LANGKAH-LANGKAH PERHITUNGAN

UJI NORMALITAS DAN UJI HOMOGINITAS
Oleh H. Asep Hidayat, Drs., M.Pd. Dosen Tetap pada Fakultas Keguruan dan Ilmu Pendidikan Universitas Langlangbuana

1

Uji Normalitas dan Homoginitas A. MOTIVASI PRESTASI (X) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 B. apa yang kita ambil sebagai sampel. MOTIVASI PRESTASI (X) 42 41 32 34 36 37 36 37 39 40 33 34 36 37 38 (Y) 38 37 30 30 30 33 32 34 35 36 32 32 34 32 34 1 . Dengan kata lain. dan dihitung secara terpisah. Uji normalitas dilakukan terhadap setiap variabel. Uji Normalitas Uji normalitas dilakukan untuk mengetahui bahwa sampel yang diambil betulbetul berasal dari populasi yang sama. Data Fiktif NO. merupakan representasi dari populasi. 34 38 34 40 30 40 40 34 35 39 33 32 42 40 42 (Y) 32 36 31 38 29 35 33 30 32 36 31 31 36 37 35 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 NO.

Uji ini menggunakan rumus: S 2 F b Sk 2 Di mana: Sb2= Varians dari kelompok besar Sk2= Varians dari kelompok kecil Dua buah varians dikatakan homogen jika: FF n 1 0. Uji Homoginitas Uji homoginitas dilakukan untuk mengetahui bahwa dua buah variabel yang diteliti homogin. Untuk data tunggal: S  Dimana: a.95(k 3) C.2 Uji normalitas menggunakan rumus: 2   Oi  Ei  2 Ei Di mana: Oi= Data observasi Ei= Data ekspektasi Distribusi data dikatakan normal jika:  2   20. yang dihitung menggunakan salah satu rumus berikut ini: 1. Xi= Data ke-i  X n i 1 i X  2 X atau i 1 n 2 i  X   i 2 n n 1 n 1 .05( 1 ) n2 2 Varians merupakan kuadrat dari simpangan baku (S).

3 b. b. X   fi X i i 1 n fX atau i 1 i n i f i n Rumus ini digunakan untuk data kelompok atau jumlah data besar. Xi= Titik tengah data ke-i. yang dihitung dengan cara: 1 /2 (batas bawah + batas atas) b. a. X  X i 1 n i n Rumus ini dipakai untuk data tunggal. misalnya 30 data. Catatan: Untuk rumus ini.3 log n Di mana: n= jumlah data. Untuk membuat daftar distribusi frekuensi dilakukan tahap-tahap berikut ini. Rumus ini digunakan tanpa perlu membuat daftar distribusi frekuensi. dengan rumus: k  1  3. Menghitung rentang (r). atau data dalam jumlah kecil. Apabila hasil perhitungan dari k bukan bilangan bulat. maka hasil perhitungan dibulatkan ke atas. perhitungan dilakukan dalam daftar distribusi frekuensi. Untuk data yang dikelompokkan S  Dimana:  f X n i 1 i i X  2 fX atau i 1 i n 2 i  f X   i i 2 n n 1 n 1 a. 2. Menentukan banyak kelas (k) dengan cara Sturgess. dengan rumus: r= Data Terbesar – Data Terkecil . misalnya lebih dari 30 data.

4 c. . maka hasil perhitungan dibulatkan ke atas. Panjang kelas interval (p) dihitungan dengan rumus: p r k Di mana: r= rentang k= banyak kelas Apabila hasil perhitungan dari p bukan bilangan bulat.

dan range (R) STATISTIK DESKRIPTIF Minimal Maksimal Range (Maksimal – Minimal) VARIABEL X 30 42 12 Y 29 38 9 b. Dalam hal ini diambil 3. Banyak kelas selalu berbentuk bilangan bulat dan sebaiknya berkisar antara 5 sampai 20. baik untuk variabel X maupun Y. Panjang kelas ada diantara dan 2.4 5 Keterangan Panjang kelas ada diantara 2 dan 3. Rata-rata dan Simpangan Baku dengan Data Berkelompok 1) Menentukan banyak kelas dengan cara Sturgess (k) k= 1 + 3.87 Banyak kelas menunjukkan jumlah interval kelas. Nilai minimal.3 log (30)= 5. X 12 5 Y 9 5 9 p   1.8 5 Jadi panjang kelas untuk variabel X= 3. 2) Menentukan panjang kelas interval (p) VARIABEL R k p p 12  2. Contoh Perhitungan 1. Berdasarkan hasil perhitungan di atas.5 D. banyak kelas antara 5 dan 6 kelas interval. maksimal. Menghitung Statistik Deskriptif a. Penetapan apakah panjang kelas berupa desimal atau bilangan bulat bergantung pada pencatatan . Dalam hal ini diambil banyak kelas adalah 5 interval kelas. Dalam hal ini diambil 2. dan Y= 2.

4) Menghitung frekuensi untuk setiap kelas. dan untuk variabel Y= 29. 42. kemudian selanjutnya di tambah panjang kelas hingga mencapai jumlah banyak kelas. 36. dan kelipatan 2 untuk variabel Y. Disarankan menggunakan ketentuan sebagai berikut: a) Bilangan awal ini sama dengan atau lebih kecil dari skor terkecil. yaitu 30-3= 27 untuk variabel X. 3) Menyusun interval kelas Untuk menyusun interval kelas. Untuk variabel X: 30. c) Bilangan awal merupakan kelipatan dari panjang kelas. Berdasarkan hal tersebut di atas. 33.6 data. yaitu 30 untuk variabel X. 35. Dalam contoh ini. dan untuk variabel Y= 29. Untuk menghitung frekuensi untuk setiap kelas. yaitu kelipatan 3 untuk variabel X. b) Tidak lebih kecil dari skor terkecil dikurangi panjang kelas. 39. a) Variabel X INTERVAL KELAS 30 – 32 33 – 35 36 – 38 39 – 41 42 . pencatatan data dalam bilangan bulat.44 JUMLAH TURUS FREKUENSI /// ///// /// ///// /// ///// /// /// 3 8 8 8 3 30 . digunakan daftar distribusi frekuensi sebagai berikut. dengan demikian banyaknya kelas dibulatakan. 33. dan 29 untuk variabel Y. 37. ditetntukan bilangan awal untuk kelas pertama. bilangan awal untuk variabel X= 30. 31. dan 29-2= 27 untuk variabel Y.

pada daftar distribusi di atas. dan Varians Untuk melakukan perhitungan ini. Simpangan Baku. dan S2  12.52. a) Variabel X INTERVAL KELAS 30 – 32 33 – 35 36 – 38 39 – 41 42 .44 3 8 8 8 3 30 _ ( xi  x ) f Xi fi X i _ ( xi  x ) 2 _ f i ( xi  x ) 2 31 34 37 40 43 93 272 296 320 129 1110 -6 -3 0 3 6 36 9 0 9 36 108 72 0 72 108 360 X 1. ditambahkan sejumlah kolom yang diperlukan.39 30  1 .7 b) Variabel Y INTERVAL KELAS 29 – 30 31 – 32 33 – 34 35 – 36 37 – 38 JUMLAH TURUS FREKUENSI ///// ///// //// ///// ///// // //// 5 9 5 7 4 30 5) Menghitung Rata-rata.110  37 30 S 360  3. sehingga tampak sebagai berikut.

78 X 997  33.59723 7. Uji Normalitas (2) a.96683 Ei 2.99 0. 5 – 35.27 4.99 .5 167.13 & -1.28 & -0.5 31.43 & 1.8 3 8 8 8 3 30 g 2 2 Dengan  0 .5 32.5 35.73 -1.5 41.5 – 32.91 0.23935 10. Uji Normalitas Variabel X INTERVAL 30 – 32 33 – 35 36 – 38 39 – 41 42 .78  2.43 0.5 z -2.15 18. .13 li 0.27 2.0837 0.52 0.5 – 44.08 0. dan S2  7.5 283.27 13.91 2. hal ini menunjukkan bahwa distribusi dari data ini adalah normal.23 69.06 0.95( 2)  5. maka  <5.55 26.59723 30 Oi (Oi  Ei ) 2 Ei 0.5 – 38.07 5.44 Batas Kelas 29.43 & 0.5 – 41.28 -1.28 1.28 & 2.08 30  1 2.8 b) Variabel Y INTERVAL KELAS 29 – 30 31 – 32 33 – 34 35 – 36 37 – 38 5 9 5 7 4 30 _ ( xi  x ) f Xi fi X i _ ( xi  x ) 2 _ f i ( xi  x ) 2 29.5 38.0837 0.5 37.73 0.23935 2.23 30 S 205.06 0.23333 0.5 35.3269 7.92 205.08 0.66.2333 0.5 150 997 -3.99.5 248.5 33.5 147.05 72.35 36.43 -0.3328 0.

hal ini menunjukkan bahwa distribusi dari data ini adalah normal.03 & -0.23 1.73552 30 Oi (Oi  Ei ) 2 Ei 0.5 – 36.1554 0.27 & 0.64 0.41.13686 6.75 . maka F<2.11 1.1248 0. .39  1.5 34.27 -0.5 32.05(29 )2.5 – 34.48 & 1. 7.9 b.99.76 29 – 30 31 – 32 33 – 34 35 – 36 37 – 38 5 9 5 7 4 30 2 2 Dengan  0 .5 36.23929 6.952   5.41 29 F 12. 3.5 – 38. Uji Homoginitas (F) Dari hasil perhitungan statistik deskriptif di atas.08 Dengan .78 & -1.5 – 30. hal ini menunjukkan bahwa dua varians homogin.23 & 1.7146 Ei 5.94 0.5 z -1.1516 0. maka  <5.17 0. dapat dihitung FF 0.52393 7.99 . Uji Normalitas Variabel Y INTERVAL Batas Kelas 28.5 – 32.3644 4.06 0.98 li 0.1128 0.03 -1.01 0.48 0.5 30.

Sign up to vote on this title
UsefulNot useful