Nama : Siti Khairina Lubis

NIM : 061301072

Pengujian Hipotesis Menggunakan Statistik Nonparametrik

A. Statistic Parametric Dan Statistic Nonparametric

Statistik parametrik merupakan statitik dimana populasi diasumsikan cocok dengan

setiap distribusi yang diukur, umumnya distibusi normal. Metode statistik inferensi
parametrik merupakan prosedur matematik untuk pengujian hipotesis statistik yang
mengasumsikan bahwa distribusi variabel-variabel tersebut sedang dinilai sesuai dengan
kelompok parameter yang berdistribusi normal. Statistik parametrik terutama digunakan
untuk menganalisis data interval atau rasio.
Sebaliknya statistik nonparametrik berkaitan dengan model-model non parametrik dan
inferensi non parametrik. Pengertian ini juga mengacu pada statistik yang interpretasinya
tidak tergantung pada populasi yang dicocokkan dengan setiap distribusi normal. Statistik
nonparametrik terutama digunakan untuk menganalisis data nominal dan ordinal dari
populasi yang bebas distribusi.

B. Pengujian Hipotesis
Hipotesis adalah usulan keterangan untuk gejala. Hipotesis yang berguna akan
memungkinkan prediksi berdasarkan deduksi. Prediksi tersebut mungkin meramalkan hasil
suatu eksperimen dalam laboratorium atau observasi suatu fenomena di alam. Prediksi
tersebut dapat pula bersifat statistik dan hanya berupa probabilitas. Hasil yang diramalkan
oleh prediksi tersebut haruslah belum diketahui kebenarannya (apakah benar-benar akan
terjadi atau tidak). Hanya dengan demikianlah maka terjadinya hasil tersebut menambah
probabilitas bahwa hipotesis yang dibuat sebelumnya adalah benar. Jika hasil yang
diramalkan sudah diketahui, hal itu disebut konsekuensi dan seharusnya sudah
diperhitungkan saat membuat hipotesis. Jika prediksi tersebut tidak dapat diobservasi,
hipotesis yang mendasari prediksi tersebut belumlah berguna bagi metode bersangkutan dan
harus menunggu metode yang mungkin akan datang.
 Persyaratan untuk membuat hipotesis yang baik yaitu :
 Berupa pernyataan yang mengarah pada tujuan penelitian dan dirumuskan dengan
jelas.
 Berupa pernyataan yang dirumuskan dengan maksud untuk dapat diuji secara empiris.
Menunjukkan dengan nyata adanya hubungan antara dua variabel atau lebih.
 Berupa pernyataan yang dikembangkan berdasarkan teori-teori yang lebih kuat
dibandingkan dengan hipotesis rivalnya dan didukung oleh teori-teori yang
dikemukakan oleh para ahli atau hasil penelitian yang relevan.

Berikut ini beberapa penjelasan mengenai hipotesis yang baik :

a. Hipotesis harus menduga hubungan diantara beberapa variable.
Hipotesis harus dapat menduga hubungan antara dua variabel atau lebih, disini harus
dianalisis variabel-variabel yang dianggap turut mempengaruhi gejala-gejala tertentu
dan kemudian diselidiki sampai dimana perubahan dalam variabel yang satu
membawa perubahan pada variabel yang lain.
b. Hipotesis harus dapat diuji.
Hipotesis harus dapat di uji untuk dapat menerima atau menolaknya, hal ini dapat
dilakukan dengan mengumpulkan data-data empiris.
c. Hipotesis harus konsisten dengan keberadaan ilmu pengetahuan.
Hipotesis tidak bertentangan dengan pengetahuan yang telah ditetapkan sebelumnya.
Dalam beberapa masalah, dan terkhusus pada permulaan penelitian, ini harus berhati-
hati untuk mengusulkan hipotesis yang sependapat dengan ilmu pengetahuan yang
sudah siap ditetapkan sebagai dasar. Serta poin ini harus sesuai dengan yang
dibutuhkan untuk memeriksa literatur dengan tepat oleh karena itu suatu hipotesis
harus dirumuskan bedasar dari laporan penelitian sebelumnya.
d. Hipotesis dinyatakan secara sederhana.
Suatu hipotesis akan dipresentasikan kedalam rumusan yang berbentuk kalimat
deklaratif, hipotesis dinyatakan secara singkat dan sempurna dalam menyelesaikan
apa yang dibutuhkan peneliti untuk membuktikan hipotesis tersebut.

Menurut bentuknya, hipotesis dibagi menjadi tiga :

1. Hipotesis penelitian/ kerja: Hipotesis penelitian merupakan anggapan dasar peneliti
terhadap suatu masalah yang sedang dikaji. Dalam hipotesis ini peneliti menganggap
benar hipotesisnya yang kemudian akan dibuktikan secara empiris melalui pengujian
 hipotesis dengan mempergunakan data yang diperolehnya selama melakukan
penelitian.
Misalnya: Ada hubungan antara krisis ekonomi dengan jumlah orang stress.
2. Hipotesis operasional: Hipotesis operasional merupakan hipotesis yang bersifat
obyektif. Artinya peneliti merumuskan hipotesis tidak semata-mata berdasarkan
anggapan dasarnya, tetapi juga berdasarkan obyektifitasnya, bahwa hipotesis
penelitian yang dibuat belum tentu benar setelah diuji dengan menggunakan data yang
ada. Untuk itu peneliti memerlukan hipotesis pembanding yang bersifat obyektif dan
netral atau secara teknis disebut hipotesis nol (H0).
H0 digunakan untuk memberikan keseimbangan pada hipotesis penelitian karena
peneliti meyakini dalam pengujian nanti benar atau salahnya hipotesis penelitian
tergantung dari bukti-bukti yang diperolehnya selama melakukan penelitian.
Contoh: H0: Tidak ada hubungan antara krisis ekonomi dengan jumlah orang stress.
3. Hipotesis statistik: Hipotesis statistik merupakan jenis hipotesis yang dirumuskan
dalam bentuk notasi statistik. Hipotesis ini dirumuskan berdasarkan pengamatan
peneliti terhadap populasi dalam bentuk angka-angka (kuantitatif).
Misalnya: H0: r = 0; atau H0: p = 0

Ciri-ciri hipotesis yang baik :

Sebuah hipotesis atau dugaan sementara yang baik hendaknya mengandung beberapa
hal. Hal – hal tersebut diantaranya :
1) Hipotesis harus mempunyai daya penjelas.
2) Hipotesis harus menyatakan hubungan yang diharapkan ada di antara variabel-
variabel-variabel.
3) Hipotesis harus dapat diuji.
4) Hipotesis hendaknya konsistesis dengan pengetahuan yang sudah ada.
5) Hipotesis hendaknya dinyatakan sesederhana dan seringkas mungkin.

Dalam merumuskan hipotesis peneliti perlu pertimbangan- pertimbangan diantaranya:

a) Harus mengekpresikan hubungan antara dua variabel atau lebih, maksudnya dalam
merumuskan hipotesis seorang peneliti harus setidak-tidaknya mempunyai dua
variabel yang akan dikaji. Kedua variabel tersebut adalah variabel bebas dan variabel
 tergantung. Jika variabel lebih dari dua, maka biasanya satu variabel tergantung dua
variabel bebas.
b) Harus dinyatakan secara jelas dan tidak bermakna ganda, artinya rumusan hipotesis
harus bersifat spesifik dan mengacu pada satu makna tidak boleh menimbulkan
penafsiran lebih dari satu makna. Jika hipotesis dirumuskan secara umum, maka
hipotesis tersebut tidak dapat diuji secara empiris.
c) Harus dapat diuji secara empiris, maksudnya ialah memungkinkan untuk diungkapkan
dalam bentuk operasional yang dapat dievaluasi berdasarkan data yang didapatkan
secara empiris. Sebaiknya hipotesis jangan mencerminkan unsur-unsur moral, nilai-
nilai atau sikap.

Suatu hipotesis harus dapat diuji berdasarkan data empiris, yakni berdasarkan apa
yang dapat diamati dan dapat diukur. Untuk itu peneliti harus mencari situasi empiris yang
memberi data yang diperlukan. Setelah kita mengumpulkan data, selanjutnya kita harus
menyimpulkan hipotesis , apakah harus menerima atau menolak hipotesis. Ada bahayanya
seorang peneliti cenderung untuk menerima atau membenarkan hipotesisnya, karena ia
dipengaruhi bias atau perasangka. Dengan menggunakan data kuantitatif yang diolah menurut
ketentuan statistik dapat ditiadakan bias itu sedapat mungkin, jadi seorang peneliti harus
jujur, jangan memanipulasi data, dan harus menjunjung tinggi penelitian sebagai usaha untuk
mencari kebenaran.

C. Tingkat Signifikansi

Tingkat signifikansi (alpha) menunjukkan probabilitas atau peluang kesalahan yang

ditetapkan peneliti dalam mengambil keputusan untuk menolak atau mendukung hipotesis
nol, atau dapat diartikan juga sebagai tingkat kesalahan atau tingkat kekeliruan yang ditolerir
oleh peneliti, yang diakibatkan oleh kemungkinan adanya kesalahan dalam pengambilan
sampel (sampling error).

Tingkat signifikansi dinyatakan dalam persen dan dilambngkan dengan . Misalnya,

ditetapkan tingkat signifikansi = 5% atau = 10%. Artinya, keputusan peneliti untuk

menolak atau mendukung hipotesis nol memiliki probabilitas kesalahan sebesar 5% atau
10%. Dalam beberapa program statistik berbasis komputer, tingkat signifikansi selalu
disertakan dan ditulis sebagai Sig. (= significance), atau dalam program komputer lainnya
ditulis r-value. Nilai Sig atau r – value, seperti telah diuraikan di atas, adalah nilai probabilitas
kesalahan yang dihitung atau menunjukkan tingkat probabilitas kesalahan yang sebenarnya.
Tingkat kesalahan ini digunakan sebagai dasar untuk mengambil keputusan dalam pengujian
hipotesis.

Signifikansi atau disebut juga probabilitas merupakan tingkat ketepatan (presisi)

dalam kaitannya dengan kesalahan pengambilan sampel (sampling error), merupakan
jangkauan dimana nilai populasi yang tepat diperkirakan. Jangkauan ini sering diekspresikan
dengan menggunakan poin-poin persentase, misalnya 1% atau 5%. Oleh karena itu jika
seorang peneliti menemukan bahwa 60% pegawai perusahaan tertentu yang digunakan
sebagai sampel sudah mengadopsi suatu metode bekerja yang direkomendasikan dengan
tingkat ketepatan sebesar ±1%, maka peneliti tersebut dapat menyimpulkan bahwa antara
59% dan 61% dari pegawai perusahaan tersebut yang menjadi populasi sudah mengadopsi
metode tersebut.

D. Distribusi Sampling

Distribusi sampling menunjukkan distribusi dari nilai nilai yang berbeda statistik
sampel atau penduga dari banyak sampel yang berukuran sama. Sebuah statistik sampel akan
berbeda-beda nilainya dari satu sampel ke sampel yang lain karena adanya perbedaan
sampling acak atau kesalahan sampling. Dari suatu populasi X, dapat dilakukan sejumlah
sampling yang menghasilkan himpunan sampel dengan ukuran yang berbeda. Setiap
himpunan sampel tersebut akan menghasilkan estimasi nilai menengah sampel ¯x dan
variansi sampel S2 yang berbeda. Estimator adalah fungsi-fungsi yang digunakan untuk
menghitung nilai estimasi-estimasi tersebut. Contohnya:

(= nilai menengah sampel) adalah estimator untuk mengestimasi nilai menengah populasi,
dan
(= variansi sampel) adalah estimator untuk mengestimasi nilai variansi populasi.

Keandalan (reliability) estimasi nilai menengah dan variansi diuji dengan

memanfaatkan tiga macam distribusi untuk menyatakan seberapa baik hasil estimasi tersebut
yang dinyatakan dalam tingkat kepercayaan (level of confidence). Selang/ interval/ range
yang dikenal sebagai selang kepercayaan dapat ditentukan untuk “menduga” kemungkinan
lokasi nilai menengah dan variansi akan muncul untuk tingkat probabilitas tertentu.

E. Daerah Penolakan

Daerah penolakan merupakan suatu daerah dalam distribusi sampling. Distribusi

sampling meliputi semua harga yang mungkin dimiliki oleh satatistik tes di bahwa Ho.

Untuk satu sisi :

Daerah
penerimaan
hipotesis nol

Daerah penerimaan hipotesis (Ho)

0 Penolakan Ha 1

Gambar daerah penolakan hipotesis untuk 1 sisi

Letak daerah penolakan hipotesis dipengaruhi oleh sifat hakikat H alternatif yang
menunjukan arah perbedaan yang diprediksikan, maka akan muncul suatu tes yang disebut
satu sisi (one tailed test). Jika hipotesis alternatif tidak menunjukan arah perbedaan yang
diprediksikan, maka digunakan tes dua sisi (two tailed test). Test satu sisi dan dua sisi
berbeda dalam letak penolakan hipotesis, tetapi tidak berbeda dalam besarnnya. Dalam tes
satu sisi daerah penolakan sepenuhnya ada di suatu ujung (sisi) distribusi sampling. Dalam
tes dua sisi daerah penolakan itu terdapat pada kedua ujung (sisi) distribusi samplingnya.

Penolak Penolak
an an
hipotesi hipotesi
s nol s nol

Daerah penerimaan hipotesis (Ho)

0 1

Gambar daerah penolakan hipotesis untuk 2 sisi

Langkah-langkah dalam penentuan penerimaan dan penolakan hipótesis :

1. Melakukan pernyataan mengenai hipotesis.

Pada prinsipnya statistik menguji hipotesis nol. Hipotesis sering dinyatakan :

Ho = μ1≠ μ2

Ha = μ1= μ2

2. Melakukan pengujian hipotesis.

Pengujian hipotesis disesuaikan dengan pemilihan uji statistik yang akan digunakan untuk
pengujian hipotesis. Beberapa hal yang ikut berperan dalam penentuan uji statistik antara
lain:

a. Skala data yang dihasilkan dari pengumpulan data

b. Metode yang digunakan
c. Distribusi dan variansi data
d. Bentuk hipotesis
3. Menentukan tingkat signifikansi.
Tingkat signifikansi yang umum digunakan untuk menentukan apakah hipotesis diterima
atau ditolak antara lain tingkat signifikansi 10%, 5%, dan 1%.
 4. Menentukan daerah penolakan dan penerimaan hipotesis.
Daerah penolakan/penerimaan hipotesis didasarkan pada signifikansi yang diinginkan.
Daerah penolakan dapat melalui satu sisi atau dua sisi tergantung dari arah hipotesis.

5. Membuat keputuhan hipotesis.

Keputusan penerimaan dan penolakan hipotesis didasarkan dari perbandingan nilai hitung
uji yang digunakan dengan standart tabel (sesuai dengan uji yang digunakan) atau dapat
dilakukan dengan membandingkan taraf signifikansi yang diinginkan berdasarkan nilai
alfa (α).

F. Kolmogrov-Smirnov

1). Fungsi dan dasar pemikiran

Uji Kolmogorov Smirnov merupakan pengujian normalitas yang banyak dipakai,
terutama setelah adanya banyak program statistik yang beredar. Kelebihan dari uji ini adalah
sederhana dan tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan
pengamat yang lain, yang sering terjadi pada uji normalitas dengan menggunakan grafik.
Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan
membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal
baku. Distribusi normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-
Score dan diasumsikan normal. Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda
antara data yang diuji normalitasnya dengan data normal baku. Seperti pada uji beda biasa,
jika signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan, dan jika
signifikansi di atas 0,05 maka tidak terjadi perbedaan yang signifikan. Penerapan pada uji
Kolmogorov Smirnov adalah bahwa jika signifikansi di bawah 0,05 berarti data yang akan
diuji mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut
tidak normal. Lebih lanjut, jika signifikansi di atas 0,05 maka berarti tidak terdapat perbedaan
yang signifikan antara data yang akan diuji dengan data normal baku.
Kelemahan dari Uji Kolmogorov Smirnov yaitu bahwa jika kesimpulan kita
memberikan hasil yang tidak normal, maka kita tidak bisa menentukan transformasi seperti
apa yang harus kita gunakan untuk normalisasi. Jadi kalau tidak normal, gunakan plot grafik
untuk melihat menceng ke kanan atau ke kiri, atau menggunakan Skewness dan Kurtosis
sehingga dapat ditentukan transformasi seperti apa yang paling tepat dipergunakan.
 2). Syarat penggunaan
a. Dipakai untuk data berskala ordinal namun dapat digunakan juga bagi data berskala

nominal.

b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi.

c. Dapat untuk n besar maupun n kecil.

3). Contoh penggunaan

Dilakukan penelitian untuk membandingkan produktivitas operator mesin CNC (Computered
Numerical Controlled) lulusan SMK mesin dan SMU IPA. Pengamatan dilakukan pada
sampel yang dipilih secara random. Untuk lulusan SMK 10 orang dan juga untuk lulusan
SMU 10 orang. Produktivitas kerja diukur dari tingkat kesalahan kerja selama 4 bulan.
Hasilnya ditunjukkan dalam tabel berikut.
TINGKAT KESALAHAN KERJA OPERATOR MESIN CNC LULUSAN SMK DAN SMU
DALAM %
No. Lulusan SMK Lulusan SMU
1 1,0 3,0
2 2,0 4,0
3 1,0 8,0
4 1,0 2,0
5 3,0 5,0
6 1,0 6,0
7 2,0 3,0
8 1,0 5,0
9 5,0 7,0
10 6,0 8,0

Data diatas selanjutnya disusun dalam tabel distribusi frekuensi kumulatif, seperti tabel di
bawah ini.
TINGKAT KESALAHAN KERJA OPERATOR LULUSAN SMK
No. Interval f Kumulatif
1 1-2 7 7
2 3-4 1 8
3 5-6 2 10
4 7-8 0 10

TINGKAT KESALAHAN KERJA OPERATOR LULUSAN SMU

 No. Interval
1 1-2
2 3-4
3 5-6
4 7-8
f Kumulatif
1 1
3 4
3 7
3 10

Untuk pengujian dengan Kolmogorov-Smirnov, maka kedua tabel diatas disusun ke dalam
satu tabel. Nilai kumulatifnya dinyatakan dalam bentuk proporsional, jadi semuanya dibagi
dengan n = 10.
TABEL PENOLONG UNTUK PENGUJIAN DENGAN KOLMOGOROV-SMIRNOV
Kesalahan Kerja
1-2% 3-4% 5–6% 7–8%
Kelompok
S10 (X) 7/10 1/10 2/10 0/10
S10 (X) 1/10 3/10 3/10 3/10
Sn1X-Sn2X 6/10 2/10 1/10 3/10

Berdasarkan perhitungan pada tabel tersebut, terlihat bahwa selisih yang terbesar Sn1(X)-
Sn2(X) = 6/10. Dalam hal ini pembilang (KPd)nya = 6. Harga ini selanjutnya dibandingkan
dengan harga Kd tabel. Bila pengujian hipotesis dengan uji satu pihak, kesalahan = 5%,
dan n = 10, maka harga Kd dalam tabel = 6. Harga Kd hitung = 6, ternyata sama dengan Kd
tabel (6 = 6). Dengan demikian Ho diterima dan Ha ditolak. Kesimpulannya tidak terdapat
perbedaan yang signifikan antara produktivitas kerja lulusan SMK dan SMU.

4).Kekuatan Efisiensi
Uji Kolmogorov-Smirnov Sampel Tunggal dianjurkan dipakai untuk data yang
memiliki skala ordinal, namun bisa juga digunakan untuk data berskala nominal. Fungsi Uji
ini adalah untuk menguji perbedaan proporsi populasi, yaitu antara data yang diamati dengan
yang telah ditentukan menurut Ho, berdasarkan proporsi data yang berasal dari sampel
tunggal. Uji Kolmogorov-Smirnov dapat dipakai untuk sampel berukuran kecil, dan uji ini
tidak akan mengaburkan kesimpulan karena tidak perlu melakukan penggabungan beberapa
jenjang data yang memiliki frekuensi kecil seperti halnya jika menggunakan Uji c2. Oleh
karena itu bisa dikatakan, bahwa Uji Kolmogorov-Smirnov memiliki kekuatan yang lebih
besar kalau dibandingkan dengan Uji c2. Dengan demikian, seandainya data yang diperoleh
dari sebuah penelitian yang berasal dari sampel tunggal memenuhi syarat untuk
menggunakan ketiga pengujian yang telah disebutkan di atas, maka pilihan terbaik adalah
memakai Uji Kolmogorov-Smirnov.
 G. McNemar Test
1). Fungsi dan dasar pemikiran
Tes McNemar merupakan tes non-parametrik yang berguna untuk mengukur dua
variabel dikotomi(pembagian menjadi dua) yangb erhubungan. Tes dilakukan untuk
melakukan pengubahan pada penggunaan distribusi Chisquare. Tes ini digunakan untuk
menguji perbedaan atau perubahan proporsi dua buah populasi yang hanya memiliki dua
kategori berdasarkan proporsi dua sampel berpasangan. Uji ini juga banyak dipakai untuk
mengetahui apakah ada perbedaan atau perubahan proporsi sebelum dan sesudah kelompok
sampel tertentu yang hanya memiliki dua kategori diberi perlakuan, dimana anggota
kelompok sampel tersebut merupakan kontrol terhadap dirinya sendiri.

2). Syarat penggunaan

Dapat digunakan untuk data berskala nominal dengan dua kategori (before - after).

3). Contoh penggunaan

Penelitian diadakan oleh suatu perusahaan operator kartu seluler untuk mengetahui apakah
kebijakan baru yang dijalankan oleh perusahaan tersebut berpengaruh terhadap perilaku
konsumen dalam membeli produknya. Kebijakan tersebut adalah menaikkan harga voucher
pulsa, akan tetapi dibarengi dengan pemberian bonus berupa sms gratis setiap hari. Terdapat
sebanyak 300 pemilik handphone yang diamati. Sebanyak 80 konsumen berhenti
berlangganan, 150 konsumen tetap berlangganan, 60 konsumen menjadi pelanggan baru,
sedangkan 10 pemilik handphone tetap menggunakan kartu prabayarnya yang lama (tidak
beralih menjadi pelanggan baru). Data dalam bentuk tabel kontingensi:
Kebijakan Baru
Perilaku Konsumen Berlangganan Tdk Berlangganan
Tdk berlangganan 60 10
Kebijakan Lama Berlangganan 150 80

● Pembahasan:
H0: Perilaku konsumen tidak berubah walaupun diberlakukan kebijakan baru
H1: Perilaku konsumen berubah akibat diberlakukannya kebijakan baru
= 0.05
Hasil analisis data dengan McNemar Test:
 = = = 3,15

Jadi, hitung = 3,15, sedangkan harga tabel = 3,481, yang artinya tabel lebih besar

daripada hitung. Kesimpulannya adalah H0 diterima yakni perilaku konsumen tidak

berubah walaupun diberlakukan kebijakan baru.

4).Kekuatan Efisiensi
Diantara beberapa teknik pengujian di atas, hanya Uji Chi Kuadrat (c2) Mc. Nemar
yang dapat digunakan untuk data berskala nominal yang hanya memiliki dua kategori. Uji ini
sering digunakan untuk melakukan pengujian, apakah ada perubahan atau perbedaan proporsi
antara dua populasi berdasarkan dua sampel berpasangan sebelum dan sesudah diberi
perlakuan. Uji ini digunakan untuk mengetahui apakah perubahan proporsi pasangan variabel
dikotomus sama atau tidak. Yang dimaksud variabel dikotomus disini adalah variabel yang
saling berlawanan misalnya :”benar-salah”, “suka-tidak suka”, ’berhasil-gagal” dan lain-lain.

H. Sign Test
1). Fungsi dan dasar pemikiran
Untuk menguji perbedaan/perubahan ranking (median selisih skor/ranking) dua buah
populasi berdasarkan ranking (median selisih skor/ranking) dua sampel berpasangan.

2). Syarat penggunaan

Data paling tidak berskala ordinal dan bisa dipergunakan secara berpasangan.

3). Contoh penggunaan

Suatu perusahaan ingin mengetahui pengaruh adanya kenaikan uang insentif terhadap
kesejahteraan karyawan. Dalam penelitian itu dipilih 20 pegawai beserta istrinya secara
random. Jadi terdapat 20 pasangan suami isteri. Masing-masing suami dan istri diberi angket
untuk diisi, dengan rentang nilai 1-10. Nilai 1 berarti sangat tidak sejahtera dan 10 berarti
sangat sejahtera.
DATA TINGKAT KESEJAHTERAAN KELUARGA MENURUT ISTERI DAN SUAMI
DATA DARI ISTERI DATA DARI SUAMI
Sbl Sdh Beda Rank Sbl Sdh Beda Rank
Perubahan Perubahan
2 4 2 4 1 6 5 1
2 3 1 5 4 6 2 4
 4 6 2 4 2 3 1 5
5 7 2 4 6 7 1 5
4 5 1 5 2 4 2 4
2 4 2 4 3 6 3 3
1 3 2 4 1 4 3 3
2 6 4 2 2 7 5 1
1 6 5 1 1 4 3 3
7 9 2 4 2 3 1 5
4 7 3 3 4 8 4 2
5 9 4 2 6 9 3 3
2 4 2 4 2 7 5 1
3 5 2 4 2 6 4 2
6 9 3 3 5 9 4 2
3 7 4 2 1 6 5 1
2 4 2 4 4 5 1 5
3 8 5 1 2 6 4 2
1 2 1 5 1 3 2 4
2 3 1 5 2 4 2 4

Untuk pengujian dengan sign test, data yang dianalisis adalah data ordinal, yang disusun
dalam tabel dibawah ini :
PERINGKAT PERUBAHAN KESEJAHTERAAN KELUARGA MENURUT PASANGAN
ISTERI DAN SUAMI
No. Tingkat Perubahan
Isteri Suami
Arah Tanda
1 4 1 4 > 1 -
2 5 4 5 > 4 -
3 4 5 4 < 5 +
4 4 5 4 < 5 +
5 5 4 5 > 4 -
6 4 3 4 > 3 -
7 4 3 4 > 3 -
8 2 1 2 > 1 -
9 1 3 1 < 3 +
10 4 5 4 < 5 +
11 3 2 3 > 2 -
12 2 3 2 < 3 +
13 4 1 4 > 1 -
14 4 2 4 > 2 -
15 3 2 3 > 2 -
16 2 1 2 > 1 -
17 4 5 4 < 5 +
18 1 2 1 < 2 +
19 5 4 5 > 4 -
20 5 4 5 > 4 -
Catatan : N berkurang bila terjadi angka sama, perbedaannya = 0, tidak ada (+) maupun (-).
Ho : Tidak terdapat perbedaan pengaruh yang signifikan insentif terhadap kesejahteraan
keluarga baik menurut isteri maupun suami.
Ha : Terdapat pengaruh positif dan signifikan kenaikan insentif yang diberikan oleh
perusahaan terhadap kesejahteraan keluarga baik menurut isteri maupun suami.
Pembahasan :
Berdasarkan tabel tersebut terlihat tanda (+) sebanyak 7 dan (-) sebanyak 13. Berdasarkan
tabel binomial dengan N = 20, dan p = 7 (tanda yang kecil) diperoleh p tabel = 0,132. Bila
taraf kesalahan sebesar 5% (0,05), maka harga 0,132 ternyata lebih besar dari 0,05. Dengan
demikian Ho diterima dan Ha ditolak. Jadi dapat disimpulkan tidak terdapat pengaruh yang
positif dan signifikan kenaikan insentif terhadap kesejahteraan keluarga baik menurut suami
maupun isteri. Kalaupun dalam data terlihat ada pengaruh positif, tetapi adanya pengaruh itu
hanya terjadi pada sampel itu, dan hal ini tidak dapat digeneralisasikan untuk populasi
dimana sampel tersebut diambil.

4).Kekuatan Efisiensi
Untuk tujuan yang hampir sama dengan pengujian Chi Kuadrat (c2) Mc. Nemar,
dapat digunakan pula Uji Tanda, dengan syarat datanya paling tidak berskala ordinal. Namun
demikian, Uji Tanda hanya bisa digunakan untuk menguji apakah ada perbedaan median
antara dua buah populasi berdasarkan median dua sampel yang berpasangan. Oleh karena itu,
pengujian ini masih dianggap lemah.

I. Cochran Test
1). Fungsi dan dasar pemikiran
Cochran test merupakan non-parametrik test yang berguna untuk mengukur dua
variabel dikotomi(pembagian menjadi dua) yang berhubungan. Tes dilakukan untuk
melakukan pengubahan pada penggunaan distribusi Chisquare. Menguji perbedaan proporsi
populasi yang hanya memiliki dua kategori berdasarkan proporsi k (k > 2) sampel
berpasangan.

2). Syarat penggunaan

Test ini digunakan dalam pengujian hipotesis komparatif K sampel berkorelasi
dengan data nominal dan dikotomis (Ya/Tidak).
 3). Contoh penggunaan
Dilakukan penelitian untuk mengetahui efektivitas tiga metode kerja yang diadopsi dari
konsultan. Untuk mengetahui hal ini, dilakukan penelitian dengan mencobakan ke-3 metode
tersebut pada tiga kelompok karyawan yang dipilih secara random. Masing-masing kelompok
terdiri atas 15 karyawan. Efektivitas metode akan diukur dari gagal-tidaknya pegawai
tersebut menyelesaikan pekerjaan dalam waktu 1 jam.
Pekerja yang berhasil menyelesaikan pekerjaan maksimum1 jam dinyatakan sukses (skor 1)
dan setelah 1 jam dinyatakan gagal (diberi skor 0).
Ho : Tiga metode mempunyai pengaruh yang sama terhadap prestasi kerja karyawan.
Ha : Tiga metode mempunyai pengaruh yang berbeda terhadap prestasi kerja karyawan.

Hasil eksperimen memberikan data seperti di bawah ini :

PRESTASI KERJA TIGA KELOMPOK KARYAWAN DALAM MENGGUNAKAN
METODE KERJA BARU
No. Kel I Kel II Kel III Li
1 0 1 1 2 4
2 1 0 1 2 4
3 1 1 1 3 9
4 0 0 1 1 1
5 0 1 1 2 4
6 0 0 0 0 0
7 1 1 1 3 9
8 0 1 1 2 4
9 1 0 1 2 4
10 0 1 1 2 4
11 1 0 0 1 1
12 0 1 1 2 4
13 0 0 1 1 1
14 0 0 0 0 0
15 1 0 1 2 4
Gj = 6 Gj = 7 Gj = 12 Gj = 25 Gj = 53

G = jumlah yang sukses (jumlah yang mendapat nilai 1)

Li = jumlah yang sukses kelompok I, II, III
Untuk pengujian hipotesis maka harga-harga tersebut selanjutnya dimasukkan dalam rumus:
Q= =

Untuk rumus di atas dk = k – 1 = 3 – 1 = 2. Berdasarkan dk = 2, untuk taraf kesalahan 5%,

maka harga Chi Kuadrat tabel = 5,99. Harga Q hitung (5,64) ternyata lebih kecil dari tabel
(5,99). Jadi, Ho diterima dan Ha ditolak. Dengan demikian dapat disimpulkan bahwa tidak
terdapat perbedaan pengaruh yang signifikan metode kerja baru terhadap prestasi kerja
pegawai. Ketiga metode mempunyai pengaruh yang sama.

4).Kekuatan Efisiensi
Tes ini sangat tepat digunakan untuk menguji hipotesis komparatif k sampel
berpasangan bila datanya berbentuk nominal dan frekuensi dikotomi.