UJI PRASYARAT

A. Uji Normalitas
Data yang termasuk dalam pengukuran data skala interval atau ratio, untuk dapat
dilakukan uji statistik parametrik dipersyaratkan berdistribusi normal. Pembuktian data
berdistribusi normal tersebut perlu dilakukan uji normalitas terhadap data. Uji normalitas
berguna untuk membuktikan data dari sampel yang dimiliki berasal dari populasi berdistribusi
normal atau data populasi yang dimiliki berdistribusi normal. Banyak cara yang dapat dilakukan
untuk membuktikan suatu data berdistribusi normal atau tidak. Berikut beberapa uji yang dapat
digunakan dalam uji normalitas.
1. Uji Shapiro Wilk
Nilai signifikan Shapiro-Wilk Test of Normality harus lebih besar dari (>) 0,05. Namun,
sebenarnya dalam menguji kenormalam suatu data ada banyak hal yang perlu diketahui,
seperti nilai perbandingan antara nilai skewness dengan standar error skewness yang
menghasilkan rasio skewness dan perbandingan antara nilai kurtosis dengan nilai standar
error kurtosis yang akan mengahasilkan rasio kurtosis. Dari kedua rasio perbandingan
tersebut dapat dikatakan normal bila mempunyai nilai antara -2 sampai dengan 2.
Metode Shapiro Wilk menggunakan data dasar yang belum diolah dalam tabel distribusi
frekuensi. Data diurut, kemudian dibagi dalam dua kelompok untuk dikonversi dalam
Shapiro Wilk. Dapat juga dilanjutkan transformasi dalam nilai Z untuk dapat dihitung
luasan kurva normal.
Rumus
k 2

T3 =
1
D [∑
i=1
ai ( X n−i+1− X i ) ]
Keterangan:
D = berdasarkan rumus di bawah
ai = koefisien test Shapiro Wilk
X n−i +1 = angka ke n-i+1 pada data
Xi = angka ke i pada data
 n
2
D=∑ ( X i − X́ )
i=1

Keterangan:
Xi = angka ke-i pada data
X́ = Rata-rata data
Persyaratan
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Data dari sampel random
Signifikansi
Signifikansi dibandingkan dengan tabel Shapiro Wilk. Signifikansi uji nilai T3
dibandingkan dengan nilai tabel Shapiro Wilk, untuk dilihat posisi nilai probabilitasnya
(p). Jika nilai p lebih dari α, maka Ho diterima; H1 ditolak. Jika nilai p kurang dari α,
maka Ho ditolak ; H1 diterima. Jika digunakan rumus G, maka digunakan tabel distribusi
normal.
Contoh Kasus
Berdasarkan data ujian matematika sebagian siswa yang diambil sampel secara random
dari kelas VII sebanyak 24 siswa, didapatkan data sebagai berikut : 58, 36, 24, 23, 19, 36,
58, 34, 33, 56, 33, 26, 46, 41, 40, 37, 36, 35, 18, 55, 48, 32, 30 27  bulan. Selidikilah data
usia balita tersebut, apakah data tersebut diambil dari populasi yang berdistribusi normal
pada α = 5% ?
Jawab :
Ho : dataset berdistribusi normal
H1 : dataset tidak bedistribusi normal
α    : 0,05
2
No Xi X i − X́ ( X i− X́ )
1 18 -18,7083 350,0017361
2 19 -17,7083 313,5850694
3 23 -13,7083 187,9184028
4 24 -12,7083 161,5017361
5 26 -10,7083 114,6684028
6 27 -9,7083 94,2517
7 30 -6,7083 45,0017
 8 32 -4,7083 22,1681
9 33 -3,7083 13,7515
10 33 -3,7083 13,7515
11 34 -2,7083 7,3349
12 35 -1,7083 2,9183
13 36 -0,7083 0,5017
14 36 -0,7083 0,5017
15 36 -0,7083 0,5017
16 37 0,2917 0,0851
17 40 3,2917 10,8353
18 41 4,2917 18,4187
19 46 9,2917 86,3357
20 48 11,2917 127,5024889
21 55 18,2917 334,5862889
22 56 19,2917 372,1696889
23 58 21,2917 453,3364889
24 58 21,2917 453,3364889
jumlah 881   3184,9643
rata-rata 36,7083    

Langkah Berikutnya adalah :

n
2
D=∑ ( X i − X́ )
i=1

D=3184 , 9643
i ai ( X n−i+1−X i ) a i ( X n−i+1−X i)
1 0,4493 58-18 = 40 17,9720
2 0,3098 58-19 = 39 12,0822
3 0,2563 56-23 = 33 8,4579
4 0,2145 55-24 = 31 6,6495
5 0,1807 48-26 = 22 3,9754
6 0,1512 46-27 = 19 2,8728
7 0,1245 41-30 = 11 1,3695
8 0,0997 40-32 = 8 0,7976
9 0,0764 37-33 = 4 0,3056
10 0,0539 36-33 = 3 0,1617
11 0,0321 36-34 = 2 0,0642
12 0,0107 36-35 = 1 0,0107
Jumlah 54,7191

k 2

T3 =
1
D [∑
i=1
ai ( X n−i+1− X i ) ]
 1
T3 = (54,7191)2 = 0,94
3184 , 9643
diperoleh:
T3 = 0,94
T tabel nilai α (0,10) = 0,930 ; nilai α (0,50) = 0,963
Daerah penolakan : nilai T3 terletak diantara 0,930 dan 0,963, atau nilai p hitung terletak
diantara 0,10 dan 0,50, yang diatas nilaiα (0,05) berarti Ho diterima.
Kesimpulan: Sampel diambil dari populasi normal, α = 0,05

1. Uji Liliefors
Metode Lilliefors menggunakan data dasar yang belum diolah dalam tabel distribusi
frekuensi. Data ditransformasikan dalam nilai Z untuk dapat dihitung luasan kurva
normal sebagai probabilitas komulatif normal. Probabilitas tersebut dicari bedanya
dengan probabilitas komultaif empiris. Beda terbesar dibanding dengan tabel Lilliefors
pada Tabel Nilai Quantil Statistik Lilliefors Distribusi Normal.
Teknik Lilliefors menggunakan pendekatan pemeriksaan data individu dalam keseluruhan
(kelompok). Prosedurnya akan jadi rumit apabila jumlah data cukup banyak. Karena itu,
teknik Liliefors biasanya digunakan untuk rentang data yang relatif sedikit.

Persyaratan :
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.

Hipotesis pengujian pada uji Lilliefors sebagai berikut:

Ho: Sampel berasal dari populasi berdistribusi normal.
H1: Sampel berasal dari populasi tidak berdistribusi normal.

Kriteria uji yang digunakan:

Tolak Ho jika Lhitung> Ltabel, dan terima Ho pada keadaan lainnya.

Langkah-langkah menghitung uji lilliefors:

1) Mengurutkan data dari terkecil hingga terbesar.

2) Hitung rata-rata (Mean) dan standar deviasi (s) untuk masing-masing kelompok data
sampel
X i− X́
3) Dari data tersebut dicari skor Z masing-masing. Dengan rumus: Zi =
s
4) Dari skor Z tersebut dan dengan menggunakan daftar distribusi normal, dihitung
peluang F (Z ¿¿ i)=P ( Z skor ≤ Z i ) ¿
 Jika Zi (-) maka penghitungannya 0,5 – angka yang tertera
 Jika Zi (+) maka penghitungannya 0,5 + angka yang tertera
5) Kemudian dihitung proporsi Z1, Z2, Z3…dst. yang lebih kecil atau sama dengan Zi.
Kemudian dibagi jumlah sampel.
banyaknya Z 1 , Z 2 , Z 3 ,… , dst yang ≤ Z i
S (Zi )=
n
6) Hitung selisih F( Zi ) –S( Zi ). Tentukan harga absolutnya.
7) Harga yang paling besaradalah Lhitungyang dicari
8) Lhitung tersebut dibandingkan dengan Ltebel pada tabel “nilai kritis untuk uji Liliefors”

Signifikansi :

 Signifikansi uji, nilai | F (x) – S (x) | terbesar dibandingkan dengan nilai tabel
Lilliefors.
 Jika nilai | F (x) – S (x) | terbesar kurang dari nilai tabel Lilliefors, maka Ho
diterima ; Ha ditolak.
 Jika nilai | F (x) – S (x) | terbesar lebih besar dari nilai tabel Lilliefors, maka Ho
ditolak ; H1 diterima.
Contoh:
Misalkan nilai matematika 12 siswa adalah sebagai berikut: 23, 27, 33, 40, 48, 48, 57, 59,
62, 68, 69, 70.Dari data di atas didapat X́ =50,3 dan s=16,55. Hasil perhitungan disusun
seperti dalam daftar berikut.

Xi Zi F (Z ¿¿ i) ¿ S ( Z i ) |F ( Z i )−S ( Z i )|
23 -1,65 0,0495 0,0833 0,0338
27 -1,41 0,0793 0,1667 0,0874
33 -1,05 0,1469 0,2500 0,1031
 40 -0,62 0,2676 0,3333 0,0657
48 -0,14 0,4443 0,5000 0,0557
48 -0,14 0,4443 0,5000 0,0557
57 0,40 0,6554 0,5833 0,0721
59 0,53 0,7019 0,6667 0,0352
62 0,71 0,7612 0,7500 0,0112
68 1,07 0,8577 0,8333 0,0244
69 1,13 0,8708 0,9167 0,0459
70 1,19 0,8830 1 0,1170

Dari kolom terakhir dalam daftar di atas didapat Lhiting = 0,1170. Dengan n = 12dan taraf
signifikansi α =0,05 didapat Ltabel = 0,242.
Diperoleh Lhitung<Ltebel, maka data berdistribusi normal.

2. Uji Chi Square/ Chi Kuadrat

Metode Chi-Square atau X2 untuk Uji Goodness of fit Distribusi Normal,menggunakan
pendekatan penjumlahan penyimpangan data observasi tiap kelas dengan nilai yang
diharapkan.
Persyaratan :
a. Data tersusun berkelompok atau dikelompokkan dalam tabel distribusi frekuensi.
b. Cocok untuk data dengan banyaknya angka besar ( n > 30 )
c. Setiap sel harus terisi, yang kurang dari 5 digabungkan.

Hipotesis pengujian pada uji Chi Kuadrat sebagai berikut:

Ho: Sampel berasal dari populasi berdistribusi normal.
Ha: Sampel berasal dari populasi tidak berdistribusi normal.

Kriteria uji yang digunakan:

χ 2hitung ≤ χ 2tabel, Ho diterima
χ 2hitung > χ 2tabel , Ho ditolak

Langkah-langkah menghitung uji Chi Kuadrat:

1) Menghitung rata-rata dan standar deviasi.
2) Menyusun data ke dalam tabel penolong untuk menghitung Chi Kuadrat. Data
yang belum disajikan dalam tabel distribusi frekuensi, sajikan terlebih dahulu ke
dalam tabel distribusi frekuensi.
 Z 2
Batas Frekuensi ata Luas Frekuensi ( f o−f e )
Interval kelas Observasi (fo) bawah s Proporsi (L) Ekspektasi (fe) fe

3) Mentransformasikan angka batas bawah dan batas atas kedalam skor baku (z =

xi −x́
¿.
s
4) Menghitung luas Proporsi (L) dengan terlebih dahulu menentukan nilai z terlebih
dahulu menentukan nilai z tabel.
5) Menghitung frekuensi ekspektasi (fe) dengan mengkalikan luas proporsi (L)
dengan jumlah data yang diobservasi. Fe = L X n
2
2 ( f o −f e )
6) Menghitung X =∑
fe
7) Menentukan derajat kebebasan (db = k – 3)
8) Menentukan nilai chi kuadarat tabel pada taraf signifikansi dan derajat kebebasan
yang telah ditentukan.
9) Membandingkan harga chi kuadrat hitung dengan chi kuadrat tabel.

Signifikansi :
Signifikansi uji, nilai χ 2hitung dibandingkan dengan χ 2tabel(Chi-Square). Jika nilai χ 2
hitung kurang dari nilai χ 2tabel maka Ho diterima; Haditolak. Jika nilai χ 2hitunglebih besar dari
χ 2tabel, maka Ho ditolak; Ha diterima.
Contoh :
Suatu penelitian tentang Tinggi badan siswa suatu SMA di suatu sekolah dengan sampel
sebanyak 100 orang diambil secara random,didapatkan data sebagai berikut dari,
diperoleh data sebagai berikut:
N TINGGI(cm) Real Limit FREKUENSI(f)
 O
1140 – 144 139,5 - 144,5 7
2145 – 149 144,5 – 149,5 10
3150 – 154 149,5 – 154,5 16
4155 – 159 154,5 – 159,5 23
5160 – 164 159,5 – 164,5 21
6165 – 169 164,5 – 169,5 17
7170 – 174 169,5 – 174,5 6
JUMLAH 100
Tentukan apakah data diatas berdistribusi normal pada taraf signifikansi 5%!

Perhitungan :

NO Tg.Bd Jml(fi) Xi fi.Xi Xi-x́ (Xi-x́)2 Fi.(Xi-x́)2

1 140 – 144 7 142 994 -15,8 249,64 1747,48
2 145 – 149 10 147 1470 -10,8 116,64 1166,4
3 150 – 154 16 152 2432 -5,8 33,64 538,24
4 155 – 159 23 157 3611 -0,8 0,64 14,72
5 160 – 164 21 162 3402 4,2 17,64 370,44
6 165 – 169 17 167 2839 9,2 84,64 1438,88
7 170 – 174 6 172 1032 14,2 201,64 1209,84
100 15780 6486

∑ fi . xi
Rata-rata (x́) = (x́) =
15780
= 157,8
∑ fi 100
2
6486
√
Standar Deviasi (s) = ∑ fi . ( xi−x́ )
N
S=
√ 100
=8,053

∝ = 5%

2
z
Luas Frekuensi ( f o−f e )
Batas Batas kelas Proporsi (L) Ekspektasi (fe) fe
Interval Frekuensi bawa atas
kelas Observasi (fo) bawah atas h
140 – 144 7 139,5 144,5 -2,272 -1,652 0,0379 3,79 2,71876
145 – 149 10 144,5 149,5 -1,652 -1,031 0,102 10,2 0,003922
150 – 154 16 149,5 154,5 -1,031 -0,410 0,1894 18,94 0,456367
155 – 159 23 154,5 159,5 -0,410 0,211 0,2423 24,23 0,062439
160 – 164 21 159,5 164,5 0,211 0,832 0,2135 21,35 0,005738
165 – 169 17 164,5 169,5 0,832 1,453 0,1298 12,98 1,245023
170 – 174 6 169,5 174,5 1,453 2,074 0,0543 5,43 0,059834
 100     4,552083

df = 7 - 3 = 4
x 2hitung = 4,552083
x 2tabel = (0,05;4)= 9,488
Kesimpulan :
x 2hitung < x 2tabel, maka data berdistribusi normal

Latihan

1. Suatu penelitian tentang nilai statistika mahasiswapendidikana matematika dengan

sampel sebanyak 27 orang diambil secara random, didapatkan data sebagai berikut ; 78,
78, 95, 90, 78, 80, 82, 77, 72, 84, 68, 67, 87, 78, 77, 88, 97, 89, 97, 98, 70, 72, 70, 69, 67,
90, 97 . Selidikilah dengan α = 5%, apakah data tersebut di atas diambil dari populasi
yang berdistribusi normal?
2. Berdasarkan penelitian tentang hasil ujian matematika terhadap 18 siswa suatu SMK,
diperioleh rata-rata hasil ujian matematika sebagai berikut; 46, 57, 52, 63, 70, 48, 52, 52,
54, 46, 65, 45, 68, 71, 69, 61, 65, 68. Selidikilah dengan α = 5%, apakah data tersebut di
atas diambil dari populasi yang berdistribusi normal ?
3. Diperoleh data sebagai berikut:

Selidikilah dengan α = 5%, apakah data tersebut di atas diambil dari populasi yang
berdistribusi normal ?

B. Uji Homogenitas
Uji homogenitas atau uji kesamaan dua varians atau lebih, diperlukan dalam pengujian
dua atau k sampel independent. Hal ini bertujuan dalam pemilihan rumus yang akan digunakan
dalam perhitungan. Ada beberapa rumus yang mensyaratkan data berasal dari populasi normal
dan memiliki varians yang sama (homogen). Ada beberapa metode yang dapat digunakan dalam
menguji homogenitas. Namun pada buku ini hanya akan digunakan uji F untuk menguji
kesamaan dua varians dan uji Bartlett untuk menguji kesamaan k varians.
1. Uji F (Uji Kesamaan Dua Varians)
Misalkan kita mempunyai dua populasi normal dengan varians σ 2A dan σ 2B . Akan diuji
mengenai uji dua pihak dengan H0 dan H1:
H0 : σ 2A =σ 2B
H1 : σ 2A ≠ σ 2B
Sampel diambil secara acak dari populasi yang berdistribusi normal dan independen. Jika
sampel dari populasi kesatu berukuran n A dengan varians s2A dan sampel kedua berukuran

nBdengan varians s2B maka untuk menguji hipotesis diatas digunakan statistik
S 2A
Fhitung = 2
SB

Biasanya yang digunakan sebagai s2A adalah varians terbesar dari kedua populasi tersebut

dan sebagai s2B adalah varians terkecil.

Ftabel(Fα(dk1/ dk2)) ditentukan oleh α (taraf signifikansi), derajat kebebasan pembilang (dk1)
dan derajat kebebasan penyebut (dk2).
F hitung ˂ F tabel maka H0 diterima artinya kedua varians tersebut homogen.

2. Uji Bartlett (Uji Kesamaan k Varians)

Uji bartlett dilakukan untuk menguji homogenitas 3 varians atau lebih yang berasal dari
populasi normal. adapun hipotesis yang diuji pada uji Bartlett adalah:
Ho: σ 12=σ 22=…=σ 2k
Ha: paling sedikit satu tanda sama dengan tidak berlaku
Langkah- langkah pengujian Homogenitas Varians (Tes Barlet):
1) Menyusun data ke dalam tabel berikut:
Sampel Ke dk 1 s2i log s2i (dk) Log s2i
dk
 1 n1 – 1 1 s21 log s21 (n1 – 1) log s21
n1 – 1
2 n2 – 1 1 s22 log s22 (n2 – 1) log s22
n2 – 1
.
.
.
k nk – 1 1 s2k log s2k (nk – 1) log s2k
nk – 1
Jumlah ∑(ni – 1) ∑( -- -- ∑(ni – 1) log s2i
1
)
ni – 1
∑ ( n i−1 ) s 2i
2
2) Menghitung Varians Gabungan(s ) dengan rumus: s =
2

∑ ( ni −1 )
3) Menghitung nilai B dengan rumus: B = (log s2)∑ (ni – 1)
2 2
4) Menentukan nilai Chi Kuadrat ( χ 2 ¿ dengan rumus: χ = ( ln 10 ) {B−∑ ( ni−1 ) log s i }
dengan ln 10= 2,3026
5) Kesimpulan. Apabila χ 2hitung ≤ χ 2tabel, Ho diterima
Contoh Soal

Seorang guru melakukan penelitian tentang metode mengajar pada sebuah tiga kelas yang
berbeda selama satu semester. Tiga buah metode mengajar dipraktikkan dan pada akhir
semester dilaksanakan tes dilaksanakan untuk melihat signifikansi hasil penerapan
metode mengajar A, B, dan C. Berikut ini hasil penelitian tentang hasil ujian siswa yang
diajar dengan metode yang berbeda:
A B C
35 60 30
23 55 20
30 65 25
40 45 45
50 80 40
35 75 40
30 63 25
25 35 30
43 75 60
15 58 25
45 80 35
25 65 33
 Pertanyaan: Apakah ketiga viarians sama (Homogen)? (data diasumsikan berdistribusi
normal)
JAWABAN:
Statistik A B C
Rata-rata 33 63 34
Standar
Deviasi 10,26911 13,75103 11,04536
Varians 105,4545 189,0909 122
1) Rumuskan Hipotesis
Ho: σ 12=σ 22=…=σ 2k
Ha: paling sedikit satu tanda sama dengan tidak berlaku
2) Menyusun data ke dalam tabel berikut:
Sampel dk 1 s2i log s2i (dk) Log s2i
Ke dk

1 12 – 11 105,4545 2,023 22,2541

11 1
2 12 – 1 1 189,0909 2,276 25,0437
11 7
3 12 – 1 1 122 2,086 22,9504
11 4
Jumlah 33 3 -- -- 70,2482
33
3) Menghitung Varians Gabungan(s2)
( 11 ×105,4545 ) + ( 11×189,0909 )+(11 ×122)
s2= =138,8485
33
4) Menghitung nilai B
B = (log 138,8485) (33) = 70,7039
5) Menentukan nilai Chi Kuadrat ( χ 2 ¿ dengan rumus: χ 2= ( ln 10 ) {70,7039−70,2482 } =
1,0493
6) χ 2tabel pada taraf signifikansi 5% dan dk=2 adalah 5,99
7) Karena χ 2hitung ≤ χ 2tabel, maka Ho diterima artinya data memiliki variansi yang sama
(homogen).