Statistika Industri Multivariat

Uji dan Seleksi Data

1. Pengertian Statistik
Statistika Statistik
ilmu pengetahuan yang istilah yang dipakai untuk
mempelajari tentang cara- menyatakan kesimpulan fakta.
cara pengumpulan fakta,
pengolahan serta analisis Fakta : berbentuk anga/
pemberatan kesimpulan keterangan lain yang
dan penafsiran disusun/disajikan dalam
kesimpulan yang cukup daftar/diagram untuk
beralasan berdasarkan menggambarkan persoalan
fakta dan analisa yang sesuai dengan fakt yang ada,
dilakukan agar khalayak dapat
memahami dan mengerti
tentang gambaran situasi yang
sebenarnya
Data
Perlakuan dari data, Angka Fakta
berupa pengumpulan, 100
pengolahan/analisis, 80
penafsiran dan penarikan 60
kesimpulan. 40

Angka - angka 20
0
1 2 3 4
Statistika Deskriptif/Statistik Deduktif
Ilmu yang mempelajari tentang
engumpulan

engolahan, penyajian dan

enganalisaan data
untuk dijadikan sebagai wahana informasi dalam bentuk
deskripsi suatu persoalan yang diperoleh dari sekumpulan
data yang sedang ditelaah secara keseluruhan
Statistika deskriptif
Merupakan informasi Digunakan bila penelitian hanya
secara global ingin mendiskripsikan data
(menyeluruh) berdasarkan sampel, dan tidak ingin membuat
fakta yang sebenarnya, kesimpulan yang berlaku untuk
populasi, tetapi bila peneliti
sehingga statistika ingin membuat yang belaku
deskriptif dikatakan bukan untuk populasi, maka teknik
merupakan kesimpulan analisis yang digunakan adalah
terhadap populasinya statistik inferensial
yang diperoleh dari hasil
pengamatan.
Penyajian Data Statistik
Deskriptif
Tabel
Grafik
Diagram lingkaran
Pietogram
Perhitungan modus
Median
Mean (Pengukuran Tendensi Sentral)
Perhitungan Hasil
Persentil
Perhitungan penyebaran data melalui perhitungan rata-rata
dan standar deviasi
Perhitungan persentase
Dalam statistik deskriftif
dapat dilakukan mencari
kuatnya hubungan antara
variabel melalui analisis
korelasi, melakukan prediksi
dengan analisis regresi, dan
membuat perbandingan
dengan membandingkan rata-
rata sampel atau populasi.
Perlu diketahui dalam analisis
korelasi, regresi atau
membandingkan dua rata-rata
atau lebih tidak perlu diuji
signifikansinya (tidak ada uji
signifikansi, tidak ada taraf
kesalahan / karena penelitian
tidak membuat generalisasi,
sehingga tidak ada kesalahan
generalisasi.
Alur Pengolahan Data
Penelitian
Deskripsi
Proses
Hasil
Pengambil
Pengolahan
an Data
Data

Kumpulan
Fakta

Proses
Analisis
Data
Sekurang-kurangnya 10 % dari semua kebakaran
di sebuah kota tertentu dengan dilaporkan tahun
lalu diakibatkan oleh tindakan-tindakan sengaja
yang tidak bertanggung jawab.
sebanyak 50% diantara semua pasien yang
menerima suntikan obat tertentu ternyata
kemudian menderita efek samping obat tersebut.
Statistik Inferensial
(Statistik Induktif/Probabalitas
Teknik statistik yang digunakan
untuk menganalisis data sampel dan
hasilnya diberlakukan untuk
populasi. Cocok bila sampel diambil
dari populasi yang jelas, dan teknik
pengambilan sampel dari populasi
itu dilakukan secara random.
Disebut probabilitas karena
kesimpulan yang diberlakukan
untuk populasi berdasarkan data
sampel itu kebenarannya bersifat
peluang (probability)
Suatu kesimpulan dari data sampel
yang akan diberlakukan untuk
populasi mempunyai peluang
kesalahan dan kebenaran
(kepercayaan) yang dinyatakan
dalam bentuk prosentase.
Contoh Statistik Inferensial
Bila peluang kesalahan 5 % maka
taraf kepercayaan 95 %.
Bila peluang kesalahan 1 % maka
taraf kepercayaan 99 %.
Peluang kesalahan dan kepercayaan
disebut dengan taraf signifikansi.
Misal :
Uji – t digunakan tabel t
Uji – f digunakan tabel f
Setiap tabel sudah disediakan taraf
signifikansi berapa persen, suatu hasil
analisis dapat digeneralisasikan

Pengujian taraf signifikansi dari

hasil suatu analisis akan lebih
praktis didapatkan pada tabel sesuai
teknik analisis yang digunakan.
Contoh :

Dari hasil analisis korelasi ditemukan koefisien korelasi

0,54 untuk signifikansi 5%. Berarti hubungan variabel
sebesar 0,54 dapat berlaku pada 95 dari 100 sampel
yang diambil dari suatu populasi.
Jadi signifikansi adalah kemampuan untuk
digeneralisasikan dengan kesalahan tertentu. Ada
hubungan signifikansi berarti hubungan itu dapat
digeneralisasi ada perbedaan signifikan perbedaan
berarti perbedaan itu dapat digeneralisasikan.
Ilustrasi Statistik Inferensial

Sampel Kesimpulan

Populasi Proses Analisis

Data Sampel
Peran Statistik Dalam Penelitian
Model matematika lebih mudah dalam merumuskan
masalah (lebih singkat dan logis) struktur masalah akan
lebih terungkap dan masalah dalam mengidentifikasikan.
Pemecahan masalah menurut metode matematika dan
pengujiannya yang menggunakan cuplikan (sampel) dapat
diteruskan dengan metode statistika populasi dibantu
dengan komputer.
Model matematika dapat melihat apakah asumsi-asumsi
yang dipergunakan dalam penelitian dapat dipenuhi atau
tidak.
Statistika Dalam Perumusan Hipotesis
Metode statistika yang mengenal dua bentuk hipotesis, yaitu ;
hipotesis dasar atau hipotesis ural dan hipotesis alternatif atau
hipotesis satu ( Ho dan H1), hipotesis tersebut di dasari teori
peluang yang menjadi dasar metode statistika
Statistika dalam pengembangan
alat pengumpul data.
Instrumen yang valid dan
reliabel
Instrumen yang valid berbarti
alat ukur yang digunakan
untuk mendapatkan data
(mengukur) itu valid.
Valid  Instrumen tersebut
dapat digunakan untuk
mengukur apa yang
seharusnya diukur.
Contoh :
eteran yang valid dapat digunakan untuk
mengukur panjang dengan teliti (meteran
memang alat untuk mengukur panjang).
idak valid jika digunakan untuk mengukur
berat.
Instrumen yang reliabel  instrumen bila
digunakan beberapa kali untuk mengukur
objek yang sama, akan menghasilkan data
yang sama.
Alat ukur dari karet, contoh instrumen
tidak reliakel / konsisten.
Statistika dalam penyusunan
rancangan penelitian
Pemakaian macam-macam rancangan penelitian disusun atas
dasar pertimbangan statistika.
Kemmapuan maupun kelemahan rancangan yang dipergunakan
sangat tergantung pada pertimbangan-pertimbangan statistik.
Statistika dalam penentuan sampel
penelitian :
Untuk memperoleh sampel (cuplikan)
yang representatif tidak terlepas dari
pertimbangan-pertimbangan
statistika. (Teori Peluang)
Statistika dalam
penyederhanaan
dan analisis data
Dalam statistika dapat dikembangkan
berbagai metode penyajian dan
pengolahan data yang dapat
membantu para peneliti
Populasi
Sekumpulan objek yang akan
dijadikan berbagai bahan penelitian
(penelaahan) dengan ciri mempunyai
karakteristik yang sama.
Populasi Terhingga
Adalah sekumpulan objek yang akan dijadikan sebagai bahan kajian
penelitian yang jumlahnya tertentu.
Contoh :
Pupulasi dari Mahasiswa FE UTAMA yaitu semua orang yang tercatat
sebagai mahasiswa di Fakultas Ekonomi UTAMA dan masih aktif. Yang
terbaik sebagai Mahasiswa Jurusan Manajemen dan Akuntansi dan
Program D3 Farmasi.
Program S1 (Populasi Terhingga) ;
Jumlah penduduk suatu negara
Jumlah penduduk di dunia
Jumlah perusahaan yang bergerak dibidang alternatif
Jumlah kendaraan roda dua dan lain-lain
Populasi Tak Terhingga
Sekumpulan objek yang akan diteliti dengan ciri
mempunyai karakteristik yang sama.
Contoh :
opulasi dari jumlah amuba dalam sebuah parit (populasi tak
terhingga).

rang-orang yang berbelanja pada sebuah Supermarket ”A”

elanggan yang suka berpergiaan dengan menggunakan jasa

Kereta Api dan sebagainya
Sensus
Cara untuk mendapatkan keterangan (informasi) dari semua anggota
populasi dan tanpa kecuali, artinya pada saat kita melakukan sensus,
maka informasi (keterangan) harus di dapatkan dari semua anggota dan
tanpa kecuali.
Penelitian sensus jarang dilakukan karena ;
aktor biaya operasional yang tinggi

aktor lamanya waktu yang tersedia

aktor tingkat akurasi data (ketepatan) perhitungan seringkali tinggi penyimpangan.

urang efektif dan efisien dalam pelaksanaannya.

Kelebihan sensus ;
Hasil yang didapatkan merupakan hasil yang sebenarnya
Sampel
Bagian dari populasi (contoh) untuk
dijadikan sebagai bahan penelaahan
dengan harapan contoh yang diambil dari
populasi tersebut dapat mewakili
(representatif) terhadap populasinya.
Teknik Sampling
Cara untuk melakukan pengambilan contoh dari populasi yang
diketahui, baik dari cara penentuan jumlah sampel maupun dari
model pengambilan sampel dimaksud, dengan harapan agar
sampel yang digunakan dapat mewakili populasinya.
Teknik Sampling

TEKNIK SAMPLING

Probability Sampling Non

Probability Sampling

1. Simpel random 1. Judgement sampling

sampling 2. Convinient sampling
2. Systematic sampling 3. Quota sampling
3. Stratified sampling 4. Snowball sampling
4. Cluster sampling
TAHAPAN PELAKSANAAN SURVEI

Untuk melakukan aktifitas pelaksanaan penelitian, tahapan

dalam kegiatan pengumpulan data, baik dengan cara sensus
maupun sampling, ada beberapa hal yang perlu diperhatikan
diantaranya :

Menetapkan judul Penelitian
Menetapkan jenis populasi
yang akan menjadi objek
penelitian, sesuai dengan
judul penelitian
Menetapkan wilayah
(lokasi), responden maupun
unit observasi yang akan
dijadikan sebagai objek
penelitian.
Menetapkan cara untuk
mendapatkan informasi atau
keterangan dari objek yang
akan diteliti, misalnya
dengan :
a. Melakukan wawancara, baik
secara langsung maupun tidak
langsung terhadap objek yang
diteliti (misal melalui telepon
atau lainnya).
b. Dengan menyampaikan angket
(kuesioner);
c. Melakukan pengukuran
(pengamatan) atau
perhitungan secara langsung
terhadap objek yang akan
diteliti
d. Mencari informasi secara
langsung dari suatu isntansi
terkait maupun informasi
secara tidak langsung dari
suatu instansi yang biasa
menyediakan data dalam hal
ini Badan Pusat Statistik
(BPS) atau Badan lainnya, jika
penelitiannya memerluka data
dimaksud.
Melakukan tabulasi data dari hasil Jika pelaksanaan penelitian
wawancara maupun penyampaian menggunakan sensus, maka hasil
angket (kuesioner). interprestasi data merupakan
deskripsi dari semua persoalan
Operasionalisasi variabel : Yaitu yang tengah direncanakan, namun
melakukan identifikasi variabel, jika penelitiannya menggunakan
ada berapa banyak variabel yang sampling, maka siapkan alat untuk
digunakan dalam penelitian yang melakukan analisis data setepat
direncanakan, menggunakan skala mungkin sesuai dengan judul atau
apa saja dalam setiap variabelnya rencana penelitian
dan termasuk melakukan
pemisahan variabel mana yang
akan dijadikan sebagai variabel
tidak bebas dan variabel mana
yang dijadikan sebagai variabel
bebasnya, jika digunakan lebih
dari satu variabel dalam sisi
pengamatannya.
Variabel
Sesuatu yang dapat diberi atau memiliki nilai yang
variatif.
Variabel konsep pada umumnya terbangun dari
beberapa variabel Construct.
isal konsep “Kepuasan kerja” terbangun dari kepuasan pada
tugas, atasan, sesama rakan, kompensasi, dan promosi.

Disiplin” jam kerja dan pelaksanaan pekerjaan.

Variabel Terikat dan Penjelas
Variabel terikat merupakan variabel yang ingin
dijelaskan dengan variabel penjelas.

Kepuasan
Kedisiplinan
Kerja

Variabel Variabel
Penjelas Terikat
Variabel Antara
Variabel yang menyisip pada waktu variabel penjelas
mempengaruhi variabel terikat.

Time Time Time

Kepuasan Lingkungan Kedisiplinan

Kerja Kerja

Variabel Variabel Variabel

Penjelas Penengah Terikat
Tipe-tipe Variabel
Variabel terikat (criterian Variabel)
Variabel Penjelas (Predictor Variable)
Variabel penengah (moderating variable)
Variabel antara (intervening variable)
Variabel Penengah
Variabel yang memiliki efek pengganggu hubungan antara
variabel terikat dan penjelas.

Kepuasan
Kedisiplinan
Kerja

Variabel Variabel
Penjelas Suasana Terikat
Kerja

Variabel
Penengah
Diagram Hubungan Variabel
Time Time Time

Kepuasan Lingkungan Kedisiplinan

Kerja Kerja

Variabel Variabel Variabel

Penjelas Penengah Terikat
Suasana
Kerja

Variabel
Penengah
Skala Pengukuran
Untuk mengklasifikasikan variabel yang akan diukur supaya
tidak terjadi kesalahan dalam menentukan analisis data dan
langkah-langkah penelitian selanjutnya. Jenis skala pengukuran
ada empat, yaitu :Skala Nominal, Skala Ordinal, Skala
Interval, dan Skala Ratio.
Skala Nominal
Yaitu Skala yang paling sederhana disusun menurut jenis
(kategorinya) atau fungsi bilangan hanya sebagai simbol
untuk membedakan sebuah karakteristik dengan
karakteristik lainnya.
Contoh :
enis kulit : (1) hitam, (2) kuning, (3) Putih

uku Daerah : (1) Jawa (2) Bugis, (3) Batak

artai : (1) Golkar, (2) PDIP, (3) PKB

Skala Ordinal
Yaitu Skala yang didasarkan pada rangking, diurutkan dari
jenjang yang lebih tinggi sampai jenjang terendah atau
sebaliknya.
Contoh :
engukur Prestasi kerja

100 – 80 – 75 – 50

engukur rangking kelas

I, II, dan III

Skala Interval
Yaitu skala yang menunjukkan jarak antara satu data
dengan data lain dan mempunyai bobot yang sama.
Contoh :
kor ujian Perguruan Tinggi : A, B, C, D dan E,

kor IQ

aktu : Menit, jam, hari, minggu, bulan, tahun

emperatur atau suhu

Skal Ratio
Yaitu skala pengukuran yang mempunyai nilai nol mutlak dan
mempunyai jarak yang sama. Tes statistik menggunakan tes
parametrik
Contoh :

mur Manusia dan ukuran timbangan keduanya tidak memiliki

angka nol negatif. Artinya harus memiliki angka diatas nol.
Tipe Skala Pengukuran
Skala pengukuran untuk mengukur perilaku susila dan
kepribadian diantaranya adalah skala sikap, skala
moral, test karakter, skala partisipasi sosial.
Skala pengukuran untuk mengukur berbagai aspek
budaya lain dan lingkungan sosial diantaranya adalah
skala mengukur status sosial ekonomi, lembaga-
lembaga swadaya masyarakat (sosial),
kemasyarakatan, kondisi rumah tangga.
Skala Sikap
Skala Likert
Skala Guttman
Skala Defferensial Simantict
Rating Scale, dan
Skala Thurstone
Skala Likert
Sikap responden terhadap suatu pertanyaan yang masih
memerlukan penelitian empiris, menggunakan ukuran ordinal
hanya dapat membuat harga
angat Setuju (SS) =5

etuju (S) =4

etral (N) =3

idak Setuju (TS) =2

angat tidak setuju (STS) = 1

Skala Guttman
Hanya mengukur satu dimensi dari suatu
variabel yang memiliki beberapa dimensi,
selain itu skala ini merupakan untuk skala
yang kumulatif
Skala Defferensial Simantict
Hanya mengukur satu dimensi dari
suatu variabel yang memiliki satu
dimensi, selain itu skala ini untuk
skala individual
Rating Scale
Skala pendapat responden tentang suatu
keadaan fenomena alam dan sosial
UJI NORMALITAS DAN
HOMOGENITAS
Pengertian Uji Normalitas
 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. 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.
Pengertian Uji Normalitas
 Formula/rumus yang digunakan untuk melakukan suatu uji
dibuat dengan mengasumsikan bahwa data yang akan dianalisis
berasal dari populasi yang sebarannya normal.
 Data yang normal memiliki kekhasan seperti mean, median dan
modusnya memiliki nilai yang sama
 Selain itu juga data normal memiliki bentuk kurva yang sama,
bell curve
 Dengan mengasumsikan bahwa data dalam bentuk normal ini,
analisis statistik baru bisa dilakukan.
Metode Chi Square Dalam Uji
Normalitas
 Chi Square disebut juga dengan Kai Kuadrat. Chi Square adalah
salah satu jenis uji komparatif non parametris yang dilakukan pada
dua variabel, di mana skala data kedua variabel adalah nominal.
(Apabila dari 2 variabel, ada 1 variabel dengan skala nominal maka
dilakukan uji chi square dengan merujuk bahwa harus digunakan uji
pada derajat yang terendah).
 Uji chi square merupakan uji non parametris yang paling banyak
digunakan. Namun perlu diketahui syarat-syarat uji ini adalah:
frekuensi responden atau sampel yang digunakan besar.
 Metode Chi Square Dalam Uji Normalitas

2
𝑂 𝑖 − 𝐸𝑖
𝜒2 =∑
𝐸𝑖

Keterangan :
2 = Nilai 2
Oi = Nilai Frek observasi
Ei = Nilai Frek expected / harapan, luasan interval kelas berdasarkan
tabel normal dikalikan N (total frekuensi) (pi x N) N = Banyaknya
angka pada data (total frekuensi)
 Nilai Z Score Dalam
Uji Normalitas
 Z Score adalah suatu ukuran penyimpangan data dari nilai rata-
ratanya yang diukur dalam satuan standar deviasinya. Jika nilainya
terletak diatas rata-rata maka Z score-nya akan bernilai positif,
sedangkan apabila nilainya dibawah nilai rata-rata maka Z score-nya
akan bernilai negatif. Z Score ini juga disebut dengan Nilai Standar
atau Nilai Baku.
 Manfaat dari menstandarisasikan nilai-nilai skor mentah atau nilai
yang diamati dari distribusi normal menjadi Z Score atau Skor Z ini
adalah untuk memungkinkan kita menghitung probabilitas skor yang
terjadi dalam distribusi normal dan juga memungkinkan kita untuk
membandingkan dua skor yang berasal dari populasi yang berbeda.
 Nilai Z Score Dalam Uji Normalitas

Untuk mencari Z Score atau

Nilai Baku ini, kita perlu mengetahui nilai rata-rata (mean) dan
stardar deviasi suatu populasi karena Rumus untuk menghitung Z
Score adalah dengan mengurangi nilai yang diamati (skor mentah)
dengan rata-rata populasi dan kemudia dibagi dengan standar
deviasinya.
Berikut ini adalah persamaan untuk Menghitung Z Score :

Keterangan
𝑥−𝜇 ẋ = nilai rata-rata yang diamati (skor mentah)
𝑍= μ = rata-rata populasi
𝜎 σ = adalah standar deviasi populasi Z = Z
Score (Nilai Baku)
 Prosedur untuk Menghitung Uji
Normalitas
1. Merumuskan hipotesis
(6 Langkah).
Ho : data berdistribusi normal
Ha : data tidak berdistribusi normal

2. Membuat tabel bantu untuk penyajian data

3. Menentukan taraf nyata (α)

Untuk mendapatkan nilai chi kuadrat tabel:
Rumus Chi Kuadrat (2 ) Tabel :

2 tabel = 2 df, 
df = Derajat kebebasan
df = k – 3
k = banyak kelas interval
ɑ = level signifikan = 5% = 0,05
 Prosedur untuk Menghitung Uji
Normalitas
(6 Langkah).
4. Menentukan nilai uji statistik :
Mencari nilai Z Score dan Chi Kuadrat
𝑥−𝜇
Persamaan Z Score 𝑍=
𝜎
𝑂𝑖−𝐸𝑖 2
Persamaan Chi Kuadrat 𝜒2 = ∑ 𝐸𝑖

5. Menentukan kriteria pengujian hipotesis

Ho ditolak jika 2 hitung ≥ 2 tabel
Ho diterima jika 2 hitung < 2 tabel

6. Memberikan kesimpulan
(STUDI KASUS) UJI NORMALITAS DENGAN MENGGUNAKAN Z
SCORE DAN METODE CHI KUADRAT

Contoh 1
Diketahui : Data mahasiswa yang mendapat nilai ujian matematika
sebanyak 30 sebagai berikut :
75 74 74 73 76 77 87 67 56 78
78 67 76 66 65 67 67 76 78 77
77 77 80 87 89 89 89 89 91 85
Ditanya : Ujilah apakah data tersebut berdistribusi normal atau tidak
dengan  = 0,05 ?
(STUDI KASUS) UJI NORMALITAS DENGAN MENGGUNAKAN Z
SCORE DAN METODE CHI KUADRAT

Penyelesaian:
1.Merumuskan hipotesis
Ho : data berdistribusi normal
Ha : data tidak berdistribusi normal

2.Membuat tabel bantu untuk penyajian data

Tabel Distribusi Frekwensi
nilai matematika
mahasiswa
 (STUDI KASUS) UJI NORMALITAS DENGAN MENGGUNAKAN Z
SCORE DAN METODE CHI KUADRAT

3. Menentukan Chi Kuadrat dengan taraf nyata (α)

Untuk mendapatkan nilai chi kuadrat tabel:
Rumus Chi Kuadrat (2)tabel :
df = Derajat kebebasan
df = 6 – 3 = 3
 = level signifikan = 5% = 0,05
2 df,  tabel = 2 df, 1-
= 23, 95 (gunakan daftar tabel Chi Kuadrat)
= 7,81
 (STUDI KASUS) UJI NORMALITAS DENGAN MENGGUNAKAN Z
SCORE DAN METODE CHI KUADRAT

4. Menentukan nilai uji statistik :

Nilai Z Score dan Chi Kuadrat
 Menentukan nilai Z Score

Keterangan
ẋ = nilai rata-rata yang diamati (skor mentah)
𝑥−𝜇
𝑍= μ = rata-rata populasi
𝜎 σ = adalah standar deviasi populasi
Z = Z Score (Nilai Baku)
2
Kelas Frek (fi) Tepi Nilai Z Luas 0-Z Luas Kelas Frek Harapan (Ei) 𝑂 𝑖 − 𝐸𝑖
Kelas Interval 𝐸𝑖

56-61 1 55,5 -2,3569 0,491 0,0374 1,122 0,0133

62-67 6 61,5 -1,6835 0,454 0,1097 3,291 2,2299
68- 73 1 67,5 -1,0101 0,344 0,2107 6,321 4,4792
74- 89 13 73,5 -0,3367 0,133 0,2662 7,986 3,1480
80- 85 2 79,5 0,3367 0,133 0,2107 6,321 2,9538
86- 91 7 85,5 1,0101 0,344 0,1097 3,291 4,1801
91,5 0,454
𝜒2 = 17,0043
Luas Interval adalah harga mutlak, Luas interval kelas 1 adalah 0,491-0,454 = 0,0374;
Luas Interval kelas ke 2 adalah 0,454 – 0,344 = 0,1097; dan seterusnya
(STUDI KASUS) UJI NORMALITAS DENGAN MENGGUNAKAN Z
SCORE DAN METODE CHI KUADRAT

5. Menentukan kriteria pengujian hipotesis. Ho ditolak jika

2 hitung ≥ 2 tabel Ho diterima jika 2 hitung < 2 tabel
2 hitung = 17,0043
2 tabel = 7,81

6. Memberikan kesimpulan
karena 2 hitung > 2 tabel, yaitu 12,017 > 7,81,
Maka kesimpulannya tolak Ho, data ujian matematika tidak
berdistribusi normal
 (STUDI KASUS) UJI NORMALITAS DENGAN MENGGUNAKAN Z
SCORE DAN METODE CHI KUADRAT

Contoh 2:
•DIAMBIL TINGGI BADAN MAHASISWA DI SUATU
PERGURUAN TINGGI TAHUN 1990

• Selidikilah dengan  = 5%, apakah data tersebut di atas

berdistribusi normal ? (Mean = 157.8; Standar deviasi =
8.09)
 (STUDI KASUS) UJI NORMALITAS DENGAN MENGGUNAKAN Z
SCORE DAN METODE CHI KUADRAT

1. Hipotesis :
• Ho : Populasi tinggi badan mahasiswa berdistribusi normal
• H1 : Populasi tinggi badan mahasiswa tidak berdistribusi normal
2. Nilai 
• Nilai  = level signifikansi = 5% = 0,05
𝑂𝑖−𝐸𝑖 2

3. Persamaan Chi Kuadrat 𝜒2 = ∑ 𝐸𝑖

 (STUDI KASUS) UJI NORMALITAS DENGAN MENGGUNAKAN Z
SCORE DAN METODE CHI KUADRAT

2
𝑂 𝑖 − 𝐸𝑖
𝜒2 = ∑
𝐸𝑖

4. Derajat Bebas
Df = ( k =panjang kelas) – 3 ) = ( 5 – 3 ) = 2
5. Nilai tabel
Nilai tabel 2 ; = 0,05 ; df = 2 ; = 5,991. Tabel
2 (Chi-Square) pada lampiran.
 (STUDI KASUS) UJI NORMALITAS DENGAN MENGGUNAKAN Z
SCORE DAN METODE CHI KUADRAT

6. Daerah penolakan
• Menggunakan gambar

• Menggunakan rumus 𝜒2hit < 𝜒2 Tabel

• |0,427 | < |5,991| ; berarti Ho diterima, Ha ditolak
7.Kesimpulan
• Populasi tinggi badan mahasiswa berdistribusi normal.
 UJI HOMOGENITAS

Pengujian homogenitas adalah pengujian mengenai sama

tidaknya variansi-variansi dua buah distribusi atau lebih.
Uji homogenitas yang akan dibahas dalam tulisan ini
adalah Uji Homogenitas Variansi dan Uji Burlett. Uji
homogenitas dilakukan untuk mengetahui apakah data
dalam variabel X dan Y bersifat homogen atau tidak.
 UJI HOMOGENITAS VARIANSI

1. UJI HOMOGENITAS VARIANSI

Langkah-langkah menghitung uji homogenitas :
a. Mencari Varians/Standar deviasi Variabel X danY, dengan rumus :
𝑆𝑥2 = 𝑛 ∑ 𝑥2− ∑ 𝑥 2 𝑆𝑦 2 = 𝑛 ∑ 𝑦2 − 𝑦 2
𝑛(𝑛−1) 𝑛(𝑛−1)

b. Mencari F hitung dengan dari varians X danY, dengan rumus :

𝑆𝑏𝑒𝑠𝑎𝑟
𝐹=
𝑆𝑘𝑒𝑐𝑖𝑙
c. Membandingkan Fhitung dengan Ftabel pada tabel distribusi F, dengan
•untuk varians terbesar adalah dk pembilang n-1
•untuk varians terkecil adalah dk penyebut n-1
•Jika Fhitung < Ftabel, berarti homogen
•Jika Fhitung > Ftabel, berarti tidak homogen
 UJI HOMOGENITAS VARIANSI

Contoh :
•Data tentang hubungan antara Penguasaan kosakata(X) dan
kemampuan membaca (Y)
 UJI HOMOGENITAS VARIANSI

Contoh :
•Kemudian dilakukan penghitungan, dengan rumus yang ada :

• Kemudian dicari Fhitung :

• Dari penghitungan diatas diperoleh Fhitung = 2.81 dan dari grafik daftar distribusi F
dengan dk pembilang = 10 - 1 = 9. Dk penyebut = 10 - 1 = 9. Dan  = 0.05 dan
diperoleh nilai Ftabel= 3.18.
• Tampak bahwa Fhitung < Ftabel. Hal ini berarti data variabel X dan Y homogen.
SEKIAN
TERIMA KASIH