.246   },
                                    {   0,	0, 	0, 	0, 	0, 	0, 	0, 	0.0561, 	0.0947, 	0.1224, 	0.1429, 	0.1586, 	0.1707, 	0.1802   },
                                    {   0,	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0.0399, 	0.0695, 	0.0922, 	0.1099, 	0.124   },
                                    {   0,	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0.0303, 	0.0539, 	0.0727   },
                                    {   0,	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0.024   }
                                };

    if (display != 0)
    {
        cout << "TABEL 1 (A) SHAPIRO WILK - COFFICIENTS \n";
        cout << setfill('-') << setw(118) << "" << setfill(' ') << endl;
        cout << right << setw(8) << "-\\n=  " << left << setw(8) << "1" << setw(8) << "2" << setw(8) << "3" << setw(8) << "4" << setw(8) << "5" << setw(8) << "6" << setw(8) << "7" << setw(8) << "8" << setw(8) << "9" << setw(8) << "10" << setw(8) << "11" << setw(8) << "12" << setw(8) << "13" << setw(8) << "14" << endl;
        cout << setfill('-') << setw(118) << "" << setfill(' ') << endl;

        for (int b = 0; b < 7; b++)
        {
            for(int k = 0; k < 14; k++)
            {
                if (k==0)
                {
                    cout << left << "a" << setw(7) << b+1;
                    cout << left << setw(8) << tabelCoffA[b][k] ;
                }
                else
                {
                    //cout << tabelCoffA[b][k] << "\t";
                    cout << left << setw(8) << tabelCoffA[b][k] ;
                }
            }
            cout << endl;
        }
        cout << setfill('-') << setw(118) << "" << setfill(' ') << endl << endl << endl;
    }
    //cout << tabelCoffA[0][1] << endl << endl << endl;

    return tabelCoffA[r][c];
}

float tableCofficientB(int r, int c, int display)    //n=2-14, a1-a7
{
    float tabelCoffB[14][13] =   {  {   0.515,	0.5056, 	0.4968, 	0.4886, 	0.4808, 	0.4734, 	0.4643, 	0.459, 	0.4542, 	0.4493, 	0.445, 	0.4407   },
                                    {   0.3306,	0.329, 	0.3273, 	0.3253, 	0.3232, 	0.3211, 	0.3185, 	0.3156, 	0.3126, 	0.3098, 	0.3069, 	0.3043   },
                                    {   0.2495,	0.2521, 	0.254, 	0.2553, 	0.2561, 	0.2565, 	0.2578, 	0.2571, 	0.2563, 	0.2554, 	0.2543, 	0.2533   },
                                    {   0.1878,	0.1939, 	0.1988, 	0.2027, 	0.2059, 	0.2085, 	0.2119, 	0.2131, 	0.2139, 	0.2145, 	0.2148, 	0.2151   },
                                    {   0.1353,	0.1447, 	0.1524, 	0.1587, 	0.1641, 	0.1686, 	0.1736, 	0.1764, 	0.1787, 	0.1807, 	0.1822, 	0.1836   },
                                    {   0.088,	0.1005, 	0.1109, 	0.1197, 	0.1271, 	0.1334, 	0.1399, 	0.1443, 	0.148, 	0.1512, 	0.1539, 	0.1563   },
                                    {   0.0433,	0.0593, 	0.0725, 	0.0837, 	0.0932, 	0.1013, 	0.1092, 	0.115, 	0.1201, 	0.1245, 	0.1283, 	0.1316   },
                                    {   0,	0.0196, 	0.0359, 	0.0496, 	0.0612, 	0.0711, 	0.0804, 	0.0878, 	0.0941, 	0.0997, 	0.1046, 	0.1089   },
                                    {   0,	0, 	0, 	0.0163, 	0.0303, 	0.0422, 	0.053, 	0.0618, 	0.0696, 	0.0764, 	0.0823, 	0.0876   },
                                    {   0,	0, 	0, 	0, 	0, 	0.014, 	0.0263, 	0.0368, 	0.0459, 	0.0539, 	0.061, 	0.0672   },
                                    {   0,	0, 	0, 	0, 	0, 	0, 	0, 	0.0122, 	0.0228, 	0.0321, 	0.0403, 	0.0476   },
                                    {   0,	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0.0107, 	0.02, 	0.0284   },
                                    {   0,	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0.0094   }

                                };

    if (display != 0)
    {
    cout << "TABEL 1 (B) SHAPIRO WILK - COFFICIENTS \n";
    cout << setfill('-') << setw(102) << "" << setfill(' ') << endl;
    cout << setw(8) << "-\\n=  " << setw(8) << "15" << setw(8) << "16" << setw(8) << "17" << setw(8) << "18" << setw(8) << "19" << setw(8) << "20" << setw(8) << "21" << setw(8) << "22" << setw(8) << "23" << setw(8) << "24" << setw(8) << "25" << setw(8) << "26" << endl;
	cout << setfill('-') << setw(102) << "" << setfill(' ') << endl;

	for (int b = 0; b < 13; b++)
    {
        for(int k = 0; k < 12; k++)
        {
            if (k==0)
            {
                cout << left << "a" << setw(7) << b+1;
                cout << left << setw(8) << tabelCoffB[b][k] ;
            }
            else
            {
                //cout << tabelCoffA[b][k] << "\t";
                cout << left << setw(8) << tabelCoffB[b][k] ;
            }
        }
        cout << endl;
    }
    cout << setfill('-') << setw(102) << "" << setfill(' ') << endl << endl << endl;
    }

    return tabelCoffB[r][c];
}

float tableCofficientC(int r, int c, int display)    //n=27-38, a1-a19
{
    float tabelCoffC[20][13] =   {  {   0.4366,	0.4328, 	0.4291, 	0.4254, 	0.422, 	0.4188, 	0.4156, 	0.4127, 	0.4096, 	0.4068, 	0.404, 	0.4015   },
                                    {   0.3018,	0.2992, 	0.2968, 	0.2944, 	0.2921, 	0.2898, 	0.2876, 	0.2854, 	0.2834, 	0.2813, 	0.2794, 	0.2774   },
                                    {   0.2522,	0.251, 	0.2499, 	0.2487, 	0.2475, 	0.2463, 	0.2451, 	0.2439, 	0.2427, 	0.2415, 	0.2403, 	0.2391   },
                                    {   0.2152,	0.2151, 	0.215, 	0.2148, 	0.2145, 	0.2141, 	0.2137, 	0.2132, 	0.2127, 	0.2121, 	0.2116, 	0.211   },
                                    {   0.1848,	0.1857, 	0.1864, 	0.187, 	0.1874, 	0.1878, 	0.188, 	0.1882, 	0.1883, 	0.1883, 	0.1883, 	0.1881   },
                                    {   0.1584,	0.1601, 	0.1616, 	0.163, 	0.1641, 	0.1651, 	0.166, 	0.1667, 	0.1673, 	0.1678, 	0.1683, 	0.1686   },
                                    {   0.1346,	0.1372, 	0.1395, 	0.1415, 	0.1433, 	0.1449, 	0.1463, 	0.1475, 	0.1487, 	0.1496, 	0.1505, 	0.1513   },
                                    {   0.1128,	0.1162, 	0.1192, 	0.1219, 	0.1243, 	0.1265, 	0.1284, 	0.1301, 	0.1317, 	0.1331, 	0.1344, 	0.1356   },
                                    {   0.0923,	0.0965, 	0.1002, 	0.1036, 	0.1066, 	0.1093, 	0.1118, 	0.114, 	0.116, 	0.1179, 	0.1196, 	0.1211   },
                                    {   0.0728,	0.0778, 	0.0822, 	0.0862, 	0.0899, 	0.0931, 	0.0961, 	0.0988, 	0.1013, 	0.1036, 	0.1056, 	0.1075   },
                                    {   0.054,	0.0598, 	0.065, 	0.0697, 	0.0739, 	0.0777, 	0.0812, 	0.0844, 	0.0873, 	0.09, 	0.0924, 	0.0947   },
                                    {   0.0358,	0.0424, 	0.0483, 	0.0537, 	0.0585, 	0.0629, 	0.0669, 	0.0706, 	0.0739, 	0.077, 	0.0798, 	0.0824   },
                                    {   0.0178,	0.0253, 	0.032, 	0.0381, 	0.0435, 	0.0485, 	0.053, 	0.0572, 	0.061, 	0.0645, 	0.0677, 	0.0706   },
                                    {   0,	0.0084, 	0.0159, 	0.0227, 	0.0289, 	0.0344, 	0.0395, 	0.0441, 	0.0484, 	0.0523, 	0.0559, 	0.0592   },
                                    {   0,	0, 	0, 	0.0076, 	0.0144, 	0.0206, 	0.0262, 	0.0314, 	0.0361, 	0.0404, 	0.0444, 	0.0481   },
                                    {   0,	0, 	0, 	0, 	0, 	0.0068, 	0.0131, 	0.0187, 	0.0239, 	0.0287, 	0.0331, 	0.0372   },
                                    {   0,	0, 	0, 	0, 	0, 	0, 	0, 	0.0062, 	0.0119, 	0.0172, 	0.022, 	0.0264   },
                                    {   0,	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0.0057, 	0.011, 	0.0158   },
                                    {   0,	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0.0053   }
                                };

    if (display != 0)
    {
    cout << "TABEL 1 (C) SHAPIRO WILK - COFFICIENTS \n";
    cout << setfill('-') << setw(102) << "" << setfill(' ') << endl;
    cout << setw(8) << "-\\n=  " << setw(8) << "27" << setw(8) << "28" << setw(8) << "29" << setw(8) << "30" << setw(8) << "31" << setw(8) << "32" << setw(8) << "33" << setw(8) << "34" << setw(8) << "35" << setw(8) << "36" << setw(8) << "37" << setw(8) << "38" << endl;
	cout << setfill('-') << setw(102) << "" << setfill(' ') << endl;

	for (int b = 0; b < 19; b++)
    {
        for(int k = 0; k < 12; k++)
        {
            if (k==0)
            {
                cout << left << "a" << setw(7) << b+1;
                cout << left << setw(8) << tabelCoffC[b][k] ;
            }
            else
            {
                //cout << tabelCoffA[b][k] << "\t";
                cout << left << setw(8) << tabelCoffC[b][k] ;
            }
        }
        cout << endl;
    }
    cout << setfill('-') << setw(102) << "" << setfill(' ') << endl << endl << endl;
    }

    return tabelCoffC[r][c];
}

float tableCofficientD(int r, int c, int display)    //n=39-50, a1-a25
{
    float tabelCoffD[26][13] =   {  {   0.3989,	0.3964, 	0.394, 	0.3917, 	0.3894, 	0.3872, 	0.385, 	0.383, 	0.3808, 	0.3789, 	0.377, 	0.3751   },
                                    {   0.2755,	0.2737, 	0.2719, 	0.2701, 	0.2684, 	0.2667, 	0.2651, 	0.2635, 	0.262, 	0.2604, 	0.2589, 	0.2574   },
                                    {   0.238,	0.2368, 	0.2357, 	0.2345, 	0.2334, 	0.2323, 	0.2313, 	0.2302, 	0.2291, 	0.2281, 	0.2271, 	0.226   },
                                    {   0.2104,	0.2098, 	0.2091, 	0.2085, 	0.2078, 	0.2072, 	0.2065, 	0.2058, 	0.2052, 	0.2045, 	0.2038, 	0.2032   },
                                    {   0.188,	0.1878, 	0.1876, 	0.1874, 	0.1871, 	0.1868, 	0.1865, 	0.1862, 	0.1859, 	0.1855, 	0.1851, 	0.1847   },
                                    {   0.1689,	0.1691, 	0.1693, 	0.1694, 	0.1695, 	0.1695, 	0.1695, 	0.1695, 	0.1695, 	0.1693, 	0.1692, 	0.1691   },
                                    {   0.152,	0.1526, 	0.1531, 	0.1535, 	0.1539, 	0.1542, 	0.1545, 	0.1548, 	0.155, 	0.1551, 	0.1553, 	0.1554   },
                                    {   0.1366,	0.1376, 	0.1384, 	0.1392, 	0.1398, 	0.1405, 	0.141, 	0.1415, 	0.142, 	0.1423, 	0.1427, 	0.143   },
                                    {   0.1225,	0.1237, 	0.1249, 	0.1259, 	0.1269, 	0.1278, 	0.1286, 	0.1293, 	0.13, 	0.1306, 	0.1312, 	0.1317   },
                                    {   0.1092,	0.1108, 	0.1123, 	0.1136, 	0.1149, 	0.116, 	0.117, 	0.118, 	0.1189, 	0.1197, 	0.1205, 	0.1212   },
                                    {   0.0967,	0.0986, 	0.1004, 	0.102, 	0.1035, 	0.1049, 	0.1062, 	0.1073, 	0.1085, 	0.1095, 	0.1105, 	0.1113   },
                                    {   0.0848,	0.087, 	0.0891, 	0.0909, 	0.0927, 	0.0943, 	0.0959, 	0.0972, 	0.0986, 	0.0998, 	0.101, 	0.102   },
                                    {   0.0733,	0.0759, 	0.0782, 	0.0804, 	0.0824, 	0.0842, 	0.086, 	0.0876, 	0.0892, 	0.0906, 	0.919, 	0.0932   },
                                    {   0.0622,	0.0651, 	0.0677, 	0.0701, 	0.0724, 	0.0745, 	0.0765, 	0.0783, 	0.0801, 	0.0817, 	0.0832, 	0.0846   },
                                    {   0.0515,	0.0546, 	0.0575, 	0.0602, 	0.0628, 	0.0651, 	0.0673, 	0.0694, 	0.0713, 	0.0731, 	0.0748, 	0.0764   },
                                    {   0.0409,	0.0444, 	0.0476, 	0.0506, 	0.0534, 	0.056, 	0.0584, 	0.0607, 	0.0628, 	0.0648, 	0.0667, 	0.0685   },
                                    {   0.0305,	0.0343, 	0.0379, 	0.0411, 	0.0442, 	0.0471, 	0.0497, 	0.0522, 	0.0546, 	0.0568, 	0.0588, 	0.0608   },
                                    {   0.0203,	0.0244, 	0.0283, 	0.0318, 	0.0352, 	0.0383, 	0.0412, 	0.0439, 	0.0465, 	0.0489, 	0.0511, 	0.0532   },
                                    {   0.0101,	0.0146, 	0.0188, 	0.0227, 	0.0263, 	0.0296, 	0.0328, 	0.0357, 	0.0385, 	0.0411, 	0.0436, 	0.0459   },
                                    {   0,	0.0049, 	0.0094, 	0.0136, 	0.0175, 	0.0211, 	0.0245, 	0.0277, 	0.0307, 	0.0335, 	0.0361, 	0.0386   },
                                    {   0,	0, 	0, 	0.0045, 	0.0087, 	0.0126, 	0.0163, 	0.0197, 	0.0229, 	0.0259, 	0.0288, 	0.0314   },
                                    {   0,	0, 	0, 	0, 	0, 	0.0042, 	0.0081, 	0.0118, 	0.0153, 	0.0185, 	0.0215, 	0.0244   },
                                    {   0,	0, 	0, 	0, 	0, 	0, 	0, 	0.0039, 	0.0076, 	0.0111, 	0.0143, 	0.0174   },
                                    {   0,	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0.0037, 	0.0071, 	0.0104   },
                                    {   0,	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0, 	0.035   }
                                };

    if (display != 0)
    {
    cout << "TABEL 1 (D) SHAPIRO WILK - COFFICIENTS \n";
    cout << setfill('-') << setw(102) << "" << setfill(' ') << endl;
    cout << setw(8) << "-\\n=  " << setw(8) << "39" << setw(8) << "40" << setw(8) << "41" << setw(8) << "42" << setw(8) << "43" << setw(8) << "44" << setw(8) << "45" << setw(8) << "46" << setw(8) << "47" << setw(8) << "48" << setw(8) << "49" << setw(8) << "50" << endl;
	cout << setfill('-') << setw(102) << "" << setfill(' ') << endl;

	for (int b = 0; b < 25; b++)
    {
        for(int k = 0; k < 12; k++)
        {
            if (k==0)
            {
                cout << left << "a" << setw(7) << b+1;
                cout << left << setw(8) << tabelCoffD[b][k] ;
            }
            else
            {
                //cout << tabelCoffA[b][k] << "\t";
                cout << left << setw(8) << tabelCoffD[b][k] ;
            }
        }
        cout << endl;
    }
    cout << setfill('-') << setw(102) << "" << setfill(' ') << endl << endl << endl;
    }

    return tabelCoffD[r][c];
}

struct dataRecord
{
    char nama[10];
    int data;
};

struct dataRecordDeFloat
{
    int nomor;
    float dataStc;
};

int requestJmlData()
{
    int n;
    while(1)
    {
        cout << "Masukkan jumlah data : ";
        cin >> n;
        cout << endl;

        if (n>50 || n<3)
        {
            cout << "Jumlah data harus lebih dari 2 dan kurang dari 50 !! \n";
        }
        else
        {
            break;
        }
    }

    return n;
}


void tabelDataArr(int n, float dtColl[])
{
    int j = 0;
    while(j<n)
    {
        cout << j+1 << "\t " << dtColl[j] << "\n";
        j++;
    }

    //Langkah2 uji normalitas shapiro wilk
    //Mereview nilai minimum dan maximum array
    cout << "Jumlah data : " << sizeof(dtColl) << " bytes" << endl; //sumber: https://www.w3schools.com/cpp/cpp_arrays_size.asp
    cout << "Jumlah data : " << sizeof(dtColl) / sizeof(int) << " elemen" << endl; //int = 4 bytes, tto get the array length
}

void tblBantu(int n, float tblBnt[][3])
{

    for (int r=0; r<n; r++)
    {
        cout << left << setw(5) << " " << setw(11) << tblBnt[r][0] << " " << setw(22) << tblBnt[r][1] << " " << setw(11) << tblBnt[r][2] << " " << endl;
    }
}

float sumSquare(int n, float sigmaXiXbPow[][3])
{
    float sigmaXibPow;

    for (int i=0; i<n; i++)
    {
        sigmaXibPow = sigmaXibPow + sigmaXiXbPow[i][2];
    }

    return sigmaXibPow;
}

void headerProgram()
{
    cout << setfill('=') << setw(42) << "" << setfill(' ') << endl;
    cout << left << setw(42) << "PROGRAM UJI NORMALITAS SHAPIRO-WILK" << endl << endl;
    cout << left << setw(42) << "Dibuat oleh : Havizul" << endl;
    cout << left << setw(42) << "Mata Kuliah : Pemrograman Komputer" << endl;
    cout << setfill('=') << setw(42) << "" << setfill(' ') << endl << endl << endl;
}

float getaValues(int i, int n)
{
    float rt;
    switch (n)
    {
        case 0 ... 14: //Tabel 1A
            rt = tableCofficientA(i, n-1, 0);
            break;
        case 15 ... 26: //Tabel 1B
            rt = tableCofficientB(i, n-15, 0);
            break;
        case 27 ... 38: //Tabel 1C
            rt = tableCofficientC(i, n-27,0);
            break;
        case 39 ... 50: //Tabel 1D
            rt = tableCofficientD(i, n-39, 0);
            break;
    }

    return rt;
}

void tampilTblBantuNb(int n, float tblBnt[][4])
{
    cout << left << setw(5) << "Xi" << setw(11) << "a(i)" << setw(12) << "X(n+1-i)-Xi" << setw(16) << "a(i)*X(n+1-i)-Xi" << endl;

    for (int r=0; r<n; r++)
    {
        cout << left << setw(5) << tblBnt[r][0] << setw(11) << tblBnt[r][1] << setw(12) << tblBnt[r][2] << setw(16) << tblBnt[r][3];
        cout << endl;
    }
}

int main()
{
    headerProgram();

    tabelSW(4,3,1);
    tableCofficientA(3, 2, 1);
	tableCofficientB(4, 7, 1);
    tableCofficientC(3, 9, 1);
    tableCofficientD(4, 7, 1);


    int n = requestJmlData();
    //tentukan nilai alpha
    double alpha = 0;   //cin tidak bisa membaca tipe float.
    while(true)
    {
        cout << "Masukkan nilai alpha (signifikansi) : ";
        cin >> alpha;
        cout << "Nilai alpha yang anda masukkan : " << alpha << endl;

        if (alpha == 4 || alpha == 0.01 || alpha == 0.02 || alpha == 0.05 || alpha == 0.1 || alpha == 0.5 || alpha == 0.9 || alpha == 0.95 || alpha == 0.98 || alpha == 0.99)
        {
            cout << endl;
            cout << "Alpha = " << alpha << endl << endl;

            break;
        }
        else
        {
            cout << "Nilai alpha harus 0.02, 0.05, 0.1, 0.5, 0.9, 0.95, 0.98, atau 0.99." << endl;
        }
    }
	//struct dataRecordDeFloat* dataArr = requestInputData(n); //sumber: https://www.digitalocean.com/community/tutorials/return-array-in-c-plus-plus-function
    float dataRc[n];

    for (int i=0; i<n; i++)
    {
        cout << "Data Ke-" << i+1 << " : ";
        cin >> dataRc[i];
    }

    printf("\nTabel Data Record\n");
    printf("----------------\n");
    printf("Nomor\t Nilai\n");          //untuk menata kolom lebih rapi, gunakan setw()
    printf("----------------\n");

    //Menampilkan data
    tabelDataArr(n, dataRc);

    //Menghitung nilai maksimal dan minimal
    float maxVal = 0;
    float minVal = dataRc[0];
    for (int i=0; i<(sizeof(dataRc)/sizeof(int)); i++)
    {
            if (maxVal < dataRc[i])
            {
                maxVal = dataRc[i];
            }
            else if (minVal > dataRc[i])
            {
                minVal = dataRc[i];
            }
    }

    cout << "\nNilai terbesar : " << maxVal << endl;
    cout << "Nilai terkecil : " << minVal << endl;

    //======================================================================
    //Langkah 1: Urutkan nilai / data
    sort(dataRc, dataRc + (sizeof(dataRc) / sizeof(int)));  //sumber: https://www.geeksforgeeks.org/sort-c-stl/
    printf("\nTabel Data Record Setelah Diurutkan\n");
    printf("----------------\n");
    printf("Nomor\t Nilai\n");          //untuk menata kolom lebih rapi, gunakan setw()
    printf("----------------\n");

    int j = 0;
    tabelDataArr(n, dataRc);

    //======================================================================
    //Langkah 2: Hitung Jumlah Kuadrat (Sum of Squares) SS
    //SS = sigma(i=1, hingga n)(Xi-Xbar)^2

    //Hitung Penjumlahan Seluruh Data (Sigma)
    float sigmaX = 0;
    for (int i=0; i<n; i++)
    {
        sigmaX = sigmaX + dataRc[i];
    }
    cout << "\nSigma X = " << sigmaX << endl;

    float Xbar = sigmaX / n;
    cout << "Xbar = " << Xbar << endl;

    //Buat tabel bantu
    float tabelBantu[n][3];

    cout << "\nTabel Bantu" << endl;
    cout << setfill('-') << setw(52) << "" << setfill(' ') << endl;
    cout << left << setw(5) << " " << setw(11) << "Xi" << " " << setw(22) << "Xi-Xbar" << " " << setw(11) << "(Xi-Xbar)^2" << " " << endl;          //untuk menata kolom lebih rapi, gunakan setw()
    cout << setfill('-') << setw(52) << "" << setfill(' ') << endl;

    for (int r=0; r<n; r++) //baris
    {
        //tabelBantu[r][0] = dataRc[r];
        for (int c=0; c<2; c++)
        {
            if (c==0)   //mengisi kolom Xi
            {
                tabelBantu[r][c] = dataRc[r];
            }
            else if (c==1)  //Mengisi kolom Xi-Xbar
            {

                tabelBantu[r][c] = tabelBantu[r][0] - Xbar;
                tabelBantu[r][c+1] = pow(tabelBantu[r][c], 2);
            }
        }
    }

    tblBantu(n, tabelBantu);
    cout << setfill('-') << setw(52) << "" << setfill(' ') << endl;

    //SS = sigma(i=1, hingga n)(Xi-Xbar)^2
    float SS = sumSquare(n, tabelBantu);
    cout << left << setw(5) << "Xbar" << setw(11) << Xbar << " " << setw(22) << "Sum(Xi-Xbar)^2" << " " << setw(11) << SS << " " << endl;          //untuk menata kolom lebih rapi, gunakan setw()
    cout << setfill('-') << setw(52) << "" << setfill(' ') << endl;

    //======================================================================
    //Langkah 3: Hitung Nilai b
    //b = sigma(i=1 hingga m) ai(X (n+1-i) - Xbi)
    //m=n/2 (jika n GENAP), m=(n+1)/2 (jika n GANJIL)

    //cek n ganjil atau genap, kemudian dapatkan nilai m
    int m;
    if (n%2 == 0)
    {
        m = n/2;
    }
    else
    {
        m = (n+1)/2;
    }
    cout << endl << endl;
    cout << "Nilai m : " << m << endl;

    //Ambil nilai ai dari tabel 1 shapiro wilk
    //tentukan nilai m
    float a[m+1];
    for (int i=0; i<m; i++)
    {
        a[i] = getaValues(i, n);
        cout << "Nilai a(" << i+1 << ")" << ": " << a[i] << endl;
    }

    //tabel bantu untuk mendapatkan nilai b
    float tblBantuNb[n][4];
    for (int i=0; i<n; i++)
    {
        tblBantuNb[i][0] = dataRc[i];
        if (i >= m)
        {
            tblBantuNb[i][1] = 0;
            tblBantuNb[i][2] = 0;
            tblBantuNb[i][3] = 0;
        }
        else if (i < m)
        {
            tblBantuNb[i][1] = a[i];
            tblBantuNb[i][2] =  dataRc[n-(i+1)] - dataRc[i];
            tblBantuNb[i][3] = a[i] * tblBantuNb[i][2];
        }
    }

    cout << endl;
    tampilTblBantuNb(n, tblBantuNb);

    //hitung nilai b;
    float b;
    for (int i=0; i<m; i++)
    {
        b += tblBantuNb[i][3];
    }
    cout << endl;
    cout << "Nilai b = " << b << endl << endl;
    cout << "Nilai n = " << n << endl << endl;
    //Hitung nilai W
    //W = b^2 / SS
    float Wh = pow(b, 2) / SS;
    cout << "Nilai Whitung : " << Wh << endl;

    float Wt;
    cout << "Nilai Wtabel : ";
    if (alpha == 0.01)
    {
        Wt = tabelSW(n-3, 0, 0);
    }
    else if (alpha == 0.02)
    {
        Wt = tabelSW(n-3, 1, 0);
    }
    else if (alpha == 0.05)
    {
        Wt = tabelSW(n-3, 2, 0);
    }
    else if (alpha == 0.1)
    {
        Wt = tabelSW(n-3, 3, 0);
    }
    else if (alpha == 0.5)
    {
        Wt = tabelSW(n-3, 4, 0);
    }
    else if (alpha == 0.9)
    {
        Wt = tabelSW(n-3, 5, 0);
    }
    else if (alpha == 0.95)
    {
        Wt = tabelSW(n-3, 6, 0);
    }
    else if (alpha == 0.98)
    {
        Wt = tabelSW(n-3, 7, 0);
    }
    else if (alpha == 0.99)
    {
        Wt = tabelSW(n-3, 8, 0);
    }
    else
    {
        cout << "Nilai alpha tidak memenuhi kriteria...\n" << "Nilai Wtabel tidak dapat ditampilkan." << endl << endl;
    }

    if (Wt != 0)
    {
        cout << Wt << endl << endl;
    }

    if (Wh > Wt)
    {
        cout << "Kesimpulan : " << endl;
        cout << "Karena Whitung > Wtabel, maka H0 diterima, dan H1 ditolak." << endl << "DATA BERDISTRIBUSI NORMAL";
    }
    else
    {
        cout << "Kesimpulan : " << endl;
        cout << "Karena Whitung <= Wtabel, maka H0 ditolak, dan H1 diterima." << endl << "DATA TIDAK BERDISTRIBUSI NORMAL";
    }

    cout << endl << endl;

	return 0;
}