Anda di halaman 1dari 51

UJI PRASYARAT ANALISIS, STATISTIK INFERENSIAL,

DAN UJI CHI-KUADRAT

MAKALAH

Untuk Memenuhi Tugas Mata Kuliah Statistik Pendidikan


Yang dibina oleh Ibu Vita Ria Mustikasari, S.Pd., M.Pd.

Oleh:

DWITA NAHRU FARADISA (180351619067)


FIFI SUAIDATUR ROFIK (180351619027)
PAULUS BAYU MARIO EGA (180351619079)

Kelompok 4 /Offering A

UNIVERSITAS NEGERI MALANG


FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
PROGRAM STUDI PENDIDIKAN IPA
Februari 2020
KATA PENGANTAR

Puji syukur Alhamdullilah atas kehadirat Allah SWT, kami diberi


kesempatan untuk menyelesaikan makalah dengan judul “UJI PRASYARAT
ANALISIS, STATISTIK INFERENSIAL, DAN UJI CHI-KUADRAT” ini
dengan baik. Kami menyadari bahwa dalam penulisan makalah ini tidak akan
mendapat hasil yang baik tanpa adanya bantuan, bimbingan, saran, dan do’a dari
berbagai pihak. Untuk itu kami sampaikan terima kasih kepada:
1. Ibu Vita Ria Mustikasari, S.Pd., M.Pd. selaku dosen pengampu mata
kuliah Statistik Pendidikan Offering A 2018 yang telah memberi arahan
serta membimbing kami.
2. Orang tua kami yang telah memberi fasilitas dan do’a.
3. Serta teman-teman yang membantu kami menyusun makalah ini.
Kami berharap makalah ini dapat bermanfaat bagi pembaca dan dapat
menjadi acuan dari materi genetika . Makalah yang kami susun tentunya belum
sempurna. Oleh karena itu, kritik dan saran dari berbagai pihak sangat diharapkan
bagi perbaikan makalah ini.

Malang, Februari 2020

Tim Penulis

ii
DAFTAR ISI

KATA PENGANTAR.............................................................................................ii
DAFTAR ISI..........................................................................................................iii
BAB I.......................................................................................................................1
A. Latar Belakang..............................................................................................1
B. Rumusan Masalah.........................................................................................1
C. Tujuan...........................................................................................................2
BAB II......................................................................................................................3
A. Uji Prasyarat Analisis....................................................................................3
B. Jenis – Jenis Uji Prasyarat Analisis...............................................................4
1. Uji Normalitas...........................................................................................4
2. Uji Homogenitas........................................................................................8
3. Uji Linearitas...........................................................................................11
C. Contoh Penerapan dan Analisis Uji Prasyarat............................................12
1. Uji Normalitas.........................................................................................12
2. Uji Homogenitas......................................................................................15
7. Uji Linieritas............................................................................................18
D. Statistika Inferensial....................................................................................22
E. Uji Chi-kuadrat...........................................................................................23
F. Contoh Penerapan dan Analisis Uji Chi-kuadrat........................................25
BAB III..................................................................................................................29
A. Kesimpulan.................................................................................................29
B. Saran............................................................................................................29
DAFTAR PUSTAKA............................................................................................30
LAMPIRAN...........................................................................................................31

iii
BAB I
PENDAHULUAN

A. Latar Belakang
Statistik adalah sekumpulan angka untuk menjelaskan sesuatu, baik angka
yang masih belum tersusun (acak) maupun angka-angka yang sudah tersusun
dalam suatu daftar atau grafik. Statistik juga dapat diartikan sekumpulan cara
dan aturan tentang pengumpulan, pengolahan, analisis, serta penafsiran data
yang terdiri dari angka-angka melalui hasil pengamatan [ CITATION Sya19 \l
1033 ]. Statistika digunakan dalam berbagai bidang pada kehidupan.
Ilmu statistika seringkali digunakan dalam pengolahan data penelitian,
khususnya ilmu statistika pendidikan. Statistika Pendidikan tidak hanya
dibutuhkan oleh para pendidik, ilmu ini juga digunakan dalam penelitian bagi
mahasiswa maupun guru serta dosen. Sebelum melakukan pengujian atau
penelitian, suatu data harus memenuhi uji prasyarat analisis.
Hasil dari penelitian atau pengolahan data berupa kesimpulan. Kesimpulan
dari suatu penelitian dibahas dalam statistik inferensial yang disebut juga
statiistik induktif. Pada penerapan statistik induktif pastinya terdapat
pengujian hipotesa dengan cara uji prasyarat analisis serta uji chi-kuadrat.
Mengingat pentingnya pengetahuan mengenai statistika pendidikan, maka
penulis membuat sebuah makalah dengan judul Uji Prasyarat Analisis,
Statistik Inferensial, dan Uji Chi-Kuadrat untuk menambah pengetahuan
pembaca mengenai materi genetik.

B. Rumusan Masalah
Berdasarkan uraian pada latar belakang, maka rumusan masalah dapat
disusun sebagai berikut.
1. Bagaimana cara uji prasyarat analisis?
2. Apa sajakah jenis uji prasyarat analisis?
3. Bagaimana contoh penerapan dan analisis uji prasyarat?
4. Bagaimana statistika inferensial dalam pengolahan data?
5. Bagaimana cara uji chi-kuadrat?

1
6. Bagaimana contoh penerapan dan analisis uji chi-kuadrat?
C. Tujuan
Berdasarkan rumusan masalah yang telah disusun, maka tujuan dari
penulisan makalah ini adalah sebagai berikut.
1. Agar pembaca memahami bagaimana cara uji prasyarat analisis.
2. Agar pembaca memahami jenis-jenis uji prasyarat analisis.
3. Agar pembaca mengetahui contoh penerapan dan analisis uji prasyarat.
4. Agar pembaca memahami statistika inferensial dalam pengolahan data.
5. Agar pembaca memahami bagaimana cara uji chi-kuadrat.
6. Agar pembaca mengetahui contoh penerapan dan analisis uji chi-kuadrat.

2
BAB II
PEMBAHASAN

A. Uji Prasyarat Analisis


Statistik adalah sekumpulan angka untuk menjelaskan sesuatu, baik
angka yang masih belum tersusun (acak) maupun angka-angka yang sudah
tersusun dalam suatu daftar atau grafik. Statistik juga dapat diartikan
sekumpulan cara dan aturan tentang pengumpulan, pengolahan, analisis, serta
penafsiran data yang terdiri dari angka-angka melalui hasil pengamatan
[ CITATION Sya19 \l 1033 ].
Sebelum melakukan pengujian, beberapa hal harus dipenuhi
persyaratan analisis terlebih dahulu, persyaratan data bersifat sebagai berikut.
1. Dipilih secara acak (random).
2. Normal, data yang dihubungkan atau dikaitkan berdistribusi normal,
maka perlu uji normalitas.
3. Homogen, data yang dibandingkan harus sejenis atau bersifat homogeny,
maka dilakukan uji homogenitas.
4. Bersifat linier, data yang dihubungkan berbentuk garis linier, maka perlu
dilakukan uji linieritas.
5. Berpasangan, artinya data yang dihubungkan memiliki pasangan yang
sama sesuai dengan subyek yang sama, jika salah satu tidak terpenuhi
untuk persyaratan analisis korelasi atau regresi tidak dapat dilakukan
[ CITATION Rid03 \l 1033 ].
Berikut ini merupakan macam-macam uji persyaratan analisis
1. Uji Normalitas
a. Uji kertas peluang normal
b. Uji Chi kuadrat
c. Uji Lilliefors
2. Uji Homogenitas
a. Uji Bartlett
b. Uji Varians (Uji F)
c. Uji Levene

3
3. Uji Validitas.
4. Uji Reliabilitas [ CITATION Set08 \l 1033 ].
B. Jenis – Jenis Uji Prasyarat Analisis
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 di pusat. Distribusi normal diartikan
sebagai sebuah distribusi tertentu yang memiliki karakteristik berbentuk
seperti lonceng jika dibentuk menjadi sebuah histogram [ CITATION Han17 \l
1033 ].
Hal ini penting diketahui berkaitan dengan ketepatan pemilihan uji
statistik yang akan digunakan. Karena uji statistik parametrik
mensyaratkan data harus berdistribusi normal. Andai diperoleh data tidak
berdistribusi normal maka disarankan untuk menguji statistik
nonparametrik. [ CITATION Ana18 \l 1033 ].
Menurut Purwanto (2011) mengungkapkan bahwa “Data 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 berdistribusi normal. [ CITATION Sya19 \l
1033 ].
Ditribusi normal merupakan salah satu distribusi yang paling penting
kita akan hadapi. Ada beberapa alasan untuk ini yaitu sebagai berikut.
a. Banyak variabel dependen, umumnya diasumsikan terdistribusi secara
normal dalam populasi. Artinya, kita sering berasumsi bahwa jika kita
mendapatkan seluruh populasi pengamatan, distribusi yang dihasilkan
akan sangat mirip dengan distribusi normal.
b. Jika kita dapat mengasumsikan bahwa variabel setidaknya mendekati
terdistribusi normal, maka teknik ini memungkinkan kita untuk
membuat sejumlah kesimpulan (baik yang tepat atau perkiraan)
tentang nilai-nilai variabel itu.

4
c. Menguji normalitas data seringkali disertakan dalam suatu analisis
statistika inferensial untuk satu atau lebih kelompok sampel.
Normalitas sebaran data menjadi sebuah asumsi yang menjadi syarat
untuk menentukan jenis statistik apa yang dipakai dalam
penganalisaan selanjutnya [ CITATION Han17 \l 1033 ].
Uji normalitas biasanya digunakan untuk mengukur data berskala
ordinal, interval, ataupun rasio. Jika analisis menggunakan metode
parametrik, maka persyaratan normalitas harus terpenuhi yaitu data berasal
dari distribusi yang normal. Jika data tidak berdistribusi normal, atau
jumlah sampel sedikit dan jenis data adalah nominal atau ordinal maka
metode yang digunakan adalah statistik non parametrik.
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 [ CITATION DFM01 \l 1033 ]. Hipotesis statistik yang
digunakan:
H0: sampel berdistribusi normal
H1 : sampel data berdistribusi tidak normal
Meskipun demikian, apabila sebaran data suatu penelitian yang
mengungkapkan variabel dependen 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 [ CITATION Han17 \l 1033 ].
Pengujian normalitas data dapat dilakukan dengan berbagai teknik
tergantung dengan karakteristik data. Dalam hal ini teknik pengujian
normalitas data dapat dilakukan dengan pengujian: (1) Liliefors, (2)
Kolmogorov Smirnov, dan (3) Chi Kuadrat [ CITATION Ana18 \l 1033 ].
a. Uji Liliefors
Langkah-langkah uji normalitas menggunakan uji Liliefors adalah
sebagai berikut.
1) Mengurutkan data sampel dari kecil ke besar dan menentukan
frekuensi tiap-tiap data.

5
Xi− X́
2) Menentukan nilai Zi dari tiap-tiap data dengan rumus: Zi =
S
Keterangan :
Zi : simpangan baku kurva standard
Xi : data ke i dari suatu kelompok data
X : rata-rata kelompok
S : simpangan baku.
3) Menentukan besar peluang untuk masing-masing nilai Z
berdasarkan tabel Z yang disebut F(Z).
4) Menghitung frekuensi kumulatif dari masing-masing nilai Z, dan
disebut S(Z).
5) Menentukan nilai Lhitung = | F(Z)- S(Z)|
6) Menentukan Ltabel untuk n>30 dengan taraf signifikansi 5%

0,886
melalui Tabel Lilliefors. Maka Ltabel = dengan n adalah
√n
jumlah sampel
7) Mengambil harga Lhitung yang paling besar kemudian
dibandingkan dengan Ltabel. Jika Lhitung < Ltabel maka sampel
berdistribusi normal.[ CITATION Han17 \l 1033 ].
b. Uji Kolmogorov Smirnov
Uji normalitas data dapat dilakukan dengan menggunakan teknik
Kolmogorov Smirnov yaitu memeriksa distribusi frekuensi sampel
berdasarkan distribusi normal pada data tunggal atau data frekuensi
tunggal.
Prosedur menghitung uji normalitas dengan teknik Kolmogorov
Smirnov adalah sebagai berikut
1) Menentukan taraf signifikansi (α) misalkan pada α = 5% atau 0,05
dengan hipotesis yang akan diuji:
H0 : data berdistribusi normal
H1 : data tidak berdistribusi normal
Dengan kriteria pengujian:
Tolak H0 jika amax > Dtabel

6
Terima H0 jika amax ≤ Dtabel
2) Susun data dari data yang terkecil ke data yang terbesar.
3) Susun frekuensi nilai yang sama.
fi
4) Hitung nilai proporsi P1 = di mana n = banyaknya data.
n
5) Hitung proporsi kumulatif (Kp).
6) Transformasi nilai data mentah (X) ke dalam angka baku (Z) dengan
formula:
Xi− X́
Zi =
S
7) Tentukan nilai Ztabel berdasarkan data angka baku (Z).
8) Hitung nilai│a2│ = Kp – Ztabel (harga mutlak nilai a2)
9) Hitung nilai │a1│= P – a2 (harga mutlak nilai a1).
10) Cari a2 maksimum sebagai amax
11) Lakukan pengujian hipotesis dengan cara membandingkan nilai a1
dengan
Dtabel (nilai tabel Kolmogorov Smirnov) dengan kriteria:
Tolak Ho jika amax > Dtabel
Terima Ho jika amax ≤ Dtabel
c. Uji Chi Kuadrat
Uji normalitas data dengan menggunakan chi-kuadrat (X2)
diperuntukkan untuk menguji data dalam bentuk data kelompok pada tabel
distribusi frekuensi. Prosedur penerapannya sebagai berikut:
1) Menentukan taraf signifikansi, misalnya α = 0,05 untuk menguji
hipotesis:
Ho : data berdistribusi normal.
H1 : data tidak distribusi normal.
Kriteria pengujian:
Jika X2 hitung < X 2 tabel terima Ho
Jika X2 hitung > X 2 tabel tolak Ho
2) Membuat daftar distribusi frekuensi ke dalam bentuk data kelompok.
3) Mencari rerata data kelompok.
4) Mencari simpangan baku data kelompok.

7
5) Menentukan batas nyata (tepi kelas) tiap interval kelas dan jadikan
sebagai Xi (X1, X2, X3,…..Xn). Kemudian melakukan konversi, setiap
nilai tepi kelas (Xi) menjadi nilai baku Z1, Z2, Z3,…., Zn. Di mana nilai
baku Z ditentukan dengan rumus:
Xi− X́
Zi =
S
6) Tentukan besar peluang setiap nilai Z berdasarkan tabel Z (luas
lengkungan di bawah kurval normal standar dari 0 ke Z ) dan disebut
F (Zi) dengan ketentuan:
Jika Zi < 0, maka F (Zi) = 0,5 – Ztabel
Jika Zi > 0, maka F (Zi) = 0,5 + Ztabel
7) Tentukan luas peluang normal (L) tiap kelas interval dengan cara
mengurangi nilai F (Zi) yang lebih besar di atas atau di bawahnya
yaitu:
Li = F (Zi) - F (Zi-1)
8) Tentukan fe (frekuensi ekspektasi) dengan cara mengalikan luas
peluang normal kelas tiap interval (Li) dengan number of cases (n atau
banyaknya sampel), yaitu: fe = Li x n
9) Masukkan frekuensi observasi (faktual) sebagai fo. 1
10) Cari nilai X2 setiap interval dengan rumus
( f 0−fe )2
X2 =
fe
11) Tentukan nilai X2hitung dengan rumus :

2 ( f 0−fe )2
X hitung = ∑
fe
12) Tentukan nilai X2tabel pada taraf signifikansi α dan derajat kebebasan
(dk) = k – 1 dengan k = banyaknya kelas/kelompok interval.
13) Bandingkan jumlah total X2 hitung dengan X2 tabel.
Jika X2 hitung < X2 tabel maka data berdistribsi normal.
Jika X2 hitung > X2 tabel maka data tidak berdistribusi normal. [ CITATION
Ana18 \l 1033 ]

8
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 varian yang sama. Pada
analisis regresi, persyaratan analisis yang dibutuhkan adalah bahwa galat
regresi untuk setiap pengelompokan berdasarkan variabel terikatnya
memiliki variansi yang sama. Jadi dapat dikatakan bahwa 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 memilki
karakteristik yang sama. [ CITATION Han17 \l 1033 ].
Pengujian homogenitas dilakukan dalam rangka menguji kesamaan
varians setiap setiap kelompok data. Persyaratan uji homogenitas
diperlukan untuk melakukan analisis inferensial dalam uji komparasi
[ CITATION Ana18 \l 1033 ].
Pengujian homogenitas juga dimaksudkan untuk memberikan
keyakinan bahwa sekumpulan data yang dimanipulasi dalam serangkaian
analisis memang berasal dari populasi yang tidak jauh berbeda
keragamannya. Sebagai contoh, jika ingin meneliti sebuah permasalahan
misalnya mengukur permahaman siswa untuk sub materi dalam pelajaran
tertentu di sekolah yang dimaksudkan homogen bisa berarti berarti bahwa
kelompok data yang dijadikan sampel pada penelitian memiliki
karakteristik yang sama, misalnya berasal dari tingkat kelas yang sama.
Perhitungan uji homogenitas dapat dilakukan dengan berbagai cara dan
metode, beberapa yang cukup popular dan sering digunakan oleh penulis
adalah sebagai berikut.
a. Uji Bartlett
Uji Bartlett digunakan untuk menguji apakah k sampel berasal
dari populasi dengan varians yang sama. K sampel bisa berapa saja.
Karena biasanya uji Bartlett digunakan untuk menguji
sampel/kelompok yang lebih dari 2. Varians yang sama di seluruh
sampel disebut homoscedasticity atau homogenitas varians. Uji

9
Bartlett pertama kali diperkenalkan oleh M. S. Bartlett pada tahun
1937. Uji Bartlett diperlukan dalam beberapa uji statistik seperti
analysis of variance (ANOVA) sebagai syarat jika ingin
menggunakan Anova.
Uji Bartlett dapat digunakan apabila data yang digunakan
sudah diuji normalitas dan datanya merupakan data normal. Jika,
datanya ternyata tidak normal bisa menggunakan uji levene.
Rumus Uji Bartlett yaitu :
X2 = (ln.n){B−Σdklogsi 2}
Dimana :
n : jumlah data2
Σ (dk s i 2 )
B : (Σdk ¿ logsi ; yang mana s =
2 2
Σdk
si2 : varians data untuk ssetiap kelompok ke-i
dk : derajat kebebasan
Hipotesis Pengujian
Ho : δ 12 = δ 22 =…..=δ k2 (Homogen)
Ha : paling sedikit salah satu tanda tidak sama. [ CITATION Han17 \l
1033 ]
b. Uji Varians (Uji Fischer/Uji F)
Rumus Uji F
S 12
F=
S 22
Dimana : S12 = varians kelompok 1 S22 = varians kelompok 2
Hipotesis
H0 = σ 12 = σ 22 (varians data homogen)
Ha = σ 12 ≠ σ 22 (varians data tidak homogen)

Jika Fhitung ≥ Ftabel (0,05;dk1;dk2), maka Ho ditolak


Jika Fhitung ¿ Ftabel (0,05;dk1;dk2), maka Ho diterima
c. Uji Levene
Uji Levene juga merupakan metode pengujian homogenitas
varians yang hampir sama dengan uji Bartlett. Perbedaan uji Levene

10
dengan uji Bartlett yaitu bahwa data yang diuji dengan uji Levene
tidak harus berdistribusi normal, namun harus continue. Pengujian
hipotesis yaitu :
H0 : σ 12 = σ 22 = ….= σ k2 (data homogen)
H1 : paling sedikit ada satu σ i2 yang tidak sama
k
2
( N −k ) ∑ ¿ ( Zi .−Z .. )
i=1
W= k ¿
2
(k −1) ∑ ∑ ( Zij−Zi . )
i=1 j=l

Statistik uji :
Zi = median data pada kelompok ke-i
Z.. = median untuk keseluruhan data
Kesimpulan : Ho ditolak jika W > F (α , k−1 , N −k ¿ [ CITATION
Han17 \l 1033 ]

3. Uji Linearitas
Statistik parametrik analisis asosiasi diperlukan pengujian kelinearan
regresi. Pengujian ini dilakukan dalam rangka menguji model persamaan
regresi nilai variabel bebas X linear dengan nilai variabel terikat Y
[ CITATION Ana18 \l 1033 ].
Menurut Purwanto (2011) “Peramalan atas variabel terikat dari variabel
bebas dapat dilakukan apabila variabel bebas dan variabel terikat
berhubungan dalam model regresi yang bersifat linear.” Oleh sebab itu,
sebelum data diolah dengan regresi harus dipastikan terlebih dahulu bahwa
nilai variabel X dan Y merupakan data yang linear dengan melakukan uji
linearitas. Oleh sebab itu, sebelum data diolah dengan regresi harus
dipastikan terlebih dahulu bahwa nilai variabel X dan Y linear dengan
melakukan uji linearitas.
Hasil yang diperoleh melalui uji linearitas akan menentukan teknik-
teknik analisis data yang dipilih, dapat digunakan atau tidak. Apabila dari
hasil uji linieritas didapatkan kesimpulan bahwa distribusi data penelitian
dikategorikan linier maka data penelitian dapat digunakan dengan metode-
metode yang ditentukan. Demikian juga sebaiknya apabila ternyata tidak

11
linier maka distribusi data harus dianalisis dengan metode lain [ CITATION
Han17 \l 1033 ].
Uji linearitas bertujuan untuk mengetahui apakah dua variabel
mempunyai hubungan yang linear atau tidak secara signifikan. Uji ini
biasanya digunakan sebagai prasyarat dalam analisis korelasi atau regresi
linear [ CITATION Han17 \l 1033 ].
Langkah-langkah dalam uji linearitas adalah sebagai berikut :
a. Buat tabel dan masukkan nilai variabel X dan Y sesuai dengan data
dengan ketentuan susunan menuliskan data dengan mengurutkan.
Susunan nilai variabel bebas (X) dari nilai terendah sampai nilai
tertinggi, sedangkan nilai variabel Y mengikut data variabel X untuk
setiap pasangan data.
b. Lakukan perhitungan mulai Jumlah Kuadrat (JK), rata-rata jumlah
kuadrat (RJK) dan F dengan rumus sebagai berikut.
2

1) JKE = ∑ ¿∑ Y − (∑ Y )
¿}
2
n
2) JKReg (a) = ¿¿

3) JKReg (bla) = b {∑ XY -
∑ X .∑ Y
N
4) JK(Res) = ∑ Y 2−JK Reg(b/a)- JKReg (a)
5) JK(TC) = JKReg-JK(E)
JK ( Res)
6) RJK(Res) =
n−2
JK (TC )
7) RJK(TC) =
K−2
JK ( E)
8) RJK(E) =
K −2
RJK ( TC)
9) F = [ CITATION Sya19 \l 1033 ]
RJK (E)
C. Contoh Penerapan dan Analisis Uji Prasyarat
1. Uji Normalitas
Seorang mahasiswa program studi Pendidikan IPA melakukan
penelitian tentang minat siswa terhadap mata pelajaran IPA di sekolah.

12
Mahasiswa tersebut meneliti kelas A dan kelas B. Skor siswa dalam
menyelesaikan angket minat disajikan dalam tabel berikut.
Tabel 2.1 Skor Nilai Angket Minat Untuk Uji Normalitas
Kelas A Kelas B
No Skor No Skor No Skor No Skor
1 3 11 5 1 3 11 5
2 3 12 5 2 3 12 5
3 3 13 5 3 3 13 5
4 4 14 6 4 3 14 5
5 4 15 6 5 4 15 5
6 4 16 7 6 4 16 6
7 4 17 7 7 4 17 6
8 5 18 7 8 4 18 7
9 5 19 7 9 4 19 7
10 5 20 7 10 5 20 7
Langkah-langkah:
a. Mengurutkan data sampel dari kecil ke besar serta menentukan
frekuensi tiap-tiap data, menentukan Z, menghitung F(Z), menghitung
S(Z) dan menghitung | F(Z) – S(Z) |
Tabel 2.7 Menentukan Z, F(Z), S(Z), dan | F(Z) – S(Z) |
Kelas A
X f Fk Z F(Z) S(Z) | F(Z) – S(Z) |
3 3 3 -2,88 0,0020 0,15 0,1480
4 4 7 -1,51 0,0668 0,35 0,2332
5 6 13 -0,13 0,4483 0,65 0,2017
6 2 15 1,23 0,8888 0,75 0,1388
7 5 20 2,61 0,9953 1 0,0047
20

X́ =
∑ fX = 102 =5,1
∑ f 20
∑ ( Xi− X́ )2 =
Sd=
√ ( n−1 )
Hitungan Z
√ 10,05
19
=0,7272

3−5,1
Zi = =−2,887
0,7272
4−5,1
Zi = =−1,5126
0,7272
5−5,1
Zi = =−0,1375
0,7272

13
6−5,1
Zi = =1,2376
0,7272
7−5,1
Zi = =2,6127
0,7272
Hitungan F(Z)
a) Untuk Z = -2,88 maka harga F (Z) adalah 0,5 – 0,4980 = 0,0020
b) Untuk Z = -1,51 maka harga F (Z) adalah 0,5 – 0,4332 = 0,0668
c) Untuk Z = -0,13 maka harga F (Z) adalah 0,5 – 0,0517 = 0,4483
d) Untuk Z = 1,23 maka harga F (Z) adalah 0,5 + 0,3888 = 0,8888
e) Untuk Z = 2,61 maka harga F (Z) adalah 0,5 + 0,4953 = 0,9953
Perhitungan S(Z)
Untuk S(Z) pertama = 3/20 = 0,15
Untuk S(Z) kedua = 7/20 = 0,35
Untuk S(Z) ketiga = 13/20 = 0,65
Untuk S(Z) keempat = 15/20 = 0,75
Untuk S(Z) kelima = 20/20 = 1
Menentukan selisih antara  F(Z) – S(Z)  dengan mengambil harga
mutlak terbesar yang disebut Liliefors observasi (Lo). Kemudian
melihat harga Liliefors tabel (Lt) untuk n sebanyak jumlah sampel dan
taraf signifikansi pada  = 0,05
L0 = 0,2832
Lt = 0,1900
Diperoleh Lo = 0,2913 > Lt = 0,19. Maka tolak Ho yang berarti data
terdistribusi tidak normal

Kelas B
X f Fk Z F(Z) S(Z) | F(Z) – S(Z) |
3 4 4 -2,37 0,0089 0,20 0,1911
4 5 9 -1,01 0,1587 0,45 0,2313
5 6 15 0,33 0,6293 0,75 0,1207
6 2 17 1,69 0,9545 0,85 0,1045
7 3 20 3,05 0,9989 1 0,0011
20

X́ =
∑ fX = 95 =4,75
∑ f 20

14
∑ ( Xi− X́ )2 =
Sd=
√ ( n−1 )
Hitungan Z
√ 10,3125
19
=0,7367

3−4,75
Zi = =−2,3754
0,7367
4−4,75
Zi = =−1,0180
0,7367
5−4,75
Zi = =0,3393
0,7367
6−4,75
Zi = =1,6967
0,7367
7−4,75
Zi = =3,0541
0,7367
Hitungan F(Z)
a) Untuk Z = -2,37 maka harga F (Z) adalah 0,5 – 0,4911 = 0,0089
b) Untuk Z = -1,01 maka harga F (Z) adalah 0,5 – 0,3413 = 0,1587
c) Untuk Z = 0,33 maka harga F (Z) adalah 0,5 + 0,1293 = 0,6293
d) Untuk Z = 1,69 maka harga F (Z) adalah 0,5 + 0,4545 = 0,9545
e) Untuk Z = 3,05 maka harga F (Z) adalah 0,5 + 0,4989 = 0,9989
Perhitungan S(Z)
a) Untuk S(Z) pertama = 4/20 = 0,20
b) Untuk S(Z) kedua = 9/20 = 0,45
c) Untuk S(Z) ketiga = 15/20 = 0,75
d) Untuk S(Z) keempat = 17/20 = 0,85
e) Untuk S(Z) kelima = 20/20 = 1
Menentukan selisih antara  F(Z) – S(Z)  dengan
mengambil harga mutlak terbesar yang disebut Liliefors observasi
(Lo). Kemudian melihat harga Liliefors tabel (Lt) untuk n
sebanyak jumlah sampel dan taraf signifikansi pada  = 0,05
L0 = 0,2913
Lt = 0,1900
Jika n>30 maka,
0,886
Lt =
√n

15
Diperoleh Lo = 0,2913 > Lt = 0,19. Maka tolak Ho yang berarti data
terdistribusi tidak normal [ CITATION Yul17 \l 1033 ].
2. Uji Homogenitas
Pada pembahasan contoh uji homogenitas, digunakan data dari
seorang mahasiswa program studi Pendidikan IPA melakukan penelitian
tentang minat siswa terhadap mata pelajaran IPA di sekolah. Mahasiswa
tersebut meneliti kelas A dan kelas B. Skor siswa dalam menyelesaikan
angket minat disajikan dalam tabel berikut.
Tabel 2.1 Skor Nilai Angket Minat yang akan diuji Homogenitas Varians
No Skor Kelas A Skor Kelas B
1 3 3
2 3 3
3 3 3
4 4 3
5 4 4
6 4 4
7 4 4
8 5 4
9 5 4
10 5 5
11 5 5
12 5 5
13 5 5
14 6 5
15 6 5
16 7 6
17 7 6
18 7 7
19 7 7
20 7 7
Berdasarkan data tersebut dapat dilakukan perhitungan uji
homogenitas dengan teknik varians dengan langkah-langkah sebagai
berikut.
3. Perhitungan varians dari data kelas A
No X x2
1 3 9
2 3 9
3 3 9
4 4 16
5 4 16
6 4 16

16
7 4 16
8 5 25
9 5 25
10 5 25
11 5 25
12 5 25
13 5 25
14 6 36
15 6 36
16 7 49
17 7 49
18 7 49
19 7 49
20 7 49
2
∑ x =¿ ¿102 ∑ x =¿ ¿558
( 102 )2
558−
20
s2=
20
s2=1,89
4. Perhitungan varians dari data kelas B
No X x2
1 3 9
2 3 9
3 3 9
4 3 9
5 4 16
6 4 16
7 4 16
8 4 16
9 4 16
10 5 25
11 5 25
12 5 25
13 5 25
14 5 25
15 5 25
16 6 36
17 6 36
18 7 49
19 7 49
20 7 49
2
∑ x =¿ ¿95 ∑ x =¿ ¿485

17
( 95 )2
485−
2 20
s=
20
s2=1,69
5. Berdasarkan harga-harga di atas maka dapat dihitung harga Fhitung sebagai
berikut.
1,89
F hitung = =1,12
1,69
6. Membandingkan harga Fhitung dengan harga Ftabel
Harga Fhitung adalah 1,12 sedangkan Ftabel dengan dbpembilang = 20-1=19 dan
dbpenyebut = 20-1=19 dengan taraf signifikansi α = 0,05 maka diperoleh Ftabel
= 2,15
Harga Fhitung < Ftabel yaitu 1,12 < 2,15
Dengan demikian dapat disimpulkan bahwa data berasal dari kelompok
populasi yang homogen, sehingga memenuhi salah satu syarat untuk diuji
dengan menggunakan Anava [ CITATION Sya19 \l 1033 ].
7. Uji Linieritas
Berdasarkan data yang dikumpulkan tentang berat badan dan tinggi
badan siswa yang baru masuk akan dihitung korelasi dan regresi anatara
berat dan tinggi siswa baru tersebut. Sebelum diuji korelasi dan regresi,
data diuji linearitas. Data tentang berat dan tinggi badan siswa baru
tersebut terdapat pada tabel berikut.
Tabel 2.3 Data Hasil Pengukuran Berat dan Tinggi Badan Siswa Baru
Nomor Berat Badan Tinggi Badan
1 40 150
2 40 156
3 43 151
4 45 154
5 45 157
6 50 160
7 50 158
8 55 164
9 55 168
10 58 163
11 61 170
12 61 174
13 65 163

18
14 65 180
15 65 181
16 70 160
17 71 162
18 71 178
19 75 182
20 76 190
Berdasarkan data tersebut untuk menguji korelasi dan regresu,
terlebih dahulu data diuji linearitasnya dengan langkah-langkah sebagai
berikut.
a. Buat tabel persiapan dengan mempersiapkan kolom seperti
menghitung korelasi, dengan catattan jika nilai variabel X belum
tersusun berurutan dari nilai terendah ke nilai tertinggi, dalaam tabel
persiapan disusun berdasarkan urutan nilai variabel X dari nilai
terendah ke nilai tertinggi seperti pada tabel berikut.
Tabel 2.4 Persiapan Untuk Menghitung Uji Linearitas
No X Y X2 Y2 XY
1 40 150 1600 22500 6000
2 40 156 1600 24336 6240
3 43 151 1849 22801 6493
4 45 154 2025 23716 6930
5 45 157 2025 24649 7065
6 50 160 2500 25600 8000
7 50 158 2500 14964 7900
8 55 164 3025 26896 9020
9 55 168 3025 28224 9240
10 58 163 3364 26569 9454
11 61 170 3721 28900 10370
12 61 174 3721 30276 10614
13 65 163 4225 26569 10595
14 65 180 4225 32400 11700
15 65 181 4225 32761 11765
16 70 160 4900 25600 11200
17 71 162 5041 26244 11502
18 71 178 5041 31684 12638
19 75 182 5625 33124 13650
20 76 190 5776 36100 14440
∑❑ 1161 3321 70013 553913 194816
b. Langkah-langkah perhitungan Jumlah Kuadrat (JK). Rata-rata jumlah
kuadrat, dan F sebagai berikut.

19
2

1) JK ε =∑
{∑ Y − 2 (∑ Y )
n }
( 150+156 )2 2 ( 151 )
2

{ 2
¿ 150 + 156 −
2
2
+ 151 −
1 }{ }
( 154 +157 )2
{ 2
+ 154 +157 − 2
2 }
( 160+158 )2
{
+ 1602 +1582−
2 }
( 164+ 168 )2 ( 163 )2
{
+ 1642 +1682−
2 }{
+ 1632 −
1 }
( 170+174 )2
{
+ 1702 +1742−
2 }
(163+ 180+ 181 )2
{
+ 1632 +1802 +1812−
3 }
( 160 )2 ( 162+178 )2
{ + 160 −
1
2 2
}{
2
+ 162 +178 −
2 }
(182 )2 2

{
+ 182 − 2
1
+ 190 − }{
2 (190)
1 }
¿ ( 46836−46818 )+ 0+ ( 48365−48360,5 )
+ ( 50564−50562 ) + ( 55120−55112 )+ 0
+ ( 59176−59168 ) + ( 91730−91525,33 ) +0
+ ( 57908−57800 )+ 0+0
¿ 118+ 0+4,5+2+ 8+204,67+0+108+ 0+0
¿ 353,17
2) JK Reg (a)=¿ ¿
( 3321 )2
¿
20
11029041
¿
20
¿ 551452,05
X. Y
3) JK Reg ( b/ a )=b { ∑ XY − ∑ N∑ }
Hitung b terlebih dahulu seperti rumus dalam regresi

20
∑ X .∑ Y
∑ XY − n
b=
∑ X 2−¿ ¿ ¿ ¿
1161 x 3321
194816−
20
¿
(1161)2
70013−
20
194816−192784,05
¿
70013−67396,05
2031,95
¿
26616,95
¿ 0,776
X. Y
JK Reg ( b/ a )=b ∑ XY − ∑ N∑
{ }
1161 x 3321
{
¿ 0,776 19486−
20 }
¿ 0,776 ( 19486−192784,05 )
¿ 0,776 ( 2031,95 )
¿ 1576,793
2
4) JK( Res)=∑ Y −JK Reg (b / a)−¿ JK Reg(a) ¿
¿ 553913−1576,793−551452,05
¿ 884,157
5) JK (TC )=JK ( Res)−JK ε
¿ 884,157−353,17
¿ 530,987
JK ( Res)
6) RJK ( Res)=
n−2
884,157
¿
18
¿ 49,1198
JK (TC )
7) RJK (TC )=
K−2
530,987
¿
12−2

21
530,987
¿
10
¿ 53,0987
JK ( E )
8) RJK ( E )=
n−k
353,17
¿
20−12
353,17
¿
8
¿ 44,146
RJK ( TC )
9) F=
RJK ( E )
53,0987
¿
44,146
¿ 1,203
Hasil perhitungan varians untuk menguji linearitas ini dimasukkan
dalam sebuah tabel, sehingga memudahkan pembaca untuk
mengetahui hasilnya dalam waktu singkat. Tabel rangkuman tersebut
dapat dilihat pada tabel berikut.
Tabel 2.5 Rangkuman Analisis Varians Untuk Menguji Linearitas
F Tabel
Sumber Variasi Dk JK RJK F hitung
∝ 0,05
Total 20 553913 - -
Regresi (a) 1 551452,05 551452,05
Regresi (b/a) 1 1576,793 2576,793
Residu 18 884,157 49,1199
Tuna Cocok 10 530,987 53,0987
1,203 3,34
kekeliaruan 8 353,17 44,146

c. Intepretasikan hasil perhitungan F


Hasil perhitungan dikonsultasikan dengan tabel F dengan
berpedoman pada dk tuna cocok untuk dk pembilang yaitu banyak
kelompok nilai variabel berdasarkan kepada banyaknya macam nilai
variabel X. dalam data yang dianalisis banyak macam nilai variabel X
adalah 12 maka df adalah (k-2) = (12-2) = 10. Untuk dk penyebut adalah
dk kesalahan yaitu jumlah data dikurang dengan banyak macam nilai
variabel X. sesuai dengan dk penyebut adalah 20-12 = 8. Nilai kritis pada

22
tabel F untuk dk pembilang = 10, dan dk penyebut = 8 pada taraf
signifikan α 0,05 untuk adalah 3,34. Hasil perhitungan uji linear F hitung=
1,203 lebih kecil dari Ftabel pada taraf signifikansi α 0,05. Dengan
demikian, nilai variabel X dan Y adalah linear, sehingga dapat
dilanjutkan dnegan uji korelasi dan regresi [ CITATION Sya19 \l 1033 ].
D. Statistika Inferensial
Statistika dikelompokkan dalam dua kelompok dalam kaitan dengan
analisis data atau pengolahan data, yaitu statistika deskriptif dan statistika
inferensial [ CITATION Jul17 \l 1033 ]. Pada statistika deskriptif, metode yang
berkaitan dengan proses mengumpulkan, meringkaskan, dan menyajikan data
dalam bentuk yang menarik sehingga memberikan informasi yang berguna.
Pada statistika inferensi atau inferensial, metode yang dilaksanakan sampai
tahap analisis data hingga kemudian dapat digunakan untuk peramalan atau
penarikan kesimpulan tentang makna keseluruhan data (generalisasi ke
populasi) [ CITATION Mah14 \l 1033 ].
Pada bahasan ini akan dibahas mengenai statistika inferensial. Statistika
inferensial merupakan metode statistika yang berkaitan dengan pengetahuan
pembuatan simpulan terhadap populasi berdasarkan data sampel yang diambil
dari populasi. Terdapat dua pengetahuan dalam metode ini yaitu bagaimana
cara melakukan estimasi terhadap populasi dan bagaimana melakukan
pengujian hipotesis. Statistika inferensial disebut juga statistika inferensi atau
induktif [ CITATION Jul17 \l 1033 ].
Statistik induktif atau inferensial mencakup dua hal pokok yaitu metode
perkiraan dan pengujian hipotesa. Dalam statistic dikenal dua cara
pengumpulan data yaitu sensus dan sampling. Sensus merupakan cara
pengumpulan data jika seluruh elemen diselidiki satu persatu, hasilnya
merupakan data statistik sebenarnya yang disebut parameter. Sedangkan
sampling merupakan cara pengumpulan data jika hanya sampel yang
diselediki atau hanya sebagian dari populasi, hasilnya berupa data statistik
perkiraan (estimate) [ CITATION Sup86 \l 1033 ].
Jika suatu data statistik berupa ringkasan seperti jumlah, rata-rata, proporsi
(presentase) diperoleh dari sensus maka kesimpulan yang diambil

23
berdasarkan data ringkasan tersebut tidak mengandung unsur ketidakpastian,
artinya secara teoritis, kesimpulan yang diambil 100% benar. Namun, jika
data diperoleh dari penelitian suatu sampel yang diambil dari suatu populasi,
maka kesimpulan karakteristik populasi berdasarkan data sampel yang
merupakan perkiraan tidak 100% tepat, artinya akan mengandung unsur
ketidakpastian. Hal tersebut dikarenakan adanya kesalahan sampling
(sampling error). Pengambilan kesimpulan mengenai karakteristik suatu
populasi berdasarkan data hasil penelitian sampel yang diperoleh dari
populasi tersebut akan mengandung unsur ketidakpastian dan pengambilan
kesimpulan smacam itu disebut statistik induktif atau statistik inferensial
[ CITATION Sup86 \l 1033 ].

E. Uji Chi-kuadrat
Uji normalitas data dengan menggunakan chi-kuadrat (X2)
diperuntukkan untuk menguji data dalam bentuk data kelompok pada tabel
distribusi frekuensi. Prosedur penerapannya sebagai berikut:
a. Untuk data satu variabel
Jika hanya terdiri dari satu variable saja dan mempunyai beberapa
kategori, maka dapat digunakan chi kuadrat ( x 2 ¿ untuk menganalisi
signifikasi perbedaan jumlahnya. Hal ini sejalan dengan yang
dikemukakan sugiyono (2017:107). “chi kuadrat ( x 2 ¿ satu sampel
adalah teknik statistik yang digunakan untuk menguji hipotesis bila
dalam populasi terdiri atas dua atau lebih kelas dimana data berbentuk
nomianal dan sampelnya besar”. Model speerti ini oleh suliyanto
(2014 : 42) disebut dengan “uji Chi Square Goodness of Fit”
digunakan untuk mengetahui distribusi data dari sampel mengikuti
sebuah distribusi teoritis tertentu atau tidak, dan untuk
membandingakan sekelomlok frekuensi yang diamati denan kelompok
frekuensi yang diharapkan . jadi penggunaan chi kuadrat ini adalah
jika ingin menguji perbedaan apakah jumlah frekuensi dari
sekelompok sampel yang terdiri dari beberapa kategori. Langkah –
langkah menghitung x 2 adalah sebagai berikut :
a. Merumuskan H0 dan H1
H0 : Tidak terdapat perbedaan antara….
H1 : Terdapat perbedaan antara….

24
b. Statistik Uji
Dengan rumus

( fo−fh)2
2
x =∑ { fh }
Keterangan :

x 2 = Chi Kuadrat

Fo = Frekuensi yang diobservasi

Fh = frekuensi yang diharapkan

n
Dengan Fh=
k
N = Jumlah sampel
k = Jumlah Kategori yang tersedia
c. Penentuan Titik Kritis
Membandingkan nilai chi square yang diperolehdari perhitungan
dengan tabel c, dengan
df (degree of Freedom) = k – 1, atau
df = (r – 1) x (c-1)

d. Penarikan Kesimpulan
Dari hasil pengujian, H1 ditolak atau diterima. H0 akan ditolak
apabila x 2 hitung> x2 tabel dan sebaliknya, H0 akan diterima apabila
x 2 hitung< x2 tabel .

b. Untuk data yang terdiri dari dua variabel


Jika data terdiri dari dua variabel dengan masing-masing varibel
mempunyai beberapa kategori yang oleh Suliyanto (2014) disebut
dengan " Uji Chi Square K sampel bebas yang digunakan untuk
menguji perbedaan k sampel yang saling bebas jika data yang
digunakan berskala nominal". Jadi datanya terdiri dari dua variabel dan
masing-masing variabel terdiri dari beberapa kategori. Langkah-
langkah mencari perbedaan dengan rumus X2 adalah sebagai berikut :
a) Tentukan H0, H1 dan nilai alpha
b) Statistik Uji :
2
n

x 2=
[
n { ad−bc }−
2 ( )]
( a+b )( c +d ) ( a+c ) ( b+ d )
c) Menentukan daerah kritis :

25
Df = (r – 1)(c – 1)
d) Kesimpulan. Menentukan H0 ditolak atau diterima dengan ketentuan
sebagai berikut :
 Jika x 2 hitung< x2 tabel maka Ho diterima
 Jika x 2 hitung> x2 tabel maka Ho ditolak atau
 Jika P value > α (0,05) maka Ho diterima
 Jika P value < α (0,05) maka Ho ditolak

F. Contoh Penerapan dan Analisis Uji Chi-kuadrat


Penggunaan rumus chi kuadrat ( x 2) berbeda tergantung pada jumlah
variabel. Contohnya sebagai berikut.
1. Untuk data satu variabel
Badan Eksekutif Mahasiswa akan melakukan open recruitment
untuk kepengurusan tahun 2018. Sebuah penelitian dilakukan untuk
mengetahui perbedaan minat mahasiswa baru angkatan 2019 dalam
memilih pilihan departemen yang tesedia dalam BEM. Penelitian
dilakukan pada 40 Mahasiswa baru angkatan 2019. Dengan taraf nyata 5%
apakah terdapat perbedaan pilihan mahasiswa baru angkatan 2019 dalam
memilih pilihan departemen yang tersedia di BEM?
Jawab :
Didapatkan data sebagai berikut

Responden Departemen Responden Departemen


1 PSDM 21 ORSI
2 PSDM 22 ORSI
3 PSDM 23 ORSI
4 PSDM 24 ORSI
5 PSDM 25 ORSI
6 PSDM 26 ORSI
7 PSDM 27 ORSI
8 PSDM 28 ORSI
9 PSDM 29 ORSI
10 PSDM 30 KESMA
11 PSDM 31 KESMA
12 PSDM 32 PENGMAS
13 PSDM 33 PENGMAS
14 ORSI 34 PENGMAS
15 ORSI 35 PENGMAS
16 ORSI 36 PENGMAS
17 ORSI 37 PENGMAS
18 ORSI 38 PENGMAS
19 ORSI 39 PENGMAS

26
20 ORSI 40 PENGMAS
1. PSDM = 13
2. ORSI = 16
3. KESMA = 2
4. PENGMAS = 9
1) Penentuan Hipotesis Statistik
H0 : Tidak terdapat perbedaan minat mahasiswa baru
angkatan 2019 dalam memilih pilihan departemen yang
tersedia di BEM
H1 : Terdapat perbedaan minat mahasiswa baru angkatan
2019 dalam memilih pilihan departemen yang tersedia di
BEM
2) Statistik Uji

( fo−fh)2 N 40
2
x hitung=∑ { fh } Fh=
k
= =10
4

( 13 – 10 )2+ ( 16 – 10 )2+(2−10)2 +( 9 – 10)2 9+ 36+64+1


X 2 hitung= = =11
10 10
3) Daerah Kritis
α =5 %=0,005
df = 4 – 1 = 3
Dengan df dana alfa diatas dapat diketahui nilai
x 2 tabel=7,81
4) Kesimpulan
H0 ditolak, karena nilai x 2 hitung> x2 tabel . Jadi Terdapat
perbedaan minat mahasiswa baru angkatan 2019 dalam
memilih pilihan departemen yang tersedia di BEM

2. Untuk data yang terdiri dari dua variabel


Dilakukan penelitian untuk menguji pengaruh kondisi sanitasi
lingkungan terhadap terjangkitnya penyakit diare.
Kelompok kondisi sanitasi baik sebanyak 70 orang, terjangkit penyakit
diare sebanyak 50 orang dan yang terjangkit penyakit diare sebanyak
20 orang.
Sedangkan kelompok sanitasi buruk sebanyak 50 orang, yang
terjangkit penyakit diare sebanyak 20 orang dan yang terjangkit
penyakit diare sebnyak 30 orang
Jawab :
a) Tentukan Hipotesis

27
Ho : tidak terdapat perbedaan yang signifikan kejadian diare terhadap
kondisi sanitasi lingkungan
H1 : ada perbedaan yang signifikan kejadian diare terhadap kondisi
sanitasi lingkungan
b) Uji statistik dengan rumus 1
Kondisi Penyakit Fo Fh (Fo – ( Fo−Fh)2 ( Fo−Fh)2 /Fh
Sanitasi Fh)
Buruk Diare 50 40,83 9,167 84,028 2,058
3
Tidak 20 29,16 - 9,167 84,028 2,881
diare 7
Baik Diare 20 29,16 - 9,167 84,028 2,881
7
Tiidak 30 20,83 9,167 84,028 4,033
diare 3
11,853
2
x hitung=11,853
x 2 tabel ( α=5 % , df =1 )=3,841
x 2 hitung> x2 tabel maka Ho ditolak
Kesimpulan : Ada perbedaan yang signifikan kejadian diare
berdasarkan kondisi sanitasi lingkungan

c) Uji Statistik dengan rumus 2 :


Kondisi Diare Tidak diare Jumlah
Sanitasi
Buruk 50 20 70
Baik 20 30 50
Jumlah 70 50 120
Hitung nilai x 2
2
n

x 2=
[
n { ad−bc }−
2 ( )] =
( a+b )( c +d ) ( a+c ) ( b+ d )
2
1

x 2=
[
120 {(50)(30)−(20)(30) }− (120)
2 ( )] =10,59
( 50+ 20 )( 20+30 )( 50+20 )( 20+30 )
2
x hitung=10,595
x 2 tabel ( α=5 % , df =1 )=3,841
x 2 hitung> x2 tabel maka Ho ditolak
Kesimpulan : Ada perbedaan yang signifikan kejadian diare
berdasarkan kondisi sanitasi lingkungan
[ CITATION Ana18 \l 1033 ].

28
29
BAB III
PENUTUP

A. Kesimpulan
Statistika Pendidikan adalah cabang ilmu statistika yang digunakan dalam
bidang pendidikan. Pada statistika pendidikan terdapat berbagai macam uji
data. Uji persyaratan analisis diperlukan guna mengetahui apakah analisis
data untuk pengujian hipotesis dapat dilanjutkan atau tidak. Beberapa teknik
analisis data menuntut uji persyaratan analisis.
Chi kuadrat adalah suatu teknik statistik yang digunakan untuk menguji
signifikasi perbedaan frekuensi atau jumlah (data nominal). Statistika
inferensial merupakan metode statistika yang berkaitan dengan pengetahuan
pembuatan simpulan terhadap populasi berdasarkan data sampel yang diambil
dari populasi. Terdapat dua pengetahuan dalam metode ini yaitu bagaimana
cara melakukan estimasi terhadap populasi dan bagaimana melakukan
pengujian hipotesis. Statistika inferensial disebut juga statistika inferensi atau
induktif.
B. Saran
Pada penelitian, pengambilan data akan mendapat hasil yang baik jika
melalui uji analisis prasyarat dan uji chi-kuadrat terlebih dahulu. Selain itu,
banyaknya data yang diperoleh juga memengaruhi hasil dari penelitian,
semakin banyak data yang diambil maka akan lebih baik hasil yang
didapatkan. Jumlah minimal pengambilan data yaitu 30 sampel. Dengan
menggunakan statistik inferensial, kesimpulan yang didapatkan akan lebih
baik. Pada penulisan makalah ini, penulis tentunya masih menyadari adanya
beberapa kesalahan dan jauh dari kesempurnaan. Penulis mengharapkan agar
pembaca dapat memaklumi hal tersebut. Penulis juga berharap agar makalah
ini dapat membantu memberikan informasi bagi para pembaca.

30
DAFTAR PUSTAKA

Ananda, Rusydi & Fadhli, M. 2018. Statistik Pendidikan Teori dan Praktik dalam
Pendidikan. Medan: CV Widya Puspita.
Hanief, Y. N. & Himawanto, W. 2017. Statistik Pendidikan. Yogyakarta:
Deepublish.
Hanief, Y. N. 2017. Statistik Pendidikan. Yogyakarta: Deepublish.
Lolombulan, J. H. 2017. STATISTIKA - bagi Peneliti Pendidikan. Yogyakarta:
Penerbit ANDI.
Mahdiyah. 2014. Statistik Pendidikan. Bandung: PT. Remaja Rosdakarya.
Muwarni, D. F. 2001. Statistik Inferensial Terapan untuk Ekonomi dan Bisnis.
Malang: FE UM.
Riduwan. 2003. Dasar-Dasar Statistika. Bandung: Alfabeta.
Setiawan & Permana. 2008. Pengantar Statistik. Bandung: Deutschabteilung UPI.
Sudjana. 1992. Metode Statistik. Bandung: Tarsito.
Sudjiono, A. 2009. Pengantar Statistik Pendidikan. Jakarta: PT. Raja Grafindo
Persada.
Sugiyono. 2017. Statistik untuk Penelitian. Bandung: Alphabeta.
Suliyanto. 2014. Statistika nonparametrik dalam Statistik Penelitian. Yogyakarta:
Andi Publisher.
Supranto. 1986. Pengantar Probabilitas dan Statistik Induktif Jilid 2. Jakarta:
Erlangga.
Syafril. 2009. Statistik Pendidikan. Jakarta : Kencana.

Syafril. 2019. Statistik Pendidikan Edisi Pertama. Padang: Kencana.

31
LAMPIRAN
Lampiran 1 Tabel Distribusi Normal Baku dari 0-Z

32
Lampiran 2 Nilai Kritis Uji Liliefors

33
Lampiran 3 Tabel F db pembilang dan F db penyebut

34
Lampiran 4 Uji Normalitas Menggunakan SPSS

35
36
Data normal jika siginifikansi > 0,05

37
Lampiran 5 Uji Homogenitas Menggunakan Aplikasi SPSS

38
39
40
Jika nilai signifikansi > 0,05 data dinyatakan homogen

41
Lampiran 6 Uji Linearitas Menggunakan SPSS

42
43
Jika signifikansi > 0,05 data dinyatakan linear

44
Lampiran 7 Uji Chi Kuadrat Menggunakan Aplikasi SPSS

45
46
47
Uji Chi-Kuadrat 2 populasi

48