MAKALAH STATISTIKA

UJI PERSYARATAN (UJI NORMALITAS, UJI HOMOGENITAS

DAN UJI LINEARITAS)

DOSEN PENGAMPU:

Dr. Edi Istiyono, M.Si

KELOMPOK 3

Shoffan Fatkhulloh (17707251002)

Riana Putri (17707251020)

PROGRAM PASCASARJANA

PROGRAM STUDI TEKNOLOGI PEMBELAJARAN

UNIVERSITAS NEGERI YOGYAKARTA

2017
 BAB I
PENDAHULUAN

A. Latar Belakang

Dalam penelitian, dibutuhkan alat bantu untuk menganalisis hasil data

penelitian, yaitu Statistika. Metode analisis statistika dalam penelitian dapat
dibedakan menjadi dua, yaitu analisis statistika parametrik dan analisis statistika non
parametrik. Uji nonparametrik digunakan apabila asumsi-asumsi pada uji parametrik
tidak dipenuhi. Asumsi yang paling lazim pada uji parametrik adalah sampel acak
berasal dari populasi yang berdistribusi normal, varians bersifat homogen dan bersifat
linier. Bila asumsi-asumsi ini dipenuhi, atau paling tidak penyimpangan terhadap
asumsinya sedikit, maka uji parametrik masih bisa diandalkan. Tetapi bila asumsi
tidak dipenuhi maka uji nonparametrik menjadi alternatif.
Berdasarkan uraian sebelumnya, analisis statistika parametrik dapat
dilakukan jika hasil penelitian menunjukkan (1) sampel diambil dari populasi yang
berdistribusi normal, (2) varians bersifat homogen, dan/atau (3) memiliki hubungan
linieritas. Untuk mengetahui apakah hasil penelitian memenuhi kriteria-kriteria
tersebut, maka dilakukan uji normalitas, uji homogenitas, dan/atau uji linieritas.

B. Rumusan masalah
1. Apa jenis-jenis uji persyaratan analisis data?
2. Apa jenis-jenis uji normalitas?
3. Bagaimana langkah-langkah melakukan uji normalitas?
4. Apa jenis-jenis uji homogenitas?
5. Bagaimana langkah-langkah melakukan uji homogenitas?
6. Apa jenis-jenis uji linieritas?
7. Bagaimana langkah-langkah melakukan uji linieritas?

C. Tujuan masalah
1. Mahasiswa mengetahui jenis-jenis uji persyaratan analisis data.
2. Mahasiswa mengetahui jenis-jenis uji normalitas.
3. Mahasiswa memahami langkah-langkah uji normalitas.
4. Mahasiswa mengetahui jenis-jenis uji homogenitas.
5. Mahasiswa memahami langkah-langkah uji homogenitas.
6. Mahasiswa mengetahui jenis-jenis uji linieritas.
7. Mahasiswa memahami langkah-langkah uji linearitas.
 BAB II
PEMBAHASAN

A. Uji persyaratan analisis data

Uji persyaratan analisis digunakan untuk menentukan jenis metode
analisis data pengujian hipotesis yang akan digunakan. Beberapa teknik analisis
data menuntut uji persyaratan analisis. Misalnya, metode analisis statistika
parametrik mensyaratkan bahwa data berasal dari kelompok atau populasi yang
berdistribusi normal dan homogen. Pada bagian ini dibahas berbagai pengujian
persyaratan analisis data yaitu uji normalitas, uji homogenitas dan uji linearitas
1. Uji normalitas
Uji normalitas digunakan untuk mengetahui sampel apakah sampel
diambil dari populasi yang normal. Hal ini penting diketahui berkaitan
dengan ketepatan pemilihan uji statistik yang akan digunakan. Uji parametrik
misalnya, mensyaratkan data harus berdistribusi normal. Apabila distribusi
data tidak normal maka disarankan untuk menggunakan uji nonparametrik.
Uji normalitas dilakukan dengan melihat kaidah Asymp.Sig (2 tailed) nilai
p (Sugiono, 2012: 79-104). Adapun interprestasi uji normalitas sebagai
berikut:
Jika Asymp. Sig (2 tailed) / p > 0,05 maka data berdistribusi normal.
Jika Asymp. Sig (2 tailed) / p < 0,05 maka data tidak berdistribusi
normal.
(Sugiyono, 2012: 79-104).

Uji normalitas diperlukan apabila belum ada teori yang menyatakan

bahwa variabel yang diteliti adalah normal. Sehingga, apabila ada teori yang
menyatakan bahwa suatu variabel yang sedang diteliti normal, maka tidak
diperlukan untuk menguji normalitas data. Berikut teknik yang dapat
digunakan untuk menentukan kriteria pengujian sebaran data telah
berdistribusi normal atau belum, yaitu:
Uji Chi-kuadrat
Uji Liliefors
Uji Kolmogorov-Smirnov
 Jika nilai mean, median dan modus sama atau hampir sama, maka data
berdistribusi normal atau mendekati normal.
Dibuat daftar distribusi frekuensi kumulatif relatif kurang dari, lalu
dipasang pada kertas peluang

a. Uji Chi-Kuadrat
Distribusi chi kuadrat merupakan distribusi dengan variabel acak
kontinu. Simbol yang dipakai untuk chi kuadrat ialah 2 (baca: ci kuadrat).
Distibusi chi kuadrat dapat digunakan dalam menyelesaikan beberapa
persoalan, dianataranya adalah :
Menguji model distribusi berdasarkan data hasil pengamatan,
Menguji homogenitas varians beberapa populasi,
Menguji proporsi untuk data multinom,
Menguji kesamaan rata-rata distribusi poisson,
Menguji independen antara dua faktor, dan
Menguji kesesuaian antara data hasil pengamatan dengan model
distribusi darimana data tersebut berasal.
(Sudjana, 2005: 147,272)
Dalam melakukan uji chi-kuadrat, masih diperlukan perhitungan
frekuensi secara teori dan frekuensi berdasarkan hasil pengamatan dimana
frekuensi secara teori diperoleh melalui hasil kali luas daerah sebaran data
pada distribusi normal pada masing-masing interval kelas dengan jumlah
frekuensi pengamatan. Untuk menghitung luas daerah pada distribusi
normal dapat dilakukan dengan mengunakan rumus

= (2.1)

dimana :
Z = batas daerah
X = batas kelas
= rata-rata data
= simpangan baku
(Sudjana, 2005 : 138)
untuk mengetahui besaran luas daerah dari Z, diperlukan tabel daftar F.
 Setelah diperoleh nilai frekuensi secara teori dan frekuensi
pengamatan, uji chi-kuadrat dapat dilakukan dengan rumus
( )2
2 = =1 (2.2)

dimana :
Oi = frekuensi teoritik
Ei = frekuensi pengamatan
(Sudjana, 2005 : )
Adapun langkah-langkah dalam melalukan uji normalitas sebagai
berikut :
1. Merumuskan hipotesis
Ho : Data berdistribusi normal
Ha : Data tidak berdisribusi normal

2. Menentukan nilai uji statistik.

Untuk menentukan nilai uji statistik dapat dilakukan dengan
menggunakan rumus chi-kuadrat (2.2) di atas.

3. Menentukan taraf nyata/signifikansi ()

Taraf nyata dapat diartikan sebagai taraf ketelitian dari hasil suatu
penelitian. Taraf nyata yang dapat digunakan untuk penelitian
pendidikan dengan manusia sebagai obyek penelitian adalah 0,05.

4. Menentukan nilai chi kuadrat tabel

Untuk mendapatkan nilai chi kuadrat table dapat dilakukan dengan
menggunakan rumus Chi kuadrat tabel berikut :
2 2
= (1)()
dengan dk = (k-3).

5. Menentukan kriteria pengujian hipotesis

Ho ditolak jika 2 2
Ho diterima jika 2 < 2

6. Memberikan kesimpulan.
Contoh soal 2.1:
Diketahui data skor 32 siswa dalam menyelesaikan soal-soal matematika
disekolah, sebagai berikut:
72 48 66 62 76 58 78 32
74 41 47 39 57 80 52 54
81 66 70 85 64 70 60 35
65 88 43 37 68 55 45 95

Ujilah normalitas dari data tersebut!

Penyelesaian:
Langkah 1 : Merumuskan hipotesis

Ho : data berdistribusi normal

Ha : data tidak berdistribusi normal

Langkah 2 : Mentukan nilai uji statistik

Besarnya Range:
R=ab

Keterangan :
R = range
A = nilai tertinggi
B = nilai terendah

R =ab
= 95 32
= 63

Banyak kelas (k)

k = 1 + 3.332 Log n
Keterangan :
k = kelas interval
n = jumlah frekuensi

k = 1 + 3.332 Log n
= 1 + 3.332 Log 32
= 1 + 4.97
= 5.97 (dibulatkan menjadi k = 6)

Panjang kelas
I=r/k
Keterangan :
I = interval
r = range
k = kelas
 I=r/k
I = 63 / 6
= 10.5 (dibulatkan menjadi 11)

Selanjutnya, data di atas digunakan untuk membuat tabel A di bawah

ini.
Data Titik Frek (fi) fi.xi xi2 fi.xi2
tengah (xi)

30 40 35 4 140 1225 4900

41 51 46 5 230 2116 10580

52 62 57 7 399 3249 22743

63 73 68 8 544 4624 36992

74 84 79 5 395 6241 31205

85 95 90 3 270 8100 24300

jumlah fi = 32 fi.xi = 1978 fi.xi2 = 130720

Selanjutnya, mencari rata-rata dan standar deviasi.

= 1987 / 32
= 61.81

2 2
= ( )

130720 1978 2
= ( )
32 32
= 264.21
= 16.25

Selanjutnya, membuat dan melengkapi tabel B berikut. Perhitungannya

dijelaskan di bawah.
 Data Frekuensi Batas Nilai z Luas tiap Frekuensi ( )2
Observasi Kelas (BK) Kelas yang
(Oi) Interval diharapkan
(Ei)

30 40 4 29.5 40.5 -1.98 dan 1.31 0.0712 2.2784 2.9639

41 51 5 40.5 51.5 -1.31 dan -0.63 0.1692 5.4144 0.0317

52 62 7 51.5 62.5 -063 dan 0.04 0.2517 8.0544 0.1380

63 73 8 62.5 73.5 0.04 dan 0.72 0.2482 7.9424 0.0004

74 84 5 73.5 84.5 0.72 dan 1.39 0.1535 4.9120 0.0015

85 95 3 84.5 95-5 1.39 dan 2.13 0.0657 2.1024 0.3832

Jumlah Oi = 32 ( ) 2 3.587
2 hitung = ( )

Jadi, dari tabel ini kita dapatkan nilai Chi Kuadrat ( 2 ) = 3.587

Untuk memperoleh nilai z pada tabel B di atas, dapat dilakukan seperti

berikut

z=

sebagai contoh, kita ambil batas kelas pada kelas interval pertama yaitu:
29,5 40,5 kemudian dilanjutkan menghitung nilai z seperti berikut

z = z =

29.561.81 40.561.81
= =
16.25 16.25

= - 1.98 = - 1.31

Untuk memperoleh nilai z untuk batas kelas setiap kelas interval dapat
dilakukan dengan menggunakan cara seperti di atas. Selanjutnya, untuk
menentukan luas daerah z dapat dilakukan seperti cara berikut.

Sebelum menghitung luas daerah z, hal yang harus dilakukan adalah

menentukan besaran nilai z. untuk menentukan besaran nilai z dapat
dilakukan dengan menggunakan tabel F seperti berikut
- Untuk z = -1.98, diperoleh besaran nilai sebesar 0.4761.

- Untuk z = - 1,31, diperoleh besaran nilai sebesar 0.4049

Selanjutnya menghitung luas daerah z untuk kelas interval pertama dapat

dilakukan dengan cara berikut
| | = |0,4049 0,4761| = 0,0712.

Selanjutnya untuk menghitung luas daerah z untuk masing-masing kelas

interval dapat dilanjutkan dengan menggunakan cara di atas. Berikut besar
luas daerah z untuk masing-masing kelas interval.
Nilai Z Luas 0 - Z Luas tiap kelas
interval

-1.98 dan 1.31 0.4761 0.4049 0.0712

-1.31 dan -0.63 0.1692

-063 dan 0.04 0.2517

0.04 dan 0.72 0.2482

 0.72 dan 1.39 0.1535

1.39 dan 2.13 0.0657

Untuk menentukan frekuensi yang diharapkan (Ei) pada tabel B di atas

dapat dilakukan dengan cara seperti berikut

Ei = Luas tiap kelas interval x n (jumlah responden)

= 0.0712 x 32
= 2.2784

Dengan menggunakan cara yang sama, dilanjutkan untuk baris ke-2, ke-3,
dan seterusnya.

Langkah 3 : Menentukan taraf nyata ()

Langkah 4 : Menentukan harga chi-kuadrat tabel

Selanjutnya, untuk menentukan harga chi-kuadrat tabel dapat

menggunakan rumus berikut.

2
2 = (1)()
Adapun langkah-langkah yang harus dilakukan untuk menentukan harga
chi-kuadrat seperti berikut :
a. Derajat kebebasan (dk) dengan rumus:
dk = banyaknya kelas 3
=63
=3
b. Taraf signifikasi = 0.01 atau = 0.05, jika kita ambil = 0.01, maka:
2
2 = (1)()
2
= (10.01)(3)
2
= (10.99)(3)
2
c. Kita lihat pada tabel 2 untuk (10.99)(3) = 11.3

Tabel Chi Kuadrat

Langkah 5 : Menentukan kriteria pengujian hipotesis

 Ho ditolak jika 2 2
Ho diterima jika 2 < 2
Berdasarkan perhitungan pada tabel diperoleh nilai :

2 = 3.587 dan 2 = 11.3

Maka Ho diterima.

Langkah 6: Memberikan kesimpulan

Karena Ho diterima. Artinya, data skor siswa dalam menyelesaikan soal-

soal matematika disekolah berdistribusi normal.

b. Uji Liliefors
Metode lilliefors menggunakan data dasar yang belum diolah dalam tabel distribusi
frekuensi. Data ditranformasikan dalam nilai z untuk dapat dihitung luasan kurva normal
sebagai probabilitas komulatif normal. Probabilitas tersebut dicari bedanya dengan
probabilitas komulatif empiris. Beda terbesar dibanding dengan tabel Liliefors pada tabel
nilai quantil statistik Liliefors distribusi normal.
Persyaratan:
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.
Hipotesis Uji:
Ho : data populasi berdistribusi normal
H1 : data populasi tidak berdistribusi normal

Signikasi Uji:
Nilai terbesar | F(zi) - S(zi) | dibandingkan dengan nilai tabel Lilliefors.
Jika Lhitung < Ltabel liliefors , maka :
Ho diterima
H1 ditolak.
Jika Lhitung > Ltabel liliefors , maka :
Ho ditolak
H1 diterima

F(Zi) = P(Zi Ztabel (peluang)

S(Zi) = proporsi Z1 , Z2 , Z3 , Z4 , ... Zn yang Zi .
Lhitung = | F(zi) - S(zi) |
Ltabel liliefors = dilihat pada tabel liliefors
Tabel nilai kritis L untuk uji Liliefors

Langkah-langkah uji Liliefors:

Contoh soal 2.2 :

Misalkan sampel dengan data : 23, 27, 33, 40, 48, 48, 57, 59, 62, 68, 69, 70
telah diambil dari sebuah populasi.
Hipotesis Uji:
Ho : sampel berasal dari populasi yang berdistribusi norma
H1 : sampel berasal dari populasi yang berdistribusi tidak normal.

Mengurutkan data dari yang terkecil ke yang terbesar kemudian mencari rata-rata,
simpangan baku (standar deviasi) dari sampel data.
No Xi N ( ) ( )2 Zi =
Ztabel F(Zi) S(Zi) Lhitung =
F(Zi) S(Zi)
1 23 -27.3 745.29 -1.66 0.4515 0.0485 0.0833 0.348
2 27 -23.3 542.89 -1.42 0.4222 0.0778 0.1667 0.0889
3 33 -17.3 299.29 -1.05 0.3531 0.1469 0.2500 0.1031
4 40 -10.3 106.09 -0.63 0.2537 0.2463 0.3333 0.087
5 48 -2.3 5.29 -0.14 0.0557 0.4443 0.5000 0.0557
6 48 -2.3 5.29 -0.14 0.0557 0.4443 0.5000 0.0557
7 57 1 6.7 44.89 0.41 0.1554 0.6554 0.5833 0.0721
8 59 8.7 75.69 0.53 0.2019 0.7019 0.6667 0.0352
9 62 11.7 136.89 0.71 0.2611 0.7611 0.7500 0.0111
10 68 17.7 313.29 1.09 0.3621 0.8621 0.8333 0.0288
11 69 18.7 349.69 1.14 0.3729 0.8729 0.9167 0.0438
12 70 19.7 388.09 1.20 0.3849 0.8849 1 0.1151
604 12 2.697,79
Adapun langkah-langkah uji Liliefors seperti berikut:

Xi = Data ke-i
X = Rata-rata
604
X = = 12 = 50.3

S = Simpangan baku/ Standar deviasi

()2 2.967,79
S= = ( )= 269.799 = 16.43
1 11

Menentukan nilai Zi (angka baku ke-i / Z hitung ke-i)

23 50.3
Zi = = = - 1.66
16.43

Lanjutkan menghitung nilai Zi pada baris yang selanjutnya.

Mencari (Ztabel) pada tabel distribusi normal

Menentukan besar peluang masing-masing nilai Z berdasarkan tabel Z tuliskan

dengan simbol F(Zi)
 F(Zi) = P (Zi Ztabel)
F(Zi) = 0.5 - Ztabel apabila nilai Zi negative (-)
F(Zi) = 0.5 + Ztabel apabila nilai Zi positive (+)

Selanjutnya dihitung proporsi Z1 , Z2 , Z3 , Z4 , ... Zn yang Zi , jika proporsi ini

dinyatakan oleh S(Zi)

Z1 ,Z2 , Z3 , Z4 , ...Zn yang Zi

S(Zi) =
Maksudnya:

Z1 1
S(Z1) = = 12 = 0.083

Z1+ 2 1+1
S(Z2) = = = 0.167
12

atau menggunakan rumus: S(Zi) = , dengan fk = frekuensi komulatif

Menentukan Lhitung dari selisih F(Zi) S(Zi) kemudian tentukan harga untuk

Lhitung = F(Zi) S(Zi) , dan cari Lhitung yang terbesar.

Nilai yang paling besar pada nilai Lo = 0.1151

Mencari Ltabel pada tabel Liliefors, dengan n = 12, = 0.05

 Lhitung = 0.1151
Ltabel = 0.242
Lhitung < Ltabel maka Ho diterima, kesimpulannya adalah sampel berasal dari
populasi yang berdistribusi normal.

c. Uji Kolmogorov-Smirnov
Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lilliefors.
Langkah-langkah penyelesaian dan penggunaan rumus sama, namun pada signifikansi
yang berbeda. Signifikansi metode Kolmogorov-Smirnov menggunakan tabel
pembanding Kolmogorov-Smirnov, sedangkan metode Lilliefors menggunakan tabel
pembanding metode Lilliefors.
Persyaratan:
Data berskala interval atau ratio (kuantitatif)
Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
Dapat untuk n besar maupun n kecil.

Hipotesis Uji :
H0 : Data populasi berdistribusi normal
H1 : Data populasi berdstribusi tidak normal.

Signifikansi Uji :
nilai terbesar | ft - Fs | dibandingkan dengan nilai tabel Lilliefors.
Jika Lhitung < Ltabel, maka :
Ho diterima
H1 ditolak.
Jika Lhitung > Ltabel , maka :
Ho ditolak
H1 diterima

FT = Probabilitas komulatif normal

FS = Probabilitas komulatif empiris
Dhitung = | ft - Fs |
Dtabel = D(a,n) dilihat pada tabel kolmogorof smirnov
Langkah-langkah pengujian:
Contoh soal 2.3 :
Suatu penelitian tentang jumlah hasil panen kedelai di 15 kecamatan di Kabupaten
Gresik tercatat dalam kwintal 10, 13, 15, 11, 8, 16, 10, 11, 12, 9 ,11, 14, 9, 18 dan 12
kwintal. Selidikilah dengan =5% , apakah data tersebut diambil dari populasi yang
berdistribusi normal ? Gunakan Uji Kormogorov Smirnov.
Hipotesis Uji :
H0 = Sampel berasal dari populasi yang berdistribusi normal.
H1 = Sampel berasal dari populasi yang berdistribusi tidak normal.
 No Xi fi Xi. fi ( ) ( )2 fi
( )2
1 8 1 8 -3.93 15.44 15.44
2 9 2 18 -2.93 8.58 17.16
3 10 2 20 -1.93 3.72 7.44
4 11 3 33 -0.93 0.86 2.58
5 12 2 24 0.07 0.0049 0.0098
6 13 1 13 1.07 1.14 1.14
7 14 1 14 2.07 4.28 4.28
8 15 1 15 3.07 9.42 9.42
9 16 1 16 4.07 16.56 15.56
10 18 1 18 6.07 36.84 36.84
15 179 109.8698

Keterangan:
Xi = data ke-i
fi = frekuensi ke-i
= Rata-rata
. 179
=
= = 11.93
15

S = Simpangan baku/ standar deviasi

()2 109.8698
S = = ( )= 2.80
1 14

Mencari (Ztabel) pada tabel distribusi normal

126
X= = = 8.4
15
8 8.4
Zi =
= 2.80
= -0.14

No Xi fi ( )2 ( ) Zi =
Ztabel

1 8 1 15.44 -3.93 -1.40 0.4192
2 9 2 8.58 -2.93 -1.04 0.3508
3 10 2 3.72 -1.93 -0.69 0.2549
4 11 3 0.86 -0.93 -0.33 0.1293
5 12 2 0.0049 0.07 0.02 0.0080
6 13 1 1.14 1.07 0.38 0.1480
7 14 1 4.28 2.07 0.73 0.2673
8 15 1 9.42 3.07 1.09 0.3621
9 16 1 16.56 4.07 1.44 0.4251
10 18 1 36.84 6.07 2.16 0.4846
15 2.967,97
 Menentukan Dhitung
Dhitung = ft fs

No Xi fi Fkum Zi =
Ztabel ft fs ft fs
(fkum.0.5 - (Fkum/
Ztabel) fi)
1 8 1 1 -1.40 0.4192 0.081 0.07 0.011
2 9 2 3 -1.04 0.3508 0.149 0.20 0.051
3 10 2 5 -0.69 0.2549 0.246 0.33 0.084
4 11 3 8 -0.33 0.1293 0.370 0.53 0.16
5 12 2 10 0.02 0.0080 0.509 0.67 0.161
6 13 1 11 0.38 0.1480 0.648 0.73 0.082
7 14 1 12 0.73 0.2673 0.769 0.80 0.031
8 15 1 13 1.09 0.3621 0.862 0.87 0.008
9 16 1 14 1.44 0.4251 0.926 0.93 0.004
10 18 1 15 2.16 0.4846 0.984 1.00 0.016
15
 Keterangan=
Xi = angka pada data
Z = transformasi dari angka ke notasi pada distribusi normal
ft = probabilitas komulatif normal
fs = probabilitas komulatif empiris

Mencari nilai D(a,n) dan Dmax dengan = 0.05 dan n = 15, maka diperoleh

D(0.05,15)/ Dtabel = 0.338

Dhitung = 0.161
Daerah kritis = Dhitung < Dtabel
Ho diterima karena Dhitung < Dtabel atau 0.161 < 0.338

Kesimpulan : Jumlah hasil panen kedelai di 15 kecamatan di Kabupaten Gresik

memiliki data yang berdistribusi normal.

2. Uji Homogenitas
Uji homogenitas dilakukan untuk menguji kesamaan dua varians dengan
cara saling membandingkan antar kedua varians. Uji homogenitas hanya
dilakukan jika kedua varians terbukti bedistribusi normal dan kedua varians
tidak bernilai sama besar. Menurut Umar dan Akbar (1995), untuk menguji
homogenitas antar dua varians dapat dilakukan dengan tiga cara, yaitu :
Perbandingan varians terbesar dengan varians terkecil,
Perbandingan varians terkecil dengan varians terbesar, dan
Uji Bartlett (jika terdapat lebih dari dua kelompok)
a. Perbandingan Varian Terbesar dengan Varian Terkecil
Uji homogenitas dengan perbandingan dilakukan jika dalam
penelitian terdapat dua varians. Dalam cara pengujiannya dilakukan
dengan tahapan-tahapan sebagai berikut :

1) Merumuskan hipotesis
Hipotesis merupakan kesimpulan sementara yang diperoleh
berdasarkan teori yang berlaku. Pada tahapan ini, dilakukan penulisan
hipotesis dalam bentuk kalimat sederhana sebagai kesimpulan awal
yang selanjutnya akan diuji kebenarannya. Pada umumnya, hipotesis
awal (H0) adalah kesimpulan awal yang diperoleh berdasarkan teori
yang berlaku. Sedangkan hipotesis alternatif (Ha) adalah kesimpulan
yang akan menggantikan hipotesis awal jika hipotesis tersebut tidak
terbukti.
Contoh :
H0 : Tidak terdapat perbedaan antara varian 1 dengan varian 2
Ha : Terdapat perbedaan antara varian 1 dengan varian 2

2) Merumuskan hipotesis dalam bentuk statistik

Pada tahap ini, hipotesis yang telah dibuat dalam bentuk kalimat
sederhana, diubah ke dalam bentuk statistik, seperti contoh berikut:
H0 : 2 = 2
Ha : 2 2

3) Menghitung Fhitung
Untuk menghitung besar Fhitung dapat dilakukan dengan
menggunakan rumus

= (2.3)

(Usman & Akbar, 1995 : 134)
4) Menetapkan taraf signifikansi

5) Menghitung Ftabel
Untuk menghitung besar Ftabel dapat dilakukan dengan
menggunakan rumus
= 1 ( , ) (2.4)
2
 (Usman & Akbar, 1995 : 134)

6) Menentukan kriteria pengujian hipotesis

Pada tahap ini, dilakukan penentuan kriteria penerimaan dalam
pengujian hipotesis awal yang telah disusun sebelumnya. Adapun
kriteria pengujian hipotesis awal, yaitu jika Fhitung < Ftabel , maka
hipotesis awal diterima.

7) Membandingkan Fhitung dengan Ftabel

Pada tahap ini, dilakukan perbandingan antara Fhitung dengan Ftabel
untuk membuktikan hipotesis awal yang telah disusun sebelumnya.
Dalam prosesnya, perbandingan antara Fhitung dengan Ftabel dilakukan
setelah nilai Ftabel yang diperoleh melalui rumus 2. dan dibantu dengan
menggunakan tabel F untuk memperoleh nilai Ftabel sesungguhnya.

8) Menyusun kesimpulan
Setelah dilakukan perbandingan antara Fhitung dengan Ftabel, maka
diperoleh kesimpulan bahwa hipotesis awal diterima atau ditolak dan
hipotesis alternatif diterima atau ditolak.

Contoh soal 2.4:

Terdapat dua macam pengukuran prosedur kerja di sebuah kantor.

Prosedur ke-1 dilakukan 10 kali menghasilkan s2= 24,7 dan prosedur ke-2
dilakukan 13 kali mengahasilkan s2= 37,2. Jika = 0,10. Apakah kedua
prosedur kerja tersebut mempunyai varian yang homogeny? (Usman dan
Akbar, 1995 : 134)

Jawab:

Langkah 1 : Menuliskan hipotesis secara deskriptif

Berdasarkan persoalan di atas, diperoleh hipotesis sebagai berikut

H0 : Tidak terdapat perbedaan antara varian 1 dengan varian 2

Ha : Terdapat perbedaan antara varian 1 dengan varian 2

Langkah 2 : Menuliskan hipotesis secara statistic

Secara statistic, hipotesis tersebut dapat dirumuskan sebagai berikut

H0 : 2I = 2II

Ha : 2I 2II

Langkah 3 : Menghitung nilai Fhitung

Untuk menghitung nilai Fhitung dapat dilakukan seperti berikut

=

37,2
= 24,7

= 1,506

Langkah 4 : Menentukan taraf signifikansi

Berdasarkan soal di atas, taraf signifikansi () ditetapkan sebesar = 0,10

Langkah 5 : Menghitung nilai Ftabel dengan bantuan tabel F

Untuk menghitung nilai Ftabel dapat dilakukan seperti berikut

= 1 ( , )
2

dengan,

dk varians terbesar = k varians terbesar 1 = 13 1 = 12 ,dan

dk varians terkecil =k varians terkecil 1 = 10 1 = 9

maka,

= 1 0,10 (12, 9)
2

= 0,05(12, 9)

Dengan menggunakan tabel F diperoleh Ftabel sebesar 3,07.

Langkah 6 : Menentukan kriteria pengujian H0

Wilayah daerah kritik pengujian H0, yaitu jika Fhitung > Ftabel , maka H0
ditolak.

Langkah 7 : Membandingkan Fhitung dengan Ftabel

Berdasarkan perhitungan dan tabel F diperoleh bahwa Fhitung < Ftabel, yaitu
1,506 < 3,07, sehingga H0 diterima (homogen).

Langkah 8 : Menarik kesimpulan

 Jadi H0 yang berbunyi Tidak terdapat perbedaan antara varian 1 dengan
varian 2 diterima (homogen). Sebaliknya Ha yang berbunyi Terdapat
perbedaan antara varian 1 dengan varian 2, ditolak.

b. Perbandingan Varian Terkecil dengan Varian Terbesar

Cara kedua untuk melakukan uji homogenitas antara dua varians yang
berbeda adalah perbandingan varian terkecil dengan varian terbesar.
Secara umum, cara kedua memliki tahapan yang mirip dengan cara
pertama. Perbedaan antara cara pertama dengan kedua terletak pada tahap
3, 5, dan 6. Adapun tahapan-tahapan dalam melakukan uji homogenitas
dengan menggunakan perbandingan antara variasn terkecil dengan varians
terbesar sebagai berikut :

1) Merumuskan hipotesis
2) Merumuskan hipotesis dalam bentuk statistik
3) Menghitung Fhitung
Untuk menghitung besar Fhitung dapat dilakukan dengan
menggunakan rumus

= (2.5)
(Usman & Akbar, 1995 : 135)
4) Menetapkan taraf signifikansi

5) Menghitung Ftabel
Untuk Ftabel pada pengujian homogenitas dengan menggunakan
perbandingan varians terkecil dengan varians terbesar, dibagi menjadi
dua sebagai batasan daerah penerimaan hipotesis awal, yaitu Ftabel kanan
dan Ftabel kiri.
Untuk menentukan besar Ftabel kanan dapat dilakukan dengan
menggunakan rumus
= 1 ( 1 , 1)
2
(2.6)
(Usman & Akbar, 1995 : 135)
Sedangkan untuk menentukan Ftabel kiri dapat dilakukan dengan
menggunakan rumus
= (1) ( 1, 1) (2.7)
atau
 1
= (2.8)

(Usman & Akbar, 1995 : 135)

6) Menentukan kriteria pengujian hipotesis

Pada tahap ini, dilakukan penentuan kriteria penerimaan dalam
pengujian hipotesis awal yang telah disusun sebelumnya. Adapun
kriteria pengujian hipotesis awal, yaitu jika -Ftabel kiri < Fhitung < +Ftabel
kanan , maka hipotesis awal diterima.

7) Membandingkan Fhitung dengan Ftabel

Pada tahap ini, dilakukan perbandingan antara Fhitung dengan Ftabel
untuk membuktikan hipotesis awal yang telah disusun sebelumnya.
Dalam prosesnya, perbandingan antara Ftabel kiri, Fhitung dengan Ftabel kanan
dilakukan setelah nilai Ftabel kiri dan Ftabel kanan yang masing-masing
diperoleh melalui rumus 2. dan dibantu dengan menggunakan tabel F
untuk memperoleh nilai Ftabel sesungguhnya.

8) Menyusun kesimpulan
Setelah dilakukan perbandingan antara Fhitung dengan Ftabel, maka
diperoleh kesimpulan bahwa hipotesis awal diterima atau ditolak dan
hipotesis alternatif diterima atau ditolak.

Contoh soal :

Dengan menggunakan contoh soal 2.4, tentukan apakah kedua varians

tersebut homogen?

Jawab :

Langkah 1 : Menuliskan hipotesis secara deskriptif

Berdasarkan persoalan di atas, diperoleh hipotesis sebagai berikut

H0 : Tidak terdapat perbedaan antara varian 1 dengan varian 2

Ha : Terdapat perbedaan antara varian 1 dengan varian 2

Langkah 2 : Menuliskan hipotesis secara statistic

Secara statistik, hipotesis tersebut dapat dirumuskan sebagai berikut

H0 : 2I = 2II

Ha : 2I 2II

Langkah 3 : Menghitung nilai Fhitung

Untuk menghitung nilai Fhitung dapat dilakukan seperti berikut

=

24,7
= 37,2

= 0,664

Langkah 4 : Menentukan taraf signifikansi

Berdasarkan soal di atas, taraf signifikansi () ditetapkan sebesar = 0,10

Langkah 5 : Menghitung nilai Ftabel kanan dan Ftabel kiri

Untuk menghitung nilai Ftabel kanan dapat dilakukan seperti berikut

= 1 ( , )
2

dengan,

dk varians terbesar = k varians terbesar 1 = 13 1 = 12 ,dan

dk varians terkecil =k varians terkecil 1 = 10 1 = 9

maka,

= 1 0,10 (9, 12)

2

= 0,05(9, 12)

Dengan menggunakan tabel F diperoleh Ftabel kanan sebesar 2,07.

Selanjutnya, menentukan nilai Ftabel kiri dengan menggunakan cara seperti
berikut

= (1) ( , )

= (10,10) (9, 12)

= 0,328

Langkah 6 : Menentukan kriteria pengujian H0

Jika Ftabel kiri < Fhitung < Ftabel , maka H0 diterima (homogen).
 Langkah 7 : Membandingkan Fhitung dengan Ftabel

Berdasarkan perhitungan dan tabel F diperoleh bahwa Ftabel kiri < Fhitung <
Ftabel kanan, yaitu 0,328 < 0,664 < 2,07, sehingga H0 diterima (homogen).

Langkah 8 : Menarik kesimpulan

Jadi H0 yang berbunyi Tidak terdapat perbedaan antara varian 1 dengan

varian 2 diterima (homogen). Sebaliknya Ha yang berbunyi Terdapat
perbedaan antara varian 1 dengan varian 2, ditolak.

c. Uji Bartlett
Uji Bartlett merupakan salah satu jenis uji homogenitas atau kesamaan
antara dua varians yang berlaku jika terdapat lebih dari dua varians. Misal
terdapat sampel dengan n1, n2, n3 , , nk dengan data Xij. Sehingga dengan
sampel-sampel tersebut diperoleh varians masing-masing adalah s21 , s22 ,
s23 , s2k .
Uji Bartlett dapat dilakukan dengan tahapan-tahapan sebagai berikut :
1) Merumuskan hipotesis
2) Merumuskan hipotesis secara statistik
3) Menetapkan taraf signifikansi
4) Membuat tabel bantu uji Bartlett

Sampel ke 1 () log 2
dk 2 log 2
-
1 1 1 1 12 log 12 (1 1) log 12
1 1

2 2 1 1 22 log 22 (2 1) log 22
2 1
.
.
.

K 1 1 2 log 2 ( 1) log 2
1
Jumlah 1 ___ ___
( 1) ( ) ( 1) log 2
1
5) Menentukan varians gabungan
Untuk menentukan varians gabungan dari semua sampel dapat
menggunakan rumus

( 1)2
2 = ( 1)
(2.9)
(Sudjana, 2005 : 263)
6) Menentukan harga satuan uji Bartlett (B)
Setelah diperoleh nilai varians gabungan untuk semua sampel,
selanjutnya dilanjutkan dengan menentukan harga satuan uji Bartlett
(B) dimana dalam menentukan harga satuan B dapat menggunakan
rumus

= (log 2 ) ( 1) (2.10)
(Sudjana, 2005 : 263)
7) Membutikan harga satuan uji Bartlett
Harga satuan B yang diperoleh harus dibuktikan terlebih dahulu
sebelum menarik kesimpulan. Untuk membuktikan harga satuan B,
dilakukan dengan menggunakan uji chi-kuadrat dengan menggunakan
rumus

2 = (ln 10){ ( 1) log 2 }

karena ln 10 = 2,3026 , maka

2 = 2,3026 { ( 1) log 2 } (2.11)

(Sudjana, 2005 : 263)
8) Menentukan kriteria pengujian dan membandingkan nilai chi-kuadrat
Untuk menentukan hipotesis awal diterima atau ditolak, diperlukan
kriteria dalam pengujian hipotesis. Adapun kriteria pengujian
hipotesis untuk uji homogenitas dengan menggunakan uji Bartlett,
2
yaitu jika 2 (1)(1) maka hipotesis awal (H0) ditolak dimana
harga chi-kuadrat (1-)(k-1) diperoleh melalui daftar tabel chi-
kuadrat.
 2 2
Jika > tetapi tidak terlampau jauh dan cukup dekat
terhadap nilai tersebut, maka perlu dilakukan koreksi terhadap rumus
(2.11). Rumus faktor koreksi sebagai berikut
1 1 1
= 1 + 3(1) {=1 ( 1) ( 1)} (2.12)

(Sudjana, 2006 : 264)
Dengan faktor koreksi tersebut, maka rumus untuk X2 menjadi
1
2 = () 2 (2.13)
(Sudjana, 2006 : 264)

9) Menyusun kesimpulan
Setelah menentukan kriteria pengujian dan membandingkan nilai
chi-kuadrat untuk harga satuan Bartlett dengan chi-kuadrat tabel,
maka dapat disimpulkan bahwa hipotesis awal ditolak atau diterima
sedangkan hipotesis alternatif ditolak atau diterima.

Contoh soal 2.5 :

Berikut merupakan data pengamatan tentang pertambahan berat badan

kambing karena empat macam makanan.

Pertambahan berat kambing karena makanan ke -

1 2 3 4
Data hasil pengataman

12 14 6 9

20 15 16 14

23 10 16 18

10 19 20 19

17 22

( )2
Dengan rumus 2 = , diperoleh
1

12 = 29,3 ; 22 = 21,5 ; 32 = 35,7 ; 42 = 20,7

 Sehingga, diperoleh tabel bantu untuk uji Bartlett seperti berikut

Sampel dk 1/(dk) si 2 log si2 (dk) log si2

1 4 0,25 29,3 1,4669 5,8676

2 4 0,25 21,5 1,3324 5,3296

3 3 0,33 35,7 1,5527 4,6581

4 3 0,33 20,7 1,3160 3,9480

Jumlah 14 1,16 -- -- 19,8033

Berdasarkan tabel tersebut dapat diperoleh varians gabungan dari

keempat sampel adalah
4(29,3)+4(21,5)+3(35,7)+3(20,7)
2 = = 26,6 ,
4+4+3+3

sehingga log s2 = log 26,6 = 1,4249 dan B = (1,4249)(14) = 19,9486. Maka,

besar chi-kuadrat hitung (X2) = (2,3026)(19,9486 19,8033) = 0,063.
2
Jika = 0,05, maka didapat (0,95)(3) = 7,81 . karena X2hitung < X2tabel ,
yaitu 0,063 < 7,81 , maka hipotesis awal bahwa keempat sampel dersifat
homogen diterima.

3. Uji Linieritas

Uji linieritas merupakan salah satu jenis uji prasyarat yang harus
dilakukan jika peneliti menggunakan analisis statistik parametrik dan
penelitian yang dilakukan berupa penelitian korelasi atau regresi. Uji linieritas
dilakukan untuk menunjukkan hubungan fungsional atau pengaruh antara
variabel prediktor dengan variabel kriterium.
Menurut Ronald E. Walpole (1997 : 394) bahwa garis regresi dikatakan
linier apabila nilai tengah dari padanan variabel Y dengan variabel X, yaitu
(| ), jatuh pada satu garis lurus. Garis lurus yang dimaksud adalah garis
linier regresi dimana untuk memperoleh garis linier regresi dapat ditentukan
dengan menggunakan persamaan umum garis linier regresi, yaitu
= + (2.12)
Dimana
(baca = y topi) = variabel kriterium
x = variabel prediktor
a = konstanta
b = koefisien arah regresi linier.

Koefisien arah regresi linier (b) merupakan koefisien yang akan menunjukkan
pola perubahan yang akan dialami oleh variabel kriterium. Jika b bernilai
positif, maka variabel kriterium akan menunjukkan kenaikan. Jika b bernilai
negatif, maka variabel kriterium akan menunjukkan penurunan.

Sebelum melakukakan uji linieritas Usman & Akbar (1995 : 216)

menjelaskan bahwa uji analisis linieritas dapat dilakukan apabila memenuhi
beberapa asumsi. Adapun asumsi-asumsi tersebut antara lain :
Variabel yang dicari hubungan fungsionalnya mempunyai data yang
berditribusi normal.
Variabel prediktor (X) tidak acak sedangkan variabel kriterium (Y)
bersifat acak.
Variabel yang dihubungkan mempunyai pasangan sama dari subyek yang
sama.
Variabel yang dihubungkan memiliki data interval atau rasio.

Jika asumsi tersebut terpenuhi, maka uji linieritas dapat dilakukan.

Untuk melakukan uji linieritas regresi dapat menggunakan rumus

2 ()
1
= (2) . (2.13)
22
(Walpole, 1997 : 360)
dengan
2
2 ( )
12 = 2 ( 1)2 (2.14)

(Walpole, 1997 : 360)
dan
2 2
22 = (2.15)

(Walpole, 1997 : 360)
untuk menentukan nilai b dan 2 , masing-masing dapat dihitung dengan
menggunakan rumus

=1 (=1 )(=1 )
= 2 (2.16)
2
=1 (=1 )
(Walpole, 1997 : 342)
dan

2
2
=1 (=1 )
2 = (2.17)
(1)
(Walpole, 1997 : 350)
Untuk menguji nilai dari besaran f , dilakukan perbandingan dengan nilai
f pada tabel distribusi F. Jika nilai fhitung < ftabel , maka hipotesis awal (H0)
diterima (linier).Jika nilai fhitung > ftabel , maka hipotesis awal (H0) ditolak (tidak
linier). Untuk menghitung besar ftabel dapat dilakukan dengan menggunakan
rumus
= (1)(2 , ) (2.18)

Contoh soal 2.6 :

Telah dilakukan penelitian tentang hubungan skor tes intelegensia dengan nilai
kimia mahasiswa baru di suatu perguruan tinggi sehingga diperoleh hasil
seperti berikut

Mahasiswa Skor tes (X) Nilai kimia (Y)

1 65 85
2 50 74
3 55 76
4 65 90
5 55 85
6 70 87
7 65 94
8 70 98
9 55 81
10 70 91
11 50 76
12 55 74
Berdasarkan data tersebut, tunjukkan bahwa garis regresinya linier jika taraf
nyata sebesar 0,05.

Jawab :

Langkah 1 : Merumuskan hipotesis

Berdasarkan persoalan di atas, diperoleh rumusan hipotesis seperti berikut

H0 : Garis regresi antara variabel x dengan variabel y linier

Ha : Garis regresi antara variabel x dengan variabel y tidak linier

Langkah 2 : Merumuskan hipotesis secara statistic

Langkah 3 : Menentukan nilai X21 dan X22

Sebelum menentukan nilai X21 dan X22 , untuk memudahkan perhitungan, data
pada persoalan di atas dapat disajikan dengan tabel seperti berikut.

No xi yij yi ni xiyij xi2 yij2

1 50 74 150 2 3700 5000 5476

50 76 3800 5776

2 55 74 316 4 4070 12.100 5476

55 76 4180 5776

55 81 4455 6561

55 85 4675 7225

3 65 85 269 3 5525 12.675 7225

65 90 5850 8100

65 94 6110 8836

4 70 87 276 3 6090 14.700 7569

70 91 6370 8281

70 98 6860 9604

Jumlah 725 1011 -- 12 61.685 44.475 85.905

Kemudian, nilai b dan 2 harus ditentukan terlebih dahulu. Untuk menentukan

nilai b, dapat dilakukan dengan cara seperti berikut

=1 (=1 )(=1 )
= 2
2
=1 (=1 )

(12)(61.685)(725)(1011)
= (12)(44.475)(725)2

740.220732.975
= 533.700525.625

7.245
= 8.075

= 0,897

Selanjutnya, menentukan nilai 2 . Untuk menentukan nilai 2 , dapat dilakukan

dengan cara seperti berikut

2
2
=1 (=1 )
2 = (1)

(12)(44.475)(725)2
= (12)(121)

533.700525.625
= 132

= 61,174

Setelah memperoleh nilai b dan 2 , selanjutnya menentukan nilai X21 dan X22
dapat dilakukan dengan cara seperti berikut

Untuk X21
2
2 ( )
12 = 2 ( 1)2

1502 3162 2692 2762 10112

=( + + + ) (0,897)2 (12 1)(61,174)
2 4 3 3 12

= 8,1506

Untuk X22

2 2
22 =

1502 3162 2692 2762

= 85.905 ( + + + )
2 4 3 3

= 178,667
Langkah 4 : Menentukan fhitung

Untuk menentukan nilai fhitung dapat dilakukan dengan menggunakan cara

berikut

12 ()
= (2) . 22

8,1506 (124)
= 178,667
(42)

= 0,182

Langkah 5 : Menentukan taraf nyata ()

Berdasarkan persoalan di atas telah ditetapkan bahwa besar taraf nyata adalah
0,05.

Langkah 6 : Menentukan ftabel

Untuk menentukan ftabel dapat dilakukan dengan menggunakan cara seperti

berikut

= (1)(2 , )

= (10,05)(42, 124)

= (0,95)(2, 8)

= 4,46

Langkah 7 : Menentukan kriteria penerimaan H0

Adapun kriteria penerimaan H0, yaitu jika fhitung < ftabel, maka H0 diterima.

Langkah 8 : Membandingkan fhitung dengan ftabel

Berdasarkan fhitung dan ftabel yang diperoleh dapat diketahui bahwa fhitung < ftabel,
yaitu 0,182 <

Langkah 9 : Menarik kesimpulan

Jadi, H0 yang berbunyi Garis regresi antara variabel x dengan variabel y

linier diterima (linier), sedangkan Ha yang berbunyi Garis regresi antara
variabel x dengan variabel y tidak linier ditolak (tidak linier).
 BAB III
PENUTUP

A. KESIMPULAN
Jadi, berdasarkan uraian pembahasan di atas dapat disimpulkan bahwa terdapat
tiga jenis uji untuk melakukan uji prasyarat, yaitu uji normalitas, uji homogenitas,
dan uji linieritas. Uji normalitas dapat dilakukan dengan beberapa metode antara lain,
(1) uji chi-kuadrat (2) uji Liliefors, dan (3) uji Kolmogorov-Smirnov. Uji
homogenitas juga dapat dilakukan dengan menggunakan beberapa metode, antara
lain (1) perbandingan varian terbesar dengan varian terkecil, (2) perbandingan varian
terkecil dengan varian terbesar, dan (3) uji Bartlett. Sedangkan uji linieritas hanya
dapat dilakukan dengan menggunakan satu metode saja.
 DAFTAR KEPUSTAKAAN

Neoloka, Amos. 2014. Metode Penelitian dan Statistik. Bandung: PT Remaja

Rosdakarya

Sudjana. 2005. Metoda Statistika edisi ke-7. Bandung: Tarsito

Usman, Husaini & Akbar, R. Purnomo Setiady. 1995. Pengantar Statistika. Jakarta:
Bumi Aksara

Walpole, Ronald E. 1997. Pengantar Statistika Edisi ke-3. Jakarta: PT. Gramedia
Pustaka Utama

https://www.scribd.com/document_downloads/direct/76703243?extension=pdf&ft=150
5219125&lt=1505222735&user_id=177475133&uahk=xNwHWoJEHs7oynTbRCOx4i
ClJHs (diakses 12 September 2017)

http://file.upi.edu/Direktori/FPBS/JUR._PEND._BAHASA_JERMAN/1959062319870
31-SETIAWAN/PS_12.pdf (diakses 7 September 2017)

https://ilma69.files.wordpress.com/2012/10/uji-normalitas-dan-homogenitas-ri.pdf
(diakses 7 September 2017)
 LAMPIRAN

Langakah-langkah uji normalitas menggunakan SPSS

1. Uji Chi-Kuadrat

a. Buka SPSS

b. Sebelumnya pindahkan data yang akan diuji ke dalam Excel agar mempermudah
Anda untuk memasukkan data ke dalam SPSS, kemudian klik Variable View dan
isi sesuai dengan variable yang akan di uji. Contohnya disini, yaitu pada kolom
Name dan baris pertama diisi dengan Nama, pada kolom Name dan baris kedua
isi dengan nilai. Selanjutnya pada kolom Label baris pertama diisi dengan nama
siswa dan pada kolom Label baris kedua diisi dengan nilai siswa.
c. Selanjutnya copy data dari Excel ke Data View.

d. Kemudian, klik Analyze pilih Nonparametric test pilih Legacy dialogs pilih
Chi-square.
e. Dan akan muncul dialog box seperti ini, pindahkan nilai siswa ke kolom Test
Variable List

f. Kemudian klik Options dan akan muncul dialog box seperti dibawah ini, pilih
Descriptive dan klik continue. Dan dilanjutkan dengan klik Ok. Maka akan
muncul hasil perhitungan uji chi-kuadrat.

g. Dan akan muncul hasil perhitungan sebagai berikut:

Descriptive Statistics

N Mean Std. Deviation Minimum Maximum

nilai siswa 32 61.6563 16.51316 32.00 95.00

 Test Statistics

nilai siswa

Chi-Square 2.438a
Df 28
Asymp. Sig. 1.000

a. 29 cells (100.0%) have expected

frequencies less than 5. The minimum
expected cell frequency is 1.1.

Maka nilai Asymp. Sig 1, maka dapat disimpulkan bahwa jika Asymp. Sig (2
tailed) / p > 0,05 maka data berdistribusi normal.

2. Uji Liliefors
a. Buka SPSS

b. Sebelumnya pindahkan data yang akan diuji ke dalam Excel agar mempermudah
Anda untuk memasukkan data ke dalam SPSS, kemudian klik Variable View dan
isi sesuai dengan variable yang akan di uji. Contohnya disini, yaitu pada kolom
Name dan baris pertama diisi dengan Nama, pada kolom Name dan baris kedua
isi dengan nilai. Selanjutnya pada kolom Label baris pertama diisi dengan nama
siswa dan pada kolom Label baris kedua diisi dengan nilai siswa.
c. Selanjutnya copy data dari Excel ke Data View.

d. Klik Analyze pilih Descriptive Statistic pilih Explore

e. Dan akan muncul dialog box seperti dibawah ini, pindahkan variabel nilai siswa
ke Dependent List. Klik Plots, kemudian klik Normality Plots With Test, klik
continue dan klik Plots pada display. Klik Ok.
f. Dan akan muncul hasil perhitungan sebagai berikut:

Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

nilai siswa 12 100.0% 0 0.0% 12 100.0%

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic Df Sig. Statistic df Sig.

nilai siswa .156 12 .200* .922 12 .299

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Karena Lhitung < Ltabel maka Ho diterima, kesimpulannya adalah sampel

berasal dari populasi yang berdistribusi normal.

3. Uji Kolmogorov- smirnov

a. Buka SPSS

b. Sebelumnya pindahkan data yang akan diuji ke dalam Excel agar

mempermudah Anda untuk memasukkan data ke dalam SPSS, kemudian klik
Variable View dan isi sesuai dengan variable yang akan di uji. Contohnya
disini, yaitu pada kolom Name dan baris pertama diisi dengan Nama, pada
kolom Name dan baris kedua isi dengan hasil. Selanjutnya pada kolom Label
 baris pertama diisi dengan nama kabupaten dan pada kolom Label baris kedua
diisi dengan hasil panen.

c. Selanjutnya copy data dari Excel ke Data View.

d. Kemudian, klik Analyze pilih Nonparametric test pilih Legacy dialogs

pilih 1- sampel K-S.
e. Dan kemudian akan muncul dialog box seperti dibawah ini, pindahkan hasil
panen ke Test Variable List Pilih Options dan kemudian klik descriptive.
Klik continue dan klik Ok.

f. Dan akan muncul hasil perhitungan sebagai berikut:

Descriptive Statistics

N Mean Std. Deviation Minimum Maximum

hasil panen 15 11.9333 2.81493 8.00 18.00

 One-Sample Kolmogorov-Smirnov Test

hasil panen

N 15
Mean 11.9333
Normal Parametersa,b
Std. Deviation 2.81493
Absolute .163
Most Extreme Differences Positive .163
Negative -.082
Kolmogorov-Smirnov Z .632
Asymp. Sig. (2-tailed) .819

a. Test distribution is Normal.

b. Calculated from data.

Ho diterima karena Dhitung < Dtabel. Jadi dapat disimpulkan Jumlah hasil
panen kedelai di 15 kecamatan di Kabupaten Gresik memiliki data yang
berdistribusi normal.

Analisis:

a) N = 15 menunjukkan banyaknya jumlah pengamatan.

b) Mean = menunjukkan besarnya nilai rata-rata
c) Std. deviation = menunjukkan besarnya standar deviasi
d) Most extreme differences absolute = menunjukkan nilai yang paling ekstrem
secara absolute.
e) Most extreme differences positive = menunjukkan perbedaan nilai yang paling
ekstream secara positive.
f) Most extreme differences negative = menunjukkan perbedaan nilai yang
paling ekstream secara negative.
g) Kolmogorov-smirnov = menunjukkan nilai kolmogorov-smirnov paling
tinggi.
h) Asymp. Sig (2- tailed) = menunjukkan besarnya probabilitas signifikasi.
4. Uji Bartlett
a. Buka SPSS

b. Sebelumnya pindahkan data yang akan diuji ke dalam Excel agar

mempermudah Anda untuk memasukkan data ke dalam SPSS, kemudian klik
Variable View dan isi sesuai dengan variable yang akan di uji. Contohnya
disini, yaitu pada kolom Name dan baris pertama diisi dengan Data, pada
kolom Name dan baris kedua isi dengan Kelompok. Dengan Decimals 0.
c. Selanjutnya copy data dari Excel ke Data View.

d. Klik Analyze, pilih Clas sify dan pilih Discriminant dan akan muncul diaog
box sebagai berikut:

e. Pindahkan variabel data ke kotak Independent, kemudian pindahkan variabel

kelompok ke kotak Grouping Variabel, klik Define Range, kemudian ketikkan
angka 1 dalam kotak Minimum dan angka 4 dalam kotak Maximum dan klik
Continue. Kemudian klik Statistics, maka akan muncul dialog box seperti
berikut:
f. Kemudian klik Statistic, maka akan muncul dialog box seperti berikut dan
pilih Boxs M dan kemudian klik continue dan klik Ok:
 g. Dan akan muncul hasil perhitungan sebagai berikut:

Group Statistics

Kelompok Valid N (listwise)

Unweighted Weighted

1 Data 5 5.000
2 Data 5 5.000
3 Data 4 4.000
4 Data 4 4.000
Total Data 18 18.000

Test Results

Box's M .334
Approx. .099

df1 3
F
df2 337.628

Sig. .961

Tests null hypothesis of equal

population covariance matrices.

Perhatikan ouput Group Statistics diatas, menjelaskan kembali bahwa

tiap kelompok berjumlah 18 sampel. Kemudian perhatikan tabel Test Result
nilai Boxs M diperoleh 0.334 = 0.33, dengan nilai sig diperoleh 0.961.
Karena X2hitung < X2tabel , yaitu 0.33 < 0.961 , maka hipotesis awal bahwa
keempat sampel bersifat homogen diterima.

5. Uji Linearitas
a. Buka SPSS
b. Sebelumnya pindahkan data yang akan diuji ke dalam Excel agar
mempermudah Anda untuk memasukkan data ke dalam SPSS, kemudian klik
Variable View dan isi sesuai dengan variable yang akan di uji. Contohnya
disini, yaitu pada kolom Name dan baris pertama diisi dengan Data, pada
kolom Name dan baris kedua isi dengan Kelompok. Dengan Decimals 0.

c. Selanjutnya copy data dari Excel ke Data View.

d. Klik Analyze, pilih Compare means dan pilih Means dan akan muncul diaog
box sebagai berikut:
e. Pindahkan variabel X ke kotak Independent List, kemudian pindahkan
variabel Y ke kotak Dependent List. Selanjutnya, klik Option, kemudian
beri tanda centang pada dan klik Continue. Kemudian klik Ok, seperti
contoh berikut:
 h. Dan akan muncul hasil perhitungan sebagai berikut:

ANOVA Table

Sum of Squares df Mean Square F Sig.

nilai kimia Between Groups (Combined) 549.583 3 183.194 8.203 .008

* skor tes Linearity 541.693 1 541.693 24.255 .001

Deviation from Linearity 7.891 2 3.945 .177 .841

Within Groups 178.667 8 22.333

Total 728.250 11
f.
Measures of Association

R R Squared Eta Eta Squared

nilai kimia * skor tes .862 .744 .869 .755

Berdasarkan output di atas, diperoleh Fhitung sebesar 0,177 dan Ftabel sebesar
4,46. Nilai Ftabel diperoleh dengan bantuan tabel distribusi F dengan
pembilang sebesar 2 dan penyebut sebesar 8 (sesuai dengan lingkaran merah
di atas). Melihat perbandingan antara nilai Fhitung dengan Ftabel dimana
Fhitung<Ftabel, maka dapat disimpulkan bahwa antara skor tes intelegensia
dengan nilai kimia memiliki linieritas.