STATISTIK PENELITIAN PENDIDIKAN

UJI NORMALITAS DAN HOMOGENITAS MELALUI SPSS

DI SUSUN OLEH :

NAMA : 1. Anggun Ari Aditia Utami (4119005)

2. Vika Andre Tariyanti (4119013)
PROGRAM STUDI : Pendidikan Fisika
MATA KULIAH : Statistik Penelitian Pendidikan
DOSEN PENGAMPUH : Tri Ariani, M.Pd,Si

SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN

PERSATUAN GURU REPUBLIK INDONESIA
(STKIP-PGRI LUBUKLINGGAU)
TAHUN AJARAN 2021/2022
 UJI NORMALITAS DAN HOMOGENITAS DATA DENGAN SPSS

1. PENGANTAR
SPSS merupakan salah satu sekian banyak software statistika yang telah dikenal
luas dikalangan penggunaannya. Disamping masih banyak lagi software statistika
lainnya seperti minitab, Syastas, Microstat dan masih banyak lagi.
SPSS adalah aplikasi yang digunakan untuk melakukan analisis statistika tingkat
lanjut, analisis data dengan algoritma machine learning, analisis string, serta analisis
big data yang dapat diintegrasikan untuk membangun platform data analisis. SPSS
adalah kependekan dari Statistical Package for the Social Sciences. SPSS sangat
populer di kalangan peneliti dan statistikawan untuk membantu melakukan perhitungan
terkait analisis data. SPSS menyediakan library untuk perhitungan statistika dengan
antarmuka interaktif yang menjadikannya sebagai software analisis data tingkat lanjut
paling populer di berbagai universitas, instansi, dan perusahaan.

Data hasil penelitian akan diuji secara statistik sesuai dengan tujuan penelitian
dan rumusan masalah atau hipotesis penelitiannya. Setiap teknik uji statistik
mempunyai kriteria atau persyaratan yang harus dipenuhi agar dapat menggunakan
teknik uji statistic tertentu. Seperti misalnya uji statistik Parametrik mensyaratkan data
harus berdistribusi normal dan homogen.
Distribusi Normal ini merupakan salah satu fungsi Statistik yang sangat penting
untuk memprediksi atau meramalkan peristiwa-peristiwa yang sangat kompleks dan
luas. Sedangkan Uji homogenitas dilakukan untuk mengetahui apakah data dalam
variabel X dan Y bersifat homogen atau tidak.
2. UJI NORMALITAS
a. Pengertian
Uji Normalitas terdiri dari dua kata yaitu “uji” dan “ normalitas”. Makna darikata uji
adalah sebuah tindakan atau perlakuan yang dilakukan seseorang sepertimengetes dan
mencari tahu terhadap objek yang diamatinya demi mencapai suatu jawaban yang
dicarinya dari hasil perlakuan yang dilakukannya kepada objek tadi.Sedangkan arti dari
kata normalitas adalah sebuah variasi tingkatan suatu objek dapatdikatakan normal atau
tidak normal. Normal menunjukkan suatu hal yang baik sedangkan hasil tidak normal
menunjukkan suatu hal yang tidak baik atau bermasalah. Uji Normalitas adalah sebuah
uji yang dilakukan dengan tujuan untuk menilai sebaran data pada sebuah kelompok
data atau variabel, apakah sebaran data tersebut berdistribusi normal ataukah tidak. Uji
Normalitas berguna untuk menentukan data yang telah dikumpulkan berdistribusi
normal atau diambil dari populasi normal. Metode klasik dalam pengujian normalitas
suatu data tidak begitu rumit. Berdasarkan pengalaman empiris beberapa pakar
statistik, data yang banyaknya lebih dari 30 angka (n > 30), maka sudah dapat
diasumsikan berdistribusi normal. Biasa dikatakan sebagai sampel besar. Namun untuk
memberikan kepastian, data yang dimiliki berdistribusi normal atau tidak, sebaiknya
digunakan uji normalitas. Karena belum tentu data yang lebih dari 30 bisa dipastikan
berdistribusi normal, demikian sebaliknya data yang banyaknya kurang dari 30 belum
tentu tidak berdistribusi normal, untuk itu perlu suatu pembuktian. uji statistik
normalitas yang dapat digunakan diantaranya Chi-Square, Kolmogorov Smirnov,
Lilliefors, Shapiro Wilk, Jarque Bera. Jadi, kesimpulannya adalah Uji Normalitas
adalah suatu cara seseorang dalam mencari tahu dan mengetes objek yang diamatinya
apakah sedang dalamtingkatan (keadaan) normal atau tidak.

Normalitas Data dapat dinyatakan dengan Distribusi Normal atau Kurve Normal.
Distribusi Normal/ Kurve Normal ini merupakan salah satu fungsi Statistik yang
sangat penting untuk memprediksi atau meramalkan peristiwa-peristiwa yang sangat
kompleks dan luas. Distribusi Normal atau Kurve Normal ini juga disebut dengan
istilah Distribusi Gauss, yaitu merupakan distribusi data kuantitatif kontinyu yang
tersebar secara merata dan simetris serta membentuk sebuah kurva seperti lonceng.
Beberapa kriteria Distribusi Normal adalah:
1) Mempunyai 2 parameter populasi yang lengkap, yaitu Mean dan Standar Deviasi
2) Kurva mempunyai bentuk seperti Lonceng dan simetris terhadap Mean.
Sebelum menentukan Teknik Uji Statistik apa yang akan digunakan terutama
untuk Data dengan Skala NUMERIC (Rasio dan Interval), maka perlu diketahui
terlebih dahulu apakah Data tersebut Berdistribusi Normal atau tidak. Hal ini penting
karena untuk Data dengan Skala Rasio dan Interval, maka dalam menentukan teknik
uji statistiknya kemungkinan menggunakan Statistik Parametrik. Sedangkan Statistik
Parametrik sendiri mensyaratkan Data harus berdistribusi Normal. Apabila ternyata
Data Tidak Berdistribusi Normal, maka harus menggunakan alternatif uji statistik
yang Non Parametrik. Berikut adalah langkah-langkah untuk melakukan Uji
Normalitas Data.
b. Langkah-Langkah Uji Normalitas dengan SPSS
Sebagai Contoh, misalnya kita melakukan penelitian dan sudah mengumpulkan
data tentang Usia Responden. Kemudian kita akan menguji Normalitas dari data
tersebut, yang artinya apakah data yang sudah kita kumpulkan tersebut, yaitu Usia
Responden Normal berdistribusi secara normal atau tidak.

Selanjutnya langkah-langkah Uji Normalitas Data dengan menggunkan SPSS

adalah sebagai berikut:
1) Aktifkan Aplikasi SPSS.
2) Buka File SPSS dgn nama: DATA UJI NORMALITAS.sav
3) Lihat pada VARIABEL VIEW.
4) Selanjutnya lihat/aktifkan DATA VIEW.
5) Klik ANALYZE selanjutnya pilih DESCRIPTIVE STATISTICS kemudian
klik EXPLORE, dan selanjutnya masukkan Variabel Umur ke dalam Kotak
DEPENDENT LIST.
Lihat langkah-langkahnya (Langkah 5) dalam tampilan Gambar 1-4 di bawah
ini:

Gambar 1. Tampilan data Umur Responden yang akan diuji Normalitas

Gambar 2. Tampilan Pemilihan Teknik Analisis Uji Normalitas Data

Gambar 3. Tampilan Variabel dalam Kotak Dialog Explore

 Gambar 4. Tampilan Variabel dalam Kotak Dialog Explore setelah dipindah ke Kotak

Dependent List
6) Kemudian Klik/Pilih BOTH pada bagian DISPLAY (terletak dibagian bawah) dan
Biarkan kotak STATISTICS sesuai default SPSS.
Langkah 6 tersebut dapat dilihat pada Tampilan Gambar 5 di bawah ini:

Gambar 5. Pemilihan Display pada Uji Normalitas

7) Selanjutnya Aktifkan/Klik Kotak PLOTS, sehingga muncul tampilan seperti Gambar
6 berikut ini:
 Gambar 6. Tampilan Explore: Plot
8) Lihat pada BOXPLOTS kemudian Aktifkan/Klik/Pilih FACTOR LEVEL
TOGETHER.
9) Lihat pada bagian DESCRIPTIVE, kemudian Aktifkan/Klik/Pilih HISTOGRAM.
10) Kemudian Aktifkan/Klik/Pilih NORMALITY PLOTS WITH TESTS
Langkah No. 8-10 tersebut dapat dilihat pada tampilan Gambar 7 di bawah ini:

Gambar 7. Langkah Pemilihan Fungsi Explore: Plot

11) Selanjutnya Klik CONTINUE dan kemudian Klik OK, lalu lihat Hasil atau Outputnya
seperti pada Gambar 8 sebagai berikut ini:
 Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
umur .109 290 .000 .974 290 .000
responden
a. Lilliefors Significance Correction
Gambar 8. Tabel Output/ Hasil Uji Normalitas Data
12) Selanjutnya simpan File Data dan Output tersebut menggunakan
Menu Save AS
c. Interpretasi Hasil/ Menarik Kesimpulan
Setelah proses analisis data selesai, maka langkah selanjutnya adalah menarik
kesimpulan atau memberikan interpretasi terhadap hasil uji tersebut.
Kriteria atau Cara Memberikan Interpretasi Hasil Uji Normalitas Data adalah sebagai
berikut:
Lihat pada Tabel TESTS OF NORMALITY
Terdapat 2 Jenis Uji Normalitas, yaitu Kolmogorov-Smirnov dan Shapiro-Wilk. Penggunaannya adalah:
Kolmogorov-Smirnov: Untuk Sampel Besar (>50)
Shapiro-Wilk: Untuk Sampel Kecil (≤50)
DatadapatdikatakanBERDISTRIBUSINORMAL,
apabila Nilai P (Sig.) > 0.05, baik pada Kolmogorov-Smirnov maupun Shapiro-Wilk.

Kesimpulan dari Contoh Hasil Uji Normalitas pada Kasus di atas adalah:
 Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic D Sig.
f
umur .109 290 .000 .974 290 .000
responden
a. Lilliefors Significance Correction

Bahwa Jumlah Sampel (N) adalah 290, hal ini berarti Sampel Besar (>50), sehingga
Tabel hasil Uji Normalitas yang digunakan adalah Tabel Kolmogorov-Smirnov. Dari Tabel
tersebut didapatkan Nila P (Sig.) = 0,000 yang berarti P < 0,05 sehingga Data tersebut
dikatakan TIDAK BERDISTRIBUSI NORMAL.

3. UJI HOMOGENITAS
a. Pengertian
Uji Homogenitas berasal dari dua kata yaitu “uji” dan “Homogenitas”. Karenakita
sudah membahas arti kata uji, kita langsung saja membahas apa itu homogenitas.
Homogenitas adalah sebuah variasi tingkatan dua objek atau lebih yang menunjukkan
adanya kemiripan karakteristik, kriteria, dan keragaman (homogen) atau tidak sama
sekali. 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.
Jadi, Uji Homogenitas adalah suatu cara seseorang dalam mencari tahu dan mengetes
dua objek atau lebih yang diamatinya apakah menunjukkan adanya kemiripan
 karakteristik, kriteria, dan keramagan atau tidak sama sekali (berbeda).

Uji homogenitas adalah pengujian mengenai sama tidaknya variansi-variansi

dua buah distribusi data atau lebih. Uji homogenitas dilakukan untuk mengetahui
apakah data dalam variabel X dan Y bersifat homogen atau tidak. Uji ini biasanya
dilakukan sebagai prasyarat analisis data/ analisis statistic menggunakan teknik Uji
Independent T-Test dan ANOVA. Adapun Dasar Pengambilan Keputusan dalam
Uji Homogenitas adalah:
JikaNilaiSignifikansi(P-Value )< 0,05 makadapat
disimpulkan bahwa “Varian dari Dua Kelompok Data atau Lebih adalah TIDAK SAMA (TIDAK H
JikaNilaiSignifikansi(P-Value) > 0,05 makadapat
disimpulkan bahwa “Varian dari Dua Kelompok Data atau Lebih adalah SAMA (HOMOGEN)”.

b. Langkah-Langkah Uji Homogenitas dengan SPSS

Sebagai contoh, kita akan melakukan Uji Homogenitas terhadap data hasil
penelitian yang terdiri atas variabel Motivasi Belajar dan Prestasi Belajar. Dimana
Motivasi Belajar merupakan Variabel Bebas (X) dan Prestasi Belajar sebagai Variabel
Terikat (Y).

Adapun data dari masing-masing Varaibel adalah sebagai berikut:

Responden Motivasi Prestasi
Belajar Belajar
1 65 75
2 60 75
3 80 90
4 65 80
5 80 95
6 75 95
7 80 85
8 65 85
9 75 90
10 65 75
11 60 75
12 75 80
13 80 95
14 65 80
15 70 85
 Untuk membuktikan apakah Dua Kelompok Data tersebut mempunyai Variansi yang
Sama (Homogen), maka dapat dilakukan Uji Statistik menggunakan SPSS sebagai
berikut:
1) Entry Data ke dalam Program SPSS. Sebagaimana terlihat pada Gambar berikut:

2) Selanjutnya klik ANALYZE dan pilih COMPARE MEAN dan klik pada ONE
WAY ANOVA. Seperti tampilan Gambar di bawah ini:

3) Setelah itu akan muncul tampilan seperti berikut:

4) Selanjutnya masukkan Variabel Terikat (Y) yaitu Prestasi Belajar ke dalam kotak
DEPENDENT LIST dan masukkan Variabel Bebas (X) yaitu Motivasi Belajar ke
dalam kotak FACTOR. Sebagaimana ditunjukkan pada Gambar berikut ini:

5) Selanjutnya klik pada menu OPTION dan beri Tanda Centhang (√) pada pilihan
HOMOGENEITY OF VARIANCE TEST dan kemudian klik CONTINUE.

6) Kemudian klik OK dan lihat hasilnya, seperti Nampak pada gambar berikut:
 c. Interpretasi Hasil/ Menarik Kesimpulan
Berdasarkan Output SPSS tersebut, didapatkan hasil Sig (P- Value) = 0,142.
Hal ini menunjukkan bahwa nilai P > 0,05.
Dengan demikian dapat disimpulkan bahwa Varian dari Data tersebut adalah
SAMA atau dapat dikatakan bahwa Data tersebut HOMOGEN.

CONTOH SOAL

1. Lakukan Uji Normalitas Data dan Berikan Interpretasi atau Kesimpulan dari hasil
uji tersebut pada data berikut ini:
No. Data Nilai Mahasiswa

1 80
2 90
3 80
4 75
5 60
6 70
7 60
8 75
9 80
10 80
11 85
12 90
13 90
14 80
15 85
16 70
17 75
18 75
19 60
 20 60
21 75
22 75
23 80
24 85
25 85
26 85
27 60
28 60
29 70
30 60
Langkah-Langkah Uji Normalitas dengan SPSS
1) Aktifkan Aplikasi SPSS.
2) Buka File SPSS dgn nama: DATA NILAI MAHASISWA.sav
3) Lihat pada VARIABEL VIEW.
4) Selanjutnya lihat/aktifkan DATA VIEW.
5) Klik ANALYZE selanjutnya pilih DESCRIPTIVE STATISTICS kemudian
klik EXPLORE, dan selanjutnya masukkan Variabel ke dalam Kotak
DEPENDENT LIST.
Lihat langkah-langkahnya (Langkah 5) dalam tampilan Gambar 1-4 di bawah
ini:

Gambar 1. Tampilan data Umur Responden yang akan diuji Normalitas

Gambar 2. Tampilan Pemilihan Teknik Analisis Uji Normalitas Data

Gambar 3. Tampilan Variabel dalam Kotak Dialog Explore

6) Kemudian Klik/Pilih BOTH pada bagian DISPLAY (terletak dibagian bawah) dan
Biarkan kotak STATISTICS sesuai default SPSS.
7) Selanjutnya Aktifkan/Klik Kotak PLOTS, sehingga muncul tampilan seperti
8) Lihat pada BOXPLOTS kemudian Aktifkan/Klik/Pilih FACTOR LEVEL
TOGETHER.
9) Lihat pada bagian DESCRIPTIVE, kemudian Aktifkan/Klik/Pilih HISTOGRAM.
10) Kemudian Aktifkan/Klik/Pilih NORMALITY PLOTS WITH TESTS
Langkah No. 6-10 tersebut dapat dilihat pada tampilan Gambar 7 di bawah ini:
 Gambar 7. Langkah Pemilihan Fungsi Explore: Plot

11) Selanjutnya Klik CONTINUE dan kemudian Klik OK, lalu lihat Hasil atau Outputnya
seperti pada Gambar 8 sebagai berikut ini:

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic Df Sig.

Data Nilai Mahasiswa .166 30 .034 .893 30 .006

a. Lilliefors Significance Correction

Gambar 8. Tabel Output/ Hasil Uji Normalitas Data

12) Selanjutnya simpan File Data dan Output tersebut menggunakan
Menu Save AS
d. Interpretasi Hasil/ Menarik Kesimpulan
Setelah proses analisis data selesai, maka langkah selanjutnya adalah menarik
kesimpulan atau memberikan interpretasi terhadap hasil uji tersebut.

Kesimpulan dari Contoh Hasil Uji Normalitas pada Kasus di atas adalah:
Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Data Nilai Mahasiswa 30 100.0% 0 0.0% 30 100.0%

 Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic Df Sig.

Data Nilai Mahasiswa .166 30 .034 .893 30 .006

a. Lilliefors Significance Correction

Bahwa Jumlah Sampel (N) adalah 30, hal ini berarti Sampel Besar ( > 5 0), sehingga
Tabel hasil Uji Normalitas yang digunakan adalah Tabel Kolmogorov-Smirnov. Dari Tabel
tersebut didapatkan Nila P (Sig.) = 0,034 yang berarti P < 0,05 sehingga Data tersebut
dikatakan TIDAK BERDISTRIBUSI NORMAL.

2. Lakukan Uji Homogenitas Data dan Berikan Interpretasi atau Kesimpulan

dari hasil uji tersebut pada data berikut ini:
No. Data Score Motivasi Data Nilai Mahasiswa

1 10 80
2 20 90
3 20 80
4 10 75
5 10 60
6 20 70
7 25 60
8 25 75
9 30 80
10 30 80
11 25 85
12 25 90
13 20 90
14 20 80
15 10 85
16 10 70
17 20 75
18 20 75
19 25 60
20 25 60
21 25 75
22 30 75
23 30 80
24 20 85
25 10 85
26 20 85
 27 10 60
28 25 60
29 20 70
30 10 60

Langkah-Langkah Uji Homogenitas dengan SPSS

1) Entry Data ke dalam Program SPSS. Sebagaimana terlihat pada Gambar berikut:

2) Selanjutnya klik ANALYZE dan pilih COMPARE MEAN dan klik pada ONE
WAY ANOVA. Seperti tampilan Gambar di bawah ini:

3) Selanjutnya masukkan Variabel Terikat (Y) yaitu Nilai ke dalam kotak

DEPENDENT LIST dan masukkan Variabel Bebas (X) yaitu Motivasi ke
dalam kotak FACTOR. Sebagaimana ditunjukkan pada Gambar berikut ini:
4) Selanjutnya klik pada menu OPTION dan beri Tanda Centhang (√) pada
pilihan HOMOGENEITY OF VARIANCE TEST dan kemudian klik
CONTINUE.

5) Kemudian klik OK dan lihat hasilnya, seperti Nampak pada gambar berikut:

Test of Homogeneity of Variances

Nilai
 Levene Statistic df1 df2 Sig.

4.836 3 26 .008

Interpretasi Hasil/ Menarik Kesimpulan

Berdasarkan Output SPSS tersebut, didapatkan hasil Sig (P- Value) = 0,008.
Hal ini menunjukkan bahwa nilai P < 0,05.
Dengan demikian dapat disimpulkan bahwa Varian dari Data tersebut adalah S
bahwa “Varian dari Dua Kelompok Data atau Lebih adalah TIDAK SAMA atau
dapat dikatakan bahwa Data tersebut TIDAK HOMOGEN.
Uji Homogenitas dengan SPSS
a. Langkah-langkah Pengujian Kehomogenan
Untuk menguji kehomogenan data sampel y berdasarkan pengelompokkan data X, lakukan
langkah-langkah berikut ini:

Langkah-Langkah Uji Homogenitas dengan SPSS

1) Entry Data ke dalam Program SPSS. Sebagaimana terlihat pada Gambar
berikut:

2) Buka file data yang akan dianalisis, Pilih menu berikut ini, Analyze,
Descriptives Statistics Explore. Menu uji homogenitas akan tampak seperti
gambar berikut
3) Selanjutnya masukkan Variabel Terikat (Y) yaitu Nilai ke dalam kotak
DEPENDENT LIST dan masukkan Variabel Bebas (X) yaitu Motivasi ke
dalam kotak FACTOR. Sebagaimana ditunjukkan pada Gambar berikut ini:

4) Klik tombol Plots, Pilih Factor Levels Together, Levene test untuk
untransormed, seprti pada gambar di bawah, Klik Continue,
 5) Kemudian klik OK dan lihat hasilnya, seperti Nampak pada gambar
berikut:

Case Processing Summary

Motivasi Cases

Valid Missing Total

N Percent N Percent N Percent

10 8 100.0% 0 0.0% 8 100.0%

20 10 100.0% 0 0.0% 10 100.0%

Nilai
25 8 100.0% 0 0.0% 8 100.0%

30 4 100.0% 0 0.0% 4 100.0%

Descriptives

Motivasi Statistic Std. Error

Nilai 10 Mean 71.88 3.889

95% Confidence Interval for Lower Bound 62.68

Mean Upper Bound 81.07
 5% Trimmed Mean 71.81

Median 72.50

Variance 120.982

Std. Deviation 10.999

Minimum 60

Maximum 85

Range 25

Interquartile Range 24

Skewness .008 .752

Kurtosis -2.008 1.481

Mean 80.00 2.357

95% Confidence Interval for Lower Bound 74.67

Mean Upper Bound 85.33

5% Trimmed Mean 80.00

Median 80.00

Variance 55.556

20 Std. Deviation 7.454

Minimum 70

Maximum 90

Range 20

Interquartile Range 13

Skewness .000 .687

Kurtosis -1.334 1.334

Mean 70.63 4.375

95% Confidence Interval for Lower Bound 60.28

Mean Upper Bound 80.97

5% Trimmed Mean 70.14

Median 67.50

Variance 153.125

25 Std. Deviation 12.374

Minimum 60

Maximum 90

Range 30

Interquartile Range 23

Skewness .564 .752

Kurtosis -1.459 1.481

Mean 78.75 1.250

30
95% Confidence Interval for Lower Bound 74.77
 Mean Upper Bound 82.73

5% Trimmed Mean 78.89

Median 80.00

Variance 6.250

Std. Deviation 2.500

Minimum 75

Maximum 80

Range 5

Interquartile Range 4

Skewness -2.000 1.014

Kurtosis 4.000 2.619

Test of Homogeneity of Variance

Levene Statistic df1 df2 Sig.

Based on Mean 4.836 3 26 .008

Based on Median 4.471 3 26 .012

Nilai Based on Median and with
4.471 3 21.675 .014
adjusted df

Based on trimmed mean 4.864 3 26 .008

Interpretasi Hasil/ Menarik Kesimpulan
Interpretasi dilakukan dengan memilih salah satu statistik, yaitu statistik yang
didasarkan pada rata-rata (Based on Mean). Berdasarkan Output SPSS tersebut,
didapatkan hasil Sig (P-Value) = 0,008. Hal ini menunjukkan bahwa nilai P < 0,05.
Dengan demikian dapat disimpulkan bahwa Varian dari Data tersebut adalah
TIDAK SAMA atau dapat dikatakan bahwa Data tersebut TIDAK HOMOGEN.
3. Shinta akan melakukan penelitian eksperimental dengan judul “ PERBEDAAN
HASIL BELAJAR SISWA KELAS 5 DENGAN MENGGUNAKAN MEDIA
VIDEO DAN MEDIA GAMBAR PADA MATA PELAJARAN FISIKA MAN 1
MODEL LUBUKLINGGAU ” Kelas XI MIPA yang terdiri dari kelas XI MIPA 1,
XI MIPA 2, dan XI MIPA 3. Sebelum melakukan penelitian. Lala perlu melakukan uji
normalitas dan uji homogenitas untuk mengetahui apakah siswa kelas XI MIPA
memiliki varians yang sama atau homogen. Berikut adalah hasil ulangan harian siswa
XI MIPA yang akan digunakan untuk melakukan uji normalitas dan uji homogenitas.
No XI MIPA 1 XI MIPA 2 XI MIPA 3
1 82 73 65
2 90 80 85
3 86 74 43
4 86 70 84
5 83 66 49
6 75 70 82
 7 73 73 66
8 89 80 75
9 86 86 76
10 75 70 90
11 80 80 68
12 84 83 73
13 83 75 94
14 75 73 73
15 70 87 80
16 60 84 78
17 78 80 90
18 69 73 87
19 77 77 64
20 50 82 90
21 89 72 80
22 56 90 90
23 85 88 77
24 82 72 78
25 90 78 74

1. UJI NORMALITAS
Langkah-Langkah Uji Normalitas dengan SPSS
1) Aktifkan Aplikasi SPSS.
2) Buka File SPSS dgn nama: DATA NILAI MAHASISWA.sav
3) Lihat pada VARIABEL VIEW.
4) Selanjutnya lihat/aktifkan DATA VIEW.

Klik ANALYZE selanjutnya pilih DESCRIPTIVE STATISTICS kemudian

klik EXPLORE, dan selanjutnya masukkan Variabel ke dalam Kotak
5) Kemudian Klik/Pilih BOTH pada bagian DISPLAY (terletak dibagian bawah) dan
Biarkan kotak STATISTICS sesuai default SPSS.
6) Selanjutnya Aktifkan/Klik Kotak PLOTS, sehingga muncul tampilan seperti
7) Lihat pada BOXPLOTS kemudian Aktifkan/Klik/Pilih FACTOR LEVEL
TOGETHER.
8) Lihat pada bagian DESCRIPTIVE, kemudian Aktifkan/Klik/Pilih HISTOGRAM.
9) Kemudian Aktifkan/Klik/Pilih NORMALITY PLOTS WITH TESTS
Langkah No. 5-10 tersebut dapat dilihat pada tampilan Gambar di bawah ini:
 10) Selanjutnya Klik CONTINUE dan kemudian Klik OK, lalu lihat Hasil atau Outputnya
seperti pada Gambar 8 sebagai berikut ini:

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic Df Sig. Statistic df Sig.

XI MIPA 1 .163 25 .084 .883 25 .008

XI MIPA 2 .153 25 .133 .956 25 .346
XI MIPA 3 .151 25 .144 .918 25 .047

a. Lilliefors Significance Correction

Gambar Tabel Output/ Hasil Uji Normalitas Data

11) Selanjutnya simpan File Data dan Output tersebut menggunakan
Menu Save AS
Interpretasi Hasil/ Menarik Kesimpulan
Setelah proses analisis data selesai, maka langkah selanjutnya adalah menarik
kesimpulan atau memberikan interpretasi terhadap hasil uji tersebut. Kesimpulan dari
Contoh Hasil Uji Normalitas pada Kasus di atas adalah:
Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

XI MIPA 1 25 100.0% 0 0.0% 25 100.0%

XI MIPA 2 25 100.0% 0 0.0% 25 100.0%
XI MIPA 3 25 100.0% 0 0.0% 25 100.0%

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic Df Sig. Statistic df Sig.

XI MIPA 1 .163 25 .084 .883 25 .008

XI MIPA 2 .153 25 .133 .956 25 .346
XI MIPA 3 .151 25 .144 .918 25 .047

a. Lilliefors Significance Correction

Bahwa Jumlah Sampel (N) adalah 25, sehingga Tabel hasil Uji Normalitas yang
digunakan adalah Tabel Kolmogorov-Smirnov. Dari Tabel tersebut didapatkan Nila P (Sig.)
> 0,05 sehingga Data tersebut dikatakan BERDISTRIBUSI NORMAL.

2. UJI HOMOGENITAS

Langkah-Langkah Uji Homogenitas dengan SPSS

1) Entry Data ke dalam Program SPSS. Sebagaimana terlihat pada Gambar
berikut:
2) Selanjutnya klik ANALYZE dan pilih COMPARE MEAN dan klik pada
ONE WAY ANOVA. Seperti tampilan Gambar di bawah ini:

3) Selanjutnya masukkan Variabel Terikat (Y) ke dalam kotak DEPENDENT

LIST dan masukkan Variabel Bebas (X) ke dalam kotak FACTOR.
Sebagaimana ditunjukkan pada Gambar berikut ini:

4) Selanjutnya klik pada menu OPTION dan beri Tanda Centhang (√) pada
pilihan HOMOGENEITY OF VARIANCE TEST dan kemudian klik
CONTINUE.
 5) Kemudian klik OK dan lihat hasilnya, seperti Nampak pada gambar
berikut:
Test of Homogeneity of Variances
NILAI

Levene Statistic df1 df2 Sig.

2.234 2 72 .114

Interpretasi Hasil/ Menarik Kesimpulan

Berdasarkan Output SPSS tersebut, didapatkan hasil Sig (P-Value) = 0,114.
Hal ini menunjukkan bahwa nilai P > 0,05.
Dengan demikian dapat disimpulkan bahwa Varian dari Data tersebut adalah
bahwa “Varian dari Dua Kelompok Data atau Lebih adalah SAMA atau dapat
dikatakan bahwa Data tersebut HOMOGEN.
Uji Homogenitas dengan SPSS
a. Langkah-langkah Pengujian Kehomogenan
Untuk menguji kehomogenan data sampel y berdasarkan pengelompokkan data X, lakukan
langkah-langkah berikut ini:

Langkah-Langkah Uji Homogenitas dengan SPSS

1) Entry Data ke dalam Program SPSS. Sebagaimana terlihat pada Gambar berikut
2) Buka file data yang akan dianalisis, Pilih menu berikut ini, Analyze, Descriptives
Statistics Explore. Menu uji homogenitas akan tampak seperti gambar berikut

3) Selanjutnya masukkan Variabel Terikat (Y) yaitu Nilai ke dalam kotak

DEPENDENT LIST dan masukkan Variabel Bebas (X) yaitu Kelas ke dalam
 kotak FACTOR. Sebagaimana ditunjukkan pada Gambar berikut ini:

4) Klik tombol Plots, Pilih Factor Levels Together, Levene test untuk untransormed,
seprti pada gambar di bawah, Klik Continue,

5) Kemudian klik OK dan lihat hasilnya, seperti Nampak pada gambar berikut:

Case Processing Summary

kELAS Cases

Valid Missing Total

N Percent N Percent N Percent

NILAI XI MIPA 1 25 100.0% 0 0.0% 25 100.0%

 XI MIPA 2 25 100.0% 0 0.0% 25 100.0%

XI MIPA 3 25 100.0% 0 0.0% 25 100.0%

Descriptives

kELAS Statistic Std. Error

Mean 78.12 2.114

95% Confidence Interval for Lower Bound 73.76

Mean Upper Bound 82.48

5% Trimmed Mean 78.96

Median 82.00

Variance 111.777

XI MIPA 1 Std. Deviation 10.572

Minimum 50

Maximum 90

Range 40

Interquartile Range 12

Skewness -1.236 .464

Kurtosis 1.165 .902

Mean 77.44 1.296

95% Confidence Interval for Lower Bound 74.76

Mean Upper Bound 80.12

NILAI 5% Trimmed Mean 77.36

Median 77.00

Variance 42.007
XI MIPA 2 Std. Deviation 6.481

Minimum 66

Maximum 90

Range 24

Interquartile Range 10

Skewness .302 .464

Kurtosis -.859 .902

Mean 76.44 2.489

95% Confidence Interval for Lower Bound 71.30

Mean Upper Bound 81.58

XI MIPA 3 5% Trimmed Mean 77.30

Median 78.00

Variance 154.840

Std. Deviation 12.443

 Minimum 43

Maximum 94

Range 51

Interquartile Range 16

Skewness -1.068 .464

Kurtosis 1.337 .902

Test of Homogeneity of Variance

Levene Statistic df1 df2 Sig.

Based on Mean 2.234 2 72 .114

Based on Median 1.705 2 72 .189

NILAI Based on Median and with
1.705 2 55.167 .191
adjusted df

Based on trimmed mean 2.050 2 72 .136

Interpretasi Hasil/ Menarik Kesimpulan

Interpretasi dilakukan dengan memilih salah satu statistik, yaitu statistik yang
didasarkan pada rata-rata (Based on Mean). Berdasarkan Output SPSS tersebut,
didapatkan hasil Sig (P-Value) = 0,114. Hal ini menunjukkan bahwa nilai P > 0,05.
Dengan demikian dapat disimpulkan bahwa Varian dari Data tersebut adalah
SAMA bahwa “Varian dari Dua Kelompok Data atau Lebih adalah SAMA atau
dapat dikatakan bahwa Data tersebut HOMOGEN.
 DAFTAR PUSTAKA

Amin.I., Aswin.A., Fajar.I., Isnaeni, Iwan.S., Pudjirahaju.A., Sunindya.R.. 2009.

Statistika. Yogyakarta. Graha Ilmu.
Farhan, Q.(2008). Metode Statistika. Yogyakarta: Bidang Akademik UIN Sunan
Kalijaga Yogyakarta.
Gunardi.(1999). Diktat Kuliah Metode Statistik. FMIPA Universitas Gadjah Mada
Yogyakarta