STATISTIK NON PARAMETRIK

Tugas Mata Kuliah Statistik Inferensial

yang dibina oleh Dr. Muhardjito, M.Si

Kelompok 3:
1. Sigit Triwibowo (170321863016)
2. Maria Yosefina Pranita (170321863040)
3. Thoriq Aunillah (170321863065)

UNIVERSITAS NEGERI MALANG

PASCASARJANA
PROGRAM STUDI PENDIDIKAN FISIKA
September 2018
 STATISTIK UJI KOMPARATIF NONPARAMETRIK

A. Uji Nonparametrik
Secara umum kita telah mengetahui perbedaan antara uji statistik parametrik dan
statistik non parametrik. Uji parametrik merupakan uji statistik yang mengharuskan
terpenuhinya asumsi kenormalan distribusi data, serta menuntut kecukupan jumlah data.
Sedangkan uji nonparametrik merupakan uji statistik yang tidak bergantung pada estimasi
parameter atau asumsi distribusi yang tepat. Uji non parametrik sering pula disebut sebagai
uji distribusi bebas (Distribution-free tests) (Howel, 2011).
Statistik nonparametrik tidak mensyaratkan bentuk sebaran parameter populasi.
Statistik nonparametrik dapat digunakan pada data yang memiliki sebaran normal atau tidak.
Statistik nonparametrik biasanya digunakan untuk melakukan analisis pada data nominal atau
ordinal.
Metode pengujian statistik nonparametrik digunakan bila salah satu syarat dalam
statistik parametrik tidak terpenuhi. Syarat-syarat yang perlu diperhatikan untuk menentukan
statistik apa yang akan digunakan dalam analisis, yaitu:
1. Apakah distribusi data diketahui?
Jika distribusi data tidak diketahui maka statistik yang sesuai adalah statistik
nonparametrik. Jika distribusi data diketahui, maka kita harus melihat jenis distribusi
data tersebut.
2. Apakah data berdistibusi normal?
Jika data tidak berdistribusi normal, maka statistik yang sesuai adalah statistik
nonparametrik. Jika data berdistribusi normal, maka statistik yang sesuai adalah statistik
parametrik.
3. Apakah sampel ditarik secara random?
Jika sampel tidak ditarik secara random, maka statistik yang sesuai adalah statistik
nonparametrik. Jika sampel ditarik secara random, maka statistik yang sesuai adalah
statistik parametrik.
4. Apakah varians kelompok sama?
Jika varians kelompok tidak sama, maka statistik yang sesuai adalah statistik
nonparametrik. Jika varians kelompok sama, maka statistik yang sesuai adalah statistik
parametrik.
5. Bagaimana jenis skala pengukuran data?
 Jika skala pengukuran data nominal dan ordinal, maka statistik yang sesuai adalah
statistik nonparametrik. Jika skala pengukuran data interval dan rasio, maka statistik
yang sesuai adalah statistik parametrik.
Langkah-langkah pemilihan metode statistik dapat dilihat pada Gambar 1.

(Sugiyono, 2009)
Gambar 1. Bagan Alur Langkah Pemilihan Metode Statistik

Selain sebaran, salah satu indikator penggunaan metode statistik parametrik atau
nonparametrik adalah jenis data. Distribusi normal merupakan bagian dari distribusi
probabilitas yang kontinyu (continuous probability distribution), karena itu skala
pengukurannya pun haruslah kontinyu. Jenis data yang memiliki skala pengukuran yang
kontinyu adalah data rasio dan interval. Karena dalam pemilihan metode statistik jenis data
merupakan salah satu indikator, maka perlu dijelaskan kembali pengertian dan jenis-jenis
data. Dari segi jumlah data, pada umumnya statistik nonparametrik digunakan untuk data
berjumlah kecil (n < 30).
Keunggulan statistik nonparametrik diantaranya:
1. Asumsi dalam uji-uji statistik nonparametrik relatif lebih longgar. Jika pengujian data
menunjukkan bahwa salah satu atau beberapa asumsi yang mendasari uji statistik
parametrik (misalnya mengenai sifat distribusi data) tidak terpenuhi, maka statistik
nonparametrik lebih sesuai diterapkan dibandingkan statistik parametrik.
2. Perhitungan-perhitungannya dapat dilaksanakan dengan cepat dan mudah, sehingga hasil
penelitian segera dapat disampaikan.
3. Uji-uji pada statistik nonparametrik dapat diterapkan jika kita menghadapi keterbatasan
data yang tersedia, misalnya jika data telah diukur menggunakan skala pengukuran yang
lemah (nominal atau ordinal).
4. Efisiensi statistik nonparametrik lebih tinggi dibandingkan dengan metode parametrik
untuk jumlah sampel yang sedikit.
Disamping keunggulan, statistik nonparametrik juga memiliki keterbatasan. Beberapa
keterbatasan statistik nonparametrik antara lain:
1. Jika jumlah sampel besar, tingkat efisiensi nonparametrik relatif lebih rendah
dibandingkan dengan metode parametrik.
2. Statistik nonparametrik tidak dapat dipergunakan untuk membuat prediksi.

B. Pengujian Hipotesis Komparatif Non Parametrik

Dalam menguji hipotesis sangat diperlukan pemilihan alat uji yang tepat sesuai jenis
data dan tujuan pengujian. Tabel 1. berikut ini menjelaskan pemilihan alat uji hipotesis yang
sesuai untuk uji nonparametris.

Bentuk hipotesis
Macam Deskriptif Komparatif lebih dari dua Asosiatif
Komparatif dua sampel
Data (satu sampel (hubungan)
sampel) Berpasangan Independen Berpasangan Independen
Fisher Exact
Binomial
Probability Chi Square k Contongency
Nominal Mc Nemar Chochran Q
Chi Square Chi Square 2 sample coefecient C
1 sample sample
Mann
Sign Test Whitney U
Median Spearman Rank
Test
Friedman Two Extension
Ordinal Run Test Kolmogorof
Way Anova
Wilcoxon Smirnov
Kendal Tau
Matched pairs Wald- Kruskal-
Woldfowitz Walls One
 Way Anova
(Sumber: Sugiyono, 2009)

Pada makalah ini akan membahas mengenai uji hipotesis komparatif nonparametris.
Untuk menguji hipotesis dapat dilakukan dengan menggunakan beberapa uji yang
dikelompokkan berdasarkan jenis data dan sampelnya. Berikut adalah pembagian uji
hipotesis komparatif nonparametris.
1. Teknik Statistik Non-Parametrik untuk menguji hipotesis komparatif dua sampel
berpasangan bila datanya berbentuk nominal adalah Mc Nemar

2. Teknik Statistik Non-Parametrik untuk menguji hipotesis komparatif dua sampel

berpasangan bila Datanya berbentuk ordinal adalah Sign Test (Uji Tanda) dan Wilcoxon
Matched Pairs

3. Teknik Statistik Non-Parametrik untuk menguji hipotesis komparatif dua sampel

independen bila datanya berbentuk nominal adalah Fisher Exact Probability dan Chi
Square Two Samples

4. Teknik Statistik Non-Parametrik untuk menguji hipotesis komparatif dua sampel

independen bila datanya berbentuk ordinal adalah Median Test, Mann-Whitney,
Kolmogorov Smirnov, dan Wald-Wolfowitz

Mc Nemar
Uji McNemar mensyaratkan adanya skala pengukuran data nominal atau kategori
binary (seperti 1 untuk “tidak” dan 0 untuk “ya”). Biasanya digunakan untuk menguji
perbedaan antara pre dan post data kategorik. Uji McNemar disajikan dalam bentuk tabel
kontingensi 2x2 atau 2 baris dan 2 kolom. Sedangkan dalam SPSS input data tetap dalam
baris dan kolom.
Tes McNemar digunakan ketika ingin melihat signifikansi suatu berubahan dalam
penelitian yang dilakukan. Adapun syarat yang harus dipenuhi adalah:
1. Data nominal atau ordinal
2. Dapat digunakan untuk variabel dikotomi
3. Dua samper berhubungan dengan tipe “sebelum dan sesudah”
Adapun fungsi uji McNemar ini adalah:
1. Untuk melihat signifikansi perubahan
2. Untuk menguji hipotesis komparatif
Langkah yang harus dilakukan dalam melakukan pengujian dengan uji hipotesis Uji
McNemar:
 Tentukan tabel kontingensi yakni sebagai berikut
Pre (Sebelum Post (Sesudah Perlakuan)
Perlakuan) Positif ( + ) Negatif ( - ) Total
Positif ( + ) A B A+B
Negatif ( - ) C D C+D
Total A+C B+D N
 Hitung harga χ2 dengan rumus
2
(|𝐵 − 𝐶| − 1)2
χ =
𝐵+𝐶

 Bandingkan harga χ2 observasi dengan yang ada di tabel C (dua sisi). Jika p yang
ditunjuk tabel C untuk harga χ2 dengan db = 1, p ≤ α maka Ho ditolak.
Hipotesis:
Ho : Tidak ada perbedaan antara sebelum dan sesudah
H1 : Ada perbedaan antara sebelum dan sesudah
Contoh Kasus
Sebuah seminar membahas penting tidaknya pendidikan pre-school bagi anak batita. Untuk
mengetahui apakah seminar ini mengubah persepsi masyarakat terhadap pre-school, sebelum
seminar dilaksanakan dikumpulkan 20 responden yang diambil acak, dan kepada mereka
ditanyakan pendapatnya tentang pre-school. Sikap mereka dibagi dua, yaitu 1 untuk yang
positif terhadap pre-school dan 0 untuk sikap yang negatif.
Hasil yang diperoleh adalah
Sikap positif (1) ada 11 orang
Sikap negatif (0) ada 9 orang
Kemudian kepada mereka diberikan materi mengenai seminar secara intensif dan setelah
presentasi seminar, kembali ditanya sikap mereka apakah berubah ataukah tetap seperti
semula.

Sebelum Setelah seminar

seminar Positif ( + ) Negatif ( - ) Total
Positif ( + ) 9 2 11
Negatif ( - ) 5 4 9
Total 14 6 20
Keterangan :
 Pada baris dua (positif), dari 11 responden yang sebelumnya bersikap positif,
setelah menghadiri seminar, 9 diantaranya tetap bersikap positif terhadap pendidikan
pre-school, sedang 2 responden berubah sikap dari positif ke negatif.
 Pada baris tiga (negatif), dari 9 responden yang sebelumnya bersikap negatif
setelah menghadiri seminar, 4 diantaranya tetap bersikap negatif terhadap pendidikan
pre-school, sedang 5 responden berubah sikap dari negatif menjadi positif.
Ini adalah tabel kontingensi dari kasus di atas, dimana akan dilihat apakah seminar
dengan tema pendidikan pre-school berpengaruh terhadap perubahan sikap responden.
Untuk itu tabel diatas dirubah menjadi sebagai berikut:
Responden Sebelum Sesudah
1 1 1
2 1 1
3 1 1
4 1 1
5 1 1
 6 1 1
7 1 1
8 1 1
9 1 1
10 1 0
11 1 0
12 0 0
13 0 0
14 0 0
15 0 0
16 0 1
17 0 1
18 0 1
19 0 1
20 0 1

Keterangan:
 Ada 9 responden yang sebelum seminar bersikap positif dan sesudah seminar tetap
positif. Jadi, sebelum dan sesudah sikap tetap 1 (positif), responden nomor 1-9.
 Ada 2 responden yang sebelum seminar bersikap 1 (positif) dan sesudah seminar menjadi
0 (negatif), responden nomor 10-11.
 Ada 5 responden yang sebelum seminar bersikap 0 (negatif) dan sesudah seminar menjadi
1 (positif). Responden nomor 16-20.
 Ada 4 responden yang sebelum seminar bersikap 0 (negatif) dan sesudah seminar tetap 0
(negatif), responden nomor 10-15.

Penyelesaian
Hipotesis
Ho : Tidak ada perbedaan sikap sebelum mengikuti seminar dan setelah mengikuti seminar
tentang pentingnya pendidikan pre-school bagi batita.
H1 : Ada perbedaan sikap sebelum mengikuti seminar dan setelah mengikuti seminar tentang
pentingnya pendidikan pre-school bagi batita.

Penyelesaian secara manual

Sebelum Setelah seminar
seminar Positif ( + ) Negatif ( - ) Total
Positif ( + ) 9(A) 2(B) 11
Negatif ( - ) 5(C) 4(D) 9
Total 14 6 20

(|𝐵 − 𝐶| − 1)2
χ2 =
𝐵+𝐶
 2
(|2 − 5| − 1)2
χ =
(2 + 5)
2
χ = 0,57
Pengambilan keputusan
χ2 dengan db 1 dan α = 5% maka didapatkan χ2 tabel 3.84. Sehingga dapat diambil
kesimpulan bahwa χ2 hitung < χ2 tabel (0,57 < 3,84) maka Ho diterima maka keputusannya
“Tidak ada perbedaan perubahan sikap responden terhadap pentingnya pendidikan pre-school
pada batita”.

Penyelesaian dengan SPSS

1. Dari baris menu pilih menu analyze  Nonparametric Test
2. Lalu pilih sesuai dengan kasusnya yaitu Legacy Dialogs  2-Related Samples
3. Masukkan sebelum pada variable1 dan sesudah pada variable2
4. Pada test type pilih McNemar
5. Jika sudah tekan OK
Maka akan muncul hasilnya, sebagai berikut:

Sebelum & Sesudah

Sebelum Sesudah
,00 1,00
,00 4 5
1,00 2 9

Test Statisticsa
Sebelum &
Sesudah
N 20
Exact Sig. (2-tailed) ,453b
a. McNemar Test
b. Binomial distribution used.

Pengambilan Keputusan:
Jika probabilitas > 0,05 maka Ho diterima
Jika probabilitas < 0,05 maka Ho ditolak
Keputusan:
Pada Exact Sig. (2-tailed) signifiicance untuk uji dua sisi adalah 0,453. Disini terdapat
probabilitas diatas 0.05 (0,453 > 0.05), maka Ho diterima. Sehingga keputusannya
adalah “Tidak ada perbedaan perubahan sikap responden terhadap pentingnya
pendidikan pre-school pada batita”

Sign Test
Sign Test dipergunakan untuk menguji hipotesis komparatif dua sampel (bivariat)
berpasangan dengan skala pengukuran data berbentuk ordinal. Teknik ini biasa disebut uji
tanda (Sign Test) karena data yang akan dianalisis dinyatakan dalam bentuk tanda-tanda,
yaitu tanda positif dan negatif. Dalam hal ini, tidak sekedar menanyakan seberapa besar
pengaruhnya secara kuantitatif, tetapi juga pernyataan tentang mempunyai pengaruh positif
atau negatif. Bila dibandingkan dengan Mc. Nemar Test, maka terdapat persamaan antara
Mc. Nemar Test dengan Sign Test, yaitu sama-sama untuk menguji hipotesis komparatif
dengan dua sampel berpasangan dengan skala data kategori. Sedangkan perbedaan antara
keduanya adalah:
 Mc. Nemar Test : digunakan pada skala data kategori yaitu nominal, dimana
variabelnya hanya mempunyai 2 kategori.
 Sign Test : digunakan pada skala data kategori yaitu ordinal, dimana variabelnya
terdiri atas lebih dari 2 kategori.
Berikut merupakan contoh langkah-langkah dalam penggunaan Uji Sign Test. Suatu
penelitian akan dilakukan untuk mengetahui peran pembelajaran PBL terhadap pengetahuan
peserta didik. Dimana dalam penelitian ini, peneliti ingin mengetahui perbedaan tingkat
pengetahuan peserta didik yang dibedakan atas pengetahuan baik, cukup baik ,dan tidak baik
antara sebelum diberikan pembelajaran dengan sesudah diberikan pembelajaran. Berdasarkan
gambaran tersebut, maka perlu dilakukan langkah-langkah sebagai berikut:
a. Menentukan variabel yang dihubungkan.
Variabel dalam penelitian tersebut adalah: tingkat pengetahuan dan pembelajaran PBL.
b. Menentukan jenis hipotesanya.
Jenis hipotesanya adalah komparatif.
c. Menentukan skala datanya.
Skala pengukuran datanya adalah ordinal (kategorial).
d. Menentukan berpasangan atau tidak berpasangan.
Kelompok sampelnya adalah berpasangan.
e. Menentukan teknik uji statistik yang tepat berdasarkan kriteria tersebut di atas adalah
Sign Test.
Rumus yang digunakan:
[(𝑛1 + 𝑛2 ) − 1]2
𝜒2 =
𝑛1 + 𝑛2
Dimana: n1 = banyak data positif ; n2 = banyak data negatif
Interpretasi hasil untuk menerima dan menolak H0 adalah: Bila nilai 𝜒 2 (Chi Kuadrat)
hitung > 𝜒 2 (Chi Kuadrat) tabel, maka H0 ditolak atau hal ini berarti Ha diterima, sehingga
dapat disimpulkan bahwa ada hubungan antar variabel yang diuji. Dan sebaliknya, bila nilai
𝜒 2 (Chi Kuadrat) hitung < 𝜒 2 (Chi Kuadrat) tabel, maka H0 diterima atau hal ini berarti Ha
ditolak, sehingga dapat disimpulkan bahwa tidak ada hubungan antar variabel yang diuji.

Wilcoxon Matched Pairs

Uji ini digunakan untuk menguji membandingkan dua sampel berhubungan yang
berasal dari populasi yang tidak normal. Dengan kata lain, uji wilcoxon merupakan alternatif
dari uji-t untuk sampel yang berhubungan (related), yang dilakukan apabila syarat normalitas
data tidak terpenuhi. Uji ini digunakan untuk menguji kondisi (variabel) pada sampel yang
berpasangan atau dapat juga untuk penelitian sebelum dan sesudah. Dalam uji ini ingin
diketahui manakah yang lebih besar dari antar pasangan. Dalam uji Wilcoxon ini besarnya
selisih nilai angka antara positif dan negatif diperhitungkan. Jika sampel berpasangan lebih
besar dari 25, maka distribusinya dianggap akan mendekati distribusi normal.
Langkah-langkah uji Wilcoxon’s Matched-Pairs sebagai berikut.
1. Berikan jenjang (ranking) untuk tiap beda dari data pasangan pengamatan, dari yang
terkecil sampai terbesar tanpa memperhatikan tanda dari beda itu (nilai mutlak). Bila ada
dua atau lebih beda yang sama, maka diambil jenjang rata-rata.
2. Bubuhkan tanda positif atau negatif pada jenjang untuk tiap beda sesuai dengan tanda
dari beda itu. Beda 0 tidak diperhatikan.
3. Jumlahkan semua jenjang bertanda positif atau negatif. Jumlah jenjang yang lebih kecil
ini diambil sebagai nilai hitung T.
4. Bandingkan nilai T yang diperoleh dengan nilai t tabel uji Wilcoxon, jika hasil T lebih
besar daripada t tabel maka Ho diterima.

Contoh: Studi skizofrenia dan struktur subkortikal oleh Suddath, Christison, Torrey,
Casanova, dan Weinberger (1990). Awalnya digambarkan skizofrenia dengan ditandai oleh
kurangnya hubungan antara asosiasi dalam memori. Oleh karena itu, ditanyakan apakah
perbedaan dalam struktur hippocampal (terutama ukuran) bisa memainkan peran dalam
skizofren. Subyek studi adalah 15 orang penderita skizofrenia dan monozigot kembar
(identik) melalui MRI otak. Mereka mengukur volume hippocampus kiri masing-masing
otak. Hasil muncul dalam Tabel sebagai berikut.
Data volume Hippocampus kiri pada kembar skizofrenia dan nonskizofrenia (normal).
 Pasangan Normal Schizophrenic Perbedaan Peringkat Signed Rank
1 1.94 1.27 0.67 15 15
2 1.44 1.63 -0.18 9 -9
3 1.56 1.47 0.9 5 5
4 1.58 1.39 0.19 10 10
5 2.06 1.93 0.13 8 8
6 1.66 1.26 0.40 12 12
7 1.75 1.71 0.04 3 3
8 1.77 1.67 0.10 6 6
9 1.78 1.28 0.50 13 13
10 1.92 1.85 0.07 4 4
11 1.25 1.02 0.23 11 11
12 1.93 1.34 0.59 14 14
13 2.04 2.02 0.02 1 1
14 1.62 1.59 0.03 2 2
15 2.08 1.97 0.11 7 7
T+= ∑(𝑝𝑒𝑟𝑖𝑛𝑔𝑘𝑎𝑡 𝑝𝑜𝑠𝑖𝑡𝑖𝑓) = 111
T-= ∑(𝑝𝑒𝑟𝑖𝑛𝑔𝑘𝑎𝑡 𝑛𝑒𝑔𝑎𝑡𝑖𝑓) = −9

Dilakukan uji normalitas, diperoleh data yang tidak terdistribusi secara normal, sebagai
berikut.

Gambar . Distribusi dari perbedaan antara kembar shizophrenic dan normal(Howell, 2011)
 Jika schizophrenia berhubungan dengan rendah volume untuk hippocampus kiri, dapat
diketahui bahwa kebanyakan dari pasangan kembar menunjukkan rendahnya volume
hippocampus kiri untuk kembar schizophrenia daripada kembar normal. Disamping itu juga
dapat diketahui bahwa secara umum mempunyai perbedaan positif.
T+=∑(𝑝𝑒𝑟𝑖𝑛𝑔𝑘𝑎𝑡 𝑝𝑜𝑠𝑖𝑡𝑖𝑓) = 111, T-= ∑(𝑝𝑒𝑟𝑖𝑛𝑔𝑘𝑎𝑡 𝑛𝑒𝑔𝑎𝑡𝑖𝑓) = −9. Oleh karena nilai T
merupakan nilai absolut terkecil dari T+ dan T-, maka nilai T= 9. Pada gambar Tabel nilai
kritis T, diketahui bahwa uji one-tailed pada α=0.025 atau untuk two-tailed pada α=0.05
dengan n = 15 adalah 25[0.0240] dan 26[0.0277]. Hal ini menunjukkan bahwa jika ingin
menggunakan 0.025, maka H0 dapat ditolak untuk T ≤ 25 atau T≤26. Dalam hal ini kita
menggunakan two-tailed, maka ada dua kemungkinan yaitu pada 25[0.0240] dan 26[0.0277].
Hasil yang diperoleh nilai T = 9, karenaT ≤ 25 atau T ≤ 26, maka H0 ditolak.

Gambar . Tabel nilai kritis T

Contoh lain:
Seorang peneliti ingin mengetahui apakah terdapat perbedaan penguasaan konsep fisika siswa
sebelum dan sesudah belajar dengan multimedia interaktif. Data yang didapatkan adalah
sebagai berikut:
Siswa A B C D E F G H
Sebelum 30 60 70 60 60 85 65 70
Sesudah 90 75 55 80 90 60 90 60
 Dengan menggunakan α = 0,05
Dari keterangan di atas, dapat maka dapat disusun hipotesis uji,
Ho : tidak terdapat perbedaan penguasaan konsep fisika sebelum dan sesudah belajar dengan
multimedia interaktif.
Ha : terdapat perbedaan penguasaan konsep fisika sebelum dan sesudah belajar dengan
multimedia interaktif.
Tabel bantuan uji statistik
Siswa A B C D E F G H
Sebelum 30 60 70 60 60 85 65 70
Sesudah 90 75 55 80 90 60 90 60
Beda 60 15 -15 20 30 -25 25 -10
Ranking 8 2.5 -2.5 4 7 -5.5 5.5 -1

Bagian ranking itu didapatkan dari ranking dari nilai selisih. Pertama dari nilai selisih itu
dimutlakkan artinya semuanya dibuat postif. Kemudian diurutkan dari nilai paling kecil. Dari
nilai itu diurutkan ranking dari nilai terkecil. Ketika ada nilai yang sama, maka diambil nilai
ranking rata-rata. Kemudian nilai negatif itu diperoleh dari tanda yang ada pada kolom
selisih.
Langkah selanjutnya yaitu menjumlahkan nilai berdasarkan tanda.
Untuk tanda negatif : 2,5 +5,5 +1 = 9
Untuk tanda positif : 8 + 2,5 + 4 + 7 +5,5 = 27
Ambil nilai jumlah yang lebih kecil sebagai nilai T, atau T = 9.
Dengan n = 8 dan α = 0,05, maka nilai tabel wilcoxon T= 3.Karena diperoleh hasil bahwa
nilai uji statistik ≥ dari T tabel yaitu (9 ≥ 3). Sehingga berdasarkan kriteria pengujian
diperoleh hasil Ho diterima, sehingga disimpulkan bahwa tidak ada perbedaan penguasaan
konsep fisika sebelum dan sesudah belajar dengan multimedia interaktif.
Untuk data yang lebih besar dari 30, maka kita menggunakan statistik uji z. Caranya
yaitu mencari T. kemudian ada langkah tambahan untuk menentukan statistik uji z. Nantinya
akan digunakan untuk membandingkan dengan tabel z. Berikut rumus yang digunakan.
𝑛(𝑛+1)
𝑇− 4
𝑧=
𝑛(𝑛+1)(2𝑛+1)
√
24
Hasil z yang diperoleh kemudian dibandingkan dengan tabel distribusi Z. Apabila nilai
statistik uji z lebih kecil dari nilai tabel Z maka Ho diterima yang berarti tidak terdapat
perbedaan pada kedua kelompok.

Chi Square Two Samples

Chi Kuadrat digunakan untuk menguji hipotesis komparatif dua kelompok
data/sampel independen bila datanya berskala nominal. Sebagai contoh untuk
mengidentifikasi penggunaan uji chi kuadrat (χ2) dalam pengujian hipotesis adalah sebagai
berikut (Aditya, 2010).
Misalnya akan dilakukan suatu penelitian untuk mengetahui pengaruh perilaku
merokok (merokok dan tidak merokok) dengan status fertilitas seorang pria (infertil dan
fertil). Dan pertanyaan penelitian tersebut adalah “adakah pengaruh perilaku merokok
terhadap status fertilitas seorang pria ?” Langkah-langkah yang harus dilakukan untuk
menentukan uji hipotesis yang tepat adalah:
a. Menentukan variabel-variabel yang dihubungkan.
Variabel-variabel yang dihubungkan dalam contoh penelitian adalah status fertilitas
(infertil dan fertil) dengan perilaku merokok (merokok dan tidak merokok)
b. Menentukan jenis hipotesa.
Jenis hipotesa dari contoh di atas adalah komparatif.
c. Menentukan skala pengukuran data
Skala pengukuran data pada variabel adalah kategorik, yaitu status fertilitas = nominal ;
perilaku merokok = nominal
d. Menentukan kelompok berpasangan atau tidak berpasangan
Berdasarkan rumusan masalah tersebut, maka terdapat 2 kelompok sampel yang berbeda
yaitu pria perokok dan bukan perokok yang berarti tidak berpasangan.
e. Menentukan teknik uji statistik yang tepat.
Berdasarkan kriteria tersebut di atas adalah uji chi kuadrat (χ2).
Tabel Kontingen
Frekuensi Pada:
Sampel Jumlah Sampel
Obyek I Obyek II
Sampel A a b a+b
Sampel B c d c+d
 Jumlah a+b b+d n
Rumus yang digunakan menguji hipotesis adalah:
1 2
𝑛 (|𝑎𝑑 − 𝑏𝑐| − 2 𝑛)
𝜒2 =
(𝑎 + 𝑏)(𝑎 + 𝑐)(𝑏 + 𝑑)(𝑐 + 𝑑)

Interpretasi hasil untuk menerima atau menolak H0 adalah:

Bila nilai χ2 (chi kuadrat) hitung > χ2 (chi kuadrat) tabel, maka H0 ditolak atau hal ini berarti
Ha diterima, sehingga dapat disimpulkan bahwa ada hubungan antar variabel yang diuji. Dan
sebaliknya, bila nilai χ2 (chi kuadrat) hitung < χ2 (chi kuadrat) tabel, maka H0 diterima atau
hal ini berarti Ha ditolak, sehingga dapat disimpulkan bahwa tidak ada hubungan antar
variabel yang diuji.

FRIEDMAN’S RANK TEST

Uji Friedman dilakukan untuk mengetahui perbedaan lebih dari dua kelompok sampel
yang saling berhubungan. Data yang dianalisis adalah data ordinal, sehingga jika data
berbentuk interval atau ratio sebaiknya dirubah dulu ke bentuk ordinal. Uji Friedman
merupakan alternative dari ANOVA satu jalur. Uji ini dilakukan jika asumsi-asumsi dalam
statistik parametris tidak terpenuhi, atau juga karena sampel yang terlalu sedikit.
Langkah-langkah uji Friedman:
1. Berikan jenjang (ranking) data-data pengamatan dari masing-masing kelompok sampel
dari kecil ke besar, jika ada data yang sama, maka diberikan ranking yang sama.
2. Hitung jumlah rank untuk masing-masing kelompok sampel
3. Hitung statistik uji dengan rumus:
12
𝑋𝐹2 = ∑ 𝑅𝑖2 − 3𝑁(𝑘 + 1)
𝑁𝑘(𝑘 + 1)
Keterangan:
Ri = jumlah rank untuk setiap kelompok
N = banyaknya subjek yang diteliti
k = banyaknya kelas
4. Nilai statistik uji 𝑋𝐹2 yang diperoleh kemudian dibandingkan tabel chisquare(𝑥 2 ) dengan
derajat bebas df = k - 1.
Contoh:
Seorang peneliti ingin mengetahui apakah terdapat perbedaan signifikansi hasil belajar fisika
siswa dalam suatu kelas ketika diberi perlakuan model pembelajaran yang berbeda-beda,
pada siklus pertama, diberi model pembelajaran X, siklus kedua diberi model pembelajaran
Y, dan siklus ketiga diberi model pembelajaran Z. Setiap akhir siklus diadakan tes, dan
nilainya disajikan di bawah ini.
Perlakuan
Siswa
X Y Z
A 60 70 80
B 70 60 80
C 80 70 70
D 60 80 90
E 70 90 80
F 90 80 80
G 70 70 70
H 80 70 80
Dengan α = 0,05
Dari keterangan di atas, dapat maka dapat disusun hipotesis uji,
Ho : tidak terdapat perbedaan yang signifikan pada hasil belajar fisika di ketiga model
pembelajaran.
Ha : terdapat perbedaan yang signifikan pada hasil belajar fisika di ketiga model
pembelajaran.

Sebelum menghitung statistik uji, langkah yang pertama yaitu membuat ranking dari masing-
masing kelompok data tersebut dari kecil ke besar, jika ada data yang sama, maka diberikan
ranking yang sama. Selanjutnya mencari jumlah ranking masing-masing kelompok, seperti
berikut:
Ranking
Siswa
X Y Z
A 1 2 2
B 2 1 2
C 3 2 1
D 1 3 3
 E 2 4 2
F 4 3 2
G 2 2 1
H 3 2 2
Jumlah 18 19 15

Dari hasil tersebut bisa dihitung statistik ujinya, sebagai berikut:

12
𝑋𝐹2 = ∑ 𝑅𝑖2 − 3.8(3 + 1)
8. 3(3 + 1)
12
𝑋𝐹2 = (182 + 192 + 152 ) − 96 = 17.75
96
Nilai tabel chisquare (𝑥 2 ) dengan df = 2 pada α = 0,05 adalah 5,991. Karena nilai H hitung
lebih besar dari nilai tabel chisquare (𝑥 2 ), maka Ho ditolak, Ha diterima, artinya terdapat
perbedaan yang signifikan pada hasil belajar fisika di ketiga model pembelajaran.

Median Test
Uji median adalah metode nonparametrik yang paling sederhana. Uji median ini
adalah merupakan prosedur pengujian apakah dua atau lebih populasi dari mana sampel
independen diambil mempunyai median yang sama. Untuk menyederhanakannya hanya akan
dibatasi pada dua sampel saja (sebenarnya prosedur ini dapat dengan mudah diperluas untuk
tiga sampel atau lebih). Uji nonparametrik ini dipergunakan untuk menentukan signifikansi
perbedaan antara median dari dua populasi yang independen. Hipotesa nihil yang akan diuji
menyatakan bahwa populasi dari mana dua sampel itu diambil mempunyai median yang
sama. Hipotesa alternatifnya menyatakan bahwa dua populasi itu mempunyai median yang
berbeda.

Untuk keperluan uji median ini perlu ditentukan/dihitung lebih dahulu median dari
kombinasi distribusi sampelnya (overall median). Kemudian untuk setiap grup dihitung
frekuensi nilai yang terletak pada/diatas overall median dan yang terletak dibawah overall
median. Bila n1 dan n2 adalah jumlah pengamatan dalam dua sample, dapatlah dipergunakan
tabel 2 x 2 sebagai berikut:

Jumlah Score Grup I Grup I Total

Data > median A B A+B
Data ≤ median C D C+D
Total A + C = n1 B + D = n2 N = n1 + n2
 Apabila hipotesa nihil benar, berarti dua populasi dari mana sampel diambil
mempunyai median yang sama, dapat diharapkan bahwa setengah dari score masing-masing
sampel akan terletak diatas dan setengahnya akan jatuh dibawah median. Dengan perkataan
lain dapat diterapkan bahwa a = c = 0,5 n1 dan b = d = 0,5 n2. Kemudian bila N = n1 + n2
lebih besar frekuensi yang diharapkan dalam salah satu sel sekurang-kurangnya 5, dapatlah
dipergunakan uji χ2 dengan uji statistik yang dinyatakan dengan rumus sebagai berikut:
𝑁
𝑁[(𝐴𝐷 − 𝐵𝐶) − 2 ]2
𝜒2 =
(𝐴 + 𝐵)(𝐶 + 𝐷)(𝐴 + 𝐶)(𝐵 + 𝐷)

Yang mempunyai derajat bebas 1.

Kriteria keputusan pengujinya adalah:

H0 diterima apabila χ2 ≤ χ2𝑑𝑏;𝛼

H0 ditolak apabila χ2 >χ2𝑑𝑏;𝛼

Contoh kasus

Dilakukan penelitian untuk mengetahui apakah nilai siswa fisika X1 dan X2 berbeda
berdasarkan mediannya.Dari hasil wawancara terhadap 10 siswa X1 dan 9 siswa X2 diperoleh
hasil sebagai berikut:

No Siswa X1 Siswa X2
1. 50 45
2. 60 50
3. 70 55
4. 70 60
5. 75 65
6. 80 65
7. 90 70
8. 95 80
9. 95 100
10. 100

Hipotesis:
 Ho : tidak ada perbedaan nilai fisika siswa pada kedua kelas
 Ha : ada perbedaan nilai fisika siswa pada kedua kelas
Dari data tersebut jika diurutkan maka akan terlihat jika nilai median data tersebut adalah 70,
sehingga kita ketahui bahwa nilai A = 6, B = 2, C = 4 dan D = 7.
Jumlah Score Grup I Grup I Total
Data > median A=6 B=2 8
Data ≤ median C=4 D=7 11
Total 10 9 19
 Menentukan harga Chi Square:
𝑁
𝑁[(𝐴𝐷 − 𝐵𝐶) − 2 ]2
𝜒2 =
(𝐴 + 𝐵)(𝐶 + 𝐷)(𝐴 + 𝐶)(𝐵 + 𝐷)
11404,75
𝜒2 = = 1,43
7920
Dari harga tabel, untuk dk = 1 pada taraf nyata 5% diperoleh 𝜒 2 𝑡𝑎𝑏𝑒𝑙 = 3,841.
Dengan demikian 𝜒 2 ℎ𝑖𝑡𝑢𝑛𝑔 < 𝜒 2 𝑡𝑎𝑏𝑒𝑙 sehingga diterima Ho, berarti tidak ada perbedaan yang
bermakna dari nilai fisika kedua kelas.

Langkah analisis spss:

 Untuk menjalankan prosedur ini adalah dari menu kemudian pilih Analyze –
Nonparametric Test – 2 independent samples
 Klik variabel X1 dan X2, kemudian masukkan dalam Test Variable List
 Pada kolom test type pilihlah median

Dengan kriteria pengambilan keputusan terima Ho jika nilai p > 0,05 (Kristianto,
2012).

Hasil analisis SPSS:

Frequencies
Kode
1,00 2,00
> Median 6 2
Nilai
<= Median 4 7

Test Statisticsa
Nilai
N 19
Median 70,0000
Exact Sig. ,170
a. Grouping Variable:
Kode

Pada Exact Sig. (2-tailed) signifiicance untuk uji dua sisi adalah 0,170. Disini terdapat
probabilitas diatas 0.05 (0,170 > 0.05), maka Ho diterima. Sehingga keputusannya
adalah “Tidak ada perbedaan nilai fisika kedua kelas”

Mann-Whitney U
Uji Mann-Whitney digunakan untuk mengetahui apakah terdapat perbedaan respon
dari 2 populasi data yang saling independen. Tes ini termasuk dalam uji nonparametrik. Tes
ini merupakan tes paling kuat diantara tes-tes nonparametrik. Tes ini merupakan alternatif
lain dari uji t parametrik ketika data yang diambil dalam penelitiannya lebih lemah dari skala
interval.
Dalam pengujian hipotesis nol yang menyatakan bahwa tidak ada perbedaan yang
sesungguhnya antara kedua kelompok data dan dimana data tersebut diambil dari sampel
yang tidak saling terkait, kita dapat melakukan pengujian Mann-Whitney. Pengujian ini
disebut juga pengujian U, karena untuk menguji hipotesis nol, kasus dihitung angka statistik
yang disebut U. Prosedur yang dilakukan untuk uji Mann-Whitney, yaitu: (1) menyatakan
hipotesis dan taraf nyata α; (2) menyusun peringkat data tanpa memperhatikan kategori
sampel; (3) menjumlahkan peringkat menurut tiap kategori sampel dan menghitung statistik
U, dengan rumus U = n1n2 + [n1(n1+1)/2] – R1, atau U = n1n2 + [n2(n2+1)/2] – R2; dan (4)
penarikan kesimpulan statistik mengenai hipotesis nol.
Salah satu uji distribusi bebas adalah uji Mann-Whitney untuk dua sampel bebas. Uji
ini merupakan analogi dari uji t untuk dua sampel bebas.Uji Mann-Whitney merupakan salah
satu jenis pengujian yang disebut dengan Rank-Sum test.
Contoh Kasus:
Dilakukan penelitian terhadap nilai fisika pada 12 siswa dari kelas A dan 15 siswa dari kelas
B. Berikut merupakan datanya:
No Nilai Kelas
1. 79 B
2. 80 B
3. 80 B
4. 82 A
5. 82 B
6. 84 A
7. 85 A
8. 85 B
9. 85 B
10. 86 A
11. 86 A
12. 88 B
13. 89 A
14. 89 A
15. 90 A
16. 91 A

Kemudian kita kelompokkan data tersebut berdasarkan kelas:

Kelas A Kelas B
Skor Rank Skor Rank
1. 90 15 1. 79 1
2. 89 13,5 2. 82 4,5
3. 82 4,5 3. 85 8
4. 89 13,5 4. 88 12
5. 91 16 5. 85 8
 6. 86 10,5 6. 80 2,5
7. 85 8 7. 80 2,5
8. 86 10,5
9. 84 6
R1 97,5 R2 38,5
Adakah perbedaan nilai fisika kedua kelas?
Penentuan rank (peringkat) sama dengan penentuan rank (peringkat) pada uji wilcoxon, yaitu
dengan membagi rata nilai yang sama setelah datanya diurutkan.
Kemudian masukan ke dalam rumus:
U = n1n2 + [n1(n1+1)/2] – R1, atau U = n1n2 + [n2(n2+1)/2] – R2
U1 = 52,5
U2 = 10,5
Untuk nilai U1 yang tidak sama dengan U2 maka ambil nilai U yang terkecil lalu bandingkan
dengan U tabel (Setiawan, 2014).
Lihat pada tabel dengan n1=9 dan n2=7 atau seballiknyasama saja), akan
menemukan nilai U tabel sebesar 12.
Nilai Uhitung < Utabel yakni 10,5 < 12 Ho ditolak (Ada perbedaan nilai fisika kelas A dan
nilai kelas B)
Langkah analisis spss:
 Klik Analyze  Nonpar ametric  2 Sample Independent
 Masukan nilai ‘Nilai’ kedalam variable List
 Masukkan variabel ‘kelas’ ke dalam kolom Grouping
 Klik Define group, isi angka 1 dan angka 2 pada kelas yang berbeda. Klik OK
 Pada test type pilih Mann-Whitney U
Hipotesis :
H0 : Tidak ada perbedaan nilai ujian fisika antara laki-laki dan perempuan
H1 : Terdapat perbedaan nilai ujian fisika antara laki-laki dan perempuan
Kriteria uji : tolak H0 jika nilai asymp. Sig. (2-tailed) <0,05.
Hasil analisis SPSS Mann-Whitney U

Ranks
Kelas N Mean Rank Sum of Ranks
1,00 9 10,83 97,50
Nilai 2,00 7 5,50 38,50
Total 16

Test Statisticsa
Nilai
Mann-Whitney U 10,500
Wilcoxon W 38,500
Z -2,236
Asymp. Sig. (2-tailed) ,025
Exact Sig. [2*(1-tailed Sig.)] ,023b
a. Grouping Variable: Kelas
b. Not corrected for ties.
Karena nilai asymp. Sig. (2-tailed) < 0,05 maka tolak Ho.
Kolmogorov Smirnov (KS)
Uji kolmogorov smirnov digunakan untuk menguji hipotesis pada 2 kelompok sampel
dengan data ordinal. Uji KS atau uji goodness of fit (kesesuaian) antara frekuensi yang hasil
pengamatan dengan frekuensi yang diharapkan yang tidak memerlukan anggapan tertentu
tentang distribusi populasi dari suatu sampel dengan rumus:
𝐷𝑚𝑎𝑘𝑠 = [𝑆𝑛1 (𝑥) − 𝑆𝑛2 (𝑥)]𝑚𝑎𝑘𝑠
𝑛1 + 𝑛2
𝐷𝑇𝑎𝑏𝑒𝑙 = 1,63√
𝑛1 𝑛2
Dengan kriteria tolak Ho jika Dmax > Dtabel

Contoh Kasus:
Seorang peneliti ingin mengetahui apakah ada perbedaan motivasi siswa di suatu daerah
terpencil jika dilihat dari tingkat pendidikan orang tuanya. Wawancara dilakukan kepada 60
siswa sebagai sampel dengan 30 siswa dengan orang tua dengan pendidikan maksimal SLTA
dan 30 siswa dengan orang tua dengan pendidikan maksimal S1. Infromasi motivasi diambil
dari angket dengan skor 0 dan 1, dengan jumlah pertanyaan sebanyak 50 butir (semua
pertanyaan adalah pertanyaan positif). Adakah perbedaan motivasi siswa antar kelompok
tersebut.
Misalkan dari data yang diperoleh dan kita olah diperoleh data berikut.
Skor Frekuensi Sn1(x) Sn2(x) D
PT SLTA PT S1
0-5 3 1 3/30 1/30 2/30
5-10 3 2 6/30 3/30 3/30
10-15 4 2 10/30 5/30 5/30
15-20 5 1 15/30 6/30 9/30
20-25 4 1 19/30 7/30 9/30
25-30 3 2 22/30 9/30 13/30
30-35 3 4 25/30 13/30 12/30
35-40 2 4 27/30 17/30 11/30
40-45 2 5 29/30 22/30 7/30
45-50 1 8 30/30 30/30 0
Jumlah 30 30

 Diperoleh Dmaks = 13/30 = 0,4333

 Dari Dhitung diperoleh
𝑛1 + 𝑛2
𝐷𝑇𝑎𝑏𝑒𝑙 = 1,63√
𝑛1 𝑛2

30 + 30
𝐷𝑇𝑎𝑏𝑒𝑙 = 1,63√ = 0,417
30 30
  Karena Dmax > Dtabel maka Ho ditolak, artinya ada perbedaan motivasi antara siswa
dengan orang tua lulusan maksimal SMA dan S1.
Langkah uji spss:
 Pilih Analyze Nonparametric Tests 2-Independent Samples.
 Centang pada bagian Kolmogorov Smirnov)
 Test Variable list atau variable yang akan diuji. Karena disini yang akan diuji
Skor, maka klik variable skor lalu pindahkan ke Test Variable List.
 Grouping Variable dengan menggantikan 1 dan 2 untuk kelompok yang berbeda
 Untuk Test Type atau tipe uji, karena dalam kasus akan diuji KS, maka klik
pilihan Kolmogorov-Smirnov.
 Klik OK untuk mengakhiri pengisian prosedur analisis.
 Lihat nilai p (p value pada baris asymp sig 2 tailed) : jika p value < 0,05 Ho
ditolak (ada perbedaan…) dan sebaliknya
Hasil analisis SPSS:

Frequencies

Nilai N

1,00 30

Skor 2,00 30

Total 60

Test Statisticsa

Skor

Absolute ,467

Most Extreme Differences Positive ,467

Negative ,000
Kolmogorov-Smirnov Z 1,807
Asymp. Sig. (2-tailed) ,003

a. Grouping Variable: Nilai

Karena nilai Asymp. Sig. (2-tailed) < 0,05 maka Ho ditolak, artinya ada perbedaan motivasi
antar kedua kelompok siswa.
Wald-Wolfowitz
Tes ini digunakan untuk menguji signifikansi hipotesis komparatif dua sampel
independen bila datanya berbentuk ordinal dalam bentuk run. Oleh karena itu.
sebelum data dua sampel (n1 + n2) dianalisis maka perlu terlebih dahulu ke dalam
bentuk rangking baru kemudian dalam benruk run.
Bila sampel berasal dari populasi yang sama/tidak berbeda (Ho benar). maka
A dan B tidak akan mengelompok. tetapi akan berbaur makin kecil run maka Ho
semakin ditolak. Rumus yang digunakan untuk pengujian sebagai berikut.
  n1  1 n2  1
r  r 
r'
p(r  r ' ) 
1
 2     
 1n  n2  r 2
1 1
   2  2 
 n1 
Bila r ganjil maka rumusnya
1 r'
 n1  1 n2  1  n1  1 n2  1
p(r  r ' )        dimana r = 2k -1
 n1  n2  r 2  k  1  k  2   k  2  k  1 
 
 n1 
Contoh.
Dilakukan penelitian untuk mengetahui adakah perbedaan disiplin kerja antara
pegawai golongan III dan IV. yang didasarkan atas keterlambatan masuk dan pulang
kantor. Berdasarkan sampel yang dipilih secara random terhadap 10 pegawai
golongan III dan 10 pegawai golongan IV. diperoleh jam keterlambatan masuk kantor
sebagai berikut.
Keterlambatan Masuk Kantor Antara Pegawai Golongan III dan IV (dalam menit)
No. Pegawai Golongan III Pegawai Golongan IV
1 12 17
2 12 13
3 5 6
4 9 4
5 15 7
6 16 12
7 7 13
8 14 18
9 13 14
10 16 9
Berdasarkan hal tersebut maka
a. Judul Penelitian
Perbedaan disiplin kerja antara pegawai golongan III dan IV.
b. Variabel Penelitian
 Variabel independen : Tingkat golongan gaji (golongan III dan golongan IV)
 Variabel dependen : Disiplin kerja
c. Rumusan Masalah
Adakah perbedaan disiplin kerja pegawai golongan III dan IV?
d. Sampel
Terdiri dua kelompok sampel yaitu golongan III sebanyak 11 orang dan golongan
IV sebanyak 11 orang.
e. Hipotesis
 Ho : tidak terdapat perbedaan disiplin kerja yang signifikan antara pegawai
golongan III dan IV
Ha : terdapat perbedaan disiplin kerja yang signifikan antara pegawai golongan
III dan IV
f. Kriteria Pengujian Hipotesis
Ho diterima bila run hitung lebih besar dari run tabel.
g. Penyajian Data
Untuk menghitung jumlah run. sehingga dapat digunakan untuk pengujian. maka
dua kelompok data tersebut disusun secara beruntun yaitu dari kecil ke besar ada
10.
4 5 6 7 7 9 9 12 12 12

B A B B A A B B A A

13 13 13 14 14 15 16 16 17 18
A B B A A A A A B B
h. Perhitungan untuk pengujian hipotesis
Dari tabel terlihat n1 = 10 dan n2 = 10. maka harga run kritisnya = 6 untuk
kesalahan 5%. Dari hal tersebut. terntata run hitung lebih besar dari run tabel (10
> 6).
Karena run hitung lebih besar run tabel maka Ho diterima dan Ha ditolak.
i. Kesimpulan
Tidak terdapat perbedaan disiplin antara pegawai golongan III (kelompok A) dan
golongan IV (Kelompok B).
j. Saran
Kedua sampel perlu pembinaan disiplin yang sama.
Untuk ts run ini. kriteria pengujian adalah run hitung lebih kecil atau sama dengan
run dari tabel untuk taraf kesalahan tertentu. maka Ho ditolak ( rn  rtab, Ho

ditolak). Untuk sampel yang lebih besar dapat digunakan rumus z seperti berikut.
 2n n 
r   1 2  1  0,5
z
r  r
  n1  n2 
r 2n1n2 (2n1n2  n1  n2 )
n1  n2 2 n1  n2  1
SPSS
a. Hipotesis
 Ho : tidak terdapat perbedaan disiplin kerja yang signifikan antara pegawai
golongan III dan IV
Ha : terdapat perbedaan disiplin kerja yang signifikan antara pegawai golongan
III dan IV
b. Dasar Pengambilan Keputusan

Asymp sign  taraf nyata  tolak Ho
2

Asymp sign > taraf nyata  terima Ho
2
Langkah-langkah:
 Klik Analyze klik Non Parametrc Samples sehinngaa akan tampil kotak dialog Two
Independent Samples Test
 Pindahkan variabel Keterlambatan Masuk Kerja ke dalam Test Variable List
 Pindahkan variabel Golongan ke dalam Grouping Variable
 Klik tombol Define Group,kemudian masukkan nilai 1 pada Group 1 dan nilai 2 pada
Group 2.
 Pada kotak Test Type klik Kolmogorov Smirnov Z.
 Klik OK.

Output sebagai berikut.

Wald-Wolfowitz Test
Frequencies

GRUP N

GOLONGAN Golongan III 10

Golongan IV 10

Total 20

Test Statisticsb,c

Exact Sig. (1-

Number of Runs Z tailed)

GOLONGAN Minimum Possible 9a -.689 .242

Maximum Possible 17a 2.987 .999

a. There are 5 inter-group ties involving 12 cases.

b. Wald-Wolfowitz Test
 Frequencies

GRUP N

GOLONGAN Golongan III 10

Golongan IV 10

c. Grouping Variable: GRUP

Dari Tabel Test Statistics diperoleh informasi
 Exact Sig. (1-tailed) = 0.242
Karena Exact Sig. (1-tailed > 0.025 maka Ho diterima artinya Tidak terdapat perbedaan
disiplin antara pegawai golongan III (kelompok A) dan golongan IV (Kelompok B).

UJI Q-COCHRAN

Uji Q Cochran pada suatu penelitian hanya dinyatakan dengan salah satu dari dua
nilai, secara sembarang dapat dinyatakan dengan nilai 1 sebagai "sukses" dan nilai 0
sebagai "gagal". Reaksi yang lain dapat berupa nilai 1 sebagai "ya" ataupun nilai 0
sebagai "tidak". Contoh: jika anda menanyakan kepada 10 orang untuk diminta
memilih dari tiga wanita, siapa yang ingin mereka pacari; apakah pamella anderson,
paris hilton, atau megan fox. Jika orang pertama memilih paris hilton karena dia
kaya, maka anda akan memberikan nilai 1 untuk paris hilton dan nilai 0 untuk
pamella ataupun megan fox, dan seterusnya pada orang yang lain. contoh
penggunaannya pada SPSS dapat dilihat di bawah: Uji yang dikenal sebagai Q
cochran test ini meliputi langkah-langkah sebagai berikut:

1. Menetapkan asumsi-asumsi

 Data untuk analisis terdiri atas reaksi-reaksi dari r buah blok terhadap c buah
perlakuan yang diterapkan secara independen

 Reaksi-reaksi itu dinyatakan dengan 1 untuk “sukses” atau 0 untuk “gagal”. Hasil-
hasil pengamatan ini bisa diperagakan dalam sebuah tabel kotingensi seperti Tabel 4
dengan Xij yang menyatakan 0 atau 1.

Tabel Kontingensi untuk data pada uji Q Cochran

  Blok-blok yang ditampilkan merupakan blok-blok yang dipilih secara acak dari
suatu populasi yang terdiri atas semua blok yang mungkin.

2. Menentukan hipotesis-hipotesis
H0 : Semua perlakuan yang diuji mempunyai proporsi jawaban yang sama.
H1 : Tidak semua perlakuan mempunyai proporsi jawaban yang sama.
3. Menentukan Taraf Nyata (α) 4. Menghitung dengan rumus statistik uji Berdasarkan
Tabel 4, maka statistik uji untuk Uji Q Cochran adalah

Uji Q Cochran memperlihatkan bahwa dengan meningkatnya r maka distribusi Q

mendekati distribusi Khi-kuadrat dengan derajat bebas c – 1, maka nilai kritis untuk
Uji Q Cochran dapat diperoleh dengan menggunakan Tabel nilai-nilai Khi Kuadrat
untuk derajat bebas c – 1 ( χ2 tabel = χ2 1-α;c-1). Tolak H0 , jika Q lebih besar dari
atau sama dengan χ2 1-α;c-1.
 DAFTAR RUJUKAN

Howel, D.C. 2011. Fundamental Statistics for the Behavioral Sciences. Wadsworth: Cengage
Learning.

Setiawan, N. 2014. Contoh Perhitugnan Manual Uji Mann Whitney. Diakses melalui:
statikceria.blogspot.co.id.

Sugiyono. 2009. Statistik Non Parametris Untuk Penelitian. Bandung: Alfabeta.