UJI PRASYARAT DATA

MATA KULIAH : STATISTIK

POKOK BAHASAN : UJI PRASYARAT DATA
SUB POKOK BAHASAN : NORMALITAS, HOMOGENITAS DAN LINEARITAS
WAKTU : 200 MENIT

I. Kompetensi Akhir Yang Diharapkan

Mahasiswa mampu memahami dan mengaplikasikannya dalam dalam menganalisis

data penelitian terkait dengan uji persyaratan data.

II. Indikator Pencapaian Belajar

Setelah mempelajari pokok bahasan ini Mahasiswa mampu:
1. Menjelaskan konsep normalitas, homogenitas dan linearitas
2. Menjelaskan manfaat uji persyaratan data
3. Mengaplikasikan cara-cara perhitungan uji normalitas, homogenitas dan linearitas
4. Menerapkan cara-cara perhitungan uji persayaratan data dengan spss.
5. Menjelaskan interpretasi perhitungan uji persayaratan data dengan spss.
III. Deskripsi singkat
Dalam bab ini mencakup uji persayaratan data meliputi uji normalitas, homogenitas
dan linearitas . Dalam materi tersebut mencakup melaui dari konsepn, pengaplikasian cara
menghitungnya, dan interpretasi dari penghitungannya.
IV. Pokok Bahasan
1. Uji Normalitas
2. Homogenitas
3. Linearitas
V. Metode Pembelajaran
Ceramah, Tanya jawab, diskusi dan Pemberian Tugas
VI. Media Pembelajaran
LCD, Laptop, Buku Ajar statitik
VII.Penilaian
Prosedur : mengetahui sejauh mana mahasiswa memahami materi yang
disampaikan, umpan balik berupa pos test untuk kepentingan dosen maupun
mahasiswa
 Instrument : instrumen yang digunakan adalah tes tertulis untuk mengukur
daya serap mahasiswa sekaligus sebagai kontribusi penilaian akhir
Teknik : Tes praktik
VIII.
1. Uji Normalitas

Uji normalitas untuk mengetahui apakah model regresi, variabel pengganggu atau
residual memiliki distribusi normal (Imam Ghozali, 2018). Pengujian ini dilakukan untuk
mengetahui normal tidaknya suatu data. Hal ini penting berkaitan dengan ketepatan
pemilihan uji statististik yang digunakan. Apabila distribusi data tidak normal maka
disarankan untuk menguji nonparametrik.

Pengujian normalitas ini harus dilakukan apabila belum ada teori yang
menyatakan bahwa variabel yang diteliti adalah normal. Apabila variabel penelitian yang
sedang diteliti normal. Maka tidak diperlukan lagi pengujian normalitas data. Ada
beberapa teknik yang dapat digunakan untuk menguji normalitas data, antara lain: uji Chi
Square, uji Lilifors, uji Kolmogorov Smirnov, dll.

Contoh Masalah:
Apakah data intensitas penggunaan smartphone berdistribusi normal?
Apakah data kecerdasan emosional berdistribusi normal?
Apakah data prestasi hafalan berdistribusi normal?
Kasus:

Berikut ini disajikan data tentang intensitas penggunaan internet, kecerdasan

emosioanal, dan prestasi hafalan tahfidz:
Untuk menguji normalitas data dengan SPSS, langkah-langkahnya sebagai berikut:
Input data di bawah ini ke dalam SPSS
Pada kolom Name ketik X1, X2 dan Y.
Pada kolom Decimals angka ganti menjadi 0 untuk seluruh variabel.
Pada kolom Label isikan IQ pada X1, EQ pada X2 dan Hasil Belajar pada Y.
Pada kolom Align isikan Center.
Pada kolom Measure isikan Scale pada X1, Ordinal pada X2 dan Scale pada Y.
Untuk kolom-kolom lainnya biarkan saja (isian default)
Intensitas Kecerdasan Prestasi Hafalan
Emosional
1 48 89
2 44 83
4 42 75
3 40 80
5 37 75
4 43 80
2 47 85
2 46 86
3 42 79
5 38 73
3 41 78
1 49 88
3 42 79
4 44 78
4 43 77

Klik tab sheet [Variable View] pada SPSS data editor dan ketik/copy data sebagai
berikut:
Lakukan analisis dengan menggunakan menu Analyze  Nonparametric Test  1
Sample K-S...

Masukkan semua variabel ke kotak Test Variable List sehingga akan terlihat seperti
berikut
Klik OK sehingga akan muncul hasil analisis:
Berikut hasil output analisis uji normalitas

One-Sample Kolmogorov-Smirnov Test

Intensitas Emosional Hafalan
N 15 15 15
Mean 3.07 43.07 80.33
Normal Parametersa,b Std.
1.280 3.432 4.865
Deviation
Most Extreme Absolute .167 .126 .194
Positive .131 .126 .194
Differences Negative -.167 -.111 -.098
Kolmogorov-Smirnov Z .647 .489 .751
Asymp. Sig. (2-tailed) .797 .971 .625
a. Test distribution is Normal.
b. Calculated from data.

Tabel di atas menunjukkan hasil analisis uji normalitas terhadap ketiga variabel di
atas. Bagian yang perlu dilihat untuk keperluan uji normalitas adalah bagian baris
Kolmogorov-Smirnov Z dan Asymp. Sig. (2-tailed). Jika nilai Asymp Sig lebih
dari atau sama dengan 0,05 maka data berdistribusi normal, jika Asymp Sig kurang
dari 0,05 maka distribusi data tidak normal.
Berdasarkan hasil analisis di atas diperoleh untuk variabel intensitas penggunaan
smartphone nilai Z K-S sebesar 0,647 dengan asymp sig 0,797. Oleh karena nilai
asymp sig tersebut lebih besar dari 0,05 maka dapat disimpulkan bahwa data
variabel uang saku berdistribusi normal.
 Bagaimana dengan variabel lainnya? Buatlah kesimpulannya!

2. Uji Linearitas

Pengujian ini untuk mengetahui apakah dua variabel mempunyai hubungan yang linear
atau tidak secara signifikan. Uji ini digunakan sebagai prasayarat statistic parametric
khususnya analisis korelasi dan regresi linear yang termasuk hipotesis assosiatif.

Pada program SPSS, uji linearitas menggunakan Test for Linearity pada taraf
signifikan 0,05. Dua variabel dikatakan mempunyai hubungan linear bila signifikansi
(Deviation from Linearity) > 0,05.

Contoh Masalah:
 Apakah hubungan antara variabel intensitas penggunaan smartphone dengan variabel
prestasi hafalan berbentuk garis linear?
 Apakah hubungan antara variabel kecerdasan emosional dengan variabel prestasi
hafalan berbentuk garis linear?

Kasus:

 Berikut ini disajikan data tentang intensitas penggunaan internet, kecerdasan

emosioanal, dan prestasi hafalan tahfidz:

Intensitas Kecerdasan Prestasi Hafalan

Emosional
1 48 89
2 44 83
4 42 75
3 40 80 Langkah-langkah uji
5 37 75
4 43 80 linearitas pada SPSS.
2 47 85  Input data di
2 46 86
atas ke dalam
3 42 79
5 38 73 SPSS
3 41 78
1 49 88
3 42 79
4 44 78
4 43 77
 Klik [Variable View] pada SPSS data editor.
 Pada kolom Name ketikan berturut-turut: X1, X2 dan Y.
 Untuk kolom label ketikan berturut-turut: IQ, EQ dan Hasil Belajar.
 Kolom lainnya menyesuaikan (biarkan default).
 Buka [Data View] dan isikan data untuk ketiga variabel.
 Klik [Analyze] > [Compare Means] > [Means].

 Masukkan variabel Hasil Belajar ke kotak Dependent List, sorot variabel IQ dan
 EQ kemudian masukkan ke dalam kotak Independent List.
 Klik Options, pada Statistic for First Layer centang pilihan Test for Linearity
 kemudian klik Continue.
 Klik [OK].

ANOVA Table
Sum of df Mean F Sig.
Squares Square
 (Combined) 309.167 4 77.292 34.868 .000
Prestas Between 133.34
Linearity 295.586 1 295.586 .000
i* 7
Groups Deviation
Intensit 13.580 3 4.527 2.042 .172
from Linearity
as Within Groups 22.167 10 2.217
Total 331.333 14

Dari output di atas diketahu nilai Sig pada baris Deviation from Linearity sebesar
0,172. Karena nilai Sig > α atau 0,172 > 0,05 maka dapat disimpulkan bahwa antara
variabel Prestasi hafalan dan Intensitas penggunaan smartphone terdapat hubungan
linear.

3. Uji Homogenitas

Uji homogenitas ini digunakan untuk mengetahui apakah sampel yang digunakan
dalam penelitian memiliki sifat identik atau tidak. Uji ini juga dapat dilakukan sebagai
prasyarat analisis independent sample t-test dan anova untuk peneliti yang
menggunakan lebih dari satu kelompok. Penelitian yang digunaka dalam analisis ini
untuk membuktikan hipotesis komparatif. Asumsi yang mendasar dalam Anova adalah
bahwa varian dari populasi penelitian bersifat idektik atau sama.

Kasus:

Seorang Mahasiswa ingin meneliti dengan jenis penelitian eksperimen untuk

mengetahui:” Apakah ada perbedaanyang signifikan pembelajaran bahasa Inggris
dengan menggunakan model talking stick dengan model pembelajaran konvensional.”
Prosedur pengumpulan data dengan mengambil dua kelompok yang berbeda.
Kelompok pertama menggunakan model pembelajaran talking stick yang kedua
menggunakan konvensional. Setelah pembelajaran selesai kemudian diberikan tes,
hasil tes inilah yang akan diuji untuk mengatahui apakah perlakuakn (treatment) yang
diberikan kepada kedua kelompok sampel terdapat perbedaan atau tidak. Untuk
menguji hipotesis dapat menggunakan uji independent sample t-test. Sebelum
dilakukan uji-t sebagai prasyarat harus dilakukan terlebih dahulu diuji
homogenitasnya. Jika varian kedua sampel homogen maka uji-t dapat dilakukan dan
jika tidak homogen menggunakan statistik nonparametrik.

Talking Konvension
Stick al
77 40
99 48
77 54
77 34
55 48
88 68
120 67
87 67
87 75
50 56
87 60
87 47
87 60
90 70
81 61

Langkah-langkah uji homogenitas dengan SPSS sebagai berikut:

 Input data ke dalam program SPSS

 Klik tab sheet [variable view] pada SPSS data editor.
 Pada kolom Name baris pertama ketik X dan baris kedua ketik k.
 Pada kolom Label, baris pertama ketik Hasil Belajar dan bais kedua ketik Model
Pembelajaran.
 Untuk kolom Value, isikan 1 dan ketik NHT kemudian klik add. Dengan cara yang
sama isikan 2 dan ketik Konvensional kemudian klik add.
Klik [Analyze] > [Descriptives Statistic] > [Explore].
 Pada kotak dialog Explore, masukan Variabel Hasil Belajar ke kotak Dependent
List dan Model Pembelajaran ke kotak Factor List.
 Klik Plots, centenag Unstransformed kemudian klik Continue.
 Klik [OK].

 Pada Output lihat bagian Test of Homogenity of Variances dan pada baris Based
on Mean lihat kolom Sig.

Test of Homogeneity of Variance

Levene df1 df2 Sig.
Statistic
Based on Mean .168 1 28 .685
Based on Median .050 1 28 .824
Based on Median and
Hasil .050 1 21.975 .825
with adjusted df
Based on trimmed
.182 1 28 .673
mean

Dari tabel output di atas dapat diketahui nilai Sig sebesar 0,685. Karena nilai Sig >
0,05 maka dapat disimpulkan bahwa kedua kelompok data mempunyai varian sama
atau homogen. Angka Levene Statistic menunjukkan semakin kecil nilainya maka
semakin besar homogenitasnya.
EVALUASI MANDIRI
Seorang mahasiswa ingin melakukan penelitian dengan judul “Analisis Hubungan
Reward dan Motivasi Belajar terhadap Prestasi belajar” . Untuk keperluan tersebut
diambil secara acak sebanyak 10 orang sebagai sampel. Taraf kepercayaan 95% (taraf
signifikansi α = 0,05). Data total hasil jawaban setiap mahasiswa untuk variabel X1, X2
dan Y dilihat pada tabel dibawah ini.
Dari data berikut untuk megetahui analisis asumsi parametris maka ujilah dengan uji
persyaratan data

Reward
Motivasi IPK
(Ribuan
Belajar
Rupiah
per hari)
50 58 3.54
60 45 2.82
65 54 3.41
55 48 3.25
40 61 3.36
35 54 3.38
65 52 3.43
90 50 3.66
35 58 3.27
30 60 3.30
45 48 3.19
25 62 3.33
30 44 3.16
50 56 3.40
60 53 3.16
40 61 3.38
45 63 3.20
45 46 3.09
65 57 3.31
55 49 3.34
45 55 3.39
40 48 3.11
30 58 3.12
25 52 3.35
45 60 3.45
65 54 3.15
Uji Normalitas

One-Sample Kolmogorov-Smirnov Test

IPK Reward Motivasi Belajar

N 26 26 26
a,b
Normal Parameters Mean 3.2904 54.08 47.50
Std. Deviation .16806 5.585 15.379
Most Extreme Differences Absolute .100 .105 .141
Positive .094 .092 .141
Negative -.100 -.105 -.072
Test Statistic .100 .105 .141
c,d c,d
Asymp. Sig. (2-tailed) .200 .200 .194c

a. Test distribution is Normal.

b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.

Berdasarkan hasil analisis di atas diperoleh untuk variabel IPK (Y) Z K-S sebesar
0,100 dengan asymp sig 0,200. Oleh karena nilai asymp sig tersebut lebih besar dari 0,05 maka
dapat disimpulkan bahwa data variabel IPK berdistribusi normal. Berdasarkan hasil analisis di
atas diperoleh untuk variabel Reward (X1) Z K-S sebesar 0,105 dengan asymp sig 0,200. Oleh
karena nilai asymp sig tersebut lebih besar dari 0,05 maka dapat disimpulkan bahwa data
variabel Reward berdistribusi normal. Berdasarkan hasil analisis di atas diperoleh untuk variabel
Motivasi Belajar (X2) Z K-S sebesar 0,141 dengan asymp sig 0,194. Oleh karena nilai asymp sig
tersebut lebih besar dari 0,05 maka dapat disimpulkan bahwa data variabel Motivasi belajar
berdistribusi normal.
Uji Linearitas

ANOVA Table

Sum of Mean
Squares df Square F Sig.

IPK * Between (Combined) .551 16 .034 1.990 .148

Reward Groups Linearity .111 1 .111 6.442 .032

Deviation from
.439 15 .029 1.694 .214
Linearity

Within Groups .156 9 .017

Total .706 25

Dari output di atas diketahu nilai Sig pada baris Deviation from Linearity
sebesar 0,214. Karena nilai Sig > α atau 0,214 > 0,05 maka dapat disimpulkan bahwa
antara variabel IPK dan reward terdapat hubungan linear.
Uji Homogenitas

Test of Homogeneity of Variance

Levene Statistic df1 df2 Sig.

Hasil Belajar Based on Mean .910 1 18 .353

Based on Median .728 1 18 .405

Based on Median and with

.728 1 9.931 .414
adjusted df
Based on trimmed mean .803 1 18 .382

Dari tabel output di atas dapat diketahui nilai Sig sebesar 0,353. Karena nilai Sig >
0,05 maka dapat disimpulkan bahwa kedua kelompok data mempunyai varian sama atau
homogen. Angka Levene Statistic menunjukkan semakin kecil nilainya maka semakin besar
homogenitasnya