MAKALAH

ANALISIS STATISTIKA NONPARAMETRIK

Chi Square Test dan Uji Prasyarat Analisis
(1 Sample K-S, 2 Independent Samples, K Independent Samples, 2 Related Samples, K
Related Samples)

Diajukan untuk memenuhi tugas mata kuliah statistika terapan yang dibina oleh
Prof.Dr.R.Palilingan, M.Si

YESSIKAH F. BANSALENG

17 806 015

PRODI S2 PENDIDIKAN IPA

PROGRAM PASCASARJANA

UNIVERSITAS NEGERI MANADO

2019
 BAB I
PENDAHULUAN
A. Latar Belakang
Dalam terminologi ilmu statistika, terdapat statistik parametrik dan non
parametrik yang merupakan dua hal yang sering digunakan. Lantas apa perbedaan keduanya?
Secara sederhana sebetulnya antara statistik parametrik dan non parametrik mudah dibedakan
dari istilahnya saja. Statistik non parametrik adalah statistik yang ditidak mendasarkan pada
parameter-parameter statistik. apa itu parameter-parameter statistik? jika anda melakukan
penelitian, tentu anda melakukan pengukuran-pengukuran, nah ukuran-ukuran tersebut
diistilahkan dengan parameter. dalam statistik kita mengenal mean, median, modus dan standar
deviasi. itulah parameter-parameter statistik. dalam statistik non parametrik, parameter tersebut
tidak dijadikan acuan. Mengapa? ketika kita menggunakan skala data nominal atau ordinal,
parameter-parameter tersebut menjadi tidak relevan. itu lebih kepada membuat ranking pada
data. selain itu, statistik non parametrik tidak mendasakan pada distribusi data tertentu.

Salah Satu Analisis statistik Nonparametrik adalah Chi square . Chi square test atau
tes kai kuadrat tergolong ke dalam jenis statistik nonparametrik sehingga chi square test tidak
memerlukan syarat data berdistribusi normal (Sufren dan Natanael, 2013).

B. Rumusan Masalah
1. Chi square untuk uji hipotesis deskriptif satu sampel (1 Sample K-S)
2. Chi square untuk uji hipotesis komparatif dua sampel independen ( 2 Independent Samples)
3. Chi square untuk uji hipotesis komparatif k sampel independen ( k Independent Samples)
4. Uji persyaratan analisis yang meliputi uji normalitas, uji homogenitas, uji linieritas, uji
heterokedasitas, uji multikolinieritas, uji autokorelasi.
C. Tujuan Penulisan Makalah
1. Dapat memahami chi square untuk uji hipotesis deskriptif satu sampel (1 Sample K-S)
2. Dapat memahami chi square untuk uji hipotesis komparatif dua sampel independen
independen ( 2 Independent Samples)
3. Dapat memahami Chi square untuk uji hipotesis komparatif k sampel independen ( k
Independent Samples)
4. Dapat memahami uji persyaratan analisis yang meliputi uji normalitas, uji homogenitas, uji
linieritas, uji heterokedasitas, uji multikolinieritas., uji autokorelasi.
 BAB II
PEMBAHASAN

A. Pengertian Chi Square

Sebuah metode statistika nonparametrik yang paling terkenal dan banyak
digunakan ialah uji kai kuadrat. Uji ini tidak dibatasi oleh asumsi-asumsi ketat
tentang jenis populasi maupun parameter populasi, yang dibutuhkan hanya derajat
bebas. Uji kai kuadrat menggunakan teknik goodness of fit, yaitu dapat digunakan
untuk menguji apakah terdapat perbedaan yang nyata antara banyak yang diamati
yang masuk dalam masing-masing kategori dengan banyak yang diharapkan
berdasarkan hipotesis nol. (Suciptawati, 2010). Chi square test atau tes kai kuadrat
tergolong ke dalam jenis statistik nonparametrik sehingga chi square test tidak
memerlukan syarat data berdistribusi normal (Sufren dan Natanael, 2013).
Karakteristik Chi‐Square:
- Nilai Chi Square selalu positif karena merupkan hasil pengkuadratan.
- Terdapat beberapa kelompok distribusi Chi Square, yaitu distribusi Chi
square dengan dk=1, 2, 3, dst.
- Datanya berbentuk diskrit atau nominal
Chi Kuadrat dapat digunakan untuk menguji hipotesis deskriptif satu
sampel atau satu variabel, yang terdiri atas dua kategori atau lebih. selain itu dapat
digunakan untuk menguji hipotesis komparatif 2 sampel atau 2 variabel serta
untuk menguji hipotesis asosiatif yang berskala nominal.
1. Chi square untuk uji hipotesis deskriptif satu sampel ( 1 Sample K-S)
Menurut Sugiyono (2013), Chi square satu sampel adalah teknik statistik yang
digunakan untuk menguji hipotesis deskriptif bila dalam populasi terdiri atas
dua atau lebih klas, data berbentuk nominal dan sampelnya besar. Yang
dimaksud hipotesis deskriptif dapat merupakan estimasi/dugaan terhadap ada
tidaknya perbedaan frekuensi antara kategori satu dan kategori lain dalam
sebuah sampel tentang sesuatu hal.
Rumus :
Dimana:
𝑥2 = Chi square
𝑓̥ = Frekuensi yang diobservasi
𝑓ℎ = Frekuensi yang diharapkan
Contoh untuk 3 kategori klas:
Suatu SMK x di Kota A ingin membuka jurusan baru, sehingga ingin
mengetahui jurusan apa yang banyak diminati. Untuk itu dilakukan survey ke
beberapa sekolah yang memiliki jurusan-jurusan tata busana, tata boga,
kecantikan. Menurut survey, diketahui dari 375 siswa sebanyak 85 siswa
memilih jurusan tata boga, 116 memilih jurusan tata busana, dan 174 siswa
memilih kecantikan.
Berdasarkan hal tersebut, maka :
Perhitungan Manual (Mneggunakan Excel):
1) Judul penelitian dapat dirimuskan sebagai berikut:
Kecenderungan siswa dalam memilih jurusan SMK.
2) Variabel penelitiannya jurusan SMK.
3) Sampel : Jumlah sampel 375 siswa terdiri atas 3 jurusan. 85 siswa memilih
jurusan tata boga, 116 memilih jurusan tata busana, dan 174 siswa
memilih kecantikan
4) Tempat penelitian: Beberapa SMK di Kota A
5) Data hasil penelitian: terdapat pada tabel berikut
Tabel : Frekuensi yang disurvey dan yang diharapkan pemilih jurusan
SMK
Jurusan

Tata Boga 85 125 -40 1600 12,8

Tata Busana 116 125 -9 81 0,65
Kecantikan 174 125 49 2401 19,21
Jumlah 375 375 0 4482 32,66

6) Hipotesis:
H0 : Jumlah siswa yang memilih 3 jurusan tidak berbeda (peluang 3
jurusan untuk dipilih siswa adalah sama)
 Ha : Jumlah siswa yang memilih 3 jurusan berbeda (peluang 3 jurusan
untuk dipilih siswa adalah tidak sama)
7) Kriteria pengujian hipotesis
Bila Nilai Chi square hitung lebih kecil dari nilai Chi square tabel, maka
H0 diterima dan bila lebih besar atau sama dengan nilai tabel, maka Ha
diterima.
8) Pengujian hipotesis
Berdasarkan hasil perhitungan seperti yang ditunjukkan pada Tabel, maka
dapat diketahui bahwa Chi square hitung = 32,66. Dalam hal ini dk = N-1
= 3-1 = 2. Berdasarkan dk 2 dan probabilitas 5%, maka diperoleh chi
square tabel = 5,99. Chi square hitung lebih besar dari chi square tabel
(32,66 > 5,99). Dengan demikian H0 ditolak dan Ha diterima.
9) Kesimpulan
Jumlah siswa yang memilih 3 jurusan SMK berbeda, dan berdasarkan data
jurusan kecantikan paling banyak diminati siswa.
10) Saran untuk SMK x
Jurusan yang dibuka adalah kecantikan, karena paling banyak diminati
siswa.
Perhitungan SPSS:
1) Buka Variabel View → Pada Nama isi Jurusan

2) Klik Values → isi values label

3) Buka Data view → Masukkan data

4) Klik Analyze → non parametric tests → chi square

5) Masukkan jurusan pada test variable list

6) Klik exact → klik monte carlo → isi number of samples → continue

7) Klik options → descriptive → continue

8) Klik OK
9) Hasil SPSS

Test Statistics

jurusan

Chi-Square 20.520a

Df 2

Asymp. Sig. .000

Monte Carlo Sig. Sig. .000b

99% Confidence Interval Lower Bound .000

Upper Bound .012

a. 0 cells (.0%) have expected frequencies less than 5. The minimum

expected cell frequency is 65.3.

b. Based on 375 sampled tables with starting seed 926214481.

Berdasarkan hasil perhitungan seperti yang ditunjukkan pada Tabel, maka

dapat diketahui bahwa Chi square hitung = 20,52. Df = 2. Berdasarkan dk
2 dan probabilitas 5%, maka diperoleh chi square tabel = 5,99. Chi square
hitung lebih besar dari chi square tabel (20,52 > 5,99). Dengan demikian
H0 ditolak dan Ha diterima.
Ha : Jumlah siswa yang memilih 3 jurusan berbeda
2. Chi square untuk uji hipotesis komparatif dua sampel independen (2
Independent Samples)
Menguji komparatif dua sampel independen berarti menguji signifikansi
perbedaan nilai dua sampel yang tidak berpasangan. Sampel independen
biasanya digunakan dalam penelitian yang menggunakan pendekatan penelitian
survey, sedangkan sampel berpasangan banyak digunakan dalam penelitian
eksperimen. Chi square digunakan untuk menguji hipotesis komparatif dua
sampel bila datanya berbentuk nominal dan sampelnya besar. Cara perhitungan
dapat menggunakan rumus yang telah ada atau dapat menggunakan tabel
kontingensi 2x2 (2 baris x 2 kolom) (Sugiyono, 2013).
Untuk menguji hipotesis ini, hitung jumlah individu dari tiap kelompok yang
termasuk ke dalam berbagai kategori dan bandingkan jumlah individu dari satu
kelompok dalam berbagai kategori dengan kelompok lainnya.
Tabel Kontingensi :
Sampel Frekuensi pada: Jumlah Sampel
Obyek I Obyek II
Sampel A A B A+B
Sampel B C D C+D
Jumlah A+C B+D N
N = jumlah sampel
Rumus :

Contoh Kasus :
Penelitian dilakukan untuk mengetahui adakah hubungan antara jenis sekolah
(SMA/SMK) dengan minat lulusan untuk melanjutan studi ke perguruan tinggi
atau bekerja.. Jenis sekolah dikelompokkan menjadi dua yaitu SMA dan SMK.
Sampel pertama sebanyak 80 orang, sampel kedua sebanyak 70 orang.
Berdasarkan angket yang diberikan kepada sampel lulusan SMA, maka dari 80
orang tersebut yang memilih melanjutkan studi ke perguruan tinggi sebanyak
60 orang, dan yang memilih bekerja sebanyak 20 orang. Selanjutnya dari
kelompok sampel lulusan SMK memilih melanjutkan studi ke perguruan tinggi
sebanyak 20 orang, dan yang memilih bekerja sebanyak 50 orang
Berdasarkan hal tersebut, maka :
1) Judul penelitian dapat dirimuskan sebagai berikut:
Kecenderungan lulusan dalam memilih untuk melanjutan studi ke
perguruan tinggi atau bekerja.
2) Variabel penelitiannya :
1) Variabel Independen : Jenis sekolah
2) Variabel dependen : Minat lulusan
3) Rumusan Masalah:
Adakah perbedaan jenis sekolah dengan minat lulusan untuk melanjutan
studi ke perguruan tinggi atau bekerja.
4) Sampel : Terdiri dari dua kelompok sampel independen yaitu kelompok
lulusan SMA dengn jumlah 80 orang dan kelompok lulusan SMK dengn
jumlah 70 orang.
5) Hipotesis:
H0 : Tidak terdapat perbedaan jenis sekolah dengan minat lulusan
Ha : Terdapat perbedaan jenis sekolah dengan minat lulusan
6) Kriteria pengujian hipotesis
Dengan dk = 1 dan probabilitas 5%. H0 diterima bila nilai Chi square
hitung lebih kecil dari nilai Chi square tabel dan bila lebih besar atau sama
dengan nilai tabel, maka Ha diterima.
7) Penyajian data
Data hasil penelitian disusun ke dalam tabel:
Tabel : Frekuensi minat lulusan
Sampel Minat lulusan Jumlah Sampel
Melanjutkan Bekerja
studi
Lulusan SMA 60 20 80
Lulusan SMK 20 50 70
Jumlah 80 70 150
8) Perhitungan
Berdasarkan tabel tersebut dan menggunakan rumus chi square 2 sampel
independen, dapat dihitung:

1
150 (|60.50 − 20.20| − 2 150) ²
(𝑥)2 =
(60 + 20)(20 + 50)(60 + 20)(20 + 50)
150(|3000 − 400| − 75)²
=
(80)(70)(80)(70)
150(2600 − 75)²
=
5600.5600
150.6375625
=
31360000
956343750
=
31360000
= 30,50
Dengan dk = 1 dan probabilitas 5%, maka diperoleh chi square tabel =
3,84. Ternyata nilai Chi square hitung = 35,86 > Chi square tabel 3,84.
Dengan demikian H0 ditolak dan Ha diterima.
9) Kesimpulan
Jadi Terdapat perbedaan jenis sekolah dengan minat lulusan, dimana
lulusan SMA lebih cenderung memilih melanjutkan studi ke perguruan
tinggi dan lulusan SMK cenderung memilih bekerja.
Perhitungan SPSS:
1) Buka Variable View → Isi nama dengan Minat dan Jenis sekolah

2) Isi Value labels minat

3) Isi value labels jenis sekolah

4) Buka Data view → Masukkan data

5) Klik anlyze → descriptive statistic → crosstabs

6) Pindahkan Minat ke row dan jenis sekolah ke column

7) Klik statistics → centang chi square → continue

8) Klik OK

Hasil Perhitungan SPSS

Chi-Square Tests

Asymp. Sig. Exact Sig. Exact Sig. (1-

Value df (2-sided) (2-sided) sided)

Pearson Chi-Square 32.334a 1 .000

Continuity Correctionb 30.496 1 .000

Likelihood Ratio 33.546 1 .000

Fisher's Exact Test .000 .000

Linear-by-Linear
32.119 1 .000
Association

N of Valid Casesb 150

a. 0 cells (.0%) have expected count less than 5. The minimum expected count is
32.67.

b. Computed only for a 2x2 table

 Dengan df = 1 dan probabilitas 5%, maka diperoleh chi square tabel =
3,84. Ternyata nilai Chi square hitung = 32,334 > Chi square tabel 3,84.
Dengan demikian H0 ditolak dan Ha diterima.
10) Kesimpulan
Jadi Terdapat perbedaan jenis sekolah dengan minat lulusan, dimana
lulusan SMA lebih cenderung memilih melanjutkan studi ke perguruan
tinggi dan lulusan SMK cenderung memilih bekerja.
3. Chi square untuk uji hipotesis komparatif k sampel independen ( k
independent samples)
Chi square k sampel digunakan untuk menguji hipotesis komparatif lebih dari
dua sampel, atau untuk memeriksa apakah sampel-sampel yang diambil secara
acak variabelnya berasal dari populasi yang homogen bila datanya berbentuk
diskrit atau nominal. Dalam uji ini hipotesis nol adalah frekuensi atau proporsi
k sampel berasal dari populasi yang sama atau populasi yang identik
(Suciptawati, 2010).
Rumus :

Dimana:
𝑥2 = Chi square
𝑓̥ = Frekuensi yang diobservasi
𝑓ℎ = Frekuensi yang diharapkan
Contoh :
Penelitian dilakukan untuk mengetahui ada tidaknya perbedaan jenis asal
sekolah antar mahasiswa lima prodi di fakultas teknik, yaitu Pendidikan
Teknik Elektro, Pendidikan Teknik Informatika, Pendidikan Teknik Mesin,
Pendidikan Tata Boga, Pendidikan Tata Rias. Jenis asal sekolah dibagi menjadi
2 yaitu SMA dan SMK. Berdasarkan 115 anggota sampel mahasiswa prodi
Pendidikan Teknik Elektro, 80 orang berasal dari SMA dan 35 orang berasal
dari SMK. Dari 160 anggota sampel mahasiswa prodi Pendidikan Teknik
Informatika, 100 orang berasal dari SMA dan 60 orang berasal dari SMK. Dari
130 anggota sampel mahasiswa prodi Pendidikan Teknik Mesin , 80 orang
berasal dari SMA dan 50 orang berasal dari SMK. Dari 95 anggota sampel
mahasiswa prodi Pendidikan Tata Boga, 65 orang berasal dari SMA dan 30
orang berasal dari SMK. Dari 80 anggota sampel mahasiswa prodi Pendidikan
Tata Rias , 45 orang berasal dari SMA dan 35 orang berasal dari SMK.
Berdasarkan hal tersebut, maka :
1) Judul penelitian dapat dirimuskan sebagai berikut:
Perbedaan jenis asal sekolah mahasiswa lima prodi di fakultas teknik
2) Variabel penelitiannya : Jenis asal sekolah
3) Rumusan Masalah: Adakah perbedaan yang signifikan jenis asal sekolah
mahasiswa lima prodi di fakultas teknik
4) Sampel :
Terdiri dari 5 kelompok sampel, yaitu:
Sampel mahasiswa prodi Pendidikan Teknik Elektro berjumlah 115 orang.
Sampel mahasiswa prodi Pendidikan Teknik Informatika berjumlah 160
orang.
Sampel mahasiswa prodi Pendidikan Teknik Mesin berjumlah 130 orang.
Sampel mahasiswa prodi Pendidikan Tata Boga berjumlah 95 orang.
Sampel mahasiswa prodi Pendidikan Tata Rias berjumlah 80 orang.
5) Hipotesis:
H0 : Tidak terdapat perbedaan yang signifikan antara jenis asal sekolah
mahasiswa lima prodi di fakultas teknik
Ha : Terdapat perbedaan yang signifikan jenis asal sekolah mahasiswa
lima prodi di fakultas teknik
6) Kriteria pengujian hipotesis
Bila Nilai Chi square hitung lebih kecil dari nilai tabel, maka H0 diterima
dan bila lebih besar atau sama dengan nilai tabel, maka Ha diterima.
7) Penyajian data:
Hitung frekuensi harapan dari kelima kelompok sampel tersebut dalam
setiap aspek. Hitung berapa persen dari sampel keseluruhan lulusan SMA
dan SMK. Jumlah seluruh sampel dari 5 prodi adalah
115+160+135+95+80 = 585
Persentase lulusan SMA p1 :
80+100+80+65+45
p1 =
580
 370
= x 100%
580
= 63,79%
Frekuensi harapan untuk lulusan SMA adalah sebagai berikut:
- Pendidikan Teknik Elektro = 115 x 63,79% = 73,36
- Pendidikan Teknik Informatika = 160 x 63,79% = 102,06
- Pendidikan Teknik Mesin = 130 x 63,79% = 82,93
- Pendidikan Tata Boga = 95 x 63,79% = 60,6
- Pendidikan Tata Rias = 80 x 63,79% = 51,03
Persentase lulusan SMK p2 :
35+60+50+30+35 210
P2 = = x 100% = 36,21%
580 580
Frekuensi harapan untuk lulusan SMA adalah sebagai berikut:
Pendidikan Teknik Elektro = 115 x 36,21% = 41,65
Pendidikan Teknik Informatika = 160 x 36,21% = 57,94
Pendidikan Teknik Mesin = 130 x 36,21% = 47,07
Pendidikan Tata Boga = 95 x 36,21% = 34,39
Pendidikan Tata Rias = 80 x 36,21% = 28,97
Nilai-nilai tersebut kemudian dimasukkan ke dalam tabel:
Tabel : Perbandingan Jenis asal sekolah mahasiswa 5 prodi di Fakultas
Teknik
Prodi Jenis
asal
sekolah
P. Teknik SMA 80 73,36 6,64 44,09 0.6
Elektro SMK 35 41,65 -6,67 44,49 1,07
P. Teknik SMA 100 102,06 -2,06 4,24 0.04
Informatika SMK 60 57,94 2,06 8,74 0,15
P. Teknik SMA 80 82,93 -2,93 8,58 0,1
Mesin SMK 50 47,07 2,93 8,58 0,18
Pendidikan SMA 65 60,6 4,4 19,36 0,32
Tata Boga SMK 30 34,39 -4,39 19,27 0,56
Pendidikan SMA 45 51,03 - 6,03 36,36 0,71
Tata Rias SMK 35 28,97 6,03 36,36 1,26
Jumlah 580 580 4,99

8) Pengujian hipotesis
 Berdasarkan hasil perhitungan seperti yang ditunjukkan pada Tabel, maka
dapat diketahui bahwa Chi square hitung = 4,99. Dalam hal ini dk = N-1 5-
1 = 4. Berdasarkan dk 4 dan probabilitas 5%, maka diperoleh chi square
tabel = 9,488. Chi square hitung lebih kecil dari chi square tabel (4,99 <
9,488). Dengan demikian H0 diterima dan Ha ditolak.
9) Kesimpulan
Tidak terdapat perbedaan yang signifikan antara jenis asal sekolah
mahasiswa lima prodi di fakultas teknik
Perhitungan SPSS:
1) Buka Variable view → isi nama dengan jenis sekolah dan prodi

2) Isi value labels jenis sekolah→ klik OK

3) Isi Value labels Prodi → Klik OK

4) Klik Analyze → non parametris test → K independent samples

5) Pindahkan jenis sekolah ke test variable list dan prodi ke grouping

variable → Isi

6) Klik Define range

7) Klik exact → isi number of sample

8) Klik Options → klik descriptive → Klik OK

 Test Statisticsb,c

Jenissekolah

Chi-Square .000

Df 4

Asymp. Sig. 1.000

Exact Sig. 1.000a

Point Probability 1.000a

a. Exact results are provided instead of Monte Carlo for this test.

b. Kruskal Wallis Test

c. Grouping Variable: Prodi

Berdasarkan hasil perhitungan seperti yang ditunjukkan pada Tabel, maka

dapat diketahui bahwa Chi square hitung = 0,00. Df = 4. Berdasarkan df 4
dan probabilitas 5%, maka diperoleh chi square tabel = 9,488. Chi square
hitung lebih kecil dari chi square tabel (0,00 < 9,488). Dengan demikian
H0 diterima dan Ha ditolak.
10) Kesimpulan
Tidak terdapat perbedaan yang signifikan antara jenis asal sekolah
mahasiswa lima prodi di fakultas teknik
B. Uji persyaratan analisis
Menurut Gunawan (2013), Uji persyaratan analisis diperlukan guna mengetahui
apakah analisis data untuk pengujian hipotesis dapat dilanjutkan atau tidak.
Beberapa teknik analisis data menuntut uji persyaratan analisis, antara lain:
1. Uji normalitas
Uji normalitas data dimaksudkan untuk memperlihatkan bahwa data sampel
berasal dari populasi yang berdistribusi normal.
Contoh soal:
Sebuah penelitian dilakukan untuk mengetahui pengaruh motivasi, dukungan,
dan kelengkapan sarana praktek terhadap nilai praktek merias wajah cikatri.
Penelitian ini dilakukan dengan cara menyebar angket pada siswa jurusan
Kecantikan sebanyak 30 siswa dan hasil dari angket tersebut dibandingkan
dengan nilai praktek siswa.
Langkah pengujian normalitas data menggunakan program SPSS yaitu:
1) Buka variable view → isi

2) Isi value labels

3) Buka Data view → masukkan data

4) Klik analyze → non parametrik test → 1 sampel K.S

 5) Pindahkan variabel ke sebelah kanan → klik OK

6) Hasil

Pengambilan keputusan:
Nilai probabilitas < 0,05 = data tidak normal
Nilai probabilitas > 0,05 = data normal
Motivasi : 0,137 > 0,05 = data normal
Dukungan orang tua : 0,060 > 0,05 = data normal
Kelengkapan sarana : 0,148 > 0,05 = data normal
Nilai praktek : 0,143 > 0,05 = data normal
2. Uji homogenitas
Uji homogenitas dimaksudkan untuk memperlihatkan bahwa dua atau lebih
kelompok data sampel berasal dari populasi yang memiliki variasi yang sama.
Langkah pengujian homogenitas data menggunakan program SPSS yaitu:
1) Buka variable view → isi

2) Isi value labels

3) Buka Data view → masukkan data

4) Klik analyze → compare means → one way ANOVA

5) Pindahkan variabel ke sebelah kanan

6) Klik options → klik homogeneity of variance test → continue → OK

7) Hasil

Pengambilan keputusan:
Nilai probabilitas < 0,05 = data tidak homogen
Nilai probabilitas > 0,05 = data homogen
Motivasi : 0,429 > 0,05 = data homogen
Dukungan orang tua : 0,981 > 0,05 = data homogen
Kelengkapan sarana: 0,314 > 0,05 = data homogen
Tidak ada perbedaan antara motivasi, kelengkapan sarana dan dukungan
orang tua .
3. Uji linieritas
Uji linieritas dilakukan dengan mencari persamaan garis regresi variabel bebas x
terhadap variabel terikat y.
Langkah pengujian linieritas data menggunakan program SPSS yaitu:
1) Buka variable view → isi

2) Isi value labels

3) Buka Data view → masukkan data
4) Klik analyze → compare means → means

5) Pindahkan variabel ke sebelah kanan

6) Klik options → test of linierity → continue → OK

 7) Hasil

Pengambilan keputusan:
Nilai probabilitas > 0,05 = data tidak linier
Nilai probabilitas < 0,05 = data linier
Nilai Sig. Linearity 0,00 < 0,05 = data linier
4. Uji heterokedasitas
Uji Heterokedasitas adalah untuk melihat apakah kesalahan (error) pada data
memiliki varian yang sama atau tidak. Pendeteksian konstan atau tidaknya
varian error konstan dapat dilakukan dengan menggambar grafik antara ŷ
dengan residu (y - ŷ). Apabila garis yang membatasi sebaran titik-titik relatif
paralel maka varian error dikatakan konstan.
Langkah pengujian heterokedasitas data menggunakan program SPSS yaitu:
1) Buka variable view → isi
2) Isi value labels
3) Buka Data view → masukkan data

4) Klik analyze → regression → linier

5) Pindahkan variabel ke sebelah kanan

 6) Klik plots → isi Y dengan SRESID dan X dengan ZPRED

7) Hasil

Pada grafik tampak titik-titik menyebar diatas dan di bawah sumbu Y dan
tidak terjadi pola tertentu. Dengan demikina dapat disimpulkan bahwa
tidak terjadi heterokedasitas.
5. Uji multikolinieritas
Uji multikolinieritas dimaksudkan untuk mengetahui ada tidaknya hubungan
(korelasi) yang signifikan antar variabel bebas. Jika terdapat hubungan yang
cukup tinggi (signifikan), berarti ada aspek yang sama diukur pada variabel
bebas. Hal ini tidak layak digunakan untuk menentukan kontribusi secara
bersama-sama variabel bebas terhadap variabel terikat.
Langkah pengujian multikolinieritas data menggunakan program SPSS yaitu:
1) Buka variable view → isi

2) Isi value labels

3) Buka Data view → masukkan data

4) Klik analyze → regression → linier

 5) Pindahkan variabel ke sebelah kanan

6) Klik Statistics → colinierity diagnostic

7) Hasil

Nilai VIF disekitar angka 1 atau memiliki toleran mendekati angka 1,

dengan demikian dapat dikatakan tidak terdapat masalah multikolinieritas.
6. Uji Autokorelasi
Uji autokorelasi bertujuan untuk mencari tahu apakah kesalahan (error) suatu
data pada periode tertentu berkorelasi dengan periode lain. Model regresi ganda
yang baik adalah tidak mengalami autokorelasi. Cara untuk mengetahui apakah
mengalami atau tidak mengalami autokorelasi adalah dengan mengecek nilai
Durbin-Watson (DW). Syarat tidak terjadi autokorelasi adalah 1 < DW < 3.
Langkah pengujian autokorelasi data menggunakan program SPSS yaitu:
1) Buka variable view → isi

2) Isi value labels

3) Buka Data view → masukkan data

4) Klik analyze → regression → linier

5) Pindahkan variabel ke sebelah kanan

6) Klik statistics → durbin Watson → continue → OK

7) Hasil

Ternyata koefisien Durbin Watson besarnya 1,472. Dengan demikian

dapat disimpulkan bahwa regresi antara motivasi, kelengkapan sarana,
dukungan orang tua terhadap nilai praktek.
 BAB III
PENUTUP

A. Kesimpulan
Chi square dapat dihitung menggunakan data kategori. Datanya berbentuk diskrit
atau nominal. Hasil dari chi kuadrat selalu positif karena hasilnya selalu dikuadratkan.
Hasil chi kuadrat hitung jika lebih kecil dari chi kuadrat tabel maka hasilnya adalah tidak
terjadi perbedaan yang signifikan. Tetapi jika hasilnya lebih besar dari chi kuadrat tabel
maka terjadi perbedaan yang signifikan. Sehingga dapat disimpulkan semakin besar hasil
dari chi kuadrat hitung terhadap chi kuadrat tabel maka semakin signifikan perbedaannya.
Uji persyaratan analisis meliputi uji normalitas, homogenitas, linieritas,
heterokedasitas, multikolinieritas dan autokorelasi. Uji tersebut sangat penting untuk
dilakukan, karena dalam statistik inferensial agar kesimpulan analisis data berlaku pada
populasi, maka sebaran data harus memenuhi beberapa kriteria tersebut.
 DAFTAR PUSTAKA

Gunawan, Muhammad Ali. 2013. Statistik Untuk Penelitian Pendidikan. Yogyakarta:

Parama Publishing
Suciptawati, Ni luh Putu. 2010. Metode Statistika Nonparametrik. Denpasar: Udayana
University Press
Sufren dan Natanael, Yonathan. 2013. Mahir Menggunakan SPSS Secara Otodidak.
Jakarta: PT. Elex Media Komputindo
Sugiyono. 2013. Statistik Nonparametris Untuk Penelitian. Bandung: CV. Alfabeta