MAKALAH

Uji Normalitas dan Uji Homogenitas

Makalah ini dibuat untuk memenuhi tugas mata kuliah Statistika Pendidikan
Dosen Pengampu : Ana Risqa JL,M. Si

Disusun oleh kelompok 2:

1. Ahmad Zakky Asnawi (2111010176)

2. Amia Kasmila (2111010193)
3. Egis Permana Putra (2111010235)
4. Ganis Novitriani (2111010249)
5. Laili Aprida (2111010274)
6. Muhammad Nurfuad (2111010300)
7. Nena Ayu Agustin (2111010323)
8. Rika Wulandari Nasution (2111010353)
9. Tika Fahmiyati Sholehah (2111010378)

JURUSAN PENDIDIKAN AGAMA ISLAM

FAKULTAS TARBIYAH DAN KEGURUAN
UNIVERSITAS ISLAM NEGERI RADEN INTAN LAMPUNG
2022/2023

i
 KATA PENGANTAR

Puji syukur kami panjatkan kehadiran Allah SWT yang telah memberikan
rahmat dan inayahnya sehingga kami dapat menyelesaikan Makalah yang berjudul
“Uji Normalitas dan Uji Homogenitas ” Terima kasih juga kami sampaikan atas
petunjuk yang di berikan sehingga kami dapat menyelasaikan tugas Makalah ini
dengan usaha semaksimal mungkin.
Terima kasih pula atas dukungan para pihak yang turut membantu
terselesaikannya Makalah ini, teman-teman serta semua Pihak khususnya kepada
Dosen Pengampu Ana Risqa JL, M. Si yang penuh kebaikan dan telah membantu
penulis.Terakhir kali sebagai seorang manusia biasa yang mencoba berusaha
sekuat tenaga dalam penyelesaian Makalah ini, tetapi tetap saja tak luput dari sifat
manusiawi yang penuh khilaf dan salah, oleh karena itu segenap saran penulis
harapkan dari semua pihak guna perbaikan tugas-tugas serupa di masa datang.

Bandar Lampung , 10 April 2023

Penulis Kelompok

ii
 DAFTAR ISI

KATA PENGANTAR ................................................................................ ii

DAFTAR ISI .............................................................................................. iii
BAB I PENDAHULUAN ........................................................................... 1
1.1 Latar Belakang ....................................................................................... 1
1.2 Rumusan Masalah .................................................................................. 1
1.3 Tujuan .................................................................................................... 1

BAB II PEMBAHASAN ............................................................................ 2

2.1 Uji Normalitas ........................................................................................ 2

A. Uji Kolmogorov Smirnov ................................................................ 3
B. Uji Lilliefors ..................................................................................... 5

2.2 Uji Homogenitas .................................................................................... 7

A. Uji Harley ........................................................................................ 8
B. Uji Cohran ........................................................................................ 8
C. Uji Levene ........................................................................................ 9
D. Uji Bartlett ....................................................................................... 9
BAB III PENUTUP .................................................................................... 13
3.1 Kesimpulan ............................................................................................ 13
DAFTAR PUSTAKA ................................................................................. 14

iii
 BAB 1
PENDAHULUAN

1.1 Latar Belakang

Pada saat melakukan penelitian dilakukan beberapa pengujian data seperti uji
normalitas dan uji homogenitas. Uji normalitas uji yang digunakan untuk
mengetahui sebaran normal dari suatu data apakah data tersebut berdistribusi
normal atau tidak.distribusi data normal ditandai dengan bentuk lonceng atau
bell shaped dan juga pada sebaran Q-Q normal data yang didapat sejajar atau
berdekatan dengan garisnormal plots. Sedangkan uji homogenitas uji yang
dilakukan untuk mengetahui apakah data yang diambil dari populasi yang
sama mempunya varians yang sama atau tidak. Data distribusi normal pada uji
homogenitas ditandai apabila hasil signifikansinya bersifat homogen atau
disebut dengan Ho diterima.

1.2 Rumusan Masalah

1. Bagaimana Penelitian Uji Normalitas?
2. Bagaimana Penelitian Uji Homogenitas?

1.3 Tujuan Masalah

1. Untuk Mengetahui Hasil Uji Normalitas
2. Untuk Mengetahui Hasil Uji Homogenitas

1
 BAB II

PEMBAHASAN

2.1 Uji Normalitas

Uji normalitas adalah suatu prosedur yang digunakan untuk mengetahui
apakah data berasal dari populasi yang terdistribusi normal atau berada dalam
sebaran normal. Distribusi normal adalah distribusi simetris dengan modus,
mean dan median berada dipusat. Distribusi normal merupakan salah satu
distribusi yang paling penting kita akan hadapi. Ada beberapa alasan untuk ini:
a. Banyak variabel dependen, umumnya diasumsikan terdistribusi secara
normal dalam populasi. Artinya, kita sering berasumsi bahwa jika kita
mendapatkan seluruh populasi pengamatan, distribusi yang dihasilkan
akan sangat mirip dengan distribusi normal.
b. Jika kita dapat mengasumsikan bahwa variabel setidaknya mendekati
terdistribusi normal, maka teknik ini memungkinkan kita untuk membuat
sejumlah kesimpulan (baik yang tepat atau perkiraan) tentangnilai-nilai
variabel itu.
c. Menguji normalitas data kerapkali disertakan dalam suatu analisis
statistika inferensial untuk satu atau lebih kelompok sampel. Normalitas
sebaran data menjadi sebuah asumsi yang menjadi syarat untuk
menentukan jenis statistik apa yang dipakai dalam penganalisaan
selanjutnya.

MENGAPA HARUS UJI NORMALITAS?

1. Uji t dan Uji F mengasumsi bahwa nilai residual harus mengikuti
distribusi normal
2. Uji t untul melihat signifikasi variable independent terhadap variable
Dependen tidak bisa diaplikasikan jika residual tidak mempunyai
Distribusi normal

2
KAPAN UJI NORMALITAS DI LAKUKAN?
Pada beberapa metode, penggunaan distribusi normal bagi data merupakan
Keharusan, tapi bagi metode lainnya tidak, salah satu yang menjadi
Keharusan sebuah data (Residualny, bukan variable nya).
Distribusi normal adalah dalam regresi linear ( dengan OLS) ,
Dimana salah satu asumsi klasik ( dalam regresi linear) mengharuskan residual
model terdistribusi normal.

Uji normalitas biasanya digunakan untuk mengukur data berskala ordinal,

interval, ataupun rasio. Jika analisis menggunakan metode parametrik, maka
persyaratan normalitas harus terpenuhi yaitu data berasal dari distribusi yang
normal. Jika data tidak berdistribusi normal, atau jumlah sampel sedikit dan jenis
data adalah nominal atau ordinal maka metode yang digunakan adalah statistik
non parametrik.
Uji normalitas digunakan untuk mengetahui apakah data yang diperoleh
terdistribusi normal atau tidak. Dasar pengambilan keputusan adalah jika nilai
Lhitung> Ltabel maka Ho ditolak, dan jika nilai Lhitung< Ltabel maka H o
diterima.
Ho : sampel berdistribusi normal
H1 : sampel data berdistribusi tidak normal
Meskipun demikian, apabila sebaran data suatu penelitian yang
mengungkapkan kemampuan siswa ternyata diketahui tidak normal hal itu bukan
berarti harus berhenti penelitian itu sebab masih ada fasilitas statistik
nonparametrik yang dapat dipergunakan apabila data tadi tidak berdistribusi
normal.
Uji normalitas yang paling sederhana adalah membuat grafik distribusi
frekuensi atas skor yang ada. Pengujian kenormalan tergantung pada kemampuan
kita dalam mencermati plotting data. Jika jumlah data cukup banyak dan
penyebarannya tidak 100% normal ( tidak normal sempurna), maka kesimpulan
yang ditarik kemungkinan akan salah. Pada saat sekarang ini sudah banyak cara

3
yang dikembangkan para ahli untuk melakukan pengujian normalitas. Beberapa
diantaranya:
A. Uji Chi-Square
Uji normalitas dengan menggunakan uji Chi Kuadrat disebut juga Uji
Goodness of Fit. Menggunakan pendekatan penjumlahan penyimpangan data
observasi tiap kelas dengan nilai yang diharapkan. Uji normalitas datanya
disajikan secara berkelompok. Data berbentuk nominal atau ordinal.
Ciri-Ciri Distribusi Chi Kuadrat
• Selalu positif
• df = k -1, dimana k adalah jumlah kategori (variabel). Jadi bentuk distribusi
chi-kuadrat tidak ditentukan banyaknya sampel, melainkan banyaknya derajat
bebas.
Bentuk distribusi chi-kuadrat menjulur positif. Semakin besar derajat
bebas, semakin mendekati distribusi normal. Rumus umum:

( 𝑂𝑖 − 𝐸𝑖 )
X2 = ∑ 𝐸𝑖

Keterangan:
X2 = Nilai X2
𝑂𝑖 = Nilai Observasi
𝐸𝑖 = Nilai expected/harapan, luasan interval kelas berdasarkan tabel normal
dikalikan N (Total frekuensi) (pi X N)
N = Banyaknya angka pada data (total frekuensi)

B. Uji Shapiro Wilk

Uji Normalitas Shapiro Wilk adalah uji yang dilakukan untuk mengetahui
sebaran data acak suatu sampel kecil. Dalam 2 seminar paper yang dilakukan
Shapiro, Wilk tahun 1958 dan Shapiro, Wilk, Chen 1968 digunakan simulasi
data yang tidak lebih dari 50 sampel. Sehingga disarankan untuk menggunakan
uji shapiro wilk untuk sampel data kurang dari 50 sampel (N<50). Dalam

4
 pengujian, suatu data dikatakan berdistribusi normal apabila nilai signifikansi
lebih dari 0.05 (sig. >0.05).

C. Jarque Bere
Uji Jarque Bera adalah salah satu uji normalitas jenis goodness of fit test
yang mana mengukur apakah skewness dan kurtosis sampel sesuai dengan
distribusi normal.

D. Uji Kolmogorov Smirnov

1. Dalam uji Kolmogorov Smirnov hipotesis yang diajukan adalah:
H0: f(X) = normal
H1: f(X) ≠ normal
Langkah-langkah dari uji Kolmogorov Smirnov adalah:
a. Menentukan rata-rata dan standar deviasi data
b. Menyusun data dimulai dari yang terkecil diikuti dengan frekuensi
masing-masing,
frekuensi kumulatif (F) dari masing-masing skor. Nilai Z ditentukan
dengan rumus;
𝑋 −𝑋̅
𝑍 skor =
𝜎
Dimana:
𝑋̅ = 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎
𝜎 = 𝑠𝑖𝑚𝑝𝑎ngan 𝑏𝑎𝑘𝑢

∑(𝑋𝑖 −𝑥̅ )2
𝜎= √
𝑛−1

c.Tentukan Probabilitas dibawah nilai Z yang dapat dilihat pada table Z (𝑃

≤ 𝑍)

d.Tentukan nilai selisih masing- masing baris 𝐹⁄n = 𝐹𝑧 𝑑𝑒ngan 𝑃 ≤ 𝑍

(n𝑖𝑙𝑎𝑖 𝑎2) dan selisih masing-masing 𝑓⁄n 𝑑𝑒ngan 𝑎2 (nilai 𝑎1)

5
 e.Selanjutnya bandingkan nilai tertinggi dari 𝑎1 dengan Tabel
Kolmogorov Smirnov.

f. Selanjutnya Kriteria Pengujian adalah:

Terima 𝐻o jika 𝑎1
𝑚𝑎𝑘𝑠 ≤ 𝐷𝑡𝑎𝑏𝑒𝑙
Tolak 𝐻o jika 𝑎1
𝑚𝑎𝑘𝑠 > 𝐷𝑡𝑎𝑏𝑒l
Contoh:
Dari sebuah penelitian tentang Model Pembelajaran ARCSI dengan
Pendekatan Saintifik diperoleh data sebagai berikut:
70 23 69 68 27 33 62 40 48 59 48 57
Penyelesaian:
1. Rumusan hipotesis statistik
𝐻O: 𝑓(𝑋) = Normal
𝐻1: 𝑓(𝑋) ≠ No r ma l
2. Tetapkan tingkat signifikansi α = 0,05.
3. Tetapkan uji statistik yang digunakan, yakni: uji Kolmogorov Smirnov.
4. Tetapkan daerah kritis ,yakni 𝑁𝑖𝑙𝑎𝑖 𝑎1 𝑚𝑎𝑘𝑠 > 𝐷(0,05;12) = 0,375
5. Lakukan perhitungan, yakni seperti Tabel 5 berikut ini.
T abe l 5. Hasil per hit ungan - per hit ungan uji no r ma lit a s
dengan Ko lmo gor v S mimo v

𝑥 𝑓 F 𝑓/𝑛 𝑓 𝑧 𝑃≤𝑍 𝑎1 𝑎2
= 𝑓𝑧
𝑛
23 1 1 0, 0833 0, 0833 - 1,588 0, 057 0, 057 0, 026
27 1 2 0, 0833 0, 1667 - 1,358 0, 088 0, 005 0, 078
33 1 3 0, 0833 0, 2500 - 1,011 0, 156 - 0,010 0, 094
40 1 4 0, 0833 0, 3333 - 0,608 0, 271 0, 021 0, 062
48 2 6 0, 1667 0, 5000 - 0,147 0, 440 0, 107 0, 059
57 1 7 0, 0883 0, 5833 0, 372 0, 644 0, 144 - 0,061

6
59 1 8 0, 0883 0, 6667 0, 487 0, 688 0, 104 - 0,021
62 1 9 0, 0833 0, 7500 0, 661 0, 745 0, 079 0, 004
68 1 10 0, 0833 0, 8333 1, 006 0, 844 0, 094 - 0,010
69 1 11 0, 0833 0, 9166 1, 064 0, 855 0, 022 0, 061
70 1 12 0, 0833 1 1, 122 0, 868 - 0,048 0, 131

Dari tabel perhitungan uji kolmogorov smirnov di atas, diperoleh nilai

tertinggi dari 𝑎1 = 0,144. Bandingkan dengan nilai tabel Kolmogorov Smirnov
yaitu 𝐷(0,05;n) = 𝐷 (0,05;12)= 0,375.

6. Simpulan, apabila dibandingkan nilai maksimal 𝑎1 dengan nilai D

terlihat bahwa Nilai 𝑚𝑎𝑘𝑠 𝑎1 ≤ 𝐷(0,05;12) , artinya terima 𝐻o sehingga
disimpulkan bahwa data berdistribusi normal.

E. Uji Lilliefors

Uji normaliatas dengan uji Lilliefors merupakan uji kenormalan secara

non parametrik. Uji Lilliefors juga merupakan penyempurnaan dari rumus
Kolmogrov-Smirnov sehingga sifatnya menyederhanakan.

Rumusan Hipotesis untuk uji Lilliefors ini adalah:

𝐻o: 𝑓(𝑋) = Normal

𝐻1: 𝑓(𝑋) ≠ Normal

Untuk pengujian hipotesis tersebut dilakukan langkah-langkah yang

hampir sama dengan langkah pada uji Kolmogorov-Smirnov, yaitu:
1. Menentukan rata-rata dan standar deviasi data
2. Menyusun data dimulai dari yang terkecil diikuti dengan frekuensi
masing-masing , frekuensi kumulatif (F) dari masing-masing skor. Nilai Z
ditentukan dengan rumus;
𝑋−𝑋̅
Z skor =
𝜎

7
 Dimana:
̅𝑋̅̅∶ 𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎
𝜎: 𝑠𝑖𝑚𝑝𝑎ngan 𝑏𝑎𝑘𝑢

̅ )2
∑( 𝑋𝑖− 𝑋
𝜎: √
𝑛−1

Tentukan Probabilitas dibawah nilai Z yang dapat dilihat pada table Z (𝑃 ≤

𝑍)

3. Tentukan nilai selisih masing-masing baris 𝐹⁄n = 𝐹𝑧 𝑑𝑒ngan 𝑃 ≤ 𝑍 dan

tentukan harga mutlaknya.

4. Ambil harga yang paling maksimum dari harga-harga mutlak tersebut,

sebut harga terbesar itu dengan 𝐿o
5. Selanjutnya bandingkan nilai 𝐿o dengan table uji Lilliefors.

6. Selanjutnya Kriteria Pengujian adalah:

Tolak 𝐻o jika 𝐿o >
𝐿𝑡𝑎𝑏𝑒𝑙
Terima 𝐻o jika 𝐿 o ≤
𝐿𝑡𝑎𝑏𝑒l

Contoh: Soal pada uji Kolmogorov-Smirnov, dapat digunakan untuk uji

Lilliefors.
Dari sebuah penelitian tentang Model Pembelajaran ARCSI dengan
Pendekatan Saintifik diperoleh data sebagai berikut:
70 23 69 68 27 33 62 40 48 59 48 57
Penyelesain:
Hasil perhitungan-perhitungan uji normalitas dengan Lilliefors

8
 Dari tabel perhitungan uji Lilliefors di atas, diperoleh nilai tertinngi dan
harga mutlak 𝐹(𝑍𝑖) – 𝑆 (𝑍𝑖) = Lo = 0,1314. Bandingkan dengan nilai tabel uji

𝑋 𝐹 𝐹 𝑓/𝑛 𝑓 𝑍 P ≤ Z = f(Zi) 𝐹(𝑍𝑖) – 𝑆 (𝑍𝑖)

= 𝑆(𝑧𝑖)
𝑛
23 1 1 0,0833 0,0833 -1,588 0,057 0,0262
27 1 2 0,0833 0,1667 -1,358 0,088 0,0782
33 1 3 0,0833 0,2500 -1,011 0,156 0,0938
40 1 4 0,0833 0,3333 -0,608 0,271 0,0624
48 2 6 0,1667 0,5000 -0,147 0,440 0,0596
57 1 7 0,0833 0,5833 0,372 0,644 0,0609
59 1 8 0,0833 0,6667 0,487 0,688 0,0212
62 1 9 0,0833 0,7500 0,661 0,745 0,0046
68 1 10 0,0833 0,8333 1,006 0,844 0,0104
69 1 11 0,0833 0,9166 1,064 0,855 0,0613
70 1 12 0,0833 1 1,122 0,868 0,1314
Lilliefors yaitu L (0,05;n) = L(0,05;12) = 0,242. Apabila dibandingkan nilai maksimal
Lo dengan niali L terlihat bahwa Lo = 0,1314 < 0,242 = L(0,05;12), artinya terima H o
sehingga disimpulkan bahwa data berdistribusi normal.
2.2 Uji Homogenitas
Uji homogenitas adalah suatu prosedur uji statistik yang dimaksudkan
untuk memperlihatkan bahwa dua atau lebih kelompok data sampel berasal dari
populasi yang memiliki variansi yang sama. Pada analisis regresi, persyaratan
analisis yang dibutuhkan adalah bahwa galat regresi untuk setiap pengelompokan
berdasarkan variabel terikatnya memiliki variansi yang sama. Jadi dapat dikatakan
bahwa uji homogenitas bertujuan untuk mencari tahu apakah dari beberapa
kelompok data penelitian memiliki varians yang sama atau tidak. Dengan kata
lain, homogenitas berarti bahwa himpunan data yang kita teliti memiliki
karakteristik yang sama.
Pengujian homogenitas juga dimaksudkan untuk memberikan keyakinan
bahwa sekumpulan data yang dimanipulasi dalam serangkaian analisis memang

9
berasal dari populasi yang tidak jauh berbeda keragamannya. Sebagai contoh, jika
kita ingin meneliti sebuah permasalahan misalnya mengukur pemahaman siswa
untuk suatu sub materi dalam pelajaran tertentu di sekolah yang dimaksudkan
homogen bisa berarti bahwa kelompok data yang kita jadikan sampel pada
penelitian memiliki karakteristik yang sama, misalnya berasal dari tingkat kelas
yang sama.
Perhitungan uji homogenitas dapat dilakukan dengan berbagai cara dan
metode, beberapa yang cukup populer dan sering digunakan antara lain: uji
Harley, Cochran, levene dan Barlett.
A. Uji Harley
Uji Harley merupakan uji homogenitas variansi yang sangat sederhana karena
cukup membandingkan variansi terbesar dengan variansi terkecil. Uji
homogenitas variansi dengan rumus Harley bisa digunakan jika jumlah sampel
antar kelompok sama Misal ada dua populasi normal dengan varians 𝜎12 dan 𝜎22
Akan diuji mengenai uji dua pihak untuk pasangan hipotesis:

H0 : 𝜎12 = 𝜎22

H1 : : 𝜎12 ≠ 𝜎
Statistik yang digunakan untuk menguji hipotesis H0 adalah:
𝑣𝑎𝑟𝑖𝑎𝑛𝑠 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟
F=
𝑣𝑎𝑟𝑖𝑎𝑛𝑠 𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙
Dimana tolak H0 jika Fhitung ≥ F1/2a (v1,v2)
B. Uji Cochran
Uji Cochran mempertimbangkan seluruh variansi yang akan diuji
homogenitasnya, sehingga Uji Cochran lebih sensitif dibandingkan dengan uji
Harley. Jika salah satu variansi kelompok jauh lebih besar dibandingkan dengan
variansi kelompok yang lain, maka uji Cochran tampak lebih baik daripada uji
Harley. Kesamaan uji Cochran dan Uji Harley adalah menuntut adanya kesamaan
n dari setiap kelompok yang akan dicari homogenitasnya. Rumus dari Uji
Cochran adalah:
𝑉𝑎𝑟𝑖𝑎𝑛𝑠𝑖 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟
Chitung =
𝑗𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑙𝑢𝑟𝑢ℎ 𝑣𝑎𝑟𝑖𝑎𝑛𝑠𝑖

10
Kriteria pengujian adalah membandingkan hasil rumus Cochran dengan tabel
cochran terima H0 jika Chitung ≤ Ctabel dan tolak H0 jika Chitung > Ctabel
C. Uji Levene
Uji levene ( levene 1960 ) digunakan untuk menguji kesamaan varians dari
beberapa populasi. Uji levene merupakan uji alternatif dari uji Bartlett. Jika ada
bukti yang kuat bahwa data berdistribusi normal atau mendekati normal, maka
uji Bartlett lebih baik digunakan. Uji Levene menggunakan analisis varian satu
arah. Data ditranformasikan dengan jalan mencari selisih masing-masing skor
dengan rata-rata kelompoknya. Hipotesis yang digunakan pada uji ini adalah:

H0 : 𝜎12 = 𝜎22 = ... = 𝜎𝑘2

H1 : 𝜎i ≠ 𝜎 j untuk sedikitnya atau pasang (i,j)
Formula Levene adalah :
(𝑛−𝑘) ∑𝑘 ̅ ̅ 2
𝑖 =1 𝑛𝑖 (𝑍𝑖 −𝑍..)
W= ̅̅̅̅̅̅
(𝑘−1) (𝑘−1) ∑𝑘 𝑛𝑖 ̅ 2
𝑖 =1 ∑𝑗 =1 (𝑍𝑖𝑗 −𝑍𝑖 )

Dimana:
n adalah jumlah perlakuan
k adalah banyak kelompok
Zij = |𝑌ij − ̅𝑌i|
𝑌̅i adalah rata – rata dari kelompok ke – i
̅ adalah rata – rata kelompok dari Zi
𝑍𝑖
𝑍̅.. adalah rata – rata menyeluruh dari Zij
Daerah kritis
Tolak H0 Jika W > 𝐹(a;k – 1,n – k)
D. Uji Barlet
Uji Bartlett didasarkan pada suatu statistik yang distribusi teroknya
memberikan nilai kritis yang tepat bila ukuran teroknya sama. Nilai-nilai kritis ini
untuk ukuran terok yang sama dapat pula digunakan untuk menghasilkan
hampiran nilai-nilai kritis yang amat teliti untuk ukuran terok yang tidak sama.
Namun demikian, uji Bartlett sangat peka terhadap ketidaknormalan distribusi,

11
sehingga perlu ada uji normalitas distribusi skor masing-masing kelompok.
Hipotesis yang diajukan adalah:
H0 : 𝜎12 = 𝜎22 = .... = 𝜎𝑘2
H1 : Tidak semua variansi sama
Langkah-langkah dalam uji barlet
1) Tentukan variansi masing-masing kelompok yaitu 𝑆12 , 𝑆22 , ... , 𝑆𝐾2
2) Tentukan variansi gabungan:
∑𝑘 2
𝑖 =1 (𝑛𝑖 −1)𝑆𝑖
𝑆𝑃2 =
𝑁−𝐾
Dimana N adalah jumlah semua terok dan k adalah jumlah kelompok
3) Tentukan b sebagai niali perubahan acan B yang berdistribusi Barlet, yaitu:
1
[(𝑆𝑖2 )𝑛1 −1…. (𝑆𝑘)
2
𝑛𝑘 −1] /(𝑁−𝐾)
b=
𝑆𝑝2

4) Kriteria pengujian:
a) Jika n1 = n2 = .... = nk = n, maka tolak H0 pada taraf keberartian a bila b < bk
(a,n)
b) Jika ukuran terok tidak sama maka tolak H0 pada taraf keberartian a bila :
b < bk (a; n1,n2...., nk)
bk (a; n1,n2...., nk) = n1bk (a;n1) + n2bk (a;n2) + ... + nkbk (a;nk)
N

Contoh, skor hasil uji coba 4 metode dalam suatu penelitian sebagai berikut:
Table 1. skor hasil uji coba 4 metode pembelajaran dalam suatu penelitian

Kelompok A Kelompok B Kelompok C Kelompok D

25 26 21 28
30 31 29 28
32 38 29 36
36 39 31 37

12
 40 39 37 39
Pertanyaan: Apakah variasi keempat kelompok tersebut homogen?
Penyelesaian :
1. Rumuskan Hipotesis

H0 : 𝜎𝐴2 = 𝜎𝐵2 = 𝜎𝐶2 = 𝜎𝐷2

H1 : salah satu 𝜎 2 tidak sama
2. Tetapkan tingkat signifikan 𝛼 = 0,05
3. Tetapkan daerah kritis
Daerah kritis adalah daerah dimana hipotesis statistik H0 ditolak atau H1,
diterima, yakni: Fhitung ≥ F1/2 𝛼(V1,V2)
4. Tetapkan statistik uji
Statistik uji yang digunakan adalah uji F, yakni:
𝑉𝑎𝑟𝑖𝑎𝑛𝑠 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟
F=
𝑉𝑎𝑟𝑖𝑎𝑛𝑠 𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙
5. Lakukan perhitungan, yakni :
a. Langkah pertama mencari varians data setiap kelompok:
Varians A Untuk menentukan varians kelompok A digunakan rumus:
∑ 𝑋2 (∑ 𝑋)2
−
2= 𝑛
S
𝑛−1
5445−5313,8
=
4
Jadi s2 = 32,8
b. Dengan cara yang sama diperoleh
Variansi kelompok B = 34,3
Variansi kelompok C = 32,8
Variansi kelompok D = 27,8
c. Setelah variansi setiap kelompok diperoleh maka dibandingkan
variansi terbesar dan variansi terkecil, dan digunakan rumus
𝑉𝑎𝑟𝑖𝑎𝑛𝑠𝑖 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟
F=
𝑉𝑎𝑟𝑖𝑎𝑛𝑠𝑖 𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙
34,3
=
27,8

13
 Jadi FHitung = 1,233
d. Bandingkan Ftabel dengan FHitung. Diperoleh FTabel = F0,05 (n-1,k) = F0,05 (4,4)
= 6,39 sedangkan Fhitung = 1,233 sehingga diperoleh: FHitung < Ftabel atau
1,233 < 6,39
e. Ambil simpulan
Berdasarkan hasil perhitungan diperoleh FHitung < F0,05 (4,4) dapat
disimpulkan bahwa terima H0 artinya variansi keempat kelompok data
homogen atau data berasal dari populasi yang memiliki vasiansi yang
sama.

BAB III
PENUTUP
3.1 Kesimpulan
Berdasarkan pembahasan dapat disimpulkan bahwa uji persyaratan analisis sangat
dibutuhkan, dalam rangka seorang peneliti menguji hipotesis statistik yang

14
diajukan. Uji persyaratan analisis berupa uji homogenitas dan uji normalitas. Uji
homogenitas varians populasi dapat dilakukan dengan beberapa statistik uji,
yakni: uji Harley, uji Cohran, Uji Levene, dan uji Bartlett. Sedangkan uji
normalitas dapat dilakukan dengan Uji Kolmogorov-Smirnov dan Uji Lilliefors.
Langkah-langkah dari uji hipotesis statistik, yakni: (1) rumuskan hipotesis H0 dan
H1; (2) Tetapkan tingkat signifikansi α ; (3) Tetapkan daerah kritis atau daerah
dimana H0 ditolak atau H1 diterima; (4) Tetapkan statistik uji; (5) Lakukan
perhitungan; (6) Ambil kesimpulan.

DAFTAR PUSTAKA

Agus Irianto. Statistik. Konsep Dasar;Aplikasi, dan Pengembangan. Jakarta:

Kencana

15
Ergusni. 2015. Uji Hipotesis AnalisisBeda Rerata Dua Sampel (Uji-t dan t’).
Prosiding Seminar Nasional matematika dan Pendidikan Matematika.
STKIP PGRI Padang.
Sudjana. 1996. Metode Statistik. Tarsito. Bandung.
Sugiyono. 2004. Statistik NonParametrik untuk Penelitian. Alfabeta, Bandung.
Supardi U.S. 2013. Aplikasi Statitika Dalam Penelitian (Konsep Statitika yang
Lebih Komprehensif). Change Publication. Jakarta. Indonesia.
Usmadi. 2015. Uji Tukey dan Uji Schefee Uji Lanjut (Post Hoc Test). Prosiding
Seminar Nasional matematika dan Pendidikan Matematika. STKIP PGRI
Padang.
Walpole, R. dan Myers, R. 1995. Ilmu Peluang dan Statistik untuk Insinyur dan
Ilmuwan. Bandung. ITB.

16