TL;DR
Uji homogenitas ngecek apakah varians antar kelompok yang mau kamu bandingin nilainya mirip. Di SPSS caranya lewat Analyze > Compare Means > One-Way ANOVA, lalu centang Homogeneity of variance test di kotak Options. Kalau nilai Sig. Levene test lebih besar dari 0,05, varians dinyatakan homogen dan hasil ANOVA boleh dipakai. Kalau di bawah 0,05, ganti ke Welch ANOVA dengan uji lanjut Games-Howell.
Uji homogenitas ngecek satu hal: apakah kelompok-kelompok yang mau kamu bandingin punya sebaran yang mirip.
Ini syarat dari ANOVA dan independent samples t-test. Dua uji itu ngebandingin rata-rata, dan cara mereka ngitung nganggep tiap kelompok punya lebar sebaran yang sebanding.
Kalau satu kelompok datanya rapat dan kelompok lain berhamburan, hasil perbandingan rata-ratanya jadi nggak adil.
Di bawah ini aku jalanin Levene test di SPSS lewat dua jalur menu, jelasin baris output mana yang dibaca, dan tunjukin jalan keluarnya kalau gagal.
Uji homogenitas adalah pemeriksaan buat mastiin varians (ukuran sebaran data di sekitar rata-rata) antar kelompok nilainya sebanding. Uji yang paling umum dipakai namanya Levene test. Hipotesis nolnya bilang semua kelompok punya varians sama, jadi nilai Sig. di atas 0,05 justru hasil yang kamu harapkan.
Ini kebalikan dari kebiasaan baca uji lain, dan itu yang sering bikin bingung.
Di uji hipotesis biasa, Sig. kecil artinya temuan menarik. Di uji asumsi, Sig. kecil artinya masalah.
Contoh gampangnya di data toko. Tiga cabang punya rata-rata omzet harian yang mirip, sekitar 4 juta. Tapi cabang di stasiun omzetnya lompat-lompat dari 1,5 juta sampai 8 juta, sementara cabang perumahan stabil di 3,8 sampai 4,3 juta.
Rata-ratanya sama, sebarannya jauh beda. Itu varians yang nggak homogen.
Uji ini kepakai setiap kali kamu ngebandingin rata-rata antar kelompok yang anggotanya orang berbeda. Dua analisis yang paling sering butuh: independent samples t-test buat dua kelompok, dan One-Way ANOVA buat tiga kelompok atau lebih.
| Analisis | Butuh uji homogenitas? | Catatan |
|---|---|---|
| Independent samples t-test | Ya | SPSS nampilin Levene otomatis di outputnya |
| One-Way ANOVA | Ya | Centang manual di kotak Options |
| Paired sample t-test | Nggak | Yang dibandingin dua pengukuran pada orang sama |
| Regresi linear | Nggak | Yang dicek heteroskedastisitas, bukan homogenitas |
| Uji korelasi | Nggak | Nggak ada kelompok yang dibandingin |
Baris terakhir sering bikin salah paham. Homogenitas dan heteroskedastisitas dua-duanya soal varians, tapi dipakai di analisis yang beda.
Ada dua jalur menu, dan hasilnya sama. Jalur pertama lewat One-Way ANOVA, paling praktis kalau kamu memang mau lanjut ke ANOVA. Jalur kedua lewat Explore, kepakai kalau kamu cuma mau ngecek asumsinya dulu tanpa jalanin analisis utama.
Output yang kamu cari namanya Test of Homogeneity of Variances, muncul di atas tabel ANOVA.
Buat independent samples t-test, kamu nggak perlu ngapa-ngapain. SPSS selalu nampilin Levene's Test for Equality of Variances di kolom paling kiri outputnya.
Detail tiap pilihan di kotak Options bisa kamu cek di dokumentasi resmi IBM SPSS Statistics.
Versi SPSS yang baru ngeluarin empat baris sekaligus. Baris standar yang dipakai kebanyakan penelitian adalah Based on Mean. Baris lain kepakai kalau datamu punya nilai ekstrem atau sebarannya jauh dari normal.
| Baris | Kapan dipakai |
|---|---|
| Based on Mean | Pilihan standar, pakai ini kalau nggak ada alasan khusus |
| Based on Median | Lebih tahan terhadap nilai ekstrem dan sebaran yang menceng |
| Based on Median and with adjusted df | Versi median dengan koreksi derajat bebas |
| Based on trimmed mean | Rata-rata setelah 5 persen data terekstrem dipotong |
Cara nyimpulinnya sama buat semua baris. Sig. di atas 0,05 berarti varians homogen.
Contoh kalimat buat skripsi: "Hasil uji Levene menunjukkan nilai signifikansi sebesar 0,182 (based on mean) yang lebih besar dari 0,05, sehingga varians antar kelompok dinyatakan homogen."
Kalau kamu milih baris median, sebutin di bab metode, jangan diam-diam. Penguji bakal nanya kenapa angkanya beda sama yang dia lihat di baris pertama.
Aku pakai data 30 hari omzet harian dari tiga cabang toko_berkah di Bekasi. Pertanyaannya sederhana: apakah rata-rata omzet harian ketiganya beda?
| Cabang | Rata-rata omzet harian | Standar deviasi | n |
|---|---|---|---|
| Perumahan | Rp 3.940.000 | Rp 312.000 | 30 |
| Pasar | Rp 4.180.000 | Rp 487.000 | 30 |
| Dekat stasiun | Rp 4.020.000 | Rp 1.146.000 | 30 |
Rata-ratanya mirip semua, selisihnya di bawah 6 persen. Tapi lihat kolom standar deviasi.
Cabang dekat stasiun sebarannya 3,7 kali lebih lebar dari cabang perumahan. Wajar, karena omzetnya ikut jadwal kereta dan cuaca, sementara cabang perumahan pembelinya orang yang sama tiap hari.
Hasil Levene test: Sig. 0,041 based on mean. Di bawah 0,05, jadi varians nggak homogen.
Aku jalanin dua versi ANOVA buat bandingin.
| Uji | Sig. | Kesimpulan |
|---|---|---|
| ANOVA biasa | 0,432 | Nggak ada beda rata-rata |
| Welch | 0,388 | Nggak ada beda rata-rata |
Dua-duanya nyimpulin hal yang sama, dan itu sering kejadian pas selisih rata-ratanya memang kecil. Yang beda cuma angka Sig.-nya sedikit.
Temuan yang lebih berguna justru bukan dari uji rata-rata. Dari 90 hari data gabungan itu, cabang dekat stasiun punya 7 hari dengan omzet di bawah 2 juta, sementara dua cabang lain nol hari di bawah 3 juta.
Jadi pertanyaan yang tepat buat data ini bukan "cabang mana yang rata-rata omzetnya paling tinggi", tapi "cabang mana yang paling nggak bisa ditebak". Angka original dari dataset ngulikdata.
Sebelum masuk SPSS, kamu bisa ngintip sebaran tiap kelompok di Excel pakai STDEV bareng AVERAGE. Rasio standar deviasi terbesar dibagi terkecil di atas 2 itu tanda awal variansmu bakal bermasalah.
ANOVA-mu nggak batal, cuma ganti versi. Tiga langkah ini yang lazim dipakai.
Buat independent samples t-test, jalan keluarnya lebih pendek. Kalau Sig. Levene di bawah 0,05, baca baris Equal variances not assumed di output yang sama. SPSS udah nyiapin baris itu buat kamu.
Transformasi data pakai log juga bisa dicoba, terutama buat data rupiah. Tapi hati-hati, karena setelah ditransformasi kamu ngebandingin rata-rata dari angka yang udah berubah bentuk, dan itu harus dijelasin waktu nulis kesimpulan.
Uji ini biasanya dijalanin setelah uji normalitas. Kalau data kamu ternyata gagal di dua-duanya, uji non-parametrik jadi jalan yang lebih jujur.
Setiap kali kamu bandingin rata-rata antar dua kelompok atau lebih, yaitu di independent samples t-test dan ANOVA. Nggak kepakai di paired sample t-test, karena di situ yang dibandingin dua pengukuran pada orang sama. Nggak kepakai juga di regresi, karena di sana yang dicek heteroskedastisitas.
Versi SPSS baru ngeluarin empat baris. Baris standar yang dipakai kebanyakan penelitian adalah Based on Mean. Kalau datamu punya nilai ekstrem atau sebarannya jauh dari normal, baris Based on Median lebih tahan banting dan boleh kamu pakai asal disebutin di bab metode.
Nggak batal, cuma ganti versi. Di Options One-Way ANOVA, centang Welch dan Brown-Forsythe. Dua uji itu ngebandingin rata-rata tanpa nganggep variansnya sama. Buat uji lanjut, pilih Games-Howell di kotak Post Hoc, bukan Tukey. Hasil Welch tetap bisa ditulis di skripsi asal alasannya kamu jelasin.
Dua-duanya soal varians, tapi beda tempat pakai. Uji homogenitas ngebandingin varians antar kelompok, misalnya omzet cabang A, B, dan C. Uji heteroskedastisitas ngecek varians residual di sepanjang garis regresi. ANOVA dan t-test pakai Levene, regresi pakai Glejser atau scatterplot residual.
Wajar dan sering kejadian. Uji apa pun gampang signifikan pas sampel gede, karena selisih varians kecil pun kebaca nyata. Cek juga rasio varians terbesar dibagi terkecil. Kalau masih di bawah 3 dan jumlah anggota kelompok mirip, ANOVA biasa umumnya masih tahan.
Yang perlu kamu pegang cuma tiga: Levene dipakai buat t-test dan ANOVA, Sig. di atas 0,05 itu hasil yang diharapkan, dan Welch plus Games-Howell jadi jalan keluar kalau gagal.
Gagal uji homogenitas bukan akhir penelitianmu. Itu cuma tanda kamu harus pindah ke versi uji yang lebih tahan sama sebaran yang timpang.
Habis ini lanjut ke uji multikolinearitas SPSS kalau analisismu regresi, atau mampir ke panduan visualisasi data buat nampilin perbandingan antar kelompok di bab 4.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Kolom datetime nyimpen tanggal, jam, hari, semuanya nempel jadi satu. Accessor .dt di pandas ngeluarin tiap bagian jadi kolom sendiri buat dianalisa.
Nama toko ketik campur huruf besar-kecil, spasi nyasar di ujung, atau kode produk nempel jadi satu. Accessor .str di pandas ngerapiin semua itu tanpa loop.
Model machine learning cuma ngerti angka, bukan teks kayak merah atau biru. get_dummies ngubah kolom kategori jadi kolom 0/1 dalam satu baris kode.