STATISTIKA UJI PERSYARATANMELIPUTI UJI HOMOGENITAS, BENTUK-BENTUK UJI Fmax, DAN TEHNIK BARLETT DAN UJI RUN’S
MAKALAH
UNTUK MEMENUHI TUGAS MATAKULIAH Statistika Inferensial
Yang dibina oleh Ibu Dr. Siti Nurrochmah, M.Kes
OLEH
Awal Akbar Jamaluddin 160614801335
UNIVERSITAS NEGERI MALANG PROGRAM PASCASARJANA
BAB I PENDAHULUAN
A. Latar Belakang
Menurut kamus besar bahasa indonesia (KBBI) bahwa Statistika adalah ilmu tentang cara mengumpulkan, menabulasi, menggolong-golongkan, menganalisis, dan mencari kete-rangan yang berarti dari data yang berupa angka. Lebih lanjut lagi dijelaskan bahwa statistika adalah pengetahuan yang berhubungan dengan pengumpulan data, penyelidikan dan kesimpulannya berdasarkan bukti, berupa catatan bilangan (angka-angka)
Sugiyono (2015:29) menyatakan bahwa statistik adalah suatu paham yang berfungsi untuk mendiskripsikan atau memberi gambaran terhadap obyek yang diteliti melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk umum.
Sudjana (2005:2) Statistik adalah untuk menyatakan kumpulan data, bilangan maupun non-bilangan yang disusun dalam tabel dan atau diagram, yang melukiskan atau menggambarkan suatu persoalan.
Uji Runs. Uji homogenitas dilakukan untuk mengetahui apakah data dalam variabel X dan Y bersifat homogen atau tidak.
B. Rumusan Masalah
Dari latar belakang diatas, maka dapat dirumuskan masalah sebagai berikut:
1. Bagaimana cara menentukan homogenitas data menggunakan Uji F ? 2. Bagaimana cara menentukan homogenitas Uji Barlett ?
3. Bagaimana cara menentukan homogenitas Uji Run’s ? C. Manfaat Penulisan
Adapun manfaat yang diharapkan pada penulisan ini adalah sebagai berikut:
1. Mengetahui cara dalam menentukan homogenitas data menggunakan Uji F 2. Mengetahui cara dalam menentukan homogenitas data menggunakan Uji
Barlett
3. Mengetahui cara dalam menentukan homogenitas data menggunakan Uji Runs
BAB II
A. Uji F
1. Mencari Varians/Standar deviasi Variabel X danY, dengan rumus :
2. Mencari F hitung dengan dari varians X danY, dengan rumus :
Catatan:
Pembilang: S besar artinya Variance dari kelompok dengan variance terbesar (lebih banyak)
Penyebut: S kecil artinya Variance dari kelompok dengan variance terkecil (lebih sedikit)
Jika variance sama pada kedua kelompok, maka bebas tentukan pembilang dan penyebut.
3. Membandingkan F hitung dengan F tabel pada tabel distribusi F, dengan:
Untuk varians dari kelompok dengan variance terbesar adalah dk pembilang n-1
Untuk varians dari kelompok dengan variance terkecil adalah dk penyebut n-1
Jika F hitung < F tabel, berarti homogen
Jika F hitung > F tabel, berarti tidak homogen
Data tentang hubungan antara Kekuatan Lengan (X) dan Kemampuan Passing Atas (Y):
Kemudian dilakukan penghitungan, dengan rumus yang ada:
Kemudian dicari F hitung :
Dari penghitungan diatas diperoleh F hitung 2.81 dan dari grafik daftar distribusi F dengan dk pembilang = 10-1 = 9. Dk penyebut = 10-1 = 9. Dan α = 0.05 dan F tabel = 3.18. Tampak bahwa F hitung < F tabel. Hal ini berarti data variabel X dan Y homogen.
Misalkan sampel berukuran n1,n2,…,nk dengan data Yij = (I = 1,2,…,k dan j = 1,2,…,nk) dan hasil pengamatan telah disusun seperti dalam Tabel dibawah ini. Selanjutnya sampel-sampel dhitung variansnya masing-masing yaitu:
Untuk mempermudah perhitungan, satuan-satuan yang diperlukan uji bartlett lebih baik disusun dalam sebuah tabel sebagai berikut :
Dari tabel diatas hitung nilai-nilai yang dibutuhkan : 1. Varians gabungan dari semua sampel:
Uji bartlett digunakan statistik chi-kuadrat yaitu :
Dengan ln 10 = 2.3026. Signifikansi:
Contoh :
Diambil data pertumbuhan berat badan anak berdasarkan 4 jenis makanan:
Dengan varian setiap adalah sebagai berikut :
2. Nilai α:
Nilai α = level signifikansi = 5% = 0,05
3. Rumus statistik penguji:
Untuk mempermudah perhitungan, satuan-satuan yang diperlukan uji bartlett lebih baik disusun dalam sebuah tabel sebagai berikut:
5. Nilai tabel: Jika α = 5% dari tabel distribusi chi kuadrat dengan dk = 3 didapat X20,95(3) = 7.81.
Menggunakan rumus 0,063 < 7.81 ; berarti Ho diterima, H1 ditolak 7. Kesimpulan:
C. Uji Run’s
Run test digunakan untuk menguji hipotesis deskriptif (satu sample), bila skala pengukurannya ordinal maka Run test dapat digunnakan untuk mengukur urutan suatu kejadian. Pengujian dilakukan dengan cara mengukur kerandoman populasi yang didasarkan atas data hasil pengamatan melalui sample.
Pengamatan dilakukan dengan mengukur banyaknya “run” dalam suatu kejadian. Sebagai contoh misalnya melempar sekeping uang logam yang muka diberi tanda ® dan bagian belakang diberi tanda ©. Setelah dilempar sebanyak 15 kali maka menghasilkan data sebagai berikut.
®®® ©©© ® ©©©© ®® © ®
Kejadian diatas terdiri atas 7 run, yaitu run pertama memberikan data ®, kedua ©, ketiga ®, keempat ©, kelima ®, keenam ©, ketujuh ®
Contoh :
Dalam satu lapangan bola voli, terdapat sekelompok laki-laki yang melakukan kegiatan olahraga. Dari sekelompok laki-laki itu ada 24 orang diambil secara random, selanjutnya diwawancarai, kapan saat melakukan Olahraga. Dalam pertanyaan itu disediakan dua alternatif jawaban yaitu akan mandi sebelum olahraga atau mandi setelah berolahraga. Wawancara dilakukan secara berurutan, yaitu mulai dari No. 1 dan berakhir No. 24.
Hasil wawancara ditunjukkan pada tabel dibawah ini. Tanda ® berarti mandi sebelum berolahraga, dan tanda © berarti mandi setelah berolahraga. Berdasarkan tabel dibawah tersebut, maka dapat dihitung jumlah run ®=15. Cara menghitung run seperti contoh diatas.
No Jawaban No Jawaban
1 ® 13 ©
2 ® 14 ®
4 ® 16 ©
Ho : Urutan pilihan dalam memilih mandi & aktifitas olahraga bersifat random (urutannya bergantian/tidak mengelompok).
Ha : Urutan pilihan dalam memilih mandi & aktifitas olahraga bersifat tidak random.
Pada contoh diatas, jumlah sampel (N)=24 dan n1=12 dan n2=12. (N=n1+n2). Berdasarkan tabel VIIa dan VIIb (harga-harga kritis r), untuk n1=12 dan n2=12, maka harga r yang kecil=7 (tabel VIIa Lampiran) dan r yang besar=19 (tabel VIIb Lampiran).
Jumlah run ternyata terletak pada angka 7 s/d 19, yaitu pada daerah penerimaan Ho. Dengan demikian Ho diterima dan Ha ditolak. Hal ini berarti 24 laki-laki yang diwawancarai tersebut bersifat random. Jadi laki-laki yang berolahraga mengatakan lebih baik mandi sebelum berolahraga, ada yang mengatakan lebih baik mandi setelah berolahraga. Peluang mandi sebelum dan sesudah berolahraga sama yaitu 50%.
BAB III PEMBAHASAN A. Penggunaan Uji F
signifikan, hal ini juga ditandai nilai kolom signifikansi (%) akan lebih besar dari alpha.
B. Penggunaan Barlett
Uji Bartlett digunakan untuk menguji apakah k sampel berasal dari populasi dengan varians yang sama. k sampel bisa berapa saja. karena biasanya uji bartlett digunakan untuk menguji sampel/kelompok yang lebih dari 2. Varians yang sama di seluruh sampel disebut homoscedasticity atau homogenitas varians. Uji bartlett pertama kali diperkenalkan oleh M. S. Bartlett (1937). Uji bartlett diperlukan dalam beberapa uji statistik seperti analysis of variance (ANOVA)
sebagai syarat jika ingin menggunakan Anova. berdasarkan info dari wikipedia uji barlett ini dinamai Maurice Stevenson Bartlett. Selain uji bartlett terdapat uji lavene yang fungsinya sama yaitu mengetahu homogenitas varians. Untuk Kali ini akan dicoba mencoba membahas uji bartlett.
C. Penggunaan Uji Run’s
BAB IV KESIMPULAN
Dari pembahasan diatas dapat ditarik kesimpulan sebagai berikut
1. Untuk menguji Homogenitas suatu data dapat dilakukan dengan tiga metode yakni, Uji F, Uji Barlett, serta Uji Run’s
2. Uji F Dilakukan ketika menguji ke homogenan 2 kelompok data dengan menggunakan rumus
3. Uji Barlett adalah salah satu cara untuk menguji homogen atau tidaknya suatu data maka dapat membuat tabel penolong untuk mempermudah langkah pengujian kemudian menentukan varian dari semua sampel menggunakan rumus simpangan baku varian sampel V(6) kemudian menentukan harga satuan Barlett, serta Uji Barlett menggunakan statistik Chi-kuadrat.
DAFTAR RUJUKAN
Arif Tiro, M. 2013. Analisis Korelasi dan Regresi. Makassar. Andira Publisher
Sudijono, A. 2011. Pengantar Statistik Pendidikan. Jakarta. PT. RajaGrafindo Persada
Sudjana. 2005. Metoda Statistika. Bandung. TARSITO
Sugiyono. 2015. Statistika Untuk Penelitian. Bandung. IKAPI
Nisfiannoor, M. 2009. Pendekatan Statistika Modern untuk Ilmu Sosial. Jakarta. Salemba Humanika
