STATISTIKA LANJUTAN 46 Tabel 4.29 Hasil Uji Linearitas Variabel X2 terhadap Y ANOVA Tabel Sum of Squares df Mean Square F Sig. Keinovati fan Guru * KM Between Groups (Combined) 13042.407 48 271.717 1.643 .018 Linearity 5406.005 1 5406.005 32.69 7 .000 Deviation from Linearity 7636.402 47 162.477 .983 .515 Within Groups 17525.761 10 6 165.337 Total 30568.168 15 4 Dari tabel 4.29, Fhitung = 0,983 dan Sig 0,515. Karena Sig 0,515 > 0,05 maka Ho ditolak dan Ha diterima. Dengan demikian maka dapat diintepretasikan bahwa model persamaan regresi Y atas X2 adalah linear dan persyaratan linear terpenuhi. Artinya model regresi linear sederhana dapat digunakan dan memprediksi keinovatifan yang dipengaruhi oleh variabel Knowledge Management.
STATISTIKA LANJUTAN 47 Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .421a .177 .171 12.824 a. Predictors: (Constant), KM Tabel 4.30 Tabel Pembentuk Persamaan Regresi Variabel X2 terhadap Y Coefficientsa Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. 1 (Constant) 72.596 9.677 7.502 .000 KM .463 .081 .421 5.733 .000 a. Dependent Variable: Keinovatifan Guru Model kontribusi Knowledge Management pada keinovatifan digambarkan dengan persamaan regresi Y = 72,596+ 0,463X2 seperti terlihat tabel coefficients di atas.
STATISTIKA LANJUTAN 48 0 20 40 60 80 100 120 140 160 180 0 20 40 60 80 100 120 140 160 Keinovatifan Guru Knowledge Management Chart Title Gambar 4.6 Diagram Pencar Model Persamaan Regresi Y = 72,596 + 0,463X2 c. Uji Linieritas Kepribadian (X3) terhadap Keinovatifan (Y) Hipotesis uji linearitas dalam penelitian ini adalah. H0 : data variabel Kepribadian (X3) dengan keinovatifan (Y) tidak berpola linear Ha : data variabel Kepribadian (X3) dengan keinovatifan (Y) berpola linear Pada penelitian ini dengan taraf signifikansi sebesar 0,05. Berdasarkan perhitungan dapat terlihat hasilnya pada tabel berikut ini.
STATISTIKA LANJUTAN 49 Tabel 4.31 Hasil Uji Linearitas Variabel X3 terhadap Y ANOVA Tabel Sum of Squares df Mean Square F Sig. Keinovatifan Guru * Kepribadian Betwee n Groups (Combined) 20006.796 52 384.746 3.716 .000 Linearity 15850.537 1 15850.53 7 153.0 82 .000 Deviation from Linearity 4156.259 51 81.495 .787 .827 Within Groups 10561.372 102 103.543 Total 30568.168 154 Dari tabel 4.31, Fhitung = 0,787 dan Sig 0,827. Karena Sig 0,827 > 0,05 maka Ho ditolak dan Ha diterima. Dengan demikian maka dapat diintepretasikan bahwa model persamaan regresi Y atas X3 adalah linear dan persyaratan linear terpenuhi. Artinya model regresi linear sederhana dapat digunakan dan memprediksi keinovatifan yang dipengaruhi oleh variabel Knowledge Management. Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .720a .519 .515 9.808 a. Predictors: (Constant), Kepribadian
STATISTIKA LANJUTAN 50 0 50 100 150 200 0 50 100 150 200 Keinovatifan Guru Kepribadian Tabel 4.32 Tabel Pembentuk Persamaan Regresi Variabel X3 terhadap Y Coefficientsa Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. 1 (Constant) 36.852 7.126 5.172 .000 Kepribadian .747 .058 .720 12.837 .000 a. Dependent Variable: Keinovatifan Guru Model kontribusi Kepribadian pada keinovatifan guru digambarkan dengan persamaan regresi Y = 36,825 + 0,747X3 seperti terlihat tabel coefficients di atas. Gambar 4.6 Diagram Pencar Model Persamaan Regresi Y = 36,825 + 0,747X3 d. Uji Linearitas POS (X4) terhadap Keinovatifan (Y) Hipotesis uji linearitas dalam penelitian ini adalah:
STATISTIKA LANJUTAN 51 H0 : data variabel POS (X4) dengan keinovatifan (Y) tidak berpola linear Ha : data variabel POS (X4) dengan keinovatifan (Y) berpola linear Pada penelitian ini dengan taraf signifikansi sebesar 0,05. Berdasarkan perhitungan dapat terlihat hasilnya pada tabel berikut ini. Tabel 4.33 Hasil Uji Linearitas Variabel X3 Terhadap Y ANOVA Tabel Sum of Squares df Mean Square F Sig. Keinovatifan Guru * POS Betwee n Groups (Combined) 23987.875 51 470.350 7.362 .000 Linearity 20182.106 1 20182.1 06 315.9 06 .000 Deviation from Linearity 3805.770 50 76.115 1.191 .226 Within Groups 6580.292 103 63.886 Total 30568.168 154 Dari tabel 4.33, Fhitung = 1,191 dan Sig 0,226. Karena Sig 0,226 > 0,05 maka Ho ditolak dan Ha diterima. Dengan demikian maka dapat diintepretasikan bahwa model persamaan regresi Y atas X3 adalah linear dan persyaratan linear terpenuhi. Artinya model regresi linear sederhana dapat digunakan dan memprediksi keinovatifan yang dipengaruhi oleh variabel POS.
STATISTIKA LANJUTAN 52 Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .813a .660 .658 8.239 a. Predictors: (Constant), POS Tabel 4.34 Tabel Pembentuk Persamaan Regresi Variabel X4 Terhadap Y Coefficientsa Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. 1 (Constant) 33.068 5.532 5.978 .000 POS .824 .048 .813 17.243 .000 a. Dependent Variable: Keinovatifan Guru Model kontribusi POS pada keinovatifan digambarkan dengan persamaan regresi Y = 33,068 + 0,824X3 seperti terlihat pada diagram pencar sebagai berikut:
STATISTIKA LANJUTAN 53 Gambar 4.7 Diagram Pencar Model Persamaan Regresi Y = 33,068 + 0,824X3 e. Uji Linearitas Kreativitas (X1) Terhadap POS (X4) Hipotesis uji linearitas dalam penelitian ini adalah. H0 : data variabel Kreativitas (X1) dengan POS (X4) tidak berpola linear Ha : data variabel Kreativitas (X1) dengan POS (X4) berpola linear Pada penelitian ini dengan taraf signifikansi sebesar 0,05. Berdasarkan perhitungan dapat terlihat hasilnya pada tabel berikut ini. 0 50 100 150 200 0 50 100 150 Keinovatifan Guru POS
STATISTIKA LANJUTAN 54 Tabel 4.35 Hasil Uji Linearitas Variabel X1 terhadap X3 ANOVA Tabel Sum of Squares df Mean Square F Sig. POS * Kreativitas Between Groups (Combined) 19433.462 49 396.601 4.042 .000 Linearity 15282.209 1 15282.2 09 155.7 44 .000 Deviation from Linearity 4151.253 48 86.484 .881 .683 Within Groups 10303.015 105 98.124 Total 29736.477 154 Dari tabel 4.35, Fhitung = 0,881 dan Sig 0,683. Karena Sig 0,683 > 0,05 maka Ho ditolak dan Ha diterima. Dengan demikian maka dapat diintepretasikan bahwa model persamaan regresi X4 atas X1 adalah linear dan persyaratan linear terpenuhi. Artinya model regresi linear sederhana dapat digunakan dan memprediksi POS yang dipengaruhi oleh variabel Kreativitas. Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .717a .514 .511 9.720 a. Predictors: (Constant), Kreativitas
STATISTIKA LANJUTAN 55 Tabel 4.36 Tabel Pembentuk Persamaan Regresi Variabel X1 Terhadap X4 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. 1 (Constant) 23.407 7.239 3.233 .001 Kreativita s .766 .060 .717 12.719 .000 a. Dependent Variable: POS Model kontribusi Kreativitas terhadap POS digambarkan dengan persamaan regresi X4 = 23,407 + 0,766X1 seperti terlihat pada diagram pencar sebagai berikut. Gambar 4.8 Diagram Pencar Model Persamaan Regresi X4 = 23,407 + 0,766X1 0 20 40 60 80 100 120 140 160 0 20 40 60 80 100 120 140 160 POS Kreativitas
STATISTIKA LANJUTAN 56 f. Uji Linearitas Knowledge Management (X2) Terhadap POS (X4) Hipotesis uji linearitas dalam penelitian ini adalah. H0 : data variabel kualitas Knowledge Management (X2) dengan POS (X4) tidak berpola linear Ha : data variabel Knowledge Management (X2) dengan POS (X4) berpola linear Pada penelitian ini dengan taraf signifikansi sebesar 0,05. Berdasarkan perhitungan dapat terlihat hasilnya pada tabel berikut ini. Tabel 4.37 Hasil Uji Linearitas Variabel X2 terhadap X4 ANOVA Tabel Sum of Squares df Mean Square F Sig. POS * KM Between Groups (Combined) 11805.35 8 48 245.945 1.454 .057 Linearity 5305.490 1 5305.490 31.363 .000 Deviation from Linearity 6499.868 47 138.295 .818 .779 Within Groups 17931.11 9 106 169.162 Total 29736.47 7 154 Dari tabel 4.37, Fhitung = 0,818 dan Sig 0,779. Karena Sig 0,779 > 0,05 maka Ho ditolak dan Ha diterima. Dengan demikian maka dapat diintepretasikan bahwa model
STATISTIKA LANJUTAN 57 persamaan regresi X4 atas X2 adalah linear dan persyaratan linear terpenuhi. Artinya model regresi linear sederhana dapat digunakan dan memprediksi POS yang dipengaruhi oleh variabel Knowledge Management. Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .422a .178 .173 12.636 a. Predictors: (Constant), KM Tabel 4.36 Tabel Pembentuk Persamaan Regresi Variabel X2 Terhadap X4 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. 1 (Constant) 60.292 9.535 6.323 .000 KM .459 .080 .422 5.764 .000 a. Dependent Variable: POS Model kontribusi Knowledge Management terhadap POS digambarkan dengan persamaan regresi X4 = 60,292 + 0,459X2 seperti terlihat pada diagram pencar sebagai berikut.
STATISTIKA LANJUTAN 58 Gambar 4.9 Diagram Pencar Model Persamaan Regresi X4 = 60,292 + 0,459X2 g. Uji Linearitas Kepribadian (X3) Terhadap POS (X4) Hipotesis uji linearitas dalam penelitian ini adalah. H0 : data variabel kualitas Kepribadian (X3) dengan POS (X4) tidak berpola linear Ha : data variabel Kepribadian (X3) dengan POS (X4) berpola linear Pada penelitian ini dengan taraf signifikansi sebesar 0,05. Berdasarkan perhitungan dapat terlihat hasilnya pada tabel berikut ini. 0 20 40 60 80 100 120 140 160 0 50 100 150 200 POS Knowledge Management
STATISTIKA LANJUTAN 59 Tabel 4.39 Hasil Uji Linearitas Variabel X3 Terhadap X4 ANOVA Tabel Sum of Squares df Mean Square F Sig. POS * Kepribadian Between Groups (Combined) 18511.594 52 355.992 3.235 .000 Linearity 15232.744 1 15232.744 138.41 9 .000 Deviation from Linearity 3278.850 51 64.291 .584 .982 Within Groups 11224.883 102 110.048 Total 29736.477 154 Dari tabel 4.39, Fhitung = 0,584 dan Sig 0,982. Karena Sig 0,982 > 0,05 maka Ho ditolak dan Ha diterima. Dengan demikian maka dapat diintepretasikan bahwa model persamaan regresi X4 atas X3 adalah linear dan persyaratan linear terpenuhi. Artinya model regresi linear sederhana dapat digunakan dan memprediksi POS yang dipengaruhi oleh variabel Kepribadian. Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .716a .512 .509 9.736 a. Predictors: (Constant), Kepribadian
STATISTIKA LANJUTAN 60 Tabel 4.40 Tabel Pembentuk Persamaan Regresi Variabel X3 Terhadap X4 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig. 1 (Constant) 25.822 7.074 3.650 .000 Kepribadian .732 .058 .716 12.676 .000 a. Dependent Variable: POS Model kontribusi Kepribadian terhadap POS digambarkan dengan persamaan regresi X4 = 25,822 + 0,732X3 seperti terlihat pada diagram pencar sebagai berikut. Gambar 4.9 Diagram Pencar Model Persamaan Regresi X4 = 25,822 + 0,732X3 0 20 40 60 80 100 120 140 160 0 50 100 150 200 POS Kepribadian
STATISTIKA LANJUTAN 61 Tabel 4.41 Rangkuman Analisis Varian Uji Linearitas Persamaan Regresi Hubungan Antar Variabel Persamaan Regresi Linearitas Persamaan Regresi Kesimpulan Fhitung Sig (Pvalue) Y-X1 Y = 29,642 + 0,821X1 1,578 0,275 Sig > 0,05 berarti persamaan regresi antara Y dan X1 tersebut berpola linear Y-X2 Y = 72,596+ 0,463X2 0,983 0,515 Sig > 0,05 berarti persamaan regresi antara Y dan X2 tersebut berpola linear Y- X3 Y = 36,825 + 0,747X3 0,787 0,827 Sig > 0,05 berarti persamaan regresi antara Y dan X3 tersebut berpola linear Y- X4 Y = 33,068 + 0,824X3 1,191 0,226 Sig > 0,05 berarti persamaan regresi antara Y dan X4 tersebut berpola linear X4-X1 X4 = 23,407 + 0,766X1 0,881 0,683 Sig > 0,05 berarti persamaan regresi antara X4 dan X1 tersebut berpola linear X4-X2 X4 = 60,292 + 0,459X2 0,818 0,779 Sig > 0,05 berarti persamaan regresi antara X4 dan X2 tersebut berpola linear X4-X3 X4 = 25,822 + 0,732X3 0,584 0,982 Sig > 0,05 berarti persamaan regresi
STATISTIKA LANJUTAN 62 Hubungan Antar Variabel Persamaan Regresi Linearitas Persamaan Regresi Kesimpulan Fhitung Sig (Pvalue) antara X4 dan X3 tersebut berpola linear Syarat Signifikansi Fhitung < Ftabel atau nilai p(value) Sig > 0,05 Jika hasil menunjukkan non signifikan, maka kesimpulan persamaan regresi berpola linear E. Kesimpulan Uji linearitas ialah faktor uji yang memiliki tujuan untuk mengetahui hubungan antara dua variabel apakah terdapat hubungan yang linear atau tidak secara signifikan. Uji linearitas biasanya digunakan untuk prasyarat statistik parametrik dalam sebuah analisis korelasi atau regresi linear yang termasuk ke dalam hipotesis asosiatif. Untuk mengetahui hasil di dalam mengambil suatu putusan, maka seorang peneliti dapat menggunakan statistik untuk penyelesaiannya. Statistik berhubungan erat dengan data. Data adalah segala keterangan atau informasi yang didapat untuk memberikan suatu gambaran tentang suatu keadaan. Adapun tujuan pengumpulan data itu sendiri untuk memperoleh suatu gambaran suatu keadaan dan untuk dasar di dalam mengambil suatu keputusan. Perumusan suatu hipotesis statistik dipengaruhi oleh pengambilan kesimpulan yang kurang tepat. Bila seorang peneliti ingin mencaridukungan yang kuat terhadap suatu hipotesis, maka seoarang peneliti akan berusaha menempatkanhipotesisnya dalam bentuk penolakan hipotesis.
STATISTIKA LANJUTAN 63 DAFTAR PUSTAKA Azizah, H. I. (2021). Hubungan Partisipasi Anggota Program Pendidikan Kepemimpinan Perempuan Desa dengan Keberdayaan Perempuan di Serikat PEKKA Kabupaten Sukabumi Jawa Barat (Bachelor's thesis, Fakultas Dakwah dan Ilmu Komunikasi Universitas Islam Negeri Syarif Hidayatullah Jakarta). Azwar, S (2000). Asumsi-asumsi dalam inferensi statistika. Yogyakarta: Faculty of Psychology Ergusni, E., & Usmadi, U. (n.d.). Uji Hipotesis Analisis Beda Rerata Dua Sampel (Uji t dan t’).AULADUNA: Jurnal Pendidikan Dasar Islam. Supardi, U. S. (2013). Aplikasi statistika dalam penelitian. Jakarta: Change Publisher. Walpole, R. E., & Myers, R. H. (1995). Ilmu peluang dan statistika untuk insinyur dan ilmuwan.Bandung: ITB. Yunita, D., & Wijayanti, A. (2017). Pengaruh media video pembelajaran terhadap hasil belajar IPA ditinjau dari keaktifan siswa. Sosiohumaniora: Jurnal Ilmiah Ilmu Sosial Dan Humaniora, 3(2).
STATISTIKA LANJUTAN 64 UJI HOMOGENITAS DAN RAGAM METODENYA Rahmat Basuki Program Studi Doktor Linguistik Terapan Universitas Negeri Jakarta [email protected] A. Pendahuluan Penelitian Kuantitatif memiliki karakteristik data yang berbeda dengan penelitian kualitatif. Paradigma penelitian kuantitatif menganalisa data-data penelitian menggunakan ilmu statistika. Dalam kajian ini, Statistika memiliki pola kajian dan tahapan-tahahapan yang detail agar hasil penelitian kuantitatif dapat dipertanggungjawabkan secara ilmiah. Secara statistik, Kajian data yang digunakan dianggap memiliki sifat-sifat yang dilakukan atau dilaksanakan tahapan penelitiannya dengan sistem statistika memiliki karakterkarakter seperti bekerja dengan Angka, bersifat Objektif, bersifat Universal. Sifat-sifat statistika tersebut dianggap sebagai sebuah kelebihan dalam penelitian kuantitatif. Walpole (1995) menyatakan bahwa permasalahan yang terjadi dan dihadapi oleh peneliti adalah terkait mekanisme dan metode keputusan penelitian yang berdasar pada data yang sesuai dengan sistem penelitian. Setiap masalah dalam
STATISTIKA LANJUTAN 65 penelitian harus melibatkan penggunaan data percobaan dan pengambilan keputusan berdasarkan data yang diteliti. Secara umum, Statistika terdapat dua jenis. Pertama Statistik Deskriptif. Statistik deskriptif (descriptive statistks) merupakan statistika yang mempelajari tata cara pengumpulan, menyusun, menyajikan, dan menganalisis data penelitian yang berwujud angka-angka, agar dapat memberikan gambaran yang teratur, ringkas dan jelas mengenai suatu gejala, keadaan dan peristiwa sehingga dapat ditarik kesimpulan atau makna tertentu. statistika deskriptif meliputi tiga hal; Distribusi, Tendensi Sentral, dan Dispersi (ukuran penyebaran data). Kedua adalah Statistik Inferensial. Statistik inferensial (inferensial statistks) merupakan statistik yang digunakan untuk mempelajari tata cara penarikan kesimpulan mengenai karakteristik populasi berdasarkan data kuantitatif yang diperoleh dari sampel penelitian. Analisis data pada penelitian sangat membutuhkan statistik dalam suatu penelitian kuantitatif. Namun dalam kondisi tertentu memiliki kemungkinan terdapat kendala untuk mengambil data seluruh populasi sehingga diperlukan proses pengambilan sampel. Agar dapat menggeneralisasikan hasil penelitian berdasarkan sampel yang diambil, sampel tersebut harus dapat memenuhi asumsi-asumsi tertentu menyesuaikan
STATISTIKA LANJUTAN 66 dengan teknik analisis data yang digunakan. Salah satu uji yang perlu dilakukan untuk memenuhi asumsi tertentu adalah uji homogenitas atau uji keseragaman data. Sementara itu, penarikan simpulan mengenai karakteristik populasi dengan merujuk pada sampel yang diambil dari populasinya disebut generalisasi. Di sisi lain, statistika inferensial membutuhkan pemenuhan asumsi-asumsi. Untuk memperjelas tentang Statistik Inferensial, jenis ini dibagi menjadi dua. Statistika Parametrik dan non-parametrik. Statistik Parametrik adalah teknik analisis yang data yang menghendaki asumsi atau pengujian karakteristik populasi, seperti normalitas distribusi maupun homogenitas. Statistika non-parametrik merupakan teknik analisis data yang tidak mempermasalahkan parameter-parameternya (tidak mengacu pada parameter mean, median, modus, dan standar deviasi) karena data dalam statistika non-parametrik cenderung menggunakan data rangking. Biasanya statistik nonParamterik ini digunakan ketika peneliti dihadapkan pada sebuah data yang berupa rangking atau peneliti dihadapkan pada data yang tidak berdistribusi normal (data terlalu miring ke kiri atau ke kanan). Kendati demikian, umumnya peneliti cenderung menghindari penggunaan analisis statistik non-Parametrik ini
STATISTIKA LANJUTAN 67 karena dalam hal interpretasi data, statistik non-Paramterik ini cenderung lebih susah dipahami. B. Pengertian Uji Homogenitas Dalam sebuah penelitian kuantitatif, ada data penelitian yang dianalisis dengan tata kerja dan teknis statistik. Beragam kajian data dalam penelitian kuantitatif yang bisa di analisa dengan sistem kerja statistik. Misalnya menganalisa dan mencari hubungan antara variabel X dan variabel Y, uji normalitas, homogenitas dan lain sebagainya. Dalam mencari korelasi antara data variabel X dan variabel Y dengan sampel yang digunakan dari popolasi penelitian, ada yang namanya uji normalitas dan uji homogenitas. Keduanya seringkali dianggap sebagai bagian dari uji pra syarat terhadap data sampel kedua data kelompok variabel yang akan diteliti. Pengertian ini menunjukkan bahwa dalam kajian statistika, untuk menggunakan metode tertentu dalam menguji data, harus memenuhi dua syarat tersebut. Meski demikian, jika pada akhirnya sampel data tersebut tidak
STATISTIKA LANJUTAN 68 memenuhi uji normalitas dan uji homogenitas, bukan berarti tidak bisa dianalisa dengan statistik. Tetap bisa dilakukan tetapi data tersebut masuk dalam klasifikasi statistik non parametrik. Dalam kajian statistik, ada tahapan-tahapan dalam menggunakan metode penelitiannya. Ergusni (2015) menyatakan langkah uji hipotesis statistik oleh seorang peneliti dalam melakukan uji persyaratan analisis, yakni: (1) rumuskan hipotesis H0 dan H1; (2) Tetapkan tingkat signifikansi α ; (3) Tetapkan daerah kritis atau daerah dimana H0 ditolak atau H1 diterima; (4) Tetapkan statistik uji; (5) Lakukan perhitungan; (6) Ambil kesimpulan. Tahapan-tahapan tersebut harus dilakukan untuk mendapatkan kesimpulan penelitian yang bisa dipertanggungjawabkan secara ilmiah. Tentu, sudut pandang ini masuk dalam klasifikasi penelitian dengan pendekatan kuantitatif. Berbeda halnya dengan penelitian kualitatif. Nuryadi (2017) menjelaskan bahwa uji homogenitas adalah suatu prosedur uji statistik gune menunjukkan bahwa 2 kelompok data sampel berasal memiliki variansi yang sama. Usmadi (2020) menyatakan Uji homogenitas variansi sangat diperlukan sebelum membandingkan dua kelompok atau lebih, agar perbedaan yang ada bukan disebabkan oleh adanya
STATISTIKA LANJUTAN 69 perbedaan data dasar (ketidakhomogenan kelompok yang dibandingkan). Dalam mengkelompokkan data dari variabel atau hopitesis penelitian, data-data tersebut tentu mempunyai variasi-variasi antara data satu dengan yang lainnya. Karena adanya variasi data dari dua kelompok populasi atau lebih yang akan diteliti, maka diperlukan uji homogenitas. Jika data-data yang sudah dikelompokkan tersebut variasinya sama, tentu tidak diperlukan yang namanya uji homogenitas. Tujuan uji homogenitas adalah untuk mengetahui apakah dari beberapa kelompok data yang akan diteliti memiliki varians yang sama atau tidak. Homogenitas akan menganalisas bahwa himpunan data yang diteliti memiliki karakteristik yang sama. Dalam statistik, kesamaan varian data penting untuk menetapkan jenis statistik yang digunakan dalam menganalisa data penelitian. Uji homogenitas berbeda dengan pengujian hipotesis perbedaan dua populasi berdasarkan rata-ratanya, pengujian hipotesis berbedaan dua populasi berdasarkan varian untuk jawaban hipotesis yang benar dalam kondisi tertentu. Pengujian ini diakukan karena kemungkinan adanya perlakuan khusus pada kelompok populasi yang dibandingkan sehiangga ada tidak hanya pada mean, tetapi juga perbedaan varian.
STATISTIKA LANJUTAN 70 Misalnya seseorang akan meneliti kelas tentang pengajaran materi bahasa Indonesia padahal kemampuan siswa di kelas tersebut memiliki kemampuan yang tidak sama. Misalnya ada yang memiliki kemampuan bagus, sedang dan rendah. Itu akan membuat varian data yang akan didapatkan oleh peneliti. Penyebab perbedaan bisa jadi karena terdapat perbedaan pelakuan pada kelompok data yang berakibat pada perbedaan mean namun juga perbedaan varians. Misalnya perbedaan antara penggunaan stek batang dan cangkok dalam sebuah tanaman pastinya akan memiliki perbedaan perlakuan dan hasilnya terhadap perkembangbiakan tanaman. 1. Kaidah Uji Homogenitas Dalam uji homogenitas, hal yang tidak bisa diabaikan adalah bahwa uji ini dilakukan pada dua kelompok data sampel atau lebih. Artinya, jika data sampel populasi dalam penelitian hanya satu kelompok tentu tidak bisa dilakukan uji homogentitas. Selain itu, data kelompok tersebut benarbenar tidak homogen atau beragam varians. Jika data sampel tersebut homogen, maka tidak diperlukan uji tersebut. Sebagamana metode statsitik pada umumnya, semua uji atau analisis data dalam statistik memiliki kaidah atau kriteria terntu untuk menyusun hipotesis. Begitupun dengan
STATISTIKA LANJUTAN 71 uji homogenitas. Dalam hal ini, kaidah atau kriteria uji homogenitas adalah : Nilai signifikan < 0.05 maka data dari populasi yang mempunyai varians tidak sama/ tidak homogen. Nilai signifikan ≥ 0.05 maka data dari populasi yang mempunyai varian sama/ homogen. Berdasarkan kaidah di atas, dari serangkaian uji homogen baik secara manual, Microsoft Exel, atau SPSS terhadap 2 kelompok data sampel atau lebih yang diujikan akan mendapatkan hasil dari ujian tersebut. Jika H0 hasil uji dari dua kelompok data tersebut kurang dari 5 ( 0.05) maka varian data yang diuji tidak homogen dan tidak memenuhi syarat homogenitas. Sedangkan jika H1 hasil uji datanya nilainya lebih dari 5 ( 5) maka kedua kelompok data penelitian tersebut homogen atau memenuhi syarat homogen. Persyaratan hasil uji homogenitas ( 0.05) dan ( 5) merupakan persyaratan yang baku secara ilmu statistik. Tentu kesimpulan tersebut tidak menghentikan analisis statistik, karena dalam hal ini, data-data yang tidak homogen tersebut masuk dalam klasifikasi data statistik non paramatrik. Dalam menganalisa data non paramatrik tersebut, ilmu statistik memiliki metode yang beda.
STATISTIKA LANJUTAN 72 2. Perbedaan Uji Homogenitas dan Uji Normalitas Anwar Hidayat (2017) menjelaskan Uji homogenitas berbeda dengan uji normalitas meskipun dapat sama-sama digunakan sebagai syarat dalam uji parametrik statisti data tertentu. Jika uji normalitas diperlukan di semua uji parametrik, sedangkan uji homogenitas tidak selalu digunakan pada uji parametrik. Uji homogenitas dilakukan hanya pada uji statistik parametrik karena adanya perbedaan antara kedua kelompok atau lebih pada data penelitian. Secara metode statistk, Uji Normalitas dan Homogenitas adalah kedua uji yang sering dalam penelitian dua variabel atau lebih. Banyak peneliti yang menganggap keduanya adalah dua kajian yang sama dan serupa, walaupun bisa dilakukan secara bersamaan. Uji normalitas dipakai untuk syarat uji asumsi dalam statistik parametrik. Karena sebagai salah satu syarat uji dalam statistik parametrik maka jika asumsi normalitas tidak terpenuhi maka dilakukan teknik transformasi (jika ini tidak terindikasi normalitas pada analisis regresi). Namun yang menjadi letak perbedaannya antara kedua uji ini adalah dari segi prinsip penggunaan. Jika uji normalitas dilakukan pada semua uji parametrik, tidak berlaku pada uji homogenitas. Uji homogenitas hanya
STATISTIKA LANJUTAN 73 dipakai ketika menguji perbedaan antara kedua kelompok atau beberapa kelompok yang berbeda subjeknya atau sumber datanya. Dalam analisis regresi, uji homogenitas tidak diwajibkan karena regresi tidak melihat perbedaan dari beberapa kelompok. Namun uji homogenitas dipakai sebagai prasyarat dari uji independen t-test. 3. Teknik-teknik Uji Homogenitas Setelah tahu dan paham apa itu uji homogenitas dan kapan menggunakan uji homogenitas, untuk mendapatkan hasil yang akurat dan valid maka ada tiga cara untuk melakukan pengujian homogenitas. Berikut adalah beberapa jenis uji homogenitas dalama data statistik: a. Uji F Uji Fisher F digunakan untuk menguji homogenitas variansi dari dua kelompok data dengan menghitung perbandingan variansi kelompok data 1 dengan variansi kelompok data 2 lalu membandingkannya dengan Ftabel berdasarkan tingkat keyakinan dan derajat kebebasan kelompok data 1 dan 2. Uji Fisher Uji Fisher digunakan hanya pada 2 kelompok data. Uji F hanya bisa digunakan dalam uji
STATISTIKA LANJUTAN 74 homogenitas jika kelompok datanya hanya 2, jika lebih dari 3 kelompok data, uji homogenitasnya menggunakan metode uji selanjutnya. Rumus Uji F pada homogenitas 2 kelompok data dari sampel yang akan diteliti adalah: Langkah-langkah pada Uji Fisher adalah, Supardi (2013:142): 1) Tentukan taraf signifikansi () untuk menguji hipotesis: H0 : 1 2 = 2 2 (varians 1 sama dengan varians 2 atau homogen) H1 : 1 2 ≠ 2 2 (varians 1 tidak sama dengan varians 2 atau tidak homogen) Dengan kriteria pengujian: Terima H0 jika Fhitung < Ftabel ; dan Tolak H0 jika Fhitung > Ftabel. 2) Menghitung varians tiap kelompok data. 3) Tentukan nilai Fhitung, yaitu Fhitung = d) Tentukan F tabel
STATISTIKA LANJUTAN 75 untuk taraf signifikansi , dk1 = dk pembilang = na – 1, dan dk2 = dk penyebut = nb–1. 4) Lakukan pengujian dengan membandingkan nilai Fhitung dan Ftabel. Contoh penelitian yang bisa dianalisis dengan Uji F misalnya penelitian Pengaruh Motivasi Belajar Bahasa Indonesia dengan kemampuan menulis cerita sastra. Yang mana pada contoh tersebut ada dua variabel penelitian yang terdiri dari motivasi belajar bahasa Indonesia dan Variabel kemampuan menulis cerita sastra. b. Uji Levene Metode selanjutnya untuk melakukan uji homogenitas adalah Levene Test. Tujuan utama dari pengujian ini adalah untuk melihat seberapa besarnya varian antara dua data atau lebih yang berbeda. Dari hasil pengujian data tersebut kita bisa lihat apakah data yang ada memiliki indikasi homogen atau tidak. Uji Levene digunakan untuk menguji homogenitas variansi lebih dari dua kelompok data. Uji Leven ini merupakan alternatif dari uji Barlett. Uji Levene dilakukan dengan mencari selisih masingmasing data dengan rata-rata kelompoknya. Uji Levene
STATISTIKA LANJUTAN 76 lebih baik digunakan jika jumlah data antar kelompok sama. Untuk bisa menyimpulkan sebuah data homogen atau tidak maka kalian dapat menentukan hasilnya dari nilai signifikansinya. Apabila nilai signifikansi kurang dari 0,05 maka dapat dikatakan bahwa data tersebut homogen. Namun jika nilai signifikansinya melebihi dari 0,05 dapat disimpulkan bahwa data tersebut bervariasi atau homogen. Jika ada bukti kuat bahwa data berdistribusi normal atau mendekati normal, maka Uji Bartlett lebih baik digunakan. Formula statistik Uji Levene adalah: Dengan keterangan sebagai berikut: n = jumlah observasi k = banyaknya kelompok Zij=Yij−Yi. Yi.= rata-rata dari kelompok ke-i Zi.= rata-rata kelompok dari Zi Zi. = rata-rata keseluruhan (overall mean) dari Zij
STATISTIKA LANJUTAN 77 Langkah-langkah Pengujian Homogenitas dengan Uji Levene: a. Periksalah apakah data berdistribusi normal atau mendekati normal. Jika data berdistribusi normal, lebih baik gunakan Uji Bartlett. b. Tentukan hipotesis nol (Ho) dan hipotesis alternatif (H1), yakni H0:σ21=σ22=⋯=σ2k0:σ12=σ22=⋯=σ2. H11 : paling sedikit ada satu σ2iσ2 yang tidak sama. c. Tentukan tingkat signifikansi (α). d. Hitung statistik uji Levene. e. Tentukan nilai kritis dan daerah penolakan. Nilai kritisnya adalah F(α,k−1,N−k) Bandingkan hasil nilai W dengan nilai F(α,k−1,N−k). Jika nilai W>F(α,k−1,N−k)>(α,−1,�−�), maka nilai W jatuh di daerah penolakan sehingga tolak H0. Note: df1=k−1−1 dan df2=N-2. f. Kesimpulan.
STATISTIKA LANJUTAN 78 Contoh judul penelitian yang menggunakan uji homogenitas dengan uji Levene adalah Pengaruh Motivasi dan Guru Pelajaran terhadap hasil belajar pada pelajaran bahasa Indonesia pada kelas XII di SMA 18 Bandar Lampung. c. Uji Bartlett Ada juga Uji Bartlett yang digunakan untuk menguji homogenitas suatu data. Pada uji ini digunakan untuk melihat kesamaan antara dua atau lebih varian. Uji Bartlett dilakukan dengan menggunakan fungsi statistik likelihood ratio dengan memodifikasi beberapa jumlah yang terkait dengan ukuran sampel. Uji Barlett digunakan untuk menguji homogenitas variansi untuk lebih dari dua kelompok data. Uji Barlett lebih cocok digunakan jika ada bukti kuat bahwa data berdistribusi normal. 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
STATISTIKA LANJUTAN 79 homogenitas varians. Untuk Kali ini akan dicoba mencoba membahas uji bartlett. Uji Bartlett dapat digunakan apabila data yang digunakan sudah di uji normalitas dan datanya merupakan data normal. apabila datanya ternyata tidak normal bisa menggunakan uji levene. Langkah-langkah dalam Uji Bartlett. 1. Merumuskan Hipotesis dalam uji bartlett o H0 : (Homogen) o H1 : minimal 2 ragam populasi tidak sama 2. Menentukan taraf nyata (α ) dan χ2 tabel Dalam menentukan χ2 tabel dbagi ke dalam dua bagian yaitu: o Jumlah sampel sama: o Jumlah sampel berbeda: 3. Menghitung statistik uji: Dimana:
STATISTIKA LANJUTAN 80 Keterangan: B : nilai chisquare hitung Sp : varians pool / gabungan n : banyaknya sampel N : jumlah total sampel k : banyaknya kelompok data 4. Membuat keputusan dengan kriteria seperti berikut ini: Ho ditolak, jika χ2 hitung < χ2 tabel Ho diterima, jika χ2 hitung ≥ χ2 tabel Contoh penelitian yang uji homogenitasnya menggunakan Uji Bartlett. Penelitian perbedaan hasil belajar siswa pada pelajaran bahasa Indonesia di Kelas X dan Kelas Y. dalam penelitian ini, kelas X sebagai kelas Kontrol dan Kelas Y sebagai kelas Eksperimen. Yang mana kelas X metode mengajar dengan ceramah menggunakan media sedangkan kelas eksperimen menggunakan metode ceramah tanpa menggunakan media. Untuk menilai keadaan siswa peserta kelas X
STATISTIKA LANJUTAN 81 dan kelas Y ini diadakan pretest. Dari hasil akhir pretes ini, dianalisis dengan uji bartlett untuk melihat homogenitas data. d. Uji Cochran Uji Cochran merupakan uji homogenitas dengan mempertimbangkan seluruh varian kelompok data yang akan diuji homogenitasnya. Uji Cochran ini digunakan untuk data yang bersifat nominal dengan k sampel yang bersifat dependen. Uji Cochran atau Cochran Q Test digunakan untuk mengetahui atribut apa saja yang dianggap sah (valid), dimana peneliti mengeluarkan atribut-atribut yang dinilai tidak sah berdasarkan kriteria-kriteria statistik yang dipakai. Agar dapat melakukan pengujian, harus terpenuhi beberapa syarat dalam melakukan uji Cochran Q Test sebagai berikut: Data analisis adalah biner atau dikotomi • Setiap subjek independen satu dengan yang lainnya dan dipilih secara acak • Data statistk banyaknya subjek atau sampel
STATISTIKA LANJUTAN 82 • Tidak memerlukan asumsi distribusi tertentu Contoh penelitian dalam menggunakan analisis Uji Cochran misalnya Analisis Faktor-Faktor yang Mendorong Siswa Belajar Drama Teater pada Teater Rembuk di Lampung. Dalam hal ini, peneliti menguji homogenitas pada data-data yang menjadi faktor siswa aktif belajar drama di Teater Rembuk di Lampung. Dalam melakukan teknik analisis data maka kuncinya terdapat pada data yang sesuai dengan kaidah yang benar. Jika kaidahnya benar, setidaknya peneliti mengetahui kesalahannya, tapi jika tidak mengetahui kaidahnya, otomatis akan salah dalam mengambil kesimpulan meskipun sudah menggunakan rumus yang benar. e. Uji Harley Uji Harley merupakan uji homogenitas yang digunakan untuk beberapa kelompok data dengan jumlah n yang sama. Uji Harley dilakukan dengan membandingkan variansi terbesar dengan variansi terkecil. Rumus yang digunakan dalam uji homogenitas ini adalah uji Harley. Uji Harley merupakan uji homogenitas variansi yang sangat sederhana karena kita
STATISTIKA LANJUTAN 83 cukup membandingkan variansi terbesar dengan variansi terkecil. Rumusnya adalah sebagai berikut. Fmax = Kriteria pengujian adalah membandingkan hasil hitung rumus dengan tabel nilai – nilai F pada signifikansi 5% sebagai berikut: Terima H0 jika Fhitung ≤ Ftabel Tolak H0 jika Fhitung > Ftabel Contoh penelitian yang menggunakan Uji Harley sebagai uji homogenitas adalah misalnya penelitian dengan judul Pengaruh Model Pembelajaran Problem Bas Paper pada pelajaran karya sastra terhadap hasil Belajar Siswa pada Pelajaran Bahasa Indonesoa di SMA Panjang. 4. Cara Uji Homogenitas Dengan SPSS Cara Melakukan Uji Homogenitas dengan SPSS | Dalam Statistik Uji Homogenitas digunakan untuk mengetahui varian dari beberapa populasi sama atau tidak.
STATISTIKA LANJUTAN 84 Uji ini biasanya dilakukan sebagai prasyarat dalam analisis Independent Sampel T Test dan Anova. Asumsi yang mendasari dalam Analisis of varians (ANOVA) adalah bahwa varian dari beberapa populasi adalah sama. Dasar Keputusan Seperti pada uji statistik lainnya, Uji Homogenitas digunakan sebagai bahan acuan untuk menentukan keputusan uji statistik. Langkah- Langkah mempraktekkan uji homogenitas dengan program SPSS versi 21. Adapun data yang akan saya uji adalah data Motivasi Belajar sebagai variabel bebas (X) dan Prestasi Belajar sebagai variabel terikat (Y). Untuk rincian datanya dapat lihat dalam tabel di bawah ini. No Motivasi Belajar Prestasi Belajar 1 75 80 2 60 70 3 65 75 4 75 90 5 65 85 6 80 85 7 75 95 8 80 95 9 65 80 10 80 90 11 60 75 12 65 75 1. Langkah berikutnya, buka program SPSS versi 21, klik Variable View, Selanjutnya, pada bagian Name tulis saja X dan Y, pada Decimals ubah semua menjadi
STATISTIKA LANJUTAN 85 angka 0, pada bagian Label tuliskan Motivasi Belajar dan Prestasi Belajar. 2. Setelah itu, klik Data View, dan masukkan data Motivasi Belajar (X) dan Prestasi Belajar (Y) yang sudah dipersiapkan tadi. 3. Dari menu SPSS, pilih Analyze, kemudian klik Compare Means, dan One Way Anova
STATISTIKA LANJUTAN 86 4. Muncul kotak dengan nama One Way Anova, selanjutnya masukkan variabel Y ke kotak Dependen List dan variabel X ke kotak Factor, lalu klik Options 5. Pada menu Options, beri tanda pada Homogeneity of Variance, lalu klik Continue 6. Klik Ok untuk mengakhiri perintah. Selanjunya akan muncul tampilan Output SPSS
STATISTIKA LANJUTAN 87 Berdasarkan output SPSS di atas diketahui bahwa nilai signifikansi varibel Prestasi Belajar (Y) berdasarkan variabel Motivasi Belajar (X) = 0,212 > 0,05, artinya data varibel Prestasi Belajar (Y) berdasarkan variabel Motivasi Belajar (X) mempuyai varian yang sama. C. Kesimpulan Uji Homogenitas adalah salah satu uji yang dilakukan sebagai prasyarat data dari variabel yang akan dianalisas dengan statistik dengan kaidah jika Ho keputusan dalam uji homogenitas adalah Jika nilai signifikansi < 0,05, maka dikatakan bahwa varian dari dua atau lebih kelompok populasi data adalah tidak sama. Jika nilai signifikansi > 0,05, maka dikatakan bahwa varian dari dua atau lebih kelompok populasi data adalah sama Berdasarkan pembahasan dapat disimpulkan bahwa uji persyaratan analisis sangat dibutuhkan, dalam rangka seorang peneliti menguji hipotesis statistik yang diajukan. Uji persyaratan analisis berupa uji homogenitas dan uji linearitas.
STATISTIKA LANJUTAN 88 Uji homogenitas varians populasi dapat dilakukan dengan beberapa statistik uji, yakni: Uji F, Uji Harley, Uji Cochran, Uji Levene, dan uji Bartlett.
STATISTIKA LANJUTAN 89 DAFTAR PUSTAKA Hidayat, A. (2017). Perbedaan Uji Normalitas dan Homogenitas.https://www.statistikian.com Ergusni, E., & Usmadi, U. (n.d.). Uji Hipotesis Analisis Beda Rerata Dua Sampel (Uji t dan t’). AULADUNA: Jurnal Pendidikan Dasar Islam. Jusmawati, J., Satriawati, S., & Sabillah, B. M. (2020). Pengaruh pembelajaran berbasis daring terhadap minat belajar mahasiswa pgsd unimerz pada mata kuliah pendidikan matematika. JKPD (Jurnal Kajian Pendidikan Dasar), 5(2), 106–111. Nuryadi, Astuti, T. D., Utami, E. S., & Budiantara, M. (2017). Buku Ajar Dasar-dasar Statistik Penelitian. Matondang, Z., & Pengantar, A. (2009). Pengujian homogenitas varians data. Medan:Taburasa PPS UNIMED. Nuryadi, Astuti, T. D., Utami, E. S., & Budiantara, M. (2017). Dasar-Dasar Statistik.Penelitian. Yogyakarta: Gramasurya. Sari, N., & Setiyowati, S. (2017). Pengaruh Keragaman Produk dan Kualitas Pelayanan terhadap Kepuasan Konsumen di PB Swalayan Metro. Jurnal Manajemen Magister Darmajaya, 3(02), 186–199. Supardi, U. S. (2013). Aplikasi statistika dalam penelitian. Jakarta: Change Publisher.
STATISTIKA LANJUTAN 90 Walpole, R. E., & Myers, R. H. (1995). Ilmu peluang dan Statistika untuk Insinyur dan Ilmuwan. Bandung: Itb. Sugiyono. 2004. Statistik NonParametrik untuk Penelitian. Alfabeta, Bandung. Supardi U.S. 2013. Aplikasi Statitika Dalam Penelitian (Konsep Statitika yang Lebih Komprehensif). Change Publication. Jakarta. Indonesia. Usmadi. 2015. Uji Tukey dan Uji Schefee Uji Lanjut (Post Hoc Test). Prosiding Seminar Nasional matematika dan Pendidikan Matematika. STKIP PGRI Padang. Walpole, R. dan Myers, R. 1995. Ilmu Peluang dan Statistik untuk Insinyur dan Ilmuwan. Bandung. ITB. Sari, Y.E.P. Mengenal Uji Homogenitas sebagai Pengujian Asumsi dalm Uji Parametrik, Laboratorium Analisis Data dan Rekaya Kualitas-Departemen Teknik Industri – Fakultas Teknik – Universitas Brawijaya https://lab_adrk.ub.ac.id/id/mengenal-uji-homogenitassebagai-pengujian-asumsi-dalam-uji-parametriktertentu/di akses tanggal 4 Juni 2023.
STATISTIKA LANJUTAN 91 UJI PERBANDINGAN DUA KELOMPOK DATA ( INDEPENDENT T-TES) Novi Triana Dewi Program Studi Doktor Linguistik Terapan, Universitas Negeri Jakarta [email protected] A. Pendahuluan Independen T Test adalah uji komparatif untuk mengetahui adakah perbedaan mean atau rerata yang bermakna antara 2 kelompok bebas yang berskala data interval/rasio. Dua kelompok bebas yang dimaksud di sini yang tidak berpasangan, artinya sumber data berasal dari subjek yang berbeda. Misal Kelompok Kelas A dan Kelompok kelas B, di mana responden dalam kelas A dan kelas B adalah 2 kelompok yang subjeknya berbeda. Bandingkan dengan nilai pretest dan posttest pada kelas A, di mana nilai pretest dan posttest berasal dari subjek yang sama atau disebut dengan data berpasangan. Apabila menemui kasus yang data berpasangan, maka uji beda yang tepat adalah uji paired t test (Anwar Hidayat, 2014). B. Asumsi Independet T Test Asumsi yang harus dipenuhi pada independen t test antara lain:
STATISTIKA LANJUTAN 92 1. Skala data interval/rasio. 2. Kelompok data saling bebas atau tidak berpasangan. 3. Data per kelompok berdistribusi normal. 4. Data per kelompok tidak terdapat outlier. 5. Varians antarkelompok sama atau homogen C. Contoh Penelitian yang menggunakan Analisis Data Independet T Tes No Penulis Judul Penelitian Kesimpulan 1 Zumeroh & Wagiran (2017) Keefektifan Pembelajaran Membacakan Teks Berita dengan Menggunakan Model Simulasi dan Model Teams Games Tournament (Tgt) Kelas VIII SMP Berdasarkan paparan analisis data di tersebut dapat diambil kesimpulan bahwa. (1) Pembelajaran membacakan teks berita dengan menggunakan model simulasi pada siswa kelas VIII SMP Negeri 4 Ungaran efektif. (2) Pembelajaran membacakan teks berita dengan menggunakan model teams games tournament (TGT) pada siswa kelas VIII SMP Negeri 4 Ungaran efektif. (3) Pembelajaran membacakan teks berita dengan menggunakan model simulasi lebih efektif dibanding model teams gemas tournament (TGT) 2 Hariyadi et al (2019) Pengaruh Metode Pembelajaran Brainstorming Terhadap Keterampilan Menulis Artikel Ilmiah Hasil penelitian menunjukkan keterampilan rata-rata mahasiswa menulis artikel ilmiah sebelum menerapkan metode brainstorming yaitu sebesar 70,77 dengan kategori Baik. Keterampilan hasil rata-rata menulis artikel ilmiah setelah metode brainstorming diterapkanyaitu sebesar 78,83 dengan kategori Baik. Adapun nilai Sig yang diketahui. (2-
STATISTIKA LANJUTAN 93 No Penulis Judul Penelitian Kesimpulan tailed) sebesar 0,000 < 0,05, maka ditetapkan dasar pengambilan keputusan dalam uji independent sample t test dapat disimpulkan bahwa Ho ditolah dan Ha diterima. Dengan demikian dapat disimpulkan bahwa ada perbedaan yang signifikan (nyata) antara keterampilan menulis artikel ilmiah mahasiswa sebelum dan sesudah diterapkan Metode pembelajaran brainstorming 3 Isnaini (2015) Pengaruh Alat Permainan Edukatif Filling Word Terhadap Keterampilan Membaca Permulaan Anak Kelompok B TK Aba Ngabean I Tempel Hasil dari uji independent sample t test untuk data tidak berpasangan didapat nilai probabilitas sebesar 0,043, yang mana nilai probabilitas<0,05. Jadi dapat disimpulankan jika ada pengaruh positif alat permainan edukatif filling word terhadap keterampilan membaca permulaan pada anak Kelompok B TK ABA Ngabean I Tempel D. Penerapan dan Interpretasi Analisis Data Independet T Test menggunakan SPSS Independent sample t-Test adalah uji yang digunakan untuk menentukan apakah dua sampel yang tidak berhubungan memiliki rata-rata yang berbeda. Jadi tujuan metode statistik ini adalah membandingkan rata-rata dua grup yang tidak berhubungan satu sama lain. Pertanyaan yang coba dijawab adalah apakah kedua grup tersebut mempunyai nilai rata-rata yang sama ataukah tidak sama secara signifikan. Sebagai
STATISTIKA LANJUTAN 94 contoh berdasarkan artikel penelitian Zumeroh & Wagiran (2017), kita asumsikan peneliti mempunyai 2 (dua) kelompok sampel yang masing-masing terdiri dari 33 siswa sebagai berikut: Gambar 1. Data Tes Independen T Test 1. Uji Normalitas dan Homogenitas Dalam Independen T Test a. Langkah pertama adalah menguji asumsi normalitas, outlier dan homogenitas. Yaitu pada menu SPSS, klik Analyze, Descriptive Statistks, Explore. Maka akan muncul jendela seperti berikut: Gambar 2. Explore Independen T Test
STATISTIKA LANJUTAN 95 b. Klik tombol Plots, setelah muncul jendela, centang Factor levels together, Stem-and-leaf, Histogram, Normality plots with tests dan Power estimation. Kemudian Klik Continue. Gambar 3. Plot Independen T Test c. Kemudian klik OK pada jendela utama. Lihat output! Tabel di atas menunjukkan hasil uji Kolmogorov dan Shapiro Wilk. Nilai p value (Sig) kolmogorov pada kelompok 1 sebesar 0,169 > 0,05 dan pada kelompok 2 sebesar 0,2 > 0,05, data tiap kelompok berdistribusi normal. P value uji Shapiro wilk pada kelompok 1 sebesar 0,132 > 0,05 dan pada