MAKALAH STATISTIKA DASAR

UJI NORMALITAS DAN HOMOGENITAS

Disusun Oleh:
KELOMPOK 12
Nur Amalia Susanti (06081181520025)
Rani S. S. Silitonga (06081181520079)
Renni Juli Yanna (06081181520076)
Dosen Pengampu :
Prof.Dr. Ratu Ilma Indra Putri, M.Si (196908141993022001)
Puji Astuti, S.Pd.,M.Sc

PENDIDIKAN MATEMATIKA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS SRIWIJAYA
2016
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa atas segala limpahan
rahmatnya, sehingga kami dapat menyelesaikan penyusunan makalah ini. Penulisan makalah
mengenai Uji Normalitas dan Homogenitas ini kami buat dimaksudkan untuk melengkapi tugas
mata kuliah Statistika Dasar. Yang mana isi makalah ini kami ambil dari beberapa buku dengan
sumber yang ada dan kami anggap relevan.
Kami menyadari bahwa makalah ini masih jauh dari sempurna, karena masih banyak
kekurangan baik dari isi maupun dari segi penulisannya.Oleh karena itu, kritik dan saran yang
mengarah pada perbaikan makalah ini sangat kami harapkan. Dan semoga makalah ini dapat
bermanfaat untuk pengembangan wawasan dan peningkatan ilmu pengetahuan bagi kita semua.

Inderalaya, 22 Oktober 2016

Penyusun
 DAFTAR ISI

KATA PENGANTAR
DAFTAR ISI
A. UJI NORMALITAS
1. Uji Normalitas dengan Liliefors test
2. Uji Normalitas dengan Kertas Peluang Normal
3. Uji Normalitas dengan Menggunakan Rumus Chi-Kuadrat
4. Uji Normalitas dengan Uji Shapiro-Wilk
5. Uji Normalitas dengan Uji Kolmogrov-Sminorv
B. HOMOGENITAS
1. Uji Homogenitas dengan Uji Rasio-F
2. Uji Homogenitas dengan Uji Fmaks Hartley
3. Uji Homogenitas dengan Uji Barlett
4. Uji Homogenitas dengan Uji Cochran
DAFTAR PUSTAKA
 A. UJI NORMALITAS

Pengujian normalitas dilakukan untuk mengetahui normal tidaknya suatu distribusi data. Hal ini
penting diketahui berkaitan dengan ketepatan pemilihan uji statistic yang akan digunakan. Uji
parametric misalnya, mengisyaratkan data harus berdistribusi normal. Apabila distribusi data
tidak normal maka disarankan untuk menggunakan uji nonparametrik. Uji normalitas merupakan
suatu pengujian sekelompok data untuk mengetahui apakah distribusi data tersebut membentuk
kurva normal atau tidak.1[1]
Pengujian normalitas ini harus dilakukan apabila belum ada teori yang menyatakan bahwa
variabel yang diteliti adalah normal. Dengan kata lain, apabila ada teori yang menyatakan bahwa
suatu variabel yang sedang diteliti normal, maka tidak diperlukan lagi pengujian normalitas
data.2[2]
Dalam melakukan uji normalitas untuk mengetahui distribusi data dapat dilakukan dengan
beberapa cara, namun dalam hal ini hanya dibatasi pada tiga cara, yaitu dengan menggunakan
kertas peluang normal, dengan menggunakan rumus chi kuadrat, dan dengan menggunakan uji
liliefors.

1. Uji Normalitas dengan Liliefors test

Uji Liliefors adalah uji normalitas secara nonparametrik. Uji normalitas ini bertujuan untuk
mengetahui bentuk distribusi populasi berdasarkan sampel yang diambil secara acak. Hipotesis
yang diajukan adalah sampel penelitian berasal dari populasi berdistribusi normal (H0) melawan
tandingan bahwa distribusi tidak normal (H1).
 Kelebihan Liliefors test adalah penggunaan atau perhitungannya yang sederhana, serta cukup
kuat sekalipun dengan ukuran sampel yang kecil (n = 4) (Ating Soemantri, 2006). Proses
pengujian Liliefors test dapat dilakukan dengan langkah-langkah sebagai berikut:
1) Susunlah data dari terkecil sampai yang terbesar. Setiap data ditulis sekali, meskipun ada
beberapa data.
2) Periksa data, berapa kali munculnya bilangan-bilangan itu (frekuensi harus ditulis).
3) Dari frekuensi susun frekuensi kumulatifnya.
4) Hitung Proporsi empiric (observasi) berdasarkan frekuensi kumulatif.
5) Hitung nilai z untuk mengetahui theoretical proportion pada tabel z.
6) menghitung theoretical proportion.
7) Bandingkan empirical propotion dengan theoretical proportion, kemudian carilah selisih
terbesar di dalam titik observasi antara kedua proporsi tadi.
8) Carilah selisih terbesar di luar titik observasi.
Contoh:
Berikut adalah skor hasil pengumpulan data suatu variabel yang dilakukan secara random.
Ukuran sampel 14 dan skala pengukuran yang dipergunakan adalah interval. Datanya: 77.3, 73.9,
76.0, 74.6, 76.6, 74.2, 76.9, 74.7, 77.4, 75.4, 77.7, 76.0, 76.5, 76.0.
Data di atas, diduga menyebar mengikuti distribusi normal. Dengan menggunakan = 0.05,
buktikan bahwa data tersebut berdistribusi normal!
Langkah kerja:
1. H0 : X mengikuti distribusi normal
H1 : X tidak mengikuti distribusi normal
2. = 0.05
3. Data dan proses pengujian

Xi fi fki Sn(xi) Z F0(Xi)

(1) (2) (3) (4) (5) (6) (7) (8)
73.9 1 1 0.0714 -1.66 0.0585 0.0229 0.0485
74.2 1 2 0.1429 -1.42 0.0778 0.0651 0.0064
74.6 1 3 0.2143 -1.09 0.1379 0.764 0.0050
74.7 1 4 0.2857 -1.01 0.1562 0.1295 0.0581
 75.4 1 5 0.3571 -0.44 0.3300 0.0271 0.0443 K
76.0 3 8 0.5714 0.05 0.5199 0.0515 0.1628 etera
76.5 1 9 0.6429 0.46 0.6736 0.0307 0.1022 ngan
76.6 1 10 0.7143 0.54 0.7054 0.0089 0.0625 :
76.9 1 11 0.7857 0.78 0.7823 0.0034 0680 K
77.3 1 12 0.8571 1.11 0.8665 0.0094 0.0808 olo

77.4 1 13 0.9286 1.19 0.8830 0.0456 0.0259 m 1

77.7 1 14 1.000 1.43 0.9236 0.0764 0.0050

:
Susunan dari dari kecil ke besar
Kolom 2 : Banyak data ke I yang mucul
Kolom 3 : Frekuensi kumulatif. Formula, fki = fi + fki sebelumnya
Misal:
X4 = 74,7  fk4 = 1 + 3 = 4
Kolom 4 : Proporsi empiric (observasi). Formula, Sn (xi) = fki : n
Misal: Sn (x4) = 4 : 14 = 0.2857
Kolom 5 : Nilai z. formula, Z =
Dimana: dan S =
Misal: X4 = 74.7

S=
= 1.227
Z= =
Kolom 6 : Theoritical Proportion (tabel z): Proporsi Kumulatif Luas Kurva Normal Baku.
Perhatikan baris ke 1 dan ke 6:
Kolom 7 : Selisih Empirical Proportion dengan Theoritical Proportion
Baris 1: = 0.0714 – 0.0485 = 0.0229
Baris 2 : = 0.1429 – 0.0778 = 0.0651
dst ..............
Selisih terbesar adalah 0.1295.
Kolom 8 : Selisih Empirical Proportion dengan Theoritical Proportion di luar titik
 observasi.
Baris 1: = 0 – 0.0485 = 0.0485
Baris 2 : = 0.0714 – 0.0778 = 0.0064
dst ..............
Selisih terbesar adalah 0.1628.
D = Suprimum { }
D = Sup {0.1295 ; 0.1628}
D(14,0.95) = 0.227
Titik kritis pengujian : H0 ditolah jika D ≥ D(n,α)
4. Kesimpulan statistik: Pernyataan bahwa x mengikuti distribusi normal bisa diterima.

2. Uji Normalitas dengan Kertas Peluang Normal

Pengujian normalitas dengan kertas peluang normal dapat dilakukan dengan membuat grafik
data pada suatu kertas peluang normal dengan skala tertentu yang telah tertera dalam kertas
tersebut. Untuk sumbu mendatar, skala berbentuk linier dan dipergunakan untuk mendapatkan
skor batas atas skala interval. Sedangkan sumbu tegak yang mempunyai skala tidak linier tetapi
sesuai dengan distribusi kurva normal diberikan angka frekuensi kumulatif relative dari kelas
interval tersebut (Yusri, 2013).
Contoh:
Diberikan data hasil penelitian tentang kemampuan komunikasi verba 80 orang mahasiswa
Teknik Elektro suatu universitas tahun 2006 sebagai berikut:
TABEL 1.1
SKOR KEMAMPUAN KOMUNIKASI VERBA MAHASISWA TEKNIK ELEKTRO
UNIVERTAS BANGSA
TAHUN 2006
167 173 173 122 150 163
145 135 149 143 143 145
138 129 147 145 139 160
115 151 176 152 149 172
136 150 168 167 162 124
146 172 173 124 160 121
 159 194 121 124 164 169
144 141 145 151 137 139
161 145 161 136 157 142
163 107 125 178 137 166
123 140 137 170 130
124 135 140 160 156
167 156 144 136 123
147 144 138 129 139
Berdasarkan data tersebut akan dilakukan uji normalitas. Terlebih dahulu data tersebut disusun
dalam daftar distribusi frekuensi, kemudian ditentukan batas atas kelas interval yang akan
digunakan untuk skala sumbu mendatar pada kertas peluang normal. Setelah itu ditentukan
frekuensi mutlak dan frekuensi kumulatif relative yang akan digunakan untuk skala sumbu tegak
pada kertas peluang normal. Penyusunan daftar distribusi frekuensi dapat dibuat dari arah kelas
interval kecil ke kelas interval besar atau sebaliknya. Untuk contoh ini digunakan susunan arah
kelas interval kecil ke kelas interval besar dan dengan melakukan beberapa perthitungan besaran
yang dibutuhkan dapat disusun daftar distribusi frekuensi seperti tabel berikut:
TABEL 1.2
DISTRIBUSI FREKUENSI SKOR KEMAMPUAN KOMUNIKASI VERBA
MAHASISWA TEKNIK ELEKTRO UNIVERSITAS BANGSA TAHUN 2006
No. Kelas Interval Batas Atas Kelas Interval f f kum f kum (%)
1 107-117 117,5 2 2 2,50
2 118-128 128,5 10 12 15,00
3 129-139 139,5 16 28 35,00
4 140-150 150,5 21 49 61,25
5 151-161 161,5 12 61 76,25
6 162-172 172,5 13 74 92,50
7 173-183 183,5 5 79 98,75
8 184-194 194,5 1 80 100,00
Jumlah 80
Berdasarkan tabel 1.2, batas atas kelas interval dijadikan sebagai skala sumbu tegak pada kertas
peluang normal. Pada dasarnya sumbu tegak dalam kertas peluang normal sudah ada angka
persentase dari 0,01 sampai 0,99 atau dari 0% sampai dengan 100%. Peneliti hanya
menyesuaikan frekuensi kumulatif relative hasil perhitungan dengan persentase yang telah ada
pada kertas peluang tersebut. Selanjutnya dibuat titik-titik koordinat dari setiap batas atas kelas
interval yang berpasangan dengan frekuensi kumulatif relative dan setelah itu dihubungkan titik-
titik koordinat itu sehingga membentuk suatu garis.

Sehubungan dengan letak titik-titik pada garis lurus atau mendekati pada garis lurus sehingga
dapat disimpulkan berdistribusi normal maka ada dua hal yang perlu diperhatikan, yaitu sebgai
berikut:
1. mengenai data itu sendiri
Dikatakan bahwa data itu berdistribusi normal atau hampir berdistribusi normal, atau dapat
didekati dengan teknik-teknik untuk data berdistribusi normal.
2. Mengenai populasi darimana itu diambil
Dikatakan bahwa populasi dari mana sampel diambil ternyata berdistribusi normal atau hampir
berdistribusi normal, atau dapat didekati oleh distribusi normal (Yusri, 2013).
Berkaitan dengan hasil yang diperoleh dari contoh, apabila garis yang diperoleh berbentuk garis
lurus atau mendekati garis lurus maka dapat dinyatakan bahwa data tersebut berdistribusi normal
atau hampir berdistribusi normal. Selanjutnya, apabila data itu merupakan sampel dari populasi
tertentu, maka dapat dinyatakan bahwa dat itu berasal dari populasi yang berdistribusi normal
atau berdistribusi hampir normal. Untuk lebih jelas, teknik uji normalitas dengan menggunakan
kertas peluang normal, disajikan contoh gambar kertas peluang normal yang telah diisi dengan
titik-titik koordinat yang membentuk garis lurus atau hampir mendekati garis lurus, seperti
dilukiskan dalam gambar berikut:
Gambar 1.1 Keadaan Normal Skor Kemampuan Komunikasi verba Mahasiswa
Teknik elektro Universitas Bangsa tahun2006

3. Uji Normalitas dengan Menggunakan Rumus Chi-Kuadrat

Uji normalitas dengan menggunakan rumus Chi-Kuadrat juga melalui penyusunan data
dalam daftar distribusi frekuensi. Adapun rumus Chi-Kuadrat yang digunakan dalam uji
normalitas adalah:
Keterangan:
x2 = Chi-Kuadrat
 f0 = frekuensi yang ada hasil observasi (keadaan data)
fh = frekuensi yang diharapkan
dk = derajat kebebasan = (k – 3)
k = banyak kelas interval
Sebelum rumus Chi-Kuadrat digunakan untuk uji normalitas, terlebih dahulu ada beberapa
besaran yang harus dihitung. Adapun langkah-langkah menggunakan rumus Chi-Kuadrat untuk
uji normalitas sebagai berikut:
1. Susun data ke dalam daftar distribusi frekuensi
2. Kemudian, hitung harga rata-rata dan simpangan.
3. Tentukan batas kelas atas dan batas kelas bawah setiap kelas interval.
4. Hitung skor z berdasarkan harga rata-rata, simpangan baku, dan batas kelas interval.
5. Berikutnya, berdasarkan Tabel C ditentukan luas di bawah kurva untuk setiap batas kelas
interval dan berdasarkan luas dihitung selisih luas batas interval yang terdekat dan dikalikan
dengan angka 100 untuk memperoleh frekuensi harapan.
6. Selanjutnya, barulah dapat dihitung harga Chi-Kuadrat.
Contoh:
Dengan menggunakan data dari contoh tabel 1.2 tentang kemampuan komunikasi verbal
mahasiswa teknik elektro Universitas Bangsa tahun 2006, lakukan uji normalitas dengan
menggunakan rumus Chi-Kuadrat!
TABEL 1.3
PERHITUNGAN RATA-RATA DAN SIMPANGAN BAKU
SKOR KEMAMPUAN KOMUNIKASI VERBAL MAHASISWA TEKNIK ELEKTRO
UNIVERSITAS BANGSA
TAHUN 2006
Nilai
Kelas interval f fX
Tengah
107-117 2 112 224 -35,0625 1.229,3789 2.458,758
118-128 10 123 1.230 -24,0625 579,0039 5.790,039
129-139 16 134 2.144 -13,0625 170,6289 2.730,063
140-150 21 145 3.045 -2,0625 4,2539 89,332
151-161 12 156 1.872 8,9375 79,8789 958,547
 162-172 13 167 2.171 19,9375 397,5039 5.167,551
173-183 5 178 890 30,9375 857,1289 4.785,645
184-194 1 189 189 41,9375 1.758,7539 1.758,754
Jumlah 80 11.765 23.739,688
Dengan menggunakan rumus rata-rata dapat dihitung dengan:
Untuk perhitungan simpangan baku dihitung dengan:
TABEL 1.4
UJI NORMALITAS SKOR KEMAMPUAN KOMUNIKASI VERBAL MAHASISWA
TEKNIK ELEKTRO UNIVERSITAS BANGSA
TAHUN 2006 DENGAN RUMUS CHI-KUADRAT
Berdasarkan besaran f0 dan fh dalam tabel di atas dapat dihitung harga Chi-Kuadrat sebagai
berikut:
X2 =∑
X2 =
X2 = 0,1655 + 0,6257 + 0,0430 + 0,0559 + 1,7904 + 0,6017 +0,1557 + 0,0129
X2 = 3,4507
Untuk konfirmasi Chi-Kuadrat hasil perhitungan digunakan Chi-Kuadrat dari tabel nilai persentil
untuk distribusi x2 pada α = 5% dengan derajat kebebasan dk = (k – 3) = 8 – 5 = 3, maka
diperoleh Ternyata Chi_kuadrat hasil perhitungan lebih kecil dari Chi-kuadrat dala tabel (x2 =
3,3407 < , maka dapat disimpulkan bahwa sampel skor kemampuan komunikasi verbal
mahasiswa teknik elektro Universitas Bangsa tersebut berasal dari populasi yang berdistribusi
normal.

4. Uji Normalitas dengan Uji Shapiro-Wilk

T3= dengan D =
Keterangan:
D = Berdasarkan rumus di bawaha = Koefisient test Shapiro Wilk
X n-i+1 = Angka ke n – i + 1 pada data
Xi = Angka ke i pada data

Keterangan:
G = Identik dengan nilai Z distribusi normal
T3 = Berdasarkan rumus di atas bn, cn, dn = Konversi Statistik Shapiro-Wilk Pendekatan
Distribusi Normal
 PERSYARATAN
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Data dari sampel random
SIGNIFIKANSI
Signifikansi dibandingkan dengan tabel Shapiro Wilk. Signifikansi uji nilai T3 dibandingkan
dengan nilai tabel Shapiro Wilk, untuk dilihat posisi nilai probabilitasnya (p).
Jika nilai p > 5%, maka Ho diterima ; Ha ditolak.
Jika nilai p < 5%, maka Ho ditolak ; Ha diterima.
Contoh :
Berdasarkan data usia sebagian balita yang diambil sampel secara random dari posyandu Mekar
Sari Wetan sebanyak 24 balita, didapatkan data sebagai berikut : 58, 36, 24, 23, 19, 36, 58, 34,
33, 56, 33, 26, 46, 41, 40, 37, 36, 35, 18, 55, 48, 32, 30 27 bulan. Selidikilah data usia balita
tersebut, apakah data tersebut diambil dari populasi yang berdistribusi normal pada α = 5% ?

Penyelesaian :
1. Hipotesis
· Ho : Populasi usia balita berdistribusi normal
· H1 : Populasi usia balita tidak berdistribusi normal
2. Nilai α
· Nilai α = level signifikansi = 5% = 0,05

3. Rumus statistik penguji

· Langkah pertama dihitung nilai D, yaitu:
·
Langkah berikutnya hitung nilai T, yaitu:

4. Derajat bebas
· Db = n
5. Nilai tabel
· Pada tabel Saphiro Wilk dapat dilihat, nilai α (0,10) = 0,930 ; nilai α (0,50) = 0,963
6. Daerah penolakan
· Nilai T3 terletak diantara 0,930 dan 0,963, atau nilai p hitung terletak diantara 0,10 dan 0,50,
yang diatas nilai α (0,05) berarti Ho diterima, Ha ditolak

7. Kesimpulan
· Sampel diambil dari populasi normal, pada α = 0,05. Cara lain setelah nilai T3 diketahui dapat
menggunakan rumus G, yaitu :
 Hasil nilai G merupakan nilai Z pada distribusi normal, yang selanjutnya dicari nilai proporsi (p)
luasan pada tabel distribusi normal (lampiran). Berdasarkan nilai G = -1,2617, maka nilai
proporsi luasan = 0,1038. Nilai p tersebut di atas nilai α = 0,05 berarti Ho diterima Ha ditolak.
Data benar-benar diambil dari populasi normal.

5. Uji Normalitas dengan Uji Kolmogrov-Sminorv

Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lilliefors. Uji Kolmogorov
Smirnov digunakan untuk menguji apakah data itu berdistribusi normal atau tidak.Langkah-
langkah penyelesaian dan penggunaan rumus sama, namun pada signifikansi yang berbeda.
Signifikansi metode Kolmogorov-Smirnov menggunakan tabel pembanding Kolmogorov-
Smirnov, sedangkan metode Lilliefors menggunakan tabel pembanding metode Lilliefors.
PERSYARATAN
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.
HIPOTESIS UJI :
H0 : Data populasi berdistribusi normal
H1 : Data populasi berdstribusi tidak normal.
SIGNIFIKANSI UJI :
nilai terbesar | ft - Fs | dibandingkan dengan nilai tabel Lilliefors.
· Jika Lhitung < Ltabel, maka :
§ Ho diterima
§ H1 ditolak.
· Jika Lhitung > Ltabel , maka :
§ Ho ditolak
§ H1 diterima
TABEL NILAI KRITIS L UNTUK UJI KOLMOGOROV SMIRNOV :
LANGKAH-LANGKAH PENGUJIAN :
Suatu penelitian tentang jumlah hasil panen kedelai di 15 kecamatan di Kabupaten Gresik
tercatat dalam kwintal 10, 13, 15, 11, 8, 16, 10, 11, 12, 9 ,11, 14, 9, 18 dan 12 kwintal.
Selidikilah dengan α =5% , apakah data tersebut diambil dari populasi yang berdistribusi normal
? Gunakan Uji Kormogorov Smirnov.
 Hipotesis Uji :
H0 = Sampel berasal dari populasi yang berdistribusi normal.
H1 = Sampel berasal dari populasi yang berdistribusi tidak normal.
1. Urutkan data dari yang terkecil ke yang terbesar lalu cari rata-rata, simpangan baku (standar
deviasi) dari sampel data.
Keterangan :
Xi =Datake-i
fi = Frekuensi ke-i

1. Mencari (Ztabel ) pada tabel distribusi normal

1. Menentukan Dhitung
Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi pada distribusi normal
FT = Probabilitas komulatif normal
FS = Probabilitas komulatif empiris

v Mencari nilai D(α,n) dan Dmax dengan α = 0,05 dan n = 15 maka diperoleh :
- D(0,05,15) / Dtabel= 0,338
- Dhitung = 0,161
- Daerah kritis : Dhitung<Dtabel
H0 diterima karena Dhitung < Dtabel atau 0,161 < O,338
v Kesimpulan : jumlah hasil panen kedelai di 15 kecamatan di Kabupatn Gresik memiliki data
yang normal.
 B. HOMOGENITAS

Pengujian homogenitas varians ini mengasumsikan bahwa skor setiap variabel memiliki varians
yang homogen (Ating Soemantri, 2006). Tujuan dilakukannya uji homogenitas data adalah untuk
mengetahui bahwa sampel penelitian yang diambil adalah berasal dari populasi yang sama
(Yusri, 2013). Kesamaan asal sampel ini antara lain dibuktikan dengan adanya kesamaan
variansi kelompok-kelompok yang membentuk sampel tersebut. Jika ternyata tidak terdapat
perbedaan varians di antara kelompok sampel, hal ini mengandung arti bahwa kelompok-
kelompok sampel tersebut berasal dari populasi yang sama. Pengujian homogenitas yang hanya
terdiri dari dua kelompok data – hanya homogenitas dua varians populasi – dapat digunakan Uji
Rasio-F. Berikut akan dibahas terlebih dahulu mengenai homogenitas dua varians populasi.
Dalam melihat perbedaan dua populasi penelitian, peneliti harus memperhatikan homogenitas
varians populasi ( ). Untuk mengetahui homogenitas populasi digunakan varians sampel untuk
menaksir parameter-parameter populasi ini. Untuk menguji hipotesis , dapat digunakan suatu uji
statistic sederhana rasio-F.

1. Uji Homogenitas dengan Uji Rasio-F

F=
Keterangan:
F = nilai yang digunakan untuk menguji homogenitas varians populasi
= varians sampel lebih besar
= varians sampel lebih kecil
= varians populasi data
Hasil perhitungan rasio-F digunakan untuk menafsirkan homogenitas populasi dengan
membandingkan harga F dalam tabel distribusi F. Untuk harga F tabel diambil pada taraf
signifikansi α dan derajat kebebasan (dk) pembilang (n untuk varians sampel terbesar) dan
derajat kebebasan penyebut (n untuk varians sampel terkecil).
Contoh:
Suatu penelitian ingin mengetahui apakah dua kelompok karyawan pabrik Sentosa (X1 dan X2)
yang memproduksi sepatu memiliki varians yang homogeny atau tidak. Adapun data dua
kelompok karyawan tersebut dapat dilihat pada tabel berikut:
TABEL 2.1
DATA PRODUKSI SEPATU (DALAM RIBUAN KODI) OLEH DUA KELOMPOK
KERYAWAN PABRIK SENTOSA TAHUN 2006
Karyawan Kelompok 1 (X1) Karyawan Kelompok 2 (X2)
7 5 6 4
8 8 6 5
6 9 7 5
7 7 7 6
7 6 6
6 6 5
Terlebih dahulu data di ats disusun seperti dalam tabel berikut untuk memperoleh besaran-
besaran yang diperlukan dalam perhitungan uji homogenitas varians:
TABEL 2.2
BESARAN-BESARAN UNTUK PENGUJIAN HOMOGENITAS VARIANS DATA
PRODUKSI SEPATU (DALAM RIBUAN KODI) OLEH DUA KELOMPOK
KARYAWAN PABRIK SENTOSA TAHUN 2006
Karyawan Kelompok I Karyawan Kelompok II
X1 X2
7 49 6 36
8 64 6 36
6 36 7 49
7 49 7 49
7 49 6 36
6 36 5 25
5 25 4 14
8 64 5 25
9 81 5 25
7 49 6 36
 6 36 - -
6 36 - -
82 574 57 333
v Varians untuk kelompok I:
=
=
=
= 1,2424
v Varians untuk kelompok II:
=
=
= =
= 0,90
Hasil perhitungan kedua varians kelompok itu ternyata varians kelompo X1 lebih besar dari
varians kelompok X2, maka dalam uji homogenitas varians dengan uji Rasio-F digunakan
sebagai dari varians sebagai . Homogenitas varians diuji dengan rumus sebagai berikut:
F= =
F=
Berdasarkan tabel distribusi F pada α = 0,05 dengan derajat kebebasan (dk) pembilang = n 1 – 1 =
12 – 1 = 11 dan dk penyebut = n2 – 1 = 10 – 1 = 9 F0,95(11,9) = 3,10. Jika harga rasio-F hitung
sama atau lebih besar dari harga F tabel maka hipotesis nol (H0) ditolak dan hipotesis varians
populasi tidak dapat diterima. Jika sebaliknya, rasio F hasil perhitungan lebih kecil dari F tabel
maka varians populasi adalah homogen karena hipotesis nol (H0) diterima. Ternyata F hasil
perhitungan lebih kecil dari F tabel (1,3804 < 3,10) jadi varians populasi kedua data tersebut
homogen ( (Yusri, 2013).
Selanjutnya, apabila jumlah kelompok sampel terdiri atas tiga kelompok atau lebih, maka
perlu dapat diuji dengan Uji Fmaks Hartley dan uji homogenitas varians dengan Uji Barlett.

2. Uji Homogenitas dengan Uji Fmaks Hartley

Apabila kita memiliki k buah populasi yang pada masing-masing populasi itu telah
diambil sampelnya maka kita memiliki k buah variansnya yaitu . Hipotesis nol (H0) yang akan
 diuji adalah , dan dianalisis berdasarkan varians sampel Hipotesis Alternatif (Ha) yang diajukan
bahwa ada satu di antara varians populasi yang tidak sama. Artinya, apabila ada satu dari varians
populasi tidak sama maka H0 ditolak (Yusri, 2016).
Sampel penelitian harus diambil secara acak mandiri (independent random sample) dari populasi
yang berdistribusi normal. Banyak anggota sampel harus sama (n1 = n2 = n3 = . . . = nk). setelah
terpenuhi hal itu dapat dilakukan uji statistik Fmaks, yaitu perbandingan antara varians sampel
terbesar ( ) dengan varians sampel terkecil ( ) dalam jumlah urutan varians sampel ( .
Fmaks = atau Fmaks =
Harga kritis untuk distribusi f dari tabel diambil pada taraf signifikasi α dengan derajat
kebebasan pembilang = k dan derajat kebebasan penyebut = n – 1, maka f tabel yang dibutuhkan
adalah F 1- α(k,n-1). Dengan ketentuan, apabila Fmaks hasil perhitungannya lebih kecil daripada F
tabel (F1- α(k,n-1)) maka H0 diterima berarti sampel yang diambil adalah berasal dari populasi yang
homogen ( ). Sebaliknya, apabila Fmaks hasil perhitungan lebih besar atau sama dengan F tabel
(F1- α(k,n-1)), maka H0 tidak dapat diterima berarti sampel yang diambil berasal dari populasi yang
tidak homogen (Yusri, 2013).
Contoh:
TABEL 2.3
PRODUKSI KARYAWAN DENGAN PERLAKUAN PENDEKATAN
INTERPERSONAL, KEMANDIRIAN, DAN PEMBERIAN MOTIVASI
Dari data tersebut, seorang peneliti ingin mengetahui apakah ada persamaan populasi asal sampel
data tentang produksi karyawan. Ujilah apakah ketiga data sampel itu berasal dari populasi yang
homogen?
Penyelesaian:
Terlebih dahulu dihitung besaran-besaran yang diperlukan dalam perhitungan varians sampel.
Hipotesis nol yang diajukan dalam studi ini adalah H0: . Hipotesis alternative yang diajukan
bahwa Ha:ada satu di antara varians populasi yang tidak sama.
Perhitungan varians sampel ( untuk semua data dalam Tabel 2.4 sebagai berikut:
v Untuk data pendekatan interpersonal (X1):
=
=
=
v Untuk data pendekatan kemandirian (X2):
=
=
= = 139,7763
v Untuk data pendekatan motivasi (X3):
=
=
=
Ketiga varians sampel hasil perhitungan tersebut ternyata varians terbesar adalah = 324,3494
dan varians terkecil = 139,7763, sehingga dapat dihitung uji Fmaks Hartley, yaitu:
Fmaks =
Nilai kritis untuk F dari tabel distribusi diambil pada taraf α = 0,05 dengan derajat kebebasan
pembilang = 3 dan derajat kebebasan penyebut = n – 1 = 34 – 1 = 33, maka F0,95(3,33) berada
antara F0,95(3,32) = 2,90 dan F0,95(3,34) = 2,88, maka F0,95(3,33) = 2,89. Ternyata Fmaks hasil
perhitungan lebih kecil daripada F tabel (Fmaks = 2,3205 < F0,95(3,33) = 2,89). Sesuai dengan
ketentuan, maka H0 dapat diterima dan berarti data sampel penelitian berasal dari populasi yang
homogeny. Dengan demikian, uji perbedaan rata-rata data tersebut dapat dilakukan dengan
analisis varians.

3. Uji Homogenitas dengan Uji Barlett

Dimisalkan, seorang peneliti telah memperoleh sejumlah k sampel yang diambil secara acak dari
sejumlah k populasi yang berdistribusi normal. Peneliti tersebut bermaksud untuk mengetahui
apakah varians populasi asal sampel itu homogeny atau tidak. Populasi tersebut mempunyai
sejumlah k varians, yaitu hipotesis nol yang diajukan H0: , dan dianalisis berdasarkan varians
sampel. Hipotesis Alternatif (Ha) yang diajukan bahwa ada satu di antara varians populasi yang
tidak sama. Artinya, apabila ada satu di antara varians populasi tidak sama maka H0 ditolak
(Yusri, 2013).
TABEL 2.4
BESARAN-BESARAN YANG DIPERLUKAN UNTUK UJI HOMOGENITAS DENGAN
UJI BARTLETT
 Untuk menguji homogenitas varians populasi itu akan digunakan harga varians sampel . Atas
varians sampel inilah diuji homogenitas varians populasi dengan Uji Bartlett. Berdasarkan tabel
di atas, dapat dihitung besaran-besaran yang dibutuhkan dalam uji homogenitas, yaitu:
v Varians gabungan dari semua sampel dengan rumus:
s2 =
v Harga satuan B dihitung dengan rumus:
B = (log s2) ∑(ni-1)
v Uji homogenitas dengan Uji Bartlett, ternyata digunakan statistic chi-kuadrat, yaitu:
x2 = (ln 10)
Ketentuan yang dipersyaratkan adalah, apabila x2 hasil perhitungan lebih kecil daripada harga
kritis x2 dalam tabel distribusi x2 pada taraf signifikasi α dengan derajat kebebasan = k maka
dapat diterima h0, sedangkan apabila sebaliknya, x2 hasil perhitungan lebih besar atau sama
dengan harga kritis x2 dalam tabel distribusi x2 pada taraf signifikasi α dengan derajat kebebasan
= k maka dapat ditolak H0 dan diterima Ha, yaitu ada minimal satu varians populasi yang tidak
sama.
Contoh:
Dengan memperhatikan Tabel 2. 3, hitunglah homogenitas varians populasi dengan
menggunakan uji Bartlett dan bandingkan dengan hasil yang diperoleh dari uji homogenitas
Hartley!
Penyelesaian:
Berdasarkan contoh dari tabel 2.3 telah diperoleh n1 = n2 = n3 = 34, dan = 324, 3494, 164, 5463.
Besaran-besaran ini dimasukkan ke dalam tabel 2. 5, sebagai berikut:
TABEL 2.5
BESARAN-BESARAN YANG DIPERLUKAN UNTUK UJI HOMOGENITAS DENGAN
UJI BARTLETT
Sampel ke Dk (dk) Log (dk)log
1 33 324,3494 10.703,5302 2,51101 82,86343
2 33 139,7763 4.612,6179 2,14543 70,79931
3 33 164,5463 5.430,0279 2,21629 73,13751
Jumlah 99 20.746,1760 226,80025
v Besar varians total sampel dapat dihitung, sebagai berikut:
 s2 = =
v Hitung satuan B, yaitu:
B = (log s2) ∑(ni-1)
B = (log 209,5573)(99)
B = 229,8080
v Selanjutnya perhitungan chi-kuadrat untuk menguji homogenitas varians populasi, sebagai
berikut:
x2 = (ln 10)
x2 = (2,3026)(229,8080 – 226,80035)
x2 = 6,9279
berdasarkan harga kritis x2 dari tabel distribusi harga kritis x2 pada taraf signifikasi α = 0,05
dengan derajat kebebasan = k =3 diperoleh = 7,815. Ternyata harga x2 hasil perhitungan lebih
kecil daripada harag dalam tabel (x2 = 6,9279 < = 7,815) maka H0 dapat diterima, berarti varian
populasi asal sampel penelitian adalah homogen ( ). Dengan demikian, dapat dilakukan analisis
lanjutan untuk data sampel tersebut, yaitu analisis varians untuk mengetahui perbedaan rata-rata
dari ketiga sampel tersebut.
Jika dibandingkan uji homogenitas antara Uji Bartlett dan Uji Hartley, maka ternyata kedua
uji itu menunjukkan hasil yang sama, yaitu sama-sama menyatakan sampel yang diambil berasal
dari populasi yang homogen ( ).

4. Uji Homogenitas dengan Uji Cochran

Pada suatu penelitian hanya dinyatakan dengan salah satu dari dua nilai, secara sembarang dapat
dinyatakan dengan nilai 1 sebagai “sukses” dan nilai 0 sebagai “gagal”. Reaksi yang lain dapat
berupa nilai 1 sebagai “ya” ataupun nilai 0 sebagai “tidak”.

Contoh:
jika anda menanyakan kepada 10 orang untuk diminta memilih dari tiga wanita, siapa yang ingin
mereka pacari; apakah pamella anderson, paris hilton, atau megan fox. Jika orang pertama
memilih paris hilton karena dia kaya, maka anda akan memberikan nilai 1 untuk paris hilton dan
nilai 0 untuk pamella ataupun megan fox, dan seterusnya pada orang yang lain.
Uji yang dikenal sebagai Q cochran test ini meliputi langkah-langkah sebagai berikut:
1. Menetapkan asumsi-asumsi
Data untuk analisis terdiri atas reaksi-reaksi dari r buah blok terhadap c buah perlakuan yang
diterapkan secara independen.
Reaksi-reaksi itu dinyatakan dengan 1 untuk “sukses” atau 0 untuk “gagal”. Hasil-hasil
pengamatan ini bisa diperagakan dalam sebuah tabel kotingensi seperti Tabel 4 dengan Xij yang
menyatakan 0 atau 1.
Tabel Kontingensi untuk data pada uji Q Cochran
Blok-blok yang ditampilkan merupakan blok-blok yang dipilih secara acak dari suatu populasi
yang terdiri atas semua blok yang mungkin.

2. Menentukan hipotesis-hipotesis

H0 : Semua perlakuan yang diuji mempunyai proporsi jawaban ya yang sama.

H1 : Tidak semua perlakuan mempunyai proporsi jawaban ya yang sama.

3. Menentukan Taraf Nyata (α)

4. Menghitung dengan rumus statistik uji

Berdasarkan Tabel 4, maka statistik uji untuk Uji Q Cochran adalah:

Uji Q Cochran memperlihatkan bahwa dengan meningkatnya r maka distribusi Q mendekati

distribusi Khi-kuadrat dengan derajat bebas c – 1, maka nilai kritis untuk Uji Q Cochran dapat
diperoleh dengan menggunakan Tabel nilai-nilai Khi Kuadrat untuk derajat bebas c – 1 ( χ2
tabel = χ2 1-α;c-1).

Tolak H0 , jika Q lebih besar dari atau sama dengan χ2 1-α;c-1.

 DAFTAR PUSTAKA

Soemantri, A., & Muhidin, S. A. (2006). Aplikasi Statistika Dalam Penelitian. Bandung: Pustaka
Setia.
Yusri. (2013). Statistika Sosial Aplikasi dan Interpretasi. Yogyakarta: Graha Ilmu.
Lampiran1
Lampiran 2
Lampiran 3