Uji Normalitas dan Uji Homogenitas

Uji Normalitas
 Pengertian 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.
• 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
 Macam-macam Uji Normalitas
Uji normalitas yang dapat digunakan
diantaranya:
• -uji grafik
• -Chi-Square
• -Kolmogorov Smirnov,
• -Lilliefors
• -Shapiro Wilk
 Uji Grafik

• Uji metode grafik adalah dengan

memperhatikan penyebaran data
pada sumber diagonal pada grafik
normal P-P Plot of Regression
Standardized Residual.
• Data dinyatakan berdistribusi
normal apabila sebaran titik-titik
berada disekitar garis dan
mengikuti garis diagonal maka
nilai tersebut normal
 Metode Chi-Square (Uji Goodness of fit
Distribusi Normal)

• Metode Chi-Square atau 𝑋2 untuk Uji Goodness of fit

Distribusi Normal menggunakan pendekatan
penjumlahan penyimpangan data observasi tiap kelas
dengan nilai yang diharapkan.
• Persyaratan Metode Chi Square (Uji Goodness of fit
Distribusi Normal)
 Data tersusun berkelompok atau dikelompokkan dalam
tabel distribusi frekuensi.
Cocok untuk data dengan banyaknya angka besar (n>30)
 Metode Lilliefors

• Metode Lilliefors menggunakan data dasar yang belum

diolah dalam tabel distribusi frekuensi. Data
ditransformasikan dalam nilai Z untuk dapat dihitung
luasan kurva normal sebagai probabilitas komulatif normal
• PERSYARATAN
Data berskala interval atau ratio (kuantitatif)
Data tunggal/belum dikelompokkan pada tabel
distribusi frekuensi
Dapat untuk n besar maupunn kecil
• Uji lilliefors adalah salah satu metode dalam
uji normalitas yang sangat efektif digunakan
untuk jumlah sampel kecil sampai menengah,
tepatnya kira-kira untuk sampel 50 sampai
dengan 500 sampel.
 Metode Kolmogorov-Smirnov

• Metode Kolmogorov-Smirnov tidak jauh beda dengan metode

Lilliefors. Langkah-langkah
• Penyelesaian dan penggunaan rumus sama,namun pada signifikansi
yang berbeda. Signifikansi
• Metode Kolmogorov-Smirnov menggunakan tabel pembanding
Kolmogorov-Smirnov, sedangkan
• Metode Lilliefors menggunakan tabel pembanding metode Lilliefors.
• PERSYARATAN
Data berskala interval atau ratio (kuantitatif)
Data tunggal/ belum dikelompokkan pada tabel distribusi frekuensi
Dapat untuk n besar maupun n kecil.
 Metode Shapiro Wilk

• 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
• PERSYARATAN
Data berskala interval atau ratio (kuantitatif)
Data tunggal/belum dikelompokkan pada tabel distribusi
frekuensi
Data dari sampel random
Uji Normalitas dan
Uji Homogenitas
Uji Homogenitas
• Uji homogenitas adalah pengujian mengenai
sama tidaknya variansi-variansi dua buah
distribusi atau lebih. Uji homogenitas yang
akan dibahas adalah Uji Homogenitas Varians
Dengan Uji F dan Uji Bartlett. Uji homogenitas
Variansi Dengan Uji F dilakukan untuk
mengetahui apakah data dalam variabel X dan
Y bersifat homogen atau tidak.
 UJI HOMOGENITAS VARIANSI DENGAN UJI F
1. Mencari Varians/Standar deviasi Variabel X
dan Y, dengan rumus :

2. Mencari F hitung dengan dari varians X dan Y,

dengan rumus :  Pembilang: S besar artinya Variance dari
kelompok dengan variance terbesar (lebih
banyak)
 Penyebut: S kecil artinya Variance dari
kelompok dengan variance terkecil (lebih
sedikit)
 Jika variance sama pada kedua kelompok,
maka bebas tentukan pembilang dan
penyebut.
3. Membandingkan F hitung dengan
Tabel F: F Tabel dalam Excel pada tabel distribusi F, dengan:
• Untuk varians dari kelompok dengan variance
terbesar adalah dk pembilang n-1
• Untuk varians dari kelompok dengan  variance
terkecil adalah dk penyebut n-1
• Jika F hitung < Tabel F: F Tabel dalam Excel, berarti homogen
• Jika F hitung > Tabel F: F Tabel dalam Excel, berarti tidak
homogen
Contoh :

• Data tentang hubungan antara Penguasaan

kosakata(X) dan kemampuan membaca (Y):

Dari penghitungan diatas diperoleh F hitung

2.81 dan dari grafik daftar distribusi F dengan
dk pembilang = 10-1 = 9. Dk penyebut = 10-1 =
9. Dan α = 0.05 dan F tabel = 3.18. Tampak
bahwa F hitung < Tabel F: F Tabel dalam Excel.
Hal ini berarti data variabel X dan Y homogen.
Uji Bartlett

• Misalkan sampel berukuran n1,n2,…,nk

dengan data Yij = (I = 1,2,…,k dan j = 1,2,…,nk)
dan hasil pengamatan telah disusun seperti
dalam Tabel dibawah ini. Selanjutnya sampel-
sampel dhitung variansnya masing-masing
yaitu:
• Untuk mempermudah perhitungan, satuan-
satuan yang diperlukan uji bartlett lebih baik
disusun dalam sebuah tabel sebagai berikut :
• Dari tabel diatas hitung nilai-nilai yang dibutuhkan :
• 1. Varians gabungan dari semua sampel:

• 2. Harga satuan B dengan rumus:

• Uji bartlett digunakan statistik chi-kuadrat yaitu :

• Dengan ln 10 = 2.3026.
• Signifikansi:
 Perbedaan Uji Normalitas dan Homogenitas

• Uji Normalitas dan Homogenitas adalah dua

jenis uji yang berbeda namun
banyak mahasiswa yang seolah menganggap
keduanya adalah satu jenis uji yang sama
dengan istilah yang berbeda. Uji Normalitas
dan Homogenitas itu sebenarnya adalah
kedua uji yang sama sekali berbeda, namun
sering dilakukan atau diperlukan secara
bersamaan.
• Uji normalitas digunakan sebagai syarat atau asumsi dari berbagai uji
parametris, misalnya uji regresi linear, uji Anova, Uji Ancova, Uji Manova,
Uji Independen T Test, Uji Paired T Test dan berbagai uji lainnya, baik
analisis multivariat ataupun univariat.
• Uji normalitas, berbeda-beda caranya dan berbeda juga apa yang diuji.
Misalkan pada uji regresi linear berganda, yang diuji normalitas adalah
residual. Pada uji independen t test, yang diuji adalah variabel terikat per
kelompok. Sedangkan pada uji paired t test, yang diuji adalah selisih antara
dua data yang berpasangan.
• Tentunya karena sebagai syarat uji parametris, maka jika asumsi normalitas
tidak terpenuhi atau dengan kata lain tidak berdistribusi normal atau terima
H1, kita sebagai peneliti harus melakukan treatment sesuai analisis hipotesis
yang kita gunakan. Misalnya jika asumsi normalitas tidak terpenuhi pada uji
regresi linear berganda, kita bisa melakukan teknik transformasi. Sedangkan
jika asumsi normalitas tidak terpenuhi pada uji independen t test, maka kita
bisa menggunakan uji alternatif dengan uji non parametris, misalnya uji
mann whitney u test.
• Uji homogenitas berbeda dengan uji normalitas meskipun sama-sama
digunakan sebagai syarat dalam uji parametris. Letak perbedannya adalah,
jika uji normalitas diperlukan pada semua uji parametris, maka uji
homogenitas tidak selalu digunakan. Uji homogenitas hanya digunakan
pada uji parametris yang menguji perbedaan antara kedua kelompok atau
beberapa kelompok yang berbeda subjeknya atau sumber datanya. Oleh
karena itu, uji homogenitas diperlukan sebagai asumsi dari uji independen
t test dan uji Anova. Sedangkan pada uji regresi linear, homogenitas tidak
diperlukan sebagai syarat sebab uji regresi linear tidak menguji perbedaan
beberapa kelompok.

• Konsekuensi jika asumsi homogenitas tidak terpenuhi, maka yang harus

dilakukan oleh peneliti juga berbeda-beda tergantung pada analisis
hipotesis yang utama. Misalkan pada uji Anova, jika asumsi homogenitas
tidak terpenuhi, maka peneliti dapat menggunakan koreksi oleh uji brown
forsythe atau welch’s F. Sedangkan jika asumsi homogenitas tidak
terpenuhi apda uji independen t test, peneliti dapat menggunakan uji
independen t test unequal variance atau menggunakan uji indepeden
welch’s test.
• Kesimpulan Kesamaan Uji Normalitas dan Homogenitas
Berdasarkan penjelasan singkat di atas, maka dapat disimpulkan
bahwa kesamaan antara uji normalitas dan homogenitas:
keduanya sama-sama sebagai asumsi atau syarat uji parametris.

• Kesimpulan Perbedaan Uji Normalitas dan Homogenitas

Berdasarkan penjelasan di atas, dapat disimpulkan bahwa
perbedaan antara uji normalitas dan homogenitas: uji normalitas
selalu diperlukan sebagai asumsi atau syarat setiap uji
parametris. Sedangkan uji homogenitas hanya diperlukan pada
uji parametris yang menilai perbedaan dua atau lebih kelompok.
Lilliefors Test Table