UJI HOMOGENITAS

A. Pengertian Uji Homogenitas

Uji homogenitas digunakan untuk mengetahui apakah beberapa varian populasi adalah sama
atau tidak. Uji ini dilakukan sebagai prasyarat dalam analisis independent sample t test dan
Anova. Asumsi yang mendasari dalam analisis varian (Anova) adalah bahwa varian dari populasi
adalah sama. Uji kesamaan dua varians digunakan untuk menguji apakah sebaran data tersebut
homogen atau tidak, yaitu dengan membandingkan kedua variansnya. Jika dua kelompok data
atau lebih mempunyai varians yang sama besarnya, maka uji homogenitas tidak perlu dilakukan
lagi karena datanya sudah dianggap homogen. Uji homogenitas dapat dilakukan apabila
kelompok data tersebut dalam distribusi normal. Uji homogenitas dilakukan untuk menunjukkan
bahwa perbedaan yang terjadi pada uji statistik parametrik (misalnya uji 1, Anava, Anacova)
benar-benar terjadi akibat adanya perbedaan antar kelompok, bukan sebagai akibat perbedaan
dalam kelompok. Uji homogenitas variansi sangat diperlukan sebelum membandingkan dua
kelompok atau lebih, agar perbedaan yang ada bukan disebabkan oleh adanya perbedaan data
dasar (ketidakhomogenan kelompok yang dibandingkan). Uji homogenitas dengan uji normalitas
meskipun dapat berbeda sama-sama digunakan sebagai syarat dalam uji parametrik tertentu. Jika
uji normalitas diperlukan di semua uji parametrik, sedangkan uji homogenitas tidak selalu
digunakan pada uji parametrik. Uji homogenitas ini hanya digunakan pada uji parametrik yang
menguji perbedaan antara kedua kelompok atau beberapa kelompok yang berbeda subjeknya
atau sumber datanya. Dalam teknologi Pendidikan, uji homogenitas biasa digunakan untuk
mengukur populasi homogen sebagai syarat uji T dalam penelitian experimen

Ketika kita ingin meneliti logat penutur asli Bahasa Indonesia, populasinya harus terdiri dari
orang-orang yang memang sudah fasih berbahasa Indonesia dengan baik & benar, apabila
populasinya terdiri dari masyarakat yang belum bisa /belum fasih berbahasa Indonesia dengan
baik & benar, dapat dipastikan bahwa variabel populasinya tersebut tidak homogen. Apabila
sudah dipastikan distribusi populasi telah homogen, lebih lanjut distribusi populasi tersebut
dibagi ke dalam sub-sub suku yang ada di Indonesia sesuai dengan daerah asal populasi, misal
suku Batak, Padang, Bugis, Banjar, Madura dan campuran, dengan begitu sub populasi tersebut
telah dapat dikatakan homogen.
B. Ragam Uji Homogenitas

Pengujian homogenitas varians suatu kelompok data dapat dilakukan dalam beberapa cara
berdasarkan jumlah kelompok data yang diambil dalam suatu percobaan. Berikut adalah
beberapa teknik uji homogenitas yang umum digunakan.

1. Uji Barlett

Uji Barlett digunakan untuk menguji homogenitas variansi untuk lebih dari dua kelompok
data. Uji Barlett lebih cocok digunakan jika ada bukti kuat bahwa data berdistribusi normal.
Syarat data yang akan di teliti dan diuji harus lebih dari dua kelompok data atau sampel.

Penelitian fiktif, andaikan terdapat empat kelompok, masing-masing kelompok diberi nama
kelompok A1, A2, A3 dan A4, dengan ukuran sampel masing- masing sebesar 32 subjek.
Rumus hipotesis yang akan diuji adalah :

H0: X2 hitung ≤ X2 tabel

H1: Bukan H0

Siswa A1 A2 A3 A4
1 4 2 3 2
2 5 2 3 4
3 2 2 4 3
4 2 5 3 1
5 4 3 5 2
6 4 4 5 2
7 1 2 2 2
8 1 3 1 3
9 4 4 1 4
10 3 2 1 4
11 2 3 4 4
12 1 2 2 5
13 1 2 3 2
14 4 4 2 3
15 2 1 2 2
16 3 1 4 4
17 4 4 2 3
18 1 2 3 4
19 1 3 1 3
20 3 1 1 2
 21 1 1 3 5
22 1 1 4 5
23 4 5 2 3
24 1 4 1 1
25 4 4 1 1
26 1 3 3 1
27 3 4 2 1
28 1 2 1 3
29 4 1 3 4
30 1 1 2 2
31 3 4 2 1
32 4 3 2 1
Jumlah 80 85 78 87
Rata rata 2,50 2,65625 2,4375 2,71875
S 1,36783 1,26004 1,18967 1,30098
S2 1,87097 1,5877 1,41532 1,69254

NO ni-1 s2 (ni-1) s2 Log s2 (ni-1)log s2

A1 31 1,87 58,00 0,27 8,43

A2 31 1,59 49,22 0,20 6,22

A3 31 1,42 43,88 0,15 4,68

A4 31 1,69 58,47 0,23 7,08

JUMLAH 124 203,56 26,42

X2 Hitung = ln10. (B- ∑(ni-1)logS ) = 2, 30 (26, 6931-26,42)

2

= 0,62813

uji signifikansi membandingkan X2 hitung dengan X2 tabel. Dengan anggapan terima 10 jika X 2
hitung ≤X2 tabel pada selang kepercayaan 95% atau a=0,05 X2 'hitung 0,62 dan X2tabel (0,05)
(3)-7,81

kesimpulan : H0 diterima yang berarti keempat kelompok dikatakan Homogen

2. Uji F

Uji Fisher F digunakan untuk menguji homogenitas variansi dari dua kelompok data dengan
menghitung perbandingan variansi kelompok data 1 dengan variansi kelompok data 2 lalu
membandingkannya dengan F tabel berdasarkan tingkat keyakinan dan derajat kebebasan
kelompok data 1 dan 2.

Penelitian fiktif untuk mengetahui apakah nilai mata pelajaran Biologi pada dua kelompok yang
independent yaitu kelas reguler dan kelas eksekutif memiliki varian yang sama atau homogen,
maka dari itu diuji homogenitasnya melalui uji F dengan rumus sebagai berikut

Varianterbesar s2 b
F=
Varian terkecil
=
s2 k

db1 = (n1-1) dan db2 = (n2-1)

H0 : σ12 = σ22

H1 : σ12 ≠ σ22

Kelompok n db s

A1 30 29 73,782

A2 30 29 81,614

Varianterbesar 81 ,614
F=
Varian terkecil
= 73,482

Kemudian bandingkan Ftabel dengan Fhitung, Fhitung , Ftabel = (0,05)(29;29) = 1,85 dan
Fhitung =2,41. Karena Fhitung lebih kecil dari Ftabel maka H0 diterima, kesimpulannya kedua
distribusi populasi tersebut memiliki varian sama atau dengan kata lain Homogen.

3. Uji Levene

Uji Levene digunakan untuk menguji homogenitas variansi untuk lebih dari dua kelompok data
dan merupakan alternatif dari uji Barlett. Uji Levene dilakukan dengan mencari selisih masing-
masing data dengan rata-rata kelompoknya. Uji Levene lebih baik digunakan jika jumlah data
antar kelompok sama. Uji Levene merupakan alternatif dari Uji Bartlett. Uji Bartlett digunakan
jika data berdistribusi normal, sedangkan Uji Levene tidak membutuhkan syarat kenormalan
data, tetapi data harus kontinu dan sampel dari populasi yang diobservasi adalah independen.
Jika ada bukti kuat bahwa data berdistribusi normal atau mendekati normal, maka Uji Bartlett
lebih baik digunakan.

Rumus yang digunakan

Langkah-Iangkah mengerjakan uji levene

a. Periksalah apakah data berdistribusi normal atau mendekati normal. Jika data berdistribusi
normal, lebih baik gunakan Uji Bartlett.
b. Tentukan hipotesis nol (H0) dan hipotesis alternatif (HI), yakni H0: σ 21 = σ22 =...= σ2k
HI: paling sedikit ada satu σ 2i yang tidak sama.
c. Tentukan tingkat signifikansi (α).
d. Hitung statistik uji Levene.
e. Tentukan nilai kritis dan daerah penolakan. Nilai kritisnya adalah F(α,k-1,N-k) Bandingkan
hasil nilai W dengan nilai F(α,k-1,N-k). Jika nilai W>F(α,k-1,N-k). maka nilai W jatuh di
daerah penolakan sehingga tolak H0. Note: dfl-k-1 dan df2=N-k
f. Kesimpulan

4. Uji Harley

Uji Harley merupakan uji homogenitas yang digunakan untuk beberapa kelompok data dengan
jumlah n yang sama. Uji Harley dilakukan dengan membandingkan variansi terbesar dengan
variansi terkecil. Uji homogenitas ini melihat apakah varians sebuah kelompok sama atau
berbeda pengujian ini dapat dilakukan jika hanya ada dua kelompok data atau sampel. Cara
Hartley ini lebih sederhana dan lebih ringkas dibanding dengan uji dengan cara Bartlett untuk
menentukan homogen tidaknya beberapa kelompok distribusi. Rumusnya sebagai berikut:

Varianterbesar s2 b
 Fmaks = Varian terkecil = s2 k

 Dengan Rumus derajat kebebasan db1 = (n1-1) dan db2 = (n2-1)

 Sehingga hipotesis yang akan diuji adalah sebagai berikut :

H0 : σ12 = σ22= σ32= σ42……………..= σk2

H1 : Bukan H0

Tabel perhitungan untuk menguji homogenitas sebuah kelompok pada taraf signifikansi α = 0,05
adalah sebagai berikut

Kelompok n db s

A1 30 29 73,782

A2 30 29 81,614

A3 30 29 134,614

A4 30 29 62,120

Varianterbesar 134 , 869

Fmaks =
Varian terkecil
= 62,120
= 2,171

sekarang bandingkan Ftabel dengan Fhitung. Fhitung = F(0,05)(29;29) =1,85. Karena Fhitung
<Ftabel maka H0 diterima. Jadi keempat distribusi populasi tersebut memiliki varian yang sama
atau homogen

C. Uji Homogenitas menggunakan SPSS

a. Pertama Kita buka data yang akan di analisis di Excel
b. Buat kode kelas, kemudian urutkan seperti gambar dibawah
c. Buka SPSS dan salin data yang telah disusun satu jalur ke data View

d. Pindah ke variable view dan sesuaikan VAR menjadi Kode kelas dan Nilai, serta pada
tab label dirubah juga menjadi kode kelas dan nilai
e. Sesuaikan Value Kelas pada variable View

f. Kemudian Kembali ke data view terus klik Analyze terus kemudian Compare Means
dan ONE WAY ANOVA
g. Letakan Dependent list dengan nilai dan Faktor dengan Kode kelas

h. Dan inihasilnya
i.