DENSITAS MULTIVARIAT NORMAL

DAN MENGUJI ASUMSI NORMALITAS

Tugas ini diajukan untuk memenuhi tugas mata kuliah Statistika

Dosen Pengampu: Prof. Dr. Dhoriva Urwatul Wutsqa, M.S.

Disusun Oleh:

Kelompok 7
• Anggia Dwi Andini (21309251008)
• Ladystria Florencia Purba (21309251009)

PROGRAM STUDI MAGISTER PENDIDIKAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI YOGYAKARTA
2021
 DENSITAS MULTIVARIAT NORMAL
DAN MENGUJI ASUMSI NORMALITAS

Densitas/kepadatan multivariat normal adalah generalisasi dari densitas

univariat normal untuk p ≥ 2 dimensi. Distribusi normal dimensi-p dengan mean 
dan matriks kovarians  (dituliskan Np(,)) mempunyai fungsi padat peluang
1 −1 (𝒙−𝝁)⁄2
𝑓(𝒙) = 𝑒 −(𝒙−𝝁)′𝜮
(2𝜋)𝑝/2 |𝜮|1/2
dengan −  < xi < , i = 1, 2, …, p

Uji asumsi dapat dilakukan dengan:

a. menggunakan jarak kuadrat
𝑑𝑗2 = (𝒙𝑗 − 𝒙
̅)′𝑺−1 (𝒙𝑗 − 𝒙
̅) , 𝑗 = 1,2, … , 𝑛
normal p-variat dipenuhi jika sekitar 50% nilai-nilai 𝑑𝑗2 kurang atau sama
dengan 2𝑝 (0,50).

b. menggunakan plot Q-Q

Langkah-langkah membuat plot Q-Q:
1. Hitung jarak kuadrat 𝑑𝑗2 = (𝒙𝑗 − 𝒙
̅)′𝑺−1 (𝒙𝑗 − 𝒙
̅) , 𝑗 = 1,2, … , 𝑛
2 2 2
2. Urutkan mulai dari yang terkecil 𝑑(1) ≤ 𝑑(2) ≤ ⋯ ≤ 𝑑(𝑛)
3. Buat grafik pada diagram kartesus pasangan titik-titik
1 2
(𝜒𝑝2 ((𝑛 − 𝑗 + )⁄𝑛) , 𝑑(𝑗) )
2
Jika plot membentuk garis lurus yang melewati (0,0) dengan gradient
mendekati 1, maka data berasal dari populasi berdistribusi normal p-variat.

c. menggunakan nilai korelasi

Langkah-langkah menggunakan nilai korelasi:
1. Hitung jarak kuadrat 𝑑𝑗2 = (𝒙𝑗 − 𝒙
̅)′𝑺−1 (𝒙𝑗 − 𝒙
̅) , 𝑗 = 1,2, … , 𝑛
2 2 2
2. Urutkan mulai dari yang terkecil 𝑑(1) ≤ 𝑑(2) ≤ ⋯ ≤ 𝑑(𝑛)
 1 2
3. Hitung korelasi antara 𝜒𝑝2 ((𝑛 − 𝑗 + 2)⁄𝑛) , 𝑑(𝑗)

4. Bandingkan dengan nilai tabel 4.2 di buku Johnson Bab 4 hal 181. Jika
nilai korelasi lebih besar dari nilai tabel, maka sampel berasal dari
populasi berdistribusi normal multivariat.

Contoh Kasus Densitas Multivariat Normal dan Menguji Asumsi Normalitas

Data diambil berdasarkan tesis Pendidikan Matematika S2 UNY yang
berjudul Keefektifan Pendekatan Open-Ended dengan Strategi Effective Questions
pada Materi Geometri Ditinjau dari Kemampuan Berpikir Kreatif Matematis dan
Kepercayaan Diri Siswa SMP yang ditulis oleh Ramayanti Agustianiningsih pada
tahun 2019. Terdapat dua kelompok eksperimen dalam penelitian ini, yaitu kelas
Pendekatan Open-Ended dengan strategi Effective Questions dan kelas Pendekatan
Saintifik untuk melihat keefektifan Pendekatan Open-Ended dengan strategi
Effective Question ditinjau dari kemampuan berpikir kreatif matematis dan
kepercayaan diri. Adapun data tersebut seperti berikut:
Tabel 1. Data Nilai Kemampuan Berpikir Kreatif Matematis dan Kepercayaan Diri
Kelas
Open-ended dengan effective
Saintifik
questions
No. Berpikir Berpikir
Kreatif Kepercayaan Kreatif Kepercayaan
Matematis Diri Matematis Diri
Siswa Siswa
1 75,00 70,00 83,33 68,00
2 80,56 80,00 50,00 52,00
3 69,44 53,00 63,89 61,00
4 69,44 79,00 55,56 58,00
5 72,22 65,00 80,56 69,00
6 69,44 58,00 63,89 58,00
7 66,67 59,00 72,22 64,00
8 75,00 58,00 63,89 65,00
9 69,44 75,00 58,33 50,00
10 69,44 49,00 63,89 52,00
Pembahasan:
1. Uji Asumsi Normalitas Multivariat dengan Cara Manual (Excel)
A. Uji Asumsi Normalitas Multivariat Kelompok Open-ended dengan
Effective Questions dengan Cara Manual (Excel)
Tabel 2. Data Kelompok Open Ended dengan Effective Question
Open-ended dengan effective
questions
Berpikir
No.
Kreatif Kepercayaan
Matematis Diri
Siswa
1 75,00 70,00
2 80,56 80,00
3 69,44 53,00
4 69,44 79,00
5 72,22 65,00
6 69,44 58,00
7 66,67 59,00
8 75,00 58,00
9 69,44 75,00
10 69,44 49,00

1) Hipotesis penelitian
H0 : Sampel berasal dari populasi berdistribusi normal.
H1 : Sampel tidak berasal dari populasi berdistribusi normal.
2) Taraf signifikan: 0.05
3) Statistik uji
Jarak kuadrat:
𝑑𝑗2 = (𝒙𝑗 − 𝒙
̅)′𝑺−1 (𝒙𝑗 − 𝒙
̅) , 𝑗 = 1,2, … , 𝑛
4) Kriteria keputusan
H0 diterima jika nilai sekitar 50% nilai-nilai 𝑑𝑗2 ≤ 2𝑝 (0,50)
5) Perhitungan
• Langkah-langkah uji normalitas dengan menggunakan
jarak kuadrat
′
a. Menentukan 𝑥𝑗 , 𝑥̅ , (𝑥𝑗 − 𝑥̅ ), dan (𝑥𝑗 − 𝑥̅ )

b. Menentukan matriks SSCP

′
𝑆𝑆𝐶𝑃 = (𝑥𝑗 − 𝑥̅ ) . (𝑥𝑗 − 𝑥̅ )

151,37665 181,2
𝑆𝑆𝐶𝑃 = [ ]
181,2 1078,4

c. Menentukan matriks varians-kovarians (S)

𝑆𝑆𝐶𝑃
𝑆=
𝑛−1

16,81962778 20,13333333
𝑆=[ ]
20,13333333 119,8222222
d. Menentukan 𝑆′

0,07442309 −0,012505067
𝑆′ = [ ]
−0,012505067 0,010446883

e. Menentukan jarak kuadrat

𝑑𝑗2 = (𝒙𝑗 − 𝒙
̅)′𝑺−1 (𝒙𝑗 − 𝒙
̅) , 𝑗 = 1,2, … , 𝑛
Sehingga diperoleh matriks berordo 10 × 10

Diambil diagonal 𝑑𝑗2

f. Menentukan nilai 2𝑝 (0,50)

𝑝 = 0, sehingga akan ditentukan nilai 22 (0,50)

22 (0,50) = 1,386294

g. Membandingkan nilai 𝑑𝑗2 dengan 2𝑝 (0,50)

Berdasarkan tabel, dapat diketahui bahwa banyaknya

nilai 𝑑𝑗2 yang kurang dari nilai 22 (0,50) =
1,386294361 ada 4 nilai (dari 10 nilai yang ada).
Artinya ada 40% atau sekitar 50% nilai-nilai 𝑑𝑗2 ≤
2𝑝 (0,50), sehingga H0 diterima. Jadi, dapat

disimpulkan bahwa asumsi normalitas p-variat

terpenuhi, yang artinya sampel data kemampuan
berpikir kreatif matematis dan kepercayaan diri dari
kelompok Open-ended dengan Effective Questions
berasal dari populasi berdistribusi normal.
• Langkah-langkah uji normalitas menggunakan plot Q-Q
a. Hitung jarak kuadrat 𝑑𝑗2 = (𝒙𝑗 − 𝒙
̅)′𝑺−1 (𝒙𝑗 − 𝒙
̅)
, 𝑗 = 1,2, … , 𝑛
2
b. Mengurutkan mulai dari yang terkecil 𝑑(1) ≤
2 2
𝑑(2) ≤ ⋯ ≤ 𝑑(𝑛)

c. Membuat grafik pada diagram kartesius pasangan titik-

1 2
titik (𝜒𝑝2 ((𝑛 − 𝑗 + 2)⁄𝑛) , 𝑑(𝑗) )
1
𝑛−𝑗+
2
Hitung ( )
𝑛
 1
Hitung 𝜒𝑝2 ((𝑛 − 𝑗 + 2)⁄𝑛)

Membuat grafik pada diagram kartesius pasangan titik-

1 2
titik (𝜒𝑝2 ((𝑛 − 𝑗 + 2)⁄𝑛) , 𝑑(𝑗) )
 Berdasarkan gambar, tampak bahwa plot cukup
mengikuti arah garis lurus diagonal (melewati (0,0)
dan gradient mendekati 1), sehingga dapat
disimpulkan data kemampuan berpikir kreatif
matematis dan kepercayaan diri dari kelompok Open-
ended dengan Effective Questions berasal dari
populasi berdistribusi normal p-variat.

• Langkah-langkah uji normalitas menggunakan nilai

korelasi
a. Hitung jarak kuadrat 𝑑𝑗2 = (𝒙𝑗 − 𝒙
̅)′𝑺−1 (𝒙𝑗 − 𝒙
̅)
, 𝑗 = 1,2, … , 𝑛
2 2
b. Urutkan mulai dari yang terkecil 𝑑(1) ≤ 𝑑(2) ≤ ⋯≤
2
𝑑(𝑛)
 1 2
c. Hitung korelasi antara 𝜒𝑝2 ((𝑛 − 𝑗 + 2)⁄𝑛) , 𝑑(𝑗)

Perhitungan koefisien korelasi menggunakan rumus

yang diperoleh dari buku Johnson and Wichern
Halaman 181 sebagai berikut:
∑𝑛𝑗=1(𝑥𝑗 − 𝑥̅ )(𝑞𝑗 − 𝑞̅ )
𝑟𝑄 =
2 2
√∑𝑛𝑗=1(𝑥𝑗 − 𝑥̅ ) . √∑𝑛𝑗=1(𝑞𝑗 − 𝑞̅ )

2 1
dengan 𝑥𝑗 = 𝑑(𝑗) dan 𝑞𝑗 = 𝜒𝑝2 ((𝑛 − 𝑗 + 2)⁄𝑛)

∑(𝑥𝑗 − 𝑥̅ )(𝑞𝑗 − 𝑞̅ ) = 23,75473517

𝑗=1

𝑛
2
√∑(𝑥𝑗 − 𝑥̅ ) = 4,374196762
𝑗=1

𝑛
2
√∑(𝑞𝑗 − 𝑞̅ ) = 5,500149394
𝑗=1

∑𝑛𝑗=1(𝑥𝑗 − 𝑥̅ )(𝑞𝑗 − 𝑞̅ )
𝑟𝑄 =
2 2
√∑𝑛𝑗=1(𝑥𝑗 − 𝑥̅ ) . √∑𝑛𝑗=1(𝑞𝑗 − 𝑞̅ )

= 0,987364236
 d. Bandingkan dengan nilai tabel 4.2 di buku Johnson
Bab 4 hal 181. Jika nilai korelasi lebih besar dari nilai
tabel, maka sampel berasal dari populasi berdistribusi
normal multivariat.
Dengan n = 10 dan menggunakan taraf signifikansi
0,05, maka dapat diperoleh daerah kritis 0,9198 (Tabel
Johnson hal 181.). Karena nilai korelasi lebih besar
daripada nilai tabel maka dapat disimpulkan bahwa
data kemampuan berpikir kreatif matematis dan
kepercayaan diri dari kelompok Open-ended dengan
Effective Questions berdistribusi normal p-variat.

B. Uji Asumsi Normalitas Multivariat Kelompok Saintifik dengan Cara

Manual (Excel)
Tabel 3. Data Kelompok Saintifik
Saintifik
Berpikir
No. Kreatif Kepercayaan
Matematis Diri
Siswa
1 83,33 68,00
2 50,00 52,00
3 63,89 61,00
4 55,56 58,00
5 80,56 69,00
6 63,89 58,00
7 72,22 64,00
8 63,89 65,00
9 58,33 50,00
10 63,89 52,00

1) Hipotesis penelitian
H0 : Sampel berasal dari populasi berdistribusi normal.
H1 : Sampel tidak berasal dari populasi berdistribusi normal.
2) Taraf signifikan: 0.05
3) Statistik uji
Jarak kuadrat:
𝑑𝑗2 = (𝒙𝑗 − 𝒙
̅)′𝑺−1 (𝒙𝑗 − 𝒙
̅) , 𝑗 = 1,2, … , 𝑛
4) Kriteria keputusan
H0 diterima jika nilai sekitar 50% nilai-nilai 𝑑𝑗2 ≤ 2𝑝 (0,50)

5) Perhitungan
• Langkah-langkah uji normalitas dengan menggunakan
jarak kuadrat
′
a. Menentukan 𝑥𝑗 , 𝑥̅ , (𝑥𝑗 − 𝑥̅ ), dan (𝑥𝑗 − 𝑥̅ )

b. Menentukan matriks SSCP

′
𝑆𝑆𝐶𝑃 = (𝑥𝑗 − 𝑥̅ ) . (𝑥𝑗 − 𝑥̅ )

990,67044 527,248
𝑆𝑆𝐶𝑃 = [ ]
527,248 422,1
c. Menentukan matriks varians-kovarians (S)
𝑆𝑆𝐶𝑃
𝑆=
𝑛−1

110,0744933 58,58311111
𝑆=[ ]
58,58311111 46,9

d. Menentukan 𝑆′

0,027101793 −0,033853035
𝑆′ = [ ]
−0,033853035 0,063608019

e. Menentukan jarak kuadrat

𝑑𝑗2 = (𝒙𝑗 − 𝒙
̅)′𝑺−1 (𝒙𝑗 − 𝒙
̅) , 𝑗 = 1,2, … , 𝑛
Sehingga diperoleh matriks berordo 10 × 10
 Diambil diagonal 𝑑𝑗2

f. Menentukan nilai 2𝑝 (0,50)

𝑝 = 0, sehingga akan ditentukan nilai 22 (0,50)

22 (0,50) = 1,386294

g. Membandingkan nilai 𝑑𝑗2 dengan 2𝑝 (0,50)

Berdasarkan tabel, dapat diketahui bahwa banyaknya

nilai 𝑑𝑗2 yang kurang dari nilai 22 (0,50) = 1,386294
ada 3 nilai (dari 10 nilai yang ada). Artinya ada 30%
 atau kurang dari 50% nilai-nilai 𝑑𝑗2 ≤ 2𝑝 (0,50),

sehingga H0 ditolak. Jadi, dapat disimpulkan bahwa

asumsi normalitas p-variat tidak terpenuhi, yang
artinya sampel data kemampuan berpikir kreatif
matematis dan kepercayaan diri dari kelompok
Saintifik tidak berasal dari populasi berdistribusi
normal.

• Langkah-langkah uji normalitas menggunakan plot Q-Q

a. Hitung jarak kuadrat 𝑑𝑗2 = (𝒙𝑗 − 𝒙
̅)′𝑺−1 (𝒙𝑗 − 𝒙
̅)
, 𝑗 = 1,2, … , 𝑛

2
b. Mengurutkan mulai dari yang terkecil 𝑑(1) ≤
2 2
𝑑(2) ≤ ⋯ ≤ 𝑑(𝑛)
c. Membuat grafik pada diagram kartesius pasangan titik-
1 2
titik (𝜒𝑝2 ((𝑛 − 𝑗 + 2)⁄𝑛) , 𝑑(𝑗) )
1
𝑛−𝑗+ 1
Hitung ( 2
) , kemudian 𝜒𝑝2 ((𝑛 − 𝑗 + 2)⁄𝑛)
𝑛

Membuat grafik pada diagram kartesius pasangan titik-

1 2
titik (𝜒𝑝2 ((𝑛 − 𝑗 + 2)⁄𝑛) , 𝑑(𝑗) )
 Berdasarkan gambar, tampak bahwa plot tidak cukup
mengikuti arah garis lurus diagonal, sehingga dapat
disimpulkan data kemampuan berpikir kreatif
matematis dan kepercayaan diri dari kelompok
Saintifik tidak berasal dari populasi berdistribusi
normal p-variat.

• Langkah-langkah uji normalitas menggunakan nilai

korelasi
a. Hitung jarak kuadrat 𝑑𝑗2 = (𝒙𝑗 − 𝒙
̅)′𝑺−1 (𝒙𝑗 − 𝒙
̅)
, 𝑗 = 1,2, … , 𝑛
2 2
b. Urutkan mulai dari yang terkecil 𝑑(1) ≤ 𝑑(2) ≤ ⋯≤
2
𝑑(𝑛)
 1 2
c. Hitung korelasi antara 𝜒𝑝2 ((𝑛 − 𝑗 + 2)⁄𝑛) , 𝑑(𝑗)

Perhitungan koefisien korelasi menggunakan rumus

yang diperoleh dari buku Johnson and Wichern
Halaman 181 sebagai berikut:
∑𝑛𝑗=1(𝑥𝑗 − 𝑥̅ )(𝑞𝑗 − 𝑞̅ )
𝑟𝑄 =
2 2
√∑𝑛𝑗=1(𝑥𝑗 − 𝑥̅ ) . √∑𝑛𝑗=1(𝑞𝑗 − 𝑞̅ )

2 1
dengan 𝑥𝑗 = 𝑑(𝑗) dan 𝑞𝑗 = 𝜒𝑝2 ((𝑛 − 𝑗 + 2)⁄𝑛)

∑(𝑥𝑗 − 𝑥̅ )(𝑞𝑗 − 𝑞̅ ) = 14,80218557

𝑗=1

𝑛
2
√∑(𝑥𝑗 − 𝑥̅ ) = 3,348103956
𝑗=1

𝑛
2
√∑(𝑞𝑗 − 𝑞̅ ) = 5,500149394
𝑗=1

∑𝑛𝑗=1(𝑥𝑗 − 𝑥̅ )(𝑞𝑗 − 𝑞̅ )
𝑟𝑄 =
2 2
√∑𝑛𝑗=1(𝑥𝑗 − 𝑥̅ ) . √∑𝑛𝑗=1(𝑞𝑗 − 𝑞̅ )

= 0,803808186
 d. Bandingkan dengan nilai tabel 4.2 di buku Johnson
Bab 4 hal 181. Jika nilai korelasi lebih besar dari nilai
tabel, maka sampel berasal dari populasi berdistribusi
normal multivariat.
Dengan n = 10 dan menggunakan taraf signifikansi
0,05, maka dapat diperoleh daerah kritis 0.9198 (Tabel
Johnson hal 181.). Karena nilai korelasi lebih kecil
daripada nilai tabel maka dapat disimpulkan bahwa
data kemampuan berpikir kreatif matematis dan
kepercayaan diri dari kelompok Saintifik tidak
berdistribusi normal p-variat.

2. Uji Asumsi Normalitas Multivariat dengan SPSS

A. Uji Asumsi Normalitas Multivariat Kelompok Open-ended dengan
Effective Questions dengan SPSS
Uji normalitas multivariat dengan SPSS dilakukan dengan membuat
scatter-plot antara jarak kuadrat (Jarak Mahalanobis) dengan Chi Square.
Jika scatter-plot ini cenderung membentuk garis lurus dan sekitar 50%
nilai jarak Mahalanobis kurang atau sama dengan Chi Square, maka Ho
diterima artinya data berdistribusi normal p-variat.
Uji normalitas multivariat dengan SPSS dilakukan dengan menentukan
jarak Mahalanobis dari data yang kita miliki kemudian menghitung nilai
chi squarenya. Setelah itu kita buat scatter-plot antara keduanya. Jika
sudah selanjutnya hitung korelasi antara kedua data tersebut. Berikut ini
langkah-langkah uji normalitas multivariat dengan SPSS:
1) Input data yang akan diuji distribusi normalitas p-variat kedalam
SPSS. Kita akan melakukan uji normalitas p-variat pada data
peningkatan Kemampuan Berpikir Kreatif dan Kepercayaan Diri
dengan menggunakan model pembelajaran Open-ended dari 10 siswa.
2) Setelah data diinput pada program SPSS, klik menu Analyze
kemudian pilih Regression lalu klik Linear. Langkah ini kita lakukan
untuk menentukan jarak mahalanobis dari data yang kita miliki.

3) Pada kotak dialog yang muncul isikan variabel Kemampuan Berpikir

Kreatif dan Kepercayaan Diri dikolom independent(s), lalu masukkan
juga variabel jumlah di kolom Dependent. Selanjutnya silahkan klik
Save.
Maka akan muncul kotak dialog sebagai berikut
4) Klik “Mahalanobis” pada Distance lalu klik Continue. Jika langkah
yang dilakukan benar maka akan muncul variabel baru di data anda
yaitu MAH_1 yang merupakan jarak Mahalanobis dari data yang
dimiliki.

5) Setelah diperoleh jarak mahalanobis yang tersaji pada variabel

MAH_1 kita perlu mengurutkan data jarak mahalanobis tersebut.
Untuk mengurutkan data jarak mahalanobis, klik kanan pada MAH_1
kemudian pilih Sort Ascending seperti ditunjukkan pada gambar
berikut.
6) Data pada variabel MAH_1 sekarang sudah urut dari kecil ke besar.
Selanjutnya, buatlah variabel baru bernama “J” kemudian isikan
berupa angka urut dari 1,2,3 dan seterusnya hingga sejumlah data.
Pada kasus ini digunakan data dari 10 siswa sehingga J bernilai
1,2,3,…,10.

7) Kemudian menentukan nilai probabilitas dari masing-masing nilai J

terebut. Langkah yang dilakukan adalah dengan komputasi variabel
probabilitas value melalui menu Transform kemudian pilih Compute
Variable.
8) Maka akan muncul jendela Compute Variable, tuliskan Prob_value
pada kolom Target Variable. Kemudian pada Numeric Expression
isikan nilai probabilitas sesuai teori yang kita ketahui, yaitu (J-0.5)/n
dalam hal ini (J-0.5)/10 (Jonshon & Wichem, 2007). J pada isian
tersebut diisikan dengan memindahkan variabel J, sedangkan nilai 0.5
dan 10 serta tanda baca lainnya diisi dengan tombol keyboard yang
tersedia pada jendela tersebut. Angka 10 kita tulis karena jumlah data
berasal dari 10 siswa. Jika sudah maka klik OK.

9) Selanjutnya kita hitung nilai chi square untuk masing-masing nilai

probabilitas tersebut dengan cara klik menu Transform kemudian pilih
Compute Variable.
Isikan “qi” pada kolom Target Variable yang merupakan simbol dari
nilai chi square. Pada kolom Numeric Expression isikan fungsi
IDF.CHISQ diikuti variabel Prob_value dan df atau derajat
kebebasan, dalam hal ini 2 karena ada 2 variabel terikat yang kita uji.
Sehingga, isian pada kolom Numeric Expression adalah
IDF.CHISQ(Prob_value,2) sesuai gambar diatas. Maka akan
muncul nilai chi square untuk masing-maisng nilai probabilitas pada
variabel qi. Sampai disini telah diperoleh jarak mahalanobis dan nilai
chi square.

Maka akan muncul nilai chi square (qi) di data view

10) Selanjutnya untuk membuat scatter plot klik Graphs kemudian
Legacy Dialogs dan pilih Scatter/Dot…

11) Maka akan muncul jendela pilihan type scatter-nya, kemudian pilih
simple scatter. Selanjutnya klik Define maka akan muncul jendela
Simple Scatterplot sebagai berikut.
12) Masukkan variabel Mahalanobis Distance (MAH_1) ke Y Axis dan
variabel qi ke X Axis. Kemudian klik Ok.

13) Maka akan tampil di output SPSS berupa scatter plot sebagai berikut.

Data berdistribusi normal p-variat apabila scatter plot ini cenderung

membentuk garis lurus dan lebih dari 50% nilai jarak Mahalanobis
kurang atau sama dengan nilai qi. Selain memperhatikan scatter plot
dapat juga menarik kesimpulan dari nilai korelasinya. Analisis
korelasi ini dilakukan melalui menu Analyze kemudian klik Correlate
dan pilih Bivariate.

Kemudian masukkan variabel Mahalanobis distance dan qi ke dalam

kolom variabel, selanjutnya klik Ok.

Maka akan tampil output sebagai berikut

Correlations
Mahalanobis
Distance qi
Mahalanobis Distance Pearson Correlation 1 .987**
Sig. (2-tailed) .000
N 10 10
qi Pearson Correlation .987** 1
Sig. (2-tailed) .000
N 10 10
 Koefisien korelasi yang diperoleh 0.987 menunjukkan koefisien yang
sangat tinggi. Besarnya koefisien korelasi antara -1 sampai dengan 1.
Apabila koefisien korelasi > r tabel atau nilai sig. < 0.05 maka terdapat
korelasi yang signifikan. Cara yang sama dilakukan untuk kelompok
Saintifik.

B. Uji Asumsi Normalitas Multivariat Kelompok Saintifik dengan

SPSS
Tampil di output SPSS berupa scatter plot sebagai berikut.

Tampilan Output korelasi pada kelas saintifik

Correlations
Mahalanobis
Distance qi
Mahalanobis Distance Pearson Correlation 1 .804**
Sig. (2-tailed) .005
N 10 10
qi Pearson Correlation .804** 1
Sig. (2-tailed) .005
N 10 10
Koefisien korelasi yang diperoleh 0.804 menunjukkan koefisien yang
lebih rendah dari nilai tabel. Besarnya koefisien korelasi antara -1 sampai
dengan 1. Apabila koefisien korelasi < r tabel maka tidak terdapat
korelasi yang signifikan.
3. Uji Asumsi Normalitas Multivariat dengan Program R
A. Uji Asumsi Normalitas Multivariat Kelompok Open-ended dengan
Effective Questions dengan Program R
1) Panggil data yang disimpan dengan Import Dataset From Excel…
atau dengan mengetikkan berikut.

Sehingga muncul sebagai berikut:

2) Tentukan nilai 𝑥̅

3) Tentukan matriks varians-kovarians (S)

4) Tentukan 𝑆′

5) Tentukan jarak kuadrat (jarak Mahalanobis), kemudian urutkan dari

yang terkecil

Sehingga muncul sebagai berikut:

6) Tentukan nilai nilai 2𝑝 (0,50)

 Berdasarkan output R, dapat diketahui bahwa banyaknya nilai 𝑑𝑗2
yang kurang dari nilai 22 (0,50) = 1,386294 ada 4 nilai (dari 10 nilai
yang ada). Artinya ada 40% atau sekitar 50% nilai-nilai 𝑑𝑗2 ≤
2𝑝 (0,50), sehingga H0 diterima. Jadi, dapat disimpulkan bahwa

asumsi normalitas p-variat terpenuhi, yang artinya sampel data

kemampuan berpikir kreatif matematis dan kepercayaan diri dari
kelompok Open-ended dengan Effective Questions berasal dari
populasi berdistribusi normal.

7) Tentukan Chi Square

Sehingga muncul sebagai berikut:

8) Tunjukkan gambar plot Q-Q

Sehingga muncul gambar berikut:

Berdasarkan output R, tampak bahwa plot cukup mengikuti arah garis

lurus diagonal (melewati (0,0) dan gradient mendekati 1), sehingga
dapat disimpulkan data kemampuan berpikir kreatif matematis dan
kepercayaan diri dari kelompok Open-ended dengan Effective
Questions berasal dari populasi berdistribusi normal p-variat.

9) Hitung korelasi antara Chi Square dan jarak Mahalanobis

Dengan n = 10 dan menggunakan taraf signifikansi 0,05, maka dapat

diperoleh daerah kritis 0,9198 (Tabel Johnson hal 181.). Berdasarkan
output R, tampak bahwa nilai korelasi lebih besar daripada nilai tabel
maka dapat disimpulkan bahwa data kemampuan berpikir kreatif
matematis dan kepercayaan diri dari kelompok Open-ended dengan
Effective Questions berdistribusi normal p-variat.
B. Uji Asumsi Normalitas Multivariat Kelompok Saintifik dengan
Program R
Dengan menggunakan langkah-langkah yang sama (dengan Script yang
disesuaikan) dengan uji asumsi normalitas multivariat kelompok Open-
ended dengan Effective Questions dengan Program R, diperoleh output R
sebagai berikut:

Berdasarkan output R, dapat diketahui bahwa banyaknya nilai 𝑑𝑗2 yang

kurang dari nilai 22 (0,50) = 1,386294 ada 3 nilai (dari 10 nilai yang
ada). Artinya ada 30% atau kurang dari 50% nilai-nilai 𝑑𝑗2 ≤ 2𝑝 (0,50),

sehingga H0 ditolak. Jadi, dapat disimpulkan bahwa asumsi normalitas p-

variat tidak terpenuhi, yang artinya sampel data kemampuan berpikir
kreatif matematis dan kepercayaan diri dari kelompok Saintifik tidak
berasal dari populasi berdistribusi normal.
Berdasarkan output R, tampak bahwa plot tidak cukup mengikuti arah
garis lurus diagonal, sehingga dapat disimpulkan data kemampuan
berpikir kreatif matematis dan kepercayaan diri dari kelompok Saintifik
tidak berasal dari populasi berdistribusi normal p-variat.
Dengan n = 10 dan menggunakan taraf signifikansi 0,05, maka dapat
diperoleh daerah kritis 0,9198 (Tabel Johnson hal 181.). Berdasarkan
output R, tampak bahwa nilai korelasi lebih kecil daripada nilai tabel
maka dapat disimpulkan bahwa data kemampuan berpikir kreatif
matematis dan kepercayaan diri dari kelompok Saintifik tidak
berdistribusi normal p-variat.