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 rumusrumus 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
= rata-rata data kenyataan
X
µ 0 = rata-rata data standar / angka
= standar deviasi data standar
σ
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 :
= 790
X
= 800
µ 0
= 20
σ
N
= 6
X −μ
Z= σ o
N
790
− 800
Z=
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
= rata-rata data kenyataan
X
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 :
= 26
X
= 25
µ 0
SD
= 3
N
= 40
t = X − µo
SD
N
26

25
t=
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.
t=

Rumus t
∑di

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
∑di
t=
2
N∑d 2 −  ∑di 
i
N −1

t=

19

61

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.
t=

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

2
2


 ∑X 

 ∑X 

1
2




2
2
+ ∑X −
∑X1 − N
2
N2
2
1
S =
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
t=

X1 −X 2
S2 + S2
N1 N 2

13

2
2


 ∑X 

 ∑X 

1
2




2
2
+∑X 2 −
∑X1 − N
N2
2
1
S =
N1 + N2 − 2

d.
Hitung nilai statistik penguji
Diketahui:
N1
= 11
N2
= 11
NO
IND SEMEN
X 12
1
124
15.376
2
120
14.400
3
98
9.604
4
104
10.816
5
132
17.424
6
108
11.664
7
134
17.956
8
130
16.900
9
128
16.384
10
138
19.044
11
120
14.400
JUMLAH
1.336
163.968
RATA-RATA
121,45

S2 =

 X 
2 −  ∑ 1

∑ X1

2

 X 
2 −  ∑ 2 

+∑ X2
N1
N1 + N2 − 2

N2

2
2
163968 − 1336 +177846 − 1392
11
11
S2 =
11 +11 − 2
S2 =169,97
14

IND BAJA
142
101
108
124
135
129
143
127
134
129
120
1.392
126,55

2

X 22
20.164
10.201
11.664
15.376
18.225
16.641
20.449
16.129
17.956
16.641
14.400
177.846

t=

t=

X1 −X 2
S2 + S2
N1 N 2
121 ,45 −126 ,55
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.
1).

Daerah penolakan
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
VARIASI KEBEBASAN
(db)

MEAN
F
KUADRAT
(MK)
2
2 JK K MK K
Kelompok dbK = K - 1




 ∑X

 ∑X

MK
K
T




K = db F = MK
(K)
JK K = ∑

d
K
nK
N
JK
Dalam
dbd = N – K
JKd = JKT - JKK
MK d = d
(d)
db d

Total
(T)

dbT = N – 1

JUMLAH KUADRAT
(JK)

2
 X 
∑ T

2
JK T = ∑ X −
T
N

MKT

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




 ∑X

 ∑X

MK
K
T




k (K)
K = db F = MK
JK K = ∑

d
K
nK
N
JK
Dalam
dbd = N – K
JKd = JKT - JKK
MK d = d
(d)
db d
Total
(T)

dbT = N – 1

2
 X 
∑ T

2
JK T = ∑ X −
T
N

MKT

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
)
2
 X 
∑ T
2
JK T = ∑X − 
T
N
2
JK T = 218 ,85 − 78,06
28
JK T =1,230
2 
2
 X 
 ∑ X 
∑ K
T



JK K = ∑

nK
N
2
2
2
2
2
JK K = 15,21 + 26,74 + 14,22 + 21,89 − 78,06
5
6
9
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)
HSD0,05 antara

X1

dan

X2

= q0,05, df=dfd

MK d MK d
+
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 N1
N2

20

A vs B 4,17

0,021
0,021
+
6
9

A vs C 4,17

0,021 0,021
+
= 0,366
6
5

A vs D 4,17

0,021 0,021
+
= 0,326
6
8

B vs C 4,17

0,021 0,021
+
= 0,337
9
5

B vs D 4,17

0,021 0,021
+
= 0,294
9
8

C vs D 4,17

0,021 0,021
+
= 0,344
5
8

X2

= 0,318 2,54 – 2,97= 0,43

KET
signifikan

tidak
2,54 – 2,84= 0,30 signifikan
tidak
2,54 – 2,74= 0,20 signifikan
tidak
2,97 – 2,84= 0,13 signifikan
tidak
2,97 – 2,74= 0,23 signifikan
tidak
2,84 – 2,74= 0,10 signifikan

LSD0,05 antara

X1

dan

X2

= t0,05,df=dfd

MK d MK d
+
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)
BEDA

t0,05 df=dfd

MK d MK d
+
N1
N2

X1 -

X2

KET

A vs B 2,064

0,021 0,021
+
= 0,158 2,54 – 2,97= 0,43 signifikan
6
9

A vs C 2,064

0,021 0,021
+
= 0,181 2,54 – 2,84= 0,30 signifikan
6
5

A vs D 2,064

0,021 0,021
+
= 0,162 2,54 – 2,74= 0,20 signifikan
6
8

B vs C 2,064

0,021 0,021
+
= 0,167 2,97 – 2,84= 0,13
9
5

B vs D 2,064

0,021 0,021
+
= 0,145 2,97 – 2,74= 0,23 signifikan
9
8

C vs D 2,064

0,021 0,021
+
= 0,171 2,84 – 2,74= 0,10
5
8

tidak
signifikan

tidak
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.

Z=

Rumus Z
X1 X2

n1 n 2



p.q. 1 + 1 
n 2 
n
 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 2 
n
 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

Z=

X1 X2

n1 n 2



p.q. 1 + 1 
n 2 
n
 1

467 − 571
542
638
Z=


0,8797 .0,1203 . 1 + 1 
638 
 542
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

X2 = (n −1).s
σ2
0

2

Keterangan :
X2 = nilai chi-square
n
= banyaknya sampel
s2 = nilai varians data di lapangan
= nilai variansi standar
σ
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.
α = 5%
c.

Level signifikansi (α )
Rumus statistik penguji

X2 = (n −1).s
σ2
0

2

d.
Hitung rumus statistik penguji
Diketahui:
n
= 6
s
= 8,6
= 20
σ
2
X 2 = (n −1).s
2
σ
0
(
6

1
). 8,62
X2 =
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.
F=

d.

Rumus statistik penguji
Varians.te rbesar
Varians.te rkecil

Hitung rumus statistik penguji
31

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

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

X = ∑∑
2

(O

ij

− E ij )

2

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
X = ∑∑
2

d.

(O

ij

− E ij )

2

E ij

Hitung statistik penguji

O
 ij

X2 =∑∑

2
−Eij 

Eij
2
2
2
2
X2 = (20 −15 ) + (25 −15 ) + (10 −15 ) + (5 −15 )
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.
1).

Daerah penolakan
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
r − µr
 n1 + n 2

Z=
=
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.
No.
1
2
3
4
5
6
7
8
9
10
11
12
13
14

Hitung statistik penguji
JENIS KELAMIN PENDERITA TB
PRIA
PRIA
WANITA
PRIA
PRIA
PRIA
WANITA
WANITA
WANITA
PRIA
WANITA
WANITA
PRIA
PRIA

TANDA RUN
+
+
+
+
+
+
+
+

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
r − µr
 n1 + n 2

Z=
=
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
1
68
2
56
3
78
4
60
5
70
6
72
7
65

TANDA
+
+
+
+
+
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

+
+
+
+
+
+
+
+
+
+
+
+
+
-

Z=

r − µr
=
σr

 2.n1.n 2


r −
 n + n + 1
2
 1

2.n1.n 2 .( 2.n1.n 2 − n1 − n 2 )
(n1 + n 2 ) 2 .( n1 + n 2 − 1)

Z=

r − µr
=
σr

 2.24 .18

24 − 
+ 1
 24 + 18

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
Masyarakat
30
20
40
FO(X)
1/4
2/4
3/4
SN(X)
30/100
50/100
90/100
0,05
0,00
0,15
FO(X) – SN(X) 
D hitung maksimum = 0,15

O
10
4/4
100/100
0

e.
Df/db/dk
Df tidak diperlukan
f.

Nilai tabel

D tabel (lampiran 10), α = 20% ==>

1,07
N

=

1,07
100

= 0,107

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)
X = ∑∑
2

E ij =

(O

ij

− E ij − 0,5

)

2

E ij

ri .c j
N

atau
2

N

N  AD − BC − 
2

X2 =
(A + B)(C + D)(A + C)(B + D)

Keterangan :
X2
=
Oij
=
Eij
=
ri
=
cj
=
N
=
A,B, C, D =

Nilai X2 chi-square
Nilai observasi
Nilai expected / harapan
Jumlah baris ke i
Jumlah kolom ke j
Grand total
Nilai observasi sesuai selnya

2.
Kegunaan
Menguji perbedaan dua kelompok pada data dua katagorik.
3.

44

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.

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
X = ∑∑
2

d.

(O

ij

− E ij − 0,5

)

2

E ij

Hitung rumus statistik penguji.

JK

INF INFLUENZA (+) INFLUENZA (−) JUMLAH
Laki-laki
11
6
17
Wanita
9
14
23
JUMLAH
20
20
40
45

E ij =

O11
O12
O21
O22

ri .c j
N

= 11
=6
=9
= 14

E11
E12
E21
E22

O

ij

X 2 =∑∑

−Eij −0,5
Eij

11 −8,5 −0,5

X 2 =
8,5
X 2 =1,64

2



= (17 x 20) / 40
= (17 x 20) / 40
= (23 x 20) / 40
= (23 x 20) / 40

2




 6 −8,5

+

= 8,5
= 8,5
= 11,5
= 11,5

−0,5

8,5

2



 9 −11,5

+

−0,5

11,5

2



14 −11,5 −0,5

+
11,5

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

2



N. Fisher uji beda katagorik dua sampel
1.

Rumus
a.
tabel

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

Kelompok I
Kelompok II
Jumlah


A
C
A+C

+
B
D
B+D

Jumlah
A +B
C+D
N

b.
Kondisi isi sel terdapat data ( 1 – 0 ) atau ( 4 – 2 ),
menghitung nilai p
1). Isi sel ( 1 – 0 )
p=

(A + B)! (C + D)! (A + C)! (B + D)!
N! A! B! C! D!

2). Isi sel ( 4 – 2 )
p=

(A + B)! (C + D)! (A + C)! (B + D)!
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?

Kelompok I
Kelompok II
Jumlah

Terdapat anggota
keluarga IQ tinggi
2
5
7

Tidak terdapat anggota
keluarga IQ tinggi
7
0
7

Jumlah
9
5
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.
α = 5%

Level signifikansi (α )

c.
Rumus statistik penguji
Lihat tabel Fisher (lampiran 5)
d.

Hitung statistik penguji
Terdapat anggota Tidak terdapat anggota
keluarga IQ tinggi
keluarga IQ tinggi
Kelompok I
2
7
Kelompok II
5
0
Jumlah
7
7
A = 2 ; B = 7 ; C = 5 ; D = 0 ; N = 14
(A+B) = (2+7) = 9
(C+D) = (5+0) = 5
48

Jumlah
9
5
14

Lihat tabel Fisher, harga kritis D ;
Jumlah di tepi kanan B / A
0,05
0,025
A+B=9
C+D=9
C+D=8
C+D=7
C+D=6
C+D=5
9
2
1
8
1
1
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 tidak diperlukan

Df/db/dk

f.
Tidak ada.

Nilai tabel

0,01

0,005

1
0
-

1
0
-

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.
(α )
α = 10%

Level signifikansi

c.
penguji

Rumus statistik

p=

(A + B)! (C + D)! (A + C)! (B + D)!
N! A! B! C! D!

d.
penguji
Kelompok I
Kelompok II
Jumlah

Hitung statistik
2
5
7

+
7
0
7

Jumlah
9
5
14

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

e.
Df tidak diperlukan

Df/db/dk

f.
Nilai tabel tidak ada

Nilai tabel

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

Daerah penolakan

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
2
Z=
n1.n 2 .(n1 + n 2 + 1)
12
Bila ada ranking yang sama dilakukan koreksi, sehingga rumus di atas
menjadi
n 1.n 2
Z=

U−

2


 (n 1 + n 2 ) 3 − (n 1 + n 2 )
n 1.n 2



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

t 3i − t i
12





2.
Kegunaan
Menguji perbedaan dua mean data hasil kenyataan di lapangan dengan
mean data hasil kenyataan di lapangan.
51

3.

4.

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

RANKING
1
2,5
2,5
4,5
4,5
6
8
8
8
10,5
10,5
12
13,5
13,5
15
16

ASAL
wanita
wanita
wanita
pria
wanita
pria
pria
wanita
wanita
pria
pria
wanita
pria
pria
pria
pria
53

Kelompok dipisahkan menurut Pria dan Wanita
NOMOR
PRIA
RANKING WANITA
1.
82
4,5
79
2.
84
6
80
3.
85
8
80
4.
86
10,5
82
5.
86
10,5
85
6.
89
13,5
85
7.
89
13,5
88
8.
90
15
9.
91
16
JUMLAH
97,5
n 2 (n 2 + 1)
− ∑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
U 1 = n 1 .n 2 +

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

RANKING
1
2,5
2,5
4,5
8
8
12
38,5

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
n ( n + 1)
U 2 = n1.n 2 + 1 1

2

Z=

∑R
∑R

2

1

n .n
U− 1 2
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
1,75
1,85
1,9
1,92
2,03
2,15
2,25
2,35
2,36
2,41
2,48
2,55
2,67
2,83
2,86
2,87
2,89
3,02
3,05
3,09
3,1
3,21
3,22
3,23
3,25
3,26
3,33
3,35
3,4
3,46
3,52
3,83
4,01
4,02
4,05
4,19

RANK
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

Rumah Nelayan (N), Petani (P)
RP
RN
RP
RN
RN
RN
RN
RP
RP
RN
RP
RP
RP
RP
RN
RP
RP
RP
RN
RP
RN
RP
RP
RP
RN
RP
RP
RP
RP
RP
RN
RN
RP
RN
RP
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

58

n (n + 1)
U 2 = n1.n 2 + 1 1

R1
2
15.(15 + 1)
U 2 = 15.22 +
− 284
2
U 2 = 166

n .n
U− 1 2
2
Z=
n 1.n 2 .( n 1 + n 2 + 1)
12
15 .22
164 −
2
Z=
15.22 .(15 + 22 + 1)
12
Z = −0,0309
n .n
U− 1 2
2
Z=
n 1.n 2 .( n 1 + n 2 + 1)
12
15 .22
166 −
2
Z=
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
=
0
  E 
p h nC 2 g=+−≤ ( hs )
n + n 
 C E
 n 
 C
62

 a a !
 =
 b b ( − b a ! )


bila a ≥ b dan

!

 a
 = 0
 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
=
0
  E 
p h nC 2 g=+−≤ ( hs )
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
a.
b.
Kd tabel

n1n 2
, df=2
n1 + n 2
untuk n1 = n2 ; Kd hitung bandingkan dengan
2
2
untuk n1 ≠ n2 ; X = 4D

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
Sn1(X)
0,20
0,20
0,50 0,50
0,80
Sn2(X)
0,00
0,29
0,57 0,57
0,71
0,09
0,07 0,07
0,09
Sn1(X) – Sn2(X)  0,20

70

88-92
1,00
1,00
0,00

X 2 = 4D 2

n1n 2
n1 + n 2

X 2 = 4.0,20 2 .

10.7
10 + 7

X 2 = 0,6588

e.
Df/db/dk
Df = 2
f.
Nilai tabel
2
X tabel (lampiran 3) db=2 ; α =5% ; = 5,991
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
23
43
46
34
33
28
45
49

SKOR SANITASI RUMAH T36
28
50
36
32
44
51
40
37
71

52
38

35
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
23-27
Sn1(X)
1/10
Sn2(X)
0/10
Sn1(X) – Sn2(X)  1/10
72

SKOR SANITASI RUMAH
28-32 33-37 38-42 43-47
2/10
4/10
5/10
8/10
2/10
5/10
7/10
8/10
0
1/10
2/10
0

48-52
10/10
10/10
0

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
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
2
Signifikansi, nilai X hitung dibandingkan dengan X2 tabel (lampiran 3) Ho
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

a.

X 2 = 4D 2

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
DOKTER SPESIALIS
11
RUMAH SAKIT
7
DOKTER UMUM
8
PUSKESMAS
3
MANTERI
5
DIOBATI SENDIRI
5
DIBIARKAN
5
DSp
Sn1(X)
11/44
0,250
Sn2(X)
1/54
0,018
Sn1(X)–Sn2(X) 0,232

PELAYANAN KESEHATAN
RS
DU PUSK MANT OS
18/44 26/44 29/44 34/44 39/44
0,409 0,591 0,659 0,773 0,886
4/54 10/54 22/54 34/54 48/54
0,074 0,185 0,407 0,630 0,704
0,335 0,406 0,252 0,143 0,182

D = maksimal Sn1(X)–Sn2(X)
74

NON SEJAHTERA
1
3
6
12
12
14
6
DB
44/44
1,000
54/54
1,000
0,000

D = 0,406
X 2 = 4D 2

n1n 2
n1 + n 2

X 2 = 4.0,406 2 .

44.54
44 + 54

X 2 = 15,9857

e.
Df/db/dk
Df = 2
f.
Nilai tabel
2
X tabel (lampiran 3) db=2 ; α = 5% ; X2 = 5,99
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
DOKTER SPESIALIS
11
RUMAH SAKIT
7
DOKTER UMUM
8
PUSKESMAS
3
MANTERI
5
DIOBATI SENDIRI
5
DIBIARKAN
5

NON SEJAHTERA
1
3
6
12
12
14
6

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

76

DB
44/44
1,000
54/54
1,000
0,000

D = 1,36.

n1 + n 2
n1n 2

D = 1,36.

44 + 54
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 :
X = ∑∑
2

E ij =

(O

ij

− E ij )

2

E ij

ri .c j
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.

78

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.

h.
Signifikansi, nilai hasil hitung X2 dibandingkan dengan tabel
2
X (lampiran 3), derajat bebas (r-1)(c-1). Ho diterima pada X2 hitung
< 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
26
16
18
60
JUMLAH (Σ j)
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
X 2 = ∑∑

d.
Progr

(O

ij

− E ij )

2

E ij

Hitung rumus statistik penguji.
Kesmb SEMBUH KARIER TAK SEMBUH

PROG 12 BLN
PROG 6 BLN
JUMLAH (Σ j)

16
10
26

7
9
16

7
11
18

JUMLAH
(Σ i)
30
30
60

79

X = ∑∑
2

E ij =

O11
O12
O13
O21
O22
O23

(O

ij

− E ij )

2

E ij

ri .c j
N

= 16
=7
=7
= 10
=9
= 11

E11
E12
E13
E21
E22
E23

=
=
=
=
=
=

(30 x 26) / 60
(30 x 16) / 60
(30 x 18) / 60
(30 x 26) / 60
(30 x 16) / 60
(30 x 18) / 60

= 13
=8
=9
= 13
=8
=9

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

(O

ij

− E ij )

2

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
82

SD

SLTP

SLTA

PT

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

0
3
1
2
4
5
4
2
1
2
3
1
0
6
4

3
2
4
5
3
4
3
3
4
2
3
4

5
5
2
4
3
4
2
4
3
2
3
2

6
3
4
6
3
5
5
6
3
4
1

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

X = ∑∑
2

d.
NO

(O

ij

− E ij )

2

E ij

Hitung statistik penguji
SD
SLTP

SLTA

PT
83

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

0
3
1
2
4
5
4
2
1
2
3
1
0
6
4

3
2
4
5
3
4
3
3
4
2
3
4

5
5
2
4
3
4
2
4
3
2
3
2

Diketahui median = 3
NOMOR
SD
SLTP
SLTA
PT
> median
Oij
9
7
6
8
Eij
7,5
6
6
5,5
< median
Oij
6
5
6
3
Eij
7,5
6
6
5,5
Total
15
12
12
11
X2 =
X2 =

∑∑

(Oij − Eij )2

( 9 − 7,5) 2
7,5

E ij
+

( 7 − 6) 2
6

+

2

X = 1,603

e.
Df/db/dk
Db = k – 1 = 4 – 1 = 3
f.
84

Nilai tabel

( 6 − 6) 2
6

+

(8 − 5,5) 2
5,5

6
3
4
6
3
5
5
6
3
4
1

TOTAL
25
25

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
H=
N(N + 1)

k

R 2j

∑n
j=1

− 3(N + 1)

j

untuk sampel besar perlu dikoreksi dengan 1 −

∑T
, sehingga rumus di
N3 − N

2

k R
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
BIASA
90
95
110
85

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

POSYANDU
MANDIRI
120
105
105
110
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
 17 2 43,5 2 44,5 2 
12
∑  + 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
X2 =

(A − D) 2
A+D

Koreksi Kontinyuitas
X2 =

( A − D − 1) 2
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

X2 =

( A − D − 1) 2
A+D

d. Hitung rumus statistik penguji.

SEBELUM
MASUK TV
X2 =
X =
2

+
-

SETELAH MASUK TV
+
4
5
3
9

( A − D − 1) 2
A+D

( 4 − 9 − 1)

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
Z=

x−

x − µz
=
1
σz
2

1
N
2
N

1
faktor .koreksi .kontinyuit as.( ) = 0,5
2
1
( X ± 0,5) − N
2
Z=
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
1
2
3
4
5
6
7
8
9
10
11
12
13

BERAT SEBELUM PMT
15,4
18,5
20,1
17,8
16,3
19,4
18,5
16,6
20,4
18,2
15,9
18,4
19,6

BERAT SETELAH PMT
16,2
18,0
20,1
19,0
18,6
19,2
19,8
18,7
20,4
20,1
17,4
19,2
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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

KELEMBABAN RUMAH YANG
MENGHADAP KE TIMUR
68
56
78
60
70
72
65
55
60
64
48
52
66
59
75
64
53
54
62
68
70
59
48
53
63
60
62
51
58
68

KELEMBABAN RUMAH YANG
MENGHADAP KE SELATAN
65
54
79
58
70
59
60
55
54
60
54
50
64
55
70
68
50
56
60
62
70
54
50
56
60
56
64
54
56
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
Z=

(X ± 0,5) −
1
2

1
N
2

N

d. Hitung rumus statistik penguji.
NO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

96

KLBB KE
TIMUR
68
56
78
60
70
72
65
55
60
64
48
52
66
59
75
64
53
54
62
68
70
59

KLBB KE
SELATAN
65
54
79
58
70
59
60
55
54
60
54
50
64
55
70
68
50
56
60
62
70
54

ARAH
PERBEDAAN
>
>
<
>
=
>
>
=
>
>
<
>
>
>
>
<
>
<
>
>
=
>

TANDA
+
+
+
0
+
+
0
+
+
+
+
+
+
+
+
+
0
+

23
24
25
26
27
28
29
30

48
53
63
60
62
51
58
68

50
56
60
56
64
54
56
65

<
<
>
>
<
<
>
>

+
+
+
+

N (pasangan yang berbeda) = 27 ; X (tanda yang paling sedikit -) = 8
Z=

Z=

(X ± 0,5) −
1
2

N

(8 + 0,5) −
1
2

1
N
2

1
27
2

27

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
T − σT
Z=
=
σT

N(N + 1)
4
N(N + 1)(2N + 1)
24
T−

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

T−

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
1
2
3
4
5
6
7
8
9
10
11
12

PRODUKTIVITAS
PADA PAGI HARI
7
7
6
9
5
8
6
7
8
6
7
8

PRODUKTIVITAS
PADA SORE HARI
5
4
7
8
5
7
7
9
9
8
6
5

d
2
3
-1
1
0
1
-1
-2
-1
-2
1
3

Ranking d
berurutan
d10
d11
d3
d7
d6
d8
d4
d1
d5
d2
d9
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
2
 k
 k
 
2
(k − 1) k ∑ G j −  ∑ G j  
 j=1
 j=1  
Q=
N

N

i =1

i =1

k ∑ L i − ∑ L2i

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
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

ABATISASI
0
0
0
1
0
1
1
1
0
0

MENUTUP PENAMPUNGAN AIR
1
0
0
1
1
0
1
1
0
1

MENGURAS
0
1
0
1
1
0
1
1
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
2
 k
 k
 
2
(k − 1) k ∑ G j −  ∑ G j  
 j=1
 j=1  
Q=
N
N
k ∑ L i − ∑ L2i
i =1

i =1

d.
Hitung statistik penguji
No ABATISASI MENUTUP 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
11.
1
1
1
G1 = 5
G2 = 7
G3 = 7

11

∑L i =19
i =1

104

L2
1
1
0
9
4
1
9
9
1
1
9

L
1
1
0
3
2
1
3
3
1
1
3
11

∑L
i =1

2
i

=45

(k
Q=

Q=


 k
−1) k ∑ G 2
 j=1 j

2 



 k

−  ∑ G j


 j=1

N
N
k ∑ Li − ∑ L2
i=1
i=1 i





(3 −1) 3.(5 2 + 72 + 72 ) −19 2 

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.
1)

Daerah penolakan
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
X 2r =

12
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
X 2r =

12
Nk.(k + 1)

∑(R

j

) 2 − 3N(k + 1)

d. Hitung nilai statistik penguji
KELOMPOK A
KELOMPOK B
KELOMPOK C
KELOMPOK D

KOMPOSISI MAKANAN
MODEL I MODEL II MODEL III MODEL IV
202
208
210
165
198
206
204
168
194
194
198
160
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
∑(R j ) 2 − 3N(k + 1)
Nk.(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 =

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 modelmodel 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
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
3,6

iv

0,00
0,5000
0,4602
0,4207
0,3821
0,3446
0,3085
0,2743
0,2420
0,2119
0,1841
0,1587
0,1357
0,1151
0,0968
0,0808
0,0668
0,0548
0,0446
0,0359
0,0287
0,0228
0,0179
0,0139
0,0107
0,0082
0,0062
0,0047
0,0035
0,0026
0,0019
0,0013
0,0010
0,0007
0,0005
0,0003
0,0002
0,0002

0,01
0,4960
0,4562
0,4168
0,3783
0,3409
0,3050
0,2709
0,2389
0,2090
0,1814
0,1562
0,1335
0,1131
0,0951
0,0793
0,0655
0,0537
0,0436
0,0351
0,0281
0,0222
0,0174
0,0136
0,0104
0,0080
0,0060
0,0045
0,0034
0,0025
0,0018
0,0013
0,0009
0,0007
0,0005
0,0003
0,0002
0,0002

0,02
0,4920
0,4522
0,4129
0,3745
0,3372
0,3015
0,2676
0,2358
0,2061
0,1788
0,1539
0,1314
0,1112
0,0934
0,0778
0,0643
0,0526
0,0427
0,0344
0,0274
0,0217
0,0170
0,0132
0,0102
0,0078
0,0059
0,0044
0,0033
0,0024
0,0018
0,0013
0,0009
0,0006
0,0005
0,0003
0,0002
0,0001

0,03
0,4880
0,4483
0,4090
0,3707
0,3336
0,2981
0,2643
0,2327
0,2033
0,1762
0,1515
0,1292
0,1093
0,0918
0,0764
0,0630
0,0516
0,0418
0,0336
0,0268
0,0212
0,0166
0,0129
0,0099
0,0075
0,0057
0,0043
0,0032
0,0023
0,0017
0,0012
0,0009
0,0006
0,0004
0,0003
0,0002
0,0001

0,04
0,4840
0,4443
0,4052
0,3669
0,3300
0,2946
0,2611
0,2296
0,2005
0,1736
0,1492
0,1271
0,1075
0,0901
0,0749
0,0618
0,0505
0,0409
0,0329
0,0262
0,0207
0,0162
0,0125
0,0096
0,0073
0,0055
0,0041
0,0031
0,0023
0,0016
0,0012
0,0008
0,0006
0,0004
0,0003
0,0002
0,0001

0,05
0,4801
0,4404
0,4013
0,3632
0,3264
0,2912
0,2578
0,2266
0,1977
0,1711
0,1469
0,1251
0,1056
0,0885
0,0735
0,0606
0,0495
0,0401
0,0322
0,0256
0,0202
0,0158
0,0122
0,0094
0,0071
0,0054
0,0040
0,0030
0,0022
0,0016
0,0011
0,0008
0,0006
0,0004
0,0003
0,0002
0,0001

0,06
0,4761
0,4364
0,3974
0,3594
0,3228
0,2877
0,2546
0,2236
0,1949
0,1685
0,1446
0,1230
0,1038
0,0869
0,0721
0,0594
0,0485
0,0392
0,0314
0,0250
0,0197
0,0154
0,0119
0,0091
0,0069
0,0052
0,0039
0,0029
0,0021
0,0015
0,0011
0,0008
0,0006
0,0004
0,0003
0,0002
0,0001

0,07
0,4721
0,4325
0,3936
0,3557
0,3192
0,2843
0,2514
0,2206
0,1922
0,1660
0,1423
0,1210
0,1020
0,0853
0,0708
0,0582
0,0475
0,0384
0,0307
0,0244
0,0192
0,0150
0,0116
0,0089
0,0068
0,0051
0,0038
0,0028
0,0021
0,0015
0,0011
0,0008
0,0005
0,0004
0,0003
0,0002
0,0001

0,08
0,4681
0,4286
0,3897
0,3520
0,3156
0,2810
0,2483
0,2177
0,1894
0,1635
0,1401
0,1190
0,1003
0,0838
0,0694
0,0571
0,0465
0,0375
0,0301
0,0239
0,0188
0,0146
0,0113
0,0087
0,0066
0,0049
0,0037
0,0027
0,0020
0,0014
0,0010
0,0007
0,0005
0,0004
0,0003
0,0002
0,0001

0,09
0,4641
0,4247
0,3859
0,3483
0,3121
0,2776
0,2451
0,2148
0,1867
0,1611
0,1379
0,1170
0,0985
0,0823
0,0681
0,0559
0,0455
0,0367
0,0294
0,0233
0,0183
0,0143
0,0110
0,0084
0,0064
0,0048
0,0036
0,0026
0,0019
0,0014
0,0010
0,0007
0,0005
0,0003
0,0002
0,0002
0,0001

3,7
3,8

0,0001
0,0001

0,0001
0,0001

0,0001
0,0001

0,0001
0,0001

0,0001
0,0001

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

Df
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60

Tingkat Signifikansi untuk tes satu sisi
0,40
0,25
0,10
0,05 0,025
0,01 0,005 0,0025 0,001
Tingkat Signifikansi untuk tes dua sisi
0,80
0,50
0,20
0,10
0,05
0,02
0,01 0,005 0,002
0,325 1,000
3,078 6,314 12,706 31,821 63,657 127,32 318,31
0,289 0,816
1,886 2,920 4,303 6,965 9,925 14,089 22,327
0,277 0,765
1,638 2,353 3,182 4,541 5,841 7,453 10,214
0,271 0,741
1,533 2,132 2,776 3,747 4,604 5,598 7,173
0,267 0,727
1,476 2,015 2,571 3,365 4,032 4,773 5,893
0,265 0,718
1,440 1,943 2,447 3,143 3,707 4,317 5,208
0,263 0,711
1,415 1,895 2,365 2,998 3,499 4,029 4,785
0,262 0,706
1,397 1,860 2,306 2,896 3,355 3,833 4,501
0,261 0,703
1,383 1,833 2,262 2,821 3,250 3,690 4,297
0,260 0,700
1,372 1,812 2,228 2,764 3,169 3,581 4,144
0,260 0,697
1,363 1,796 2,201 2,718 3,106 3,497 4,025
0,259 0,695
1,356 1,782 2,179 2,681 3,055 3,428 3,930
0,259 0,694
1,350 1,771 2,160 2,650 3,012 3,372 3,852
0,258 0,692
1,345 1,761 2,145 2,624 2,977 3,326 3,787
0,258 0,691
1,341 1,753 2,131 2,602 2,947 3,286 3,733
0,258 0,690
1,337 1,746 2,120 2,583 2,921 3,252 3,686
0,257 0,689
1,333 1,740 2,110 2,567 2,898 3,222 3,646
0,257 0,688
1,330 1,734 2,101 2,552 2,878 3,197 3,610
0,257 0,688
1,328 1,729 2,093 2,539 2,861 3,174 3,579
0,257 0,687
1,325 1,725 2,086 2,528 2,845 3,153 3,552
0,257 0,686
1,323 1,721 2,080 2,518 2,831 3,135 3,527
0,256 0,686
1,321 1,717 2,074 2,508 2,819 3,119 3,505
0,256 0,685
1,319 1,714 2,069 2,500 2,807 3,104 3,485
0,256 0,685
1,318 1,711 2,064 2,492 2,797 3,091 3,467
0,256 0,684
1,316 1,708 2,060 2,485 2,787 3,078 3,450
0,256 0,684
1,315 1,706 2,056 2,479 2,779 3,067 3,435
0,256 0,684
1,314 1,703 2,052 2,473 2,771 3,057 3,421
0,256 0,683
1,313 1,701 2,048 2,467 2,763 3,047 3,408
0,256 0,683
1,311 1,699 2,045 2,462 2,756 3,038 3,396
0,256 0,683
1,310 1,697 2,042 2,457 2,750 3,030 3,385
0,255 0,681
1,303 1,684 2,021 2,423 2,704 2,971 3,307
0,254 0,679
1,296 1,671 2,000 2,390 2,660 2,915 3,232

0,0005
0,001
636,62
31,598
12,924
8,610
6,869
5,959
5,408
5,041
4,781
4,587
4,437
4,318
4,221
4,140
4,073
4,015
3,965
3,922
3,883
3,850
3,819
3,792
3,767
3,745
3,725
3,707
3,690
3,674
3,659
3,646
3,551
3,460

v

120

0,254
0,253

0,677
0,674

1,289
1,282

1,658
1,645

1,980
1,960

2,358
2,326

2,617
2,576

2,860
2,807

3,160
3,090

3,373
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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
50
60
70
80
90
100

vi

0,001
10,83
13,82
16,27
18,46
20,52
22,46
24,32
26,12
27,88
29,59
31,26
32,91
34,53
36,12
37,70
39,29
40,75
42,31
43,82
45,32
46,80
48,27
49,73
51,18
52,62
54,05
55,48
56,89
58,30
59,70

0,005
7,879
10,597
12,838
14,860
16,750
18,548
20,278
21,955
23,589
25,188
26,757
28,300
29,819
31,319
32,801
34,267
35,718
37,156
38,582
39,997
41,401
42,796
44,181
45,558
46,928
48,290
49,645
50,993
52,336
53,672
66,77
79,49
91,95
104,22
116,32
128,30
140,17

0,010
6,635
9,210
11,341
13,277
15,086
16,812
18,475
20,090
21,660
23,209
24,725
26,217
27,688
29,141
30,578
32,000
33,409
34,805
36,191
37,566
38,932
40,289
41,638
42,980
44,314
45,642
46,963
48,278
49,588
50,892
63,69
76,15
88,38
100,42
112,33
124,12
135,81

0,025
5,024
7,378
9,348
11,143
12,832
14,449
16,013
17,535
19,023
20,483
21,920
23,337
24,736
26,119
27,488
28,845
30,191
31,526
32,852
34,170
35,479
36,781
38,076
39,364
40,646
41,923
43,194
44,461
45,722
46,979
59,34
71,42
83,30
95,02
106,63
118,14
129,56

0,020
5,41
7,82
9,84
11,67
13,39
15,03
16,62
18,17
19,68
21,16
22,62
24,05
25,47
26,87
28,26
29,63
31,00
32,25
33,69
35,02
36,34
37,66
38,97
40,27
41,57
42,86
44,14
45,42
46,69
47,96

0,050
3,841
5,991
7,815
9,488
11,070
12,592
14,067
15,507
16,919
18,307
19,675
21,026
22,362
23,685
24,996
26,296
27,587
28,869
30,144
31,410
32,671
33,924
35,172
36,415
37,652
38,885
40,113
41,337
42,557
43,773
55,76
67,50
79,08
90,53
101,88
113,14
124,34

0,100
2,706
4,605
6,251
7,779
9,236
10,645
12,017
13,362
14,684
15,987
17,275
18,549
19,812
21,064
22,307
23,542
24,769
25,989
27,204
28,412
29,615
30,813
32,007
33,196
34,382
35,563
36,741
37,916
39,087
40,256
51,80
63,17
74,40
85,53
96,58
107,56
118,50

0,200
1,642
3,219
4,642
5,989
7,289
8,558
9,803
11,030
12,242
13,442
14,631
15,812
16,985
18,151
19,311
20,465
21,615
22,760
23,900
25,038
26,171
27,301
28,429
29,553
30,675
31,795
32,912
34,027
35,139
36,250

0,250
1,32
2,77
4,11
5,39
6,63
7,84
9,04
10,22
11,39
12,55
13,70
14,85
15,98
17,12
18,25
19,37
20,49
21,60
22,72
23,83
24,93
26,04
27,14
28,24
29,34
30,43
31,53
32,62
33,71
34,80
45,62
56,33
66,98
77,58
88,13
98,64
10,9,14

0,300
1,07
2,41
3,66
4,88
6,06
7,23
8,38
9,52
10,66
11,78
12,90
14,01
15,12
16,22
17,32
18,42
19,51
20,60
21,69
22,78
23,86
24,94
26,02
27,10
28,17
29,25
30,32
32,39
32,46
33,53

0,500
0,46
1,39
2,37
3,36
4,35
5,35
6,35
7,34
8,34
9,34
10,34
11,34
12,34
13,34
14,34
15,34
16,34
17,34
18,34
19,34
20,34
21,34
22,34
23,34
24,34
25,34
26,34
27,34
28,34
29,34
39,34
49,33
59,33
69,33
79,33
89,33
99,33

0,700
0,15
0,71
1,42
2,20
3,00
3,83
4,67
5,53
6,39
7,27
8,15
9,03
9,93
10,82
11,72
12,62
13,53
14,44
15,35
16,27
17,18
18,10
19,02
19,94
20,87
21,79
22,72
23,65
24,58
25,51

0,750
0,10
0,58
1,21
1,92
2,67
3,45
4,25
5,07
5,90
6,74
7,58
8,44
9,30
10,17
11,04
11,91
12,79
13,68
14,56
15,45
16,34
17,24
18,14
19,04
19,94
20,84
21,75
22,66
23,57
24,48
33,66
42,94
52,29
61,70
71,14
80,62
90,13

0,800
0,064
0,45
1,00
1,65
2,34
3,07
3,82
4,59
5,38
6,18
6,99
7,81
8,63
9,47
10,31
11,15
12,00
12,86
13,72
14,58
15,44
16,31
17,19
18,06
18,94
19,82
20,70
21,59
22,48
23,36

0,900 0,950 0,975 0,980 0,990
0,016 0,0039 0,00000,000630,00016
0,21 0,10 0,05 0,04 0,02
0,58 0,35 0,22 0,18 0,12
1,06 0,71 0,48 0,43 0,30
1,61 1,14 0,83 0,75 0,55
2,20 1,64 1,24 1,13 0,87
2,83 2,17 1,69 1,56 1,24
3,49 2,73 2,18 2,03 1,65
4,17 3,32 2,70 2,53 2,09
4,86 3,94 3,25 3,06 2,56
5,58 4,58 3,82 3,61 3,05
6,30 5,23 4,40 4,18 3,57
7,04 5,89 5,01 4,76 4,11
7,79 6,57 5,63 5,37 4,66
8,55 7,26 6,27 5,98 5,23
9,31 7,96 6,91 6,61 5,81
10,08 8,67 7,56 7,26 6,41
10,86 9,39 8,23 7,91 7,02
11,65 10,12 8,91 8,57 7,63
12,44 10,85 9,59 9,24 8,26
13,24 11,59 10,28 9,92 8,90
14,04 12,34 10,98 10,60 9,54
14,85 13,09 11,69 11,29 10,20
15,66 13,85 12,40 11,99 10,86
16,47 14,61 13,12 12,70 11,52
17,29 15,28 13,84 13,41 12,20
18,11 16,15 14,57 14,12 12,88
18,94 16,93 15,31 14,85 13,56
19,77 17,71 16,05 15,57 14,26
20,60 18,49 16,79 16,31 14,95
29,05 26,52 24,43
22,16
37,69 34,76 32,36
29,71
46,46 43,19 40,48
37,48
55,33 51,74 48,76
45,44
64,28 60,39 57,15
53,54
73,29 69,13 65,65
61,75
82,36 77,93 74,22
70,06

0,995
0,000
0,01
0,07
0,21
0,41
0,68
0,99
1,34
1,73
2,16
2,60
3,07
3,57
4,07
4,60
5,14
5,70
6,26
6,84
7,43
8,03
8,64
9,26
9,89
10,52
11,16
11,81
12,46
13,12
13,79
20,17
27,99
35,53
43,28
51,17
59,20
67,33

Lampiran 4 : Tabel Harga Kritis F
p = 0,05 (atas)
p = 0,01 (bawah)
V2
1
2

3

4

5

6

7

8

9

10

11
12
13
14
15
16
17
18
19
20
21
22
23

1
161
4052
18,5
1
98,4
9
10,1
3
34,1
2
7,71
21,2
0
6,61
16,2
6
5,99
13,7
4
5,59
12,2
5
5,32
11,2
6
5,12
10,5
6
4,96
10,0
4
4,84
9,65
4,75
9,33
4,67
9,07
4,60
8,86
4,54
8,68
4,49
8,53
4,45
8,40
4,41
8,28
4,38
8,18
4,35
8,10
4,32
8,02
4,30
7,94
4,28
7,88

2
200
4999
19,0
0
99,0
1
9,55

3
4
5
216 225 230
5403 5625 5764
19,16 19,2 19,30
5
99,17 99,2 99,30
5
9,28 9,12 9,01

30,8
1
6,94
18,0
0
5,79
13,2
7
5,14
10,9
2
4,74
9,55

29,46 28,7
1
6,59 6,39
16,69 15,9
8
5,41 5,19
12,06 11,3
9
4,76 4,53
9,78 9,15

degree fredom of greater mean square (V1) derajat kebebasan untuk pembilang
6
7
8
9
10
11
12
14
16
20
24
30
40
50
75
100 200 500
234 237 239 241 242 243 244 245 246 248 249 250 251 252 253 253 254 254
5859 5928 5981 6022 6056 6082 6106 6142 6169 6208 6234 6258 6286 6302 6323 6334 6352 6361
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
6
2
4
7
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
4
3
5
8
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


254
6366
19,50
99,50
8,53

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
7
2
9
5
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
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
8
4
2
9
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
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
5
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
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

4,35 4,12 3,97 3,87 3,79
8,45 7,85 7,46 7,19 7,00

3,73 3,68
6,84 6,71

3,63 3,60
6,62 6,54

3,57 3,52
6,47 6,35

3,49 3,44
6,27 6,15

3,41 3,38
6,07 5,98

3,34 3,32
5,90 5,85

3,29
5,78

3,28
5,75

3,25 3,24 3,23
5,70 5,67 5,65

4,46 4,07 3,84 3,69 3,58 3,50
8,65 7,59 7,01 6,63 6,37 6,19

3,44 3,39
6,03 5,91

3,34 3,31
5,82 5,74

3,28 3,23
5,67 5,56

3,20 3,15
5,48 5,36

3,12 3,08
5,28 5,20

3,05 3,03
5,11 5,06

3,00
5,00

2,98
4,96

2,96 2,94 2,93
4,91 4,88 4,86

4,26 3,86 3,63 3,48 3,37 3,29
8,02 6,99 6,42 6,06 5,80 5,62

3,23 3,18
5,47 5,35

3,13 3,10
5,26 5,18

3,07 3,02
5,11 5,00

2,98 2,93
4,92 4,80

2,90 2,86
4,73 4,64

2,82 2,80
4,56 4,51

2,77
4,45

2,76
4,41

2,73 2,72 2,71
4,36 4,33 4,31

4,10 3,71 3,48 3,33 3,22 3,14
7,56 6,55 5,99 5,64 5,39 5,21

3,07 3,02
5,06 4,95

2,97 2,94
4,85 4,78

2,91 2,86
4,71 4,60

2,82 2,77
4,52 4,41

2,74 2,70
4,33 4,25

2,67 2,64
4,17 4,12

2,61
4,05

2,59
4,01

2,56 2,55 2,54
3,96 3,93 3,91

3,98
7,20
3,88
6,93
3,80
6,70
3,74
6,51
3,68
6,36
3,63
6,23
3,59
6,11
3,55
6,01
3,52
5,93
3,49
5,85
3,47
5,78
3,44
5,72
3,42
5,66

2,10
4,74
2,85
4,50
2,77
4,30
2,70
4,14
2,64
4,00
2,59
3,89
2,55
3,79
2,51
3,71
2,48
3,63
2,45
3,56
2,42
3,51
2,40
3,45
2,38
3,41

2,86
4,54
2,76
4,30
2,67
4,10
2,60
3,94
2,55
3,80
2,49
3,69
2,45
3,59
2,41
3,51
2,38
3,43
2,35
3,37
2,32
3,31
2,30
3,26
2,28
3,21

2,79
4,40
2,69
4,16
2,60
3,96
2,53
3,80
2,48
3,67
2,42
3,55
2,38
3,45
2,34
3,37
2,31
3,30
2,28
3,23
2,25
3,17
2,23
3,12
2,20
3,07

2,70
4,21
2,60
3,98
2,51
3,78
2,44
3,62
2,39
3,48
2,33
3,37
2,29
3,27
2,25
3,19
2,21
3,12
2,18
3,05
2,15
2,99
2,13
2,94
2,10
2,89

2,61
4,02
2,50
3,78
2,42
3,59
2,35
3,43
2,29
3,29
2,24
3,18
2,19
3,08
2,15
3,00
2,11
2,92
2,08
2,86
2,05
2,80
2,03
2,75
2,00
2,70

2,53
3,86
2,42
3,61
2,34
3,42
2,27
3,26
2,21
3,12
2,16
3,01
2,11
2,92
2,07
2,83
2,02
2,76
1,99
2,69
1,96
2,63
1,93
2,58
1,91
2,53

2,47
3,74
2,36
3,49
2,28
3,30
2,21
3,14
2,15
3,00
2,09
2,89
2,04
2,79
2,00
2,71
1,96
2,63
1,92
2,56
1,89
2,51
1,87
2,46
1,84
2,41

2,45
3,70
2,35
3,46
2,26
3,27
2,19
3,11
2,12
2,97
2,07
2,86
2,02
2,76
1,98
2,68
1,94
2,60
1,90
2,53
1,87
2,47
1,84
2,42
1,82
2,37

2,42
3,66
2,32
3,41
2,24
3,21
2,16
3,06
2,10
2,92
2,04
2,80
1,99
2,70
1,95
2,62
1,91
2,54
1,87
2,47
1,84
2,42
1,81
2,37
1,79
2,32

3,59
6,22
3,49
5,95
3,41
5,74
3,34
5,56
3,29
5,42
3,24
5,29
3,20
5,18
3,16
5,09
3,13
5,01
3,10
4,94
3,07
4,87
3,05
4,82
3,03
4,76

3,36
5,67
3,26
5,41
3,18
5,20
3,11
5,03
3,06
4,89
3,01
4,77
2,96
4,67
2,93
4,58
2,90
4,50
2,87
4,43
2,84
4,37
2,82
4,31
2,80
4,26

3,20
5,32
3,11
5,06
3,02
4,86
2,96
4,69
2,90
4,56
2,85
4,44
2,81
4,34
2,77
4,25
2,74
4,17
2,71
4,10
2,68
4,04
2,66
3,99
2,64
3,94

3,09
5,07
3,00
4,82
2,92
4,62
2,85
4,46
2,79
4,32
2,74
4,20
2,70
4,10
2,66
4,01
2,63
3,94
2,60
3,87
2,57
3,81
2,55
3,76
2,53
3,71

3,01
4,88
2,92
4,65
2,84
4,44
2,77
4,28
2,70
4,14
2,66
4,03
2,62
3,93
2,58
3,85
2,55
3,77
2,52
3,71
2,49
3,65
2,47
3,59
2,45
3,54

2,90
4,63
2,80
4,39
2,72
4,19
2,65
4,03
2,59
3,89
2,54
3,78
2,50
3,68
2,46
3,60
2,41
3,52
2,40
3,45
2,37
3,40
2,35
3,35
2,32
3,30

2,82
4,46
2,72
4,22
2,63
4,02
2,56
3,86
2,51
3,73
2,45
3,61
2,41
3,52
2,37
3,44
2,34
3,36
2,31
3,30
2,28
3,24
2,26
3,18
2,24
3,14

2,74
4,29
2,64
4,05
2,55
3,85
2,48
3,70
2,43
3,56
2,37
3,45
2,33
3,35
2,29
3,27
2,26
3,19
2,23
3,13
2,20
3,07
2,18
3,02
2,14
2,97

2,65
4,10
2,54
3,86
2,46
3,67
2,39
3,51
2,33
3,36
2,28
3,25
2,23
3,16
2,19
3,07
2,15
3,00
2,12
2,94
2,09
2,88
2,07
2,83
2,04
2,78

2,57
3,94
2,46
3,70
2,38
3,51
2,31
3,34
2,25
3,20
2,20
3,10
2,15
3,00
2,11
2,91
2,07
2,84
2,04
2,77
2,00
2,72
1,98
2,67
1,96
2,62

2,50
3,80
2,40
3,56
2,32
3,37
2,24
3,21
2,18
3,07
2,13
2,96
2,08
2,86
2,04
2,78
2,00
2,70
1,96
2,63
1,93
2,58
1,91
2,53
1,88
2,48

2,41
3,62
2,31
3,38
2,22
3,18
2,14
3,02
2,08
2,89
2,02
2,77
1,97
2,67
1,93
2,59
1,90
2,51
1,85
2,44
1,82
2,38
1,80
2,33
1,77
2,28

2,40
3,60
2,30
3,36
2,21
3,16
2,13
3,00
2,07
2,87
2,00
2,75
1,96
2,65
1,92
2,57
1,88
2,49
1,84
2,42
1,81
2,36
1,78
2,23
1,76
2,26

vii

24
25
26
27

viii

4,26
7,82
4,24
7,77
4,22
7,72
4,21
7,68

3,40
5,61
3,38
5,57
3,37
5,83
3,35
5,49

3,01
4,72
2,99
4,68
2,98
4,64
2,96
4,60

2,78
4,22
2,76
4,18
2,74
4,14
2,73
4,11

2,62
3,90
2,60
3,86
2,59
3,82
2,57
3,79

2,51
3,67
2,49
3,62
2,47
3,59
2,46
3,56

2,43
3,50
2,41
3,46
2,39
3,42
2,37
3,39

2,36
3,36
2,34
3,32
2,32
3,29
2,30
3,26

2,30
3,25
2,28
3,21
2,27
3,17
2,25
3,14

2,26
3,17
2,24
3,13
2,22
3,09
2,20
3,06

2,22
3,09
2,20
3,05
2,18
3,02
2,16
2,98

2,18
3,03
2,16
2,99
2,15
2,96
2,13
2,93

2,13
2,93
2,11
2,89
2,10
2,86
2,08
2,83

2,09
2,85
2,06
2,81
2,05
2,77
2,03
2,74

2,02
2,74
2,00
2,70
1,99
2,66
1,97
2,63

1,98
2,66
1,96
2,62
1,95
2,58
1,93
2,55

1,94
2,58
1,92
2,54
1,90
2,50
1,88
2,47

1,89
2,49
1,87
2,45
1,85
2,41
1,84
2,38

1,86
2,44
1,84
2,40
1,82
2,36
1,80
2,33

1,82
2,36
1,80
2,32
1,78
2,28
1,76
2,25

1,80
2,33
1,77
2,29
1,76
2,25
1,74
2,21

1,76
2,27
1,74
2,23
1,72
2,19
1,71
2,16

1,74
2,23
1,72
2,19
1,70
2,15
1,68
2,12

1,73
2,21
1,71
2,17
1,69
2,13
1,67
2,10

V2
28
29
30
32
34
36
38
40
42
44
46
48
50
55
60
65
70
80
100
125
150
200
400
100
0

1
4,20
7,64
4,18
7,60
4,17
7,56
4,15
7,50
4,13
7,44
4,11
7,39
4,10
7,35
4,08
7,31
4,07
7,27
4,06
7,24
4,05
7,21
4,04
7,19
4,03
7,17
4,02
7,12
4,00
7,03
3,99
7,04
3,98
7,01
3,96
6,96
3,94
6,90
3,92
6,84
3,91
6,81
3,89
6,76
3,86
6,70

2
3,34
5,54
3,33
5,42
3,32
5,39
3,30
5,24
3,28
5,29
3,26
5,25
3,25
5,21
3,23
5,18
3,22
5,15
3,21
5,12
3,20
5,10
3,19
5,08
3,18
5,06
3,17
5,01
3,15
4,98
3,14
4,95
3,13
4,92
3,11
4,88
3,09
4,82
3,07
4,78
3,06
4,75
3,04
4,71
3,02
4,65

3
2,95
4,57
2,93
4,54
2,92
4,51
2,90
4,46
2,88
4,42
2,86
4,38
2,85
4,34
2,84
4,31
2,83
4,29
2,82
4,26
2,81
4,24
2,80
4,22
2,79
4,20
2,78
4,16
2,76
4,13
2,75
4,10
2,74
4,08
2,72
4,04
2,70
3,98
2,68
3,94
2,67
3,91
2,65
3,88
2,62
3,83

4
2,71
4,07
2,70
4,04
2,69
4,02
2,67
3,97
2,65
3,93
2,63
3,89
2,62
3,86
2,61
3,83
2,59
3,80
2,58
3,78
2,57
3,76
2,56
3,74
2,56
3,72
2,54
3,68
2,52
3,65
2,51
3,62
2,50
3,60
2,48
3,56
2,46
3,51
2,44
3,47
2,43
3,44
2,41
3,41
2,39
3,36

5
2,56
3,76
2,54
3,73
2,53
3,70
2,51
3,66
2,49
3,61
2,48
3,58
2,46
3,54
2,45
3,51
2,44
3,49
2,43
3,46
2,42
3,44
2,41
3,42
2,40
3,41
2,38
3,37
2,37
3,34
2,36
3,31
2,35
3,29
2,33
3,25
2,30
3,20
2,29
3,17
2,27
3,14
2,26
3,11
2,23
3,06

6
2,44
3,53
2,43
3,50
2,42
3,47
2,40
3,42
2,38
3,38
2,36
3,35
2,35
3,32
2,34
3,29
2,32
3,26
2,31
3,24
2,30
3,22
2,30
3,20
2,29
3,18
2,27
3,15
2,25
3,12
2,24
3,09
2,23
3,07
2,21
3,04
2,19
2,99
2,17
2,95
2,10
2,92
2,14
2,90
2,12
2,85

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

50
1,78
2,30
1,77
2,27
1,76
2,24
1,74
2,20
1,71
2,15
1,69
2,12
1,67
2,08
1,66
2,05
1,64
2,02
1,63
2,00
1,62
1,98
1,61
1,96
1,60
1,94
1,58
1,90
1,56
1,87
1,54
1,84
1,53
1,82
1,51
1,78
1,48
1,73
1,45
1,68
1,44
1,66
1,42
1,62
1,38
1,57

75
100 200
1,75 1,72 1,69
2,22 2,18 2,13
1,73 1,71 1,68
2,19 2,15 2,10
1,72 1,69 1,66
2,16 2,13 2,07
1,69 1,67 1,64
2,12 2,08 2,02
1,67 1,64 1,61
2,08 2,04 1,98
1,65 1,62 1,59
2,04 2,00 1,94
1,63 1,60 1,57
2,00 1,97 1,90
1,61 1,59 1,55
1,97 1,94 1,88
1,60 1,57 1,54
1,94 1,91 1,85
1,58 1,56 1,52
1,92 1,88 1,82
1,57 1,54 1,51
1,90 1,86 1,80
1,56 1,53 1,50
1,88 1,84 1,78
1,55 1,52 1,48
1,86 1,82 1,76
1,52 1,50 1,46
1,82 1,78 1,71
1,50 1,48 1,44
1,79 1,74 1,68
1,49 1,46 1,42
1,76 1,71 1,64
1,47 1,45 1,40
1,74 1,69 1,62
1,45 1,42 1,38
1,70 1,65 1,57
1,42 1,39 1,34
1,64 1,59 1,51
1,39 1,36 1,31
1,59 1,54 1,46
1,37 1,34 1,29
1,56 1,51 1,43
1,35 1,32 1,26
1,53 1,48 1,39
1,32 1,28 1,22
1,47 1,42 1,32

500
1,67
2,09
1,65
2,06
1,64
2,03
1,61
1,98
1,59
1,94
1,56
1,90
1,54
1,86
1,53
1,84
1,51
1,80
1,50
1,78
1,48
1,76
1,47
1,73
1,46
1,71
1,43
1,66
1,41
1,63
1,39
1,60
1,37
1,56
1,35
1,52
1,30
1,46
1,27
1,40
1,25
1,37
1,22
1,33
1,16
1,24


1,65
2,06
1,64
2,03
1,62
2,02
1,59
1,96
1,57
1,91
1,55
1,87
1,53
1,84
1,51
1,81
1,49
1,78
1,48
1,75
1,40
1,72
1,45
1,70
1,44
1,68
1,41
1,64
1,39
1,60
1,37
1,56
1,35
1,53
1,32
1,49
1,28
1,43
1,25
1,37
1,22
1,33
1,19
1,28
1,13
1,19

3,85
6,66
3,84
6,63

3,00
4,62
2,99
4,60

2,61
3,80
2,60
3,78

2,38
3,34
2,37
3,32

2,22
3,04
2,31
3,02

2,10
2,82
2,09
2,80

2,02
2,66
2,01
2,64

1,36
1,54
1,35
1,52

1,30
1,44
1,28
1,41

1,13
1,19
1,11
1,15

1,08
1,11
1,00
1,00

1,95
2,53
1,94
2,51

1,89
2,43
1,88
2,41

1,84
2,34
1,83
2,32

1,80
2,26
1,79
2,24

1,76
2,20
1,75
2,18

1,70
2,09
1,69
2,07

1,65
2,01
1,64
1,99

1,58
1,89
1,57
1,87

1,53
1,81
1,52
1,79

1,47
1,71
1,46
1,69

1,41
1,61
1,40
1,59

1,26
1,38
1,24
1,36

1,19
1,28
1,17
1,25

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
A+B=3
A+B=4
A+B=5

C+D=3
C+D=4
C+D=3
C+D=5
C+D=4

A+B=6

C+D=3
C+D=2
C+D=6

C+D=5

C+D=4
C+D=3

A+B=7

C+D=2
C+D=7

C+D=6

C+D=5

C+D=4

C+D=3

A+B=8

C+D=2
C+D=8

C+D=7

C+D=6

x

B
A
3
4
4
5
4
5
4
5
5
6
5
4
6
5
4
6
5
6
5
6
7
6
5
4
7
6
5
4
7
6
5
7
6
5
7
6
7
8
7
6
5
4
8
7
6
5
8
7
6
5

signifikansi
Jumlah di tepi kanan
0,050 0,025 0,010 0,005
0
C+D=2



0
0
A+B=9
C+D=9


0



1
1
0
0
0
0


1
0
0

0



0
C+D=8



0



2
1
1
0
1
0
0

0



1
0
0
0
C+D=7
0
0


0



1
0
0
0
0
0


0
0
C+D=6


0



0



3
2
1
1
1
1
0
0
0
0
C+D=5


0



2
2
1
1
1
0
0
0
0
0
C+D=4


0



2
1
0
0
1
0
0

0
C+D=3



1
1
0
0
0
0


0
C+D=2



0
0
0
 A + B = 10 C + D = 10
0



0



4
3
2
2
2
2
1
0
1
1
0
0
0
0


0
C + D =9



3
2
2
1
2
1
1
0
1
0
0

0
0


2
2
1
1
1
1
0
0
C+D=8
0
0
0

0


B
A
8
9
8
7
6
5
4
9
8
7
6
5
9
8
7
6
5
9
8
7
6
5
9
8
7
6
9
8
7
6
9
8
7
9
10
9
8
7
6
5
4
10
9
8
7
6
5
10
9
8

signifikansi
0,050 0,025 0,010 0,005
0
0


5
4
3
3
3
3
2
1
2
1
1
0
1
1
0
0
0
0


0



4
3
3
2
3
2
1
1
2
1
0
0
1
0
0

0
0


3
3
2
2
2
2
1
0
1
1
0
0
0
0


0



3
2
1
1
2
1
0
0
1
0


0
0


0



2
1
1
1
1
1
0
0
0
0


0



1
0
0
0
0
0
0

0
0


0



1
0
0
0
0
0


0



0
0


6
5
4
3
4
3
3
2
3
2
1
1
2
1
1
0
1
0
0

0
0


0



5
4
3
3
4
3
2
2
2
2
1
1
1
1
0
0
1
0
0

0
0


4
4
3
2
3
2
2
1
2
1
1
0

Jumlah di tepi kanan
C+D=5

C+D=4

C+D=3
C+D=6

C+D=5

C+D=4

C+D=3

C+D=2
A + B = 11 C + D = 11

C + D = 10

C + D =9

B
A
8
7
6
5
8
7
6
8
7
10
9
8
7
6
10
9
8
7
6
10
9
8
7
10
9
8
10
9
11
10
9
8
7
6
5
4
11
10
9
8
7
6
5
11
10
9
8
7
6
5

signifikansi
Jumlah di tepi kanan
0,050 0,025 0,010 0,005
2
1
1
0
1
0
0
0
0
0


0
C+D=7



1
1
0
0
0
0


0



0
0
0

0
0


3
2
2
1
2
1
1
0
1
1
0
0
0
0
C+D=4


0



2
2
1
1
1
1
0
0
1
0
0
C+D=3

0
0


0



1
1
0
0
C+D=2
1
0
0
0
0
0

 A + B = 12 C + D = 12
0



1
0
0
0
0
0


0



0



0



7
6
5
4
5
4
3
3
4
3
2
2
C + D = 11
3
2
1
1
2
1
0
0
1
0
0

0
0


0



6
5
4
4
4
4
3
2
3
3
2
1
C + D = 10
2
2
1
0
1
1
0
0
1
0
0

0



5
4
4
3
4
3
2
2
3
2
1
1
2
1
1
0
C + D =9
1
1
0
0
0
0


0


B
A
7
6
5
10
9
8
7
6
5
9
8
7
11
10
9
8
11
10
9
11
10
12
11
10
9
8
7
6
5
4
12
11
10
9
8
7
6
5
12
11
10
9
8
7
6
5
12
11
10
9

signifikansi
0,050 0,025 0,010 0,005
1
1
0
0
0
0


0



3
3
2
2
2
2
1
1
1
1
0
0
1
0
0

0
0


0



1
0
0
0
0
0


0



1
1
1
0
1
0
0

0



0



1
0
0
0
0
0


0



0
0


0



8
7
6
5
6
5
4
4
5
4
3
2
4
3
2
1
3
2
1
1
2
1
0
0
1
0
0

0
0


0



7
6
5
5
5
5
4
3
4
3
2
2
3
2
2
1
2
1
1
0
1
1
0
0
1
0
0

0
0


6
5
5
4
5
4
3
3
4
3
2
2
3
2
1
1
2
1
0
0
1
0
0
0
0
0


0



5
5
4
3
4
3
3
2
3
2
2
1
2
2
1
0

xi

Jumlah di tepi kanan
C+D=8

C+D=7

C+D=6

C+D=5

C+D=5

C+D=4

C+D=3

C+D=2
A + B = 13 C + D = 13

xii

B
A
11
10
9
8
7
6
5
11
10
9
8
7
6
11
10
9
8
7
6
11
10
9
8
7
6
12
11
10
9
8
7
12
11
10
9
8
12
11
10
9
12
11
13
12
11
10
9
8
7
6
5
4

signifikansi
0,050 0,025 0,010 0,005
4
4
3
3
3
3
2
1
2
2
1
1
1
1
0
0
1
0
0

0
0


0



4
3
2
2
3
2
1
1
2
1
1
0
1
1
0
0
0
0


0
0


3
2
2
1
2
1
1
0
1
1
0
0
1
0
0

0
0


0



2
2
1
1
1
1
0
0
1
0
0
0
0
0


0
0


0



2
2
1
1
1
1
1
0
1
0
0
0
0
0
0

0
0


0



2
1
1
0
1
0
0

0
0
0

0
0


0



1
0
0
0
0
0
0

0
0


0



0
0


0



9
8
7
6
7
6
5
4
6
5
4
3
4
4
3
2
3
3
2
1
2
2
1
0
2
1
0
0
1
0
0

0
0


0


Jumlah di tepi kanan

C+D=8

C+D=7

C+D=6

C+D=8

C+D=7

C+D=6

C+D=5

B
A
8
7
6
5
12
11
10
9
8
7
6
12
11
10
9
8
7
6
12
11
10
9
8
7
6
5
13
12
11
10
9
8
7
6
13
12
11
10
9
8
7
6
13
12
11
10
9
8
7
13
12
11

signifikansi
0,050 0,025 0,010 0,005
1
1
0
0
1
0
0

0
0


0



5
4
3
3
3
3
2
2
2
2
1
1
2
1
1
0
1
1
0
0
0
0


0
0


4
3
3
2
3
2
2
1
2
1
1
0
1
1
0
0
1
0
0

0
0


0



3
3
2
2
2
2
1
1
1
1
0
0
2
1
0
0
1
1
0
0
0
0


0
0


0



5
4
3
3
4
3
2
2
3
2
1
1
2
1
1
0
1
1
0
0
1
0
0

0
0


0



4
3
3
2
3
2
2
1
2
2
1
1
1
1
0
0
1
0
0
0
0
0


0
0


0



3
3
2
2
2
2
1
1
2
1
1
0
1
1
0
0
1
0
0

0
0


0



2
2
1
1
2
1
1
0
1
1
0
0

Jumlah di tepi kanan
C + D = 12

C + D = 11

C + D = 10

C+D=9

C + D = 12

C + D = 11

B
A
13
12
11
10
9
8
7
6
5
13
12
11
10
9
8
7
6
5
13
12
11
10
9
8
7
6
5
13
12
11
10
9
8
7
6
5
14
13
12
11
10
9
8
7
6
5
14
13
12
11

signifikansi
Jumlah di tepi kanan
0,050 0,025 0,010 0,005
8
7
6
5
6
5
5
4
5
4
3
3
4
3
2
2
C+D=4
3
2
1
1
2
1
1
0
1
1
0
0
1
0
0

0
0
C+D=3


7
6
5
5
6
5
4
3
4
4
3
2
3
3
2
1
C+D=2
3
2
1
1
1
1
0
0
1
0
0
0
A + B = 14 C + D = 14
0
0


0



6
6
5
4
5
4
3
3
4
3
2
2
3
2
1
1
2
1
1
0
1
1
0
0
1
0
0

0
0


0
C + D = 13



5
5
4
4
4
4
3
2
3
3
2
1
2
2
1
1
3
2
1
1
2
1
1
1
1
1
0
0
1
0


0
0


8
7
6
6
6
6
5
4
C+D=5
5
4
4
3
4
3
3
2
3
3
2
1
2
2
1
1
2
1
0
0
1
0
0

0
0
C+D=4


0



7
6
6
5
6
5
4
4
5
4
3
3
4
3
2
2

B
A
10
9
8
13
12
11
10
9
13
12
11
10
13
12
11
14
13
12
11
10
9
8
7
6
5
4
14
13
12
11
10
13
12
11
10
9
8
14
13
12
11
10
9
8
14
13
12
11
10
9

signifikansi
0,050 0,025 0,010 0,005
1
0
0

0
0


0



2
1
1
0
1
1
0
0
0
0
0

0
0


0



1
1
0
0
0
0


0
0


0



0
0
0

0



0



10
9
8
7
8
7
6
5
6
6
5
4
5
4
3
2
4
3
2
2
3
2
2
1
2
2
1
0
1
1
0
0
1
0
0

0
0


0



9
8
7
6
7
6
5
5
6
5
4
3
5
4
3
2
4
3
2
2
2
2
1
1
1
1
0
0
1
0
0
0
0
0


0
0


0



2
2
1
1
2
1
1
0
1
1
0
0
1
0
0

0
0


0
0


0



2
1
1
1
1
1
0
0
1
0
0
0
0
0


0
0


0


xiii

Jumlah di tepi kanan

C + D = 10

C+D=9

C+D=8

C+D=7

C+D=6

xiv

B
A
10
9
8
7
6
5
14
13
12
11
10
9
8
7
6
5
14
13
12
11
10
9
8
7
6
14
13
12
11
10
9
8
7
6
14
13
12
11
10
9
8
7
14
13
12
11
10
9
8
7
6
5

signifikansi
Jumlah di tepi kanan
0,050 0,025 0,010 0,005
3
2
1
1
C+D=3
2
1
1
0
1
1
0
0
1
0
0

0
0
C+D=2


0



6
6
5
4
5
4
4
3
A + B = 15 C + D = 15
4
3
3
2
3
3
2
1
2
2
1
1
2
1
0
0
1
1
0
0
0
0
0

0
0


0



6
5
4
4
4
4
3
3
3
3
2
2
3
2
1
1
C + D = 14
2
1
1
0
1
1
0
0
1
0
0

0
0


0



5
4
4
3
4
3
2
2
3
2
2
1
2
2
1
1
2
1
0
0
1
0
0
0
C + D = 13
0
0
0

0
0


0



4
3
3
2
3
2
2
1
2
2
1
1
2
1
1
0
1
1
0
0
1
0
0

0
0


0
C + D = 12



3
3
2
2
6
5
4
3
5
4
3
2
4
3
2
2
3
2
1
1
2
1
1
0
1
1
0
0
1
0
0
C+D=7

0
0


0


B
A
14
13
12
11
14
13
12
15
14
13
12
11
10
9
8
7
6
5
4
15
14
13
12
11
10
9
8
7
6
5
15
14
13
12
11
10
9
8
7
6
5
15
14
11
10
9
8
7
6
15
14
13

signifikansi
0,050 0,025 0,010 0,005
1
1
0
0
0
0
0

0
0


0



0
0
0

0
0


0



11
10
9
8
9
8
7
6
7
6
5
5
6
5
4
4
5
4
3
3
4
3
2
2
3
2
1
1
2
1
1
0
1
1
0
0
1
0
0

0
0


0



10
9
8
7
8
7
6
6
7
6
5
4
6
5
4
3
5
4
3
2
4
3
2
2
4
3
2
1
2
1
1
0
1
1
0
0
1
0


0



9
8
7
7
7
7
6
5
6
5
4
4
5
4
3
3
4
3
2
2
3
2
2
1
2
2
1
0
2
1
0
0
1
0
0

0
0


0



8
7
7
6
7
6
5
4
2
1
1
0
1
1
0
0
1
0
0

0
0


0



0



4
4
3
3
3
3
2
2
2
2
1
1

Jumlah di tepi kanan
C + D = 11

C + D = 10

C+D=9

C+D=8

B
A
15
14
13
12
11
10
9
8
7
6
5
15
14
13
12
11
10
9
8
7
6
15
14
13
12
11
10
9
8
7
6
15
14
13
12

signifikansi
0,050 0,025 0,010 0,005
7
7
6
5
6
5
4
4
5
4
3
3
4
3
2
2
3
2
2
1
2
2
1
1
2
1
0
0
1
1
0
0
1
0
0

0
0


0



6
6
5
5
5
5
4
3
4
4
3
2
3
3
2
2
3
2
1
1
2
1
1
0
1
1
0
0
1
0
0

0
0


0



6
5
4
4
5
4
3
3
4
3
2
2
3
2
2
1
2
2
1
1
2
1
0
0
1
1
0
0
1
0
0

0
0


0



5
4
4
3
4
3
3
2
3
2
2
1
2
2
1
1

Jumlah di tepi kanan

C+D=6

C+D=5

C+D=4

C+D=3

C+D=2

B
A
12
11
10
9
8
8
15
14
13
12
11
10
9
8
15
14
13
12
11
10
9
15
14
13
12
11
10
15
14
13
12
11
15
14
13

signifikansi
0,050 0,025 0,010 0,005
2
1
1
0
1
1
0
0
1
0
0
0
0
0


0
0


0



3
3
2
2
2
2
1
1
2
1
1
0
1
1
0
0
1
0
0
0
0
0
0

0
0


0



2
2
2
1
2
1
1
1
1
1
0
0
1
0
0
0
0
0
0

0
0


0



2
1
1
1
1
1
0
0
1
0
0
0
0
0
0

0
0


0



1
1
0
0
0
0
0
0
0
0


0
0


0



0
0
0

0
0


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

N

6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

Tingkat Signifikansi untuk tes satu sisi
0,025
0,010
Tingkat Signifikansi untuk tes dua sisi
0,050
0,020
0

2
0
4
2
6
3
8
5
11
7
14
10
17
13
21
16
25
20
30
24
35
28
40
33
46
38
52
43
59
49
66
56
73
62
81
69
89
77

0,005
0,010


0
2
3
5
7
10
13
16
20
23
28
32
38
43
49
55
61
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
Xr2
0
1
3
4

N=3
p
1,000
0,833
0,500
0,167

Xr2
0,000
0,667
2,000
2,667
4,667
6,000

N=6
Xr2
0,00
0,33
1,00
1,33
2,33
3,00
4,00
4,33
5,33
6,33
7,00
8,33
9,00
9,33
10,33
12,00

xviii

N=4
p
1,000
0,944
0,528
0,361
0,194
0,028

Xr2
0,0
0,5
1,5
2,0
3,5
4,5
6,0
6,5
8,0

N=7
p
1,000
0,956
0,740
0,570
0,430
0,252
0,184
0,142
0,072
0,052
0,029
0,012
0,0081
0,0055
0,0017
0,00013

Xr2
0,000
0,286
0,857
1,143
2,000
2,571
3,429
3,714
4,571
5,429
6,000
7,143
7,714
8,000
8,857
10,286
10,571
11,143
12,286
14,000

N=5
p
1,000
0,931
0,653
0,431
0,273
0,125
0,069
0,042
0,0046

Xr2
0,0
0,4
1,2
1,6
2,8
3,6
4,8
5,2
6,4
7,6
8,4
10,0

p
1,000
0,967
0,794
0,654
0,531
0,355
0,285
0,236
0,149
0,120
0,079
0,047
0,038
0,030
0,018
0,0099
0,0080
0,0048
0,0024
0,0011
0,00086
0,00026
0,000061
0,0000036

Xr2
0,000
0,222
0,667
0,889
1,556
2,000
2,667
2,889
3,556
4,222
4,667
5,556
6,000
6,222
6,889
8,000
8,222
8,667
9,556
10,667
10,889
11,556
12,667
13,556
14,000
14,222
14,889

N=8
p
1,000
0,964
0,768
0,620
0,486
0,305
0,237
0,192
0,112
0,085
0,052
0,027
0,021
0,016
0,0084
0,0036
0,0027
0,0012
0,00032
0,000021

Xr2
0,00
0,25
0,75
1,00
1,75
2,25
3,00
3,25
4,00
4,75
5,25
6,25
6,75
7,00
7,75
9,00
9,25
9,75
10,75
12,00
12,25
13,00
14,25
16,00

p
1,000
0,954
0,691
0,522
0,367
0,182
0,124
0,093
0,039
0,024
0,0085
0,00077
N=9
p
1,000
0,971
0,814
0,865
0,569
0,398
0,328
0,278
0,187
0,154
0,107
0,069
0,057
0,048
0,031
0,019
0,016
0,010
0,0060
0,0035
0,0029
0,0013
0,00066
0,00035
0,00020
0,000097
0,000054

16,222
18,000

N=2

0,000011
0,0000006

Tabel N2, k = 4
N=3
p
1,000
0,958
0,910
0,727
0,808
0,524
0,446
0,342
0,300
0,207
0,175
0,148
0,075
0,054
0,033
0,017
0,0017

N=4
Xr2
p
0,0
1,000
0,3
0,992
0,6
0,928
0,9
0,900
1,2
0,800
1,5
0,754
1,8
0,677
2,1
0,649
2,4
0,524
2,7
0,508
3,0
0,432
3,3
0,389
3,6
0,355
3,9
0,324
4,5
0,242
4,8
0,200
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,
Xr2
0,0
0,6
1,2
1,8
2,4
3,0
3,6
4,2
4,8
5,4
6,0

p
1,000
0,958
0,834
0,792
0,625
0,542
0,458
0,375
0,208
0,167
0,042

Xr2
0,2
0,6
1,0
1,8
2,2
2,6
3,4
3,8
4,2
5,0
5,4
5,8
6,6
7,0
7,4
8,2
9,0

xix

Lampiran 9 : Tabel Harga Kritis Statistik Penguji Kruskal-Wallis Untuk Tiga
Sampel dan Ukuran Sampel Kecil
Ukuran Sampel
n1
n2
n3
2
1
1
2
2
1
2
2
2

3
3

1
2

1
1

3

2

2

3

3

1

3

3

2

3

3

3

4
4

1
2

1
1

4

2

2

4

3

1

xx

Harga kritis

p

3,6000
4,5714
3,7143

0,200
0,009
0,200

3,2000
4,2857
3,8571
5,3572
4,7143
4,5000
4,4643
5,1429
4,5714
4,0000
6,2500
5,3611
5,1389
4,5556
4,2500
7,2000
6,4889
5,6889
5,6000
5,0667
4,6222

0,300
0,100
0,133
0,029
0,048
0,067
0,105
0,043
0,100
0,129
0,011
0,032
0,061
0,100
0,121
0,004
0,011
0,029
0,050
0,086
0,100

3,5714
4,8214
4,5000
4,0179
6,0000
5,3333
5,1250
4,4583
4,1667
5,8333
5,2083
5,0000
4,0556
3,8889

0,200
0,057
0,076
0,114
0,014
0,033
0,052
0,100
0,105
0,021
0,054
0,057
0,093
0,129

Ukuran Sampel
n1
n2
n3
4
3
2

4

3

3

4

4

1

4

4

2

4

4

3

4

4

4

5
5

1
2

1
1

Harga kritis

p

6,3000
5,4444
5,4000
4,5111
4,4444
6,7455
6,7091
5,7909
5,7273
4,7091
4,7000
6,8867
6,1667
4,9667
4,8667
4,1667
4,0667
7,0364
6,8727
5,4545
5,2364
4,5545
4,4455
7,1439
7,1364
5,5985
5,5758
4,5455
4,4773
7,6538
7,5385
5,6923
5,6538
4,6539
4,5001

0,011
0,046
0,051
0,098
0,102
0,010
0,013
0,046
0,050
0,092
0,101
0,010
0,022
0,048
0,054
0,082
0,102
0,006
0,011
0,046
0,052
0,098
0,103
0,010
0,011
0,049
0,005
0,099
0,102
0,008
0,011
0,049
0,054
0,097
0,104

3,8571
5,2500
5,0000
4,4500

0,143
0,036
0,048
0,071

Ukuran Sampel
n1
n2
n3

5

5

5

5

5

5

5

2

3

3

3

4

4

4

2

1

2

3

1

2

3

Harga kritis

p

4,2000
4,0500
6,5333
6,1333
5,1600
5,0400
4,3733
4,2933
6,4000
4,9600
4,8711
4,0178
3,8400
6,9091
6,8218
5,2509
5,1055
4,6509
4,4945
7,0788
6,9818
5,6485
5,5152
4,5333
4,4121
6,9545
6,8400
4,9855
4,8600
3,9873
3,9600
7,2045
7,1182
5,2727
5,2682
4,5409
4,5182
7,4449
7,3949
5,6564

0,095
0,119
0,008
0,013
0,034
0,056
0,090
0,122
0,012
0,048
0,052
0,095
0,123
0,009
0,010
0,049
0,052
0,091
0,101
0,009
0,011
0,049
0,051
0,097
0,109
0,008
0,011
0,044
0,056
0,098
0,102
0,009
0,010
0,049
0,050
0,098
0,101
0,110
0,011
0,049

Ukuran Sampel
n1
n2
n3

5

4

4

5

5

1

5

5

2

5

5

3

5

5

4

5

5

5

Harga kritis
5,6308
4,5487
4,5231
7,7604
7,7440
5,6571
5,6176
4,6187
4,5527
7,3091
6,8364
5,1273
4,9091
4,1091
4,0364
7,3385
7,2692
5,3385
5,2462
4,6231
4,5077
7,5780
7,5429
5,7055
5,6264
4,5451
4,5363
7,8229
7,7914
5,6657
5,6429
4,5229
4,5200
8,0000
7,9800
5,7800
5,6600
4,5600
4,5000

p
0,050
0,099
0,103
0,009
0,011
0,049
0,050
0,100
0,102
0,009
0,011
0,046
0,053
0,086
0,105
0,010
0,010
0,047
0,051
0,097
0,100
0,010
0,010
0,046
0,051
0,100
0,102
0,010
0,010
0,049
0,050
0,099
0,101
0,009
0,010
0,049
0,051
0,100
0,102

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
Tingkat Signifikansi untuk D = maksimum
Ukuran sampel
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
n >35

1,07
n

1,14
n

1,22
n

1,36
n

1,63
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
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
35
40

One-tailed test
α = 0,05
α = 0,01
3

4

4
5
5
6
5
6
5
6
6
7
6
7
6
8
6
8
7
8
7
8
7
9
7
9
8
9
8
10
8
10
8
10
8
10
9
11
9
11
9
11
9
11
9
11
9
12
10
12
10
12
10
12
11
13
11
14

Two-tailed test
α = 0,05
α = 0,01


4

5
5
5
6
6
6
6
7
6
7
7
8
7
8
7
8
7
9
8
9
8
9
8
10
8
10
9
10
9
10
9
11
9
11
9
11
10
11
10
12
10
12
10
12
10
12
11
13
11
13
11
13
12
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

0,10

0,05

0,025

0,01

0,005

0,001

Value of D so large to call for rejection
of Ho at the indicated level of
significance, where D = maximum Sn1
(X) – Sn2(X) 
1,22

n1 + n2
n1 n 2

1,36

n1 + n 2
n1 n 2

1,48

n1 + n2
n1 n2

1,63

n1 + n 2
n1 n2

1,73

n1 + n 2
n1 n2

1,95

n1 + n 2
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
U

n1

1
0,250
0,500
0,750

n1

1
0,200
0,400
0,600

0
1
2
3
4
5

2
0,100
0,200
0,400
0,600

3
0,050
0,100
0,200
0,350
0,500
0,650

n2 = 4
U

0
1
2
3
4
5
6
7
8

2
0,067
0,133
0,267
0,400
0,600

3
0,028
0,057
0,114
0,200
0,314
0,429
0,571

4
0,014
0,029
0,057
0,100
0,171
0,243
0,343
0,443
0,557

n2 = 5
U

n1

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

1
0,167
0,333
0,500
0,667

2
0,047
0,095
0,190
0,286
0,429
0,571

3
0,018
0,036
0,071
0,125
0,196
0,286
0,393
0,500
0,607

4
0,008
0,016
0,032
0,056
0,095
0,143
0,206
0,278
0,365
0,452
0,548

5
0,004
0,008
0,016
0,028
0,048
0,075
0,111
0,155
0,210
0,274
0,345
0,421
0,500
0,579

xxv

U

n1

0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

xxvi

1
0,143
0,286
0,428
0,571

2
0,036
0,071
0,143
0,214
0,321
0,429
0,571

n2 = 6
3
0,012
0,024
0,048
0,083
0,131
0,190
0,274
0,357
0,452
0,548

4
0,005
0,010
0,019
0,033
0,057
0,086
0,129
0,176
0,238
0,305
0,381
0,457
0,545

5
0,002
0,004
0,009
0,015
0,026
0,041
0,063
0,089
0,129
0,165
0,214
0,268
0,331
0,396
0,465
0,535

6
0,001
0,002
0,004
0,008
0,013
0,021
0,032
0,047
0,066
0,090
0,120
0,155
0,197
0,242
0,294
0,350
0,409
0,469
0,531

n2 = 7
n1

0

1
0,125

1

0,250

2

0,375

3

0,500

4

0,625

U

5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

2
0,02
8
0,05
6
0,11
1
0,16
7
0,25
0
0,33
3
0,44
4
0,55
6

3
0,008

4
0,003

5
0,001

6
0,001

7
0,000

0,017

0,006

0,003

0,001

0,001

0,033

0,012

0,005

0,002

0,001

0,058

0,021

0,009

0,004

0,002

0,092

0,036

0,015

0,007

0,003

0,133

0,055

0,024

0,011

0,006

0,192

0,082

0,037

0,017

0,009

0,258

0,115

0,053

0,026

0,013

0,333
0,417
0,500
0,538

0,158
0,206
0,264
0,324
0,394
0,464
0,538

0,074
0,101
0,134
0,172
0,216
0,265
0,319
0,378
0,438
0,500
0,526

0,037
0,051
0,069
0,090
0,117
0,147
0,183
0,223
0,267
0,314
0,365
0,418
0,473
0,527

0,019
0,027
0,036
0,049
0,064
0,082
0,104
0,130
0,159
0,191
0,228
0,267
0,310
0,355
0,402
0,451
0,500
xxvii

25

xxviii

0,549

U

n1

0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

1
0,111
0,222
0,333
0,444
0,556

2
0,022
0,044
0,089
0,133
0,200
0,267
0,356
0,444
0,556

3
0,006
0,012
0,024
0,042
0,067
0,097
0,139
0,188
0,248
0,315
0,387
0,461
0,539

n2 = 8
4
5
0,002 0,001
0,004 0,002
0,008 0,003
0,014 0,005
0,024 0,009
0,036 0,015
0,055 0,023
0,077 0,033
0,107 0,047
0,141 0,064
0,184 0,085
0,230 0,111
0,285 0,142
0,341 0,177
0,404 0,217
0,467 0,262
0,533 0,311
0,362
0,416
0,472
0,528

6
0,000
0,001
0,001
0,002
0,004
0,006
0,010
0,015
0,021
0,030
0,041
0,054
0,071
0,091
0,114
0,141
0,172
0,207
0,245
0,286
0,331
0,377
0,426
0,475
0,525

7
0,000
0,000
0,001
0,001
0,002
0,003
0,005
0,007
0,010
0,014
0,020
0,027
0,036
0,047
0,060
0,076
0,095
0,116
0,140
0,168
0,198
0,232
0,268
0,306
0,347
0,389
0,433
0,478
0,522

8
0,000
0,000
0,000
0,001
0,001
0,001
0,002
0,003
0,005
0,007
0,010
0,014
0,019
0,025
0,032
0,041
0,052
0,065
0,080
0,097
0,117
0,139
0,164
0,191
0,221
0,253
0,287
0,323
0,360
0,399
0,439
0,480
0,520

t
3,308
3,203
3,098
2,993
2,888
2,783
2,678
2,573
2,468
2,363
2,258
2,153
2,048
1,943
1,838
1,733
1,628
1,523
1,418
1,313
1,208
1,102
0,998
0,893
0,788
0,683
0,578
0,473
0,368
0,263
0,158
0,052

normal
0,001
0,001
0,001
0,001
0,002
0,003
0,004
0,005
0,007
0,009
0,012
0,016
0,020
0,026
0,033
0,041
0,052
0,064
0,078
0,094
0,113
0,135
0,159
0,185
0,215
0,247
0,282
0,318
0,356
0,396
0,437
0,481
xxix

Harga-harga kritis U untuk tes satu sisi pada α = 0,001 atau untuk test dua sisi pada α =
0,002
n2

n1

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

9

10

11

12

13

14

15

16

17

18

19

20

1
2
3
5
7
8
10
12
14
15
17
19
21
23
25
26

0
1
3
5
6
8
10
12
14
17
19
21
23
25
27
29
32

0
2
4
6
8
10
12
15
17
20
22
24
27
29
32
34
37

0
2
4
7
9
12
14
17
20
23
25
28
31
34
37
40
42

1
3
5
8
11
14
17
20
23
26
29
32
35
38
42
45
48

1
3
6
9
12
15
19
22
25
29
32
36
39
43
46
50
54

1
4
7
10
14
17
21
24
28
32
36
40
43
47
51
55
59

2
5
8
11
15
19
23
27
31
35
39
43
48
52
56
60
65

0
2
5
9
13
17
21
25
29
34
38
43
47
52
57
61
66
70

0
3
6
10
14
18
23
27
32
37
42
46
51
56
61
66
71
76

0
3
7
11
15
20
25
29
34
40
45
50
55
60
66
71
77
82

0
3
7
12
16
21
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
n2

n1

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

xxx

9

10

11

12

13

14

15

16

17

18

19

20

1
3
5
7
9
11
14
16
18
21
23
26
28
31
33
36
38
40

1
3
6
8
11
13
16
19
22
24
27
30
33
36
38
41
44
47

1
4
7
9
12
15
18
22
25
28
31
34
37
41
44
47
50
53

2
5
8
11
14
17
21
24
28
31
35
38
42
46
49
53
56
60

0
2
5
9
12
16
20
23
27
31
35
39
43
47
51
55
59
63
67

0
2
6
10
13
17
22
26
30
34
38
43
47
51
56
60
65
69
73

0
3
7
11
15
19
24
28
33
37
42
47
51
56
61
66
70
75
80

0
3
7
12
16
21
26
31
36
41
46
51
56
61
66
71
76
82
87

0
4
8
13
18
23
28
33
38
44
49
55
60
66
71
77
82
88
93

0
4
9
14
19
24
30
36
41
47
53
59
65
70
76
82
88
94
100

1
4
9
15
20
26
32
38
44
50
56
63
69
75
82
88
94
101
107

1
5
10
16
22
28
34
40
47
53
60
67
73
80
87
93
100
107
114

Harga-harga kritis U untuk tes satu sisi pada α = 0,025 atau untuk test dua sisi pada α = 0,05
n2

n1

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

9

10

11

12

13

14

15

16

17

18

19

20

0
2
4
7
10
12
15
17
20
23
26
28
31
34
37
39
42
45
48

0
3
5
8
11
14
17
20
23
26
29
33
36
39
42
45
48
52
55

0
3
6
9
13
16
19
23
26
30
33
37
40
44
47
51
55
58
62

1
4
7
11
14
18
22
26
29
33
37
41
45
49
53
57
61
65
69

1
4
8
12
16
20
24
28
33
37
41
45
50
54
59
63
67
72
76

1
5
9
13
17
22
26
31
36
40
45
50
55
59
64
67
74
78
83

1
5
10
14
19
24
29
34
39
44
49
54
59
64
70
75
80
85
90

1
6
11
15
21
26
31
37
42
47
53
59
64
70
75
81
86
92
98

2
6
11
17
22
28
34
39
45
51
57
63
67
75
81
87
93
99
105

2
7
12
18
24
30
36
42
48
55
61
67
74
80
86
93
99
106
112

2
7
13
19
25
32
38
45
52
58
65
72
78
85
92
99
106
113
119

2
8
13
20
27
34
41
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
n2

n1

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Sumber

9

10

11

12

1
1
1
2
3
4
5
5
6
7
8
9
9
11
12
13
12
14
16
17
15
17
19
21
18
20
23
26
21
24
27
30
24
27
31
34
27
31
34
38
30
34
38
42
33
37
42
47
36
41
46
51
39
44
50
55
42
48
54
60
45
51
57
64
48
55
61
68
51
58
65
72
54
62
69
77
: Siegel, Sidney, 1956, Non
Graw-Hill Book Company,

13

14

15

16

17

18

19
20
0
0
2
2
3
3
3
4
4
4
6
7
7
8
9
9
10
11
10
11
12
14
15
16
17
18
15
16
18
19
20
22
23
25
19
21
23
25
26
28
30
32
24
26
28
30
33
35
37
39
28
31
33
36
39
41
44
47
33
36
39
42
45
48
51
54
37
41
44
48
51
55
58
62
42
46
50
54
57
61
65
69
47
51
55
60
64
68
72
77
51
56
61
65
70
75
80
84
56
61
66
71
77
82
87
92
61
66
72
77
83
88
94
100
65
71
77
83
89
95
101
107
70
77
83
89
96
102
109
115
75
82
88
95
102
109
116
123
80
87
94
101
109
116
123
130
84
92
100
107
115
123
130
138
Parametric Statistics For The Behavioral Sciences, New York : Mc

xxxi

Lampiran 14. Tabel Harga-harga Kritis untuk Tes Walsh
N
4
5
6
7

8

9

10

11

12

13

14

15

Tingkat
Signifikansi tes
Satu sisi Dua sisi
0,062
0,125
0,062
0,125
0,031
0,062
0,047
0,094
0,031
0,062
0,016
0,031
0,055
0,109
0,023
0,047
0,016
0,031
0,008
0,016
0,043
0,086
0,027
0,055
0,012
0,023
0,008
0,016
0,004
0,008
0,051
0,102
0,022
0,043
0,010
0,020
0,006
0,012
0,004
0,008
0,056
0,111
0,025
0,051
0,011
0,021
0,005
0,010
0,048
0,097
0,028
0,056
0,011
0,021
0,005
0,011
0,047
0,094
0,024
0,048
0,010
0,020
0,005
0,011
0,047
0,094
0,023
0,047
0,010
0,020
0,005
0,010
0,047
0,094
0,023
0,047
0,010
0,020
0,005
0,010
0,047
0,094
0,023
0,047
0,010
0,020
0,005
0,010

Tes
Dua sisi ; terima jika µ 1 ≠ 0 jika
Satu sisi : terima µ 1 < 0 jika
Satu sisi : terima µ 1 > 0 jika
d4 < 0
d1 > 0
½ ( d4 + d5 ) < 0
½ ( d1 + d2 ) > 0
d5 < 0
d1 > 0
max [ d5, ½ ( d4 + d6 ) < 0 ]
min [ d2, ½ ( d1 + d3 ) > 0 ]
½ ( d5 + d6 ) < 0
½ ( d1 + d2 ) > 0
d6 < 0
d1 > 0
max [ d5, ½ ( d4 + d7 ) < 0 ]
min [ d3, ½ ( d1 + d4 ) > 0 ]
max [ d6, ½ ( d5 + d7 ) < 0 ]
min [ d2, ½ ( d1 + d3 ) > 0 ]
½ ( d6 + d7 ) < 0
½ ( d1 + d2 ) > 0
d7 < 0
d1 > 0
max [ d6, ½ ( d4 + d8 ) < 0 ]
min [ d3, ½ ( d1 + d5 ) > 0 ]
max [ d6, ½ ( d5 + d8 ) < 0 ]
min [ d3, ½ ( d1 + d4 ) > 0 ]
max [ d7, ½ ( d6 + d8 ) < 0 ]
min [ d2, ½ ( d1 + d3 ) > 0 ]
½ ( d7 + d8 ) < 0
½ ( d1 + d2 ) > 0
d8 < 0
d1 > 0
max [ d6, ½ ( d4 + d9 ) < 0 ]
min [ d4, ½ ( d1 + d6 ) > 0 ]
max [ d7, ½ ( d5 + d9 ) < 0 ]
min [ d3, ½ ( d1 + d5 ) > 0 ]
max [ d8, ½ ( d5 + d9 ) < 0 ]
min [ d2, ½ ( d1 + d5 ) > 0 ]
max [ d8, ½ ( d7 + d9 ) < 0 ]
min [ d2, ½ ( d1 + d3 ) > 0 ]
½ ( d8 + d9 ) < 0
½ ( d1 + d2 ) > 0
max [ d6, ½ ( d4 + d10 ) < 0 ]
min [ d5, ½ ( d1 + d7 ) > 0 ]
max [ d7, ½ ( d5 + d10 ) < 0 ]
min [ d4, ½ ( d1 + d6 ) > 0 ]
max [ d8, ½ ( d6 + d10 ) < 0 ]
min [ d3, ½ ( d1 + d5 ) > 0 ]
max [ d9, ½ ( d6 + d10 ) < 0 ]
min [ d2, ½ ( d1 + d5 ) > 0 ]
max [ d7, ½ ( d4 + d11 ) < 0 ]
min [ d5, ½ ( d1 + d8 ) > 0 ]
max [ d7, ½ ( d5 + d11 ) < 0 ]
min [ d5, ½ ( d1 + d7 ) > 0 ]
max [½ ( d6 + d11 ), ½ ( d8 + d9 ) < 0 ]
min [½ ( d1 + d6 ), ½ ( d3 + d4 ) > 0 ]
max [ d9, ½ ( d7 + d11 ) < 0 ]
min [ d3, ½ ( d1 + d5 ) > 0 ]
max [½ ( d4 + d12 ), ½ ( d5 + d11 ) < 0 ] min [½ ( d1 + d9 ), ½ ( d2 + d8 ) > 0 ]
max [ d8, ½ ( d5 + d12 ) < 0 ]
min [ d5, ½ ( d1 + d8 ) > 0 ]
max [ d9, ½ ( d6 + d12 ) < 0 ]
min [ d4, ½ ( d1 + d7 ) > 0 ]
max [½ ( d7 + d12 ), ½ ( d9 + d10 ) < 0 ] min [½ ( d1 + d6 ), ½ ( d3 + d4 ) > 0 ]
max [½ ( d4 + d13 ), ½ ( d5 + d12 ) < 0 ] min [½ ( d1 + d10 ), ½ ( d2 + d9 ) > 0 ]
max [½ ( d5 + d13 ), ½ ( d6 + d12 ) < 0 ] min [½ ( d1 + d9 ), ½ ( d2 + d8 ) > 0 ]
max [½ ( d6 + d13 ), ½ ( d9 + d10 ) < 0 ] min [½ ( d1 + d8 ), ½ ( d4 + d5 ) > 0 ]
max [ d10, ½ ( d7 + d13 ) < 0 ]
min [ d4, ½ ( d1 + d7 ) > 0 ]
max [½ ( d4 + d14 ), ½ ( d5 + d13 ) < 0 ] min [½ ( d1 + d11 ), ½ ( d2 + d10 ) > 0 ]
max [½ ( d5 + d14 ), ½ ( d6 + d13 ) < 0 ] min [½ ( d1 + d10 ), ½ ( d2 + d9 ) > 0 ]
max [ d10, ½ ( d6 + d14 ) < 0 ]
min [ d5, ½ ( d1 + d9 ) > 0 ]
max [½ ( d7 + d14 ), ½ ( d10 + d11 ) < 0 ] min [½ ( d1 + d8 ), ½ ( d4 + d5 ) > 0 ]
max [½ ( d4 + d15 ), ½ ( d5 + d14 ) < 0 ] min [½ ( d1 + d12 ), ½ ( d2 + d11 ) > 0 ]
max [½ ( d5 + d15 ), ½ ( d6 + d14 ) < 0 ] min [½ ( d1 + d11 ), ½ ( d2 + d10 ) > 0 ]
max [½ ( d6 + d15 ), ½ ( d10 + d11 ) < 0 ] min [½ ( d1 + d10 ), ½ ( d5 + d6 ) > 0 ]
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
N

x

5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

0
0,03
1
0,01
6
0,00
8
0,00
4
0,00
2
0,00
1

1
0,18
8
0,10
9
0,06
2
0,03
5
0,02
0
0,01
1
0,00
6
0,00
3
0,00
2
0,00
1

2
3
0,50
0 0,812
0,34
4 0,656
0,22
7 0,500
0,14
5 0,363
0,09
0 0,254
0,05
5 0,172
0,03
3 0,113
0,01
9 0,073
0,01
1 0,046
0,00
6 0,029
0,00
4 0,018
0,00
2 0,011
0,00
1 0,006
0,00
1 0,004

4
5
0,96
9 ϒ
0,89
1 0,984
0,77
3 0,938
0,63
7 0,855
0,50
0 0,746
0,37
7 0,623
0,27
4 0,500
0,19
4 0,387
0,13
3 0,291
0,09
0 0,212
0,05
9 0,151
0,03
8 0,105
0,02
5 0,072
0,01
5 0,048
0,01
0,002
0 0,032
0,00
0,001
6 0,021
0,00
0,001
4 0,013
0,00
2 0,008
0,00
1 0,005
0,00
1 0,003
0,002

6

ϒ
0,99
2
0,96
5
0,91
0
0,82
8
0,72
6
0,61
3
0,50
0
0,39
5
0,30
4
0,22
7
0,16
6
0,11
9
0,08
4
0,05
8
0,03
9
0,02
6
0,01
7
0,01
1
0,00

7

8

9

0,996 ϒ
0,99
0,980
8
0,98
0,945
9
0,96
0,887
7
0,92
0,806
7
0,86
0,709
7
0,78
0,605
8
0,69
0,500
6
0,59
0,402
8
0,50
0,315
0
0,40
0,240
7
0,32
0,180
4
0,25
0,132
2
0,19
0,095
2
0,14
0,067
3
0,10
0,047
5
0,07
0,032
6
0,022 0,05

ϒ
0,99
9
0,99
4
0,98
1
0,95
4
0,91
0
0,84
9
0,77
3
0,68
5
0,59
3
0,50
0
0,41
2
0,33
2
0,26
2
0,20
2
0,15
4
0,11

10

11

12

13

14

15

ϒ

ϒ
ϒ
0,99
7
0,98
9
0,97
1
0,94
1
0,89
5
0,83
4
0,76
0
0,67
6
0,58
8
0,50
0
0,41
6
0,33
9
0,27
1
0,21

ϒ
ϒ
0,99
8
0,99
4
0,98
2
0,96
2
0,92
8
0,88
1
0,82
0
0,74
8
0,66
8
0,58
4
0,50
0
0,41
9
0,34

ϒ
ϒ
0,99
9
0,99
6
0,98
9
0,97
5
0,95
2
0,91
6
0,86
8
0,80
8
0,73
8
0,66
1
0,58
1
0,50

ϒ
ϒ

ϒ

ϒ

ϒ

ϒ

0,998 ϒ

ϒ

0,994 0,999

ϒ

0,985 0,996 0,999
0,968 0,990 0,998
0,942 0,976 0,994
0,905 0,961 0,987
0,857 0,933 0,974
0,798 0,895 0,953
0,729 0,846 0,924
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
n1

n2

2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

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

Tabel I > F
n2
2 3
n1
2
3
4
5

xxxiv

4 5

6

2
2
3
3
3
3
3
4
4
4
4
4
4
4
5
5
5

2
2
3
3
3
3
4
4
4
4
5
5
5
5
5
5
6
6

2
2
3
3
3
4
4
5
5
5
5
5
6
6
6
6
6
6

2
3
3
3
4
4
5
5
5
6
6
6
6
6
7
7
7
7

2
3
3
4
4
5
5
5
6
6
6
7
7
7
7
8
8
8

2
3
4
4
5
5
5
6
6
7
7
7
7
8
8
8
8
9

2
3
4
4
5
5
6
6
7
7
7
8
8
8
9
9
9
9

2
2
3
4
4
5
6
6
7
7
7
8
8
8
9
9
9
10
10

4

5

6

7

8

9

10

11

2
2
2
3
3
3
3
3
3
3
3
4
4
4
4
4

7

8

9

9 9
9 10 10 11 11

1
0

1
1

12

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

12 13 14

15
2
3
3
4
5
6
6
7
7
8
8
9
9
10
10
11
11
11
12
15

16

17

2
3
4
4
5
6
6
7
8
8
9
9
10
10
11
11
11
12
12
16

18

2
3
4
4
5
6
7
7
8
9
9
10
10
11
11
11
12
12
13
17

18

2
3
4
5
5
6
7
8
8
9
9
10
10
11
11
12
12
13
13

1
9
2
3
4
5
6
6
7
8
8
9
10
10
11
11
12
12
13
13
13

19

20

20
2
3
4
5
6
6
7
8
8
9
10
10
11
12
12
13
13
13
14

6
9 10 11 12 12 13 13
7
11 12 13 13 14 14
8
11 12 13 14 14 15
9
13 14 14 15 16
10
13 14 15 16 16
11
13 14 15 16 17
12
13 14 16 16 17
13
15 16 17 18
14
15 16 17 18
15
15 16 18 18
16
17 18 19
17
17 18 19
18
17 18 19
19
17 18 20
20
17 18 20
Sumber : Siegel, Sidney, 1956, Non Parametric
Graw-Hill Book Company.

13 13
14 14 15 15 15
15 16 16 16 16 17
16 16 17 17 18 18
17 17 18 18 18 19
17 18 19 19 19 20
18 19 19 20 20 21
19 19 20 20 21 21
19 20 20 21 22 22
19 20 21 22 22 23
20 21 21 22 23 23
20 21 22 23 23 24
20 21 22 23 24 25
21 22 23 23 24 25
21 22 23 24 25 25
Statistics For The Behavioral

17 17
18 18
19 19
20 20
21 21
22 22
23 23
23 24
24 25
25 25
25 26
26 26
26 27
Sciences,

17
18
20
21
22
23
23
24
25
26
26
27
27
New

17
18
20
21
22
23
24
25
25
26
27
27
28
York : Mc

xxxv

Sign up to vote on this title
UsefulNot useful