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
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:
∑ 𝒇(𝒙𝒊 − 𝒙)𝟐
𝑺=√
𝒏−𝟏
Keterangan:
Oi = frekuensi hasil pengamatan pada klasifikasi ke-i
Ei = Frekuensi yang diharapkan pada klasifikasi ke-i
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
Z
-3,050343249
-1,9061785
-0,7620137
0,382151
1,5263158
2,6704805
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
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
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 :
Berdasarkan perhitungan pada Tabel 2.1. , ternyata selisih maksimum diberikan oleh
interval (74.6 , 74.7) dengan nilai
Ternyata D < D berarti gagal tolak Ho sehingga dapat disimpulkan bahwa kumpulan data
tersebut berasal dari distribusi normal.
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
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.
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
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 :
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 :
(∑(𝑛1 − 1)𝑠𝑖2 )
𝑠2 =
∑(𝑛𝑖 − 1)
𝐵 = (log 𝑠 2 ) ∑(𝑛𝑖 − 1)
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
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)
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).
2
Ho ditolak jika 𝑥 2 ≥ 𝑥(1−𝛼)(𝑘−1)
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)
𝑠22 =5,878992
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