UJI PRASYARAT ANALISIS

Wahyu Widhiarso
Fakultas Psikologi UGM

Latar Belakang
PENGANTAR
• Beberapa formula statistika disusun berdasarkan asumsi-asumsi
tertentu. Formula tersebut dapat menggambarkan sebuah fenomena
ketika asumsi-asumsi tersebut terpenuhi.
• Oleh karena itu, jika kita memakai formula tersebut maka data kita
diharapkan sesuai dengan asumsi sebuah formula.

CONTOH BERLAKUNYA ASUMSI

• Rumus A2+ B2= C2 dapat dipakai menjelaskan panjang sisi segitiga
siku-siku jika segitiga tersebut berada pada permukaan datar. Jika
berada pada bidang lengkung maka rumus tersebut tidak dapat
dikenakan.

1
UJI DISTRIBUSI NORMAL

DISTRIBUSI NORMAL

• Menurut pandangan statistika distribusi variabel pada populasi mengikuti

distribusi normal
• Distribusi normal adalah bentuk distribusi yang memusat di tengah, mean,
mode, dan median berada di tengah

2
DISTRIBUSI NORMAL

Pengujian distribusi normal

bertujuan untuk melihat
apakah sampel yang
diambil mewakili distribusi
POPULASI populasi
Individu yang dikenai
generalisasi hasil
penelitian

Jika distribusi sampel

SAMPEL adalah normal dapat
Individu yang menjadi
subjek penelitian dikatakan sampel yang
diambil mewakili populasi

UJI DISTRIBUSI NORMAL

• Merupakan syarat untuk semua uji statistik
• Tujuan. Untuk melihat apakah sebaran data mengikuti
pola seperti kurva normal
• Cara. Membandingkan data empirik dengan data ideal
• Jenis Uji. Kolmogorov-Smirnov One Samples
– Ho : tidak terdapat perbedaan antara data empirik
dengan data teoritik
– Ha : terdapat perbedaan antara data empirik dengan
data teoritik
• p>0.05 Æ Ha ditolak (normal)
• p<0.05 Æ Ha diterima (tidak normal)

3
 UJI DISTRIBUSI NORMAL

OBSERVED EXPECTED

• PRINSIP UJI DISTRIBUSI NORMAL adalah membandingkan antara

distribusi data yang didapatkan (observed) dengan distribusi data
normal (expected).
• Jika hasil uji menunjukkan TIDAK ADA PERBEDAAN antar kedua
distribusi tersebut (p>0,05), maka dapat dikatakan distribusi data
yang kita adalah normal

UJI DISTRIBUSI NORMAL

ANALISIS MELALUI SPSS
• Cara Pertama
– ANALYZE Æ NON PARAMETRIC TEST Æ 1-SAMPLE KS
– Masukkan variabel yang hendak diuji (skor total variabel)
• Cara Kedua
– ANALYZE Æ DESCRIPTIVE Æ EXPLORE
– Masukkan variabel yang hendak diuji (skor total variabel) dalam kotak
dependen list
– Klik PLOT lalu klik NORMALITY PLOT WITH TEST
MEMBACA HASIL SPSS
• Lihat nilai KS-Z
– Jika p>0.05 maka data berdistribusi normal
– p<0.05 maka data tidak berdistribusi normal

4
UJI DISTRIBUSI NORMAL
YANG DILAKUKAN JIKA DATA TIDAK BERDISTRIBUSI NORMAL
• Menambah Jumlah Sampel
– Sampel besar lebih mendukung distribusi normal dibanding dengan
sampel yang kecil
• Menyisihkan Outliers
– Outliers adalah skor yang nilainya ekstrim karena sangat jauh berbeda
dengan skor pada umumnya
– Keberadaan outliers dapat merusak distribusi
• Memisah Berdasar Kategori
– Terkadang distribusi normal mengacu pada kategori tertentu, sehingga
untuk mengujinya kita perlu membagi skor berdasarkan kategori yang
ada (misal, jender, status)
• Normalisasi Data/Transformasi Data
– Terkadang dalam ekspresi yang lain data dapat menunjukkan distribusi
normal. Ekspresi ini didapatkan dengan mentransformasikan data (misal,
kuadrat, log-10)

UJI HUBUNGAN LINIER

5
UJI HUBUNGAN LINIER
• Sebagian besar rumus statistika menghendaki
adanya hubungan antar variabel psikologis yang
mengikuti garis linier
• Hubungan linier adalah hubungan yang
menunjukkan peningkatan skor satu variabel diikuti
dengan peningkatan variabel lainnya, atau
sebaliknya
• Hubungan linier dapat bersifat positif atau negatif
• Adakah hubungan antar variabel yang tidak bersifat
linier?

UJI HUBUNGAN LINIER

Y Y

X X
Hubungan Linier Hubungan Log
Y Y

X X
Hubungan Kuadratik Hubungan Eksponensial

6
UJI HUBUNGAN LINIER
• Merupakan syarat untuk semua uji hipotesis hubungan
• Tujuan. Untuk melihat apakah hubungan dua variabel
membentuk garis lurus (linier)
• Cara. Membandingkan data empirik dengan data ideal
• Jenis Uji. Anova
– Ho : tidak terdapat penyimpangan hubungan kedua
variabel dari garis linier
– Ha : terdapat penyimpangan hubungan kedua variabel
dari garis linier
• p>0.05 Æ Ha ditolak (linier)
• p<0.05 Æ Ha diterima (tidak linier)

UJI HUBUNGAN LINIER

• UJI LINIERITAS MELALUI SPSS
– Masuk ke menu COMPARE MEAN Æ MEANS
– Masukkan variabel ke VARIABEL DEPENDEN dan VARIABEL
INDEPENDEN
– Pilih menu OPTION Æ klik ANOVA TABLE dan LINEARITY TEST
• MEMBACA HASIL ANALISIS SPSS
ANOVA Table

Sum of
Squares df Mean Square F Sig.
Sikap terhadap Between (Combined) 3177,792 39 81,482 ,854 ,696
Perubahan * Groups Linearity 7,340 1 7,340 ,077 ,782
Knowledge Sharing Deviation from Linearity 3170,452 38 83,433 ,875 ,666
Within Groups 5721,648 60 95,361
Total 8899,440 99

– Lihat baris DEVIATION FROM LINEARITY

• Jika p>0,05 maka hubungan linier terbukti
• Jika p<0,05 maka hubungan linier tidak terbukti

7
UJI HUBUNGAN LINIER

• PRINSIP UJI LINIERITAS adalah melihat apakah penyimpangan

garis hubungan antar data menjauhi atau mendekati garis linier

DEVIATION FROM LINEARITY

JIKA PENYIMPANGANNYA BESAR

(signifikan) maka p<0,05 sehingga
dapat dikatakan hubungannya tidak
linier

JIKA PENYIMPANGANNYA KECIL

(tidak signifikan) maka p>0,05
sehingga dapat dikatakan
hubungannya linier

UJI HUBUNGAN LINIER

• Yang dilakukan jika data tidak berdistribusi normal
– Menyisihkan Outliers
– Memisah Berdasar Kategori
– Normalisasi Data/Transformasi Data

8
UJI HOMOGENITAS

UJI HOMOGENITAS VARIAN

• Merupakan syarat untuk semua uji hipotesis perbedaan
• Tujuan. Untuk melihat kategori di dalam variabel
memiliki varian yang setara (equal/homogen)
• Cara. Membandingkan data empirik dengan data ideal
• Jenis Uji. Levene Test
– Ho : tidak terdapat perbedaan varian antar kategori di
dalam variabel
– Ha : terdapat perbedaan varian antar katagori di
dalam variabel
• p>0.05 Æ Ha ditolak (homogen)
• p<0.05 Æ Ha diterima (tidak homogen)

9
 UJI HOMOGENITAS

Self-Esteem Self-Esteem

Descriptive Statistics a
Levene's Test of Equality of Error Variances
Dependent Variable: Self Esteem Dependent Variable: Self Esteem
Jenis Kelamin Mean Std. Deviation N F df1 df2 Sig.
Laki-laki 46,74 10,398 50 56,117 1 98 ,000
Perempuan 34,78 2,252 50
Tests the null hypothesis that the error variance of
Total 40,76 9,599 100 the dependent variable is equal across groups.
a. Design: Intercept+gender

10