LANGKAH-LANGKAH PERHITUNGAN

UJI NORMALITAS
DAN
UJI HOMOGINITAS
Oleh H. Asep Hidayat, Drs., M.Pd.
Dosen Tetap pada Fakultas Keguruan dan Ilmu Pendidikan Universitas Langlangbuana

1
 Uji Normalitas dan Homoginitas

A. Data Fiktif

NO. MOTIVASI PRESTASI NO. MOTIVASI PRESTASI

(X) (Y) (X) (Y)
1 34 32 16 42 38
2 38 36 17 41 37
3 34 31 18 32 30
4 40 38 19 34 30
5 30 29 20 36 30
6 40 35 21 37 33
7 40 33 22 36 32
8 34 30 23 37 34
9 35 32 24 39 35
10 39 36 25 40 36
11 33 31 26 33 32
12 32 31 27 34 32
13 42 36 28 36 34
14 40 37 29 37 32
15 42 35 30 38 34

B. Uji Normalitas

Uji normalitas dilakukan untuk mengetahui bahwa sampel yang diambil betul-

betul berasal dari populasi yang sama. Dengan kata lain, apa yang kita ambil sebagai

sampel, merupakan representasi dari populasi. Uji normalitas dilakukan terhadap setiap

variabel, dan dihitung secara terpisah.

1
 2

Uji normalitas menggunakan rumus:

2  
Oi  Ei  2
Ei

Di mana:

Oi= Data observasi

Ei= Data ekspektasi

Distribusi data dikatakan normal jika:

 2   20,95(k 3)

C. Uji Homoginitas

Uji homoginitas dilakukan untuk mengetahui bahwa dua buah variabel yang

diteliti homogin. Uji ini menggunakan rumus:

S 2
F b
Sk 2

Di mana:

Sb2= Varians dari kelompok besar

Sk2= Varians dari kelompok kecil

Dua buah varians dikatakan homogen jika:

FF n 1
0,05( 1 )
n2 2

Varians merupakan kuadrat dari simpangan baku (S); yang dihitung menggunakan

salah satu rumus berikut ini:

 X  2

 X 
n n

X
2
i X i
2
 i

n
1. Untuk data tunggal: S  i 1
atau i 1
n 1 n 1

Dimana:

a. Xi= Data ke-i

 3

X i
b. X  i 1
n

Rumus ini dipakai untuk data tunggal, atau data dalam jumlah kecil, misalnya

30 data. Rumus ini digunakan tanpa perlu membuat daftar distribusi frekuensi.

 f X  2

 f X 
n n

fX
2
i i X i i
2
 i i

n
2. Untuk data yang dikelompokkan S  i 1
atau i 1
n 1 n 1

Dimana:

a. Xi= Titik tengah data ke-i, yang dihitung dengan cara:

1
/2 (batas bawah + batas atas)

n n

 fi X i fX i i
b. X  i 1
atau i 1

f i n

Rumus ini digunakan untuk data kelompok atau jumlah data besar, misalnya

lebih dari 30 data.

Catatan:

Untuk rumus ini, perhitungan dilakukan dalam daftar distribusi frekuensi.

Untuk membuat daftar distribusi frekuensi dilakukan tahap-tahap berikut ini.

a. Menentukan banyak kelas (k) dengan cara Sturgess, dengan rumus:

k  1  3,3 log n

Di mana:

n= jumlah data.

Apabila hasil perhitungan dari k bukan bilangan bulat, maka hasil

perhitungan dibulatkan ke atas.

b. Menghitung rentang (r), dengan rumus:

r= Data Terbesar – Data Terkecil

 4

c. Panjang kelas interval (p) dihitungan dengan rumus:

r
p
k

Di mana:

r= rentang

k= banyak kelas

Apabila hasil perhitungan dari p bukan bilangan bulat, maka hasil

perhitungan dibulatkan ke atas.

 5

D. Contoh Perhitungan

1. Menghitung Statistik Deskriptif

a. Nilai minimal, maksimal, dan range (R)

VARIABEL
STATISTIK DESKRIPTIF
X Y
Minimal 30 29
Maksimal 42 38
Range (Maksimal – Minimal) 12 9

b. Rata-rata dan Simpangan Baku dengan Data Berkelompok

1) Menentukan banyak kelas dengan cara Sturgess (k)

k= 1 + 3,3 log (30)= 5,87

Banyak kelas menunjukkan jumlah interval kelas. Banyak kelas selalu

berbentuk bilangan bulat dan sebaiknya berkisar antara 5 sampai 20.

Berdasarkan hasil perhitungan di atas, baik untuk variabel X maupun

Y, banyak kelas antara 5 dan 6 kelas interval. Dalam hal ini diambil banyak

kelas adalah 5 interval kelas.

2) Menentukan panjang kelas interval (p)

VARIABEL R k p Keterangan
Panjang kelas ada
12 diantara 2 dan 3.
X 12 5 p  2,4
5 Dalam hal ini diambil
3.
Panjang kelas ada
9 diantara dan 2.
Y 9 5 p   1,8
5 Dalam hal ini diambil
2.

Jadi panjang kelas untuk variabel X= 3, dan Y= 2. Penetapan apakah

panjang kelas berupa desimal atau bilangan bulat bergantung pada pencatatan
 6

data. Dalam contoh ini, pencatatan data dalam bilangan bulat, dengan demikian

banyaknya kelas dibulatakan.

3) Menyusun interval kelas

Untuk menyusun interval kelas, ditetntukan bilangan awal untuk kelas

pertama. Disarankan menggunakan ketentuan sebagai berikut:

a) Bilangan awal ini sama dengan atau lebih kecil dari skor terkecil, yaitu 30

untuk variabel X, dan 29 untuk variabel Y.

b) Tidak lebih kecil dari skor terkecil dikurangi panjang kelas, yaitu 30-3= 27

untuk variabel X, dan 29-2= 27 untuk variabel Y.

c) Bilangan awal merupakan kelipatan dari panjang kelas, yaitu kelipatan 3

untuk variabel X, dan kelipatan 2 untuk variabel Y.

Berdasarkan hal tersebut di atas, bilangan awal untuk variabel X= 30,

dan untuk variabel Y= 29, kemudian selanjutnya di tambah panjang kelas

hingga mencapai jumlah banyak kelas. Untuk variabel X: 30, 33, 36, 39, 42;

dan untuk variabel Y= 29, 31, 33, 35, 37.

4) Menghitung frekuensi untuk setiap kelas.

Untuk menghitung frekuensi untuk setiap kelas, digunakan daftar

distribusi frekuensi sebagai berikut.

a) Variabel X

INTERVAL KELAS TURUS FREKUENSI

30 – 32 /// 3
33 – 35 ///// /// 8
36 – 38 ///// /// 8
39 – 41 ///// /// 8
42 - 44 /// 3
JUMLAH 30
 7

b) Variabel Y

INTERVAL KELAS TURUS FREKUENSI

29 – 30 ///// 5
31 – 32 ///// //// 9
33 – 34 ///// 5
35 – 36 ///// // 7
37 – 38 //// 4
JUMLAH 30

5) Menghitung Rata-rata, Simpangan Baku, dan Varians

Untuk melakukan perhitungan ini, pada daftar distribusi di atas,

ditambahkan sejumlah kolom yang diperlukan, sehingga tampak sebagai

berikut.

a) Variabel X

INTERVAL _ _ _
f Xi fi X i ( xi  x ) ( xi  x ) 2 f i ( xi  x ) 2
KELAS
30 – 32 3 31 93 -6 36 108
33 – 35 8 34 272 -3 9 72
36 – 38 8 37 296 0 0 0
39 – 41 8 40 320 3 9 72
42 - 44 3 43 129 6 36 108
30 1110 360

1.110
X  37
30

360
S  3,52; dan S2  12,39
30  1
 8

b) Variabel Y

INTERVAL _ _ _
f Xi fi X i ( xi  x ) ( xi  x ) 2 f i ( xi  x ) 2
KELAS
29 – 30 5 29,5 147,5 -3,73 13,91 69,55
31 – 32 9 31,5 283,5 -1.73 2,99 26,91
33 – 34 5 33,5 167,5 0,27 0,07 0,35
35 – 36 7 35,5 248,5 2,27 5,15 36,05
37 – 38 4 37,5 150 4,27 18,23 72,92
30 997 205,78

997
X  33,23
30

205,78
S  2,66; dan S2  7,08
30  1

2. Uji Normalitas (2)

a. Uji Normalitas Variabel X

(Oi  Ei ) 2
INTERVAL Oi Batas Kelas z li Ei
Ei

30 – 32 3 29,5 – 32,5 -2,13 & -1,28 0,0837 2,59723 0,06

33 – 35 8 32, 5 – 35,5 -1,28 & -0,43 0,2333 7,23935 0,08
36 – 38 8 35,5 – 38,5 -0,43 & 0,43 0,3328 10,3269 0,52
39 – 41 8 38,5 – 41,5 0,43 & 1,28 0,23333 7,23935 0,08
42 - 44 3 41,5 – 44,5 1,28 & 2,13 0,0837 2,59723 0,06
30 0,96683 30 0,8
g

Dengan  02,95(2)  5,99 , maka 2<5,99; hal ini menunjukkan bahwa distribusi

dari data ini adalah normal.

 9

b. Uji Normalitas Variabel Y

(Oi  Ei ) 2
INTERVAL Oi Batas Kelas z li Ei
Ei

29 – 30 5 28,5 – 30,5 -1,78 & -1,03 0,1248 5,23929 0,01

31 – 32 9 30,5 – 32,5 -1,03 & -0,27 0,1554 6,52393 0,94

33 – 34 5 32,5 – 34,5 -0,27 & 0,48 0,17 7,13686 0,64

35 – 36 7 34,5 – 36,5 0,48 & 1,23 0,1516 6,3644 0,06

37 – 38 4 36,5 – 38,5 1,23 & 1,98 0,1128 4,73552 0,11

30 0,7146 30 1,76

Dengan  02,952  5,99 , maka 2<5,99; hal ini menunjukkan bahwa distribusi

dari data ini adalah normal.

3. Uji Homoginitas (F)

12,39
Dari hasil perhitungan statistik deskriptif di atas, dapat dihitung F  1,75 . Dengan
7,08
FF
0,05(29 )2,41
, maka F<2,41; hal ini menunjukkan bahwa dua varians homogin.
29