Anda di halaman 1dari 31

MAKALAH STATISTIKA DASAR

“UJI HOMOGENITAS DAN NORMALITAS DATA”


Dosen Pengampu: Aditya Rahman KN, S.Si., M. Eng.

DISUSUN OLEH:
SYIFA FARIDATUN NISA (2224160008)
CINDI MEIRISTA (2224160012)
MUHAMMAD AUNUR ROFIQ (2224160014)
IRNANDA SABILA RIZKI (2224160056)
DEA PRAVITASARI (2224160081)
JULFAHTUL FIJRIYAH (2224160084)
KELAS: 4A

JURUSAN PENDIDIKAN BIOLOGI


FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS SULTAN AGENG TIRTAYASA
2018
KATA PENGANTAR

Puji syukur kepada Tuhan YME yang mana berkat segala kuasa-Nya lah
makalah statistika tentang “Uji Homogenitas dan Normalitas Data” ini dapat
terselesaikan pada waktunya.
Ucapan terimakasih kami sampaikan kepada Bapak Aditya Rahman KN,
S.Si., M. Eng. yang mana atas segala tuntunannya beliau kami dapat
menyelesaikan makalah ini dengan baik. Tak lupa juga kepada pihak-pihak yang
telah membantu penyusunan makalah ini kami ucapkan terimakasih.
Makalah statistika tentang uji homogenitas dan normalitas data ini disusun
untuk memenuhi tugas mata kuliah statistika dasar pada semester genap tahun
2017/2018.
Semoga makalah ini dapat memberikan pengetahuan dan bermanfaat bagi
yang membacanya.

Serang, April 2018

Penyusun
DAFTAR ISI

Kata Pengantar …………………………………………………. I


Daftar Isi …………………………………………………. II
Daftar Tabel …………………………………………………. III
Daftar Gambar …………………………………………………. IV
BAB I Pendahuluan
1.1 Latar Belakang …………………………………………. 1
1.2 Rumusan Masalah …………………………………………. 2
1.3 Tujuan …………………………………………. 2
BAB II Kajian Teori
2.1 Uji Homogenitas Data …………………………. 4
2.1.1 Uji Bartlett …………………………. 4
2.1.2 Uji Perbandingan Varians …………………………. 8
2.2 Uji Normalitas Data …………………………. 11
2.2.1 Uji Kertas Peluang Normal …………………………. 11
2.2.2 Uji Lilliefors …………………………. 15
2.2.3 Uji Chi Kuadrat …………………………. 19
BAB III Penutup
3.1 Kesimpulan …………………………. 25
3.2 Saran …………………………. 25
Daftar Pustaka …………………………………………………. 26
DAFTAR TABEL

Tabel 1. Tabel Penolong Uji Bartlett ……………………… 5


Tabel 2. Contoh Tabel Penolong Uji Bartlett ……………… 6
Tabel 3. Tabel Data Hubungan Antara Penguasaan Kosa Kata (X) dan
Kemampuan Membaca (Y) ……………………… 9
Tabel 4. Tabel Data Hasil Belaar Matematika Siswa Kelas XI IPA SMA 1
Sukacita pada Semester Ganjil ……………………… 12
Tabel 5. Tabel Distribusi Frekuensi ……………………… 13
Tabel 6. Tabel Distribusi Frekuensi Relatif ……………………… 14
Tabel 7. Tabel Distribusi Frekuensi Kumulatif
Relatif Kurang Dari ……………………… 14
Tabel 8. Tabel Nilai xi, I F Kumulatif, fi.xi, xi2, Fi.xi2 ……… 15
Tabel 9. Tabel Data Z, F(z), s(z), dan [F(z)-s(z)] ……………… 16
Tabel 10. Tabel Distribusi Normal Standar ……………………… 17
Tabel 11. Tabel L ……………………… 18
Tabel 12. Tabel Distribusi Frekuensi ……………………… 21
Tabel 13. Tabel Mean ……………………… 21
Tabel 14. Tabel Batas Kelas ……………………… 22
Tabel 15. Tabel Z ……………………… 22
Tabel 16. Tabel Luas 0-Z ……………………… 23
Tabel 17. Tabel Luas Tiap Interval Kelas ……………………… 23
Tabel 18. Tabel E ……………………… 23
Tabel 19. Tabel Frekuensi yang Diharapkan
dan Pengamatan ……………………… 24
DAFTAR GAMBAR

Gambar 1. Grafik Contoh Penyajian Data Menggunakan


Uji Kertas Peluang Normal ………..……………. 14
Gambar 2. Grafik Distribusi Chi Kuadrat ……………………... 20
BAB I
PENDAHULUAN

1.1 Latar Belakang


Sering kali kita mendengar bahwa dalam uji statistik, data yang kita miliki
harus diuji normalitasnya terlebih dahulu untuk menentukan alat uji yang
dapat kita gunakan. Uji normalitas berfungsi untuk mengetahui apakah data
sampel berasal dari populasi yang berdistribusi normal ataukah tidak. Ada
banyak cara yang dapat dilakukan untuk dapat mengetahuinya. Metode
pengujian normalitas secara klasik tidaklah terlalu rumit. Berdasarkan
pengalaman empiris beberapa pakar statistik, data yang banyaknya lebih dari
30 (n>30) maka dapat dikatakan berdistribusi normal dan biasa disebut sampel
besar. Namun, untuk mendapatkan kepastian data tersebut berdistribusi
normal atau tidak maka dapat dilakukan uji statistik normalitas. Hal ini
dikarenakan data yang banyaknya lebih dari 30 belum tentu berdistribusi
normal dan data yang banyaknya kurang dari 30 belum tentu tidak
berdistribusi normal. Pembuktian secara manual dapat dilakukan dengan
menggunakan metode kertas peluang normal atau dengan melakukan uji
statistik normalitas.
Ada banyak jenis uji statistik normalitas yang dapat digunakan, di
antaranya adalah Kolmogorov Smirnov, Liliefors, Chi-Square, Shapiro Wilk,
dan beberapa software komputer (misalnya SPSS, Minitab, Simstat, Microstat,
dsb.). Masing-masing jenis tersebut memiliki kelebihan dan kekurangan dalam
penggunaannya. Berikut ini akan diuraikan tiga jenis pengujian normalitas,
yaitu metode kertas peluang normal, chi-square, dan liliefors.
Pengujian homogenitas dimaksudkan untuk memberikan keyakinan bahwa
sekumpulan data yang dimanipulasi dalam serangkaian analisis memang
berasal dari populasi yang tidak jauh berbeda keragamannya. Khusus untuk
studi korelatif yang sifatnya prediktif, model yang digunakan harus fit (cocok)
dengan komposisi dan distribusi datanya. Kecocokan model tersebut secara
statistika dapat diuji setelah model prediksi diperoleh dari perhitungan. Model
yang sesuai dengan keadaan data adalah apabila simpangan estimasinya
mendekati 0. Untuk mendeteksi agar penyimpangan estimasi tidak terlalu
besar, maka homogenitas variansi kelompok-kelempok populasi dari mana
sampel diambil, perlu diuji.
Pengujian homogenitas varians ini mengasumsikan bahwa skor setiap
variabel memiliki varians yang homogen. Tujuan dilakukannya uji
homogenitas data adalah untuk mengetahui bahwa sampel penelitian yang
diambil adalah berasal dari populasi yang sama.

1.2 Rumusan Masalah


Dari pendahuluan di atas, dapat dirumuskan masalah sebagai berikut:
1. Apa yang dimaksud dengan Uji Homogenitas?
2. Bagaimana cara menguji homogenitas data menggunakan Metode Uji
Bartlet?
3. Bagaimana cara menguji homogenitas data menggunakan Metode Uji
Perbandingan Varians?
4. Apa yang dimaksud dengan Uji Normalitas?
5. Bagaimana cara menguji normalitas suatu data menggunakan Metode Uji
Kertas Peluang Normal?
6. Bagaimana cara menguji normalitas suatu data menggunakan Metode Uji
Lilliefors?
7. Bagaimana cara menguji normalitas suatu data menggunakan Metode Uji
Chi-Kuadrat?

1.3 Tujuan
Dari rumusan masalah di atas, dapat diperoleh tujuan dari pembuatan
makalah ini sebagai berikut:
1. Untuk mengetahui tentang Uji Homogenitas.
2. Untuk mengetahui cara menguji homogenitas data menggunakan Metode
Uji Bartlet.
3. Untuk mengetahui cara menguji homogenitas data menggunakan Metode
Uji Perbandingan Varians.
4. Untuk mengetahui tentang Uji Normalitas.
5. Untuk mengetahui cara menguji normalitas suatu data menggunakan
Metode Uji Kertas Peluang Normal.
6. Untuk mengetahui cara menguji normalitas suatu data menggunakan
Metode Uji Lilliefors.
7. Untuk mengetahui cara menguji normalitas suatu data menggunakan
Metode Uji Chi-Kuadrat.
BAB II
KAJIAN TEORI

2.1 Uji Homogenitas


Uji homogenitas merupakan uji perbedan antara dua atau lebih populasi.
Semua karakteristik populasi dapat bervariasi antara satu populasi dengan
yang lain. Dua di antaranya adalah mean dan varian (selain itu masih ada
bentuk distribusi, median, modus, range, dll). Pada dasarnya uji homogenitas
dimaksudkan untuk memperlihatkan bahwa dua atau lebih data sampel
berasal dari populasi yang memiliki varians yang sama. Populasi-populasi
dengan varians yang sama besar dinamakan populasi dengan varians yang
homogen, sedangkan populasi-populasi dengan varians yang tidak sama besar
dinamakan populasi dengan varians yang heterogen. Faktor-faktor yang
menyebabkan sampel atau populasi tidak homogen adalah proses sampling
yang salah, penyebaran yang kurang baik, bahan yang sulit untuk homogen,
atau alat untuk uji homogenitas rusak. Apabila sampel uji tidak homogen
maka sampel tidak bisa digunakan dan perlu dievaluasi kembali mulai dari
proses sampling sampai penyebaran bahkan bila memungkinkan harus
diulangi sehingga mendapatkan sampel uji yang homogen.
(Irianto,Agus:2004).
Uji homogenitas terbagi menjadi 2 (dua), yaitu: menggunakan metode uji
bartlet dan menggunakan metode uji perbandingan varians.

2.1.1 Uji Homogenitas Data Menggunakan Metode Uji Bartlett


Uji Bartlett digunakan apabila pengujian homogenitas dilakukan
terhadap tiga varians atau lebih. (Irianto, Agus:2004). Langkah-
langkahnya adalah sebagai berikut :
1. Tulis 𝐻𝑎 dan 𝐻0 dalam bentuk kalimat .
2. Tulis 𝐻𝑎 dan 𝐻0 dalam bentuk statistik.
3. Buat tabel penolong untuk uji Bartlett.

Tabel 1. Tabel Penolong Uji Bartlett


4. Hitung 𝑠 2 dengan menggunakan rumus :

5. Hitung log 𝑠 2 .
6. Hitung B dengan rumus :

7. Cari 𝑋 2 ℎ𝑖𝑡𝑢𝑛𝑔 dengan rumus :

Dengan ln 10 = 2.3026.

8. Tetapkan taraf signifikansi (𝛼).


9. Cari 𝑋 2 𝑡𝑎𝑏𝑒𝑙 dengan rumus :

𝑋 2 𝑡𝑎𝑏𝑒𝑙 = 𝑋 2 (1−𝛼)(𝑑𝑘)
Dimana dk = banyak kelompok -1.
Dengan menggunakan tabel 𝑋 2 didapat 𝑋 2 𝑡𝑎𝑏𝑒𝑙 .
𝑋 2 (1−𝛼)(𝑑𝑘) didapatkan dari tabel distribusi chi-kuadrat dengan
peluang(1 − 𝛼) dan dk = (k-1).
10. Bandingkan 𝑋 2 ℎ𝑖𝑡𝑢𝑛𝑔 dengan 𝑋 2 𝑡𝑎𝑏𝑒𝑙 .
Kriteria pengujian sebagai berikut :
Jika : 𝑋 2 ℎ𝑖𝑡𝑢𝑛𝑔 ≥ 𝑋 2 𝑡𝑎𝑏𝑒𝑙 tidak homogen
Jika : 𝑋 2 ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑋 2 𝑡𝑎𝑏𝑒𝑙 homogen

11. Buatlah kesimpulannya.

CONTOH SOAL :
Kelompok 1 dengan anggota 8 orang bervarians 400,609
Kelompok 2 dengan anggota 9 orang bervarians 256,889
Kelompok 3 dengan anggota 9 orang bervarians 354,444
Kelompok 4 dengan anggota 8 orang bervarians 147,734
Apakah keempat varians tersebut homogen?

JAWAB :
1. 𝐻𝑎 dan 𝐻0 dalam bentuk kalimat
𝐻𝑎 : Terdapat perbedaan varians
𝐻0 : Tidak terdapat perbedaan varians

2. Hipotesis statistik
𝐻𝑎 : salah satu ada yang ≠
𝐻0 : 𝜎 21 = 𝜎 21 = 𝜎 21 = 𝜎 2 1
3. Buatlah tabel penolong untuk uji Bartlett sebagai berikut :
Kelompok dk 1
𝑠2𝑖 log 𝑠 2 𝑖 dk log 𝑠 2 𝑖
Ke- ( 𝑛𝑖 − 1) 𝑑𝑘
1 7 0,1429 400,609 2,6027 18,2190
2 8 0,1250 256,889 2,4097 19,2780
3 8 0,1250 354,444 2,5495 20,3964
4 7 0,1429 147,734 2,1695 15,1867
Jumlah 30 0,5358 - - 73,0801

Tabel 2. Contoh Tabel Penolong Uji Bartlett


4. Hitung 𝑠 2 dengan menggunakan rumus

= 7 (400,609) + 8 (256,889) + 8 (354,444) + 7 (147,734)


(400,609) + 8 (256,889) + 8 (354,444) + 7 (147,734)
=
7+8+ 8+7
= 290,969
5. Hitung log 𝑠 2
log 𝑠 2 = log 290,969
= 2,4638
6. Hitung B dengan rumus:

= 2,4638 (30) = 73,914

7. 𝑋 2 ℎ𝑖𝑡𝑢𝑛𝑔 dengan rumus :

= 2,3026 (73,914 - 73,0801)


= 2,3026 (0,8339)
= 1,92

8. Taraf signifikasi (𝛼) = 0,01.


9. Bandingkan 𝑋 2 ℎ𝑖𝑡𝑢𝑛𝑔 dengan nilai 𝑋 2 𝑡𝑎𝑏𝑒𝑙 untuk taraf signifikasi
(𝛼) = 0,01 dan derajat kebebasan dk = banyak kelompok – 1 = 4 -
1 = 3 maka 𝑋 2 𝑡𝑎𝑏𝑒𝑙 = 11,3
Jika : 𝑋 2 ℎ𝑖𝑡𝑢𝑛𝑔 ≥ 𝑋 2 𝑡𝑎𝑏𝑒𝑙 tidak homogen
Jika : 𝑋 2 ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑋 2 𝑡𝑎𝑏𝑒𝑙 homogen
10. Ternyata, 1,92 ≤ 11,3 atau 𝑋 2 ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑋 2 𝑡𝑎𝑏𝑒𝑙 , jadi 𝐻0
diterima.
11. Kesimpulan:
𝐻0 yang berbunyi “ Tidak terdapat perbedaan varians” diterima.
Sebaliknya 𝐻𝑎 yang berbunyi “Terdapat perbedaan varians”
ditolak.

2.1.2 Uji Homogenitas Data Menggunakan Metode Uji Perbandingan


Varians
Uji perbandingan varians hanya digunakan apabila pengujian
homogenitas dilakukan terhadap dua varians saja. (Irianto, Agus:2004).
Langkah-langkahnya adalah sebagai berikut :
1. Mencari Varians/Standar deviasi Variabel X dan Y, dengan rumus :

2. Mencari Fhitung dengan dari varians X dan Y, dengan rumus:


𝑆𝑏𝑒𝑠𝑎𝑟
F=
𝑆𝑘𝑒𝑐𝑖𝑙
Pembilang: S besar artinya Variance dari kelompok dengan
variance terbesar (lebih banyak), Penyebut: S kecil artinya
Variance dari kelompok dengan variance terkecil (lebih sedikit)
jika variance sama pada kedua kelompok, maka bebas tentukan
pembilang dan penyebut.
3. Membandingkan Fhitung dengan Ftabel pada tabel ditribusi F, dengan
dk pembilang n-1 (untuk varians terbesar) dan dk penyebut n-1
(untuk varians terkecil).
Jika Fhitung < Ftabel berarti homogen
Jika Fhitung > Ftabel berarti tidak homogen

Untuk mencari harga-harga yang dibutuhkan terlebih dahulu dibuat


tabel pembantu.
CONTOH SOAL
Data tentang hubungan antara penguasaan kosa kata (X) dan
kemampuan membaca(Y)
No X Y X2 Y2 X.Y
1 75 68 5625 4624 5100
2 78 72 6084 5184 5616
3 38 63 1444 3969 2394
4 94 74 8836 5476 6956
5 83 68 6889 4624 5644
6 91 81 8281 6561 7371
7 87 72 7569 5184 6264
8 91 74 8281 5476 6734
9 38 58 1444 3364 2204
10 68 58 4624 3364 3944
∑ 743 688 59077 47826 52227
Tabel 3. Tabel Data Hubungan Antara Penguasaan Kosa Kata (X) dan
Kemampuan Membaca (Y)
Kemudian dilakukan penghitungan, dengan rumus yang ada:

√𝑛.∑𝑥²−(∑𝑋)²
Sx2 =
𝑛(𝑛−1)

√10.59077−743²
=
10(10−1)

√590770−552049
=
10(9)

√38721
=
90
=√430,23
= 20,74
√𝑛.∑𝑦²−(∑𝑦)²
Sy2 =
𝑛(𝑛−1)

√10.47826−688²
=
10(10−1)

√10.47826−688²
=
10(9)

√4916
=
90

= √54,62
= 7,39
Kemudian dicari Fhitung :
𝑆𝑏𝑒𝑠𝑎𝑟
F=
𝑆𝑘𝑒𝑐𝑖𝑙
20,74
=
7,39
= 2,81
Dari Perhitungan yang diatas diperoleh Fhitung = 2,81 dan dari distribusi
F dengan dk pembilang = 9 Dk penyebut = 9 dan pada taraf nyata α = 0,05
diperoleh Ftabel = 3,18.
Tampak bahwa Fhitung Lebih Kecil dari Ftabel. Hal ini berarti data variable X
dan Y Homogen.

2.2 Uji Normalitas


Asumsi normalitas perlu dicek keberlakuannya agar langkah-langkah
selanjutnya dapat dipertanggungjawabkan. Uji normalitas data dilakukan
sebelum data diolah berdasarkan model-model penelitian yang diajukan. Uji
normalitas data bertujuan untuk mendeteksi distribusi data dalam suatu
variabel yang akan digunakan dalam penelitian. Data yang baik dan layak
untuk membuktikan model-model penelitian tersebut adalah data yang
memiliki distribusi normal. (Gunawan, Muhammad Ali:2013)
Uji normalitas data dapat dilakukan dengan berbagai cara, yaitu: (a) Uji
Kertas Peluang Normal; (b) Uji Liliefors; dan (c) Uji Chi-Kuadrat.

2.2.1 Uji Normalitas Menggunakan Metode Uji Kertas Peluang Normal


Data sampel yang telah diambil dari sebuah populasi, perlu disusun
dalam sebuah daftar distribusi frekuensi. Kemudian dibentuk dalam
bentuk daftar distribusi frekuensi kumulatifnya kurang dari.
Pembentukan daftar ini diambil batas – batas kelas interval. Selanjutnya
frekuensi kumulatif ini digambarkan dalam kertas grafik khusus, disebut
kertas peluang normal atau kertas peluang.
Pada sumbu tegak digambarkan skala untuk batas – batas atas.
Sedangkan sumbu datar menggambarkan persen kumulatifnya. Nampak
bahwa pada sumbu datar paling kecil tertulis 0,01% dan paling besar
99,99%. Dengan demikian kelas interval dengan kumulatif 0% dan 100%
tidak perlu digambarkan. Selanjutnya titik - titik yang ditentukan oleh
batas atas dan frekuensi kumulatif digambarkan oleh kertas itu.
Perhatikan baik – baik titik yang didapat. Jika letak titik – titik
pada garis lurus atau hampir pada garis lurus, maka disimpulkan :
a. Mengenai data itu sendiri
Dikatakan bahwa data itu berdistribusi normal atau hampir
berdistribusi normal (atau dapat didekati oleh distribusi normal).
b. Mengenai populasi dari mana data sampel diambil.
Dikatakan bahwa populasi dari mana sampel diambil ternyata
berdistribusi normal atau hampir berdistribusi normal (atau dapat
didekati oleh distribusi normal).
Jika letak titik – titik itu sangat menyimpang dari sekitarnya garis
lurus, maka disimpulkan bahwa data itu atau populasi dari mana sampel
diambil tidak berdistribusi normal. (Gunawan, Muhammad Ali:2013)
CONTOH SOAL
Akan diuji normalitas untuk data Hasil Belajar Matematika Siswa Kelas
XI IPA SMA 1 Sukacita pada Semester Ganjil. Apakah data tersebut
berdistribusi normal? Datanya adalah sebagai berikut:
No. X No. X No. X No. X
1. 40 11. 67 21. 73 31. 82
2. 51 12. 67 22. 74 32. 83
3. 53 13. 68 23. 74 33. 83
4. 54 14. 70 24. 76 34. 84
5. 57 15. 70 25. 77 35. 85
6. 60 16. 71 26. 77 36. 85
7. 61 17. 72 27. 79 37. 87
8. 61 18. 72 28. 80 38. 93
9. 64 19. 73 29. 81 39. 94
10. 65 20. 73 30. 82 40. 99
Tabel 4. Tabel Data Hasil Belajar Matematika Siswa Kelas XI IPA SMA 1
Sukacita pada Semester Ganjil
Hipotesis:
H0 : data pada sampel berasal dari populasi yang berdistribusi normal
H1 : data pada sampel berasal dari populasi yang tidak berdistribusi
normal

Kriteria:
H0 diterima jika kurva mendekati lurus.

Jika akan dibuat data kelompok (data distribusi frekuensi) maka :


a. Jangkauan = Nilai maksimum – nilai minimum
= 99 – 40
= 59
b. Banyak interval kelas
n = 40
k = 1 + 3,3 log n
= 1 + 3,3 log 40
= 6,28
c. Panjang interval kelas
=R/k
= 59/6
= 9,8 mendekati 10
Batas bawah kelas diambil dari 40. Jadi bisa disusun tabel distribusi
frekuensi seperti pada tabel berikut :
No. Nilai Jumlah Siswa
1. 40-49 1
2. 50-59 4
3. 60-69 8
4. 70-79 14
5. 80-89 10
6. 90-99 3
∑ 40
Tabel 5. Tabel Distribusi Frekuensi
Langkah 1: Data disajikan dalam bentuk tabel distribusi frekuensi relatif
(data disajikan dalam bentuk persentase).
No. Nilai Jumlah Siswa %
1. 40-49 1 2.5
2. 50-59 4 10
3. 60-69 8 20
4. 70-79 14 35
5. 80-89 10 25
6. 90-99 3 7.5
∑ 40 100
Tabel 6. Tabel Distribusi Frekuensi Relatif
Langkah 2: Tabel diubah dalam bentuk distribusi frekuensi kumulatif
relatif kurang dari.
Nilai Jumlah
<39.50 0
<49.50 2.50
<59.50 12.50
<69.50 32.50
<79.50 67.50
<89.50 92.50
<99.50 100
Tabel 7. Tabel Distribusi Frekuensi Kumulatif Relatif Kurang Dari

Gambar 1. Grafik Contoh Penyajian Data Menggunakan Uji Kertas Peluang


Normal
Gambar grafik di atas merupakan contoh penyajian data pada kertas
peluang normal. Sumber horizontal tempat meletakkan interval kelas,
sumbu vertikal tempat untuk angka kumulatifnya.

2.2.2 Uji Normalitas Menggunakan Metode Uji Lilliefors


Uji normalitas lilliefors merupakan penyempurnaan dari rumus
kolmogrov-sminov sehinggga sifatnya menyederhanakan. (Irianto,
Agus:2004)

CONTOH SOAL:
2.3,4, 3, 4, 4, 5, 4, 5, 5, 6, 5, 5, 6, 5, 6, 6, 7, 7, 8
Ujilah data tersebut apakah berasal dari populasi yang berdistribusi
normal? Dengan α = 5 %
Untuk menjawab soal soal di atas perlu adamya beberapa langkah
sebagai berikut:
1. Menentukan uji hipotesis
H0 : Data sampel berasal dari popilasi yang berdistribusi normal.
H1: Data sampel bukan berasal dari popilasi yang berdistribusi
normal.
2. Menentukan nilai xi, i, F kumulatif, fi.xi, xi2 , Fi. xi2
Xi Fi Fk Fi.xi Xi2 Fi. Xi2
2 1 1 2 4 4
3 2 3 6 9 18
4 4 7 16 1 64
5 6 13 30 25 150
6 4 17 24 36 144
7 2 19 14 49 98
8 1 20 8 64 64
∑20 ∑100 ∑542
Tabel 8. Tabel Nilai xi, I F Kumulatif, fi.xi, xi2, Fi.xi2
3. Mencari nilai rata-rata:
∑𝐹𝑖.𝑥𝑖
X=
∑𝐹𝑖
100
X= =5
20
4. Mencari nilai simpangan baku

𝑛.∑𝐹𝑖𝑥𝑖 2−(∑Fi.Xi)2.
S= √
𝑛(𝑛−1)

20.542−( 100)1𝑜𝑜.
S= √
20(20−1)

10840−10000
S= √
20.19

840
S= √
380

S = 1.49
5. Menentukan Z, F(z), s(z), dan [F(z)- s(z)].
S(z)
𝑥𝑖−𝑋
Z= F(z) 𝐹𝑘𝑜𝑚𝑢𝑙𝑎𝑡𝑖𝑓 [F(z)- s(z)]
𝑠
S(z)= 𝑛

-2.01 0.0222 0.05 0.0278


-1,34 0.0901 0.015 0.0599
-0.67 0.2514 0.035 0.0986
0 0.5000 0.65 0.1500
0.67 0.7486 0.85 0. 1014
1.34 0.9099 0.95 0.0401
2.01 0.9778 1 0.0222
Tabel 9. Tabel Data Z, F(z), s(z), dan [F(z)-s(z)]
Untuk menentukan F(z) menggunakan tabel dibawah ini:

Tabel 10. Tabel Distribusi Normal Standar


6. Menentukan statistik uji
Lhitung = nilai maksimum [F(z)- s(z)]
Lhitung = 0.1500
α = 0.05
n= 20

7. Menentukan L table

Taraf Nyata (α)


Ukuran Sampel
0,01 0,05 0,10 0,15 0,20
n=4 0,417 0,381 0,352 0,319 0,300
5 0,405 0,337 0,315 0,299 0,285
6 0,364 0,319 0,294 0,277 0,265
7 0,384 0,300 0,276 0,258 0,247
8 0,331 0,285 0,261 0,244 0,233
9 0,311 0,271 0,249 0,233 0,223
10 0,294 0,258 0,239 0,224 0,215
11 0,284 0,249 0,230 0,217 0,206
12 0,275 0,242 0,223 0,212 0,199
13 0,268 0,234 0,214 0,202 0,190
14 0,261 0,227 0,207 0,194 0,183
15 0,257 0,220 0,201 0,187 0,177
16 0,250 0,213 0,195 0,182 0,173
17 0,245 0,206 0,289 0,177 0,169
18 0,239 0,200 0,184 0,173 0,166
19 0,235 0,195 0,179 0,169 0,163
20 0,231 0,190 0,174 0,166 0,160
25 0,200 0,173 0,158 0,147 0,142
30 0,187 0,161 0,144 0,136 0,131
1,031 0,886 0,805 0,768 0,763
n>30
√𝑛 √𝑛 √𝑛 √𝑛 √𝑛

Tabel 11. Table L


L tabel = 0.190.
8. Menentukan kesimpulan
H0 diterima jika L hitung < L tabel
H1 diterima jika L hitung > L tabel
Dari kasus di atas L Hitung = 0.1500 dan L tabel = 0.190 maka 0,1500<
0.190.
Data diatas sampel berasal dari data berdistribusi normal.

2.2.3 Uji Normalitas Menggunakan Metode Uji Chi Kuadrat


Uji chi kuadrat ( 𝑥 2 ) merupakan pengujian hipotesis yang
dilakukan dengan cara membandingkan kurve normal yang terbentuk
dari data yang telah terkumpul (B) dengan kurva normal baku atau
standar (A). Jadi membandingkan antara (B/A). Bila B tidak berbeda
secara signifikan dengan A, maka B merupakan data yang berdistribusi
normal. (Gunawan, Muhammad Ali:2013)
Ho:data berasal dari populasi yang berdistribusi normal
H1:data tidak berasal dari populasi yang berdistribusi normal
Grafik distribusi chi kuadrat (𝑥 2 ) umumnya merupakan kurve
positif , yaitu miring ke kanan. Kemiringan ini makin berkurang jika
derajat kebebasan (dk) makin besar.
Langkah-Langkah Menguji Data Normalitas dengan Chi Kuadrat:
1. Menentukan Mean/ Rata-Rata
∑ 𝒇𝒙𝒊
𝒙=
𝒏
2. Menentukan Simpangan Baku

∑ 𝒇(𝒙𝒊 − 𝒙)𝟐
𝑺=√
𝒏−𝟏

3. Membuat daftar distribusi frekuensi yang diharapkan


 Menentukan batas kelas
 Mencari nilai Z skor untuk batas kelas interval
 Mencari luas 0 – Z dari tabel kurva normal
 Mencari luas tiap kelas interval
 Mencari frekuensi yang diharapkan (Ei)
4. Merumuskan formula hipotesis
Ho:data berasal dari populasi yang berdistribusi normal.
H1:data tidak berasal dari populasi yang berdistribusi normal.
5. Menentukan taraf nyata (a)
Untuk mendapatkan nilai chi-square tabel

dk = k – 1
dk = Derajat kebebasan
k = banyak kelas interval
6. Menentukan Nilai Uji Statistik

Keterangan:
Oi = frekuensi hasil pengamatan pada klasifikasi ke-i
Ei = Frekuensi yang diharapkan pada klasifikasi ke-i
7. Menentukan Kriteria Pengujian Hipotesis

Ho ditolak, jika  hitung ≥  tabel


2 2

Ho diterima, jika  hitung <  tabel


2 2

Gambar 2. Grafik Distribusi Chi Kuadrat


8. Memberi Kesimpulan

CONTOH SOAL
Berikut ini merupakan data hasil belajar siswa kelas 2 SMP pada mata
pelajaran matematika. Kita akan melakukan uji normalitas data dengan
chi kuadrat.
1. Kita siapkan terlebih dahulu tabel distribusi frekuensi :
Interval prestasi Frekuensi
45-54 1
55-64 4
65-74 16
75-84 7
85-94 2
Jumlah 30
Tabel 12. Tabel Distribusi Frekuensi
2. Mencari Mean dan Simpangan Baku

Interval Prestasi F 𝑥𝑖 𝑓𝑥𝑖 𝑥𝑖 − 𝑥 (𝑥𝑖 − 𝑥)^2 f(𝑥𝑖 − 𝑥)^2

45-54 1 49,5 49,5 -21,6667 469,4444 469,4444


55-64 4 59,5 238 -11,6667 136,1111 544,4444
65-74 16 69,5 1112 -1,66667 2,777778 44,44444
75-84 7 79,5 556,5 8,333333 69,44444 486,1111
85-94 2 89,5 179 18,33333 336,1111 672,2222
Jumlah 2135 2216,667
Tabel 13. Tabel Mean

∑ 𝑓(𝑥𝑖 − 𝑥)2 2216,667


𝑆=√ = = 8,74
𝑛−1 29
∑ 𝑓𝑥𝑖 2135
𝑥= = = 71,16
∑𝑓 30
3. Membuat daftar distribusi frekuensi yang diharapkan
 Menentukan Batas Kelas
Angka skor kiri pada kelas interval dikurangi 0,5.
Angka skor kanan pada kelas interval ditambah 0,5.
Sehingga diperoleh batas kelas sbb:
Batas Kelas
44,5
54,5
64,5
74,5
84,5
94,5
Tabel 14. Tabel Batas Kelas
 Mencari nilai Z skor untuk batas kelas interval
𝑏𝑎𝑡𝑎𝑠 𝑘𝑒𝑙𝑎𝑠 − 𝑚𝑒𝑎𝑛
𝑍=
𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 𝑏𝑎𝑘𝑢
Sehingga diperoleh:
Z
-3,050343249
-1,9061785
-0,7620137
0,382151
1,5263158
2,6704805
Tabel 15. Tabel Z
 Mencari luas 0 – Z dari tabel kurva normal
Luas 0-Z pada tabel
0,4989
0,4713
0,2764
0,148
0,4357
0,4962
Tabel 16. Tabel Luas 0-Z

 Mencari luas tiap kelas interval


Yaitu angka baris pertama dikurangi baris kedua, angka
baris kedua dikurangi baris ketiga, dst. Kecuali untuk angka pada
baris paling tengah ditambahkan dengan angka pada baris
berikutnya. Sehingga diperoleh hasil sbb:
Luas Tiap Interval Kelas
0,0276
0,1949
0,4244
0,2877
0,0605
Tabel 17. Tabel Luas Tiap Interval Kelas
 Mencari frekuensi yang diharapkan (E)
Dengan cara mengalikan luas tiap interval dengan jumlah
responden (n = 30). Diperoleh:
E
0,828
5,847
12,732
8,631
1,815
Tabel 18. Tabel E
Luas Tiap
Batas Luas 0-Z (𝑓 − 𝐸)2
Z Interval E F f-E (𝑓 − 𝐸)2
Interval pada tabel 𝐸
Kelas
44,5 -3,050343249 0,4989 0,0271 0,828 1 0,172 0,029584 0,035729469
54,5 -1,9061785 0,4713 0,1949 5,847 4 -1,8 3,411409 0,583446
64,5 -0,7620137 0,2764 0,4244 12,73 16 3,27 10,67982 0,838817
74,5 0,382151 0,148 0,2877 8,631 7 -1,6 2,660161 0,30821
84,5 1,5263158 0,4357 0,0605 1,815 2 0,19 0,034225 0,018857
94,5 2,6704805 0,4962 1,785059469

Tabel 19. Tabel Frekuensi yang Diharapkan dan Pengamatan


4. Menentukan taraf nyata dan chi-kuadrat tabel
2 2 2
𝑋𝑡𝑎𝑏𝑒𝑙 = 𝑋1−∝,𝑑𝑘 = 𝑋0,95,4 = 9,49
2 2
Karena 𝑋ℎ𝑖𝑡𝑢𝑛𝑔 < 𝑋𝑡𝑎𝑏𝑒𝑙 = 1,79 < 9,49

Maka 𝐻0 berasal dari populasi data yang berdistribusi normal


sehingga 𝐻0 dapat diterima. Data berdistribusi normal.
BAB III
PENUTUP

3.1 Kesimpulan
Pada dasarnya uji homogenitas dimaksudkan untuk memperlihatkan
bahwa dua atau lebih data sampel berasal dari populasi yang memiliki varians
yang sama. Populasi-populasi dengan varians yang sama besar dinamakan
populasi dengan varians yang homogen, sedangkan populasi-populasi dengan
varians yang tidak sama besar dinamakan populasi dengan varians yang
heterogen. Uji homogenitas terbagi menjadi 2 (dua), yaitu: menggunakan
metode uji bartlet dan menggunakan metode uji perbandingan varians.
Uji normalitas data dilakukan sebelum data diolah berdasarkan model-
model penelitian yang diajukan. Uji normalitas data bertujuan untuk
mendeteksi distribusi data dalam suatu variabel yang akan digunakan dalam
penelitian. Data yang baik dan layak untuk membuktikan model-model
penelitian tersebut adalah data yang memiliki distribusi normal. Uji
normalitas data dapat dilakukan dengan berbagai cara, yaitu: (a) Uji Kertas
Peluang Normal; (b) Uji Liliefors; dan (c) Uji Chi-Kuadrat.

3.2 Saran
Faktor-faktor yang menyebabkan sampel atau populasi tidak homogen
adalah proses sampling yang salah, penyebaran yang kurang baik, bahan yang
sulit untuk homogen dan normal, atau alat untuk uji homogenitas dan uji
normalitas rusak. Apabila sampel uji tidak homogen dan tidak normal maka
sampel tidak bisa digunakan dan perlu dievaluasi kembali mulai dari proses
sampling sampai penyebaran bahkan bila memungkinkan harus diulangi
sehingga mendapatkan sampel uji yang homogeny dan normal. Maka dari itu,
diperlukan teknik sampling yang benar dan penyebaran yang baik agar data
dapat homogen dan normal.
DAFTAR PUSTAKA

Gunawan, Muhammad Ali. 2013. Statistik Untuk Penelitian Pendidikan. Parama


Publishing, Yogyakarta.
Irianto, Agus. 2004. Statistika Konsep Dasar dan Aplikasinya. Kencana Prenada
Media Grup, Jakarta: xII+272