Anda di halaman 1dari 149

Tri Cahyono

SERI BIOSTATISTIK TERAPAN


JKLP POLTEKKES DEPKES SEMARANG 2008

STATISTIK UJI
KOMPARASI
(pendekatan praktis)

OLEH :

Tri Cahyono

Jurusan Kesehatan Lingkungan Purwokerto


Politeknik Kesehatan Depkes Semarang
2008
KATA PENGANTAR

Statistik merupakan kumpulan angka, alat, metoda untuk menjelaskan suatu


fenomena kejadian dengan berdasarkan data. Kenyataan sebenarnya banyak
manfaat yang dapat diambil dengan mempelajari statistik. Banyak orang yang
ingin mendalami statistik, namun suatu mitos kesukaran telah membelenggu
terlebih dahulu, sehingga orang merasa sulit belajar statistik. Banyak orang
yang membutuhkan statistik, namun mitos kerumitan menghadang, sehingga
takluk sebelum bertanding, sebenarnya statistik mudah dipelajari.

Kadangkala pengguna statistik paham dengan berbagai rumus yang disajikan,


namun untuk menerapkan masih merasa kebingungan dan keraguan.
Berdasarkan keadaan tersebut penulis terdorong untuk menyajikan rumus-
rumus statistik dengan teori yang sederhana dan memberikan contoh penerapan
rumus tersebut, sehingga mudah dipahami dan dipergunakan serta
menjembatani untuk mempelajari statistik yang lebih dalam.

Dalam penyajian buku ini tentunya masih banyak kekurangannya, untuk itu
saran, kritik sangatlah penulis harapkan demi sempurna buku ini.

Penulis berharap mudah-mudahan tulisan yang singkat ini dapat bermanfaat


bagi pembaca dan menggugah lebih dalam lagi untuk mempelajari statistik.

Purwokerto, Mei 2008

Penulis

Tri Cahyono
DAFTAR ISI

Halaman
HALAMAN JUDUL ...............................................................................
KATA PENGANTAR..............................................................................
DAFTAR ISI.............................................................................................
STATISTIK UJI KOMPARASI (pendekatan praktis) 1
A. Z test uji beda mean satu sampel 4
B. t test uji beda mean satu sampel 6
C. t test (pre – post) uji beda dua mean data berpasangan 8
D. t test (post – post) uji beda dua mean data tidak berpasangan 11
(independent)
E. Analisis Varians (Anava) uji beda mean tiga atau lebih sampel 15
F. Z test uji beda proporsi satu sampel 21
G. Z test uji beda proporsi dua sampel 23
2
H. X test uji beda varians satu sampel 26
I. F test uji beda dua varians dua sampel 28
2
J. X (Chi – Square) uji kesesuaian distribusi satu sampel 30
K. Run test uji randomitas satu sampel 32
L. Kolmogorov – Smirnov uji kesesuaian satu sampel 39
M. X2 (Chi – Square) uji beda katagorik tabel 2 x 2 41
N. Fisher uji beda katagorik dua sampel 44
O. Uji U Mann-Whitney uji beda mean dua sampel tidak berpasangan 48
(independent)
P. Reaksi Ekstrem Moses uji beda kesesuaian dua sampel tidak 57
berpasangan / independent
Q. Kolmogorov – Smirnov uji kesesuaian dua sampel tidak 60
berpasangan / independent
R. X2 (Chi – Square) uji beda katagorik tabel (r x c) 68
S. Median uji kesesaian tiga atau lebih sampel tidak berpasangan 71
(independent)
T. Kruskall Wallis uji beda tiga atau lebih sampel tidak berpasangan 75
(independent)
U. Mc. Nemar test uji beda katagorik dua sampel berpasangan 78
(berhubungan/related)
V. Sign test uji tanda dua sampel berhubungan (berhubungan/related) 81
W. Ranking bertanda Wilcoxon data berpasangan 87
(berhubungan/related)
X. Walsh uji beda dua sampel berpasangan (berhubungan/related) 90
Y. Q Cochran uji beda katagorik tiga atau lebih sampel berpasangan 92
(berhubungan/related)
Z. Friedman uji beda mean tiga atau lebih sampel berpasangan 95
(berhubungan/related)
DAFTAR PUSTAKA
LAMPIRAN
1. Tabel Distribusi Normal
2. Tabel Harga Kritis t
3. Tabel Harga Kritis Chi – Square (X2)
4. Tabel Harga Kritis F Anava
5. Tabel Fisher
6. Tabel Nilai q
7. Tabel Harga Kritis T Dalam Tes Ranking Bertanda Data Berpasangan
Wilcoxon
8. Tabel Kemungkinan Yang Berkaitan Dengan Harga-Harga Sebesar
Harga-Harga Observasi Xr2 Dalam Analisis Varian Ranking Dua Arah
Friedman
9. Tabel Harga Kritis Statistik Penguji Kruskal-Wallis Untuk Tiga Sampel
dan Ukuran Sampel Kecil
10. Tabel Harga Kritis D dalam Tes Satu Sampel Kolmogorov Smirnov
11. Tabel Harga Kritis KD Dalam Tes Dua Sampel Kolmogorov Smirnov
(Sampel Kecil)
12. Tabel Harga Kritis D Dalam Tes Dua Sampel Kolmogorov Smirnov
(Sampel besar : tes dua sisi)
13. Tabel Harga-harga Kritis U Dalam Tes Mann-Whitney
14. Tabel Harga-harga Kritis untuk Tes Walsh
15. Tabel Binomial
16. Tabel Run test
STATISTIK UJI KOMPARASI
(pendekatan praktis)
Uji komparasi merupakan uji hipotesis (analisis statistik inferensial) untuk
mencari signifikansi/kemaknaan perbedaan suatu variabel pada satu, dua atau
lebih kelompok sampel penelitian.
Uji komparasi secara umum dikelompokkan menjadi dua, yaitu uji untuk
statistik parametrik dan statistik nonparametrik. Pada uji statistik parametrik
dipersyaratkan data yang digunakan berskala interval atau ratio dan memenuhi
asumsi distribusi normal serta memiliki varians homogen. Pada uji statistik
nonparametrik tidak perlu persyaratan tertentu, hanya penggunaan rumus harus
sesuai dengan skala data dan peruntukannya.
Klasifikasi analisis uji komparasi sebagai berikut:
A. Parametrik
1. Uji beda mean
a. Satu sampel (Data dari kenyataan di lapangan vs standar)
1) SD diketahui dari standar Z score distribusi normal
2) SD diketahui dari kenyataan lapangan  t test distribusi
student
b. Dua atau lebih sampel (Dua/tiga data dari kenyataan di
lapangan)
1) Satu sampel (pre-post)  paired t test
2) Dua sampel  t test tak berpasangan
3) Tiga atau lebih sampel  F Analisis of Varians (anova)
2. Uji beda proporsi
a. Satu sampel (Data dari kenyataan di lapangan vs standar)  Z
score
b. Dua sampel (Dua data dari kenyataan di lapangan) Z score
3. Uji beda varians
a. Satu sampel  X2
b. Dua sampel / populasi  F
B. Non Parametrik
1. Satu sampel X2, Kolmogorov-Smirnov, Runs, binomial
2. Dua sampel independent X2, Fisher, U Mann Whitney, Reaksi
Ekstrem Moses, Kolmogorov-Smirnov, Median, Run Wald-Wolfowiz,
Randomisasi
3. K sampel independent  X2, Median, Kruskal-Wallis
1
4. Dua sampel berhubungan Mc Nemar, Tanda, Wilcoxon, Walsh,
Randomisasi
5. K sampel berhubungan  Q Cochran, Friedman
Dalam aplikasi rumus di atas, digunakan 8 langkah menarik simpulan atau
pengujian hipotesis (Ho), yaitu:
a. Susun hipotesis,
Uji hipotesis yang digunakan dalam contoh aplikasi dua sisi atau satu sisi.
Penentuan satu sisi atau dua sisi sesuai dengan kebutuhan analisis.
b. Tentukan level signifikansi (α ),
α ditentukan berdasarkan kelaziman tingkat kesalahan penelitian.
c. Tulis rumus statistik penguji,
Pemilihan rumus statistik penguji perlu memperhatikan kegunaan dan
persyaratan rumus statistik penguji. Lihat klasifikasi uji d i atas..
d. Hitung statistik penguji,
Hitung statistik penguji setelitinya dengan pembulatan angka desimal dua
digit di belakang koma.
e. Tentukan nilai derajat bebas (db/dk/df),
Nilai derajat bebas ditentukan berdasarkan kebutuhan untuk mencari nilai
pada tabel (n−1). Tidak semua tabel memerlukan nilai derajat bebas.
f. Tentukan nilai tabel,
Lihat tabel sesuai dengan rumus statistik penguji, jenis uji hipotesis (satu
atau dua sisi), nilai df dan α
g. Tentukan daerah penolakan,
Daerah penolakan Ho atau signifikansi hasil uji, tergantung pada jenis
hipotesisnya. Pada uji hipotesis satu sisi, daerah penolakannya berada satu
sisi kanan (>) atau kiri (<), sedangkan uji dua sisi, daerah penolakannya sisi
kanan dan kiri, sehingga α dibagi dua bagian.
Signifikansi perbedaan dapat dilihat berdasarkan nilai hitung statistik uji
dibandingkan nilai tabel. Bila nilai hitung statistik uji ≥ nilai tabel, maka
Ho ditolak, Ha diterima, berarti terdapat perbedaan yang signifikan,
sebaliknya bila nilai hitung statistik uji < nilai tabel, maka Ho diterima, Ha
ditolak, berarti terdapat perbedaan yang tidak signifikan.
Signifikansi juga dapat dilakukan dengan menggunakan gambar kurva
distribusi data. Bila hasil hitung terletak pada posisi daerah penolakan,
maka Ho ditolak, Ha diterima, berarti terdapat perbedaan yang signifikan,

2
sebaliknya bila pada posisi daerah penerimaan, maka Ho diterima, Ha
ditolak, berarti terdapat perbedaan yang tidak signifikan.
Signifikansi perbedaan dapat didasarkan nilai p (probabilitas) dibandingkan
nilai α . Bila nilai p ≤ nilai α , maka Ho ditolak, Ha diterima, berarti
terdapat perbedaan yang signifikan, sebaliknya bila nilai p > nilai α , maka
Ho diterima, Ha ditolak, berarti terdapat perbedaan yang tidak signifikan
h. Simpulan.
Simpulan ditulis pernyataan hipotesis yang diterima diikuti nilai α .

3
A. Z test uji beda mean satu sampel

1. Rumus Z
X −μo
Z=
σ
N
Keterangan :
Z = nilai Z
X = rata-rata data kenyataan
µ 0 = rata-rata data standar / angka
σ = standar deviasi data standar
N = banyaknya sampel
2. Kegunaan
Menguji perbedaan mean data hasil kenyataan di lapangan dengan data
standar / ketentuan baku / peraturan atau mean data hasil kenyataan di
lapangan yang dianggap sebagai standar.
3. Ketentuan aplikasi
a. Data berskala interval atau rasio.
b. Standar deviasi (penyimpangan) pada standar (data yang
dianggap standar) telah diketahui.
c. Signifikansi, nilai hasil hitung Z dibandingkan dengan nilai
tabel distribusi normal (lampiran 1). Pada uji dua sisi daerah
penerimaan Ho, jika −Z0,5α < Zhitung < Z0,5α , sedangkan pada uji satu sisi
daerah penerimaan Ho, jika Zhitung < Zα atau nilai mutlak hitung kurang
dari nilai mutlak tabel.
4. Contoh aplikasi
Sirup A mempunyai daya tahan 800 hari sampai batas kadaluarsa, dengan
simpangan baku 20 sesuai ketentuan pabrik. Akhir-akhir ini ada keluhan
masyarakat, bahwa sirup A sudah rusak sebelum tanggal kadaluarsanya
sesuai yang tertulis pada label sirup. Untuk itu dilakukan penelitian
terhadap 6 sirup A. Ternyata didapatkan rata-rata daya tahan sirup A 790
hari. Selidikilah dengan α = 5%, apakah daya tahan sirup A sudah turun ?
Penyelesaian :
a. Hipotesis
Ho : DT790 = DT800 ; daya tahan sirup A tidak beda dengan 800 hari
Ha : DT790 < DT800 ; daya tahan sirup A kurang dari 800 hari

4
b. Level signifikansi (α )
α = 5%
c. Rumus statistik penguji
Z = X −σµo
N
d. Hitung rumus statistik penguji
Diketahui :
X = 790
µ 0 = 800
σ = 20
N = 6
X −μ
Z= σ o
N
Z= 790 − 800
20
6
Z = −1,225
e. Df/db/dk
Dalam uji Z tidak diperlukan nilai df
f. Nilai tabel
Nilai tabel Z kurva normal (lampiran 1). Uji satu sisi, α = 5%, Z =
1,65.
g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


- 1,225  < -1,65  ; berarti Ho diterima, Ha ditolak
h. Simpulan
Daya tahan sirup A masih sesuai dengan 800 hari pada α = 5%.
5
B. t test uji beda mean satu sampel

1. Rumus t
t = X − µo
SD
N
Keterangan :
T = nilai t
X = rata-rata data kenyataan
µ 0 = rata-rata data standar / angka
SD = standar deviasi data kenyataan
N = banyaknya sampel
2. Kegunaan
Menguji perbedaan mean data hasil kenyataan di lapangan dengan data
standar / ketentuan baku / peraturan atau mean data hasil kenyataan di
lapangan yang dianggap sebagai standar.
3. Ketentuan aplikasi
a. Data berskala interval atau rasio.
b. Standar deviasi (penyimpangan) diketahui dari hasil
perhitungan data kenyataan di lapangan.
c. Signifikansi, nilai hasil hitung t dibandingkan dengan nilai
tabel t distribusi student (lampiran 2), derajat bebas (N−1). Pada uji dua
sisi daerah penerimaan Ho, jika −t0,5α < thitung < t0,5α , sedangkan pada uji
satu sisi daerah penerimaan Ho, jika thitung < tα atau nilai mutlak hitung
kurang dari nilai mutlak tabel.
4. Contoh aplikasi
Tingkat kekeruhan maksimal air minum yang diperbolehkan Permenkes
No. 416/Permenkes/IX/1990 adalah 25 unit. Berdasarkan penelitian di
lapangan terhadap jenis air sumur didapatkan tingkat kekeruhannya 26
unit, dengan standar deviasi 3 unit dari pengujian 40 sampel air sumur.
Selidikilah dengan α =1%, apakah air sumur telah melebihi ketentuan
permenkes ?
Penyelesaian :
a. Hipotesis
Ho : K26 = K25 ; tidak beda kekeruhan air sumur dengan permenkes
Ha : K26 > K25 ; ada beda lebih kekeruhan air sumur dengan permenkes

6
b. Level signifikansi (α )
α = 1%
c. Rumus statistik penguji
t = X − µo
SD
N
d. Hitung rumus statistik penguji
Diketahui :
X = 26
µ 0 = 25
SD = 3
N = 40
t = X − µo
SD
N
t= 26 − 25
3
40
t = 2,11
e. Df/db/dk
Df = N – 1 = 40 – 1 = 39
f. Nilai tabel
Nilai tabel t distribusi student (lampiran 2). Uji satu sisi, α = 1%, df =
39, nilai t tabel = 2,42
g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


2,11  < 2,42 ; berarti Ho diterima, Ha ditolak
h. Simpulan

7
Tingkat kekeruhan air sumur tidak beda dengan permenkes pada
α =1%.

8
C. t test (pre – post) uji beda dua mean data berpasangan

1. Rumus t
∑di
t=
2
N∑d 2 −  ∑di 
i
N −1
Keterangan :
t = nilai t
d = selisih nilai post dan pre (nilai post – nilai pre)
N = banyaknya sampel pengukuran
2. Kegunaan
Menguji perbedaan kondisi sebelum dan setelah perlakukan
3. Ketentuan aplikasi
a. Data berpasangan (satu sampel diukur dua kali, yaitu
keadaan sebelum perlakukan dan setelah perlakuan)
b. Data memenuhi asumsi distribusi normal.
c. Data berskala interval atau rasio
d. Signifikansi, nilai hasil hitung t dibandingkan dengan nilai
tabel t (lampiran 2), derajat bebas (N−1). Pada uji dua sisi daerah
penerimaan Ho, jika −t0,5α < thitung < t0,5α , sedangkan pada uji satu sisi
daerah penerimaan Ho, jika thitung < tα atau nilai mutlak hitung kurang
dari nilai mutlak tabel.
4. Contoh aplikasi
NO SKOR PENGETAHUAN SEBELUM SKOR PENGETAHUAN SETELAH
PENYULUHAN (PRE) PENYULUHAN (POST)
1. 30 34
2. 29 29
3. 26 29
4. 29 32
5. 28 28
6. 32 32
7. 30 33
8. 28 28
9. 28 29
10. 26 30
11. 29 30

9
12. 27 27
Uji coba model penyuluhan untuk meningkatkan pengetahuan masyarakat
telah dilaksanakan didapat data di atas. Sebelum penyuluhan dilakukan pre
test dan setelah penyuluhan dilakukan post test dengan soal yang sama.
Selidikilah dengan α = 1%, apakah model penyuluhan mampu
meningkatkan pengetahuan masyarakat ?

Penyelesaian :
a. Hipotesis
Ho : Ppost = Ppre ; tidak ada perbedaan pengetahuan antara sebelum dan
setelah disuluh
Ha : Ppost > Ppre ; ada peningkatan pengetahuan setelah disuluh dibanding
sebelumnya
b. Level signifikansi (α )
α = 1%
c. Rumus statistik penguji
∑di
t=
2
N∑d 2 −  ∑di 
i
N −1
d. Hitung rumus statistik penguji
Diketahui:
N = 12
NOMOR (PRE) (POST) d (post-pre) d2
1. 30 34 4 16
2. 29 29 0 0
3. 26 29 3 9
4. 29 32 3 9
5. 28 28 0 0
6. 32 32 0 0
7. 30 33 3 9
8. 28 28 0 0
9. 28 29 1 1
10. 26 30 4 16
11. 29 30 1 1
12. 27 27 0 0
10
JUMLAH 19 61
∑di
t=
2
N∑d 2 −  ∑di 
i
N −1

t= 19
12 .61 −19 2
12 −1

t = 3, ,27

e. Df/db/dk
Df = N – 1 = 12 – 1 = 11

f. Nilai tabel
Nilai tabel t distribusi student (lampiran 2). Uji satu sisi, α =1%, df=11,
nilai t tabel = 2,718

g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


3,27  > 2,718 ; berarti Ho ditolak, Ha diterima

h. Simpulan
Ada peningkatan pengetahuan setelah disuluh dibanding sebelumnya,
pada α = 1%.

11
D. t test (post – post) uji beda dua mean data tidak berpasangan (independent)

1. Rumus t
X1 −X 2 X1 −X 2
t= =
Sx −x
1 2 S2 + S2
N1 N 2


2 2
 ∑X  
 ∑X 
2 1 2 2
∑X1 − N
  + ∑X −
2

N2

2
S = 1
N1 + N2 − 2
Keterangan :
t = nilai t
X1 = rata-rata data pertama
X2 = rata-rata data kedua
X1 = data pertama
X2 = data ke dua
SX1-X2 = standar error
2
S = estimasi perbedaan kelompok
N1 = banyaknya sampel pengukuran kelompok pertama
N2 = banyaknya sampel pengukuran kelompok kedua
2. Kegunaan
Menguji perbedaan mean data dua kelompok yang berbeda, data hasil
kenyataan di lapangan suatu kelompok dengan mean data hasil kenyataan
di lapangan kelompok lain.
3. Ketentuan aplikasi
a. Data berskala interval atau rasio.
b. Data berdistribusi normal.
c. Kedua kelompok memiliki varians yang sama.
d. Banyaknya anggota kelompok (N) kedua kelompok tidak
harus sama, boleh sama, boleh berbeda.
e. Signifikansi, nilai hasil hitung t dibandingkan dengan nilai
tabel t (lampiran 2), derajat bebas (N1+N2−2). Pada uji dua sisi daerah
penerimaan Ho, jika −t0,5α < thitung < t0,5α , sedangkan pada uji satu sisi
daerah penerimaan Ho, jika thitung < tα atau nilai mutlak hitung kurang
dari nilai mutlak tabel.
4. Contoh aplikasi
12
Berikut ini data pengukuran sumber kebisingan pada industri semen dan
baja.

TINGKAT KEBISINGAN PADA SUMBER BISING


INDUSTRI SEMEN & BAJA
INDUSTRI SEMEN (dB) INDUSTRI BAJA (dB)
124 142
120 101
98 108
104 124
132 135
108 129
134 143
130 127
128 134
138 129
120 120

Selidikilah dengan α = 5%, apakah ada perbedaan tingkat kebisingan


antara di industri semen dan baja ?

Penyelesaian :
a. Hipotesis
Ho : K.semen = K.baja ≈ tidak berbeda kebisingan di industri semen
dan baja
Ha : K.semen ≠ K.baja ≈ berbeda kebisingan di industri semen dan
baja
b. Level signifikansi
α = 5% = 0,05
c. Rumus statistik penguji
X1 −X 2
t=
S2 + S2
N1 N 2

13

2 2
 ∑X  
 ∑X 
2 1 2 2
∑X1 − N
  +∑X 2 − 
N2

2
S = 1
N1 + N2 − 2

d. Hitung nilai statistik penguji


Diketahui:
N1 = 11
N2 = 11
NO IND SEMEN X 12 IND BAJA X 22
1 124 15.376 142 20.164
2 120 14.400 101 10.201
3 98 9.604 108 11.664
4 104 10.816 124 15.376
5 132 17.424 135 18.225
6 108 11.664 129 16.641
7 134 17.956 143 20.449
8 130 16.900 127 16.129
9 128 16.384 134 17.956
10 138 19.044 129 16.641
11 120 14.400 120 14.400
JUMLAH 1.336 163.968 1.392 177.846
RATA-RATA 121,45 126,55

 X 
2  X 
2
∑ X12 −  ∑ 1+∑ X2 2 −  ∑ 2 
N1 N2
S2 =
N1 + N2 − 2

2 2
163968 − 1336 +177846 − 1392
S2 = 11 11
11 +11 − 2

S2 =169,97

14
X1 −X 2
t=
S2 + S2
N1 N 2

121 ,45 −126 ,55


t=
169 ,97 +169 ,79
11 11

t =0,92

e. Df/dk/db
Df = N1 + N2 – 2 = 11 + 11 – 2 = 20

f. Nilai tabel
Nilai tabel pada tabel t distribusi student (lampiran 2). Uji dua sisi, α =
5%, df = 20, nilai t tabel = ± 2,086

g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


0,92  < 2,086 ; berarti Ho diterima, Ha ditolak

h. Simpulan
Tidak berbeda kebisingan di industri semen dan baja, pada α = 5%.

15
E. Analisis Varians (Anava) uji beda mean tiga atau lebih sampel

1. Rumus F
Ringkasan Anava
SUMBER DERAJAT JUMLAH KUADRAT MEAN F
VARIASI KEBEBASAN (JK) KUADRAT
(db) (MK)
Kelompok dbK = K - 1 2 2 JK K MK K
K = db F = MK

 ∑X  
 ∑X 
K  MKT 
(K) JK K = ∑   −  
nK N K d
Dalam dbd = N – K JKd = JKT - JKK JK
MK d = d
(d) db d
Total dbT = N – 1  X 
2 MKT
(T) 2 ∑ T
JK T = ∑ X − 
T N
Keterangan :
F = nilai F
X = nilai observasi
nK = banyaknya objek pada kelompok k
K = banyaknya kelompok
N = banyaknya seluruh objek
2. Kegunaan
Menguji perbedaan mean dari beberapa kelompok (lebih dari dua
kelompok) dengan menggunakan analisis variansi.
3. Ketentuan aplikasi
a. Data berskala interval atau rasio.
b. Varians masing-masing kelompok tidak berbeda, alternatif
uji bila varians data pada masing-masing kelompok berbeda adalah uji
non parametrik Kruskal Wallis.
c. Signifikansi, nilai hasil hitung F dibandingkan dengan nilai
tabel F (lampiran 4), derajat bebas v1=(k-1) dan v2=(N-k). Bila Ho
ditolak, maka untuk melihat rincian perbedaan dilanjutkan dengan uji
HSD atau LSD atau t test data tak berpasangan.
4. Contoh aplikasi
Di bawah ini data berat badan (satuan kg) bayi lahir di empat desa yang
dicatat petugas desa masing-masing. Selidikilah dengan α = 5%, apakah
ada perbedaan berat badan bayi lahir di masing-masing desa?
16
NOMOR DESA ARJO DESA BARU DESA CITA DESA DUKU
1. 2,58 3,15 2,40 2,75
2. 2,54 2,88 2,85 2,82
3. 2,48 2,76 3,00 2,67
4. 2,65 3,08 3,02 2,59
5. 2,50 3,10 2,95 2,84
6. 2,46 2,98 2,74
7. 2,90 2,58
8. 2,89 2,90
9. 3,00

Penyelesaian :

a. Hipotesis
Ho : BDA = BDB = BDC = BDD ≈ tidak ada perbedaan berat badan bayi
baru lahir di Desa Arjo, Desa Baru, Desa Cita, Desa Duku
Ha : BDA ≠ BDB ≠ BDC ≠ BDD ≈ ada perbedaan berat badan bayi baru
lahir di Desa Arjo, Desa Baru, Desa Cita, Desa Duku

b. Level signifikansi
α = 5%

c. Rumus statistik penguji

SUMBER DERAJAT JUMLAH KUADRAT MEAN F


VARIASI KEBEBASAN (JK) KUADRAT
(db) (MK)
Kelompo dbK = K - 1 2 2 JK K MK K
K = db F = MK

 ∑X  
 ∑X 
k (K) K  MKT 
JK K = ∑   −  
K d
nK N
Dalam dbd = N – K JKd = JKT - JKK JK
(d) MK d = d
db d
Total dbT = N – 1  X 
2 MKT
(T) 2 ∑ T
JK T = ∑ X − 
T N
17
d. Hitungan rumus statistik penguji
NO DESA DESA DESA DESA JUMLAH
ARJO BARU CITA DUKU
1. 2,58 3,15 2,40 2,75
2. 2,54 2,88 2,85 2,82
3. 2,48 2,76 3,00 2,67
4. 2,65 3,08 3,02 2,59
5. 2,50 3,10 2,95 2,84
6. 2,46 2,98 2,74
7. 2,90 2,58
8. 2,89 2,90
9. 3,00
Σ XK 15,21 26,74 14,22 21,89 78,06 (Σ XT)
nK 6 9 5 8 28 (N)
Mean 2,54 2,97 2,84 2,74
Σ XK2 (Σ XT2
38,58 79,57 40,71 59,99 218,85 )
 X 
2
2 ∑ T
JK T = ∑X − 
T N
2
JK T = 218 ,85 − 78,06
28
JK T =1,230
 X 
2  2
∑ K  ∑ X 
JK K = ∑  −  T 
nK N
2 2 2 2 2
JK K = 15,21 + 26,74 + 14,22 + 21,89 − 78,06
6 9 5 8 28
JK K = 0,724
JKd = JKT - JKK
JKd = 1,230 - 0,724
JKd = 0,506
dbK = K – 1 = 4 – 1 = 3
18
dbd = N – K = 28 – 4 = 24
dbT = N – 1 = 28 – 1 = 27
JK
MK K = K
dbK
MK K = 0,724
3
MK K = 0,241
JK d
MK d =
db d
0,506
MK d =
24
MK d = 0,021
MK K
F=
MK d
F = 0,241
0,021
F =11,476
e. Df/db/dk
dbK = K – 1 = 4 – 1 = 3  v1
dbd = N – K= 28 – 4 = 24  v2
f. Nilai tabel
Nilai tabel F (lampiran 4), α = 5%, df = 3 ; 24, Nilai tabel F = 3,01
g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


11,476  > 3,01; berarti Ho ditolak, Ha diterima
h. Simpulan
Ada perbedaan berat badan bayi baru lahir di Desa Arjo, Desa Baru,
Desa Cita, Desa Duku, pada α = 5%.

19
Bila Ho ditolak, maka dicari kelompok mana yang berbeda, namun bila Ho
diterima, berarti berat badan bayi keempat kelompok desa tersebut
semuanya tidak beda, tidak perlu dicari secara rinci.
Untuk memerinci perbedaan masing-masing kelompok dapat dilakukan
dengan menggunakan :
 Uji dengan menggunakan Higly Significance Difference (HSD)
 Uji dengan menggunakan Leat Significance Difference (LSD)
 T test untuk dua kelompok sampel yang berbeda (independent)
MK d MK d
HSD0,05 antara X1 dan X2 = q0,05, df=dfd +
N1 N2
Beda signifikan jika X1 - X 2 > HSD0,05
HSD = Higly Significance Difference
X1 = mean kelompok 1
X2 = mean kelompok 2
MKd = Mean kuadrat dalam
N1 = banyaknya anggota sampel 1
N2 = banyaknya anggota sampel 2
q = nilai tabel q (lampiran 6)
MK d MK d
BEDA q0,05, df=dfd + X1 - X2  KET
N1 N2
0,021 0,021 signifikan
A vs B 4,17 6
+
9
= 0,318 2,54 – 2,97= 0,43

0,021 0,021 tidak


A vs C 4,17 + = 0,366 2,54 – 2,84= 0,30 signifikan
6 5
0,021 0,021 tidak
A vs D 4,17 + = 0,326 2,54 – 2,74= 0,20 signifikan
6 8
0,021 0,021 tidak
B vs C 4,17 + = 0,337 2,97 – 2,84= 0,13 signifikan
9 5
0,021 0,021 tidak
B vs D 4,17 + = 0,294 2,97 – 2,74= 0,23 signifikan
9 8
0,021 0,021 tidak
C vs D 4,17 + = 0,344 2,84 – 2,74= 0,10 signifikan
5 8

20
MK d MK d
LSD0,05 antara X1 dan X2 = t0,05,df=dfd +
N1 N2

Beda signifikan jika X1 - X 2 ≥ LSD0,05


LSD = Leat Significance Difference
X1 = mean kelompok 1
X2 = mean kelompok 2
MKd = kuadrat dalam
N1 = banyaknya anggota sampel 1
N2 = banyaknya anggota sampel 2
t = nilai tabel t (lampiran 2)

MK d MK d
BEDA t0,05 df=dfd + X1 - X2  KET
N1 N2
0,021 0,021
A vs B 2,064 + = 0,158 2,54 – 2,97= 0,43 signifikan
6 9
0,021 0,021
A vs C 2,064 + = 0,181 2,54 – 2,84= 0,30 signifikan
6 5
0,021 0,021
A vs D 2,064 + = 0,162 2,54 – 2,74= 0,20 signifikan
6 8
0,021 0,021
B vs C 2,064 + = 0,167 2,97 – 2,84= 0,13 tidak
9 5
signifikan
0,021 0,021
B vs D 2,064 + = 0,145 2,97 – 2,74= 0,23 signifikan
9 8
0,021 0,021
C vs D 2,064 + = 0,171 2,84 – 2,74= 0,10 tidak
5 8
signifikan

21
F. Z test uji beda proporsi satu sampel

1. Rumus Z
X −π
o
Z= N
πo (1 − πo )
N
Keterangan :
Z = nilai Z
X = banyaknya kejadian
π o = proporsi anggapan / standar / acuan
N = banyaknya sampel
2. Kegunaan
Menguji perbedaan proporsi pernyataan / pendapat anggapan / standar /
ketentuan baku / peraturan dengan data hasil kenyataan di lapangan.
3. Ketentuan aplikasi
a. Populasi binom.
b. Signifkansi, nilai hasil hitung Z dibandingkan dengan nilai
tabel distribusi normal (lampiran 1). Pada uji dua sisi daerah
penerimaan Ho, jika −Z0,5α < Zhitung < Z0,5α , sedangkan pada uji satu sisi
daerah penerimaan Ho, jika Zhitung < Zα atau nilai mutlak hitung kurang
dari nilai mutlak tabel.
4. Contoh aplikasi
Menurut pendapat pakar bahwa masyarakat mengikuti program keluarga
berencana baik secara mandiri atau ikut program pemerintah tidak melebihi
85%. Pendapat tersebut diuji dengan mengambil sampel 6800 masyarakat
yang diidentifikasi keikutsertaannya pada program keluarga berencana.
Berdasarkan penelitian diperoleh data, bahwa sebanyak 5824 ikut program
keluarga berencana dan 976 orang tidak ikut program keluarga berencana.
Selidikilah dengan α = 10%, apakah pendapat pakar tersebut benar ?

Penyelesaian :
a. Hipotesis
Ho:π =85%;tidak beda proporsi peserta keluarga berencana dengan
85%

22
Ha: π > 85%; ada beda proporsi peserta keluarga berencana dengan
85%
b. Level signifikansi (α )
α = 10%
c. Rumus statistik penguji
X −π
o
Z= N
πo (1 − πo )
N
d. Hitung rumus statistik penguji
Diketahui :
X = 5824
π o = 85%
N = 6800
X −π
o
Z= N
πo (1 − πo )
N
5824 − 0,85
Z = 6800
0,85.(1 − 0,85)
6800
Z =1,5048

e. Df/db/dk
Dalam uji Z tidak diperlukan nilai df
f. Nilai tabel
Nilai tabel Z kurva normal (lampiran 1). Uji satu sisi α = 10%, Z =
1,28
g. Daerah penolakan
1). Menggunakan gambar

23
2). Menggunakan rumus
 1,5048  > 1,28 ; berarti Ho ditolak, Ha diterima
h. Simpulan
Proporsi peserta keluarga berencana beda lebih dari 85%, pada α =
0,10.

24
G. Z test uji beda proporsi dua sampel

1. Rumus Z
X1 X2

n1 n 2
Z=
 
p.q. 1 + 1 
n n 2 
 1
Keterangan :
Z = nilai Z
X1 = banyaknya kejadian kelompok 1
X2 = banyaknya kejadian kelompok 2
n1 = banyaknya sampel 1
n2 = banyaknya sampel 2
p = proporsi kejadian secara keseluruhan kedua kelompok
q = proporsi tidak terjadinya kejadian secara keseluruhan kedua
kelompok
X1 + X2
p=
n1 + n 2
q=1–p

2. Kegunaan
Menguji perbedaan dua proporsi data hasil kenyataan di lapangan.
3. Ketentuan aplikasi
a. Populasi binom.
b. Signifikansi, nilai hasil hitung Z dibandingkan dengan nilai
tabel distribusi normal (lampiran 1). Pada uji dua sisi daerah
penerimaan Ho, jika −Z0,5α < Zhitung < Z0,5α , sedangkan pada uji satu sisi
daerah penerimaan Ho, jika Zhitung < Zα atau nilai mutlak hitung kurang
dari nilai mutlak tabel.
4. Contoh aplikasi
Bayi yang sudah diimunisasi di Kecamatan Baru sebanyak 467 bayi dari
total 542 bayi, sedangkan di Kecamatan Suka sebanyak 571 bayi telah
diimunisasi dari total 642 bayi. Selidikilah dengan α = 5%, apakah
proporsi bayi yang telah diimunisasi kedua kecamatan tersebut sama ?

25
Penyelesaian :
a. Hipotesis
Ho: π S =π B; tidak beda proporsi pencapaian imunisasi kedua
kecamatan
Ha: π S ≠ π B ; ada beda proporsi pencapaian imunisasi kedua
kecamatan
b. Level signifkansi (α )
α = 5%
c. Rumus statistik penguji
X1 X2

n1 n 2
Z=
 
p.q. 1 + 1 
n n 2 
 1

X + X2
p= 1
n1 + n 2
q=1–p

d. Hitung rumus statistik penguji


Diketahui :
X1 = 467
X2 = 571
n1 = 542
n2 = 638

X + X2
p= 1
n1 + n 2

p = 467 + 571
542 + 638

p = 0,8797

q =1 – p
26
q = 1 – 0,8797
q = 0,1203
X1 X2

n1 n 2
Z=
 
p.q. 1 + 1 
n n 2 
 1

467 − 571
Z= 542 638
0,8797 .0,1203 . 1 + 1 
 

 542 638 

Z = −1,7579

e. Df/db/dk
Dalam uji Z tidak diperlukan nilai df

f. Nilai tabel
Nilai tabel pada tabel Z kurva normal (lampiran 1). Uji dua sisi α =
5% ≈ Z = ± 1,96

g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


 − 1,7579  < 1,96 ; berarti Ho diterima, Ha ditolak

h. Simpulan

27
Proporsi pencapaian imunisasi kedua kecamatan tidak beda, pada α =
5%.

28
H. X2 test uji beda varians satu sampel

1. Rumus
2
X2 = (n −1).s
σ2
0
Keterangan :
X2 = nilai chi-square
n = banyaknya sampel
s2 = nilai varians data di lapangan
σ = nilai variansi standar

2. Kegunaan
Menguji perbedaan varians pernyataan / pendapat anggapan / standar /
ketentuan baku / peraturan dengan data hasil kenyataan di lapangan.
3. Ketentuan aplikasi
a. Data berdistribusi normal
b. Signifikansi, nilai hasil hitung X2 dibandingkan dengan tabel
X2 (lampiran 3), derajat bebas (n-1). Pada uji dua sisi daerah
penerimaan Ho, jika kecil X20,5α < X2hitung < X20,5α , sedangkan pada uji
satu sisi daerah penerimaan Ho, jika X2hitung < X2α atau nilai mutlak
hitung kurang dari nilai mutlak tabel.
4. Contoh aplikasi
Suatu sirup A mempunyai daya tahan 800 hari sampai batas kadaluarsanya,
dengan simpangan baku 20 sesuai dengan ketentuan pabrik pembuatnya.
Akhir-akhir ini ada keluhan masyarakat, bahwa sirup A sudah rusak
sebelum tanggal kadaluarsanya sesuai yang tertulis pada label sirup. Untuk
itu dilakukan penelitian terhadap 6 sirup A tersebut. Ternyata didapatkan
hasil rata-rata daya tahan sirup A 790 hari dengan simpangan baku 8,6.
Selidikilah dengan α = 5%, apakah ada kesamaan varians antara dua data
tersebut ?

Penyelesaian
a. Hipotesis
Ho : V73,96 = V400 ≈ tidak ada beda varians sirup A dengan data
lapangan
Ha : V73,96 ≠ V400 ≈ ada beda varians sirup A dengan data lapangan
29
b. Level signifikansi (α )
α = 5%
c. Rumus statistik penguji
2
X2 = (n −1).s
σ2
0
d. Hitung rumus statistik penguji
Diketahui:
n = 6
s = 8,6
σ = 20

2
X 2 = (n −1).s
σ 2
0
X2 = (6 −1). 8,62
20 2
2
X =0,92
e. Df/db/dk
Df = n – 1 ; 6 – 1 = 5
f. Nilai tabel
Nilai tabel X2 (lampiran 3); 0,5α ; df = 5 ; = 12,83
Nilai tabel X2 (lampiran 3); 0,5α ; df=5 ; = 0,83
g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


0,83 < 0,92 < 12,83 ; berarti Ho diterima, Ha ditolak
h. Simpulan
Tidak ada beda varians sirup A dengan data lapangan, pada α = 5,%

30
I. F test uji beda varians dua sampel

1. Rumus
F = Varians.te rbesar
Varians.te rkecil

2. Kegunaan
Menguji perbedaan dua varians data hasil kenyataan di lapangan.

3. Ketentuan aplikasi
Signifikansi, nilai F hasil perhitungan dibandingkan dengan F tabel
(lampiran 4), F½α (v1;v2), v1 = (npembilang – 1), v2 = (npenyebut – 1)

4. Contoh aplikasi
Hasil pengukuran temperatur terhadap dua kelompok rumah, yaitu 21
rumah tipe 36 dan 16 rumah tipe 54 didapatkan hasil : standar deviasi
rumah tipe 36 sebesar 1,55, sedangkan pada rumah tipe 54 memiliki
standar deviasi 1,48. Selidikilah dengan α = 10%, apakah varians kedua
kelompok rumah sama?

Penyelesaian:

a. Hipotesis
Ho : V36 = V54 ≈ tidak ada beda varians rumah tipe 34 dan rumah tipe
54
Ha : V36 ≠ V54 ≈ ada beda varians rumah tipe 34 dan rumah tipe 54

b. Level signifikansi (α )
α = 10%

c. Rumus statistik penguji


Varians.te rbesar
F=
Varians.te rkecil

d. Hitung rumus statistik penguji

31
Varians.te rbesar
F=
Varians.te rkecil
2,40
F=
2,19
F =1,10

e. Df/db/dk
v1 = (21 – 1),
v1 = 20
v2 = (16 – 1)
v2 = 15

f. Nilai tabel
Nilai tabel F (lampiran 4) ; ½α = 5%, df = 20 ; 15, Nilai tabel F =
2,33

g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


1,10  < 2,33; berarti Ho diterima, Ha ditolak

h. Simpulan
Tidak ada beda varians rumah tipe 34 dan rumah tipe 54, pada α =
10% = 0,10

32
J. X2 (Chi – Square) uji kesesuaian distribusi satu sampel

1. Rumus
(O − E ij )
2

X = ∑∑
2 ij

E ij
Keterangan :
X2 = Nilai X2 chi-square
Oij = Nilai observasi
Eij = Nilai expected / harapan
2. Kegunaan
Test goodness of-fit, melihat kesesuaian distribusi sampel dengan distribusi
teoritis.
3. Ketentuan aplikasi
a. Data berskala katagorik / nominal atau ordinal
b. Nilai expected (Eij) yang kurang dari 5 tidak boleh lebih dari
20% dan nilai expected (Eij) tidak boleh kurang dari 1
c. Signifikansi, nilai hasil hitung X2 dibandingkan dengan tabel
X2 (lampiran 3), derajat bebas = k (katagori) – 1.
4. Contoh aplikasi
Pengelolah rumah sakit berharap bahwa pasien yang berobat ke rumah sakit
memiliki propor tingkat sosial ekonomi yang seimbang antara kelas
ekonomi rendah (< UMR), cukup (1 s/d 2 UMR), sedang (3 s/d 4 UMR),
tinggi (>4 UMR). Berdasarkan data 60 sampel orang yang berobat ke
rumah sakit didapat data sebagai berikut:
< 1 UMR 1 s/d 2 UMR 3 s/d 4 UMR > 4 UMR
Harapan 15 15 15 15
kenyataan 20 25 10 5
Selidikilah dengan α = 20%, apakah harapan pengelolah rumah sakit
terpenuhi?

Penyelesaian
a. Hipotesis
Ho : KEh = KEk ≈ tidak ada beda kelas sosial ekonomi harapan
dengan kenyataan
Ha : KEh ≠ KEk ≈ ada beda kelas sosial ekonomi harapan dengan
kenyataan
33
b. Level signifikansi (α )
α = 10%
c. Rumus statistik penguji
(O − E ij )
2

X = ∑∑
2 ij

E ij
d. Hitung statistik penguji

2
O
 ij −Eij 
X2 =∑∑  
Eij

X2 = (20 −15 ) + (25 −15 ) + (10 −15 ) + (5 −15 )


2 2 2 2
15 15 15 15
X2 =16 ,67

e. Df/db/dk
Df = k – 1 = 4 - 1 = 3

f. Nilai tabel
Nilai tabel X2 (lampiran 3) ; α = 0,10 ; df = 3 ; Nilai X2= 6,25

g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


16,67  > 6,25; berarti Ho ditolak, Ha diterima

h. Simpulan
Ada beda kelas sosial ekonomi harapan dengan kenyataan, pada α =
10%

34
K. Run test uji randomitas satu sampel

1. Rumus

Rumus Sampel Kecil ≤ 20


n1 atau n2 yang tertinggi ≤ 20
Data diubah dalam dua katagori. Beri tanda katagori 1 dan katagori 2
dengan urutan tetap. Hitung r (run) urutan yang berbeda. Bandingkan tabel
F1 dan F2 (lampiran 16)

Rumus Sampel Besar > 20


n1 atau n2 yang tertinggi > 20
Data diubah dalam dua katagori. Beri tanda katagori 1 dan katagori 2
dengan urutan tetap. Hitung r (run) urutan yang berbeda, n1 dan n2
 2.n1.n 2 
r −  + 1
Z=
r − µr
=  n1 + n 2 
σr 2.n1.n 2 .( 2.n1.n 2 − n1 − n 2 )
(n1 + n 2 ) 2 .( n1 + n 2 − 1)

Keterangan:
r = banyaknya run
n1 = banyaknya anggota kelompok 1 / katagori 1
n2 = banyaknya anggota kelompok 2 / katagori 2

2. Kegunaan
Menguji randomitas suatu data

3. Ketentuan aplikasi
Data 1 kelompok, tidak sengaja diurut / kondisi alami
Signifikansi gunakan tabel F1 dan F2 (sampel ≤20) (lampiran 16), jika nilai
tabel F1 < r (run) < nilai tabel F2, Ho diterima, Ha ditolak. Ho ditolak, Ha
diterima, jika r ≤ nilai tabel F1 atau r ≥ nilai tabel F2
Siginifikansi pada sampel besar > 20 digunakan tabel Z kurva normal
(lampiran 1). Pada uji dua sisi daerah penerimaan Ho, jika −Z0,5α < Zhitung
< Z0,5α , sedangkan pada uji satu sisi daerah penerimaan Ho, jika Zhitung <
Zα atau nilai mutlak hitung kurang dari nilai mutlak tabel.
35
4. Contoh aplikasi

Sampel Kecil ≤ 20
Pengambilan sampel penderita TB diambil secara acak didapatkan data
sebagai berikut;
No. JENIS KELAMIN PENDERITA TB
1 PRIA
2 PRIA
3 WANITA
4 PRIA
5 PRIA
6 PRIA
7 WANITA
8 WANITA
9 WANITA
10 PRIA
11 WANITA
12 WANITA
13 PRIA
14 PRIA

Selidikilah dengan α = 5%, apakah sampel tersebut random (acak)


berdasarkan jenis kelamin pria dan wanita
Penyelesaian

a. Hipotesis
Ho : tidak beda dengan radom
Ha : ada beda dengan random

b. Level signifikansi
α = 20%

c. Rumus statistik penguji


Lihat tabel

36
d. Hitung statistik penguji
No. JENIS KELAMIN PENDERITA TB TANDA RUN
1 PRIA +
2 PRIA +
3 WANITA -
4 PRIA +
5 PRIA +
6 PRIA +
7 WANITA -
8 WANITA -
9 WANITA -
10 PRIA +
11 WANITA -
12 WANITA -
13 PRIA +
14 PRIA +

r run = 7 ;
n1 (tanda +) = 8 ;
n2 (tanda -) = 6

e. Df/db/dk
Df tidak diperlukan

f. Nilai tabel
Nilai tabel pada tabel F1 dan F2 (lampiran 16), n1 = 8, n2 = 6
F1 = 3, F2 = 12

g. Daerah penolakan
Menggunakan rumus
3 (F1) < 7 < 12 (F2) ; berarti Ho diterima, Ha ditolak

h. Simpulan
Tidak beda dengan radom, pada α = 5%.

37
Sampel Besar > 20
Suatu penelitian tentang sanitasi rumah telah dilakukan. Diambil sebanyak
42 rumah.Masing-masing rumah diukur kelembaban udaranya didapatkan
data urutan sampel berdasarkan kelembaban pada tabel di bawah.
NOMOR KELEMBABAN RUMAH
1 68
2 56
3 78
4 60
5 70
6 72
7 65
8 55
9 60
10 64
11 48
12 52
13 66
14 59
15 75
16 64
17 53
18 54
19 62
20 68
21 70
22 59
23 48
24 53
25 63
26 60
27 62
28 51
29 58
30 68
38
31 65
32 54
33 79
34 58
35 70
36 59
37 60
38 55
39 54
40 60
41 54
42 50
Selidikilah dengan α = 10%, apakah sampel rumah tersebut random (acak)
berdasarkan kelembabannya?
Penyelesaian
a. Hipotesis
Ho : tidak beda dengan radom
Ha : ada beda dengan random
b. Level signifikansi
α = 10% dua sisi
c. Rumus statistik penguji
 2.n1.n 2 
r −  + 1
Z=
r − µr
=  n1 + n 2 
σr 2.n1.n 2 .( 2.n1.n 2 − n1 − n 2 )
(n1 + n 2 ) 2 .(n1 + n 2 − 1)

d. Hitung statistik penguji


NOMOR KELEMBABAN RUMAH TANDA
1 68 +
2 56 -
3 78 +
4 60 -
5 70 +
6 72 +
7 65 +
39
8 55 -
9 60 -
10 64 +
11 48 -
12 52 -
13 66 +
14 59 -
15 75 +
16 64 +
17 53 -
18 54 -
19 62 +
20 68 +
21 70 +
22 59 -
23 48 -
24 53 -
25 63 +
26 60 -
27 62 +
28 51 -
29 58 -
30 68 +
31 65 +
32 54 -
33 79 +
34 58 -
35 70 +
36 59 -
37 60 -
38 55 -
39 54 -
40 60 -
41 54 -
42 50 -
n1 (tanda -) = 24 ; n2 (tanda +) = 18 ; r run = 24
40
 2.n1.n 2 
r −  n + n + 1

r − µr  1 2 
Z= =
σr 2.n1.n 2 .( 2.n1.n 2 − n1 − n 2 )
(n1 + n 2 ) 2 .( n1 + n 2 − 1)
 2.24 .18 
24 −  + 1
r − µr  24 + 18 
Z= =
σr 2.24 .18 .( 2.24 .18 − 24 − 18 )
( 24 + 18 ) 2 .( 24 + 18 − 1)
Z = 0,615

e. Df/db/dk
Df tidak diperlukan

f. Nilai tabel
Nilai tabel pada tabel Z (lampiran 1), Uji dua sisi, α = 10%, =1,65

g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


0,615  < 1,65 ; berarti Ho diterima, , Ha ditolak

h. Simpulan
Tidak beda dengan radom, pada α = 10%.

41
L. Kolmogorov-Smirnov uji kesesuaian satu sampel

1. Rumus
D = maksimum FO(X) – SN(X) 
D = penyimpangan
FO(X) = distribusi komulatif teoritis
SN(X) = distribusi komulatif hasil observasi

2. Kegunaan
Test goodness of-fit, melihat kesesuaian distribusi sampel dengan distribusi
teoritis.

3. Ketentuan aplikasi
Signifikansi, nilai D hitung dibandingkan nilai tabel D (lampiran 10), Ho ;
diterima bila D hitung < D tabel. Ho ; ditolak bila D hitung ≥ D tabel

4. Contoh aplikasi
Peneliti mengambil sampel 100 orang dilihat golongan darahnya. Harapan
peneliti bahwa golongan darah di masyarakat seimbang. Ternyata
didapatkan hasil sebanyak 30 orang bergolongan darah A, 20 orang
bergolongan darah B, 40 orang bergolongan darah AB dan 10 orang
bergolongan darah O. Selidikilah dengan α = 20%, apakah harapan
peneliti terpenuhi?

Penyelesaian

a. Hipotesis
Ho ; GDl = GDp ; tidak beda golongan darah antara harapan peneliti
dengan data kenyataan
Ha : GDl = GDp; ada beda golongan darah antara harapan peneliti
dengan data kenyataan

b. Level signifikansi
α = 20%

c. Rumus statistik penguji


D = maksimum FO(X) – SN(X) 
42
d. Hitung statistik penguji
GOLONGAN DARAH
A B AB O
Masyarakat 30 20 40 10
FO(X) 1/4 2/4 3/4 4/4
SN(X) 30/100 50/100 90/100 100/100
FO(X) – SN(X)  0,05 0,00 0,15 0
D hitung maksimum = 0,15

e. Df/db/dk
Df tidak diperlukan

f. Nilai tabel
1,07 1,07
D tabel (lampiran 10), α = 20% ==> = = 0,107
N 100
g. Daerah penolakan
0,15 (D hitung) > 0,107 (D tabel) Ho ; ditolak, Ha diterima

h. Simpulan
ada beda golongan darah antara harapan peneliti dengan data
kenyataan, pada α = 20%

43
M. X2 (Chi – Square) uji beda katagorik tabel (2 x 2)

1. Rumus
Tabel silang / contingensi 2 x 2
Kategorik A Kategorik B Jumlah (Σ i)
Sampel 1 A (O11) B (O12) r1
Sampel 2 C (O21) D (O22) r2
Jumlah c1 c2 N
(Σ j)
(O − E ij − 0,5 ) 2

X = ∑∑
2 ij

E ij
ri .c j
E ij =
N
atau
2
 N
N  AD − BC − 
 2
X2 =
(A + B)(C + D)(A + C)(B + D)
Keterangan :
X2 = Nilai X2 chi-square
Oij = Nilai observasi
Eij = Nilai expected / harapan
ri = Jumlah baris ke i
cj = Jumlah kolom ke j
N = Grand total
A,B, C, D = Nilai observasi sesuai selnya

2. Kegunaan
Menguji perbedaan dua kelompok pada data dua katagorik.

3. Ketentuan aplikasi
a. Data berskala katagorik / nominal dichotomous
b. Data disajikan dalam tabel silang / contingensi
c. Frekuensi kejadian (Oij) tidak boleh proporsional atau
persentase.
d. Nilai expected (Eij) tidak boleh kurang dari 5 tiap sel.

44
e. Perlu Yate’s correction (pengurangan 0,5)
f. Tidak cocok untuk sampel yang kurang dari 20.
g. Setiap sel harus terisi.
h. Signifikansi, nilai hasil hitung X2 dibandingkan dengan tabel
X2 (lampiran 3), derajat bebas = 1.

4. Contoh aplikasi
Suatu penelitian daya tahan tubuh laki-laki dan wanita terhadap penyakit
Influenza, diperoleh data sebagai berikut :

PENDERITA INFLUENZA MENURUT JENIS KELAMIN


JK INF INFLUENZA (+) INFLUENZA (−) JUMLAH
Laki-laki 11 6 17
Wanita 9 14 23
JUMLAH 20 20 40

Selidikilah dengan = 5%, apakah ada perbedaan daya tahan terhadap


influenza antara laki0laki dan wanita?

Penyelesaian :
a. Hipotesis
Ho : L = W ≈ tidak beda daya tahan terhadap influenza antara laki-laki
dan wanita
Ha : L ≠ W ≈ ada beda daya tahan terhadap influenza antara laki-laki
dan wanita
b. Level signifikansi (α )
α = 5%
c. Rumus Statistik penguji
(O − E ij − 0,5 ) 2

X = ∑∑
2 ij

E ij
d. Hitung rumus statistik penguji.

JK INF INFLUENZA (+) INFLUENZA (−) JUMLAH


Laki-laki 11 6 17
Wanita 9 14 23
JUMLAH 20 20 40
45
ri .c j
E ij =
N

O11 = 11 E11 = (17 x 20) / 40 = 8,5


O12 =6 E12 = (17 x 20) / 40 = 8,5
O21 =9 E21 = (23 x 20) / 40 = 11,5
O22 = 14 E22 = (23 x 20) / 40 = 11,5

2

O
 ij −Eij −0,5 

X 2 =∑∑  
Eij

11 −8,5 −0,5


2  6 −8,5
2 2 2


  −0,5 

 9 −11,5
 −0,5 

14 −11,5 −0,5



X 2 =  +  +  + 
8,5 8,5 11,5 11,5
X 2 =1,64
e. Df/db/dk
Df = ( r-1)(c-1) = (2-1)(2-1) = 1

f. Nilai tabel
Nilai tabel X2 (lampiran 3) ; α = 0,05 ; df = 1 ; = 3,841

g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


1,64  < 3,841; berarti Ho diterima, Ha ditolak

h. Simpulan
Tidak ada beda daya tahan terhadap influenza antara laki-laki dan
wanita, pada α = 0,05.

46
N. Fisher uji beda katagorik dua sampel

1. Rumus

a. Kondisi isi sel terdapat data ( 1 – 0 ), langsung membaca


tabel
− + Jumlah
Kelompok I A B A +B
Kelompok II C D C+D
Jumlah A+C B+D N

b. Kondisi isi sel terdapat data ( 1 – 0 ) atau ( 4 – 2 ),


menghitung nilai p
1). Isi sel ( 1 – 0 )
(A + B)! (C + D)! (A + C)! (B + D)!
p=
N! A! B! C! D!

2). Isi sel ( 4 – 2 )


(A + B)! (C + D)! (A + C)! (B + D)!
p=
N! A! B! C! D!
p = pa + pb + pc
Koreksi Tocher
α − (p b + p c )
p=
pa
2. Kegunaan
Menguji perbedaan data katagorik ===> pengganti Chi Square ketika
persyaratannya tidak dipenuhi

3. Ketentuan aplikasi
a. tabel 2 x 2,
b. salah satu sel frekuensinya < 5,
c. Bagus untuk sampel kecil < 30,
d. Signifikansi, pada aplikasi rumus 1a signifikansi dapat
dilihat langsung nilai p pada tabel Fisher (lampiran 5) dengan
memperhatikan (A+B) dan (C+D), kemudian dibangdingkan α . Pada
rumus 1 b signifikansi langsung membandingkan nilai p dengan α
47
4. Contoh aplikasi
Suatu penelitian tentang faktor keturunan terhadap IQ pada kelompok I
(peminat ilmu sosial) dan kelompok II (peminat ilmu alam) didapatkan data
pada tabel di bawah. Selidikilah dengan α = 5%, apakah terdapat
perbedaan IQ yang signifikan antara kelompok I dan II?

Terdapat anggota Tidak terdapat anggota Jumlah


keluarga IQ tinggi keluarga IQ tinggi
Kelompok I 2 7 9
Kelompok II 5 0 5
Jumlah 7 7 14

Rumus 1 a, langsung membaca tabel


Penyelesaian :
a. Hipotesis
Ho : K1 = K2 ≈ tidak beda faktor keturunan IQ antara kelompok I dan
II
Ha : K1 ≠ K2 ≈ ada beda faktor keturunan IQ antara kelompok I dan II

b. Level signifikansi (α )
α = 5%

c. Rumus statistik penguji


Lihat tabel Fisher (lampiran 5)

d. Hitung statistik penguji


Terdapat anggota Tidak terdapat anggota Jumlah
keluarga IQ tinggi keluarga IQ tinggi
Kelompok I 2 7 9
Kelompok II 5 0 5
Jumlah 7 7 14
A = 2 ; B = 7 ; C = 5 ; D = 0 ; N = 14
(A+B) = (2+7) = 9
(C+D) = (5+0) = 5

48
Lihat tabel Fisher, harga kritis D ;
Jumlah di tepi kanan B / A 0,05 0,025 0,01 0,005
A+B=9 C+D=9
C+D=8
C+D=7
C+D=6
C+D=5 9 2 1 1 1
8 1 1 0 0
7 0 0 - -
6 0 - - -
C+D=4
C+D=3
C+D=2
Letak B = 7, D data 0, signifikan pada 0,025

e. Df/db/dk
Df tidak diperlukan

f. Nilai tabel
Tidak ada.

g. Daerah penolakan
0,025 (p) < 0,05 (α ), Ho ditolak, Ha diterima

h. Simpulan
Ada beda faktor keturunan IQ antara kelompok I dan II, pada α = 5%.

Rumus 1 b, menghitung nilai p

Penyelesaian :

a. Hipotesis

49
Ho : K1 = K2 ≈ tidak beda faktor keturunan IQ antara kelompok I dan
II
Ha : K1 ≠ K2 ≈ ada beda faktor keturunan IQ antara kelompok I dan II

b. Level signifikansi
(α )
α = 10%

c. Rumus statistik
penguji
(A + B)! (C + D)! (A + C)! (B + D)!
p=
N! A! B! C! D!

d. Hitung statistik
penguji
- + Jumlah
Kelompok I 2 7 9
Kelompok II 5 0 5
Jumlah 7 7 14

9!5!7!7!
p=
14!2!7!5!0 !
p = 0,0105

e. Df/db/dk
Df tidak diperlukan

f. Nilai tabel
Nilai tabel tidak ada

g. Daerah penolakan
0,0105 (p) < 0,05 (α ), ; Ho ditolak, Ha diterima

h. Simpulan
Ada beda faktor keturunan IQ antara kelompok I dan II, pada α = 5%.

50
O. Uji U Mann-Whitney uji beda mean dua sampel tidak berpasangan
(independent)

1. Rumus
Rumus sampel kecil ≤ 20
n (n + 1)
U 1 = n 1 .n 2 + 2 2 − ∑R2
2
n (n + 1)
U 2 = n 1 .n 2 + 1 1 − ∑ R1
2
U1 = n1 . n2 – U2
U2 = n1 . n2 – U1
Keterangan :
U1 = Penguji U1
U2 = Penguji U2
R1 = Jumlah rank sampel 1
R2 = Jumlah rank sampel 2
n1 = Banyaknya anggota sampel 1
n2 = Banyaknya anggota sampel 2

Rumus sampel besar > 20


n .n
U− 1 2
Z= 2
n1.n 2 .(n1 + n 2 + 1)
12

Bila ada ranking yang sama dilakukan koreksi, sehingga rumus di atas
menjadi n 1.n 2
U−
Z= 2
 (n 1 + n 2 ) 3 − (n 1 + n 2 ) t 3i − t i 

 n 1.n 2 
  −
 (n + n ).( n + n − 1)  12 12 
 1 2 1 2  

2. Kegunaan
Menguji perbedaan dua mean data hasil kenyataan di lapangan dengan
mean data hasil kenyataan di lapangan.

51
3. Ketentuan aplikasi
a. Data berskala ordinal, interval atau rasio.
b. Data kelompok I dan kelompok II tidak harus sama
banyaknya.
c. Signifikansi sampel kecil ≤ 20, nilai U hitung terkecil
bandingkan dengan nilai U tabel (lampiran 13). Bila U hitung kurang
dari sama dengan U tabel, Ho ditolak, Ha diterima. Sebaliknya bila U
hitung lebih besar dari U tabel Ho diterima, Ha ditolak.
d. Siginifikansi pada sampel besar > 20 digunakan tabel Z
kurva normal (lampiran 1). Pada uji dua sisi daerah penerimaan Ho,
jika −Z0,5α < Zhitung < Z0,5α , sedangkan pada uji satu sisi daerah
penerimaan Ho, jika Zhitung < Zα atau nilai mutlak hitung kurang dari
nilai mutlak tabel.

4. Contoh aplikasi

Sampel kecil ≤ 20
Pengukuran denyut nadi olahragawan wanita dan pria didapatkan data
sebagai berikut
NOMOR DENYUT NADI PRIA DENYUT NADI WANITA
1. 90 79
2. 89 82
3. 82 85
4. 89 88
5. 91 85
6. 86 80
7. 85 80
8. 86
9. 84
Selidikilah dengan α = 1%, apakah ada perbedaan denyut nadi
olahragawan pria dan wanita ?

Penyelesaian :
a. Hipotesis
Ho : Dpria = Dwanita ≈ tidak berbeda denyut nadi olahragawan pria dan
wanita

52
Ha : Dpria ≠ Dwanita ≈ ada berbeda denyut nadi olahragawan pria dan
wanita
b. Level signifikansi
α = 1%

c. Rumus statistik penguji


n (n + 1)
U 1 = n 1 .n 2 + 2 2 − ∑R2
2
n (n + 1)
U 2 = n 1 .n 2 + 1 1 − ∑ R1
2
U1 = n1 . n2 – U2
U2 = n1 . n2 – U1

d. Hitung nilai statistik penguji


Data dicampur antara kelompok pria dan wanita, diurutkan kemudian
diranking. Dalam merangking angka yang sama harus dirangking yang
sama.

NOMOR DENYUT NADI PRIA RANKING ASAL


1. 79 1 wanita
2. 80 2,5 wanita
3. 80 2,5 wanita
4. 82 4,5 pria
5. 82 4,5 wanita
6. 84 6 pria
7. 85 8 pria
8. 85 8 wanita
9. 85 8 wanita
10. 86 10,5 pria
11. 86 10,5 pria
12. 88 12 wanita
13. 89 13,5 pria
14. 89 13,5 pria
15. 90 15 pria
16. 91 16 pria

53
Kelompok dipisahkan menurut Pria dan Wanita
NOMOR PRIA RANKING WANITA RANKING
1. 82 4,5 79 1
2. 84 6 80 2,5
3. 85 8 80 2,5
4. 86 10,5 82 4,5
5. 86 10,5 85 8
6. 89 13,5 85 8
7. 89 13,5 88 12
8. 90 15
9. 91 16
JUMLAH 97,5 38,5
n 2 (n 2 + 1)
U 1 = n 1 .n 2 + − ∑R 2
2
7.(7 + 1)
U 1 = 9.7 + − 38,5
2
U 1 = 52,5
n (n + 1)
U 2 = n 1 .n 2 + 1 1 − ∑R1
2
9.(9 + 1)
U 2 = 9.7 + − 97,5
2
U 2 = 10,5
U1 = n1 . n2 – U2
U1 = 9 . 7 – 10,5
U1 = 52,5
U2 = n1 . n2 – U1
U2 = 9 . 7 – 52,5
U2 = 10,5
Nilai U yang terkecil sebagai penguji, yaitu U2 = 10,5

e. Df/dk/db
Df tidak diperlukan

f. Nilai tabel
54
Nilai tabel pada tabel U (lampiran 13). Uji dua sisi, α = 5%, m = 9 dan
n = 7 nilai tabel U = 12
g. Daerah penolakan
Menggunakan rumus
10,5  < 12 ; berarti Ho ditolak, Ha diterima

h. Simpulan
Ada berbeda denyut nadi olahragawan pria dan wanita, pada α = 5%.

Sampel besar > 20


Suatu riset tentang kepadatan hunian rumah antara di daerah nelayan
daerah pertanian, didapatkan data seperti pada tabel di bawah.
NO Kepadatan Rumah Nelayan Kepadatan Rumah Petani
1 4,25 1,75
2 3,10 2,35
3 3,25 3,22
4 3,05 3,40
5 2,41 2,67
6 2,15 4,01
7 2,25 1,90
8 3,52 2,48
9 2,03 3,33
10 1,85 3,26
11 4,19 2,89
12 2,86 3,35
13 4,02 2,87
14 3,83 2,55
15 1,92 3,46
16 3,02
17 3,23
18 4,05
19 3,21
20 3,09
21 2,83
22 2,36

55
Selidikilah dengan α = 5%, apakah ada perbedaan kepadatan hunian
antara rumah nelayan dan petani?
Penyelesaian :

a. Hipotesis
Ho : KRN = KRP ≈ tidak berbeda kepadatan hunian rumah nelayan
dan rumah petani
Ha : KRN ≠ KRP ≈ ada berbeda kepadatan hunian rumah nelayan dan
rumah petani

b. Level signifikansi
α = 5%

c. Rumus statistik penguji


n ( n + 1)
U1 = n1.n 2 + 2 2
2
− ∑R 2

n ( n + 1)
U 2 = n1.n 2 + 1 1
2
− ∑R
1

n .n
U− 1 2
Z= 2
n1.n 2 .(n1 + n 2 + 1)
12

d. Hitung nilai statistik penguji


Data dicampur antara kelompok Kepadatan Rumah Nelayan dan
Kepadatan Rumah Petani, diurutkan kemudian diranking. Dalam
merangking angka yang sama harus dirangking yang sama.

56
Kepadatan Rumah RANK Rumah Nelayan (N), Petani (P)
1,75 1 RP
1,85 2 RN
1,9 3 RP
1,92 4 RN
2,03 5 RN
2,15 6 RN
2,25 7 RN
2,35 8 RP
2,36 9 RP
2,41 10 RN
2,48 11 RP
2,55 12 RP
2,67 13 RP
2,83 14 RP
2,86 15 RN
2,87 16 RP
2,89 17 RP
3,02 18 RP
3,05 19 RN
3,09 20 RP
3,1 21 RN
3,21 22 RP
3,22 23 RP
3,23 24 RP
3,25 25 RN
3,26 26 RP
3,33 27 RP
3,35 28 RP
3,4 29 RP
3,46 30 RP
3,52 31 RN
3,83 32 RN
4,01 33 RP
4,02 34 RN
4,05 35 RP
4,19 36 RN
57
4,25 37 RN

Kelompok dipisahkan menurut Kepadatan Rumah Nelayan dan Petani


NO Kepadatan Rumah Rank Kepadatan Rumah Rank
Nelayan Petani
1 4,25 37 1,75 1
2 3,1 21 2,35 8
3 3,25 25 3,22 23
4 3,05 19 3,4 29
5 2,41 10 2,67 13
6 2,15 6 4,01 33
7 2,25 7 1,9 3
8 3,52 31 2,48 11
9 2,03 5 3,33 27
10 1,85 2 3,26 26
11 4,19 36 2,89 17
12 2,86 15 3,35 28
13 4,02 34 2,87 16
14 3,83 32 2,55 12
15 1,92 4 3,46 30
16 3,02 18
17 3,23 24
18 4,05 35
19 3,21 22
20 3,09 20
21 2,83 14
22 2,36 9
JML 284 419


n (n + 1)
U1 = n1.n 2 + 2 2 − R2
2
22.(22 + 1)
U1 = 15.22 + − 419
2
U1 = 164
n (n + 1)
U 2 = n1.n 2 + 1 1
2 ∑
− R1

15.(15 + 1)
58 U 2 = 15.22 + − 284
2
U 2 = 166
n .n
U− 1 2
Z= 2
n 1.n 2 .( n 1 + n 2 + 1)
12
15 .22
164 −
Z= 2
15.22 .(15 + 22 + 1)
12
Z = −0,0309
n .n
U− 1 2
Z= 2
n 1.n 2 .( n 1 + n 2 + 1)
12
15 .22
166 −
Z= 2
15.22 .(15 + 22 + 1)
12
Z = 0,0309

e. Df/dk/db
Df tidak diperlukan
f. Nilai tabel
Nilai tabel pada tabel Z (lampiran 1), Uji dua sisi, α = 5%, =1, 96
g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


0,0309  < 1,96 ; berarti Ho diterima, , Ha ditolak
h. Simpulan

59
Tidak berbeda kepadatan hunian rumah nelayan dan petani, pada
α =5%

60
P. Test Reaksi Ekstreem Moses uji beda kesesuaian dua sampel tidak
berpasangan (independent)

1. Rumus

61
g i n −−+ 22 n + 2 + 1− hi h
C∑   E 
 i  n − 1 
i =
p h nC 2 g=+−≤ ( hs )0   E 
n + n 
 C E
 n 
 C
62
 a a !  a
 =  = 0
 b b ( − b a ! )
bila a ≥ b dan

 b
bila a < b

 ! 
sh > nC – 2h
sh < nC + nE

2. Kegunaan
Melihat dua sampel dalam satu kelompok variasi data
Design : X0  O1  Control ( C ) / baku / standar
X1  O2  Eksperiment ( E )
3. Ketentuan Aplikasi
a. Skala data : Ordinal, interval, ratio
b. Dua sampel independent
c. Banyaknya anggota sampel boleh sama atau berbeda
d. Langkah-langkah
1). Tentukan harga h
2). Kumpulkan skor kedua kelompok, beri ranking, identitas kelompok
tetap
3). Tentukan nilai sh, sh = rank C tertinggi – rank C terendah + 1
4). Tentukan nilai g, g = sh – ( nC – 2h )
5). Hitung nilai p, p < 0,05 Ho ditolak, p > 0,05 Ho diterima
e. Signifikansi : nilai p hasil hitung rumus dibandingkan
dengan α
4. Contoh aplikasi
Kelompok Eksperiment ibu dengan Hb tidak normal kelompok Control ibu
dengan Hb normal. Masing-masing kelompok diberi beban pekerjaan
pengepakan mie, didapatkan data banyaknya pak mie yang diselesaikan
sebagai berikut:
KELOMPOK EKSPERIMENT KELOMPOK CONTROL
63
22 13
6 16
14 7
20 12
4 13
17 5
15 10
9 10
8 10
Apakah ada beda kedua kelompok tersebut, pada α = 0,10?

Penyelesaian
a. Hipotesis
Ho ; Mc = Me ; tidak beda banyaknya pak mie yang diselesaikan antara
ibu dengan Hb nomal dan tidak normal
Ha : Mc ≠ Me ; ada beda banyaknya pak mie yang diselesaikan antara
ibu dengan Hb nomal dan tidak normal
b. Level signifikansi (α )
α = 10%
c. Tentukan Rumus statistik penguji

64
g i n −−+ 22 n + 2 + 1− hi h
C∑   E 
 i  n − 1 
i =
p h nC 2 g=+−≤ ( hs )0   E 
n + n 
 C E
 n 
 C
d. Hitung rumus statistik penguji

1). ditentukan h = 1

65
2). gabung, ranking, identitas
R 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
K E C E C E E C C C C C C E E C E E E
3). sh
a) sh = rank C tertinggi – rank C terendah + 1
b) sh = 12 – 4 + 1
c) sh = 9
d) ketentuan
e) sh > nC – 2h ; 9 > 9 – 2.1
f) sh < nC + nE ; 9 < 9 + 9
4). g
a) g = sh – ( nC – 2h )
b) g = 9 – ( 9 – 2.1 )
c) g=9–7
d) g=2
5). p

66
gi+n −2 n +2 1−i h h
C∑  E 
 i  n − i 
ip ≤n −2+g= =0 ( Eh ) s
h C n + 
 C E
 n 
 C 67
e. Df/db/dk
Df tidak diperlukan

f. Nilai tabel
Tidak menggunakan tabel

g. Daerah penolakan
0,077 (p) < 0,10 (α ); Ho ditolak, Ha diterima

h. Simpulan
Ada beda banyaknya pak mie yang diselesaikan antara ibu dengan Hb
nomal dan tidak normal, pada α = 10%.

68
Q. Kolmogorov – Smirnov uji beda kesesuaian dua sampel tidak berpasangan
(independent)

Uji Dua Sampel (Sampel Kecil)


1. Rumus
n1n 2
untuk n1 ≠ n2 ; X = 4D
2 2
a. , df=2
n1 + n 2
b. untuk n1 = n2 ; Kd hitung bandingkan dengan
Kd tabel
2. Kegunaan
Dua sampel independen ditarik dari populasi yang sama / populasi yang
memiliki distribusi yang sama.
3. Ketentuan aplikasi
Signifikansi, nilai X2 hitung dibandingkan dengan X2 tabel (lampiran 3) Ho
diterima bila pada X2 hitung < X2 tabel atau Kd hitung < Kd tabel (lampiran
11)
4. Contoh aplikasi

Sampel kecil, n1 ≠ n2
Berdasarkan hasil pengukuran pengetahuan dua kelompok kader, yaitu
kader posyandu dan kader kesling didapatkan data sebagai berikut;
SKOR PENGATAHUAN SKOR PENGETAHUAN KADER
KADER POSYANDU KESLING
63. 68.
83. 90
86. 76.
74. 72.
73. 74.
67. 91
85. 84.
89.
92.
77.

Selidikilah dengan α = 5%, apakah kedua kelompok berasal dari populasi


yang identik?
69
Penyelesaian :
a. Hipotesis
Ho ; Pp = Pk ; tidak beda skor pengetahuan kader posyandu dengan
kader kesling
Ha ; Pp ≠ Pk ; ada beda skor pengetahuan kader posyandu dengan
kader kesling
b. Level signifikansi (α )
α = 5%
c. Rumus statistik penguji
n n
X 2 = 4D 2 1 2
n1 + n 2
d. Hitung statistik penguji
SKOR PENGATAHUAN SKOR PENGETAHUAN KADER
KADER POSYANDU KESLING
63. 68.
83. 90
86. 76.
74. 72.
73. 74.
67. 91
85. 84.
89.
92.
77.

SKOR PENGETAHUAN KADER


63-67 68-72 73-77 78-82 83-87 88-92
Sn1(X) 0,20 0,20 0,50 0,50 0,80 1,00
Sn2(X) 0,00 0,29 0,57 0,57 0,71 1,00
Sn1(X) – Sn2(X)  0,20 0,09 0,07 0,07 0,09 0,00

70
n1n 2
X 2 = 4D 2
n1 + n 2
10.7
X 2 = 4.0,20 2 .
10 + 7
X 2 = 0,6588
e. Df/db/dk
Df = 2
f. Nilai tabel
X tabel (lampiran 3) db=2 ; α =5% ; = 5,991
2

g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


0,6588 < 5,991 ; Ho diterima, Ha ditolak
h. Simpulan
tidak beda skor pengetahuan kader posyandu dengan kader kesling,
pada α = 5%

Sampel kecil, n1 = n2
Petugas sanitarian lapangan melakukan inspeksi rumah sehat terhadap dua
kelompok tipe rumah, yaitu rumah tipe 45 dan rumah tipe 36, didapatkan
data sebagai berikut:

SKOR SANITASI RUMAH T45 SKOR SANITASI RUMAH T36


23 28
43 50
46 36
34 32
33 44
28 51
45 40
49 37
71
52 35
38 42

Selidikilah dengan α = 5%, apakah kedua kelompok berasal dari populasi


yang identik?
Penyelesaian
a. Hipotesis
Ho ; R45 = R36 ; tidak beda skor sanitasi rumah tipe 45 dengan tipe 36
Ha ; R45 > R36 ; ada beda lebih skor sanitasi rumah tipe 45 dengan
tipe 36
b. Level signifikansi
(α )
α = 5%
c. Rumus statistik
penguji
Kd = beda dua pembilang terbesar
d. Hitung statistik
penguji
SKOR SANITASI RUMAH T45 SKOR SANITASI RUMAH T36
23 28
43 50
46 36
34 32
33 44
28 51
45 40
49 37
52 35
38 42

SKOR SANITASI RUMAH


23-27 28-32 33-37 38-42 43-47 48-52
Sn1(X) 1/10 2/10 4/10 5/10 8/10 10/10
Sn2(X) 0/10 2/10 5/10 7/10 8/10 10/10
Sn1(X) – Sn2(X)  1/10 0 1/10 2/10 0 0

72
Kd = 2, selisih pembilang terbesar
e. Df/db/dk
Df tidak diperlukan
f. Nilai tabel
Kd tabel (lampiran 11) α = 5%, satu sisi, n=10 ==>6
g. Daerah penolakan
Kd hitung (2) < Kd tabel (6) Ho ; diterima, Ha ditolak
h. Simpulan
Tidak beda skor sanitasi rumah tipe 45 dengan tipe 36, padaα = 5%.
Uji Dua Sampel (Sampel Besar, N > 40)

1. Rumus
n1n 2
a. X 2 = 4D 2 untuk uji satu sisi
n1 + n 2
b. D = maksimum [ Sn1(X) – Sn2(X) ] dibandingkan
D tabel untuk uji dua sisi
c. Sn1(X) = fungsi jenjang observasi sampel
pertama, Sn2(X) = fungsi jenjang observasi sampel kedua
2. Kegunaan
Dua sampel independen ditarik dari populasi yang sama / populasi yang
memiliki distribusi yang sama
3. Ketentuan aplikasi
Signifikansi, nilai X hitung dibandingkan dengan X2 tabel (lampiran 3) Ho
2

diterima bila pada X2 hitung < X2 tabel atau D hitung < D tabel (lampiran
12)
4. Contoh aplikasi
Hasil survey tentang pemanfaatan pelayanan kesehatan yang dilakukan
oleh keluarga sejahtera dan non sejahtera didapatkan data sebagai berikut :
PELAYANAN KES KEL SEJAHTERA NON SEJAHTERA
DOKTER SPESIALIS 11 1
RUMAH SAKIT 7 3
DOKTER UMUM 8 6
PUSKESMAS 3 12
MANTERI 5 12
DIOBATI SENDIRI 5 14
DIBIARKAN 5 6

73
Selidikilah dengan α = 5%, apakah kedua kelompok berasal dari populasi
yang identik?
Sampel besar satu sisi
Penyelesaian :
a. Hipotesis
Ho ; PLkl = PLns ; tidak beda pemanfaatan pelayanan kesehatan antara
keluarga sejahtera dan non sejahtera
Ha ; PLkl > PLns ; ada beda pemanfaatan pelayanan kesehatan antara
keluarga sejahtera dan non sejahtera
b. Level signifikansi (α )
α = 5%

c. Rumus statistik penguji


nn
X 2 = 4D 2 1 2
n1 + n 2

d. Hitung statistik penguji


PELAYANAN KES KEL SEJAHTERA NON SEJAHTERA
DOKTER SPESIALIS 11 1
RUMAH SAKIT 7 3
DOKTER UMUM 8 6
PUSKESMAS 3 12
MANTERI 5 12
DIOBATI SENDIRI 5 14
DIBIARKAN 5 6

PELAYANAN KESEHATAN
DSp RS DU PUSK MANT OS DB
Sn1(X) 11/44 18/44 26/44 29/44 34/44 39/44 44/44
0,250 0,409 0,591 0,659 0,773 0,886 1,000
Sn2(X) 1/54 4/54 10/54 22/54 34/54 48/54 54/54
0,018 0,074 0,185 0,407 0,630 0,704 1,000
Sn1(X)–Sn2(X) 0,232 0,335 0,406 0,252 0,143 0,182 0,000

D = maksimal Sn1(X)–Sn2(X)
74
D = 0,406

n1n 2
X 2 = 4D 2
n1 + n 2
44.54
X 2 = 4.0,406 2 .
44 + 54
X 2 = 15,9857

e. Df/db/dk
Df = 2

f. Nilai tabel
X tabel (lampiran 3) db=2 ; α = 5% ; X2 = 5,99
2

g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


15,9857 > 5,99 ; Ho ditolak, Ha diterima

h. Simpulan
ada beda pemanfaatan pelayanan kesehatan antara keluarga sejahtera
dan non sejahtera, pada α = 5%.

Sampel besar uji dua sisi


Penyelesaian
a. Hipotesis
Ho ; PLkl = PLns ; tidak beda pemanfaatan pelayanan kesehatan antara
keluarga sejahtera dan non sejahtera
Ha ; PLkl ≠ PLns ; ada beda pemanfaatan pelayanan kesehatan antara
keluarga sejahtera dan non sejahtera

75
b. Level signifikansi (α )
α = 5%

c. Rumus statistik penguji


D = maksimal Sn1(X)–Sn2(X)
n1 + n 2
D tabel = D = 1,36.
n1n 2

d. Hitung statistik penguji


PELAYANAN KES KEL SEJAHTERA NON SEJAHTERA
DOKTER SPESIALIS 11 1
RUMAH SAKIT 7 3
DOKTER UMUM 8 6
PUSKESMAS 3 12
MANTERI 5 12
DIOBATI SENDIRI 5 14
DIBIARKAN 5 6

PELAYANAN KESEHATAN
DSp RS DU PUSK MANT OS DB
Sn1(X) 11/44 18/44 26/44 29/44 34/44 39/44 44/44
0,250 0,409 0,591 0,659 0,773 0,886 1,000
Sn2(X) 1/54 4/54 10/54 22/54 34/54 48/54 54/54
0,018 0,074 0,185 0,407 0,630 0,704 1,000
Sn1(X)–Sn2(X) 0,232 0,335 0,406 0,252 0,143 0,182 0,000
D = maksimal Sn1(X)–Sn2(X)
D = 0,406
e. Df/db/dk
Df tidak diperlukan
f. Nilai tabel
D tabel (lampiran 12) :

76
n1 + n 2
D = 1,36.
n1n 2
44 + 54
D = 1,36.
44.54
D = 0,2762
g. Daerah penolakan
0,406 > 0,2762 ; Ho ditolak, Ha diterima
h. Simpulan
Ada beda pemanfaatan pelayanan kesehatan antara keluarga sejahtera
dan non sejahtera, pada α = 5%.

77
R. X2 (Chi – Square) uji beda katagorik tabel (r x c)

1. Rumus X2
Tabel silang / contingensi (r x c)
Kategorik A Kategorik B Kategorik C Jumlah (Σ i)
Sampel 1 O11 O12 O13 r1
Sampel 2 O21 O22 O23 r2
Sampel 3 O31 O32 O33 r3
Jumlah c1 c2 c3 N
(Σ j)
Untuk semua jenis tabel contingensi menggunakan rumus :
(O − E ij )
2

X = ∑∑
2 ij

E ij
ri .c j
E ij =
N
Keterangan :
X2 = Nilai X2 chi-square
Oij = Nilai observasi
Eij = Nilai expected / harapan
ri = Jumlah baris ke i
cj = Jumlah kolom ke j
N = Grand total

2. Kegunaan
Menguji perbedaan dua atau lebih kelompok pada data katagorik.

3. Ketentuan aplikasi
a. Data berskala katagorik / nominal atau ordinal
b. Data disajikan dalam tabel silang / contingensi
c. Frekuensi kejadian (Oij) tidak boleh proporsional atau
prosentase.
d. Nilai expected (Eij) yang kurang dari 5 tidak boleh lebih dari
20% dan tidak boleh ada nilai expected (Eij) kurang dari satu.
e. Tabel 2 x 2 perlu Yate’s correction (pengurangan 0,5)
f. Tidak cocok untuk sampel yang kurang dari 20.
g. Setiap sel harus terisi.
78
h. Signifikansi, nilai hasil hitung X2 dibandingkan dengan tabel
X (lampiran 3), derajat bebas (r-1)(c-1). Ho diterima pada X2 hitung
2

< X2 tabel.
4. Contoh aplikasi
Suatu pengobatan TB paru dengan program jangka panjang (12 bulan) dan
program jangka pendek (6 bulan) diterapkan pada 60 orang, diperoleh data
sebagai berikut :

KESEMBUHAN PENDERITA TB PARU PADA PENGOBATAN


PROGRAM 12 BULAN DAN 6 BULAN DI DESA TEMBANGAN THN 2000
PRG KSBH SEMBUH KARIER TAK SEMBUH JUMLAH (Σ i)
PROG 12 BLN 16 7 7 30
PROG 6 BLN 10 9 11 30
JUMLAH (Σ j) 26 16 18 60

Penyelesaian :
a. Hipotesis
Ho : P12 = P6 ≈ tidak ada beda kesembuhan TB paru hasil pengobatan
program 12 bulan dan program 6 bulan
Ha : P12 ≠ P6 ≈ ada beda kesembuhan TB paru hasil pengobatan
program 12 bulan dan program 6 bulan
b. Level signifikansi (α )
α = 10%
c. Rumus Statistik penguji
(O − E ij )
2

X 2 = ∑∑
ij

E ij
d. Hitung rumus statistik penguji.

Progr Kesmb SEMBUH KARIER TAK SEMBUH JUMLAH


(Σ i)
PROG 12 BLN 16 7 7 30
PROG 6 BLN 10 9 11 30
JUMLAH (Σ j) 26 16 18 60

79
(O − E ij )
2

X = ∑∑
2 ij

E ij
ri .c j
E ij =
N
O11 = 16 E11 = (30 x 26) / 60 = 13
O12 =7 E12 = (30 x 16) / 60 =8
O13 =7 E13 = (30 x 18) / 60 =9
O21 = 10 E21 = (30 x 26) / 60 = 13
O22 =9 E22 = (30 x 16) / 60 =8
O23 = 11 E23 = (30 x 18) / 60 =9

X 2 = (16 −13 ) + (7 −8) + (7 − 9) + (10 −13 ) + (9 −8) + (11 − 9)


2 2 2 2 2 2
13 8 9 13 8 9
2
X = 2,52

e. Df/db/dk
Df = ( r-1)(c-1) = (2-1)(3-1) = 2

f. Nilai tabel
Nilai tabel X2 (lampiran 3); α = 0,10 ; df = 2 ; Nilai X2= 4,605

g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


2,52  < 4,605 ; berarti Ho diterima, Ha ditolak

h. Simpulan
Tidak ada beda kesembuhan TB paru hasil pengobatan program 12
bulan dan program 6 bulan pada α = 0,10.

80
81
S. Median uji kesesuaian tiga atau lebih sampel tidak berpasangan
(independent)
1. Rumus
(O − E ij )
2

X 2 = ∑∑
ij

E ij
Keterangan:
X2 = Nilai X2 chi-square
Oij = Banyaknya anggota data kelompok “>” atau “<”
Eij = Banyaknya data yang diharapkan / seharusnya, ni (per
kelompok) dibagi 2

2. Kegunaan
Menguji kesamaan median dari beberapa (>2) kelompok data

3. Ketentuan aplikasi
Data minimal berskala ordinal
Tentukan median bersama untuk semua gabungan kelompok data
Memberi tanda “>” pada data yang lebih besar dari median bersama dan “<”
pada data yang kurang dari median bersama
Jika terdapat data yang sama dengan median bersama, pisahkan menjadi dua.
Satu kelompok diberi tanda “>” dan kelompok lain diberi tanda “<”
Banyaknya yang bertanda “>” dan “<” dihitung (dipisahkan)
Pasang banyaknya seharusnya, banyaknya kelompok data dibagi dua
Signifikansi, nilai hasil hitung X2 dibandingkan dengan tabel X2 Chi-Square
(lampiran 3), derajat bebas k – 1, k: banyaknya kelompok, Ho diterima
bila pada X2 hitung < X2 tabel.

4. Contoh aplikasi
Suatu survey terhadap frekuensi pemanfaatn pelayanan rujukan kesehatan
dasar ke rumah sakit oleh masyarakat pengguna jasa asuransi secara
accidental dalam setahun diperoleh data sebagaimana di bawah ini.
Selidikilah dengan α = 10%, apakah terdapat perbedaan frekuensi
pemanfaatan pelayanan rujukan kesehatan menurut kelompok pendidikan
peserta jasa asurandi di masyarakat?

NOMOR SD SLTP SLTA PT


82
1 0 3 5 6
2 3 2 5 3
3 1 4 2 4
4 2 5 4 6
5 4 3 3 3
6 5 4 4 5
7 4 3 2 5
8 2 3 4 6
9 1 4 3 3
10 2 2 2 4
11 3 3 3 1
12 1 4 2
13 0
14 6
15 4

Penyelesaian:

a. Hipotesis
Ho : Fsd = Fsltp = Fslta = Fpt ≈ tidak berbeda frekuensi pemanfaatan
pelayanan rujukan kesehatan menurut kelompok pendidikan peserta
jasa asurandi di masyarakat
Ha : Fsd ≠ Fsltp ≠ Fslta ≠ Fpt ≈ ada berbeda frekuensi pemanfaatan
pelayanan rujukan kesehatan menurut kelompok pendidikan peserta
jasa asurandi di masyarakat.

b. Level signifikansi
α = 10% = 0,10

c. Rumus statistik penguji


(O − E ij )
2

X = ∑∑
2 ij

E ij

d. Hitung statistik penguji


NO SD SLTP SLTA PT
83
1 0 3 5 6
2 3 2 5 3
3 1 4 2 4
4 2 5 4 6
5 4 3 3 3
6 5 4 4 5
7 4 3 2 5
8 2 3 4 6
9 1 4 3 3
10 2 2 2 4
11 3 3 3 1
12 1 4 2
13 0
14 6
15 4
Diketahui median = 3
NOMOR SD SLTP SLTA PT TOTAL
> median
Oij 9 7 6 8
Eij 7,5 6 6 5,5 25
< median
Oij 6 5 6 3
Eij 7,5 6 6 5,5 25
Total 15 12 12 11

(Oij − Eij )2
X2 = ∑∑ E ij

X2 =
( 9 − 7,5) 2 +
( 7 − 6) 2 +
( 6 − 6) 2 +
(8 − 5,5) 2
7,5 6 6 5,5
2
X = 1,603

e. Df/db/dk
Db = k – 1 = 4 – 1 = 3

f. Nilai tabel
84
Nilai tabel X2 (lampiran 3) , α = 0,10 ; df = 4 ; Nilai X2= 7,779

g. Daerah penolakan
1) Menggunakan gambar

2) Menggunakan rumus
1,603  < 7,779 ; berarti Ho diterima, Ha ditolak

h. Simpulan
Tidak berbeda frekuensi pemanfaatan pelayanan rujukan kesehatan
menurut kelompok pendidikan peserta jasa asuransi di masyarakat,
pada α = 10%.

85
T. Kruskall Wallis uji beda tiga atau lebih sampel tidak berpasangan
(independent)

1. Rumus

12 k R 2j
H=
N(N + 1)
∑n
j=1
− 3(N + 1)
j

∑T
untuk sampel besar perlu dikoreksi dengan 1 − , sehingga rumus di
N3 − N
k R 2
12

j
− 3(N + 1)
N(N + 1) j=1 n j
atas menjadi H = , sedangkan T = t3 – t,
∑T
1− 3
N −N
T adalah t3 – t, t adalah

Keterangan :
R = Jumlah ranking per kondisi / perlakuan
nj = Banyaknya kasus per j
t = banyaknya observasi berangka sama dalam data.
N = Banyaknya kasus

2. Kegunaan
Menguji perbedaan tiga kelompok atau lebih  alternaif pengganti uji
anova ketika persyaratan homogenitas variannya tidak terpenuhi.

3. Ketentuan aplikasi
a. Data skala ordinal, interval dan ratio
b. Populasi / sampel independent.
c. Signifikansi, bandingkan nilai H dengan tabel Kruskal
Wallis (lampiran 9).

4. Contoh aplikasi
Hasil penelitian scor pengetahuan gizi para kader pada posyandu
didapatkan data sebagai berikut:
86
POSYANDU POSYANDU POSYANDU
BIASA PURNAMA MANDIRI
90 115 120
95 95 105
110 120 105
85 110 110
95 115
Selidikilah dengan α = 5%, apakah terdapat perbedaan skor pengetahuan
antara kader pada posyandu biasa, purnama dan mandiri?

Penyelesaian :

a. Hipotesis
Ho : PB = PP = PM ≈ tidak berbeda scor pengetahuan kader pada
berbagai jenis posyandu
Ha : PB ≠ PP ≠ PM ≈ ada berbeda scor pengetahuan kader pada
berbagai jenis posyandu

b. Level signifikansi
α = 5% = 0,05

c. Rumus statistik penguji


k R2
12

j
− 3(N + 1)
N(N + 1) j=1 n j
H=
∑T
1− 3
N −N

d. Hitung nilai statistik penguji


POSYANDU POSYANDU POSYANDU
BIASA PURNAMA MANDIRI
90 115 120
95 95 105
110 120 105
85 110 110
95 100

87
Dilakukan ranking secara keseluruhan
POSYANDU POSYANDU POSYANDU
BIASA PURNAMA MANDIRI
2 12 13,5
4 4 7,5
10 13,5 7,5
1 10 10
4 6
R1=17 R2=43,5 R3=44,5
k R2
12

j
− 3(N + 1)
N(N + 1) j=1 n j
H=
∑T
1− 3
N −N
12  17 2 43,5 2 44,5 2 
∑  + 5 + 5  − 3(14 + 1)
14(14 + 1)  4
H= 
(24 + 8 + 24 + 8)
1−
14 3 − 14
H = 46,878

e. Df/dk/db
Df tidak diperlukan

f. Nilai tabel
n1, n2, n3 => H (lampiran 9), p ⇒ 4, 5, 5 => 7,8229 , 0,010

g. Daerah penolakan
Menggunakan rumus
46,878  > 7,8229 ; berarti Ho ditolak, Ha diterima

h. Simpulan
Ada berbeda scor pengetahuan kader pada berbagai jenis posyandu,
pada α = 5% (p < 0,05)

U. Mc. Nemar uji beda katagorik dua sampel berpasangan


(berhubungan/related)
88
1. Rumus X2
Tabel silang / contingensi (2 x 2 )
Sesudah
 +
Sebelum + A B
 C D

Rumus umum
(A − D) 2
X2 =
A+D
Koreksi Kontinyuitas
( A − D − 1) 2
X2 =
A+D

2. Kegunaan
Menguji perbedaan antara pre dan post

3. Ketentuan aplikasi
a. Data katagorik berskala / nominal / dichotomous
b. Data disajikan dalam tabel silang / contingensi
c. Data berpasangan, n tiap kelompok sama
d. E = ½ ( A + D ) kurang dari 5, gunakan test binomial.
e. Signifikansi, nilai hasil hitung X2 dibandingkan dengan tabel
2
X (lampiran 3), derajat bebas (r-1)(c-1)

4. Contoh aplikasi
Suatu pengamatan terhadap ibu-ibu untuk melihat pengaruh masuknya
media TV di perdesaan dalam merubah perilaku penyediaan makanan
dengan zat tambahan bagi keluarga. Sebelum masuk media TV dilihat
makanan yang dihidangkan keharian dan demikian juga setelah disuluh,
diperoleh data pada tabel di bawah. Selidikilah dengan α = 5%, apakah
terdapat perbedaan perilaku penyediaan makanan antara sebelum masuknya
TV dengan setelah masuknya TV di perdesaan?
NO KADER SEBELUM MASUK TV SETELAH MASUK TV
1 + -

89
2 + -
3 - +
4 - +
5 - -
6 + +
7 + +
8 - -
9 - +
10 - -
11 + +
12 + +
13 - +
14 + +
15 + -
16 - +
17 - +
18 - +
19 - +
20 + -
21 - +
+ = menggunakan bahan makanan tambahan
- = tanpa menggunakan bahan makanan tambahan

Penyelesaian :

a. Hipotesis
Ho : Mstl = Msbl ≈ tidak ada beda makanan yang dihidangkan
keharian antara sebelum dan setelah masuk media TV
Ha : Mstl ≠ Msbl ≈ ada beda makanan yang dihidangkan keharian
antara sebelum dan setelah masuk media TV

b. Level signifikansi (α )
α = 5% = 0,05

c. Rumus Statistik penguji

90
( A − D − 1) 2
X2 =
A+D
d. Hitung rumus statistik penguji.

SETELAH MASUK TV
- +
SEBELUM + 4 5
MASUK TV - 3 9
( A − D − 1) 2
X2 =
A+D
( 4 − 9 − 1) 2

X =
2

4 +9
X = 1,23
2

e. Df/db/dk
Df = (2-1)(2-1) = 1

f. Nilai tabel
Nilai tabel X2 (lampiran 3) , α = 0,05 ; df = 1 ; Nilai X2= 3,841

g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


1,23  < 3,841 ; berarti Ho diterima, Ha ditolak

h. Simpulan
Tidak ada beda makanan yang dihidangkan keharian antara sebelum
dan setelah masuk media TV pada α = 0,05.

91
V. Sign Test Uji tanda dua sampel berpasangan (berhubungan/related)

1. Rumus

Rumus Sampel Kecil ≤ 25


N (pasangan yang berbeda) ≤ 25
p ( XA > XB ) = p ( XA < XB ) = ½
Keterangan:
p (XA > XB) = tanda +
p (XA < XB) = tanda -
XA yang sama XB disingkirkan
Lihat tabel binomial (lampiran 15) dengan n pasangan yang tidak sama, dan
x tanda + atau – yang paling sedikit

Rumus Sampel Besar > 25


N (pasangan yang berbeda) > 25
1
x− N
x − µz 2
Z= =
σz 1
N
2
1
faktor .koreksi .kontinyuit as.( ) = 0,5
2
1
( X ± 0,5) − N
Z= 2
1
N
2

Keterangan:
N = banyaknya pasangan yang berbeda (tidak sama)
X = banyaknya tanda ( + atau - ) yang paling sedikit
Bila x > ½N digunakan x – 0,5, bila x < ½N digunakan x + 0,5

2. Kegunaan
Menguji perbedaan dua kelompok data yang berpasangan
Dapat satu sampel, pasangan pre – post, dapat dua sampel identik
3. Ketentuan aplikasi
92
Signifikansi sampel kecil ≤ 25, lihat tabel binomial (lampiran 15), yaitu N =
pasangan yang berbeda (tidak sama) dan x/z = banyaknya tanda (+ atau
-) yang paling sedikit, pada tabel yang ada nilai p, dibandingkan α
Signifikansi sampel > 25 digunakan tabel Z kurva normal (lampiran 1) nilai
hasil hitung Z dibandingkan dengan nilai tabel distribusi normal
(lampiran 1). Pada uji dua sisi daerah penerimaan Ho, jika −Z0,5α < Zhitung
< Z0,5α , sedangkan pada uji satu sisi daerah penerimaan Ho, jika Zhitung <
Zα atau nilai mutlak hitung kurang dari nilai mutlak tabel. Dapat
digunakan uji Mc Nemar

4. Contoh aplikasi

Sampel Kecil ≤ 25
Suatu evaluasi terhadap program pemberian makanan tambahan (PMT)
pada Posyandu Mekar dilakukan dengan mengamati tumbuh kembang 13
balita yang menjadi binaannya. Sebelum ada PMT berat badan balita
ditimbang dan setelah PMT ditimbang lagi, didapatkan data di bawah.
Selidikilah dengan α = 5% apakah ada perbedaan berat badan setelah PMT
lebih tinggi dari pada sebelum PMT?

NO BERAT SEBELUM PMT BERAT SETELAH PMT


1 15,4 16,2
2 18,5 18,0
3 20,1 20,1
4 17,8 19,0
5 16,3 18,6
6 19,4 19,2
7 18,5 19,8
8 16,6 18,7
9 20,4 20,4
10 18,2 20,1
11 15,9 17,4
12 18,4 19,2
13 19,6 20,2

Penyelesaian :

93
a. Hipotesis
Ho : BBstl = BBsbl, tidak beda berat badan balita antara sebelum PMT
dan setelah PMT
Ha : BBstl > BBsbl, Ada beda lebih dari berat badan balita sebelum
PMT dan setelah PMT
b. Level signifikansi (α )
α = 5% = 0,05
c. Rumus Statistik penguji
(Lihat tabel binomial)
d. Hitung rumus statistik penguji.
NO BERAT SEBELUM BERAT SETELAH ARAH TANDA
PMT PMT PERBEDAAN
1 15,4 16,2 < -
2 18,5 18,0 > +
3 20,1 20,1 = 0
4 17,8 19,0 < -
5 16,3 18,6 < -
6 19,4 19,2 > +
7 18,5 19,8 < -
8 16,6 18,7 < -
9 20,4 20,4 = 0
10 18,2 20,1 < -
11 15,9 17,4 < -
12 18,4 19,2 < -
13 19,6 20,2 < -
N (pasangan yang berbeda) = 11 ; X (tanda yang paling sedikit +) = 2
e. Df/db/dk
Tidak diperlukan
f. Nilai tabel
n = 11, x = 2, nilai tabel binomial (lampiran 15) = 0,033
g. Daerah penolakan
0,033 < 5%, Ho ditolak, Ha diterima
h. Simpulan
Ada beda berat badan balita setelah PMT lebih tinggi daripada sebelum
PMT, pada α = 5%.
Sampel Besar > 25

94
Data kelembaban rumah yang menghadap ke timur dan selatan telah
didapat dari hasil survey pada perumahan yang baru dibangun, pada tabel
di bawah. Selidikilah dengan α = 10% apakah ada perbedaan kelembaban
rumah antara yang menghadap ke timur dan selatan?

NO KELEMBABAN RUMAH YANG KELEMBABAN RUMAH YANG


MENGHADAP KE TIMUR MENGHADAP KE SELATAN
1 68 65
2 56 54
3 78 79
4 60 58
5 70 70
6 72 59
7 65 60
8 55 55
9 60 54
10 64 60
11 48 54
12 52 50
13 66 64
14 59 55
15 75 70
16 64 68
17 53 50
18 54 56
19 62 60
20 68 62
21 70 70
22 59 54
23 48 50
24 53 56
25 63 60
26 60 56
27 62 64
28 51 54
29 58 56
30 68 65

Penyelesaian :
95
a. Hipotesis
Ho : KRslt = KRtmr, tidak ada perbedaan kelembaban rumah antara
yang menghadap ke timur dan selatan
Ha : KRslt ≠ KRtmr, ada perbedaan kelembaban rumah antara yang
menghadap ke timur dan selatan
b. Level signifikansi (α )
α = 10% dua sisi => 0,05
c. Rumus Statistik penguji
1
(X ± 0,5) − N
Z= 2
1
N
2

d. Hitung rumus statistik penguji.


NO KLBB KE KLBB KE ARAH TANDA
TIMUR SELATAN PERBEDAAN
1 68 65 > +
2 56 54 > +
3 78 79 < -
4 60 58 > +
5 70 70 = 0
6 72 59 > +
7 65 60 > +
8 55 55 = 0
9 60 54 > +
10 64 60 > +
11 48 54 < -
12 52 50 > +
13 66 64 > +
14 59 55 > +
15 75 70 > +
16 64 68 < -
17 53 50 > +
18 54 56 < -
19 62 60 > +
20 68 62 > +
21 70 70 = 0
22 59 54 > +
96
23 48 50 < -
24 53 56 < -
25 63 60 > +
26 60 56 > +
27 62 64 < -
28 51 54 < -
29 58 56 > +
30 68 65 > +
N (pasangan yang berbeda) = 27 ; X (tanda yang paling sedikit -) = 8
1
(X ± 0,5) − N
Z= 2
1
N
2
1
(8 + 0,5) − 27
Z= 2
1
27
2
Z = 1,92

e. Df/db/dk
Tidak diperlukan
f. Nilai tabel
Nilai tabel pada tabel Z (lampiran 1), Uji dua sisi, α = 10% =1,65
g. Daerah penolakan
1). Menngunakan gambar

2). Menggunakan rumus


1,92 < 1,65, Ho ditolak, Ha diterima
h. Simpulan
ada perbedaan kelembaban rumah antara yang menghadap ke timur dan
selatan, pada α = 10%.

97
W. Ranking bertanda Wilcoxon uji beda dua sampel berpasangan
(berhubungan/related)

1. Rumus
N(N + 1)
T−
T − σT 4
Z= =
σT N(N + 1)(2N + 1)
24
Keterangan :
T = Jumlah ranking bertanda terkecil
N = Banyaknya pasang yang tidak sama nilainya
2. Kegunaan
Menguji perbedaan suatu perlakuan pada sampel berpasangan
3. Ketentuan aplikasi
a. Data berpasangan, skala ordinal, interval dan ratio
b. Populasi / sampel berpasangan.
c. Signifikansi, nilai Z dibandingkan dengan tabel kurva
normal (lampiran 1). Pada uji dua sisi daerah penerimaan Ho, jika −Z0,5α
< Zhitung < Z0,5α , sedangkan pada uji satu sisi daerah penerimaan Ho, jika
Zhitung < Zα atau nilai mutlak hitung kurang dari nilai mutlak tabel.
4. Contoh aplikasi
Suatu penelitian terhadap pasangan yang identik dengan perbedaan seorang
selalu mengkonsumsi suplemen tabelt besi sedangkan yang lain selalu
menjaga makanan bergizi besi, didapatkan data sebagai berikut:
PASANGAN MAKANAN BERGIZI SUPLEMEN TABELT
BESI BESI
I 10,0 11,5
II 11,5 10,0
III 9,5 9,5
IV 9,5 10,0
V 10,0 12,0
VI 11,5 12,5
VII 9,0 11,0
VIII 10,5 9,0
IX 11,5 10,5
X 12,0 11,5
98
Selidikilah dengan α = 10%, apakah ada perbedaan Hb darah tiap
pasangan yang memakan manakan bergizi dan mengkonsumsi tabelt besi?

Penyelesaian :

a. Hipotesis
Ho : MB = TB ≈ tidak berbeda Hb tiap pasangan yang memakan
manakan bergizi dan mengkonsumsi tabelt besi
Ha : MB ≠ TB ≈ ada berbeda Hb tiap pasangan yang memakan
manakan bergizi dan mengkonsumsi tabelt besi

b. Level signifikansi
α = 10% = 0,10

c. Rumus statistik penguji


N(N + 1)
T−
T − σT 4
Z= =
σT N(N + 1)(2N + 1)
24
d. Hitung nilai statistik penguji
Dilakukan ranking dan diberi tanda:
PASANGANMAKANAN SUPLEME D RANKING RANKING
BERGIZI N TABELT D TANDA
BESI BESI + -
I 10,0 11,5 1,5 6,0 6,0
II 11,5 10,0 - 1,5 6,0 - 6,0
III 9,5 9,5 0,0 0,0
IV 9,5 10,0 0,5 1,5 1,5
V 10,0 12,0 2,0 8,5 8,5
VI 11,5 12,5 1,0 3,5 3,5
VII 9,0 11,0 2,0 8,5 8,5
VIII 10,5 9,0 - 1,5 6,0 -6,0
IX 11,5 10,5 - 1,0 3,5 -3,5
X 12,0 11,5 - 0,5 1,5 -1,5
JUMLAH 28,0 17,0

99
N(N + 1)
T−
T − σT 4
Z= =
σT N(N + 1)(2N + 1)
24
9(9 + 1)
17 −
Z= 4
9(9 + 1)(2.9 + 1)
24
Z = 0,6517

e. Df/dk/db
Db tidak diperlukan

f. Nilai tabel
Nilai tabel Z kurva normal (lampiran 1). Uji satu sisi, α = 5%, Z =
1,65, (lampiran 1), dapat menggunakan tabel Wilcoxon

g. Daerah penolakan
1). Menggunakan gambar

2). Menggunakan rumus


0,6517  < 1,65; berarti Ho diterima, Ha ditolak

h. Simpulan
Tidak berbeda Hb tiap pasangan yang memakan manakan bergizi dan
mengkonsumsi tabelt besi, pada α = 10%. (p > 0,10)

100
X. Test Walsh uji beda dua sampel berpasangan (berhubungan/related)

1. Rumus
Lihat tabel Walsh
2. Kegunaan
Menguji perbedaan suatu perlakuan pada sampel berpasangan
3. Ketentuan aplikasi
a. Data berpasangan, skala interval dan ratio
b. Populasi / sampel berpasangan.
c. Signifikansi, lihat tabel Walsh (lampiran 14).
4. Contoh aplikasi
Suatu penelitian terhadap produsktivitas 12 orang pekerja yang diamati
selama satu jam pagi hari dan satu sore hari didapatkan data pada tabel di
bawah. Apakah ada perbedaan produktivitas pada pagi hari dan sore hari,
selidikilah pada α = 5%?
NOMOR PRODUKTIVITAS PRODUKTIVITAS
PADA PAGI HARI PADA SORE HARI
1 7 5
2 7 4
3 6 7
4 9 8
5 5 5
6 8 7
7 6 7
8 7 9
9 8 9
10 6 8
11 7 6
12 8 5

Penyelesaian
a. Hipotesis
Ho : Pp = Ps ≈ tidak berbeda produktivitas pekerja pada pagi hari dan
sore hari
Ha : Pp ≠ Ps ≈ ada berbeda produktivitas pekerja pada pagi hari dan
sore hari

101
b. Level siginifikansi
α = 5% = 0,05
c. Rumus statistik penguji
Lihat tabel Walsh (lampiran 14)
d. Hitung statistik penguji
NO PRODUKTIVITAS PRODUKTIVITAS d Ranking d
PADA PAGI HARI PADA SORE HARI berurutan
1 7 5 2 d10
2 7 4 3 d11
3 6 7 -1 d3
4 9 8 1 d7
5 5 5 0 d6
6 8 7 1 d8
7 6 7 -1 d4
8 7 9 -2 d1
9 8 9 -1 d5
10 6 8 -2 d2
11 7 6 1 d9
12 8 5 3 d12
e. Df/db/dk
Tidak diperlukan dk
f. Nilai tabel
N = 12, lihat tabel Walsh (lampiran 14), pada α = 5 % terdekat uji dua
sisi adalah 0,048 dengan µ 1 ≠ 0, dimana µ 1 ≈ max [ d8, ½ ( d5 +
d12 ) ] atau min [ d5, ½ ( d1 + d8 ) ]
max [ d8, ½ ( d5 + d12 ) ≠ 0]
max [ 1, ½ ( -1 + 3 ) ≠ 0]
max [ 1 ≠ 0]
min [ d5, ½ ( d1 + d8 ) ≠ 0]
min [ -1, ½ ( -2 + 1 ) ≠ 0]
min [ - ½ ≠ 0]
g. Daerah penolakan
Karena kedua nilai tersebut di atas tidak sama dengan nol maka Ho
ditolak, Ha diterima
h. Simpulan
Ada berbeda produktivitas pekerja pada pagi hari dan sore hari, pada α
= 5%
102
Y. Q Cochran uji beda katagorik tiga atau lebih sampel berpasangan
(berhubungan/related)

1. Rumus
 k  k  
2

(k − 1) k ∑ G j −  ∑ G j  
2

 j=1  j=1  
Q= N N
k ∑ L i − ∑ L2i
i =1 i =1

Keterangan:
Q = Q Cochran
K = Banyaknya kelompok
Gj = Jumlah sukses per kegiatan/kelompok
Li = Jumlah sukses seluruh kegiatan/kelompok
2. Kegunaan
Menguji perbedaan beberapa kegiatan pada suatu kelompok ( > 2 kegiatan)
3. Ketentuan aplikasi
a. Data katagorik berskala nominal atau ordinal dichotomous
b. Data berpasangan tiap kegiatan/kelompok, n tiap kelompok
sama
c. Signifikansi, nilai Q hasil hitung dibandingkan dengan nilai X2
Chi-Square tabel (lampiran 3), derajat bebas k – 1.
4. Contoh aplikasi
Dibawah ini data hasil survey dilapangan, aktivitas beberapa warga
masyarakat dalam rangkah menekan penyabaran penyakit Demam
Berdarah. Angka nol (0) menunjukkan tidak aktivitas dan angka satu (1)
menunjukkan melakukan aktivitas.
NO ABATISASI MENUTUP PENAMPUNGAN AIR MENGURAS
1. 0 1 0
2. 0 0 1
3. 0 0 0
4. 1 1 1
5. 0 1 1
6. 1 0 0
7. 1 1 1
8. 1 1 1
9. 0 0 1
10. 0 1 0
103
11. 1 1 1
Selidikilah dengan α = 10%, apakah terdapat perbedaan banyaknya per
kegiatan perilaku masyarakat dalam menekan penularan Demam Berdarah?

Penyelesaian:
a. Hipotesis
Ho : Kabt = Kmpa = Kmba ≈ tidak ada beda banyaknya per kegiatan
yang dilakukan masyarakat dalam menekan penularan Demam
Berdarah
Ha : Kabt ≠ Kmpa ≠ Kmba ≈ ada beda banyaknya per kegiatan yang
dilakukan masyarakat dalam menekan penularan Demam Berdarah
b. Level signifikansi
α = 0,10
c. Rumus statistik penguji
 k  k  
2

(k − 1) k ∑ G j −  ∑ G j  
2

 j=1  j=1  
Q= N N
k ∑ L i − ∑ L2i
i =1 i =1

d. Hitung statistik penguji


No ABATISASI MENUTUP MENGURAS L L2
1. 0 1 0 1 1
2. 0 0 1 1 1
3. 0 0 0 0 0
4. 1 1 1 3 9
5. 0 1 1 2 4
6. 1 0 0 1 1
7. 1 1 1 3 9
8. 1 1 1 3 9
9. 0 0 1 1 1
10. 0 1 0 1 1
11. 1 1 1 3 9
G1 = 5 G2 = 7 G3 = 7 11 11

∑L i =19
i =1
∑L
i =1
2
i =45

104

 k  
2 
 k 
(k −1) k ∑ G 2 −  ∑ G j 

 j=1 j  
 j=1

  
Q=  
N N
k ∑ Li − ∑ L2
i=1 i=1 i

(3 −1) 3.(5 2 + 72 + 72 ) −19 2 


Q=  
3.19 − 45

Q =1,33

e. Df/db/dk
Df = k – 1 = 3 – 1 = 2

f. Nilai tabel
Nilai tabel X2 (lampiran 3), α = 0,10 ; df = 2 ; Nilai X2= 4,605

g. Daerah penolakan
1) Menggunakan gambar

2) Menggunakan rumus
1,33  < 4,605  ; berarti Ho diterima, Ha ditolak

h. Simpulan
Tidak ada beda banyaknya per kegiatan yang dilakukan masyarakat
dalam menekan penularan Demam Berdarah, pada α = 0,10

105
Z. Friedman uji beda tiga atau lebih sampel berpasangan
(berhubungan/related)

1. Rumus
12
X 2r =
Nk.(k + 1)
∑(R j ) 2 − 3N(k + 1)

Keterangan :
N = banyaknya kelompok
K = Banyaknya kondisi / perlakuan
R = Jumlah ranking per kondisi / perlakuan
2. Kegunaan
untuk menguji hipotesis-nol bahwa sampel itu ditarik dari populasi yang
sama
3. Ketentuan aplikasi
a. Data berskala ordinal, interval atau ratio
b. Signifikansi pada N dan k kecil (≤ 4) menggunakan tabel
Friedman (lampiran 8), pada N dan k besar menggunakan tabel harga
kritis X2 Chi-Square (lampiran 3)
4. Contoh aplikasi
Suatu komposisi makanan dengan berbagai model diujicobakan pada
penderita DM untuk menurunkan gula darah di dapatkan data di bawah ini:
KOMPOSISI MAKANAN
MODEL I MODEL II MODEL III MODEL IV
KELOMPOK A 202 208 210 165
KELOMPOK B 198 206 204 168
KELOMPOK C 194 194 198 160
KELOMPOK D 187 185 188 155
Selidikilah dengan α = 5%, apakah terdapat perbedaan gula darah setelah
mengkonsumsi model makanan yang disediakan?

Penyelesaian :
a. Hipotesis
Ho : MI = MII = MIII = MIV ≈ tidak berbeda gula darah tiap pasangan
yang mengkonsumsi model-model komposisi makanan yang berbeda
Ha : MI ≠ MII ≠ MIII ≠ MIV ≈ ada berbeda gula darah tiap pasangan
yang mengkonsumsi model-model komposisi makanan yang berbeda

106
b. Level signifikansi
α = 5% = 0,05

c. Rumus statistik penguji


12
X 2r =
Nk.(k + 1)
∑(R j ) 2 − 3N(k + 1)

d. Hitung nilai statistik penguji


KOMPOSISI MAKANAN
MODEL I MODEL II MODEL III MODEL IV
KELOMPOK A 202 208 210 165
KELOMPOK B 198 206 204 168
KELOMPOK C 194 194 198 160
KELOMPOK D 187 185 188 155

Dilakukan ranking menurut baris


KOMPOSISI MAKANAN
MODEL I MODEL II MODEL III MODEL IV
KELOMPOK A 2 3 4 1
KELOMPOK B 2 4 3 1
KELOMPOK C 2,5 2,5 4 1
KELOMPOK D 3 2 4 1
JUMLAH ( Rj ) 9,5 11,5 15 4
12
X 2r =
Nk.(k + 1)
∑(R j ) 2 − 3N(k + 1)
12
X 2r = .(9,5 2 + 11,5 2 + 15 2 + 4 2 ) − 3.4.(4 + 1)
4.4.(4 + 1)
X 2r = 9,5625

e. Df/dk/db
Tidak diperlukan nilai df

f. Nilai tabel
N2, k = 4 , p ≈ 0,0069 tabel Friedman (lampiran 8)
X2 df=1; α =0,01 = 6,64 (lampiran 3)

107
g. Daerah penolakan
Menggunakan rumus
p ≈ 0,0069 < 0,05; berarti Ho ditolak, Ha diterima
9,5625  > 6,64 ; berarti Ho ditolak, Ha diterima

h. Simpulan
Ada berbeda gula darah tiap pasangan yang mengkonsumsi model-
model komposisi makanan yang berbeda, pada α = 5% (p<0,05)

108
DAFTAR PUSTAKA

Arikunto, Suharsimi, 1993, Prosedur Penelitian Suatu Pendekatan Praktik


edisi revisi II cetakan ke sembilan, Jakarta : PT. Rineka Cipta.
Conover, W.J, 1980, Practical Nonparametric Statistics second edition, New
York : John Wiley & Sons.
Daniel, Wayne W. 1994. Biostatistics, a Foundation for Analysis in the Health
Sciences. John Wiley and sons, Inc. New York.

Hadi, Sutrisno, 1993, Statistik jilid II cetakan XIV, Yogyakarta : Andi Offset.
Hall, Marguerite. F, 1949, Public Health Statistics, New York : Paul B Horber
Inc
Nasir, Moh, 1985, Metode Penelitian cetakan pertama, Jakarta : Ghalia
Indonesia.
Poerwadi, Troeboes. Joesoef, Aboe Amar dan Widjaja, Linardi, 1993, Metode
Penelitian dan Statistik Terapan / editor, Surabaya : Airlangga
University Press.
Siegel, Sidney, 1956, Non Parametric Statistics For The Behavioral Sciences,
New York : Mc Graw-Hill Book Company.
Siegel, Sidney, 1986, Statistik Non Parametrik Untuk Ilmu-Ilmu Sosial,
diterjemahkan oleh Zanzawi Suyuti dan Landung Simatupang dalam
koordinasi Peter Hagul, Cetakan ke 2, Jakarta : Gramedia.
Singarimbun, Masri dan Effendi Sofian, 1989, Metode Penelitian Survei /
editor, Jakarta : LP3ES.
Snedecor, George W dan Cochran, William G, 1980, Statistical Methods
seventh edition, Ames Iowa USA : The Iowa State University Press
Soejoeti, Zanzawi, 1984/1985, Buku Materi Pokok Metode Statistik I STA
201/3 SKS/Modul 1-5, Jakarta : Universitas Terbuka, Departemen
Pendidikan dan Kebudayaan.
Soejoeti, Zanzawi, 1984/1985, Buku Materi Pokok Metode Statistik I STA
201/3 SKS/Modul 6-9, Jakarta : Universitas Terbuka, Departemen
Pendidikan dan Kebudayaan.
Soejoeti, Zanzawi, 1984/1985, Buku Materi Pokok Metode Statistik II STA
202/3 SKS/Modul 1-5, Jakarta : Universitas Terbuka, Departemen
Pendidikan dan Kebudayaan.
Soejoeti, Zanzawi, 1985, Buku Materi Pokok Metode Statistik II STA 202/3
SKS/Modul 6-9, Jakarta : Universitas Terbuka, Departemen Pendidikan
dan Kebudayaan.
Soepeno, Bambang, 1997, Statistik Terapan (Dalam Penelitian Ilmu-Ilmu
Sosial dan Pendidikan), Jakarta ; PT. Rineka Cipta
Sujana, 1992, Metoda Statistika, edisi ke 5, Bandung : Tarsito.
Tjokronegoro, Arjatmo. Utomo, Budi, dan Rukmono, Bintari, (editor), 1991,
Dasar-Dasar Metodologi Riset Ilmu Kedokteran, Jakarta : Departemen
Pendidikan dan Kebudayaan Konsorsium Ilmu Kedokteran

ii
LAMPIRAN – LAMPIRAN
TABEL STATISTIK

iii
Lampiran 1 : Tabel Distribusi Normal

Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
3,5 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002
3,6 0,0002 0,0002 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001

iv
3,7 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
3,8 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001

Lampiran 2 : Tabel Harga Kritis t


Tingkat Signifikansi untuk tes satu sisi
0,40 0,25 0,10 0,05 0,025 0,01 0,005 0,0025 0,001 0,0005
Tingkat Signifikansi untuk tes dua sisi
Df 0,80 0,50 0,20 0,10 0,05 0,02 0,01 0,005 0,002 0,001
1 0,325 1,000 3,078 6,314 12,706 31,821 63,657 127,32 318,31 636,62
2 0,289 0,816 1,886 2,920 4,303 6,965 9,925 14,089 22,327 31,598
3 0,277 0,765 1,638 2,353 3,182 4,541 5,841 7,453 10,214 12,924
4 0,271 0,741 1,533 2,132 2,776 3,747 4,604 5,598 7,173 8,610
5 0,267 0,727 1,476 2,015 2,571 3,365 4,032 4,773 5,893 6,869
6 0,265 0,718 1,440 1,943 2,447 3,143 3,707 4,317 5,208 5,959
7 0,263 0,711 1,415 1,895 2,365 2,998 3,499 4,029 4,785 5,408
8 0,262 0,706 1,397 1,860 2,306 2,896 3,355 3,833 4,501 5,041
9 0,261 0,703 1,383 1,833 2,262 2,821 3,250 3,690 4,297 4,781
10 0,260 0,700 1,372 1,812 2,228 2,764 3,169 3,581 4,144 4,587
11 0,260 0,697 1,363 1,796 2,201 2,718 3,106 3,497 4,025 4,437
12 0,259 0,695 1,356 1,782 2,179 2,681 3,055 3,428 3,930 4,318
13 0,259 0,694 1,350 1,771 2,160 2,650 3,012 3,372 3,852 4,221
14 0,258 0,692 1,345 1,761 2,145 2,624 2,977 3,326 3,787 4,140
15 0,258 0,691 1,341 1,753 2,131 2,602 2,947 3,286 3,733 4,073
16 0,258 0,690 1,337 1,746 2,120 2,583 2,921 3,252 3,686 4,015
17 0,257 0,689 1,333 1,740 2,110 2,567 2,898 3,222 3,646 3,965
18 0,257 0,688 1,330 1,734 2,101 2,552 2,878 3,197 3,610 3,922
19 0,257 0,688 1,328 1,729 2,093 2,539 2,861 3,174 3,579 3,883
20 0,257 0,687 1,325 1,725 2,086 2,528 2,845 3,153 3,552 3,850
21 0,257 0,686 1,323 1,721 2,080 2,518 2,831 3,135 3,527 3,819
22 0,256 0,686 1,321 1,717 2,074 2,508 2,819 3,119 3,505 3,792
23 0,256 0,685 1,319 1,714 2,069 2,500 2,807 3,104 3,485 3,767
24 0,256 0,685 1,318 1,711 2,064 2,492 2,797 3,091 3,467 3,745
25 0,256 0,684 1,316 1,708 2,060 2,485 2,787 3,078 3,450 3,725
26 0,256 0,684 1,315 1,706 2,056 2,479 2,779 3,067 3,435 3,707
27 0,256 0,684 1,314 1,703 2,052 2,473 2,771 3,057 3,421 3,690
28 0,256 0,683 1,313 1,701 2,048 2,467 2,763 3,047 3,408 3,674
29 0,256 0,683 1,311 1,699 2,045 2,462 2,756 3,038 3,396 3,659
30 0,256 0,683 1,310 1,697 2,042 2,457 2,750 3,030 3,385 3,646
40 0,255 0,681 1,303 1,684 2,021 2,423 2,704 2,971 3,307 3,551
60 0,254 0,679 1,296 1,671 2,000 2,390 2,660 2,915 3,232 3,460
v
120 0,254 0,677 1,289 1,658 1,980 2,358 2,617 2,860 3,160 3,373
∞ 0,253 0,674 1,282 1,645 1,960 2,326 2,576 2,807 3,090 3,291
Sumber : Conover, W.J, 1980, Practical Nonparametric Statistics second edition, New York : John Wiley & Sons.
Lampiran 3 : Tabel Harga Kritis Chi – Square (X2)

Kemungkinan di bawah Ho bahwa X2 Chi - Square


df 0,001 0,005 0,010 0,025 0,020 0,050 0,100 0,200 0,250 0,300 0,500 0,700 0,750 0,800 0,900 0,950 0,975 0,980 0,990 0,995
1 10,83 7,879 6,635 5,024 5,41 3,841 2,706 1,642 1,32 1,07 0,46 0,15 0,10 0,064 0,016 0,0039 0,00000,000630,00016 0,000
2 13,82 10,597 9,210 7,378 7,82 5,991 4,605 3,219 2,77 2,41 1,39 0,71 0,58 0,45 0,21 0,10 0,05 0,04 0,02 0,01
3 16,27 12,838 11,341 9,348 9,84 7,815 6,251 4,642 4,11 3,66 2,37 1,42 1,21 1,00 0,58 0,35 0,22 0,18 0,12 0,07
4 18,46 14,860 13,277 11,143 11,67 9,488 7,779 5,989 5,39 4,88 3,36 2,20 1,92 1,65 1,06 0,71 0,48 0,43 0,30 0,21
5 20,52 16,750 15,086 12,832 13,39 11,070 9,236 7,289 6,63 6,06 4,35 3,00 2,67 2,34 1,61 1,14 0,83 0,75 0,55 0,41
6 22,46 18,548 16,812 14,449 15,03 12,592 10,645 8,558 7,84 7,23 5,35 3,83 3,45 3,07 2,20 1,64 1,24 1,13 0,87 0,68
7 24,32 20,278 18,475 16,013 16,62 14,067 12,017 9,803 9,04 8,38 6,35 4,67 4,25 3,82 2,83 2,17 1,69 1,56 1,24 0,99
8 26,12 21,955 20,090 17,535 18,17 15,507 13,362 11,030 10,22 9,52 7,34 5,53 5,07 4,59 3,49 2,73 2,18 2,03 1,65 1,34
9 27,88 23,589 21,660 19,023 19,68 16,919 14,684 12,242 11,39 10,66 8,34 6,39 5,90 5,38 4,17 3,32 2,70 2,53 2,09 1,73
10 29,59 25,188 23,209 20,483 21,16 18,307 15,987 13,442 12,55 11,78 9,34 7,27 6,74 6,18 4,86 3,94 3,25 3,06 2,56 2,16
11 31,26 26,757 24,725 21,920 22,62 19,675 17,275 14,631 13,70 12,90 10,34 8,15 7,58 6,99 5,58 4,58 3,82 3,61 3,05 2,60
12 32,91 28,300 26,217 23,337 24,05 21,026 18,549 15,812 14,85 14,01 11,34 9,03 8,44 7,81 6,30 5,23 4,40 4,18 3,57 3,07
13 34,53 29,819 27,688 24,736 25,47 22,362 19,812 16,985 15,98 15,12 12,34 9,93 9,30 8,63 7,04 5,89 5,01 4,76 4,11 3,57
14 36,12 31,319 29,141 26,119 26,87 23,685 21,064 18,151 17,12 16,22 13,34 10,82 10,17 9,47 7,79 6,57 5,63 5,37 4,66 4,07
15 37,70 32,801 30,578 27,488 28,26 24,996 22,307 19,311 18,25 17,32 14,34 11,72 11,04 10,31 8,55 7,26 6,27 5,98 5,23 4,60
16 39,29 34,267 32,000 28,845 29,63 26,296 23,542 20,465 19,37 18,42 15,34 12,62 11,91 11,15 9,31 7,96 6,91 6,61 5,81 5,14
17 40,75 35,718 33,409 30,191 31,00 27,587 24,769 21,615 20,49 19,51 16,34 13,53 12,79 12,00 10,08 8,67 7,56 7,26 6,41 5,70
18 42,31 37,156 34,805 31,526 32,25 28,869 25,989 22,760 21,60 20,60 17,34 14,44 13,68 12,86 10,86 9,39 8,23 7,91 7,02 6,26
19 43,82 38,582 36,191 32,852 33,69 30,144 27,204 23,900 22,72 21,69 18,34 15,35 14,56 13,72 11,65 10,12 8,91 8,57 7,63 6,84
20 45,32 39,997 37,566 34,170 35,02 31,410 28,412 25,038 23,83 22,78 19,34 16,27 15,45 14,58 12,44 10,85 9,59 9,24 8,26 7,43
21 46,80 41,401 38,932 35,479 36,34 32,671 29,615 26,171 24,93 23,86 20,34 17,18 16,34 15,44 13,24 11,59 10,28 9,92 8,90 8,03
22 48,27 42,796 40,289 36,781 37,66 33,924 30,813 27,301 26,04 24,94 21,34 18,10 17,24 16,31 14,04 12,34 10,98 10,60 9,54 8,64
23 49,73 44,181 41,638 38,076 38,97 35,172 32,007 28,429 27,14 26,02 22,34 19,02 18,14 17,19 14,85 13,09 11,69 11,29 10,20 9,26
24 51,18 45,558 42,980 39,364 40,27 36,415 33,196 29,553 28,24 27,10 23,34 19,94 19,04 18,06 15,66 13,85 12,40 11,99 10,86 9,89
25 52,62 46,928 44,314 40,646 41,57 37,652 34,382 30,675 29,34 28,17 24,34 20,87 19,94 18,94 16,47 14,61 13,12 12,70 11,52 10,52
26 54,05 48,290 45,642 41,923 42,86 38,885 35,563 31,795 30,43 29,25 25,34 21,79 20,84 19,82 17,29 15,28 13,84 13,41 12,20 11,16
27 55,48 49,645 46,963 43,194 44,14 40,113 36,741 32,912 31,53 30,32 26,34 22,72 21,75 20,70 18,11 16,15 14,57 14,12 12,88 11,81
28 56,89 50,993 48,278 44,461 45,42 41,337 37,916 34,027 32,62 32,39 27,34 23,65 22,66 21,59 18,94 16,93 15,31 14,85 13,56 12,46
29 58,30 52,336 49,588 45,722 46,69 42,557 39,087 35,139 33,71 32,46 28,34 24,58 23,57 22,48 19,77 17,71 16,05 15,57 14,26 13,12
30 59,70 53,672 50,892 46,979 47,96 43,773 40,256 36,250 34,80 33,53 29,34 25,51 24,48 23,36 20,60 18,49 16,79 16,31 14,95 13,79
40 66,77 63,69 59,34 55,76 51,80 45,62 39,34 33,66 29,05 26,52 24,43 22,16 20,17
50 79,49 76,15 71,42 67,50 63,17 56,33 49,33 42,94 37,69 34,76 32,36 29,71 27,99
60 91,95 88,38 83,30 79,08 74,40 66,98 59,33 52,29 46,46 43,19 40,48 37,48 35,53
70 104,22 100,42 95,02 90,53 85,53 77,58 69,33 61,70 55,33 51,74 48,76 45,44 43,28
80 116,32 112,33 106,63 101,88 96,58 88,13 79,33 71,14 64,28 60,39 57,15 53,54 51,17
90 128,30 124,12 118,14 113,14 107,56 98,64 89,33 80,62 73,29 69,13 65,65 61,75 59,20
100 140,17 135,81 129,56 124,34 118,50 10,9,14 99,33 90,13 82,36 77,93 74,22 70,06 67,33

vi
Lampiran 4 : Tabel Harga Kritis F
p = 0,05 (atas)
p = 0,01 (bawah)
V2 degree fredom of greater mean square (V1) derajat kebebasan untuk pembilang
1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500 ∞
1 161 200 216 225 230 234 237 239 241 242 243 244 245 246 248 249 250 251 252 253 253 254 254 254
4052 4999 5403 5625 5764 5859 5928 5981 6022 6056 6082 6106 6142 6169 6208 6234 6258 6286 6302 6323 6334 6352 6361 6366
2 18,5 19,0 19,16 19,2 19,30 19,33 19,3 19,37 19,38 19,39 19,40 19,14 19,4 19,43 19,4 19,45 19,46 19,47 19,4 19,48 19,49 19,49 19,50 19,50
1 0 5 6 2 4 7
98,4 99,0 99,17 99,2 99,30 99,33 99,3 99,36 99,38 99,40 99,41 99,42 99,4 99,44 99,4 99,46 99,47 99,48 99,4 99,49 99,49 99,49 99,50 99,50
9 1 5 4 3 5 8
3 10,1 9,55 9,28 9,12 9,01 8,94 8,88 8,84 8,81 8,78 8,76 8,74 8,71 8,69 8,66 8,64 8,62 8,60 8,58 8,57 8,56 8,54 8,54 8,53
3
34,1 30,8 29,46 28,7 28,24 27,91 27,6 27,49 27,34 27,23 27,13 27,05 26,9 26,83 26,6 26,60 26,50 26,41 26,3 26,27 26,23 26,18 26,14 26,12
2 1 1 7 2 9 5
4 7,71 6,94 6,59 6,39 6,26 6,16 6,09 6,04 6,00 5,96 5,93 5,91 5,87 5,84 2,80 5,77 5,74 5,71 5,70 5,68 5,66 5,65 5,64 5,63
21,2 18,0 16,69 15,9 15,52 15,21 14,9 14,80 14,66 14,54 14,45 14,37 14,2 14,15 14,0 13,93 13,83 13,74 13,6 13,61 13,57 13,52 13,48 13,46
0 0 8 8 4 2 9
5 6,61 5,79 5,41 5,19 5,05 4,95 4,88 4,82 4,78 4,74 4,70 4,68 4,64 4,60 4,56 4,53 4,50 4,46 4,44 4,42 4,40 4,38 4,37 4,36
16,2 13,2 12,06 11,3 10,97 10,64 10,4 10,27 10,15 10,05 9,96 9,89 9,77 9,68 9,55 9,47 9,38 9,29 9,24 9,17 9,13 9,07 9,04 9,02
6 7 9 5
6 5,99 5,14 4,76 4,53 4,39 4,28 4,21 4,15 4,10 4,06 4,03 4,00 3,96 3,92 3,87 3,84 3,81 3,77 3,75 3,72 3,71 3,69 3,68 3,67
13,7 10,9 9,78 9,15 8,75 8,47 8,26 8,10 7,98 7,87 7,79 7,72 7,60 7,52 7,39 7,31 7,23 7,14 7,09 7,02 6,99 6,94 6,90 6,88
4 2
7 5,59 4,74 4,35 4,12 3,97 3,87 3,79 3,73 3,68 3,63 3,60 3,57 3,52 3,49 3,44 3,41 3,38 3,34 3,32 3,29 3,28 3,25 3,24 3,23
12,2 9,55 8,45 7,85 7,46 7,19 7,00 6,84 6,71 6,62 6,54 6,47 6,35 6,27 6,15 6,07 5,98 5,90 5,85 5,78 5,75 5,70 5,67 5,65
5
8 5,32 4,46 4,07 3,84 3,69 3,58 3,50 3,44 3,39 3,34 3,31 3,28 3,23 3,20 3,15 3,12 3,08 3,05 3,03 3,00 2,98 2,96 2,94 2,93
11,2 8,65 7,59 7,01 6,63 6,37 6,19 6,03 5,91 5,82 5,74 5,67 5,56 5,48 5,36 5,28 5,20 5,11 5,06 5,00 4,96 4,91 4,88 4,86
6
9 5,12 4,26 3,86 3,63 3,48 3,37 3,29 3,23 3,18 3,13 3,10 3,07 3,02 2,98 2,93 2,90 2,86 2,82 2,80 2,77 2,76 2,73 2,72 2,71
10,5 8,02 6,99 6,42 6,06 5,80 5,62 5,47 5,35 5,26 5,18 5,11 5,00 4,92 4,80 4,73 4,64 4,56 4,51 4,45 4,41 4,36 4,33 4,31
6
10 4,96 4,10 3,71 3,48 3,33 3,22 3,14 3,07 3,02 2,97 2,94 2,91 2,86 2,82 2,77 2,74 2,70 2,67 2,64 2,61 2,59 2,56 2,55 2,54
10,0 7,56 6,55 5,99 5,64 5,39 5,21 5,06 4,95 4,85 4,78 4,71 4,60 4,52 4,41 4,33 4,25 4,17 4,12 4,05 4,01 3,96 3,93 3,91
4
11 4,84 3,98 3,59 3,36 3,20 3,09 3,01 2,10 2,90 2,86 2,82 2,79 2,74 2,70 2,65 2,61 2,57 2,53 2,50 2,47 2,45 2,42 2,41 2,40
9,65 7,20 6,22 5,67 5,32 5,07 4,88 4,74 4,63 4,54 4,46 4,40 4,29 4,21 4,10 4,02 3,94 3,86 3,80 3,74 3,70 3,66 3,62 3,60
12 4,75 3,88 3,49 3,26 3,11 3,00 2,92 2,85 2,80 2,76 2,72 2,69 2,64 2,60 2,54 2,50 2,46 2,42 2,40 2,36 2,35 2,32 2,31 2,30
9,33 6,93 5,95 5,41 5,06 4,82 4,65 4,50 4,39 4,30 4,22 4,16 4,05 3,98 3,86 3,78 3,70 3,61 3,56 3,49 3,46 3,41 3,38 3,36
13 4,67 3,80 3,41 3,18 3,02 2,92 2,84 2,77 2,72 2,67 2,63 2,60 2,55 2,51 2,46 2,42 2,38 2,34 2,32 2,28 2,26 2,24 2,22 2,21
9,07 6,70 5,74 5,20 4,86 4,62 4,44 4,30 4,19 4,10 4,02 3,96 3,85 3,78 3,67 3,59 3,51 3,42 3,37 3,30 3,27 3,21 3,18 3,16
14 4,60 3,74 3,34 3,11 2,96 2,85 2,77 2,70 2,65 2,60 2,56 2,53 2,48 2,44 2,39 2,35 2,31 2,27 2,24 2,21 2,19 2,16 2,14 2,13
8,86 6,51 5,56 5,03 4,69 4,46 4,28 4,14 4,03 3,94 3,86 3,80 3,70 3,62 3,51 3,43 3,34 3,26 3,21 3,14 3,11 3,06 3,02 3,00
15 4,54 3,68 3,29 3,06 2,90 2,79 2,70 2,64 2,59 2,55 2,51 2,48 2,43 2,39 2,33 2,29 2,25 2,21 2,18 2,15 2,12 2,10 2,08 2,07
8,68 6,36 5,42 4,89 4,56 4,32 4,14 4,00 3,89 3,80 3,73 3,67 3,56 3,48 3,36 3,29 3,20 3,12 3,07 3,00 2,97 2,92 2,89 2,87
16 4,49 3,63 3,24 3,01 2,85 2,74 2,66 2,59 2,54 2,49 2,45 2,42 2,37 2,33 2,28 2,24 2,20 2,16 2,13 2,09 2,07 2,04 2,02 2,00
8,53 6,23 5,29 4,77 4,44 4,20 4,03 3,89 3,78 3,69 3,61 3,55 3,45 3,37 3,25 3,18 3,10 3,01 2,96 2,89 2,86 2,80 2,77 2,75
17 4,45 3,59 3,20 2,96 2,81 2,70 2,62 2,55 2,50 2,45 2,41 2,38 2,33 2,29 2,23 2,19 2,15 2,11 2,08 2,04 2,02 1,99 1,97 1,96
8,40 6,11 5,18 4,67 4,34 4,10 3,93 3,79 3,68 3,59 3,52 3,45 3,35 3,27 3,16 3,08 3,00 2,92 2,86 2,79 2,76 2,70 2,67 2,65
18 4,41 3,55 3,16 2,93 2,77 2,66 2,58 2,51 2,46 2,41 2,37 2,34 2,29 2,25 2,19 2,15 2,11 2,07 2,04 2,00 1,98 1,95 1,93 1,92
8,28 6,01 5,09 4,58 4,25 4,01 3,85 3,71 3,60 3,51 3,44 3,37 3,27 3,19 3,07 3,00 2,91 2,83 2,78 2,71 2,68 2,62 2,59 2,57
19 4,38 3,52 3,13 2,90 2,74 2,63 2,55 2,48 2,41 2,38 2,34 2,31 2,26 2,21 2,15 2,11 2,07 2,02 2,00 1,96 1,94 1,91 1,90 1,88
8,18 5,93 5,01 4,50 4,17 3,94 3,77 3,63 3,52 3,43 3,36 3,30 3,19 3,12 3,00 2,92 2,84 2,76 2,70 2,63 2,60 2,54 2,51 2,49
20 4,35 3,49 3,10 2,87 2,71 2,60 2,52 2,45 2,40 2,35 2,31 2,28 2,23 2,18 2,12 2,08 2,04 1,99 1,96 1,92 1,90 1,87 1,85 1,84
8,10 5,85 4,94 4,43 4,10 3,87 3,71 3,56 3,45 3,37 3,30 3,23 3,13 3,05 2,94 2,86 2,77 2,69 2,63 2,56 2,53 2,47 2,44 2,42
21 4,32 3,47 3,07 2,84 2,68 2,57 2,49 2,42 2,37 2,32 2,28 2,25 2,20 2,15 2,09 2,05 2,00 1,96 1,93 1,89 1,87 1,84 1,82 1,81
8,02 5,78 4,87 4,37 4,04 3,81 3,65 3,51 3,40 3,31 3,24 3,17 3,07 2,99 2,88 2,80 2,72 2,63 2,58 2,51 2,47 2,42 2,38 2,36
22 4,30 3,44 3,05 2,82 2,66 2,55 2,47 2,40 2,35 2,30 2,26 2,23 2,18 2,13 2,07 2,03 1,98 1,93 1,91 1,87 1,84 1,81 1,80 1,78
7,94 5,72 4,82 4,31 3,99 3,76 3,59 3,45 3,35 3,26 3,18 3,12 3,02 2,94 2,83 2,75 2,67 2,58 2,53 2,46 2,42 2,37 2,33 2,23
23 4,28 3,42 3,03 2,80 2,64 2,53 2,45 2,38 2,32 2,28 2,24 2,20 2,14 2,10 2,04 2,00 1,96 1,91 1,88 1,84 1,82 1,79 1,77 1,76
7,88 5,66 4,76 4,26 3,94 3,71 3,54 3,41 3,30 3,21 3,14 3,07 2,97 2,89 2,78 2,70 2,62 2,53 2,48 2,41 2,37 2,32 2,28 2,26

vii
24 4,26 3,40 3,01 2,78 2,62 2,51 2,43 2,36 2,30 2,26 2,22 2,18 2,13 2,09 2,02 1,98 1,94 1,89 1,86 1,82 1,80 1,76 1,74 1,73
7,82 5,61 4,72 4,22 3,90 3,67 3,50 3,36 3,25 3,17 3,09 3,03 2,93 2,85 2,74 2,66 2,58 2,49 2,44 2,36 2,33 2,27 2,23 2,21
25 4,24 3,38 2,99 2,76 2,60 2,49 2,41 2,34 2,28 2,24 2,20 2,16 2,11 2,06 2,00 1,96 1,92 1,87 1,84 1,80 1,77 1,74 1,72 1,71
7,77 5,57 4,68 4,18 3,86 3,62 3,46 3,32 3,21 3,13 3,05 2,99 2,89 2,81 2,70 2,62 2,54 2,45 2,40 2,32 2,29 2,23 2,19 2,17
26 4,22 3,37 2,98 2,74 2,59 2,47 2,39 2,32 2,27 2,22 2,18 2,15 2,10 2,05 1,99 1,95 1,90 1,85 1,82 1,78 1,76 1,72 1,70 1,69
7,72 5,83 4,64 4,14 3,82 3,59 3,42 3,29 3,17 3,09 3,02 2,96 2,86 2,77 2,66 2,58 2,50 2,41 2,36 2,28 2,25 2,19 2,15 2,13
27 4,21 3,35 2,96 2,73 2,57 2,46 2,37 2,30 2,25 2,20 2,16 2,13 2,08 2,03 1,97 1,93 1,88 1,84 1,80 1,76 1,74 1,71 1,68 1,67
7,68 5,49 4,60 4,11 3,79 3,56 3,39 3,26 3,14 3,06 2,98 2,93 2,83 2,74 2,63 2,55 2,47 2,38 2,33 2,25 2,21 2,16 2,12 2,10

viii
V2 degree fredom of greater mean square (V1) derajat kebebasan untuk pembilang
1 2 3 4 5 6 7 8 9 10 11 12 14 16 20 24 30 40 50 75 100 200 500 ∞
28 4,20 3,34 2,95 2,71 2,56 2,44 2,36 2,29 2,24 2,19 2,15 2,12 2,06 2,02 1,96 1,91 1,87 1,81 1,78 1,75 1,72 1,69 1,67 1,65
7,64 5,54 4,57 4,07 3,76 3,53 3,36 3,23 3,11 3,03 2,95 2,90 2,80 2,71 2,60 2,52 2,44 2,35 2,30 2,22 2,18 2,13 2,09 2,06
29 4,18 3,33 2,93 2,70 2,54 2,43 2,35 2,28 2,22 2,18 2,14 2,10 2,05 2,00 1,94 1,90 1,85 1,80 1,77 1,73 1,71 1,68 1,65 1,64
7,60 5,42 4,54 4,04 3,73 3,50 3,33 3,20 3,08 3,00 2,92 2,87 2,77 2,68 2,57 2,49 2,41 2,32 2,27 2,19 2,15 2,10 2,06 2,03
30 4,17 3,32 2,92 2,69 2,53 2,42 2,34 2,27 2,21 2,16 2,12 2,09 2,04 1,99 1,93 1,89 1,84 1,79 1,76 1,72 1,69 1,66 1,64 1,62
7,56 5,39 4,51 4,02 3,70 3,47 3,30 3,17 3,06 2,98 2,90 2,84 2,74 2,66 2,55 2,47 2,38 2,29 2,24 2,16 2,13 2,07 2,03 2,02
32 4,15 3,30 2,90 2,67 2,51 2,40 2,32 2,25 2,19 2,14 2,10 2,07 2,02 1,97 1,91 1,86 1,82 1,76 1,74 1,69 1,67 1,64 1,61 1,59
7,50 5,24 4,46 3,97 3,66 3,42 3,25 3,13 3,01 2,94 2,86 2,80 2,70 2,62 2,51 2,42 2,34 2,25 2,20 2,12 2,08 2,02 1,98 1,96
34 4,13 3,28 2,88 2,65 2,49 2,38 2,30 2,23 2,17 2,12 2,08 2,05 2,00 1,95 1,89 1,84 1,80 1,74 1,71 1,67 1,64 1,61 1,59 1,57
7,44 5,29 4,42 3,93 3,61 3,38 3,21 3,08 2,97 2,89 2,82 2,76 2,66 2,58 2,47 2,38 2,30 2,21 2,15 2,08 2,04 1,98 1,94 1,91
36 4,11 3,26 2,86 2,63 2,48 2,36 2,28 2,21 2,15 2,10 2,06 2,03 1,98 1,93 1,87 1,82 1,78 1,72 1,69 1,65 1,62 1,59 1,56 1,55
7,39 5,25 4,38 3,89 3,58 3,35 3,18 3,04 2,94 2,86 2,78 2,72 2,62 2,54 2,43 2,35 2,26 2,17 2,12 2,04 2,00 1,94 1,90 1,87
38 4,10 3,25 2,85 2,62 2,46 2,35 2,26 2,19 2,14 2,09 2,05 2,02 1,96 1,92 1,85 1,80 1,76 1,71 1,67 1,63 1,60 1,57 1,54 1,53
7,35 5,21 4,34 3,86 3,54 3,32 3,15 3,02 2,91 2,82 2,75 2,69 2,59 2,51 2,40 2,22 2,22 2,14 2,08 2,00 1,97 1,90 1,86 1,84
40 4,08 3,23 2,84 2,61 2,45 2,34 2,25 2,18 2,12 2,07 2,04 2,00 1,95 1,90 1,84 1,79 1,74 1,69 1,66 1,61 1,59 1,55 1,53 1,51
7,31 5,18 4,31 3,83 3,51 3,29 3,13 2,99 2,88 2,80 2,73 2,66 2,56 2,49 2,37 2,29 2,20 2,11 2,05 1,97 1,94 1,88 1,84 1,81
42 4,07 3,22 2,83 2,59 2,44 2,32 2,24 2,17 2,11 2,06 2,02 1,99 1,94 1,89 1,82 1,78 1,73 1,68 1,64 1,60 1,57 1,54 1,51 1,49
7,27 5,15 4,29 3,80 3,49 3,26 3,10 2,96 2,86 2,77 2,70 2,64 2,54 2,46 2,35 2,26 2,17 2,06 2,02 1,94 1,91 1,85 1,80 1,78
44 4,06 3,21 2,82 2,58 2,43 2,31 2,23 2,16 2,10 2,05 2,01 1,98 1,92 1,88 1,81 1,76 1,72 1,66 1,63 1,58 1,56 1,52 1,50 1,48
7,24 5,12 4,26 3,78 3,46 3,24 3,07 2,94 2,84 2,75 2,68 2,62 2,52 2,44 2,32 2,24 2,15 2,06 2,00 1,92 1,88 1,82 1,78 1,75
46 4,05 3,20 2,81 2,57 2,42 2,30 2,22 2,14 2,09 2,04 2,00 1,97 1,91 1,87 1,80 1,75 1,71 1,65 1,62 1,57 1,54 1,51 1,48 1,40
7,21 5,10 4,24 3,76 3,44 3,22 3,05 2,92 2,82 2,73 2,66 2,60 2,50 2,42 2,30 2,22 2,13 2,04 1,98 1,90 1,86 1,80 1,76 1,72
48 4,04 3,19 2,80 2,56 2,41 2,30 2,21 2,14 2,03 2,03 1,99 1,96 1,90 1,86 1,79 1,74 1,70 1,64 1,61 1,56 1,53 1,50 1,47 1,45
7,19 5,08 4,22 3,74 3,42 3,20 3,04 2,90 2,80 2,71 2,64 2,58 2,48 2,40 2,28 2,20 2,11 2,02 1,96 1,88 1,84 1,78 1,73 1,70
50 4,03 3,18 2,79 2,56 2,40 2,29 2,20 2,13 2,07 2,02 1,98 1,95 1,90 1,85 1,78 1,74 1,69 1,63 1,60 1,55 1,52 1,48 1,46 1,44
7,17 5,06 4,20 3,72 3,41 3,18 3,02 2,88 2,73 2,70 2,62 2,56 2,46 2,39 2,26 2,18 2,10 2,00 1,94 1,86 1,82 1,76 1,71 1,68
55 4,02 3,17 2,78 2,54 2,38 2,27 2,18 2,11 2,05 2,00 1,97 1,93 1,88 1,83 1,76 1,72 1,67 1,61 1,58 1,52 1,50 1,46 1,43 1,41
7,12 5,01 4,16 3,68 3,37 3,15 2,98 2,85 2,75 2,65 2,59 2,53 2,43 2,35 2,23 2,15 2,06 1,96 1,90 1,82 1,78 1,71 1,66 1,64
60 4,00 3,15 2,76 2,52 2,37 2,25 2,17 2,10 2,04 1,99 1,95 1,92 1,86 1,81 1,75 1,70 1,65 1,59 1,56 1,50 1,48 1,44 1,41 1,39
7,03 4,98 4,13 3,65 3,34 3,12 2,95 2,82 2,72 2,63 2,56 2,50 2,40 2,32 2,20 2,10 2,03 1,93 1,87 1,79 1,74 1,68 1,63 1,60
65 3,99 3,14 2,75 2,51 2,36 2,24 2,15 2,08 2,02 1,98 1,94 1,90 1,85 1,80 1,71 1,68 1,63 1,57 1,54 1,49 1,46 1,42 1,39 1,37
7,04 4,95 4,10 3,62 3,31 3,09 2,93 2,79 2,70 2,61 2,54 2,47 2,37 2,30 2,18 2,09 2,00 1,90 1,84 1,76 1,71 1,64 1,60 1,56
70 3,98 3,13 2,74 2,50 2,35 2,23 2,14 2,07 2,01 1,97 1,93 1,89 1,83 1,79 1,72 1,67 1,62 1,56 1,53 1,47 1,45 1,40 1,37 1,35
7,01 4,92 4,08 3,60 3,29 3,07 2,91 2,77 2,67 2,59 2,51 2,45 2,35 2,28 2,15 2,07 1,98 1,88 1,82 1,74 1,69 1,62 1,56 1,53
80 3,96 3,11 2,72 2,48 2,33 2,21 2,12 2,05 1,99 1,95 1,91 1,88 1,82 1,77 1,70 1,65 1,60 1,54 1,51 1,45 1,42 1,38 1,35 1,32
6,96 4,88 4,04 3,56 3,25 3,04 2,87 2,74 2,64 2,55 2,48 2,41 2,32 2,24 2,11 2,03 1,94 1,84 1,78 1,70 1,65 1,57 1,52 1,49
100 3,94 3,09 2,70 2,46 2,30 2,19 2,10 2,03 1,97 1,92 1,88 1,85 1,79 1,75 1,68 1,63 1,57 1,51 1,48 1,42 1,39 1,34 1,30 1,28
6,90 4,82 3,98 3,51 3,20 2,99 2,82 2,69 2,59 2,51 2,43 2,36 2,26 2,19 2,06 1,98 1,89 1,79 1,73 1,64 1,59 1,51 1,46 1,43
125 3,92 3,07 2,68 2,44 2,29 2,17 2,08 2,01 1,95 1,90 1,86 1,83 1,77 1,72 1,65 1,60 1,55 1,49 1,45 1,39 1,36 1,31 1,27 1,25
6,84 4,78 3,94 3,47 3,17 2,95 2,79 2,65 2,56 2,47 2,40 2,33 2,23 2,15 2,03 1,94 1,85 1,75 1,68 1,59 1,54 1,46 1,40 1,37
150 3,91 3,06 2,67 2,43 2,27 2,10 2,07 2,00 1,94 1,89 1,85 1,82 1,76 1,71 1,64 1,59 1,54 1,47 1,44 1,37 1,34 1,29 1,25 1,22
6,81 4,75 3,91 3,44 3,14 2,92 2,76 2,62 2,53 2,44 2,37 2,30 2,20 2,12 2,00 1,91 1,83 1,72 1,66 1,56 1,51 1,43 1,37 1,33
200 3,89 3,04 2,65 2,41 2,26 2,14 2,05 1,98 1,92 1,87 1,83 1,80 1,74 1,69 1,62 1,57 1,52 1,45 1,42 1,35 1,32 1,26 1,22 1,19
6,76 4,71 3,88 3,41 3,11 2,90 2,73 2,60 2,50 2,41 2,34 2,28 2,17 2,09 1,97 1,88 1,79 1,69 1,62 1,53 1,48 1,39 1,33 1,28
400 3,86 3,02 2,62 2,39 2,23 2,12 2,03 1,96 1,90 1,85 1,81 1,78 1,72 1,67 1,60 1,54 1,49 1,42 1,38 1,32 1,28 1,22 1,16 1,13
6,70 4,65 3,83 3,36 3,06 2,85 2,69 2,55 2,46 2,37 2,29 2,23 2,12 2,04 1,92 1,84 1,74 1,64 1,57 1,47 1,42 1,32 1,24 1,19
100
0 3,85 3,00 2,61 2,38 2,22 2,10 2,02 1,95 1,89 1,84 1,80 1,76 1,70 1,65 1,58 1,53 1,47 1,41 1,36 1,30 1,26 1,19 1,13 1,08
6,66 4,62 3,80 3,34 3,04 2,82 2,66 2,53 2,43 2,34 2,26 2,20 2,09 2,01 1,89 1,81 1,71 1,61 1,54 1,44 1,38 1,28 1,19 1,11
∞ 3,84 2,99 2,60 2,37 2,31 2,09 2,01 1,94 1,88 1,83 1,79 1,75 1,69 1,64 1,57 1,52 1,46 1,40 1,35 1,28 1,24 1,17 1,11 1,00
6,63 4,60 3,78 3,32 3,02 2,80 2,64 2,51 2,41 2,32 2,24 2,18 2,07 1,99 1,87 1,79 1,69 1,59 1,52 1,41 1,36 1,25 1,15 1,00

Sumber : Snedecor, George W dan Cochran, William G, 1980, Statistical Methods seventh edition, Ames Iowa USA : The Iowa State University Press

ix
Lampiran 5 : Tabel Fisher
Jumlah di tepi kanan B signifikansi Jumlah di tepi kanan B signifikansi
A 0,050 0,025 0,010 0,005 A 0,050 0,025 0,010 0,005
A+B=3 C+D=3 3 0    C+D=2 8 0 0  
A+B=4 C+D=4 4 0 0   A+B=9 C+D=9 9 5 4 3 3
C+D=3 4 0    8 3 3 2 1
A+B=5 C+D=5 5 1 1 0 0 7 2 1 1 0
4 0 0   6 1 1 0 0
C+D=4 5 1 0 0  5 0 0  
4 0    4 0   
C+D=3 5 0    C+D=8 9 4 3 3 2
C+D=2 5 0    8 3 2 1 1
A+B=6 C+D=6 6 2 1 1 0 7 2 1 0 0
5 1 0 0  6 1 0 0 
4 0    5 0 0  
C+D=5 6 1 0 0 0 C+D=7 9 3 3 2 2
5 0 0   8 2 2 1 0
4 0    7 1 1 0 0
C+D=4 6 1 0 0 0 6 0 0  
5 0 0   5 0   
C+D=3 6 0 0   C+D=6 9 3 2 1 1
5 0    8 2 1 0 0
C+D=2 6 0    7 1 0  
A+B=7 C+D=7 7 3 2 1 1 6 0 0  
6 1 1 0 0 5 0   
5 0 0   C+D=5 9 2 1 1 1
4 0    8 1 1 0 0
C+D=6 7 2 2 1 1 7 0 0  
6 1 0 0 0 6 0   
5 0 0   C+D=4 9 1 0 0 0
4 0    8 0 0 0 
C+D=5 7 2 1 0 0 7 0 0  
6 1 0 0  6 0   
5 0    C+D=3 9 1 0 0 0
C+D=4 7 1 1 0 0 8 0 0  
6 0 0   7 0   
5 0    C+D=2 9 0 0  
C+D=3 7 0 0 0  A + B = 10 C + D = 10 10 6 5 4 3
6 0    9 4 3 3 2
C+D=2 7 0    8 3 2 1 1
A+B=8 C+D=8 8 4 3 2 2 7 2 1 1 0
7 2 2 1 0 6 1 0 0 
6 1 1 0 0 5 0 0  
5 0 0   4 0   
4 0    C + D =9 10 5 4 3 3
C+D=7 8 3 2 2 1 9 4 3 2 2
7 2 1 1 0 8 2 2 1 1
6 1 0 0  7 1 1 0 0
5 0 0   6 1 0 0 
C+D=6 8 2 2 1 1 5 0 0  
7 1 1 0 0 C+D=8 10 4 4 3 2
6 0 0 0  9 3 2 2 1
5 0    8 2 1 1 0

x
Jumlah di tepi kanan B signifikansi Jumlah di tepi kanan B signifikansi
A 0,050 0,025 0,010 0,005 A 0,050 0,025 0,010 0,005
C+D=5 8 2 1 1 0 7 1 1 0 0
7 1 0 0 0 6 0 0  
6 0 0   5 0   
5 0    C+D=7 10 3 3 2 2
C+D=4 8 1 1 0 0 9 2 2 1 1
7 0 0   8 1 1 0 0
6 0    7 1 0 0 
C+D=3 8 0 0 0  6 0 0  
7 0 0   5 0   
C+D=6 10 3 2 2 1 9 1 0 0 0
9 2 1 1 0 8 0 0  
8 1 1 0 0 7 0   
7 0 0   C+D=4 11 1 1 1 0
6 0    10 1 0 0 
C+D=5 10 2 2 1 1 9 0   
9 1 1 0 0 8 0   
8 1 0 0  C+D=3 11 1 0 0 0
7 0 0   10 0 0  
6 0    9 0   
C+D=4 10 1 1 0 0 C+D=2 11 0 0  
9 1 0 0 0 10 0   
8 0 0   A + B = 12 C + D = 12 12 8 7 6 5
7 0    11 6 5 4 4
C+D=3 10 1 0 0 0 10 5 4 3 2
9 0 0   9 4 3 2 1
8 0    8 3 2 1 1
C+D=2 10 0    7 2 1 0 0
9 0    6 1 0 0 
A + B = 11 C + D = 11 11 7 6 5 4 5 0 0  
10 5 4 3 3 4 0   
9 4 3 2 2 C + D = 11 12 7 6 5 5
8 3 2 1 1 11 5 5 4 3
7 2 1 0 0 10 4 3 2 2
6 1 0 0  9 3 2 2 1
5 0 0   8 2 1 1 0
4 0    7 1 1 0 0
C + D = 10 11 6 5 4 4 6 1 0 0 
10 4 4 3 2 5 0 0  
9 3 3 2 1 C + D = 10 12 6 5 5 4
8 2 2 1 0 11 5 4 3 3
7 1 1 0 0 10 4 3 2 2
6 1 0 0  9 3 2 1 1
5 0    8 2 1 0 0
C + D =9 11 5 4 4 3 7 1 0 0 0
10 4 3 2 2 6 0 0  
9 3 2 1 1 5 0   
8 2 1 1 0 C + D =9 12 5 5 4 3
7 1 1 0 0 11 4 3 3 2
6 0 0   10 3 2 2 1
5 0    9 2 2 1 0

xi
Jumlah di tepi kanan B signifikansi Jumlah di tepi kanan B signifikansi
A 0,050 0,025 0,010 0,005 A 0,050 0,025 0,010 0,005
C+D=8 11 4 4 3 3 8 1 1 0 0
10 3 3 2 1 7 1 0 0 
9 2 2 1 1 6 0 0  
8 1 1 0 0 5 0   
7 1 0 0  C+D=8 12 5 4 3 3
6 0 0   11 3 3 2 2
5 0    10 2 2 1 1
C+D=7 11 4 3 2 2 9 2 1 1 0
10 3 2 1 1 8 1 1 0 0
9 2 1 1 0 7 0 0  
8 1 1 0 0 6 0 0  
7 0 0   C+D=7 12 4 3 3 2
6 0 0   11 3 2 2 1
C+D=6 11 3 2 2 1 10 2 1 1 0
10 2 1 1 0 9 1 1 0 0
9 1 1 0 0 8 1 0 0 
8 1 0 0  7 0 0  
7 0 0   6 0   
6 0    C+D=6 12 3 3 2 2
C+D=5 11 2 2 1 1 11 2 2 1 1
10 1 1 0 0 10 1 1 0 0
9 1 0 0 0 9 2 1 0 0
8 0 0   8 1 1 0 0
7 0 0   7 0 0  
6 0    6 0 0  
C+D=5 12 2 2 1 1 5 0   
11 1 1 1 0 C+D=8 13 5 4 3 3
10 1 0 0 0 12 4 3 2 2
9 0 0 0  11 3 2 1 1
8 0 0   10 2 1 1 0
7 0    9 1 1 0 0
C+D=4 12 2 1 1 0 8 1 0 0 
11 1 0 0  7 0 0  
10 0 0 0  6 0   
9 0 0   C+D=7 13 4 3 3 2
8 0    12 3 2 2 1
C+D=3 12 1 0 0 0 11 2 2 1 1
11 0 0 0  10 1 1 0 0
10 0 0   9 1 0 0 0
9 0    8 0 0  
C+D=2 12 0 0   7 0 0  
11 0    6 0   
A + B = 13 C + D = 13 13 9 8 7 6 C+D=6 13 3 3 2 2
12 7 6 5 4 12 2 2 1 1
11 6 5 4 3 11 2 1 1 0
10 4 4 3 2 10 1 1 0 0
9 3 3 2 1 9 1 0 0 
8 2 2 1 0 8 0 0  
7 2 1 0 0 7 0   
6 1 0 0  C+D=5 13 2 2 1 1
5 0 0   12 2 1 1 0
4 0    11 1 1 0 0

xii
Jumlah di tepi kanan B signifikansi Jumlah di tepi kanan B signifikansi
A 0,050 0,025 0,010 0,005 A 0,050 0,025 0,010 0,005
C + D = 12 13 8 7 6 5 10 1 0 0 
12 6 5 5 4 9 0 0  
11 5 4 3 3 8 0   
10 4 3 2 2 C+D=4 13 2 1 1 0
9 3 2 1 1 12 1 1 0 0
8 2 1 1 0 11 0 0 0 
7 1 1 0 0 10 0 0  
6 1 0 0  9 0   
5 0 0   C+D=3 13 1 1 0 0
C + D = 11 13 7 6 5 5 12 0 0  
12 6 5 4 3 11 0 0  
11 4 4 3 2 10 0   
10 3 3 2 1 C+D=2 13 0 0 0 
9 3 2 1 1 12 0   
8 1 1 0 0 11 0   
7 1 0 0 0 A + B = 14 C + D = 14 14 10 9 8 7
6 0 0   13 8 7 6 5
5 0    12 6 6 5 4
C + D = 10 13 6 6 5 4 11 5 4 3 2
12 5 4 3 3 10 4 3 2 2
11 4 3 2 2 9 3 2 2 1
10 3 2 1 1 8 2 2 1 0
9 2 1 1 0 7 1 1 0 0
8 1 1 0 0 6 1 0 0 
7 1 0 0  5 0 0  
6 0 0   4 0   
5 0    C + D = 13 14 9 8 7 6
C+D=9 13 5 5 4 4 13 7 6 5 5
12 4 4 3 2 12 6 5 4 3
11 3 3 2 1 11 5 4 3 2
10 2 2 1 1 10 4 3 2 2
9 3 2 1 1 13 2 2 1 1
8 2 1 1 1 12 1 1 0 0
7 1 1 0 0 11 1 0 0 0
6 1 0   10 0 0  
5 0 0   9 0 0  
C + D = 12 14 8 7 6 6 8 0   
13 6 6 5 4 C+D=5 14 2 2 1 1
12 5 4 4 3 13 2 1 1 0
11 4 3 3 2 12 1 1 0 0
10 3 3 2 1 11 1 0 0 
9 2 2 1 1 10 0 0  
8 2 1 0 0 9 0 0  
7 1 0 0  8 0   
6 0 0   C+D=4 14 2 1 1 1
5 0    13 1 1 0 0
C + D = 11 14 7 6 6 5 12 1 0 0 0
13 6 5 4 4 11 0 0  
12 5 4 3 3 10 0 0  
11 4 3 2 2 9 0   

xiii
Jumlah di tepi kanan B signifikansi Jumlah di tepi kanan B signifikansi
A 0,050 0,025 0,010 0,005 A 0,050 0,025 0,010 0,005
10 3 2 1 1 C+D=3 14 1 1 0 0
9 2 1 1 0 13 0 0 0 
8 1 1 0 0 12 0 0  
7 1 0 0  11 0   
6 0 0   C+D=2 14 0 0 0 
5 0    13 0 0  
C + D = 10 14 6 6 5 4 12 0   
13 5 4 4 3 A + B = 15 C + D = 15 15 11 10 9 8
12 4 3 3 2 14 9 8 7 6
11 3 3 2 1 13 7 6 5 5
10 2 2 1 1 12 6 5 4 4
9 2 1 0 0 11 5 4 3 3
8 1 1 0 0 10 4 3 2 2
7 0 0 0  9 3 2 1 1
6 0 0   8 2 1 1 0
5 0    7 1 1 0 0
C+D=9 14 6 5 4 4 6 1 0 0 
13 4 4 3 3 5 0 0  
12 3 3 2 2 4 0   
11 3 2 1 1 C + D = 14 15 10 9 8 7
10 2 1 1 0 14 8 7 6 6
9 1 1 0 0 13 7 6 5 4
8 1 0 0  12 6 5 4 3
7 0 0   11 5 4 3 2
6 0    10 4 3 2 2
C+D=8 14 5 4 4 3 9 4 3 2 1
13 4 3 2 2 8 2 1 1 0
12 3 2 2 1 7 1 1 0 0
11 2 2 1 1 6 1 0  
10 2 1 0 0 5 0   
9 1 0 0 0 C + D = 13 15 9 8 7 7
8 0 0 0  14 7 7 6 5
7 0 0   13 6 5 4 4
6 0    12 5 4 3 3
C+D=7 14 4 3 3 2 11 4 3 2 2
13 3 2 2 1 10 3 2 2 1
12 2 2 1 1 9 2 2 1 0
11 2 1 1 0 8 2 1 0 0
10 1 1 0 0 7 1 0 0 
9 1 0 0  6 0 0  
8 0 0   5 0   
7 0    C + D = 12 15 8 7 7 6
C+D=6 14 3 3 2 2 14 7 6 5 4
13 6 5 4 3 11 2 1 1 0
12 5 4 3 2 10 1 1 0 0
11 4 3 2 2 9 1 0 0 
10 3 2 1 1 8 0 0  
9 2 1 1 0 7 0   
8 1 1 0 0 6 0   
7 1 0 0  C+D=7 15 4 4 3 3
6 0 0   14 3 3 2 2
5 0    13 2 2 1 1

xiv
Jumlah di tepi kanan B signifikansi Jumlah di tepi kanan B signifikansi
A 0,050 0,025 0,010 0,005 A 0,050 0,025 0,010 0,005
C + D = 11 15 7 7 6 5 12 2 1 1 0
14 6 5 4 4 11 1 1 0 0
13 5 4 3 3 10 1 0 0 0
12 4 3 2 2 9 0 0  
11 3 2 2 1 8 0 0  
10 2 2 1 1 8 0   
9 2 1 0 0 C+D=6 15 3 3 2 2
8 1 1 0 0 14 2 2 1 1
7 1 0 0  13 2 1 1 0
6 0 0   12 1 1 0 0
5 0    11 1 0 0 0
C + D = 10 15 6 6 5 5 10 0 0 0 
14 5 5 4 3 9 0 0  
13 4 4 3 2 8 0   
12 3 3 2 2 C+D=5 15 2 2 2 1
11 3 2 1 1 14 2 1 1 1
10 2 1 1 0 13 1 1 0 0
9 1 1 0 0 12 1 0 0 0
8 1 0 0  11 0 0 0 
7 0 0   10 0 0  
6 0    9 0   
C+D=9 15 6 5 4 4 C+D=4 15 2 1 1 1
14 5 4 3 3 14 1 1 0 0
13 4 3 2 2 13 1 0 0 0
12 3 2 2 1 12 0 0 0 
11 2 2 1 1 11 0 0  
10 2 1 0 0 10 0   
9 1 1 0 0 C+D=3 15 1 1 0 0
8 1 0 0  14 0 0 0 0
7 0 0   13 0 0  
6 0    12 0 0  
C+D=8 15 5 4 4 3 11 0   
14 4 3 3 2 C+D=2 15 0 0 0 
13 3 2 2 1 14 0 0  
12 2 2 1 1 13 0 0  

Sumber : Siegel, Sidney, 1956, Non Parametric Statistics For The Behavioral Sciences, New York : Mc Graw-Hill Book
Company.

xv
Lampiran 6 : Tabel Nilai q
df Jumlah Perlakuan
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1 26,70 32,80 37,20 40,50 43,10 45,40 47,30 49,10 50,60 51,90 53,20 54,30 55,40 56,30 26,70
2 8,28 9,80 10,89 11,73 12,43 13,03 13,54 13,99 14,39 14,75 15,08 15,38 15,65 15,91 8,28
3 5,88 6,83 7,51 8,04 8,47 8,35 9,18 9,46 9,72 9,95 10,16 10,35 10,52 10,69 5,88
4 5,00 5,76 6,31 6,73 7,06 7,35 7,60 7,83 8,03 8,21 8,37 8,52 8,67 8,80 5,00
5 4,54 5,18 5,64 5,99 6,28 6,52 6,74 6,93 7,10 7,25 7,39 7,52 7,64 7,75 4,54
6 4,34 4,90 5,31 5,63 5,89 6,12 6,32 6,49 6,65 6,79 6,92 7,04 7,14 7,24 4,34
7 4,16 4,68 5,06 5,35 5,59 5,80 5,99 6,15 6,29 6,42 6,54 6,65 6,75 6,84 4,16
8 4,04 4,53 4,89 5,17 5,40 5,60 5,77 5,92 6,05 6,18 6,29 6,39 6,48 6,57 4,04
9 3,95 4,42 4,76 5,02 5,24 5,43 5,60 5,74 5,87 5,98 6,09 6,19 6,28 6,36 3,95
10 3,88 4,33 4,66 4,91 5,12 5,30 5,46 5,60 5,72 5,83 5,93 6,03 6,12 6,20 3,88
11 3,82 4,26 4,58 4,82 5,03 5,20 5,35 5,49 5,61 5,71 5,81 5,90 5,98 6,06 3,82
12 3,77 4,20 4,51 4,75 4,95 5,12 5,27 5,40 5,51 5,61 5,71 5,80 5,88 5,95 3,77
13 3,73 4,15 4,46 4,69 4,88 5,05 5,19 5,32 5,43 5,53 5,63 5,71 5,79 5,86 3,73
14 3,70 4,11 4,41 4,64 4,83 4,99 5,13 5,25 5,36 5,46 5,56 5,64 5,72 5,79 3,70
15 3,67 4,08 4,37 4,59 4,78 4,94 5,08 5,20 5,31 5,40 5,49 5,57 5,65 5,72 3,67
16 3,65 4,05 4,34 4,56 4,74 4,90 5,03 5,15 5,26 5,35 5,44 5,52 5,59 5,66 3,65
17 3,62 4,02 4,31 4,52 4,70 4,86 4,99 5,11 5,21 5,31 5,39 5,47 5,55 5,61 3,62
18 3,61 4,00 4,28 4,49 4,67 4,83 4,96 5,07 5,17 5,27 5,35 5,43 5,50 5,57 3,61
19 3,59 3,98 4,26 4,47 4,64 4,79 4,93 5,04 5,14 5,23 5,32 5,39 5,46 5,53 3,59
20 3,58 3,96 4,24 4,45 4,62 4,77 4,90 5,01 5,11 5,20 5,28 5,36 5,43 5,50 3,58
24 3,35 3,90 4,17 4,37 4,54 4,68 4,81 4,92 5,01 5,10 5,18 5,25 5,32 5,38 3,35
30 3,48 3,84 4,11 4,30 4,46 4,60 4,72 4,83 4,92 5,00 5,08 5,15 5,21 5,27 3,48
40 3,44 3,79 4,04 4,23 4,39 4,52 4,63 4,74 4,82 4,90 4,98 5,05 5,11 5,17 3,44
60 3,40 3,74 3,98 4,16 4,31 4,44 4,55 4,65 4,73 4,81 4,88 4,94 5,00 5,06 3,40
120 3,36 3,69 3,92 4,10 4,24 4,36 4,47 4,56 4,64 4,71 4,78 4,84 4,90 4,95 3,36
∞ 3,32 3,63 3,86 4,03 4,17 4,29 4,39 4,47 4,55 4,62 4,68 4,74 4,80 4,84 3,32
Sumber : Nasir, Moh, 1985, Metode Penelitian cetakan pertama, Jakarta : Ghalia Indonesia.

xvi
Lampiran 7 : Tabel Harga Kritis T Dalam Tes Ranking Bertanda Data
Berpasangan Wilcoxon

Tingkat Signifikansi untuk tes satu sisi


N 0,025 0,010 0,005
Tingkat Signifikansi untuk tes dua sisi
0,050 0,020 0,010
6 0  
7 2 0 
8 4 2 0
9 6 3 2
10 8 5 3
11 11 7 5
12 14 10 7
13 17 13 10
14 21 16 13
15 25 20 16
16 30 24 20
17 35 28 23
18 40 33 28
19 46 38 32
20 52 43 38
21 59 49 43
22 66 56 49
23 73 62 55
24 81 69 61
25 89 77 68

Sumber : Siegel, Sidney, 1956, Non Parametric Statistics For The Behavioral
Sciences, New York : Mc Graw-Hill Book Company,

xvii
Lampiran 8 : Tabel Kemungkinan Yang Berkaitan Dengan Harga-Harga Sebesar
Harga-Harga Observasi Xr2 Dalam Analisis Varian Ranking Dua Arah Friedman

Tabel N1, k = 3
N=2 N=3 N=4 N=5
Xr2 p Xr2 p Xr2 p Xr2 p
0 1,000 0,000 1,000 0,0 1,000 0,0 1,000
1 0,833 0,667 0,944 0,5 0,931 0,4 0,954
3 0,500 2,000 0,528 1,5 0,653 1,2 0,691
4 0,167 2,667 0,361 2,0 0,431 1,6 0,522
4,667 0,194 3,5 0,273 2,8 0,367
6,000 0,028 4,5 0,125 3,6 0,182
6,0 0,069 4,8 0,124
6,5 0,042 5,2 0,093
8,0 0,0046 6,4 0,039
7,6 0,024
8,4 0,0085
10,0 0,00077
N=6 N=7 N=8 N=9
Xr2 p Xr2 p Xr2 p Xr2 p
0,00 1,000 0,000 1,000 0,00 1,000 0,000 1,000
0,33 0,956 0,286 0,964 0,25 0,967 0,222 0,971
1,00 0,740 0,857 0,768 0,75 0,794 0,667 0,814
1,33 0,570 1,143 0,620 1,00 0,654 0,889 0,865
2,33 0,430 2,000 0,486 1,75 0,531 1,556 0,569
3,00 0,252 2,571 0,305 2,25 0,355 2,000 0,398
4,00 0,184 3,429 0,237 3,00 0,285 2,667 0,328
4,33 0,142 3,714 0,192 3,25 0,236 2,889 0,278
5,33 0,072 4,571 0,112 4,00 0,149 3,556 0,187
6,33 0,052 5,429 0,085 4,75 0,120 4,222 0,154
7,00 0,029 6,000 0,052 5,25 0,079 4,667 0,107
8,33 0,012 7,143 0,027 6,25 0,047 5,556 0,069
9,00 0,0081 7,714 0,021 6,75 0,038 6,000 0,057
9,33 0,0055 8,000 0,016 7,00 0,030 6,222 0,048
10,33 0,0017 8,857 0,0084 7,75 0,018 6,889 0,031
12,00 0,00013 10,286 0,0036 9,00 0,0099 8,000 0,019
10,571 0,0027 9,25 0,0080 8,222 0,016
11,143 0,0012 9,75 0,0048 8,667 0,010
12,286 0,00032 10,75 0,0024 9,556 0,0060
14,000 0,000021 12,00 0,0011 10,667 0,0035
12,25 0,00086 10,889 0,0029
13,00 0,00026 11,556 0,0013
14,25 0,000061 12,667 0,00066
16,00 0,0000036 13,556 0,00035
14,000 0,00020
14,222 0,000097
14,889 0,000054

xviii
16,222 0,000011
18,000 0,0000006
Tabel N2, k = 4
N=2 N=3 N=4
Xr2 p Xr2 p Xr2 p
0,0 1,000 0,2 1,000 0,0 1,000
0,6 0,958 0,6 0,958 0,3 0,992
1,2 0,834 1,0 0,910 0,6 0,928
1,8 0,792 1,8 0,727 0,9 0,900
2,4 0,625 2,2 0,808 1,2 0,800
3,0 0,542 2,6 0,524 1,5 0,754
3,6 0,458 3,4 0,446 1,8 0,677
4,2 0,375 3,8 0,342 2,1 0,649
4,8 0,208 4,2 0,300 2,4 0,524
5,4 0,167 5,0 0,207 2,7 0,508
6,0 0,042 5,4 0,175 3,0 0,432
5,8 0,148 3,3 0,389
6,6 0,075 3,6 0,355
7,0 0,054 3,9 0,324
7,4 0,033 4,5 0,242
8,2 0,017 4,8 0,200
9,0 0,0017 5,1 0,190
5,4 0,168
5,7 0,141
6,0 0,105
8,3 0,094
6,6 0,077
6,9 0,068
7,2 0,054
7,5 0,052
7,8 0,036
8,1 0,033
8,4 0,019
8,7 0,014
9,3 0,012
9,6 0,0069
9,9 0,0062
10,2 0,0027
10,8 0,0016
11,1 0,00094
12,0 0,000072
Sumber : Siegel, Sidney, 1956, Non Parametric Statistics For The Behavioral Sciences, New York : Mc
Graw-Hill Book Company,

xix
Lampiran 9 : Tabel Harga Kritis Statistik Penguji Kruskal-Wallis Untuk Tiga
Sampel dan Ukuran Sampel Kecil

Ukuran Sampel Ukuran Sampel


n1 n2 n3 Harga kritis p n1 n2 n3 Harga kritis p
2 1 1 4 3 2
2 2 1 3,6000 0,200 6,3000 0,011
2 2 2 4,5714 0,009 5,4444 0,046
3,7143 0,200 5,4000 0,051
4,5111 0,098
3 1 1 3,2000 0,300 4,4444 0,102
3 2 1 4,2857 0,100 4 3 3 6,7455 0,010
3,8571 0,133 6,7091 0,013
3 2 2 5,3572 0,029 5,7909 0,046
4,7143 0,048 5,7273 0,050
4,5000 0,067 4,7091 0,092
4,4643 0,105 4,7000 0,101
3 3 1 5,1429 0,043 4 4 1 6,8867 0,010
4,5714 0,100 6,1667 0,022
4,0000 0,129 4,9667 0,048
3 3 2 6,2500 0,011 4,8667 0,054
5,3611 0,032 4,1667 0,082
5,1389 0,061 4,0667 0,102
4,5556 0,100 4 4 2 7,0364 0,006
4,2500 0,121 6,8727 0,011
3 3 3 7,2000 0,004 5,4545 0,046
6,4889 0,011 5,2364 0,052
5,6889 0,029 4,5545 0,098
5,6000 0,050 4,4455 0,103
5,0667 0,086 4 4 3 7,1439 0,010
4,6222 0,100 7,1364 0,011
5,5985 0,049
4 1 1 3,5714 0,200 5,5758 0,005
4 2 1 4,8214 0,057 4,5455 0,099
4,5000 0,076 4,4773 0,102
4,0179 0,114 4 4 4 7,6538 0,008
4 2 2 6,0000 0,014 7,5385 0,011
5,3333 0,033 5,6923 0,049
5,1250 0,052 5,6538 0,054
4,4583 0,100 4,6539 0,097
4,1667 0,105 4,5001 0,104
4 3 1 5,8333 0,021
5,2083 0,054 5 1 1 3,8571 0,143
5,0000 0,057 5 2 1 5,2500 0,036
4,0556 0,093 5,0000 0,048
3,8889 0,129 4,4500 0,071

xx
Ukuran Sampel Ukuran Sampel
Harga kritis p
n1 n2 n3 n1 n2 n3 Harga kritis p
4,2000 0,095 5,6308 0,050
4,0500 0,119 4,5487 0,099
5 2 2 6,5333 0,008 4,5231 0,103
6,1333 0,013 5 4 4 7,7604 0,009
5,1600 0,034 7,7440 0,011
5,0400 0,056 5,6571 0,049
4,3733 0,090 5,6176 0,050
4,2933 0,122 4,6187 0,100
5 3 1 6,4000 0,012 4,5527 0,102
4,9600 0,048 5 5 1 7,3091 0,009
4,8711 0,052 6,8364 0,011
4,0178 0,095 5,1273 0,046
3,8400 0,123 4,9091 0,053
5 3 2 6,9091 0,009 4,1091 0,086
6,8218 0,010 4,0364 0,105
5,2509 0,049 5 5 2 7,3385 0,010
5,1055 0,052 7,2692 0,010
4,6509 0,091 5,3385 0,047
4,4945 0,101 5,2462 0,051
5 3 3 7,0788 0,009 4,6231 0,097
6,9818 0,011 4,5077 0,100
5,6485 0,049 5 5 3 7,5780 0,010
5,5152 0,051 7,5429 0,010
4,5333 0,097 5,7055 0,046
4,4121 0,109 5,6264 0,051
5 4 1 6,9545 0,008 4,5451 0,100
6,8400 0,011 4,5363 0,102
4,9855 0,044 5 5 4 7,8229 0,010
4,8600 0,056 7,7914 0,010
3,9873 0,098 5,6657 0,049
3,9600 0,102 5,6429 0,050
5 4 2 7,2045 0,009 4,5229 0,099
7,1182 0,010 4,5200 0,101
5,2727 0,049 5 5 5 8,0000 0,009
5,2682 0,050 7,9800 0,010
4,5409 0,098 5,7800 0,049
4,5182 0,101 5,6600 0,051
5 4 3 7,4449 0,110 4,5600 0,100
7,3949 0,011 4,5000 0,102
5,6564 0,049

Sumber : Siegel, Sidney, 1956, Non Parametric Statistics For The Behavioral Sciences, New York : Mc Graw-Hill
Book Company,

xxi
Lmpiran 10 : Tabel Harga Kritis D dalam Tes Satu Sampel Kolmogorov
Smirnov
Ukuran sampel Tingkat Signifikansi untuk D = maksimum
N F0(X) – SN(X) 
0,20 0,15 0,10 0,05 0,01
1 0,900 0,925 0,950 0,975 0,995
2 0,684 0,726 0,776 0,842 0,929
3 0,565 0,597 0,642 0,708 0,828
4 0,494 0,525 0,564 0,624 0,733
5 0,446 0,474 0,510 0,565 0,669
6 0,410 0,436 0,470 0,521 0,618
7 0,381 0,405 0,438 0,486 0,577
8 0,358 0,381 0,411 0,457 0,543
9 0,339 0,360 0,388 0,432 0,514
10 0,322 0,342 0,368 0,410 0,490
11 0,307 0,326 0,352 0,391 0,468
12 0,295 0,313 0,338 0,375 0,450
13 0,284 0,302 0,325 0,361 0,433
14 0,274 0,292 0,314 0,349 0,418
15 0,266 0,283 0,304 0,338 0,404
16 0,258 0,274 0,295 0,328 0,392
17 0,250 0,266 0,286 0,318 0,381
18 0,244 0,259 0,278 0,309 0,371
19 0,237 0,252 0,272 0,301 0,363
20 0,231 0,246 0,264 0,294 0,356
25 0,21 0,22 0,24 0,27 0,32
30 0,19 0,20 0,22 0,24 0,29
35 0,18 0,19 0,21 0,23 0,27
1,07 1,14 1,22 1,36 1,63
n >35 n n n n n
Sumber : Siegel, Sidney, 1956, Non Parametric Statistics For The Behavioral Sciences, New
York : Mc Graw-Hill Book Company,

xxii
Lampiran 11 : Tabel Harga Kritis KD Dalam Tes Dua Sampel Kolmogorov
Smirnov (Sampel Kecil)

N One-tailed test Two-tailed test


α = 0,05 α = 0,01 α = 0,05 α = 0,01
3 3   
4 4  4 
5 4 5 5 5
6 5 6 5 6
7 5 6 6 6
8 5 6 6 7
9 6 7 6 7
10 6 7 7 8
11 6 8 7 8
12 6 8 7 8
13 7 8 7 9
14 7 8 8 9
15 7 9 8 9
16 7 9 8 10
17 8 9 8 10
18 8 10 9 10
19 8 10 9 10
20 8 10 9 11
21 8 10 9 11
22 9 11 9 11
23 9 11 10 11
24 9 11 10 12
25 9 11 10 12
26 9 11 10 12
27 9 12 10 12
28 10 12 11 13
29 10 12 11 13
30 10 12 11 13
35 11 13 12
40 11 14 13
Sumber : Siegel, Sidney, 1956, Non Parametric Statistics For The Behavioral
Sciences, New York : Mc Graw-Hill Book Company,

xxiii
Lampiran 12 : Tabel Harga Kritis D Dalam Tes Dua Sampel Kolmogorov
Smirnov (Sampel besar : tes dua sisi)

Level of significance Value of D so large to call for rejection


of Ho at the indicated level of
significance, where D = maximum Sn1
(X) – Sn2(X) 

0,10 n1 + n2
1,22
n1 n 2

0,05 n1 + n 2
1,36
n1 n 2

0,025 n1 + n2
1,48
n1 n2

0,01 n1 + n 2
1,63
n1 n2

0,005 n1 + n 2
1,73
n1 n2

0,001 n1 + n 2
1,95
n1 n2

Sumber : Siegel, Sidney, 1956, Non Parametric Statistics For The Behavioral
Sciences, New York : Mc Graw-Hill Book Company,

xxiv
Lampiran 13 : Tabel Harga-harga Kritis U Dalam Tes Mann-Whitney

n2 = 3
n1
U 1 2 3
0 0,250 0,100 0,050
1 0,500 0,200 0,100
2 0,750 0,400 0,200
3 0,600 0,350
4 0,500
5 0,650

n2 = 4
n1
U 1 2 3 4
0 0,200 0,067 0,028 0,014
1 0,400 0,133 0,057 0,029
2 0,600 0,267 0,114 0,057
3 0,400 0,200 0,100
4 0,600 0,314 0,171
5 0,429 0,243
6 0,571 0,343
7 0,443
8 0,557

n2 = 5
n1
U 1 2 3 4 5
0 0,167 0,047 0,018 0,008 0,004
1 0,333 0,095 0,036 0,016 0,008
2 0,500 0,190 0,071 0,032 0,016
3 0,667 0,286 0,125 0,056 0,028
4 0,429 0,196 0,095 0,048
5 0,571 0,286 0,143 0,075
6 0,393 0,206 0,111
7 0,500 0,278 0,155
8 0,607 0,365 0,210
9 0,452 0,274
10 0,548 0,345
11 0,421
12 0,500
13 0,579
xxv
n2 = 6
n1
U 1 2 3 4 5 6
0 0,143 0,036 0,012 0,005 0,002 0,001
1 0,286 0,071 0,024 0,010 0,004 0,002
2 0,428 0,143 0,048 0,019 0,009 0,004
3 0,571 0,214 0,083 0,033 0,015 0,008
4 0,321 0,131 0,057 0,026 0,013
5 0,429 0,190 0,086 0,041 0,021
6 0,571 0,274 0,129 0,063 0,032
7 0,357 0,176 0,089 0,047
8 0,452 0,238 0,129 0,066
9 0,548 0,305 0,165 0,090
10 0,381 0,214 0,120
11 0,457 0,268 0,155
12 0,545 0,331 0,197
13 0,396 0,242
14 0,465 0,294
15 0,535 0,350
16 0,409
17 0,469
18 0,531

xxvi
n2 = 7
n1
U 1 2 3 4 5 6 7
0 0,125 0,02 0,008 0,003 0,001 0,001 0,000
8
1 0,250 0,05 0,017 0,006 0,003 0,001 0,001
6
2 0,375 0,11 0,033 0,012 0,005 0,002 0,001
1
3 0,500 0,16 0,058 0,021 0,009 0,004 0,002
7
4 0,625 0,25 0,092 0,036 0,015 0,007 0,003
0
5 0,33 0,133 0,055 0,024 0,011 0,006
3
6 0,44 0,192 0,082 0,037 0,017 0,009
4
7 0,55 0,258 0,115 0,053 0,026 0,013
6
8 0,333 0,158 0,074 0,037 0,019
9 0,417 0,206 0,101 0,051 0,027
10 0,500 0,264 0,134 0,069 0,036
11 0,538 0,324 0,172 0,090 0,049
12 0,394 0,216 0,117 0,064
13 0,464 0,265 0,147 0,082
14 0,538 0,319 0,183 0,104
15 0,378 0,223 0,130
16 0,438 0,267 0,159
17 0,500 0,314 0,191
18 0,526 0,365 0,228
19 0,418 0,267
20 0,473 0,310
21 0,527 0,355
22 0,402
23 0,451
24 0,500
xxvii
25 0,549

xxviii
n2 = 8
n1
U 1 2 3 4 5 6 7 8 t normal
0 0,111 0,022 0,006 0,002 0,001 0,000 0,000 0,000 3,308 0,001
1 0,222 0,044 0,012 0,004 0,002 0,001 0,000 0,000 3,203 0,001
2 0,333 0,089 0,024 0,008 0,003 0,001 0,001 0,000 3,098 0,001
3 0,444 0,133 0,042 0,014 0,005 0,002 0,001 0,001 2,993 0,001
4 0,556 0,200 0,067 0,024 0,009 0,004 0,002 0,001 2,888 0,002
5 0,267 0,097 0,036 0,015 0,006 0,003 0,001 2,783 0,003
6 0,356 0,139 0,055 0,023 0,010 0,005 0,002 2,678 0,004
7 0,444 0,188 0,077 0,033 0,015 0,007 0,003 2,573 0,005
8 0,556 0,248 0,107 0,047 0,021 0,010 0,005 2,468 0,007
9 0,315 0,141 0,064 0,030 0,014 0,007 2,363 0,009
10 0,387 0,184 0,085 0,041 0,020 0,010 2,258 0,012
11 0,461 0,230 0,111 0,054 0,027 0,014 2,153 0,016
12 0,539 0,285 0,142 0,071 0,036 0,019 2,048 0,020
13 0,341 0,177 0,091 0,047 0,025 1,943 0,026
14 0,404 0,217 0,114 0,060 0,032 1,838 0,033
15 0,467 0,262 0,141 0,076 0,041 1,733 0,041
16 0,533 0,311 0,172 0,095 0,052 1,628 0,052
17 0,362 0,207 0,116 0,065 1,523 0,064
18 0,416 0,245 0,140 0,080 1,418 0,078
19 0,472 0,286 0,168 0,097 1,313 0,094
20 0,528 0,331 0,198 0,117 1,208 0,113
21 0,377 0,232 0,139 1,102 0,135
22 0,426 0,268 0,164 0,998 0,159
23 0,475 0,306 0,191 0,893 0,185
24 0,525 0,347 0,221 0,788 0,215
25 0,389 0,253 0,683 0,247
26 0,433 0,287 0,578 0,282
27 0,478 0,323 0,473 0,318
28 0,522 0,360 0,368 0,356
29 0,399 0,263 0,396
30 0,439 0,158 0,437
31 0,480 0,052 0,481
32 0,520

xxix
Harga-harga kritis U untuk tes satu sisi pada α = 0,001 atau untuk test dua sisi pada α =
0,002
n1
n2 9 10 11 12 13 14 15 16 17 18 19 20
1
2
3 0 0 0 0
4 0 0 0 1 1 1 2 2 3 3 3
5 1 1 2 2 3 3 4 5 5 6 7 7
6 2 3 4 4 5 6 7 8 9 10 11 12
7 3 5 6 7 8 9 10 11 13 14 15 16
8 5 6 8 9 11 12 14 15 17 18 20 21
9 7 8 10 12 14 15 17 19 21 23 25 26
10 8 10 12 14 17 19 21 23 25 27 29 32
11 10 12 15 17 20 22 24 27 29 32 34 37
12 12 14 17 20 23 25 28 31 34 37 40 42
13 14 17 20 23 26 29 32 35 38 42 45 48
14 15 19 22 25 29 32 36 39 43 46 50 54
15 17 21 24 28 32 36 40 43 47 51 55 59
16 19 23 27 31 35 39 43 48 52 56 60 65
17 21 25 29 34 38 43 47 52 57 61 66 70
18 23 27 32 37 42 46 51 56 61 66 71 76
19 25 29 34 40 45 50 55 60 66 71 77 82
20 26 32 37 42 48 54 59 65 70 76 82 88

Harga-harga kritis U untuk tes satu sisi pada α = 0,01 atau untuk test dua sisi pada α = 0,02
n1
n2 9 10 11 12 13 14 15 16 17 18 19 20
1
2 0 0 0 0 0 0 1 1
3 1 1 1 2 2 2 3 3 4 4 4 5
4 3 3 4 5 5 6 7 7 8 9 9 10
5 5 6 7 8 9 10 11 12 13 14 15 16
6 7 8 9 11 12 13 15 16 18 19 20 22
7 9 11 12 14 16 17 19 21 23 24 26 28
8 11 13 15 17 20 22 24 26 28 30 32 34
9 14 16 18 21 23 26 28 31 33 36 38 40
10 16 19 22 24 27 30 33 36 38 41 44 47
11 18 22 25 28 31 34 37 41 44 47 50 53
12 21 24 28 31 35 38 42 46 49 53 56 60
13 23 27 31 35 39 43 47 51 55 59 63 67
14 26 30 34 38 43 47 51 56 60 65 69 73
15 28 33 37 42 47 51 56 61 66 70 75 80
16 31 36 41 46 51 56 61 66 71 76 82 87
17 33 38 44 49 55 60 66 71 77 82 88 93
18 36 41 47 53 59 65 70 76 82 88 94 100
19 38 44 50 56 63 69 75 82 88 94 101 107
20 40 47 53 60 67 73 80 87 93 100 107 114

xxx
Harga-harga kritis U untuk tes satu sisi pada α = 0,025 atau untuk test dua sisi pada α = 0,05
n1
n2 9 10 11 12 13 14 15 16 17 18 19 20
1
2 0 0 0 1 1 1 1 1 2 2 2 2
3 2 3 3 4 4 5 5 6 6 7 7 8
4 4 5 6 7 8 9 10 11 11 12 13 13
5 7 8 9 11 12 13 14 15 17 18 19 20
6 10 11 13 14 16 17 19 21 22 24 25 27
7 12 14 16 18 20 22 24 26 28 30 32 34
8 15 17 19 22 24 26 29 31 34 36 38 41
9 17 20 23 26 28 31 34 37 39 42 45 48
10 20 23 26 29 33 36 39 42 45 48 52 55
11 23 26 30 33 37 40 44 47 51 55 58 62
12 26 29 33 37 41 45 49 53 57 61 65 69
13 28 33 37 41 45 50 54 59 63 67 72 76
14 31 36 40 45 50 55 59 64 67 74 78 83
15 34 39 44 49 54 59 64 70 75 80 85 90
16 37 42 47 53 59 64 70 75 81 86 92 98
17 39 45 51 57 63 67 75 81 87 93 99 105
18 42 48 55 61 67 74 80 86 93 99 106 112
19 45 52 58 65 72 78 85 92 99 106 113 119
20 48 55 62 69 76 83 90 98 105 112 119 127

Harga-harga kritis U untuk tes satu sisi pada α = 0,05 atau untuk test dua sisi pada α = 0,10
n1
n2 9 10 11 12 13 14 15 16 17 18 19 20
1 0 0
2 1 1 1 2 2 2 3 3 3 4 4 4
3 3 4 5 5 6 7 7 8 9 9 10 11
4 6 7 8 9 10 11 12 14 15 16 17 18
5 9 11 12 13 15 16 18 19 20 22 23 25
6 12 14 16 17 19 21 23 25 26 28 30 32
7 15 17 19 21 24 26 28 30 33 35 37 39
8 18 20 23 26 28 31 33 36 39 41 44 47
9 21 24 27 30 33 36 39 42 45 48 51 54
10 24 27 31 34 37 41 44 48 51 55 58 62
11 27 31 34 38 42 46 50 54 57 61 65 69
12 30 34 38 42 47 51 55 60 64 68 72 77
13 33 37 42 47 51 56 61 65 70 75 80 84
14 36 41 46 51 56 61 66 71 77 82 87 92
15 39 44 50 55 61 66 72 77 83 88 94 100
16 42 48 54 60 65 71 77 83 89 95 101 107
17 45 51 57 64 70 77 83 89 96 102 109 115
18 48 55 61 68 75 82 88 95 102 109 116 123
19 51 58 65 72 80 87 94 101 109 116 123 130
20 54 62 69 77 84 92 100 107 115 123 130 138
Sumber : Siegel, Sidney, 1956, Non Parametric Statistics For The Behavioral Sciences, New York : Mc
Graw-Hill Book Company,

xxxi
Lampiran 14. Tabel Harga-harga Kritis untuk Tes Walsh
Tingkat Tes
Signifikansi tes Dua sisi ; terima jika µ 1 ≠ 0 jika
N Satu sisi Dua sisi Satu sisi : terima µ 1 < 0 jika Satu sisi : terima µ 1 > 0 jika
4 0,062 0,125 d4 < 0 d1 > 0
5 0,062 0,125 ½ ( d4 + d5 ) < 0 ½ ( d1 + d2 ) > 0
0,031 0,062 d5 < 0 d1 > 0
6 0,047 0,094 max [ d5, ½ ( d4 + d6 ) < 0 ] min [ d2, ½ ( d1 + d3 ) > 0 ]
0,031 0,062 ½ ( d5 + d6 ) < 0 ½ ( d1 + d2 ) > 0
0,016 0,031 d6 < 0 d1 > 0
7 0,055 0,109 max [ d5, ½ ( d4 + d7 ) < 0 ] min [ d3, ½ ( d1 + d4 ) > 0 ]
0,023 0,047 max [ d6, ½ ( d5 + d7 ) < 0 ] min [ d2, ½ ( d1 + d3 ) > 0 ]
0,016 0,031 ½ ( d6 + d7 ) < 0 ½ ( d1 + d2 ) > 0
0,008 0,016 d7 < 0 d1 > 0
8 0,043 0,086 max [ d6, ½ ( d4 + d8 ) < 0 ] min [ d3, ½ ( d1 + d5 ) > 0 ]
0,027 0,055 max [ d6, ½ ( d5 + d8 ) < 0 ] min [ d3, ½ ( d1 + d4 ) > 0 ]
0,012 0,023 max [ d7, ½ ( d6 + d8 ) < 0 ] min [ d2, ½ ( d1 + d3 ) > 0 ]
0,008 0,016 ½ ( d7 + d8 ) < 0 ½ ( d1 + d2 ) > 0
0,004 0,008 d8 < 0 d1 > 0
9 0,051 0,102 max [ d6, ½ ( d4 + d9 ) < 0 ] min [ d4, ½ ( d1 + d6 ) > 0 ]
0,022 0,043 max [ d7, ½ ( d5 + d9 ) < 0 ] min [ d3, ½ ( d1 + d5 ) > 0 ]
0,010 0,020 max [ d8, ½ ( d5 + d9 ) < 0 ] min [ d2, ½ ( d1 + d5 ) > 0 ]
0,006 0,012 max [ d8, ½ ( d7 + d9 ) < 0 ] min [ d2, ½ ( d1 + d3 ) > 0 ]
0,004 0,008 ½ ( d8 + d9 ) < 0 ½ ( d1 + d2 ) > 0
10 0,056 0,111 max [ d6, ½ ( d4 + d10 ) < 0 ] min [ d5, ½ ( d1 + d7 ) > 0 ]
0,025 0,051 max [ d7, ½ ( d5 + d10 ) < 0 ] min [ d4, ½ ( d1 + d6 ) > 0 ]
0,011 0,021 max [ d8, ½ ( d6 + d10 ) < 0 ] min [ d3, ½ ( d1 + d5 ) > 0 ]
0,005 0,010 max [ d9, ½ ( d6 + d10 ) < 0 ] min [ d2, ½ ( d1 + d5 ) > 0 ]
11 0,048 0,097 max [ d7, ½ ( d4 + d11 ) < 0 ] min [ d5, ½ ( d1 + d8 ) > 0 ]
0,028 0,056 max [ d7, ½ ( d5 + d11 ) < 0 ] min [ d5, ½ ( d1 + d7 ) > 0 ]
0,011 0,021 max [½ ( d6 + d11 ), ½ ( d8 + d9 ) < 0 ] min [½ ( d1 + d6 ), ½ ( d3 + d4 ) > 0 ]
0,005 0,011 max [ d9, ½ ( d7 + d11 ) < 0 ] min [ d3, ½ ( d1 + d5 ) > 0 ]
12 0,047 0,094 max [½ ( d4 + d12 ), ½ ( d5 + d11 ) < 0 ] min [½ ( d1 + d9 ), ½ ( d2 + d8 ) > 0 ]
0,024 0,048 max [ d8, ½ ( d5 + d12 ) < 0 ] min [ d5, ½ ( d1 + d8 ) > 0 ]
0,010 0,020 max [ d9, ½ ( d6 + d12 ) < 0 ] min [ d4, ½ ( d1 + d7 ) > 0 ]
0,005 0,011 max [½ ( d7 + d12 ), ½ ( d9 + d10 ) < 0 ] min [½ ( d1 + d6 ), ½ ( d3 + d4 ) > 0 ]
13 0,047 0,094 max [½ ( d4 + d13 ), ½ ( d5 + d12 ) < 0 ] min [½ ( d1 + d10 ), ½ ( d2 + d9 ) > 0 ]
0,023 0,047 max [½ ( d5 + d13 ), ½ ( d6 + d12 ) < 0 ] min [½ ( d1 + d9 ), ½ ( d2 + d8 ) > 0 ]
0,010 0,020 max [½ ( d6 + d13 ), ½ ( d9 + d10 ) < 0 ] min [½ ( d1 + d8 ), ½ ( d4 + d5 ) > 0 ]
0,005 0,010 max [ d10, ½ ( d7 + d13 ) < 0 ] min [ d4, ½ ( d1 + d7 ) > 0 ]
14 0,047 0,094 max [½ ( d4 + d14 ), ½ ( d5 + d13 ) < 0 ] min [½ ( d1 + d11 ), ½ ( d2 + d10 ) > 0 ]
0,023 0,047 max [½ ( d5 + d14 ), ½ ( d6 + d13 ) < 0 ] min [½ ( d1 + d10 ), ½ ( d2 + d9 ) > 0 ]
0,010 0,020 max [ d10, ½ ( d6 + d14 ) < 0 ] min [ d5, ½ ( d1 + d9 ) > 0 ]
0,005 0,010 max [½ ( d7 + d14 ), ½ ( d10 + d11 ) < 0 ] min [½ ( d1 + d8 ), ½ ( d4 + d5 ) > 0 ]
15 0,047 0,094 max [½ ( d4 + d15 ), ½ ( d5 + d14 ) < 0 ] min [½ ( d1 + d12 ), ½ ( d2 + d11 ) > 0 ]
0,023 0,047 max [½ ( d5 + d15 ), ½ ( d6 + d14 ) < 0 ] min [½ ( d1 + d11 ), ½ ( d2 + d10 ) > 0 ]
0,010 0,020 max [½ ( d6 + d15 ), ½ ( d10 + d11 ) < 0 ] min [½ ( d1 + d10 ), ½ ( d5 + d6 ) > 0 ]
0,005 0,010 max [ d11, ½ ( d7 + d15 ) < 0 ] min [ d5, ½ ( d1 + d9 ) > 0 ]
Sumber : Siegel, Sidney, 1956, Non Parametric Statistics For The Behavioral Sciences, New York : Mc Graw-Hill Book Company,

xxxii
Lampiran 15. Tabel Kemungkinan Yang Berkaitan Dengan Harga-Harga
Sekecil Harga-Harga X Observasi Dalam Tes Binomial
x
N 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
0,03 0,18 0,50 0,96
5 1 8 0 0,812 9 ϒ
0,01 0,10 0,34 0,89
6 6 9 4 0,656 1 0,984 ϒ
0,00 0,06 0,22 0,77 0,99
7 8 2 7 0,500 3 0,938 2 ϒ
0,00 0,03 0,14 0,63 0,96
8 4 5 5 0,363 7 0,855 5 0,996 ϒ
0,00 0,02 0,09 0,50 0,91 0,99
9 2 0 0 0,254 0 0,746 0 0,980 8 ϒ
0,00 0,01 0,05 0,37 0,82 0,98 0,99
10 1 1 5 0,172 7 0,623 8 0,945 9 9 ϒ
0,00 0,03 0,27 0,72 0,96 0,99
11 6 3 0,113 4 0,500 6 0,887 7 4 ϒ ϒ
0,00 0,01 0,19 0,61 0,92 0,98 0,99
12 3 9 0,073 4 0,387 3 0,806 7 1 7 ϒ ϒ
0,00 0,01 0,13 0,50 0,86 0,95 0,98 0,99
13 2 1 0,046 3 0,291 0 0,709 7 4 9 8 ϒ ϒ
0,00 0,00 0,09 0,39 0,78 0,91 0,97 0,99 0,99
14 1 6 0,029 0 0,212 5 0,605 8 0 1 4 9 ϒ ϒ
0,00 0,05 0,30 0,69 0,84 0,94 0,98 0,99
15 4 0,018 9 0,151 4 0,500 6 9 1 2 6 ϒ ϒ ϒ
0,00 0,03 0,22 0,59 0,77 0,89 0,96 0,98
16 2 0,011 8 0,105 7 0,402 8 3 5 2 9 0,998 ϒ ϒ
0,00 0,02 0,16 0,50 0,68 0,83 0,92 0,97
17 1 0,006 5 0,072 6 0,315 0 5 4 8 5 0,994 0,999 ϒ
0,00 0,01 0,11 0,40 0,59 0,76 0,88 0,95
18 1 0,004 5 0,048 9 0,240 7 3 0 1 2 0,985 0,996 0,999
0,01 0,08 0,32 0,50 0,67 0,82 0,91
19 0,002 0 0,032 4 0,180 4 0 6 0 6 0,968 0,990 0,998
0,00 0,05 0,25 0,41 0,58 0,74 0,86
20 0,001 6 0,021 8 0,132 2 2 8 8 8 0,942 0,976 0,994
0,00 0,03 0,19 0,33 0,50 0,66 0,80
21 0,001 4 0,013 9 0,095 2 2 0 8 8 0,905 0,961 0,987
0,00 0,02 0,14 0,26 0,41 0,58 0,73
22 2 0,008 6 0,067 3 2 6 4 8 0,857 0,933 0,974
0,00 0,01 0,10 0,20 0,33 0,50 0,66
23 1 0,005 7 0,047 5 2 9 0 1 0,798 0,895 0,953
0,00 0,01 0,07 0,15 0,27 0,41 0,58
24 1 0,003 1 0,032 6 4 1 9 1 0,729 0,846 0,924
25 0,002 0,00 0,022 0,05 0,11 0,21 0,34 0,50 0,655 0,788 0,885

xxxiii
7 4 5 2 5 0

Sumber : Siegel, Sidney, 1956, Non Parametric Statistics For The Behavioral Sciences, New York : Mc
Graw-Hill Book Company.

Lampiran 16. Tabel Harga-harga Kritis r dalam Tes Run

Tabel I < F
n2
n1 2 3 4 5 6 7 8 9 1 1 12 13 14 15 16 17 18 1 20
0 1 9
2 2 2 2 2 2 2 2 2 2
3 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3
4 2 2 2 3 3 3 3 3 3 3 3 4 4 4 4 4
5 2 2 3 3 3 3 4 4 4 4 4 4 4 4 5 5 5
6 2 2 3 3 3 3 4 4 4 4 5 5 5 5 5 5 6 6
7 2 2 3 3 3 4 4 5 5 5 5 5 6 6 6 6 6 6
8 2 3 3 3 4 4 5 5 5 6 6 6 6 6 7 7 7 7
9 2 3 3 4 4 5 5 5 6 6 6 7 7 7 7 8 8 8
10 2 3 3 4 5 5 5 6 6 7 7 7 7 8 8 8 8 8
11 2 3 4 4 5 5 6 6 7 7 7 8 8 8 9 9 9 9
12 2 2 3 4 4 5 6 6 7 7 7 8 8 8 9 9 9 10 10
13 2 2 3 4 5 5 6 6 7 7 8 8 9 9 9 10 10 10 10
14 2 2 3 4 5 5 6 7 7 8 8 9 9 9 10 10 10 11 11
15 2 3 3 4 5 6 6 7 7 8 8 9 9 10 10 11 11 11 12
16 2 3 4 4 5 6 6 7 8 8 9 9 10 10 11 11 11 12 12
17 2 3 4 4 5 6 7 7 8 9 9 10 10 11 11 11 12 12 13
18 2 3 4 5 5 6 7 8 8 9 9 10 10 11 11 12 12 13 13
19 2 3 4 5 6 6 7 8 8 9 10 10 11 11 12 12 13 13 13
20 2 3 4 5 6 6 7 8 9 9 10 10 11 12 12 13 13 13 14

Tabel I > F
n2
n1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
2
3
4 9 9
5 9 10 10 11 11

xxxiv
6 9 10 11 12 12 13 13 13 13
7 11 12 13 13 14 14 14 14 15 15 15
8 11 12 13 14 14 15 15 16 16 16 16 17 17 17 17 17
9 13 14 14 15 16 16 16 17 17 18 18 18 18 18 18
10 13 14 15 16 16 17 17 18 18 18 19 19 19 20 20
11 13 14 15 16 17 17 18 19 19 19 20 20 20 21 21
12 13 14 16 16 17 18 19 19 20 20 21 21 21 22 22
13 15 16 17 18 19 19 20 20 21 21 22 22 23 23
14 15 16 17 18 19 20 20 21 22 22 23 23 23 24
15 15 16 18 18 19 20 21 22 22 23 23 24 24 25
16 17 18 19 20 21 21 22 23 23 24 25 25 25
17 17 18 19 20 21 22 23 23 24 25 25 26 26
18 17 18 19 20 21 22 23 24 25 25 26 26 27
19 17 18 20 21 22 23 23 24 25 26 26 27 27
20 17 18 20 21 22 23 24 25 25 26 27 27 28
Sumber : Siegel, Sidney, 1956, Non Parametric Statistics For The Behavioral Sciences, New York : Mc
Graw-Hill Book Company.

xxxv