MAKALAH KELOMPOK 13

STATISTIKA Lanjutan

Distribusi Chi Kuadrat

Disusun Oleh

Sania Agustin 2120602094

Dandi Irwansyah 2120602099
Siti Zulaiha 2120602103

Dosen Pengampu: Bpk. Chandrawasi, SE.I.,ME

Universitas Islam Negeri Raden Fatah Palembang

Fakultas Ekonomi dan Bisnis Islam

Ekonomi Syariah

2022
 KATA PENGANTAR

Assalamualaikum warahmatullahi wabarokatu.

Puji syukur atas kehadirat Allah Swt. Yang telah melimpahkan Rahmat dan hidayah-Nya sehingga
makalah ini dapat terselesaikan. Makalah ini disusun untuk memberikan pengetahuan tentang Distribusi
Chi Kuadrat.

Penulis mengucapkan terima kasih kepada Bapak Chandrawasi, SE.I.,M.E selaku dosen pada
mata kuliah Statistika Lanjutan. Lantaran tugas yang diberikan ini dapat menambahkan wawasan pada
penulis mengenai judul yang diberikan. Penulis juga mengucapkan banyak terima kasih kepada pihak
yang telah berperan serta dalam penyusunan makalah ini dari awal hingga akhir.

Harapan kami semoga makalah ini dapat membantu pengetahuan dan pengalaman bagi para
pembaca. Kami menyadari dalam proses penulisan makalah ini masih jauh dari kesempurnaan baik
materi maupun cara penulisannya, serta masih banyak terdapat kekurangan dalam data-data yang
diperoleh. Untuk itu diharapkan saran dan kritik yang membangun dari semua pihak.

Palembang, 11 Desember 2022

Kelompok 13
 DAFTAR ISI

Cover

Kata Pengantar ................................................................................................................ i

Daftar Isi ........................................................................................................................... ii

Bab I Pendahuluan ........................................................................................................... 1

1.1 Latar Belakang ............................................................................................................ 2

1.2 Rumusan Masalah ...................................................................................................... 2

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

Bab II Pembahasan .......................................................................................................... 3

2.1 Distribusi Chi Kuadrat ................................................................................................. 3

2.2 Uji Independensi .......................................................................................................... 5

2.3 Uji Goodness of Fit ...................................................................................................... 8

2.4 Uji Homogenitas ......................................................................................................... 12

Bab III Penutup ................................................................................................................. 18

3.1 Kesimpulan ................................................................................................................. 18

3.2 Saran ........................................................................................................................... 18

Daftar Pustaka ................................................................................................................. 19

 Bab I

Pendahuluan

1.1 Latar Belakang

Distribusi Chi-Square (Chi Kuadrat) merupakan salah satu distribusi sampling yang sering digunakan
dalam pengujian non-parametrik. Distribusi ini menjadi solusi pengujian sampel.

Dalam kondisi sehari-hari yang kita lihat, hasil yang diperoleh dari sampel tidak selalu tepat sama
dengan hasil hasil yang ada secara teoritis yang sesuai dengan kaidahnya.

Contohnya, menurut perhitungan teoritis kita mengharapkan 30 kali “kejadian sukses” dan 30 kali
“kejadian gagal” dalam sebuah eksperimen sebanyak 60 kali, namun nyatanya hasilnya jarang yang
tepat sempurna. Fakta ini merupakan salah satu bentuk dari pentingnya Uji Chi Square. Oleh karena itu,
perlu untuk kita mempelajari lebih dalam Uji Chi Square.

Pengujian dengan menggunakan Chi-Square diterapkan pada kasus dimana akan diuji apakah frekuensi
data yang diamati (frekuensi/data observasi) sama atau tidak dengan frekuensi harapan atau frekuensi
secara teoritis. Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu jenis uji
komparatif yang dilakukan pada dua variabel, di mana skala data kedua variabel adalah nominal. Apabila
dari 2 variabel, ada 1 variabel dengan skala nominal maka dilakukan uji chi square dengan merujuk
bahwa harus digunakan uji pada derajat yang terendah.

Nilai dari frekuensi observasi adalah suatu nilai yang diperoleh dari hasil percobaan sedangkan nilai
frekuensi harapan (ekspektasi) adalah nilai yang diperoleh dari hasil perhitungan secara teoritis. Untuk
selanjutnya, frekuensi obervasi dinotasikan dengan ( 0 ) dan frekuensi harapan dinotasikan dengan ( e ).

Nilai χ² adalah nilai kuadrat karena itu nilai χ² selalu positif. Bentuk distribusi χ² tergantung dari derajat
kebebasan. Untuk lebih jelasnya, akan diilustrasikan cara membaca tabel yang ada pada Lampiran.
Misalkan diberikan derajat kebebasan db = 5 dengan a = 0,01. Dengan membaca tabel χ² pada lampiran,
diperoleh nilai χ² = 15,086.

Dalam pengujian Chi square, hal yang dapat diuji antara lain adalah uji independensi, uji Goodness of
Fit, uji homogenitas, dan uji varians. Dalam Makalah ini, yang dibahas adalah mengenai uji independesi,
uji goodness of fit dan uji Homogenitas.

Uji independensi adalah uji untuk menentukan apakah antara variabel independen dan variabel
dependennya terdapat perbedaan (hubungan) yang nyata atau tidak. Misalnya, kita ingin mengamati
apakah terdapat perbedaan yang nyata antara pendidikan dengan pekerjaan, maka uji yang tepat
dilakukan adalah uji independensi dengan Chi square.

Uji Goodness of Fit (kecocokan) adalah uji untuk menentukan apakah sebuah populasi mengikuti
distribusi tertentu atau tidak. Misalnya, kita ingin mengetahui apakah populasi yang diamati
berrdistribusi normal atau tidak, atau mungkin populasi yang diamati ternyata berdistribusi poisson, dan
seterusnya. Sehingga uji yang digunakan adalah uji Goodness of Fit dengan Chi square.

Uji homogenitas adalah pengujian mengenai sama tidaknya variansi-variansi dua buah distribusi atau
lebih. Uji homogenitas yang akan dibahas dalam tulisan ini adalah Uji Homogenitas Variansi dan Uji
Bartlett. Uji homogenitas dilakukan untuk mengetahui apakah data dalam variabel X dan Y bersifat
homogen atau tidak.

1.2 Rumusan Masalah

1. Apa itu Distribusi Chi Kuadrat

2. Bagaimana Uji Independensi dalam Uji Chi Kuadrat
3. Bagaimana Uji Goodness of Fit dalam Uji Chi Kuadrat
4. Bagaimana Uji Homogenitas dalam Uji Chi Kuadrat

1.3 Tujuan

1. Mengetahui Hal apa saja dalam Distribusi Chi Kuadrat

2. Memahami Uji Independensi dalam Uji Chi Kuadrat
3. Memahami Uji Goodness of Fit dalam Uji Chi Kuadrat
4. Memahami Uji Homogenitas dalam Uji Chi Kuadrat
 Bab II

Pembahasan

2.1 Distribusi Chi Kuadrat

A. Pengertian Distribusi Chi Kuadrat

Distribusi Chi Square diperkenalkan oleh Karl Pearson (1900) menjadi salah satu uji non parametrik yang
paling sederhana dan paling banyak digunakan.

Distribusi Chi-Square merupakan distribusi yang digunakan untuk mengetahui perbedaan observasi
dengan nilai harapan dari kelompok sampel. Dalam aplikasinya, distribusi chi-square diterapkan dalam
uji chi-square.

Distribusi Chi-Kuadrat berbeda dengan distribusi t dan F yang telah dipelajari. Distribusi t dan F
mempunyai distribusi probabilitas tunggal. Distribusi Chi-Kuadrat merupakan suatu keluarga dari kurva
bermacam-macam distribusi Chi-Kuadrat yang bentuknya ditentukan oleh derajat bebasnya (df), di
mana nilai df bergantung pada jumlah sampel (n) dan jumlah variabel (K), df = n-k. Menurut Pearson,
semakin besar nilai n, maka distribusi Chi-Kuadrat akan mendekati kurva normal. Nilai Chi-Kuadrat
dengan df tertentu dan taraf nyata tertentu.

Uji Chi Square merupakan salah satu teknik analisis yang bersifat komparasional yang berdasar pada
perbedaan frekuensi data yang sedang diobservasi. Perbedaan ukuran pada frekuensi observasi dan
frekuensi yang diharapkan menggunakan uji Chi-Square atau (χ²).

Adapun rumus Chi Square adalah:

Gambar 1.

Hal ini menunjukkan semakin besar perbedaan antara frekuensi observasi dan frekuensi harapan, maka
semakin besar pula nilai χ².

Beberapa hal menarik tentang distribusi Chi-Square:

1. Total area yang berada di bawah area kurva adalah 1.

2. Kurva distribusi Chi-Square selalu menceng kanan.
3. Semakin besar jumlah derajat kebebasan, kurva distribusi chi-square semakin mendekati
distribusi normal.
4. Rata-rata dari distribusi chi-square adalah derajat kebebasan, sedangkan variansnya adalah 2
kali dari derajat kebebasan.
5. Ketika nilai derajat kebebasan adalah 3 atau lebih, puncak dari distribusi chi-square sama
dengan df-2. Nilai ini merupakan cara untuk menentukan nilai modus pada distribusi chi-square.

B. Jenis Uji Chi Kuadrat

Berdasarkan jumlah sampel, terdapat 3 jenis uji chi-square

1. Uji Chi-Square Satu Sampel

Merupakan pengujian hipotesis tentang perbandingan antara frekuensi sampel yang benar-
benar terjadi (frekuensi sampel disimbolkan dengan observasi atau O) dengan frekuensi harapan
berdasarkan hipotesis tertentu pada setiap pengujian (frekuensi harapan disimbolkan dengan E).
Contoh uji chi square satu sampel: Seorang direktur tertarik untuk mengetahui apakah jumlah
kunjungan di RSUD sama setiap harinya. Untuk membuktikan hal tersebut, direktur
mengumpulkan data pengunjung selama 7 hari dan melakukan pengujian.
2. Uji Chi-Square Dua Sampel
Merupakan salah satu pengujian hipotesis yang digunakan untuk mengetahui apakah terdapat
perbedaan yang signifikan antara dua kelompok sampel. Dua kelompk sampel ini nantinya
dikelompokkan menurut klasifikasi tertentu.
Contoh Penggunaan Uji Chi-Square Dua Sampel adalah saat ingin mengetahui apakah terdapat
perbedaan kondisi udara (bersih atau tercemah) dengan penyakit paru-paru yang diderita oleh
warga sekitar (memiliki udara kulit atau tidak).
3. Uji Chi-Square K-Sampel
Merupakan salah satu penerapan distribusi chi-square untuk uji hipotesis yang bertujuan untuk
mengetahui apakah terdapat perbedaan dan pengaruh antara lebih dari dua kelompok sampel
menurut klasifikasi tertentu.
Contoh penggunaan uji chi-square k-sampel adalah seseorang ingin menguji efek samping
penggunaan saus sambal terhadap kondisi lambung. Efek penggunaan saus sambal ini dibagi
dalam 4 kelompok yaitu tidak ada efek, pusing, perih, dan muntah. Kelompok umur di bagi atas
5-9 tahun, 10-14 tahun, 15-19 tahun, dan 20-24 tahun.

C. Cara Membuat Tabel Distribusi Chi-Square (Chi Kuadrat)

Kurva distribusi Chi-Square akan selalu bernilai positf dan dipengaruhi oleh 2 faktor yaitu derajat bebas
dan tingkat signifikansi.

Semakin besar nilai derajat bebas maka kurva Chi Square akan semakin mengikuti distribusi normal. Nilai
dari χ² tabel dapat dilihat pada tabel berikut ini.

Ketika dari hasil perhitungan yang dilakukan diperoleh bahwa nilai derajat bebas sebuah observasi
adalah 5 dengan taraf signifikansi 10%.

Maka cara membacanya adalah dengan melihat derajat bebas 5 pada tabel paling kiri, lalu sejajar
dengan nilai dk 5 tarik ke kanan untuk mencari tingkat signifikansi 10%. Sehingga untuk derajat bebas
(dk) = 5, taraf signifikansi 10%, nilai χ² tabelnya adalah sebesar 9.24.
 Gambar 2

2.2 Uji Independensi

Seperti yang telah disebutkan di pendahuluan, Uji independensi adalah uji yang dilakukan untuk
mengetahui apakah terdapat hubungan antara variabel independen dengan variabel dependen.

Misalnya pengaruh tingkat pendapatan terhadap pola konsumsi, pengaruh usia terhadap tingkat
kemangkiran bekerja, pengaruh usia terhadap tingkat produktivitas kerja, dan sebagainya.

Langkah pengujiannya sebagai berikut.

1). Menentukan H0 dan Ha

H0 : P11=P12=P13=P14= ............ = P1.k (semua proporsi sama)

P21=P22=P23=P24= ............ = P2.k

P31=P32=P33=P34= ............ = P3.k

Pr1 = Pr2 =Pr3 =Pr4= ........... = Pr.k

Ha : P11≠P12≠P13≠P14≠ ............ ≠ P1.k (semua proporsi sama)

P21≠P22≠P23≠P24≠ ............ ≠ P2.k

P31≠P32≠P33≠P34≠ ............ ≠ P3.k

Pr1 ≠ Pr2 ≠Pr3 ≠Pr4≠ ........... ≠ Pr.k

2). Menentukan level of significance.

Kita menggunakan taraf keyakinan 80%, 90%, 95%, 98%, 99%. Sesuai dengan taraf keyakinan si penguji,
dengan derajat kebebasan = (r-1) (k-1), dimana r adalah banyaknya kriteria dan k adalah banyaknya
sampel yang diuji proporsinya.

3). Kriteria pengujian

Uji chi kuadrat adalah pengujian untuk satu sisi kanan, dengan alasan proporsi tidak ada yang negatif.

H0 diterima jika χ² hitung ≤χ²a;(r-1)(k-1).

H0 ditolak jika χ² hitung > χ²a;(r-1)(k-1).

4). Pengujian

Rumus umum:

5). Kesimpulan

Berdasarkan pengujian dan kriteria pengujian, kita menentukan H0 diterima atau ditolak.

A. Syarat Uji Independensi

Ada beberapa syarat yang harus dipenuhi jika akan melakukan pengujian dengan Chi Square,
diantaranya:
  Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual Count ( f0) sebesar 0
(Nol).
 Apabila bentuk tabel kontingensi 2×2, maka tidak boleh ada 1 cell saja yang memiliki frekuensi
harapan atau disebut juga expected count (“ fh ”) kurang dari 5.
 Apabila bentuk tabel lebih dari 2×2, misal 2×3, maka jumlah cell dengan frekuensi harapan yang
kurang dari 5 tidak boleh lebih dari .

B. Jenis Uji Chi Kuadrat

Ada beberapa rumus yang digunakan untuk menyelesaikan suatu pengujian Chi Square. Seperti rumus
koreksi Yates, Fisher Exact Test, dan Pearson Chi Square. Berikut rincian penggunaan rumusnya.

 Jika tabel kontingensi berbentuk 2×2, maka rumus yang digunakan adalah “koreksi yates”.
 Apabila tabel kontingensi 2×2, tetapi cell dengan frekuensi harapan kurang dari 5, maka rumus
harus diganti dengan rumus “Fisher Exact Test”.
 Rumus untuk tabel kontingensi lebih dari 2×2, rumus yang digunakan adalah “Pearson Chi-
Square”,

KOREKSI YATES

dimana

a, b, c, d : cell dari hasil persilangan dua variabel.

N : banyaknya sampel

FISHER EXACT TEST

dimana

a, b, c, d : cell dari hasil persilangan dua variabel.

N : banyaknya sampel

PEARSON CHI-SQUARE

dimana :
χ² = Chi Square

f0 = Frekuensi Observasi

fe = Frekuensi Ekspektasi

2.3 Uji Goodness of Fit

A. Pengertian

Uji Goodness of Fit merupakan salah satu metode uji nonparametik yang paling sering di gunakan. Uji ini
bertujuan untuk menentukan seberapa tepat frekuensi yang teramati (observed frequent) cocok dengan
frekuensi yang diharapkan ( ecpected frequencies). Uji goodness of fit termasuk pada uji chi-square. Uji
goodness of fit dapat juga digunakan menentukan apakah sekelompok frekuensi dari suatu pengamatan
cocok dengan sekelompok frekuensi yang di harapkan yang distribusinya mengikuti distribusi normal.
Dengan kata lain, apakah nilai-nilai pengamatan dalam distribusi cocok dengan nilai harapan teoritis
berdasarkan distribusi normal.

Untuk satu variabel dikenal sebagai uji keselarasan atau goodness of fit test yang berfungsi untuk
membandingkan frekuensi yang diamati (fo) dengan frekuensi yang diharapkan (fe). Jika terdiri dari 2
variabel dikenal sebagai uji independensi yang berfungsi untuk hubungan dua variabel.

B. Prosedur pengujian Goodness of Fit

1. Perumusan Hipotesis
H0 : X = 0, Data berdistribusi tertentu.
Ha : X ≠ 0, Data tidak berdistribusi tertentu.
2. Menetapkan taraf nyata
Menentukan nilai kesalahan = a. Setelah a ditetapkan selanjutnya menghitung nilai dari X²tabel
dengan menggunakan tabel X² yang ada di Lampiran, dengan
db = r-1
dimana:
db = derajat kebebasan
r = jumlah baris
3. Menghitung nilai X²hitung
Rumus yang digunakan untuk menghitung nilai dari X²hitung adalah sebagai berikut:

dimana:
f0 = nilai frekuensi observasi
 fe = nilai frekuensi harapan
4. Penarikan keputusanKriteria keputusan dari pengujian Chi square adalah sebagai berikut.
Jika X²hitung ≤ X²tabel, maka H0 diterima.
Jika X²hitung > X²tabel, maka H0 ditolak.

C. Syarat Metode Chi Kuadrat

Terdapat beberapa syarat yang harus disediakan terhadap sampel dengan ukuran besar agar metodenya
dapat diterapkan sesuai kebutuhan. Syarat tersebut terdiri dari :

 Tidak terdapat cell dengan nilai frekuensi amatan atau observasi bernilai 0 (Nol).
 Jika bentuk tabel kontingensinya adalah 2 X 2, maka tidak boleh ada 1 cell pun dari frekuensi
harapan yang bernilai kurang dari 5.
 Jika bentuk tabel lebih dari 2 x 2, misalkan 2 x 3, maka jumlah cell frekuensi harapan yang
bernilai kurang dari 5 tidak boleh lebih dari 20% dari keseluruhan cell.
 Jika jumlah sampel yang digunakan terlalu kecil, hal ini akan mengakibatkan fekuensi harapan
yang tercipta pun menjadi kecil. Padahal dalam uji Pearson Chi Square disyaratkan bahwa
frekuensi harapan yang tercipta harus minimal 5 atau lebih.

Chi-Square Goodness of Fit dapat digunakan ketika bertemu dengan kondisi sebagai berikut:

 Metode sample yang digunakan adalah simple random sampling

 Variabel yang digunakan adalah kategorikal
 Nilai yang diharapkan pada sampel yang diobservasi minimal 5 dalam setiap level variabel

D. Penetapan Derajat Kebebasan (df)

Dalam uji kecocokan model derajat kebebasan (df) sama dengan jumlah kategori dikurangi jumlah
estimator yang didasarkan pada sampel dan dikurang 1. Yang dimaksud estimator parameter adalah
parameter yang diperkirakan nilainya, karena nilai parameter tidak dapat secara tepat ditentukan
berdasarkan data sampel yang tersedia. Jika dirumuskan menjadi:

df = k – m -1

dengan :

k : jumlah kategori data sampel

m : jumlah nilai-nilai parameter yang diestimasi

Contoh Kasus uji kecocokan/ goodness of fit test

Sebuah distibutor alat penggilingan padi membagi pasar menjadi 4 wilayah (A, B, C, dan D). Ada
informasi bahwa pendistribusian alat penggilingan merata pada setiap wilayah. Untuk membuktikan
pernyataan tersebut diambil 40 arsip sebagai sampel. Dari 40 arsip tersebut diperoleh informasi yang
tertuang dapa tabel. Gunakan tingat signifikansi 5 persen untuk menguji hipotesis yang menyatakan
bahwa distribusi alat penggilingan di keempat wilayah merata (sama).

Pembahasan Contoh goodness of fit

1. Hipotesis
Sebelum memulai pembahasan langkah pertama yang harus diketahui adalah permasalahan dan
tujuan dari soal yang ingin dicapai oleh peneliti. Pertama Peneliti ingin membuktikan bahwa
pendistribusian sama rata. sehingga bisa memperkirakan hipotesis yang digunakan dalam
penelitian ini.

Ho : distribusi alat penggilingan di keempat wilayah merata (sama)

Ha : distribusi alat penggilingan di keempat wilayah tidak merata (tidak sama)
2. Nilai Kritis
Kedua yang perlu diperhatikan yaitu nilai kritis. Maksud dari nilai kritis tersebut adalah nilai
batas dari penentu keputusan hipotesis mana yang di ambil. sehingga ini sangat perlu dilakukan.
Berdasarkan penjelasan di atas. Dalam kasus di atas tidak perlu ada parameter yang diestimasi.
oleh karena itu:
df = k – 1 = 4 – 0 – 1 = 3
k = jumlah kategori data sampel (A, B, C, dan D)
Selain itu tingkat signifikansi yang digunakan adalah 0,05(5%), sehingga nilai kritisnya adalah:
X²(0,05;3) = 7,81
nilai 7,81 ini diperoleh dari tabel chi squared. untuk mengetahui nilai tersebut harus punya tabel
chi squared.
3. Nilai Hitung
Nilai uji statistik X2 hitung diperoleh dengan cara sebagai berikut dalam uji chi squared:

4. Kesimpulan
 Setelah diperoleh nilai statistik hitung yaitu 4. kemudian kita bandingkan dengan nilai kritis tadi
yang sudah diperoleh sebelumnya yaitu 7,81. nilai statistik hitung lebih kecil dari nilai kritis
hitung maka keputusan tidak menolak H0, sehingga keputusan yang diperoleh berdasarkan H0
yaitu distribusi alat penggilingan di keempat wilayah merata (sama).

2.4 Uji Homogenitas

A. Pengertian Uji Homogenitas

Uji homogenitas adalah pengujian yang dilakukan untuk mengetahui sama tidaknya variansi-variansi dua
buah distribusi atau lebih. Dalam buku yang ditulis Sudjana (2005), uji homogenitas dapat dilakukan
dengan uji levene, fisher atau uji bartlett.

Pengujian ini merupakan persyaratan sebelum melakukan pengujian lain, misalnya T Test dan Anova.
Pengujian ini digunakan untuk meyakinkan bahwa kelompok data memang berasal dari sampel yang
sama.

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. Sebagai
kriteria pengujian, jika nilai signifikansi lebih dari 0,05 maka dapat dikatakan bahwa varian dari dua atau
lebih kelompok data adalah sama.

B. Dasar Pengambilan Keputusan dalam Uji Homogenitas

Seperti pada uji statistik lainnya, uji homogenitas digunakan sebagai bahan acuan untuk menentukan
keputusan uji statistik berikutnya.

Menurut Joko Widiyanto (2010: 51) dasar atau pedoman pengambilan keputusan dalam uji homogenitas
adalah sebagai berikut.

1. Jika nilai signifikansi atau Sig. < 0,05, maka dikatakan bahwa varians dari dua atau lebih
kelompok populasi data adalah tidak sama (tidak homogen).
2. Jika nilai signifikansi atau Sig. > 0,05, maka dikatakan bahwa varians dari dua atau lebih
kelompok populasi data adalah sama (homogen).

C. Perbedaan Uji Homogenitas dan Uji Normalitas

Uji Normalitas dan Homogenitas adalah kedua uji yang seringkali dipakai dalam melakukan pengujian
asumsi klasik. Namun, banyak mahasiswa yang seolah menganggap keduanya adalah satu uji yang
serupa walaupun memang dilakukan bersamaan. Padahal kedua uji baik Normalitas dan Homogenitas
memiliki perbedaan satu sama lain.
Uji normalitas dipakai untuk syarat uji asumsi dalam statistik parametrik. Karena sebagai salah satu
syarat uji dalam statistik parametrik maka jika asumsi normalitas tidak terpenuhi maka dilakukan teknik
transformasi (jika ini tidak terindikasi normalitas pada analisis regresi).

Lain halnya jika pada uji independen t-test maka kita bisa pakai uji alternatif yaitu uji non parametrik.

Namun yang menjadi letak perbedaannya antara kedua uji ini adalah dari segi prinsip penggunaan. Jika
uji normalitas dilakukan pada semua uji parametrik, tidak berlaku pada uji homogenitas. Uji
homogenitas hanya dipakai ketika menguji perbedaan antara kedua kelompok atau beberapa kelompok
yang berbeda subjeknya atau sumber datanya.

Dalam analisis regresi, uji homogenitas tidak diwajibkan karena regresi tidak melihat perbedaan dari
beberapa kelompok. Namun uji homogenitas dipakai sebagai prasyarat dari uji independen t-test.

D. Jenis Teknik dalam 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.

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 Ftabel berdasarkan tingkat keyakinan dan derajat kebebasan kelompok data 1 dan 2.

Langkah pengujian homogenitas varians dua kelompok sampel (uji F)

 Hitung varians masing-masing kelompok data.

 Hitung hasil bagi antara varians yang besar dengan varians yang kecil

 Bandingkan Fhitung dengan Ftabel dengan menggunakan derajat kebebasn (n1-1), (n2-1) dengan
kriterian sebagai berikut

Jika Fhitung lebih besar dari Ftabel berarti kelompok sampel memiliki varians tidak homogen.

Jika Fhitung lebih kecil dari Ftabel berarti kelompok sampel memiliki varians yang homogen.

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
Langkah langkah menghitung:

 Mencari varians/standar deviasi variabel, misal X dan Y dengan rumus adalah

 Mencari Fhitung dengan varians X dan Y pada tabel distribusi F dengan,

 Membandingkan Fhitung dan Ftabel pada tabel distribusi F, dengan :

Untuk varians terbesar adalah dk pembilang n-1

Untuk varians terkecil adalah dk penyebut n-1

Jika Fhitung<Ftabel berarti homogen

Jika Fhitung>Ftabel berarti tidak homogen

Uji Bartlett

Uji Bartlett yang digunakan untuk menguji homogenitas suatu data. Pada uji ini digunakan untuk melihat
kesamaan antara dua atau lebih varian. Uji Bartlett dilakukan dengan menggunakan fungsi statistik
likelihood ratio dengan memodifikasi beberapa jumlah yang terkait dengan ukuran sampel.

Ada catatan yang perlu diingat bagi peneliti yang ingin melakukan pengujian datanya. Uji Bartlett bisa
digunakan apabila data yang digunakan telah diuji normalitas dan hasilnya normal. Apabila tidak
terindikasi normal maka bisa menggunakan Uji Levene

Langkah langkah dalam uji Bartlett

 Merumuskan Hipotesis dalam uji bartlett

H0

(Homogen)

 H1 : minimal 2 ragam populasi tidak sama

Menentukan taraf nyata (α ) dan χ² tabel

Dalam menentukan χ² tabel dbagi kedalam dua bagian yaitu:

Jumlah sampel sama :

Jumlah sampel berbeda:

 Menghitung statistik uji

 Dimana :

Keterangan:

b = nilai chisquare hitung

Sp = varians pool / gabungan

n = banyaknya sampel

N = jumlah total sampel

k = banyaknya kelompok data

4. Membuat keputusan dengan kriteria seperti berikut ini:

Ho ditolak, jika χ2 hitung < χ2 tabel

Ho diterima, jika χ2 hitung ≥ χ2 tabel

Uji Levene"s Test

Uji Levene digunakan untuk menguji homogenitas variansi untuk lebih dari dua kelompok data dan
merupakan alternatif dari uji Barlett.

Tujuan utama dari pengujian ini adalah untuk melihat seberapa besarnya varians antara dua data atau
lebih yang berbeda. Dari hasil pengujian data tersebut kita bisa lihat apakah data yang ada memiliki
indikasi homogen atau tidak.

Untuk bisa menyimpulkan sebuah data homogen atau tidak maka kalian dapat menentukan hasilnya
dari nilai signifikansinya.

Apabila nilai signifikansi kurang dari 0,05 maka dapat dikatakan bahwa data tersebut homogen. Namun
jika nilai signifikansinya melebihi dari 0,05 dapat disimpulkan bahwa data tersebut bervariasi atau
homogen.

Langkah langkah Uji Levene's

 Periksalah apakah data berdistribusi normal atau mendekati normal. Jika data berdistribusi
normal, lebih baik gunakan Uji Bartlett.
 Tentukan hipotesis nol (Ho) dan hipotesis alternatif (H1), yakni
  Tentukan tingkat signifikansi (α).
 Hitung statistik uji Levene.

 Tentukan nilai kritis dan daerah penolakan.

Nilai kritisnya adalah

F(a,k-1, N-k) Bandingkan hasil nilai W dengan nilai F(a,k-1, N-k). Jika nilai W > F(a,k-1, N-k), maka
nilai W jatuh di daerah penolakan sehingga tolak H0.

Note:

df1= k-1

df2 = n-k

 Kesimpulan

Uji Cochran

Uji Cochran merupakan uji homogenitas dengan mempertimbangkan seluruh variansi yang akan diuji
homogenitasnya, sehingga uji Cochran lebih sensitif dibandingkan dengan uji Harley. Jika salah satu
variansi kelompok jauh lebih besar dibanding dengan variansi kelompok yang lain, maka uji Cochran
tampak lebih baik dari pada uji Harley. Uji Cochran ini digunakan untuk data yang bersifat nominal
dengan k sampel yang bersifat dependen.

Hasil hitung Cochran digunakan rumus :

 Bab III

PENUTUP

3.1 Kesimpulan

Dari uraian materi diatas dapat disimpulkan bahwa :

Distribusi Chi-Square merupakan distribusi sampling yang digunakan untuk mengetahui perbedaan
observasi dengan nilai harapan dari kelompok sampel. Dalam penerapannya, distribusi chi-square
diterapkan dalam uji chi-square.

Terdapat 3 jenis uji chi-square berdasarkan jenis sampel:

1. Uji chi-square satu sampel

2. Uji chis-quare dua sampel

3. Uji chi-square k-sampel

Distribusi chi-square biasa digunakan dalam:

1. Pengujian apakah frekuensi yang diamati berbeda secara signifikan dengan frekuensi teoritis

2. Pengujian dengan distribusi sampel

3. Pengujian independensi

3.2 Saran

Tentunya penulis sudah menyadari jika dalam penulisan makalah ini masih banyak kesalahan dan
kekurangan serta jauh dari kata sempurna. Adapun nantinya penulis akan melakukan perbaikan susunan
makalah ke depannya dengan pedoman dari beberapa sumber dan kritik yang membangun dari
pembaca.
 Daftar Pustaka

Anwar Hidayat. (2017). Perbedaan Uji Normalitas dan Homogenitas. https://www.statistikian.com

(Diakses pada tanggal 11 Desember 2022)

Matondang, Z., & Pengantar, A. (2009). Pengujian homogenitas varians data. Medan:Taburasa PPS
UNIMED.

Nuryadi, Astuti, T. D., Utami, E. S., & Budiantara, M. (2017). Dasar-Dasar Statistik.Penelitian. Yogyakarta:
Gramasurya.