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

merupakan representasi dari populasi. MOTIVASI PRESTASI (X) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 B.Uji Normalitas dan Homoginitas A. 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 . Uji Normalitas Uji normalitas dilakukan untuk mengetahui bahwa sampel yang diambil betulbetul berasal dari populasi yang sama. Data Fiktif NO. Uji normalitas dilakukan terhadap setiap variabel. dan dihitung secara terpisah. 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. Dengan kata lain. apa yang kita ambil sebagai sampel.

Uji Homoginitas Uji homoginitas dilakukan untuk mengetahui bahwa dua buah variabel yang diteliti homogin. yang dihitung menggunakan salah satu rumus berikut ini: 1.05( 1 ) n2 2 Varians merupakan kuadrat dari simpangan baku (S). 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 . 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. 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.

a. b. dengan rumus: r= Data Terbesar – Data Terkecil . dengan rumus: k  1  3.3 log n Di mana: n= jumlah data. Rumus ini digunakan tanpa perlu membuat daftar distribusi frekuensi. Catatan: Untuk rumus ini. Menentukan banyak kelas (k) dengan cara Sturgess. misalnya 30 data. X  X i 1 n i n Rumus ini dipakai untuk data tunggal. 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. yang dihitung dengan cara: 1 /2 (batas bawah + batas atas) b. Xi= Titik tengah data ke-i. atau data dalam jumlah kecil. Menghitung rentang (r).3 b. maka hasil perhitungan dibulatkan ke atas. 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. perhitungan dilakukan dalam daftar distribusi frekuensi. Apabila hasil perhitungan dari k bukan bilangan bulat. 2. Untuk membuat daftar distribusi frekuensi dilakukan tahap-tahap berikut ini. misalnya lebih dari 30 data.

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.4 c. . maka hasil perhitungan dibulatkan ke atas.

Dalam hal ini diambil 3. dan range (R) STATISTIK DESKRIPTIF Minimal Maksimal Range (Maksimal – Minimal) VARIABEL X 30 42 12 Y 29 38 9 b.8 5 Jadi panjang kelas untuk variabel X= 3. Panjang kelas ada diantara dan 2. baik untuk variabel X maupun Y. maksimal. Dalam hal ini diambil banyak kelas adalah 5 interval kelas.5 D. X 12 5 Y 9 5 9 p   1. Banyak kelas selalu berbentuk bilangan bulat dan sebaiknya berkisar antara 5 sampai 20. Dalam hal ini diambil 2. banyak kelas antara 5 dan 6 kelas interval. Contoh Perhitungan 1. Nilai minimal. dan Y= 2. Menghitung Statistik Deskriptif a. 2) Menentukan panjang kelas interval (p) VARIABEL R k p p 12  2.4 5 Keterangan Panjang kelas ada diantara 2 dan 3.3 log (30)= 5. Rata-rata dan Simpangan Baku dengan Data Berkelompok 1) Menentukan banyak kelas dengan cara Sturgess (k) k= 1 + 3. Penetapan apakah panjang kelas berupa desimal atau bilangan bulat bergantung pada pencatatan .87 Banyak kelas menunjukkan jumlah interval kelas. Berdasarkan hasil perhitungan di atas.

35. 37. dan 29-2= 27 untuk variabel Y. bilangan awal untuk variabel X= 30. 33. dan kelipatan 2 untuk variabel Y. dan untuk variabel Y= 29. Untuk menghitung frekuensi untuk setiap kelas. c) Bilangan awal merupakan kelipatan dari panjang kelas. yaitu 30-3= 27 untuk variabel X. 3) Menyusun interval kelas Untuk menyusun interval kelas.6 data. b) Tidak lebih kecil dari skor terkecil dikurangi panjang kelas. yaitu kelipatan 3 untuk variabel X. Dalam contoh ini. digunakan daftar distribusi frekuensi sebagai berikut. dengan demikian banyaknya kelas dibulatakan. dan untuk variabel Y= 29. 36. 39. 42.44 JUMLAH TURUS FREKUENSI /// ///// /// ///// /// ///// /// /// 3 8 8 8 3 30 . kemudian selanjutnya di tambah panjang kelas hingga mencapai jumlah banyak kelas. dan 29 untuk variabel Y. Berdasarkan hal tersebut di atas. pencatatan data dalam bilangan bulat. Untuk variabel X: 30. ditetntukan bilangan awal untuk kelas pertama. 31. Disarankan menggunakan ketentuan sebagai berikut: a) Bilangan awal ini sama dengan atau lebih kecil dari skor terkecil. 4) Menghitung frekuensi untuk setiap kelas. 33. a) Variabel X INTERVAL KELAS 30 – 32 33 – 35 36 – 38 39 – 41 42 . yaitu 30 untuk variabel X.

dan S2  12. Simpangan Baku. ditambahkan sejumlah kolom yang diperlukan.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. sehingga tampak sebagai berikut.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.52.39 30  1 . a) Variabel X INTERVAL KELAS 30 – 32 33 – 35 36 – 38 39 – 41 42 .110  37 30 S 360  3. pada daftar distribusi di atas. dan Varians Untuk melakukan perhitungan ini.

99.59723 30 Oi (Oi  Ei ) 2 Ei 0.28 & 2.06 0.5 – 44.28 & -0.28 -1.27 2.5 – 41.23935 10.5 z -2.13 & -1.99 .06 0.27 13.91 2.5 147. dan S2  7.8 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 29.52 0.66.5 – 38.5 33.96683 Ei 2.73 -1.2333 0.23333 0.59723 7. Uji Normalitas (2) a.78 X 997  33.08 0.8 3 8 8 8 3 30 g 2 2 Dengan  0 .5 35.43 & 0.0837 0. Uji Normalitas Variabel X INTERVAL 30 – 32 33 – 35 36 – 38 39 – 41 42 .15 18.92 205.95( 2)  5.23 69. hal ini menunjukkan bahwa distribusi dari data ini adalah normal.23 30 S 205.28 1.55 26.43 -0.5 35.27 4. maka  <5.5 167.5 31.3328 0.5 248.78  2.5 41.3269 7.5 32. . 5 – 35.5 38.43 & 1.91 0.08 0.35 36.5 283.5 150 997 -3.0837 0.5 37.07 5.08 30  1 2.5 – 32.13 li 0.23935 2.73 0.05 72.43 0.44 Batas Kelas 29.99 0.

5 32.01 0.78 & -1. . hal ini menunjukkan bahwa distribusi dari data ini adalah normal.06 0.03 -1.23 & 1. dapat dihitung FF 0. Uji Normalitas Variabel Y INTERVAL Batas Kelas 28.52393 7. 7.5 – 30. maka  <5.5 34.3644 4.5 36.5 z -1.64 0.98 li 0.7146 Ei 5.99 .5 30. 3. hal ini menunjukkan bahwa dua varians homogin. maka F<2.1554 0.5 – 34.73552 30 Oi (Oi  Ei ) 2 Ei 0.23929 6.952   5.11 1.17 0.48 0.1516 0. Uji Homoginitas (F) Dari hasil perhitungan statistik deskriptif di atas.41.5 – 38.5 – 36.27 -0.23 1.48 & 1.94 0.03 & -0.1248 0.99.13686 6.5 – 32.08 Dengan .76 29 – 30 31 – 32 33 – 34 35 – 36 37 – 38 5 9 5 7 4 30 2 2 Dengan  0 .9 b.05(29 )2.39  1.41 29 F 12.75 .27 & 0.1128 0.