STATISTIKA NON PARAMETRIK

Balik lagi bersama statistik non parametrik setelah perjuangan melawan UTS kemarin. Sekarang
kita akan bersama-sama berjuang melawan UAS. Untuk itu sebelum masuk ke materi dalam
pembahasan nonpar setelah UTS ini, perlu diingatkan kembali tentang hal penting, yaitu bahwa
data menurut skala pengukurannya terbagi menjadi empat, yaitu data skala nominal, skala
ordinal, skala interval, dan skala rasio. Memahami jenis data tersebut akan mempermudah kita
dalam menentukan statistik uji mana yang tepat digunakan untuk suatu kasus.
Berikut merupakan daftar uji-uji yang akan diajarkan kepada kita setelah UTS genap nanti:
1) Uji k Populasi Dependen:
a) Uji Cochran Q
b) Uji Friedman
2) Uji k Populasi Independen
a) Uji Chi-Square & Koefisien Kontingensi
b) Uji Perluasan Median
c) Uji Kruskal-Wallis
d) Uji Jonckheere
3) Ukuran Korelasi
a) Koefisien Korelasi Rank Spearman
b) Koefisien Korelasi Rank Kendall
Nah supaya modul ini tidak tambah panjang, mari langsung saja kita bahas satu per satu dari ujiuji dan ukuran korelasi di atas.
1. Uji k Populasi Dependen
1.1. Uji Cochran Q
Uji ini merupakan perluasan dari uji Mc Nemar yang digunakan untuk menguji k populasi
dependen, apakah tiga atau lebih populasi tersebut saling berbeda signifikan dalam hal
proporsi atau frekuensi suatu kejadian. Uji ini lakukan ketika data minimal berskala
nominal dengan ketentuan data bersifat dikotomi (sukses atau gagal). Untuk sukses
diberikan angka 1 dan gagal diberi angka 0. Format data untuk k populasi dengan N
observasi disajikan dalam tabel seperti berikut:
Subjek

Populasi/Perlakuan
2

Li

Li2

Li

Li2

1
2

N
G1

G2

Gk

Dari tabel diatas dihitung Gj yaitu jumlah sukses dalam kolom/populasi ke j dan Li
yaitu jumlah sukses pada baris/observasi ke i. (j=1,2,..,k dan i=1,2,..,N)

Prosedur Uji Cochran Q:

Tentukan Hipotesis nol dan Hipotesis Alternatif:

o H0: proporsi atau frekuensi jawaban tertentu sama dalam masing-masing kolom
o H1: proporsi atau frekuensi jawaban tertentu berbeda dalam masing-masing
kolom
Tentukan taraf signifikansi ().
Isikan skor 1 untuk setiap sukses dan skor 0 untuk setiap gagal pada tabel Nxk
seperti di atas
Hitung statistik uji:

Keterangan:
Meskipun belum ada ketentuan berapa baris minimalnya, jika banyak baris (N)
tidak terlampau kecil maka Q berdistribusi dengan derajat bebas = k 1
Tentukan wilayah kritis: Tolak H0 jika Q ,() atau p-value

Contoh Soal Uji Cochran Q:

Dalam suatu perlombaan memasak Master Chef Junior yang terdiri dari 15 peserta. Suatu
penelitian ingin meneliti pengaruh 3 kondisi memasak yaitu saat challenge, preasure test
dan kerja tim terhadap penilaian enak-tidaknya masakan peserta. Misal enak = 1, tidak enak
= 0. Jika diketahui data seperti dibawah ujilah bahwa proporsi penilaian enak sama untuk
ketiga kondisi! (alpha= 5%)
Peserta

Challenge

Bryan
Zidane
Diandra
Afaf
Mathew
Mala
Kimy
Neyla
Alain
Salsa
Alex
Petrik
Lia
Vj
Revo

1
1
0
1
0
0
1
0
1
0
1
1
0
0
1
G1=8

Preasure

Kerja

test
0
1
1
1
0
0
1
0
1
0
0
1
1
0
0
G2=7

team
0
0
0
1
1
1
0
0
0
1
1
1
1
1
1
G3=9

Li

Li2

1
2
1
3
1
1
2
0
2
1
2
3
2
1
2
Li = 24

1
4
1
9
1
1
4
0
4
1
4
9
4
1
4
2
Li = 43

Jawab:
Hipotesis
Ho: proporsi penilaian enak sama untuk ketiga kondisi
H1: proporsi penilaian enak ada yang berbeda pada ketiga kondisi
Taraf signifikansi: = 5%
Statistik uji:

Wilayah kritis : Tolak Ho jika p-value alpha (0,05) atau jika Q ., (5,99)
Keputusan
: Terima Ho karena p-value > alpha (0,05) atau karena Q < 5,99
Kesimpulan
:
Dengan tingkat kepercayaan 95 % dapat disimpulkan bahwa proporsi penilaian enak nya
masakan peserta Master Chef Junior adalah sama untuk ketiga kondisi tersebut (tiga kondisi
tersebut tidak berpengaruh pada penilaian enaknya masakan).

1.2. Uji Friedman

Uji ini digunakan pada data k populasi berpasangan dengan skala pengukuran minimal
ordinal. Untuk menguji apakah sampel berasal dari populasi yang sama. Data dibentuk
kedalam tabel 2 arah dengan N baris dan k kolom. Baris merupakan banyaknya subyek/
kelompok dan kolom merupakan banyaknya perlakuan/kondisi. Sehingga tiap-tiap
kelompok subyek menerima k perlakuan. Format data untuk k perlakuan dengan N subyek
disajikan dalam tabel seperti berikut:
Subyek

Perlakuan
2

1
2

Sebelum melalukan uji Friedman pertama-tama kita beri ranking kepada skor-skor dalam
setiap subyek/kelompok. Pemberian ranking 1 adalah untuk skor terendah dan k adalah
untuk skor tertinggi. Jika ada skor yang sama maka diberikan rata-rata ranking dari yang
seharusnya. Kemudian Data yang diamati berupa ranking yang diberikan pada masing-

masing subyek/kelompok. Sehingga, jika kita mengamati k perlakuan, ranking dalam tiap
baris antara 1 hingga k. Uji Friedman mencari apakah ranking dari kolom-kolom yang
berlainan berasal dari populasi yang sama. Uji Friedman juga masih berhubungan dengan
Rancangan Acak Kelompok (RAK).
Prosedur Uji Friedman:

Tentukan Hipotesis nol dan Hipotesis Alternatif:

o H0: pemberian perlakuan berbeda tidak mengakibatkan perbedaan respons
o H1: pemberian perlakuan berbeda mengakibatkan perubahan respons
Tentukan taraf signifikansi ().
Masukkan skor-skor ke dalam tabel dua arah yang memiliki k-kolom (kondisi) dan
N-baris (kelompok atau subjek) lalu berikan ranking skor-skor itu pada masingmasing baris dari 1 sampai k (dari skor terkecil ke skor terbesar)
Hitung statistik uji:

Keterangan:
N = banyak baris
=1()2 = jumlah kuadrat
k = banyak kolom
ranking pada semua k-kolom
Rj = jumlah ranking pada
kolom ke-j (j=1,2,..,k)
Tentukan wilayah kritis:
o Untuk sampel N kecil ( 9 = 3), lihat table 1
o Untuk sampel 4 = 4, lihat tabel 2
o Untuk sampel besar > 9, lihat tabel C dengan db = k-1.
o Tolak Ho jika p-value (kalau pake tabel 1 atau 2 ) atau 2 2;1
(kalau pake tabel C)
Contoh Soal Uji Friedman:
Suatu
penelitian
ingin
mengetahui
perbedaan produktivitas mesin pembuat
sepatu yang dihasilkan. Dalam 3 shift kerja
(pagi, sore, malam) diambil 1 karyawan
untuk tiap tipe mesin yang berbeda. Dari
observasi tersebut dihasilkan data sbb :

Shift
Pagi
Sore
Malam

I
15
22
10

Tipe Mesin
II
III
14
11
26
32
8
17

dengan mengasumsikan karyawan memiliki tingkat kinerja yang sama. Ujilah apakah
pernyataan bahwa perbedaan mesin mengakibatkan perbedaan jumlah produksi sepatu
benar! (=5%)
Jawab:

IV
19
17
14

 Hipotesis
Ho : Perbedaan mesin tidak mengakibatkan perbedaan jumlah produksi sepatu
H1 : Perbedaan mesin mengakibatkan perbedaan jumlah produksi sepatu
Taraf signifikansi: = 0,05
N = 3(sampel kecil) ; k = 4
Statistik Uji :

Shift

Tipe Mesin
II
III

2 = {

12
2 } 3( + 1)
( + 1)
=1

IV

Pagi
Sore
Malam

3
2
2

2
3
1

1
4
4

4
1
3

Rj

Wilayah kritis: Tolak Ho jika p-value (0,05)

Keputusan : Terima Ho karena p-value >
Kesimpulan :
Dengan tingkat kepercayaan 95 % dapat disimpulkan bahwa perbedaan mesin tidak
mengakibatkan perbedaan jumlah sepatu yang diproduksi.

2. Uji k Populasi Independen

2.1. Uji Chi-Square & Koefisien Kontingensi
A. Uji Chi-Square
Uji 2 merupakan uji untuk menentukan signifikansi perbedaan-perbedaan (perbedaan
proporsi) antara lebih dari dua populasi independen yang memiliki kategori diskrit dengan
skala pengukuran minimal nominal. Uji ini merupakan perluasan dari uji 2 dua populasi
independen yang sudah diajarkan sebelum UTS. Namun ada perbedaan yaitu uji 2 dua
populasi independen digunakan untuk menentukan ada tidaknya hubungan antara dua
variabel sedangkan uji 2 k populasi independen digunakan untuk menentukan apakah
proporsi dari k populasi independen berdasarkan kategorinya sama atau berbeda. Data
disajikan dalam bentuk tabel seperti ini:
Kategori
1
2

1
O11 (E11)
O21(E21)

Or1(Er1)

Populasi/Perlakuan
2

O12 (E12)

O22 (E22)

Or2 (Er2)

k
O1k (E1k)
O2k (E2k)

Ork (Erk)

Jumlah
O1.
O2.

Or.

Jumlah

O.1

O.2

O.k

Keterangan:
=

. .

Syarat-syarat :
a. Frekuensi harapan ( ) tidak boleh terlalu kecil
b. Jika lebih dari 20% di antara sel-sel itu mempunyai frekuensi harapan kurang dari 5
atau sembarang sel mempunyai frekuensi harapan < 1 maka gabungkan populasi tersebut
untuk meningkatkan frekuensi harapan agar lebih dari 5.
Prosedur Uji Chi-Square (k populasi independen):

Tentukan Hipotesis nol dan Hipotesis Alternatif:

o H0: tidak ada perbedaan proposi populasi berdasarkan kategorinya (p1=p2=...=pk)
o H1: minimal ada sepasang proporsi populasi berbeda
Tentukan taraf signifikansi ()
Bentuk tabel seperti tabel diatas serta hitung frekuensi harapan pada masingmasing sel
Hitung statistik uji:

( )
=

=1 =1

Derajat bebas = (r-1)(k-1)

2
Tentukan wilayah kritis: Tolak H0 jika 2 hit ;(r1)(k1)
atau jika p-value

Contoh Uji Chi-Square k populasi independen:

Dalam suatu penyelidikan mengenai sifat dan akibat stratifikasi sosial dalam suatu
masyarakat kecil di Barat Tengah Amerika Serikat, Hollingsead menemukan bahwa para
siswa membagi diri mereka kedalam lima status kelas sosial dan mencatatkan diri mereka
pada kurikulum-kurikulum sekolah yang berbeda. Data sebagai berikut:
Kurikulum
Kelas Sosial
Total
Sekolah
I & II III
IV
V
Persiapan PT 23
40 16 2
81
Umum
11
75 107 14 207
Perdagangan
1
31 60 10 102
Total
35 146 183 26 390

Ujilah hipotesis apakah proporsi siswa dalam ketiga kurikulum sekolah sama untuk setiap
kelas sosial! (=5%)
Jawab:
Hipotesis
Ho : proporsi siswa yang tercatat dalam ketiga kurikulum sekolah sama untuk semua
kelas sosial.

H1 : proporsi siswa yang tercatat dalam ketiga kurikulum sekolah tidak semua sama untuk
semua kelas sosial.
Taraf signifikansi: = 0,05
Statistik uji:
Kurikulum
Sekolah
Persiapan PT
Umum
Perdagangan
Total

2 = 3=1 4=1

Kelas
I & II
23 (7,3)
11 (18,6)
1 (9,1)
35
( )

III
40 (30,3)
75 (77,5)
31 (38,2)
146

(237,3)2
7,3

IV
16 (38,0)
107 (97,1)
60 (47,9)
183

++

V
2 (5,4)
14 (13,8)
10 (6,8)
26

(106,8)2
6,8

Total
81
207
102
390

= 69,2

db= (r-1)(k-1)=(2)(3)=6
2
Wilayah kritis: Tolak Ho jika 2 hit 0,05;6
(=12,59)
2
Keputusan: Tolak Ho karena hit 12,59 yaitu 69,2
Kesimpulan:
Dengan tingkat kepercayaan 95% dapat disimpulkan bahwa proporsi siswa yang tercatat
dalam ketiga kurikulum sekolah tidak semua sama untuk semua kelas sosial.

B. Koefisien Kontingensi
Koefisien kontingensi merupakan suatu ukuran yang menunjukkan relasi antara dua
himpunan atribut dengan informasi kategori (skala nominal). Sebenarnya materi ini masuk
dalam bab ukuran korelasi, akan tetapi di kurikulum yang baru materi ini digabungkan
dengan uji chi-square karena ada kesamaan dalam hal statistik uji yang digunakan meski
fungsi dari statistik uji tersebut berbeda. Jika uji 2 k populasi independen digunakan untuk
menentukan apakah proporsi dari k populasi independen berdasarkan kategorinya sama atau
berbeda maka uji 2 untuk koefisien korelasi digunakan untuk melihat apakah ada relasi
antara dua variabel atau tidak. Data disajikan dalam bentuk tabel seperti ini:
Variabel Q
1
2

R
Jumlah

1
O11 (E11)
O21(E21)

Or1(Er1)
O.1

Variabel P
2

O12 (E12)

O22 (E22)

Or2 (Er2)

O.2

k
O1k (E1k)
O2k (E2k)

Ork (Erk)
O.k

Jumlah
O1.
O2.

Or.
N

*) syarat dan keterangan sama seperti uji chi-square k populasi independen

Kelemahan koefisien kontingensi:
a) Syarat koefisien korelasi adalah bernilai nol jika tidak terdapat asosiasi, dan bernilai 1
untuk asosiasi penuh. Namun koefisien kontingensi tidak dapat bernilai 1.

b) Antar koefisien kontingensi tidak dapat dibandingkan jika keduanya tidak dihasilkan
dari tabel kontingensi yang berukuran sama, misalnya 2x2, 3x3, dll.
c) Data harus sesuai untuk perhitungan 2 sebelum digunakan untuk menghitung C
d) Koefisien kontingensi tidak bisa secara langsung dibandingkan dengan ukuran korelasi
lain seperti R-Pearson, R-Spearman, R-Kendall.
Prosedur Uji Koefisien Kontingensi

Tentukan Hipotesis nol dan Hipotesis Alternatif:

o H0: tidak ada relasi antara variabel P dan variabel Q
o H1: ada relasi antara variabel P dan variabel Q
Tentukan taraf signifikansi ()
Bentuk tabel seperti tabel diatas serta hitung frekuensi harapan pada masingmasing sel
Hitung statistik uji:

( )
=

=1 =1

Derajat bebas = (r-1)(k-1)

2
=
+ 2
C: ukuran koefisien kontingensi

2
Tentukan wilayah kritis: Tolak H0 jika 2 hit ;(r1)(k1)
atau jika p-value
Ketika Ho diterima berarti nilai C tersebut tidak signifikan menggambarkan
hubungan antara variabel P dan Q, ketika Ho ditolak berarti nilai C tersebut
signifikan.

Contoh koefisien kontingensi:

Misal dari contoh uji chi-square k populasi independen diatas juga ditanyakan bagaimana
korelasi antara kelas sosial dan kurikulum sekolah, maka:
Hipotesis:
Ho : tidak ada relasi antara kelas sosial dan kurikulum sekolah
H1 : ada relasi antara kelas social dan kurikulum sekolah
Taraf signifikansi: = 0,05
Statistik uji:
Telah dihitung bahwa 2 = 69,2 maka:
2

69,2

= + 2 = 390+ 69,2 = 0,39

2
Wilayah kritis: Tolak Ho jika 2 hit 0,05;6
(=12,59)
Keputusan: Tolak Ho karena 2 hit 12,59 yaitu 69,2
Kesimpulan:

Dengan tingkat kepercayaan 95% dapat disimpulkan bahwa bahwa status kelas sosial dan
pilihan kurikulum sekolah mempunyai hubungan dalam populasi yang mana siswa Elmtown
sebagai sampelnya. Kita menyimpulkan bahwa C = 0,39 signifikan.

2.2. Uji Perluasan Median

Uji perluasan median merupakan uji untuk menentukan apakah k populasi independen
memiliki median yang sama dengan skala pengukuran minimal ordinal. Uji ini
merupakan perluasan dari uji median dua populasi independen yang sudah diajarkan
sebelum UTS. Prinsipnya sama dengan uji median dua populasi dimana kita membagi data
setiap populasi/perlakuan kedalam dua kategori, yaitu diatas median dan dibawah atau sama
dengan median. Masing-masing populasi/perlakuan bisa mempunyai jumlah sampel yang
berbeda. Median yang digunakan adalah median gabungan dari seluruh sampel. Format data
dari k perlakuan adalah sebagai berikut:
Populasi/Perlakuan

Jumlah

> Median

O11 (E11)

O12 (E12)

O1k (E1k)

O1.

Median

O21(E21)

O22 (E22)

O2k (E2k)

O2.

Jumlah

O.1

O.2

O.k

Keterangan:
Oij = banyak observasi yang pada baris ke-i dan populasi ke j (i=1,2 dan j=1,2,,k)
=

. .

Syarat-syarat :
a. Frekuensi harapan ( ) tidak boleh terlalu kecil
b. Jika lebih dari 20% di antara sel-sel itu mempunyai frekuensi harapan kurang dari 5
atau sembarang sel mempunyai frekuensi harapan < 1 maka gabungkan populasi tersebut
untuk meningkatkan frekuensi harapan agar lebih dari 5.
Prosedur Uji Perluasan Median:

Tentukan Hipotesis nol dan Hipotesis Alternatif:

o H0: k populasi memiliki median yang sama
o H1: minimal ada sepasang populasi dengan nilai median berbeda
Tentukan taraf signifikansi ()
Cari median gabungan dari seluruh sampel, lalu buat tabel 2xk seperti diatas dan
isi sel-selnya serta cari frekuensi harapan dari tiap sel
Hitung statistik uji:
2

( )
2 =

=1 =1

Derajat bebas = (r-1)(k-1)=(2-1)(k-1) = (k-1)

2
Tentukan wilayah kritis: Tolak H0 jika 2 hit ;(k1)
atau jika p-value

Contoh Uji Perluasan Median:

Seorang peneliti ingin meneliti pengaruh jenjang pendidikan ibu dengan frekuensi
kunjungan ke sekolah anaknya. Dari 440 anak diambil sampel 10%. Terambil 44 orang ibu
dari anak anak tersebut. Ibu-ibu tersebut digolongkan berdasarkan pendidikan. Data sebagai
berikut:
SD
4
3
0
7
1
2
0
3
5
1

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

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

PT
9
4
2
3
2
4
5
2
2
6

Apakah ada perbedaan frekuensi kunjungan sekolah diantara para ibu yang berbeda
jenjang pendidikannya? (Uji dengan = 5% )
Jawab:
Hipotesis:
Ho : tidak ada perbedaan dalam frekuensi kunjungan sekolah diantara para ibu yang
berbeda jenjang pendidikannya
H1 : ada perbedaan dalam frekuensi kunjungan sekolah diantara para ibu yang berbeda
jenjang pendidikannya
Taraf signifikansi: = 0,05
Statistik uji:
Dari data pada soal bisa kita cari:
Data = Frekuensi:
0=5
1=7
SD SMP SMA PT Total
2 = 10
> Median
5
4
7
6
22
3=5
(5) (5,5) (6,5) (5)
4=5
Median = 2,5
Median
5
7
6
4
22
5=5
(5) (5,5) (6,5) (5)
6=3
10
11
13 10
44
7=2

8=1
9=1
2

( )
(5 5)2 (4 5,5)2
(4 5)2
=
=
+
++
= 1,2951

5
5,5
5
2

=1 =1

= 1 = 4 1 = 3
2
Wilayah kritis: Tolak Ho jika 2 hit 0,05;3
(=7,82)
2
2
Keputusan : Terima Ho karena hit(=1,2951) < 0,05;3
(=7,82)
Kesimpulan :
Dengan tingkat kepercayaan sebesar 95% dapat disimpulkan bahwa tidak ada perbedaan
dalam frekuensi kunjungan sekolah diantara para ibu yang berbeda jenjang pendidikannya

2.3. Uji Kruskal-Wallis

Uji ini digunakan pada data k populasi independen dengan skala pengukuran minimal
ordinal. Untuk menguji apakah sampel berasal dari populasi yang berbeda-beda. Data
dibentuk kedalam tabel dengan k kolom dan masing-masing kolom mempunyai sampel
sebanyak nj. Format data untuk k populasi/perlakuan adalah:
Populasi/Perlakuan
1

1
2
.
.
.

Sebelum melalukan uji Kruskal-Wallis pertama-tama kita beri ranking kepada seluruh
sampel. Pemberian ranking adalah untuk seluruh skor tanpa memperhatikan
populasi/perlakuannya, ranking 1 adalah untuk skor terendah dan N adalah untuk skor
tertinggi. Jika ada skor yang sama maka diberikan rata-rata ranking dari yang seharusnya.
Kemudian data yang diamati berupa ranking yang diberikan pada seluruh sampel tersebut.
Uji Kruskal-Wallis menentukan apakah perbedaan jumlah ranking tiap populasi sangat
berlainan sehingga kecil kemungkinan sampel-sampel itu semuanya ditarik dari populasi
yang sama. Uji Kruskal-Wallis juga masih berhubungan dengan Rancangan Acak Lengkap
(RAL).
Prosedur Uji Kruskal-Wallis:

Tentukan Hipotesis nol dan Hipotesis Alternatif:

H0: k populasi memiliki nilai tengah yang sama (sampel berasal dari populasi
yang sama)
o H1: minimal ada sepasang populasi dengan nilai tengah berbeda (sampel berasal
dari populasi berbeda)
o

Tentukan taraf signifikansi ()

Masukkan skor-skor ke dalam tabel k kolom lalu berikan ranking seluruh skor-skor
itu tanpa memperhatikan populasinya dari 1 sampai N (dari skor terkecil ke skor
terbesar)
Hitung statistik uji:

Keterangan:
k = banyak populasi
nj =banyaknya sampel dalam tiap populasi
N = nj = banyaknya sampel dalam semua populasi(total sampel)
Rj = jumlah ranking pada populasi ke-j (j=1,2,..,k)
*Jika banyak data yang sama maka gunakan faktor koreksi untuk statistik uji
diatas, rumus koreksi:

Dimana T = t3 t dan t adalah frekuensi setiap observasi yang berangka sama

Maka statistik uji menjadi:

Keterangan: rumus ini digunkan ketika terdapat lebih dari 25% data berangka sama
Tentukan wilayah kritis:
o Untuk sampel kecil (k=3 dan nj5), lihat table O
o Untuk sampel besar (nj>5) gunakan tabel C dengan db = k-1
o Tolak Ho jika p-value atau 2;1

Contoh Soal Uji Kruskal-Wallis:

Untuk mendukung program STIS Bersih, SEMA
mengadakan sebuah survei yang bertujuan untuk
mengetahui pendapat mahasiswa STIS mengenai
kebersihan
kampus
STIS.
SEMA
ingin
membandingkan hasil rating kebersihan untuk 3 sesi
yang berbeda, yaitu sesi 1,sesi 2, dan sesi 3. Rating
digolongkan dalam 4 kategori yaitu:
1=sangat kotor
3=bersih
2=kotor
4=sangat bersih
Diperoleh data sebagai berikut:

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

Sesi 2
2
3
3
2
1
3
4

Sesi 3
2
1
1
2
3
3
2

Dengan tingkat kepercayaan 95 %, dapatkah SEMA mengatakan bahwa mahasiswa STIS

dapat menjaga kebersihan kampus yang sama sepanjang sesi?
Jawab:
Hipotesis:
Ho : Tidak ada perbedaan mahasiswa STIS dalam menjaga kebersihan kampus sepanjang
sesi
H1 : ada perbedaan mahasiswa STIS dalam menjaga kebersihan kampus sepanjang sesi
Taraf signifikansi: = 0,05
Statistik uji:
Sesi 1
4
4
3
4
3
3
3
3
2
3
R1

R
22.5
22.5
15
22.5
15
15
15
15
6.5
15
164

Sesi 2
2
3
3
2
1
3
4

R
6.5
15
15
6.5
2
15
22.5

Sesi 3
2
1
1
2
3
3
2

R
6.5
2
2
6.5
15
15
6.5

R2

82.5

R3

53.5

Karena banyak data yang berangka sama maka digunakan faktor koreksi (T = t3 t)
Data
t
T

1
3
24

2
6
210

3
11
1320

4
4
60

12
1642 82,52 53,52
[
+
+
] 3(24 + 1)
7
7
24(24 + 1) 10
=
24 + 210 + 1320 + 60
1
243 24
= 7.266104
Derajat bebas = k-1 = 3-1 = 2
2
Wilayah kritis: Tolak Ho jika H 0,05;2
(= 5,991)
2
2
Keputusan: Tolak Ho karena hit(=7,266104) > 0,05;2
(=5,991)
Kesimpulan:

Dengan tingkat kepercayaan 95% dapat disimpulkan bahwa ada perbedaan mahasiswa
STIS dalam menjaga kebersihan kampus sepanjang sesi.

2.4. Uji Jonckheere

Uji ini digunakan pada data k populasi independen dengan skala pengukuran minimal
ordinal. Untuk uji alternatif data berurut, mirip dengan uji median dimana untuk menguji
apakah k populasi independen memiliki median yang berbeda, tapi mempunyai hipotesis
alternatif yang lebih spesifik. Terlebih dahulu populasi diurutkan berdasarkan prioritas
tertentu. Kemudian masukkan data kedalam tabel secara urut per populasi, dimana populasi
terkecil di kolom 1 dan terbesar di kolom k dan masing-masing kolom mempunyai sampel
sebanyak nj (j=1,2,..,k). Format data untuk k populasi/perlakuan adalah:
Populasi/Perlakuan
1
2
...
K
X11
X12
.
.
.

X12
X22
.
.
.

i
j

1
2

Perhitungan
1
...
...
3
...
...

k-1
k

X1k
X2k
.
.
.

Uij
Untuk kolom perhitungan kita isikan statistik uji U Mann-Whitney, misal kolom i=1, j=2,
berarti kita bandingkan populasi 1 dan 2, baris pertama di kolom i=1, j=2 berarti banyaknya
data pada populasi 2 yang melebihi X11 (jika ada data yang sama maka ditambah lagi
0,5 kali banyak data yang sama), baris kedua berarti banyaknya data pada populasi 2 yang
melebihi X12, begitu seterusnya hingga X1n1, lalu lanjut ke kolom berikutnya dan lakukan
langkah yang sama hingga kolom i=k-1, j=k. banyaknya kolom perhitungan = kC2. Contoh
kasus: Dalam sebuah riset tentang kemujaraban sejenis obat, misalnya seorang peneliti
mungkin ingin tahu apakah data sampel menunjukkan bahwa peningkatan dosis dibarengi
dengan peningkatan reaksi (respon).
Prosedur Uji Jonckheere:

Tentukan Hipotesis nol dan Hipotesis Alternatif:

o H0: 1 = 2 = = (populasi memiliki median yang sama)
o H1: 1 < 2 < < (populasi memiliki median yang berurutan)
Tentukan taraf signifikansi ()
Hitung statistik uji:
Bentuk tabel seperti tabel diatas lalu:
SAMPEL KECIL (nj 8, k=3) atau (2 n 6, untuk k=4,5,6,7,8)

J = < = 1
=1 =+1

Dimana = =1
# (, ) atau = =1
# (, )

dengan ,

1, jika <
bernilai: , jika =
0, jika >

SAMPEL BESAR (Jika banyaknya grup k dan banyaknya pengamatan

dalam setiap grup sangat besar)
=

Dimana:
J = <
2
2
=1
=
4

2 = 72 { 2 (2 + 3) =1 2 (2 + 3)}
N = total observasi
Tentukan wilayah kritis:
o Sampel kecil: Tolak Ho jika Job > Jtabel atau p-value
Dimana Jtabel:
Jika k=3, serta n1, n2, n3 8, J tabel dari tabel P bag. 1 (Siegel versi
International)
Jika k=4,5,6 serta jumlah nj sama, dan kurang dari 7, J tabel dari tabel P bag. 2
(Siegel versi International)
o Sampel besar: Tolak Ho jika > atau p-value
Contoh Soal Uji Jonckheere:
Svenningsen melaporkan hasil dari penelitian mengenai titrasi asam basa dalam ginjal
yang dilakukan pada 24 bayi yang dipilih secara acak dari populasi 516 bayi yang baru
lahir. Bayi-bayi yang diteliti dibagi menjadi 3 kelompok berdasarkan analisis kimiawi
pada tes urine yang dilakukan sebagai berikut:
Kelompok I
(bayi cukup
bulan/normal)
4,5

Kelompok II
(bayi prematur)
4,1

Kelompok III
(bayi prematur dg asidosis
berumur 1-3 minggu)
7,3

3,9
5
4,8
4,1
4,6

3,9
3,2
4,6
5,1
4,9
5
4,3
5,2
5,3

8,4
6,9
7,3
8,2
6,2
8,2
7,9

Uji Ho tidak ada perbedaan median dalam populasi, melawan H1 terdapat penurunan nilai
kimiawi dari kelompok III ke kelompok I secara berurut! (alpha = 5%)
Jawab:
Hipotesis:
Ho : kelompok-kelompok bayi berdasarkan analisis kimiawi pada urine-nya tidak ada
kecenderungan menurun ( = = )
H1 : < <
Taraf signifikansi: = 0,05
Statistik uji: (sampel besar)
I

II

III

4,5
3,9
5
4,8
4,1
4,6

4,1
3,9
3,2
4,6
5,1
4,9
5
4,3
5,2
5,3

7,3
8,4
6,9
7,3
8,2
6,2
8,2
7,9

i
j

Uij
J=
= U12 + U13 + U23
= 36 + 48 + 80
= 164

1
2
6
8,5
3,5
5
7,5
5,5

1
3
8
8
8
8
8
8

36

48

2
3
8
8
8
8
8
8
8
8
8
8
80

<

2
2
=1

242 (62 +102 +82 )

4

= 94

2 = 72 { 2 (2 + 3) =1 2 (2 + 3)}
1

= 72 {242 (2 . 24 + 3) [62 (2.6 + 3) + 102 (2.8 + 3) + 82 (2.10 + 3)]}

= 72 (29376 540 2300 1216)

1

= 72 (25320) = 351,667
=

= 351,667

= 18,7528

164 94

= 18,7528 = 3,73

Wilayah kritis: Tolak Ho jika > 0,05 (= 1,645)

Keputusan: Tolak Ho karena (= 3,73) > 0,05 (= 1,645)
Kesimpulan:
Dengan tingkat kepercayaan sebesar 95%, dapat disimpulkan bahwa median kelompokkelompok bayi berdasarkan analisis kimiawi pada urine nya ada kecenderungan menurun
dari kelompok III ke kelompok I secara berurut
.
3. Ukuran Korelasi
3.1. Koefisien Korelasi Rank Spearman
Koefisien korelasi spearman merupakan suatu ukuran asosiasi atau hubungan antara data
berpasangan yang dapat digunakan pada kondisi satu atau kedua variabel yang diukur adalah
skala ordinal (berbentuk ranking) atau kedua variabel adalah kuantitatif namun kondisi
normal tidak terpenuhi. Simbol ukuran populasinya adalah dan ukuran sampelnya rs.
Koefisien korelasi ini menggunakan ranking dalam proses perhitungan dan pengujiannya,
sehingga kita perlu mengubah data (dalam skor) kedalam data ranking. Data setelah
diranking disajikan dalam tabel sebagai berikut:
Subjek
1
2

Ranking
Variabel X
Variabel Y
R(X1)
R(Y1)
R(X2)
R(Y2)

R(XN)
R(YN)

Selisih (di)

di2

d1 = R(X1) R(Y1)
d2 = R(X2) R(Y2)

dN = R(XN) R(YN)

d12
d22
dN2

Ket:
N = Jumlah Sampel/Subjek
R(Xi) = Ranking dari skor ke-i di variabel X
R(Yi) = Ranking dari skor ke-i di variabel Y
di = Selisih antara R(Xi) dengan R(Yi)
di2 = Kuadrat dari selisih antara R(Xi) dengan R(Yi)
Perangkingan dilakukan di masing-masing variabel, pembuatan ranking dapat dimulai dari
nilai terkecil atau nilai terbesar tergantung permasalahannya. Bila ada data yang nilainya
sama, maka pembuatan ranking didasarkan pada nilai rata-rata dari ranking-ranking data
yang seharusnya. Formula rs untuk korelasi Spearman adalah sebagai berikut:

Rumus diatas digunakan jika tidak ada data yang mempunyai ranking yang sama, jika
banyak data dengan ranking sama (memiliki skor yang sama) maka formula rs untuk korelasi
Spearman adalah sebagai berikut:
, dimana:

Setelah didapatkan koefisien korelasi spearman, maka langkah selanjutlah adalah

melakukan uji hipotesis apakah koefisien korelasi yang dihitung tadi itu signifikan dalam
menggambarkan hubungan antara X dan Y.
Prosedur Uji Korelasi Spearman:

Tentukan Hipotesis nol dan Hipotesis Alternatif:

#) Uji dua sisi :
o H0 : Tidak ada hubungan antara X dan Y ( X dan Y independent (rs = 0))
o H1 : Ada hubungan antara X dan Y ( X dan Y dependent (rs 0))
#) Uji satu sisi :
o H0 : Tidak ada hubungan antara X dan Y ( X dan Y independent (rs = 0))
o H1 : Peningkatan nilai-nilai X diikuti dengan peningkatan nilai-nilai Y (X dan Y
berhubungan positif (rs > 0))
ATAU
o H0 : Tidak ada hubungan antara X dan Y ( X dan Y independent (rs = 0))
o H1 : Peningkatan nilai-nilai X diikuti dengan penurunan nilai-nilai Y (X dan Y
berhubungan negatif(rs < 0))
Tentukan taraf signifikansi:
o Untuk uji satu sisi:
o Untuk uji dua sisi: /2
Hitung statistik uji:
Sampel Kecil (4 N 20):
Untuk sampel kecil ini statistik uji yang digunakan adalah rs dengan rumus yg
tertera diatas.
Sampel Sedang (21 N 50):
Untuk ukuran sampel sedang, digunakan statistik uji berikut:
Berdistribusi T dengan derajat bebas = N-2

Sampel Besar (N>50):

Untuk ukuran sampel besar, digunakan statistik uji berikut:
Berdistribusi Normal Standar {N(0,1)}

Tentukan wilayah kritis

Sample Size
Kecil (4 N 20)
Sedang (21 N 50)
Besar (N >50)

Tolak H0 jika,
rs(obs) rs tabel / p-value
t(obs) -ttabel atau t(obs) ttabel
z(obs) -ztabel atau z(obs) ztabel

=> Tabel P
=> Tabel B
=> Tabel A

Contoh Soal Korelasi Spearman:

Sebagai bagian dari studi tentang akibat tekanan kelompok terhadap individu untuk
melakukan penyesuaian diri dalam situasi yang melibatkan risiko keuangan, peneliti
membuat suatu skala keotoriteran dan skala untuk mengukur perjuangan untuk status sosial
terhadap 12 mahasiswa. Data sebagai berikut:

Ujilah dengan korelasi rank spearman apakah kedua variable tersebut berhubungan positif!
Jawab:
Hipotesis:
Ho : Tidak terdapat hubungan antara keotoriteran dan perjuangan status sosial dalam diri
mahasiswa
H1 : Terdapat hubungan yang positif antara keotoriteran dengan perjuangan status sosial
dalam diri mahasiswa (UJI SATU SISI)
Taraf signifikansi: = 0,01
Statistik uji: (sampel kecil)

 Wilayah kritis: H0 ditolak jika rs(obs) rs table (= 0,712)

Keputusan: Tolak H0 karena rs(obs) (= 0,82) rs table (= 0,712)
Kesimpulan:
Dengan kepercayaan 99%, maka dapat disimpulkan bahwa terdapat hubungan yang positif
antara keotoriteran dengan perjuangan status social dalam diri mahasiswa.

3.2. Koefisien Korelasi Rank Kendall

Kendall () adalah ukuran korelasi yang setara dengan Spearman. Koefisien korelasi kendall
() merupakan suatu nilai yang menunjukkan derajat asosiasi atau korelasi antara dua
himpunan variabel. Data sekurang-kurangnya diukur pada skala ordinal, sehingga data
X dan Y dapat disusun peringkat/rank-nya. Pemberian ranking variabel X dan Y dari 1
hingga N, bisa secara ascending atau descending. Bila ada data yang nilainya sama, maka
pembuatan ranking didasarkan pada nilai rata-rata dari ranking-ranking data yang
seharusnya. Setelah data diubah dalam ranking kemudian urutkan data tersebut berdasarkan
ranking salah satu variabelnya (bisa X atau Y, tapi biasanya X). Kemudian susunlah data
yang sudah diurutkan tersebut (misal yang diurutkan adalah X) dalam tabel seperti berikut:
X
R(X1)
R(X2)

Y
R(Y1)
R(Y2)

Concordant Discordant
C1
D1
C2
D2

R(Xi)
R(Yi)

R(XN) R(YN)
Jumlah

Ci

CN
Nc

Di

DN
Nd

Ket:
N = Jumlah Sampel/Subjek
R(Xi) = Ranking ke-i di variabel X {R(X1) R(X2) R(XN)}
R(Yi) = Ranking di variabel Y yang berpasangan dengan ranking ke-i di variabel X
Ci = banyaknya ranking dibawah R(Yi) yang melebihi ( > ) R(Yi)
Di = banyaknya ranking dibawah R(Yi) yang kurang ( < ) R(Yi)
Nc = Jumlah dari Ci
Nd = Jumlah dari Di
Contoh: data (x,y): (20,60) ; (16,41) ; (14,45) ; (21,41) ; (23,56)
Subjek
1
2
3
4
5

R(Xi)
3
2
1
4
5

R(Yi)
5
1,5
3
1,5
4

Diurutkan
R(Xi)-nya

Subjek
3
2
1
4
5

R(Xi) R(Yi)
1
3
2
1.5
3
5
4
1.5
5
4
Jumlah

Concordant Discordant
2
2
2
0
0
2
1
0
0
0
Nc = 5
Nd = 4

Dapat dilihat bahwa C1 diatas adalah 2, artinya ada 2 rangking dibawah R(Y1) yang lebih
dari R(Y1) { 5 dan 4 melebihi R(Y1) = 3 }. D1 = 2, artinya ada 2 rangking dibawah R(Y1)
yang kurang R(Y1) { 1,5 dan 1,5 kurang dari R(Y1) = 3 }.
Setelah dibentuk tabel seperti diatas kemudian dapat dihitung koefisien korelasi kendall
seperti berikut:
Jika tidak ada ranking yang sama:

Jika ada ranking yang sama:

Dimana t adalah banyak

observasi yg bernilai
sama di setiap skor di X

Keterangan:
S = Nc - Nd

Dimana t adalah banyak

observasi yg bernilai
sama di setiap skor di Y

Setelah didapatkan koefisien korelasi kendall, maka langkah selanjutlah adalah melakukan
uji hipotesis apakah koefisien korelasi yang dihitung tadi itu signifikan dalam
menggambarkan hubungan antara X dan Y.
Prosedur Uji Korelasi Kendall:

Tentukan Hipotesis nol dan Hipotesis Alternatif:

#) Uji dua sisi :
o H0 : Tidak ada hubungan antara X dan Y ( X dan Y independent ( = 0))
o H1 : Ada hubungan antara X dan Y ( X dan Y dependent ( 0))
#) Uji satu sisi :
o H0 : Tidak ada hubungan antara X dan Y ( X dan Y independent ( = 0))
o H1 : Peningkatan nilai-nilai X diikuti dengan peningkatan nilai-nilai Y (X dan Y
berhubungan positif ( > 0))
ATAU
o H0 : Tidak ada hubungan antara X dan Y ( X dan Y independent ( = 0))
o H1 : Peningkatan nilai-nilai X diikuti dengan penurunan nilai-nilai Y (X dan Y
berhubungan negatif ( < 0))
Tentukan taraf signifikansi ()
Hitung statistik uji:
Sampel Kecil (N 10):
Untuk sampel kecil ini statistik uji yang digunakan:
S = Nc - Nd
Lalu lihat tabel Q dan cari p-value berdasarkan N dan S.
Sampel Besar (N > 10)
Untuk ukuran sampel besar, digunakan statistik uji berikut:

Dengan = 0 dan =
Sehingga

2(2+5)
9(1)

2(2+5)

9(1)

Tentukan wilayah kritis:

Sampel kecil:
Tolak H0 jika p-value
Sampel besar:
Tolak H0 jika Zob -Ztabel atau Zob Ztabel

Contoh Soal Korelasi Kendall:

Misalkan kita minta juri X dan Y untuk memberi penilaian kepada 12 karya tulis menurut
kualitas gaya pemaparan. Berikut data penilaiannya:

Peserta
Penilaian Juri

X
Y

A
89
95

B
87
95

C
94
90

D
96
90

E
75
86

F
64
84

G
68
81

H
80
78

I
79
73

J
61
69

K
83
69

L
74
60

Dengan menggunakan koefisien korelasi kendall apakah dapat disimpulkan bahwa

terdapat hubungan yang berbanding lurus antara penilaian juri X dan juri Y?
Jawab:
Hipotesis:
H0 : Tidak terdapat hubungan antara penilaian juri X dan juri Y(=0)
H1 : Terdapat hubungan yang berbanding lurus antara penilaian juri X dan juri Y( > 0)
(UJI SATU SISI)
Taraf signifikansi: = 0,05
Statistik uji: (sampel besar)
Peserta
Ranking

X
Y

A
3
1.5

B
4
1.5

C
2
3.5

D
1
3.5

E
8
5

F
11
6

G
10
7

H
6
8

I
7
9

J
12
10.5

K
5
10.5

L
9
12

E
8
5
4
0

L
9
12
0
3

G
10
7
1
1

F
11
6
1
0

J
12
10.5
0
0

Diurutkan R(Xi)-nya menjadi :

Peserta
X
Y
Concordant
Discordant
Ranking

D
1
3.5
8
2

C
2
3.5
8
2

A
3
1.5
8
0

B
4
1.5
8
0

K
5
10.5
1
5

H
6
8
3
3

I
7
9
2
3

= = 44 19 = 25
Karena ada data yang berangka sama di Y maka digunakan faktor koreksi:
Data
ty
ty(ty-1)

95
2
2

90
2
2

69
2
2

= 0,5{2+2+2) = 3

25
1
1
(2 (12)(12 1) 0) (2 (12)(12 1) 3)
= 0,39

Jumlah
44
19

Z ob

22 N 5
9 N N 1

0.39
1.76
2212 5
912 12 1

Wilayah kritis: Tolak H0 jika Zob Z0,05 (=1,645)

Keputusan: Tolak H0 karena Zob (1,76) > Z0,05 (=1,645)
Kesimpulan:
Dengan tingkat keyakinan 95% dapat disimpulkan bahwa terdapat hubungan yang
berbanding lurus antara penilaian juri X dan juri Y dengan = 0.39

Untuk memudahkan dalam menentukan statistik uji, berikut tabel ajaib yang dapat membantu:
Data/Sifat
Nominal

Dependen
Tes Cochran

Independen
Uji Chi Square k-Independent

Koefisien Korelasi
Kontingency-C

Ordinal

Uji Friedman

Perluasan Median
Kruskall-Wallis
Jonckheree

Rank Spearman
Kendall