1

I. PENGERTIAN DAN KONTEKS PENELITIAN, PENGEMBANGAN, DAN

EVALUASI

A. Penelitian
Penelitian merupakan cara ilmiah untuk mendapatkan data dengan tujuan dan
kegunaan tertentu. Berdasarkan pengertian tersebut terdapat empat hal yang perlu
dipahami lebih lanjut, yaitu: cara ilmiah, data, tujuan dan kegunaan. Penelitian harus
didasarkan pada ciri-ciri keilmuan yaitu: rasional (kegiatan itu dilakukan dengan cara-
cara yang masuk akal), empiris (cara-cara yang yang digunakan dalam penelitian itu
teramati oleh indra manusia) dan sistematis (proses yang digunakan dalam penelitian
itu menggunakan langkah-langkah tertentu yang bersifat logis).
Data yang diperoleh dalam penelitian itu mempunyai kriteria tertentu, yaitu
harus valid (menunjukan derajat ketepatan antara data sesungguhnya terjadi pada
objek dengan data yang dilaporkan oleh peneliti), reliabel (menunjukan derajat konsis-
tensi data dalam interval waktu tertentu) dan objektif.
Secara umum tujuan penelitian itu meliputi tiga macam sifat yaitu sifat
penemuan, pembuktian dan pengembangan. Yang selanjutnya pengembangan berarti
data yang diperoleh dari penelitian itu digunakan untuk memperdalam dan mem-
perluas suatu pengetahuan.
Penelitian adalah suatu proses yang dilakukan secara terencana, menggunakan
prosedur ilmiah dan sistematis. Langkah-langkah dalam melakukan penelitian: Meng-
identifikasi masalah, merumuskan dan membatasi masalah (untuk lebih jelasnya, ikuti
bagian, melakukan studi literatur/kepustakaan, merumuskan hipotesis atau pertanyaan
penelitian, menentukan desain dan metode penelitian, menyusun instrumen dan
mengumpulkan data, menganalisis data dan menyajikan hasil, menginterpretasikan
temuan, membuat kesimpulan dan saran/rekomendasi.
Jenis-jenis penelitian dapat dibedakan berdasarkan : 1) pendekatan, 2) fungsinya,
dan 3) tujuannya.
Berdasarkan pendekatan yang digunakan, secara garis besarnya dibedakan
menjadi 2 (dua) macam penelitian yaitu penelitian kuantitatif dan penelitian kualitatif,
kedua penelitian ini memiliki asumsi, karakteristik, dan prosedur penelitian yang
berbeda.
 2

Penelitian kuantitatif adalah penelitian yang didasari oleh filsafat positivisme

yang menekankan fenomena-fenomena objektif dan dikaji secara kuantitatif sedang-
kan penelitian kualitatif adalah penelitian yang ditujukan untuk mendeskripsikan dan
menganalisis fenomena, peristiwa, aktivitas sosial, sikap, kepercayaan, persepsi,
pemikiran orang secara individual maupun kelompok.
Berdasarkan fungsinya penelitian dilakukan dengan dua fungsi utama yaitu
mengembangkan ilmu pengetahuan dan memperbaiki praktik. Penelitian yang ter-
masuk jenis ini adalah: 1) penelitian basic (dasar), 2) penelitian terapan, dan 3)
penelitian evaluatif.
Berikut ini diuraikan definisi untuk masing-masing jenis metode penelitian:
Penelitian historis: Penelitian yang bertujuan untuk meneliti peristiwa-peristiwa
yang telah berlalu. Peristiwa-peristiwa sejarah direka ulang dengan menggunakan
sumber data primer berupa kesaksian dari pelaku sejarah yang masih ada, kesaksian
tak sengaja yang tidak dimaksudkan untuk disimpan, sebagai catatan atau rekaman,
seperti peninggalan-peninggalan sejarah, dan kesaksian sengaja berupa catatan-catatan
dan dokumen.
Penelitian Deskriptif : metode penelitian yang ditujukan untuk menggambarkan
fenomena-fenomena yang ada, yang berlangsung pada saat ini atau saat yang lampau.
Penelitian ini tidak mengadakan manipulasi atau pengubahan pada variabel-variabel
bebas, tetapi menggambarkan suatu kondisi apa adanya.
Penelitian Pengembangan: (developmental research), penelitian yang dilakukan
untuk mengembangkan dan menguji suatu produk (Borg & Gall, 2001). Metode ini
banyak digunakan di dunia industri.
Studi Kasus : penelitian yang dilakukan terhadap suatu ”kesatuan sistem”.
Kesatuan ini dapat berupa program, kegiatan, peristiwa atau sekolompok individu
yang terikat oleh tempat, waktu atau ikatan tertentu.
Penelitian korelasional : penelitian ini ditujukan untuk mengetahui hubungan
sesuatu variabel dengan variabel-variabel lain. Hubungan antara variabel ini dinya-
takan dengan besarnya koefisien korelasi dan keberartian (signifikansi) secara
statistik.
 3

Penelitian komparatif: penelitian ini dilakukan dengan tujuan untuk mengetahui

apakah antara dua atau lebih dari dua kelompok ada perbedaan dalam aspek atau
variabel yang diteliti.
Penelitian Ekspos fakto: bertujuan untuk meneliti hubungan sebab akibat yang
tidak dimanipulasi atau diberi perlakuan (dirancang dan dilaksanakan) oleh peneliti.
Penelitian Eksperimen Murni (True eksperimental): metode eksperimen yang
paling mengikuti prosedur dan memenuhi syarat-syarat eksperimen. Prosedur dan
syarat-syarat tersebut terutama berkenaan dengan pengontrolan variabel kelompok
kontrol, pemberian perlakuan atau manipulasi kegiatan serta pengujian hasil.
Penelitian Eksperimen Semu (quasi eksperimental): pada dasarnya sama dengan
eksperimen murni, bedanya adalah dalam pengontrolan variabel. Pengontrolannya
hanya dilakukan terhadap satu variabel saja, yaitu variabel yang dipandang paling
dominan.
Penelitian Eksperimen tunggal (single subject eksperimental): penelitian eks-
perimen yang dilakukan terhadap subjek tunggal. Dalam pelaksanaan penelitian ini,
variasi bentuk eksperimen murni, quasi atau lemah berlaku.
Penelitian Tindakan (Action Research): penelitian yang dilakukan dengan tujuan
untuk mengadakan pemecahan masalah atau perbaikan mutu suatu kegiatan. Misalnya,
guru melakukan penelitian tindakan kelas yaitu untuk mengetahui masalah-masalah
yang dihadapi siswa dalam proses pembelajaran dan dilakukan perbaikan terhadap
proses pembelajaran sesuai dengan hasil penelitian tindakan.
Penelitian Etnografi : Penelitian yang bertujuan untuk mendeskripsikan dan
menginterpretasikan budaya, kelompok sosial atau sistem.
Penelitian fenomenologis: penelitian ini mencoba mencari arti dari pengalaman
(fenomena-fenomena) dalam kehidupan.

B. Pengembangan
Penelitian pengembangan bertujuan untuk memperdalam dan memperluas
penetahuan yang telah ada. Dalam konteks pendidikan, penelitian pengembangan ber-
tujuan menghasilkan perangkat pembelajaran, seperti silabus, bahan ajar, media,
modul praktikum, latihan kerja siswa, alat mengukur kemajuan belajar, alat mengukur
hasil belajar, dsb. Yang melatar belakangi perlunya dilakukan penelitian pengem-
 4

bangan adalah adanya masalah yang terkait dengan perangkat pembelajaran yang
kurang tepat.
Masalah penelitian pengembangan yang benar harus berisi dua aspek, yaitu. (1)
masalah yang akan dipecahkan dan (2) spesifikasi perangkat pembelajaran yang akan
dihasilkan untuk memecahkan masalah tersebut. Selama dua aspek tersebut terkan-
dung dalam sebuah rumusan masalah penelitian pengembangan, maka rumusan
masalah tersebut sudah benar. Penambahan beberapa sub-masalah untuk merinci ru-
musan masalah (utama) bisa saja dilakukan selama tidak mengurangi kejelasan makna
dari rumusan masalah (utama) nya, misalnya tetap hanya akan menghasilkan sebuah
produk perangkat pembelajaran dalam satu penelitian pengembangan. Rumusan
masalah penelitian pengembangan bisa dirinci menjadi beberapa sub-masalah apabila
perangkat pembelajaran yang akan dikembangkan bisa dibagi menjadi beberapa
bagian, misalnya bahan ajar writing, bisa dirinci menjadi 5 bagian, yaitu (1) bahan
pembelajaran activating schemata, (2) bahan pembelajaran brainstorming, (3) bahan
pembelajaran drafting, (4) bahan pembelajaran editing, dan (5) bahan pembelajaran
publishing.

C. Penelitian Evaluatif
Penelitian evaluatif merupakan suatu desain dan prosedur evaluasi dalam me-
ngumpulkan dan menganalisis data secara sistematik untuk menentukan nilai atau
manfaat dari suatu praktik (pendidikan). Praktik pendidikan dapat berupa program,
kurikulum, pembelajaran, kebijakan, regulasi administratif, manajemen, struktur orga-
nisasi, produk pendidikan atau pun sumber daya penunjangnya. Praktik pendidikan
dapat berlangsung dalam lingkup kelas, sekolah, kecamatan, sampai dengan nasional.
Penelitian evaluatif terbagi menjadi dua macam, yaitu penelitian tindakan
(action research) dan penelitian kebijakan (policy study). Penelitian tindakan
dilaksanakan oleh para pelaksana untuk memecahkan masalah yang dihadapi atau
memperbaiki pelaksanaan suatu kegiatan. Sebagai contoh, guru melakukan penelitian
tindakan untuk memecahkan masalah atau meningkatkan program pengajarannya.
Penelitian tindakan menekankan pada proses sekaligus hasil dari perubahan-
perubahan strategi dan teknik yang dipakai.
 5

Penelitian evaluatif secara umum diperlukan untuk merancang, menyem-

purnakan, dan menguji pelaksanaan suatu praktik pendidikan. Secara rinci penelitian
evaluatif memiliki tujuan sebagai berikut.
1. Membantu perencanaan untuk pelaksanaan program.
2. Membantu dalam penentuan keputusan penyempurnaan atau perubahan pro-
gram.
3. Membantu dalam penentuan keputusan kelangsungan atau penghentian
program.
4. Menemukan fakta-fakta dukungan dan penolakan terhadap program.
5. Memberikan sumbangan dalam pemahaman proses psikologis, sosial, politik,
dalam pelaksanaan program serta faktor-faktor yang mempengaruhi pro-
gram.

II. PENGERTIAN STATITISTIKA, STATISTIK, DAN PENTINGNYA DALAM

PENELITIAN

Kata statistik digunakan untuk menyatakan kumpulan data, bilangan maupun

bukan bilangan yang disusun dalam tabel dan atau diagram yang melukiskan atau
menggambarkan suatu persoalan misalnya statistik penduduk, statistik kelahiran,
statistik pertanian dan sebagainya. Kata statistik juga dapat dipakai untuk menyatakan
ukuran sebagai wakil dari kumpulan data mengenai sesuatu hal. Ukuran ini didapat
berdasarkan perhitungan menggunakan kumpulan sebagian data yang diambil dari
keseluruhan tentang masalah tersebut. Sehingga, dikenal istilah prosen dan rata-rata.
Contoh, dari 200 pegawai PT. Anova terdapat 40% yang memiliki penghasilan di
bawah Rp. 3.000.000. Nilai 40% ini dinamakan statistik.
Sedangkan statistika adalah pengetahuan yang berhubungan dengan cara-cara
pengumpulan data, pengolahan atau penganalisisannya dan penarikan kesimpulan
berdasarlam kumpulan data dan penganalisisan yang dilakukan.
Fungsi yang dimiliki oleh statistik khususnya dalam dunia pendidikan terutama
bagi para pendidik adalah menjadi alat bantu, sehingga para pendidik dapat: (a)
memperoleh gambaran baik secara khusus maupun umum tentang suatu gejala,
keadaan atau peristiwa, (b) mengikuti perkembangan atau pasang surut mengenai
gejala keadaan atau peristiwa tersebut, dari waktu ke waktu, (c) melakukan pengujian,
 6

apakah gejala yang satu berbeda dengan gejala yang lain ataukah tidak, jika terdapat
perbedaan, apakah perbedaan itu merupakan perbedaan yang berarti (meyakinkan)
ataukah perbedaan itu terjadi hanya secara kebetulan saja, (d) mengetahui, apakah
gejala yang satu ada hubungannya dengan gejala yang lain, (e) menyusun laporan
yang berupa data kuantitatif dengan teratur, ringkas, dan jelas, (f) menarik kesimpulan
secara logis, mengambil keputusan secara tepat dan mantap serta dalam
memperkirahkan atau meramalkan hal-hal yang mengkin terjadi di masa mendatang,
dan langkah konkrit apa yang kemungkinan perlu dilakukan oleh seorang pendidik.

Gambar 1. Diagram Perlunya Statistik dalam Pemecahan masalah

Penerapan statistika dalam penelitian dibedakan atas dua macam, yaitu statistika
deskriptif dan statistika induktif inferensial.
Statistika diskriptif digunakan atau diterapkan untuk mengatur, meringkas,
menyajikan dan mendiskripsikan data dengan tujuan agar data menjadi lebih ber-
makna. Pengaturan, penyajian dan peringkasan data dapat diwujudkan dalam bentuk
tabel, distribusi frekuensi, histogram, diagaram batang, diagram lingkar, piktogram,
poligon atau ogive.
Deskripsi data dapat dinyatakan dengan dua aspek, yaitu :
- Ukuran pemusatan (central tendensy) yaitu suatu harga kemana data cenderung
memusat, dinyatakan dalam bentuk harga rata-rata modus atau median
 7

- Ukuran penyebaran (disperson) yaitu sejauh mana ketervariasian data yang satu
dengan yang lain, dinyatakan dalam bentuk rentang (range), simpangan baku
(standart deviasi), varians, koefisien variasi atau standart error.
Statistika inferensial digunakan atau diterapkan untuk menyimpulkan tentang suatu
harga parameter populasi berdasarkan harga statistik sampel. Statistika inferensial
dibedakan atas dua bagian yaitu estimasi dan uji hipotesis.

III. KONTEKS STATISTIK DALAM ANALISIS DATA PENELITIAN

Kegiatan penelitian (kuantitatif) secara umum merupakan upaya sistematis untuk

menemukan atau mengembangkan pengetahuan baru yang dapat dipertang-
gungjawabkan secara ilmiah. Penemuan atau pengembangan pengetahuan baru ter-
sebut dapat berupa perian (deskriptif) variabel ataupun hubungan antar variabel.
Untuk mencapai tujuan ini salah satu faktor yang memegang peranan adalah statistik.
Dengan analisis statistik inilah peneliti menggunakannya sebagai alat untuk meng-
interpretasikan dan menarik kesimpulan penelitian berdasarkan data yang diperoleh
dari lapangan.
Pijakan utama pemikiran di atas adalah adanya kualitas temuan/pengembangan
pengetahuan baru yang dihasilkan melalui kegiatan penelitian (kuantitatif) yang sangat
tergantung pada kualitas (a) pengukuran variabel, (b) pengontrolan variabel, dan (c)
kualitas analisis statistiknya. Kualitas pengukuran variabel dalam hal ini adalah
validitas dan reliabilitasnya, sedangkan kualitas pengontrolan variabel sangat erat
kaitannya dengan ketelitian atau keterdekatan mengidentifikasi, memilih, menetapkan
hubungan antar variabel (bebas, moderator, terikat, dan kontrol) yang diamati dalam
penelitian.
Faktor kualitas analisis statistik sangat ditentukan oleh ketepatan dan ketajaman
penggunaannya dalam suatu penelitian. Dari sini tampak betapa besar peranan statistik
untuk menghasilkan simpulan yang tidak menyesatkan, karena dalam penelitian,
betapa tinggi kualitas pengukuran dan pengontrolan variabel, tetapi jika tidak
didukung oleh ketepatan dan ketajaman analisis statistik, maka kemungkinan besar
akan menghasilkan simpulan yang menyesatkan. Hal ini ditunjukkan pada skema
berikut.
 8

Kualitas temuan/pengembangan
pengetahuan baru

Perian Variabel Hubungan

Variabel

Kualitas analisis
statistik

Kualitas pengukuran Kualitas

variabel pengontrolan variabel

Gambar 2. Diagram Peranan Statistik dalam Penelitian

Pada gambar di atas tampak bahwa temuan penelitian (pengetahuan baru) dapat
dibedakan menjadi 2 golongan besar, yaitu pengetahuan yang berupa perian variabel
dan pengetahuan yang berupa hubungan variabel. Hal ini juga berkaitan erat dengan
penggunaan alat analisis statistiknya yang berbeda pula. Sebagai konsekwensi
pemilihan, secara umum pengetahuan (baik perian maupun hubungan variabel), maka
dalam pemakaian statistik sebagai alat analisis data juga dipilah menjadi dua, yaitu
statistik deskriptif dan inferensial.
Jika hasil analisis statistik hanya untuk memerikan data (sensus atau pun sampel)
terhadap suatu subyek/obyek yang diteliti, maka lebih tepat digunakan statistik
deskriptif. Namun jika hasil analisis statistik (data sampel) yang akan diberlakukan
simpulannya terhadap suatu populasi, maka lebih tepat digunakan teknik statistik
inferensial.
 9

IV. STATISTIK DESKRIPTIF, KARAKTERISTIK DAN SYARAT PENGGU-

NAANNYA

Statistik deskriptif adalah statistik yang dipakai untuk menganalisis data dengan
cara mendeskripsikan atau memerikan data yang telah terkumpul sebagaimana adanya
tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi.
Penelitian yang dilakukan pada populasi (tanpa diambil sampelnya) jelas akan
menggunakan statistik deskriptif dalam analisisnya.
Termasuk dalam statistik deskriptif adalah: (1) penyajian data melalui: tabel
(tabel biasa maupun distribusi frekuensi), grafik (histogram, poligon frekuensi dan
ogive), diagram lingkaran, pictogram, perhitungan mean, modus, median, kuartil,
desil, persentil, variasi kelompok dan simpangan baku. (2) Angka indeks (3) Time
series atau deret waktu (4) Koefisien regeresi dan koefisien korelasi sederhana.
Karakteristik variabel yang digunakan pada statistik deskriptif adalah variabel
yang bersifat univariate (satu variabel).
Syarat pengggunaan statistik deskriptif dalam penelitian adalah jika tujuan pene-
litian ingin memahami atau mempelajari populasi atau sampel yang bersangkutan dan
tidak bermaksud membuat generalisasi, sehingga tidak ada kesalahan generalisasi,
dikarenakan dalam statistik deskriptif tidak ada uji signifikansi, dan tidak ada taraf
kesalahan.

V. PENGGUNAAN STATISTIK DESKRIPTIF DALAM ANALISIS DATA

A. Ukuran Tendensi Sentral

1. Mean
Mean merupakan teknik penjelasan kelompok yang didasarkan atas nilai rata-rata
dari kelompok. Mean ini didapat dengan menjumlahkan data seluruh individu da-
lam kelompok, kemudian dibagi dengan jumlah individu dalam kelompok.
Rumus :
∑ X1
Me =
n
Dimana :
Me = Mean (Nilai rata-rata)
∑ = Epsilon (baca jumlah)
 10

X1 = Nilai x ke 1 – ke n
n = jumlah individu
2. Median
Median adalah salah satu teknik penjelasan kelompok yang didasarkan atas nilai
tengah dari kelompok data yang disusun urutannya dari terkecil sampai yang
terbesar atau sebaliknya.
Contoh: diberikan data sebagai berikut.
2; 2,5; 3,0; 3,0; 3,6; 3,8
𝑛+1 6+1
Maka median adalah = = 3,5
𝑠 2
3. Modus (Mode)
Modus yaitu merupakan teknik penjelasan kelompok yang didasarkan atas nilai
yang sedang populer (nilai yang sering muncul).

B. Pengukuran variasi kelompok (Measure of variabel)

Meliputi antara lain
1. Variance
Jumlah kuadrat semua deviasi nilai-nilai individual terhadap rata-rata
kelompok
2. Standar Deviasi
Simpangan baku dari data yang telah disusun dalam tabel distribusi
frekuensi/data bergolong
3. Rentang Data (Range) Yaitu mengurangi data terbesar dengan data terkecil

Grafik/ Display
Meliputi :
1. Frequensi Distribution Tabel
2. Frequensi Distribusi Polygon
3. Histrogram
4. Bar Grap
C. Penyajian Data
Prinsip dasar penyajian data adalah komunikatif dan lengkap, dalam arti data
yang disajikan dapat menarik perhatian pihak lain untk membacanya dan mudah
memahami isinya.
 11

Beberapa Cara Penyajian Data Sebagai Berikut:

1. Penyajian data hasil penelitian dengan menggunakan tabel
2. Penyajian data hasil penelitian dengan menggunakan Distribusi Frekuensi
3. Penyajian data hasil penelitian dengan menggunakan Grafik
4. Penyajian data hasil penelitian dengan menggunakan Diagram lingkaran (piechart)

1. Penyajian Data Dengan Tabel :

a. Tabel Data Nominal
Telah dikumpulkan data untuk mengetahui komposisi pendidikan pegawai di
PT. RELASI berdasarkan studi dokumentasi sbb:
1. Keuangan: Jumlah pegawai yang lulus S1=25, SM=90, SMU=45,
SMK=156, SMP=12, SD=3 Orang
2. Umum: Jumlah pegawai yang lulus S1=5, SM=6, SMU=6, SMK=8,
SMP=4, SD=1 Orang
3. Penjualan: Jumlah pegawai yang lulus S1=7, SMK=65, SMP=37, SD=5
Orang
4. Litbang : Jumlah pegawai yang lulus S3=1, S2=8, S1=35, Orang
Berdasarkan data mentah tersebut, maka dapat disusun dalam tabel sebagai
berikut:
Tabel 1. komposisi pendidikan pegawai di PT Relasi

Tingkat Pendidikan
No Bagian Jml
S3 S2 S1 SM SMU SMK SMP SD
1 Keuangan 25 90 45 156 12 3 331
2 Umum 5 6 6 8 4 1 30
3 Penjualan 7 65 37 5 114
4 Litbang 1 8 35 44
Jumlah 1 8 72 96 51 229 53 9 519

b. Tabel Data Ordinal

Data ordinal ditunjukkan pada data yang berbentuk peringkat/rangking.
Misalnya rangking kinerja yang paling baik yaitu No. 1 berupa kinerja kondisi
fisik tempat kerja (Kinerja yang berbentuk persentase, misal 61,9% adalah data
rasio)
 12

Tabel 2. Ranking Kualitas Kinerja Aparatur

KUALITAS RANGKING
NO ASPEK KERJA
KINERJA KINERJA
1 Kondisi Fisik Tempat 61.90 1
2 Alat-alat Kerja 61.02 2
3 Ortal 58.72 3
4 Kemampuan Kerja 58.70 4
5 Peranan Korpri 58.42 5
6 Kepemimpinan 58.05 6
7 Performen Kerja 57.02 7
8 Manajemen Kepegawaian 54.61 8
9 Produktivitas Kerja 54.51 9
10 Motivasi Kerja 54.02 10
11 Diklat yang Diperoleh 53.16 11
12 Kebutuhan Individu 53.09 12
Rata-Rata Kualitas Kinerja 56.262
Sumber Data: Biro Kepegawaian

2. Tabel Data Interval

Data yang diambil merupakan sebagian kecil hasil penelitian terhadap
kepuasan kerja pegawai di salah satu propinsi di Jawa Timur

Tabel 3. Tingkat Kepuasan Kerja Pegawai

ASPEK KEPUASAN TINGKAT

NO
KERJA KEPUASAN
1 Gaji 37,58
2 Insentif 57,18
3 Transportasi 68,60
4 Perumahan 48,12
5 Hubungan Kerja 54,00
Sumber Data: Biro Kepegawaian

3. Penyajian Data Dengan Frekuensi :

Tabel distribusi frekuensi disusun bila jumlah data yang akan disajikan cukup
banyak, hingga kalau disajikan dalam tabel bisa menjadi tidak efisien dan kurang
komunikatif.
Contoh Tabel Frekuensi sebagai berikut:
 13

Tabel 4. Nilai Pelajaran Statistik 150 Mahasiswa

No
Kelas Interval Frekuensi
Kelas
1 10 - 19 1
2 20 - 29 6
3 30 - 39 9
4 30 - 39 31
5 40 - 49 42
6 50 - 59 32
7 60 - 69 17
8 70 - 79 10
9 80 - 89 2
Jumlah 150

Hal-hal yang Perlu Diperhatikan Dalam Distribusi Frekuensi :

Mempunyai Kelas
1. Mempunyai Kelas Interval atau sering disebut panjang kelas
2. Mempunyai Frekuensi (Jumlah)
3. Tabel Frekuensi lebih pendek dari pada tabel biasa
Pedoman Umum Membuat Tabel Distribusi Frekuensi adalah :
1. Ditentukan berdasarkan Pengalaman
2. Ditentukan dengan Membaca grafik
3. Ditentukan dengan rumus Sturges
K = 1 + 3,3 log n
Dimana : K = Jumlah Kelas Interval
n = Jumlah Data Observasi
log = Logaritma

4. Penyajian Data dengan Grafik

Pada Umumnya terdapat dua macam grafik yaitu :
• grafik garis (Polygon) adalah untuk menunjukkan perkembangan suatu
keadaan.
• Grafik batang (Histogram) yaitu grafik dibuat dalam bentuk batang dengan
visualisasi difokuskan pada luas batang,atau dibuat bervariasi pada tingginya
 14

Contoh Grafik Garis

30

25

20
TV
15 Radio
Vidio
10

0
1995 1996 1997 1998 1990

TAHUN

Gambar 3. Tingkat Pembelian TV, Radio, dan Video dari Tahun 1995 - 1990

Contoh Grafik Batang

45
40
35
30
25
20
15
10
5
0
10 - 19 20 - 29 30 - 39 40 - 49 50 - 59 60 - 69 70 - 79 80 - 89 90 - 99

Gambar 4. Distribusi Nilai Statistik 150 Mahasiswa

5. Penyajian Data dengan Diagram Lingkaran (Piechart)

Diagram Lingkaran (Piechart) digunakan untuk membandingkan data dari

berbagai kelompok. Contoh: Data yang disajikan adalah persentase KB aktif yang
menggunakan kontrasepsi dari tahun 1984 – 1985

Dari data diberikan :

Jumlah yang memakai pil = 53,9%
Jumlah yang memakai kondom = 4,4%
Jumlah yang memakai suntik = 11,1%
Jumlah yang memakai lain-lain = 3,6%
 15

% KB AKTIF

3.6
27

53.9
11.1
4.4

Pil Kondom Suntik IUD Lain-lain

Gambar 5. Persentase KB Aktif Menurut Metode Kontrasepsi

Contoh Penyajian data dengan pictogram atau grafik dengan gambar sebagai berikut:

Gambar 6. Banyak Mahasiswa yang gemar membaca

Kesimpulan

Statistik deskriptif digunakan apabila peneliti bertujuan memberikan data baik

data sensus maupun data sampel . Untuk pemberian data dapat dilakukan dengan
cara :

1. Penyajian data frekuensi

2. Penyajian Grafik
3. Ukuran Tendensi sentral
4. Nilai Baku dan,
5. Penyajian dalam bentuk kurva
 16

VI. STATISTIK INFERENSIAL, KARAKTERISTIK, DAN SYARAT PENGGU-

NAANNYA DALAM PENELITIAN

A. Pengertian
Statistik Inferensial sering juga disebut statitik induktif atau statistik probabilitas,
adalah teknik statistik yang digunakan untuk menganalisis data sampel dan hasilnya
diberlakukan untuk populasi. Statistik ini akan cocok digunakan bila sampel diambil
dari populasi yang jelas, dan teknik pengambilan sampel dari populasi itu dilakukan
secara random.

Statistik ini disebut juga statistik probabilitas, karena kesimpulan yang diber-
lakukan untuk populasi berdasarkan data sampel itu kebenarannya bersifat peluang
(probability). Suatu kesimpulan dari data sampel yang akan diberlakukan untuk
populasi itu memiliki peluang kesalahan dan kebenaran (kepercayaan) yang dinya-
takan dalam bentuk persentase. Bila peluang kesalahan 5% maka taraf kepercayaan
95%, bila peluang kesalahan 1%, maka taraf kepercayaannya 99%. Peluang kesalahan
dan kepercayaan ini disebut dengan taraf signfikansi. Pengujian taraf signifikansi dari
suatu hasil analisis akan lebih praktis bila didasarkan pada tabel sesuai dengan teknik
analisis yang digunakan. Misal: uji t akan digunakan table t, Uji F digunakan table F.

Pada setiap tabel sudah disediakan untuk taraf signifikansi berapa persen suatu
hasil analisis dapat digeneralisasikan. Dapat diberikan contoh misalnya dari hasil
analisis korelasi ditemukan koifisien korelasi 0,54 itu dapat berlaku pada 95 dari 100
sampel yang diambil dai suatu populasi. Contoh lain misalnya dalam analisis uji beda
ditemukan sugnifikansi untuk 1%. Hal ini berarti bahwa perbedaan itu berlaku pada 99
dari 100 sampel yang diambil dari populasi. Jadi signifikansi adalah kemampuan untuk
digeneralisasikan dengan kesalahan tertentu. Ada hubungan signifikan berarti
hubunga itu dapat digeneralisasikan. Ada perbedaan signifikan berarti perbedaan itu
dapat digeneralisasikan.

B. Persyaratan Penggunaan Statistik Parametrik

Statistik inferensial terdiri dari statisik parametrik dan nonparametrik. Statistik
parametrik digunakan untuk menguji parameter populasi melalui statistik, atau
menguji ukuran populasi melalui data sampel. (pengertian statistik disini adalah data
 17

yang diperoleh dari sampel). Parameter populasi itu meliputi: rata-rata dengan notasi
µ(miu), simpangan baku/ standar deviasi σ(thou), dan varians (σ2). Sedangkan
statistiknya atau data sampel meliputi rata-rata X (X bar), simpangan baku s, dan

varians s2. Jadi parameter populasi yang berupa µ diuji melalui X garis, selanjutnya σ

dijuji melalui s dan σ2 diuji malalui s2 .

Dalam statistik, pengujian parameter melalui statistik (data sampel) tersebut

dinamakan uji hipotesis statistik. Oleh karena itu penelitian yang berhipotesis statistik
adalah penelitian yang mengunakan sampel. Dalam statistik yang diuji adalah
hipotesis nol, karena tidak dikehendaki adanya perbedaan antara parameter populasi
dan statistik (data yang diperoleh dari sampel). Sebagai contoh nilai suatu pelajaran
1000 mahasiswa rata-ratanya 7,5. Selanjutnya misalnya dari 1000 orang itu diambel
sampel 50 orang, dan nilai rata-rata dari sampel 50 mahasiswa itu 7,5. Hal ini berarti
tidak ada perbedaan antara parameter (data populasi) dan statistic (data sampel).
Hanya dalam kenyataannya nilai parameter jarang diketahui. Statistik nonperametrik
tidak menguji parameter populasi, tetapi menguji distribusi.

Penggunaan statistik parametric dan nonparametric tergantung pada asumsi dan

jenis data yang akan dianalisis. Statistik parametrik memerlukan terpenuhinya
banyak asumsi antara lain:

a) Observasi harus indenpenden. Yaitu pemilihan suatu kasus dari populasi

untuk dimasukkan kedalam sampel tidak boleh bias terhadap kemungkinan
kasus-kasus lain untuk dimasukkan kedalam sampel begitu juga dengan skor
pengukurannya juga tidak boleh bias.
b) Observasi diambil dari populasi yang berberdistribusi normal
c) Dalam penggunaan salah satu tes mengharuskan data dua kelompok atau lebih
yang diuji harus homogen.
d) Terpenuhinya asumsi lineritas hubungan dalam regresi
Dari jenis data yang digunakan, statistic parametrik kebanyakan digunakan untuk
menganalisis data :

a) Data berbentuk interval

b) Data berbentuk rasio
 18

Statistik parametrik mempunyai kekuatan yang lebih dari pada statistik

nonparametrik jika asumsi yang dipakai sebagai landasan terpenuhi. Seperti pendapat
Phopan James dalam bukunya Educational Statistic, “…..parametric procedures are
often markedly more powerfull than their nonparametric counterparts”.

Bagaimana jika asumsi-asumsi diatas tidak dipenuhi, apa yang akan terjadi jika
populasi tidak berdistribusi normal? Apa yang akan terjadi jika data yang tersedia
dalam penelitian adalah data bukan interval (data nominal atau ordinal)? Apa yang
akan terjadi jika dua kelompok ternyata tidak homogen (tidak mempunyai varians
yang sama)? Jika asumsi yang mendasari model statistik tidak dipenuhi maka
penggunaan statistik parametrik menjadi tidak valid. Dalam hal ini peneliti lebih baik
menggunakan statistik nonparameterik dalam melakukan analisis data.

C. Persyaratan Penggunaan Statistik Nonparametrik

Statistik nonparametrik tidak menuntut terpenuhinya banyak asumsi, misalnya
data yang dianalisis tidak harus berdistribusi normal. Oleh karena itu statistic
nonparametrik disebut “distribution free” ( bebas distribusi) , berikut adalah
persyaratan penggunaan statsistik nonparameterik:

a) Observasi harus indenpenden. Yaitu pemilihan suatu kasus dari populasi untuk
dimasukkan kedalam sampel tidak boleh bias terhadap kemungkinan kasus-
kasus lain untuk dimasukkan kedalam sampel begitu juga dengan skor
pengukurannya juga tidsak boleh bias.
b) Data tidak berdistribusi normal
c) Jumlah sampel kecil (< 30)
d) Data tersaji dalam bentuk kategorial (data nominal atau ordinal)
Beberapa kelebihan uji statistic nonprametrik:

a) Jika jumlah sampel terlalu kecil, maka tidak ada alternatif lain selain
menggunakan statistik nonparametric dalam melakukan analisis data kecuali
distribusi populasi diketahui dengan pasti.
b) Uji nonparametrik memiliki asumsi yang lebih sedikit berkaitan dengan data
yang mungin lebih relevan pada situasi tertentu. Hipotesis yang diuji mungkin
lebih sesuai dengan tujuan penelitian.
 19

c) Uji nonparametric dapat digunakan untuk menganalisis data yang secara

inheren adalah data dalam bentuk rangking. Jadi sipeneliti hanya dapat
mengatakan terhadap subyek penelitian bahwa yang satu memiliki lebih atau
kurang karakteristik dibandingkan lainnya., tanpa dapat mengatakan seberapa
besar lebih atau kurangnya itu. Sebagai misal dalam menguji motivasi
seseorang, kita dapat menyatakan bahwa A memiliki motivasi yang lebih
tinggi dibandingkan B, tanpa mengetahui seberapa besar motivasi A dibanding
B.
d) Uji nonparametric cocok untuk menguji data yang bersifat klasikal atau
kategorikal (skala nominal). Tidak ada uji parametric yang cocok untuk
menguji data seperti ini.
e) Ada uji statistic nonparametric yang cocok untuk menguji sampel yang berasal
dari observasi yang diambil dari populasi yang berbeda. Uji parametric sering
kesulitan menguji data seperti ini.
f) Uji nonparametric umumnya mudah digunakan dan dipelajari dari pada uji
parametric. Juga interpretasinya lebih langsung dibandingkan uji parametrik.
g) Dapat digunakan pada data yang berskala interval atau rasio yang
dikonversikan kedalam data ordinal karena alasan persyaratan (asumsi) yang
tidak dipenuhi.

Gambar 7. Diagram Penggunaan Statistik Parametrik Dan Non Parametrik dilihat dari
Pemenuhan Asumsi
 20

D. Penggunaan Statistik Inferensial untuk menguji hipotesis

Tabel 5. penggunaan statistik parametrik dan nonparametrik untuk menguji hipotesis

BENTUK HIPOTESIS
Deskriptif Komparatif Komparatif
MACAM Satu ( Dua Sampel ) (Lebih 2 Sampel )
DATA Asosiatif
Variabel
(hubungan )
atau satu Related Independen Related Independen
sampel
Binomial Fisher Exact
Mc Probabillity X2 Untuk K Contingency
Nominal 2 Cochran Q
X satu Nemar sampel Coefficient
sampel X2 dua sampel
Median Test
Mann Whitney
Median
Sperman
Extention
U-test
Friedman
Sign Rank
Ordinal Run Test Two Way Kruskal
Test Kolmogorov- Correlation
Anova Wallis One
Smirnov
Kendall Tau
Way Anova
Wald
Woldfowitz
Korelasi
Product
One – way Moment
One way
Anova
T Test Anova
Interveal T test Korelasi
T- Test of
Rasio Independent Parsial
related Two Way
Two Way
Anova
Anova Korelasi
Ganda

Tabel 6. padanan teknik statistik parametrik dan non parametrik

Uji Parametrik Uji Non Parametrik

Pearson Correlation ( r ) Spearmen rank Correlation

t-test depent sampels Wilcoxon matched-pairs signed rank

tets

t-test independent sampels Mann-ehitney U test

One-way analysis of Kruskal Waliss H test

variance

Two-way analysis of Friedman two-way anova for rank chi-

variance sequare test
 21

Berdasarkan tabel tersebut, dapat dikemukan hal-hal sebagai berikut :

1. Untuk menguji hipotesis deskriptif satu sampel (unisampel) bila datanya berbentuk
nominal, maka digunakan teknik statistik :
a. Binomial
b. Chi kuadrat satu sampel
2. Untuk menguji hipotesis deskriptif satu sampel bila datanya berbentuk ordinal,
maka digunakan teknik statistik : Run test.
3. Untuk menguji hipotesis deskriptif satu variabel (univariabel) bila datanya
berbentuk interval atau ratio, maka digunakan t-test satu sampel
4. Untuk menguji hipotesis komparatif dua sampel yang berpasangan bila datanya
berbentuk nominal digunakan teknik statistik : Mc Nemar.
5. Untuk menguji hipotesis komparatif dua sampel berpasangan bila datanya
berbentuk ordinal digunakan teknik statistik :
a. Sign Test
b. Wilcoxon matched pairs
6. Untuk menguji hipotesis komparatif dua sampel berpasangan bila, datanya
berbentuk interval atau ratio, digunakan t-test dua sampel
7. Untuk menguji hipotesis komparatif dua sampel independen bila datanya
berbentuk nominal digunakan teknik statistik :
a. Fisher exact probability
b. Chi kuadrat dua sampel
8. Untuk menguji hipotesis komparatif dua sampel independen bila datanya
berbentuk ordinal digunakan teknik statistik :
a. Median test
b. Mann-Whitney U test
c. Kolmogorov Smirnov
d. Wald-Wolfowitz
9. Untuk menguji hipotesis komparatif dua sampel berpasangan bila datanya
berbentuk interval dan ratio, digunakan t-test sampel berpasangan (related)
10. Untuk menguji hipotesis komparatif k sampel berpasangan, bila datanya berbentuk
nominal, digunakan teknik statistik : Chocran Q
 22

11. Untuk menguji hipotesis komparatif k sampel berpasangan, bila datanya berbentuk
nominal, digunakan teknik statistik : Friedman Two-way Anova
12. Untuk menguji hipotesis komparatif sampel berpasangan bila datanya berbentuk
interval atau ratio digunakan analisis varians satu jalan maupun dua jalan (one way
dan two way Anova)
13. Untuk menguji hipotesis komparatif k sampel independen, bila datanya berbentuk
nominal, digunakan teknik statistik : Chi kuadrat k sampel
14. Untuk menguji hipotesis komparatif k sampel independen, bila datanya berbentuk
ordinal, digunakan teknik statistik :
a. Median Extension
b. Kruskal-Wallis One Way Anova
15. Untuk menguji hipotesis assosiatif/hubungan (korelasi) bila datanya berbentuk
nominal digunakan teknik statistik : Koefisien Kontigensi
16. Untuk menguji hipotesis assosiatif/hubungan (korelasi) bila datanya berbentuk
ordinal digunakan teknik statistik :
a. Korelasi Spearman Rank
b. Korelasi Kendal Tau
17. Untuk menguji hipotesis assosiatif/hubungan (korelasi) bila datanya berbentuk
interval atau ratio, digunakan :
a. Korelasi Produk Moment : Untuk menguji hipotesis hubungan antara satu
variabel independen dengan satu dependen.
b. Korelasi ganda bila untuk menguji hipotesis tentang hubungan dua variabel
independen atau lebih secara bersama-sama dengan satu variabel dependen.
c. Korelasi parsial digunakan untuk menguji hipotesis hubungan antara dua
variabel atau lebih, bila terdapat variabel yang dikendalikan.
d. Analisi regresi digunakan untuk melakukan prediksi, bagaimana perubahan
nilai variabel dependen bila nilai variabel independen dinaikkan atau
diturunkan nilainya (dimanipulasi)
Hipotesis penelitian yang akan diuji dalam penelitian berkaitan erat dengan
rumusan masalah yang diajukan, tetapi perlu diketahui bahwa setiap penelitian tidak
harus berhipotesis, namun harus merumuskan masalahnya. Penelitian yang harus
berhipotesis adalah penelitian yang menggunakan metode eksperimen.
 23

Disamping perbedaan-perbedaan yang diuraikan sebelumnya, antara tes statistik

parametrik dan nonparametrik, terdapat beberapa keasamaan dalam penerapan analisis
data penelitian. Kesamaan-kesamaan yang dimaksud antara lain:

1. sebagai alat uji hipotesis

2. diperlukan adanya kriteria taraf signifikansi
3. diperlukan kegiatan penyusunan, pengklasifikasian perhitungan dan
pengolahan data
4. diperlukan harga-harga kritik tetentu dari pengolahan data
5. dilakukan konfirmasi terhadap harga kritik dan pengujian hipotesis
6. penafsiran hasil analisis berdasarkan kriteria tetentu yang telah ditetapkan
untuk menarik kesimpulan.

VII. UJI PERSYARATAN ANALISIS

Pengujian persyaratan analisis dilakukan jika peneliti menggunakan analisis pa-

rametrik, maka harus dilakukan pengujian persyaratan analisis terhadap asumsi-asum-
si yang ada seperti homogenitas untuk uji beda (komparatif); normalitas dan linearitas
untuk uji hubungan dan regresi.
A. Uji Homogenitas
Uji ini dilakukan ntuk mengetahui apakah variabel yang diteliti homogen atau
tidak. Uji homogenitas yang akan diuraikan adalah dengan metode Bartlet dan varians
terbesar dibanding varians terkecil menggunakan tabel F.
Contoh, diberikan judul:
“Perbandingan Prestasi Belajar Siswa SMPN 1 Bangil (X1), SMPN 2 Bangil, dan
SMPN 3 Bangil (X3)”.

Tabel 7. Uji Homogenitas dengan Bartlet

Nilai Varians Jenis Variabel: Perbandingan prestasi Belajar Siswa SMP
Sampel se-Kecamatan Bangil, Jatim
SMPN 1 (X1) SMPN 2 (X2) SMPN 3 (X3)
S 37,934 51,760 45,612
N 65 65 65

Langkah 1. Masukkan angka-angka statistik untuk pengujian homogenitas pada tabel

penolong.
 24

Tabel 8. Tabel Penolong untuk Pengujian Homogenitas

Sampel dk = n - 1 S1 Log S1 dk . Log S1

SMPN 1 (X1) 64 37,934 1,58 101,12
SMPN 2 (X2) 64 51,760 1,71 109,44
SMPN 3 (X3) 64 45,612 1,66 106,24
Jumlah = 3 ⅀𝑑𝑘 = 192 - - ⅀dk . Log S1 = 316,8

Langkah 2. Menghitung varians gabungan dari ketiga sampel:

(𝑛1.𝑆1)+(𝑛2.𝑆2)+𝑛3.𝑆3) (64).(37,934)+(64).(51,760)+(64).(45,612) 8659,584

S= = = = 45,102
𝑛1+𝑛2+𝑛3 64+64+64 192

Langkah 3. Menghitung Log S = log 45,102 = 1,642

Langkah 4. Menghitung nilai B = (Log S). ⅀𝑑𝑘 = 1,6542.192 = 317,61

Langkah 5. Menghitung nilai χ2hitung

χ2hitung = (ln10).(B-⅀dk . Log S1)

= (2,3).(317,61-316,8)

= (2,3).(0,81)

= 1,863

Langkah 6. Bandingkan nilai χ2hitung dengan nilai χ2tabel pada 𝛼 = 0,05 dan derajad
kebebasan (dk) = k-1 = 3-1 = 2 diperoleh χ2tabel = 5,991 dengan kriteria
pengujian sebagai berikut.

Jika χ2hitung  χ2tabel berarti tidak homogen, dan

Jika χ2hitung  χ2tabel berarti homogen

Ternyata χ2hitung < χ2tabel, maka varian adalah homogen.

Kesimpulan: analisis uji komparatif dapat dilanjutkan.

 25

Contoh 2: Uji Homogenitas dengan varians terbesar dibanding varians terkecil, ditun-
jukkan pada tabel berikut:

Tabel 9. Uji Homogenitas Varians

Nilai Varians Jenis Variabel: Perbandingan Masa Kerja Guru dalam

Sampel Pencapaian Produktivitas Kerja
5 tahun (X1) 10 tahun (X2) 15 tahun (X3)
S 0,85 0,99 1,55
n 11 12 12

Langkah 1. Mencari nilai varians terbesar dan varians terkecil dengan rumus:

𝑣𝑎𝑟𝑖𝑎𝑛𝑠 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟 1,55

Fhitung = = 0,85 = 1,82
𝑣𝑎𝑟𝑖𝑎𝑛𝑠 𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙

Langkah 2. Membandingkan nilai Fhitung dengan Ftabel dengan rumus:

dk pembilang = n-1 = 12-1 = 11 (untuk varians terbesar)

dk penyebut = n-1 = 11-1 = 10 (untuk varians terkecil)

Taraf signifikansi (α) = 0,05; pada tabel diperoleh Ftabel = 2,94.

Dengan kriteria pengujian sebagai berikut.

Jika Fhitung  Ftabel berarti tidak homogen, dan

Jika Fhitung  Ftabel berarti homogen

Ternyata Fhitung  Ftabel, maka varians-varians adalah homogeny.

Kesimpulan: analisis uji komparatif dapat dilanjutkan.

B. Uji Normalitas Data

Uji normalitas dilakukan untuk mengetahui apakah populasi yang sedang diselidiki
berdistribusi normal atau tidak. Jika populasi tidak berdistribusi normal, maka
kesimpulan berdasarkan teori tidak berlaku.

Uji normalitas dapat dilakukan dengan beberapa cara antara lain:

1. Uji kertas Peluang Normal

 26

2. Uji Lilliefors
3. Uji Chi-Kuadrat.
Pada makalah ini akan diuraikan uji normalitas dengan Chi-Kuadrat.

Contoh:

Akan diuji normalitas untuk data Kemampuan Menyerap Pelajaran Matematika SD

Tunas Unggul Malang-Jatim dalam menghadapi Olimpiade Matematika di Jepang.
Diberikan data sebagai berikut.

Tabel 10. Data Kemampuan Menyerap Pelajaran Matematika SD Tunas Unggul

Malang-Jatim

No. X No. X No. X No. X No. X No. X No. X No. X

1 48 9 62 17 55 25 54 33 42 41 40 49 38 57 40
2 47 10 65 18 75 26 48 34 41 42 34 50 61 58 48
3 47 11 48 19 62 27 61 35 55 43 48 51 68 59 38
4 41 12 52 20 68 28 54 36 68 44 38 52 60 60 57
5 41 13 47 21 48 29 68 37 61 45 55 53 55 61 68
6 42 14 47 22 49 30 68 38 61 46 62 54 27 62 61
7 61 15 47 23 48 31 47 39 54 47 68 55 48 63 35
8 69 16 41 24 54 32 41 40 48 48 56 56 40 64 40

Langkah 1. Mencari Skor terbesar dan terkecil

Skor terbesar = 75
Skor terkecil = 27
Langkah 2. Mencari nilai Rentangan (R)
R = skor terbesar-skor terkecil
R = 75-27 = 48
Langkah 3. Mencari banyaknya kelas (BK)
BK = 1 + 3,3 Log n
= 1 + 3,3 Log 64
= 1 + 3,3.(1,81)
= 1 + 5,973
= 6,973 dibulatkan = 7
Langkah 4. Mencari nilai panjang kelas (i)
 27

𝑅 48
i= = = 6,857 = 7
𝐵𝐾 7
Langkah 5. Membuat tabulasi dengan tabel penolong
Distribusi Frekuensi Variabel Menyerap Pelajaran Matematika SD Tunas Unggul
Malang-Jatim

Tabel 11. Tabel Penolong Distribusi Frekuensi Variabel Menyerap Pelajaran

Matematika SD Tunas Unggul Malang-Jatim

Nilai
Kelas
No. f tengah (Xi)2 f. (Xi) f. (Xi)2
Interval
(Xi)
1 27 – 33 1 30 900 30 900
2 34 - 40 9 37 1369 333 12321
3 41 -47 13 44 1936 572 25168
4 48 – 54 15 51 2601 765 39015
5 55 – 61 13 58 3364 754 43732
6 62 – 68 11 65 4225 715 46475
7 69 - 75 2 72 5184 144 10368
Jumlah 64 ∑ f. (Xi)= 3313 ∑ f. (Xi)2 = 177979

Langkah 6. Mencari rata-rata (mean)

∑ f.(Xi) 3313
⊽= = = 51,77
𝑛 64

Langkah 7. Mencari standar deviasi

𝑛.∑ f.Xi2 −(∑fXi)2 64.177979−(3313)2 414687

s=√ = √ =√ = 10,14
𝑛.(𝑛−1) 64.(64−1) 4032

Langkah 8. Membuat frekuensi yang diharapkan dengan cara:

1). Menentukan batas kelas, yaitu angka skor kiri klas interval pertama dikurangi 0,5
dan kemudian angka skor kanan ditambah 0,5; sehingga diperoleh nilai:

26,5; 33,5; 40,5; 47,5; 54,5; 61,5; 68,5; 75,5.

𝐵𝑎𝑡𝑎𝑠 𝐾𝑒𝑙𝑎𝑠− ⊽
2). Mencari nilai Z-score untuk batas kelas interval dengan rumus: Z = 𝑠

26,5−51,77 54,5−51,77
Z1 = = -2,49 Z5 = = 0,27
10,14 10,14

33,5−51,77 61,5−51,77
Z2 = = -1,80 Z6 = = 0,96
10,14 10,14
 28

40,5−51,77 68,5−51,77
Z3 = = -1,11 Z7 = = 1,65
10,14 10,14

47,5−51,77 75,5−51,77
Z4 = = -0,42 Z8 = = 2,34
10,14 10,14

3). Mencari luas O – Z dari tabel kurva normal dari O – Z dengan memakai angka-
angka untuk batas kelas sehingga diperoleh:

0,4936; 0,4641; 0,3665; 0,1628; 0,1064; 0,3315; 0,4505; dan 0,4904.

4). Mencari luas tiap kelas interval dengan cara mengurangkan angka-angka O – Z
yaitu angka baris pertama dikurangi baris kedua, angka baris kedua dikurangi
angka baris ketiga dan begitu seterusnya. Untuk angka yang berbeda pada baris
paling tengah ditambahkan dengan angka pada baris berikutnya.

0,4936-0,4641 = 0,0295

0,4641-0,3665 = 0,0976

0,3665-0,1628 = 0,2037

0,1628+0,1064 = 0,2692

0,1064-0,3315 = 0,2251

0,3315-0,4505 = 0,1190

0,4505-0,4904 = 0,0399

5). Mencari frekuensi yang diharapkan (fe) dengan cara mengalikan luas tiap interval
dengan jumlah responden (n=64), diperoleh:

0,0295 x 64 = 1,89

0,0976 x 64 = 6,25

0,2037 x 64 = 13,04

0,2692 x 64 = 17,23

0,2251 x 64 = 14,41
 29

0,1190 x 64 = 7,62

0,0399 x 64 = 2,55

Tabel 12. Frekuensi yang Diharapkan (fe) dari Hasil Pengamatan (fo) untuk Variabel
Kemampuan Menyerap Pelajaran Matematika SD Tunas Unggul Malang-Jatim

Batas Luas tiap Kelas

No. Z Luas O - Z fe fo
Kelas Interval
1 26,5 -2,49 0,4936 0,0295 1,89 1
2 33,5 -1,80 0,4641 0,0976 6,25 9
3 40,5 -1,11 0,3665 0,2037 13,04 13
4 47,5 -0,42 0,1628 0,2692 17,23 15
5 54,5 0,27 0,1064 0,2251 14,41 13
6 61,5 0,96 0,3315 0,1190 7,62 11
7 68,5 1,65 0,4505 0,0399 2,55 2
75,5 2,34 0,4904
∑fo = 64

Langkah 9. Mencari Chi-Kuadrat hitung (χ2hitung)

(𝑓𝑜−𝑓𝑒)2
χ2 = ∑𝑘𝑖=1 𝑓𝑒

= 3,67.

Langkah 10. Membandingkan χ2hitung dengan. χ2tabel

Dengan membandingkan χ2hitung dengan χ2tabel dengan α = 0,05 dan derajad

kebebasan (dk) = k-1 = 7-1 = 6, maka pada tabel diperoleh χ2tabel = 12,592.

Kriteria pengujian adalah sebagai berikut.

Jika χ2hitung  χ2tabel berarti distribusi data tidak normal, dan

jika χ2hitung  χ2tabel berarti distribusi data normal.

Ternyata χ2hitung < χ2tabel, maka Data Kemampuan Menyerap Pelajaran Matematika
SD Tunas Unggul Malang-Jatim berdistribusi normal.

Kesimpulan: analisis uji korelasi maupun regresi dapat dilanjutkan.

 30

C. Uji Linearitas

Salah satu asumsi dari analisis regresi adalah linearitas. Maksudnya apakah garis
regresi antara variabel X dan Y membentuk garis linear atau tidak. Jika tidak linear,
maka analisis regresi tidak dapat dilanjutkan.

Contoh:

Akan diuji linearitas regresi untuk data Motivasi Belajar Siswa (X) dan Prestasi
Belajar Siswa(Y) SMK Mandiri Malang. Diberikan data sebagai berikut.

Tabel 13. Data Motivasi Belajar Siswa dan Prestasi Belajar Siswa SMK Mandiri
Malang

No. X Y No. X Y No. X Y No. X Y No. X Y

1 50 57 11 32 21 21 38 50 31 60 26 41 65 59
2 55 57 12 42 58 22 50 52 32 69 51 42 63 59
3 55 54 13 42 55 23 53 62 33 58 44 43 49 52
4 49 52 14 43 40 24 48 55 34 56 44 44 44 61
5 54 51 15 44 68 25 49 54 35 62 42 45 49 48
6 54 61 16 66 58 26 45 48 36 52 46 46 51 50
7 54 61 17 31 35 27 30 48 37 69 47 47 55 59
8 48 43 18 24 31 28 35 46 38 59 61 48 51 61
9 56 28 19 57 36 29 39 66 39 60 52 49 47 40
10 57 39 20 40 50 30 41 47 40 56 54 50 36 72

Langkah 1. Mencari angka statistik: ∑X; ∑Y; ∑X2; ∑Y2; ∑XY; s; x; a; b.

Diperoleh angka statistik sebagai berikut.

Tabel 14. Angka Statistik Perhitungan ∑X; ∑Y; ∑X2; ∑Y2; ∑XY; s; x; a; b.

n ∑X ∑Y ∑X2 ∑Y2 ∑XY

50 2492 2511 129328 128411 125913
rxy 0,14
A 42,79
B 0,15
y 50,22
x 49,84
sy 10,73
sx 10,23
 31

Langkah 2. Mencari Jumlah Kuadrat Regresi (JKReg|𝑎|) dengan rumus:

(∑𝑌)2 (2511)2
(JKReg|𝑎|) = = = 126102,42
𝑛 50

Langkah 3. Mencari Jumlah Kuadrat Regresi (JKReg|𝑏|𝑎|) dengan rumus:

(∑𝑋).(∑𝑌) (2492).(2511)
(JKReg|𝑏|𝑎|) = b.[∑𝑋𝑌 − ] = 0,15.[125913 − ] = 114,714
𝑛 50

Langkah 4. Mencari Jumlah Kuadrat Residu (JKRes) dengan rumus:

JKres = ∑𝑌 2 - (JKReg|𝑏|𝑎|) - (JKReg|𝑎|)

= 131794–114,714–126102,42 = 5576,866

Langkah 5. Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg|𝑎|) dengan rumus:

RJKReg|𝑎| = JKReg|𝑎| = 126102,42

Langkah 6. Mencari Rata-rata Jumlah Kuadrat Regresi (RJKReg|𝑏|𝑎|) dengan rumus:

RJKReg|𝑏|𝑎| = JKReg|𝑏|𝑎| = 114,714

Langkah 7. Mencari Rata-rata Jumlah Kuadrat Residu (RJKRes) dengan rumus:

JKres 5576,866
RJKRes = = = 116,18
𝑛−2 50−2

Langkah 8. Mencari Jumlah Kuadrat Error (JKE) dengan rumus:

(∑𝑌)2
JKE = ∑𝑘 [∑𝑌 2 − ] = 2247,01
𝑛

Langkah 9. Mencari Jumlah Kuadrat Tuna Cocok (JKTC) dengan rumus:

JKTC = JKres– JKE = 5576866–2247,01 = 3329,876

Langkah 10. Mencari Rata-rata Jumlah Kuadrat Tuna Cocok (RJKTC) dengan rumus:

JK TC 3329,876
RJKTC = = = 107,42; dimana k adalah jumlah kelompok = 33.
𝑘−2 33−2

Langkah 11. Mencari Rata-rata Jumlah Kuadrat Error (RJKE) dengan rumus:
 32

𝐽𝐾𝐸 2247,01
RJKE = = = 132,18
𝑛−𝑘 50−33

Langkah 12. Mencari Fhitung dengan rumus:

𝑅𝐽𝐾𝑇𝐶 107,42
Fhitung = = 132,18 = 0,8127
𝑅𝐽𝐾𝐸

Langkah 13. Menentukan Keputusan Pengujian

Jika Fhitung ≤ Ftabel artinya data berpola Linier
Jika Fhitung ≥ artinya data berpola Tidak Linier
Langkah 14. Mencari Ftabel dengan rumus:
Ftabel = F(1–α) (dk TC, dk E)
= F(1–0,05) (dk = k–2, dk = n–k)
= F(1–0,05) (dk = 33–2, dk = 50–33)
= F(1–0,05) (dk = 31, dk = 17)
= F(0,95) (31, 17) dimana dk = 31 sebagai pembilang; dk = 17 sebagai penyebut
Ftabel = 2,14
Langkah 15. Membandingkan Fhitung dengan Ftabel
Ternyata Fhitung ≤ Ftabel (0,8127 < 2,14) artinya data berpola Linier.
Kesimpulan: analisis uji korelasi maupun regresi dapat dilanjutkan.

VIII. CONTOH PENGGUNAAN STATISTIK INFERENSIAL DALAM

PENELITIAN

A. Uji Hubungan
Contoh:

Seorang peneliti ingin mengetahui apakah terdapat hubungan antara kegelisahan

mahasiswa pada saat mengikuti mata kuliah statistik dengan skor ujian statistik.
Tingkat kegelisahan dan skor statistik yang direkam ditunjukkan pada tabel
berikut:
Tabel 15. Tingkat Kegelisahan dan Skor Statistik
Tingkat kegelisahan Skor statistik
(X) (Y)
1 10
2 13
3 6
4 9
5 2
 33

𝑆𝑃
Dengan rumus r = √𝑆𝑆𝑥𝑆𝑆𝑦 diperoleh harga r = -0,756

a). Hipotesis
Ho : ρ = 0
H1 : ρ ≠ 0
b). Asumsi
 Data yang dianalisis berskala interval
 Hubungan kedua variabel adalah linear
 Sampel diambil secara acak dari populasi yang terdistribusi normal
c). Taraf Signifikansi
𝛼 = 0,05 tes dua ekor; df = n – 2 = 5 – 2 = 3; t kritis menurut tabel t dengan 𝛼 =
0,05, tes dua ekor adalah 3,182. Jika t>3,182 atau t<-3,182, maka Ho ditolak.
d). Harga tes statistik
𝑟√𝑛−2 −0,756√5−2
t= ; r =-0,756; t = = 2,00
√1−𝑟 2 √1−(−0,756)2

e). Keputusan
Karena harga t = 2,00<3,182, maka Ho ditolak.
f). Interpretasi
Tidak terdapat hubungan yang signifikan antara tingkat kegelisahan mahasiswa
dengan skor hasil ujian statistik.

B. Uji Beda
Contoh:

Seorang pengajar matakuliah mesin konversi energi ingin mengetahui perbedaan

antara prestasi mahasiswa yang diberi tugas terstruktur dan mahasiswa yang tidak
diberi tugas terstruktur tetapi dianjurkan untuk belajar mandiri.
Hasil tes akhir kedua kelompok tersebut adalah sebagai berikut.
 34

Tabel 16. Skor Prestasi Mahasiswa

Skor mahasiswa yang Skor mahasiswa yang mengadakan
diberi tugas terstruktur kegiatan belajar mandiri
31 27
33 29
29 34
26 32
30 33
36 29
27 30
38 30
40 26
34 37
n1 = 10 n2 = 10
X1 = 32,4 X2 = 30,7
S1 = 4,648 S2 = 3,335
a). Hipotesis
Ho = μ1 – μ2 = 0
H1 = μ1 – μ2 ≠ 0
b). Asumsi
 Data pada variabel terikat berskala interval
 Sampel diambil secara acak dari populasi yang terdistribusi normal
 Varian kedua kelompok sama
c). Taraf Signifikansi
𝛼 = 0,05 tes dua ekor; df = n1 + n2 – 2 = 10 + 10 – 2 = 18;
t kritis menurut tabel t dengan 𝛼 = 0,05, tes dua ekor, df = 18 adalah 2,101;
Jika t>2,101 atau t<-2,101, maka Ho ditolak.
d). Harga tes statistik
Sebelum dihitung harga t-statistik diperlukan uji homogenitas varian.
𝑆 2 (𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟) (4,646)2
F-max = = = 1,942
𝑆 2 (𝑡𝑟𝑘𝑒𝑐𝑖𝑙) (3,335)2

Menurut tabel harga F-max kritis dengan n-1= 9; k= 2; α = 0,5 adalah 4,03.
Karena harga F-max= 1,942<4,03 maka dinyatakan bahwa varian kedua
kelompok sama.
𝑋1 −𝑋2
t = 2 2
√𝑆𝜌 +𝑆𝜌
𝑛1 𝑛2
 35

(n1 – 1).S12 + (n2 – 1).S22 (10-1)(4,648)2 + (10-1)(3,335)2

2
Sρ = = =16,361
n1 + n2 – 2 10 + 10 – 2

32,4 – 30,7
t = = 0,940
16,361 16,361
√ +
10 10

e). Keputusan
Karena harga t-statistik = 0,940<2,101; maka Ho ditolak.
f). Interpretasi
Tidak terdapat perbedaan hasil belajar mahasiswa pada matakuliah mesin
konversi energi yang menerima tugas terstruktur dan yang melakukan kegiatan
belajar mandiri.
IX . STATISTIK NONPARAMETRIK DAN CONTOH PENGGUNAANNYA

Pembahasan statistik nonparametrik telah diuraikan pada bagian statistik

inferensial. Pada bagian ini akan diuraikan statistik nonparametrik untuk uji hubungan
dan uji beda termasuk syarat-syarat dan karakteristiknya.

A. Uji Hubungan

1. Korelasi Kontigensi
Teknik korelasi ini digunakan untuk menguji ada tidaknya hubungan antara
variabel yang diamati dengan jenis data nominal-nominal dan atau nominal-
ordinal. Jenis data ini banyak dijumpai pada penelitian sosial, termasuk di
dalamnya penelitian pendidikan.
Rumus untuk mencari taraf kontigensi (KK) adalah sebagai berikut:
𝑋2
KK = √𝑋 2 + 𝑁 (Siegel, 1985)

KK = Koefisien korelasi kontigensi,

𝑋 2 = Chi-square
(𝑓𝑜−𝑓𝑒)2
=ε( ),
𝑓𝑒

N = jumlah sampel
 36

Contoh penggunaan
Diberikan data hipotetik dari hasil observasi tentang kesenioran dosen UM dengan
jenis olahraga yang disukai.

Tabel 17. Data Hasil observasi tentang kesenioran dosen UM dengan jenis olahraga
yang disukai.

Olah raga yang disukai

Dosen Jumlah
Tenis Badminton Renang
Senior 50 15 35 100
Yunior 40 30 30 100
Jumlah 90 45 65 200

Ho: “tidak ada hubungan yang signifikan antara kesenioran dosen UM dengan
jenis olahraga yang disukai”. Maka Ho diuji dengan koefisien kontigensi.

Untuk menguji Ho diperlukan tabel sebagai berikut.

Tabel 18. Nilai-Nilai fo dan fe

Kesenioran Jenis (𝑓𝑜 − 𝑓𝑒)2

fo fe (fo – fe) (fo – fe) 2
dosen Olahraga 𝑓𝑒
Tenis 50 45,0 5,0 25,0 0,55
Senior Badminton 15 22,5 -7,5 56,25 2,50
Renang 35 32,5 2,5 6,25 0,19
Tenis 40 45,0 -5,0 25,0 0,55
Yunior Badminton 30 22,5 7,5 56,25 2,50
Renang 30 32,5 -2,5 6,25 0,19
175 6,48

Dari tabel di atas, jika besarnya nilai X2 dimasukkan ke dalam rumus koefisien
kontigensi maka diperoleh:
6,48
KK = = 0,177
6,48+200

Derajat kebebasan (df) = (2-1).(3-1) = 2.

Jika taraf signifikansi α = 0,05; dan df= 2 maka dalam tabel diperoleh X2 = 5,99.
Harga ini lebih kecil dari X2 yakni 6,48.
Keputusan: Ho ditolak.
Interpretasi:
 37

“Ada hubungan yang signifikan antara kesenioran dosen UM dengan jenis olah-
raga yang disukai”.

2. Korelasi Rank Spearman

Penggunaan teknik ini dilakukan jika peneliti menghadapi:
a) Data yang diuji hubungannya bersifat ordinal.
b) Jumlah sampel relatif kecil (6 ≤ N ≤ 30).
Rumus koefisien ini adalah:
6 𝜀 𝑑2
ρ=1– (Gay, 1985)
𝑁 (𝑁2 −1)

dimana:
ρ = koefisien korelasi
1 = konstanta
6 = konstanta
∑ = jumlah
N = jumlah sampel

Contoh penggunaan
Seorang peneliti ingin mengetahui apakah terdapat korelasi antara status pada
pretest dengan status pada post-test dari peserta pelatihan diklat rem ABS.
Ho: “tidak terdapat korelasi positif yang signifikan antara status pada pretest de-
ngan status pada post-test dari peserta pelatihan diklat rem ABS’.
Data yang diperoleh adalah sebagai berikut.

Tabel 19. Nilai Pretest dan Postest

Pre-test Post-test Selisih rank Kwadrat selisih rank
Subyek
(x) (y) (d) (d2)
A 1 3 -2 4
B 2 4 -1 1
C 3 2 0 0
D 4 1 3 9
E 5 6 -1 1
F 6 5 1 1
Total (∑) 0 16

6 𝜀 𝑑2
ρ=1–
𝑁 (𝑁2 −1)
 38

6 ∑16 96
ρ=1– = 1- = 1 – 0,873 = 0,127
6.(36−1) 110

dengan taraf signifikansi α = 0,05; maka untuk N= 6, ρtabel = 0,866.

Maka diperoleh ρ hasil perhitungan < ρ tabel
Keputusan: Ho diterima.
Interpretasi:
“Tidak terdapat korelasi positif yang signifikan antara status pada pre-test dengan
status pada post-test dari peserta pelatihan diklat rem ABS”.

3. Korelasi Rank Kendall

Korelasi Rank Kendall (τ) secara prinsip sama dengan korelasi Rank Spearman,

yaitu untuk menganalisis data ordinal. Namun korelasi Rank Kendall dapat
digeneralisasikan sebagai suatu koefisien korelasi parsial.
S
Rumus untuk mencari koefisien korelasi Rank Kendall adalah: τ =
0,5.N (N−1)

dimana: τ = koefisien Rank Kendall

S = jumlah semua nilai positif dan negatif pasangan

N = jumlah sampel
Contoh Penggunaan
Seorang manajer PT. Century ingin mengetahui apakah terdapat korelasi positif
yang signifikan antara peningkatan upah kerja dengan peningkatan kualitas kerja.
Ho: “tidak terdapat korelasi positif yang signifikan antara peningkatan upah kerja
dengan peningkatan kualitas kerja di PT. Century”.
Data hipotetik tentang kualitas kerja dengan besarnya upah disajikan dalam
bentuk data ranking seperti pada tabel berikut. Untuk uji Ho ditetapkan taraf
signifikansi α = 0,05.
 39

Tabel 20. Kualitas Kerja dan Besarnya Upah

Kasus Kualitas Kerja Upah

A 4 7
B 5 2
C 8 10
D 3 6
E 10 8
F 1 1
G 11 9
H 6 4
I 2 3
J 7 5
K 9 11
L 12 12

Untuk mencari koefisien korelasi Rank Kendall, maka lebih dulu dibuat rank
nyata pada salah satu variabel (di sini diambil data kualitas kerja). Data rank
sebagaimana di atas, akan menjadi sebagai berikut.

Tabel 21. Nilai Rank Nyata

Kasus Kualitas pekerjaan
F 1
I 2
D 3
A 4
B 5
H 6
J 7
C 8
K 9
E 10
G 11
L 12
Upah Rup - Rkp
1 0
3 1
6 3
7 3
2 0
4 0
5 0
10 2
11 2
8 0
9 0
12 0

Keterangan:
Rup = ranking upah kerja
Rkp = ranking kualitas kerja
Rlb = ranking yang lebih besar antara Rkp dan Rup.
Dari tabel di atas, dapat dihitung besarnya nilai S sebagai berikut.
S = ∑ (N – Rb) – (Rup – Rkp)
 40

S = (12-1)-0 + (12-3)-1 + (12-6)-3 + (12-7)-3 + (12-5)-0 + (12-6)-0 + (12-7)-0 +

(12-10)-2 + (12-11)-2 + (12-10)-0 + (12-11)-0 + (12-12)-0
S = 44
Nilai S disubtitusikan dalam rumus koefisien korelasi Rank Kendall, diperoleh:
44
τ= 0,5.12.(12−1)
= 0,67

Hasil tersebut dibandingkan dengan nilai τ pada tabel Kendall untuk uji

signifikansinya. Namun karena jumlah N = 12, dalam tabel Kendall tidak

tersedia, sehingga perlu dilakukan uji signifikansi Z. Rumus Z adalah sebagai
berikut.

τ
Z = (Siegel, 1985)
2. (2N+5)
√ 9N.(N−1)

0,67
Z = = 3,03
2.(2.12+5)
√9.12.(12−1)

Harga Z = 3,03 jika dikonsultasikan dengan tabel Z diperoleh P = 0,0012.

Keputusan: Ho ditolak.
Interpretasi:
“Terdapat korelasi positif yang signifikan antara peningkatan upah kerja dengan
peningkatan kualitas kerja di PT. Century.

B. Uji Beda

Uji beda pada statistik nonparametrik tidak jauh berbeda dengan statistik para-
metrik. Artinya, uji beda di sini berlaku untuk hipotesis langsung (directional hypo-
thesis) yang telah memilliki arah perbedaan yang jelas maupun untuk hipotesis tak
langsung (nondirectional hypothesis) yang belum jelas arah perbedaannya. Hal ini
berkaitan erat dengan uji signifikansinya baik satu ekor (one tailed test) untuk
hipotesis langsung maupun dua ekor (two tailed test) untuk hipotesis tak langsung.
 41

Pembahasan uji beda berikut ini difokuskan pada rumus-rumus statistik nonpara-
metrik yang banyak dipakai pada penelitian sosial, khususnya penelitian pendidikan
akan diuraikan sebagai berikut.
1. Chi-Kuadrat
Uji Chi-Kuadrat (χ2) dipakai pada jenis data yang berbentuk nominal (frekwensi).
Prosedur ini dapat juga digunakan untuk menguji ada-tidaknya perbedaan yang
signifikan antara 2 atau lebih kelompok data.
Rumus yang dipakai untuk menghitung χ 2 adalah sebagai berikut.
2
(𝑜𝑓−𝑒𝑓)
χ = ∑
2
𝑒𝑓

of = frekwensi observasi
ef = frekwensi harapan
∑ = jumlah

Jika derajat kebebasan (df) = 1, maka rumus yang dipakai dengan koreksi Yates;
namun jika df > 1 maka koreksi Yates tidak diperlukan. Menurut Downing dan
Clark (1983) serta Conover (1971), jika df > 1 maka rumus Chi kuadrat menjadi:
{(𝑜𝑓−𝑒𝑓)− 0,5)2
χ2 = ∑ dimana 0,5 adalah nilai koreksi Yates.
𝑒𝑓

Contoh Penggunaan
a). Sampel Tunggal
Seorang dosen ingin menguji apakah ada perbedaan yang signifikan antara
pilihan mahasiswa yang melakukan penelitian kualitatif dengan penelitian
kuantitatif.
Ho: “tidak ada perbedaan yang signifikan pilihan mahasiswa yang melakukan
penelitian kualitatif dengan penelitian kuantitatif”.
Dari 50 mahasiswa yang dipillih, 17 orang memilih kuantitatif dan 33 orang
memilih kualitatif.
Untuk mencapai tujuan itu, maka dilakukan tes statistik Chi-Kuadrat dengan taraf
signifikansi α = 0,05 yang ditabelkan berdasarkan variasi sel, ef, of, dan ((of –
ef)- 0,5)2 sebagai berikut.
 42

Tabel 22. Pilihan Mahasiswa dalam Melakukan Penelitian

Sel (of) (ef) (of - ef) ((of – ef) – 0,5)2
Kuantitatif 17 25 -8 56,25
Kualitatif 33 25 8 56,25
∑ 112,5
Jika disubtitusikan dalam rumus X2, maka diperoleh:
{(𝑜𝑓−𝑒𝑓)− 0,5)2 112,5
χ2 = ∑ = = 4,50
𝑒𝑓 25

χ 2hitung > χ 2kritis (χ 2hitung = 4,50 dan χ 2kritis = 3,84)

Keputusan: Ho ditolak.
Interpretasi: “Ada perbedaan yang signifikan antara pilihan mahasiswa yang
melakukan penelitian kualitatif dengan penelitian kuantitatif”.

b). Sampel Majemuk

Seorang peneliti ingin menguji apakah ada perbedaan yang signifikan antara
mahasiswa pria dan wanita terhadap tingkat kepuasan dalam mengikuti kuliah di
UM.
Ho: “Tidak ada perbedaan antara mahasiswa pria dan wanita terhadap tingkat
kepuasan dalam mengikuti kuliah di UM”.
Hasil pengumpulan data hipotetik ditunjukkan pada tabel berikut. Uji Chi-
Kuadrat dilakukan dengan taraf signifikansi α = 0,05.

Tabel 23. Tingkat Kepuasan Mahasiswa dalam Mengikuti Kuliah di UM

Jenis Tingkat Kepuasan Total
Kelamin Sangat puas Puas Kurang Tidak puas
puas
Pria 15 25 14 12 66
Wanita 20 30 10 8 68
Total 35 55 24 20 134

Data di atas tersaji matrik frekwensi 2 X 4 (2 jenis kelamin, dan 4 tingkat

kepuasan), sehingga besar derat kebebasannya (df) = (2 - 1).(4 - 1) = 3. Dengan
demikian pada analisis ini tidak digunakan faktor koreksi Yates. Perhitungan
frekwensi harapan tiap sel memakai rumus berikut.
(𝑁 𝑏𝑎𝑟𝑖𝑠).(𝑁𝑘𝑜𝑙𝑜𝑚)
ef =
𝑁𝑡𝑜𝑡𝑎𝑙
 43

dimana:
Nbaris = jumlah frekwensi dalam baris
Nkolom = jumlah frekwensi dalam kolom tiap variasi tingkat kepuasan
Ntotal = jumlah frekwensi total
Hasil perhitungan frekwensi harapan setiap sel yang dimaksud, ditabelkan di
bawah ini.
Tabel 24. Hasil Perhitungan Frekwensi Harapan

Tingkat Kepuasan
Jenis
Kurang Total
Kelamin Sangat puas Puas Tidak puas
puas
Pria 17,24 27,09 11,82 9,85 66
Wanita 17,76 27,91 12,18 10,15 68
Total 35,00 55,00 24,00 20,00 134

Jika dihitung dengan χ 2, diperoleh 29,07.

Untuk df = 3, nilai χ 2kritis dalam tabel = 7,81.
Maka χ 2hitung > χ 2kritis dalam tabel
Keputusan : Ho ditolak.
Interpretasi: “ada perbedaan yang signifikan antara mahasiswa pria dan wanita
terhadap tingkat kepuasan dalam mengikuti kuliah di UM”.

Berdasarkan contoh di atas, tampak bahwa uji beda ini banyak dipakai untuk uji
hipotesis tak langsung (nondirectional hypothesis). Sehingga, kekuatan
interpretasinya hanya menunjukkan signifikansi ada-tidaknya perbedaan antara
frekwensi observasi dan frekweksi harapan. Tidak serta merta menunjuk apakah
frekwensi observasi lebih besar atau lebih kecil daripada frekwensi harapan.
Demikian juga sebaliknya.

2. Uji Wilcoxon

Uji Wilcoxon biasa disebut juga dengan uji Ranking Bertanda Data Berpasangan
(Wilcoxon Matched-Pairs Signed-Rank Test).
Uji ini dipakai untuk menguji perbedaan distribusi match population dari mana
data sampel diambil.Uji ini biasanya diterapkan untuk menganalisis data penelitian
 44

yang memakai rancangan pretest-postest dan asumsi-asumsi untuk tes parametrik

(uji “t” sampel berhubungan) tidak terpenuhi.
Prosedur penggunaan uji Wilcoxon adalah sebagai berikut.
i. Susun data dalam tabel yang memuat skor pasangan pretest dan posttest atau
postest dan pretest, tergantung kelompok mana yang mempunyai skor lebih
tinggi.
ii. Cari perbedaan di antara pasangan skor untuk setiap subyek.
iii. Susun perbedaan antar pasangan skor tiap subyek menjadi perbedaan absolut
(tanpa memperhatikan tanda aljabar + atau – dari skor-skor perbedaan).
iv. Tentukan peringkat perbedaan absolut mulai dari peringkat 1 untuk perbedaan
absolut yang terkecil dan peringkat 2 untuk yang lebih besar dan seterusnya.
v. Tulis tanda aljabar + atau – pada setiap skor perbedaan peringkat (ini merupakan
ciri dari signed-ranks).
vi. Jumlahkan skor peringkat bertanda positif (+) dan skor bertanda negatif (–),
jumlah skor peringkat yang lebih kecil disebut “T”. Nilai T ini dibandingkan
dengan nilai kritis T dari tabel serta menentukan taraf signifikansi tertentu untuk
menguji Ho.

Contoh Penggunaan
Seorang penatar statistik nonparametric ingin mengetahui apakah petatar
bertambah pemahamannya tentang bahan tataran yang diberikan. Untuk itu
sebelum memulai pembelajaran penatar memberikan pretest dan memberi post-
test di akhir pembelajaran. Pengujian ini memakai taraf signifikansi α = 0,05
dengan jumlah subyek 10 orang.
Ho: “Petatar tidak bertambah pemahamannya tentang statistik nonprarametrik
setelah mengikuti penataran”.
Skor hipotetik yang diperoleh dapat dillihat pada tabel berikut.
 45

Tabel 25. Skor Hipotetik

Skor
Skor Beda Peringkat Tanda
Pasangan pre- Beda
post-test absolut beda absolut peringkat
test
A 82 56 26 26 10 10
B 80 70 10 10 5 5
C 75 70 5 5 2,5 2,5
D 64 66 -2 2 1 -1
E 90 72 18 18 7,5 7,5
F 85 65 20 20 9 9
G 55 60 -5 5 2,5 -2,5
H 68 50 18 18 7,5 7,5
I 78 65 13 13 6 6
J 67 73 -6 6 4 -4
T+ = 47,5
T- = 7,5

Berdasarkan perhitungan hasil T yang lebih kecil di antara T yang bertanda (+)
dan (-) sebagaimana di atas sebesar 7,5. Untuk N= 10 dan α = 0,05 diperoleh T
kritis = 8. Jadi, Thitung < Tkritis.
Keputusan: Ho ditolak.
Interpretasi: “Petatar bertambah pemahamannya tentang statistik nonprarametrik
setelah mengikuti penataran”.
Signifikansi harga T seperti di atas dapat dipakai jika jumlah pasangan ≤ 25. Jika
jumlah pasangan >25, maka untuk menguji signifikansi menggunakan Z ratio.
Kriteria penolakan Ho jika Z ratio yang diperoleh > harga kritis.
Rumus Z ratio adalah:

𝑇−𝜇𝑡 𝑁.(𝑁+1) 𝑁.(𝑁+1).(2𝑁+1)

Z= , dimana: μt = , dan σt = √
𝜎𝑡 4 24

jika nilai μt dan αt disubtitusikan ke persamaan Z, akan diperoleh:

𝑇−0,25−(𝑁(𝑁+1))
Z=
√0,25.(𝑁 (𝑁+1).(2𝑁+1)

dimana: μt = rerata populasi T

σt = Standar deviasi populasi T
N = jumlah pasangan
 46

3. Uji Mann-Whitney
Uji Mann-Whitney U (dalam uraian berikut akan disebut uji U) digunakan untuk
menguji Ho yang menyatakan bahwa tidak ada perbedaan dalam distribusi skor
populasi dimana 2 kelompok sampel diambil. Teknik ini merupakan alternatif
nonparametrik dari uji “t” sampel bebas (tidak berhubungan) pada statistik parametrik,
jika peneliti menghadapi tidak terpenuhinya asumsi-asumsi yang dipersyaratkan
dalam uji t. Nilai U dicari setelah dilakukan penggabungan dan pengurutan skor-skor
dari kedua kelompok sampel dengan memperhatikan jumlah anggota kelompok skor
yang lebih tinggi berada di bawah peringkat kelompok skor yang lebih rendah.
Konsekuensinya adalah jika terjadi semua anggota kelompok yang lebih tinggi berada
di atas peringkat kelompok skor yang lebih rendah, maka U = 0. Artinya makin kecil
nilai U dari nilai kritis, akan makin kuat tingkat signifikansinya.
Dalam penerapannya uji U dibedakan menjadi 3 kelompok, yaitu:
a) Kelompok sampel kecil ( Nz ≤ 8).
b) Kelompok sampel sedang (9 ≤ Nz ≤ 20).
c) Kelompok sampel besar (21 ≤ Nz ≤ 30).
Ketiga kelompok uji U akan diuraikan berikut ini.
a). Kelompok sampel kecil (N2 ≤ 8)
Langkah-langkah yang ditempuh pada uji U untuk kelompok sampel kecil
meliputi:
(i). Skor kedua kelompok yang akan dibandingkan diurutkan bersama dengan
disertai identitas kelompok. Misal skor-skor dalam kelompok yang akan
dibandingkan terdiri atas kelompok E = 5, 7, 10, 12, 14; dan untuk kelompok
C = 4, 6, dan 11. Urutan skor gabungan kedua kelompok (E dan C) menjadi:

4 5 6 7 10 11 12 14
Skor
C E C E E C E E

(ii). Gunakan kelompok C sebagai acuan dalam menentukan peringkat yang lebih
rendah dari urutan gabungan kedua kelompok (karena skor kelompok C < E).
(iii). Skor anggota kelompok C = 4 yang tidak memiliki skor anggota kelompok E
yang berada dibawahnya, berarti = 0. Sedang untuk C = 6 memiliki 1
anggota E yang dibawahnya, berarti ditulis = 1, dan C = 11 mempunyai 3
 47

anggota E yang dibawahnya berarti ditulis = 3. Jadi besar U = 0 + 1 + 3 = 4.

Hal ini menunjukkan jumlah frekwensi anggota kelompok E yang berada di
bawah kelompok C = 4.
(iv). Konsultasikan nilai U tersebut pada tabell Mann-Whitney U, pada n2 = 5, n1
= 3 dan U = 4; berapa besar probabilitas signifikansi U hasil perhitungan.
Pada tabel diperoleh ρ = 0,196 (untuk tes satu ekor)
Jika terdapat “kesalahan” dalam menentukan kelompok sebagai acuan.
Misalnya dalam mencari harga U pada hasil perhitungan di atas digunakan acuan
kelompok E, maka nilai U menjadi:
U = 1 + 2 + 2 + 3 + 3 = 11. Harga U menjadi besar akibat kesalahan peneliti
dalam menentukan acuan diberi notasi U’. Selanjutnya perhitungan U yang
sebenarnya memakai rumus transformasi berikut.
U = n1.n2 – U’
Dimana: n1 dan n2 adalah banyaknya anggota kelompok I dan II.
Sehingga U = (5 x 3) – 11 = 4 (harga ini = harga U yang memakai acuan C di
atas).
Dengan demikian harga tabel ρ dengan prosedur yang sama diperoleh 0,196.
b). Kelompok sampel sedang (9 ≤ N2 ≤ 20).
Seorang dosen matematika ingin mengetahui apakah ada perbedaan sikap antara
mahasiswa pria dan wanita terhadap matakuliah matematika. Dia mengambil
sampel 10 mahasiswa dan 8 mahasiswi untuk dites sikapnya terhadap matematika
dengan menetapkan taraf signifikansi α = 0,05. Data yang diperoleh ditunjukkan
dalam tabel.
Untuk menguji hipotesis, dosen yang bersangkutan memakai Mann-Whitney U
test.
Prosedur analisis yang ditempuh adalah sebagai berikut.
(i). Skor-skor sikap diberikan peringkat berdasarkan dua sampel (pria dan
wanita) yang digabungkan.
(ii). Peringkat dari skor sikap mahasiswa pria dijumlahkan sebagai R1 dan jumlah
peringkat skor-skor mahasiswi sebagai R2.
(iii). Skor sikap yang sama, baik untuk mahasiswa maupun mahasiswi diberi rera-
tanya.
 48

(iv). Cari nilai U1 (mahasiswa) dan U2 (mahasiswi)dengan rumus yang sesuai.

(v). Ambil harga U yang lebih kecil dipakai untuk menguji Ho.
Perhitungan selengkapnya disajikan berikut ini.

Tabel 26. Skor Sikap Mahasiswa terhadap Matematika

Mahasiswa Mahasiswi
No. Skor sikap No. Skor sikap
Peringkat Peringkat
Subyek thd Mat. Subyek thd Mat.
1 18 1 1 23 4
2 20 2,5 2 29 7
3 30 8,5 3 44 15,5
4 35 10 4 36 11
5 40 12,5 5 46 17
6 25 5 6 26 6
7 45 16 7 40 12,5
8 43 14 8 44 15,5
9 20 2,5
10 30 8,5
R1 = 80,5 R2 = 88,5
N1 = 10 N2 = 8

𝑁1(𝑁1+1) 𝑁2(𝑁2+1)
U1 = N1.N2 + - R1 U2 = N2.N1 + - R2
2 2
10(10+1) 8(8+1)
= 10.8 + - 80,5 = 8.10 + - 88,5
2 2
= 54,5 = 27,5

Pengujian hipotesis nol dilakukan dengan U yang lebih kecil (disini diambil U2 =
27,5). Untuk uji 2 ekor dalam tabel U diperoleh nilai kritis = 13.
Keputusan: Ho diterima.
Interpretasi: “tidak ada ada perbedaan sikap antara mahasiswa pria dan wanita
terhadap matakuliah matematika”.

c). Kelompok sampel besar (21 ≤ N2 ≤ 30)

Kelompok sampel ini termasuk sampel besar untuk tes nonparametrik. Jika
dihadapkan pada kelompok sampel semacam ini, maka pengujian hipotesis nol
dilakukan dengan uji signifikansi Z ratio dengan rumus sebagai berikut.
 49

𝑈−𝑈𝑢 𝑁1.𝑁2
Zratio = dimana: Uu =
𝜎𝑢 2

(𝑁1).(𝑁2).(𝑁1+𝑁2+1)
σ𝑢 = √ 12

Jika nilai U dan 𝜎 ′ 𝑢 disubtitusikan ke dalam persamaan, maka Zratio menjadi:

𝑈−(0,5.(𝑁1.𝑁2))
Zratio =
1
√ .(𝑁1)(𝑁2).(𝑁1+𝑁2+1)
12

Uji signifikansi untuk menolak atau menerima Ho berdasarkan perbandingan

Zhitung dengan harga Ztabel. Jika Zhitung > Ztabel, maka Ho ditolak. Tetapi jika Zhitung <
Ztabel maka Ho diterima.
Jika data observasi terdapat dua atau lebih angka yang sama, baik dalam kelompok
maupun dalam kedua kelompok, variabilitas ranking akan terpengaruh. Akibat
lebih jauh akan berpengaruh terhadap harga U observasi. Untuk menghindari hal
ini perlu dilakukan koreksi terhadap angka yang sama pada perhitungan (σu).
Dengan adanya faktor koreksi, maka rumus untuk menghitung σu menjadi:
𝑁1.𝑁 𝑁3 − 𝑁
σu = √( ). ( – 𝜖𝑇)
𝑁(𝑁−1) 12

dimana:
N = N1 + N2
𝑡 3− 𝑡
T =
12
t = banyaknya obsevasi yang memiliki angka sama untuk suatu ranking tertentu.
Jika deviasi standar distribusi disubtitusikan ke dalam rumus, maka Z akan
menjadi:
𝑁1.𝑁2
𝑈−
2
Z =
𝑁1.𝑁 𝑁3 − 𝑁
√(𝑁(𝑁−1)).( 12 − 𝜀𝑇)

4. Uji Kruskal Wallis

Teknik ini merupakan padanan dari analisis varian satu jalur pada statistik
parametrik, yang digunakan untuk menguji perbedaan skor beberapa kelompok yang
tidak berhubungan. Uji ini disebut juga uji H. Hipotesis nol yang diuji adalah : tidak
ada perbedaan yang signifikan distribusi skor antara kelompok dari berbagai populasi.
Dalam uji Kruskal Wallis ini dibutuhkan data ordinal.
 50

Prosedur pelaksanaan uji statistik ini menyerupai dengan prosedur-prosedur yang

telah diuraikan di atas, yaitu meliputi:
a). skor-skor dalam berbagai sampel digabungkan dan dicari peringkatnya yang
dimulai dengan peringkat 1 untuk skor terkecil.
b). jumlahkan peringkat pada tiap sampel dengan diberi notasi Rj.
c). hitung besar H dengan uji Kruskal Wallis.
d). uji signifikansi dengan memakai nilai kritis dalam tabel Chi-Kuadrat.
Rumus yang dipakai untuk menghitung H oleh Stell dan Torrie (1980) adalah:
12 𝑅𝑗 2
H = ε – 3(N + 1), dimana:
𝑁(𝑁+!) 𝑛𝑗

Rj = jumlah peringkat dalam satu kelompok

nj = jumlah subyek dalam suatu kelompok
N = jumlah subyek dalam suatu kelompok

Contoh Pengggunaan
Dekan fakultas “X” ingin mengetahui apakah ada perbedaan hasil belajar antara
mahasiswa yang dibina oleh dosen yang berpengalaman banyak, cukup, dan sedikit
dalam suatu matakuliah. Untuk pengujian Ho ditetapkan taraf signifikansi α = 0,01.
Adapun data hasil belajar mahasiswa beserta peringkatnya disajikan berikut ini.

Tabel 27. Data Hasil Belajar Mahasiswa Beserta Peringkatnya

Pengalaman Dosen
No
subyek
Banyak Peringkat Cukup Peringkat Sedikit Peringkat
1 75 13 73 12 70 10
2 80 15 78 14 65 8
3 50 3 60 6,5 72 11
4 60 6,5 55 5 49 2
5 - - 40 1 53 4
6 - - 68 9 - -
R1 = 37,5 R2 = 47,5 R3 = 35
N1 = 4 N2 = 6 N3 = 5
Dengan memakai rumus H, dan harga-harga di atas disubtitusikan maka diperoleh:
H = 0,267
df = (3 – 1) = 2
pada α = 0,01, nilai kritis dalam tabel Chi-Kuadrat = 9,21.
Keputusan: Ho diterima.
 51

Interpretasi: “tidak ada perbedaan hasil belajar antara mahasiswa yang dibina oleh
dosen yang berpengalaman banyak, cukup, dan sedikit dalam suatu
matakuliah di fakultas “X”.
Jika hasil pengamatan terdapat angka (ranking) yang sama lebih dari 25% dari
keseluruhan angka hasil observasi, maka perlu dipertimbangkan adanya faktor koreksi.
Hal ini dikarenakan jika angka hasil pengamatan sebesar tersebut di atas akan
berpengaruh terhadap besarnya nilai H. Jika faktor koreksi dimasukkan dalam
perhitungan, maka rumus H menjadi:
12 𝑅𝑗2
ε – 3(N + 1)
𝑁(𝑁+!) 𝑛𝑗
H = 𝜖𝑇 dimana:
1− 3
𝑁 −𝑁

T = 𝑡 2 - 1 (t banyaknya observasi yang memiliki angka sama)

N = jumlah sampel
ε = jumlah
Dengan dimasukkkannya faktor koreksi dalam menghitung besarnya H, maka
kemungkinan memperoleh nilai H lebih besar daripada besar H tanpa faktor koreksi.
Hal ini disebabkan oleh faktor koreksi yang berfungsi sebagai pembagi harganya < 1.
Akibatnya akan mempertinggi keberadaan taraf signifikansi.

5. Uji Friedman
Uji ini dipakai pada peringkat skor hasil pengukuran dari kelompok sampel ber-
pasangan dalam skala sekurang-kurangnya berbentuk ordinal. Hipotesis nol (Ho) yang
diuji berbunyi:
“tidak ada perbedaan distribusi pengukuran skor pada sampel yang berhubungan
atau berpasangan yang berasal dari populasi”.
Perpasangan, dalam hal ini, dapat dicapai dengan mengambil kelompok subyek
yang sama dengan perlakuan (kondisi) yang berbeda atau diambil dari beberapa
kelompok subyek yang diambil secara random untuk setiap kondisi perlakuan.
Padanan teknik ini pada statistik parametrik adalah analisis varian 2 jalur, sehingga uji
ini sering disebut dengan uji Friedman two-way anova.
Rumus Friedman two-way anova yang biasa dipakai adalah:
12
Xr2 = - 𝜀 Rj2 – 3N.(k + 1)
𝑁𝑘.(𝑘+1)

Keterangan:
 52

N = jumlah sampel penelitian

k = jumlah variasi kondisi
Rj = jumlah peringkat pada setiap kondisi
12 & 3 = Konstanta yang tak tergantung pada ukuran percobaan
Prosedur penggunaan Friedman test adalah:
(i). Data disusun dalam nN baris dan K kolom.
(ii). Skor-skor tiap subyek (kelompok) pada berbagai kondisi dimasukkan ke
dalam kolom, unsur kondisi merupakan kategori variabel bebas yang diteliti.
(iii). Data dalam baris dan kolom dikonversikan ke data ordinal dengan memberi
peringkat sesuai dengan besar kecilnya subyek untuk variasi kondisi.
(iv). Peringkat-peringkat setiap subyek dalam variasi kondisi dijumlahkan untuk
setiap kondisi (kolom).
(v). Hasil penjumlahan peringkat tersebut, variasi kondisi, dan jumlah subyek
disubtitusikan ke dalam rumus Friedman test.
(vi). Hasil perhitungan tersebut dikonfirmasikan dengan nilai kritis.
Dalam melakukan konfirmasi nilai kritis (), jika jumlah kelompok adalah 3 dan N
sebanyak 2 sampai dengan 9 (K = 3, N = 2 ÷ 9), atau kelompok sebanyak 4 dan N
sebanyak 2 sampai dengan 4 (K = 4, N = 2 ÷ 4) dipakai tabel X r2. Jika harga N dan K
> ketentuan, maka uji konfirmasi nilai kritis digunakan tabel Chi-Kuadrat. Apabila
hasil perhitungan Friedman lebih besar dari nilai kritis, maka Ho ditolak. Begitu juga
sebaliknya.
Contoh Penggunaan
Seorang pedagang beras ingin mengetahui apakah pembeli berpendapat bahwa
warna cap pada karung yang berbeda akan memberikan berat isi (kg) yang berbeda
pula. Untuk itu pedagang beras meminta 8 orang pembeli secara acak untuk
mengestimasi berat isi beras dari setiap warna cap yang berbeda (hitam, coklat, ungu).
Kriteria signifikansi pengujian Ho ditetapkan α = 0,01. Data yang diperoleh
ditunjukkan pada tabel berikut.
 53

Tabel 28. Berat Isi Beras dari Setiap Warna Cap

Warna cap
Kelompok
Hitam Coklat Ungu
A 15 12 9
B 16 17 15
C 10 10 8
D 14 15 17
E 13 12 10
F 12 11 9
G 13 10 10
H 12 12 11
Data di atas dibuat peringkat jawaban setiap subyek pada 3 kondisi (hitam, coklat,
ungu) sebagai berikut.
Tabel 29. Peringkat Jawaban dari Setiap Subyek

Warna cap
Kelompok
Hitam Coklat Ungu
A 3 2 1
B 2 3 1
C 2,5 2,5 1
D 1 2 3
E 3 2 1
F 3 2 1
G 3 1,5 1,5
H 2,5 2,5 1
N=8 R1 = 20 R2 = 17,5 R3 = 10,5

Jika harga-harga di atas disubtitusikan ke dalam rumus, maka akan diperoleh:

12
Xr2 = {(202 ) + (17,5)2 + (10,5)2 − 3(8)(3 + 1)} = 6,06
8(3)(3+1)

Nilai Xr2 hitung = 6,06. Dalam penelitian ini K = 3 (hitam, coklat, dan ungu);
sedangkan N = 8. Berdasarkan hasil ini pada tabel Friedman diperoleh α = 0,047.
Harga ini lebih besar dari harga taraf signifikansi α = 0,01.
Keputusan: Ho diterima.
Interpretasi:
“pembeli berpendapat warna cap karung tidak menyebabkan isi berbeda”.
 54

DAFTAR RUJUKAN

Arikunto, Suharsimi. 2006. Prosedur Penelitan, suatu pendekatan praktik. Jakarta:

Rineka Cipta.

Furchan, Arif. 1992. Pengantar Penelitian dalam Pendidikan Surabaya: Usaha Nasi-
onal

Ibnu, S., Mukhadis, A dan Dasna, I.W., 2003. Dasar-dasar Metodologi Penelitian,
Malang: Penerbit Universitas Negeri Malang

Mukhadis, A. 2000. Statistik Deskriptif. Makalah Lokakarya Metodologi Penelitian

XXV bagi Dosen UM. Malang: Lembaga Penelitian UM, 24 Juli – 23 Agus-
tus.

Mukhadis, A. 2001. Statistik Nonparametrik I: Uji Hubungan. Makalah Lokakarya

Tingkat Lanjut Metodologi Penelitian Kuantitatif XIII bagi Dosen UM.
Malang: Lembaga Penelitian UM, 24 Juli – 23 Agustus.

Mukhadis, A. 2001. Statistik Nonparametrik II: Uji Beda. Makalah Lokakarya Ting-
kat Lanjut Metodologi Penelitian Kuantitatif XIII bagi Dosen UM. Malang:
Lembaga Penelitian UM, 24 Juli – 23 Agustus.

Mukhadis, A. 2003. Pengorganisasian Isi Pembelajaran Prosedural: Kajian Empirik

pada Sekolah Kejuruan Malang. Malang: UM Press.

Moleong, Lexy. J. 2006. Metode Penelitian Kualitatif. Bandung: Remaja Rosdakarya.

Nazir, Moh. 2005. Metode Penelitian. Bogor: Ghalia Indonesia.

Pasaribu, Amudi. 2001. Pengantar Statistik. Jakarta: Ghalia Indonesia

Riduan. 2008. Belajar Mudah Penelitian untuk guru-karyawan dan peneliti pemula.
Bandung: Afabeta

_______. 2009. Metode dan Teknik Menyusun Proposal Penelitian. Bandung:

Alfabeta

Riyanto, Yatim. 2001. Metodologi Penelitian Pendidikan. Surabaya: SIC.

Siegel, Sidney. 1986. Statistik Nonparametrik untuk Ilmu-ilmu Sosial. Jakarta:

Gramedia.

Sonhadji, A. 2001. Statistik Inferensial I. Makalah Lokakarya Tingkat Lanjut

Metodologi Penelitian Kuantitatif XIII bagi Dosen UM. Malang: Lembaga
Penelitian UM, 24 Juli – 23 Agustus.

Sonhadji, A. 2001. Statistik Inferensial I. Makalah Lokakarya Tingkat Lanjut

Metodologi Penelitian Kuantitatif XIII bagi Dosen UM. Malang: Lembaga
Penelitian UM, 24 Juli – 23 Agustus.
 55

Sudjana. 1992. Metoda Statistika. Bandung: Tarsito.

Sudjiono, Anas. 2008. Pengantar Statistik Pendidikan. Jakarta: Rajawali Pers

Sugiyono. 2007. Statistika untuk Penelitian. Bandung: Alfabeta

_______. 2007. Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung: Alfabeta

Sukmadinata, Nana Syaodih. 2006. Metode Penelitian Pendidikan. Bandung: Remaja

Rosdakarya.
 56

Lampiran 1. Tabel Luas di Bawah Lengkungan Kurva Normal dari 0 s/d Z.

 57

Lampiran 2. Tabel Nilai-nilai dalam Distribusi “t”

 58

Lampiran 3. Tabel Nilai “r” Product Momen

 59

Lampiran 4. Tabel Harga-harga “x” dalam Tes Binomial

 60

Lampiran 5. Tabel Nilai Chi-Kuadrat

 61

Lampiran 6. Tabel Harga Kritis “r” dalam Run Test Satu Sampel pada α = 0,05
 62

Lampiran 7. Tabel Harga Kritis “r” dalam Run Test Dua Sampel pada α = 0,05
 63

Lampiran 8. Tabel Harga Kritis dalam Tes Wilcoxon

 64

Lampiran 9. Tabel Harga Kritis Mann-Whitney U test

 65

Lampiran 10. Tabel harga Kritis dala tes Kolmogorov-Smirnov

 66

Lampiran 11. Tabel Harga “z” pada Run Test Wald-Wolfowitz

 67

Lampiran 12. Tabel Nilai Distribusi F

Baris atas untuk taraf signifikansi 5%
Baris bawah untuk taraf signifikansi 1%
68
69
70
 71

Lampiran 13. Tabel Harga Kritis “Z” dalam Observasi Distribusi Normal