Anda di halaman 1dari 18

UJI PRASYARAT STATISTIKA INFERENSIAL

MAKALAH

Untuk memenuhi tugas mata kuliah Biostatistik


yang dibina oleh Bapak Haritsah Alfad, M.Pd

OLEH
KELOMPOK 6/KELAS 5F
DWI ENJANG AGUSTIN (AKF17159)
EKO PRIYONO BASUKI (AKF17162)
NOER SANTOSO (AKF17177)
SRI WIYANTI (AKF17193)

AKADEMI FARMASI PUTRA INDONESIA MALANG Commented [ln1]: OKTOBER

OKTOBER 2019
HALAMAN IDENTITAS ANGGOTA

NIM NAMA KONTRIBUSI FOTO


AKF17159 DWI ENJANG

AKF17162 EKO PRIYONO Penyusun


BASUKI Materi Uji
Homogenitas

AKF17177 NOER Penyusun


SANTOSO Materi Kurva
Kemencengan

AKF17193 SRI WIYANTI Penyusun


Materi Kurva
Keruncingan
A. TUJUAN
1. Mengetahui maksud dari statistik nonparametrik
2. Mengetahui apa saja ciri-ciri statistik nonparametrik
3. Mengetahui metode-metode pada Statistika Non Parametrik
4. mengetahui keunggulan dan kelemahan pada statistik nonparametrik
B. TOPIK PEMBAHASAN
Uji Statistik Non-Parametrik ialah suatu uji statistik yang tidak memerlukan
adanya asumsi-asumsi mengenai sebaran data populasinya (belum diketahui
sebaran datanya dan tidak perlu berdistribusi normal). Oleh karenanya statistik ini
juga dikemukakan sebagai statistik bebas sebaran (tdk mensyaratkan bentuk
sebaran parameter populasi, baik normal atau tidak). Statistika non-parametrik
dapat digunakan untuk menganalisis data yang berskala Nominal atau Ordinal.
Data berjenis Nominal dan Ordinal tidak menyebar normal. Dari segi data, pada
dasarnya data berjumlah kecil, yakni kurang dari 30 data.

Beberapa pengujian prasyarat analisis, yaitu :


1. Uji Normalitas
Uji normalitas adalah suatu prosedur yang digunakan untuk mengetahui apakah
data berasal dari populasi yang terdistribusi normal atau berada dalam sebaran
normal.
Distribusi normal diartikan sebagai sebuah distribusi tertentu yang memiliki
karakteristik berbentuk seperti lonceng jika dibentuk menjadi sebuah histogram.
Seperti pada garmbar dibawah ini :
Commented [ln2]: dikasih judul gambar, sesuai pedoman KTI
Commented [ln3]: judul gambar km ketik sendiri, itu kan
gambar 1 harusnya
Gambar 1. Distibusi nilai salah satu matakuliah yang membentuk
kurve normal (Prof. Dr. Sugiyono, 2019)
Distribusi normal merupakan salah satu distribusi yang paling penting kita
akan hadapi (M. Budiantara, SE.,M.Si.,Ak.,CA, 2017). Ada beberapa alasan untuk
ini:
1) Banyak variabel dependen, umumnya diasumsikan terdistribusi secara
normal dalam populasi. Artinya, kita sering berasumsi bahwa jika kita
mendapatkan seluruh populasi pengamatan, distribusi yang dihasilkan
akan sangat mirip dengan distribusi normal.
2) Jika kita dapat mengasumsikan bahwa variabel setidaknya mendekati
terdistribusi normal, maka teknik ini memungkinkan kita untuk membuat
sejumlah kesimpulan (baik yang tepat atau perkiraan) tentang nilai-nilai
variabel itu.
3) Menguji normalitas data kerap kali disertakan dalam suatu analisis
statistika inferensial untuk satu atau lebih kelompok sampel. Normalitas
sebaran data menjadi sebuah asumsi yang menjadi syarat untuk
menentukan jenis statistik apa yang dipakai dalam penganalisaan
selanjutnya
Pengujian normalitas dilakukan untuk mengetahui normal tidaknya distribusi
data. Hal ini penting diketahui berkaitan dengan ketepatan pemilihan uji statistik
yang akan digunakan. Karena uji statistik parametrik mensyaratkan data harus
berdistribusi normal. Suatu data yang membentuk distribusi normal bila simpangan
baku, jumlah data diatas dan jumlah data di bawah rata-rata adalah sama. Apabila
dalam datanya tidak berdistribusi normal maka yang digunakan adalah uji statistik
non parametik.
Uji normalitas dilakukan dengan cara menafsirkan grafik ogive, koefisien
tingkat kemencengan, uji Liliefors, uji Chi-kuadrat, uji kolmogorof-smirnof, dll,
tergantung dari jenis statistik kita yang bersifat deduktif atau induktif.
Dalam penentuan kenormalan distribusi data dengan cara grafik ogive atau
menghitung populasi dengan koefisien skewness dan koefisien kurtoris hanya
berlaku pada statistik deduktif (deskriptif). Berikut adalah kurva skewness
(kemencengan) dan kurtoris (keruncingan) :
a. Skewness (kemencengan)
Suatu kurva halus atau model yang bentuknya bisa positif, negatif, atau
simetrik. Model positif terjadi bila kurvanya mempunyai ekor yang
memanjang ke sebelah kanan. Jika ekor kurvanya memanjang ke sebelah
kiri maka bermodel negatif. Dalam kedua hal tersebut bersifat tak simetri.
Untuk mengetahui derajat tak simetri sebuah model, digunakan ukuran
koefisien kemiringan atau kemencengan atau skewness yang ditentukan
oleh :
𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 −𝑚𝑜𝑑𝑢𝑠 𝑥̅ −𝑀𝑜
Kemiringan = atau Sk =
𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 𝑏𝑎𝑘𝑢 𝑠

Rumus empirik untuk kemiringan adalah :


3 (𝑚𝑒𝑎𝑛−𝑚𝑒𝑑𝑖𝑎𝑛) 3(𝑥̅ −𝑀𝑒) Commented [ln4]: cek lagi rumusnya
Kemiringan = 𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 𝑏𝑎𝑘𝑢
atau Sk = 𝑠

Dikatakan bahwa model positif jika kemiringan positif dan negatif


jika kemiringannya negatif dan simetrik jika kemiringan sama dengan nol. Commented [ln5]: rujukan/sitasi dari mana
Commented [ln6]: judul gambar
Commented [ln7]: judul gambar ketik sendiri, in iharusnya
gambar 2

Gambar 2. Kemencengan kurva (Dr. Supardi U.S. MM., MPd, 2013)


Koefisien kemencengan (skewness) dapat ditentukan dengan rumus lain :
Ʃ(𝑋𝑖−𝐱̅)𝟑
- Untuk data tunggal : α3 = 𝑛.𝑠3
∑ 𝑓𝑖(𝑋𝑖−𝐱̅)𝟑
- Untuk data berkelompok : α3 =
𝑛.𝑠3

*Catatan :
 α3 = TK = Koefisien Tingkat Kemencengan (Skewness)
 TK = 0 maka bentuk kurva simetris
 TK > 0 maka bentuk kurva positif (menceng / landai ke arah kanan)
 TK < 0 maka bentuk kurva negatif (menceng/ landai ke kiri)
Kriteria : Jika -2,0 < TK < 2,0 maka data dapat diinterpresentasikan
berdistribusi normal atau hampir normal.
b. Keruncingan (Kurtosis)
Bertitik tolak dari kurva model normal atau distribusi normal, tinggi
rendahnya atau runcing tidaknya bentuk kurva disebut kurtosis. Kurva
distribusi data yang tidak terlalu runcing atau tidak terlalu datar, dinamakan
mesokurtik. Kurva yang runcing dinamakan leptokurtik sedangkan yang
datar disebut platikurtik.
Salah satu ukuran kurtosis ialah koefisien kurtosis, diberi simbol α4, dengan
rumus :
Ʃ(𝑋𝑖−𝐱̅)𝟑
- Untuk data tunggal : α3 = 𝑛.𝑠3
∑ 𝑓𝑖(𝑋𝑖−𝐱̅)𝟑
- Untuk data berkelompok : α3 =
𝑛.𝑠3

Secara garis besar ada 3 model kurtosis sebagai berikut :

Gambar 3. Keruncingan Kurva (Dr. Supardi U.S. MM., MPd, 2013)


Kriteria untuk menafsirkan koefisien kurtosis yaitu :
 α4 > 3 distribusi leptokurtik (runcing)
 α4 < 3 distribusi platikurtik (datar/ landai)
 α4 = 3 distribusi normal
Untuk menyelidiki apakah distribusi normal atau tidak, sering pula dipakai
koefisien kurtosis persentil, diberi simbol κ, yang rumusnya :
1
𝑆𝐾 (𝐾3 − 𝐾1 )
κ= =2
𝑃90 − 𝑃10 𝑃90 − 𝑃10

dimana :
SK : Rentang semi antar kuartil
K1 : Kuartil kesatu
K3 : Kuartil ketiga
P10 : Persentil kesepuluh
P90 : Persentil ke-90
P10-P90 : Rentang 10- rentang 90
Kriteria :
 κ > 0,263 distribusi leptokurtik (runcing)
 κ < 0,263 distribusi platikurtik (datar/ landai)
 κ = 0,263 distribusi normal
Penentuan normal atau tidaknya suatu distribusi data dengan grafik ogive
hanya dilakukan dengan menafsirkan grafik, yaitu :
- Apabila grafik ogive lurus atau hampir lurus maka distribusi data ditafsirkan
berdistribusi normal.
- Sedangkan kalau tidak lurus ditafsirkan data tidak berdistribusi normal.
Penentuan normal atau tidaknya suatu distribusi data dengan koefisien
kemencengan dilakukan dengan cara menghitung koefisien skewness atau tingkat
kemencengan (TK), yaitu :
- Apabila, -2 < TK <2, data ditafsirkan berdistribusi normal.
- Sedangkan harga TK lainnya, data ditafsirkan berdistribusi tidak normal.
Sedangkan pada statistik induktif harus dilakukan dengan pengujian untuk
mengetahui apakah data sampel berasal dari populasi yang berdistribusi normal
atau tidak. Penentuan kenormalan suatu distribusi data dapat dilakukan dengan
cara pengujian :
a. Uji Lilliefors Commented [ln8]: kapan menggunakan uji lili, KS dan chi
kuadrat?
Uji Lilliefors dilakukan apabila data merupakan data tunggal atau data
frekuensi tunggal, bukan data distribusi frekuensi kelompok.
Persyaratan uji lilliefors sendiri digunakan bila :
1. Data berskala interval atau rasio
2. Data tunggal belum dikelompokkan pada tabel distribusi frekuensi
3. Dapat untuk n besar maupun n kecil
4. Data ukuran sampel (n) lebih kecil dari 30. (M. Budiantara,
SE.,M.Si.,Ak.,CA, 2017)
Uji normalitas menggunakan uji Lilliefors (Lo) dilakukan dengan
langkah-langkah berikut ;
1) Menentukan taraf signifikansi (α), yaitu misalkan pada α = 5% (0,05)
dengan hipotesis yang akan diuji :
H0 : Data berdistribusi normal, melawan
H1 : Data tidak berdistribusi normal
Dengan kriteria pengujian :
Jika Lo = Lhitung < Ltabel terima H0, dan
Jika Lo = Lhitung > Ltabel tolak H0.
2) Prosedur perhitungan dari Sudjana (1996:466-467) adalah sebagai berikut:
a) Pengamatan Y1, Y2, Y3, ......., Yn dijadikan bilangan baku z1, z2, z3,…
(𝑌𝑖− Ȳ)
zn, dengan menggunakan rumus: zi = (Ȳ dan s, rata-rata dan
𝑠

simpangan baku sampel).


b) Dengan menggunakan daftar distribusi normal baku, menghitung
peluang setiap bilangan baku tersebut F (z1) = P (z  z1).
c) Menghitung proporsi z1, z2, z3,… zn, yang lebih kecil atau sama
dengan zi.
Jika proporsi ini dinyatakan oleh S(zi), maka:
𝐛𝐚𝐧𝐲𝐚𝐤𝐧𝐲𝐚 𝐳𝟏,𝐳𝟐,𝐳𝟑,….𝐳𝐧  𝐳𝐢
S(zi) =
𝐧
d) Hitung selisih F(z1) – S(z1).
e) Menentukan Lo, yaitu dengan harga yang paling besar diantara harga-
harga mutlak selisih F(z1) dengan S(z1).
Untuk menerima atau menolak hipotesis nol (H0), dilakukan
dengan cara membandigkan L0 ini dengan nilai kritis L yang terdapat
dalam tabel untuk taraf nyata yang dipilih, missal α = 0,05. Untuk
mempermudah perhitungan dibuat dalam bentuk tabel.
b. Uji kolmogorof- Smirnov
Uji kolmogorof-Smirnov dilakukan apabila data yang akan diuji Commented [ln9]: typo
Commented [ln10]:
merupakan data tunggal atau data frekuensi tunggal, bukan data dalam
dustribusi frekuensi kelompok.
Persyaratan uji kolmogorof-sminorv adalah :
1. Data berskala rasio atau interval (kuantitatif)
2. Data tunggal atau belum dikelompokkan pada tabel distribusi
frekuensi
3. Data pada n besar maupun n kecil. (M. Budiantara,
SE.,M.Si.,Ak.,CA, 2017)
Uji kolmogorf-Smirnov dilakukan dengan cara sebagai berikut :
1) Menentukan taraf signifikansi (α), yaitu misalkan pada α = 5% (0,05)
dengan hipotesis yang akan diuji :
H0 : Data berdistribusi normal, melawan
H1 : Data tidak berdistribusi normal
Dengan kriteria pengujian :
Jika amax ≤ Dtabel terima H0, dan
Jika amax > Dtabel tolak H0.
2) Lakukan langkah-langkah pengujian normalitas seperti berikut :
a) Susunlah data dari yang terkecil ke yang terbesar
b) Susunlah frekuensi nilai yang sama
fi
c) Hitung nilai proporsi : Pi = ; n = banyaknya data.
𝑛

d) Hitung proporsi kumulatif (Kp)


e) Transformasi nilai data mentah (X) ke dalam angka baku (Z)
dengan formula:
𝐱𝐢−𝐱̅
Zi = ( )
𝐬

f) Tentukan nilai Ztabel berdasarkan data angka baku (Zi)


g) Hitung nilai |a2| = Kp – Ztabel (harga mutlak nilai a2)
h) Hitung nilai |a1| = P – a2 (harga mutlak nilai a1)
i) Cari a1 maximum sebagai amax
j) Lakukan pengujian hipotesis dengan cara membandingkan nilai a1
dengan Dtabel
*Penilaian tabel Kolmogorof-Smirnov, dengan kriteria :
Jika amax ≤ Dtabel terima H0, dan
Jika amax > Dtabel tolak H0.
c. Uji Chi-Kuadrat
Uji normalitas dengan Chi kuadrat (χ2) digunakan untuk menguji data dalam
bentuk data kelompok dalam tabel distribusi frekuensi.
Persyaratan Metode Uji chi :
a. Data tersusun berkelompok atau dikelompokkan dalam tabel distribusi
b. Digunakan pada data dengan banyaknya angka besar (n> 30). (M.
Budiantara, SE.,M.Si.,Ak.,CA, 2017)
Seperti halnya uji Lilliefors, uji normalitas dengan uji Chi-kuadrat
dilakukan dengan langkah-langkah :
1) Menentukan taraf signifikansi (α), yaitu misalkan pada α = 5% (0,05)
dengan hipotesis yang akan diuji :
H0 : Data berdistribusi normal, melawan
H1 : Data tidak berdistribusi normal
Dengan kriteria pengujian :
Jika χ2hitung < χ2tabel terima H0, dan
Jika χ2hitung > χ2tabel tolak H0.
2) Lakukan langkah-langkah pengujian normalitas dengan uji chi-kuadrat
(χ2) seperti berikut :
a) Membuat daftar distribusi frekuensi dari data yang berserakan
kedalam distribusi frekuensi data kelompok (jika data belum
disajikan dalam tabel distribusi frekuensi kelompok)
b) Mencari rata-rata (mean) data kelompok
c) Mencari simpangan baku data kelompok
d) Tentukan batas nyata (tepi kelas) tiap interval kelas dan jadikan
sebagai Xi (X1, X2, X3, ......., Xn) kemudian lakukan konversi, setiap
nilai baku Zi ditentukan dengan rumus :
𝐱𝐢−𝐱̅
Zi = ( )
𝐬

e) Tentukan besar peluang setiap nilai Z berdasarkan tabel Z (luas


lengkungan dibwah Kurva Normal Standar dari 0 ke Z, dan disebut
dengan F(Zi), dengan ketetuan :
Jika Zi < 0, maka F(Zi) = 0,5 – Ztabel ; dan
Jika Zi > 0, maka F(Zi) = 0,5 + Ztabel
f) Tentukan luas peluang normal (Li) tiap kelas interval dengan cara
mengurangi nilai F(Zi) yang lebih besar diatas atau dibawahnya,
yaitu : Li = F(Zi) – F(Zi-1)
g) Tentukan fe (frekuensi ekspektasi) dengan cara mengalikan luas
peluang normal kelas tiap interval (Li) dengan number of cases (n/
banyak sampel) ; yaitu : fe = Li x n
h) Masukkan frekuensi observasi (faktual) sebagai fo
𝑓𝑜−𝑓𝑒)2
i) Cari nilai χ2 setiap interval dengan rumus : χ2 =
𝑓𝑒

j) Tentukan nilai χ2hitung dengan rumus :


𝑓𝑜−𝑓𝑒)2
χ2hitung = ∑ 𝜒2 = ∑
𝑓𝑒

k) Tentukan nilai χ 2
tabel pada taraf signifikansi α dan derajat kebebasan
(dk)= k-1 dengan k =banyaknya kelas / kelompok interval.
l) Bandingkan jumlah total χ2hitung dengan χ2tabel
m) Apabila χ2hitung < χ2tabel maka data berdistribusi normal, dan jika
χ2hitung > χ2tabel maka data tidak berdistribusi normal.

2. Uji Homogenitas
Uji homogenitas adalah suatu prosedur uji statistik yang dimaksudkan untuk
memperlihatkan bahwa dua atau lebih kelompok data sampel berasal dari
populasi yang memiliki variansi yang sama.
Pengujian homogenitas dilakukan dalam rangka menguji kesamaan varians
setiap kelompok data. Persyaratan uji homogenitas diperlukan untuk analisis
inferensial dalam uji komparasi.Uji homogenitas dapat dilakukan dengan
beberapa uji, diantaranya adalah :
a. Uji F (Fisher)
Pengujian homogenitas dengan uji F dilakukan apabila data yang
akan diuji hanya ada 2 (dua) kelompok data / sampel. Uji F dilakukan
dengan cara membandingkan varian data terbesar dibagi data terkecil.
Persyaratan uji F jika homogenitas variansnya terdiri dari 2 kelompok
sampel. (M. Budiantara, SE.,M.Si.,Ak.,CA, 2017)
Langkah-langkah melakukan pengujian homogenitas dengan Uji F
sebagai berikut :
1) Tentukan taraf signifikansi (α) untuk menguji hipotesis :
H0 : σ12 = σ22 (variansi 1 sama dengan varians 2 atau homogen )
H1 : σ12 ≠ σ22 (variansi 1 tidak sama dengan varians 2 atau homogen )
Dengan kriteria pengujian :
- Terima H0 jika Fhitung < Ftabel ; dan
- Tolak H0 jika Fhitung > Ftabel
2) Menghitung varian tiap kelompok data
𝑣𝑎𝑟𝑖𝑎𝑛 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟
3) Tentukan nilai Fhitung yaitu Fhitung = 𝑣𝑎𝑟𝑖𝑎𝑛 𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙

4) Tentukan nilai Ftabel untuk taraf signifikansi α, dk1 = dkpembilang = na-1,


dan dk2 = dkpenyebut = nb – 1. Dalam hal ini, na = banyaknya data
kelompok varian terbesar (pembilang) dan nb = banyaknya data
kelompok varian terkecil (penyebut)
5) Lakukan pengujian dengan cara membandingkan nilai Fhitung dan Ftabel
b. Uji Bartlett
Pengujian homogenitas dengan uji Bartlett dapat diperuntukan apabila data
yang akan diuji lebih dari 2 kelompok data/ sampel.
Persyaratan Uji bartlett dilakukan jika varians homogen terdiri dari
3 sampel (M. Budiantara, SE.,M.Si.,Ak.,CA, 2017).
Pengujian homogenitas dengan uji bartlett dilakukan dengan
langkah-langkah sebagai berikut :
a. Sajikan data semua kelompok sampel, misal sebagai berikut :
No. Resp Data Kelompok Sampel
A B C ....
1 YA1 YB1 YC1 ....
2 YA2 YB2 YC2 ....
3 YA3 YB3 YC3 ....
. . . . ....
. . . . ....
. . . . .....

b. Menghitung rata-rata (mean) dan varian serta derajat kebebasan (dk)


setiap kelompok data yang akan diuji homogenitasnya
c. Sajian dk dan varian (s2) tiap kelompok sampel dalam tabel
pertolongan berikut, serta sekaligus hitung nilai logaritma dari setiap
varian kelompok dan hasil kali dk dengan logaritma varian dari tiap
kelompok sampel :
Kel sampel dk si2 Log si2 [dk] si2 [dk] log si2
A na - 1 sa2 Log sa2 [dk] sa2 [dk] log sa2
B nb– 1 sb 2 Log sb2 [dk] sb2 [dk] log sb2
C nc– 1 sc2 Log sc2 [dk] sc2 [dk] log sc2
... .... .... .... .... .....
Ʃ Ʃdk - - Ʃ[dk] si2 [dk] log si2

d. Hitung varian gabungan dari semua kelompok sampel :


∑(𝑛𝑖−1)𝑠𝑖2
s2 = ∑(𝑛𝑖−1)

e. Hitung harga logaritma varian gabungan dan harga satuan Bartlett (B)
dengan rumus : B = (log s2) Ʃ(ni – 1) = (log s2) – Ʃdk
f. Tentukan harga chi-kuadrat tabel (χ2tabel), pada taraf nyata misal α =
0,05 dan derajat kebebasan (dk) = k-1, yaitu : χ2tabel = χ(1-α)(k-1)
(dalam hal ini k = banyaknya kelompok sampel)
g. Menguji hipotesis homogenitas data dengan cara membandingkan
nilai χ2hitung dengan χ2tabel. Kriteria pengujian adalah :
- Tolak H0 jika χ2hitung > χ2(1-α)(k-1) atau χ2hitung > χ2tabel
- Terima H0 jika χ2hitung < χ2(1-α)(k-1) atau χ2hitung < χ2tabel
Hipotesis yang diuji adalah :
H0 : σ12 = σ22 =........ σn2 (semua populasi mempunyai varian sama /
homogen)
H1 : bukan H0 (ada populasi yang mempunyai varian berbeda/ tidak
homogen).

C. CONTOH STUDI KASUS Commented [ln11]: untuk data studi kasus, cantumkan
sitasinya
1. Uji Normalitas pada pemakaian uji Chi Square
Diambil tinggi badan mahasiswa di suatu perguruan tinggi tahun 2010
(Syarif Hidayatullah, 2018)
Tinggi Badan Jumlah
140-144 7
145-149 10
150-154 16
155-159 23
160-164 21
165-169 17
170-174 6
Jumlah 100
Selidikilah dengan signifikansi α = 5%, apakah data diatas berdistribusi
normal ?
Penyelesaian :

Tinggi fi Xi fi.Xi (Xi-𝑋̅ )2 fi.(Xi-𝑋̅ )2


badan
140-144 7 142 994 249,64 1747,48
145-149 10 147 1470 116,64 1166,4
150-154 16 152 2432 33,64 538,24
155-159 23 157 3611 0,64 14,72
160-164 21 162 3402 17,64 370,44
165-169 17 167 2839 84,64 1438,88
170-174 6 172 1032 201,64 1209,84
Ʃ 100 15780 6486

∑ fi.Xi 15780
Mean = 𝑋̅ = ∑ 𝑓𝑖
= 100
= 157,8

∑ fi.(Xi−𝑋̅ )2 6486
Dan simpangan baku = s = √ 𝑛−1
=√ 99
= 8,09

Hipotesis :
H0 : Data tinggi badan mahasiswa berdistribusi normal
Ha : Data tinggi badan mahasiswa tidak berdistribusi normal
Batas Interval kelas Nilai Z Pi
139,5-144,5 -2,26 - -1,64 0,488 - 0,450 0,038
144,5-149,5 -1,64 - -1,03 0,450 - 0,348 0,102
149,5-154,5 -103 - -0,41 0,348 - 0,158 0,189
154,5-159,5 -0,41- 0,21 0,158 – 0,083 0,242
159,5-164,5 0,21 – 0,83 0,083 – 0,296 0,213
164,4-169,5 0,83 – 1,45 0,296 – 0,426 0,130
169,5-174,5 1,45 – 2,06 0,426 – 0,481 0,055

Pi Oi Ei = Pi x n (𝑂𝑖 − 𝐸𝑖)2
𝐸𝑖
0,038 7 3,82 2,638
0,102 10 10,24 0,055
0,189 16 18,92 0,451
0,242 23 24,15 0,055
0,213 21 21,30 0,004
0,130 17 12,97 1,250
0,055 6 5,46 0,054
Ʃ 100 96,87 4,458

(𝑂𝑖−𝐸𝑖)2
Chi kuadrat hitung = χ2hitung = Ʃ 4,458
𝐸𝑖

Derajat Kebebasan : Df = (k-3) = (5-3) = 2


Atau pada tabel : χ2tabel = χ2(2) = 5,991 Commented [ln12]: dk nya berapa
Keputusan : Karena nilai χ2hitung < nilai χ2tabel maka Ho diterima
Kesimpulan : Data tinggi badan mahasiswa berdistribusi normal
2. Contoh soal uji homogenitas menggunakan Barlett
Diambil data pertumbuhan berat badan anak sapi karena 4 jenis makanan
(M. Budiantara, SE.,M.Si.,Ak.,CA, 2017)
Data Populasi ke-
Data hasil 1 2 3 4
pengamatan 12 14 6 9
20 15 16 14
23 10 16 18
10 19 20 19
17 22
Selidikilah dengan signifikansi α = 5%, apakah data diatas berdistribusi
homogen ?
Dengan varian sebagai berikut :
S12 = 29,3
S22 = 21,5
S42 = 20,7
Hipotesis :

H0 : σ12 = σ22 = σ32 = σ42

H1 : σ12 ≠ σ22 ≠ σ32 ≠ σ42

Sampel ke dk 1/dk Si2 Log Si2 dk Log (Si2)


1 4 0,25 29,3 1,4669 5,8675
2 4 0,25 21,5 1,3324 5,3298
3 3 0,33 35,7 1,5527 4,6580
4 3 0,33 20,7 1,3160 3,9479
Ʃ 14 1,17 19,8031

Varian gabungan dari 4 sampel :


4 (29,3)+4 (21,5)+3 (35,7)+3(20,7)
S2 = = 26,6
4+4+3+3

Sehingga Log 26,6 = 1,4249


Dan B = Log s2 x Ʃ (n2 – 1) = (1,4249) x (14) = 19,9486
Sehingga χ2 = (In 10){𝐵 − Ʃ(𝑛 − 1)𝑙𝑜𝑔𝑆𝑖 2 } = (2,3026)(19,9486 −
19,8033) = 0,063
Jika α = 5% dari tabel distribusi chi kuadrat dengan dk = 3, maka χtabel =
20,95 x 3 = 7,81
Dengan daerah penolakan menggunakan rumus 0,063 < 7,81; berarti H0
diterima ; H1 ditolak

Kesimpulan : σ12 = σ22 = σ32 = σ42 memiliki varian yang sama atau

homogen
DAFTAR RUJUKAN

Dr. Supardi U.S. MM., MPd. (2013). Aplikasi Statistika Dalam Penelitian.

Jakarta: Dr. Supardi U.S. MM., MPd.

M. Budiantara, SE.,M.Si.,Ak.,CA, N., S. pd. Si. ,. M. Pd. (2017). Dasar- Dasar

Statistik Penelitian (Cetakan pertama). Yogyakarta: Sibuku Media.

Prof. Dr. Sugiyono. (2019). Statistika untuk penelitian. Bandung: Alfabeta

Bandung.

Syarif Hidayatullah. (2018). Statistika Farmasi (Pertama). Yogyakarta: Innosain.