UJI NORMALITAS DAN UJI HOMOGENITAS

Nama : Yokhana Ferdinand Nim : 1834016 Memahami Uji Normalitas dan Uji Homogenitas Yokhana Ferdinand Jumat, 03 april 2020 Abstrak Saat melakukan penelitian dilakukan beberapa penngujian data seperti uji normalitas daan uji homogenitas. Uji Normalitas data adalah uji untuk mengukur apakah data yang di dapatkan memiliki distribusi normal atau tidak normal, sehingga pemilihan statistic dapat dilakukan dengan tepat. Uji homogenitas data adalah uji untuk memberikan informasi bahwa data penelitian masing-masing kelompok adalah data yang berasal dari populasi yang tidak berbeda jauh keragamannya. Hasil homogenitas yang baik apabila hasil uji tersebut apabila simpangan estimasinya mendekati angka 0 (nol). Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yaitu distribusi data tersebut tidak mencong ke kiri atau mencong ke kanan. Pengertian Uji Normalitas Uji Normalitas data adalah uji untuk mengukur apakah data yang di dapatkan memiliki distribusi normal atau tidak normal, sehingga pemilihan statistic dapat dilakukan dengan tepat. Tujuan uji Normalitas adalah untuk mengetahui apakah distribusi suatu data mengikuti atau mendekati distribusi normal, yaitu distribusi data dengan bentuk loceng (bell shaped). Data yang baik adalah data yang mempunyai pola seperti distribusi normal, yaitu distribusi data tersebut tidak mencong ke kiri atau mencong ke kanan. Langkah – langkah Uji Normalitas Uji normalitas bisa dilakukkan dengan membuat grafik dan melihat besaran kolmogorov-Smirnov Buka file outlier. Menu Analyze → Descriptive Statistic → explore, Tampak di layar: Pengisian : Masukkan variabel usia dan berat pada kontak DEPENDENT LIST . Pada bagian DISPLAY ( kiri bawah ) klik mouse pada kontak plots . Selanjutnya buka kontak PLOTS, sehingga tampak di layar. Tampak berbagai bentuk penyajian plot. Karena hanya diinginkan uji normalitas, maka : Aktifkan kontak normality plots with tests. Nonantifkan pilihan steam and leaf pada bagian descriptifes ( kanan tengah ). Pilih none pada bagian BOXPLOT ( kiri atas ). Tekan tombol Continue untuk kembali ke menu utama explore. Tinggalkan semua bagian lain dan tekan tombol OK untuk proses data. Output dan Analisis ( disimpan pada file uji normalitas) Kriteria pengujian : Angka signifikansi (SIG) ˃ 0,05, maka data berdistribusi normal. Angka signifikansi (SIG ) ˂ 0,05, maka data tidak berdistribusi normal. Analisis : Untuk variabel USIA, karena angka SIG, adalah 0,2 yang jauh di atas 0,05 maka distribusi data untuk usia konsumen adalah normal atau bisa dianggap normal. Untuk variabel BERAT, karena angka SIG adalah 0,000 YANG JAUB DI BAWAH 0,05 maka distribusi data untuk berat badan konsumen adalah tidak normal atau tidak bisa dianggap normal. Terlihat sebaran data dari variabel usia bergerombol di sekitar garis uji yang mengarus ke kanan atas, dan tidak ada data yang terletak jauh dari sebaran data. Dengan demikian, data tersebut bisa dikatakan normal. Langkah Buka file homoskedastisitas. Menu Analze → descriptive Statistics → explore, tampak di layar. Pengisian : Masukkan variabel tinggi dan jam kerja pada kotak dependent list. Masukkan varibel minum pada kotak pactor list. Pemasukkan variabel pada dependent list dan factor list jangan terbalik karena faktor list untuk data bertipe katagori : Pada bagian DISPLAY ( kiri bawah ), tetap pada pilihan both. Kemudian buka kotak PLOTS, sehingga tampak di layar. Pengisian : Pada bagian BOXPLOT, pilih none. NONAKTIFKAN pilih steam and leaf pada bagian DESCRIPTIVES ( kanan tengah). Pada bagian SPEARD VS LEVEL WITH LEVENE TEST, pilih power estimation. Selanjutnya tekan tombol CONTINUE untuk kembali ke menu utama Explore. Tinggalkan semua bagian lain dan tekan tombol OK untuk proses data. Output dan Analisis ( disimpan pada file uji homoskedastitas ) Proses penguji an untuk variabel tinggi Menentukan hipotesis : Ho : kedua varians populasi adalah identik Hi : kedua varians populasi adalah tidak indentik Kriteria pengujian : jika probilitas ( SIG ) ˃ 0,005, maka Ho diterima Jika probilitas ( SIG ) ˂ 0,05, maka Ho ditolak Keputasan : Pada baris tinggi dari tabel output di atas, dan dengan dasar mean, didapatkan angka SIG adalah 0,043 karena angka SIG ˂0,05, maka Ho di tolak. Hal ini berarti varians dari data tinggi konsumen yang minum sedikit air mineral berbeda dengan data tinggi konsumen yang minum banyak air mineral. Sehingga bisa disimpulkan telah terjadi heteroskedastisitas pada variabel tinggi dengan dasar grub minum. Jika dasar median terlihat anggka SIG justru memungkinkan pemerintah Ho karena angka SIG adalah 0,05 dengan demikian untuk kasus ini di terima tidaknya Ho tergantung pada dasar yang digunakan. Selain pada bagian kasus, kriteria pengujian bisa di turunkan, tidsk pada batas 0,05 namun pada batas 0,01. Referensi Susanto Singgih. 2010 Statistik Multivariat. Jakarta, PT Elex Media Koputindo.hal:43-53 Uji Homogenitas Uji homogenitas data adalah uji untuk memberikan informasi bahwa data penelitian masing-masing kelompok adalah data yang berasal dari populasi yang tidak berbeda jauh keragamannya. Hasil homogenitas yang baik apabila hasil uji tersebut apabila simpangan estimasinya mendekati angka 0 (nol). Uji ini dilakukan sebagai salah satu syarat uji statistika parametric di antaranya uji t, uji regresi dan Anava. Ada dua model untuk menguji Homogenitas data yaitu: Uji homogenitas untuk dua kelompok data . Uji homogenitas untuk dua kelompok atau lebih. Referensi : Ismail fajri.2018.Statistika Untuk Pendidikan dan Ilmu-Ilmu Sosial Ed 1.Jakarta: Prenadamedia Group.Hal:201 Langkah-langkah Homogenitas menggunakan SPSS Klik analyze kemudian compare Means Pilih one way anora Plih options Centang homogeneity of variance test. Masukan variable X ke despendent list Masukan variable Y ke factor Pilih options Centang homogeneity of variance test. Referensi : Simanjutak sinta dameria.2014.Statistik Penelitian dengan Aplikasi Ms. Excel dan SPSS.Surabaya: CV. Jakad Media Publishing.Hal :57