LAPORAN PRAKTIKUM

STATISTIKA TERAPAN

UJI NORMALITAS DAN UJI HOMOGENITAS

Oleh :

1. Feri yuliyanti (18312241007)

2. Annisa trilusiani (18312241008)

3. Nada almadani (18312241018)

4. Latifa nur’aini (18312241024)

JURUSAN PENDIDIKAN IPA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI YOGYAKARTA

A. Judul

Uji normalitas dan uji homogenitas

B. Tujuan

Mampu melakukan analisis uji prasyarat (uji normalitas dan uji homogenitas)

C. Dasar Teori

Ada dua macam statistik yaitu statistik deskriptif dan statistik inferensial.
Baik statistik dekriptif maupun statistik inferensial, keduanya tidak seluruhnya dapat
dipisahkan satu dengan yang lain. Statistika deskriptif merupakan kumpulan kegiatan
yang mencakup tentang pengumpulan data, pengolahan, dan penyajian data dalam
bentuk yang baik (Syamsudin, 2002).

Statistika inferensial merupakan alat bantu mengolah data, menganalisis data,

menarik kesimpulan dan membuat keputusan. Contoh dari statistik inferensial yaitu
statistik parametrik dan statistik non parametrik (Usman dan Akbar, 2003).
Penggunaan uji statistik parametrik dan uji non parametrik didasari pada distribusi
data yang digunakan sebagai salah satu asumsi dasar. Jika data berdistribusi normal
maka statistik parametrik dapat digunakan, namun jika distribusi data tidak normal
maka statistik non parametrik yang dapat digunakan.

Menurut Iriyanto (2007) data populasi akan berdistribusi normal jika rata-rata
nilainya sama dengan modenya serta sama dengan mediannya dan sebagian nilai/skor
mengumpul di posisi tengah.

Statistika berupaya memelihara agar data yang diambil memiliki hasil yang
berada pada nilai rata-rata atau yang dapat disebut dengan istilah kewajaran. Dalam
menguji kewajaran tersebut, perlu ditempuh suatu pengujian normalitas (Matondang,
2012).

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 (Nuryadi,dkk,
2017).

Hipotesis statistik yang digunakan: H0 : sampel berdistribusi normal H1 :

sampel data berdistribusi tidak normal Meskipun demikian, apabila sebaran data
suatu penelitian yang mengungkapkan kemampuan siswa 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. Ada beberapa cara yang dapat dilakukan dalam analisis normalitas data yaitu
Liliefors, kolmogorof-smirnov, chi square, dan sebagainya (Nuryadi,dkk, 2017).

Uji normalitas adalah pengujian data untuk melihat apakah nilai residual
terdistribusi normal atau tidak (Imam Ghazali, 2011:29). Data yang berdistribusi
normal akan memperkecil kemungkinan terjadinya bias. Dalam penelitian ini, untuk
mengetahui kenormalan distribusi data menggunakan Kolmogorov-Smirnov Test
melalui program SPSS 21 for windows. Apa bila nilai Asymp. Sig. suatu variabel lebih
besar dari level of significant 5% (> 0.050) maka variabel tersebut terdistribusi
normal, sedangkan jika nilai Asymp. Sig. suatu variabel lebih kecil dari level of
significant 5% (< 0.050) maka variabel tersebut tidak terdistribusi dengan normal.

Pengujian normalitas data dapat dilakukan dengan beberapa metode seperti:

Anderson-Darling test, Kolmogorov-Smirnovtest, Pearson Chi-Square test, Cramer-
von Mises test, Shapiro-Wilktest, Fisher’s cumulate test (Wahjudi, 2007). Selain itu
Matondang (2012) mengemukakan bahwa ada dua pengujian normalitas yang
digunakan untuk pendekatan statistik parametrik yaitu uji Lilliefors dan uji
ChiKuadrat. Selain metode di atas Kuntoro (2007) juga memperkenalkan metode uji
normalitas yang dapat digunakan yaitu dengan menggunakan metode Kolmogorov-
Smirnov, Kesimetrisan dan Kurtosis (Uji Skewness-Kurtosis). Beberapa metode di
atas memiliki kelebihan masing-masing seperti yang disampaikan oleh Dahlan (2009)
menyebutkan bahwa uji Kolmogorov-Smirnov lebih tepat untuk sampel yang lebih
dari 50.

Matondang (2012) menyebutkan bahwa Lilliefors biasanya digunakan untuk

rentang data yang tidak melebihi 50. Shapiro dan Wilk dalam Razali dan Wah (2011)
menyampaikan jika uji Shapiro-Wilk yang pada umumnya penggunaannya terbatas
untuk sampel yang kurang dari 50 agar menghasilkan keputusan yang akurat.

Kuntoro (2007) berpendapat mengenai uji Skewness-Kurtosis yang dapat mengambil

keputusan suatu uji normalitas jika digunakan pada data dengan nilai rata-rata lebih
kecil dari standar deviasi (Kuntoro, 2007). Berdasarkan hal tersebut peneliti ingin
melihat pada tiap metode uji normalitas tersebut yaitu uji Kolmogorov-Smirnov, uji
Lilliefors, uji Shapiro-Wilk dan uji Skewness-Kurtosis apakah dalam menghasilkan
keputusan memberikan hasil yang konsisten jika diterapkan pada berbagai besar
sampel dan metode uji normalitas manakah yang menghasilkan tingkat konsistensi
terbaik.

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. 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 memiliki karakteristik yang sama
(Nuryadi,dkk, 2017).

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
kita ingin meneliti 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. Perhitungan
uji homogenitas dapat dilakukan dengan berbagai cara dan metode, beberapa yang
cukup populer dan sering digunakan antara lain: uji Harley, Cochran, levene dan
Barlett (Nuryadi,dkk, 2017).

D. Data
1. Uji Normalitas

Nilai Kognitif Nilai Afektif Nilai Psikomor

82.00 76.00 90.00
85.00 88.00 90.00
80.00 83.00 80.00
81.00 90.00 81.00
87.00 85.00 86.00
88.00 78.00 85.00
86.00 83.00 80.00
86.00 84.00 85.00
90.00 90.00 78.00
76.00 89.00 80.00
88.00 83.00 84.00
75.00 83.00 90.00
80.00 78.00 90.00
81.00 81.00 75.00
85.00 81.00 86.00
76.00 85.00 87.00
90.00 87.00 87.00
88.00 90.00 84.00
75.00 87.00 83.00
75.00 78.00 90.00

2. Uji Homogen
Nilai Kognitif Afektif Psikomor
80.00 85.00 Kelas A
84.00 85.00 Kelas A
75.00 80.00 Kelas A
75.00 83.00 Kelas A
 70.00 80.00 Kelas A
80.00 78.00 Kelas A
80.00 78.00 Kelas A
85.00 85.00 Kelas A
76.00 80.00 Kelas A
78.00 81.00 Kelas A
75.00 80.00 Kelas B
75.00 80.00 Kelas B
73.00 75.00 Kelas B
60.00 73.00 Kelas B
65.00 70.00 Kelas B
70.00 70.00 Kelas B
73.00 65.00 Kelas B
75.00 70.00 Kelas B
60.00 80.00 Kelas B
70.00 82.00 Kelas B

E. Prosedur Kerja
1. Uji Normalitas
a. Membuka aplikasi SPSS, lalu pilih variable view di bagian bawah

b. Mengisi di kolom name berupa nilai kognitif, nilai afektif, dan nilai psikomor
c. Memilih data view dan memasukkan data nilai kognitif, nilai afektif dan nilai
psikomor

d. Menganalisis data dengan memilih menu Analyze→ Nonparametric Tests → Legacy

Dialogs → 1 Sample K-S
e. Memindahkan nilai kognitif. Nilai afektif dan nilai psikomor pada kotak Test
Variable List lalu klik OK

f. Analisis data akan muncul sebagai berikut:

2. Uji Homogen
a. Membuka SPSS, lalu memilih variable view di bagian bawah

b. Mengisi Variabel View

c. Mengisi nilai Data View (pada psikomor ‘1’ untuk kelas A dan ‘2’ untuk kelas
B)

d. Kemudian memilih analyse setelah itu pilih compare means kemudian pilih
One-way ANOVA
e. Setelah itu memasukkan psikomor pada kolom factor sedangkan nilai
kognitif dan afektif pada dependent list

f. Lalu memilih option dan centang pada Homogeneity of variance test setelah
itu pilih continue
g. Setelah itu klik OK

h. Lalu akan muncul outdata seperti berikut

F. Kesimpulan
1. Uji Normalitasi

Hipotesis Statistic Test

Ho : Sampel berdistribusi normal.

H1 : Sampel berdistribusi tidak normal.

Ketentuan:

Jika Asymp.Sig (2-tailed) ≥ ½ α, maka Ho diterima.

Jika Asymp. Sig (2-tailed) < ½ α, maka Ho ditolak.

Berdasarkan hasil analisis data diatas diperoleh :

1. Nilai kognitif dengan Asymp.Sig (2-tailed = 0,139) ≥ ½ α (0,05), sehingga

berdistribusi normal
2. Nilai afektif dengan Asymp.Sig (2-tailed = 0,200) ≥ ½ α (0,05), sehingga
berdistribusi normal
3. Nilai psikomor dengan Asymp.Sig (2-tailed = 0,200) ≥ ½ α (0,05), sehingga
berdistribusi normal
2. Uji Homogenitas
Hipotesis Statistic test
Ho = Nilai Sig kelas A dan kelas B berdistribusi Homogen
Hi = Nilai Sig kelas A dan kelas B tidak berdistribusi homogen
Ketentuan :
α = 0.05
Jika nilai Sig ≥ α, maka Ho diterima.
Jika nilai Sig < α, maka Ho ditolak.
Berdasarkan hasil analisis data diatas diperoleh :
Kerena p-value (sig) = 0,357 > 0,05 maka data diambil dari sampel yang
homogen.
 Daftar Pustaka

Dahlan, M.S. 2009. Statistik untuk Kedokteran dan Kesehatan, Edisi 4 (Deskriptif,
Bivariat dan Multivariat, dilengkapi Aplikasi dengan Menggunakan SPSS).
Jakarta: Salemba Medika.

Imam Ghozali. (2011). Aplikasi Analisis Multivariate dengan Program IBM SPSS 19.
Semarang: Badan Penerbit Universitas Diponegoro.

Iriyanto, A. 2007. Statistik Konsep Dasar dan Aplikasinya. Jakarta: Kencana Prenada
Media Group.

Kuntoro. 2007. Metode statistik. Surabaya: Pustaka melati.

Matondang, Z. 2012. Sub Modul III Pengujian Normalitas Data. Modul Mata kuliah
Statistika.PDF.Diakses pada tangga l11 februari 2020 pukul 11.40 WIB. DI
http://digilib.unimed.ac.id/public/UNIMED-Discuss-24363-Modul_Statistika-
2012%20 Zulkifli%20Matondang.pdf.

Nuryadi,dkk. 2017. Dasar Dasar Statistika Penelitian. Yogyakarta: Sibuku media.

Syamsudin. 2002. Statistik Deskriptif. Surakarta: Muhammadiyah University Press.

Usman, H.& P.S. Akbar. 2003. Pengantar Statistika. Jakarta: PT. Bumi Aksara.