Upload
lamkhanh
View
234
Download
0
Embed Size (px)
Citation preview
PROSIDINGSEM INAR NASIONAL PEMBELAIARAN NAATFP'NAMKA
BERBASIS ICT YANG MENYENAHGI{AH DAtr S€RKANAK?€R
SENIN, 16 AGUSTUS 2011
Editor:
HasratuddinMuliawan Firdaus
Said lskandar Al-ldrus
TNFORMATION AND COMMUIUICATIOhI5 TECHTOLOGY {leT'}
MERUPAKAN TUNTUTAN YANG HARUS DIBERLAKUKAN OAIASIS
PROSES BELAIAR MET{GAJAR f$ATTMATTKA ATMI MFI\II'JJU
PEMBELATARAN YAN6 EFEKTIF, EF|S|EN DAN MgruAntK
Diterbitkan sleh:
u niversitas Negeri Medan, tu NlltJIEDl
Bekerjasama dengan
lkatan Pascasarina Pendidikan Matematika (lPPMl
usllMED ,' r "
Editor
f{asraiudcfin
Muliawan Firdaus
Said Iskandar AI-Idrus
Tebal Buku
-*i I +zz4 nat
Penerbit
Universitas Flegeri Medan {UNIMED}
Cetakan Pertama,20I,L
r5gff : 975-6S 2-8848-49-7
Tim Penilai Makalah (Revietvel
1. Prof. Dian Annanto. M.Pd.. MA., M.Sc_, ph.D.
2" Prof. Dr" Sahat Saragih, M.Pd. (tNfMED)
3" Prof. Dr. Asmin, M.Pd. (LTNIMED)
4. Prof. Dr. Tulus, M.Sc. USLI
5. Dr. Maru,an Ramli (Unsyiah)
IV
KATA PENGANTAR
Puji syukur kita panjatkan kepada Tuhan Yang Maha Kuasa, atas karuniaNyaProsiding Seminar Nasional Pernbelajaran Matematika Bertrasis ICT yang Menyenangkandan Berkarakter dapat diterbitkan.
Kegiatan Seminar Nasional Pembelajaran Matematika Berbasis ICT yangMenyenangkan dan Berkarakter ini merupakan kegiatan vang dilaksanakan atas kerja kerasoleh Prodi Pendidikan Matematika Pascasarjana dan lkatan Pascasarjana pendidikanMatematika Unimed. Seminar ini bertujuan untuk mendapatkan informasi tentangpenggunaan ICT dalam pembelalaran matematika yang menyenangkan serta sebagai upuyidaiam rneningkatkan efisiensi serta efektifitas proses pembelajaran matematika di sekolahkhususnya di Sumatera lJtara.
Sesungguhnya telah disadari dan dirasakan betapa pentingnya peran ICT pada eraglobalisasi sekarang ini dalam bidang pendidikan dan pengajaran. Penerapan ICT memilikikeunggulan dalam menyediakan, mendapatkan serfa *"ngotitl informasi dalam pendidikandan pengajaran secara cepat, tepat, mudah dan luas tanpa waktu dan tem-pat yang terbatas.Sedemikian, kegiatan ini diharapkan dapat menjadi wadah bagi para p".rdidik, peneliti danpemerhati pendidikan demi kemajuan bangsa dalam bidang pembelajaran berbantuan ICTyang berkarakter.
Topik diskusi dalam seminar ini antara lain: Reformasi pembelajaran dalam konteksbudaya yang berbeda, Penilaian dalam Pendidikan Matematik4 Pembelajaran Matematikatingkat SD, SMP dan SMA/sederajat, Pembelajaran Matematika Berbahasa Inggeris,Pendidikan Guru dan Pengembangan Kemampuan Profesional Guru dan Dosen Matematika,Integrasi ICT dalam Pembelajaran Matematika berkarakteq Pemecahan Masalah Matematik4Pembelajaran Pola Beryikir Tingkat Tinggi dalam Matematika, Penelitian pendidikanMatematika.
Akhimya, kami mengucapkan terima kasih kepada semua pihak yang telah ikutberpafiisipasi atas penyelenggaraan Seminar Nasional Pembelajaran Matematika BerbasisICT yang Menyenangkan dan Berkarakter ini sehingga berhasil dengan baik, khususnyakepada Bapak Rektor LINIMED, Direktur Pascasarjana" Prodi Pendidikan Matematika danikatan Pascasarjana Pendidikan Matematika Unimed dan Steering Committee serta semuapanitia yang telah bekerja keras dalam mensukseskan kegiatan ini.
Sebagai manusia yang tak luput dari hilaf dan salah, bila ada kelemahan dankekurangan atas penye len ggaraan Kon ferensi ini, kam i mohon maaf.
Medan, 12 Agustus 2010
Editor
prosiding se4inar Nasional Pembelajaran ldatematika Berbasis ICT yang Menyenangkan dan
Berkarakter
DAFTAR TSI
Halaman Judul ..-.-.-- --......... i
Tim penilaimakalah
Kata pengantar --...---.-.'
Daftra isi.............. """""""' v
MAKALAH IiTAMARevolusi Pembelaj aran Matematika B erbasis Info rmat io n And C o mmunic at i o n
Technologl(ICT)DalamMembangunKarakter(CharacterBuilding)1Hasratuddin
Penggunaan ICT dalam Pembelajaran Matematika """"""' """' 21
Yenita Roza
Paradigma Pembelajaran Matematika Masa Kini dan yang Akan datang-""""""" """' 32
lda Karnasih
Pemakaian Autograph dalam Pembelajaran Matematika Sekolah """""""" 58
Douglas Butler
MAKALAH PARALEL
Aktivitas Belaiar Geornetri Berbasis Model Van Hiele Berbantuan Software Dinamis
Geogebra
Muliswan Firdaus
Pemanfaatan Software Game PuzzIe Sudoku Dalam Pendidikan Matematika """""""" 80
S aid Iskrtndar Al- Idrus
lnovasi Pembelajaran Matematika Melalui Pengintegrasian Teknologi Informasi
dan K-omunikasi (TIK) untuk Meningkatkan Kreativitas Siswa -.."""""""' 88
Waminton Raiagukguk
Upaya Meningkatkan Hasil Belajar Siswa Melalui Model Pembelajaran Cooperative
Integrated Reading And composition Pada Materi Segi Empat Siswa Kelas vlI
SMP Negeri 2 Tanjung Pura Ta 2010DAl 1 """"""" """""""" 104
Asrin Lttbis
Pembelajaran Berbasis ICT .....-.... """" lzl
Mulyono
@Matematika Paicasarjana UNiMED Page v
l1
....lll
iv
66
Prosiding Seminar Nasional Pembelajaran Matematika Berbasis ICT yang Menyenangkan danBerkarakter
Implementasi Penggunaan Software Wingeo Sebagai Media Pembelajaran N4atemat1ka...129
Hamidah Nasution & Arnah Ritonga
Peningkatan Pemahaman Konsep Siswa Dengan Penemuan Terbimbing Berbantuan
Software Autograph ........... . 135
Vira Afriati
Geogebra Software Pembelajaran Matematika yang Menyenangkan ."..-....................... 146
Nurhasanah Siregar & Rika Wahyuni
AplikasiPerangkatLunak LatexDalamBidangMatematika .......::..............152
Yusuf
Pembentukan Karakter Emosional Dan Kreativitas Melalui Pengembangan Model
Pembelajaran Ekspresi Estetika Inovatif Untuk Siswa Pendidikan Dasar ..... 161
Wesly Silalahi
Pemanfaatan Teknologi lnformasi Dan Komunikasi Dalam Pembelajaran Matematika.. 175
Katrina Samo,cir
Fungsi, Manfaat Dan Kontribr,rsiTeknologi lnformasi Dan Komunikasi Gf K) dalarn
Pendidikan SertaPeranannya dalam Pembelajaran ............... ..... 182
Keysar Panjaitan
Penerapan Pendekatan Kontekstual Pada Materi Sistem Persamaan I-inier DLra Variabel
untLrk Mengatasi Kesulitan Belajar Siswa SMP Lhokseumawe ................... 192
Rosimnnidar
UjiNonnalitas dan Homogenitas dalam Penelitian Kuantitatif ....................206
Zul Amri
Pembelajaran dengan Media Komputer sebagai Salah Satu Sumber Belajar .................. 211
Nurliani Manurung
Program Studi Pendidikan Matematika Pascasarjana UNIMED Page vi
Prosiding Seminar Nasional Pembeiajaran Matematika Berbasis ICT Menyenangkan dan Berkarakter
UJI NORMALITAS DAN
PBNBLITIAN
HOMOGBNITAS DALAM
KIIANTITATIF
..lt.
Zul Amry
Jurusan Matematika FMIPA Universitas Negeri Medan
Email : zul.amry@gmail-com
Abstrak
Normalitas dan homogenitas sangat diperlukan dalam penelitian kuantitaif, karena lazim dijadikan
asumsi sebagai persyaratan untuk analisis data. Dalam artikel ini akan dipaparkan beberapa ujinormalitas seperti uji Kolmogorov-Smirnov, uji Liliefors, uji Chi-kuadrat, uji Shapiro-Wilk, ujiCramer-Von Mises besefta konsep matematika yang mendasarinya dan uji homogenitas untuk dua
populasi, sedangkan uji Barlett diterapkan untuk uji homogenitas dari beberapa populasi.
Kata kunci: distribusi normal, fungsi distribusiempiris, homogenitas, uji Barlett
PENDAHULUAN
Distribusi normal merupaka yang sangat penting dalam statistika khururnyu statistika
inferensial, karena banyak analisis statistik dalam penelitian kuantitatif umumnya dikembangkan
dengan menggunakan asumsi normalitas pada populasinya; biasanya data-data atau statistik yang
diperoleh dicocokkan dengan suatu distribusi normal. Terlebih-lebih dengan ditemukannya
teorema limit sentral; suatu teorema yang menyatakan adanya pendekatan dari suatu distribusi
terhadap distribusi normal, maka pemakaian distribusi normal pun semakin berkembang pesat,
karena semakin banyak data-data dalam penelitian yang dapat memanfaatkan asumsi normalitas ini
untuk keperluan analisis, disampng itu, distribusi-distribusi penting lain seperti distribusi t,
distribusi T dan.distribusi Chi-kuadrat yang banyak digunakan dalam analisis statistik, juga
dikembangkan berdasarkan asumsi normalitas pada populasinya-
Dalam tahapan analisis terhadap data suatu penelitian lebih dari satu kelompok populasi,
setelah asumsi normalitas masing-masing populasi dapat dipenuhi dan hipotesis statistik telah
dirumuskan, tahap berikutnya adalah memilih statistik yang sesuai. Untuk memilih statistik inilah
diperlukan persyaratan homogenitas dari populasi.
Page206Program Studi Pendidikan Matematika Pascasarjana UNIMED
Prosiding Seminar Naslonal Pembelajaran Matematika Berbasis ICT yang Menyenangkan dan Berkarakter
Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah sampel yang digunakan berasal dari
populasi yang berdistribusi normal atau tidak
Distribusi Normal
Definisi I
Suatu variabel random X dikatakan berdistribusi normal dengan mean p dan variansi o2,
apabila mempunyai densitas:
dengan transformasi
, tl*-4'l'f(x;p,o) =-)-" zL " 'l
"J2x'o
-co (X(co, -@(lt(@, 0<O<.o
persamaan diatas menjadi :o x-Itct
1 -J,.,b@)=6" 2 , [email protected]@,
yang disebut distribusi normal baku, denganmean p:0 dan variansi o2:1.
Untuk keperluan inferensi statistik, umumnya digunakan distribusi normal baku ini, karena
nilai-nilai fungsi distribusinya yang sering diperlukan dalam penentuan daerah kritis dapat
diperoleh langsung pada lampiran buku-buku statistika dalam bentuk tabel..
F ung s i D istri_b usi E mp iris
Definisi 2
Jika X suatu variabel random dengan densitas f(x; 0), maka fungsi distribusi dari X
didefinisikan dengan
X kontinu
Program Studi Pendidikan Matematika Pascasarjana UNIMED Page207
Prosiding Seminar Nasional Pembelajaran Matematika Berbasis ICT yang Menyenangkan dan Berkarakter
Definisi 3
Jika Xr, X2,...rXn sampel random berukuran n dengan statistik order X1r; Xp1, . .X1ny, maka
fungsi distribusi empirisnya didefinisikan dengan:
F, (")
Teoremu Kekonvergenun
Pada dasarnya uji normalitas merupakan bentuk khusus dari 'goodness -of- fit test' suatu uji
distribusi secara umum yang dikembangkan lewat konsep kekonvergenan dari fungsi distribusi
empiris ke fungsi distribusi kumulatifnya yang berakibat pada kekonvergenan pada variabel
randomnya.
Definisi 4
Barisan variabel random Xr, Xz ,... , Xn dikatakan konvergen dalam peluang
(konvergen dalam stokastik) ke X, jika:
tig:, a[ lx. - xl t "]: 0, ve > 0, ditulis x" ---l+x
Definisi 5
Fungsi distribusi F"(x) dikatakan dalam distribusi [konvergen secara lemah] ke F(x), jika
limit F"(x)=F(x), Vx, ditulis d(x)*:+F(x)
fo. ;ita x( X111
lr.= l;,
jika X,u' (X (Xru*,r
It..;it<ax)X1n1
Definisi 6*
Misalkan Xr, Xz,... rXn variabel random
Fr(x), Fz(x), ..., Fn(x). Xn dikatakan
xn-5x ), jika {(x)---_IL+F(x)
Teorema 1
Jika X" --P-+X maka Xn --5X
yang bersesuaian dengan fungsi distribusi
konvergen dalam distribusi ke X (ditulis
Program Studi Pendidikan Matematika Pascasarjana UNIMED Page 208
Prosiding Seminar Nasional ran Matematika Berbasis ICT ya dan Berkarakter
Teorema 2 teorema Glivenko-Cantelli
Fungsi distribusi empiris Fn(x) konvergen ke F(x), yaitu, untuk setiap e> 0,rl
timit el s u p I [(x)- F1x)l>c l=0n+@ L---r.- _l
Berdasarkan definisi-definisi dan teorema-teorema diatas, yang perlu ditekankan
sehubungan dengan tilisan ini adalah jika {,(x)---+,F(x) maka X,-----)X .
Beberapa Uji Normalitas
Uji Kolmogorov-Smirnov
Dalam teori kekonvergenan telah ditunjukkan bahwa fungsi distribusi empiris konvergen ke
fungsi distribusi sesungguhnya dengan kata lain bahwa fungsi distribusi sesungguhnya dari populasi
dapat diestimasi oleh fungsi distribusi empiris yang berdasarkan pada sampel random. pada bagian
ini akan dibahas suatu cara untuk memutuskan apakah sampel yang digunakan berasal populasi
dengan distribusi yang telah ditentukan sebelumnya, khususnya apakah sampel berasal dari populasi
yang berdistribusi normal. Uji Kolmogorov-smirnov mengembangkan prosedur stitistik ini dengan
menggu-nakan jarak tegak maksimum antara kedua fungsi distribusi tersebut.
Andaikan Xr, X2,... , Xn sampel random berukuran n dari suatu populasi dengan fungsi
distribusi F(x) yang tidak diketahui dan andaikan pula Fe(x) suatu fungsi distribusi teftentu [dalam
bahasan iniFe(x) fungsi distribusi normal, dengan X - N(p, o2;], kemudian akan diuji:
H6: F(x) : Fo(x)
lawan
H1 : F(x)* Fp(x)
Uji Kolmogorov- Smirnov mengharuskan menghitung fungsi distribusi empiris F"(x)
berdasarkan sampelrandom Xr, Xz, ... ,Xn, kemudian menggunakan statistik:
Dn = sup lq"f*l-qf*l
dimana Dn adalah jarak tegak maksimum antara fungsi distribusi empiris F,(x) dengan fungsi
distribusi F6(x) yang dihipotesiskan. Selanjunya, mengingat bahwa p"(*)--f+Fo(*), Vx dan
Program Studi Pendidikan Matematika Pascasarjana UNIMED Page209
/L(z) - lim it Pl D, < z
n+@ \ J;
Prosiding Seminar Nasional Pembelajaran Matematika Berbasis ICT yang Menyenangkan dan Berkarakter
teorema Glivenko-Cantelli juga menunjukkan bahwa Fn(x) konvergen ke F6(x). Jadi, dibawah H6,
Dn diharapkan sangat kecil In-+oo, D" -+0] arlinya Fn(x) makin mirip ke F6(x) apabila n makin
besar. Sedangkan untuk sampel besar, aproksimasi fungsi distribusi untuk distribusi sampling Dn
adalah
: t- t}(-l)'-' zi2 zz
nilai-nilai fungsi L(z) ini telah ditabulasi oleh Smimov dan dipublikasikan tahun 1948 (Gibbons,
2005) dan beberapa aproksimasi nilai kritis untuk uji hipotesisnya dengan taraf-kepercayaan o pada
D, , = zts
n6alallsebagai berikut:n, q I{n
PtD"> 2",/\6! 0,20 0,1J 0,10 n n5 0,Bl
1.07 l.14 111 1.36 1.63
nilai aproksimasi Dn. o ini umumnya digunakan untuk n > 40 (Conover, 1999). Selanjut-nya
dengan mengunakan tabel diatas, tolak Ho padatarap kepercayaan o, jika Dn ) D n..
Secara teori prosedur uji Kolmogorof-Smirnov dapat digunakan untuk munguji H6 [F(x);
X - N(p, o2)] untuk parameter p dan o' diketahui, khususnya untuk X - N(0,1), tetapi dalam
praktek biasanya p dan o2 tidak diketahui. Penyesuaian prosedur ini kemu-dian dikembangkan oleh
Lilliefors.
U-ii Lilliefors
Uji normalitas Lilliefors menggunakan fungsi distribusi dari distribusi normal yang baku
dengan memanfaatkan sifat X -F -N(0,1) apabila X -N(p,o2).o
Andaikan Xr, Xz,... rXn sampel random berukuran n dari suatu populasi dengan fungsi
distribusi F(x) yang tidak diketahui. Berdasarkan data sampel, akan diuji apakah F(x) fungsi
distribusi normalatau tidak lewat hipotesis:
Program Studi Pendidikan Matematika Pascasarjana UNIMED Page210
a
Prosiding Seminar Nasionai Pembeiajaran Matematika Berbasis ICT yang Menyenangkan dan Berkarakter
Hu: F(x) = *[U-l tawan H,: Fix) r oll:glLo_J Lol
Uji normalitas Lillieforsterlebih dahulu membakukan Xt, Xz,...,Xn menjadi Zr, Zz,
X-u.-. ,zndimana zi= T; p dan o masing-masing diestimasi oleh X dan S, dengan :o
Ix, I(x - x)X- '=t dan 52- i=r
.n n_l
Selanj utnya, uj i Lil I iefors menggunakan stati stik :
Dn = sup I e"fr) -o(z)l
dimana F"(z) adalah fungsi distribusi empiris dari Zt, 22,...,2n. danuntuk menguji hipotesis
diatas pada taraf kepercayaan cr digunakan nilai kritis Dn,o dan beberapa nilai aproksimasi Dn . oyang sering digunakan untuk n>30 (Conover, 1999) adalah:
CT 0. 01 0,05 0,10D Ir, & 1, 031o/",fi 0,8860/J; o,Bo5o/.,f,
Uji Chi-kuadrat
Andaikan Xr, Xz,...,Xn sampel random berukuran n dari suatu populasi dengan fungsi
distribusi F(x) yang tidak diketahui, kemudian akan diuji :
H6: F(x) : Fo(x)
lawan
Hy: F(x)* Fo(x)
dimana F6(x) fungsi distribusi normal, dengan X ,' N(p, o2;, parameter p dan o2 tidak diketahui.
Untuk keperluan pengujian ini, dilakukan langkah-langkah sebagai berikut:
o Data sampel disusun dalam daftar distribusi frekwensi yang terdiri atas k
. buah interval 11,12, ..., Ip dan tiap kelas interval ini berperuang memuat
. variabel random, dengan fungsidistribusiF(x); p(Xe Ii):p;, i:1, z, ... ,ko 'Andaikan or, oz, ..., or masing-masing menyatakan banyaknya data yang
Program Studi Pendidikan Matematika Pascasarjana UNIMED Page 211
, I gqiH?,"s:H3,:]3y1,P.5o:'#
r teramati pada interval 11, 12, ..., I1 berdasarkan Xl Xz,... rXn, maka vektor O:(O1,
o2, ..., 01 ) berdistribusi multinomial
P(Or:or, Oz:o2,..., Ot:or) - A.f1O,"'ffo' i=r
i=l
kkdengan Io, =n, Ip, =t, E(Oi) : n Pi
: ei dan Var(O;) : n pi (1- pi)i=l i=t
. Selanjutnya untuk uji kecocokan, dilakukan dengan membandingkan frekwensi hasil
observasi dengan frekwensi harapan (frekwensi teoritis), dengan menggunakan statistik:
,, - | (o, -",)' - x,(k -3)
i=t vi
dengan oi: frekwensi hasil observasi pada interval ke i
e; : frekwensi hasil observasi pada interval ke i
dan keputusan tentang hipotesis; tolak Ho pada taraf kepercayaan o, apabila X' >X?-,(n) ( Xi-" (n)
adalah nilai kritis)
Uii Shapiro-Wilk
Andaikan Xt, X2,... , Xn sampel random berukuran n dari suatu populasi dengan fungsi
distribusi F(x) yang tidak diketahui dan untuk menguji hipotesis:
Ho: F(x) : Fo(x)- - lawan
H; : F(x)* Fs(x)
dengan F6(x) fungsi distribusi normal, uji Shapiro-Wilk menggunakan statistik:
t= =l-[ i, (","-,-,, - ",,,)-l'l{x' -f,;2 I i=t J
i=i
Program Studi Pendidikan Matematika Pascasarjana UNIMED Page212
Prosiding Seminar Nasional Pem Matematika Berbasis ICT yan dan Berkarakter
dimana X adalah mean sampel, Xiiy statistik order sampel dari sampel terkecil sampai sampel
terbesar (Xgl SXtrt <...SX1n;) dan a1, a2, -.., ap dengank = ]adalah koefisien'uji Shapiro-Wilk'
yang umumnya sudah tersedia pada lampiran buku-buku statistika dalam bentuk tabel. Sedangkan
keputusan tentang hipotesisnya pada taraf kepercayaan o adalah tolak He, apabila W>W*o,(Wn.d
adalah nilai kritis).
Uji Cramer-Von Mises
Selain clapat dipakai untuk uji distribusi Eksponensial dan distribusi Weibull, uji Cramer-
Von Mises dapat pula digunakan untuk uji normalitas dengan menggunakan Estimator Maksimum
Likelihood (MLE) dari parameter 0 yang terdapat pada Fs(x; 0).
Andaikan Xr, Xz, ... , Xn sampel random berukuran n dari suatu populasi dengan fungsi
distribusi F(x) yang tidak diketahui. Unruk menguji hipotesis:
F(x): Fs(x; 0)
Iawan
F(x) * F6(x; 0)
FIo:
Hr:
dimana Fe(x; 0) fungsi distribusi normal, dengan 0=(p, o-t;, u;i Cramer-Von Mises meng- gunakan
statistik:
cM= I +iIrk ..6)-i-o'sl'zl2n ?l \ tr'' '/ n ]
dimana 6 vlg dari 0, yaitu 0=1p, 62), dengan
. ix,;l= a=_=L- 6un
n
6'= St =){x, -x)'i=1
n-l
dan keputusan tentang hipotesis, tolak Hp pada teraf kepercayaan o,apabila CM>CMn,o (CMn,o
adalah nilai kritis)
Program Studi Pendidikan Matematika Pascasarjana UNIMED Page21.3
Uji Homogenitas
Uji homogenitas terhadap sampel bertujuan untuk menyimpulkan apakah kelompok-
kelompok sampel yang digunakan berasal dari populasi yang bervariansi sama atau tidak.
Uji Homogenitas untuk Duu Kelompok Sampel
Misalkan Xl, X2, ..., Xnl dan y1, y2,..., yn2 adalah nilai observasi dari sampel random
independen masing-masing berasal dari populasi normal X-N(p',of ; dan Y- N(pr,ol) dengan
variansi sampel "]dan "1. Untuk menguji homogenitas antara populasi X dengan populasi Y,
hipotesisnyaadalah: Ho:o?=al vs H,: of +61 , untuk mengujinyadigunakan statistikF:
variansisampel terbesar dengan daerah kritis F ) Fo (nr -1, n2 -r)
Variansi sampelterkecil " ,
pada taraf kepercayaan cr.
Uji Homogenitas untuk k Kelompok Sampel
Misalkan Xr, Xz, ..., Xk adalah k populasi berdistribusi normal yang saling independen
dan x1l, X2l, ..., xnl adalah nilai observasi dari sampel random X1-N(pr1, of ),
xt2, x22, ..., xn2 adalah nilai observasi dari sampel random Xz-N(pz,ol) hingga Xlk, x2k, ..., Xnk
adalah nilai observasi dari sampel random Xr-N(pr, ofl ; Oun i"': N. Untuk menguji homogenitas
antarapopulasi-populasi Xr, Xz, hingga Xp hipotesirnyu uOutul'
Hg : of = o). ="' =o?
lawan
H1 : ada variansi yang tidak sama
Program Studi Pendidikan Matematika Pascasarjana UNIMED Page21,4
Prosiding Seminar Nasisnal Pembelajara., Mutg*utiku B*!3:tt-lSf
sedangkan untuk menguji hip6tesis ini digunakan statistik
B =2.3026 *9-x'(r. - r).h
dimana nilai q dan h adalah:
q = (N -k)rog'i- i (ni-r)rogsf dan h='.{hl Ii(* #))dengan
k^l(ni-t)sf
S? = i=t danv N-k
i (",, -o,)
sedangkan daerah kritis untuk pengujian hipotesis
B>x|(t-i).
PENUTUP
pada taraf kepercayaan cr adalah
Uji normalitas merupakan kejadian khusus dari'goodness-of-fit test' yang analisisnya
dilakukan melalui fungsi distribusi kumulatif dan fungsi distribusi empiris. Fungsi distribusi
empiris dan statistik order merupakan materi penting yang diperlukan dalam pembahasan uji
normalitas.
Dianfara uji normalitas yang telah dibahas, uji Lilliefors dan uji chi-kuadrat merupakan uji
yang sering digunakan; sebab, disamping lebih praktis, juga hanya memerlukan teori matematika
maupun teori statistika yang relatif mudah dipahami.
Dalam pengujian hipotesis statistik pada uji homogenitas, populasi disimpulkan homogen
sebagaiman a yang umumnya diharapkan para peneliti apabila Ho diterima, hal ini tentu saja diluar
kelaziman dalam perumusan suatu hipotesis, sebab pada umumnya He dirumuskan untuk ditolak.
program studi Pendidikan Matematika Pascasarjana UNIMED Page 215
^2 i=lt ni-l
,*3l,9-"9,:,,:1-
DAFTAR PUSTAKA
Andeson, D. R., Sweeney, D. J. and William, T. A., (2009), Statistics Jbr Business and economics.
Macmillan Inc-
Bain, L. J, Engelhardt, M, (2006), Introduction to Probability and Mathematical Statistics 2"d,
Duxbury Press, Belmont, Califomia.
Conover, W. J, (1999), Practical Nonparametric Statistics, Jhon Wiley & Sons, New-York
Gibbons, J. D. and Chakraborti, S., (2005), Nonparametric Statistical Inference, Fourth Edition,
Revised and Expanded, Marcel Dekker lnc., New York
Ross, S., (2009), Probability and Statistics for Engineers and Scientists, fourth edition, Elsevier
Inc., San Diego.
Schay, G., (2A07), Introduction to Probability with Statisticat Applications,Birkhauser, Boston.
Program Studi Pendidikan Matematika Pascasarjana UNIMED Page216