Uji Normalitas dan Uji Homogenitas dengan SPSS PDF

Preview

Summary

TUGAS 2 STATISTIK UJI NORMALITAS DAN HOMOGENITAS MELALUI PROGRAM SPSS LENGKAP DENGAN PEMBAHASANNYA Oleh: MUH. YUSUF LIZA 1747041001 M 6.1 UNIVERSITAS NEGERI MAKASSAR FAKULTAS ILMU PENDIDIKAN PRPGRAM STUDI PENDIDIKAN GURU SEKOLAH DASAR 2020 A. Uji Normalitas 1. Pengertian Uji Normalitas terdiri dari ...

Description

TUGAS 2 STATISTIK

UJI NORMALITAS DAN HOMOGENITAS MELALUI PROGRAM SPSS LENGKAP DENGAN PEMBAHASANNYA

Oleh: MUH. YUSUF LIZA 1747041001 M 6.1

UNIVERSITAS NEGERI MAKASSAR FAKULTAS ILMU PENDIDIKAN PRPGRAM STUDI PENDIDIKAN GURU SEKOLAH DASAR 2020

A. Uji Normalitas 1. Pengertian Uji Normalitas terdiri dari dua kata yaitu “uji” dan “normalitas”. Makna dari kata uji adalah sebuah tindakan atau perlakuan yang dilakukan seseorang seperti mengetes 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 dapat dikatakan normal atau tidak normal. Normal menunjukkan suatu hal yang baik sedangkan hasil tidak normal menunjukkan suatu hal yang tidak baik atau bermasalah. Jadi, kesimpulannya adalah Uji Normalitas adalah suatu cara seseorang dalam mencari tahu dan mengetes objek yang diamatinya apakah sedang dalam tingkatan (keadaan) normal atau tidak. 2. Kegunaan Tujuan dari Uji Normalitas dilihat dari ilmu statistik adalah teknik analisis dalam mencari tahu apakah data yang dimilikinya berdistribusi normal atau tidak, atau apakah data yang dimiliki berasal dari populasi yang berdistribusi normal atau tidak. Menurut para ahli, sampel besar dapat dianggap berdistribusi normal karena sifat datanya yang berjumlah 30 atau lebih. Namun tidak ada bunyi hukum atau aturan yang dapat memastikan dan memutuskan bahwa data yang lebih dari 30 atau lebih tadi berdistribusi normal. Oleh karenanya, pembuktian melalui uji normalitas diperlukan agar mendapatkan pedoman (pegangan) yang kuat dalam menginterpretasikan nantinya. 3. Kriteria Pengujian a. Model Regresi Linear. b. Nilai Residual. c. Diperlukan pada semua uji parametrik. d. Menggunakan beberapa teknik uji asumsi misalnya Kolmogorov-Smirnov dan sejenisnya. e. Indeks signifikansi nilai residual berdistribusi normal berkisar antara 0,05 – 1,00 f. Indeks signifikansi nilai residual tidak berdistribusi normal berkisar 0 – 0,05

4. Contoh Pengolahan SPSS Adapun langkah pengolahan SPSS untuk uji normalitas sebagai berikut: a. Mempersiapakan data yang akan dimasukkan dalam aplikasi SPSS (data input). b. Membuka aplikasi SPSS. c. Masuk ke bagian Variabel View, lalu mengubah pada kolom Name dengan (X dan Y). d. Memberikan Label (X dengan Motivasi) dan (Y dengan Hasil Belajar). e. Memindahkan (copy) data ke dalam aplikasi SPSS di bagian Data View. f. Setelah itu, kita akan mencari nilai unstandarlized residual. Karena kita akan menguji normalitas dari nilai tersebut. g. Klik menu (Analyze + Regression + Linear). h. Akan muncul Linear Regression dialog box. Selanjutnya, memasukkan (motivasi X) ke bagian Independent(s) dan memasukkan (hasil belajar Y) ke bagian Dependent. i. Masih pada dialog box tadi, klik menu save. Akan muncul Linear Regression: save dialog box, kita centang (unstandarlized) dibagian residual + continue. j. Klik OK. Kemudian akan muncul output regression. Tapi, bukan output tersebut yang akan diinterpretasikan. k. Kita lihat pada bagian Data View, telah ada data dari variabel baru yang diberi nama RES_1. l. Setelah itu, kita lakukan analisis dengan memilih menu Analyze setelah muncul beberapa sub menu, pilih menu Nonparametric Tests, kemudian, pilih menu Legacy Dialogs, dan terakhir pilihlah uji teknik 1-sample K-S. m. Muncul dialog box-nya masukkan unstandarlized residual ke bagian Test Variabel List + OK. n. Muncul output terbaru. Output tersebutlah yang akan kita interpretasikan. 5. Contoh Data Input a. Data Input 1: Motivasi

Hasil Belajar

(X)

(Y)

1

45

76

2

35

56

3

65

98

No.

4

56

54

5

23

89

6

45

77

7

56

76

8

23

89

9

37

98

10

45

56

11

41

78

12

42

54

13

47

34

14

47

76

15

52

65

16

59

54

17

50

55

18

52

50

19

32

54

20

34

56

21

78

78

22

65

89

23

23

78

24

34

76

25

54

76

26

23

90

27

34

97

b. Data Input 2: 466.885 -1.703.061 3.006.777 -1.546.174 1.393.004 566.885 653.826 1.393.004

2.530.928 -1.533.115 598.907 -1.784.099 -3.699.126 500.874 -514.153 -1.495.190 -1.548.142 -2.014.153 -1.954.044 -1.720.055 1.227.707 2.106.777 293.004 279.945 619.837 1.493.004 2.379.945

6. Contoh Data Ouput Adapun data ouput yang diperoleh dilampirkan di bagian lampiran berbentuk tabel. Ada dua hasil data output, yaitu data ouput 1 dan data output 2. Data output 1 adalah hasil analisa pertama yang diperoleh dari program SPSS. Sedangkan data output 2 adalah hasil analisa kedua yang diperoleh dari program SPSS berikutnya. Berikut daftar tabel yang dilampirkan. a. Tabel 1.0 Catatan Tentang Regresi. b. Tabel 1.1 Variabel Masuk/Dipindahkan. c. Tabel 1.2 Hasil Model. d. Tabel 1.3 ANOVA. e. Tabel 1.4 Koefisien. f. Tabel 1.5 Statistik Residual. g. Tabel 2.0 Catatan Tentang NPar Tes. h. Tabel 2.1 Uji Analisis Kolmogorov-Smirnov.

7. Interpretasi Baiklah seperti janji kami, kami tidak akan menginterpretasi data output yang bukan menjadi tujuan kita, tapi kita akan menginterpretasi data output berdasarkan tabel 2.1 yang telah dilampirkan. Karena tabel 2.1 memiliki hasil apa yang menjadi tujuan kita. Pada hasil analisis One-Sample Kolmogorov-Smirnov Tes menunjukkan banyak hasil analisis. Hasil analisis yang menunjukkan apakah nilai residual berdistribusi normal atau tidak terletak pada bagian Asymp. Sig. (2-tailed) yang bernilai 0,025. Hasil tersebut adalah indeks signifikansi nilai residual kita. Berdasarkan kriterianya, indeks signifikansi nilai residual yang berkisar antara 0 – 0,05 adalah indeks signifikansi nilai residual yang berdistribusi tidak normal. Maka dapat disimpulkan hasil analisis uji normalitas yang bernilai 0,025 < 0,05 adalah tidak berdistribusi normal. Penyebab tidak normalnya distribusi nilai residual kita disebabkan oleh kami yang memasukka data yang asal-asalan. Tidak melakukan observasi terlebih dahulu untuk mendapatkan data yang valid dan reliabel. B. Uji Homogenitas 1. Pengertian Uji Homgenitas berasal dari dua kata yaitu “uji” dan “Homogenitas”. Karena kita sudah membahas arti kata uji, kita langsung saja membahas ap aitu homogenitas. Homogenitas adalah sebuah variasi tingkatan dua objek atau lebih yang menunjukkan adanya kemiripan karakteristik, kriteria, dan keragaman (homogen) atau tidak sama sekali. 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). 2. Kegunaan Tujuan dari Uji Homogenitas dilihat dari ilmu statistik adalah Teknik analisis dalam mencari tahu apakah dua atau lebih variansi yang diamati memiliki distribusi bersifat homogen atau tidak. Selain itu, pengujian ini tidak digunakan pada uji regresi linear. Sebab, uji homogenitas hanya diperlukan ketika akan uji komparasi varians.

3. Kriteria Pengujian a. Komparasi dua atau lebih variansi. b. Diperlukan sebagai asumsi pada analisis perbedaan kelompok. c. Indeks signifikansi homogen berkisar antara 0,05 – 1,00 d. Indeks signifikansi tidak homogen berkisar antara 0 – 0,05 4. Contoh Pengolahan SPSS Adapun langkah pengolahan SPSS untuk uji homogenitas sebagai berikut: a. Mempersiapkan data yang akan dimasukkan dalam aplikasi SPSS (data input). b. Membuka aplikasi SPSS. c. Masuk ke bagian Variabel View, lalu mengubah pada kolom Name dengan (Hasil dan Kelas). d. Memberikan Label (Hasil dengan Hasil Belajar IPA) dan (Kelas dengan Kelas yang diberikan perlakuan coding). e. Coding untuk variabel kita ubah pada kolom Values dengan menambahkan (Kelas 6 A dengan coding 1 dan Kelas 6 B dengan coding 2). f. Memindahkan (copy) data ke dalam aplikasi SPSS di bagian Data View. g. Selanjutnya, kita akan melakukan pengolahan analisis. Klik menu Analyze, setelah itu, muncul beberapa pilihan menu, pilih menu Compare Means. Kemudian pilihlah uji One Way Anova. h. Muncul kotak dialog, selanjutnya kita masukkan variabel “hasil belajar IPA” ke bagian yang bertuliskan Dependent List dan variabel “kelas” ke bagian yang bertuliskan Factor. i. Selanjutnya, klik menu Options. Akan tampil Dialog Box Options, kita centang pada bagian (Homogenity of Variance Test + Continue). j. Kemudian, muncul data output hasil pengujian. Data output tersebut akan kemudian kita interpretasikan. 5. Contoh Data Input Hasil Belajar IPA

Kode Kelas

Kode Kelas

6A

6B

No Kelas 6 A

Kelas 6 B

1

78

90

1

2

2

89

78

1

2

3

76

90

1

2

4

90

95

1

2

5

90

95

1

2

6

98

93

1

2

7

89

92

1

2

8

78

91

1

2

9

67

80

1

2

10

50

88

1

2

11

55

87

1

2

12

56

56

1

2

13

76

55

1

2

14

67

67

1

2

15

66

76

1

2

16

69

66

1

2

17

70

69

1

2

18

56

70

1

2

19

78

77

1

2

20

90

71

1

2

21

91

90

1

2

22

91

91

1

2

23

92

93

1

2

24

93

88

1

2

25

95

89

1

2

26

87

96

1

2

27

88

56

1

2

6. Contoh Data Output Adapun data ouput yang diperoleh dilampirkan di bagian lampiran berbentuk tabel. Berikut daftar tabel yang dilampirkan. a. Tabel 1.0 Catatan Tentang Oneway. b. Tabel 1.1 Hasil Tes Homogenitas Varians. c. Tabel 1.2 ANOVA.

7. Interpretasi Kita telah melakukan pengolahan data menggunakan aplikasi SPSS. Kita juga telah mendapat data output yang menjadi tujuan kita yaitu mencari homogenitas dari dua atau lebih variansi. Seperti yang kita lihat, kita telah mengganti warna pada tabel 1.1 Tes Homogenity of Variance dengan tujuan supaya kita bisa dengan fokus memahami dan mencari tahu makna dari data output yang didapatkan. Hasil analisis yang menunjukkan apakah variansi-variansi berdistribusi homogen atau tidak terletak pada bagian Based on trimmed mean tepatnya di bagian Sig yang bernilai 0,715. Nilai tersebut adalah nilai homogenitas kita. Berdasarkan aturan indeks signifikansi > 0,05 adalah distribus data yang kita miliki bersifat homogen. Maka dapat disimpulkan hasil analisis uji homogenitas yang bernilai 0,715 > 0,05 adalah distribusi data yang bersifat homogen.

DAFTAR PUSTAKA Anwar Hidayat. 2013. Penjelasan Lengkap Uji Homogenitas. [Internet]. Tersedia di: https://www.statistikian.com/2013/01/uji-homogenitas.html. Anwar Hidayat. 2013. Penjelasan Tentang Uji Normalitas dan Metode Perhitungan. [Internet]. Tersedia di: https://www.statistikian.com/2013/01/uji-normalitas.html. Anwar Hidayat. 2017. Perbedaan Uji Normalitas dan Homogenitas. [Internet]. Tersedia di: https://www.statistikian.com/2017/03/perbedaan-uji-normalitas-danhomogenitas.html. Sahid Raharjo. 2014. Cara Melakukan Uji Homogenitas dengan SPSS Beserta Contoh Lengkapnya. [Internet]. Tersedia di: https://www.spssindonesia.com/2014/02/ujihomogenitas-dengan-spss.html. Sahid Raharjo. 2014. Cara Melakukan Uji Normalitas Kolmogorov-Smirnov dengan SPSS. [Internet].

Tersedia

di:

https://www.spssindonesia.com/2014/01/uji-normalitas-

kolmogorov-smirnov-spss.html.

LAMPIRAN A. Output Uji Normalitas 1. Data Ouput 1:

Regression Notes Output Created

21-MAR-2020 13:38:28

Comments Input

Active Dataset

DataSet0

Filter

Weight

Split File

N of Rows in Working Data

27

File Missing Value Handling

Definition of Missing

User-defined missing values are treated as missing.

Cases Used

Statistics are based on cases with no missing values for any variable used.

Syntax

REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT Y /METHOD=ENTER X /SAVE RESID.

Resources

Processor Time

00:00:00,02

Elapsed Time

00:00:00,21

Memory Required

2400 bytes

Additional Memory Required

0 bytes

for Residual Plots Variables Created or

RES_1

Unstandardized Residual

Modified

Tabel 1.0 Catatan Tentang Regresi

[DataSet0]

Variables Entered/Removeda Variables

Variables

Entered

Removed

Model 1

Method

Motivasib

. Enter

a. Dependent Variable: Hasil Belajar b. All requested variables entered.

Tabel 1.1 Variabel Masuk/dipindahkan Model Summaryb Model

R

R Square

.139a

1

Adjusted R

Std. Error of the

Square

Estimate

.019

-.020

17.38154

a. Predictors: (Constant), Motivasi b. Dependent Variable: Hasil Belajar

Tabel 1.2 Hasil Model ANOVAa Model 1

Sum of Squares Regression

df

Mean Square

149.722

1

149.722

Residual

7552.944

25

302.118

Total

7702.667

26

F

Sig. .488b

.496

a. Dependent Variable: Hasil Belajar b. Predictors: (Constant), Motivasi

Tabel 1.3 ANOVA Coefficientsa Standardized Unstandardized Coefficients Model 1

B (Constant) Motivasi

Coefficients

Std. Error

78.979

11.213

-.170

.241

Beta

t

-.139

Sig.

7.043

.000

-.704

.488

a. Dependent Variable: Hasil Belajar

Tabel 1.4 Koefisien Residuals Statisticsa Minimum Predicted Value

Maximum

Mean

Std. Deviation

N

65.7229

75.0700

71.4444

2.39970

27

-36.99126

30.06777

.00000

17.04400

27

Std. Predicted Value

-2.384

1.511

.000

1.000

27

Std. Residual

-2.128

1.730

.000

.981

27

Residual

a. Dependent Variable: Hasil Belajar

Tabel 1.5 Statistik Residual 2. Data Output 2:

NPar Tests Notes Output Created

21-MAR-2020 13:39:10

Comments Input

Active Dataset

DataSet0

Filter

Weight

Split File

N of Rows in Working Data

27

File Missing Value Handling

Definition of Missing

User-defined missing values are treated as missing.

Cases Used

Statistics for each test are based on all cases with valid data for the variable(s) used in that test.

Syntax

NPAR TESTS /K-S(NORMAL)=RES_1 /MISSING ANALYSIS.

Resources

Processor Time

00:00:00,00

Elapsed Time Number of Cases

00:00:00,08 Alloweda

786432

a. Based on availability of workspace memory.

Tabel 2.0 Catatan Tentang NPar Tes One-Sample Kolmogorov-Smirnov Test Unstandardized Residual N Normal Parametersa,b

27 Mean Std. Deviation

Most Extreme Differences

Test Statistic Asymp. Sig. (2-tailed) a. Test distribution is Normal. b. Calculated from data.

.0000000 17.04399765

Absolute

.180

Positive

.180

Negative

-.158 .180 .025c

c. Lilliefors Significance Correction.

Tabel 2.1 Uji Analisi Kolmogorov-Smirnov B. Output Uji Homogenitas

Oneway Notes Output Created

21-MAR-2020 23:10:08

Comments Input

Active Dataset

DataSet0

Filter

Weight

Split File

N of Rows in Working Data

54

File Missing Value Handling

Definition of Missing

User-defined missing values are treated as missing.

Cases Used

Statistics for each analysis are based on cases with no missing data for any variable in the analysis.

Syntax

ONEWAY Hasil BY Kelas /STATISTICS HOMOGENEITY /MISSING ANALYSIS.

Resources

Processor Time

00:00:00,02

Elapsed Time

00:00:00,09

Tabel 1.0 Catatan Tentang Oneway [DataSet0]

Test of Homogeneity of Variances Levene Statistic Hasil Belajar IPA

df1

df2

Sig.

Based on Mean

.105

1

52

.748

Based on Median

.273

1

52

.603

Based on Median and with

.273

1

46.761

.603

.135

1

52

.715

adjusted df Based on trimmed mean

Tabel 1.1 Hasil Tes Homogenitas Varians

ANOVA Hasil Belajar IPA Sum of Squares Between Groups

df

Mean Square

75.852

1

75.852

Within Groups

9539.481