Dalam kriteria keputusan pada uji analisis variansi terdapat beberapa asumsi mendasar yang harus dipenuhi, diantaranya adalah uji normalitas dan uji homogenitas.

Uji Normalitas

Menurut Suliyanto (2011:69), uji normalitas dimaksudkan untuk menguji apakah nilai residual yang telah distandarisasi pada model regresi berdistribusi normal atau tidak. Dalam penelitian ini, metode yang digunakan yaitu uji normalitas dengan Kolmogorov-Smirnov. Menurut Suliyanto (2011:75) uji normalitas menggunakan uji statistik nonparametrik Kolmogorov-Smirnov merupakan uji menggunakan fungsi distribusi kumulatif. Nilai residual terstandarisasi berdistribusi normal jika K hitung < K tabel atau Sig. > alpha.

Sedangkan menurut Ghozali (2016) uji normalitas dilakukan untuk menguji apakah pada suatu model regresi, suatu variabel independen dan variabel dependen ataupun keduanya mempunyai distribusi normal atau tidak normal. Apabila suatu variabel tidak berdistribusi secara normal, maka hasil uji statistik akan mengalami penurunan. Pada uji normalitas data dapat dilakukan dengan dengan berbagai cara, diantaranya dengan melihat Normal Plot, uji Kolmogorov-Smirnov dan uji Shapiro-Wilk.

1. Normal Plot

Metode untuk menguji normalitas adalah dengan melihat normal probability plot. Normal probability plot adalah membandingkan distribusi kumulatif data yang sesungguhnya dengan distribusi kumulatif dari distribusi normal (hypothetical distribution). Distribusi normal akan membentuk satu garis lurus diagonal, dan ploting data residual akan dibandingkan dengan garis diagonal. Apabila distribusi data residual normal, maka garis yang menggambarkan data sesungguhnya akan mengikuti garis diagonalnya. Dasar pengambilan keputusan dari analisis normal probability plot adalah sebagai berikut:

  • Jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal menunjukkan pola distribusi normal, maka regresi memenuhi asumsi normalitas.
  • Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal tidak menunjukkan pola distribusi normal, maka model regresi tidak memenuhi asumsi normalitas

2. Kolmogorov Smirnov

Uji Kolmogorov-Smirnov termasuk Uji Kebaikan Suai (Goodness of Fit). Dalam hal ini yang diperhatikan adalah tingkat kesesuaian antara distribusi nilai sampel (skor hasil diobservasi) dengan distribusi teoritis tertentu (normal, Seragam, atau Poisson). Oleh karenanya uji ini dapat digunakan untuk uji kenormalan. (Sidney Siegel :1997)

Untuk mendeteksi normalitas data dapat dilakukan pula melalui statistic yang salah satunya dapat dilihat melalui Kolmogrov-Smirnov test (K-S). Suatu variabel dikatakan terdistribusi normal jika nilai signifikansinya > 0,05 atau 5%

3. Shapiro- Wilk

Metode Shapiro-Wilk dikemukakan oleh Samuel Stanford Shapiro dan Martin Wilk pada tahun 1965. Penelitian awal metode ini dimulai, sebagian, dalam upaya untuk merangkum secara formal indikasi tertentu dari plot peluang. Metode ini muncul sebagai alternatif prosedur statistik untuk menguji sampel lengkap untuk Normalitas. Statistik uji diperoleh dengan membagi kuadrat dari kombinasi linear yang sesuai dari sampel statistik terurut dengan estimasi variansi simetris yag biasa (Shapiro & Wilk, 1965). Metode ini awalnya terbatas untuk ukuran sampel yang kurang dari 50 (Razali and Wah, 2011). Metode ini menguji bahwa hipotesis null (?0) berasal dari distribusi Normal yang tidak bergantung pada nilai rata-rata dan variansi.


Uji Homogenitas

                 Uji homogenitas digunakan untuk memperlihatkan bahwa dua atau lebih kelompok data sampel berasal dari populasi yang memiliki variasi yang sama. Uji homogenitas dikenakan pada data hasil post-test dari kelompok eksperimen dan kelompok kontrol. Untuk mengukur homogenitas varians dari dua kelompok data, digunakan rumus uji F sebagai berikut:

 

Taraf signifikasi yang digunakan adalah α = 0,05. Uji homogenitas menggunakan SPSS dengan kriteria yang digunakan untuk mengambil kesimpulan apabila F hitung lebih besar dari F tabel maka memiliki varian yang homogeny. Akan tetapi apabila F hitung lebih besar dari F tabel, maka varian tidak homogen.

Uji homogenitas digunakan untuk mengetahui varian populasi data apakah antara dua kelompok atau lebih data memiliki varian yang sama atau berbeda. Uji ini sebagai prasyarat dalam uji hipotesis yaitu Independent Samples T Test dan One Way ANOVA. Kriteria pengambilan keputusan adalah jika nilai signifikansi lebih dari 0,05 maka dapat dikatakan bahwa varian dari dua atau lebih kelompok data adalah sama . (Purnomo : 2016).

Selain dua asumsi yang sangat mendasar tersebut, sebenarnya masih banyak lagi asumsi yang mendasari suatu analisis variansi. Asumsi-asumsi pada analisis variansi tersebut menurut Harlan (2018: 8) adalah sebagai berikut:

  1. Independensi: Galat antar responden saling independen antar variabel.
  2. Normalitas: Galat tiap kelompok perlakuan dalam populasi berdistribusi normal.
  3. Homogenitas : Homogenitas variansi populasi antar kelompok perlakuan.
  4. Sampling acak: Data diperoleh dengan sampling acak dengan jumlah sampel yang mencukupi (min 30=normal).
  5. Tidak terdapat data outlier
  6. Data linear.
  7. Tidak terdapat multikoliniearitas.
  8. Data variabel terikatnya harus interval/rasio.
  9. Ada variabel dependent dan independent.
  10. Data diperoleh secara objektif.

By Editor