Uji Persyaratan Analisis Data

Pertemuan Ke-13

Prodi Pendidikan Matematika

STKIP YPM Bangko
 Pendahuluan

digunakan apabila asumsi-asumsi uji

parametrik tidak dipenuhi, yaitu: sampel acak yang berasal
dari populasi yang berdistribusi normal, varians bersifat
homogen, dan bersifat linier. Bila asumsi-asumsi ini
dipenuhi, atau paling tidak penyimpangan terhadap
asumsinya sedikit, maka uji parametrik masih bisa
diandalkan. Tetapi bila asumsi tidak dipenuhi maka uji
nonparametrik menjadi alternatif. Asumsi uji statistika
parametrik, di antaranya yaitu : normalitas, homogenitas,
linieritas, autokorelasi, multikolinearitas, dan
homokedasitas.

M. Jainuri
 Pendahuluan

Pengujian persyaratan analisis dilakukan apabila peneliti

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

M. Jainuri
 Uji Normalitas

Pengujian normalitas dilakukan untuk

mengetahui normal tidaknya suatu distribusi
data. Hal ini penting diketahui berkaitan dengan
ketepatan pemilihan uji statistik yang akan
dipergunakan. Uji parametrik mensyaratkan
data harus berdistribusi normal. Apabila
distribusi data tidak normal maka disarankan
untuk menggunakan uji nonparametrik

M. Jainuri
 Uji Normalitas

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.

M. Jainuri
 Uji Normalitas

Rumus statistik yang dipergunakan untuk

maksud uji normalitas data antara lain: Chi-
Square, Lilifors Test, Kolmogorov-Smirnov,
Shapiro Wilk, dsb.

Pada materi ini diberikan contoh uji normalitas

dengan menggunakan uji Kolmogorov-Smirnov
secara manual dan dengan program IBM SPSS
22.

M. Jainuri
 Uji Normalitas

Contoh :
Hasil uji coba tes dengan jumlah responden
adalah 34 siswa, diperoleh data sebagai berikut:
73,0 75,0 57,5 81,2 48,2 49,4 54,2
83,7 76,2 65,0 63,2 65,9 75,0 49,4
78,7 76,2 62,2 73,0 54,9 63,7 58,7
58,3 46,2 73,7 58,6 61,5 65,0 55,0
61,5 52,5 58,7 77,9 74,5 64,2

M. Jainuri
 Uji Kolmogorov-Smirnov

Langkah-langkah:
 Menentukan hipotesis
H0 : data berdistribusi normal
H1 : data tidak berdistribusi normal
 Menentukan statistik uji: Kolmogorov-Smirnov
f  F 
Dmax      p  z 
n  n 
 Menentukan tingkat signifikansi (α) : 0,05
 Kriteria pengujian:
Jika Dmax ≤ D(α,n) maka H0 diterima
Jika Dmax > D(α,n) maka H0 ditolak

M. Jainuri
 Uji Kolmogorov-Smirnov
Buat tabel pembantu:
X f F f/n F/n z P≤z (F/n - P ≤ z) {f/n - (F/n - P ≤ z)}
46,2 1 1 0,0294 0,0294 -1,76 0,0392 -0,0098 0,039
48,2 1 2 0,0294 0,0588 -1,57 0,0582 0,0006 0,029
49,4 2 4 0,0588 0,1176 -1,45 0,0735 0,0441 0,015
52,5 1 5 0,0294 0,1471 -1,15 0,1251 0,0220 0,007
54,2 1 6 0,0294 0,1765 -0,99 0,1611 0,0154 0,014
54,9 1 7 0,0294 0,2059 -0,92 0,1788 0,0271 0,002
55 1 8 0,0294 0,2353 -0,91 0,1814 0,0539 -0,024
57,5 1 9 0,0294 0,2647 -0,67 0,2514 0,0133 0,016
58,3 1 10 0,0294 0,2941 -0,59 0,2776 0,0165 0,013
58,6 1 11 0,0294 0,3235 -0,57 0,2843 0,0392 -0,010
58,7 2 13 0,0588 0,3824 -0,56 0,2877 0,0947 -0,036
61,5 2 15 0,0588 0,4412 -0,29 0,3859 0,0553 0,004
62,2 1 16 0,0294 0,4706 -0,22 0,4129 0,0577 -0,028
63,2 1 17 0,0294 0,5000 -0,12 0,4522 0,0478 -0,018
63,7 1 18 0,0294 0,5294 -0,07 0,4721 0,0573 -0,028
64,2 1 19 0,0294 0,5588 -0,03 0,488 0,0708 -0,041
65 2 21 0,0588 0,6176 0,05 0,5199 0,0977 -0,039
65,9 1 22 0,0294 0,6471 0,14 0,5557 0,0914 -0,062
73 2 24 0,0588 0,7059 0,82 0,7939 -0,0880 0,147
73,7 1 25 0,0294 0,7353 0,89 0,8133 -0,0780 0,107
74,5 1 26 0,0294 0,7647 0,97 0,834 -0,0693 0,099
75 2 28 0,0588 0,8235 1,01 0,8438 -0,0203 0,079
76,2 2 30 0,0588 0,8824 1,13 0,8708 0,0116 0,047
77,9 1 31 0,0294 0,9118 1,29 0,9015 0,0103 0,019
78,7 1 32 0,0294 0,9412 1,37 0,915 0,0265 0,003
81,2 1 33 0,0294 0,9706 1,61 0,946 0,0243 0,005
83,7 1 34 0,0294 1 1,85 0,968 0,0322 -0,003
n 34 Dmax 0,147
 Uji Kolmogorov-Smirnov

 Mencari nilai D(α,n) dengan α = 0,05 dan n = 34, maka

diperoleh :
D(α,n) = D(0,05,34) = 0,233 dengan menggunakan rumus:
1,36
D ( , n)   0,233
34
 Membandingkan nilai Dmax dengan D(α,n) dan menarik
kesimpulan.
Karena Dmax < D(α,n) atau 0,147 < 0,233 maka Ho
diterima, artinya data berdistribusi normal.

M. Jainuri
Menggunakan SPSS

M. Jainuri
 Menggunakan SPSS

Output:

M. Jainuri
 Uji Homogenitas Varians
Uji homogenitas (kesamaan varians) untuk menguji apakah dua
atau lebih kelompok data dalam penelitian homogen, yaitu
dengan membandingkan variansnya. Jika variansnya sama
besarnya, maka uji homogenitas tidak perlu dilakukan karena
data sudah dapat dianggap homogen. Namun untuk varians
yang tidak sama besarnya, perlu dilakukan uji homogenitas.

Persyaratan agar pengujian homogenitas dapat dilakukan ialah

apabila kedua datanya terbukti berdistribusi normal. Uji
homogenitas dilakukan untuk penelitian menggunakan uji-
beda.
 Uji Homogenitas Varians
Beberapa teknik statistik untuk uji homogenitas varians
antara lain:
Uji Hardley/F
Uji Cohran
Uji Levene.
(digunakan apabila jumlah sampel (n) antar kelompok
sama),
Uji Bartlett (dapat digunakan untuk n kelompok sama
maupun tidak sama).
 Uji BARTLETT
Diketahui data dari 4 kelas sebagai berikut:
KELAS A B C D

∑ 2350,6 2191,9 2191,2 1491,8

N 34 34 35 23
Mean 69,135 64,468 62,606 64,861
S 11,6709 10,3849 10,1196 13,7263
S2 136,209 107,846 102,406 188,411

Periksalah apakah varians dari keempat kelas

homogen!
 Langkah-langkah Uji Bartlett
Hipotesis statistik untuk uji homogenitas:
Ho :  A =  B =  C =  D
2 2 2 2

H1 : paling sedikit satu tanda tidak sama dengan

Statistik uji: Bartlett

 
1
2 n1 1 2 n 2 1 2 n k 1 Nk
(S ) .(S 2 ) ....(S k )
b hitung  1
2
Sp
Taraf nyata (α) : 0,05
 Langkah-langkah Uji Bartlett
Kriteria pengujian, karena ukuran sampelnya
tidak sama maka kriteria sebagai berikut:
Jika bhitung < bk(α,n1,n2,n3,n4) maka Ho ditolak
Jika bhitung > bk(α,n1,n2,n3,n4) maka Ho diterima
Menghitung variansi dan rata-rata:
2
Kelas A = s = 136,209
A
Mean A = 69,135
2
Kelas B = s = 107,846
B
Mean B = 64,468
2
Kelas C = s = 102,406
C
Mean C = 62,606
2
Kelas D = s = 188,411
D
Mean D = 64,861
 Langkah-langkah Uji Bartlett
Menghitung varians gabungan:
(ni - 1). si dengan N = n1 + n2 + n3 + n4
2


2
sp
(N - k) = 34 + 34 + 35 + 23 = 126

33 x 136,209  33 x 107,846  34 x 102,406  22 x 188,411


2
Sp
122
15680 ,661
  128,530
2
Sp
122
 Langkah-langkah Uji Bartlett
Menghitung nilai bhitung:
 
1
2 n1 1 2 n 2 1 2 n k 1 Nk
(S ) .(S 2 ) ....(S k )
b hitung  1
2
Sp

bk 
31,9804  31,9804  32,9805)  21,0105 )
126

117 ,9518
bk   0,936
126
 Langkah-langkah Uji Bartlett
Menghitung nilai bk:

bk 
34(0,9406)  34(0,9406)  35(0,9423)  23(0,9135 )
126

bk 
31,9804  31,9804  32,9805)  21,0105 )
126
117 ,9518
bk   0,936
126
 Langkah-langkah Uji Bartlett

Menarik kesimpulan:

Karena bhitung > bk atau 0,979 > 0,936 maka Ho

diterima artinya variansi keempat kelas homogen.
Uji Linearitas
 Uji Linearitas
Pengujian persyaratan analisis dilakukan
apabila peneliti menggunakan uji
parametrik, maka harus dilakukan
pengujian persyaratan terhadap asumsi-
asumsi seperti normalitas dan
homogenitas untuk uji perbedaan
(komparatif), normalitas dan linearitas
untuk uji korelasi serta uji regresi.
M. Jainuri
 Contoh :
No.
Resp.
X Y
Diberikan data variabel X
1 5 46
2
3
8
7
40
43
dan Y seperti tabel di
4
5
4
8
37
40 samping. Dengan
menggunakan α = 0,05
6 6 45
7 7 41
8 6 45
9
10
7
5
43
46
buatlah pengujian hipotesis
11
12
5
7
46
43 untuk mengetahui distribusi
13 4 50
14
15
5
5
46
48
frekuensi data tersebut
16
17
5
4
47
50 apakah berpola linear atau
18 5 46
19
20
6
6
45
45
tidak !
∑ 115 892
 Penyelesaian :
No.
Resp.
X Y X2 Y2 XY
Langkah 1 :
1 5 46 25 2116 230
2 8 40 64 1600 320
3 7 43 49 1849 301
4
5
8
4
37
40
64
16
1369
1600
296
160
Menyusun tabel
6
7
6
7
45
41
36
49
2025
1681
270
287
kelompok data
8 6 45 36 2025 270 variabel X dan
9 7 43 49 1849 301
10 5 46 25 2116 230 variabel Y
11 5 46 25 2116 230
12 7 43 49 1849 301
13 4 50 16 2500 200
14 5 46 25 2116 230
15 5 48 25 2304 240
16 5 47 25 2209 235
17 4 50 16 2500 200
18 5 46 25 2116 230
19 6 45 36 2025 270
20 6 45 36 2025 270
∑ 115 892 691 39990 5071
 Penyelesaian :
Langkah 2 : Menghitung jumlah kuadrat regresi (JKReg(a))
dengan rumus :
(Y) 2 (892) 2
JK Reg(a)  
n 20
795664
JK Reg(a)   39783,2
20
Langkah 3 : Menghitung jumlah kuadrat regresi b/a
(JKReg(b/a)) dengan rumus :
 (X).(Y) 
JK Reg(b/a)  b.XY - 
 n 
 Penyelesaian :
Rumus mencari b (nilai arah regresi) :
n.XY  X .Y 20.(5083)  (115).(892)
b b  1,54
n.X 2  (X ) 2 20.(691)  (115) 2

Maka :
 (X).( Y) 
JK Reg(b/a)  b.XY - 
 n 
 (116).(892)   102580 
JK Reg(b/a)  1,54.5083 -   1,54 5083  
 20   203 
JK Reg(b/a)  1,54.5083 - 5129  1,54( 46)  70,84
 Penyelesaian :
Langkah 4 : Menghitung jumlah kuadrat residu (JKRes)
dengan rumus :

JK Res  Y 2  JK Reg(b/a) - JK Reg(a)

JK Res  39990  70,84 - 39783,2
JK Res  135,96

Langkah 5 : Menghitung rata-rata kuadrat Regresi a

(RJKReg(a)) dengan rumus :
RJKReg(a)= JKReg(a)= 39783,2
 Penyelesaian :
Langkah 6 : Mencari Rata-rata Jumlah Kuadrat Regresi
(RJKReg(b/a)) dengan rumus :
RJKReg(b/a)= JKReg(b/a)= 70,84

Langkah 7 : Mencari Rata-rata Jumlah Kuadrat Residu

(RJKRes) dengan rumus :
JK Res 135,96
RJK Res    7,56
n-2 18
 Penyelesaian :
Langkah 8 : Menghitung jumlah kuadrat error (JKE).
Untuk menghitung JKE urutkan data X
mulai dari data paling kecil sampai data
yang paling besar berikut disertai
pasangannya sesuai, kemudian masukan ke
dalam rumus sebagai berikut :

 2 (Y) 2 
JK E   Y - 
k  n 
 Penyelesaian :
X Kelompok n Y

 (Y) 2 
JK E   Y -
4 40 2
4 1 3 50 
k  n 
4 50
5 46   ( 40  2(50) 2 
5 46 JK E  ((40)  2.(50) )  
2 2
 
5 46   3 
5 2 7 46
  (5(46  47  48) 2 
(5(46)  47  48 )    
5 46 2 2 2
5 47
  7 
5 48
6 45   (4(45)) 2 
4(45)    
2
6 45
3 4
6 45   4 
6 45
 2  (41  3(43)) 2 
41  3(43)    
7 41 2
7
4 4
43
  4 
7 43
7 43  2  (37  40) 2 
37  40   
2
8 37
8
5 2
40   2 
 Penyelesaian :

  19600    105625 
JK E  (1600  5000)      (10580  2209  2304 )    
  3    7 
  32400    28900    5929 
8100     1681  5547     1369  1600   
  4    4    2 

JK E  (6600)  6533,33  (15093)  15089,29  8100  8100 

7228  7225  2969  2964,5

JK E  66,67  3,71  0  3  4,5  77,88

 Penyelesaian :
Langkah 9 : Menghitung jumlah kuadrat tuna
cocok (JKTC).
JK TC  JK Res - JK E
JK TC  135,96 - 77,8  58,16

Langkah 10 : Menghitung rata-rata jumlah

kuadrat tuna cocok (RJKTC).
JK TC 58,16
RJK TC    19,387
k-2 5-2
 Penyelesaian :

Langkah 11 : Menghitung rata-rata jumlah kuadrat

error (RJKE).
JK E 77,88
RJK E    5,192
n - k 20 - 5

Langkah 12 : Menghitung nilai uji-F :

RJK TC 19,387
F   3,734
RJK E 5,192
 Penyelesaian :
Langkah 13 : Mencari nilai tabel F pada taraf
signifikansi 95 % atau α = 5 %
menggunakan rumus :
Ftabel = F(1- α)(dkTC,dkE) dkTC = k – variabel
= F(95%)(5-2,20-5) dkE = n – k
= F(95%)(3,15) n = sampel
k = banyaknya kelompok data
= 3,29
Dengan demikian nilai Fhitung > Ftabel atau
3,734 > 3,29, artinya data tersebut tidak
berpola linear.