Kelompok 3
0
STATISTIK NON PARAMETRIK DUA SAMPEL
Istilah nonparametrik pertama kali digunakan oleh Wolfowiz, pada tahun 1942. Metode
statistik nonparametrik merupakan metode statistik yang dapat digunakan dengan
mengabaikan asumsi-asumsi yang melandasi penggunaan metode statistik parametrik,
terutama untuk mengenalisis data yang distribusinya tidak dapat diasumsikan normal.
Statistik nonparametrik merupakan bagian statistik yang parameter populasinya atau datanya
tidak mengikuti suatu distribusi tertentu atau memiliki distribusi yang bebas dari persyaratan
dan variansnya tidak perlu homogen. Dengan kata lain, uji non parametrik tidak memerlukan
asumsi-asumsi mengenai sebaran data populasi. Selain itu, data yang dibutuhkan pada
umumnya berskala ukur nominal atau ordinal.
1
Berikut adalah gambar tabel uji statistik nonparametrik:
Gambar 1
1. Mc Nemer
Teknik statistik ini digunakan untuk menguji hipotesi komporatif dua sampel yang
berkorelasi bila datanya berbentuk nominal/diskrit.
Rumus
A D 12
X
2
dengan dk 1
A D
Suatu perusahaan ingin mengetahui pengaruh sponsor yang diberikan dalam suatu
pertandingan olahraga terhadap nilai penjualan barangnya.dalam penelitian ini digunakan
sampel yang diambil secara random yang jumlah anggotanya 200, sebelum sponsor diberikan
terdapat 50 orang yang membeli barang tersebut dan 150 orang yang tidak membeli, setelah
sponsor diberikan pada pertandingan olahraga. Ternyata dari 200 orang tersebut terdapat 125
orang membeli dan 75 orang tidak membeli.dari 125 orang tersebut terdiri atas pembeli tetap
40 orang, dan yang berubah dari dari tidak membeli menjadi membeli ada 85 orang.
Selanjutnya dari 75 orang yang tidak membeli itu atas yang berubah dari membeli menjadi
tidak membeli berjumlah 10 orang.dan yang tetap membeli ada 65 orang) untuk mudahnya
data disusun dalam tabel 3.1
Berdasarkan hal tersebut
a. Judul penelitian dapat dirumuskan sebagai berikut :
Pengaruh sponsor pada nilai penjualan barang atau perbedaan penjualan sebelum dan
sesudah ada sponsor
b. Dalam penelitian ini variabel independenya adalah pemberian sponsor dan variabel
dependenya adalah peningkatan penjualan barang
c. Rumusan masalah penelitian
Adakah pengaruh positif dan signifikan sponsor terhadap penjualan barang atau
adakah perbedaan penjualan barang sebelum atau sesudah ada sponsor
2
d. Jumlah anggota sampel sebelum dan sesudah diberi sponsor tetap = 200 orang (jadi
dua kelompok sampel berpasangan ).
e. Desain penelitian ditunjukan dalam gambar 3.4 berikut :
Catatan : Untuk mencari pengaruh adanya sponsor terhadap nilai penjualan dapat
dilakukan dengan membandingkan/mengkomparasikan nilai perubahan
sesudah dan sebelum ada sponsor.
k. Pengujian hipotesis
Untuk memudahkan perhitungan,maka harga dalam tabel 3.1 disusun kembali
menjadi 3.2. tabel ABCD
3
Tabel 3.2 PERUBAHAN KONSUMEN SETELAH ADA SPONSOR
Jadi : X
2
A D 95
𝑥 2 = 57,642
Jadi harga 𝑥 2 hitung = 57,642
2. Fisher Exact
Fisher test merupakan uji yang dilakukan untuk menguji signifikansi hipotesis komparatif
dua sampel independen, apabila datanya berjenis nominal dengan sampelnya kecil. Skala
ukur nominal atau ordinal data disusun dalam tabel kontingensi 2x2 dengan ukuran sampel n
≤ 20.
Prosedur fisher exact probability test :
1. Membuat hipotesis dalam uraian kalimat
𝐻0 : tidak ada perbedaan kategori pertama dengan kategori kedua
𝐻1 : ada perbedaan kategori pertama dengan kategori kedua
2. Menentukan risiko kesalahan 𝛼
3. Kaidah pengujian
Jika 𝑝 ≤ 𝛼 , maka terima 𝐻0
Jika 𝑝 > 𝛼 , maka tolak 𝐻0
4. Menghitung nilai p
Tahapan membuat nilai p sebagai berikut :
a) Membuat tabel penolong
Frekuensi
Sampel Jumlah sampel
Kategori I Kategori II
Sampel A a b a+c
Sampel B c d c+d
Jumlah a+c b+d n
b) Menghitung nilai p
Rumus :
4
(𝑎+𝑏)!(𝑐+𝑑)!(𝑎+𝑐)!(𝑏+𝑑)!
𝑝= 𝑛!𝑎!𝑏!𝑐!𝑑!
Lulus 5 1 6
Tidak 2 7 9
Total 7 8 15
Didefinisikan P1 adalah proporsi siswa yang lulus yang ikut les privat dan P2 adalah proposri
siswa yang lulus yang tidak ikut les privat.
𝐻0 : P1=P2 (proporsi siswa yang lulus yang ikut les privat tidak lebih banyak dari proporsi
yang tidak ikut les).
𝐻1 : P1 > P2 (proporsi siswa yang lulus les privat lebih banyak dari proporsi siswa yang ikut
les privat).
Peluang pemunculan data:
(𝑎+𝑏)!(𝑐+𝑑)!(𝑎+𝑐)!(𝑏+𝑑)! 6!9!7!8!
𝑝= = 5!2!1!7!15! = 0,0336
𝑛!𝑎!𝑏!𝑐!𝑑!
Lulus 6 0 6
Tidak 1 8 9
Total 7 8 15
5
Jadi, besarnya probabilitas adalah sebesar 0,0336 + 0,0014 = 0,035 < 0,05
Keputusan : Terima 𝐻0 karena p < 𝛼 dan disimpulkan proporsi siswa yang lulus les privat
lebih dari proporsi siswa yang tidak ikut les privat dengan tingkat kepercayaan 95%.
Uji 2 arah :
Contoh : jika kita menggunakan hipotesis untuk uji dua arah ke kasus contoh uji satu arah di
atas.
𝐻0 : P1 = P2 (proporsi siswa yang lulus les privat sama dengan proporsi siswa yang ikut les
privat)
𝐻1 : P1 ≠ P2 (proporsi siswa yang lulus yang ikut les privat tidak sama dengan proporsi yang
tidak ikut les privat)
Peluang uji satu arah ditambah dengan pemunculan ekstrim dari sisi yang lain. Kemungkinan
pemunculan dari sisi yang lain adalah :
Les Privat
Hasil Ujian Ya Tidak Total
Lulus 0 6 6
Tidak 7 2 9
Total 7 8 15
Keputusan : Terima 𝐻0 karena p < 𝛼 ( 0,0041 < 0,05) dan disimpulkan proporsi siswa yang
lulus les privat tidak sama dengan proporsi siswa yang tidak ikut les privat dengan tingkat
kepercayaan 95%.
6
3. Menguji apakah frekuensi yang diamati (di observasi) berbeda secara signifikan
dengan frekuensi teoritis atau frekuensi yang diharapkan.
4. Menguji apakah data sampel mempunyai distribusi yang mendekati distribusi teoritis
atau hipotesis atau populasi tertentu seperti distribusi binomial, poison, dan normal.
Menguji komparatif dua sampel independen berarti menguji signifikansi perbedaan nilai dua
sampel yang tidak berpasangan. Sampel independen biasanya digunakan dalam penelitian
yang menggunakan pendekatan penelitian survey, sedangkan sampel berpasangan banyak
digunakan dalam penelitian eksperimen. Chi square digunakan untuk menguji hipotesis
komparatif dua sampel bila datanya berbentuk nominal dan sampelnya besar.
Fungsi:
a) Penelitian terdiri dari frekuensi-frekuensi dalam kategori diskrit
b) Sama dengan uji eksak fisher, hanya data disusun dalam tabel b x k , dengan b =
banyak baris dan k = banyak kolom
c) Ekspetasi setiap sel ≥ 5
Spesifikasi :
a) data disusun dalam tabel kontingensi
b) digunakan untuk menguji independensi
Langkah-langkah pengujian :
Ho : p(I) = p(II)
H1 : uji satu arah atau dua arah
α : Taraf nyata
Statistik uji :
a) JIKA DATA DISUSUN DALAM TABEL 2 x 2
Cara perhitungan dapat menggunakan rumus yang telah ada atau dapat menggunakan tabel
kontingensi 2x2 (2 baris x 2 kolom) (Sugiyono, 2013).
7
Untuk menguji hipotesis ini, hitung jumlah individu dari tiap kelompok yang termasuk ke
dalam berbagai kategori dan bandingkan jumlah individu dari satu kelompok dalam berbagai
kategori dengan kelompok lainnya.
1. jika ukuran sampel n < 20 maka gunakan uji eksak fisher
2. jika ukuran sampel n ≥ 20 maka gunakan uji χ² sebagai berikut :
Tabel Kontingensi :
Sampel Frekuensi pada: Jumlah Sampel
Obyek I Obyek II
Sampel A A B A+B
Sampel B C D C+D
Jumlah A+C B+D N
N = jumlah sampel
Contoh :
Penelitian dilakukan untuk mengetahui adakah hubungan antara jenis sekolah (SMA/SMK)
dengan minat lulusan untuk melanjutan studi ke perguruan tinggi atau bekerja.. Jenis sekolah
dikelompokkan menjadi dua yaitu SMA dan SMK. Sampel pertama sebanyak 80 orang,
sampel kedua sebanyak 70 orang. Berdasarkan angket yang diberikan kepada sampel lulusan
SMA, maka dari 80 orang tersebut yang memilih melanjutkan studi ke perguruan tinggi
sebanyak 60 orang, dan yang memilih bekerja sebanyak 20 orang. Selanjutnya dari kelompok
sampel lulusan SMK memilih melanjutkan studi ke perguruan tinggi sebanyak 20 orang, dan
yang memilih bekerja sebanyak 50 orang
Berdasarkan hal tersebut, maka :
Judul penelitian dapat dirumuskan sebagai berikut:
Kecenderungan lulusan dalam memilih untuk melanjutan studi ke perguruan tinggi atau
bekerja.
Variabel penelitiannya :
Variabel Independen : Jenis sekolah
Variabel dependen : Minat lulusan
Rumusan Masalah:
Adakah perbedaan jenis sekolah dengan minat lulusan untuk melanjutan studi ke
perguruan tinggi atau bekerja.
Sampel : Terdiri dari dua kelompok sampel independen yaitu kelompok lulusan SMA
dengn jumlah 80 orang dan kelompok lulusan SMK dengn jumlah 70 orang.
Hipotesis:
H0 : Tidak terdapat perbedaan jenis sekolah dengan minat lulusan
Ha : Terdapat perbedaan jenis sekolah dengan minat lulusan
Kriteria pengujian hipotesis
Dengan dk = 1 dan probabilitas 5%. H0 diterima bila nilai Chi square hitung lebih kecil
dari nilai Chi square tabel dan bila lebih besar atau sama dengan nilai tabel, maka Ha
diterima.
8
Penyajian data
Data hasil penelitian disusun ke dalam tabel:
Tabel : Frekuensi minat lulusan
Sampel Minat lulusan Jumlah Sampel
Melanjutkan Bekerja
studi
Lulusan SMA 60 20 80
Lulusan SMK 20 50 70
Jumlah 80 70 150
Perhitungan
Berdasarkan tabel tersebut dan menggunakan rumus chi square 2 sampel independen, dapat
dihitung:
1
𝑁(|𝐴𝐷 − 𝐵𝐶| − 2 𝑁)2
2
𝑥 =
(𝐴 + 𝐵)(𝐶 + 𝐷)(𝐴 + 𝐶)(𝐵 + 𝐷)
1
150(|60.50 − 20.20| − 2 . 150)2
𝑥2 =
(60 + 20)(20 + 50)(60 + 20)(20 + 50)
150(|3000 − 400| − 75)2
𝑥2 =
(80)(70)(80)(70)
2
150(2600 − 75)2
𝑥 =
(80)(70)(80)(70)
150(6375625)
𝑥2 =
31360000
956343750
𝑥2 =
31360000
150(6375625)
𝑥2 =
31360000
𝑥 2 = 30,50
Dengan dk = 1 dan probabilitas 5%, maka diperoleh chi square tabel = 3,84. Ternyata nilai
Chi square hitung = 30,50 > Chi square tabel 3,84. Dengan demikian H0 ditolak dan Ha
diterima.
Kesimpulan
Jadi Terdapat perbedaan jenis sekolah dengan minat lulusan, dimana lulusan SMA lebih
cenderung memilih melanjutkan studi ke perguruan tinggi dan lulusan SMK cenderung
memilih bekerja.
9
DATA DISUSUN DALAM TABEL B x K
Dengan n > 40 maka gunakan uji χ² sebagai berikut :
Ket:
Oij = frekuensi observasi baris i dan kolom j
Eij = frekuensi ekspetasi baris i dan kolom j
𝒏𝒊𝒐 × 𝒏𝒐𝒋
𝑬𝒊𝒋 =
𝒏
Ket:
jumlah baris ke –i
jumlah kolom ke –j
jumlah/ total observasi
Kriteria uji :
uji satu pihak = Tolak Ho jika χ² ≥ χ²α, terima dalam hal lainnya
uji dua pihak = Tolak Ho jika χ² ≥ χ²α/2, terima dalam hal lainnya
Uji ini digunakan untuk menguji signifikasi hipotesis perbandingan dua sampel yang saling
berkorelasi bila persyaratan distribusi normal tidak terpenuhi atau jika data yang diolah
termasuk kelompok data berbentuk ordinal. Uji ini disebut uji peringkat bertanda yang
digunakan untuk menguji perbedaan suatu perlakuan sebelum dan sesudah pada sampel
berpasangan. uji wilcoxon juga digunakan untuk membandingkan nilai tengah suatu variable
dari dua data sampel berpasangan.
Perumusan uji hipotesis wilxocon sebagai berikut:
10
H1: θ1 ˂ θ2 : terdapat perbedaan median sesudah perlakuan lebih kecil/tidak lebih
baik daripada sebelum perlakuan
𝑍ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑍1−𝛼
2
2. Satu sisi (satu pihak), kaidah pengujiannya adalah untuk uji pihak kanan tolak 𝐻0 , jika
𝑍ℎ𝑖𝑡𝑢𝑛𝑔 ≥ 𝑍1−𝛼 dan untuk uji pihak kiri tolak 𝐻0 ,
jika 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑍1−𝛼 .
11
Contoh 1 :
Seorang mahasiswa pendidikan matematika ingin mengetahui apakah Penerapan
pemahaman konsep matematis siswa di kelas VIII-5 SMP 10 yang berjumlah 32 siswa.
Dalam penelitian ini diambil data sebelum dilakukan penerapan pembelajaran REACT dan
dan Xb.
XA Xb. XA Xb.
Siswa (Sebelum (Sesudah Siswa (Sebelum (Sesudah
perlakuan) perlakuan) perlakuan) perlakuan)
1. 6 18 17. 0 11
2. 5 14 18. 2 18
3. 0 10 19. 6 11
4. 3 18 20. 2 14
5. 5 18 21. 4 12
6. 6 16 22. 2 16
7. 3 18 23. 4 18
8. 0 14 24. 2 16
9. 8 18 25. 10 12
10. 0 10 26. 5 10
11. 2 8 27. 1 8
12. 5 18 28. 0 13
13. 2 13 29. 4 12
14. 2 14 30. 5 12
15. 0 12 31. 0 8
16. 0 10 32 2 12
A. Uji Normalitas
12
a. Rentang (R) = Data terbesar - Data terkecil
R = 10– 0= 10
b. Banyak kelas (k) = 1 + (3,3) log n
k = 1 + (3,3) log 32
= 1 + 4,966
= 5,9
Jadi, dapat dibuat daftar distribusi frekuensi dengan banyak kelas 6.
Rentang
c. Panjang kelas (p) =
Banyak kelas
10
𝑝= = 1,67
6
∑6𝑖=1 𝑓𝑖 . 𝑥𝑖
𝑥̅ =
∑6𝑖=1 𝑓𝑖
104
𝑥̅ = = 3,25
32
2
𝑛 ∑6𝑖=1 𝑓𝑖 . 𝑥𝑖 2 − (∑6𝑖=1 𝑓𝑖 . 𝑥𝑖 )2
𝑆 =
𝑛 (𝑛 − 1)
32 (536) − (104)2
𝑆2 =
(32)(31)
13
17.152 − 10.816
𝑆2 =
992
6336
𝑆2 =
992
𝑆 2 = 6,38
𝑆 = √6,38 = 2,52
Z
Luas
Batas untuk Frekuensi Frekuensi
Luas tiap (fi-
interval kelas batas harapan pengamatan
Z kelas fh)^2/fh
(xi) interval (fh) (fi)
(Li)
(Zi)
0 1 -0,50 -1,49 0,0684 0,1753 5,6108 9 2,0472
2 3 1,50 -0,69 0,2437 0,2958 9,4660 10 0,0301
4 5 3,50 0,10 0,5395 0,2745 8,7847 8 1,1781
6 7 5,50 0,89 0,8140 0,1401 4,4838 3 1,9851
8 9 7,50 1,69 0,9542 0,0393 1,2570 1 0,0526
10 11 9,50 2,48 0,9934 0,0066 0,2101 1 2,9693
11,50 3,27
jumlah 32 8,2624
Kriteria uji: Terima H0 jika 𝜒 2 h𝑖𝑡𝑢𝑛𝑔 < 𝜒 2 𝑘𝑟𝑖𝑡𝑖𝑠 pada taraf nyata α = 5%; dari daftar
Kesimpulan: Karena 𝜒 2 h𝑖𝑡𝑢𝑛𝑔 ˃ 𝜒 2 𝑘𝑟𝑖𝑡𝑖𝑠 maka H0 ditolak. Hal ini berarti data pretest tidak
berasal dari populasi yang berdistribusi normal.
Rumusan Hipotesis:
14
R = 18 – 8= 10
b. Banyak kelas (k) = 1 + (3,3) log n
k = 1 + (3,3) log 32
= 1 + 4,966
= 5,966
Jadi, dapat dibuat daftar distribusi frekuensi dengan banyak kelas 6.
Rentang
c. Panjang kelas (p) =
Banyak kelas
10
𝑝= = 1,7
6
∑6𝑖=1 𝑓𝑖 . 𝑥𝑖
𝑥̅ =
∑6𝑖=1 𝑓𝑖
444
𝑥̅ = = 13,87
32
2
𝑛 ∑6𝑖=1 𝑓𝑖 . 𝑥𝑖 2 − (∑6𝑖=1 𝑓𝑖 . 𝑥𝑖 )2
𝑆 =
𝑛 (𝑛 − 1)
32 (6524) − (444)2
𝑆2 =
(32)(31)
208.768 − 197.136
𝑆2 =
992
15
11.632
𝑆2 =
992
𝑆 2 = 11,72
𝑆 = √11,72 = 3,42
Z
Luas
Batas untuk Frekuensi Frekuensi
Luas tiap (fi-
interval kelas batas harapan pengamatan
Z kelas fh)^2/fh
(xi) interval (fh) (fi)
(Li)
(Zi)
8 9 7,50 -1,86 0,0312 0,0692 2,2159 3 0,2774
10 11 9,50 -1,28 0,1004 0,1433 4,5855 6 0,4364
12 13 11,50 -0,69 0,2437 0,2126 6,8045 8 0,2100
14 15 13,50 -0,11 0,4563 0,2263 7,2421 4 2,7186
16 17 15,50 0,48 0,6827 0,1728 5,5282 3 1,9562
18 19 17,50 1,06 0,8554 0,1446 4,6267 8 2,4594
19,50 1,64 0,9500
jumlah 32 8,0580
Kriteria uji: Terima H0 jika 𝜒 2 h𝑖𝑡𝑢𝑛𝑔 < 𝜒 2 𝑘𝑟𝑖𝑡𝑖𝑠 pada taraf nyata α = 5%; dari daftar
Kesimpulan: Karena 𝜒 2 h𝑖𝑡𝑢𝑛𝑔 ˃ 𝜒 2 𝑘𝑟𝑖𝑡𝑖𝑠 maka H0 ditolak. Hal ini berarti data pretest tidak
berasal dari populasi yang berdistribusi normal.
Berdasarkan uji normalitas pada data pretest dan posttest pemahaman konsep matematis
diketahui bahwa keduanya tidak berasal dari populasi yang berdistribusi normal maka
dilakukan uji non parametrik yaitu uji wilxocon matched pairs/uji Wilcoxon signed test.
16
H1: θ1 ≠ θ2 ada perbedaan median kemampuan pemahaman konsep matematis siswa
𝑛(𝑛+1)
𝑊ℎ𝑖𝑡𝑢𝑛𝑔 −
4
𝑍ℎ𝑖𝑡𝑢𝑛𝑔 =
𝑛 (𝑛+1)(2𝑛+1)
√
24
17
2 14 12 12 20 12 20,5 0
4 12 8 12 21 8 8 0
2 16 14 12 22 14 27,5 0
4 18 14 13 23 14 27,5 0
2 16 14 13 24 24 14 27,5 0
10 12 2 13 25 2 1 0
5 10 5 14 26 5 2,5 0
1 8 7 14 27 7 5,5 0
27,5
0 13 13 14 28 13 24 0
4 12 8 14 29 8 8 0
5 12 7 15 30 7 5,5 0
30,5
0 8 8 15 31 8 8 0
2 12 10 16 32 32 10 13,5 0
Jumlah T=528 J=0
18
Dikarenakan banyaknya sampel pasangan ˃ 25, maka digunakan rumus Z dalam
pengujiannya adalah sebagai berikut:
𝑊ℎ𝑖𝑡𝑢𝑛𝑔 − 𝜇𝑗 𝑛(𝑛+1) 𝑛(𝑛+1)(2𝑛+1)
𝑍= , dengan 𝜇𝑗 = dan 𝜎𝑗 = √
𝜎𝑗 4 24
Dimana:
Z = uji normal hitung
J = jumlah jenjang/rangking yang kecil
𝜇𝑗 = rataan jenjang/ranking
𝜎𝑗 = simpangan baku jenjang/rangking
Dengan kriteria uji:
Terima H0 jika: −𝑍𝑡𝑎𝑏𝑒𝑙 ≤ 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑍𝑡𝑎𝑏𝑒𝑙
i. Substitusikan harga-harga yang telah didapat kedalam rumus Z
(32+1)
0− −8,25 −8,25
4
𝑍ℎ𝑖𝑡𝑢𝑛𝑔 = = =
√
32 (32+1)(2(32)+1)
√
(1056)(65) √2860
24 24
−8,25
= 53,47 = -0,154
Untuk sampel n ≤ 25, digunakan 𝑾𝒕𝒂𝒃𝒆𝒍 seperti yang ada di tabel dibawah ini.
19
Langkah-langkah uji Wilcoxon untuk sampel ≤ 25.
Petunjuk pengisian tabel sama dengan pengisian tabel pada sampel ˃ 25 yang membedakan
hanya pada pengujian.
a. Kolom selisih (D) = kolom Xb – Xa
b. Kolom Rank. Diisi dengan nilai rank dari nilai D dengan cara pemberian rank sebagai
berikut:
i. Jika nilai D = 0 maka nilai D tersebut tidak diikutsertakan dalam perangkingan
ii. Jika nilai D bernilai negative, maka diambil harga mutlaknya (nilai positifnya)
iii. Urutkan nilai D tersebut, boleh dari data terkecil ke terbesar atau sebaliknya
iv. Jika terdapat data yang sama, maka nilai ranknya adalah rata-rata dari nomor
urutnya, jika data tersebut hanya satu maka nilai ranknya sama dengan nomor
urutnya.
c. Kolom tanda (+) diisi dengan nilai rank jika nilai D-nya bernilai positif
d. Kolom tanda (-) diisi dengan nilai rank jika nilai D-nya bernilai negative
e. Jumlah : jumlahkan nilai yang ada pada kolom positif dan kolom negative tanpa
memperhatikan tanda.
f. Menentukan nilai kritis 𝑊ℎ𝑖𝑡𝑢𝑛𝑔 yaitu bilangan terkecil dari jumlah rank positif dan
jumlah rank negatif
g. Menentukan nilai kritis 𝑊𝑡𝑎𝑏𝑒𝑙 = W(a,n) dengan α = 0,05 dan n = banyak sampel
h. Menentukan kriteria pengujian hipotesis
20
Jika 𝑊ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑊𝑡𝑎𝑏𝑒𝑙 , maka H0 ditolak
Jika 𝑊ℎ𝑖𝑡𝑢𝑛𝑔 ˃ 𝑊𝑡𝑎𝑏𝑒𝑙 , maka H0 diterima
Contoh 2:
inquiry terhadap hasil belajar statistika. Dalam penelitian ini diambil data sebelum
yang masing-masing dilambangkan dengan XA dan Xb. sampel penelitian adalah 20 siswa.
H0: θ1 = θ2 tidak ada perbedaan median hasil belajar siswa sebelum dan sesudah
H1: θ1 ≠ θ2 ada perbedaan median hasil belajar siswa sebelum dan sesudah mengikuti
pembelajaran inquiry
21
21 62 41 57 20 20 41 16
Jumlah T=202 J=6
Berdasarkan hasil analisis diatas, diperoleh 𝑊ℎ𝑖𝑡𝑢𝑛𝑔 = 6 dan 𝑊𝑡𝑎𝑏𝑒𝑙 untuk n = 20 dan α =
0,05 adalah 52. Karena 𝑊ℎ𝑖𝑡𝑢𝑛𝑔 ˂ 𝑊𝑡𝑎𝑏𝑒𝑙 maka H0 ditolak. Dengan demikian disimpulkan
bahwa ada perbedaan median hasil belajar siswa sebelum dan sesudah mengikuti
pembelajaran inquiry.
Hipotesis yang digunakan pada uji Mann Whitney (Uji U) ini dapat dibedakan beberapa
type, antara lain:
a. Dua sisi (dua pihak)
𝐻0 ∶ 𝜃𝐴 = 𝜃𝐵
𝐻𝑎 ∶ 𝜃𝐴 ≠ 𝜃𝐵
Kaidah pengujian: terima 𝐻0 , jika 𝑈ℎ𝑖𝑡𝑢𝑛𝑔 ≥ 𝑈𝑡𝑎𝑏𝑒𝑙(𝛼/2)
22
1) Membuat hipotesis dalam uraian kalimat
𝐻0 ∶ tidak ada perbedaan median sampel A dengan sampel B
𝐻𝑎 ∶ ada perbedaan nilai median sampel A dengan sampel B
23
𝑅1 = jumlah rangking pada sampel ke-1
𝑅2 = jumlah rangking pada sampel ke-2
7) Membuat kesimpulan
Menerima atau menolak 𝐻0 .
24
Bila satu sisi, 𝑍𝑡𝑎𝑏𝑒𝑙 = 𝑍𝑎
e. Kaidah pengujian
Untuk dua pihak:
Terima 𝐻0 jika – 𝑍𝑡𝑎𝑏𝑒𝑙 ≤ 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑍𝑡𝑎𝑏𝑒𝑙
Tolak 𝐻0 jika 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑍𝑡𝑎𝑏𝑒𝑙 atau 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 < −𝑍𝑡𝑎𝑏𝑒𝑙
Contoh 1:
Dosen statistika Fakultas Teknologi dan Desain Universitas X ingin mengetahui apakah
ada perbedaan nilai ujian mata kuliah statistika antara kelas pagi dan malam. Penelitian
ini menggunakan sampel sebanyak 15 orang untuk kelas pagi dan 10 orang kelas malam.
Ujilah dengan menggunakan Mann Whitney Test apakah ada perbedaan nilai ujian mata
kuliah statistika antara kelas malam dan pagi dengan taraf signifikan 𝛼 = 5%.
25
2) Membuat hipotesis dalam model statistik
𝐻0 ∶ 𝜃𝐴 = 𝜃𝐵
𝐻𝑎 ∶ 𝜃𝐴 ≠ 𝜃𝐵
4) Kaidah pengujian
Terima 𝐻0 jika – 𝑍𝑡𝑎𝑏𝑒𝑙 ≤ 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝑍𝑡𝑎𝑏𝑒𝑙
Tolak 𝐻0 jika 𝑍ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑍𝑡𝑎𝑏𝑒𝑙
26
∑ 𝑹𝟏 ∑ 𝑹𝟐
= 203,5 = 121,5
15(15 + 1)
𝑈1 = (15)(10) + − 203,5 = 67
2
Nilai 𝑈2
𝑛2 (𝑛2 + 1)
𝑈1 = 𝑛1 . 𝑛2 + − ∑ 𝑅2
2
10(10 + 1)
𝑈1 = (15)(10) + − 121,5 = 83,5
2
Nilai 𝐸(𝑈)
𝑛1 . 𝑛2 (15)(10)
𝐸(𝑈) = = = 75
2 2
Nilai 𝑣𝑎𝑟(𝑈)
𝑛1 . 𝑛2 (𝑛1 + 𝑛2 + 1) (15)(10)(15 + 10 + 1)
𝑣𝑎𝑟(𝑈) = = = 325
12 12
Sehingga 𝑍ℎ𝑖𝑡𝑢𝑛𝑔
𝑈 − 𝐸(𝑈) 67 − 75
𝑍ℎ𝑖𝑡𝑢𝑛𝑔 = = = −0,4437
√𝑣𝑎𝑟 (𝑈) √325
Membuat kesimpulan
27
Sehingga dapat disimpulkan bahwa tidak terdapat perbedaan nilai ujian
statistika kelas pagi dengan nilai ujian statistika kelas malam.
Contoh 2:
Seorang mahasiswa melakukan peneitian untuk mengetahui apakah terdapat perbedaan
peningkatan skor kemampuan berpikir reflektif matematis siswa yang mengikuti
pembelajaran CPS dengan siswa yang mengikuti pembelajaran konvensional. Penelitian ini
menggunakan 27 sampel pada kelas eksperimen dan 32 sampel pada kelas kontrol. Ujilah
dengan menggunakan uji Mann Whitney dan taraf signifikansi 𝛼 = 5%.
H0 ∶ median peningkatan skor kemampuan berpikir reflektif matematis siswa yang mengikuti
pembelajaran CPS sama dengan median peningkatan skor kemampuan berpikir reflektif
matematis siswa yang mengikuti pembelajaran konvensional.
H1 ∶ median peningkatan skor kemampuan berpikir reflektif matematis siswa yang mengikuti
pembelajaran CPS lebih tinggi daripada median peningkatan skor kemampuan berpikir
reflektif matematis siswa yang mengikuti pembelajaran konvensional.
Kaidah pengujian
Tolak H0 jika |z hitung | ≥ z tabel
28
9 42 6,5
10 2,5 23
11 58 6,5
12 32 27
13 23 20
14 56 35
15 40,5 29,5
16 11 11
17 27 54
18 27 16,5
19 40,5 20
20 32 11
21 59 2,5
22 34 11
23 16,5 37,5
24 43,5 52
25 45,5 57
26 39 6,5
27 51 55
28 6,5
29 32
30 2,5
31 25
32 23
Jumlah 986 784
29
Karena U1 < U2 maka nilai i 𝑈ℎ𝑖𝑡𝑢𝑛𝑔 yang digunakan adalah U1 yaitu 256
27.32(27+32+1)
=√ 12
51840
=√ 12
= √4320
= 65,73
Sehingga 𝒁𝒉𝒊𝒕𝒖𝒏𝒈
𝑈 − 𝐸(𝑈) 256 − 432
𝑍ℎ𝑖𝑡𝑢𝑛𝑔 = = = −2,68
𝑆𝐷 (𝑈) 65,73
Menentukan nilai 𝒁𝒕𝒂𝒃𝒆𝒍
Nilai 𝛼 = 5% maka 𝑍𝑡𝑎𝑏𝑒𝑙 dapat dicari dengan menggunakan tabel distribusi normal dengan
cara:
Bila satu pihak, 𝑍𝑡𝑎𝑏𝑒𝑙 = 1 − 0,05 = 0,95
Nilai 0,95 pada tabel distribusi normal = 1,64
Membuat Kesimpulan
Hal ini berarti H1 diterima atau median peningkatan skor kemampuan berpikir reflektif
matematis siswa yang mengikuti pembelajaran CPS lebih tinggi daripada median peningkatan
skor kemampuan berpikir reflektif matematis siswa yang mengikuti pembelajaran
konvensional.
DAFTAR PUSTAKA
30
Saleh, Samsubar. 1985. Statistik Non Parametrik. Yogyakarta: BPFE- Yogyakarta.
Sheskin, David J. 2003. Book 1 Parametric and Nonparametric Statistical Procedures Third
Edition. Washington D.C.: Chapman & Hall/CRC.
31