UJI HOMOGENITAS DAN UJI INDEPENDENSI

PERBANDINGAN SPSS 17 DENGAN R-CONSOLE

Oleh: Rahayuni Wasisarini

Website: http://rahayuni.com/
E-mail: mail@rahayuni.com

LANDASAN TEORI

A. Uji Homogenitas
Uji homogenitas dilakukan untuk menentukan apakah sampel berasal dari
varians yang homogen. Pada uji homogenitas sampel berasal dari dua populasi baris.
Jadi ditentukan terlebih dahulu besarnya sampel n1 dan n2, sedangkan n sebagai akibat
dari jumlahan n1+n2.

Variabel kategorik 2
B Bc Jumlah
Variabel A A b n1 = a+b
c
kategorik 1 A C d n2 = c+d
n = n1 + n2
Jumlah m1 = a+c m2 = b+d
= m1 + m2

Langkah langkah uji homogenitas adalah sebagai berikut:

a. Hipotesis
H0: p1 = p2 (populasi 1 dan populasi 2 homogen)
H1: p1 p2 (populasi 1 dan populasi 2 tidak homogen)
b. Statistik penguji

H0 ditolak jika Whit > 1,α

B. Uji Independensi

Page 1 of 15
 Uji independensi bertujuan untuk melihat ada tidaknya hubungan antara dua
variabel. Pengujian ini hampir sama dengan korelasi akan tetapi pada uji independensi
dengan menggunakan metode Chi Kuadrat, kedua variabel yang dianalisis haruslah
berupa variabel yang bersifat kategorikal atau berskala pengukuran nominal atau
ordinal.
Pada uji independensi, sampel berasal dari satu populasi. Jadi ditentukan
terlebih dahulu besarnya n sampel sedangkan n1 dan n2 diperoleh observasi sebagai
bagian dari sampel.

Variabel kategorik 2
B Bc Jumlah
Variabel A A b n1 = a+b
c
kategorik 1 A C d n2 = c+d
n = n1 + n2
Jumlah m1 = a+c m2 = b+d
= m1 + m2

Langkah-langkah uji Independensi table 2x2 adalah sebagai berikut:

a. Hipotesis
H0: P(AB) = P(A)P(B) (variabel kategorik A independen terhadap variabel
kategorik B
H1: P(AB) P(A)P(B) (variabel kategorik A tidak independen terhadap variabel
kategorik B)
b. Statistik penguji

H0 ditolak jika Whit > 1,α

Page 2 of 15
 PERMASALAHAN

1. Uji Homogenitas
Dua cara pengobatan terhadap penyakit kanker memberikan hasil-hasil dalam tabel
dibawah. Pengobatan dikatakan berhasil apabila ada tanda-tanda membaik. Lakukan
uji hipotesis bahwa dua cara pengobatan itu mempunyai efektivitas yang sama.
(Gunakan α= 5%)
Kondisi
Tidak Jumlah
membaik
membaik
T1 15 53 68
Pengobatan
T2 21 59 80
Jumlah 36 112 148

2. Uji Independensi
Sampel random dengan 250 orang dalam kelompok umur (30-40 tahun) dan 250
orang dalam umur (60-70 tahun) ditanya tentang rata-rata jam tidur tiap malam.
Diperoleh fakta sebagai berikut:
Jam tidur
Jumlah
8 >8
30-40 172 78 250
Umur
60-70 120 130 250
Jumlah 292 208 500

Sumber: http://saintek.uin-suka.ac.id/file_kuliah/2.Lilliefors&Tabel Kategorik.pdf

Akan dilakukan perbandingan output antara SPSS 17 dengan R 2.8.1 (R-Console)

Page 3 of 15
 PEMBAHASAN

A. Uji homogenitas
Menggunakan SPSS 17
Langkah-langkah :
1. Masukkan data dengan format sebagai berikut:

2. Karena dalam analisis tabulasi silang yang dipakai adalah variabel baris dan
variabel kolom, dalam hal ini variabel pengobatan dan variabel kondisi maka
kedua variabel tersebut perlu dibobot dengan frekuensi data yang ada, dengan cara
klik menu
data > Weight
Cases.

Page 4 of 15
3. Pada kotak Weight Cases klik pilihan weight cases by, kemudian kotak
frequency table diisi dengan frekuensi. Kemudian klik OK.

4. Kemudian lakukan analisis tabulasi silang dengan cara klik menu Analyze >
Descriptive statistics > Crosstabs seperti pada gambar di bawah ini:

5. Masukkan variabel pengobatan pada kotak Row(s) dan variabel kondisi pada
Column(s), seperti pada gambar di bawah ini:

Page 5 of 15
6. Klik kotak Statistics lalu pilih kotak Chi Square kemudian klik Continue. Klik
kotak Cells, dan pilih kotak Observed, Expected, dan percentage Row, Colum,
Total. Kemudian klik Continue. Klik OK.
7. Outputnya adalah sebagai berikut:
pengobatan * kondisi Crosstabulation

Kondisi

membaik tidak membaik Total

pengobatan T1 Count 15 53 68
Expected Count 16.5 51.5 68.0
% within pengobatan 22.1% 77.9% 100.0%
% within kondisi 41.7% 47.3% 45.9%
% of Total 10.1% 35.8% 45.9%
T2 Count 21 59 80
Expected Count 19.5 60.5 80.0
% within pengobatan 26.3% 73.8% 100.0%
% within kondisi 58.3% 52.7% 54.1%
% of Total 14.2% 39.9% 54.1%
Total Count 36 112 148
Expected Count 36.0 112.0 148.0
% within pengobatan 24.3% 75.7% 100.0%
% within kondisi 100.0% 100.0% 100.0%
% of Total 24.3% 75.7% 100.0%

Page 6 of 15
 Dari 68 orang yang melakukan pengobatan kanker T1, 15 orang dalam kondisi
membaik dan 53 orang dalam kondisi tidak membaik. Sedangkan 80 orang yang melakukan
pengobatan kanker T2, 21 orang dalam kondisi membaik dan 59 orang dalam kondisi tidak
membaik. Tidak ada nilai harapan (expected count) yang kurang dari 5 maka digunakan uji
Pearson Chi-Square.

Chi-Square Tests
Asymp. Sig. (2- Exact Sig. (2- Exact Sig. (1-
Value df sided) sided) sided)
a
Pearson Chi-Square .351 1 .554
b
Continuity Correction .160 1 .689
Likelihood Ratio .352 1 .553
Fisher's Exact Test .571 .346
Linear-by-Linear Association .348 1 .555
N of Valid Cases 148
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 16.54.
b. Computed only for a 2x2 table

Uji hipotesis
H0: p1 = p2 (populasi T1 dan populasi T2 homogen)
H1: p1 p2 (populasi T1 dan populasi T2 tidak homogen)
Tingkat signifikansi
α = 0.05
Statistik uji
Pearson Chi-Square= 0,351
Daerah Kritik
2 2
H0 ditolak bila hitung > tabel.
Kesimpulan
2 2
hitung = 0,351 < tabel=3,841 maka H0 tidak ditolak. Populasi T1 dan
populasi T2 homogen.

Page 7 of 15
 Menggunakan R 2.8.1 (R-Console)
homogenitas=function(data) Comment [A1]: Fungsi uji homogenitas
{
if (length(data)>4)
{
stop("data Anda bukan merupakan matriks 2x2 \n")
}
else
{
n1=data[1,1]+data[1,2]
n2=data[2,1]+data[2,2]
m1=data[1,1]+data[2,1]
m2=data[1,2]+data[2,2]
n=m1+m2
w=(n*(((data[1,1]*data[2,2])-
(data[1,2]*data[2,1]))^2))/(m1*m2*n1*n2) Comment [A2]: Rumus untuk menghitung
{ statistic uji W
cat("--------------------------------UJI HOMOGENITAS-----------
--------------------- \n")
cat("a. Uji Hipotesis \n")
cat("\t Ho: Populasi 1 dan populasi 2 homogen \n")
cat("\t H1: Populasi 1 dan populasi 2 tidak homogen \n") Comment [A3]: Uji hipotesis
cat("b. Tingkat signifikansi\n")
cat("\t alpha=0.05 \n") Comment [A4]: Tingkat signifikansi
cat("c. Statistik Uji \n")
cat("\t W=",w,"\n") Comment [A5]: Statistik uji
cat("d. Daerah Kritik \n")
cat("\t Ho ditolak bila W > Chi-Square tabel(3.841) \n") Comment [A6]: Daerah kritik
cat("e. Kesimpulan\n")
if (w<3.841)
{
cat("\t Nilai W= ",w," < Chi-Square tabel(3.841) maka Ho
tidak ditolak. \n")
cat("\t Artinya populasi 1 dan populasi 2 homogen. \n")
cat("----------------------------------------------------
---------------------------\n")
} Comment [A7]: Kesimpulan jika nilai W< 3.841
else
{
cat("\t Nilai W= ",w," > Chi-Square tabel(3.841) maka Ho
ditolak. \n")
cat("\t Artinya populasi 1 dan populasi 2 tidak homogen.
\n")
cat("----------------------------------------------------
-------------------------\n")
} Comment [A8]: Kesimpulan jika nilai W>3.841
}
}
}

Output:

Page 8 of 15
B. Uji Independensi
Menggunakan SPSS 17
Langkah-langkah:
1. Masukkan data seperti pada gambar berikut:

2. Lakukan pembobotan dengan data yang ada, caranya klik Data > Weight Cases

Page 9 of 15
3. Klik Weight Cases by, masukkan data frekuensi. Lalu klik OK.

4. Setelah itu, lakukan analisis tabulasi silang dengan cara menu Analyze >
Descriptive statistics > Crosstabs seperti pada gambar berikut:

Page 10 of 15
5. Masukkan variabel umur pada kotak Row(s) dan variabel jam_tidur pada
Column(s), seperti pada gambar di bawah ini:

6. Klik kotak Statistics lalu pilih kotak Chi Square kemudian klik Continue. Klik
kotak Cells, dan pilih kotak Observed, Expected, dan percentage Row, Colum,
Total. Kemudian klik Continue. Klik OK.
7. Outputnya adalah sebagai berikut:

Page 11 of 15
 umur * jam_tidur Crosstabulation

jam_tidur

<=8 >8 Total

umur 30-40 Count 172 78 250
Expected Count 146.0 104.0 250.0
% within umur 68.8% 31.2% 100.0%
% within jam_tidur 58.9% 37.5% 50.0%
% of Total 34.4% 15.6% 50.0%
60-70 Count 120 130 250
Expected Count 146.0 104.0 250.0
% within umur 48.0% 52.0% 100.0%
% within jam_tidur 41.1% 62.5% 50.0%
% of Total 24.0% 26.0% 50.0%
Total Count 292 208 500
Expected Count 292.0 208.0 500.0
% within umur 58.4% 41.6% 100.0%
% within jam_tidur 100.0% 100.0% 100.0%
% of Total 58.4% 41.6% 100.0%

Sebanyak 250 orang berusia 30-40 tahun, 172 orang tidur kurang dari pukul 8,
dan 78 orang tidur lebih dari pukul 8. Sedangkan 250 orang berusia 60-70 tahun,
120 orang tidur kurang dari pukul 8 dan 130 orang tidur lebih dari pukul 8. Tidak
ada expected count yang kurang dari 5 maka digunakan uji Pearson Chi-Square.

Chi-Square Tests
Asymp. Sig. (2- Exact Sig. (2- Exact Sig. (1-
Value df sided) sided) sided)
a
Pearson Chi-Square 22.260 1 .000
b
Continuity Correction 21.412 1 .000
Likelihood Ratio 22.449 1 .000
Fisher's Exact Test .000 .000
Linear-by-Linear Association 22.216 1 .000
N of Valid Cases 500
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 104.00.
b. Computed only for a 2x2 table

Uji hipotesis
H0: variabel kategorik umur independen terhadap variabel kategorik
jam_tidur.
H1: variabel kategorik umur tidak independen terhadap variabel kategorik
jam_tidur.
Tingkat signifikansi

Page 12 of 15
 α = 0.05
Statistik uji
Pearson Chi-Square= 22,260
Daerah Kritik
2 2
H0 ditolak bila hitung > tabel.
Kesimpulan
2 2
hitung = 22,260 > tabel=3,841 maka H0 ditolak. Artinya variabel
kategorik umur tidak independen terhadap variabel kategorik
jenis_kelamin.

Menggunakan R 2.8.1
independensi=function(data) Comment [A9]: Fungsi uji independensi
{
if (length(data)>4)
{
stop("data Anda bukan merupakan matriks 2x2 \n")
}
else
{
n1=data[1,1]+data[1,2]
n2=data[2,1]+data[2,2]
m1=data[1,1]+data[2,1]
m2=data[1,2]+data[2,2]
n=m1+m2
w=(n*(((data[1,1]*data[2,2])-
(data[1,2]*data[2,1]))^2))/(m1*m2*n1*n2) Comment [A10]: Rumus menghitung statistic uji
{ W
cat("--------------------------------UJI INDEPENDENSI----------
---------------------- \n")
cat("a. Uji Hipotesis \n")
cat("\t Ho: Variabel kategorik 1 independen terhadap variabel
kategorik 2 \n")
cat("\t H1: Variabel kategorik 1 tidak independen terhadap
variabel kategorik 2 \n") Comment [A11]: Uji hipotesis
cat("b. Tingkat signifikansi\n")
cat("\t alpha=0.05 \n") Comment [A12]: Tingkat signifikansi
cat("c. Statistik Uji \n")
cat("\t W=",w,"\n") Comment [A13]: Statistik uji
cat("d. Daerah Kritik \n")
cat("\t Ho ditolak bila W > Chi-Square tabel(3.841) \n") Comment [A14]: Daerah kritik
cat("e. Kesimpulan\n")
if (w<3.841)
{
cat("\t Nilai W= ",w," < Chi-Square tabel(3.841) maka Ho
tidak ditolak. \n")
cat("\t Variabel kategorik 1 independen terhadap variabel
kategorik 2. \n")
cat("----------------------------------------------------
-----------------------------\n")
} Comment [A15]: Kesimpulan jika nilai W<3.841
else
{

Page 13 of 15
 cat("\t Nilai W= ",w," > Chi-Square tabel(3.841) maka Ho
ditolak. \n")
cat("\t Variabel kategorik 1 tidak independen terhadap
variabel kategorik 2. \n")
cat("----------------------------------------------------
----------------------------\n")
} Comment [A16]: Kesimpulan jika nilai W>3.841
}
}
}

Output

Page 14 of 15
 KESIMPULAN

1. Berdasarkan uji homogenitas diperoleh kesimpulan bahwa populasi T1 dan T2

tidak homogen.
2. Berdasarkan uji independensi diperoleh kesimpulan bahwa variabel kategorik
umur tidak independen terhadap variabel kategorik jenis_kelamin.
3. Dari penggunaan kedua software yakni SPSS 17 dan R 2.8.1 (R-Console) untuk
uji homogenitas dan uji independensi diperoleh hasil perhitungan yang tidak jauh
2
berbeda, hanya saja pada software R (R-Console) nilai lebih presisi yakni 5
digit di belakang koma.

Page 15 of 15