UJI ASUMSI KLASIK

A. UJI NORMALITAS
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, Liliefors, Shapiro Wijk, Jarque Bera.
1. Uji Normalitas dengan Kertas Peluang Normal
Kertas peluang normal adalah kertas khusus yang sering digunakan oleh untuk
menggambar grafik yang terdiri pattern garis-garis horizontal dan vertikal. Salah
satu manfaat yang dipakai oleh para peneliti adalah untuk menguji normalitas data.
Adapun langkah-langkah uji normalitas data dengan menggunakan kertas
peluang normal adalah sebagai berikut:

1
a. Membuat “Tabel Distribusi Frekuensi”
b. Membuat “Daftar Disitribusi Frekuensi Kumulatif (Kurang Dari), dengan
tahapan-tahapan:
1) Diambil dari batas-batas kelas interval;
2) Digambarkan ke dalam grafik khusus pada Kertas Peluang, dengan
ketentuan:
 Sumbu Tegak merupakakan skala batas-batas atas;
 Sumbu Datar merupakan persen kumulatif; Sumbu paling kecil bernilai,
0.01% dan paling besar 99.99%;
 Menempatkan titik-titik yang ditentukan oleh batasan dan frekuensi
kumulatifnya.
c. Membuat Asumsi, dengan Kriteria:
“Jika letak titik-titik pada kertas berada pada garis lurus, atau mendekati garis
lulus, maka dapat dikatakan bahwa data sampel/populasi berdistribusi
normal”.

Contoh Latihan:
Nilai ujian Mata Pelajaran Al-Quran Hadis di MA Al-Jawami, diperoleh hasil
sebagai berikut:
75 76 72 76 69 70 73 75 76 77 81 79 77 73 74 76 70 73 75 85
Lakukan uji normalitas dengan menggunakan metode “Kertas Peluang”

Jawab:
1. Menentukan Hipotesis
H0 = data pada sampel berasal dari populasi yang berdistribusi normal
Há = data pada sampel berasal dari populasi yang berdistribusi tidak normal
Kriteria;
H0 diterima, jika kurva mendekati lurus
2. Mengelompokkan Data
a. Membuat Nilai Jangkauan (Rentang), dengan rumus:
Jangkauan = nilai maksimum – nilai minimum
Jangkauan = 85 – 69
= 16
b. Menentukan Banyaknya Kelas Interval
n = 20
k = 1 + 3.3 log n
= 1 + 3.3 log 20
= 1 + 4.2933
= 5.2933 dibulatkan menjadi 5
c. Menentukan panjang Interval, dengan rumus:
Panjang Kelas Interval = Jangkauan / k
= 16 / 6
= 2.6667 dibulatkan 3

2
3. Membuat Tabel Distribusi Frekuensi
No Rentang Nilai Jumlah
1 69-71 3
2 72- 74 5
3 75 -77 9
4 78-80 1
5 81-83 1
6 84-86 1
Jumlah 20
4. Membuat Tabel Distribusi Kumulatif
No Rentang Nilai Jumlah %
1 69-71 3 15
2 72- 74 5 25
3 75 -77 9 45
4 78-80 1 5
5 81-83 1 5
6 84-86 1 5
Jumlah 20 100
5. Membuat Tabel Distribusi Frekuensi Kumulatif Kurang Dari
No Rentang Nilai Jumlah %
1 < 68.50 0 0.00
2 < 71.50 3 15.00
3 < 74.50 8 40.00
4 < 77.50 17 85.00
5 < 80.50 18 90
6 < 83.50 19 95
< 86.50 20 100
6. Membuat Grafik pada Kertas Peluang
100
90
80
70
60
50
40
30
20
10
0
< 68.50 < 71.50 < 74.50 < 77.50 < 80.50 < 83.50 < 86.50

3
 7. Menarik Simpulan
Garis merah mendekati pada garis Hitam, menunjukkan bahwa data pada
sampel berdistribusi NORMAL.

2. Metode Chi Kuadrat

Metode Chi-Square atau X2 untuk Uji Goodness of fit Distribusi Normal
menggunakan pendekatan penjumlahan penyimpangan data observasi tiap kelas
dengan nilai yang diharapkan. Uji Chi-square seringkali digunakan oleh para
peneliti sebagai alat uji normalitas.
Ciri-Ciri Distribusi Chi Kuadrat:
a. Selalu positif
b. df = k – 1, dimana k adalah jumlah kategori (variabel). Jadi bentuk distribusi
chi-kuadrat tidak ditentukan banyaknya sampel, melainkan banyaknya derajat
bebas.
c. Bentuk distribusi chi-kuadrat menjulur positif. Semakin besar derajat bebas,
semakin mendekati distribusi normal.
Rumus Chi Kuadrat:
(O − E )
X =
E
Dimana:
X2 : Nilai X2
Oi : frekuensi hasil pengamatan pada klasifikasi ke-i
Ei : frekuensi yang diharapkan pada klasifikasi ke-i
Uji normalitas dengan menggunakan Chi-Kuadrat dapat dilakukan dengan
langkah-langkah sebagai berikut :
1. Hipotesis :
H0 : data pada sampel berasal dari populasi yang berdistribusi normal
H1 : data pada sampel berasal dari populasi yang tidak berdistribusi normal
2. Mencari nilai terbesar terbesar dan terkecil
3. Mencari nilai rentang (R)
R = skor terbesar – skor terkecil
4. Mencari banyak kelas (BK)
BK = 1 + 3,3 log n
5. Mencari nilai panjang kelas (i) dengan rumus:
R
i=
BK

6. Membuat Tabel Distribusi Frekuensi Data Kelompok

Nilai Tengah
No Kelas Interval f
(Xi)

Jumlah

4
7. Mencari Rata-rata (Mean), dengan rumus:
∑ .
̅=
8. Mencari simpangan baku (Standar Deviasi)
Kelas Nilai Tengah
No. fi xi – x (xi – x)2 fi.(xi – x)2
Interval (xi)

??? ??????
Rumus Simpangan Deviasi:
∑ f . (x − x)
SD =
n−1

9. Membuat daftar frekuensi yang diharapkan dengan tahapan sebagai berikut :

a. Menentukan Tepi Bawah dan Tepi Atas Kelas Interval :

No Kelas Interval Batas bawah kelas Batas atas kelas

b. Mencari nilai Z menggunakan Tepi Bawah dan Tepi Atas Kelas Interval
Rumus:
Tepi Bawah − x Tepi Atas − x
Z = Z =
S S

c. Memasukkan nilai-nilai luas 0-Z (tepi bawah dan tepi atas) berdasarkan
tabel Z (0-Z) sebagai berikut:
Luas 0-Z Tepi Luas 0-Z Tepi
No Z No Z
Bawah Atas

d. Mencari selisih luas tiap kelas interval dengan cara mengurangkan nilai-
nilai 0-Z tepi bawah dengan tepi atas, diperoleh hasil sebagai berikut:
No. Selisih Luas 0-Z

e. Mencari frekuensi yang diharapkan, dengan cara mengalikan selisih luas

tiap interval dengan jumlah responden (n), dengan tabel pembantu
sebagai berikut:

Selisih Luas 0-Z Ei

Frekuensi yang Diharapkan (Ei) dari Hasil Pengamatan (Oi) untuk Variabel,
adalah dengan tabel pembantu sebagai berikut:

5
 Batas Luas Tiap
No. Z Luas 0-Z (Ei) (Oi)
Kelas Kelas Interval

ΣEi=??? ΣOi=???

10. Mencari Chi-Kuadrat hitung

( − )
=

11. Membandingkan X2 hitung dengan X2 tabel (Tabel X2)

Dengan membandingkan x2hitung dengan nilai x2tabel
 alpha= 0,05 (atau 0.01); dan
 derajat kebebasan (dk) = k – 1
Kriteria pengujian sebagai berikut :
 Jika X2hitung > X2tabel, artinya distribusi data tidak normal
 Jika X2hitung < X2tabel, artinya data berdistribusi normal.
12. Membuat Kesimpulan
13. Membuat Kurva daerah penerimaan H0

Contoh Latihan:
Ujian Akhir Mata Kuliah Statistik dilaksanakan pada 20 mahasiswa, dengan hasil
yang akhir diperoleh:
60 65 63 72 63 66 67 65 62 70 61 65 63 64 70 65 63 62 61 65
Lakukan pengujian normalitas, dengan menggunakan model Chi Kuadrat:
Jawab:
a. Penentuan Hipotesis dan Kriteria Simpulan
• H0 : data pada sampel berasal dari populasi yang berdistribusi normal
• H1 : data pada sampel berasal dari populasi yang tidak berdistribusi normal
Kriteria:
• Jika X2hitung > X2tabel, artinya distribusi data tidak normal
• Jika X2hitung < X2tabel, artinya data berdistribusi normal.
b. Menentukan Rentang Nilai (R), dengan rumus:
Rentang = Nilai Terbesar – Nilai Terkecil
= 72 – 60
= 12

c. Menentukan Banyaknya Kelas (BK), dengan rumus = 1 + 3.3 log n

BK = 1 + 3.3 log 20

6
 = 1 + 4.2933
= 5.2933 dibulatkan menjadi 5
d. Menentukan Panjang Kelas, dengan rumus: R/BK
= 12 / 5
= 2.40 dibulatkan menjadi 3
e. Membuat Tabel Distribusi Data Kelompok
Nilai Tengan f. x
No Kelas Interval f
(Xi)
1 60-62 5 61 305
2 63-65 10 64 640
3 66-68 2 67 134
4 69-71 2 70 140
5 72-74 1 71 71
Jumlah 20 1290
f. Mencari Rata-rata (Mean), dengan rumus:
∑ f. x
x=
n
1290
x= = 64.50
2
g. Mencari nilai Simpangan Deviasi:
∑ f . (x − x)
SD =
n−1
Kelas
f Xi − ( − ) .( − )
Interval
60-62 5 61 -3.5 12.25 61.25
63-65 10 64 -0.5 0.25 2.5
66-68 2 67 2.5 6.25 12.5
69-71 2 70 5.5 30.25 60.5
72-74 1 71 6.5 42.25 42.25
Jumlah 20 179

179
SD =
20 − 1
SD = √9.4211 = 3.0694

h. Membuat daftar frekuensi yang diharapkan dengan tahapan sebagai berikut :

1) Menentukan Tepi Bawah dan Tepi Atas Kelas Interval :

7
 Kelas
Batas Bawah Batas Atas
Interval
60-62 59.50 62.50
63-65 62.50 65.50
66-68 65.50 68.50
69-71 68.50 71.50
72-74 71.50 74.50
2) Mencari nilai Z menggunakan Tepi Bawah dan Tepi Atas Kelas Interval
Rumus:
Tepi Bawah − x Tepi Atas − x
Z = Z =
S S
. . . .
Z = =-1.63 Z = = -0.65
. .
. . . .
Z = .
= -0.65 Z = .
= 0.33
. . . .
Z = = 0.33 Z = = 1.31
. .
. . . .
Z = = 1.31 Z = = 2.28
. .
. . . .
Z = = 2.28 Z = = 3.26
. .
3) Memasukkan nilai-nilai luas 0-Z (tepi bawah dan tepi atas) berdasarkan
tabel Z (0-Z) sebagai berikut:
Luas 0-Z Tepi Luas 0-Z Tepi
No Z No Z
Bawah Atas
-1.63 0.0516 -0.65 0.2578
-0.65 0.2578 0.33 0.6293
0.33 0.6293 1.31 0.9049
1.31 0.9049 2.28 0.9887
2.28 0.9887 3.26 0.9994

4) Mencari selisih nilai 0-Z tepi bawah dengan tepi atas, dan menentukan
frekuensi yang diharapkan (Ei), dengan cara mengalikan selisih luas tiap

8
 interval dengan jumlah responden (n), dengan tabel pembantu sebagai
berikut:
Luas 0-Z Luas 0-Z Selisih Luas
No.
Tepi Bawah Tepi Atas 0-Z
1 0.0516 0.2578 0.2062
2 0.2578 0.6293 0.3715
3 0.6293 0.9049 0.2756
4 0.9049 0.9887 0.0838
5 0.9887 0.9994 0.0107
5) menentukan frekuensi yang diharapkan (Ei), dengan cara mengalikan selisih
luas tiap interval dengan jumlah responden (n), dengan tabel pembantu
sebagai berikut:
Luas Tiap ( − )
Batas Luas
No. Z Kelas (Ei) Oi
Kelas 0-Z
Interval
60-62 0.2578 0.2062 4.124 5 0.186
63-65 0.6293 0.3715 7.430 10 0.889
66-68 0.9049 0.2756 5.512 2 2.238
69-71 0.9887 0.0838 1.676 2 0.063
72-74 0.9994 0.0107 0.214 1 2.887
18.956 6.262
Maka diperoleh Hasil Nilai X2hitungnya adalah: 6.262

i. Membandingkan X2 hitung dengan X2 tabel (Tabel X2)

Dengan membandingkan x2hitung dengan nilai x2tabel
 alpha= 0,05
 derajat kebebasan (dk) = k – 1 = 5 – 1 = 4
Maka diperoleh nilai X2tabel sebesar = 7.8147

Kriteria pengujian sebagai berikut :

 Jika X2hitung > X2tabel, artinya distribusi data tidak normal
 Jika X2hitung < X2tabel, artinya data berdistribusi normal.
j. Membuat Kesimpulan
X2hitung (6.262) < X2tabel (7.8147), artinya data berdistribusi NORMAL

14. Membuat Kurva daerah penerimaan H0

9
 Daerah Penerimaan Ho

Daerah Penolakan Ho

6.262 7.8147

3. Uji Normalitas Metode Liliefors

Uji Liliefors digunakan untuk menguji apakah data itu berdistribusi normal atau
tidak, sama halnya dengan metode Chi Kuadrat, hanya saja metode ini lebih teliti
dari pada Metode Chi Kuadrat. Tedapat persyaratan untuk menggunakan mettode
Liliefors ini, yaitu:
a. Data berskala interval atau ratio (kuantitatif).
b. Data tunggal (individual) atau belum dikelompokkan pada tabel distribusi
frekuensi.
c. Dapat untuk n besar (>30) maupun n kecil (<30).
Pengujian hipotesis normalitas data dengan menggunakan metode Liliefors
dapat dinyatakan sebagai berikut:
H0 : Data populasi berdistribusi normal
H1 : Data populasi berdstribusi tidak normal
Sedangkan signifikansi ujinya signifikansinya adalah dengan menghitung nilai
hasil selisih terbesar dibandingkan dengan nilai tabel Liliefors. Sedangkan kriteria
keputusannya adalah:
 Jika Lhitung < Ltabel liliefors , maka H0 diterima dan H1 ditolak;
 Jika Lhitung > Ltabel liliefors , maka H0 ditolak dan H1 diterima
Untuk melakukan uji normalitas data dengan Metode Liliefors dilakukan
dengan langkah-langkah sebagai berikut:
a. Urutkan data dari yang terkecil ke yang terbesar;
b. Menentukan Frekuensi tiap-tiap data;
c. Menentukan nilai Rerata (Mean), dengan rumus:
∑ FX
x=
N
d. Menentukan nilai Standar Deviasi (SD):
∑(X − X)
SD =
N
e. Menentukan Tentutan nilai Z dari tiap-tiap data:
X −X
Z =
SD
10
f. Menghitung besar peluang dari masing-masing nilai Z dan sebut f(z) dengan
Tabel 0-Z, dengan ketentuannya:
 Jika nilai Z Negatif (-)  maka 0.5 – Ztabel;
 Jika nilai Z Positif (+)  0.5 + Ztabel.
g. Menghitung besarnya proporsi frekuensi kumulatif relatif dari masing-masing
nilai Z dan sebut S(z):
F ()
S(Z ) =
N
h. Menghitung selisih f(z) dan S(z)
i. Memilih nilai hasil selisih terbesar
j. Membandingkan Lhitung dengan Ltabel Liliefors, dengan asumsi:
 Jika Lhitung < Ltabel  H0 diterima, artinya data berdistribusi normal
 Jika Lhitung > Ltabel  H0 ditolak, artinya data berdistribusi tidak normal

Resume Tabel Pembantu Metode Liliefors:

F(Z)-
Xi F FKum FXi Xi- (Xi- )2 Zi F(Z) S(Z)
S(Z)

Contoh Latihan:
Ujian Akhir Mata Kuliah Statistik dilaksanakan pada 20 mahasiswa, dengan
hasil yang akhir diperoleh:
60 65 63 72 63 66 67 65 62 70 61 65 63 64 70 65 63 62 61 65
Lakukan pengujian normalitas, dengan menggunakan model liliefors:

Jawab:
a. Urutkan data dari yang terkecil ke yang terbesar;
b. Menentukan Frekuensi tiap-tiap data;
Xi F FKum FXi
60 1 1 60
61 1 2 61
61 1 3 61
62 1 4 62
62 1 5 62
63 1 6 63
63 1 7 63
63 1 8 63
63 1 9 63
64 1 10 64
65 1 11 65
65 1 12 65
65 1 13 65

11
 No Xi ... Zi Ztabel ft fsi ft-fs Max|ft-fs|
16 66 0.44 0.6406 1.1406 0.80 0.3406
17 67 0.75 0.7422 1.2422 0.85 0.3922
18 70 1.70 0.9554 1.4554 0.90 0.5554
19 70 1.70 0.9554 1.4554 0.95 0.5054
20 72 2.32 0.9887 1.4887 1.00 0.4887
20 1292

g. Mencari nilai Dtabel (D(α,n)) (tabel D terlampir);

Diperoleh nilai Dtabel untu D(0.05,20) sebesar 0.264
h. Membandingkan Nilai Dhitung dengan nilai Dtabel dengan kriteria:
 Jika Dhitung > Dtabel, maka H0 diterima artinya Data Berdistribusi Normal
 Jika Dhitung < Dtabel; maka H0 ditolak, artinya Data Berdistribusi Tidak
Normal.
Dengan demikian:
Dhitung (0.5554) > Dtabel (0.264), maka H0 diterima, artinya Data berdistribusi
TIDAK NORMAL.

5. Uji Normalitas dengan Metode Saphiro Wilk

Uji Shapiro Wilk adalah sebuah metode atau rumus perhitungan sebaran data
yang dibuat oleh shapiro dan wilk. Metode shapiro wilk adalah metode uji
normalitas yang efektif dan valid digunakan untuk sampel berjumlah kecil.
Metode Shapiro Wilk menggunakan data dasar yang belum diolah dalam tabel
distribusi frekuensi. Data diurut, kemudian dibagi dalam dua kelompok untuk
dikonversi dalam Shapiro Wilk. Dapat juga dilanjutkan transformasi dalam nilai Z
untuk dapat dihitung luasan kurva normal.
Syarat Uji Shapiro Wilk adalah sebagai berikut:
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Data dari sampel random
Langkah-langkah uji normalitas dengan metod Uji Shapiro Wilk dapat
dilakukan dengan tahapan-tahapan sebagai berikut:
a. Menentukan Hipotesis, dengan ketentuan:
H0 : Data berdistribusi Normal
Há : Data berdistribusi Tidak Normal
b. Menentukan besarnya Nilai Signifikansi (α), misalnya 0.05 (5%)
c. Menghitung Nilai Thitung Shapiro Wilk, dengan tahapan:
1) Membuat Tabel Pembantu/Tabel Kerja
2) Menentukan Koefesien Test Shapiro Wilk, dengan rumus:

19
 D= (X − X)

3) Menentukan Nilai Thitung Shapiro Wilk, dengan rumus:

1
T = α (X −X )
D
d. Menentukan Nilai Tabel Shapiro Wilk dengan db=n dan α=0.05 atau 0.1
e. Uji 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 > α (5%,) maka Ho diterima ; H1 ditolak.
Jika nilai p < α (5%,), maka Ho ditolak ; H1 diterima.

Cara kedua menguji normalitas dengan metode Shapiro Wilk dapat

dilakukan dengan menentukan Nilai G, dengan rumus:
T −d
G = b + c + ln
1−T
Dimana:
G : Identik dengan nilai Z distribusi Normal
T3 : Nilai Thitung Shapiro Wilk
bn, cn, dn : Konversi Statistik Shapiro Wilk Pendekatan Distribusi Normal

Contoh Latihan:
Ujian Akhir Mata Kuliah Statistik dilaksanakan pada 20 mahasiswa, dengan
hasil yang akhir diperoleh:
60 65 63 72 63 66 67 65 62 70 61 65 63 64 70 65 63 62 61 65
Lakukan pengujian normalitas, dengan menggunakan model Shapiro Wilk

Jawab:
a. Menentukan Hipotesis, dengan ketentuan:
H0 : Data berdistribusi Normal
Há : Data berdistribusi Tidak Normal
b. Menentukan besarnya Nilai Signifikansi (α), misalnya 0.05 (5%)

c. Menghitung Nilai Thitung Shapiro Wilk, dengan tahapan:

1) Membuat Tabel Pembantu/Tabel Kerja
2) Menentukan Koefesien Test Shapiro Wilk, dengan rumus:

20
 D= (X − X)

untuk itu dapat digunakan tabel pembentu:

X X-X̅ (X-X̅)2 untuk mencari nilai X, dapat
60 -4.60 21.160 digunakan rumus:
61 -3.60 12.960 ∑X
61 -3.60 12.960 X =
N
62 -2.60 6.760 1292
X= = 64.60
62 -2.60 6.760 20
63 -1.60 2.560
63 -1.60 2.560 Maka dapat diketahui nilai D,
63 -1.60 2.560 sebagai berikut:
63 -1.60 2.560
64 -0.60 0.360 D= (X − X)
65 0.40 0.160
65 0.40 0.160 D = 192.800
65 0.40 0.160
65 0.40 0.160
65 0.40 0.160
66 1.40 1.960
67 2.40 5.760
70 5.40 29.160
70 5.40 29.160
72 7.40 54.760
1292 192.800

3) Menentukan Nilai Thitung Shapiro Wilk, dengan rumus:

1
T = α (X −X )
D

Maka dapat digunakan pencarian dengan membuat tabel pembantu, dengan

mencari nilai-nilai α yang terdapat pada tabel koefesien Shapiro Wilk
dengan jumlah n=20, maka ditemukan 10 nilai α.
Setelah itu dilakukan pengurangan Xn-i+1 – Xi, jika i adalah 1, maka X20 –
X1, dan seterusnya.
Maka tabel pembantu, dapat menggunkan formula sebagai berikut:

i αi Xn-1+1 – Xi α (X −X )
1 0.4734 72 – 60 = 12 5.6808

21
 2 0.3211 70 – 61 = 9 2.8899
3 0.2565 70 – 61 = 9 2.3085
4 0.2085 67 – 62 = 5 1.0425
5 0.1686 66 – 62 = 4 0.6744
6 0.1334 65 – 63 = 2 0.2668
7 0.1013 65 – 63 = 2 0.2026
8 0.0711 65 – 63 = 2 0.1422
9 0.0422 65 – 63 = 2 0.0844
10 0.0140 65 – 64 = 1 0.0140
13.3061

Maka dapat dihitung T3 Shapiro sesuai rumus:

1
T = α (X −X )
D
1
T = [13.3061]
192.800
T = (0.0052)(177.0588)
T = 0.9183

d. Menentukan Nilai Tabel Shapiro Wilk dengan db=n dan α=0.05

Maka berdasarkan tabel nilai Tabel Shapiro Wilk db=20 dengan α=0.05 adalah
sebesar: 0.905

e. Uji 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 > α (5%,) maka Ho diterima ; H1 ditolak.
Jika nilai p < α (5%,), maka Ho ditolak ; H1 diterima.

Maka dapat T3 (0.9183) > T3-tabel (0.905), maka Ho diterima H1 ditolak, artinya
data berdistribusi NORMAL.

6. Uji Normalitas dengan Uji Skewness

Kecondongan suatu kurva dapat dilihat dari perbedaan letak mean, median dan
modus. Jika ketiga ukuran pemusatan data tersebut berada pada titik yang sama,
maka dikatakan simetris atau data berdistribusi normal. Sebaliknya, jika tidak
maka berarti tidak simetris yang artinya data berdistribusi tidak normal.
Ukuran kecondongan data terbagi atas tiga bagian:
a. Kecondongan data ke kiri (ekornya cenderung kiri/negatif) dimana nilai
modus lebih dari nilai mean (modus > mean);

22
 b. Kecondongan data simetris (distribusi normal), dimana nilai mean modus
adalah sama (mean = modus);
c. Kecondongan data ke arah kanan (ekornya condong ke kanan/positif),
dimana nilai mean lebih dari nilai modus (mean > modus).

Mengukur Koefesien Kecondongan:

a. Rumus Kemencengan
Koefesien kemencengan Person merupakan nilai selisih rata-rata dengan
modus dibagi simpangan baku.
Rumus Kemencengan Person:
X − Mo 3(X − Md)
1 Sk = 2 Sk =
S S
dimana:
Sk = Koefesien Skewness
X = Rerata
Mo = Modus
Md = Median
S = Standar Deviasi

Catatan:
Rumus (1) tidak begitu lazim digunakan, karena adanya kenyataan bahwa
pada kebanyakan sebaran frekuensi, modus hanyalah merupakan suatu
perkiraan. Selain itu, apbila samping terdapat dua modus (bi-modus),
pengukuran modus pada umumnya dilakukan dengan asumsi-asumsi
tertentu. Karenanya, Rumus (2) lebih lazim digunakan.

Hubungan KS dengan kurva, adalah:

Jika KS = 0, kurva memiliki bentuk simetris;
Jika KS > 0, nilai mean terletak di sebelah kanan Mo, kurva memiliki ekor
memanjang ke kanan, kurva menceng ke kanan (positif);
Jika KS < 0, nilai mean terletak sebelah kiri Mo, kurva memiliki ekor
memanjang ke kiri, kurva menceng ke kiri (negatif).
b. Menghitung Kesimetrisan Data dan Skewness
Jika -2 < SE of Skewness < 2  Data Berdistribusi Normal

B. UJI HOMOGENITAS
1. Uji Fisher
Pengujian homogenitas dilakukan dalam rangka menguji kesamaan varians
setiap kelompok data. Persyaratan uji homogenitas diperlukan untuk melakukan
analisis inferensial dalam uji komparasi.
Pengujian homogenitas dengan uji Fisher atau disingkat dengan F dilakukan
apabila data yang akan diuji hanya ada 2 (dua) kelompok data atau sampel. Uji F
dilakukan dengan cara membandingkan varian data terbesar dibagi varian data
terkecil.

23
 Langkah-langkah Uji Homogenitas data dengan menggunakan metode Fisher
dapat dilakukan dengan langkah-langkah sebagai berikut:
a. Menentukan Hipotesis yang akan diuji:
H0 : σ21 = σ22 Varian 1 dan Varian 2 sama atau Data Homogen
Há : σ21 ≠ σ22, Varian 1 berbeda dengan Varian 2 atau Data Tidak Homogen
Sedangkan Kriteria pengujiannya:
Jika Fhitung < Ftabel, maka H0 diterima, artinya Data Homogen
Jika Fhitung > Ftabel, maka Ha diterima, artinya Data Tidak Homogen
b. Menampilkan data dalam bentuk Tabel Pembantu:
X1 X2 (X1)2 (X2)2

ΣX1 ΣX2 Σ(X1)2 Σ(X2)2

c. Menghitung Tiap Varian Kelompok Data, dengan rumus:
(∑ X)
∑X −
S = N
N
d. Menentukan Nilai Fhitung dengan rumus:
varian terbesar
F =
varian terkecil
e. Menentukan Nilai Ftabel, dengan ketentuan:
 Taraf signifikansi = 0.05 atau 0.01
 dk1 (pembilang) = na – 1 dan dk2 (penyebut) = nb – 1
f. Membandingkan Nilai Fhitung dengan Ftabel
g. Menyimpulkan

Contoh Soal:
Seorang peneliti melakukan perbandingan nilai Statistik 20 Mahasiswa dari dua
Prodi (PAI dan PIAUD). Diperolah Hasil sebagai berikut:
PAI = 69, 70, 64, 74, 67, 78, 71, 75, 73, 86, 86, 70, 82, 71, 79, 80, 80, 74, 73, 76
AUD = 64, 55, 60, 70, 75, 68, 73, 54, 78, 63, 80, 62, 90, 86, 82, 74, 76, 79, 79, 75
Lakukan uji homogenitas dari dua data tersebut di atas dengan menggunakan
metode Fisher:

Jawab:
a. Menentukan Hipotesis yang akan diuji:
H0 : σ21 = σ22 Varian 1 dan Varian 2 sama atau Data Homogen
Há : σ21 ≠ σ22, Varian 1 berbeda dengan Varian 2 atau Data Tidak Homogen
Sedangkan Kriteria pengujiannya:
Jika Fhitung < Ftabel, maka H0 diterima, artinya Data Homogen
Jika Fhitung > Ftabel, maka Ha diterima, artinya Data Tidak Homogen

b. Menampilkan data dalam bentuk Tabel Pembantu:

X1 X2 X12 X22

24
 69 64 4761 4096
70 55 4900 3025
64 60 4096 3600
74 70 5476 4900
67 75 4489 5625
78 68 6084 4624
71 73 5041 5329
75 54 5625 2916
73 78 5329 6084
86 63 7396 3969
86 80 7396 6400
70 62 4900 3844
82 90 6724 8100
71 86 5041 7396
79 82 6241 6724
80 74 6400 5476
80 76 6400 5776
74 79 5476 6241
73 79 5329 6241
76 75 5776 5625
1498 1443 112880 105991

c. Menghitung Tiap Varian Kelompok Data, dengan rumus:

1) Varian Kelompok I:
(∑ X )
∑X −
S = N
N
(1498)
112880 − 20
S =
20
2244004
112880 −
S = 20
20
112880 − 112200.20
S =
20
679.80
S =
20
S = 33.99 ---> Varian Terkecil

2) Varian Kelompok I:
(∑ X )
∑X −
S = N
N

25
 (1443)
105991 −
S = 20
20
2082249
105991 −
S = 20
20
105991 − 104112.45
S =
20
1878.55
S =
20
S = 93.93 --> Varian Terbesar

d. Menentukan Nilai Fhitung dengan rumus:

varian terbesar
F =
varian terkecil
93.93
F =
33.99
F = 2.763

e. Menentukan Nilai Ftabel, dengan ketentuan:

 Taraf signifikansi = 0.05 atau 0.01
 dk1 (pembilang) = na – 1 dan dk2 (penyebut) = nb – 1

Karena pembilang tidak ditemukan di dalam tabel, maka menggunakan rumus

excel: ‘=FINV(0.05,19,19)’ diperoleh hasil sebesar 2.168

f. Membandingkan Nilai Fhitung dengan Ftabel

Maka diperoleh Fhitung (2.763) > Ftabel (2.168), artinya data TIDAK
HOMOGEN

2. Uji Barlett
MS Bartlett (1937) mengusulkan uji homogenitas satu himpunan
varians. Misalkan sampel berukuran n1, n2, …, nk dengan data Yij = (I = 1, 2, …,
k dan j = 1, 2, …, nk) dan hasil pengamatan telah disusun, selanjutnya sampel-
sampel dihitung variansnya masing-masing yaitu S21, S22, …, S2k
Pengujian homogenitas dengan uji Bartlett atau disingkat dengan B dilakukan
apabila data yang akan diuji lebih dari 2 (dua) kelompok data atau sampel.
Langkah-langkah uji normalitas dengan menggunakan metode Barlett
dilakukan dengan langkah-langkah sebagai berikut:

a. Sajikan data dalam tabel, kemudian hitung mean (rerata) dan varian tiap
kelompok sampel:

26
 Kel ( Kel ( Kel ( Kel (
A − ) B − ) C − ) D − )

S2

b. Membuat Tabel Penolong Uji Barlet

Kelompok dk
S2i log S2i dk.log S2i dk.S2i
Sampel (n-1)

Σ - -

c. Menghitung harga logaritma varians gabungan dari seluruh kelompok

sampel dengan rumus:
∑(n − 1)S ∑ dk. s
S = atau
∑(n − 1) ∑ dk

d. Menghitung harga logaritma varians gabungan dan harga satuan B sebagai

berikut:
B= log (S2i).Σdk

e. Menghitung nilai kai kuadrat hitung ( X2hitung) sebagai berikut:

X2hitung= (ln 10) (B – Σ dk.log S2i

f. Menentukan harga kai kuadrat tabel (X2tabel) pada taraf signifikansi α = 0,05
dan derajat kebebasan dk = k – 1

g. Membuat Kesimpulan, dengan kriteria:

 Jika X2hitung < X2tabel, maka H0 diterima, artinya Data Bersifat
Homogen;
 Jika X2hitung > X2tabel, maka H0 ditolak, artinya Data Bersifat Tidak
Homogen.

C. UJI LINIERITAS
Statistik parametrik analisis asosiasi diperlukan pengujian kelinearan regresi.
Pengujian ini dilakukan dalam rangka menguji model persamaan regresi suatu variabel
Y atas suatu variabel X. Prosedur dalam melakukan pengujian kelinearan regresi
sebagai berikut:
a. Menyajikan Data Variabel X dan Y ke dalam Tabel Penolong
b. Menentukan Nilai Persamaan Regresi Y atas X atau Y = a + bX
27
  Menentukan Nilai a, dengan rumus:
(∑ Y)(∑ X ) − (∑ X)(∑ XY)
a=
n(∑ X ) − (∑ X)
 Menentukan Nilai b, dengan rumus:
n(∑ XY) − (∑ X)(∑ Y)
b=
n(∑ X ) − (∑ X)

c. Menentukan Jumlah Kuadrat (JK) setiap varians:

 Jumlah Kuadrat Total (JKt)
JKt = ΣY2

 Jumlah Kuadrat Regresi a (JKreg(a))

(∑ Y)
JK ( ) =
N
 Jumlah Kuadrat Regresi b/a (JKreg(b/a)
(∑ X)(∑ Y)
JK ( / ) = b XY −
N

 Jumlah Kuadrat Residu (JKres)

JKres = JKt – JKreg(a) – JKreg(b/a)

 Jumlah Kuadrat Error (JKe)

(∑ Y)
JK = Y −
N

Catatan:
Untuk dapat menghitung Jumlah Kuadrat Error (JKe), kita dapat
menyelesaikannya dengan cara mengelompokkan data Y berdasarkan urutan
data X (dari kecil ke besar), sehingga setiap data X yang sama dianggap satu
kelompok data Y.
Agar mempermudah, maka dapat digunakan tabel kerja penolong dengan
format sebagai berikut:
X Kelompok N Y

 Jumlah Kuadrat Tuna Cocok (JKtc)

JK = JK − JK

d. Menentukan Nilai Derajat Kebebasan (dk) untuk setiap sumber varians.

 dkt = n
 dkreg(a) = 1
 dkreg(b/a) = 1

28
  dkres = dkt – dkreg(a) – dkreg(b/a)
 dke = n – k (jml kelomp)
 dktc = k – 2

e. Menghitung Rerata Jumlah Kuadrat (RJK) masing-masing varians

 Nilai Rerata Jumlah Kuadrat Regrsi (a)
JK ( )
RJK ( ) =
dk ( )
JK ( )
RJK ( ) =
dk ( )

 Nilai Rerata Jumlah Kuadrat Regresi (b/a)

JK ( / )
RJK ( / ) =
dk ( / )
 Nilai Rerata Jumlah Kuadrat Residu
JK
RJK =
dk
 Nilai Rerata Jumlah Kuadrat Tidak Cocok
JK
RJK =
dk
 Nilai Rerata Jumlah Kuadrat Error
JK
RJK =
dk

f. Meghitung Nilai Fhitung

RJK
F =
RJK

g. Mencari Nilai Ftabel dengan menggunakan tabel F, dengan ketentuan:

dktc = sebagai pembilang (atas ke bawah)
dke = sebagai penyebut (kiri ke kanan)

h. Membandingkan Nilai Fhitung dengan Ftabel dengan kriteria:

Jika Fhitung < Ftabel ; maka H0 diterima, artinya regresi berpola linier;
Jika Fhitung > Ftabel ; maka H0 ditolak, artinya regresi berpola tidak linier;

i. Membuat Tabel Rangkuman Anava untuk Kelenieran Regresi, sekaligus

menentukan Nilai Rerata Jumlah Kuadrat (RJK) tiap Sumber Varians, Fhitung, dan
Ftabel untuk uji kelinieran, dengan format sebagai berikut:

29
 Ftbl
Sumber Variasi JK dk RJK Fhit
(α=0.05)
Total
Rerata Regresi (a)
Rerata Regresi (b/a)
Rerata Residu
Rerata Tidak Cocok
Rerata Error

Contoh Latihan:
Seorang peneliti menyelidiki “pengaruh waktu mengerjakan ujian terhadap nilai
akhir mata kuliah Statistik”
Responden
Variabel/R 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Waktu (mnt) 70 90 90 80 75 70 90 78 90 60 70 75 75 80 75 60 60 70 70 70
Nilai 60 65 63 72 63 66 67 65 62 70 61 65 63 64 70 65 63 62 61 65

Jawab:
a. Menyajikan Data Variabel X dan Y ke dalam Tabel Penolong
R X Y X2 Y2 XY
1 70 60 4900 3600 4200
2 90 65 8100 4225 5850
3 90 63 8100 3969 5670
4 80 72 6400 5184 5760
5 75 63 5625 3969 4725
6 70 66 4900 4356 4620
7 90 67 8100 4489 6030
8 78 65 6084 4225 5070
9 90 62 8100 3844 5580
10 60 70 3600 4900 4200
11 70 61 4900 3721 4270
12 75 65 5625 4225 4875
13 75 63 5625 3969 4725
14 80 64 6400 4096 5120
15 75 70 5625 4900 5250
16 60 65 3600 4225 3900
17 60 63 3600 3969 3780
18 70 62 4900 3844 4340
19 70 61 4900 3721 4270
20 70 65 4900 4225 4550
∑ 1498 1292 113984 83656 96785

Maka berdasarkan tabel tersebut dapat diketaui:

30
 ∑X = 1498 ∑Y2 = 83656
∑Y = 1292 ∑XY = 96785
∑X2 = 113984 (∑X)2 = 2244004

b. Menentukan Nilai Persamaan Regresi Y atas X atau Y = a + bX

 Menentukan Nilai a, dengan rumus:
(∑ Y)(∑ X ) − (∑ X)(∑ XY)
a=
n(∑ X ) − (∑ X)
(1292)(113984) − (1498)(96785)
a=
20(113984) − (1498)
147267328 − 144983930
a=
2279680 − 2244004
2283398
a=
35676
2283398
a=
35676
a = 64.004

 Menentukan Nilai b, dengan rumus:

n(∑ XY) − (∑ X)(∑ Y)
b=
n(∑ X ) − (∑ X)
20(96785) − (1498)(1292)
b=
20(113984) − (1498)
1935700 − 1935416
b=
2279680 − 2244004
284
b=
35676
b = 0.0080

c. Menentukan Jumlah Kuadrat (JK) setiap varians:

 Jumlah Kuadrat Total (JKt)
JKt = ΣY2
JKt = 83656

 Jumlah Kuadrat Regresi a (JKreg(a))

(∑ Y)
JK ( ) =
N
(1292)
JK ( ) =
20
1669264
JK ( ) =
20
JK ( ) = 83463.20

31
 Jumlah Kuadrat Regresi b/a (JKreg(b/a)
(∑ X)(∑ Y)
JK ( / ) = b XY −
N
(1498)(1292)
JK ( / ) = 0.0080 96785 −
20
JK ( / ) = 0.0080(96785 − 96770.8)
JK ( / ) = 0.0080(14.2)
JK ( / ) = 0.1136

 Jumlah Kuadrat Residu (JKres)

JKres = JKt – JKreg(a) – JKreg(b/a)
JKres = 83656 – 83463.20 –0.1136
JKres = 83656 – 83463.20 –0.1136
JKres = 191.6864
 Jumlah Kuadrat Error (JKe)
(∑ Y)
JK = Y −
N
Agar mempermudah, maka dapat digunakan tabel kerja penolong dengan
format sebagai berikut:
X Kelompok N Y
60 70
60 1 3 65
60 63
70 60
70 66
70 61
2 6
70 62
70 61
70 65
75 63
75 65
3 4
75 63
75 70
78 4 1 65
80 72
5 2
80 64
90 65
90 63
6 4
90 67
90 62

32
 (70 + 65 + 63)
JK = (70 + 65 + 63 ) − +
3
(60 + 66 + 61 + 62 + 61 + 65)
(60 + 66 + 61 + 62 + 61 + 65 ) − +
6
(63 + 65 + 63 + 70) (65)
(63 + 65 + 63 + 70 ) − + (65 ) − +
4 1
(72 + 64)
(72 + 64 ) −
2
(65 + 63 + 67 + 62)
+ (65 + 63 + 67 + 62 ) −
4
JK = 26 + 29.5 + 32.75 + 0 + 32 + 14.75
JK = 135

 Jumlah Kuadrat Tuna Cocok (JKtc)

JK = JK − JK
JK = 191.6864 − 135
JK = 56.6864

d. Menentukan Nilai Derajat Kebebasan (dk) untuk setiap sumber varians.

 dkt = n
 dkreg(a) = 1
 dkreg(b/a) = 1
 dkres = dkt – dkreg(a) – dkreg(b/a)
 dke = n – k (jml kelomp)
 dktc = k – 2
maka dapat ditentukan nilai-nilainya sebagai berikut:
 dkt = 20
 dkreg(a) = 1
 dkreg(b/a) = 1
 dkres = 20 –1 – 1
= 18
 dke = 20 – 6
= 14
 dktc =6–2
=4

e. Menghitung Rerata Jumlah Kuadrat (RJK) masing-masing varians

 Nilai Rerata Jumlah Kuadrat Regrsi (a)
JK ( )
RJK ( ) =
dk ( )

33
 83463.20
RJK ( ) =
1
RJK ( ) = 83463.20

 Nilai Rerata Jumlah Kuadrat Regresi (b/a)

JK ( / )
RJK ( / ) =
dk ( / )
0.1136
RJK ( / ) =
1
RJK ( / ) = 0.1136

 Nilai Rerata Jumlah Kuadrat Residu

JK
RJK =
dk
191.6864
RJK =
18
RJK = 10.6492

 Nilai Rerata Jumlah Kuadrat Tidak Cocok

JK
RJK =
dk
56.6864
RJK =
4
RJK = 14.1716

 Nilai Rerata Jumlah Kuadrat Error

JK
RJK =
dk
135
RJK =
14
RJK = 9.6429

f. Meghitung Nilai Fhitung

RJK
F =
RJK
14.1716
F =
9.6429
F = 1.4696

j. Mencari Nilai Ftabel dengan menggunakan tabel F

dktc = sebagai pembilang (atas ke bawah) = 4
dke = sebagai penyebut (kiri ke kanan) = 14
maka diperoleh nilai Fhitung sebesar 5.87

34
k. Membandingkan Nilai Fhitung dengan Ftabel dengan kriteria:
Jika Fhitung < Ftabel ; maka H0 diterima, artinya regresi berpola linier;
Jika Fhitung > Ftabel ; maka H0 ditolak, artinya regresi berpola tidak linier;
maka,
Fhitung (1.4696) < Ftabel (5.87), maka H0 diterima, artinya regresi berpola LINIER.

l. Membuat Tabel Rangkuman Anava untuk Kelenieran Regresi, sekaligus

menentukan Nilai Rerata Jumlah Kuadrat (RJK) tiap Sumber Varians, Fhitung, dan
Ftabel untuk uji kelinieran, dengan format sebagai berikut:
Ftbl
Sumber Variasi JK dk RJK Fhit
(α=0.05)
Total 83656 20 -
Rerata Regresi (a) 83463.20 1 83463.20
Rerata Regresi (b/a) 0.1136 1 0.1136
1.4696 5.87
Rerata Residu 191.6864 18 10.6492
Rerata Tidak Cocok 56.6864 4 14.1716
Rerata Error 135 14 9.6429

35
Tabel Z (-0.00 s.d. -3.50)
z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
-3.5 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002
-3.4 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0002
-3.3 0.0005 0.0005 0.0005 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004 0.0003
-3.2 0.0007 0.0007 0.0006 0.0006 0.0006 0.0006 0.0006 0.0005 0.0005 0.0005
-3.1 0.0010 0.0009 0.0009 0.0009 0.0008 0.0008 0.0008 0.0008 0.0007 0.0007
-3.0 0.0013 0.0013 0.0013 0.0012 0.0012 0.0011 0.0011 0.0011 0.0010 0.0010
-2.9 0.0019 0.0018 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014
-2.8 0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020 0.0019
-2.7 0.0035 0.0034 0.0033 0.0032 0.0031 0.0030 0.0029 0.0028 0.0027 0.0026
-2.6 0.0047 0.0045 0.0044 0.0043 0.0041 0.0040 0.0039 0.0038 0.0037 0.0036
-2.5 0.0062 0.0060 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049 0.0048
-2.4 0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064
-2.3 0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084
-2.2 0.0139 0.0136 0.0132 0.0129 0.0125 0.0122 0.0119 0.0116 0.0113 0.0110
-2.1 0.0179 0.0174 0.0170 0.0166 0.0162 0.0158 0.0154 0.0150 0.0146 0.0143
-2.0 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0197 0.0192 0.0188 0.0183
-1.9 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 0.0244 0.0239 0.0233
-1.8 0.0359 0.0351 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0301 0.0294
-1.7 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367
-1.6 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455
-1.5 0.0668 0.0655 0.0643 0.0630 0.0618 0.0606 0.0594 0.0582 0.0571 0.0559
-1.4 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681
-1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
-1.2 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985
-1.1 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170
-1.0 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379
-0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
-0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
-0.7 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
-0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
-0.5 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
-0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
-0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
-0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
-0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
-0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641

36
 Ftbl
Sumber Variasi JK dk RJK Fhit
(α=0.05)
Total
Rerata Regresi (a)
Rerata Regresi (b/a)
Rerata Residu
Rerata Tidak Cocok
Rerata Error

Contoh Latihan:
Seorang peneliti menyelidiki “pengaruh waktu mengerjakan ujian terhadap nilai
akhir mata kuliah Statistik”
Responden
Variabel/R 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Waktu (mnt) 70 90 90 80 75 70 90 78 90 60 70 75 75 80 75 60 60 70 70 70
Nilai 60 65 63 72 63 66 67 65 62 70 61 65 63 64 70 65 63 62 61 65

Jawab:
a. Menyajikan Data Variabel X dan Y ke dalam Tabel Penolong
R X Y X2 Y2 XY
1 70 60 4900 3600 4200
2 90 65 8100 4225 5850
3 90 63 8100 3969 5670
4 80 72 6400 5184 5760
5 75 63 5625 3969 4725
6 70 66 4900 4356 4620
7 90 67 8100 4489 6030
8 78 65 6084 4225 5070
9 90 62 8100 3844 5580
10 60 70 3600 4900 4200
11 70 61 4900 3721 4270
12 75 65 5625 4225 4875
13 75 63 5625 3969 4725
14 80 64 6400 4096 5120
15 75 70 5625 4900 5250
16 60 65 3600 4225 3900
17 60 63 3600 3969 3780
18 70 62 4900 3844 4340
19 70 61 4900 3721 4270
20 70 65 4900 4225 4550
∑ 1498 1292 113984 83656 96785

Maka berdasarkan tabel tersebut dapat diketaui:

30
 ∑X = 1498 ∑Y2 = 83656
∑Y = 1292 ∑XY = 96785
∑X2 = 113984 (∑X)2 = 2244004

b. Menentukan Nilai Persamaan Regresi Y atas X atau Y = a + bX

 Menentukan Nilai a, dengan rumus:
(∑ Y)(∑ X ) − (∑ X)(∑ XY)
a=
n(∑ X ) − (∑ X)
(1292)(113984) − (1498)(96785)
a=
20(113984) − (1498)
147267328 − 144983930
a=
2279680 − 2244004
2283398
a=
35676
2283398
a=
35676
a = 64.004

 Menentukan Nilai b, dengan rumus:

n(∑ XY) − (∑ X)(∑ Y)
b=
n(∑ X ) − (∑ X)
20(96785) − (1498)(1292)
b=
20(113984) − (1498)
1935700 − 1935416
b=
2279680 − 2244004
284
b=
35676
b = 0.0080

c. Menentukan Jumlah Kuadrat (JK) setiap varians:

 Jumlah Kuadrat Total (JKt)
JKt = ΣY2
JKt = 83656

 Jumlah Kuadrat Regresi a (JKreg(a))

(∑ Y)
JK ( ) =
N
(1292)
JK ( ) =
20
1669264
JK ( ) =
20
JK ( ) = 83463.20

31
 Jumlah Kuadrat Regresi b/a (JKreg(b/a)
(∑ X)(∑ Y)
JK ( / ) = b XY −
N
(1498)(1292)
JK ( / ) = 0.0080 96785 −
20
JK ( / ) = 0.0080(96785 − 96770.8)
JK ( / ) = 0.0080(14.2)
JK ( / ) = 0.1136

 Jumlah Kuadrat Residu (JKres)

JKres = JKt – JKreg(a) – JKreg(b/a)
JKres = 83656 – 83463.20 –0.1136
JKres = 83656 – 83463.20 –0.1136
JKres = 191.6864
 Jumlah Kuadrat Error (JKe)
(∑ Y)
JK = Y −
N
Agar mempermudah, maka dapat digunakan tabel kerja penolong dengan
format sebagai berikut:
X Kelompok N Y
60 70
60 1 3 65
60 63
70 60
70 66
70 61
2 6
70 62
70 61
70 65
75 63
75 65
3 4
75 63
75 70
78 4 1 65
80 72
5 2
80 64
90 65
90 63
6 4
90 67
90 62

32
Tabel Z (0.00 s.d. 3.50)
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998

37
TABEL NILAI CHI KUADRAT

38
k. Membandingkan Nilai Fhitung dengan Ftabel dengan kriteria:
Jika Fhitung < Ftabel ; maka H0 diterima, artinya regresi berpola linier;
Jika Fhitung > Ftabel ; maka H0 ditolak, artinya regresi berpola tidak linier;
maka,
Fhitung (1.4696) < Ftabel (5.87), maka H0 diterima, artinya regresi berpola LINIER.

l. Membuat Tabel Rangkuman Anava untuk Kelenieran Regresi, sekaligus

menentukan Nilai Rerata Jumlah Kuadrat (RJK) tiap Sumber Varians, Fhitung, dan
Ftabel untuk uji kelinieran, dengan format sebagai berikut:
Ftbl
Sumber Variasi JK dk RJK Fhit
(α=0.05)
Total 83656 20 -
Rerata Regresi (a) 83463.20 1 83463.20
Rerata Regresi (b/a) 0.1136 1 0.1136
1.4696 5.87
Rerata Residu 191.6864 18 10.6492
Rerata Tidak Cocok 56.6864 4 14.1716
Rerata Error 135 14 9.6429

35
Tabel Z (-0.00 s.d. -3.50)
z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
-3.5 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002
-3.4 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0002
-3.3 0.0005 0.0005 0.0005 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004 0.0003
-3.2 0.0007 0.0007 0.0006 0.0006 0.0006 0.0006 0.0006 0.0005 0.0005 0.0005
-3.1 0.0010 0.0009 0.0009 0.0009 0.0008 0.0008 0.0008 0.0008 0.0007 0.0007
-3.0 0.0013 0.0013 0.0013 0.0012 0.0012 0.0011 0.0011 0.0011 0.0010 0.0010
-2.9 0.0019 0.0018 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014
-2.8 0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020 0.0019
-2.7 0.0035 0.0034 0.0033 0.0032 0.0031 0.0030 0.0029 0.0028 0.0027 0.0026
-2.6 0.0047 0.0045 0.0044 0.0043 0.0041 0.0040 0.0039 0.0038 0.0037 0.0036
-2.5 0.0062 0.0060 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049 0.0048
-2.4 0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064
-2.3 0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084
-2.2 0.0139 0.0136 0.0132 0.0129 0.0125 0.0122 0.0119 0.0116 0.0113 0.0110
-2.1 0.0179 0.0174 0.0170 0.0166 0.0162 0.0158 0.0154 0.0150 0.0146 0.0143
-2.0 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0197 0.0192 0.0188 0.0183
-1.9 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 0.0244 0.0239 0.0233
-1.8 0.0359 0.0351 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0301 0.0294
-1.7 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367
-1.6 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455
-1.5 0.0668 0.0655 0.0643 0.0630 0.0618 0.0606 0.0594 0.0582 0.0571 0.0559
-1.4 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681
-1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
-1.2 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985
-1.1 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170
-1.0 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379
-0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
-0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
-0.7 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
-0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
-0.5 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
-0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
-0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
-0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
-0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
-0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641

36
Tabel Z (0.00 s.d. 3.50)
0.0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.0 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.1 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.2 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
3.5 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998

37
TABEL NILAI CHI KUADRAT

38
TABEL KRITIS LILIEFORS

39
Tabel Liliefors (Lanjutan)

Dimana f(n) adalah :

0.83 +
( ) = − 0.01
√

40
TABEL KOLMOGOROV-SMIRNOV

41
 TABEL SHAPIRO WILK
Model 1 : Tabel Harga Kuartil Statistik

42
Tabel Konversi Shapiro Wilk Pendekatan Distribusi Normal

43
44
Koefesien Untuk Test Shapiro Wilk

45
46
47