SlideShare a Scribd company logo
1 of 62
 Penggunaan Statistik Parametris, bekerja dengan asumsi
bahwa data setiap variabel penelitian yang akan dianalisis
membentuk distribusi normal.
 Bila data tidak normal, maka teknik statistik Parametris tidak
dapat digunakan untuk alat analisis. Teknik statistik ini adalah
Statistik Nonparametris.
 Dengan menggunakan distribusi normal, penyajian data dapat
lebih bermakna daripada hanya menggunakan penyajian
kelompok saja.
 Karena dengan adanya persyaratan normalitas data, maka
data dapat dilanjutkan penyajiannya dalam bentuk
membedakan, mencari hubungannya dan meramalkannya.
 Langkah pertama dalam mempergunakan metode peluang normal,
yaitu data disajikan dalam bentuk tabel distribusi frekuensi relatif
(data disajikan dalam bentuk persentase)
NO BERAT BADAN JUMLAH %
1 30 - 39 8 5,71
2 40 - 49 15 10,71
3 50 - 59 26 18,57
4 60 - 69 33 23,57
5 70 - 79 27 19,29
6 80 - 89 20 14,29
7 90 - 99 11 7,86
JUMLAH 140 100,00
 Selanjutnya tabel diubah dalam bentuk distribusi frekuensi kumulatif
relatif kurang dari, sehingga terbentuk tabel sebagai berikut :
BERAT BADAN JUMLAH
< 29,50 0,00
< 39,50 5,71
< 49,50 16,42
< 59,50 34,99
< 69,50 58,56
< 79,50 77,85
< 89,50 92,14
< 99,50 100,00
Gambar di atas merupakan contoh penyajian data pada kertas
peluang normal, sumber vertikal tempat meletakkan interval
kelas, sumbu horizontal tempat untuk angka kumulatifnya.
Angka Kumulatif
Interval
Kelas
 Jika letak titik-titik pada
garis lurus atau hampir
lurus, maka
 Data (sampel) : berdistribusi
normal atau hampir
berdistribusi normal
 Populasi : berdistribusi
normal atau hampir
berdistribusi normal
 Jika titik-titik tsb sangat
menyimpang dari sekitar
garis lurus  tidak
berdistribusi normal
Titik-titik frekuensi
kumulatif
 Kurtosis adalah tinggi atau rendahnya bentuk kurva normal.Kurva
disebut normal, apabila kurvanya tidak terlalu runcing (tinggi) atau
tidak pula terlalu datar atau rendah.
Kriterianya:
 a4 = 3, maka distribusinya
normal.
 a4 > 3, maka distribusinya
leptokurtic.
 a4 < 3, maka distribusinya
platikurtik.
Kelas Interval F
31 - 40 1
41 - 50 2
51 - 60 5
61 - 70 15
71 - 80 20
81 - 90 25
91 - 100 12
Σf = 80
No. Kelas Interval fi xi fi . xi ( xi. )2 fi . ( xi. )2
1 31-40 1 35.5 35.5 1743,06 1743,06
2 41-50 2 45.5 91 1008,06 2016,13
3 51-60 5 55.5 277,5 473,06 2365,31
4 61-70 15 65.5 982,5 138,06 2070,94
5 71-80 20 75.5 1510 3,06 61,25
6 81-90 25 85.5 2137,5 68,06 1701,56
7 91-100 12 95.5 1146 333,06 3996,75
Σ=80 Σ=6180 Σ= 13955
Kesimpulan
α > 3, maka data terdistribusi leptokurtik/tidak terdistribusi
normal
k =
Kriterianya: Jika k = 0,263, maka datanya berdistribusi normal atau mendekati distribusi normal.
Kriterianya: Jika k = 0,263, maka datanya berdistribusi normal atau mendekati distribusi normal.
Kriterianya:
Jika k = 0,263 atau
mendekati 0,263, maka
datanya berdistribusi
normal atau mendekati
distribusi normal.
Kelas Interval F
31 - 40 1
41 - 50 2
51 - 60 5
61 - 70 15
71 - 80 20
81 - 90 25
91 - 100 12
Σf = 80
k =
Kriterianya: Jika k = 0,263, maka datanya berdistribusi normal atau mendekati distribusi normal.
Kriterianya: Jika k = 0,263, maka datanya berdistribusi normal atau mendekati distribusi normal.
 Nilai Kuartir  Nilai Persentil
Kesimpulan
k ≠ 0.263, maka datanya tidak berdistribusi normal
Uji Chi-Square adalah
uji kecocokan
(goodness of fit)
Nilai X2 (Chi-Square)kecil,
Fo mendekati Fe
Dibandingkan antara
frekuensi hasil observasi (Fo)
dengan frekuensi
harapan/teoritis (Fe)
Nilai X2 (Chi-Square)besar,
Fo menjauhi Fe
Buat tabel distribusi frekuensi
Menentukan rata-rata dan standar deviasi
Menentukan batas kelas
Mencari nilai Z untuk batas kelas interval
Mencari luas Z pada tabel kurva normal
Mencari luas tiap kelas interval (Luas Z BA-Luas Z BB)
Mencari Frekuensi Harapan
Menentukan nilai Chi-Square
TABEL
Menentukan nilai X2 (Chi-Square) tabel
Derajat Kebebasan Taraf signifikan (α)
TABEL
44-54 2
55-64 8
66-76 11
77-87 24
88-98 12
99-109 4
110-120 3
Periksalah
distribusi
frekuensi di
samping apakah
berdistribusi
normal ? (α = 5%)
44-54 2 49 98 -32,31 1043,94 2087,8722
55-65 8 60 480 -21,31 454,116 3631,9288
66-76 11 71 781 -10,31 106,296 1169,2571
77-87 24 82 1968 0,69 0,4761 11,5264
88-98 12 93 1116 11,69 136,656 1639,8732
99-109 4 104 416 22,69 514,836 2059,3444
110-120 3 115 345 33,69 1135,02 3405,0483
64 5204 14005,75
Buat tabel distribusi frekuensi
Menentukan rata-rata dan standar deviasi
2 49 98
8 60 480
11 71 781
24 82 1968
12 93 1116
4 104 416
3 115 345
64 5204
-32,31 1043,94 2087,8722
-21,31 454,116 3631,9288
-10,31 106,296 1169,2571
0,69 0,4761 11,5264
11,69 136,656 1639,8732
22,69 514,836 2059,3444
33,69 1135,02 3405,0483
14005,75
44-54 2 49 43,5-54,5 -2,54 – (-1,80) 0,0304
55-65 8 60 54,5-65,5 -1,80 – (-1,60) 0,1087
66-76 11 71 65,5-76,5 -1,60 – (-0,32) 0,2299
77-87 24 82 76,5-87,5 -0,32 – 0,42 0,2883
88-98 12 93 87,5-98,5 0,42 – 1,15 0,2121
99-109 4 104 98,5-109,5 1,15 – 1,89 0,0957
110-120 3 115 109,5-120,5 1,89 – 2,63 0,0251
64
Menentukan batas kelas
Mencari nilai Z untuk batas kelas interval
44-54 2 49 43,5-54,5
55-65 8 60 54,5-65,5
66-76 11 71 65,5-76,5
77-87 24 82 76,5-87,5
88-98 12 93 87,5-98,5
99-109 4 104 98,5-109,5
110-120 3 115 109,5-120,5
64
-2,54 – (-1,80) 0,0304
-1,80 – (-1,60) 0,1087
-1,60 – (-0,32) 0,2299
-0,32 – 0,42 0,2883
0,42 – 1,15 0,2121
1,15 – 1,89 0,0957
1,89 – 2,63 0,0251
-2,54 – (-1,80)
44-54 2 49 43,5-54,5 -2,54 – (-1,80) 0,0304
55-65 8 60 54,5-65,5 -1,80 – (-1,60) 0,1087
66-76 11 71 65,5-76,5 -1,60 – (-0,32) 0,2299
77-87 24 82 76,5-87,5 -0,32 – 0,42 0,2883
88-98 12 93 87,5-98,5 0,42 – 1,15 0,2121
99-109 4 104 98,5-109,5 1,15 – 1,89 0,0957
110-120 3 115 109,5-120,5 1,89 – 2,63 0,0251
64
44-54 2 49 0,0304 1,9456 0,0544
55-65 8 60 0,1087 6,9568 1,0431
66-76 11 71 0,2299 14,7136 -3,7136
77-87 24 82 0,2883 18,4512 5,5488
88-98 12 93 0,2121 13,5744 -1,5744
99-109 4 104 0,0957 6,1248 -2,1248
110-120 3 115 0,0251 1,6064 1,3936
64
44-54 2 49 1,9456 0,0544 0,0029 0,0015
55-65 8 60 6,9568 1,0431 1,0882 0,1564
66-76 11 71 14,7136 -3,7136 13,7908 0,9372
77-87 24 82 18,4512 5,5488 30,7891 1,6686
88-98 12 93 13,5744 -1,5744 2,4787 0,1826
99-109 4 104 6,1248 -2,1248 4,5147 0,7371
110-120 3 115 1,6064 1,3936 1,9421 1,2089
64 4,8926
TABEL
Apabila data masih disajikan secara individu, maka
uji normalitas data sebaiknya dilakukan dengan Uji
Liliefors, karena uji Liliefors jauh lebih teliti
dibandingkan dengan Uji Chi-Kuadrat. Uji Liliefors
dilakukan dengan mencari nilai Lhitung, yakni nilai
|Sn(xi)-F0 (Xi)| yang terbesar
Susun data terkecil – data terbesar
Tuliskan frekuensi data
Tuliskan frekuensi kumulatif
Hitung proporsi empirik (observasi)
Hitung nilai Z
Menghitung Theoritical proportion
Bandingkan empirical proportion dengan
theoritical proportion
Carilah selisih terbesar antara empirical proportion dan
theoritical proportion (Lhitung) di dalam titik observasi
Carilah selisih terbesar antara empirical proportion dan
theoritical proportion (Lhitung) di luar titik observasi
Tentukan nilai Ltabel
Banyaknya Data Taraf signifikan (α)
TABEL
Berikut adalah skor hasil pengumpulan data suatu
variabel, yang dilakukan secara acak. Ukuran
sampel 14. Datanya : 77.3 73.9 76.0 74.6 76.6
74.2 76.9 74.7 77.4 75.4 77.7 76.0 76.5 76.0
Data di atas, diduga menyebar mengikuti distribusi
normal. Dengan menggunakan α = 0,05, buktikan
bahwa data tersebut berdistribusi normal
73.9 1 73.9
75.943
-2.043 4.1738 4.1738
74.2 1 74.2 -1.743 3.038 3.038
74.6 1 74.6 -1.343 1.80365 1.80365
74.7 1 74.7 -1.243 1.54505 1.54505
75.4 1 75.4 -0.543 0.3 0.3
76.0 3 228 0.057 3.25 X 10-3 9.75 X 10-3
76.5 1 76.5 0.557 0.31025 0.31025
76.6 1 76.6 0.657 0.43165 0.43165
76.9 1 76.9 0.957 0.91585 0.91585
77.3 1 77.3 1.357 1.84145 1.84145
77.4 1 77.4 1.457 2.12285 2.12285
77.7 1 77.7 1.757 3.08705 3.08705
14 1063.2 19.57935
1 2 3 4 5 6 7 8
73.9 1 1 0.0714 -1.66 0.0585 0.0129 0.0485
74.2 1 2 0.1429 -1.42 0.0778 0.0651 0.0064
74.6 1 3 0.2143 -1.09 0.1379 0.0764 0.0050
74.7 1 4 0.2857 -1.01 0.1562 0.1295 0.0581
75.4 1 5 0.3571 -0.44 0.3300 0.0271 0.0443
76.0 3 8 0.5714 0.05 0.5199 0.0515 0.1628
76.5 1 9 0.6429 046 0.6736 0.0307 0.1022
76.6 1 10 0.7143 0.54 0.7054 0.0089 0.0625
76.9 1 11 0.7857 0.78 0.7823 0.0034 0.0680
77.3 1 12 0.8571 1.11 0.8665 0.0094 0.0808
77.4 1 13 0.9286 1.19 0.8830 0.0456 0.0259
77.7 1 14 1.0000 1.43 0.9236 0.9236 0.0050
Proporsi empirik (observasi)
BACK
Theoritical proportion (tabel Z) : Proporsi
Kumulatif Luas Kurva Normal Baku
BACK
Baris ke - 1
Baris ke - 2
BACK
Baris ke - 1
Baris ke - 2
BACK
Titik kritis pengujian
H0 ditolak jika
BACK
Kesimpulan
Pernyataan bahwa x mengukitu distribusi
normal bisa diterima
BACK
Evaluasi terhadap 100 pekerja dilakukan untuk
melihat prestasi kerja rata-rata pekerja dalam
suatu proyek, apakah terdistribusi secara normal
atau tidak.
Dengan rata-rata prestasi kerja 65 dan standar
deviasi 20. Gunakan α=1%.
Data terdistribusi sebagai berikut :
Distribusi Prestasi Kerja 100 Pekerja
Nilai Huruf Nilai Angka Frekuensi
A 8
B 22
C 45
D 16
E 9
a) H0 : Frekuensi observasi = teoritis
H1 : Frekuensi observasi ≠ teoritis
b) α = 1%
c) .
Nilai Angka
Sn(x) – distribusi
kumulatif
observasi
Fo(x) –
Distribusi
kumulatif
teoritis
Fo(x) –
Sn(x)
10 % 8 % 2
30 % 30 % 0
70 % 70 % 5
90 % 91 % 1
100 % 100 % 0
Uji kesamaan dua varians digunakan untuk menguji apakah
kedua data tersebut homogen yaitu dengan mmbandingkan
kedua variansnya. Namun untuk varians yang tidak sama
besarnya perlu diadakan pengujian homogenitas melalui uji
kesamaan dua varians ini.
Persyaratan agar pengujian dapat dilakukan ialah apabila
kedua datanya telah terbukti berdistribusi normal. Untuk
melakukan pengujian homogenitas ada beberapa cara.
Namun yang akan dibahas ini hanya tiga cara.
Pengujian homogenitas ada 3 cara, yaitu :
1. Varians terbesar dibandingkan varians terkecil
2. Varians terkecil dibandingkan varians terbesa
3. Uji bartlet (untuk lebih dari dua kelompok)
Langkah – langkahnya adalah sebagai berikut :
1. Tulis Ha dan H0 dalam bentuk kalimat
2. Tulis Ha dan H0 dalam bentuk statistik
3. Cari Fhitung dengan menggunakan rumus
4. Tetapkan taraf signifikan (α)
5. Hitung Ftabel dengan rumus :
6. Tentukan Kriteria pengujian H0 yaitu :
Jika Fhitung ≤ Ftabel maka H0 diterima (homogen)
7. Bandingkan Fhitung dengan Ftabel
8. Buatlah kesimpulannya
F =VariansTerbesar
VariansTerkecil
Ftabel = F1/2 α (dkVarians terbersar – 1, dk varians terkecil-1)
F = VariansTerbesar
VariansTerkecil
4.Taraf signifikansi (α) = 0,10
5. Hitung Ftabel dengan rumus :
= F ½ . 0,10(13-1, 10-1)
= F 0,05(12,9)
Dengan menggunakan tabel F didapat Ftabel = 2,80
6. Kriteria pengujian H0 yaitu :
Jika Fhitung ≤ Ftabel maka H0 diterima (homogen)
7. Ternyata 1,506 ≤ 2,80 atau Fhitung ≤ Ftabel sehingga H0 diterima
(homogen)
8. Kesimpulannya
H0 yang berbunyi “Tidak terdapat perbedaan varians 1 dengan
varians 2”. Diterima (homogen). Sebaliknya Ha yang berbunyi “Terdapat perbedaan
varians 2 dengna varians 2”. Ditolak (tidak homogen).
Ftabel = F1/2 α (dkVarians terbesar – 1, dk varians terkecil-1)
Pegujian homogenitas varians mengasumsikan bahwa
skor setiap variabel memiliki varians yang homogen.
𝟐
= 𝒍𝒏 𝟏𝟎 𝑩 − 𝒅𝒃 . 𝑳𝒐𝒈 𝑺𝒊
𝟐
Dimana :
Si
2 =Varians tiap kelompok data
dbi = n – 1 = Derajat kebabasan tiap kelompok
B = Nilai Barlett = (𝑳𝒐𝒈 𝑺𝒈𝒂𝒃
𝟐
)( 𝒅𝒃𝒊)
𝑺𝒈𝒂𝒃
𝟐
=Varians gabungan =
𝒅𝒃.𝑺𝒊
𝟐
𝒅𝒃
• UJI BARLETT
Kriteria : jika 2
hitung < 2
tabel , maka H0 diterima
(homogen)
jika 2
hitung > 2
tabel , maka H0 ditolak
(tidak homogen)
Sampel db = n - 1 Si
2 Log Si
2 db.Log Si
2 db.Si
2
1
2
…
…

1. Menentukan kelompok-kelompok data dan
menghitung varians untuk tiap kelompok
tersebut
2. Membuat tabel pembantu untuk
memudahkan proses penghitungan
3. Menghitung varians gabungan
4. Menghitung log dari varians gabungan
5. Menghitung nilai Barlett
6. Menghitung nilai 2
7. Menetukan nilai dan titik kritis
8. Membuat kesimpulan
Kepemimpinan Perolehan Skor 10 orang Responden Varians
Otoriter 202, 208, 163, 217, 196, 244, 237, 201, 209, 221 460,96
Demokratis 211, 194, 167, 188, 163, 228, 201, 223, 212, 213 438,60
Paternalistik 223, 222, 206, 201, 178, 207, 156, 218, 219, 213 418,81
Bebas 223, 220, 226, 225, 157, 170, 199, 221, 229, 225 598,45
 40
Sebuah penelitian mengkaji tentang masalah tipe
kepemimpinan.Tipe kepemimpinan yang dijadikan objek
penelitian adalah tipe otoriter, demokratis, paternalistik,
dan bebas. Angket untuk ke empat tipe kepemimpinan itu
dibuat dan disebar kepada responden dengan ukuran
sampel 40. masing-masing angket tipe kepemimpinan
didisi oleh 10 orang. Skor-skor yang diperoleh adalah
sebagai berikut:
1. Hipotesis Statistik
H0 : 1
2 = 2
2 =  3
2 = 4
2
H1 : salah saru tanda sama dengan tidak berlaku
Sampel db=n-1 Si
2 Log Si
2 db.Log Si
2 db.Si
2
1 9 460,96 2,6637 23,9730 4148,64
2 9 438,60 2,6421 23,7786 3947,40
3 9 418,81 2,6220 23,5982 3769,29
4 9 598,45 2,7770 24,9933 5386,05
 39 96,3430 17251,38
2. Tabel Uji Barlett 𝑆𝑖
2
=
𝑥𝑖
2
−
𝑥𝑖
2
𝑛
𝑛
7. Kesimpulan
Karena nilai 2
hitung < 2
tabel, artinya Ho diterima atau
variasi data dinyatakan homogen
4. Nilai Barlett
𝐵 = 𝑑𝑏 𝐿𝑜𝑔 𝑆2
= 36 × 𝐿𝑜𝑔 479,205 = 96,49877
5. Nilai Hitung 2
2
= ln 10 𝐵 − 𝑑𝑏 . 𝐿𝑜𝑔 𝑆𝑖
2
= 2,302585 96,49877 − 96,3430 = 0,35869
6. Nilai dan titik kritis pada  = 0,05 dan dk = k – 1 = 3
adalah 2 =7,81
3. Varians Gabungan
𝑆2 =
𝑑𝑏. 𝑆𝑖
2
𝑑𝑏
=
17251,38
36
= 479,205
Estrela Bellia Muaja
(Ketua)
Jelita Rumengan
Merry Korinus
Lani Wokas
Kristie Polii
Frely Sumarauw
Yan Bastian Gazali

More Related Content

What's hot

Statistika parametrik_teknik analisis korelasi
Statistika parametrik_teknik analisis korelasiStatistika parametrik_teknik analisis korelasi
Statistika parametrik_teknik analisis korelasiM. Jainuri, S.Pd., M.Pd
 
Model regresi-non-linear
Model regresi-non-linearModel regresi-non-linear
Model regresi-non-linearGifard Narut
 
Uji Hipotesis Dua Rata-rata
Uji Hipotesis Dua Rata-rataUji Hipotesis Dua Rata-rata
Uji Hipotesis Dua Rata-ratasilvia kuswanti
 
Uji Normalitas dan Homogenitas
Uji Normalitas dan HomogenitasUji Normalitas dan Homogenitas
Uji Normalitas dan HomogenitasPutri Handayani
 
Tugas regresi linear dan non linier
Tugas regresi linear dan non linierTugas regresi linear dan non linier
Tugas regresi linear dan non liniernopiana
 
Statistik deskriptif dan inferensial
Statistik deskriptif dan inferensialStatistik deskriptif dan inferensial
Statistik deskriptif dan inferensialIkaMufarrohah
 
Statistika Industri
Statistika IndustriStatistika Industri
Statistika Industriliffi
 
Analisis Faktor.Ppt 2
Analisis Faktor.Ppt 2Analisis Faktor.Ppt 2
Analisis Faktor.Ppt 2guestfda73f8
 
Uji Run ( Keacakan )
Uji Run ( Keacakan )Uji Run ( Keacakan )
Uji Run ( Keacakan )Nur Sandy
 
Ukuran kemiringan dan keruncingan data
Ukuran kemiringan dan keruncingan dataUkuran kemiringan dan keruncingan data
Ukuran kemiringan dan keruncingan dataSriwijaya University
 
Makalah sampel dan populasi
Makalah sampel dan populasiMakalah sampel dan populasi
Makalah sampel dan populasiRfebiola
 
Uji proporsi satu populasi dan dua populasi
Uji proporsi satu populasi dan dua populasiUji proporsi satu populasi dan dua populasi
Uji proporsi satu populasi dan dua populasiRosmaiyadi Snt
 
Contoh prosedur penelitian tindakan kelas
Contoh prosedur penelitian tindakan kelasContoh prosedur penelitian tindakan kelas
Contoh prosedur penelitian tindakan kelasWanakisu Wanahugu
 
Evaluasi Formatif dan Sumatif
Evaluasi Formatif dan SumatifEvaluasi Formatif dan Sumatif
Evaluasi Formatif dan SumatifMuhammad Bahrudin
 
Pengertian distribusi lognormal
Pengertian distribusi lognormalPengertian distribusi lognormal
Pengertian distribusi lognormalNurul Lailyah
 
Penalaran Deduktif dan Indukitf untuk pembelajaran matematika dasar progam PGSD
Penalaran Deduktif dan Indukitf untuk pembelajaran matematika dasar progam PGSDPenalaran Deduktif dan Indukitf untuk pembelajaran matematika dasar progam PGSD
Penalaran Deduktif dan Indukitf untuk pembelajaran matematika dasar progam PGSDRosyidah L
 

What's hot (20)

Statistika parametrik_teknik analisis korelasi
Statistika parametrik_teknik analisis korelasiStatistika parametrik_teknik analisis korelasi
Statistika parametrik_teknik analisis korelasi
 
VARIABEL RANDOM & DISTRIBUSI PELUANG
VARIABEL RANDOM & DISTRIBUSI PELUANGVARIABEL RANDOM & DISTRIBUSI PELUANG
VARIABEL RANDOM & DISTRIBUSI PELUANG
 
Model regresi-non-linear
Model regresi-non-linearModel regresi-non-linear
Model regresi-non-linear
 
Uji Hipotesis Dua Rata-rata
Uji Hipotesis Dua Rata-rataUji Hipotesis Dua Rata-rata
Uji Hipotesis Dua Rata-rata
 
Uji Normalitas dan Homogenitas
Uji Normalitas dan HomogenitasUji Normalitas dan Homogenitas
Uji Normalitas dan Homogenitas
 
Tugas regresi linear dan non linier
Tugas regresi linear dan non linierTugas regresi linear dan non linier
Tugas regresi linear dan non linier
 
Statistik deskriptif dan inferensial
Statistik deskriptif dan inferensialStatistik deskriptif dan inferensial
Statistik deskriptif dan inferensial
 
Statistika Industri
Statistika IndustriStatistika Industri
Statistika Industri
 
Statistik Industri 1 - PENDAHULUAN
Statistik Industri 1 - PENDAHULUANStatistik Industri 1 - PENDAHULUAN
Statistik Industri 1 - PENDAHULUAN
 
ANOVA satu arah - One way ANOVA
ANOVA satu arah - One way ANOVAANOVA satu arah - One way ANOVA
ANOVA satu arah - One way ANOVA
 
Analisis Faktor.Ppt 2
Analisis Faktor.Ppt 2Analisis Faktor.Ppt 2
Analisis Faktor.Ppt 2
 
Uji Run ( Keacakan )
Uji Run ( Keacakan )Uji Run ( Keacakan )
Uji Run ( Keacakan )
 
Ukuran kemiringan dan keruncingan data
Ukuran kemiringan dan keruncingan dataUkuran kemiringan dan keruncingan data
Ukuran kemiringan dan keruncingan data
 
Metode newton
Metode newtonMetode newton
Metode newton
 
Makalah sampel dan populasi
Makalah sampel dan populasiMakalah sampel dan populasi
Makalah sampel dan populasi
 
Uji proporsi satu populasi dan dua populasi
Uji proporsi satu populasi dan dua populasiUji proporsi satu populasi dan dua populasi
Uji proporsi satu populasi dan dua populasi
 
Contoh prosedur penelitian tindakan kelas
Contoh prosedur penelitian tindakan kelasContoh prosedur penelitian tindakan kelas
Contoh prosedur penelitian tindakan kelas
 
Evaluasi Formatif dan Sumatif
Evaluasi Formatif dan SumatifEvaluasi Formatif dan Sumatif
Evaluasi Formatif dan Sumatif
 
Pengertian distribusi lognormal
Pengertian distribusi lognormalPengertian distribusi lognormal
Pengertian distribusi lognormal
 
Penalaran Deduktif dan Indukitf untuk pembelajaran matematika dasar progam PGSD
Penalaran Deduktif dan Indukitf untuk pembelajaran matematika dasar progam PGSDPenalaran Deduktif dan Indukitf untuk pembelajaran matematika dasar progam PGSD
Penalaran Deduktif dan Indukitf untuk pembelajaran matematika dasar progam PGSD
 

Similar to Uji normalitas dan homogenitas non parametrik (Estrela Muaja - UNIMA)

3-Third Meeting Statistika.pdf
3-Third Meeting Statistika.pdf3-Third Meeting Statistika.pdf
3-Third Meeting Statistika.pdfKevinReinaldy1
 
Normalitas & homogenitas
Normalitas & homogenitasNormalitas & homogenitas
Normalitas & homogenitasAYU Hardiyanti
 
6. NORMALITAS DAN HOMOGENITAS.pptx
6. NORMALITAS DAN HOMOGENITAS.pptx6. NORMALITAS DAN HOMOGENITAS.pptx
6. NORMALITAS DAN HOMOGENITAS.pptxumrahmaha
 
Makalah ukuran penyebaran data
Makalah ukuran penyebaran dataMakalah ukuran penyebaran data
Makalah ukuran penyebaran dataAisyah Turidho
 
MATRIKULASI STATISTIK (1).pptx
MATRIKULASI STATISTIK (1).pptxMATRIKULASI STATISTIK (1).pptx
MATRIKULASI STATISTIK (1).pptxMNDani
 
Materi Statistik Minggu ke-2 pengertian definisi dan ruang lingkup
Materi Statistik Minggu ke-2 pengertian definisi dan ruang lingkupMateri Statistik Minggu ke-2 pengertian definisi dan ruang lingkup
Materi Statistik Minggu ke-2 pengertian definisi dan ruang lingkupIznanKholis
 
Pertemuan 6 (ukuran penyebaran data)
Pertemuan 6 (ukuran penyebaran data)Pertemuan 6 (ukuran penyebaran data)
Pertemuan 6 (ukuran penyebaran data)reno sutriono
 
171050801029 ona dermawan
171050801029 ona dermawan171050801029 ona dermawan
171050801029 ona dermawanMuhajirin Hajir
 
Uji normalitas dan uji homogenitas
Uji normalitas dan uji homogenitasUji normalitas dan uji homogenitas
Uji normalitas dan uji homogenitasardynuryadi
 
BAB 2 PENYAJIAN DATA DG GRAFIK HISTOGRAM POLIGON OGIVE P2.ppt
BAB 2 PENYAJIAN DATA DG GRAFIK HISTOGRAM POLIGON OGIVE P2.pptBAB 2 PENYAJIAN DATA DG GRAFIK HISTOGRAM POLIGON OGIVE P2.ppt
BAB 2 PENYAJIAN DATA DG GRAFIK HISTOGRAM POLIGON OGIVE P2.pptzulfy485
 
penyajian-data.ppt
penyajian-data.pptpenyajian-data.ppt
penyajian-data.pptssuserfe8f16
 
statistika pertemuan 7.pptx
statistika pertemuan 7.pptxstatistika pertemuan 7.pptx
statistika pertemuan 7.pptxLaily14
 
Daftar Distribusi Frekuensi
Daftar Distribusi FrekuensiDaftar Distribusi Frekuensi
Daftar Distribusi FrekuensiAisyah Turidho
 
Pertemuan 4 (daftar distribusi frekuensi)
Pertemuan 4 (daftar distribusi frekuensi)Pertemuan 4 (daftar distribusi frekuensi)
Pertemuan 4 (daftar distribusi frekuensi)reno sutriono
 

Similar to Uji normalitas dan homogenitas non parametrik (Estrela Muaja - UNIMA) (20)

00 statistika-deskriptif
00 statistika-deskriptif00 statistika-deskriptif
00 statistika-deskriptif
 
simp-rata-rata.ppt
simp-rata-rata.pptsimp-rata-rata.ppt
simp-rata-rata.ppt
 
3-Third Meeting Statistika.pdf
3-Third Meeting Statistika.pdf3-Third Meeting Statistika.pdf
3-Third Meeting Statistika.pdf
 
Normalitas
NormalitasNormalitas
Normalitas
 
Normalitas & homogenitas
Normalitas & homogenitasNormalitas & homogenitas
Normalitas & homogenitas
 
Normalitas
NormalitasNormalitas
Normalitas
 
6. NORMALITAS DAN HOMOGENITAS.pptx
6. NORMALITAS DAN HOMOGENITAS.pptx6. NORMALITAS DAN HOMOGENITAS.pptx
6. NORMALITAS DAN HOMOGENITAS.pptx
 
Power point statistik anava
Power point statistik anavaPower point statistik anava
Power point statistik anava
 
Makalah ukuran penyebaran data
Makalah ukuran penyebaran dataMakalah ukuran penyebaran data
Makalah ukuran penyebaran data
 
MATRIKULASI STATISTIK (1).pptx
MATRIKULASI STATISTIK (1).pptxMATRIKULASI STATISTIK (1).pptx
MATRIKULASI STATISTIK (1).pptx
 
Materi Statistik Minggu ke-2 pengertian definisi dan ruang lingkup
Materi Statistik Minggu ke-2 pengertian definisi dan ruang lingkupMateri Statistik Minggu ke-2 pengertian definisi dan ruang lingkup
Materi Statistik Minggu ke-2 pengertian definisi dan ruang lingkup
 
Dasar dasar pengetahuan
Dasar dasar pengetahuanDasar dasar pengetahuan
Dasar dasar pengetahuan
 
Pertemuan 6 (ukuran penyebaran data)
Pertemuan 6 (ukuran penyebaran data)Pertemuan 6 (ukuran penyebaran data)
Pertemuan 6 (ukuran penyebaran data)
 
171050801029 ona dermawan
171050801029 ona dermawan171050801029 ona dermawan
171050801029 ona dermawan
 
Uji normalitas dan uji homogenitas
Uji normalitas dan uji homogenitasUji normalitas dan uji homogenitas
Uji normalitas dan uji homogenitas
 
BAB 2 PENYAJIAN DATA DG GRAFIK HISTOGRAM POLIGON OGIVE P2.ppt
BAB 2 PENYAJIAN DATA DG GRAFIK HISTOGRAM POLIGON OGIVE P2.pptBAB 2 PENYAJIAN DATA DG GRAFIK HISTOGRAM POLIGON OGIVE P2.ppt
BAB 2 PENYAJIAN DATA DG GRAFIK HISTOGRAM POLIGON OGIVE P2.ppt
 
penyajian-data.ppt
penyajian-data.pptpenyajian-data.ppt
penyajian-data.ppt
 
statistika pertemuan 7.pptx
statistika pertemuan 7.pptxstatistika pertemuan 7.pptx
statistika pertemuan 7.pptx
 
Daftar Distribusi Frekuensi
Daftar Distribusi FrekuensiDaftar Distribusi Frekuensi
Daftar Distribusi Frekuensi
 
Pertemuan 4 (daftar distribusi frekuensi)
Pertemuan 4 (daftar distribusi frekuensi)Pertemuan 4 (daftar distribusi frekuensi)
Pertemuan 4 (daftar distribusi frekuensi)
 

More from Estrela Bellia Muaja

Sifat Batuan dan Fluida Panas Bumi
Sifat Batuan dan Fluida Panas BumiSifat Batuan dan Fluida Panas Bumi
Sifat Batuan dan Fluida Panas BumiEstrela Bellia Muaja
 
Intrusi Air Laut (Kawasan Pondol, Manado)
Intrusi Air Laut (Kawasan Pondol, Manado)Intrusi Air Laut (Kawasan Pondol, Manado)
Intrusi Air Laut (Kawasan Pondol, Manado)Estrela Bellia Muaja
 
Manifestasi panas bumi (estrela bellia muaja, geotermal b semester dua)
Manifestasi panas bumi (estrela bellia muaja, geotermal b semester dua)Manifestasi panas bumi (estrela bellia muaja, geotermal b semester dua)
Manifestasi panas bumi (estrela bellia muaja, geotermal b semester dua)Estrela Bellia Muaja
 

More from Estrela Bellia Muaja (6)

Makalah Hotspot & Mantle Plume
Makalah Hotspot & Mantle PlumeMakalah Hotspot & Mantle Plume
Makalah Hotspot & Mantle Plume
 
Hotspot dan Mantle Plume
Hotspot dan Mantle PlumeHotspot dan Mantle Plume
Hotspot dan Mantle Plume
 
Fundamental of convection
Fundamental of convectionFundamental of convection
Fundamental of convection
 
Sifat Batuan dan Fluida Panas Bumi
Sifat Batuan dan Fluida Panas BumiSifat Batuan dan Fluida Panas Bumi
Sifat Batuan dan Fluida Panas Bumi
 
Intrusi Air Laut (Kawasan Pondol, Manado)
Intrusi Air Laut (Kawasan Pondol, Manado)Intrusi Air Laut (Kawasan Pondol, Manado)
Intrusi Air Laut (Kawasan Pondol, Manado)
 
Manifestasi panas bumi (estrela bellia muaja, geotermal b semester dua)
Manifestasi panas bumi (estrela bellia muaja, geotermal b semester dua)Manifestasi panas bumi (estrela bellia muaja, geotermal b semester dua)
Manifestasi panas bumi (estrela bellia muaja, geotermal b semester dua)
 

Uji normalitas dan homogenitas non parametrik (Estrela Muaja - UNIMA)

  • 1.  Penggunaan Statistik Parametris, bekerja dengan asumsi bahwa data setiap variabel penelitian yang akan dianalisis membentuk distribusi normal.  Bila data tidak normal, maka teknik statistik Parametris tidak dapat digunakan untuk alat analisis. Teknik statistik ini adalah Statistik Nonparametris.  Dengan menggunakan distribusi normal, penyajian data dapat lebih bermakna daripada hanya menggunakan penyajian kelompok saja.  Karena dengan adanya persyaratan normalitas data, maka data dapat dilanjutkan penyajiannya dalam bentuk membedakan, mencari hubungannya dan meramalkannya.
  • 2.  Langkah pertama dalam mempergunakan metode peluang normal, yaitu data disajikan dalam bentuk tabel distribusi frekuensi relatif (data disajikan dalam bentuk persentase) NO BERAT BADAN JUMLAH % 1 30 - 39 8 5,71 2 40 - 49 15 10,71 3 50 - 59 26 18,57 4 60 - 69 33 23,57 5 70 - 79 27 19,29 6 80 - 89 20 14,29 7 90 - 99 11 7,86 JUMLAH 140 100,00
  • 3.  Selanjutnya tabel diubah dalam bentuk distribusi frekuensi kumulatif relatif kurang dari, sehingga terbentuk tabel sebagai berikut : BERAT BADAN JUMLAH < 29,50 0,00 < 39,50 5,71 < 49,50 16,42 < 59,50 34,99 < 69,50 58,56 < 79,50 77,85 < 89,50 92,14 < 99,50 100,00
  • 4. Gambar di atas merupakan contoh penyajian data pada kertas peluang normal, sumber vertikal tempat meletakkan interval kelas, sumbu horizontal tempat untuk angka kumulatifnya. Angka Kumulatif Interval Kelas
  • 5.  Jika letak titik-titik pada garis lurus atau hampir lurus, maka  Data (sampel) : berdistribusi normal atau hampir berdistribusi normal  Populasi : berdistribusi normal atau hampir berdistribusi normal  Jika titik-titik tsb sangat menyimpang dari sekitar garis lurus  tidak berdistribusi normal Titik-titik frekuensi kumulatif
  • 6.  Kurtosis adalah tinggi atau rendahnya bentuk kurva normal.Kurva disebut normal, apabila kurvanya tidak terlalu runcing (tinggi) atau tidak pula terlalu datar atau rendah.
  • 7. Kriterianya:  a4 = 3, maka distribusinya normal.  a4 > 3, maka distribusinya leptokurtic.  a4 < 3, maka distribusinya platikurtik.
  • 8. Kelas Interval F 31 - 40 1 41 - 50 2 51 - 60 5 61 - 70 15 71 - 80 20 81 - 90 25 91 - 100 12 Σf = 80
  • 9. No. Kelas Interval fi xi fi . xi ( xi. )2 fi . ( xi. )2 1 31-40 1 35.5 35.5 1743,06 1743,06 2 41-50 2 45.5 91 1008,06 2016,13 3 51-60 5 55.5 277,5 473,06 2365,31 4 61-70 15 65.5 982,5 138,06 2070,94 5 71-80 20 75.5 1510 3,06 61,25 6 81-90 25 85.5 2137,5 68,06 1701,56 7 91-100 12 95.5 1146 333,06 3996,75 Σ=80 Σ=6180 Σ= 13955
  • 10. Kesimpulan α > 3, maka data terdistribusi leptokurtik/tidak terdistribusi normal
  • 11. k = Kriterianya: Jika k = 0,263, maka datanya berdistribusi normal atau mendekati distribusi normal. Kriterianya: Jika k = 0,263, maka datanya berdistribusi normal atau mendekati distribusi normal. Kriterianya: Jika k = 0,263 atau mendekati 0,263, maka datanya berdistribusi normal atau mendekati distribusi normal.
  • 12. Kelas Interval F 31 - 40 1 41 - 50 2 51 - 60 5 61 - 70 15 71 - 80 20 81 - 90 25 91 - 100 12 Σf = 80
  • 13. k = Kriterianya: Jika k = 0,263, maka datanya berdistribusi normal atau mendekati distribusi normal. Kriterianya: Jika k = 0,263, maka datanya berdistribusi normal atau mendekati distribusi normal.  Nilai Kuartir  Nilai Persentil Kesimpulan k ≠ 0.263, maka datanya tidak berdistribusi normal
  • 14. Uji Chi-Square adalah uji kecocokan (goodness of fit) Nilai X2 (Chi-Square)kecil, Fo mendekati Fe Dibandingkan antara frekuensi hasil observasi (Fo) dengan frekuensi harapan/teoritis (Fe) Nilai X2 (Chi-Square)besar, Fo menjauhi Fe
  • 15. Buat tabel distribusi frekuensi Menentukan rata-rata dan standar deviasi Menentukan batas kelas Mencari nilai Z untuk batas kelas interval
  • 16. Mencari luas Z pada tabel kurva normal Mencari luas tiap kelas interval (Luas Z BA-Luas Z BB) Mencari Frekuensi Harapan Menentukan nilai Chi-Square TABEL
  • 17. Menentukan nilai X2 (Chi-Square) tabel Derajat Kebebasan Taraf signifikan (α) TABEL
  • 18.
  • 19. 44-54 2 55-64 8 66-76 11 77-87 24 88-98 12 99-109 4 110-120 3 Periksalah distribusi frekuensi di samping apakah berdistribusi normal ? (α = 5%)
  • 20. 44-54 2 49 98 -32,31 1043,94 2087,8722 55-65 8 60 480 -21,31 454,116 3631,9288 66-76 11 71 781 -10,31 106,296 1169,2571 77-87 24 82 1968 0,69 0,4761 11,5264 88-98 12 93 1116 11,69 136,656 1639,8732 99-109 4 104 416 22,69 514,836 2059,3444 110-120 3 115 345 33,69 1135,02 3405,0483 64 5204 14005,75 Buat tabel distribusi frekuensi Menentukan rata-rata dan standar deviasi
  • 21. 2 49 98 8 60 480 11 71 781 24 82 1968 12 93 1116 4 104 416 3 115 345 64 5204
  • 22. -32,31 1043,94 2087,8722 -21,31 454,116 3631,9288 -10,31 106,296 1169,2571 0,69 0,4761 11,5264 11,69 136,656 1639,8732 22,69 514,836 2059,3444 33,69 1135,02 3405,0483 14005,75
  • 23. 44-54 2 49 43,5-54,5 -2,54 – (-1,80) 0,0304 55-65 8 60 54,5-65,5 -1,80 – (-1,60) 0,1087 66-76 11 71 65,5-76,5 -1,60 – (-0,32) 0,2299 77-87 24 82 76,5-87,5 -0,32 – 0,42 0,2883 88-98 12 93 87,5-98,5 0,42 – 1,15 0,2121 99-109 4 104 98,5-109,5 1,15 – 1,89 0,0957 110-120 3 115 109,5-120,5 1,89 – 2,63 0,0251 64 Menentukan batas kelas Mencari nilai Z untuk batas kelas interval
  • 24. 44-54 2 49 43,5-54,5 55-65 8 60 54,5-65,5 66-76 11 71 65,5-76,5 77-87 24 82 76,5-87,5 88-98 12 93 87,5-98,5 99-109 4 104 98,5-109,5 110-120 3 115 109,5-120,5 64
  • 25. -2,54 – (-1,80) 0,0304 -1,80 – (-1,60) 0,1087 -1,60 – (-0,32) 0,2299 -0,32 – 0,42 0,2883 0,42 – 1,15 0,2121 1,15 – 1,89 0,0957 1,89 – 2,63 0,0251 -2,54 – (-1,80)
  • 26. 44-54 2 49 43,5-54,5 -2,54 – (-1,80) 0,0304 55-65 8 60 54,5-65,5 -1,80 – (-1,60) 0,1087 66-76 11 71 65,5-76,5 -1,60 – (-0,32) 0,2299 77-87 24 82 76,5-87,5 -0,32 – 0,42 0,2883 88-98 12 93 87,5-98,5 0,42 – 1,15 0,2121 99-109 4 104 98,5-109,5 1,15 – 1,89 0,0957 110-120 3 115 109,5-120,5 1,89 – 2,63 0,0251 64
  • 27. 44-54 2 49 0,0304 1,9456 0,0544 55-65 8 60 0,1087 6,9568 1,0431 66-76 11 71 0,2299 14,7136 -3,7136 77-87 24 82 0,2883 18,4512 5,5488 88-98 12 93 0,2121 13,5744 -1,5744 99-109 4 104 0,0957 6,1248 -2,1248 110-120 3 115 0,0251 1,6064 1,3936 64
  • 28. 44-54 2 49 1,9456 0,0544 0,0029 0,0015 55-65 8 60 6,9568 1,0431 1,0882 0,1564 66-76 11 71 14,7136 -3,7136 13,7908 0,9372 77-87 24 82 18,4512 5,5488 30,7891 1,6686 88-98 12 93 13,5744 -1,5744 2,4787 0,1826 99-109 4 104 6,1248 -2,1248 4,5147 0,7371 110-120 3 115 1,6064 1,3936 1,9421 1,2089 64 4,8926
  • 29. TABEL
  • 30.
  • 31. Apabila data masih disajikan secara individu, maka uji normalitas data sebaiknya dilakukan dengan Uji Liliefors, karena uji Liliefors jauh lebih teliti dibandingkan dengan Uji Chi-Kuadrat. Uji Liliefors dilakukan dengan mencari nilai Lhitung, yakni nilai |Sn(xi)-F0 (Xi)| yang terbesar
  • 32. Susun data terkecil – data terbesar Tuliskan frekuensi data Tuliskan frekuensi kumulatif Hitung proporsi empirik (observasi)
  • 33. Hitung nilai Z Menghitung Theoritical proportion Bandingkan empirical proportion dengan theoritical proportion
  • 34. Carilah selisih terbesar antara empirical proportion dan theoritical proportion (Lhitung) di dalam titik observasi Carilah selisih terbesar antara empirical proportion dan theoritical proportion (Lhitung) di luar titik observasi Tentukan nilai Ltabel Banyaknya Data Taraf signifikan (α) TABEL
  • 35.
  • 36. Berikut adalah skor hasil pengumpulan data suatu variabel, yang dilakukan secara acak. Ukuran sampel 14. Datanya : 77.3 73.9 76.0 74.6 76.6 74.2 76.9 74.7 77.4 75.4 77.7 76.0 76.5 76.0 Data di atas, diduga menyebar mengikuti distribusi normal. Dengan menggunakan α = 0,05, buktikan bahwa data tersebut berdistribusi normal
  • 37.
  • 38. 73.9 1 73.9 75.943 -2.043 4.1738 4.1738 74.2 1 74.2 -1.743 3.038 3.038 74.6 1 74.6 -1.343 1.80365 1.80365 74.7 1 74.7 -1.243 1.54505 1.54505 75.4 1 75.4 -0.543 0.3 0.3 76.0 3 228 0.057 3.25 X 10-3 9.75 X 10-3 76.5 1 76.5 0.557 0.31025 0.31025 76.6 1 76.6 0.657 0.43165 0.43165 76.9 1 76.9 0.957 0.91585 0.91585 77.3 1 77.3 1.357 1.84145 1.84145 77.4 1 77.4 1.457 2.12285 2.12285 77.7 1 77.7 1.757 3.08705 3.08705 14 1063.2 19.57935
  • 39. 1 2 3 4 5 6 7 8 73.9 1 1 0.0714 -1.66 0.0585 0.0129 0.0485 74.2 1 2 0.1429 -1.42 0.0778 0.0651 0.0064 74.6 1 3 0.2143 -1.09 0.1379 0.0764 0.0050 74.7 1 4 0.2857 -1.01 0.1562 0.1295 0.0581 75.4 1 5 0.3571 -0.44 0.3300 0.0271 0.0443 76.0 3 8 0.5714 0.05 0.5199 0.0515 0.1628 76.5 1 9 0.6429 046 0.6736 0.0307 0.1022 76.6 1 10 0.7143 0.54 0.7054 0.0089 0.0625 76.9 1 11 0.7857 0.78 0.7823 0.0034 0.0680 77.3 1 12 0.8571 1.11 0.8665 0.0094 0.0808 77.4 1 13 0.9286 1.19 0.8830 0.0456 0.0259 77.7 1 14 1.0000 1.43 0.9236 0.9236 0.0050
  • 41. Theoritical proportion (tabel Z) : Proporsi Kumulatif Luas Kurva Normal Baku BACK
  • 42. Baris ke - 1 Baris ke - 2 BACK
  • 43. Baris ke - 1 Baris ke - 2 BACK
  • 44. Titik kritis pengujian H0 ditolak jika BACK
  • 45. Kesimpulan Pernyataan bahwa x mengukitu distribusi normal bisa diterima BACK
  • 46. Evaluasi terhadap 100 pekerja dilakukan untuk melihat prestasi kerja rata-rata pekerja dalam suatu proyek, apakah terdistribusi secara normal atau tidak. Dengan rata-rata prestasi kerja 65 dan standar deviasi 20. Gunakan α=1%.
  • 47. Data terdistribusi sebagai berikut : Distribusi Prestasi Kerja 100 Pekerja Nilai Huruf Nilai Angka Frekuensi A 8 B 22 C 45 D 16 E 9
  • 48. a) H0 : Frekuensi observasi = teoritis H1 : Frekuensi observasi ≠ teoritis b) α = 1% c) .
  • 49.
  • 50. Nilai Angka Sn(x) – distribusi kumulatif observasi Fo(x) – Distribusi kumulatif teoritis Fo(x) – Sn(x) 10 % 8 % 2 30 % 30 % 0 70 % 70 % 5 90 % 91 % 1 100 % 100 % 0
  • 51.
  • 52. Uji kesamaan dua varians digunakan untuk menguji apakah kedua data tersebut homogen yaitu dengan mmbandingkan kedua variansnya. Namun untuk varians yang tidak sama besarnya perlu diadakan pengujian homogenitas melalui uji kesamaan dua varians ini. Persyaratan agar pengujian dapat dilakukan ialah apabila kedua datanya telah terbukti berdistribusi normal. Untuk melakukan pengujian homogenitas ada beberapa cara. Namun yang akan dibahas ini hanya tiga cara.
  • 53. Pengujian homogenitas ada 3 cara, yaitu : 1. Varians terbesar dibandingkan varians terkecil 2. Varians terkecil dibandingkan varians terbesa 3. Uji bartlet (untuk lebih dari dua kelompok)
  • 54. Langkah – langkahnya adalah sebagai berikut : 1. Tulis Ha dan H0 dalam bentuk kalimat 2. Tulis Ha dan H0 dalam bentuk statistik 3. Cari Fhitung dengan menggunakan rumus 4. Tetapkan taraf signifikan (α) 5. Hitung Ftabel dengan rumus : 6. Tentukan Kriteria pengujian H0 yaitu : Jika Fhitung ≤ Ftabel maka H0 diterima (homogen) 7. Bandingkan Fhitung dengan Ftabel 8. Buatlah kesimpulannya F =VariansTerbesar VariansTerkecil Ftabel = F1/2 α (dkVarians terbersar – 1, dk varians terkecil-1)
  • 56. 4.Taraf signifikansi (α) = 0,10 5. Hitung Ftabel dengan rumus : = F ½ . 0,10(13-1, 10-1) = F 0,05(12,9) Dengan menggunakan tabel F didapat Ftabel = 2,80 6. Kriteria pengujian H0 yaitu : Jika Fhitung ≤ Ftabel maka H0 diterima (homogen) 7. Ternyata 1,506 ≤ 2,80 atau Fhitung ≤ Ftabel sehingga H0 diterima (homogen) 8. Kesimpulannya H0 yang berbunyi “Tidak terdapat perbedaan varians 1 dengan varians 2”. Diterima (homogen). Sebaliknya Ha yang berbunyi “Terdapat perbedaan varians 2 dengna varians 2”. Ditolak (tidak homogen). Ftabel = F1/2 α (dkVarians terbesar – 1, dk varians terkecil-1)
  • 57. Pegujian homogenitas varians mengasumsikan bahwa skor setiap variabel memiliki varians yang homogen. 𝟐 = 𝒍𝒏 𝟏𝟎 𝑩 − 𝒅𝒃 . 𝑳𝒐𝒈 𝑺𝒊 𝟐 Dimana : Si 2 =Varians tiap kelompok data dbi = n – 1 = Derajat kebabasan tiap kelompok B = Nilai Barlett = (𝑳𝒐𝒈 𝑺𝒈𝒂𝒃 𝟐 )( 𝒅𝒃𝒊) 𝑺𝒈𝒂𝒃 𝟐 =Varians gabungan = 𝒅𝒃.𝑺𝒊 𝟐 𝒅𝒃 • UJI BARLETT Kriteria : jika 2 hitung < 2 tabel , maka H0 diterima (homogen) jika 2 hitung > 2 tabel , maka H0 ditolak (tidak homogen)
  • 58. Sampel db = n - 1 Si 2 Log Si 2 db.Log Si 2 db.Si 2 1 2 … …  1. Menentukan kelompok-kelompok data dan menghitung varians untuk tiap kelompok tersebut 2. Membuat tabel pembantu untuk memudahkan proses penghitungan 3. Menghitung varians gabungan 4. Menghitung log dari varians gabungan 5. Menghitung nilai Barlett 6. Menghitung nilai 2 7. Menetukan nilai dan titik kritis 8. Membuat kesimpulan
  • 59. Kepemimpinan Perolehan Skor 10 orang Responden Varians Otoriter 202, 208, 163, 217, 196, 244, 237, 201, 209, 221 460,96 Demokratis 211, 194, 167, 188, 163, 228, 201, 223, 212, 213 438,60 Paternalistik 223, 222, 206, 201, 178, 207, 156, 218, 219, 213 418,81 Bebas 223, 220, 226, 225, 157, 170, 199, 221, 229, 225 598,45  40 Sebuah penelitian mengkaji tentang masalah tipe kepemimpinan.Tipe kepemimpinan yang dijadikan objek penelitian adalah tipe otoriter, demokratis, paternalistik, dan bebas. Angket untuk ke empat tipe kepemimpinan itu dibuat dan disebar kepada responden dengan ukuran sampel 40. masing-masing angket tipe kepemimpinan didisi oleh 10 orang. Skor-skor yang diperoleh adalah sebagai berikut:
  • 60. 1. Hipotesis Statistik H0 : 1 2 = 2 2 =  3 2 = 4 2 H1 : salah saru tanda sama dengan tidak berlaku Sampel db=n-1 Si 2 Log Si 2 db.Log Si 2 db.Si 2 1 9 460,96 2,6637 23,9730 4148,64 2 9 438,60 2,6421 23,7786 3947,40 3 9 418,81 2,6220 23,5982 3769,29 4 9 598,45 2,7770 24,9933 5386,05  39 96,3430 17251,38 2. Tabel Uji Barlett 𝑆𝑖 2 = 𝑥𝑖 2 − 𝑥𝑖 2 𝑛 𝑛
  • 61. 7. Kesimpulan Karena nilai 2 hitung < 2 tabel, artinya Ho diterima atau variasi data dinyatakan homogen 4. Nilai Barlett 𝐵 = 𝑑𝑏 𝐿𝑜𝑔 𝑆2 = 36 × 𝐿𝑜𝑔 479,205 = 96,49877 5. Nilai Hitung 2 2 = ln 10 𝐵 − 𝑑𝑏 . 𝐿𝑜𝑔 𝑆𝑖 2 = 2,302585 96,49877 − 96,3430 = 0,35869 6. Nilai dan titik kritis pada  = 0,05 dan dk = k – 1 = 3 adalah 2 =7,81 3. Varians Gabungan 𝑆2 = 𝑑𝑏. 𝑆𝑖 2 𝑑𝑏 = 17251,38 36 = 479,205
  • 62. Estrela Bellia Muaja (Ketua) Jelita Rumengan Merry Korinus Lani Wokas Kristie Polii Frely Sumarauw Yan Bastian Gazali