MAKALAH

STATISTIK PENDIDIKAN
“UJI NORMALITAS DATA,UJI HOMOGENITAS DATA,DAN UJI KESAMAAN
RATA-RATA”

OLEH:

Kelompok 4

Hafifah Suherni (19129021)

Mardiyya rosi utami (19129036)

19 BKT 08

DOSEN PENGAMPU : Dr.Hj. Yanti Fitria, S.Pd, M.Pd

PENDIDIKAN GURU SEKOLAH DASAR

FAKULTAS ILMU PENDIDIKAN

UNIVERSITAS NEGERI PADANG

2021
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa atas segala limpahan
rahmatnya sehingga kami dapat menyelesaikan penyusunan makalah ini. Penulisan makalah
mengenai Uji Normalitas,Homogenitas,dan Kesamaan rata-rata ini kami buat dimaksudkan
untuk melengkapi tugas mata kuliah Statistika Pendidikan. Yang mana isi makalah ini kami
ambil dari beberapa buku dengan sumber yang ada dan kami anggap relevan.

Kami menyadari bahwa makalah ini masih jauh dari sempurna, karena masih banyak
kekurangan baik dari isi maupun dari segi penulisannya.Oleh karena itu, kritik dan saran yang
mengarah pada perbaikan makalah ini sangat kami harapkan. Dan semoga makalah ini dapat
bermanfaat untuk pengembangan wawasan dan peningkatan ilmu pengetahuan bagi kita semua.

Bukittinggi,13 September 2021

Penulis
 DAFTAR ISI
Kata Pengantar............................................................................................            

Daftar Isi.......................................................................................................            

Bab I Pendahuluan

A. Latar Belakang Masalah..............................................................      

B. Rumusan Masalah........................................................................          

C. Tujuan Penulisan..........................................................................         

Bab II Pembahasan

A.    UJI NORMALITAS..............................................................................

B.    HOMOGENITAS..................................................................................

C. KESAMAAN RATA-RATA................................................................

Bab III Penutup

            A. Kesimpulan..................................................................................           

            B. Saran............................................................................................            

Daftar Pustaka............................................................................................            

 BAB I

PENDAHULUAN

A. Latar Belakang 

Pengujian normalitas dilakukan untuk mengetahui normal tidaknya suatu distribusi data.
Hal ini penting diketahui berkaitan dengan ketepatan pemilihan uji statistic yang akan
digunakan. Uji parametric misalnya, mengisyaratkan data harus berdistribusi normal. Apabila
distribusi data tidak normal maka disarankan untuk menggunakan uji nonparametrik. Uji
normalitas merupakan suatu pengujian sekelompok data untuk mengetahui apakah distribusi data
tersebut membentuk kurva normal atau tidak. Pengujian homogenitas varians ini mengasumsikan
bahwa skor setiap variabel memiliki varians yang homogen (Ating Soemantri, 2006). Tujuan
dilakukannya uji homogenitas data adalah untuk mengetahui bahwa sampel penelitian yang
diambil adalah berasal dari populasi yang sama (Yusri, 2013). Kesamaan asal sampel ini antara
lain dibuktikan dengan adanya kesamaan variansi kelompok-kelompok yang membentuk sampel
tersebut.

Yang dimaksud dengan sampel ganda adalah suatu penelitian yang melibatkan 2 (dua)
atau lebih kelompok sampel yang berasal dari dua atau lebih populasi, sedangkan hal yang ingin
dilihat atau diukur adalah sama. Kadang-kadang dua kelompok sampel tersebut berasal dari satu
populasi, bukannya berasal dari dua populasi. Tetapi, yang menjadi pembeda dengan pengujian
hipotesis terdahulu adalah adanya dua kelompok sampel, yang mana kondisi ini tidak ada pada
makalah terdahulu. Kondisi ini sering dilakukan untuk menguji kebenaran atau kekuatan suatu
penemuan baru melalui kegiatan eksperimen. Hasil eksperimen tersebutlah yang ingin
dibandingkan dengan kondisi yang sudah berjalan sebelumnya. Hal inilah yang akan kita bahas
pada makalah sekarang, dan pembahasan disini terbatas pada bagaimana menggunakan rumus
tersebut.

B. Perumusan Masalah
a. Apakah Uji Normalitas Data ?
b. Apakah Uji Homogenitas Data ?
c. Apakah uji hipotesis dua rata-rata itu ?

C. Tujuan
a. Dapat menjelaskan tentang Uji Normalitas Data
b. Dapat menjelaskan tentang Uji Homogenitas Data
c. Dapat menjelaskan tentang uji hipotesis dua rata-rata
 BAB II

PEMBAHASAN

A.   UJI NORMALITAS

Pengujian normalitas dilakukan untuk mengetahui normal tidaknya suatu distribusi data.
Hal ini penting diketahui berkaitan dengan ketepatan pemilihan uji statistic yang akan
digunakan. Uji parametric misalnya, mengisyaratkan data harus berdistribusi normal. Apabila
distribusi data tidak normal maka disarankan untuk menggunakan uji nonparametrik. Uji
normalitas merupakan suatu pengujian sekelompok data untuk mengetahui apakah distribusi data
tersebut membentuk kurva normal atau tidak.

Pengujian normalitas ini harus dilakukan apabila belum ada teori  yang menyatakan
bahwa variabel yang diteliti adalah normal. Dengan kata lain, apabila ada teori yang menyatakan
bahwa suatu variabel yang sedang diteliti normal, maka tidak diperlukan lagi pengujian
normalitas data.

Dalam melakukan uji normalitas untuk mengetahui distribusi data dapat dilakukan
dengan beberapa cara, namun dalam hal ini hanya dibatasi pada tiga cara, yaitu dengan
menggunakan kertas peluang normal, dengan menggunakan rumus chi kuadrat, dan dengan
menggunakan uji liliefors.

1.      Uji Normalitas dengan Liliefors test

Uji Liliefors adalah uji normalitas secara nonparametrik. Uji normalitas ini bertujuan
untuk mengetahui bentuk distribusi populasi berdasarkan sampel yang diambil secara acak.
Hipotesis yang diajukan adalah sampel penelitian berasal dari populasi berdistribusi normal (H0)
melawan tandingan bahwa distribusi tidak normal (H1).

Kelebihan Liliefors test adalah penggunaan atau perhitungannya yang sederhana, serta
cukup kuat sekalipun dengan ukuran sampel yang kecil (n = 4) (Ating Soemantri, 2006). Proses
pengujian Liliefors test dapat dilakukan dengan langkah-langkah sebagai berikut:

1) Susunlah data dari terkecil sampai yang terbesar. Setiap data ditulis sekali, meskipun ada
beberapa data.

2) Periksa data, berapa kali munculnya bilangan-bilangan itu (frekuensi harus ditulis).

3) Dari frekuensi susun frekuensi kumulatifnya.

4) Hitung Proporsi empiric (observasi) berdasarkan frekuensi kumulatif.

5) Hitung nilai z untuk mengetahui theoretical proportion pada tabel z.

6) menghitung theoretical proportion.

7) Bandingkan empirical propotion dengan theoretical proportion, kemudian carilah selisih

terbesar di dalam titik observasi antara kedua proporsi tadi.

8) Carilah selisih terbesar di luar titik observasi.

Contoh:

Berikut adalah skor hasil pengumpulan data suatu variabel yang dilakukan secara random.
Ukuran sampel 14 dan skala pengukuran yang dipergunakan adalah interval. Datanya: 77.3, 73.9,
76.0, 74.6, 76.6, 74.2, 76.9, 74.7, 77.4, 75.4, 77.7, 76.0, 76.5, 76.0.

Data di atas, diduga menyebar mengikuti distribusi normal. Dengan menggunakan  = 0.05,
buktikan bahwa data tersebut berdistribusi normal!

Langkah kerja:

1. H0 : X mengikuti distribusi normal

H1 : X tidak mengikuti distribusi normal

            2.  = 0.05

            3. Data dan proses pengujian

Xi fi fki Sn(xi) Z F0(Xi)

(1) (2) (3) (4) (5) (6) (7) (8)

73.9 1 1 0.0714 -1.66 0.0585 0.0229 0.0485

74.2 1 2 0.1429 -1.42 0.0778 0.0651 0.0064

74.6 1 3 0.2143 -1.09 0.1379 0.764 0.0050

74.7 1 4 0.2857 -1.01 0.1562 0.1295 0.0581

75.4 1 5 0.3571 -0.44 0.3300 0.0271 0.0443

76.0 3 8 0.5714 0.05 0.5199 0.0515 0.1628

76.5 1 9 0.6429 0.46 0.6736 0.0307 0.1022

76.6 1 10 0.7143 0.54 0.7054 0.0089 0.0625

76.9 1 11 0.7857 0.78 0.7823 0.0034 0680

77.3 1 12 0.8571 1.11 0.8665 0.0094 0.0808

77.4 1 13 0.9286 1.19 0.8830 0.0456 0.0259

77.7 1 14 1.000 1.43 0.9236 0.0764 0.0050

Keterangan:

Kolom 1          : Susunan dari dari kecil ke besar

Kolom 2          : Banyak data ke I yang mucul

Kolom 3          : Frekuensi kumulatif. Formula, fki = fi + fki sebelumnya

                          Misal:

                          X4 = 74,7 ó fk4 = 1 + 3 = 4

Kolom 4          : Proporsi empiric (observasi). Formula, Sn (xi) = fki : n

                          Misal: Sn (x4) = 4 : 14 = 0.2857

Kolom 5          : Nilai z. formula, Z =

Dimana:  dan S =

Misal: X4 = 74.7

S =  

   = 1.227

Z =  =

Kolom 6            : Theoritical Proportion (tabel z): Proporsi Kumulatif Luas Kurva   Normal

Baku.

Perhatikan baris ke 1 dan ke 6:

Kolom 7          : Selisih Empirical Proportion dengan Theoritical Proportion

Baris 1:  = 0.0714 – 0.0485 = 0.0229

Baris 2 :  = 0.1429 – 0.0778 = 0.0651

dst ..............

Selisih terbesar adalah 0.1295.

Kolom 8          : Selisih Empirical Proportion dengan Theoritical Proportion di luar titik

observasi.

Baris 1:  = 0 – 0.0485 = 0.0485

Baris 2 :  = 0.0714 – 0.0778 = 0.0064

dst ..............

Selisih terbesar adalah 0.1628.

                                     D = Suprimum {   }

                                     D = Sup {0.1295 ; 0.1628}

 D(14,0.95) = 0.227

 Titik kritis pengujian : H0 ditolah jika D ≥ D(n,α)

4. Kesimpulan statistik: Pernyataan bahwa x mengikuti distribusi normal bisa diterima.

2.      Uji Normalitas dengan Kertas Peluang Normal

Pengujian normalitas dengan kertas peluang normal dapat dilakukan dengan membuat
grafik data pada suatu kertas peluang normal dengan skala tertentu yang telah tertera dalam
kertas tersebut. Untuk sumbu mendatar, skala berbentuk linier dan dipergunakan untuk
mendapatkan skor batas atas skala interval. Sedangkan sumbu tegak yang mempunyai skala tidak
linier tetapi sesuai dengan distribusi kurva normal diberikan angka frekuensi kumulatif relative
dari kelas interval tersebut (Yusri, 2013).

Contoh:

Diberikan data hasil penelitian tentang kemampuan komunikasi verba 80 orang mahasiswa
Teknik Elektro suatu universitas tahun 2006 sebagai berikut:

SKOR KEMAMPUAN KOMUNIKASI VERBA MAHASISWA TEKNIK ELEKTRO

UNIVERTAS BANGSA

TAHUN 2006

167 173 173 122 15 163

0
145 135 149 143 145
14
138 129 147 145 3 160

115 151 176 152 13 172

136 150 168 167 9 124

146 172 173 124 14 121

9
 159 194 121 124 16 169
2
144 141 145 151 139
16
161 145 161 136 0 142

163 107 125 178 16 166

123 140 137 170 4

124 135 140 160 13

7
167 156 144 136
15
147 144 138 129 7

13
7

13
0

15
6

12
3

13
9

Berdasarkan data tersebut akan dilakukan uji normalitas. Terlebih dahulu data tersebut
disusun dalam daftar distribusi frekuensi, kemudian ditentukan batas atas kelas interval yang
akan digunakan untuk skala sumbu mendatar pada kertas peluang normal. Setelah itu ditentukan
frekuensi mutlak dan frekuensi kumulatif relative yang akan digunakan untuk skala sumbu tegak
pada kertas peluang normal. Penyusunan daftar distribusi frekuensi dapat dibuat dari arah kelas
interval kecil ke kelas interval besar atau sebaliknya. Untuk contoh ini digunakan susunan arah
kelas interval kecil ke kelas interval besar dan dengan melakukan beberapa perthitungan besaran
yang dibutuhkan dapat disusun daftar distribusi frekuensi seperti tabel berikut:

DISTRIBUSI FREKUENSI SKOR KEMAMPUAN KOMUNIKASI VERBA

MAHASISWA TEKNIK ELEKTRO UNIVERSITAS BANGSA TAHUN 2006

No. Kelas Interval Batas Atas Kelas Interval f f kum f kum (%)

1 107-117 117,5 2 2 2,50

 2 118-128 128,5 10 12 15,00

3 129-139 139,5 16 28 35,00

4 140-150 150,5 21 49 61,25

5 151-161 161,5 12 61 76,25

6 162-172 172,5 13 74 92,50

7 173-183 183,5 5 79 98,75

8 184-194 194,5 1 80 100,00

Jumlah 80

Berdasarkan tabel 1.2, batas atas kelas interval dijadikan sebagai skala sumbu tegak pada
kertas peluang normal. Pada dasarnya sumbu tegak dalam kertas peluang normal sudah ada
angka persentase dari 0,01 sampai 0,99 atau dari 0% sampai dengan 100%. Peneliti hanya
menyesuaikan frekuensi kumulatif relative hasil perhitungan dengan persentase yang telah ada
pada kertas peluang tersebut. Selanjutnya dibuat titik-titik koordinat dari setiap batas atas kelas
interval yang berpasangan dengan frekuensi kumulatif relative dan setelah itu dihubungkan titik-
titik koordinat itu sehingga membentuk suatu garis.

Sehubungan dengan letak titik-titik pada garis lurus atau mendekati pada garis lurus
sehingga dapat disimpulkan berdistribusi normal maka ada dua hal yang perlu diperhatikan, yaitu
sebgai berikut:

1. mengenai data itu sendiri

Dikatakan bahwa data itu berdistribusi normal atau hampir berdistribusi normal, atau dapat
didekati dengan teknik-teknik untuk data berdistribusi normal.

2. Mengenai populasi darimana itu diambil

Dikatakan bahwa populasi dari mana sampel diambil ternyata berdistribusi normal atau hampir
berdistribusi normal, atau dapat didekati oleh distribusi normal (Yusri, 2013).

Berkaitan dengan hasil yang diperoleh dari contoh, apabila garis yang diperoleh
berbentuk garis lurus atau mendekati garis lurus maka dapat dinyatakan bahwa data tersebut
berdistribusi normal atau hampir berdistribusi normal. Selanjutnya, apabila data itu merupakan
sampel dari populasi tertentu, maka dapat dinyatakan bahwa dat itu berasal dari populasi yang
berdistribusi normal atau berdistribusi hampir normal. Untuk lebih jelas, teknik uji normalitas
dengan menggunakan kertas peluang normal, disajikan contoh gambar kertas peluang normal
yang telah diisi dengan titik-titik koordinat yang membentuk garis lurus atau hampir mendekati
garis lurus, seperti dilukiskan dalam gambar berikut:
Keadaan Normal Skor Kemampuan Komunikasi verba Mahasiswa Teknik elektro
Universitas Bangsa tahun2006

3.      Uji Normalitas dengan Menggunakan Rumus Chi-Kuadrat

Uji normalitas dengan menggunakan rumus Chi-Kuadrat juga melalui penyusunan data
dalam daftar distribusi frekuensi. Adapun rumus Chi-Kuadrat yang digunakan dalam uji
normalitas adalah:

Keterangan:

x2         = Chi-Kuadrat

f0         = frekuensi yang ada hasil observasi (keadaan data)

fh         = frekuensi yang diharapkan

dk        = derajat kebebasan = (k – 3)

k          = banyak kelas interval

Sebelum rumus Chi-Kuadrat digunakan untuk uji normalitas, terlebih dahulu ada
beberapa besaran yang harus dihitung. Adapun langkah-langkah menggunakan rumus Chi-
Kuadrat untuk uji normalitas sebagai berikut:

1.      Susun data ke dalam daftar distribusi frekuensi

2.      Kemudian, hitung harga rata-rata dan simpangan.

3.      Tentukan batas kelas atas dan batas kelas bawah setiap kelas interval.

4.      Hitung skor z berdasarkan harga rata-rata, simpangan baku, dan batas kelas interval.

5.      Berikutnya, berdasarkan Tabel C ditentukan luas di bawah kurva untuk setiap batas kelas
interval dan berdasarkan luas dihitung selisih luas batas interval yang terdekat dan dikalikan
dengan angka 100 untuk memperoleh frekuensi harapan.

6.      Selanjutnya, barulah dapat dihitung harga Chi-Kuadrat.

Contoh:

Dengan menggunakan data dari contoh tabel 1.2 tentang kemampuan komunikasi verbal
mahasiswa teknik elektro Universitas Bangsa tahun 2006, lakukan uji normalitas dengan
menggunakan rumus Chi-Kuadrat!

PERHITUNGAN RATA-RATA DAN SIMPANGAN BAKU

SKOR KEMAMPUAN KOMUNIKASI VERBAL MAHASISWA TEKNIK ELEKTRO
UNIVERSITAS BANGSA

TAHUN 2006

Nilai
Kelas interval f fX
Tengah

107-117 2 112 224 -35,0625 1.229,3789 2.458,758

118-128 10 123 1.230 -24,0625 579,0039 5.790,039

129-139 16 134 2.144 -13,0625 170,6289 2.730,063

140-150 21 145 3.045 -2,0625 4,2539 89,332

151-161 12 156 1.872 8,9375 79,8789 958,547

162-172 13 167 2.171 19,9375 397,5039 5.167,551

173-183 5 178 890 30,9375 857,1289 4.785,645

184-194 1 189 189 41,9375 1.758,7539 1.758,754

11.76
Jumlah 80 23.739,688
5

Dengan menggunakan rumus rata-rata dapat dihitung dengan:

Untuk perhitungan simpangan baku dihitung dengan:

UJI NORMALITAS SKOR KEMAMPUAN KOMUNIKASI VERBAL MAHASISWA

TEKNIK ELEKTRO UNIVERSITAS BANGSA

TAHUN 2006 DENGAN RUMUS CHI-KUADRAT

Berdasarkan besaran f0 dan fh dalam tabel di atas dapat dihitung harga Chi-Kuadrat sebagai
berikut:

X2        = ∑

X2        =

X2          = 0,1655 + 0,6257 + 0,0430 + 0,0559 + 1,7904 + 0,6017 +0,1557 +    0,0129

X2        = 3,4507
 Untuk konfirmasi Chi-Kuadrat hasil perhitungan digunakan Chi-Kuadrat dari tabel nilai
persentil untuk distribusi x2 pada α = 5% dengan derajat kebebasan dk = (k – 3) = 8 – 5 = 3,
maka diperoleh  Ternyata Chi_kuadrat hasil perhitungan lebih kecil dari Chi-kuadrat dala tabel
(x2 = 3,3407 < , maka dapat disimpulkan bahwa sampel skor kemampuan komunikasi verbal
mahasiswa teknik elektro Universitas Bangsa tersebut berasal dari populasi yang berdistribusi
normal.

4.      Uji Normalitas dengan Uji Shapiro-Wilk

T3=  dengan D =

Keterangan:

D         = Berdasarkan rumus di bawaha = Koefisient test Shapiro Wilk

X n-i+1   = Angka ke n – i + 1 pada data

X i       = Angka ke i pada data

Keterangan:

G         = Identik dengan nilai Z distribusi normal

T3        = Berdasarkan rumus di atas bn, cn, dn = Konversi Statistik Shapiro-Wilk Pendekatan
Distribusi Normal

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 > 5%, maka Ho diterima ; Ha ditolak.

Jika nilai p < 5%, maka Ho ditolak ; Ha diterima.

Contoh :
Berdasarkan data usia sebagian balita yang diambil sampel secara random dari posyandu Mekar
Sari Wetan sebanyak 24 balita, 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% ?

Penyelesaian :

1. Hipotesis

·         Ho : Populasi usia balita berdistribusi normal

·         H1 : Populasi usia balita tidak berdistribusi normal

2. Nilai α

·      Nilai α = level signifikansi = 5% = 0,05

3. Rumus statistik penguji

4. Derajat bebas

·         Db = n

5. Nilai tabel

·         Pada tabel Saphiro Wilk dapat dilihat, nilai α (0,10) = 0,930 ; nilai α (0,50) = 0,963

6. Daerah penolakan

·         Nilai T3 terletak diantara 0,930 dan 0,963, atau nilai p hitung terletak diantara 0,10 dan
0,50, yang diatas nilai α (0,05) berarti Ho diterima, Ha ditolak

7. Kesimpulan

·         Sampel diambil dari populasi normal, pada α = 0,05. Cara lain setelah nilai T3 diketahui
dapat menggunakan rumus G, yaitu :

Hasil nilai G merupakan nilai Z pada distribusi normal, yang selanjutnya dicari nilai
proporsi (p) luasan pada tabel distribusi normal (lampiran). Berdasarkan nilai G = -1,2617, maka
nilai proporsi luasan = 0,1038. Nilai p tersebut di atas nilai α = 0,05 berarti Ho diterima Ha
ditolak. Data benar-benar diambil dari populasi normal.

5.      Uji Normalitas dengan Uji Kolmogrov-Sminorv

 Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lilliefors. Uji Kolmogorov
Smirnov digunakan untuk menguji apakah data itu berdistribusi normal atau tidak.Langkah-
langkah penyelesaian dan penggunaan rumus sama, namun pada signifikansi yang berbeda.
Signifikansi metode Kolmogorov-Smirnov menggunakan tabel pembanding Kolmogorov-
Smirnov, sedangkan metode Lilliefors menggunakan tabel pembanding metode Lilliefors.

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 UJI :

H0        : Data populasi berdistribusi normal

H1        : Data populasi berdstribusi tidak normal.

SIGNIFIKANSI UJI :

nilai terbesar | ft - Fs | dibandingkan dengan nilai tabel Lilliefors.

· Jika Lhitung   <   Ltabel, maka :

§  Ho diterima

§  H1 ditolak.

·         Jika Lhitung    >    Ltabel , maka :

§  Ho ditolak

§  H1 diterima

TABEL NILAI KRITIS L UNTUK UJI KOLMOGOROV SMIRNOV  :

LANGKAH-LANGKAH PENGUJIAN :

Suatu penelitian tentang jumlah hasil panen kedelai di 15 kecamatan di Kabupaten Gresik
tercatat dalam kwintal 10, 13, 15, 11, 8, 16, 10, 11, 12, 9 ,11, 14, 9, 18 dan 12 kwintal.
Selidikilah dengan α =5% , apakah data tersebut diambil dari populasi yang berdistribusi
normal ? Gunakan Uji Kormogorov Smirnov.

Hipotesis Uji :

H0 = Sampel berasal dari populasi yang berdistribusi normal.

H1 = Sampel berasal dari populasi yang berdistribusi tidak normal.

1.      Urutkan data dari yang terkecil ke yang terbesar lalu cari rata-rata, simpangan baku
(standar deviasi) dari sampel data.

Keterangan :

Xi        =Datake-i
fi          = Frekuensi ke-i

1.      Mencari (Ztabel ) pada tabel distribusi normal

1.      Menentukan Dhitung

Keterangan :

Xi = Angka pada data

Z = Transformasi dari angka ke notasi pada distribusi normal

FT = Probabilitas komulatif normal

FS = Probabilitas komulatif empiris

v    Mencari nilai D(α,n)  dan Dmax dengan α = 0,05 dan n = 15 maka diperoleh :

-          D(0,05,15) / Dtabel= 0,338

-          Dhitung = 0,161

-          Daerah kritis : Dhitung<Dtabel

H0 diterima karena Dhitung < Dtabel atau 0,161 < O,338

v    Kesimpulan : jumlah hasil panen kedelai di 15 kecamatan di Kabupatn Gresik memiliki data
yang normal.

B.   HOMOGENITAS

Pengujian homogenitas varians ini mengasumsikan bahwa skor setiap variabel memiliki
varians yang homogen (Ating Soemantri, 2006). Tujuan dilakukannya uji homogenitas data
adalah untuk mengetahui bahwa sampel penelitian yang diambil adalah berasal dari populasi
yang sama (Yusri, 2013). Kesamaan asal sampel ini antara lain dibuktikan dengan adanya
kesamaan variansi kelompok-kelompok yang membentuk sampel tersebut. Jika ternyata tidak
terdapat perbedaan varians di antara kelompok sampel, hal ini mengandung arti bahwa
kelompok-kelompok sampel tersebut berasal dari populasi yang sama. Pengujian homogenitas
yang hanya terdiri dari dua kelompok data – hanya homogenitas dua varians populasi – dapat
digunakan Uji Rasio-F. Berikut akan dibahas terlebih dahulu mengenai homogenitas dua
varians populasi. Dalam melihat perbedaan dua populasi penelitian, peneliti harus
memperhatikan homogenitas varians populasi ( ). Untuk mengetahui homogenitas populasi
digunakan varians sampel untuk menaksir parameter-parameter populasi ini. Untuk menguji
hipotesis , dapat digunakan suatu uji statistic sederhana rasio-F.

1.      Uji Homogenitas dengan Uji Rasio-F

F=

Keterangan:

F          = nilai yang digunakan untuk menguji homogenitas varians populasi

        = varians sampel lebih besar

        = varians sampel lebih kecil

        = varians populasi data

Hasil perhitungan rasio-F digunakan untuk menafsirkan homogenitas populasi dengan

membandingkan harga F dalam tabel distribusi F. Untuk harga F tabel diambil pada taraf
signifikansi α dan derajat kebebasan (dk) pembilang  (n untuk varians sampel terbesar) dan
derajat kebebasan penyebut   (n untuk varians sampel terkecil).

Contoh:

Suatu penelitian ingin mengetahui apakah dua kelompok karyawan pabrik Sentosa
(X1 dan X2) yang memproduksi sepatu memiliki varians yang homogeny atau tidak. Adapun data
dua kelompok karyawan tersebut dapat dilihat pada tabel berikut:

DATA PRODUKSI SEPATU (DALAM RIBUAN KODI) OLEH DUA KELOMPOK

KERYAWAN PABRIK SENTOSA TAHUN 2006

Karyawan Kelompok 1 (X1) Karyawan Kelompok 2 (X2)

7                           5 6                             4

8                           8 6                             5

6                           9 7                             5

7                           7 7                             6
 7                           6            6

6                           6            5

Terlebih dahulu data di ats disusun seperti dalam tabel berikut untuk memperoleh
besaran-besaran yang diperlukan dalam perhitungan uji homogenitas varians:

BESARAN-BESARAN UNTUK PENGUJIAN HOMOGENITAS VARIANS DATA

PRODUKSI SEPATU (DALAM RIBUAN KODI) OLEH DUA KELOMPOK
KARYAWAN PABRIK SENTOSA TAHUN 2006

Karyawan Kelompok I Karyawan Kelompok II

X1 X2

7 49 6 36

8 64 6 36

6 36 7 49

7 49 7 49

7 49 6 36

6 36 5 25

5 25 4 14

8 64 5 25

9 81 5 25

7 49 6 36

6 36 - -

6 36 - -

82 574 57 333

Hasil perhitungan kedua varians kelompok itu ternyata varians kelompo X1 lebih besar
dari varians kelompok X2, maka dalam uji homogenitas varians dengan uji Rasio-F
digunakan  sebagai  dari varians  sebagai . Homogenitas varians diuji dengan rumus sebagai
berikut:

Berdasarkan tabel distribusi F pada α = 0,05 dengan derajat kebebasan (dk) pembilang =
n1 – 1 = 12 – 1 = 11 dan dk penyebut = n2 – 1 = 10 – 1 = 9 F0,95(11,9) = 3,10. Jika harga rasio-F
hitung sama atau lebih besar dari harga F tabel maka hipotesis nol (H0) ditolak dan hipotesis
varians populasi tidak dapat diterima. Jika sebaliknya, rasio F hasil perhitungan lebih kecil dari F
tabel maka varians populasi adalah homogen karena hipotesis nol (H0) diterima. Ternyata F hasil
perhitungan lebih kecil dari F tabel (1,3804 < 3,10) jadi varians populasi kedua data tersebut
homogen (  (Yusri, 2013).

Selanjutnya, apabila jumlah kelompok sampel terdiri atas tiga kelompok atau lebih, maka perlu
dapat diuji dengan Uji Fmaks Hartley dan uji homogenitas varians dengan Uji Barlett.

2.      Uji Homogenitas dengan Uji Fmaks Hartley

            Apabila kita memiliki k buah populasi yang pada masing-masing populasi itu telah
diambil sampelnya maka kita memiliki k buah variansnya yaitu . Hipotesis nol (H0) yang akan
diuji adalah , dan dianalisis berdasarkan varians sampel Hipotesis Alternatif (Ha) yang diajukan
bahwa ada satu di antara varians populasi yang tidak sama. Artinya, apabila ada satu dari varians
populasi tidak sama maka H0 ditolak (Yusri, 2016).

Sampel penelitian harus diambil secara acak mandiri (independent random sample) dari
populasi yang berdistribusi normal. Banyak anggota sampel harus sama (n1 = n2 = n3 = . . . = nk).
setelah terpenuhi hal itu dapat dilakukan uji statistik Fmaks, yaitu perbandingan antara varians
sampel terbesar ( ) dengan varians sampel terkecil ( ) dalam jumlah urutan varians sampel ( .

Fmaks =  atau Fmaks =

Harga kritis untuk distribusi f dari tabel diambil pada taraf signifikasi α dengan derajat
kebebasan pembilang = k dan derajat kebebasan penyebut = n – 1, maka f tabel yang dibutuhkan
adalah F 1- α(k,n-1). Dengan ketentuan, apabila Fmaks hasil perhitungannya lebih kecil daripada F
tabel (F1- α(k,n-1)) maka H0 diterima berarti sampel yang diambil adalah berasal dari populasi yang
homogen ( ). Sebaliknya, apabila Fmaks hasil perhitungan lebih besar atau sama dengan F tabel
(F1- α(k,n-1)), maka H0 tidak dapat diterima berarti sampel yang diambil berasal dari populasi yang
tidak homogen (Yusri, 2013).

Contoh:

PRODUKSI KARYAWAN DENGAN PERLAKUAN PENDEKATAN

INTERPERSONAL, KEMANDIRIAN, DAN PEMBERIAN MOTIVASI

Dari data tersebut, seorang peneliti ingin mengetahui apakah ada persamaan populasi asal
sampel data tentang produksi karyawan. Ujilah apakah ketiga data sampel itu berasal dari
populasi yang homogen?

Penyelesaian:
 Terlebih dahulu dihitung besaran-besaran yang diperlukan dalam perhitungan varians
sampel. Hipotesis nol yang diajukan dalam studi ini adalah H0: . Hipotesis alternative yang
diajukan bahwa Ha:ada satu di antara varians populasi yang tidak sama.

Perhitungan varians sampel (  untuk semua data dalam Tabel 2.4 sebagai berikut:

v  Untuk data pendekatan interpersonal (X1):

v  Untuk data pendekatan kemandirian (X2):

 =  = 139,7763

v  Untuk data pendekatan motivasi (X3):

Ketiga varians sampel hasil perhitungan tersebut ternyata varians terbesar adalah  = 324,3494
dan varians terkecil  = 139,7763, sehingga dapat dihitung uji Fmaks Hartley, yaitu:

Fmaks =

Nilai kritis untuk F dari tabel distribusi diambil pada taraf α = 0,05 dengan derajat
kebebasan pembilang = 3 dan derajat kebebasan penyebut = n – 1 = 34 – 1 = 33, maka
F0,95(3,33) berada antara F0,95(3,32) = 2,90 dan F0,95(3,34) = 2,88, maka F0,95(3,33) = 2,89. Ternyata Fmaks hasil
perhitungan lebih kecil daripada F tabel (Fmaks = 2,3205 < F0,95(3,33) = 2,89). Sesuai dengan
ketentuan, maka H0 dapat diterima dan berarti data sampel penelitian berasal dari populasi yang
homogeny. Dengan demikian, uji perbedaan rata-rata data tersebut dapat dilakukan dengan
analisis varians.

3.      Uji Homogenitas dengan Uji Barlett

Dimisalkan, seorang peneliti telah memperoleh sejumlah k sampel yang diambil secara
acak dari sejumlah k populasi yang berdistribusi normal. Peneliti tersebut bermaksud untuk
mengetahui apakah varians populasi asal sampel itu homogeny atau tidak. Populasi tersebut
mempunyai sejumlah k varians, yaitu  hipotesis nol yang diajukan H0: , dan dianalisis
berdasarkan varians sampel. Hipotesis Alternatif (Ha) yang diajukan bahwa ada satu di antara
varians populasi yang tidak sama. Artinya, apabila ada satu di antara varians populasi tidak sama
maka H0 ditolak (Yusri, 2013).

BESARAN-BESARAN YANG DIPERLUKAN UNTUK UJI HOMOGENITAS DENGAN

UJI BARTLETT

Untuk menguji homogenitas varians populasi itu akan digunakan harga varians sampel .
Atas varians sampel inilah diuji homogenitas varians populasi dengan Uji Bartlett. Berdasarkan
tabel di atas, dapat dihitung besaran-besaran yang dibutuhkan dalam uji homogenitas, yaitu:

v  Varians gabungan dari semua sampel dengan rumus:

s2 =

v  Harga satuan B dihitung dengan rumus:

B = (log s2) ∑(ni-1)

v  Uji homogenitas dengan Uji Bartlett, ternyata digunakan statistic chi-kuadrat, yaitu:

x2 = (ln 10)

Ketentuan yang dipersyaratkan adalah, apabila x2 hasil perhitungan lebih kecil daripada

harga kritis x2 dalam tabel distribusi x2 pada taraf signifikasi α dengan derajat kebebasan = k
maka dapat diterima h0, sedangkan apabila sebaliknya, x2 hasil perhitungan lebih besar atau sama
dengan harga kritis x2 dalam tabel distribusi x2 pada taraf signifikasi α dengan derajat kebebasan
= k maka dapat ditolak H0 dan diterima Ha, yaitu ada minimal satu varians populasi yang tidak
sama.

Contoh:

Dengan memperhatikan Tabel 2. 3, hitunglah homogenitas varians populasi dengan

menggunakan uji Bartlett dan bandingkan dengan hasil yang diperoleh dari uji homogenitas
Hartley!

Penyelesaian:

Berdasarkan contoh dari tabel 2.3 telah diperoleh n1 = n2 = n3 = 34, dan  = 324, 3494,  164, 5463.
Besaran-besaran ini dimasukkan ke dalam tabel 2. 5, sebagai berikut:

TABEL 2.5

BESARAN-BESARAN YANG DIPERLUKAN UNTUK UJI HOMOGENITAS DENGAN

UJI BARTLETT

Sampel ke Dk (dk) Log (dk)log

1 33 324,3494 10.703,5302 2,51101 82,86343

2 33 139,7763 4.612,6179 2,14543 70,79931

3 33 164,5463 5.430,0279 2,21629 73,13751

Jumlah 99 20.746,1760 226,80025

v  Besar varians total sampel dapat dihitung, sebagai berikut:

s2 =  =

v  Hitung satuan B, yaitu:

B = (log s2) ∑(ni-1)

B = (log 209,5573)(99)

B = 229,8080

v  Selanjutnya perhitungan chi-kuadrat untuk menguji homogenitas varians populasi, sebagai

berikut:

x2 = (ln 10)

x2 = (2,3026)(229,8080 – 226,80035)

x2 = 6,9279

berdasarkan harga kritis x2 dari tabel distribusi harga kritis x2 pada taraf signifikasi α =

0,05 dengan derajat kebebasan = k =3 diperoleh  = 7,815. Ternyata harga x2 hasil perhitungan
lebih kecil daripada harag dalam tabel (x2 = 6,9279 <  = 7,815) maka H0 dapat diterima, berarti
varian populasi asal sampel penelitian adalah homogen ( ). Dengan demikian, dapat dilakukan
analisis lanjutan untuk data sampel tersebut, yaitu analisis varians untuk mengetahui perbedaan
rata-rata dari ketiga sampel tersebut.

Jika dibandingkan uji homogenitas antara Uji Bartlett dan Uji Hartley, maka ternyata
kedua uji itu menunjukkan hasil yang sama, yaitu sama-sama menyatakan sampel yang diambil
berasal dari populasi yang homogen ( ).

4.      Uji Homogenitas dengan Uji Cochran

Pada suatu penelitian hanya dinyatakan dengan salah satu dari dua nilai, secara
sembarang dapat dinyatakan dengan nilai 1 sebagai “sukses” dan nilai 0 sebagai “gagal”. Reaksi
yang lain dapat berupa nilai 1 sebagai “ya” ataupun nilai 0 sebagai “tidak”.

Contoh:

jika anda menanyakan kepada 10 orang untuk diminta memilih dari tiga wanita, siapa yang ingin
mereka pacari; apakah pamella anderson, paris hilton, atau megan fox. Jika orang pertama
memilih paris hilton karena dia kaya, maka anda akan memberikan nilai 1 untuk paris hilton dan
nilai 0 untuk pamella ataupun megan fox, dan seterusnya pada orang yang lain.
Uji yang dikenal sebagai Q cochran test ini meliputi langkah-langkah sebagai berikut:
1. Menetapkan asumsi-asumsi
Data untuk analisis terdiri atas reaksi-reaksi dari r buah blok terhadap c buah perlakuan yang
diterapkan secara independen.
Reaksi-reaksi itu dinyatakan dengan 1 untuk “sukses” atau 0 untuk “gagal”. Hasil-hasil
pengamatan ini bisa diperagakan dalam sebuah tabel kotingensi seperti Tabel 4 dengan Xij yang
menyatakan 0 atau 1.
Tabel Kontingensi untuk data pada uji Q Cochran

Blok-blok yang ditampilkan merupakan blok-blok yang dipilih secara acak dari suatu populasi
yang terdiri atas semua blok yang mungkin.

2. Menentukan hipotesis-hipotesis

H0 : Semua perlakuan yang diuji mempunyai proporsi jawaban ya yang sama.

H1 : Tidak semua perlakuan mempunyai proporsi jawaban ya yang sama.

3. Menentukan Taraf Nyata (α)

4. Menghitung dengan rumus statistik uji

Berdasarkan Tabel 4, maka statistik uji untuk Uji Q Cochran adalah:

Uji Q Cochran memperlihatkan bahwa dengan meningkatnya r maka distribusi Q mendekati

distribusi Khi-kuadrat dengan derajat bebas c – 1, maka nilai kritis untuk Uji Q Cochran dapat
diperoleh dengan menggunakan Tabel nilai-nilai Khi Kuadrat untuk derajat bebas c – 1 ( χ2
tabel = χ2 1-α;c-1).

Tolak H0 , jika Q lebih besar dari atau sama dengan χ2 1-α;c-1.

D. Uji Hipotesis Dua Rata-Rata (Usman & Akbar, 2009)

            Uji hipotesis dua rata-rata digunakan untuk mengetahui ada atau tidak adanya perbedaan
(kesamaan) antara dua buah data. Salah satu teknik analisis statistik untuk menguji hipotesis dua
rata-rata ini ialah uji t (t test) karena rumus yang digunakan disebut rumus t. Rumus t sendiri
banyak ragamnya dan pemakaiannya disesuaikan dengan karakteristik kedua data yang akan
dibedakan. Ada beberapa persyaratan yang harus dipenuhi sebelum uji t dilakukan.
Persyaratannya adalah:

a.       Data masing-masing berdistribusi normal

b.      Data dipilih secara acak

c.       Data masing-masing homogen

2.2 Rumus-Rumus Untuk Uji t (Riduwan, 2009)

a.       Rumus uji t dua sampel:

Keterangan:
b.      Jika σ tidak diketahui dan populasi berhubungan: (Susetyo, STATISTIKA untuk Analisis
Data Penelitian, 2010)

Dimana:

D = pasangan skor X2 – X1

c.       Jika σ diketahui dan sampelnya besar, maka digunakan rumus: (Usman & Akbar, 2009)

d.      Jika σ tidak diketahui dan sampelnya besar, maka digunakan rumus: (Usman & Akbar,
2009)

atau

Langkah-Langkah Uji Kesamaan Dua Rata-Rata (Usman & Akbar, 2009)

1)      Uji atau asumsikan bahwa data dipilih secara acak

2)      Uji atau asumsikan bahwa data berdistribusi normal

3)      Asumsikan bahwa kedua variansnya homogen

4)      Tulis Ha dan H0 dalam bentuk kalimat

5)      Tulis Ha dan H0 dalam bentuk statistik

6)      Cari thitung atau zhitung dengan rumus tertentu

7)      Tentukan taraf signifikan (α)

8)      Cari ttabel dengan pengujian dua pihak dimana dk = n1 + n2 – 2 dan dengan menggunakan
tabel t didapat nilai ttabel.

9)      Tentukan kriteria pengujian, yaitu:

Jika –ttabel ≤ thitung ≤ +ttabel, maka H0 diterima

10)  Bandingkan thitung dengan ttabel atau zhitung dengan ztabel

11)  Buatlah kesimpulannya

Penggunaan Uji Hipotesis Dua Rata-Rata (Riduwan, 2009)

1.      Ada perbedaan kemampuan berbahasa asing antara lulusan SMU Plus Swasta (X1) dengan
lulusan SMU Negeri (X2) di kota Bandung. Data sebanyak 30 siswa diambil secara acak, adapun
data seperti TABEL 1 sebagai berikut:
Data Kemampuan Berbahasa Asing

Lulusan SMU Plus Swasta (X1) dengan lulusan SMU Negeri (X2)

KEMAMPUAN
N BERBAHASA ASING
O
X1 X2

1 77 40

2 99 48

3 77 54

4 77 34

5 55 48

6 88 68

7 120 67

8 87 67

9 87 75

10 50 56

11 87 60

12 87 47

13 87 60

14 90 70

15 81 61

16 55 47

17 88 68

18 98 68

19 87 74

20 87 75

21 44 55
 22 94 61

23 77 46

24 55 61

25 76 58

26 65 50

27 90 68

28 80 75

29 89 75

30 98 75

Langkah-langkah menjawab:

1)      Hipotesis Ha dan H0 dalam uraian kalimat:

Ha            :          Terdapat perbedaan antara kemampuan berbahasa asing

lulusan SMU Plus Swasta dengan lulusan SMU Negeri di Kota Bandung.

H0        :           Tidak terdapat perbedaan antara kemampuan berbahasa

asing lulusan SMU Plus Swasta dengan lulusan SMU Negeri di Kota Bandung.

2)      Hipotesis Ha dan H0 dalam model statistik:

Ha : µ1 ≠ µ2

H0 : µ1 = µ2

3)      Menghitung nilai rata-rata, standar deviasi, varians dan korelasi:

81,0666666 60,3666666
RATA-2 7 7

16,4755478 11,5265311
STDEV 9 1

271,443678 132,860919
VARIANS 2 5
 KORELAS 0,44200955
I 9

4)      Mencari thitung dengan rumus (1):

5)      Mencari nilai ttabel dengan ketentuan:

Taraf signifikansi α = 0,05, db = n1 + n2 – 2 = 30 + 30 – 2 = 58, maka diperoleh nilai ttabel = 2,002

6)      Menentukan kriteria pengujian:

Kriteria pengujian dua pihak:

Jika -ttabel ≤ thitung ≤ +ttabel maka H0 diterima dan Ha ditolak

7)      Membandingkan antara thitung dengan ttabel

Ternyata: -2,002 < 6,90 > +2,002, maka H0 ditolak dan Ha diterima.

Gambar 1: Uji Dua Pihak

8)      Kesimpulan:

Ha yang berbunyi: Terdapat perbedaan antara kemampuan berbahasa asing

lulusan SMU Plus Swasta dengan lulusan SMU Negeri di Kota Bandung DITERIMA.

H0 yang berbunyi: Tidak terdapat perbedaan antara kemampuan berbahasa

asing lulusan SMU Plus Swasta dengan lulusan SMU Negeri di Kota

Bandung DITOLAK.

2.      (Susetyo, STATISTIKA untuk Analisis Data Penelitian, 2010) Seorang peneliti

mengatakan bahwa yang diajar dengan metode A memperoleh skor rata-rata IPS yang lebih
tinggi dibandingkan dengan metode B, berarti metode A lebih efektif dibandingkan metode B
dalam pembelajaran IPS. Bila hipotesis penelitian yang diajukan dirumuskan dalam hipotesis
statistik satu pihak menjadi:

H0 : µA = µB

Ha : µA > µB
Dari populasi A diambil sampel secara acak berjumlah 15 siswa dan populasi B berjumlah 16
siswa. Kedua sampel berdistribusi normal dan variansi populasinya sama besarnya atau
homogen. Adapaun data untuk masing-masing sampel seperti berikut:

Metode dalam Pembelajaran IPS kelas V SD

METODE MENGAJAR
NO
A B

1 6 6

2 7 3

3 8 5

4 8 8

5 8 4

6 7 5

7 9 3

8 5 7

9 6 4

10 9 5

11 9 4

12 9 3

13 7 6

14 7 4

15 7 4

16 3

Dari data di atas diperoleh:

RATA-2 7,466666667 4,625

STDEV 0,707106781 2,121320344

 VARIAN
S 1,552380952 2,25

Simpangan baku populasi tidak diketahui, maka menggunakan rumus (7):

Taraf nyata α = 0,05, dk = n1 + n2 – 2 = 29, sehingga didapat ttabel = 1,699 (terlampir)

Kriteria pengujian satu pihak (pihak kanan) adalah:

Jika +ttabel ≥ thitung maka H0 diterima dan Ha ditolak

Membandingkan antara thitung dengan ttabel:

Ternyata: +1,699 ≤ 5,91, maka H0 ditolak dan Ha diterima.

Sehingga disimpulkan metode mengajar A lebih baik dibandingkan metode B pada mata

pelajaran IPS. Untuk melihat dimana kedudukan thitung dan ttabel maka dapat dilihat pada gambar 2

3.      Seorang peneliti menguji pengaruh penggunaan media gambar animasi komputer untuk
mempelajari siklus air dalam pelajaran sains di SD. Sampel acak berjumlah 20 siswa diambil
dari populasi yang berdistribusi normal dan homogen kedua variansinya. Sebelum pembelajaran
siswa diberi pre-tes dan setelah proses pembelajaran menggunakan media gambar animasi
komputer dilakukan pasca-tes. Dari hasil pre-tes dan pasca-tes diperoleh data sebagai berikut:

Skor Pre-tes (X1) dan Pasca-tes (X2)

PASCA-
NO PRE-TES TES

1 5,2 7,1

2 7 8,4

3 5,6 7,3

4 6,6 8

5 4,9 7,9

6 5 7,6

7 6,6 7,6

8 5 6,7
 9 7,8 7,9

10 3,8 4,1

11 6,7 7

12 4 6,7

13 8,1 7,2

14 6,9 7,9

15 5,8 8,6

16 7,1 8,4

17 8,2 8,2

18 3,7 5,6

19 6,7 7

20 6,8 7,8

Peneliti mempunyai hipotesis yang menyatakan penggunaan media gambar animasi

komputer memiliki pengaruh terhadap prestasi belajar siswa dalam sains di SD.

Langkah-langkah menjawab:

1)      Hipotesis Ha dan H0 dalam uraian kalimat:

Ha           :           Ada pengaruh menggunakan media gambar animasi

komputer siklus air pada mata pelajaran sains di SD.

H0        :           Tidak ada pengaruh menggunakan media gambar animasi

komputer siklus air pada mata pelajaran sains di SD.

2)      Hipotesis Ha dan H0 dalam model statistik:

Ha : µ1 ≠ µ2

H0 : µ1 = µ2

3)      Menghitung D (X2-X1), rata-rata D, dan simpangan baku rata-rata D:

 PRE-TES PASCA-TES
NO (X1) (X2) D ( )2

1 5,2 7,1 1,9 0,625 0,390625

2 7 8,4 1,4 0,125 0,015625

3 5,6 7,3 1,7 0,425 0,180625

4 6,6 8 1,4 0,125 0,015625

5 4,9 7,9 3 1,725 2,975625

6 5 7,6 2,6 1,325 1,755625

7 6,6 7,6 1 -0,275 0,075625

8 5 6,7 1,7 0,425 0,180625

9 7,8 7,9 0,1 -1,175 1,380625

10 3,8 4,1 0,3 -0,975 0,950625

11 6,7 7 0,3 -0,975 0,950625

12 4 6,7 2,7 1,425 2,030625

13 8,1 7,2 -0,9 -2,175 4,730625

14 6,9 7,9 1 -0,275 0,075625

15 5,8 8,6 2,8 1,525 2,325625

16 7,1 8,4 1,3 0,025 0,000625

17 8,2 8,2 0 -1,275 1,625625

18 3,7 5,6 1,9 0,625 0,390625

19 6,7 7 0,3 -0,975 0,950625

20 6,8 7,8 1 -0,275 0,075625

JUMLA 25,
H 121,5 147 5 -0,1 21,0775

4)      Mencari thitung dengan rumus (3):

5)      Mencari nilai ttabel dengan ketentuan:

Taraf signifikansi α = 0,05, db = n1 + n2 – 2 = 20 + 20 – 2 = 38, maka diperoleh nilai ttabel = 2,024

6)      Menentukan kriteria pengujian:

Kriteria pengujian dua pihak:

Jika -ttabel ≤ thitung ≤ +ttabel maka H0 diterima dan Ha ditolak

 

7)      Membandingkan antara thitung dengan ttabel

Ternyata: -2,024 < 5,57 > +2,024, maka H0 ditolak dan Ha diterima.

Gambar 3: Uji Dua Pihak

8)      Kesimpulan:

Ha yang berbunyi: Ada pengaruh menggunakan media gambar animasi

komputer siklus air pada mata pelajaran sains di SD DITERIMA.

H0 yang berbunyi: Tidak ada pengaruh menggunakan media gambar animasi komputer siklus air
pada mata pelajaran sains di SD DITOLAK.
 BAB III

PENUTUP

A. Kesimpulan        

Pengujian normalitas dilakukan untuk mengetahui normal tidaknya suatu distribusi data.
Hal ini penting diketahui berkaitan dengan ketepatan pemilihan uji statistic yang akan
digunakan. Uji parametric misalnya, mengisyaratkan data harus berdistribusi normal. Pengujian
normalitas ini harus dilakukan apabila belum ada teori  yang menyatakan bahwa variabel yang
diteliti adalah normal. Dengan kata lain, apabila ada teori yang menyatakan bahwa suatu variabel
yang sedang diteliti normal, maka tidak diperlukan lagi pengujian normalitas data.Pengujian
homogenitas varians ini mengasumsikan bahwa skor setiap variabel memiliki varians yang
homogen (Ating Soemantri, 2006). Tujuan dilakukannya uji homogenitas data adalah untuk
mengetahui bahwa sampel penelitian yang diambil adalah berasal dari populasi yang sama
(Yusri, 2013). Pengujian homogenitas yang hanya terdiri dari dua kelompok data – hanya
homogenitas dua varians populasi – dapat digunakan Uji Rasio-F. Berikut akan dibahas terlebih
dahulu mengenai homogenitas dua varians populasi. Dalam melihat perbedaan dua populasi
penelitian, peneliti harus memperhatikan homogenitas varians populasi ( ). Untuk mengetahui
homogenitas populasi digunakan varians sampel untuk menaksir parameter-parameter populasi
ini.Uji hipotesis dua rata-rata digunakan untuk mengetahui ada atau tidak adanya perbedaan
(kesamaan) antara dua buah data. Salah satu teknik analisis statistik untuk menguji hipotesis dua
rata-rata ini ialah uji t (t test) karena rumus yang digunakan disebut rumus t. Rumus t sendiri
banyak ragamnya dan pemakaiannya disesuaikan dengan karakteristik kedua data yang akan
dibedakan. Ada beberapa persyaratan yang harus dipenuhi sebelum uji t dilakukan.

            B. Saran

Dalam penyusunan makalah ini, kami selaku penyusun tentunya mengalami banyak
kekeliruan dan kesalahan-kesalahan. Untuk itu kami mohon maaf yang sebesar-besarnya, di
karenakan kami masih dalam tarap pembelajaran. Maka dari itu kami selaku penyusun
mengharapkan kritik dan saran yang sifatnya membangun agar kami bisa lebih baik lagi dalam
pembuatan makalah berikutnya sehingga makalah berikutnya lebih sempurna dari pada makalah
sebelumnya.
 DAFTAR PUSTAKA
 

Soemantri, A., & Muhidin, S. A. (2006). Aplikasi Statistika Dalam Penelitian. Bandung: Pustaka

Setia.

Yusri. (2013). Statistika Sosial Aplikasi dan Interpretasi. Yogyakarta: Graha Ilmu.

Riduwan. (2009). DASAR-DASAR STATISTIKA. Bandung: Alfabeta.

Sunyoto, D. (2009). ANALISIS REGRESI DAN UJI HIPOTESIS. Yogyakarta: MedPress

(Anggota IKAPI).

Susetyo, B. (2010). STATISTIKA UNTUK ANALISIS DATA PENELITIAN . Bandung: PT Refika

Aditama.

Usman, H., & Akbar, R. P. (2009). PENGANTAR STATISTIKA. Jakarta: PT Bumi Aksara.

Irianto, A. (2009). STATISTIK: KONSEP DASAR & APLIKASINYA. Jakarta: Kencana Prenada

Media Group.