Contoh Teknik Analisis Data dalam Uji Homogenitas

Teknik analisis data memiliki peran yang sangat penting untuk menjawab pertanyaan dalam penelitian. Namun, syarat untuk melakukan teknik analisis data yang baik adalah memiliki sampel yang representatif sesuai kebutuhan dan bisa mengeneralisir dari hasil penelitian dengan ketentuan yang ada.

Agar nantinya bisa terwakili dari hasil penelitian maka sampel yang diuji haruslah memiliki asumsi-asumsi yang terpenuhi. Salah satu uji asumsi yang bisa dilakukan untuk memenuhi sampel adalah uji homogenitas atau uji keseragaman data. 

Uji homogenitas dilakukan dengan tujuan untuk memperlihatkan dua atau lebih kelompok data sampel yang telah diambil berasal dari populasi yang memiliki variansi yang sama. Dengan kata lain, uji homogenitas dilakukan untuk mengetahui bahwa himpunan data yang diteliti memiliki karakteristik yang sama atau tidak. Uji homogenitas memiliki perbedaan dengan uji beda rata-rata dimana dalam pengujian hipotesis memiliki jawaban hipotesis yang benar dalam kondisi tertentu. 

Penyebabnya bisa jadi terdapat perbedaan perlakuan yang bukan hanya terjadi 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. Kira-kira bagaimana perlakuan teknik analisis data dalam uji homogenitas? Simak selengkapnya melalui artikel berikut yuk sahabat DQLab!

1. Apa itu Uji Homogenitas?

Uji homogenitas adalah pengujian yang dilakukan untuk mengetahui sama tidaknya variansi-variansi dua buah distribusi atau lebih. Dalam buku yang ditulis Sudjana (2005), uji homogenitas dapat dilakukan dengan uji levene, fisher atau uji bartlett. 

Pengujian ini merupakan persyaratan sebelum melakukan pengujian lain, misalnya T Test dan Anova. Pengujian ini digunakan untuk meyakinkan bahwa kelompok data memang berasal dari sampel yang sama.

Baca juga: Teknik Analisis Data Deskriptif Kualitatif pada Fenomenologi

2. Kaidah Uji Homogenitas

Data yang dilakukan pengujian dikatakan homogen berdasarkan nilai signifikansinya.

• Nilai signifikansi (p) ≥ 0.05 menunjukkan kelompok data berasal dari populasi yang memiliki varians yang sama (homogen)

• Nilai signifikansi (p) < 0.05 menunjukkan masing-masing kelompok data berasal dari populasi dengan varians yang berbeda (tidak homogen)

3. Perbedaan Uji Homogenitas dengan Uji Normalitas

Uji Normalitas dan Homogenitas adalah kedua uji yang seringkali dipakai dalam melakukan pengujian asumsi klasik. Namun, banyak mahasiswa yang seolah menganggap keduanya adalah satu uji yang serupa walaupun memang dilakukan bersamaan. Padahal kedua uji baik Normalitas dan Homogenitas memiliki perbedaan satu sama lain. 

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).

Lain halnya jika pada uji independen t-test maka kita bisa pakai uji alternatif yaitu uji non parametrik. 

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 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.

4. Perbedaan Uji Homogenitas dengan Uji Homoskedastisitas

Berbicara tentang uji homogenitas, seringkali kita dihadapkan dengan beberapa uji-uji asumsi lainnya. Salah satu uji asumsi yang seringkali kita dengar adalah uji heteroskedastisitas. Nah, lawan kata dari uji dari heteroskedastisitas adalah homoskedastisitas. 

Pada uji heteroskedastisitas, peneliti dapat memeriksa apakah ada perbedaan yang tidak sama antara residu satu dengan pengamatan lainnya. Ketika terjadi kesamaan varian antara residu satu dengan pengamatan dan lainnya maka hal ini disebut dengan homoskedastisitas.

Artinya dalam suatu data pengamatan dikatakan telah memenuhi syarat apabila asumsinya terindikasi homoskedastisitas. Uji heteroskedastisitas dilakukan pada analisis regresi linear. Sedangkan homogenitas dilakukan untuk mengamati perbedaan data dari kedua sumber yang berbeda dan kelompok data yang berbeda.

5. Jenis Teknik dalam 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 ujinya:

Uji Levene"s Test

Metode yang pertama untuk melakukan uji homogenitas adalah Levene"s Test. Tujuan utama dari pengujian ini adalah untuk melihat seberapa besarnya varians antara dua data atau lebih yang berbeda. Dari hasil pengujian data tersebut kita bisa lihat apakah data yang ada memiliki indikasi homogen atau tidak.

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.

Bartlett Test

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. 

Ada catatan yang perlu diingat bagi peneliti yang ingin melakukan pengujian datanya. Uji Bartlett bisa digunakan apabila data yang digunakan telah diuji normalitas dan hasilnya normal. Apabila tidak terindikasi normal maka bisa menggunakan Uji Levene

Cochran Q Test

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

• Banyaknya subjek atau sampel → n ≥ 24/k

• Tidak memerlukan asumsi distribusi tertentu

Baca juga : Langkah-Langkah Menggunakan Teknik Analisis Data Kualitatif

Dalam melakukan teknik analisis data maka kuncinya terdapat pada data yang sesuai dengan kaidah yang benar. Jangan sampai kalian salah pilih teknik analisis data untuk kebutuhan riset kamu ya sahabat data. Yuk kalau misalnya pengen belajar banyak hal seputar analisis data dan data science, DQLab solusinya! 

Caranya mudah banget. Kamu bisa loh untuk coba bikin akun gratisnya kesini di DQLab.id dan lakukan signup untuk dapatkan info-info terbaru serta belajar data science. Selamat mencoba!

Penulis: Reyvan Maulid