UJI NORMALITAS

Menurut (Hafizah, 2014) Pengujian normalitas adalah pengujian tentang kenormalan distribusi
data. Uji ini merupakan pengujian yang paling banyak dilakukan untuk analisis statistic
parametric. Karena data yang berdistribusi normal merupakan syarat dilakukannya tes
parametric. Sedangkan untuk data yang tidak mempunyai distribusi normal, maka analisisnya
menggunakan tes non parametric. Terdapat 4 cara untuk menentukan apakah data diatas tersebut
berasal dari populasi yang berdistribusi normal atau tidak.

1. Chi-Square
2. Lilliefors
3. Kolmogorov Smirnov
4. Shapiro wilk

A. Chi Square

chi kuadrat ( 𝑥 2 ) merupakan pengujian hipotesis yang dilakukan dengan cara

membandingkan kurve normal yang terbentuk dari data yang telah terkumpul (B) dengan
kurve 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.
Persyaratan Metode chi kuadrat ( 𝑥 2 ):
1. Data Disusun berkelompok atau dikelompokan dalam tabel distribusi frekuensi
2. Cocok untuk Data dengan banyaknya angka (n > 30)

Signifikansi uji, nilai chi kuadrat ( 𝑥 2 ) hitung dengan chi kuadrat ( 𝑥 2 ) tabel
Jika chi kuadrat ( 𝑥 2 ) hitung < chi kuadrat ( 𝑥 2 ) tabel Ho diterima, H1 di tolak
Jika chi kuadrat ( 𝑥 2 ) hitung > chi kuadrat ( 𝑥 2 ) tabel, maka Ho ditolak, H1 diterima
Ket : 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 berkuran jika derajat kebebasan (dk) makin besar.
Langkah-Langkah Menguji Data Normalitas dengan Chi Kuadrat:

1. Merumuskan Hipotesis : Ho:data berasal dari populasi yang berdistribusi normal

H1:data tidak berasal dari populasi yang berdistribusi normal
2. Tentukan taraf nyata 𝑎
3. Hitung Rata-Rata dan simpangan baku jika belum di ketahui
a. Menentukan Mean/ Rata-Rata
∑ 𝒇𝒙𝒊
𝒙=
𝒏
b. Menentukan Simpangan Baku

∑ 𝒇(𝒙𝒊 − 𝒙)𝟐
𝑺=√
𝒏−𝟏

4. Menentukan Nilai Statistik Uji

Keterangan:
Oi = frekuensi hasil pengamatan pada klasifikasi ke-i
Ei = Frekuensi yang diharapkan pada klasifikasi ke-i

a. Menentukan batas kelas

b. Mencari nilai Z skor untuk batas kelas interval
c. Mencari luas 0 – Z dari tabel kurva normal
d. Mencari luas tiap kelas interval
e. Mencari frekuensi yang diharapkan (Ei)

5. Derajat Kebebasan (dk)

dk = k – 3
k = banyak kelas interval

6. Menentukan Kriteria Pengujian Hipotesis

 7. Memberikan Kesimpulan

Contoh Soal :

Perhatikah data hasil belajar siswa kelas 2 SMP pada mata pelajaran matematika
berikut. Kita akan melakukan uji normalitas data dengan chi kuadrat dengan 𝑎 = 5%
Interval prestasi Frekuensi

45-54 1
55-64 4
65-74 16
75-84 7
85-94 2

Jumlah 30

Jawab:
1. Hipotesis
H0 : Nilai Ulangan Matematika SMP Mekar Jaya berdistribusi Normal
H1 : Nilai Ulangan Matematika SMP Mekar Jaya tidak berdistribusi Normal
2. Taraf nyata 𝑎 = 5% = 0,05
3. 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
 ∑ 𝑓(𝑥𝑖 − 𝑥)2 2216,667
𝑆=√ = = 8,74
𝑛−1 29

∑ 𝑓𝑥𝑖 2135
𝑥= = = 71,16
∑𝑓 30

4. Menentukan Statistik uji

a. 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

b. 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

c. 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
 d. 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 hassil sbb:
Luas Tiap Interval Kelas
0,0276
0,1949
0,4244
0,2877
0,0605

e. 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 Frekuensi yang Diharapkan dan Pengamatan
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

5. Derajat kebebasan
Dk = k -3
= 10-3
=7
6. Nilai Tabel
Dengan Dk = 7 ; 𝑎 = 0,05 Nilai pada tabel adalah 14,067
 7. Kesimpulan
2 2
Karena 𝑋ℎ𝑖𝑡𝑢𝑛𝑔 < 𝑋𝑡𝑎𝑏𝑒𝑙 = 1,79 < 14,067
Maka 𝐻0 berasal dari populasi data yang berdistribusi normal sehingga 𝐻0 dapat
diterima. Data berdistribusi normal.

B. Uji Lilliefors
uji Liliefors yang pada dasarnya menggunakan data dasar yang belum diolah dalam
tabel distribusi frekuensi seperti sebelumnya pada Uji Chi-Squares. Data yang kita peroleh
ditransformasikan dalam nilai Z (yaitu selisih data dengan rata-rata dibandingkan standar
deviasi data tersebut). Biasanya digunakan untuk data sampel yang kurang dari 30. Berikut
langkah-langkah pengujiannya :
1. Hipotesis uji:
Ho : Data populasi berdistribusi normal
Ha : Data populasi berdstribusi tidak normal
2. Statistik Uji :
 Pilih nilai signifikansi alpha
 Data diurutkan dari yang terkecil hingga yang terbesar.
 Cari rata-rata, simpangan baku (standar deviasi) dari sampel data.
 Tentukan nilai Z (angka baku)
 Tentukan peluang dari F(Zi) = P(Zi)
 Hitung proporsi yang lebih kecil atau sama dengan Zi yaitu S(Zi)
 Hitung selisih mutlak dari nomor 5 dan 6 yaitu |F(Zi) - S(Zi)|
 Statistik ujinya adalah nilai terbesar dari |F(Zi) - S(Zi)|
 Berdasarkan nilai alpha 5% yang dipilih, tentukan titik kritis L
3. Keputusan :
Menolak Ho jika Lo >= Ltabel dan Ho diterima jika Lo < L tabel.
Contoh pengujian normalitas data dengan uji liliefors:
Berikut Data Hasil Belajar Matematika Siswa. dengan 𝑎 = 5% Tentukan apakah data
berikut termasuk Distibusi Normal
No

1 45
2 62
3 63
4 64
5 64
6 65
7 65
8 67
9 67
10 67
11 67
12 68
13 68
14 68
15 69
16 69
17 71
18 72
19 73
20 74
21 74
22 75
23 75
24 76
25 76
26 78
27 78
28 81
29 85
30 87
Jawab :
1. Hipotesis
H0 : Hasil belajar matematika siswa berasal dari populasi berdistribusi normal
H1 : Hasil belajar matematika siswa tidak berasal dari populasi yang berdistribusi normal

2. Nilai 𝑎 = 5%
3. Statistik Penguji
Rata-rata:
Σ𝑥𝑖 2113
𝑥̅ = = = 70,43.
𝑛 30

Standar Deviasi:

(𝑥𝑖 − 𝑥̅ )2 1835,367
𝑆𝐷 = √ =√ = √63,28852 = 7,95.
𝑛−1 29

No

1 45 -3,1987 0,001 0,03333 0,0323

2 62 -1,0604 0,1446 0,06667 0,07793
3 63 -0,9346 0,1762 0,1 0,0762
4 64 -0,8088 0,2119 0,13333 0,07857
5 64 -0,8088 0,2119 0,16667 0,04523
6 65 -0,683 0,2483 0,2 0,0483
7 65 -0,683 0,2483 0,23333 0,01497
8 67 -0,4314 0,3336 0,26667 0,06693
9 67 -0,4314 0,3336 0,3 0,0336
10 67 -0,4314 0,3336 0,33333 0,00027
11 67 -0,4314 0,3336 0,36667 0,0331
12 68 -0,3057 0,3821 0,4 0,0179
13 68 -0,3057 0,3821 0,43333 0,0512
14 68 -0,3057 0,3821 0,46667 0,0846
15 69 -0,1799 0,4325 0,5 0,0675
16 69 -0,1799 0,4325 0,53333 0,1008
17 71 0,0717 0,5279 0,56667 0,0388
18 72 0,19748 0,5745 0,6 0,0255
19 73 0,32327 0,6255 0,63333 0,0078
20 74 0,44906 0,676 0,66667 0,00933
21 74 0,44906 0,676 0,7 0,024
22 75 0,57484 0,7157 0,73333 0,0176
23 75 0,57484 0,7157 0,76667 0,051
24 76 0,70063 0,758 0,8 0,042
 25 76 0,70063 0,758 0,83333 0,0753
26 78 0,9522 0,8289 0,86667 0,0378
27 78 0,9522 0,8289 0,9 0,0711
28 81 1,32956 0,9049 0,93333 0,0284
29 85 1,8327 0,9664 0,96667 0,0003
30 87 2,08428 0,9812 1 0,0188

4. Nilai Tabel
Dengan n=30 dan 𝑎 = 5% Nilai pada tabel Liliefors adalah 0,161

5. Kesimpulan
Ltabel = 0,161 yang lebih besar dari L0 = 0,1008 sehingga hipotesis H0 diterima. Data
berasal dari populasi yang berdistribusi normal.

C. 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.
CONTOH :

Diberikan data berikut :

73.9 74.2 74.6 74.7 75.4 76.0 76.0 76.0 76.5 76.6 76.9 77.3
77.4 77.7,

apakah kumpulan data tersebut berasal dari distribusi normal ? lakukan uji kolmogorov
smirnov dengan α = 0.05

Penyelesaian :

H0 : data sampel berasal dari distribusi normal

H1 : data sampel tidak berasal dari distribusi normal

STATISTIK UJI : D  Sup Fn ( x)  F0 ( x)

x

DAERAH KRITIS : tolak Ho jika D > Dα

Untuk α = 0,05 dan derajat bebas = n = 14 maka dari tabel Kolmogorov Smirnov diperoleh
nilai D0,05 ; 14 = 0,314.
Perhitungan :

Dari data diperoleh x = 75.943 dan s = 1.227

Berdasarkan perhitungan pada Tabel 2.1. , ternyata selisih maksimum diberikan oleh
interval (74.6 , 74.7) dengan nilai

D  Sup Fn ( x)  F0 ( x)  Fn (74,6)  F0 (74,7)  0,1302

x

Ternyata D < D berarti gagal tolak Ho sehingga dapat disimpulkan bahwa kumpulan data
tersebut berasal dari distribusi normal.

Tabel Perhitungan Uji Kolmogorov Smirnov

1 2 3 4 5 6

Fku xi  x Fo(x) =
z Fn ( xi )  F0 ( xi )
Xi m Fn(x) s P(Z<Zi)

73, 0,071
9 1 4 -1,66 0,048 0,0234

74, 0,142
2 2 9 -1,42 0,0778 0,0657

74, 0,214
6 3 3 -1,09 0,1369 0,0774

74, 0,285
7 4 7 -1,01 0,1555 0,1302*

75, 0,357
4 5 1 -0,44 0,3291 0,028

0,571
76 8 4 0,045 0,5786 0,0528

76, 0,642
5 9 9 0,45 0,675 0,0321

76, 0,714
6 10 3 0,54 0,7038 0,0105

76, 0,785
9 11 7 0,78 0,7823 0,0034

77, 0,857
3 12 1 1,11 0,8656 0,0085
77, 0,928
4 13 6 1,19 0,8825 0,0461

77,
7 14 1 1,43 0,9239 0,0761
 UJI HOMOGENITAS

Menurut (Hidayat, 2013) Pengujian homogenitas adalah pengujian mengenai sama

tidaknya variansi-variansi dua buah distribusi atau lebih.

Uji homogenitas bertujuan untuk mengetahui apakah varians skor yang diukur pada
kedua sampel memiliki varians yang sama atau tidak. 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.

1. Uji Homogenitas varians

Langkah-langkah menghitung uji homogenitas :
1. Mencari Varians/Standar deviasi Variabel X danY, dengan rumus :

2. Mencari F hitung dengan dari varians X danY, dengan rumus :

Catatan: Jika variance sama pada kedua kelompok, maka bebas tentukan pembilang
dan penyebut.
3. Membandingkan F hitung dengan F tabel pada tabel distribusi F, dengan:
a. Untuk varians dari kelompok dengan variance terbesar adalah dk pembilang n-1
b. Untuk varians dari kelompok dengan variance terkecil adalah dk penyebut n-1
c. Jika F hitung < F tabel, berarti homogeny
d. Jika F hitung > F tabel, berarti tidak homogen
Contoh Soal :
Data tentang hubungan antara Penguasaan kosakata(X) dan kemampuan membaca (Y):

Jawab :
1. Mencari Varians/Standar deviasi Variabel X danY

2. Mencari F hitung dengan Varians X dan Y

3. Kesimpulan
Dari penghitungan diatas diperoleh F hitung 2.81 dan dari grafik daftar distribusi F
dengan dk pembilang = 10-1 = 9. Dk penyebut = 10-1 = 9. Dan α = 0.05 dan F tabel =
3.18. Tampak bahwa F hitung < F tabel. Hal ini berarti data variabel X dan Y homogen.

Uji ini digunakan untuk menguji ukuran dengan cuplikan yang sama maupun tidak sama (n
yang sama maupun n yang berbeda) untuk tiap kelompok.
Untuk menguji kesamaan beberapa buah rata-rata, dimisalkan populasinya mempunyai
varians yang homogen, yaitu 𝜎12 = 𝜎22 = ⋯ = 𝜎𝑘2 . Demikian untuk menguji kesamaan dua
rata-rata, telah dimisalkan 𝜎12 = 𝜎22 , akan diuraikan perluasannya yaitu untuk menguji
kesamaan k buah (k≥2) buah populasi berdistribusi independen dan normal masing-masing
dengan varians 𝜎12 , 𝜎12 , … , 𝜎𝑘2 . Akan diuji hipotesis :

H0 ∶ 𝜎12 = 𝜎22 = ⋯ = 𝜎𝑘2

{
H1 : paling sedikit satu tanda sama dengan tidak berlaku
Berdasarkan sampel-sampel acak yang masing-masing diambil dari setiap populasi.
Metode yang akan digunakan untuk melakukan pengujian ini adalah dengan uji Bartlett.
Kita misalkan masing-masing sampel berukuran n1 , n1 , … , n𝑘 dengan data Y𝑖𝑗 (𝑖 =
1,2, … , 𝑘 𝑑𝑎𝑛 𝑗 = 1,2, … , n𝑘 ) dan hasil pengamatan telah disusun dalam daftar :

DARI POPULASI
KE
1 2 … k
Data hasil Y11 Y21 …. Y𝑘1
pengamatan Y12 Y22 …. Y𝑘2
… … …
Y1𝑛1 Y2𝑛2 …. Y𝑘𝑛𝑘
selanjutnya, dari sampel-sampel itu akan kita hitung variansnya masing-masing adalah
𝑠12 = 𝑠22 = ⋯ = 𝑠𝑘2 .

Untuk memudahkan perhitungan, satuan-satuan yang diperlukan untuk uji Bartlett lebih
baik disusun dalam sebuah daftar seperti :

Sampel dk 1 𝑠12 Log (dk) log 𝑠12

ke 𝑑𝑘 𝑠12
1 n1 1 𝑠12 Log (n1
−1 (n1 − 1) 𝑠12 − 1)Log 𝑠12
2 1 𝑠22
. 𝑛2 (n2 − 1 . Log (n2
. −1 . 𝑠22 − 1)Log 𝑠𝑘2
. . . . .
. .
k
1 𝑠𝑘2 . .
n𝑘 (n𝑘 − 1) Log (n𝑘
−1 𝑠𝑘2
− 1)Log 𝑠𝑘2
jumlah 1
∑ n𝑘 ∑ ∑ (n𝑘
(n𝑘 − 1) … …
−1 − 1)Log 𝑠𝑘2

Dari daftar ini kita hitung harga-harga yang diperlukan, yakni :

(∑(𝑛1 − 1)𝑠𝑖2 )
𝑠2 =
∑(𝑛𝑖 − 1)

Harga satuan B dengan rumus :

𝐵 = (log 𝑠 2 ) ∑(𝑛𝑖 − 1)

Untuk uji Bartlet digunakan statistik chi-kuadrat.

 𝑥 2 = (ln 10) {𝐵 − ∑(𝑛𝑖 − 1) log 𝑠𝑖2 }

Dengan ln 10 = 2,3026, disebut logaritma asli dari bilangan 10.

2 2
Dengan taraf nyata α, kita tolak hipotesis 𝐻0 jika 𝑥 2 ≥ 𝑥(1−𝛼)(𝑘−1) , dimana 𝑥(1−𝛼)(𝑘−1)
didapat dari daftar distribusi chi-kuadrat dengan peluang (1-α) dan dk = ( k-1).

Jika harga 𝑥 2 yang dihitung dengan rumus di atas ada di atas harga 𝑥 2 dari daftar dan cukup
dekat kepada harga tersebut, biasanya dilakukan koreksi terhadap rumus dengan
menggunakan faktor koreksi K sebagai berikut :

𝑘
1 1 1
𝐾 =1+ {∑ ( )− }
3(𝑘 − 1) 𝑛𝑖 − 1 ∑ 𝑛𝑖 − 1
𝑖=1

Dengan faktor koreksi ini, statistik 𝑥 2 yang dipakai sekarang ialah :

1
𝑥𝐾2 = ( )𝑥 2
𝐾

Dengan 𝑥 2 di ruas kanan dihitung dengan rumus . dalam hal ini, hipotesis 𝐻0 ditolak jika
2
𝑥𝐾2 ≥ 𝑥(1−𝛼)(𝑘−1)

Prosedur pengujian hipotesis :

1) Menentukan formulasi hipotesis

H0 ∶ 𝜎12 = 𝜎22 = ⋯ = 𝜎𝑘2

{
H1 : paling sedikit satu tanda sama dengan tidak berlaku

2) Menentukan taraf nyata (α) dan 𝑥 2 𝑡𝑎𝑏𝑒𝑙

2
𝑥 2 𝑡𝑎𝑏𝑒𝑙 dimana 𝑥 2 𝑡𝑎𝑏𝑒𝑙 = 𝑥(1−𝛼)(𝑘−1) didapat dari daftar distribusi chi-kuadrat dengan
peluang (1-α) dan dk = ( k-1).

3) Menentukan kriteria pengujian:

2
Ho diterima jika 𝑥 2 < 𝑥(1−𝛼)(𝑘−1)

2
Ho ditolak jika 𝑥 2 ≥ 𝑥(1−𝛼)(𝑘−1)

4) Menentukan uji statistik

𝑥 2 = (ln 10) {𝐵 − ∑(𝑛𝑖 − 1) log 𝑠𝑖2 }

5) Menarik kesimpulan

Contoh soal :
Perhatikan data nilai matematika siswa kelas A dan kelas B di atas.
∑ 𝑥𝑖2 (∑ 𝑥𝑖 )2
Dengan rumus varians 𝑠𝑖2 = n − 𝑛 (n
𝑖 −1 𝑖 𝑖 −1)

Dari data diperoleh :

𝑠12 =2,114286

𝑠22 =5,878992

1. H0 ∶ 𝜎12 = 𝜎22 (homogen)

H1 ∶ 𝜎12 ≠ 𝜎22 (tidak homogen)
2. Taraf nyata (α=5%) dan 𝑥 2 tabel
𝑥 2 tabel = 𝑥 2 (1 − 𝛼)(𝑘 − 1)
= 𝑥 2 (1 − 0,05)(1)
= 𝑥 2 (0,95)(1)
= 3,81
3. Kriteria pengujian
H0 diterima, jika 𝑥 2 hitung<𝑥 2 tabel
H0 ditolak, jika 𝑥 2 hitung ≥ 𝑥 2 tabel
4. Menentukan uji statistik
Uji statistik :
a. Varians gabungan dari semua sampel
∑(𝑛𝑖 −1)𝑠𝑖 2
𝑠2 = ∑(𝑛𝑖 −1)

34(2,114286)+34(5,878992)
= 34+34
71,88571 +199,8857
= 68
271,7715
= 68

= 3,996639

b. Harga satuan B
Log 𝑠 2 = log 3,996639
= 0,601695
𝐁 = (Log s 2 ) ∑2i=1( ni − 1) = 40,91525
c. Harga X2
 𝑥 2 ℎ𝑖𝑡𝑢𝑛𝑔 = (ln 10) {𝐵 − ∑(𝑛𝑖 − 1) log 𝑠𝑖2 }

= 2,3026(40,91525 − 37,21186)

= 2,3026(3,703388) = 8,527437

d. Kesimpulan
Karena 𝑥 2 ℎ𝑖𝑡𝑢𝑛𝑔 = 8,527437 ≥ 3,81 = 𝑥 2 tabel maka H0 ditolak. Jadi data tidak berasal
dari populasi yang homogen dalam taraf nyata 0,05. Jadi kedua sampel memiliki varians tidak
homogen sehingga kedua sampel tersebut tidak homogen.

Daftar Pustaka

Hafizah, E. (2014). Uji Normalitas dan Homogenitas Data. Retrieved Oktober 28, 2015, from
Academia:
https://www.academia.edu/6774849/UJI_NORMALITAS_DAN_HOMOGENITAS_DATA