Uji Parametrik Satu Kelompok

(Tugas Mata Kuliah Statistik)

Oleh:
Kelompok 1

Trimo Saputra (1723022001)

Ayu Noviana (1723022005)

PROGRAM STUDI MAGISTER PENDIDIKAN FISIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS LAMPUNG
2017

1
 BAB I
PENDAHULUAN

1.1. Latar Belakang

Statistik merupakan ilmu yang mempelajari seluk-beluk angka yang mengandung

informasi. Angka diperoleh dari pengamatan atau pengukuran. Statistik tampaknya
menjadi bagian yang makin penting dari kehidupan masyarakat, Analisis statistik
yang dipakai dalam menguji hipotesis, apakah analisis uji t-Test, Korelasi, Anova
dan Regresi yang kesemuanya itu menganalisis data interval sebelum diterapkan
diperlukan adanya persyaratan terlebih dahulu. Persyaratan yang dimaksud adalah
uji normalitas, homogenitas, dan linieritas.

Dalam sebuah penelitian, terutama penelitian kuantitatif, kita dapat melakukan

analisis data dengan bantuan statistik. Secara umum semua statistik parameterik
berfungsi untuk mengeneralisasi hasil penelitian, yaitu pemberlakuan hasil
penelitian dalam populasi dengan menggunakan data sampel yang harus memenuhi
asumsi-asumsi meliputi data sampel diambil secara acak dari populasi dan Data
terdistribusi normal.

Pengujian persyaratan analisis ini dilakukan jika analisis statistiknya termasuk

analisis statistik parametrik yang variabelnya berwujud data interval dan ordinal.
Analisis statistik yang mencari pengaruh, atau hubungan serta perbedaan yang
datanya berwujud data interval baik sebagai variabel bebas maupun terikat
diharuskan menggunakan pengujian persyaratan analisis statistik. Jika mencari
pengaruh, persyaratan yang seharusnya diuji adalah Uji normalitas, linieritas,
independen dan keberartian. Akan tetapi jika mencari hubungan uji persyaratan
yang harus diuji adalah uji normalitas dan uji linieritas. Demikian juga jika seorang
peneliti akan mencari perbedaan maka persyaratan yang diuji adalah uji normalitas
dan homogenitas. Persyaratan yang dimaksud harus terpenuhi peneliti akan mencari
perbedaan maka persyaratan yang diuji adalah uji normalitas dan homogenitas.

2
Persyaratan yang dimaksud harus terpenuhi jika tidak terpenuhi, maka hasil
kesimpulan pengujian kurang dapat dipertanggung jawabkan atau dengan kata lain
kesimpulannya kurang valid. Dalam makalah ini akan diuraikan beberapa uji
prasyarat analisis atau uji asumsi yang meliputi uji normalitas, homogenitas, dan
linearitas.

1.2. Rumusan Masalah

Rumusan masalah dalam makalah ini adalah:
1. Apa yang dimaksud dengan uji Parametrik?
2. Apa yang dimaksud dengan uji normalitas?
3. Apa yang dimaksud dengan uji homogenitas?
4. Bagaimana menggunakan uji parametrik satu kelompok?

1.3. Tujuan Makalah

Tujuan dari penyusunan dari makalah ini adalah sebagai berikut:
1. Mengetahui uji pras yarat analisis.
2. Mengetahui dan mampu melakukan uji normalitas.
3. Mengetahui dan mampu melakukan uji homogenitas.
4. Mengetahui uji parametrik satu kelompok.

3
 BAB II
PEMBAHASAN

2.1. Pengertian Uji Persyaratan Analisis

Uji persyaratan analisis diperlukan guna mengetahui apakah analisis data untuk
pengujian hipotesis dapat dilanjutkan atau tidak. Beberapa teknik analisis data
menuntut uji persyaratan analisis. Analisis varian mempersyaratkan bahwa data
berasal dari populasi yang berdistribusi normal dan kelompok-kelompok yang
dibandingkan homogen. Oleh karena itu analisis varian mempersyaratkan uji
normalitas dan homogenitas data. Uji persyaratan analisis mana yang diperlukan
dalam satu teknik analisis data akan disebutkan pada pembahasan tiap-tiap teknik
analsis data.

Pengujian persyaratan analisis dilakukan apabila peneliti menggunakan analisis

paramaterik, pengujian dilakukan terhadap asumsi-asumsi berikut:
1. Untuk uji korelasi dan regresi: persyaratan yang harus dipenuhi adalah uji
normalitas dan uji linearitas data.
2. Untuk uji perbedaan (komparatif): persyaratan yang harus dipenuhi uji
normalitas dan uji homogenitas.
3. Apabila skala data ordinal maka harus diubah menjadi data interval.

2.2. Uji Statistik Parametrik dan Non-Parametrik

Statistika adalah kumpulan metode (pengetahuan) yang berhubungan dengan cara-
cara pengumpulan data, pengolahan, penyajian, dan penarikan kesimpulan.
Statistika dibagi atas dua fase, yaitu statistika deskriptif dan statistika inferensi.
Statistika deskriptif adalah fase statistika yang berkenaan dengan pengumpulan
data, pengolahan, dan penyajian. Statistika inferensi adalah fase statistika yang

4
berkaitan dengan penarikan kesimpulan. Statistika inferensi sering juga disebut
statistika induktif. Statistika induktif dibedakan atas dua bagian, yaitu statistika
parametrik dan non-parametrik. Jika datanya berasal dari sampel dan berdistribusi
normal, maka pengujian hipotesis dilakukan dengan statistika parametrik; dan jika
data berasal dari sampel tapi data tidak berdistribusi normal, maka pengujian
hipotesis dilakukan dengan statistika non-parametrik.

Statistika parametrik dapat digunakan jika datanya memenuhi syarat normalitas

(distribusi data normal) dan homogenitas (data-data memiliki varians yang sama);
dan statistika non-parametrik digunakan pada data yang tidak memenuhi syarat
normalitas (populasi tidak berdistribusi normal). Uji nonparametrik digunakan
apabila asumsi-asumsi uji parametrik tidak dipenuhi, yaitu: sampel acak yang
berasal dari populasi yang berdistribusi normal, varians bersifat homogen, dan
bersifat linier. Bila asumsi-asumsi ini dipenuhi, atau paling tidak penyimpangan
terhadap asumsinya sedikit, maka uji parametrik masih bisa diandalkan. Tetapi bila
asumsi tidak dipenuhi maka uji nonparametrik menjadi alternatif.

Pertanyaan yang sering muncul dalam analisis data adalah: Uji hipotesis apa yang
dipakai untuk menguji set data yang dimiliki? Jawabannya tentu saja: Kita
menggunakan uji hipotesis yang tepat. Namun, untuk menggunakan suatu uji
hipotesis tentu didasari berbagai pertimbangan. Pertimbangan awal adalah jenis
hipotesis (komparatif atau korelatif)

Uji hipotesis adalah metode untuk mengetahui hubungan (association) antara

variabel yang bisa dilakukan dengan dua cara, yaitu secara komparatif dan korelatif.
Hal itulah yang mendasari pembagian uji hipotesis menjadi hipotesis komparatif
dan korelatif

Prioritas untuk komparatif numerik adalah uji parametrik. Jika syaratnya tidak
terpenuhi maka kita gunakan uji non-parametrik. Syarat parametrik adalah sebagai
berikut.

5
1. Distribusi data normal
a. Yang dimaksud normal pada data tidak berpasangan adalah data masing-
masing kelompok
b. Yang dimaksut normal pada data berpasangan adalah selisih antar
kelompok
c. Yang dimaksud normal pada hipotesis korelatif adalah paling tidak salah
satu variabel normal
2. Varian data
1. Pada dua kelompok tidak berpasangan dengan varian yang sama atau varian
yang berbeda maka uji hipotesisnya adalah uji t tidak berpasangan.
2. Pada lebih dari dua kelompaok tidak berpasangan dengan varian sama uji
hipotesisnya one way anova dengan Post hoc Bonferroni. Jika varian
berbeda dengan post hoc Games-Howell.
3. Untuk kelompok berpasangan varian tidak menjadi syarat. Uji t
berpasangan digunakan untuk dua kelompok berpasangan dan uji repeated
anova untuk lebih dari dua kelompok.

Uji non parametrik digunakan jika syarat parametrik tidak terpenuhi, yaitu bila
distribusi data tidak normal.

1. Alternatif t tidak berpasangan adalah uji Mann-Whitney

2. Alternatif t berpasangan adalah uji Wicoxon
3. Alternatif one way anova adalah uji kruskal-wallis
4. Alternatif repeated anova adalah uji Friedman

2.3. Uji Persyaratan Parametrik

2.3.1. 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 adalah distribusi simetris dengan modus, mean dan
median berada dipusat. Distribusi normal diartikan sebagai sebuah distribusi
tertentu yang memiliki karakteristik berbentuk seperti lonceng jika dibentuk
menjadi sebuah histogram seperti pada Gambar 1.

6
 Gambar 1. Plot Grafik Distribusi Normal
Pengertian normal secara sederhana dapat dianalogikan dengan sebuah kelas.
Dalam kelas siswa yang bodoh sekali dan pandai sekali jumlahnya hanya sedikit
dan sebagian besar berada pada kategori sedang atau rata-rata. Jika kelas tersebut
bodoh semua maka tidak normal, atau sekolah luar biasa. Dan sebaliknya jika suatu
kelas banyak yang pandai maka kelas tersebut tidak normal atau merupakan kelas
unggulan. Pengamatan data yang normal akan memberikan nilai ekstrim rendah dan
ekstrim tinggi yang sedikit dan kebanyakan mengumpul di tengah. Demikian juga
nilai rata-rata, modus dan median relatif dekat.

Uji normalitas digunakan untuk mengetahui apakah data yang diperoleh

terdistribusi normal atau tidak. Dasar pengambilan keputusan adalah jika nilai
Lhitung> Ltabel maka H0 ditolak, dan jika nilai Lhitung< Ltabel maka H0 diterima.
Hipotesis statistik yang digunakan:
H0 : Sampel berdistribusi normal
H1 : Sampel data berdistribusi tidak normal

Meskipun demikian, apabila sebaran data suatu penelitian yang mengungkapkan

kemampuan siswa ternyata diketahui tidak normal hal itu bukan berarti harus
berhenti penelitian itu sebab masih ada fasilitas statistik nonparametrik yang dapat
dipergunakan apabila data tadi tidak berdistribusi normal.

Ada tiga pilihan yang dapat dilakukan jika diketahui bahwa data tidak normal;
yaitu :
1. Jika jumlah sampel besar, maka dapat menghilangkan nilai
outliner dari data (bahasan outliner akan dibahas kemudian).
2. Melakukan transformasi data.

7
3. Menggunakan alat analisis nonparametric

Data yang tidak normal tidak selalu berasal dari penelitian yang buruk. Data ini
mungkin saja terjadi karena ada kejadian yang di luar kebiasaan.Atau memang
kondisi datanya memang nggak normal. Misal data inteligensi di sekolah anak-anak
berbakat (gifted) jelas tidak akan normal, besar kemungkinannya akan juling
positif.

Lalu apa yang bisa kita lakukan?

a. Kita perlu mengecek apakah ketidaknormalannya parah atau tidak. Tidak ada
patokan pasti tentang keparahan ini. Tapi kita bisa mengira- jika nilai p yang
didapatkan sebesar 0,049 maka ketidaknormalannya tidak terlalu parah (nilai
tersebut hanya sedikit di bawah 0,05). Ada beberapa analisis statistik yang agak
kebal dengan kondisi ketidaknormalan yang tidak terlalu parah (disebut
memiliki sifat robust), misalnya F-test dan t-test. Jadi kita bisa tetap
menggunakan analisis ini jika ketidaknormalannya tidak parah.
b. Kita bisa membuang nilai-nilai yang ekstrem, baik atas atau bawah. Nilai
ekstrem ini disebut outliers. Pertama kita perlu membuat grafik, dengan sumbu
x sebagai frekuensi dan y sebagai semua nilai yang ada dalam data kita (ini
tentunya bisa dikerjakan oleh komputer). Dari sini kita akan bisa melihat nilai
mana yang sangat jauh dari kelompoknya. Nilai inilah yang kemudian perlu
dibuang dari data kita, dengan asumsi nilai ini muncul akibat situasi yang tidak
biasanya. Misal responden yang mengisi skala kita dengan sembarang yang
membuat nilainya jadi sangat tinggi atau sangat rendah.
c. Tindakan ketiga yang bisa kita lakukan adalah dengan mentransform data kita.
Ada banyak cara untuk mentransform data kita, misalnya dengan mencari akar
kuadrat dari data kita, dll.
d. Bagaimana jika semua usaha di atas tidak membuahkan hasil. Maka langkah
terakhir yang bisa kita lakukan adalah dengan menggunakan analisis non-
parametrik.

8
2.3.2. Uji Homogenitas
Uji homogenitas merupakan uji persyaratan yang bertujuan untuk melihat apakah
suatu dua sampel atau lebih memiliki varians yang sama (homogen). Uji
homogenitas ini diperlukan jika pengujian hipotesis menggunakan statistika
parametrik. Jika kedua sampel atau lebih memiliki varian yang tidak homogen maka
uji hipotesis menggunakan statistika non-parametrik. Jika variansnya sama
besarnya, maka uji homogenitas tidak perlu dilakukan karena data sudah dapat
dianggap homogen. Namun untuk varians yang tidak sama besarnya, perlu dilakukan
uji homogenitas. Persyaratan agar pengujian homogenitas dapat dilakukan ialah
apabila kedua datanya terbukti berdistribusi normal. Uji homogenitas dilakukan
untuk penelitian menggunakan uji- beda.

Beberapa teknik statistik untuk uji homogenitas varians antara lain:

a. Uji Hardley/F
Uji F (digunakan untuk menguji homogenitas varians dari dua kelompok data.
b. Uji Levene
Uji Levene juga merupakan metode pengujian homogenitas varians yang hampir
sama dengan uji Bartlet. Perbedaan uji Levene dengan uji Bartlett yaitu bahwa data
yang diuji dengan uji Levene tidak harus berdistribusi normal, namun harus
kontinue.
c. Uji Bartlett
Uji Bartlett digunakan untuk menguji homogenitas varians lebih dari dua kelompok
data

2.3.3. Contoh Penelitian dengan Uji Parametrik Satu Kelompok

Langkah uji Olah Data t Satu Sampel

Uji t untuk satu sampel dalam istilah lain biasanya disebut dengan One Sample t-
test Method, merupakan prosedur uji t untuk sampel tunggal jika rata-rata suatu

9
variabel tunggal dibandingkan dengan suatu nilai konstanta tertentu. Uji t dipakai
jika jumlah data sampel di bawah 30.
Syarat uji t satu sampel :
 Data merupakan data kuantitatif
 Memenuhi asumsi berdistribusi normal

Uji T satu sampel digunakan untuk menguji nilai rata-rata dari suatu sampel tunggal
dengan suatu nilai acuan. Dalam uji T Satu Sampel terdapat asumsi yang harus
dipenuhi sebelum masuk keanalisis, yaitu data sampel berdistribusi normal.

Ada dua macam hipotesis dalam uji-t, yaitu:

1. Hipotesis Satu Arah (One-Tailed)

Hipotesis satu arah biasanya digunakan untuk melihat apakah nilai rata dari
sampel lebih dari (>), kurang dari (<) atau sama dengan (=) dari nilai acuan.
Hipotesis satu arah terbagi dalam dua bentuk, yaitu hipotesis arah kanan dan
hipotesis arah kiri.

1. Hipotesis Arah kanan

H0 : μ ≤ μ0 (Rata-rata sampel ≤ Nilai acuan)

Ha : μ > μ0 (Rata-rata sampel > Nilai acuan)

2. Hipotesis Arah Kiri

H0 : μ ≥ μ0 (Rata-rata sampel ≥ Nilai acuan)

Ha : μ < μ0 (Rata-rata sampel < Nilai acuan)

2. Hipotesis Dua Arah (Two-Tailed)

Hipotesis dua arah digunakan untuk melihat apakah nilai rata-rata sampel tunggal
sama dengan ( = ) nilai acuan atau tidak ( ≠ ).

H0 : μ = μ0 (Rata-rata sampel = nilai acuan)

Ha : μ ≠ μ0 (Rata-rata sampel ≠ nilai acuan)

Dalam pengujian hipotesis, kriteria penolakan atau penerimaan H0 adalah

berdasarkan nilai P-Value atau nilai T-tabel, criteria-kriteria tersebut adalah
sebagai berikut :

10
Jika nilai P-value (Sig.) < ∝ (biasanya 5%), maka H0 ditolak,
Jika nilai P-value (Sig.) > ∝ (biasanya 5%), maka H0 diterima.

Dan

Jika nilai t-hitung > t-tabel, maka H0 ditolak

Jika nilai t-hitung < t-tabel maka H0 diterima.

Contoh Kasus :

Dalam suatu penelitian seorang Dosen terhadap mahasiswanya, seorang Dosen

ingin mengetahui apakah nilai ujian mahasiswa yang diasuhnya
memiliki mean lebih dari 70.

Nilai-nilai ujian tersebut adalah sebagai berikut :

70; 85; 76; 90; 85; 60; 93; 80.

Langkah analisis :
1. Menentukan Hipotesis
H0 : μ ≤ μ0
Ha : μ > μ0

Inputkan data di atas kedalam SPSS seperti berikut ;

Bernama file pada lembar Variable View dengan nama Nilai. Kemudian klik Data
View untuk memasukan data.

11
 3. Analisis
Setelah data dimasukan kedalam lembar SPSS, langkah selanjutnya adalah
memulai analisis, klik
Analyze è Compare Means è One Sampel T-test

Kemudian akan didapat tampilan sebagai berikut :

12
Masukan variable nilai kedalam kolom Test Variable(s), dan masukan nilai
acuan pada kolom Test Valuesebesar 70

5. Kemudian klik OK, dan akan didapat output sebagai berikut :

13
Interpretasi :
Setelah dianalisis didapat dua output, yaitu One-Sample Statistics dan One-Sampel
Test. Berdasarkan output pertama One-Sample Statistics didapatkan jumlah
variable N = 8 dan Mean sebesar 79,8750 dengan Std Deviasi sebesar 10,92098.
Berdasarkan output kedua One-Sample Test didapatkan nilai t-hitung sebesar 2,558
dengan derajat bebas 7 (N-1) dengan nilai Sig (2-tailed) sebesar 0,038. Nilai t-tabel
dengan derajat bebas 7 dengan taraf signifikansi sebesar 0,05(5%) adalah sebesar
1,894. Karena pada hipotesis yang diharapkan adalah uji satu sisi, dan pada nilai p-
value (sig) didapatkan Sig (2-tailed), maka nilai P-value dibagi 2.
Sehingga didapatkan nilai P-value sebesar 0,038/2 =0,019< 0,05, maka hipotesis
H0 ditolak dan terima Ha. Atau jika dengan menggunakan table didapatkan nilai t-
hitung sebesar 2,558 > t-tabel 1,894. Sehingga dapat dikatakan bahwa nilai rata-
rata ujian mahasiswa lebih dari 70.

14
 BAB III
KESIMPULAN

Kesimpulan pada makalah ini yaitu:

1. Uji persyaratan analisis diperlukan guna mengetahui apakah analisis data
untuk pengujian hipotesis dapat dilanjutkan atau tidak.
2. Uji normalitas merupakan uji persyaratan yang bertujuan untuk melihat apakah
suatu data memiliki sebaran normal (berdistribusi normal).
3. Uji homogenitas merupakan uji persyaratan yang bertujuan untuk melihat
apakah suatu dua sampel atau lebih memiliki varians yang sama (homogen).
4. Uji linieritas adalah suatu prosedur yang digunakan untuk mengetahui status
linier tidaknya suatu distribusi data penelitian. Uji linieritas dilakukan untuk
membuktikan bahwa masing-masing variabel bebas mempunyai hubungan
yang linier dengan variabel terikat.

15
 DAFTAR PUSTAKA

Arikunto, Suharsimi. 2012. Dasar-Dasar Evaluasi Pendidikan Edisi Revisi.

Jakarta: Bumi Aksara.

Didit. 2013. Merumuskan Hipotesis. (Online). Tersedia:

http://diditnote.blogspot.com/2013/04/merumuskan-hipotesis_7639.html.
Diakses pada tanggal 20 Desember 2017.

Emzir. 2010. Metodologi Penelitian Pendidikan: Kuantitatif dan Kualitatif.

Jakarta: Rajawali Pers.

Priyatno. 2010. Paham Analisa Statistik Data Dengan SPSS. Jakarta: Buku Seri.

Sugiyono. 2010. Metode Penelitian Pendidikan (Pendekatan Kuantitatif,

Kualitatif, dan R&D). Bandung: Alfabeta.

Tabrani, Khadijah. 2012. Fungsi Hipotesis (Online). Tersedia:

http://khadijahtabrani.blogsspot.co.id/2012/09/fungsi-
hipotesis.html.
Diakses pada tanggal 20 Desember 2017.

16