Sign Test

Sign Test merupakan prosedur Non-parametrik yang dapat diaplikasikan untuk dua kasus sampel
yang berhubungan ketika peneliti ingin membuat dua kondisi adalah berbeda. Nama Sign Test
berasal dari fakta bahwa penggunaan tanda positif dan negative didalam pengujian dibandingkan
dengan pengukuran kuantitatif data. Secara umum, uji ini sangat bermanfaat didalam riset ketika
pengukuran kuantitatif tidak dapat dilakukan, akan tetapi mungkin untuk diurutkan dengan
respek dua anggota dari setiap pair. Setiap perbedaan pair mungkin akan berasal dari perbedaan
populasi dengan respek seperti usia, gender, kecerdasan dan sebagainya. Dan hanya
mensyaratkan bahwa didalam setiap pair peneliti mencapai perbandingan dengan respek untuk
variabel extra neous yang relevan.

 X C  X D    ( X C  X D ) 
1
2
Dimana XC merupakan skor dari satu kondisi (sesudah treatment) dan XD merupakan skor dari
kondisi lainnya (sebelum treatment). Sehingga XC dan XD merupakan dua skor untuk sebuah
perbandingan pair. Dengan kata lain kita dapat mengatakan bahwa hipotesis null menpunyai
perbedaan median sama dengan nol. Di dalam mengaplikasikan sign test, kita berfokus pada
petunjuk dari perbedaan antara setiap XC dan XD, dengan memperhatikan apakah tanda dari
perbedaan adalah positif atau negative. Untuk menguji hipotesis null, kita mengespektasikan
jumlah dari pair (XC>XD) sama dengan jumlah dari pair (XC<XD).
McNemar Test
McNemar Test digunakan untuk menguji signifikansi dari perubahan yang mana umumnya
diaplikasikan untuk desain sebelum dan sesudah didalam setiap orang yang digunakan sebagai
sampel dan didalam pengukuran itu digunakan skala nominal atau ordinal. Dengan kata lain,
McNemar Test didesain untuk analisi dari pair atau dipenden sampel (sampel yang berhubungan)
dengan menggunakan dikotomi atau kategorial variabel yang mana sama dengan pair T-test yang
didesain untuk pair data kuantitatif .
(E  H ) 2
x2  dengan df = 1
EH
( E  H  1) 2
x 
2
dengan df = 1
EH
Friedman Test
Friedman Test atau sering disebut juga friedman two way ANOVA merupakan uji statistic non
parametric yang dapat digunakan untk menguji hipotesis dengan situasi desain studi lebih dari dua
depemden sampel dengan menggunakan data ordinal (renk order). Dengan kata lain, friedman test
dapat digunakan untuk membandingkan k ampel yang saling berhubungan yang digambarkan dari
populasi yang sama untuk menguji hipotesis null dengan menggunakan data skala ordinal. Uji ini
merupakan perluasan dari Sign Test untuk menguji lebih dari dua sampel yang saling berhubungan dan
ketika k=2 Friedman Test akan menghasilkan estimasi yang ekuivalen dengan Sign Test. Jiak hasil dari
Friedman Testsignifikan, mengindikasikan bahwa terdapat perbedaan yang signifikan antara paling
kurang dua sampel median di dalam suatu set dari k sampel median.
Untuk menjalankan Friedman Test sampel dari n subjek harus dipilih secara random dan data harus
berbentuk renk order.

l2 k 
x r2   ( Rt )   3N (k  1)
2

Nk (k  1)  j 1 
Dimana:
N= jumlah dari baris atau jumlah sampel
k = jumlah dari kolom atau jumlah grup
Rt= jumlah dari total renk di dalam kolom
Jika didapat nilai xr2 adalah signifikan dengan df= k-1 maka kita dapat menolak hipotesis null.
Sebaliknya, jika nilai x r2 adalah tidak signifikan maka kita tidak dapat menolak hipotesis null.

Kendall’s W Test
Kendall’s W Test atau sering disebut dengan koefisien kendall dari Concordance dikembangkan untuk
menngukur korelasi/hubungan untuk tiga atau lebih set renk. Secara spesifik, uji ini membantu peneliti
untuk mengevaluasi persetujuan anatara k set dari renk untuk N subjek/objek. Parameter populasi yang
diestimasi dari korelasi koefisien akan direpresentasi dengan notasi W. sedangkan sampel statistic yang
dihitung untuk estimasi nilai dari W akan direpresentasi dengan nilai W. sehingga jarak dari nilai yang
mungkin di dalam koefisien kendall’s akan berkisar antara 0≤W≤+1. Ketika terjadi persetujuan yang
lengkap antara semua k set renk, maka nilai dari W akan sama dengan 1. Dan sebaliknya, ketika tidak
terjadi persetujuan antara k set renk, maka nilai dari W akan sama dengan nol. Yang penting untuk
dicatat dari kendall’s W Test adalah uji ini sangat berhubungan dengan Friedman Test sebelumnya dan
bahkan mempunyai hasil analisis yang identik/ekuivalen.
Untuk menghitung niali W, pertma kita harus menjumlahkan renk (Rr) di dalam setiap kolom dari tabel
kxn. Kemudian kita akan menjumlahkan Rr dan membaginya dengan jumlah dari n untuk mendapatkan
nilai rata –rata dari Rr. sehingga, jumlah dari squares deviasi akan kita temukan. Secara matematis dapat
kita tuliskan sebagai berikut.
S
W
 
k 2 N N 2 1 
 
 12 
Dimana:
NU (T 2 )
S= jumlah dari squares deviasi observasi yang berasal dari rata-rata Rr sehingga S S 
N
K = jumlah dari set renking
N = jumlah sampel
Cochran Q Test
Cochran Q Test merupakan prosedur non parametric yang diperuntukan untuk data kategorial
(merupakan perluasan dari McNemar Test) yang mana dalam pengujian hipotesis menggunakan desain
k=2 atau lebih dengan sampel yang saling berhubungan. Uji ini digunakan untuk mengevaluasi
eksperimen diamana sampel dari subjek N dievaluasi dari dikotomi variabel dependen. Uji ini
mengasumsikan bahwa setiap N subjek mempunyai konstribusi terhadap skor k pada variabel
dependen. Ketika k=2, maka hasil estimasi dari Cochran Q Test akan mendekati McNemar Test. Jika hasil
dari Cochran Q Test adalah signifikan, mengindikasikan bahwa terdapat likehood yang tinggi terhadap
paling kurang dua dari k sampel yang merepresentasikan popullasi yang berbeda.
Cochran Q Test berdasarkan pada asumsi bahwa: a) sampel dari N subjek dipilih secara acak ( random
dari populasi. B) skala pengukuran yang digunakan berbentuk nominal atau
dikotomi/kategorial.bagaimanapun distribusi chi-square umumnya digunakan untuk mengevaluassi
statistic Cochran test. Jika hipotesis null adalah benar yaitu tidak terdapat perbedaan di dalam
probabilitas k sampel, maka nilai Q=x2 harus lebih kecil dari nilai tabel chi-square dengan df=k-1 untuk
level signifikansi 5%. Sehingga kita dapat menghitung nilai Q dengan menggunakan rumus di bawah ini.

Q

(k  1) (k )(c)  (T ) 2 
k (T )  R
Dimana:
C = merepresentasikan jumlah dari respondi dalam kondisi jth
T = merepresentasikanjumlah dari k skor untuk subjek ith
R = merepresentasikan squares dari skor Ri untuk subjek ith