METODE STATISTIKA PENDIDIKAN

“UJI NORMALITAS SEBARAN DATA DAN UJI HOMOGENITAS VARIANS”

Dosen Pengampu Mata Kuliah :

1) Dr. Ni Ketut Rapi, M.Pd.

2) Putu Widiarini, S.Pd., M.Pd. M.Sc.

OLEH : KELOMPOK 5
NI LUH AYU ARDI LESTARI (2013021006)
PUTU RATNA INDAH PRATIWI (2013021013)

PROGRAM STUDI PENDIDIKAN FISIKA

JURUSAN FISIKA DAN PENGAJARAN IPA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN GANESHA
2021
 KATA PENGANTAR
Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa ,atas rahmat dan
karunia-Nya, sehingga penulis dapat menyelesaikan penyusunan makalah dengan judul “ Uji
Normalitas Sebaran Data dan Uji homogenitas Varians”
Makalah ini berisi deskripsi mengenai cara-cara melakukan uji normalitas sebaran
data dan uji homogenitas varians. Penyusunan makalah ini merupakan upaya memenuhi tugas
mata kuliah Metode Statistika Pendidikan.
Penulis mengucapkan terima kasih kepada pihak – pihak yang telah memberi
dukungan moral dan materiil dalam penyusunan makalah ini. Akhirnya, apapun yang penulis
sajikan dalam makalah sederhana ini, semoga dapat bermanfaat, khususnya bagi penulis
sendiri, umumnya bagi siapa saja yang berkepentingan.
Disadari bahwa makalah ini dilihat dari materi dan tampilannya masih jauh dari
sempurna. Untuk itulah masukan-masukan dari berbagai pihak sangat diharapkan demi
kesempurnaan makalah ini pada masa yang akan datang. Semoga Yang Maha Kuasa
senantiasa memberikan petunjuk yang terbaik bagi kita semua.

Penulis

i
 DAFTAR ISI

KATA PENGANTAR ................................................................................................................ i

DAFTAR ISI..............................................................................................................................ii

BAB I PENDAHULUAN .......................................................................................................... 1

1.1 Latar Belakang ............................................................................................................ 1

1.2 Rumusan Masalah ....................................................................................................... 1

1.3 Tujuan Penulisan ......................................................................................................... 2

1.4 Manfaat Penulisan ....................................................................................................... 2

BAB II PEMBAHASAN ........................................................................................................... 3

1.1 Uji Normalitas Sebaran Data....................................................................................... 3

2.2 Uji Homogenitas Varians .......................................................................................... 11

BAB III KESIMPULAN.......................................................................................................... 18

DAFTAR PUSTAKA .............................................................................................................. 19

ii
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Statistik didefinisikan sebagai fakta-fakta berbentuk angka yang terangkum dalam
tabel-tabel atau kumpulan angka pada tabel yang menerangkan suatu fenomena.Statistika
adalah ilmu yang mempelajari bagaimana merencanakan,mengumpulkan, menganalisis,
menginterpretasi, dan mempresentasikan data.Singkatnya, statistika adalah ilmu yang
berkenaan dengan data. Atau statistika adalah ilmu yang berusaha untuk mencoba
mengolah data untuk mendapatkanmanfaat berupa keputusan dalam kehidupan. Dalam
sebuah penelitian, terutama penelitian kuantitatif dapat dilakukan analisis data dengan
bantuan statistik.
Secara umum semua statistic parameterik berfungsi untuk menggeneralisasi hasil
penelitian, yaitu pemberlakuan hasil penelitian dalam populasi dengan menggunakan
data sampel yang harus memenuhi asumsi-asumsi. Asumsi tersebut meliputi data sampel
diambil secara acak dari populasi dan data terdistribusi normal. Sedangkan asumsi-asumsi
lainnya menyesuaikan dengan teknik analisis data yang digunakan.
Untuk mengetahui apakah suatu data terdistribusi normal dapat dilakukan uji
normalitas. Uji ini merupakan pengujian yang paling banyak dilakukan untuk analisis
statistik parametrik. Karena data yang berdistribusi normal merupakan syarat
dilakukannya tes parametrik. Sedangkan untuk data yang tidak mempunyai distribusi
normal, maka analisisnya menggunakan tes non parametric. Selain uji normalitas ada
juga yang dinamakan uji homogenitas, sesuai namanya uji homogenitas digunakan untuk
mencari tahu apakah dari beberapa kelompok data penelitian memiliki varians yang
sama atau tidak. Pengujian homogenitas juga dimaksudkan untuk memberikan
keyakinan bahwa sekumpulan data yang dimanipulasi dalam serangkaian analisis
memang berasal dari populasi yang tidak jauh berbeda keragamannya.
Uji normalitas dan uji homogenitas ini sangat penting untuk dipahamani karena
akan sangat membantu dalam pengolahan dan analisis data khususnya dalam penelitian.
Hal itulah yang melatar belakangi kami untuk menyusun makalah ini, agar nantinya
dapat mendukung dan membantu dalam melakukan analisis data saat penelitian.
1.2 Rumusan Masalah
1.1.1 Apa yang dimaksud dengan uji normalitas sebaran data?
1.1.2 Apa yang dimaksud dengan uji homogenitas varians?

1
1.3 Tujuan Penulisan
1.3.1 Untuk mengetahui uji normalitas sebaran data
1.3.2 Untuk mengetahui uji homogenitas varians

1.4 Manfaat Penulisan

Penulisan makalah ini diharapkan bermanfaat bagi penulis sendiri untuk menambah
wawasan cara-cara melakukan uji normalitas sebaran data dan uji homogenitas varians
sehingga dapat menerapkannya dalam proses penelitian. Manfaat lain bagi penulis untuk
memenuhi tugas mata kuliah Metode Statistika Pendidikan. Bagi pembaca Untuk
menambah pengetahuan mengenai cara-cara melakukan uji normalitas sebaran data dan
uji homogenitas varians sehingga pembaca dapat memahaminya dan dapan
menerapkannya dalam proses penelitian.

2
 BAB II
PEMBAHASAN
1.1 Uji Normalitas Sebaran Data
Pengujian normalitas adalah pengujian tentang kenormalan distribusi data. Uji ini
merupakan pengujian yang paling banyak dilakukan untuk analisis statistik parametrik.
Karena data yang berdistribusi normal merupakan syarat dilakukannya tes parametrik.
Sedangkan untuk data yang tidak mempunyai distribusi normal, maka analisisnya
menggunakan tes non parametric.
Data yang mempunyai distribusi yang normal berarti mempunyai sebaran yang
normal pula. Dengan profit data semacam ini maka data tersebut dianggap bisa mewakili
populasi. Normal disini dalam arti mempunyai distribusi data normal. Normal atau
tidaknya berdasarkan patokan distribusi normal dari data dengan mean dan standar
deviasi yang sama. Jadi uji normalitas pada dasarnya melakukan perbandingan antara
data yang kita miliki dengan data berdistribusi normal yang memiliki mean dan standar
deviasi yang sama dengan data kita.
Untuk mengetahui bentuk distribusi data dapat digunakan grafik distribusi dan
analisis statistik. Penggunaan grafik distribusi merupakan cara yang paling gampang dan
sederhana. Cara ini dilakukan karena bentuk data yang terdistribusi secara normal akan
mengikuti pola distribusi normal di mana bentuk grafiknya mengikuti bentuk lonceng
(atau bentuk gunung). Sedangkan analisis statistik menggunakan analisis keruncingan
dan kemencengan kurva dengan menggunakan indikator keruncingan dan kemencengan.
Ada 3 uji normalitas yang akan dijabarkan yaitu :
a) Uji Chi Kuadrat
Salah satu uji normalitas data yaitu chi kuadrat merupakan pengujian
hipotesis yang dilakukan dengan cara membandingkan kurve normal yang
terbentuk dari data yang telah terkumpul (B) dengan kurve normal baku atau
standar (A). Jadi membandingkan antara (B/A). Bila B tidak berbeda secara
signifikan dengan A, maka B merupakan data yang berdistribusi normal.
:data berasal dari populasi yang berdistribusi normal
:data tidak berasal dari populasi yang berdistribusi normal

3
Grafik distribusi chi kuadrat umumnya merupakan kurve positif , yaitu
miring ke kanan. Kemiringan ini makin berkuran jika derajat kebebasan (dk)
makin besar.
Langkah-Langkah Menguji Data Normalitas dengan Chi Kuadrat:
1) Menentukan Mean/ Rata-Rata

2) Menentukan Simpangan Baku

3) Membuat daftar distribusi frekuensi yang diharapkan

• Menentukan batas kelas
• Mencari nilai Z skor untuk batas kelas interval
• Mencari luas 0 – Z dari tabel kurva normal
• Mencari luas tiap kelas interval
• Mencari frekuensi yang diharapkan (Ei)
4) Merumuskan formula hipotesis
:data berasal dari populasi yang berdistribusi normal
:data tidak berasal dari populasi yang berdistribusi normal
5) Menentukan taraf nyata
Untuk mendapatkan nilai chi-square tabel

dk = k – 1
dk = Derajat kebebasan
k = banyak kelas interval
6) Menentukan Nilai Uji Statistik

Keterangan:
= frekuensi hasil pengamatan pada klasifikasi ke-i
= Frekuensi yang diharapkan pada klasifikasi ke-i
7) Menentukan Kriteria Pengujian Hipotesis

4
 8) Memberi Kesimpulan

Contoh :
Nilai Hasil Belajar Fisika Siswa Kelas 2 SMA
45 62 63 64 64 65 65 67 67 67 67 68
68 68 69 69 71 72 73 74 74 75 75 76
76 78 78 81 85 87
Perhatikah data hasil belajar siswa kelas 2 SMA pada mata pelajaran fisika di atas.
Kita akan melakukan uji normalitas data dengan chi kuadrat.
1. Kita siapkan terlebih dahulu tabel distribusi frekuensi :

2. Mencari Mean dan Simpangan Baku

5
3. Membuat daftar distribusi frekuensi yang diharapkan
• Menentukan Batas Kelas
Angka skor kiri pada kelas interval dikurangi 0,5
Angka skor kanan pada kelas interval ditambah 0,5
Sehingga diperoleh batas kelas sbb:

• Mencari nilai Z skor untuk batas kelas interval

Sehingga diperoleh :
Z
-3,050343249
-1,9061785
-0,7620137
0,382151
1,5263158
2,6704805
• Mencari luas 0 – Z dari tabel kurva normal

• Mencari luas tiap kelas interval

Yaitu angka baris pertama dikurangi baris kedua, angka baris kedua dikurangi
baris ketiga, dst. Kecuali untuk angka pada baris paling tengah ditambahkan
dengan angka pada baris berikutnya. Sehingga diperoleh hassil sbb:

6
 • Mencari frekuensi yang diharapkan (E) Dengan cara mengalikan luas tiap
interval dengan jumlah responden (n = 30). Diperoleh:

Tabel Frekuensi yang Diharapkan dan Pengamatan

Luas Tiap
Batas Luas 0-Z (𝑓 − 𝐸)2
Z Interval E F f-E (𝑓 − 𝐸)2
Interval pada tabel 𝐸
Kelas
44,5 -3,05034 0,4989 0,0271 0,828 1 0,172 0,029584 0,035729469
54,5 -1,90617 0,4713 0,1949 5,847 4 -1,8 3,411409 0,583446
64,5 -0,76201 0,2764 0,4244 12,73 16 3,27 10,67982 0,838817
74,5 0,38215 0,148 0,2877 8,631 7 -1,6 2,660161 0,30821
84,5 1,52631 0,4357 0,0605 1,815 2 0,19 0,034225 0,018857
94,5 2,67048 0,4962 1,785059469

• Menentukan taraf nyata dan chi-kuadrat tabel

Karena
Maka berasal dari populasi data yang berdistribusi normal sehingga
dapat diterima. Data berdistribusi normal

b) Uji Lilliefors
Uji normalitas data dilakukan dengan menggunakan uji Liliefors (Lo) dilakukan
dengan langkah-langkah berikut. Diawali dengan penentuan taraf sigifikansi,
yaitu pada taraf signifikasi 5% (0,05) dengan hipotesis yang diajukan adalah
sebagai berikut :
: Sampel berasal dari populasi yang berdistribusi normal

7
 : Sampel tidak berasal dari populasi yang berdistribusi normal
Dengan kriteria pengujian :
Jika terima ,
Jika tolak
Adapun langkah-langkah pengujian normalitas adalah :
1. Data pengamatan , ….., dijadikan bilangan baku , …..,

dengan menggunakan rumus (dengan 𝑥̅ dan 𝑠 masing-masing merupakan

rata-rata dan simpangan baku)

2. Untuk setiap bilangan baku ini dengan menggunakan daftar distribusi normal
baku, kemudian dihitung peluang F( ) = P(z < ).
3. Selanjutnya dihitung proporsi , ….., yang lebih kecil atau sama
dengan zi. Jika proporsi ini dinyatakan oleh S ( ) maka:

4. Hitung selisih F( ) - S( ), kemudian tentukan harga mutlaknya.

5. Ambil harga yang paling besar di antara harga-harga mutlak selisih tersebut,
misal harga tersebut .
Untuk menerima atau menolak hipotesis nol ( ), dilakukan dengan cara
membandigkan ini dengan nilai kritis L yang terdapat dalam tabel untuk taraf
nyata yang dipilih.

Contoh :
Uji Normalitas Data Hasil Belajar Fisika Siswa
: Sampel berasal dari populasi yang berdistribusi normal
: Sampel tidak berasal dari populasi yang berdistribusi normal
No

1 45 -3,1987 0,001 0,03333 0,0323

2 62 -1,0604 0,1446 0,06667 0,07793
3 63 -0,9346 0,1762 0,1 0,0762
4 64 -0,8088 0,2119 0,13333 0,07857
5 64 -0,8088 0,2119 0,16667 0,04523
6 65 -0,683 0,2483 0,2 0,0483
7 65 -0,683 0,2483 0,23333 0,01497

8
 8 67 -0,4314 0,3336 0,26667 0,06693
9 67 -0,4314 0,3336 0,3 0,0336
10 67 -0,4314 0,3336 0,33333 0,00027
11 67 -0,4314 0,3336 0,36667 0,0331
12 68 -0,3057 0,3821 0,4 0,0179
13 68 -0,3057 0,3821 0,43333 0,0512
14 68 -0,3057 0,3821 0,46667 0,0846
15 69 -0,1799 0,4325 0,5 0,0675
16 69 -0,1799 0,4325 0,53333 0,1008
17 71 0,0717 0,5279 0,56667 0,0388
18 72 0,19748 0,5745 0,6 0,0255
19 73 0,32327 0,6255 0,63333 0,0078
20 74 0,44906 0,676 0,66667 0,00933
21 74 0,44906 0,676 0,7 0,024
22 75 0,57484 0,7157 0,73333 0,0176
23 75 0,57484 0,7157 0,76667 0,051
24 76 0,70063 0,758 0,8 0,042
25 76 0,70063 0,758 0,83333 0,0753
26 78 0,9522 0,8289 0,86667 0,0378
27 78 0,9522 0,8289 0,9 0,0711
28 81 1,32956 0,9049 0,93333 0,0284
29 85 1,8327 0,9664 0,96667 0,0003
30 87 2,08428 0,9812 1 0,0188

Rata-rata:

Standar Deviasi:

Dari kolom terakhir dalam tabel di atas didapat = 0,1008dengan n = 30 dan taraf
nyata α = 0,05. Dari tabel Nilai Kritis L untuk Uji Liliefors di dapat L = 0,161 yang
lebih besar dari = 0,1008 sehingga hipotesis diterima.
Simpulan: Data berasal dari populasi yang berdistribusi normal.

c) Uji Kolmogorov Smirnov

Fungsi dan Dasar Pemikiran Tes satu sampel Kolmogorov-Smirnov adalah
suatu tes goodness-offit. Artinya, yang diperhatikan adalah tingkat kesesuaian

9
antara distribusi teoritis tertentu. Tes ini menetapkan apakah skor-skor dalam
sampel dapat secara masuk akal dianggap berasal dari suatu populasi dengan
distributive tertentu itu. Jadi, tes mencakup perhitungan distribusi frekuensi
kumulatif yang akan terjadi dibawah distribusi teoritisnya, serta membandingan
distribusi frekuensi itu dengan distribusi frekuensi kumulatif hasil observasi.
Distribusi teoriti tersebut merupakan representasi dari apa yang diharapkan
dibawah . Tes Ini menerapkan suatu titik dimana kedua distribusi itu-yakni
yang teoritis dan yang terobservasi memiliki perbedaan terbesar. Dengan melihat
distribusi samplingnya dapat kita ketahui apakah perbedaan yang besar itu
mungkin terjadi hanya karena kebetulan saja. Artinya distribusi sampling itu
menunjukan apakah perbedaan besar yang diamati itu mungkin terjadi apabila
observasi-observasi itu benar-benar suatu sampel random dari distribusi teoritis
itu.
Metode
Misalkan suatu F0(X) = suatu fungsi distribusi frekuensi kumulatif yang
sepenuhnya ditentukan, yakni distribusi kumulatif teoritis di bawah H0. Artinya
untuk harga N yang sembarang besarnya, Harga F0(X) adalah proporsi kasus
yang diharapkan mempunyai skor yang sama atau kurang daripada X.
Misalkan SN(X) = distribusi frekuensi kumulatif yang diobservasi dari
suatu sampel random dengan N observasi. Dimana X adalah sembarang skor
yang mungkin, SN(X) = k/N, dimana k = banyak observasi yang sama atau
kurang dari X.
Di bawah Hopotesis-nol bahwa sampel itu telah ditarik dari distribusi
teoritis tertentu, maka diharapkan bahwa untuk setiap harga X, SN(X) harus jelas
mendekati F0(X). Artinya di bawah H0 kita akan mengharapkan selisis antara
SN(X) dan F0(X) adalah kecil, dan ada dalam batas-batas kesalahan random. Tes
Kolmogorov-Smirnov memusatkan perhatian pada penyimpangan (deviasi)
terbesar. Harga F0(X) -SN(X) terbesar dinamakan deviasi maksimum.

D = maksimum |F0(X) - SN(X)|

Prosedur pengujian Kolmogorov-Smirnov ini dilakukan dengan langkah-
langkah sebagai berikut:
1. Tetapkanlah fungsi kumulatif teoritisnya, yakni distribusi kumulatif yang
diharapkan di bawah H0 .

10
 2. Aturlah skor-skor yang diobservasi dalam suatu distribusi kumulatif
dengan memasangkan setiap interval SN(X) dengan interval F0(X) yang
sebanding.
3. Untuk tiap-tiap jenjang pada distribusi kumulatif, kurangilah F0(X)
dengan SN(X).
4. Dengan memakai rumus carilah D.
5. Lihat table E untuk menemukan kemungkinan (dua sisi) yang dikaitkan
dengan munculnya harga-harga sebesar harga D observasi di bawah H0
Jika p sama atau kurang dari α, tolaklah H0.
Kekuatan
Tes satu sampel Kolmogorov-Smirnov ini memperlihatkan dan
menggarap suatu observasi terpisah dari yang lain. Dengan demikian, lain
dengan tes untuk satu sampel.Tes Kolmogorov-Smirnov tidak perlu
kehilangan informasi karena digabungkannya kategori-kategori. Bila sampel
kecil dan oleh karenanya kategori- kategori yang berhampiran harus
digabungkan sebelum dapat dihitung secara selayaknya, tes jelas lebih
kecil kekuatannya disbanding dengan tes Kolmogorov- Smirnov ini. Dan untuk
sampel yang sangat kecil tes sama sekali tidak dapat dijalankan, sedangkan
tes Kolmogorof-Smirnov dapat. Fakta ini menunjukan bahwa tes Kolmogorov-
Smirnov mungkin lebih besar kekuatannya dalam semua kasus, jika
dibandingkan dengan tes lainnya yakni tes
2.2 Uji Homogenitas Varians
Uji homogenitas adalah suatu prosedur uji statistik yang dimaksudkan untuk
memperlihatkan bahwa dua atau lebih kelompok data sampel berasal dari populasi yang
memiliki variansi yang sama. Pada analisis regresi, persyaratan analisis yang dibutuhkan
adalah bahwa galat regresi untuk setiap pengelompokan berdasarkan variabel terikatnya
memiliki variansi yang sama. Jadi dapat dikatakan bahwa uji homogenitas bertujuan
untuk mencari tahu apakah dari beberapa kelompok data penelitian memiliki varians yang
sama atau tidak. Dengan kata lain, homogenitas berarti bahwa himpunan data yang kita
teliti memiliki karakteristik yang sama. Pengujian homogenitas juga dimaksudkan untuk
memberikan keyakinan bahwa sekumpulan data yang dimanipulasi dalam serangkaian
analisis memang berasal dari populasi yang tidak jauh berbeda keragamannya. Sebagai
contoh, jika kita ingin meneliti sebuah permasalahan misalnya mengukur pemahaman
siswa untuk suatu sub materi dalam pelajaran tertentu di sekolah yang dimaksudkan

11
homogen bisa berarti bahwa kelompok data yang kita jadikan sampel pada penelitian
memiliki karakteristik yang sama, misalnya berasal dari tingkat kelas yang sama.
Perhitungan uji homogenitas dapat dilakukan dengan berbagai cara dan metode, beberapa
yang cukup populer dan sering digunakan oleh penulis adalah :

1. Uji Bartlett

Uji Bartlett digunakan untuk menguji apakah k sampel berasal dari populasi dengan
varians yang sama. K sampel bisa berapa saja. Karena biasanya uji bartlett digunakan
untuk menguji sampel/kelompok yang lebih dari 2. Varians yang sama di seluruh
sampel disebut homoscedasticity atau homogenitas varians. Uji bartlett pertama kali
diperkenalkan oleh M. S. Bartlett (1937). Uji bartlett diperlukan dalam beberapa uji
statistik seperti analysis of variance (ANOVA) sebagai syarat jika ingin menggunakan
Anova.

Uji bartlett dapat digunakan apabila data yang digunakan sudah di uji normalitas dan
datanya merupakan data normal. Apabila datanya ternyata tidak normal bisa
menggunakan uji levene. Rumus uji barlett yaitu :

= {B - }

Dimana :

n : jumlah data B : ; yang mana

: varians data untuk setiap kelompok ke-i

: derajat kebebasan Hipotesis

Pengujian

: (Homogen)

: paling sedikit salah satu tanda tidak sama

Kriteria Pengujian

Jika : X2 hitung ≥ X2 tabel (1-a; dk=k-1), maka Ho ditolak

Jika : X2 hitung < X2 tabel (1-a; dk=k-1), maka Ho diterima

Contoh soal :

12
Suatu penelitian tentang perbedaan hasil belajar siswa akibat dari suatu perlakuan
(eksperimen). Adapun perlakuan yang diberikan adalah perbedaan strategi/metode
pembelajaran pada siswa. Adapun strategi/metode pembelajaran yaitu:

Kelompok 1 : Metode A (Diskusi kelompok besar)

Kelompok 2 : Metode B (Diskusi kelompok kecil)

Kelompok 3 : Metode C (Ceramah dengan media)

Kelompok 4 : Metode D (Ceramah tanpa media)

Adapun data hasil belajar siswa berdasarkan skor tes yang diperoleh dan jumlah siswa
untuk setiap kelompok disajikan pada tabel berikut:

Tabel 1. Hasil Belajar Siswa Dari 2 Perlakuan

No Kelompok 1 Kelompok 2 Kelompok 3 Kelompok 4

1 23 17 15 28
2 20 22 15 24
3 21 27 14 21
4 21 25 20 23
5 24 20 21 22
6 18 17 18 26
7 13 20 19 20
8 17 22 21 22
9 22 23 15 24
10 14 25 20 23
11 18 28 19 24
12 22 26 18 21
13 21 27 14 19
14 18 18 18 22
15 19 22 25 24
16 17 25 26
17 18 24 28
18 15 16
19 24 20

13
 20 23 24
21 19 19
22 22 17
23 20 18
24 19
25 15
Jumlah 483 339 435 397
N 25 15 23 17
Rerata 19,32 22,6 18,913043 23,352941

Untuk menguji homogenitas varians data dari keempat kelompok digunakan teknik
Bartlett. Berdasarkan data di atas dapat dihitung nilai varians setiap kelompok seperti
pada tabel berikut:

Tabel 2. Statistik Perhitungan

Kelompok Perlakuan
Statistik Kelompok 1 Kelompok 2 Kelompok 3 Kelompok 4
Rata-rata 19,32 22,6 18,9 23,35
Standar Deviasi (S) 3,06 3,68 3,36 2,57
Varians (S2) 9,39 13,54 11,26 6,62
Jumlah data (n) 25 15 23 17

Hipotesis Pengujian

: (Homogen)

: paling sedikit salah satu tanda tidak sama

Langkah-langkah perhitungan :

a. Varians dari setiap kelompok sampel:

Varians dari kelompok 1 : 9,39; dengan dk = 25 – 1 = 24
Varians dari kelompok 2 : 13,54; dengan dk = 15 – 1 = 14
Varians dari kelompok 3 : 11,26; dengan dk = 23 – 1 = 22
Varians dari kelompok 4 : 6,62; dengan dk = 17 – 1 = 16

14
 b. Tabel homogenitas varians
Tabel 3. Tabel Pertolongan untuk Uji Homogenitas Varians

c. Menghitung varians gabungan

= 10,12
d. Menghitung nilai B

e. Menghitung harga chi-kuadrat

X2 = (ln10){B - (∑dk log s2)
= 2,303 x {76,378 – 75,46)
= 2,11

Untuk a = 5%, dari daftar distribusi X2 dengan dk = 4 – 1 = 3 didapat = 7,81

ternyata bahwa X2 = 2,111 < X2 0,95(3) = 7,81, sehingga hipotesis yang menyatakan
varians homogen diterima dalam taraf signifikansi 5%.

2. Uji Varians (Uji F)

Rumus Uji F

F=

Dimana : = varians kelompok 1 , = varians kelompok 2

Hipotesis Pengujian

15
 Ho : (varians data homogen)

Ha : (varians data tidak homogen)

Kriteria Pengujian

Jika Fhitung ≥ Ftabel (0,05;dk1;dk2), maka Ho ditolak

Jika Fhitung < Ftabel (0,05;dk1;dk2), maka Ho diterima

Contoh soal:

Suatu data penelitian untuk mengetahui kinerja guru berdasarkan golongan

kepangkatannya. Kemudian dibuat suatu alat ukur kinerja guru. Dengan
menggunakan alat tersebut diperoleh skor kinerja guru dari sebanyak 70 orang
responden. Adapun ringkasan data dari kinerja guru tersebut berdasarkan golongan
seperti pada tabel berikut:

Tabel 4. Hasil Kinerja Guru Berdasarkan Golongan Kepangkatannya

Langkah Pengujian:

a. Varians dari setiap kelompok sampel

Varians dari golongan I s12= 8,23, dengan dk = 20 – 1 = 19
Varians dari golongan II s22 = 8,46, dengan dk = 50 – 1 = 49
b. Menghitung nilai F
F = S12/S22 = 8,23/8,46 = 0,973
c. Menentukan Ftabel
Pada araf signifikansi 5%, dengan dk1 = 19 dan dk2 = 49 didapat Ftabel (0,05;19;49)
= 1,803
Karena Fhitung = 0,973< Ftabel (0,05;19;49) = 1,803, maka Ho ditolak. Hal ini
bermakna, bahwa varians skor data kinerja guru kelompok golongan II dengan
kelompok golongan III homogen pada taraf kepercayaan 95%.

16
3. Uji Levene
Uji Levene juga merupakan metode pengujian homogenitas varians yang
hampir sama dengan uji Bartlet. Perbedaan uji Levene dengan uji Bartlett
yaitu bahwa data yang diuji dengan uji Levene tidak harus berdistribusi
normal, namun harus kontinue. Pengujian hipotesis yaitu :

: (data homogen)

: paling sedikit ada satu yang tidak sama

Statistik uji :
Zi = median data pada kelompok ke-i
Z.. = median untuk keseluruhan data

Kesimpulan : Ho ditolak jika W F( , k - 1, N - k).

17
 BAB III
KESIMPULAN
Pengujian normalitas adalah pengujian tentang kenormalan distribusi data. Uji
ini merupakan pengujian yang paling banyak dilakukan untuk analisis statistik
parametrik. Karena data yang berdistribusi normal merupakan syarat dilakukannya tes
parametrik. Data yang mempunyai distribusi yang normal berarti mempunyai sebaran
yang normal pula. Dengan profit data semacam ini maka data tersebut dianggap bisa
mewakili populasi. Uji normalitas pada dasarnya melakukan perbandingan antara data
yang kita miliki dengan data berdistribusi normal yang memiliki mean dan standar
deviasi yang sama dengan data kita. Untuk mengetahui bentuk distribusi data dapat
digunakan grafik distribusi dan analisis statistik. Pada grafik distribusi data yang
terdistribusi secara normal akan mengikuti pola distribusi normal di mana bentuk
grafiknya mengikuti bentuk lonceng (atau bentuk gunung). Sedangkan analisis
statistik menggunakan analisis keruncingan dan kemencengan kurva dengan
menggunakan indikator keruncingan dan kemencengan. Ada 3 uji normalitas yang
dijelaskan yaitu : uji chi kuadrat, uji Lilliefors, dan uji Kolmogorov Smirnov.
Uji homogenitas merupakan suatu prosedur uji statistik yang bertujuan untuk
mencari tahu apakah dari beberapa kelompok data penelitian memiliki varians yang
sama atau tidak. Pengujian homogenitas juga dimaksudkan untuk memberikan
keyakinan bahwa sekumpulan data yang dimanipulasi dalam serangkaian analisis
memang berasal dari populasi yang tidak jauh berbeda keragamannya. Perhitungan uji
homogenitas dapat dilakukan dengan berbagai cara dan metode, beberapa yang sering
digunakan yaitu (1) Uji Bartlett , yang digunakan untuk menguji apakah k sampel
berasal dari populasi dengan varians yang sama. Biasanya uji bartlett digunakan untuk
menguji sampel/kelompok yang lebih dari 2. (2) Uji F , yaitu pengujian homogenitas
varians untuk dua kelompok data, (3) Uji Levene, yang merupakan metode pengujian
homogenitas varians yang hampir sama dengan uji Bartlet. Perbedaan uji Levene
dengan uji Bartlett yaitu bahwa data yang diuji dengan uji Levene tidak harus
berdistribusi normal, namun harus kontinue.

18
 DAFTAR PUSTAKA

Ersy Rishelly, dkk. (2016). Uji Normalitas dan Homogenitas. Makalah Online. Universitas
Sriwijaya. https://dokumen.tips/education/makalah-uji-normalitas-dan-homogenitas.html.

Puspa Sari, dkk. (2018). Uji Normalitas dan Homogenitas. Makalah Online. Universitas
Hasanuddin. https://pdfcoffee.com/makalah-uji-normalitas-dan-homogenitas-5-pdf-
free.html.

Hanief, Y.N ; Himawanto,Wasis. (2017). Statistik Pendidikan. Yogyakarta : Deepublish.

19