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)
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
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).
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:
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
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):
( )
=
=1 =1
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
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
( )
=
=1 =1
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.
69,2
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.
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:
( )
2 =
=1 =1
2
Tentukan wilayah kritis: Tolak H0 jika 2 hit ;(k1)
atau jika p-value
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
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:
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:
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
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
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.
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:
J = < = 1
=1 =+1
Dimana = =1
# (, ) atau = =1
# (, )
dengan ,
1, jika <
bernilai: , jika =
0, jika >
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
= 94
2 = 72 { 2 (2 + 3) =1 2 (2 + 3)}
1
= 72 (25320) = 351,667
=
= 351,667
= 18,7528
164 94
= 18,7528 = 3,73
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:
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
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)
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:
Keterangan:
S = Nc - Nd
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:
Dengan = 0 dan =
Sehingga
2(2+5)
9(1)
2(2+5)
9(1)
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
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
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
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