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.
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.
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.
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 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.
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).”
b bh b abeb t be ab beݐh ݈
b e bh b abeb t beݐh be ab ݈
Daerah penerimaan .
Daerah penolakkan .
abeb
Tabel 7.1 menyajikan nilai statistik dan nilai probabilitas dari uji Levene.
3
Tabel 7.1
[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.
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
t t
t ʹ t Ͷ ʹ ʹ
t t
Ͷ
t t t Ͷ ݈ܿ
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 ݈
Berikut rumus untuk menghitung nilai derajat bebas pembilang dan derajat bebas penyebut.
a j e bh e ݈
a j e e ݈
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.
4. Ott, R.L. dan M. Longnecker. 2001. An Introduction to Statistical Methods and Data
Analysis, 5th Edition. United States of America: Duxbury.