Perbedaan Uji Normalitas dan Homogenitas

Uji Normalitas dan Homogenitas adalah dua jenis uji yang berbeda namun
banyak mahasiswa yang seolah menganggap keduanya adalah satu jenis uji yang sama
dengan istilah yang berbeda. Uji Normalitas dan Homogenitas itu sebenarnya adalah kedua
uji yang sama sekali berbeda, namun sering dilakukan atau diperlukan secara bersamaan.

Dalam modul ini akan mencoba menerangkan secara detail apa sebenarnya kesamaan dan
perbedaan antara kedua uji tersebut.
Indikasi uji Normalitas
Uji normalitas digunakan sebagai syarat atau asumsi dari berbagai uji parametris,
misalnya uji regresi linear, uji Anova, Uji Ancova, Uji Manova, Uji Independen T Test, Uji
Paired T Test dan berbagai uji lainnya, baik analisis multivariat ataupun univariat.
Uji normalitas pada berbagai uji yang kami sebutkan di atas, tentunya berbeda-beda caranya
dan berbeda juga apa yang diuji. Misalkan pada uji regresi linear berganda, yang diuji
normalitas adalah residual. Pada uji independen t test, yang diuji adalah variabel terikat per
kelompok. Sedangkan pada uji paired t test, yang diuji adalah selisih antara dua data yang
berpasangan. Untuk lebih detail silahkan baca artikel-artikel kami yang membahas uji-uji di
atas.
Tentunya karena sebagai syarat uji parametris, maka jika asumsi normalitas tidak terpenuhi
atau dengan kata lain tidak berdistribusi normal atau terima H1, kita sebagai peneliti harus
melakukan treatment sesuai analisis hipotesis yang kita gunakan. Misalnya jika asumsi
normalitas tidak terpenuhi pada uji regresi linear berganda, kita bisa melakukan teknik
transformasi. Sedangkan jika asumsi normalitas tidak terpenuhi pada uji independen t test,
maka kita bisa menggunakan uji alternatif dengan uji non parametris, misalnya uji mann
whitney u test.
Contoh Uji Normalitas
Uji normalitas banyak sekali teknik atau metode perhitungannya, antara lain adalah: Uji
Kolmogorov Smirnov, uji Lilliefors, Uji Shapiro WIlk, Uji Shapiro Francia, Uji Anderson
Darling, Uji Ryan Joiner, Uji Jarque Bera, Uji Skewness Kurtosis, PP Plot, QQ Plot, Detrend
QQ Plot.
Untuk lebih jelasnya perihal uji normalitas, silahkan baca artikel kami tentang uji normalitas.

Indikasi uji Homogenitas

Uji homogenitas berbeda dengan uji normalitas meskipun sama-sama digunakan sebagai
syarat dalam uji parametris. Letak perbedannya adalah, jika uji normalitas diperlukan pada
semua uji parametris, maka uji homogenitas tidak selalu digunakan. Uji homogenitas hanya
digunakan pada uji parametris yang menguji perbedaan antara kedua kelompok atau
beberapa kelompok yang berbeda subjeknya atau sumber datanya. Oleh karena itu, uji
homogenitas diperlukan sebagai asumsi dari uji independen t test dan uji Anova. Sedangkan
pada uji regresi linear, homogenitas tidak diperlukan sebagai syarat sebab uji regresi linear
tidak menguji perbedaan beberapa kelompok.
Konsekuensi jika asumsi homogenitas tidak terpenuhi, maka yang harus dilakukan oleh
peneliti juga berbeda-beda tergantung pada analisis hipotesis yang utama. Misalkan pada uji
Anova, jika asumsi homogenitas tidak terpenuhi, maka peneliti dapat menggunakan koreksi
oleh uji brown forsythe atau welch’s F. Sedangkan jika asumsi homogenitas tidak terpenuhi
apda uji independen t test, peneliti dapat menggunakan uji independen t test unequal
variance atau menggunakan uji indepeden welch’s test.
Contoh Uji Homogenitas
Uji homogenitas banyak juga teknik atau metode perhitungannya, yang populer adalah: Uji
Levene test, Fisher F dan Bartlett Test.

1
Uji homogenitas kalau diartikan secara mudahnya adalah uji yang menilai adakah perbedaan
varians antara kedua kelompok atau lebih. Untuk lebih jelasnya perihal uji homogenitas,
silahkan baca artikel kami tentang uji homogenitas.

Kesimpulan Kesamaan Uji Normalitas dan Homogenitas

Berdasarkan penjelasan singkat di atas, maka dapat disimpulkan bahwa kesamaan
antara uji normalitas dan homogenitas: keduanya sama-sama sebagai asumsi atau syarat uji
parametris.

Kesimpulan Perbedaan Uji Normalitas dan Homogenitas

Berdasarkan penjelasan di atas, dapat disimpulkan bahwa perbedaan antara uji normalitas
dan homogenitas: uji normalitas selalu diperlukan sebagai asumsi atau syarat setiap uji
parametris. Sedangkan uji homogenitas hanya diperlukan pada uji parametris yang menilai
perbedaan dua atau lebih kelompok.
Demikian penjelasan singkat kami perihal kesamaan dan perbedaan serta konsekuensi dari
uji normalitas dan homogenitas. Semoga dapat bermanfaat bagi para peneliti dan pembaca.

UJI HOMOGENITAS

Secara sederhana, tujuan utama dari uji homogenitas adalah memastikan bahwa sejumlah
populasi yang akan diukur adalah homogen. Dengan kata lain, tidak jauh berbeda
keragamannya. Uji homogenitas adalah sebuah persyaratan sebelum melakukan pengujian
lainnya seperti T Test dan Anova. Lebih lanjutnya, simak pembahasan di bawah ini.

Pengertian Uji Homogenitas

Pengujian atau uji homogenitas bertujuan untuk meyakinkan bahwa sekumpulan data yang
akan diukur memang berasal dari populasi yang homogen (sama). Penghitungan
homogenitas dilakukan peneliti saat ingin membandingkan sebuah sikap, intensi, atau
perilaku (varians) pada dua kelompok populasi (Widhiarso, 2011). Kelompok populasi
tersebut memiliki ciri dan karakteristik sendiri seperti usia, jenis kelamin, pendidikan, dan lain
sebagianya.
Sebagai contoh, peneliti ingin mengukur intensi stres pada karyawan berdasarkan jenis
kelaminnya. Maka, terdapat dua kelompok populasi, yaitu kelompok karyawan pria dan
kelompok karyawan wanita. Sebelum melakukan perbandingan kelompok tersebut, peneliti
perlu melakukan uji homogenitas. Analisis dapat dilakukan jika uji homogenitas terpenuhi,
yaitu bahwa seluruh populasi karyawan laki-laki dan perempuan adalah homogen.

Azwar (2010) mengatakan bahwa sebenarnya kita boleh saja tidak melakukan uji
homogenitas, dengan syarat jumlah (n) populasi sama di setiap kelompok. Yaitu ada
keseimbangan jumlah populasi karyawan pria dan karyawan wanita (misalnya, karyawan
pria dan wanita berjumlah masing-masing 50 orang). Jika jumlah (n) populasi di kedua
kelompok tidak seimbang, maka perlu dilakukan uji homogenitas untuk memastikan bahwa
seluruh populasi homogen.

UJI KESAMAAN VARIANS POPULASI

Sekilas Uji Kesaman Varians Populasi dengan Uji Levene

Uji Levene merupakan salah satu uji dalam statistika yang dapat digunakan untuk menguji
kesamaan varians dari dua atau lebih populasi. Selain uji Levene, dapat juga digunakan uji ,
uji Hartley, dan uji Bartlett untuk menguji kesamaan varians populasi. Varians populasi
dilambangkan dengan , sedangkan varians sampel dilambangkan dengan .

2
 (A) (B) (C)

Gambar 7.1

Pada Gambar 7.1, varians dari populasi A, B, dan C adalah sama, namun rata-ratanya
berbeda. Pada Gambar 7.2, varians dari populasi A dan B sama, namun berbeda dengan C.

(A) (B) (C)

Gambar 7.2

Pada uji Levene, hipotesis nol menyatakan tidak terdapat perbedaan varians di antara
populasi, sedangkan hipotesis alternatif menyatakan terdapat paling tidak sepasang varians
populasi yang berbeda. Field (2009:150) menyatakan sebagai berikut.

“Levene's test tests null hypothesis that the variances in different groups are equal (i.e. the
difference between the variances is zero).”

Untuk pengambilan keputusan terhadap hipotesis dapat dilakukan dengan membandingkan

nilai statistik dari uji Levene terhadap nilai kritis dari tabel distribusi abeb . Berikut
aturan pengambilan keputusan terhadap hipotesis berdasarkan uji Levene.

b bh b abeb t be ab be‫ݐ‬h ݈
b e bh b abeb t be‫ݐ‬h be ab ݈

Pengambilan keputusan terhadap hipotesis juga dapat dilakukan dengan membandingkan

nilai probabilitas dari uji Levene terhadap tingkat signifikansi (significance level).

b bh b a‫ݐ‬ bhbe eb e e be b b bt be ab be‫ݐ‬h ݈

b bh b a‫ݐ‬ bhbe eb e e be b b bt be‫ݐ‬h be ab ݈

Daerah penerimaan .

Daerah penolakkan .

abeb

Tabel 7.1 menyajikan nilai statistik dan nilai probabilitas dari uji Levene.

3
 Tabel 7.1

Test of Homogeneity of Variances

Nilai pada kolom Levene
Nilai
Statistic merupakan nilai
Levene statistik dari uji Levene. Nilai
Statistic df1 df2 Sig. pada kolom Sig merupakan
.649 2 15 .537 nilai probabilitas dari uji
Levene.

CONTOH PENYELESAIAN UJI LEVENE

[1] Misalkan diberikan data mengenai nilai ujian matematika kelas 1,2, dan 3 SMA (Tabel
7.1). Berdasarkan data pada Tabel 7.1, Z1 menyatakan nilai ujian matematika siswa kelas 1
SMA, Z2 menyatakan nilai ujian matematika siswa kelas 2 SMA, dan 3 menyatakan nilai
ujian siswa kelas 3 SMA. Berikut akan digunakan pendekatan uji Levene untuk
menguji/menentukan apakah asumsi populasi 1, Z2, dan 3 memiliki varians yang sama
pada tingkat signifikansi 5%. Perhitungan akan dilakukan secara manual.

Tabel 7.1 (Data Fiktif)

Nilai Ujian Matematika

1 Z2 3

70 80 70
80 85 87
87 70 90
77 77 77
80 85 76
60 87
80

Levene’s Test

4
 t t t t t t

Tabel 7.2

70 80 70 8,8 3,28571429 11,16666667

80 85 87 1,2 8,28571429 5,833333333
87 70 90 8,2 6,71428571 8,833333333
77 77 77 1,8 0,28571429 4,166666667
80 85 76 1,2 8,28571429 5,166666667
60 87 16,7142857 5,833333333
80 3,28571429
Jumlah 394 537 487 21,2 46,8571429 41
Rata-rata 78,8 76,71429 81,16667 4,24 6,69387755 6,833333333

20,7936 11,61557684 18,77777778

9,2416 2,53394419 1
15,6816 0,000416493 4
5,9536 41,06455643 7,111111111
9,2416 2,53394419 2,777777778
100,4085798 1
11,61557684
Jumlah 60,912 169,7725948 34,66666667
Rata-rata

Menghitung rata-rata gabungan dari data , , dan .

t t

t ʹ t Ͷ ʹ ʹ
t t
Ͷ

t t t Ͷ ݈ܿ

Menghitung nilai statistik dari uji Levene .

t t t t t t

5
 t t Ͷ ʹt ʹ t Ͷ ܿ tͶܿ

t t ݈ ܿ ͶͶ t Ͷ ܿ t ܿ Ͷ

t t ݈ ܿܿܿܿܿܿܿܿ t Ͷ ܿ ܿt

tͶܿ t ܿ Ͷ ܿt
ܿ
t t Ͷ ʹ ܿʹt
ܿ
t ʹ

ͶtܿͶ ܿ
Ͷ

t ʹ ܿ ʹ ݈

Menghitung nilai kritis .

Berikut rumus untuk menghitung nilai derajat bebas pembilang dan derajat bebas penyebut.

a j e bh e ݈
a j e e ݈

Perhatikan bahwa menyatakan banyaknya sampel, sedangkan merupakan jumlah

elemen/pengamatan dari seluruh sampel. Diketahui nilai adalah 3, sedangkan nilai
adalah ( ܿ Ͷ ). Diketahui tingkat signifikansi yang digunakan
adalah 5%, sehingga nilai kritis berdasarkan Tabel distribusi dengan derajat bebas
pembilang ܿ , derajat bebas penyebut ܿ Ͷ , dan tingkat signifikansi 5%
adalah 3,68.

Pengambilan keputusan terhadap hipotesis.

Berikut aturan pengambilan keputusan terhadap hipotesis berdasarkan uji Levene.

b bh b abeb t be ab be‫ݐ‬h ݈
b e bh b abeb t be‫ݐ‬h be ab ݈

Perhatikan bahwa karena nilai statistik dari uji Levene (0,649) lebih kecil dibandingkan nilai
kritis (3,68), maka hipotesis nol diterima dan hipotesis alternatif ditolak, sehingga asumsi
mengenai kesamaan varians populasi dari , , dan dapat diterima pada tingkat
signifikansi 5%.

6
 Untuk sampel berjumlah lebih dari tiga, misalkan jumlah sampel sebanyak empat, maka
tabel perhitungan nilai statistik dari Levene sebagai berikut.

Jumlah
Rata-Rata

Jumlah
Rata-Rata

t t t t t t t t t t t t

Referensi

1. Field, A. 2009. Discovering Statistics Using SPSS, 3rd Edition. London: Sage.

2. Gamst, G., L.S. Meyers dan A.J. Guarino. 2008. Analysis of Variance Designs. New
York: Cambridge University Press.

3. Gio, P.U. 2013. Aplikasi Statistika dalam SPSS. Medan: USUpress.

4. Ott, R.L. dan M. Longnecker. 2001. An Introduction to Statistical Methods and Data
Analysis, 5th Edition. United States of America: Duxbury.