Makalah ini dibuat untuk memenuhi tugas mata kuliah Statistika Pendidikan
Disusun Oleh :
Kelompok II
Kelas 6B
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.
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.
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
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.
1.3 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
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
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
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
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.
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
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:
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
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
10
𝑋𝑖(𝑔𝑎𝑙𝑎𝑡) −𝑋̅(𝑔𝑎𝑙𝑎𝑡)
data kolom ke – 6, yaitu 𝑍𝑔𝑎𝑙𝑎𝑡 = , untuk 𝑧𝑖(𝑔𝑎𝑙𝑎𝑡) = −3,202,
𝑆(𝑔𝑎𝑙𝑎𝑡)
a. Perumusan hipotesis.
d. Menentukan 100 PJ yaitu persentase luas interval ke-j dari suatu distribusi
normal melalui transformasi ke skor baku
𝑋1 − 𝑋̅
𝑧1 =
𝑆𝐷
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.
(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.
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
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
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
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
𝑉𝑎𝑟𝑖𝑎𝑛𝑠 𝑇𝑒𝑟𝑏𝑒𝑠𝑎𝑟
𝐹𝑘𝑖𝑛𝑖 =
𝑉𝑎𝑟𝑖𝑎𝑛𝑠 𝑇𝑒𝑟𝑘𝑟𝑐𝑖𝑙
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
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)
2
Dengan menggunakan tabel𝜒 2 𝑑𝑖𝑑𝑎𝑝𝑎𝑡 𝜒𝑡𝑎𝑏𝑒𝑙
2 2
10) Bandingkan 𝜒𝑡𝑎𝑏𝑒𝑙 𝑑𝑒𝑛𝑔𝑎𝑛 𝜒ℎ𝑖𝑡𝑢𝑛𝑔
11) Buatlah kesimpulannya.8
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.
𝐻0 ∶ 𝜎12 = 𝜎22
𝐻𝐴 ∶ 𝜎12 ≠ 𝜎22
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).
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
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.
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).
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
Deepublish.
Kadir. 2015. Statistik Terapan : Konsep, Contoh dan Analisis Data dengan Program
Ruseffendi, E.T. 1998 Statistika dasar untuk penelitian pendidikan. Bandung: IKIP
Bandung Press.
Bumi Aksara.
23