UJI NORMALITAS DAN UJI HOMOGENITAS

Makalah ini dibuat untuk memenuhi tugas mata kuliah Statistika Pendidikan

Dosen Pengampu : Devi Solehat, M.Pd

Disusun Oleh :
Kelompok II

Nabila Azka Hanifa (11170163000047)

Mumun Munaenah (11170163000065)
Ajizah Chory (11170163000071)
Nurfauziyah (11170163000072)

Kelas 6B

JURUSAN TADRIS FISIKA

FAKULTAS ILMU TARBIYAH DAN KEGURUAN
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2020
 Kata Pengantar

Segala puji bagi Allah SWT, Tuhan semesta alam yang senantiasa
melimpahkan nikmat, petunjuk, dan pertolongan-Nya, sehingga kami mampu
menyelesaikan makalah ini. Sholawat serta salam semoga selalu tercurahkan kepada
Nabi Muhammad SAW yang telah mengubah peradaban dunia, dari zaman
kebodohan hingga zaman yang terang benderang seperti saat sekarang ini yaitu
kemajuan ilmu pengetahuan dan teknologi.

Makalah berjudul “Uji Normalitas dan Uji Homogenitas” ditunjukan untuk

memenuhi tugas kelompok pada mata kuliah Statistika Pendidikan. Kami
mengucapkan terima kasih kepada Ibu Devi Solehat, M.Pd selaku dosen pengampu
pada mata kuliah Statistika Pendidikan atas bimbingannya dan semoga Allah
meridhoi ilmu yang kami dapatkan.

Adapun makalah ini jauh dari kata sempurna, kami mengharapkan kritik dan
saran dari pembaca yang membangun untuk memperbaiki penyusunan makalah
berikutnya. Kami berharap semoga makalah ini dapat memberikan manfaat kepada
kami dan juga bagi para pembaca sekalian.

Tangerang Selatan, 20 Maret 2020

Penyusun

ii
 Daftar Isi

Cover………………………………..…………………………………………………i
Kata Pengantar .......................................................................................................................... ii
Daftar Isi .................................................................................................................................. iii
BAB I PENDAHULUAN ......................................................................................................... 1
1.1 Latar Belakang Masalah ........................................................................................... 1
1.2 Rumusan Masalah ..................................................................................................... 1
1.3 Tujuan ....................................................................................................................... 1
BAB II PEMBAHASAN .......................................................................................................... 2
2.1 Uji Normalitas........................................................................................................... 2
2.1.1 Uji Lilliefors ..................................................................................................... 2
2.1.2 Titik Uji Normalitas dengan Chi-Square (X2) ................................................ 11
2.2 Uji Homogenitas ........................................................................................................... 14
2.2.1 Varians Terbesar Dibandingkan Varian Terkecil .................................................. 15
2.2.2 Varians Terkecil dibandingkan Varians Terbesar .................................................. 16
2.2.3 Uji Barlett .............................................................................................................. 17
2.2.4 Uji Homogenitas Variansi Dua Buah Peubah Bebas ............................................. 18
2.2.5 Uji Homogenitas Variansi Dua Buah Peubah Terikat ........................................... 19
BAB III PENUTUP ................................................................................................................ 22
3.1 Kesimpulan ............................................................................................................. 22
DAFTAR PUSTAKA ............................................................................................................. 23

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang Masalah

Statistik didefinisikan sebagai kumpulan data yang dapat berupa bilangan

maupun non bilangan yang dituangkan dalam tabel atau grafik untuk
menjelaskan suatu keadaan atau peristiwa. Sedangkan, statistika adalah ilmu
yang mempelajari bagaimana cara merencanakan, mengumpulkan,
menganalisis, dan menginterpretasikan data.

Dalam sebuah penelitian, terutama penelitian kuantitatif dapat dilakukan

analisis data dengan bantuan statistik. Secara umum semua statistik parametrik
berfungsi untuk menggeneralisasi hasil penelitian, yaitu pemberlakuan hasil
penelitian dalam populasi dengan menggunakan data sampel yang harus
memenuhi asumsi-asumsi.

Asumsi tersebut meliputi data sampel diambil secara acak dari populasi
dan data terdistribusi normal. Sedangkan asumsi-asumsi lainnya menyesuaikan
dengan teknik analisis data yang digunakan. Salah satu uji analisis yang sering
digunakan adalah uji normalitas dan uji homogenitas.

1.2 Rumusan Masalah

1. Apa yang dimaksud dengan uji normalitas?
2. Apa saja jenis-jenis dari uji normalitas dan bagaimana cara mengujinya?
3. Apa yang dimaksud dengan uji homogenitas?
4. Apa saja jenis-jenis dari uji homogenitas dan bagaimana cara mengujinya?

1.3 Tujuan
1. Memahami definisi dari uji normalitas
2. Mengetahui jenis-jenis dari uji normalitas dan cara pengujiannya
3. Memahami definisi dari uji homogenitas
4. Mengetahui jenis-jenis dari uji homogenitas dan cara pengujiannya

1
 BAB II
PEMBAHASAN
2.1 Uji Normalitas

Uji normalitas digunakan untuk mengetahui apakah data yang akan

diolah berasal dari sampel yang datanya distribusi normal. (Purwabtu, 2011:
156) mengemukakan bahwa “Dan sampel hanya dapat digeneralisasikan pada
populasi apabila mempunyai sifat normal sebagaimana populasinya”. Jika
penelitian yang dilakukan akan digeneralisasi dari sampel yang diambil kepada
populasi penelitian, maka perlu terlebih diketahui bahwa data distribusi
normal. Uji normalitas dilakukan sebelum mengolah data dengan teknik
korelasi Product Moment, Regresi, t-test, Anava, dan sebagainya. Teknik
menguji normalitas dapat digunakan beberapa macam, tergantung kepada
bentuk datanya, yaitu Uji Lilliefors jika jumlah datanya tidak terlalu banyak
dan berbentuk nilai tunggal. Jika data jumlahnya banyak dan disusun dengan
distribusi bergolong (kelas interval) maka digunakan teknik Chi Kuadrat.

2.1.1 Uji Lilliefors

Penggunaan uji Liliefors dilakukan jika data yang akan diuji

normalitasnya tidak terlalu banyak jumlahnya tidak terlalu banyak jumlahnya
dan tidak dikelompokkan dalam bentuk kelas interval. Langkah – langkah uji
Lillifors adalah sebagai berikut:
1) Urutkan data dari yang paling kecil sampai yang paling besar.
2) Hitung 𝑍𝑖 untuk setiap data menggunakan rumus:
𝑋 − 𝑋̅
𝑍𝑖 =
𝑆
Catatan;
𝑋 = Data yang dicari 𝑍𝑖 nya
𝑋̅ = Nilai Rata – rata dari sampel
𝑆 = Simpangan Baku

2
3) Hitung F(𝑍𝑖 ) untuk setiap data yang sudah dibakukan tersebut atau yang
sudah dihitung nilai 𝑍𝑖 dengan memedomani data distribusi normal baku
(lihat daftar yang biasanya ada pada lampiran buku statistik) dengan
ketentuan sebagai berikut:
a) Jika 𝑍𝑖 mempunyai bilangan yang bertanda negatif, lihat daftar
bilangan pada table 𝑍𝑖 yang terletak sejajar dengan nilai 𝑍𝑖 yang
akan dihitung 𝐹(𝑍𝑖 ) lalu hitung 0,5 dikurangi angka ditabel (𝑍𝑖 )
tersebut.
Catatan:
Nilai yang ditulis dengan 4 angka pada daftar tersebut adalah
bilangan nilai desimal (Bilangan dibelakang koma). Misalnya :
Jika nilai 𝑍𝑖 = -1, 65
Bilangan yang ada di tabel adalah 4505 berarti 0,4505
Jadi 𝐹(𝑍𝑖) = 0,5 − 0,4505 = 0,0495
b) Jika 𝑍𝑖 bertanda positif, maka 𝐹(𝑍𝑖 ) adalah 0,5 ditambah bilangan
dalam daftar yang sejajar dengan nilai 𝑍𝑖
misalnya: 𝑍𝑖 = 1,13
Bilangan dalam tabel adalah 3708 (= 0,3708)
𝐹(𝑍𝑖) = 0,5 + 0,3708 = 0,8708

4) Hitung 𝑆(𝑍𝑖) untuk setiap data dengan cara membagi nomor urut data
dengan jumlah data (sampel)
Contoh : ada 10 data dengan nilai:
1 11
2 12
3 14
4 17
5 20
6 20

3
 7 21
8 22
9 23
10 23

Maka 𝑆(𝑍𝑖 ) untuk data 1 (11) = 1/10 = 0,10

Untuk data 2 (12) = 2/10 = 0,20
Untuk data 3 (14) = 3/10 = 0,30
Untuk data 4 (17) = 4/10 = 0,40
Untuk data 5 (20) = 6/10 = 0,60
Untuk data 6 (20) = 6/10 = 0,60
Untuk data 7 (21) = 7/10 = 0,70
Untuk data 8 (22) = 8/10 = 0,80
Untuk data 9 (23) = 10/10 = 1,00
Untuk data 10 (23) = 10/10 = 1,00
Catatan: Jika 2 data mempunyai nilai yang sama maka 𝑆(𝑍𝑖) harus sama
untuk kedua data tersebut, yaitu digunakan nomor urut terakhir dari data
yang sama itu dibagi dengan n (jumlah sampel). Contoh data nomor 5
dan nomor 6 sama – sama 20, maka 𝑆(𝑍𝑖) untuk kedua data tersebut
adalah 6/10 = 0,60
5) Hitung selisih 𝐹(𝑧) dengan 𝑆(𝑍𝑖) untuk masing – masing data
Catatan: nilai 𝐹(𝑍𝑖) − 𝑆(𝑍𝑖) mempunyai harga mutlak yaitu tidak ada
tanda negatifnya.
6) Ambil bilangan yang paling besar dari selisih 𝐹(𝑍𝑖) dengan 𝑆(𝑍𝑖) sebagai
nilai Lilliefors dan bandingkan nilai 𝐿𝑡𝑎𝑏𝑒𝑙 sesuai dengan jumlah data.
Kalau nilai 𝐿ℎ𝑖𝑡𝑢𝑛𝑔 lebih besar dari nilai 𝐿𝑡𝑎𝑏𝑒𝑙 , berarti data tidak
normal dan jika 𝐿ℎ𝑖𝑡𝑢𝑛𝑔 lebih kecil dari nilai 𝐿𝑡𝑎𝑏𝑒𝑙 , berarti data
berdistribusi normal.

4
Nilai kritis yang tepat pada tabel Lilliefors hanya untuk data paling
banyak 30. Kalau n lebih besar dari 30 nilai kritis untuk 𝑎 = 0,05 adalah
0,886
( )
√𝑁

Contoh: Hasil penelitian terhadap 15 sampel adalah sebagai berikut:

20, 21, 23, 24, 25, 27, 27, 28, 29, 29, 31, 32, 33, 34, 36. Data akan diuji
apakah berasal dari populasi yang berdistribusi normal. Untuk dapat
menghitung 𝑍𝑖 , maka harus terlebih dahulu dihitung nilai rata –rata dan
standar deviasi dari data tersebut. Untuk menghitung nilai rata – rata dan
standar deviasi lihat kembali prosedur yang telah dibicarakan pada
bagian awal buku ini. Berdasarkan perhitungan nilai rata – rata dan
standar deviasi diperoleh nilai rata –rata = 27,93 dan simpangan baku
(standar deviasi) = 4,60.
Untuk memudahkan pekerjaan dalam menguji normalitas data
dengan uji Lilliefors ini sebaiknya digunakan tabel kerja, sehingga akan
terlihat prosedur kerja dalam kolom yang disususn sebagai berikut:

Tabel 1. Tabel Proses Pengujian Normalitas Dengan Menggunakan Uji

Lillifors
No 𝑿𝒊 𝒁𝒊 𝑭(𝒁𝒊 ) 𝑺(𝒁𝒊 ) {𝑭(𝒁𝒊 ) − 𝑺(𝒁𝒊 )}
1 20 -1,72 0,0427 0,0667 0,0240
2 21 -1,51 0,0655 0,1333 0,0678
3 23 -1,07 0,1423 0,2000 0,0577
4 24 -0,85 0,1977 0,2667 0,0690
5 25 -0,64 0,2611 0,3333 0,0722
6 27 -0,20 0,4207 0,4667 0,0460
7 27 -0,20 0,4207 0,4667 0,0460
8 28 0,02 0,5080 0,5333 0,0253

5
 9 29 0,23 0,5910 0,6667 0,0757
10 29 0,23 0,5910 0,6667 0,0757
11 31 0,67 0,7486 0,7333 0,0153
12 32 0,88 0,8106 0,8000 0,0106
13 33 1,10 0,8643 0,8667 0,0024
14 34 1,32 0,9066 0,9333 0,0267
15 36 1,75 0,9599 1 0,0401

Berdasarkan hasil perhitungan Nilai 𝐹(𝑍𝑖) − 𝑆(𝑍𝑖) terbesar sebagai

hasil perhitungan Lilliefors adalah 0,0757. Hasil perhitungan ini
dibandingkan dengan tabel nilai kritis Lilliefors yang terdapat pada
lampiran. Pada tabel nilai kritis Lilliefors sesuai dengan banyak sampel (n)
yaitu = 15 maka nilai kritis Lilliefors dalam daftar tabel = 0,220 untuk a =
0,05. Jadi 𝐿ℎ𝑖𝑡𝑢𝑛𝑔 < 𝐿𝑡𝑎𝑏𝑒𝑙 yaitu 0,0757 < 0,220. Dengan demikian dapat
disimpulkan bahwa data berasal dari populasi yang berdistribusi normal.

Pengujian normalitas dengan menggunakan uji Lilliefors ini dilakukan

jika data yang dimiliki adalah data interval yang tidak disusun dalam bentuk
kelas interval, dan biasanya jumlah datanya tidak terlalu banyak.1
Sedangkan menurut (Kadir, 2015 : 147) dijelaskan dalam buku statistika
terapan bahwa uji normalitas data dengan uji lilliefors dan ada pula uji
normalitas data galat dengan uji Lilliefors.

A. Uji Normalitas Data dengan Uji Lilliefors

Uji kenormalan dengan uji Lilliefors menggunakan konsep statistika non

parametrik. Misalkan kita mempunyai sampel acak dengan hasil pengamatan
𝑋1 , 𝑋2 , … 𝑥𝑛 . Berdasarkan sampel ini akan diuji hipotesis nihil (𝐻0 ) bahwa
sampel tersebut berasal dari populasi berdistribusi normal melawan hipotesis

1
Syafril, Statistik Pendidikan. (Jakarta: Kencana 2019), hal. 177-180.

6
alternatif (𝐻1 ) bahwa populuasi yang berdistribusi tidak normal. Untuk
pengujian hipotesis nihil tersebut kita tempuh dengan prosedur berikut.

1) Pengatan 𝑥1 , 𝑥2 , … 𝑥𝑛 ditransformasi ke skor baku 𝑧1 , 𝑧2 , … 𝑧𝑛 dengan

𝑥1 −𝑥̅
menggunakan rumus = , di mana 𝑥̅ dan s masing – masing
𝑠

merupakan rata – rata dan standar deviasi sampel.

2) Untuk tiap bilangan baku ini dan menggunakan daftar distribusi normal
baku, kemudian dihitung peluang F (zi) = P (𝑧 < 𝑧𝑖).
3) Selanjutnya dihitung proporsi skor 𝑧1 , 𝑧2 , … 𝑧𝑛 yang lebih kecil atau sama
dengan 𝑧𝑖. Jika proporsi ini dinyatakan oleh S(𝑧𝑖), maka
𝑏𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑧1 ,𝑧2 ,…𝑧𝑛 𝑦𝑎𝑛𝑔 ≤ 𝑧1
S(𝑧𝑖) = 𝑛

4) Hitunglah selisih F(𝑧𝑖) − S(𝑧𝑖) kemudian tentukan harga mutlaknya.

5) Ambil harga yang paling besar diantara harga – harga mutlak selisih
tersebut. Sebutlah harga terbesar ini 𝐿0 .

Untuk menerima atau menolak hipotesis nol, nilai 𝐿0 dibandingkan

nilai kritis L yang diambil daftar berikut untuk taraf nyata 𝛼 yang dipilih.
Kriterianya adalah tolak hipotesis nol bahwa populasi berdistribusi tak
normal jika 𝐿0 yang diperoleh dari data pengamatan melebihi L kritis yang
diperoleh dari daftar. Dalam hal lainnya hipotesis nol diterima atau data
berdistribusi normal.

Tabel 2. Nilai kritis untuk Uji Lilliefors

Ukuran Taraf Nyata (a)

Sampel (n) 0,01 0,05 0,10 0,15 0,20
9 0,311 0,271 0,249 0,233 0,223
10 0,294 0,258 0,239 0,224 0,215
11 0,284 0,249 0,230 0,217 0,206
12 0,275 0,242 0,223 0,212 0,199
13 0,268 0,234 0,214 0,202 0,190

7
 14 0,261 0,227 0,207 0,194 0,183
15 0,257 0,220 0,201 0,187 0,177
16 0,250 0,213 0,195 0,182 0,173
17 0,245 0,206 0,289 0,177 0,169
18 0,239 0,200 0,184 0,173 0,166
19 0,235 0,195 0,179 0,169 0,163
20 0,231 0,190 0,174 0,166 0,160
25 0,200 0,173 0,158 0,147 0,142
30 0,187 0,161 0,144 0,136 0,131
n > 30 1,031 0,886 0,805 0,768 0,736
√𝑛 √𝑛 √𝑛 √𝑛 √𝑛

Perhitungan uji normalitas untuk sampel berukuran 30 responden dengan

menggunakan uji Lilliefors disajikan pada table berikut.

Tabel 3. Perhitungan Uji Normalitas Dengan Lilliefors

𝒙𝟏 𝒇𝟏 𝒛𝟏 F(𝒛𝟏 ) S(𝒛𝟏 ) |F(𝒛𝟏 ) − 𝐒(𝒛𝟏 )|

67 1 -2.0743 0,0190 0.0333 0.0143
70 1 -1.5470 0.0609 0.0667 0.0058
71 3 -1.3712 0.0852 0.1667 0.0815
72 1 -1.1954 0.1160 0.2000 0.0840
74 2 -0.8438 0.1994 0.2667 0.0673
76 3 -0.4922 0.3113 0.3667 0.0554
77 1 -0.3164 0.3758 0.4000 0.0242
78 2 -0.1406 0.4441 0.4667 0.0226
79 1 0.0352 0.5140 0.5000 0.0140
81 6 0.3867 0.6505 0.7000 0.0495
83 2 0.7383 0.7698 0.7667 0.0031
84 2 0,9141 0.8197 0.8333 0.0136

8
 85 2 1.8099 0.8621 0.9000 0.0379
87 1 1.4415 0.9253 0.9333 0.0080
88 1 1.6173 0.9471 0.9667 0.0196
89 1 1.7931 0.9635 1.0000 0.0365

Keterangan:

Rata – rata 𝑥̅ = 78,8

Standar Deviasi (s) = 5,689

𝑥𝑖 −𝑥̅
Kolom 3 diperoleh dengan menggunakan rumus = . Misalnya untuk data
𝑠

(𝑥𝑖 ) = 67

67−78,8
Maka = = −2,0743
5,689

Kolom 4 diperoleh dari daftar distribusi normal untuk setiap nilai 𝑧𝑖 (atau pada
sheet Microsoft Excel dengan menekan = NORMSDIST pada sheet excel
untuk setiap 𝑧1 , kemudian kolom 5 adalah 1/n, misalnya data ke-1 atau 1/30 =
0,0333

Dari tabel di atas diperoleh L0 = 0.0840. Sedangkan dari table

lilliefors pada 𝛼 = 0.05 (n = 30) diperoleh L-tabel = 0,161. Hal ini berarti
harga 𝐿0 < L-Tabel. Dengan demikian 𝐻0 diterima atau data sampel berasal
dari populasi berdistribusi normal.

B. Uji Normalitas Data Galat Taksiran dengan Uji Lilliefors

Uji normalitas galat taksiran digunakan sebagai persyaratan dalam

analisis regresi. Galat taksiran didefinisikan sebagai 𝑌𝑖 − 𝑌̂ = 𝜀. Contoh :
Misalkan variabel kompetensi (x) dan variabel kinerja (Y). hasil Perhitungan
disajikan pada tabel berikut :

9
 Tabel 4. Perhitungan Uji Normalitas Galat Taksiran
𝒀𝟏 |𝑭(𝒛𝟏 )
No x 𝒀𝟏 ̂
𝒀 Galat 𝒛𝟏 𝑭(𝒛𝟏 ) 𝑺(𝒛𝟏 )
̂
−𝒀 − 𝑺(𝒛𝟏 )|
1 60 75 73,20 1,798 -3,202 -1,59 0,056 0,100 0,044
2 60 70 73,20 -3,202 -2,242 -1,11 0,133 0,200 0,067
3 72 78 79,68 -1,682 -1,682 -0,83 0,203 0,300 0,097
4 72 80 79,68 -0,318 -0,829 -0,40 0,343 0,400 0,057
5 74 82 80,76 1,238 -0,495 -0,24 0,406 0,500 0,094
6 74 83 80,76 2,238 0,318 0,17 0,567 0,600 0,033
7 80 87 84,00 2,665 1,238 0,63 0,735 0,700 0,035
8 84 86 86,16 -0,495 1,798 0,91 0,818 0,800 0,018
9 84 85 86,16 -0,829 2,238 1,13 0,870 0,900 0,030
10 86 85 87,24 -2,242 2,665 1,34 0,910 1,000 0,090

Keterangan:
Kolom ke – 3 adalah persamaan regresi 𝑌̂ = 𝑎 + 𝑏𝑋 dimana:
∑ 𝑥𝑦
𝑏= ∑ 𝑥2
dan 𝛼 = 𝑌̅ − 𝑏 𝑋

Untuk ∑ 𝑋 = ∑ 𝑋 2 = 56428, 𝑋̅1 = 74,60

∑ 𝑌 = 811, ∑ 𝑌 2 = 66037, ∑ 𝑋𝑌 = 60920, 𝑌̅ = 81,10
(∑ 𝑋)(∑ 𝑌) (746)(811)
∑ 𝑥𝑦 = ∑ 𝑋𝑌 − = 60920 − = 419,40
𝑛 10
(∑ 𝑋)2 (746)2
∑ 𝑥2 = ∑ 𝑋2 − = 56428 − = 776,40
𝑛 10
(∑ 𝑌)2 (811)2
∑ 𝑦 2 = ∑ 𝑌2 − = 66037 − = 264,90
𝑛 10
419,40
𝑏 = 776,40 = 0,540 dan 𝑎 = 81,10 − (0,540)(74,60) = 40,802

Sehingga kolom ke–4 berisi, persamaan regresi Y atas X, yaitu 𝑌̂ = 40,802 +

0,54 𝑋 misalkan untuk baris pertama X= 60 dan 𝑌̂ = 40,802 + 0,54(60) =
73,20. Selanjutnya kolom ke – 5 diperoleh dari 𝑌𝑖 − 𝑌̂, sehingga untuk 𝑌𝑖 = 75
maka 𝑌𝑖 − 𝑌̂ = 75 − 73, 20 = 1,798. Kolom ke – 6 yaitu galat adalah kolom
ke – 5 setelah diurutkan dari kecil kebesar. Kolom ke – 7 adalah harga z setiap

10
 𝑋𝑖(𝑔𝑎𝑙𝑎𝑡) −𝑋̅(𝑔𝑎𝑙𝑎𝑡)
data kolom ke – 6, yaitu 𝑍𝑔𝑎𝑙𝑎𝑡 = , untuk 𝑧𝑖(𝑔𝑎𝑙𝑎𝑡) = −3,202,
𝑆(𝑔𝑎𝑙𝑎𝑡)

diperoleh sekor baku dan deviasi baku berikut:

𝑋̅(𝑔𝑎𝑙𝑎𝑡) = −0,0193, 𝑆(𝑔𝑎𝑙𝑎𝑡) = 2,0003 diperoleh 𝑍𝑔𝑎𝑙𝑎𝑡 = −1,59. Nilai
𝐹(𝑧1 ) kolom ke – 8 diperoleh dari daftar distribusi normal untuk setiap nilai
𝑧𝑖 (atau pada sheet Microsoft Excel dengan menekan = NORMSDIST),
Kemudian 𝑆(𝑧𝑖 ) kolom ke – 9 adalah 1/n atau untuk baris pertama 1/10 =
0,100. Selanjutnya baris ke – 10 adalah nilai maksimum dari harga mutlak
selisih 𝐹(𝑧𝑖 ) dan 𝑆(𝑧𝑖 ). Dari hasil analisis diatas diperoleh L0 = 0,097 < L-
tabel =0,258 (𝑎 = 0,05 dan n = 10). Dengan demikian 𝐻0 Diterima atau data
galat taksiran berasal dari populasi distribusi normal. 2

2.1.2 Titik Uji Normalitas dengan Chi-Square (X2)

Pengujian normalitas data hasil penelitian dengan menggunakan chi-square,

dilakukan dengan langkah langkah sebagai berikut.

a. Perumusan hipotesis.

Ho : Sampel berasal dari populasi berdistribusi normal

H1 : sampel berasal dari populasi berdistribusi tidak normal

b. Data dikelompokkan ke dalam distribusi frekuensi.

c. Menentukan proporsi ke-j (pj)

d. Menentukan 100 PJ yaitu persentase luas interval ke-j dari suatu distribusi
normal melalui transformasi ke skor baku
𝑋1 − 𝑋̅
𝑧1 =
𝑆𝐷

e. Menghitung nilai 𝑥 2 hitung melalui rumus sebagai berikut.

2
Kadir, Statistik Terapan : Konsep, Contoh dan Analisis Data dengan Program SPSS (Jakarta :
Rajawali. 2015) Hal.144-147

11
 2
𝑛 (𝑃𝑗 − 100𝑃𝑗)2
𝑋 = ∑
100 100𝑃𝑗
2
f. Menentukan 𝑥𝑡𝑎𝑏𝑙𝑒 pada derajat bebas = k - 3 di manakah banyaknya
kelompok.
g. Kriteria pengujian
2
Jika 𝑥 2 ≤ 𝑥𝑡𝑎𝑏𝑙𝑒 maka Ho diterima
2
Jika 𝑥 2 > 𝑥𝑡𝑎𝑏𝑙𝑒 maka Ho ditolak
h. Kesimpulan
2
𝑥 2 ≤ 𝑥𝑡𝑎𝑏𝑙𝑒 Sampel berasal dari populasi berdistribusi normal
2
𝑥 2 > 𝑥𝑡𝑎𝑏𝑙𝑒 Sampel berasal dari populasi berdistribusi tidak normal

Contoh : Perhitungan uji normalitas 150 skor hasil ujian statistika dengan
menggunakan chi-square sebagai berikut.

Tabel 5. Perhitungan uji normalitas

(𝐏𝐣 − 𝟏𝟎𝟎𝐏𝐣)𝟐
Skor F1 Pj 100Pj Pj- 100Pj
𝟏𝟎𝟎𝐏𝐣
60-64 5 3 2,59 0,41 0,0649
65-69 15 10 9,31 0,69 0,0511
70-74 25 17 20,51 -3,52 0,6038
75-79 50 33 27,77 5,23 0,9849
80-84 30 20 23,07 -3,07 0.4085
85-89 18 12 11,77 0,23 0,0045
90-94 7 5 3,68 1,32 0,4734
jumlah 150 100 - - 2,5911

Keterangan:

Rata-rata = 77, 6 dan std = 7,01. Kolom 𝑝𝑗 diperoleh dari f1/150x100 misalnya f1
= 25, maka 𝑝𝑗 = (25/150)x100 = 17 misalkan 100P interval (60 – 64) batas-
batasnya 59,5 dan 64,5 sehingga diperoleh Z1 = -2,58 dan Z2 = -187 luas daerah

12
 antara Z1 dan Z2 yang dibatasi oleh 0,049 dan 0,038 adalah (0,049 − 0,038) = 0,
0259 sehingga 100P = 100X0,0,259 = 2,59.

2
𝑛 (𝑃𝑗 − 100𝑃𝑗)2 150
𝑋 = ∑ ⇔ 𝑋2 = ( 2,59) = 3,885
100 100𝑃𝑗 100

2 2
Bandingkan dengan 𝑥 2 untuk db = n-3=7-3=4, sehingga 𝑥𝑡𝑎𝑏 = 𝑥(0,05)(0.4)
diterima dengan demikian populasi skor berdistribusi normal.

Cara II: Menghitung normalitas uji Chi-square

Tabel 6. Perhitungan Uji Normalitas

Limit Proporsi Frekuensi (𝐟𝐨 − 𝐟𝐞)𝟐

f1 Z f0
Atas Kumulatif Kumulsatif 𝐟𝐞
64,5 5 -1,87 0,0308 5 5 0,0000
69,5 15 -1,16 0,1239 19 14 0,0714
74,5 25 -0,04 0,3292 49 30 0,8333
79,5 50 0,27 0,6068 91 42 1,5238
84,5 30 0,89 0,8375 126 35 0.7143
89,5 18 1,70 0,9552 143 17 0,0588
94,5 7 2,41 0,9920 149 6 0,1667
Jumlah 150 3,2016

Keterangan:

Kolam 3, misalnya untuk X1 = 64, 5 maka harga Z diperoleh dari 64, 5 −77, 6 / 7,01
= -1,87. kolom 4, adalah proporsi kumulatif yaitu luas dari Z pada Microsoft Excel
diperoleh dengan cara menekan sama dengan NORMDIST untuk setiap nilai kolom
Z1 titik kolom 5 = kolom 4 dikali 150, misalnya 0,0308x150 = 5 nilai fe di kolom 6
ditentukan dengan cara mengurangkan frekuensi kumulatif kelas di atas dengan kelas
(𝐟𝐨− 𝐟𝐞)𝟐
di bawahnya sehingga diperoleh 𝑥2 ∑ = 3,2016 Bandingkan dengan 𝑥 2
𝐟𝐞
2 2
untuk db = n-3 = 7-3 = 4 atau 𝑥𝑡𝑎𝑏 = 𝑥(0,05)(0.4) = 9,49 Diterima. Dengan cara
demikian populasi skor berdistribusi normal

13
Cara III : Menghitung normalitas dengan uji kecocokan Chi-square

Tabel 7. Perhitungan Uji Normalitas

Luas
Batas (𝐟𝐨 − 𝐟𝐞)𝟐
z1 F(x) kelas fe f0
kelas 𝐟𝐞
interval
59,5 -2,59 0,0049 - - - -
64,5 -1,87 0,0308 2,59 0,0259 5 0, 3167
69,5 -1,16 0,1239 9,31 0,0931 15 0,0759
74,5 -0,04 0,3292 20,51 0,2053 25 1,0922
79,5 0,27 0,6068 27,77 0,2776 50 1,6784
84,5 0,89 0,8375 23,07 0,2307 30 0,6141
89,5 1,70 0,9552 11,77 0,1177 18 0,0065
94,5 2,41 0,9920 3,68 0,0368 7 0,3968
Jumlah 150 150 4,1806

Keterangan

Rata-rata = 77,6 dan std = kolom 7,01, 3 yaitu F(z) adalah luas daerah dari
harga z1 (pada sheet Microsoft Excel dengan menekan NORMSDIST untuk
setiap nilai kolom Z1), kolom 4 diperoleh dari selisih F(z) yang berikutnya
dengan F(z) yang mendahuluinya. kolom 5 diperoleh dari kolom F(z)x150,
(𝐟𝐨− 𝐟𝐞)𝟐
misalnya0,0259x150=3,89 sehingga diperoleh𝑥 2 ∑ = 4,1806
𝐟𝐞

2.2 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. Uji homogenitas bertujuan untuk
mencari tahu apakah dari beberapa kelompok data penelitian memiliki varians
yang sama atau tidak. Dengan kata lain, homogenitas berarti bahwa himpunan
data yang kita teliti memiliki karakteristik yang sama. Dengan kata lain,
homogenitas berarti bahwa himpunan data yang kita teliti memiliki karakteristik
yang sama. Pengujian homogenitas juga dimaksudkan untuk memberikan

14
 keyakinan bahwa sekumpulan data yang dimanipulasi dalam serangkaian analisis
memang berasal dari populasi yang tidak jauh berbeda keragamannya. Sebagai
contoh, jika kita ingin menenliti sebuah permasalahan misalnya mengukur
pemahaman siswa untuk suatu sub materi dalam pelajaran tertentu di sekolah
yang dimaksudkan homogen bisa berarti bahwa kelompok data yang kita jadikan
sampel pada penelitian memiliki karakteristik yang sama, misalnya berasal dari
tingkat kelas yang sama.3
Uji kesamaan dua varians digunakan untuk menguji apakah kedua data
tersebut homogen yaitu dengan membandingkan kedua variansnya. Jika kedua
varians sama besarnya., maka uji homogenitas tidak perlu dilakukan lagi karena
datanya suda dianggap homogen. Namun untuk varians yang tidak sama besar
nya, perlu diadakan pengujian homogenitas melalui uji kesamaan dua varians
ini.4
Persayaratan agar pengujian homogenitas dapat dilakukan ialah apabila
kedua datanya tela terbukti berdistribusi normal.
Cara Pengujian Homogenitas
Pengujian Homogenitas ada tiga cara yaitu :
a. Varians terbesar dibandingkan varians terkecil.
b. Varians terkecil dibandingkan varians terbesar.
c. Uji Bartlett (untuk lebih dari 2 dari kelompok).5

2.2.1 Varians Terbesar Dibandingkan Varian Terkecil

Langkah-langkahnya sebagai berikut :

1) Tulis Ha dan HO dalam bentuk kalimat.
2) Tulis Ha dan HO dalam bentuk statistik.

3
Yulingga Nanda Hanief dan Wasis Himawanto, Statistik Pendidikan (Yogyakarta :
deepublish, 2017),Hal 58.
4
Husaini Usman dan Purnomo S. Akbar, Pengantar Statistika, (Yogyakarta : PT Bumi Aksara,
2006), hlm. 133.
5
Ibid.

15
 3) Cara FHitun dengan menggunakan rumus :

𝑉𝑎𝑟𝑖𝑎𝑛𝑠 𝑇𝑒𝑟𝑏𝑒𝑠𝑎𝑟
𝐹=
𝑉𝑎𝑟𝑖𝑎𝑛𝑠 𝑇𝑒𝑟𝑘𝑟𝑐𝑖𝑙

4) Tetapkan taraf sinifikasi (α)

5) Hitung Ftabel denan rumus :
𝐹𝑡𝑎𝑏𝑒𝑙 = 𝐹 1 (𝑑𝑘 𝑉𝑎𝑟𝑖𝑎𝑛𝑠 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟−1,𝑑𝑘 𝑣𝑎𝑟𝑖𝑎𝑛𝑠 𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙−1)
2𝛼

Dengan menggukan table F didapat Ftabel

6) Tentukan kriteria pengujian H0 yaitu :
Jika Fhitung ≤ Ftabel, Maka H0 diterima (homogen).
7) Bandingkan Fhitung dengan Ftabel
8) Buatalah kesimpulannya.6

2.2.2 Varians Terkecil dibandingkan Varians Terbesar

Langkah-Langkahnya : untuk langkah 1 sampai 5 seperti diatas, tetapi

untuk langka 3 = Fhitung semuala langkah 5= Ftabel semula . Kemudian lanjutkan
dengan langkah 6 dan seterusnya sebagai berikut :
1. Cari Fhitung kali unruk langkah 3 dengan rumus :

𝑉𝑎𝑟𝑖𝑎𝑛𝑠 𝑇𝑒𝑟𝑏𝑒𝑠𝑎𝑟
𝐹𝑘𝑖𝑛𝑖 =
𝑉𝑎𝑟𝑖𝑎𝑛𝑠 𝑇𝑒𝑟𝑘𝑟𝑐𝑖𝑙

2. Cari Ftabel kanan dengan rumus :

𝐹𝑡𝑎𝑏𝑒𝑙 = 𝐹 1 (𝑑𝑘 𝑉𝑎𝑟𝑖𝑎𝑛𝑠 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟−1,𝑑𝑘 𝑣𝑎𝑟𝑖𝑎𝑛𝑠 𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙−1)
2𝛼

Dengan menggunakan table F didapat nilai Ftabel kanan . Nilai ini selanjutnya
sebagai nilai maksimal.
3. Cari Ftabel kiri dengan rumus :
𝐹𝑡𝑎𝑏𝑒𝑙 𝑘𝑎𝑛𝑎𝑛 = 𝐹(1−𝛼) (𝑑𝑘 𝑉𝑎𝑟𝑖𝑎𝑛𝑠 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟 1, 𝑑𝑘 𝑣𝑎𝑟𝑖𝑎𝑛𝑠 𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙 − 1)

Atau
6
Ibid.,hlm.134

16
 1
Ftabel kanan = 𝐹
𝑡𝑎𝑏𝑒𝑙 𝑠𝑒𝑚𝑢𝑙𝑎

4. Tentukan kriteria pengujiannya yaitu :

Jika - Ftabel kiri ≤ Fhitung kiri ≤+ Ftabel kana, maka H0 diterima (Homogen).
5. Bandingkan nilai Ftabel kiri, Fhitung kiri, Ftabel kanan
6. Buatlah kesimpulannya.7

2.2.3 Uji Barlett

Uji Barlett digunakan apabila pengujaian homogenitas dilakukan

terhadap tiga variansi atau lebih. Langkah-langkahnya adalah sebagai
berikut :

1) Tulis Ha dan H0 dalam bentuk kalimat.

2) Tulis Ha dan H0 dalam bentuk Statistik
3) Buatlah tabel penlong untuk Uji Bartlett

Tabel 5. Tabel Penolong Uji Barlett

Kelompok 𝟏
Dk 𝒔𝟐𝟏 𝐥𝐨𝐠 𝒔𝟐𝟐𝟏 𝐝𝐤 𝐥𝐨𝐠 𝒔𝟐𝟐𝟏
Ke : 𝒅𝒌
1
1. 𝑛1 − 1 2
𝑠21 2
log 𝑠21 2
dk log 𝑠21
𝑛1 − 1
1
2. 𝑛2 − 1 2
𝑠22
𝑛2 − 1 2
log 𝑠22 2
dk log 𝑠22
1
3. 𝑛3 − 1 2
𝑠23 2
log 𝑠23 2
𝑑𝑘 log 𝑠23
𝑛3 − 1
1
k. 𝑛𝑘 − 1 2
𝑠2𝑘 2
log 𝑠23 2
dk log 𝑠23
𝑛𝑘 − 1
1
∑ (n1-1) 2
dk log 𝑠21
𝑛1 − 1

7
Ibid.,135

17
 4) Hitung s2 dengan menggunakan rumus
∑(𝑛1 − 1 )𝑠𝑖2
𝑠2 =
∑(𝑛1 − 1)

5) Hitung log 𝑠 2
6) Hitug B dengan rumus
B = (log 𝑠 2 )∑(𝑛1 − 1)

2
7) Cari 𝜒ℎ𝑖𝑡𝑢𝑛𝑔 denagn rumus
2
𝜒ℎ𝑖𝑡𝑢𝑛𝑔 = (2,3026)𝐵−)∑(𝑛1 − 1) log 𝑠12
8) Terapkan taraf signifikansi (α)
2
9) Cari 𝜒𝑡𝑎𝑏𝑒𝑙 dengan rumus

2 2
𝜒𝑡𝑎𝑏𝑒𝑙 = 𝜒(1−𝛼)(𝑑𝑘)

Dimana 𝑑𝑘 = banyaknya kelompok -1

2
Dengan menggunakan tabel𝜒 2 𝑑𝑖𝑑𝑎𝑝𝑎𝑡 𝜒𝑡𝑎𝑏𝑒𝑙

2 2
10) Bandingkan 𝜒𝑡𝑎𝑏𝑒𝑙 𝑑𝑒𝑛𝑔𝑎𝑛 𝜒ℎ𝑖𝑡𝑢𝑛𝑔
11) Buatlah kesimpulannya.8

2.2.4 Uji Homogenitas Variansi Dua Buah Peubah Bebas

Andaikan kita ingin mengetahui apakah penilaian yang erupa skor-

skor ujian semesteran yang dilakukan oleh dosen ilmu eksak lebih bervariasi
daripada yang dilakukan oleh dosen non-eksak. Untuk pengujian ini kita
ambil n1=100 buah skor ujian dalam ilmu eksak secara acak dari populasi
yang berdistribusi normal yang rerata dan variansi populasinya berturut-turut

8
Ibid.,137

18
 𝜇1 𝑑𝑎𝑟𝑖 𝜎12 . Hal lain yang diketahui dari data ini, andaikan deviasi bakunya
s1= 6,5.

Kemudian kita ambil juga n2 = 120 buah skor ujian dalam ilmu non-
eksak secara acak dari populasinya yang berdistribusi normal yang rerata dan
variansi populasinya berturut-turut 𝜇2 𝑑𝑎𝑟𝑖 𝜎22 . Andaikan diketahui pula
deviasi baku sampel dari kelompok kedua ini s2 = 5,2.

Hipotesis yang akan diuji adalah:

𝐻0 ∶ 𝜎12 = 𝜎22

𝐻𝐴 ∶ 𝜎12 ≠ 𝜎22

Dan tes statistiknya adalah

2
𝑆𝑏𝑒𝑠𝑎𝑟 𝑆𝑏2
𝐹= 2 = … … … (1)
𝑆𝑘𝑒𝑐𝑖𝑙 𝑆𝑘2

Tes statistic ini didasarkan kepada tes sepihak. Bila 𝐻0 itu benar, maka
𝑆2
distribusi sampel dari 𝐹 = 𝑆𝑏2 itu berdistribusi F dengan 𝑑𝑘1 = (𝑛1 − 1) dan
𝑘
𝑑𝑘2 = (𝑛2 − 1).

Untuk data di atas,

𝑆𝑏2 6,52 42,25

𝐹= = = = 1,5625
𝑆𝑘2 5,22 27,04

Ftabel pada tahap keberatian 𝛼 = 0,01 dengan derajat kebebasan 𝑑𝑘1 = 99 dan
𝑑𝑘2 = 119 adalah Ftabel = 1,54. Karena Fhitung = 1,5625 lebih besar dari Ftabel,
maka hipotesis nol ditolak. Jadi, kedua buah distribusi populasi itu
penyebarannya berbeda secara berarti pada tahap keberartian 0,01.9

2.2.5 Uji Homogenitas Variansi Dua Buah Peubah Terikat

Pada pengujian variansi di atas, peubah-peubahnya bebas. Skor ujian

semester yang diberikan oleh dosen eksak dalam kuliahnya tidak ada
hubungannya dengan yang diberikan oleh dosen non eksak dalam mata

9
Ruseffendi, E.T. Statistika dasar untuk penelitian pendidikan. (Bandung: IKIP Bandung
Press.1998) Hal. 295-296.

19
kuliahnya. Dalam banyak hal. Kedua peubah bisa terikat atau bergantungan,
misalnya: skor pretest dan skor postest sekelompok siswa dalam pelajaran
tertentu, skor dua pelajaran yang berbeda yang diajarkan dan penilaiannya
diberikan oleh seorang guru dan skor pelajaran-pelajaran yang berkaitan
(antara matematika dan fisika misalnya) dari sekelompok siswa.

Diakui, kadang-kadang sukar dipastikan apakah kedua kelompok skor

itu bebas atau bergantungan, misalnya skor satu mata ujian yang diperoleh
dua kelompok siswa pada suatu ujian, EBTA misalnya. Bila di antara mereka
itu ada kerja sama, kedua kelompok skor itu bisa terikat. Untuk lebih helasnya
perhatikan soal berikut

Andaikan dari suatu populasi skor pelajaran matematika yang

berdistribusi normal diambil secara acak 120 siswa. Distribusi populasi itu
andaikan reratanya 𝜇1 dan variansnya 𝜎12 . Dari 120 orang siswa itu skor IPA
nya juga dilihat. Andaikan skor IPA pun berdistribusi normal dengan rerata 𝜇2
dan variansnya 𝜎22 . Andaikan pula deviasi skor matematika dan IPA itu
berturut-turut s1= 12,6 dan s2= 10,3. Sedangkan koefisien korelasi antara
kedua kelompok skor itu r12 = 0,6. Pertanyaannya ialah selidiki apakah kedua
distribusi populasi itu variansnya sama atau berbeda.

Kedua peubah itu (skor matematika dan skor IPA) besar

kemungkinannya adalah dua buah peubah terikat, sebab terkecuali bila soal-
soalnya berbentuk objektif, penilaian gurunya pun akan terpengaruh oleh
persepsinya terhadap kemampuan siswa secara perseorangan. Juga skor
seorang siswa dalam IPA dan matematika itu bisa bergantungan. Semuanya
itu ditunjukkan oleh diketahuinya r12 = 0,6.10

Tes statistik untuk homogenitas dua peubah terikat adalah sebagao

berikut.

𝑠12 . 𝑠22
𝑡=
2
2𝑠1 𝑠2 √(1 − 𝑟12 )𝑑𝑘

𝐻0 ∶ 𝜎12 = 𝜎22

𝐻𝐴 ∶ 𝜎12 ≠ 𝜎22

10
Ibid, 296

20
 Jika H0 itu benar, maka distibusi sampel t di atas itu berdistribusi-t
dengan derajat kebebasan 𝑑𝑘 = (𝑛 − 2).

Untuk data di atas,

12,62 . 10,32 52,67

𝑡= = = 2,7553
19,1155
2(12,6(10,3)√(1 − 0,62 )/118

Karena thitung = 2,7553 lebih besar dari ttabel = 2,617. Maka pada tahap
keberartian 𝛼 = 0,005 (sepihak), hipotesis itu ditolak. Itu artinya, variansi
kedua distribusi populasi skor matematika dan IPA itu berbeda. 11

11
Ibid, 296

21
 BAB III
PENUTUP

3.1 Kesimpulan
Berdasarkan materi yang telah dipaparkan dapat disimpulkan bahwa;
1. Uji normalitas adalah uji yang digunakan untuk meneliti apakah data tersebut
berdistribusi normal atau tidak.
2. Uji normalitas dapat dilakukan melalui uji Lilliefors dan uji Chi-square
3. 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. Uji homogenitas bertujuan untuk
mencari tahu apakah dari beberapa kelompok data penelitian memiliki
varians yang sama atau tidak.
4. Uji homogenitas dapat dilakukan dengan uji homogentias variansi dua
populasi, baik populasi dengan peubah-peubah bebas maupun dengan
peubah-peubah terikat.

22
 DAFTAR PUSTAKA

Hanief, Yulingga Nanda. Wasis Himawanto,2017. Statistik Pendidikan. Yogyakarta :

Deepublish.

Kadir. 2015. Statistik Terapan : Konsep, Contoh dan Analisis Data dengan Program

SPSS. Jakarta : Rajawali.

Ruseffendi, E.T. 1998 Statistika dasar untuk penelitian pendidikan. Bandung: IKIP

Bandung Press.

Syafril. 2019. Statistik Pendidikan. Jakarta: Kencana.

Usman, Husaini. Purnomo S. Akbar. 2006. Pengantar Statistika, Yogyakarta : PT

Bumi Aksara.

23