Uji Normalitas Dan Homogenitas Data Dengan Spss [PDF]

Citation preview

STATISTIK PENELITIAN PENDIDIKAN UJI NORMALITAS DAN HOMOGENITAS MELALUI SPSS



DI SUSUN OLEH : NAMA



: 1. Anggun Ari Aditia Utami (4119005) 2. Vika Andre Tariyanti (4119013)



PROGRAM STUDI



: Pendidikan Fisika



MATA KULIAH



: Statistik Penelitian Pendidikan



DOSEN PENGAMPUH



: Tri Ariani, M.Pd,Si



SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN PERSATUAN GURU REPUBLIK INDONESIA (STKIP-PGRI LUBUKLINGGAU) TAHUN AJARAN 2021/2022



UJI NORMALITAS DAN HOMOGENITAS DATA DENGAN SPSS 1. PENGANTAR SPSS merupakan salah satu sekian banyak software statistika yang telah dikenal luas dikalangan penggunaannya. Disamping masih banyak lagi software statistika lainnya seperti minitab, Syastas, Microstat dan masih banyak lagi. SPSS adalah aplikasi yang digunakan untuk melakukan analisis statistika tingkat lanjut, analisis data dengan algoritma machine learning, analisis string, serta analisis big data yang dapat diintegrasikan untuk membangun platform data analisis. SPSS adalah kependekan dari Statistical Package for the Social Sciences. SPSS sangat populer di kalangan peneliti dan statistikawan untuk membantu melakukan perhitungan terkait analisis data. SPSS menyediakan library untuk perhitungan statistika dengan antarmuka interaktif yang menjadikannya sebagai software analisis data tingkat lanjut paling populer di berbagai universitas, instansi, dan perusahaan. Data hasil penelitian akan diuji secara statistik sesuai dengan tujuan penelitian dan rumusan masalah atau hipotesis penelitiannya. Setiap teknik uji statistik mempunyai kriteria atau persyaratan yang harus dipenuhi agar dapat menggunakan teknik uji statistic tertentu. Seperti misalnya uji statistik Parametrik mensyaratkan data harus berdistribusi normal dan homogen. Distribusi Normal ini merupakan salah satu fungsi Statistik yang sangat penting untuk memprediksi atau meramalkan peristiwa-peristiwa yang sangat kompleks dan luas. Sedangkan Uji homogenitas dilakukan untuk mengetahui apakah data dalam variabel X dan Y bersifat homogen atau tidak.



2. UJI NORMALITAS a. Pengertian Uji Normalitas terdiri dari dua kata yaitu “uji” dan “ normalitas”. Makna darikata uji adalah sebuah tindakan atau perlakuan yang dilakukan seseorang sepertimengetes dan mencari tahu terhadap objek yang diamatinya demi mencapai suatu jawaban yang dicarinya dari hasil perlakuan yang dilakukannya kepada objek tadi.Sedangkan arti dari kata normalitas adalah sebuah variasi tingkatan suatu objek dapatdikatakan normal atau tidak normal. Normal menunjukkan suatu hal yang baik sedangkan hasil tidak normal menunjukkan suatu hal yang tidak baik atau bermasalah. 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. Uji Normalitas berguna untuk menentukan data yang telah dikumpulkan berdistribusi normal atau diambil dari populasi normal. Metode klasik dalam pengujian normalitas suatu data tidak begitu rumit. 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, untuk itu perlu suatu pembuktian. uji statistik



normalitas yang



dapat digunakan diantaranya Chi-Square, Kolmogorov Smirnov,



Lilliefors, Shapiro Wilk, Jarque Bera. Jadi, kesimpulannya adalah Uji Normalitas adalah suatu cara seseorang dalam mencari tahu dan mengetes objek yang diamatinya apakah sedang dalamtingkatan (keadaan) normal atau tidak. Normalitas Data dapat dinyatakan dengan Distribusi Normal atau Kurve Normal. Distribusi Normal/ Kurve Normal ini merupakan salah satu fungsi Statistik yang sangat penting untuk memprediksi atau meramalkan peristiwa-peristiwa yang sangat kompleks dan luas. Distribusi Normal atau Kurve Normal ini juga disebut dengan istilah Distribusi Gauss, yaitu merupakan distribusi data kuantitatif kontinyu yang tersebar secara merata dan simetris serta membentuk sebuah kurva seperti lonceng. Beberapa kriteria Distribusi Normal adalah: 1) Mempunyai 2 parameter populasi yang lengkap, yaitu Mean dan Standar Deviasi 2) Kurva mempunyai bentuk seperti Lonceng dan simetris terhadap Mean. Sebelum menentukan Teknik Uji Statistik apa yang akan digunakan terutama untuk Data dengan Skala NUMERIC (Rasio dan Interval), maka perlu diketahui terlebih dahulu apakah Data tersebut Berdistribusi Normal atau tidak. Hal ini penting karena untuk Data dengan Skala Rasio dan Interval, maka dalam menentukan teknik uji statistiknya kemungkinan menggunakan Statistik Parametrik. Sedangkan Statistik Parametrik sendiri mensyaratkan Data harus berdistribusi Normal. Apabila ternyata Data Tidak Berdistribusi Normal, maka harus menggunakan alternatif uji statistik yang Non Parametrik. Berikut adalah langkah-langkah untuk melakukan Uji Normalitas Data.



b. Langkah-Langkah Uji Normalitas dengan SPSS Sebagai Contoh, misalnya kita melakukan penelitian dan sudah mengumpulkan data tentang Usia Responden. Kemudian kita akan menguji Normalitas dari data tersebut, yang artinya apakah data yang sudah kita kumpulkan tersebut, yaitu Usia Responden Normal berdistribusi secara normal atau tidak. Selanjutnya langkah-langkah Uji Normalitas



Data dengan menggunkan SPSS



adalah sebagai berikut: 1) Aktifkan Aplikasi SPSS. 2) Buka File SPSS dgn nama: DATA UJI NORMALITAS.sav 3) Lihat pada VARIABEL VIEW. 4) Selanjutnya lihat/aktifkan DATA VIEW. 5) Klik ANALYZE selanjutnya pilih DESCRIPTIVE STATISTICS kemudian klik EXPLORE, dan selanjutnya masukkan Variabel Umur ke dalam Kotak DEPENDENT LIST. Lihat langkah-langkahnya (Langkah 5) dalam tampilan Gambar 1-4 di bawah ini:



Gambar 1. Tampilan data Umur Responden yang akan diuji Normalitas



Gambar 2. Tampilan Pemilihan Teknik Analisis Uji Normalitas Data



Gambar 3. Tampilan Variabel dalam Kotak Dialog Explore



Gambar 4. Tampilan Variabel dalam Kotak Dialog Explore setelah dipindah ke Kotak Dependent List 6) Kemudian Klik/Pilih BOTH pada bagian DISPLAY (terletak dibagian bawah) dan Biarkan kotak STATISTICS sesuai default SPSS. Langkah 6 tersebut dapat dilihat pada Tampilan Gambar 5 di bawah ini:



Gambar 5. Pemilihan Display pada Uji Normalitas 7) Selanjutnya Aktifkan/Klik Kotak PLOTS, sehingga muncul tampilan seperti Gambar 6 berikut ini:



Gambar 6. Tampilan Explore: Plot 8) Lihat



pada



BOXPLOTS



kemudian



Aktifkan/Klik/Pilih



FACTOR



LEVEL



TOGETHER. 9) Lihat pada bagian DESCRIPTIVE, kemudian Aktifkan/Klik/Pilih HISTOGRAM. 10) Kemudian Aktifkan/Klik/Pilih NORMALITY PLOTS WITH TESTS Langkah No. 8-10 tersebut dapat dilihat pada tampilan Gambar 7 di bawah ini:



Gambar 7. Langkah Pemilihan Fungsi Explore: Plot 11) Selanjutnya Klik CONTINUE dan kemudian Klik OK, lalu lihat Hasil atau Outputnya seperti pada Gambar 8 sebagai berikut ini:



Tests of Normality Kolmogorov-Smirnova Shapiro-Wilk Statistic df Sig. Statistic df Sig. .109 290 .000 .974 290 .000



umur responden a. Lilliefors Significance Correction Gambar 8. Tabel Output/ Hasil Uji Normalitas Data 12) Selanjutnya



simpan



File



Data



dan



Output



tersebut



menggunakan



Menu Save AS c. Interpretasi Hasil/ Menarik Kesimpulan Setelah proses analisis data selesai, maka langkah selanjutnya adalah menarik kesimpulan atau memberikan interpretasi terhadap hasil uji tersebut. Kriteria atau Cara Memberikan Interpretasi Hasil Uji Normalitas Data adalah sebagai berikut: Lihat pada Tabel TESTS OF NORMALITY Terdapat 2 Jenis Uji Normalitas, yaitu Kolmogorov-Smirnov dan Shapiro-Wilk. Penggunaannya adalah: Kolmogorov-Smirnov: Untuk Sampel Besar (>50) Shapiro-Wilk: Untuk Sampel Kecil (≤50) DatadapatdikatakanBERDISTRIBUSINORMAL, apabila Nilai P (Sig.) > 0.05, baik pada Kolmogorov-Smirnov maupun Shapiro-Wilk.



Kesimpulan dari Contoh Hasil Uji Normalitas pada Kasus di atas adalah:



Tests of Normality Kolmogorov-Smirnova Shapiro-Wilk Statistic df Sig. Statistic D Sig. f .109 290 .000 .974 290 .000



umur responden a. Lilliefors Significance Correction



Bahwa Jumlah Sampel (N) adalah 290, hal ini berarti Sampel Besar (>50), sehingga Tabel hasil Uji Normalitas yang digunakan adalah Tabel Kolmogorov-Smirnov. Dari Tabel tersebut didapatkan Nila P (Sig.) = 0,000 yang berarti P < 0,05 sehingga Data tersebut dikatakan TIDAK BERDISTRIBUSI NORMAL.



3. UJI HOMOGENITAS a. Pengertian Uji Homogenitas berasal dari dua kata yaitu “uji” dan “Homogenitas”. Karenakita sudah membahas arti kata uji, kita langsung saja membahas apa itu homogenitas. Homogenitas adalah sebuah variasi tingkatan dua objek atau lebih yang menunjukkan adanya kemiripan karakteristik, kriteria, dan keragaman (homogen) atau tidak sama sekali. 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. Jadi, Uji Homogenitas adalah suatu cara seseorang dalam mencari tahu dan mengetes dua objek atau lebih yang diamatinya apakah menunjukkan adanya kemiripan



karakteristik, kriteria, dan keramagan atau tidak sama sekali (berbeda). Uji homogenitas adalah pengujian mengenai sama tidaknya variansi-variansi dua buah distribusi data atau lebih. Uji homogenitas dilakukan untuk mengetahui apakah data dalam variabel X dan Y bersifat homogen atau tidak. Uji ini biasanya dilakukan sebagai prasyarat analisis data/ analisis statistic menggunakan teknik Uji Independent T-Test dan ANOVA. Adapun Dasar Pengambilan Keputusan dalam Uji Homogenitas adalah: JikaNilaiSignifikansi(P-Value )< 0,05



makadapat



disimpulkan bahwa “Varian dari Dua Kelompok Data atau Lebih adalah TIDAK SAMA (TIDAK H JikaNilaiSignifikansi(P-Value) > 0,05 makadapat disimpulkan bahwa “Varian dari Dua Kelompok Data atau Lebih adalah SAMA (HOMOGEN)”.



b. Langkah-Langkah Uji Homogenitas dengan SPSS Sebagai contoh, kita akan melakukan Uji Homogenitas terhadap data hasil penelitian yang terdiri atas variabel Motivasi Belajar dan Prestasi Belajar. Dimana Motivasi Belajar merupakan Variabel Bebas (X) dan Prestasi Belajar sebagai Variabel Terikat (Y). Adapun data dari masing-masing Varaibel adalah sebagai berikut: Responden 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15



Motivasi Belajar 65 60 80 65 80 75 80 65 75 65 60 75 80 65 70



Prestasi Belajar 75 75 90 80 95 95 85 85 90 75 75 80 95 80 85



Untuk membuktikan apakah Dua Kelompok Data tersebut mempunyai Variansi yang Sama (Homogen), maka dapat dilakukan Uji Statistik menggunakan SPSS sebagai berikut: 1) Entry Data ke dalam Program SPSS. Sebagaimana terlihat pada Gambar berikut:



2) Selanjutnya klik ANALYZE dan pilih COMPARE MEAN dan klik pada ONE WAY ANOVA. Seperti tampilan Gambar di bawah ini:



3) Setelah itu akan muncul tampilan seperti berikut:



4) Selanjutnya masukkan Variabel Terikat (Y) yaitu Prestasi Belajar ke dalam kotak DEPENDENT LIST dan masukkan Variabel Bebas (X) yaitu Motivasi Belajar ke dalam kotak FACTOR. Sebagaimana ditunjukkan pada Gambar berikut ini:



5) Selanjutnya klik pada menu OPTION dan beri Tanda Centhang (√) pada pilihan HOMOGENEITY OF VARIANCE TEST dan kemudian klik CONTINUE.



6) Kemudian klik OK dan lihat hasilnya, seperti Nampak pada gambar berikut:



c. Interpretasi Hasil/ Menarik Kesimpulan Berdasarkan Output SPSS tersebut, didapatkan hasil Sig (P- Value) = 0,142. Hal ini menunjukkan bahwa nilai P > 0,05. Dengan demikian dapat disimpulkan bahwa Varian dari Data tersebut adalah SAMA atau dapat dikatakan bahwa Data tersebut HOMOGEN.



CONTOH SOAL 1. Lakukan Uji Normalitas Data dan Berikan Interpretasi atau Kesimpulan dari hasil uji tersebut pada data berikut ini: No.



Data Nilai Mahasiswa



1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19



80 90 80 75 60 70 60 75 80 80 85 90 90 80 85 70 75 75 60



20 60 21 75 22 75 23 80 24 85 25 85 26 85 27 60 28 60 29 70 30 60 Langkah-Langkah Uji Normalitas dengan SPSS 1) Aktifkan Aplikasi SPSS. 2) Buka File SPSS dgn nama: DATA NILAI MAHASISWA.sav 3) Lihat pada VARIABEL VIEW. 4) Selanjutnya lihat/aktifkan DATA VIEW. 5) Klik ANALYZE selanjutnya pilih DESCRIPTIVE STATISTICS kemudian klik EXPLORE, dan selanjutnya masukkan Variabel ke dalam Kotak DEPENDENT LIST. Lihat langkah-langkahnya (Langkah 5) dalam tampilan Gambar 1-4 di bawah ini:



Gambar 1. Tampilan data Umur Responden yang akan diuji Normalitas



Gambar 2. Tampilan Pemilihan Teknik Analisis Uji Normalitas Data



Gambar 3. Tampilan Variabel dalam Kotak Dialog Explore 6) Kemudian Klik/Pilih BOTH pada bagian DISPLAY (terletak dibagian bawah) dan Biarkan kotak STATISTICS sesuai default SPSS. 7) Selanjutnya Aktifkan/Klik Kotak PLOTS, sehingga muncul tampilan seperti 8) Lihat pada BOXPLOTS kemudian Aktifkan/Klik/Pilih FACTOR LEVEL TOGETHER. 9) Lihat pada bagian DESCRIPTIVE, kemudian Aktifkan/Klik/Pilih HISTOGRAM. 10) Kemudian Aktifkan/Klik/Pilih NORMALITY PLOTS WITH TESTS Langkah No. 6-10 tersebut dapat dilihat pada tampilan Gambar 7 di bawah ini:



Gambar 7. Langkah Pemilihan Fungsi Explore: Plot 11) Selanjutnya Klik CONTINUE dan kemudian Klik OK, lalu lihat Hasil atau Outputnya seperti pada Gambar 8 sebagai berikut ini:



Tests of Normality Kolmogorov-Smirnova Statistic Data Nilai Mahasiswa



df



.166



Shapiro-Wilk



Sig. 30



Statistic



.034



Df



.893



Sig. 30



.006



a. Lilliefors Significance Correction



Gambar 8. Tabel Output/ Hasil Uji Normalitas Data 12) Selanjutnya



simpan



File



Data



dan



Output



tersebut



menggunakan



Menu Save AS d. Interpretasi Hasil/ Menarik Kesimpulan Setelah proses analisis data selesai, maka langkah selanjutnya adalah menarik kesimpulan atau memberikan interpretasi terhadap hasil uji tersebut. Kesimpulan dari Contoh Hasil Uji Normalitas pada Kasus di atas adalah: Case Processing Summary Cases Valid N Data Nilai Mahasiswa



Missing



Percent 30



100.0%



N



Total



Percent 0



0.0%



N



Percent 30



100.0%



Tests of Normality Kolmogorov-Smirnova Statistic Data Nilai Mahasiswa



df



.166



Shapiro-Wilk



Sig. 30



.034



Statistic



Df



.893



Sig. 30



.006



a. Lilliefors Significance Correction



Bahwa Jumlah Sampel (N) adalah 30, hal ini berarti Sampel Besar ( > 5 0), sehingga Tabel hasil Uji Normalitas yang digunakan adalah Tabel Kolmogorov-Smirnov. Dari Tabel tersebut didapatkan Nila P (Sig.) = 0,034 yang berarti P < 0,05 sehingga Data tersebut dikatakan TIDAK BERDISTRIBUSI NORMAL. 2. Lakukan Uji Homogenitas Data dan Berikan Interpretasi atau Kesimpulan dari hasil uji tersebut pada data berikut ini: No.



Data Score Motivasi



Data Nilai Mahasiswa



1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26



10 20 20 10 10 20 25 25 30 30 25 25 20 20 10 10 20 20 25 25 25 30 30 20 10 20



80 90 80 75 60 70 60 75 80 80 85 90 90 80 85 70 75 75 60 60 75 75 80 85 85 85



27 28 29 30



10 25 20 10



60 60 70 60



Langkah-Langkah Uji Homogenitas dengan SPSS 1) Entry Data ke dalam Program SPSS. Sebagaimana terlihat pada Gambar berikut:



2) Selanjutnya klik ANALYZE dan pilih COMPARE MEAN dan klik pada ONE WAY ANOVA. Seperti tampilan Gambar di bawah ini:



3) Selanjutnya masukkan Variabel Terikat (Y) yaitu Nilai ke dalam kotak DEPENDENT LIST dan masukkan Variabel Bebas (X) yaitu Motivasi ke dalam kotak FACTOR. Sebagaimana ditunjukkan pada Gambar berikut ini:



4) Selanjutnya klik pada menu OPTION dan beri Tanda Centhang (√) pada pilihan HOMOGENEITY OF VARIANCE TEST dan kemudian klik CONTINUE.



5) Kemudian klik OK dan lihat hasilnya, seperti Nampak pada gambar berikut: Test of Homogeneity of Variances Nilai



Levene Statistic



df1



4.836



df2 3



Sig. 26



.008



Interpretasi Hasil/ Menarik Kesimpulan Berdasarkan Output SPSS tersebut, didapatkan hasil Sig (P- Value) = 0,008. Hal ini menunjukkan bahwa nilai P < 0,05. Dengan demikian dapat disimpulkan bahwa Varian dari Data tersebut adalah S bahwa “Varian dari Dua Kelompok Data atau Lebih adalah TIDAK SAMA atau dapat dikatakan bahwa Data tersebut TIDAK HOMOGEN. Uji Homogenitas dengan SPSS a. Langkah-langkah Pengujian Kehomogenan Untuk menguji kehomogenan data sampel y berdasarkan pengelompokkan data X, lakukan langkah-langkah berikut ini: Langkah-Langkah Uji Homogenitas dengan SPSS 1) Entry Data ke dalam Program SPSS. Sebagaimana terlihat pada Gambar berikut:



2) Buka file data yang akan dianalisis, Pilih menu berikut ini, Analyze, Descriptives Statistics Explore. Menu uji homogenitas akan tampak seperti gambar berikut



3) Selanjutnya masukkan Variabel Terikat (Y) yaitu Nilai ke dalam kotak DEPENDENT LIST dan masukkan Variabel Bebas (X) yaitu Motivasi ke dalam kotak FACTOR. Sebagaimana ditunjukkan pada Gambar berikut ini:



4) Klik tombol Plots, Pilih Factor Levels Together, Levene test untuk untransormed, seprti pada gambar di bawah, Klik Continue,



5) Kemudian klik OK dan lihat hasilnya, seperti Nampak pada gambar berikut:



Case Processing Summary Motivasi



Cases Valid N



Nilai



Missing



Percent



N



Total



Percent



N



Percent



10



8



100.0%



0



0.0%



8



100.0%



20



10



100.0%



0



0.0%



10



100.0%



25



8



100.0%



0



0.0%



8



100.0%



30



4



100.0%



0



0.0%



4



100.0%



Descriptives Motivasi Nilai



10



Statistic Mean



71.88



95% Confidence Interval for



Lower Bound



62.68



Mean



Upper Bound



81.07



Std. Error 3.889



5% Trimmed Mean



71.81



Median



72.50



Variance



120.982



Std. Deviation



10.999



Minimum



60



Maximum



85



Range



25



Interquartile Range



24



Skewness Kurtosis Mean



1.481



80.00



2.357



74.67



Mean



Upper Bound



85.33



5% Trimmed Mean



80.00



Median



80.00 55.556



Std. Deviation



7.454



Minimum



70



Maximum



90



Range



20



Interquartile Range



13



Kurtosis Mean



.000



.687



-1.334



1.334



70.63



4.375



95% Confidence Interval for



Lower Bound



60.28



Mean



Upper Bound



80.97



5% Trimmed Mean



70.14



Median



67.50



Variance



153.125



Std. Deviation



12.374



Minimum



60



Maximum



90



Range



30



Interquartile Range



23



Skewness Kurtosis 30



-2.008



Lower Bound



Skewness



25



.752



95% Confidence Interval for



Variance 20



.008



Mean 95% Confidence Interval for



Lower Bound



.564



.752



-1.459



1.481



78.75



1.250



74.77



Mean



Upper Bound



82.73



5% Trimmed Mean



78.89



Median



80.00



Variance



6.250



Std. Deviation



2.500



Minimum



75



Maximum



80



Range



5



Interquartile Range



4



Skewness Kurtosis



-2.000



1.014



4.000



2.619



df2



Sig.



Test of Homogeneity of Variance Levene Statistic



Nilai



df1



Based on Mean



4.836



3



26



.008



Based on Median



4.471



3



26



.012



4.471



3



21.675



.014



4.864



3



26



.008



Based on Median and with adjusted df Based on trimmed mean



Interpretasi Hasil/ Menarik Kesimpulan Interpretasi dilakukan dengan memilih salah satu statistik, yaitu statistik yang didasarkan pada rata-rata (Based on Mean). Berdasarkan Output SPSS tersebut, didapatkan hasil Sig (P-Value) = 0,008. Hal ini menunjukkan bahwa nilai P < 0,05. Dengan demikian dapat disimpulkan bahwa Varian dari Data tersebut adalah TIDAK SAMA atau dapat dikatakan bahwa Data tersebut TIDAK HOMOGEN. 3. Shinta akan melakukan penelitian eksperimental dengan judul “ PERBEDAAN HASIL BELAJAR SISWA KELAS 5 DENGAN MENGGUNAKAN MEDIA VIDEO DAN MEDIA GAMBAR PADA MATA PELAJARAN FISIKA MAN 1 MODEL LUBUKLINGGAU ” Kelas XI MIPA yang terdiri dari kelas XI MIPA 1, XI MIPA 2, dan XI MIPA 3. Sebelum melakukan penelitian. Lala perlu melakukan uji normalitas dan uji homogenitas untuk mengetahui apakah siswa kelas XI MIPA memiliki varians yang sama atau homogen. Berikut adalah hasil ulangan harian siswa XI MIPA yang akan digunakan untuk melakukan uji normalitas dan uji homogenitas. No 1 2 3 4 5 6



XI MIPA 1 82 90 86 86 83 75



XI MIPA 2 73 80 74 70 66 70



XI MIPA 3 65 85 43 84 49 82



7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25



73 89 86 75 80 84 83 75 70 60 78 69 77 50 89 56 85 82 90



73 80 86 70 80 83 75 73 87 84 80 73 77 82 72 90 88 72 78



66 75 76 90 68 73 94 73 80 78 90 87 64 90 80 90 77 78 74



1. UJI NORMALITAS Langkah-Langkah Uji Normalitas dengan SPSS 1) Aktifkan Aplikasi SPSS. 2) Buka File SPSS dgn nama: DATA NILAI MAHASISWA.sav 3) Lihat pada VARIABEL VIEW. 4) Selanjutnya lihat/aktifkan DATA VIEW.



Klik ANALYZE selanjutnya pilih DESCRIPTIVE STATISTICS kemudian klik EXPLORE, dan selanjutnya masukkan Variabel ke dalam Kotak



5) Kemudian Klik/Pilih BOTH pada bagian DISPLAY (terletak dibagian bawah) dan Biarkan kotak STATISTICS sesuai default SPSS. 6) Selanjutnya Aktifkan/Klik Kotak PLOTS, sehingga muncul tampilan seperti 7) Lihat pada BOXPLOTS kemudian Aktifkan/Klik/Pilih FACTOR LEVEL TOGETHER. 8) Lihat pada bagian DESCRIPTIVE, kemudian Aktifkan/Klik/Pilih HISTOGRAM. 9) Kemudian Aktifkan/Klik/Pilih NORMALITY PLOTS WITH TESTS Langkah No. 5-10 tersebut dapat dilihat pada tampilan Gambar di bawah ini:



10) Selanjutnya Klik CONTINUE dan kemudian Klik OK, lalu lihat Hasil atau Outputnya seperti pada Gambar 8 sebagai berikut ini:



Tests of Normality Kolmogorov-Smirnova Statistic



Df



Shapiro-Wilk



Sig.



Statistic



df



Sig.



XI MIPA 1



.163



25



.084



.883



25



.008



XI MIPA 2



.153



25



.133



.956



25



.346



XI MIPA 3



.151



25



.144



.918



25



.047



a. Lilliefors Significance Correction



Gambar Tabel Output/ Hasil Uji Normalitas Data 11) Selanjutnya



simpan



File



Data



dan



Output



tersebut



menggunakan



Menu Save AS Interpretasi Hasil/ Menarik Kesimpulan Setelah proses analisis data selesai, maka langkah selanjutnya adalah menarik kesimpulan atau memberikan interpretasi terhadap hasil uji tersebut. Kesimpulan dari Contoh Hasil Uji Normalitas pada Kasus di atas adalah: Case Processing Summary Cases Valid N XI MIPA 1



Missing



Percent 25



100.0%



N



Total



Percent 0



0.0%



N



Percent 25



100.0%



XI MIPA 2



25



100.0%



0



0.0%



25



100.0%



XI MIPA 3



25



100.0%



0



0.0%



25



100.0%



Tests of Normality Kolmogorov-Smirnova Statistic



Df



Shapiro-Wilk



Sig.



Statistic



df



Sig.



XI MIPA 1



.163



25



.084



.883



25



.008



XI MIPA 2



.153



25



.133



.956



25



.346



XI MIPA 3



.151



25



.144



.918



25



.047



a. Lilliefors Significance Correction



Bahwa Jumlah Sampel (N) adalah 25, sehingga Tabel hasil Uji Normalitas yang digunakan adalah Tabel Kolmogorov-Smirnov. Dari Tabel tersebut didapatkan Nila P (Sig.) > 0,05 sehingga Data tersebut dikatakan BERDISTRIBUSI NORMAL. 2. UJI HOMOGENITAS Langkah-Langkah Uji Homogenitas dengan SPSS 1) Entry Data ke dalam Program SPSS. Sebagaimana terlihat pada Gambar berikut:



2) Selanjutnya klik ANALYZE dan pilih COMPARE MEAN dan klik pada ONE WAY ANOVA. Seperti tampilan Gambar di bawah ini:



3) Selanjutnya masukkan Variabel Terikat (Y) ke dalam kotak DEPENDENT LIST dan masukkan Variabel Bebas (X) ke dalam kotak FACTOR. Sebagaimana ditunjukkan pada Gambar berikut ini:



4) Selanjutnya klik pada menu OPTION dan beri Tanda Centhang (√) pada pilihan HOMOGENEITY OF VARIANCE TEST dan kemudian klik CONTINUE.



5) Kemudian klik OK dan lihat hasilnya, seperti Nampak pada gambar berikut: Test of Homogeneity of Variances NILAI Levene Statistic



df1



2.234



df2 2



Sig. 72



.114



Interpretasi Hasil/ Menarik Kesimpulan Berdasarkan Output SPSS tersebut, didapatkan hasil Sig (P-Value) = 0,114. Hal ini menunjukkan bahwa nilai P > 0,05. Dengan demikian dapat disimpulkan bahwa Varian dari Data tersebut adalah bahwa “Varian dari Dua Kelompok Data atau Lebih adalah SAMA atau dapat dikatakan bahwa Data tersebut HOMOGEN. Uji Homogenitas dengan SPSS a. Langkah-langkah Pengujian Kehomogenan Untuk menguji kehomogenan data sampel y berdasarkan pengelompokkan data X, lakukan langkah-langkah berikut ini: Langkah-Langkah Uji Homogenitas dengan SPSS 1) Entry Data ke dalam Program SPSS. Sebagaimana terlihat pada Gambar berikut



2) Buka file data yang akan dianalisis, Pilih menu berikut ini, Analyze, Descriptives Statistics Explore. Menu uji homogenitas akan tampak seperti gambar berikut



3)



Selanjutnya masukkan Variabel Terikat (Y) yaitu Nilai ke dalam kotak DEPENDENT LIST dan masukkan Variabel Bebas (X) yaitu Kelas ke dalam



kotak FACTOR. Sebagaimana ditunjukkan pada Gambar berikut ini:



4) Klik tombol Plots, Pilih Factor Levels Together, Levene test untuk untransormed,



seprti pada gambar di bawah, Klik Continue,



5) Kemudian klik OK dan lihat hasilnya, seperti Nampak pada gambar berikut: Case Processing Summary kELAS



Cases Valid N



NILAI



XI MIPA 1



Missing



Percent 25



100.0%



N



Total



Percent 0



0.0%



N



Percent 25



100.0%



XI MIPA 2



25



100.0%



0



0.0%



25



100.0%



XI MIPA 3



25



100.0%



0



0.0%



25



100.0%



Descriptives kELAS



Statistic Mean



78.12



95% Confidence Interval for



Lower Bound



73.76



Mean



Upper Bound



82.48



5% Trimmed Mean



78.96



Median



82.00



Variance XI MIPA 1



Std. Deviation



10.572



Minimum



50



Maximum



90



Range



40



Interquartile Range



12 -1.236



.464



Kurtosis



1.165



.902



Mean



77.44



1.296



95% Confidence Interval for



Lower Bound



74.76



Mean



Upper Bound



80.12



5% Trimmed Mean



77.36



Median



77.00



Variance XI MIPA 2



42.007



Std. Deviation



6.481



Minimum



66



Maximum



90



Range



24



Interquartile Range



10



Skewness



XI MIPA 3



2.114



111.777



Skewness



NILAI



Std. Error



.302



.464



Kurtosis



-.859



.902



Mean



76.44



2.489



95% Confidence Interval for



Lower Bound



71.30



Mean



Upper Bound



81.58



5% Trimmed Mean



77.30



Median



78.00



Variance Std. Deviation



154.840 12.443



Minimum



43



Maximum



94



Range



51



Interquartile Range



16



Skewness Kurtosis



-1.068



.464



1.337



.902



Test of Homogeneity of Variance Levene Statistic



NILAI



df1



df2



Sig.



Based on Mean



2.234



2



72



.114



Based on Median



1.705



2



72



.189



1.705



2



55.167



.191



2.050



2



72



.136



Based on Median and with adjusted df Based on trimmed mean



Interpretasi Hasil/ Menarik Kesimpulan Interpretasi dilakukan dengan memilih salah satu statistik, yaitu statistik yang didasarkan pada rata-rata (Based on Mean). Berdasarkan Output SPSS tersebut, didapatkan hasil Sig (P-Value) = 0,114. Hal ini menunjukkan bahwa nilai P > 0,05. Dengan demikian dapat disimpulkan bahwa Varian dari Data tersebut adalah SAMA bahwa “Varian dari Dua Kelompok Data atau Lebih adalah SAMA atau dapat dikatakan bahwa Data tersebut HOMOGEN.



DAFTAR PUSTAKA Amin.I., Aswin.A., Fajar.I., Isnaeni, Iwan.S., Pudjirahaju.A., Sunindya.R.. 2009. Statistika. Yogyakarta. Graha Ilmu. Farhan, Q.(2008). Metode Statistika. Yogyakarta: Bidang Akademik UIN Sunan Kalijaga Yogyakarta. Gunardi.(1999). Diktat Kuliah Metode Statistik. FMIPA Universitas Gadjah Mada Yogyakarta