Uji Persyaratan Analisis :

- Uji Normalitas
- Uji Homogenitas
Zainal Fikri
Uji Normalitas
▪ Uji normalitas di maksudkan untuk mengetahui apakah residual
terstandarisasi yang diteliti berdistribusi normal atau tidak.

▪ Tehnik Uji Normalitas data :

1. Kertas Peluang Normal
2. Uji Chi Kuadrat (Chi Square)
3. Uji Liliefors
4. Uji Kolmogorov-Smirnov
Kurva Normal
▪ Distribusi normal merupakan suatu kurva berbentuk lonceng.
▪ Penyebab data tidak normal, karena terdapat nilai ekstrim dalam
data seri yang diambil.
▪ Nilai ekstrim adalah nilai yang terlalu rendah atau terlalu tinggi.

Ekstrim Rendah Ektrim Tinggi Ekstrim Rendah Ektrim Tinggi

-2,58 0 2,58 -1,96 0 1,96

Pada =0,01 Pada =0,05

Nilai Ekstrim
1. Kesalahan dalam pengambilan unit sampel.
Cara mengatasi: Mengganti unit sampel.
2. Kesalahan dalam menginput data.
Cara mengatasi: Memperbaiki input data yang salah.
3. Data memang aneh dibanding lainnya.
Cara mengatasi: Tambah ukuran sampel atau dengan
membuang data yang aneh tersebut
Nilai Ekstrim

Ekstrim Rendah Ektrim Tinggi

-2,58 0 2,58

xi  x 50.000  63.333
Z   0439
 31.734
 Uji Normalitas
Kertas Peluang Normal
Langkah uji :
1. Buatlah daftar frekuensi kumulatif kurang dari berdasarkan
sampel yang ada dan buat grafik ogive
2. Pindahkan ogive tersebut kedalam kertas peluang normal
3. Apabila gambarnya membentuk garis lurus atau hampir lurus,
maka sampel tersebut berasal dari populasi yang berditribusi
normal
Uji Goodness of Fit (Chi Square)
 Seberapa tepat frekuensi yang teramati (observed
frequencies) cocok dengan frekuensi yang diharapkan
(expected frequencies).

 Dapat dipergunakan untuk data skala nominal, ordinal,

interval, maupun rasio.
Ciri-ciri distribusi Chi Square
 Selalu positif
 df = k – 1, dimana k adalah jumlah katagori. Jadi bentuk
distribusi chi square tidak ditentukan banyaknya sampel,
melainkan banyaknya derajat bebas.
 Bentuk distribusi chi square menjulur positif. Semakin besar
derajat bebas, semakin mendekati distribusi normal.
Uji Goodness of Fit :
Frekuensi yang diharapkan sama
Contoh :
Bagian kepegawaian sebuah RSU ingin melihat apakah pola
absensi terdistribusi secara merata sepanjang enam hari kerja.
Hipotesis nol yang akan diuji adalah “Absensi terdistribusi secara
merata selama enam hari kerja. Taraf nyata yang digunakan
adalah 0,05. Hasil dari sampel ditujukan sebagai berikut
Uji Goodness of Fit :
Frekuensi yang diharapkan sama
Hari Kerja Jumlah Absen
( fo  fe ) 
2
Senin 12   
2

Selasa 9
 fe 
Rabu 11
Kamis 10
dimana :
Jum’at 9
fo = besarnya frekuensi
Sabtu 9
yang teramati.
fe = besarnya frekuensi
Ujilah hipotesis tersebut ! yang diharapkan
Uji Goodness of Fit :
Frekuensi yang diharapkan sama
▪ Membandingkan nilai X2 dengan nilai kritis (X2 tabel).
▪ Nilai kritis diperoleh dari tabel X2 dengan df = k-1 dan taraf
nyata 0,05. Dari tabel X2(0,05;5) diperoleh nilai 11,070.
▪ Aturan pengambilan keputusannya : hipotesis nol diterima bila
X2 < 11,070 dan jika X2  11,070, maka hipotesis nol ditolak dan
menerima hipotesis alternatif.
▪ Buat keputusan untuk menolak atau menerima hipotesis nol.
Uji Goodness of Fit :
Frekuensi yang diharapkan sama
Hari fo fe fo - fe (fo–fe)2 (fo–fe)2/fe
Senin 12 10 2 4 0,4
Selasa 9 10 -1 1 0,1
Rabu 11 10 1 1 0,1
Kamis 10 10 0 0 0
Jum’at 9 10 -1 1 0,1
Sabtu 9 10 -1 1 0,1
Jumlah 60 0 0,8

Jadi X2 = 0,8. Karena X2 < 11,070, maka hipotesis nol diterima yang bearti absensi terdistribusi secara merata.
Uji Goodness of Fit :
Frekuensi yang diharapkan tidak sama
Jurusan Jumlah Terdaftar Jumlah Pegembalian Quiz
Analis 4700 90
Keperawatan 2450 45
Kebidanan 3250 60
Farmasi 1300 30
Gizi 850 15
Kedokteran Umum 1250 15
Kedokteran Hewan 3400 45

Ujilah dalam taraf 95%

Uji Goodness of Fit :
Frekuensi yang diharapkan tidak sama
Aturan pengambilan keputusan :
df = k – 1 = 7 - 1 = 6
X2 tabel = 12,592
Ho diterima jika X2 < 12,592
Ho ditolak jika X2  12,592 (menerima H1)

Hitung X2
Untuk menghitung X2 perlu dilakukan transformasi data.
Hasilnya seperti pada tabel berikut :
Uji Goodness of Fit :
Frekuensi yang diharapkan tidak sama
Jurusan Jumlah Jumlah Proporsi Fe (fo-fe)2/fe Kesimpulan
Terdaftar Quiz [fo] Mhs
Terdaftar hipotesis nol
Analis 4700 90 0,27 81 1,00 diterima, karena
Keperawatan 2450 45 0,14 42 0,21 X2 < 12,592 (8,33
Kebidanan 3250 60 0,19 57 0,16 < 12,592) berarti
Farmasi 1300 30 0,08 24 1,50 jumlah
Gizi 850 15 0,05 4700 / 15 0 mahasiswa yang
17200
Kedokteran 1250 15 0,07 21 1,71 mengembalikan
Umum kuesioner
Kedokteran 3400 45 0,20 60 3,75 mencerminkan
Hewan
Jumlah 17200 300 1 300 8,33
populasi
mahasiswa
 Uji Normalitas
Uji Kolmogorov-Smirnov
▪ Dilakukan denganmenghitung A1, yaitu nilai maksimum dari selisih antaa kumulatif proporsi (KP)
dengan harga Z abel pada batas bawah

Signifikasi :
▪ Nilai A1 terbesar dibandingkan dengan nilai tabel Kolmogorov Smirnov.
▪ Jika nilai A1 terbesar < nilai tabel : Ho diterima, Ha ditolak
▪ Jika nilai A1 terbesar > nilai tabel : Ho ditolak, Ha diterima

▪ Hipotesis
Ho : tidak beda dengan populasi normal
Ha : Ada beda populasi normal
 Uji Normalitas
Uji Kolmogorov-Smirnov
Penerapan :
Suatu penelitian pengaruh konsentrasi madu terhadap daya
hambat pertumbuhan bakteri

Konsentrasi madu 15% : daya hambat, 7, 8, 7, 6, 8, 6 mm

 Uji Normalitas
Uji Kolmogorov-Smirnov
Langkah penyelesaan :
1. Urutkan data sampel dari kecil ke besar dan tentukan frekuensi tiap-
tiap data
2. Hitung frekuensi absolut (F)
3. Htung F kumulatif (F Kum)
4. Hitung probabilitas (P) dengan memagi frekuensi dengan banyaknya
data
5. Hitung probabilitas frekuensi kumlatif (KP) dengan mebagi frekuensi
kumulatif dengan banyaknya data
 Uji Normalitas
Uji Kolmogorov-Smirnov
6. Tentukan nilai Z dari tiap-tiap data tersebut denan rumus :
X X
z
SD
7. Tentukan besar peluang untuk masing-masing nilai z berdasarkan
tabel z dan diberi nama F(z). Jika nilai z minus, maka 0,5 dikuangi (-)
luas wilayah pada tabel z, sebaliknya jika nilai z positif, maka 0,5
dtambah (+) luas wilayah nilai z tabel
8. Hitung selisi antara kumulatif proporsi (KP) dengan nilai z batas
bawah (ihat nilai F(z) dibawahnya)
9. Nilai A1 maksimum dibandingkan dengan tabel D.
 Uji Normalitas
Uji Kolmogorov-Smirnov
No. X F F kum P KP Z Fz A1
1 6 2 2 0,166 0,166 -1 0,1587 0,1587
2 7 2 4 0,166 0,333 0 0 0,166
3 8 2 6 0,166 0,5 1 0,8413 0,5083
Rata-rata 7
SD 1

A1 Maksimum (0,5083) dibandingkan dengan tabel D = 0,8333

A1 < D tabel, Ho diterima, atinya data tidak berbeda dengan populasi
 Uji Homogenitas
Uji Bartlet
madu 15% madu 30% madu 45% madu 60% Sebuah penelitian
7 11 15 18 membandingkan
8 13 16 19
konsentrasi madu terhadap
7 12 14 17
6 12 15 17 daya hambat pertumbuhan
8 13 15 18 bakteri :
6 11 14 17
Diperoleh :
S1 = 0,89
S2 = 0,89
S3= 0,75
S4 = 0,82
 Uji Homogenitas
Uji Bartlet
dk*log
sampel dk 1/dk Si2 log Si2 dk*Si2 Si2
1 5 0.2 0.8 0.01 4.00 0.05
2 5 0.2 0.8 0.01 4.00 0.05
3 5 0.2 0.57 0.06 2.83 0.30
4 5 0.2 0.67 0.03 3.33 0.16
Total 20 0.8 2.83 0.11 14.17 0.55
 Uji Homogenitas
Uji Bartlet
Varian gabungan : S2 
 dk.S  14,17
2
i
  0,71
 dk 20

Log S2 = log 0,71 = - 0,15 2 Hitung = 5,62

2 Tabel = 7,815
Nilai B = (dk)logS2 = (20)(-0,15) = -3,00 (dk : K-1)

2 = {(ln 10)(B- (dk.log S2)} 2 Hitung < 2 Tabel, Ho

= (2,303)(-3-0,55) diterima. Jadi data berasal dari
= 5,62 populasi g homogen
 Uji Normalitas
Uji Kolmogorov-Smirnov
▪ Untuk menguji normalitas data
dengan SPSS, lakukan langkah-
langkah berikut ini.
▪ Entry data atau buka file data yang
akan dianalisis
▪ Pilih menu berikut ini
▪ Analyze
▪ Descriptives Statistics
▪ Explore
 Uji Normalitas
Uji Kolmogorov-Smirnov
▪ Selanjutnya:
▪ Pilih Diameter Daya Hambat
sebagai dependent list
▪ Pilih Konsentrasi Ekstrak Madu
sebagai factor list, apabila ada
lebih dari 1 kelompok data
 Uji Normalitas
Uji Kolmogorov-Smirnov
▪ Pilih Normality test with plots,
seperti tampak pada gambar di
bawah ini.
▪ Klik Continue, lalu klik OK
 Uji Normalitas
Uji Kolmogorov-Smirnov

Nilai Kurtosis Nilai Skewness

Kurtosis  2 Kurtosis  2
Std Error Std Error
 Uji Normalitas
Uji Kolmogorov-Smirnov
▪ H0 : Sampel berasal dari populasi berdistribusi
normal
▪ H1 : Sampel tidak berasal dari populasi
berdistribusi normal
▪ Tetapkan tarap signifikansi uji misalnya a = 0.05
▪ Bandingkan p dengan taraf signifikansi yang
diperoleh
▪ ika signifikansi yang diperoleh >  , maka sampel
berasal dari populasi yang berdistribusi normal
▪ Jika signifikansi yang diperoleh <  , maka
sampel bukan berasal dari populasi yang
berdistribusi normal
 Uji Normalitas
Uji Kolmogorov-Smirnov
▪ Untuk menguji homogenitas data
dengan SPSS, lakukan langkah-
langkah berikut ini.
▪ Entry data atau buka file data yang
akan dianalisis
▪ Pilih menu berikut ini
▪ Analyze
▪ Descriptives Statistics
▪ Explore
 Uji Normalitas
Uji Kolmogorov-Smirnov
▪ Selanjutnya:
▪ Pilih Diameter Daya Hambat
sebagai dependent list
▪ Pilih Konsentrasi Ekstrak Madu
sebagai factor list, apabila ada
lebih dari 1 kelompok data
 Uji Normalitas
Uji Kolmogorov-Smirnov
▪ Pilih Spread VS Level with Levene
Test, Untransformed seperti
tampak pada gambar di bawah ini.
▪ Klik Continue, lalu klik OK
 Uji Normalitas
Uji Kolmogorov-Smirnov

H0 : Variansi pada tiap kelompok sama (homogen)

H1 : Variansi pada tiap kelompok tidak sama (tidak homogen)

Tetapkan tarap signifikansi uji, misalnya a = 0.05

· Bandingkan p dengan taraf signifikansi yang diperoleh
· Jika signifikansi yang diperoleh > a , maka variansi setiap sampel sama (homogen)
· Jika signifikansi yang diperoleh <a , maka variansi setiap sampel tidak sama (tidak homogen)