Você está na página 1de 22

BAB I

PENDAHULUAN

A. LATAR BELAKANG
Penelitian merupakan kegiatan yang terencana untuk mencari jawaban yang
obyektif atas permasalahan manusia melalui prosedur ilmiah. Untuk itu didalam suatu
penelitian dibutuhkan suatu proses analisis data yang berguna untuk menganalisis
data-data yang telah terkumpul. Data yang terkumpul banyak sekali dan terdiri dari
berbagai catatan di lapangan, gambar, foto, dokumen, laporan, biografi, artikel, dan
sebagainya. Pekerjaan analisis data dalam hal ini ialah mengatur, mengurutkan,
mengelompokkan, memberikan kode, dan mengategorikannya. Pengorganisasian dan
pengelolaan data tersebut bertujuan menemukan tema dan hipotesis kerja yang
akhirnya diangkat menjadi teori substantif oleh karena itu, analisis data merupakan
bagian yang amat penting karena dengan analisislah suatu data dapat diberi arti dan
makna yang berguna untuk masalah penelitian. Data yang telah dikumpulkan oleh
peneliti tidak akan ada gunanya apabila tidak dianalisis terlebih dahulu.
Dalam proses analisis data dimulai dengan menelaah seluruh data yang
tersedia dari berbagai sumber, yaitu dari wawancara, pengamatan yang sudah
dituliskan dalam catatan lapangan, dokumen pribadi, dokumen resmi, gambar, foto,
dan sebagainya. (Moleong, 2007).
B. Rumusan Masalah
Bagaimana pemahaman tentang persyaratan analisis data, normalitas dan
homogenitas ?
C. Tujuan
Untuk dapat memahami tentang persyaratan analisis data, normalitas dan
homogenitas


BAB II
PEMBAHASAN
Menurut Ardhana12 (dalam Lexy J. Moleong 2002: 103) menjelaskan bahwa
analisis data adalah proses mengatur urutan data, mengorganisasikanya ke dalam
suatu pola, kategori, dan satuan uraian dasar.
Menurut Taylor, (1975: 79) mendefinisikan analisis data sebagai proses yang
merinci usaha secara formal untuk menemukan tema dan merumuskan hipotesis (ide)
seperti yang disarankan dan sebagai usaha untuk memberikan bantuan dan tema pada
hipotesis. Jika dikaji, pada dasarnya definisi pertama lebih menitikberatkan
pengorganisasian data sedangkan yang ke dua lebih menekankan maksud dan tujuan
analisis data. Dengan demikian definisi tersebut dapat disintesiskan bahwa analisis
data merupakan proses mengorganisasikan dan mengurutkan data ke dalam pola,
kategori dan satuan uraian dasar sehingga dapat ditemukan tema dan dapat
dirumuskan hipotesis kerja seperti yang didasarkan oleh data.
Sebelum data diolah dan dianalisis, maka harus dipenuhi persyaratan analisis
terlebih dahulu. Dengan asumsi, bahwa:
Data yang diperoleh valid dan reliabel
Data yang dibandingkan bersifat homogen/sejenis
Data yang dihubungkan berdistribusi normal
Uji persyaratan analisis diperlukan guna mengetahui apakah analisis data
untuk pengujian hipotesis dapat dilanjutkan atau tidak. Beberapa teknik analisis data
menuntut uji persyaratan analisis. Analisis varian mempersyaratkan bahwa data
berasal dari populasi yang berdistribusi normal dan kelompok-kelompok yang
dibandingkan homogen. Oleh karena itu analisis varian mempersyaratkan uji
normalitas dan homogenitas data.



A. Normalitas
Normalitas data dimaksudkan untuk memperlihatkan bahwa data sampel
berasal dari populasi yang berdistribusi normal. Ada beberapa teknik yang dapat
digunakan untuk menguji normalitas data, antara lain: Dengan kertas peluang normal,
uji chi-kuadrat, uji Liliefors dan dengan Teknik Kolmogorov-Smirnov.
Teknik Liliefors menggunakan pendekatan pemeriksaan data individu dalam
keseluruhan (kelompok). Prosedurnya akan jadi rumit apabila jumlah data cukup
banyak. Karena itu, teknik Liliefors biasanya digunakan untuk rentang data yang
relatif sedikit. Sedangkan untuk rentangan yang lebih besar digunakan teknik chi
kuadrat, dengan menguji data berkelompok.
Uji chi-kuadrat atau Chi square digunakan jika ukuran sampel 30 data atau
lebih (n 30). Metode Chi-Square atau uji goodness of fit distribution normal ini
menggunakan pendekatan penjumlahan penyimpangan data observasi tiap kelas
dengan nilai yang diharapkan. Uji normalitas data dengan teknik chi-kuadrat
digunakan untuk menguji normalitas data yang disajikan secara kelompok.
a. Untuk menguji data berdistribusi normal digunakan statistic chi kuadrat
dengan rumus :

i
i i
E
E O
2
2
) (

Dengan E
i
frekuensi harapan, O
i
frekuensi pengamatan
tolak H
0
jika
2

2

(1-) (k-3)
dengan k banyak klas interval /kelompok.

Catatan. Untuk uji normalitas data harus disusun dalam daftar distribusi
frekuensi.



Contoh menggunakan rumus chi kuadrat.
Misalkan pengukuran tinggi mahasiswa tingkat pertama dilakukan dan
diambil sebuah sample acak berukuran 100, dan dicatat dalam daftar distribusi
frekuensi berikut.
Tinggi (cm) f
140 144
145 149
150 154
155 159
160 164
165 169
170 - 174
7
10
16
23
21
17
6
Jumlah 100
Ujilah apakah data dari populasi berdistribusi normal.
Jawab.
1. H
0
: data berdistribusi normal
2. H
1
: data tidak berdistribusi normal
3. =0,05
4. Daerah kritis
dengan =0,05 dan dk=k-3 =7-3=4 didapat
2

(0,95) (4)
=13,
5. Perhitungan
Telah dihitung x=157,8 dengan s=8,09. Selanjutnya ditentukan batas-batas
kelas interval untuk menghitung luas dibawah kurva normal. Kelas interval
kesatu dibatasi oleh 139,5 dan 144,5 diubah dalan angka standart z yaitu -
2,26 dan -1,64. (rumus z=
s
x x
i

).Luas dibawah kurva normal untuk
interval kesatu=0,4881-0,4495=0,0386, sehingga frekuensi teoritik interval
kesatu = 100x0,0386=3,9. kelas interval yang lain dihitung dengan jalan
yang sama, dan didapat table berikut.

Batas kelas
(X)
Z untuk
batas kelas
Luas tiap
interval
Frekuensi
diharapkan
(E
i
)
Frekuensi
pengamatan(O
i
)
139,5
144,5
149,5
154,5
159,5
164,5
169,5
174,5
-2,26
-1,64
-1,03
-0,41
+0,21
+0,83
+1,45
+2,06

0.,0386
0,1010
1,1894
0,2423
0,2135
0,1298
0,0538

3,9
10,1
18,9
24,2
21,4
13,0
5,4

7
10
16
23
21
17
6

2 , 24
) 2 , 24 23 (
9 , 18
) 9 , 18 16 (
1 , 10
) 1 , 10 10 (
9 , 3
) 9 , 3 7 (
2 2 2 2
2


=
4 , 5
) 4 , 5 6 (
0 , 13
) 0 , 13 17 (
4 , 21
) 4 , 21 21 (
2 2 2

= 4,27
6. Kesimpulan

2

hitung
=4,27

kurang dari
2

tabel
= 13,3 sehingga H
0
diterima, jadi
disimpulkan data berdistribusi normal.
b. Uji dengan Cara Liliefors
Keunggulan metode Liliefors dapat digunakan dengan sampel kecil dan tidak
perlu membuat tabel distribusi bergolong.
Dari sekumpulan data cukup kita cari rata-rata dan standar deviasinya.

Langkah langkah pembuktiannya :
1. Menentukan Hipotesis :
H
0
: Sampel random berasal dari populasi normal, yang rata-rata dan standar
deviasinya tidak diketahui.
H
a
: Distribusi data populasi tidak normal.
2. Menghitung tingkat signifikansi
3. Menghitung angka baku dari masing-masing data (X).
4. Menghitung probabilitas angka baku secara kumulatif F(Z
i
) = P(Z Z
i
).
5. Menghitung
n
Z Z banykanya
Z S
i
i

) (
6. Menghitung selisih ) ( ) (
i
Z S Z F
1

7. Mengambil harga yang paling besar di antara harga-harga mutlak, kita sebut L
0

8. Membandingkan L
0
dengan Tabel Nilai Kritis Untuk Uji Liliefors.
Contoh membuktikan bahwa data di atas normal
Kita buat daftar seperti berikut:
DAFTAR HITUNG UNTUK UJI LILLIEFORS

N X Z F(Z) S(Z) |F(Z)-S(Z)|
1 40 -1,64 0,0505 0,05 0,0003
2 43 -1,47 0,0708 0,10 0,0289
3 47 -1,24 0,1075 0,15 0,0417
4 50 -1,06 0,1446 0,20 0,0558
5 52 -0,95 0,1711 0,25 0,0778
6 55 -0,77 0,2206 0,30 0,0794
7 58 -0,60 0,2743 0,35 0,0749
8 61 -0,42 0,3372 0,40 0,0640
9 64 -0,25 0,4013 0,45 0,0485
10 67 -0,08 0,4681 0,50 0,0301
11 70 0,10 0,5398 0,55 0,0107
12 73 0,27 0,6064 0,60 0,0074
13 74 0,33 0,6293 0,65 0,0205
14 80 0,68 0,7517 0,70 0,0513
15 83 0,85 0,8023 0,75 0,0531
16 85 0,97 0,8340 0,80 0,0336
17 86 1,03 0,8485 0,85 0,0023
18 91 1,32 0,9066 0,90 0,0060
19 92 1,37 0,9162 0,95 0,0346
20 95 1,55 0,9394 1,00 0,0607

Keterangan Tabel :
Kolom I adalah nomor urut data
Kolom II adalah data
Kolom III nilai standar (angka standar) dari setiap data (X), didapat dari
rumus :
08 0
23552 17
3 68 67
.
.
.

s
X X
Z
i
i
( contoh baris 10)
Kolom IV didapat dari banyaknya nilai Z sampai dengan nomor 10 dibagi n
(=20)
4681 . 0 0319 . 0 500 . 0 08 . 0
08 . 0 ) (


Z atas di normal kurva luas dengan sama
Z ke sampai kiri dari dari normal kurva bawah di Luas Z F
i
33 0
23552 17
3 68 74
.
.
.

i
Z (contoh baris 13)
6293 0 1293 0 5 0 . . . ) ( Z F



Kolom V didapat dari
5 0
20
10
. ) ( Z S (contoh baris 10, ada 10 buah nilai Z Z
i
)
65 0
20
13
. ) ( Z S (contoh baris 13, ada 13 buah nilai Z Z
i
)
Kolom VI didapat dari selisih kolom IV dan kolom V
0319 0 50 0 4681 0 . . . ) ( ) ( Z S Z F (baris 10)

0207 0 65 0 6293 0 . . . ) ( ) ( Z S Z F (baris 13)
Pada kolom terakhir (kolom VI) , bilangan yang terbesar di antara nilai selisih
adalah 0,0794, maka L
0
= 0.0794
Nilai L
0
di atas dibandingkan dengan Tabel Nilai Kritis Untuk Uji Liliefors,
sebagai berikut :
Karena L
0
= 0.0794 < 0.190, maka H
0
diterima. Ini berarti data di atas dapat
dianggap berasal dari populasi normal.
c. Uji normalitas KOLMOGOROV-SMIRNOV
Uji Kolmogorov Smirnov merupakan pengujian normalitas yang banyak
dipakai, terutama setelah adanya banyak program statistik yang beredar.
Kelebihan dari uji ini adalah sederhana dan tidak menimbulkan perbedaan
persepsi di antara satu pengamat dengan pengamat yang lain, yang sering
terjadi pada uji normalitas.
Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan
membandingkan distribusi data (yang akan diuji normalitasnya) dengan
distribusi normal baku. Distribusi normal baku adalah data yang telah
ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal. Jadi
sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji
normalitasnya dengan data normal baku. Seperti pada uji beda biasa, jika
signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan, dan jika
signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan.
Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di
bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang
signifikan dengan data normal baku, berarti data tersebut tidak normal, , jika
signifikansi di atas 0,05 maka berarti tidak terdapat perbedaan yang signifikan
antara data yang akan diuji dengan data normal baku, artinya data yang kita
uji normal, kelemahan dari Uji Kolmogorov Smirnov yaitu bahwa jika
kesimpulan kita memberikan hasil yang tidak normal, maka kita tidak bisa
menentukan transformasi seperti apa yang harus kita gunakan untuk
normalisasi.
Contoh :
63, 58, 32, 54, 64, 43, 62
Dari data di atas hitung terlebih dahulu rata-rata dan standar deviasi s
Ubahlah nilai x ke nilai standar z dengan rumus z =


Data di atas diisikan pada layar excel seperti berikut :



Rumus rata-rata : =AVERAGE(A2 :
A8) = 53.71429
Rumus standar deviasi : =STDEV(A2 :
A8) = 12.009992



Selanjutnya dicari luas daerah di bawah kurva norman standar (tabel-z) :
Dari kiri sampai ke z = -1.81 = 0.0351
Dari kiri sampai ke z = -0.89
Dari kiri sampai ke z = 0,02
Dari kiri sampai ke z = 0.36
Dari kiri sampai ke z = 0.69 dan
Dari kiri sampai ke z = 0.77
seperti tabel berikut :




Luas = 0.0351

X Z LUAS KURVA Z
PELUANG
HARAPAN D (selisih)
32 -1,81 0,0351 0,142857 0,108
43 -0,89 0,1867 0,285714 0,099
54 0,02 0,508 0,428571 0,079
58 0,36 0,6406 0,571429 0,069
62 0,69 0,7549 0,714286 0,041
63 0,77 0,7794 0,857143 0,078
64 0,86 0,8051 1 0,195

Selajutnya PELUANG HARAPAN dicari dari urutan data yang paling kecil
dibagi banyaknya data. Contoh di atas banyaknya data 7, jadi pada baris pertama
peluang harapan 1/7 = 0.142857 (lihat tabel di atas)
Baris ke dua peluang aharapan 2/7 = 0.285714 dan baris terakhir 7/7 = 1.
Kolom D (selisih) diisi dengan |kolom peluang harapan kolom luas kurva z
| (diambil harga mutlaknya).
Selanjutnya pada kolom D, diambil nilai yang paling tinggi, kita sebut D
hitung
..
D
hitung
= 0,195
Rumus
Dtabel
=

Jadi D
tabel
= 5140 0
7
36 1
,
,

D
hitung
< D
tabel
, maka data berdistribusi normal.
Data yang tidak normal tidak selalu berasal dari penelitian yang buruk. Data ini
mungkin saja terjadi karena ada kejadian yang di luar kebiasaan. Atau memang
kondisi datanya memang nggak normal. Misal data inteligensi di sekolah anak-
anak berbakat (gifted) jelas tidak akan normal, besar kemungkinannya akan juling
positif.
Contoh :
Akan diuji normalitas untuk data Kemampuan Pemecahan Masalah
Matematika Siswa Kelas VIII G SMP Negeri 407 Jepara pada Materi Bangun Ruang.
Apakah data tersebut berdistribusi normal? Datanya adalah sebagai berikut.


Hipotesis:
H0 : data pada sampel berasal dari populasi yang berdistribusi normal
H1 : data pada sampel berasal dari populasi yang tidak berdistribusi normal
Kriteria:
H0 diterima jika X^2 hitung < X^2 tabel.


Analisis pengujiannya sebagai berikut.
Langkah 1. Mencari skor terbesar terbesar dan terkecil
Skor terbesar = 85
Skor terkecil = 37
Langkah 2. Mencari nilai rentangan (R)
R = skor terbesar skor terkecil
R = 85 37
= 58
Langkah 3. Mencari banyaknya kelas (BK)
BK = 1 + 3,3 log n
BK = 1 + 3,3 log 64
BK = 1 + 3,3 (1,81)
BK = 1 + 3,3 (1,81)
BK = 1 + 5,973
BK = 6,973 dibulatkan menjadi 7
Langkah 4. Mencari nilai panjang kelas (i)


Langkah 5. Membuat tabulasi dengan tabel

Langkah 6. Mencari rata-rata (mean)













Langkah 7. Mencari simpangan baku (standar deviasi)

Langkah 8.
1. Menentukan batas kelas
Batas kelas data di atas adalah sebagai berikut.










2. Mencari nilai Z-score


3. Mencari luas 0-Z dari Tabel Kurva Normal dari 0-Z dengan menggunakan
angka-angka untuk batas kelas, sehingga diperoleh

4. Mencari luas tiap kelas interval dengan cara mengurangkan angka-angka
0-Z yaitu angka baris pertama dikurangi baris kedua, angka baris kedua
dikurangi baris ketiga dan begitu seterusnya, kecuali untuk angka yang
berada paling tengah ditambahkan dengan angka baris berikutnya.
0,4834 - 0,4265 = 0,0569
0,4265 - 0,2823 = 0,1442
0,2823 - 0,0438 = 0,2385
0,0438 + 0,2157 = 0,2595
0,2157 - 0,3925 = 0,1768
0,3925 - 0,4726 = 0,0801
0,4726 - 0,4952 = 0,0226
5. Mencari frekuensi yang diharapkan dengan cara mengalikan luas tiap
interval dengan jumlah responden (n=64), sehingga diperoleh
0,0569 x 64 = 3,64
0,1442 x 64 = 9,23
0,2385 x 64 = 15,26
0,2595 x 64 = 16,61
0,1768 x 64 = 11,32
0,0801 x 64 = 5,13
0,0226 x 64 = 1,45
Frekuensi yang Diharapkan (Ei) dari Hasil Pengamatan (Oi) untuk
Variabel Kemampuan Pemecahan Masalah Matematika Siswa Kelas VIII
G SMP Negeri 407 Jepara pada Materi Bangun Ruang






Langkah 9. Mencari Chi-Square hitung



Langkah 10. Membandingkan X^2 hitung dengan X^2 tabel
Dengan membandingkan X^2 hitung dengan nilai X^2 tabel untuk alpha =0,05 dan
derajad kebebasan (dk) = k 3 = 7 3 = 4, maka dicari pada tabel Chi-Square
didapat X^2 tabel =9,49 dengan kriteria pengujian sebagai berikut.
Jika X^2 hitung >= X^2 tabel, artinya distribusi data tidak normal dan jika X^2 hitung
< X^2 , artinya data berdistribusi normal.
Ternyata X^2 hitung < X^2,atau 8,077 < 9,49 , maka H0 diterima. Jadi, data
Kemampuan Pemecahan Masalah Matematika Siswa Kelas VIII G SMP Negeri
407 Jepara pada Materi Bangun Ruang adalah berdistribusi normal. Sehingga,
analisis uji selanjutnya dapat dilanjutkan.

B. Homogenitas
Homogenitas dimaksudkan untuk memberikan keyakinan bahwa sekumpulan
data yang dimanipulasi dalam serangkaian analisis memang berasal dari populasi
yang tidak jauh berbeda keragamannya artinya Untuk mengetahui apakah sampel
yang berasal dari populasi homogen atau tidak.
Uji homogenitas bertujuan untuk mencari tahu apakah dari beberapa
kelompok data penelitian memiliki varians yang sama atau tidak. Dengan kata lain,
homogenitas berarti bahwa himpunan data yang kita teliti memiliki karakteristik
yang sama. Sebagai contoh, jika kita ingin meneliti sebuah permasalahan misalnya
mengukur pemahaman siswa untuk suatu sub materi dalam pelajaran tertentu di
sekolah yang dimaksudkan homogen bisa berarti bahwa kelompok data yang kita
jadikan sampel pada penelitian memiliki karakteristik yang sama, misalnya berasal
dari tingkat kelas yang sama.
Perhitungan uji homogenitas dapat dilakukan dengan berbagai cara dan
metode, beberapa yang cukup populer dan sering digunakan oleh penulis adalah :
a. Uji Bartlett
Untuk melihat apakah variansi-variansi k buah kelompok peubah bebas yang
banyaknya data per kelompok bisa berbeda dan diambil secara acak dari data
populasi masing-masing yang berdistribusi normal, berbeda atau tidak.
Perhitungan homogenitas menggunakan metoda uji Bartlett menggunakan
rumusan berikut:

dimana :
Si2 = Varians tiap kelompok data
dbi = n-1 = Derajat kebebasan tiap kelompok
B = nilai bartlett = (log S2gab)(?dbi)
S2gab= varians gabungan

Setelah nilai Chi-Kuadrat hitung diperoleh, maka nilai Chi-Kuadrat tersebut
dibandingkan dengan Chi-Kuadrat tabel.
Kriteria homogen ditentukan jika Chi-Kuadrat hitung < Chi Kuadrat tabel.
b. Uji Varians (Uji F)
Untuk menguji homogenitas varians dari dua kelompok data.
Rumus perhitungan homogenitas dengan uji varians adalah :

Perhitungan homogenitas menggunakan uji F dapat dilakukan dengan cara
membandingkan Ftabel dengan Fhitung. Jika Ftabel < Fhitung, maka
kelompok data homogen.
Adapun langkah-langkah menghitungnya adalah :
1. Hitung nilai varians setiap kelompok data
2. Bandingkan nilai varians kedua kelompok data, lalu tentukan nilai varians
yang paling besar dan paling kecil.
3. F hitung adalah pembagian varians terbesar dengan varians terkecil.
Contoh :
Data tentang hubungan antara Penguasaan kosakata(X) dan kemampuan membaca
(Y)



Kemudian dilakukan penghitungan, dengan rumus yang ada:



Kemudian dicari F hitung :



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 F tabel =
3.18. Tampak bahwa Fhitung < Ftabel. Hal ini berarti data variabel X dan Y
homogen.
c. Uji Levene
Perhitungan uji homogenitas menggunakan software SPSS adalah dengan Uji
Levene statistics. Adapun langkah-langkah untuk menghitungnya adalah
sebagai berikut :
1. Input data variabel disusun dalam satu kolom, setelah variabel pertama
diinput lalu variabel kedua dinput mulai dari baris kosong setelah variabel
pertama.
2. Buat pengkode-an kelas dengan cara membuat variabel baru yang diberi label
1 untuk variabel pertama dan 2 untuk variabel kedua.
Cara menghitung uji levene dengan SPSS adalah dengan memilih menu
: analyze, compare means, one-way anova.
Pada jendela yang terbuka masukan variabel yang akan dihitung
homogenitasnya pada bagian variable item list, dan kode kelas pada
bagian factor,
Pada menu options, aktifkan pilihan homogeinity of varians lalu tekan ikon
OK dua kali.
Cara menafsirkan uji levene ini adalah, jika nilai Levene statistic > 0,05 maka
dapat dikatakan bahwa variasi data adalah homogen.

























BAB III
KESIMPULAN
Analisis data adalah proses mengatur urutan data, mengorganisasikanya ke
dalam suatu pola, kategori, dan satuan uraian dasar.
Sebelum data diolah dan dianalisis, maka harus dipenuhi persyaratan analisis
terlebih dahulu. Dengan asumsi, bahwa:
Data yang diperoleh valid dan reliabel
Data yang dibandingkan bersifat homogen/sejenis
Data yang dihubungkan berdistribusi normal
Normalitas data dimaksudkan untuk memperlihatkan bahwa data sampel
berasal dari populasi yang berdistribusi normal. Ada beberapa teknik yang dapat
digunakan untuk menguji normalitas data, antara lain: Dengan kertas peluang normal,
uji chi-kuadrat, uji Liliefors dan dengan Teknik Kolmogorov-Smirnov
d. Homogenitas dimaksudkan untuk memberikan keyakinan bahwa sekumpulan
data yang dimanipulasi dalam serangkaian analisis memang berasal dari
populasi yang tidak jauh berbeda keragamannya, Pengujian homogenitas
varians suatu kelompok data, dapat dilakukan dengan cara: uji F, uji Barlet
dan Uji Levene
.