BIOSTATISTIK

_NORMALITAS & HOMOGENTIAS_

Apt. Bagus Wahyudi, M.Farm. Ind
AGENDA

A. Uji Normalitas
B. Uji Homogenitas
Uji Normalitas & Uji Homogenitas

PENGUJIAN HIPOTESIS

Dapat dilakukan dengan

Statistik Parametrik
Statistik Non Parametrik
Terpenuhi
Tidak Terpenuhi

Uji Prasyarat : Uji Normalitas dan Uji

Homogenitas
A. Uji Normalitas
 Apa itu Uji Normalitas? Uji Prasyarat

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 atau tidak normal.

 Hasil :
Jika Normal digunakan alat statistika parametrik.
Jika Tidak Normal digunakan alat statistika Non
parametrik.
 A. Uji Normalitas
 Data yang normal memiliki kekhasan seperti mean,
median dan modusnya memiliki nilai yang sama atau
mendekati sama.

 Selain itu juga data normal memiliki bentuk kurva yang

sama, bell curve / Lonceng.

 Dengan mengasumsikan bahwa data dalam bentuk

normal ini, analisis statistik baru bisa dilakukan.
A. Uji Normalitas
 Mengapa harus dilakukan Uji Normalitas?

Menurut Ghozali (2001) : Uji t (2 variabel, n kecil) dan Uji F /

Anova (>2 variabel) mengasumsikan bahwa nilai residual
harus mengikuti distribusi normal. Jika asumsi ini dilanggar
maka uji statistik dinyatakan tidak valid untuk sampel kecil.

Menurut Widarjono (2010) : Uji t untuk melihat signifikansi

variabel independen terhadap variabel dependen tidak bisa
diaplikasikan jika residual tidak mempunyai distribusi normal.
 A. Uji Normalitas

 Macam-macam uji normalitas:

1. Analisa Grafik  Sampel besar lebih dari 30
2. Analisa Statistik:
a. Kolmogorov – Smirnov  Sampel kecil <30
b. Shapiro – Wilk  Sampel kecil <30
c. Skewness  Sampel besar >30
 A. Uji Normalitas
 Konsep: Tingkat Konfidensi (Kepercayaan Analisa).
Standarnya 95% dan Tingkat Toleransi kesalahan (Alfa) 5% (0,05)

 Statistika Deskriptif: berbicara data hanya pada Sampel yang

dikumpulkan saja. Misal: Mengambil sampel 25 mahasiswa untuk
menguji tingkat kesopanan mahasiswa.

 Statistika Inferensia: berbicara data dari Populasi atau seluruhnya 

Generalisasi. Misal: Dari 25 data mahasiswa bisa digeneralisasi utk
seluruh mahasiswa atau tidak.

Contoh seperti Quick Count pemilu diambil hanya diambil dari beberapa sampel
tapi bisa di generalisasi utk seluruh Indonesia. Tergantung tingkat konfidensinya
berapa %. Misal untuk Quick Count 99%, jd kesalahan hanya 1%.
 A. Uji Normalitas
 Jika Data Korelasi : Data berupa Numerik (Angka) untuk
masing-masing variabel.
Maka Uji normalitas dilakukan untuk semua variabel.

 Jika Data Komparasi : Data Kategorik (kelompok) dan data

numerik (angka).
Maka Uji Normalitas dilakukan dengan memisahkan data
numerik untuk setiap kategori tersebut dan dilakukan
masing-masing kategori.
 A. Uji Normalitas

Contoh : Data Penelitian Korelasi

Hipotesa : Terdapat hubungan antara Prestasi Belajar dengan Motivasi Belajar
No. Nama Motivasi Belajar Prestasi Belajar
1 AA 65 70
2 BB 35 45
3 CC 85 80
4 DD 45 55
5 EE 75 69
6 FF 30 25
7 GG 89 95
8 HH 56 59
9 II 75 72
10 JJ 70 75
11 KKK 68 70
12 LL 73 79
13 MM 50 55
14 NN 65 66
15 OO 85 60
 A. Uji Normalitas

1. Analisa Grafik
Menurut Ghozali (2001), dasar pengambilan keputusan:
a. Jika data menyebar disekitar garis diagonal atau grafik histogramnya
menunjukkan pola distribusi normal, maka model regresi memenuhi asumsi
normalitas.
b. Jika data menyebar jauh dari diagonal dan atau tidak mengikuti arah garis
diagonal atau grafik histogram tidak menunjukkan pola distribusi normal, maka
model regresi tidak memenuhi asumsi normalitas.

 Hanya berdasarkan interpretasi dari peneliti.

 A. Uji Normalitas
2. Kolmogorov – Smirnov
Kriteria : jika nilai Signifikansi > dari tingkat signifikansi (Alfa)
(>0,05) maka data Normal. Jika nilai < maka berlaku sebaliknya:
data tidak normal.

3. Shapiro – Wilk
Kriteria : jika nilai Signifikansi > dari tingkat signifikansi (Alfa)
(>0,05) maka data Normal. Berlaku sebaliknya.

4. Skewness
Kriteria : jika nilai Skewness / Std Error < 2 maka data Normal.
 A. Uji Normalitas

1. Analisa Grafik (Motivasi Belajar) : Tidak memberikan hasil pasti, tergantung

tingkat subyektifitas atau analisa peneliti.
 Grafik dianalisa sesuai dengan
interpretasi dari peneliti. Misal
grafik cenderung condong ke
kanan bisa Normal atau bisa jg
tidak normal.

Tingkat toleransi
kesalahan
 A. Uji Normalitas

2. Kolmogorov – Smirnov  (Motivasi Belajar)

3. Shapiro – Wilk  (Motivasi Belajar)

> 0,05, maka > 0,05, maka

Data Normal Data Normal
 A. Uji Normalitas

4. Skweness -> (Motivasi Belajar)

 Nilai minus menyatakan grafik

condong ke kanan jadi
dihiraukan saja.
 0,592 / 0,580 = 1,02
 (<2) jadi data Normal
 A. Uji Normalitas

1. Analisa Grafik (Prestasi Belajar) : Tidak memberikan hasil pasti, tergantung

tingkat subyektifitas atau analisa peneliti.

Tingkat toleransi
kesalahan
 A. Uji Normalitas

2. Kolmogorov – Smirnov  (Prestasi Belajar)

3. Shapiro – Wilk  (Prestasi Belajar)

> 0,05, maka > 0,05, maka

Data Normal Data Normal
 A. Uji Normalitas

4. Skweness  (Prestasi Belajar)

 Nilai minus menyatakan

grafik condong ke kanan jadi
dihiraukan saja.
 0,730 / 0,580 = 1,4
 (<2) jadi data Normal
 A. Uji Normalitas

Contoh : Data Penelitian Komparasi

Hipotesa : Terdapat perbedaan antara mahasiswa Laki-laki dan Perempuan
berkaitan dengan tingkat kepatuhan di kampus.
No. Nama Jenis Kelamin Tingkat Kepatuhan (Indeks)
1
2
AA
BB
L
L
56
65
 Data perlu dikelompokkan berdasarkan jenis
3
4
CC
DD
P
P
67
77
kelamin Tingkat Kepatuhan Laki-Laki Tingkat Kepatuhan Perempuan
5 EE P 85
56 67
6 FF L 30
7 GG P 40 65 77
8 HH L 80 30 85
9 II P 70
10 JJ P 75 80 40
11 KK L 69 69 70
12 LL L 70
13 MM L 64
70 75
14 NN P 89 64 89
15 OO P 93 65 93
16 PP L 65
17 QQ P 70 56 70
18 RR P 58 58
19 SS L 56
20 TT P 71
71
 A. Uji Normalitas
Kolmogorov – Smirnov dan Shapiro – Wilk  (Tingkat Kepatuhan Laki-Laki)

> 0,05, maka > 0,05, maka

Data Normal Data Normal
 A. Uji Normalitas
Skweness  (Tingkat Kepatuhan Laki-Laki)

 1,478/0,717 = 2,06 (> 2) Data

Tidak Normal.

 Namun bisa dilihat dari data

Shapiro – Wilk karena sampel
yang kecil hanya 20 data (<30
data). Maka bisa mengacu
kepada hasil Shapiro-Wilk 
DATA NORMAL.
 B. Uji Homogenitas

 Uji untuk mengetahui apakah variansi-variansi dari

sejumlah populasi sama atau tidak disebut dengan uji
homogenitas.
 Dilakukan untuk melihat sampel berasal dari varian
yang homogen.
 Diperlukan seluruh sampel atau variabel.
 Untuk menguji homogenitas digunakan metode Bartlett.
B. Uji Homogenitas
B. Uji Homogenitas
B. Uji Homogenitas
Thank you