Latar Belakang

Pada kenyataannnya sangatlah sulit untuk mendapatkan sampel yang memenuhi

asumsi mempunyai distribusi tertentu. Kebanyakan sampel yang diperoleh hanyalah
sebatas menedekati tertentu. Oleh karena itu, kemudaian dikembangkan suatu teknik
inferensi yang tidak memerlukan uji asumsi-asumsi tertentu memgenai distribusi
sampelnya,dan juga tidak memerlukan uji hipotesis yang berhubungan dengan parameter
populasinya. Teknik ini dikenal dengan parametri bebas distribusi atau statistika non
parametrik.

Istilah nonparametrik pertama kali digunakan oleh Wolfdwitz, pada tahun 1942.
Metode statistik nonparametrik merupakan metode statistik yang dapat digunakan dengan
mengabaikan asumsi-asumsi yang melandasi penggunaan metode statistic parametrik,
terutama yang berkaitan dengan distribusi normal. Istilah lain yang sering digunakan
untuk statistik nonparametrik adalah statistik bebas distribusi (distribution free statistics)
dan uji bebas asumsi (assumption-free test). Statistik nonparametric banyak digunakan
pada penelitian-penelitian sosial. Data yang diperoleh dalam penelitian sosial pada
umunya berbentuk kategori atau berbentuk rangking.

Dalam dunia statistika banyak cara mengumpulkan data sebagai dasar dalam
melakukan penelitian. Pengumpulan data ini dilakukan agar peneliti dapat memperoleh
data-data yang dibutuhkan, mencari hubungan dari variabel-variabel yang diteliti,
memprediksi masa depan dan sebagainya untuk kebutuhan penelitian. Untuk
memprediksi hal tersebut, kita menggunakan metode Statistika Non parametrik dan
Penelitian Survei.

Metode Statistika Non Parametrik pengambilan kesimpulan dapat ditarik tanpa

memperhatikan bentuk distribusi populasi. Sedangkan Penelitian Survei, disgunakan
untuk pengambilan data dari suatu populasi dengan menggunakan media kuesioner
sebagai alat pengumpul data yang pokok. Statistika menggunakan metode penelitian
survei dalam mengumpulkan data sebagai dasar penelitian dan menggunakan Statistika
Non Parametrik untuk mengatasi pemecahan data yang memiliki ukuran sampel kecil dan
asumsi-asumsi yang kurang.

Statistika Non Parametrik

Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk

sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik biasanya
menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak
berdistribusi normal. Statistik non parametrik adalah statistik yang ditidak mendasarkan pada
parameter-parameter statistik.

Jika anda melakukan penelitian, tentu anda melakukan pengukuran-pengukuran, nah

ukuran-ukuran tersebut diistilahkan dengan parameter. Dalam statistik kita mengenal mean,
median, modus dan standar deviasi, itulah parameter-parameter statistik. Dalam statistik non
parametrik, parameter tersebut tidak dijadikan acuan.

Ketika kita menggunakan skala data nominal atau ordinal, parameter-parameter tersebut
menjadi tidak relevan. Itu lebih kepada membuat ranking pada data. Selain itu, statistik non
parametrik tidak mendasarkan pada distribusi data tertentu.

Statistik non parametrik banyak digunakan pada kondisi di mana peneliti dihadapkan
pada data yang berupa ranking, misalnya data untuk menilai peringkat mana yang lebih penting
diantara beberapa atribut produk. Begitupun ketika hendak menganalisis data berupa data
nominal atau data dikotomus, misalnya kita hanya menggunakan skala 1 dan 2 untuk
membedakan jenis kelamin laki-laki dan perempuan. Parameter-parameter statistik seperti rata-
rata dan standar deviasi menjadi tidak relevan. Jika kita paksakan untuk menggunakannya maka
tentu rata-rata data hanya menyebar di antara angka 1 dan 2. Ketika peneliti menggunakan skala
ordinal dalam mengukur suatu variabel, statistik non parametrik merupakan metode yang cocok
untuk menganalisis data tersebut. Namun, kebanyakan peneliti menggunakan statistik parametrik
melalui penghitungan parameter mean dan standar deviasi terlebih dahulu. Memang, dalam hal
interpretasi, statistik parametrik lebih mudah dipahami dibandingkan statistik non parametrik.
Kita tentu akan lebih mudah membaca rata-rata atau penyimpangan suatu data dibandingkan
ranking dari data itu sendiri. Alasan kemudahan membaca hasil inilah yang sering dijadikan
justifikasi untuk menghindari statistik non parametrik.

Alasan kedua penggunaan statistik non parametrik adalah ketika data peneliti dihadapkan
pada data yang tidak berdistribusi normal atau peneliti tidak memiliki cukup bukti yang kuat data
berasal dari distribusi data seperti apa. Kita sering dihadapkan pada kondisi di mana data tidak
berdistribusi normal, misalnya distribusi data terlalu miring ke kiri atau ke kanan. Berbagai
usaha dapat dilakukan dengan mereduksi data outlier atau data ekstrim. Namun, jika hal tersebut
tidak merubah distribusi data menjadi terdistribusi normal, maka metode non parametrik dapat
dilakukan.

Kedua metode ini tentu memiliki konsekuensi terhadap pendekatan analisis yang
digunakan. Untuk menganalisis pengaruh suatu variabel penyebab terhadap variabel respon,
biasanya kita menggunakan analisis regresi linier sederhana atau berganda. Dalam metode non
parametrik, metode tersebut tidak lagi relevan. Pendekatan yang cocok adalah regresi non
parametrik.
 Begitu pun ketika kita menganalisis hubungan antara dua variabel. Biasanya kita
menggunakan analisis korelasi Pearson Product Moment. Namun, dalam metode non parametrik
analisis korelasi lebih dikenal dengan korelasi Rank spearman. Teknik perhitungannya berbeda.
Dalam Rank spearman, kita terlebih dahulu membuat ranking dari data yang akan dikorelasikan
sementara dalam Pearson product moment tidak dilakukan. Metode korelasi non parametrik
populer lainnya adalah Kendall Tau.

Ketika kita hendak melakukan uji perbandingan antara kelompok, maka metode analisis
yang digunakan dalam statistik parametrik adalah uji t (ketika yang kita bandingkan 2
kelompok), atau uji anova (ketika kelompok yang kita bandingkan lebih dari 2). Berbeda dengan
statistik parametrik, dalan non parametrik ada uji Kruskall wallis yang sebaiknya digunakan.

Keunggulan statistic non parametric diantaranya:

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 statistic parametrik.

Perhitungan-perhitungannya dapat dilaksanakan dengan cepat dan mudah, sehingga hasil

penelitian segera dapat disampaikan.

Untuk memahami konsep-konsep dan metode-metodenya tidak memerlukan dasar matematika

serta statistika yang mendalam.

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).

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:

Jika asumsi uji statistik parametrik terpenuhi, penggunaan uji nonparametrik meskipun lebih
cepat dan sederhana, akan menyebabkan pemborosan informasi.

Jika jumlah sampel besar, tingkat efisiensi nonparametrik relatif lebih rendah dibandingkan
dengan metode parametrik

Uji Statistika Non Parametrik

 Uji statistik nonparametrik ialah suatu uji statistik yang tidak memerlukan adanya
asumsi-asumsi mengenai sebaran data populasi. Uji statistik ini disebut juga sebagai statistik
bebas sebaran (distribution free). Statistik nonparametrik tidak mensyaratkan bentuk sebaran
parameter populasi berdistribusi normal.

Statistik nonparametrik dapat digunakan untuk menganalisis data yang berskala nominal
atau ordinal karena pada umumnya data berjenis nominal dan ordinal tidak menyebar normal.
Dari segi jumla data, pada umumnya statistik nonparametrik digunakan untuk data berjumlah
kecil (n <30).

Binomial

Dalam uji tanda digunakan pengganti tanda positif atau negatif bagi nilai-nilai
pengamatan. Nilai pengamatan positif jika nilai pengamatan tersebut > rata-rata hitung
(populasinya setangkup) atau > median( populasinya menjulur). Nilai pengamatan negatif jika <
nilai rata-ratanya atau mediannya. Hipotesis : H 0 : µ=µ o. vs H 1 : µ  µ o. Statistik uji bagi Uji
tanda adalah variabel acak X yang menyatakan banyaknya tanda positif atau negatif yang paling
sedikit. Bila hipotesis nol µ=µ o benar, maka peluang bahwa suatu nilai sampel menghasilkan
tanda positif atau negatif sama dengan ½. Akibatnya, statistik uji X memiliki sebaran peluang
Binom dengan parameter p=½ Jadi uji signifikasi dilakukan dengan menggunakan rumus
binom : P(X ≤x) = Σb (x;n,p) = Σb (x;n,½)

Misal kita ingin menguji pada taraf nyata 0,05 bahwa isi kaleng suatu jenis minyak
pelumas adalah 10 liter. Suatu sampel acak 10 kaleng telah diukur isinya, hasilnya adalah: 10,2;
9,7; 10,1; 10,3; 9,8; 9,9; 10,4; 10,3 dan 9,8 liter Manajer bagian pemasaran sebuah perusahaan
ban mobil bermerek A menyatakan bahwa daya tempuh ban yang diproduksinya yaitu 40.000
km. Suatu sampel acak sebanyak 8 ban dicoba dan dicatat jarak tempuhnya (dalam km) sampai
ban tersebut diganti, datanya adalah : 34.400 ; 45.500; 32.000; 32.800; 38.100 dan 30.100.
Sebuah perusahaan elektronik sedang mempertimbangkan untuk memberikan liburan berikut
biayanya bagi para eksekutif senior dan keluarganya. Untuk menentukan preferensi antara
seminggu di Hawaii atau seminggu di Spanyol. Suatu uji sampel acak 18 staf eksekutif ditanya
pilihannya. ujilah pada taraf 5% bahwa kedua lokasi itu sama-sama disukai lawan alternatifnya
bahwa preferensi mereka berbeda bila ternyata 4 di antara 18 yang ditanyai lebih menyukai
spanyol.

1. Hipotesis : H 0 : µ = 10 lawan H 1 : µ ≠ 10

2. Uji statistik : Uji binom

3. Taraf nyata : 0,05

 4. Wilayah kritik : Σb (x;n,p) < 0,05

5. Perhitungan: (+)  >10 ; (-)  < 10 Banyaknya tanda (+) = 6 dan banyaknya
tanda (-)= 4. Jadi X=4 ; n=10; p=½.

Dari tabel jumlah binom diperoleh :P(X≤4)= Σb (x;10, ½) = 0,3770 Untuk pengujian dua
arah maka P(X≤4)=2(0,3770)=0,7540 6.Kesimpulan : Terima H0 artinya bahwa rata-rata kaleng
minyak pelumas sebanyak 10 liter dapat diterima

1. Hipotesis : H0 : p1= p2 = ½ lawan H0 : p1 ≠ p2 ≠ ½

2. Uji statistik : Uji Binom

3. Taraf nyata : 0,05

4. Wilayah kritik : Σb (x;n,p) < 0,05

5. Perhitungan : (+)  > 40.000 ; (-)  < 40.000 0  = 40.000 (tdk ikut)  tanda
(+)=2 ,  (-)=6 X=2 ; n=8; p=½ ;

dari tabel diperoleh :P(X≤2)= Σb (x;8, ½) = 0,1445 dan untuk pengujian dua arah
maka P(X≤2)=2(0,1445)=0,2890 6. Kesimpulan : Terima H0 artinya pernyataan manajer
pemasaran bahwa rata-rata jarak tempuh ban yang diproduksinya sejauh 40.000km dapat
diterima

1.Hipotesis : H0 : p1=p2 = ½ lawan H1 : p1= p2 = ½

2. Uji statistik : Uji Binom

3. Taraf nyata : 0,05

4. Wilayah kritik : Σb (x;n,p) < 0,05 5. Perhitungan : X=4 ; n=18; p=½

Dari tabel jumlah peluang binom diperoleh : P(X≤4)= Σb (x;18, ½) = 0,0154 Untuk
pengujian dua arah maka P(X≤4) = 2(0,0154) = 0,0308 6.

Kesimpulan : Terima H0 artinya Hawai lebih disukai daripada spanyol.

Chi Square Test ()

Chi Kuadrat () satu sampel adalah teknik statistik yang digunakan untuk menguji
hipotesis bila dalam populasi terdiri atas dua atau lebih klas dimana data berbentuk nominal dan
sampelnya besar.
 Rumus dasar Chi Kuadrat adalah seperti beikut:

Dimana:

= Chi Kuadrat

= Frekuensi yang diobservasi

= Frekuensi yangdiharapkan

Berikut ini dikemukakan Chi Kuadrat untuk menguji hipotesis deskriptif (satu sampel) yang
terdiri atas dua kategori dan tiga kategori/kelas.

Contoh 1 untuk dua kategori:

Telah dilakukan pengumpulan data untuk mengetahui bagaimana kemungkinan rakyat di

Kabupaten Priggondani dalam memilih dua calon Kepala Desa. Calon yang satu adalah Wanita
dan calon yang kedua adalah Pria. Sampel sebagai sumber data diambil secara random sebanyak
300 orang . Dari sampel tersebut ternyata 200 orang memilih pria dan 100 memilih wanita.

Hipotesis yang diajukan adalah:

H0 : Peluang calon pria dan wanita adalah sama untuk dapat dipilih menjadi kepala desa

H1 : Peluang calon pria dan wanita adalah tidak sama untuk dapat dipilih menjadi kepala desa

Untuk dapat membuktikan hipotesis dengan Rumus 5.4 tersebut, maka data yang terkumpul
perlu disusun ke dalam tabel seperti tabel 5.3 beikut:

TABEL 5.3

KECENDURUNGAN RAKYAT DI KABUPATEN

PRINGGODANI DALAM MEMILIH KEPALA DESA

Alternatif Calon Frekuensi yang Frekuensi yang

Kepala Desa Diperoleh Diharapkan

Calon Pria 200 150

Alternatif Calon Frekuensi yang Frekuensi yang

Kepala Desa Diperoleh Diharapkan

Calon Wanita 100 150

Jumlah 300 300

Catatan: Jumlah frekuensi yang diharapkan adalah sama yaitu 50% : 50% dari seluruh sampel.

Untuk dapat menghitung besarnya Chi Kuadrat ) dengan menggunakan Rumus 5.4 maka
diperlukan tabel penolong seperti yang ditunjukkan pada Tabel 5.4 berikut:

TABEL 5.4

TABEL PENOLONG UNTUK MENGHITUNG CHI

KUADRAT DARI 300 ORANG SAMPEL

Alternatif f0 fh f0-fh (f0-fh)2

pilihan

Pria 200 150 50 2500 16,67

Wanita 100 150 -50 2500 16,67

Jumlah 300 300 0 5000 33,33

Catatan : Di sini frekuensi yang diharapkan (f h) untuk kelompok yang memilih pria dan wanita =
50%. Jadi 50% × 300 = 150

Harga Chi Kuadrat dari perhitungan dengan Rumus 5.4 ditunjukkan pada tabel di atas yakni jalur
paling kanan yang besarnya 33,33.

Untuk dapat membuat keputusan tentang hipotesis yang diajukan diterima atau ditolak, maka
harga Chi Kuadrat tersebut perlu dibandingkan dengan Chi Kuadrat tabel dengan dk dan taraf
kesalahan tertentu. Dalam hal ini berlaku ketentuan bila Chi Kuadrat hitung lebih kecil dari
tabel, maka Ho diterima, dan apabila lebih besar atau sama dengan (≥) harga tabel maka Ho
ditolak.
 Derajat kebebasan untuk Chi Kuadrat tidak tergantung pada jumlah individu dalam sampel.
Derajat kebebasan akan tergantung pada kebebasan dalam mengisi kolom-kolom pada frekuensi
yang diharapkan (fh) setelah disusun ke dalam tabel berikut ini.

Kategori

I a M
II b N

(a+b) (m+n)

Dalam hal ini frekuensi yang diobservasi (fo) harus sama dengan frekuensi yang diharapkan
(fh). Jadi (a+b)=(m+n) dengan demikian kita mempunyai kebebasan untuk menetapkan frekuensi
yang diharapkan (fh)=(m+n). Jadi kebebasan yang dimiliki tinggal satu yaitu kebebasan dalam
menetapkan m atau n. Jadi untuk model ini derajat kebebasan (dk)=1.

Berdasarkan dk=1 dan taraf kesalahan yang kita tetapkan 5% maka harga Chi Kuadrat
tabel=3,841. (Lihat Tabel). Ternyata harga Chi Kuadrat hitung lebih besar dari tabel
(33,33>3,841). Sesuai ketentuan kalau harga Chi Kuadrat hitung lebih besar dari tabel, maka Ho
ditolak dan Ha diterima. Jadi kesimpulannya, hipotesis nol yang diajukan bahwa peluang pria
dan wanita sama untuk dipilih menjadi kepala desa di kabupaten itu ditolak. Hasil penelitian
menunjukkan bahwa masyarakat di kabupaten itu cenderung memilih pria menjadi Kepala Desa.

Run Test

Pengujian terhadap keacakan sampel yang dimaksud digunakan Uji Runtun (Run).
Runtun (run) adalah barisan huruf ( lambang atau tanda-tanda) yang identik yang didahului atau
diikuti sebuah huruf (lambang atau tanda) yang berbeda. Uji Runtun (run) membagi data
menjadi dua penggolongan yang tidak berpotongan (laki-laki atau perempuan, cacat atau utuh,
diatas atau dibawah median, dan sebagainya ). Barisan hasil pengamatan terdiri dari dua
lambang. Misalkan n1 adalah banyaknya lambang pertama atau yang lebih sedikit dan n2 adalah
banyaknya lambang kedua atau yang lebih banyak, maka ukuran sampelnya adalah n= n1+ n2

Disebut juga uji random. Bertujuan untuk menentukan apakah urutan yang dipilih atau
sampel yang diambil diperoleh secara random atau tidak
Didasarkan atas banyaknya run . Suatu run adalah suatu rentetan satu atau lebih lambang
yang sama yang menyatakan sifat daya yang sama .Bisa digunakan untuk sampel
pengukuran data kualitatif dan kuantitatif.

Contoh:

• Berikut ini adalah data mengenai besarnya kredit yang diperoleh 15 pedagang kecil sebuah
bank (dalam puluhan ribu rupiah)

• 13, 7, 6, 8, 31, 23, 36, 43, 51, 44, 12, 26, 15, 18, 24

• Ujilah apakah data tersebut diambil secara random dengan menggunakan taraf nyata 5%!

Jawab:

Menentukan Median:

6 7 8 12 13 15 18 23 24 26 31 36 43 44 51

median

• 13, 7, 6, 8, 31, 23, 36, 43, 51, 44, 12, 26, 15, 18, 24

• - - - - + - + + + + - + - - + r=8

• n1 = 8, n2 = 7 -> lihat tabel ,

• diperoleh batas bawah = 4, dan batas atas = 13

• sehingga kriteria pengujian:

• H0 diterima apabila 4 ≤ r ≤ 13

• H0 ditolak apabila r < 4 atau r > 13 Kesimpulan

Jika n1 > 10 , n2 > 10

Contoh Uji Run

Penyelesaian

• H0 = susunan urutan duduk mahasiswa/i acak/random

H1 = susunan urutan duduk mahasiswa/i tidak acak/random

• Tingkat signifikansi α = 5%

Nilai tabel statistik Uji z, Karena uji dua sisi, maka: α = 5%/2 = 2,5% Z0,025 = 1,96

Penyelesaian

• Daerah kritis penolakan Ho

Nilai uji statistik

Kesimpulan Karena Zhitung = 0,76 berada di daerah penerimaan Ho maka Ho artinya

susunan duduk mahasiswa/i acak/random

t-Test

Uji-t 1 sampel biasanya digunakan untuk menguji hipotesa deskriptif dimana kalimat
hipotesanya yang akan menentukan termasuk one tail test/two tail test.

One tail test dibagi menjadi 2: uji pihak kiri dan uji pihak kanan

Two tail test biasanya digunakan bila hipotesa nol (Ho) berbunyi“sama dengan” dan
Hipotesa altenatif (Ha) berbunyi“tidak sama dengan
Contoh Uji-t two tail test

Contoh rumusan hipotesa:

Ho = daya tahan baterai laptop sama dengan 4 jam

Ha = daya tahan baterai laptop tidak sama dengan 4 jam

Ho = penjualan kartu perdana dalam satu bulan sama dengan 100 buah

Ha = penjualan kartu perdana dalam satu bulan tidak sama dengan 100 buah

Kurva two tail test

Rumus t-test

dimana:

t = nilai t yang dihitung (t hitung)

x=rata-rata

μ0 = nilai yang dihipotesiskan

SD = standar deviasi sampel

n= jumlah anggota sampel

Rumus Standar Deviasi

Langkah dalam pengujian

Hitung rata-rata data

Hitung standar deviasi

Hitung harga t

Lihat harga t tabel

t hitung ≤ t tabel maka Ho diterima

t hitung > t tabel maka Ho ditolak

Gambar kurve

Letakkan t hitung dan t tabel dalam kurve (dk= n-1)

Buat keputusan hipotesis

Latihan Soal

Dari pengumpulan data untuk menguji tentang jumlah jam belajar efektif siswa dalam
satu hari ditemukan bahwa jumlah jam efektif belajar dalam satu hari adalah 5 Jam.
Berdasarkan sampel 30 orang siswa yang dimintai keterangan diperoleh hasil sebagai
berikut:
435724536547855344565456324545
Ujilah data tersebut dengan menggunakan t-test dengan taraf kesalahan 5%

Uji t 2 sampel
Pada intinya uji t 2 sampel menggunakan 2 sampel/populasi yang berbeda untuk nantinya
dilihat perbedaannya
 Independent t test
 Paired sampel t test
Independent t test
 Digunakan untuk membandingkan dua kelompok mean dari dua sampel yang berbeda
(independent)
 Prinsipnya ingin mengetahui apakah ada perbedaan mean antara dua populasi, dengan
membandingkan dua mean sample-nya
Misal:
Melihat perbedaan antara kelas yang diberi pelatihan dan yang tidak diberi pelatihan
Perbedaan perlakuan orang yang diberi obat diet dengan yang tidak

Contoh kasus
*Seorang guru ingin mengetahui efektivitas model group discusion terhadap prestasi
belajar siswa
* Maka diambil sampel sebanyak 22 orang
* 22 orang tersebut dibagi dalam dua kelompok secara random dan mendapat perlakuan
yang sama kecuali satu kelompok memakai model group discusion dan kelompok satunya
tidak
* Setelah satu semester, prestasi belajar dinilai

Rumus t test Independent

Rumus independent t test (beda N sampel)

Paired t test

*Digunakan untuk membandingkan mean dari suatu sampel yang berpasangan (paired)
*Sampel berpasangan adalah sebuah kelompok sampel dengan subyek yang sama namun
mengalami dua perlakuan atau pengukuran yang berbeda

* Menguji perbedaan kondisi awal / sebelum dan setelah perlakukan

Contoh kasus
- Seorang guru ingin mengetahui efektifitas pelatihan kepemimpinan yang akan
dilakukannya

-Dipilihlah 12 orang untuk dilatih

-Sebelum pelatihan disebar angket untuk mengetahui tingkat kepemimpinan dan diakhir
pelatihann disebar lagi angket untuk mengetahui tingkat kepemimpinan

Rumus Paired t test

Dimana:

D = selisih nilai sesudah dan sebelum (post - pre)

N = banyak sampel

Tabel Bantu

Mc Nemar Test

Teknik statistik ini digunakan untuk menguji hipotesis komporatif dua sampel yang
berkorelasi bila datanya berbentuk nominal/diskrit. Rancangan penelitian biasanya
berbentuk “before after”. Jadi hipotesis penelitian merupakan perbandingan antara nilai
sebelum dan sesudah ada perlakuan/treatment.

Sebagai panduan untuk menguji signifikansi setiap perubahan, maka data perlu disusun ke
dalam tabel segi empat ABCD seperti berikut:

Sesudah
Sebelum
- +

+ A B

- C D

Tanda (+) dan (-) sekedar dipakai untuk menandai jawaban yang berbeda, jadi tidak harus
yang bersifat positif dan negatif. Kasus-kasus yang menunjukkan terjadi perubahan antara
jawaban pertama dan kedua muncul dalam sel A dan D. Seseorang dicatat dalam sel A jika
berubah dari positif ke negatif; dan dicatat pada sel D jika ia berubah dari negatif ke positif.
Jika tidak terjadi perubahan yang diobservasi yang berbentuk positif dia dicatat di sel B, dan
jika tidak terjadi perubahan observasi yang berbentuk negatif dicatat di sel C.
 A+D adalah jumlah total orang yang berubah, sedangkan B dan C adalah yang tidak
berubah. Ho = berubah dalam satu arah, dan merupakan frekuensi yang diharapkan di
bawah fo pada kedua sel yaitu A dan D.

Test Mc Nemar berdistribusi Chi Kuadrat (x2), oleh karena itu rumus yang digunakan
untuk pengujian hipotesis adalah rumus Chi Kuadrat. Persamaan dasarnya ditunjukkan pada
Rumus 6.2 berikut.

Dimana :

fo= Frekuensi yang diobservasi dalam kategori ke-i

fh=Frekuensi yang diharapkan di bawah fo dalam kategori ke-i

Uji signifikansi hanya berkenaan dengan A dan D. Jika A= banyak kasus yang diobservasi
dalam sel A, dan D banyak kasus yang diobservasi dalam sel D, serta ½(A+D) banyak kasus
yang diharapkan baik disel A maupun D, rumus tersebut dapat lbih disederhanakan menjadi
Rumus 6.3

Rumus tersebut dapat dikembangkan menjadi:

Rumus tersebut akan semakin baik dengan adanya “koreksi kontinuitas” yang diberikan oleh
Yates,1934 yaitu: dengan mengurangi dengan nilai 1. Korelasi kontinuitas itu diberikan karena
distribusinya menggunakan distribusi normal. Seperti telah diketahui bahwa distribusi normal itu
biasanya digunakan untuk data yang bersifat kontinum.

Setelah adanya korelasi kontinuitas tersebut, maka Rumus 6.3 disempurnakan menjadi Rumus
6.4 berikut:

dengan dk=1

Contoh Pengujian Hipotesis:

Suatu perusahaan ingin mengetahui pengarah sponsor yang diberikan dalam suatu
pertandingan olah raga terhadap nilai penjualan barangnya. Dalam penelitian ini digunakan
sampel yang diambil secara random yang jumlah anggotanya 200 orang. Sebelum sponsor
diberikan, terdapat 50 orang yang membeli barang tersebut, dan 150 orang tidak membeli.
Setelah sponsor diberikan dalam pertandingan olah raga, ternayata dari 200 orang tersebut
terdapat 125 orang yang membeli dan 75 orang tidak membeli. Dari 125 orang tersebut
terdiri atas pembeli tetap 40, dan yang berubah dari tidak membeli menjadi membeli ada 85.
Selanjutnya dari 75 orang yang tidak membeli itu terdiri atas yang berubah dari membeli
menjadi tidak membeli ada 10 orang, dan yang tetap tidak membeli ada 65 orang. Untuk
mudahnya data disusun dalam tabel 6.4 berikut.

Sign Test

Fungsi pengujian:

Untuk menguji perbedaan ranking (median selisih skor/ ranking) dua buah populasi
berdasarkan ranking (median selisih skor/ranking) dua sampel berpasangan

  Didasarkan atas tanda-tanda positif atau negatif dari perbedaan antara pasangan
pengamatan.

Menentukan formulasi hipotesis

• Ho : Probabilitas terjadinya tanda + dan - adalah sama

• H1 : Probabilitas terjadinya tanda + dan - adalah berbeda

Menentukan taraf nyata dan nilai tabel

• Pengujian bisa satu sisi atau dua sisi Menentukan kriteria pengujian

• Pengujian satu sisi

• H0 : diterima jika α ≤ probabilitas hasil sampel

• H1 : diterima jika α > probabilitas hasil sampel

• Pengujian dua sisi

• H0 : diterima jika α ≤ 2 KALI probabilitas hasil sampel

• H1 : diterima à α > 2 KALI probabilitas hasil sampel

Menentukan nilai uji statistik

• Lihat tabel probabilitas binomial dengan n,r tertentu dan p = 0,5

• r = jumlah tanda yang terkecil Membuat kesimpulan

• Menyimpulkan Ho diterima ataukah tidak

 Contoh Soal 1

Sejumlah 10 pasangan suami istri yang baru menikah dipilih secara acak dan ditanyakan
secara terpisah pada masing-masing istri dan suami, berapa jumlah anak yang mereka
inginkan. Informasi yang didapat adalah sebagai berikut:

Pasangan 1 2 3 4 5 6 7 8 9 10

Istri 3223120200

Suami 1221232102

Ujilah apakah kita dapat mengatakan bahwa wanita (istri) menginginkan anak lebih sedikit
dibandingkan pria (suami)? Taraf nyata uji 0,01

Solusi 1

•  Ho : Tidak ada perbedaan jumlah anak yang diinginkan antara suami dan istri
H1 : wanita (istri) menginginkan anak lebih sedikit dibandingkan pria (suami)
•  Taraf nyata uji : 0,01
•  Kriteria pengujian : (pengujian satu sisi)
•  Ho diterima Jika 0,01≤ probabilitas hasil sampel
H1 diterima Jika 0,01 > probabilitas hasil sampel

Pasangan 1 2 3 4 5 6 7 8 9 10

Istri 3210012220

Suami 2322021312

Selisih +- -- 0-+ -+-

r = jumlah tanda terkecil = 3

Distribusi Binomial dengan n = 9 dan p = 0,5 Menggunakan tabel Binomial, maka akan
diperoleh: P(r ≤ 3) = 0,254

Keputusan, karena 0,01 ≤ 0,254, maka terima Ho. Tidak ada perbedaan jumlah anak yang
diinginkan antara suami dan istri.

Membaca Tabel Distribusi Binomial

r = jumlah tanda terkecil = 3
Distribusi Binomial dengan n = 9 dan p = 0,5
Menggunakan tabel Binomial, maka akan diperoleh:
P(r ≤ 3) = 0,2539 = 0,254

Uji Tanda dengan Data Sampel Besar

Untuk data besar jika N > 25
Dengan:
X = jumlah data terbesar bertanda +/-
N = total jumlah data bertanda + dan –

Contoh soal
Dilakukan sebuah penelitian untuk mengetahui tingkat pengetahuan budidaya kopi sebelum dan
sesudah diberi penyuluhan. Data hasil penelitian ditunjukkan pada tabel berikut.
Dengan α = 0,01, lakukan pengujian untuk mengetahui ada tidaknya pengaruh penyuluhan
terhadap tingkat pengetahuan budidaya kopi.
Membaca Tabel Distribusi Normal (Z)

Z = 2,58 maka p = 1 – 0,9951 = 0,0049

Wilcoxon Match pair Test

 Sebagai penyempurnaan uji tanda. Diperkenalkan pertama kali oleh (Frank Wilcoxon)

Selain memperhatikan + dan -, uji ini juga memperhatikan besarnya beda/selisih

Uji Urutan Bertanda Wilcoxon

Menentukan formulasi hipotesis

• H0 : Tidak terdapat perbedaan dari perlakuan 1 dan 2.

• H1 : Terdapat perbedaan antara perlakuan 1 dan 2

Menentukan taraf nyata dan nilai tabel

• Pengujian bisa satu sisi atau dua sisi Menentukan kriteria pengujian

• H0 : Diterima jika Tα < T0

 H1 : Diterima jika Tα > T0

 • Nilai T diperoleh dari Tabel urutan bertanda wilcoxon => Tα

Menentukan nilai uji statistik

 1. Tentukan tanda beda/selisih dan besarnya

2. Urutkan bedanya (tanpa memperhatikan tanda)

Ranking 1 diberikan pada selisih terkecil, urutan 2 pada selisih terkecil berikutnya.

Bila 2/lebih selisih nilai mutlaknya sama, maka masing-masing diberi rangking sama dengan
rata-rata urutan.

Contoh : selisih ke 5 dan ke 6 terkecil mempunyai nilai selisih yang sama, maka masing -
masing mendapat rangking 5,5 yang diperoleh dari (5 + 6)/2

3. Pisahkan tanda selisih positif dan negatif

4. Jumlahkan semua angka positif dan negatif

5. Nilai terkecil dari nilai absolut hasil penjumlahan selisih adalah nilai T0 Membuat
kesimpulan

Menyimpulkan

H0 diterima ataukah tidak

Contoh soal

Sebuah alat pencukur rambut dapat digunakan sebelum charged lamanya (jam) adalah : 1,5;
2,2; 0,9; 1,3; 2,0; 1,6; 1,8; 1,5; 2,0; 1,2; 1,7.

Ujilah hipotesis dengan α = 5% bahwa alat tersebut rata - rata dapat digunakan 1,8 jam
sebelum charged.

Solusi 2

H0 : m = 1,8

H1 : m ≠ 1,8

2. α = 0,05

3. Kriteria pengujian
 Ho : Diterima jika T < T0

Ho : Ditolak jika T > T0

Untuk n = 10 (dengan menghilangkan satu data yg selisihnya nol) dan α = 0,05 maka dari
Tabel nilai kritis uji urutan tanda (uji dua arah) =>T0.05 = 8

Tabel Uji Urutan Bertanda Wilcoxon

Solusi 2

Perhitungan : setiap pengamatan dikurangkan dengan 1,8, dan ditentukan peringkatnya,

tanpa memperhatikan tanda minus atau plus
 Kesimpulan: Karena T0.05 = 8 < T0 = 13 , maka terima H0 artinya bahwa alat pencukur
rambut tersebut rata - rata dapat digunakan 1,8 jam sebelum charged.

Wilcoxon Match pair Test

Dalam uji tanda hanya memperlihatkan arah perbedaan saja sedangkan dalam uji rangking
bertanda Wilcoxon selain memperlihatkan arah perbedaan juga memperlihatkan besar relatif dari
perbedaan tersebut. Cara analisis uji Peringkat Bertanda wilcoxon adalah: Tentukan selisih nilai
pasangan yaitu d. Untuk nilai yang sama (d=0) data dieliminir selisih d dirangking tanpa
memperhatikan tanda positif atau negatifnya. Untuk nilai d yang sama, rangkingnya adalah rata-
rata. Pengujian dilakukan menggunakan statistik T. Statistik T dihitung dengan menjumlahkan
rangking bertanda positif atau negatif yang menghasilkan jumlah paling sedikit. Bandingkan
dengan statistik T dengan tabel nilai kritis T uji rangking bertanda Wilcoxon. Kaidahnya : Tolak
H0 jika Untuk n > 25, maka statistik T mendekati normal dengan nilai

Merupakan suatu uji yang menghitung tanda dan besarnya selisih dari dua buah
rataan populasi. Uji ini lebih peka dari pada uji tanda dalam menemukan perbedaan
antara populasi. Dengan kata lain, uji peringkat bertanda wilcoxon digunakan jika
besaran maupun arah perbedaan relevan Untuk menentukan apakah terdapat perbedaan
yang sesungguhnya antara pasangan data yang diambil dari dua sampel yang berkait.

 Prosedur Uji wilcoxon Untuk Pengamatan Berpasangan

1. Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).

2. Memilih tarap keberartian ( ).

3. Menentukan daerah kritis W (bila dist Z digunakan).

4. Menyusun peringkat tanpa memperhatikan tanda.

5. Pemberian tanda atas peringkat yang telah ditetapkan.

6. Menjumlahkan peringkat dengan jumlah terkecil sebagai W.

7. Penarikan kesimpulan statistic tentang hipotesis nol (tolak H0 atau terima H0)

 Penarikan Kesimpulan Statistik

Untuk menguji hipotesis nol (H0) dari uji Wilocoxon ini, selain dapat
meggunakan tabe harga-harga kritis W dalam uji jenjang bertanda data berpasangan
wilcoxon khususnya untuk sampel kecil, juga dapat menggunakan pendekatan
distribusi normal. Sedangkan untuk sampel besar digunakan pendektan distribusi
normal.

Pengujian dilakukan dengan langkah-langkah sebagai berikut

 Hipotesis

- Satu sisi

H0 :W(+) = (-)

H1 : W(+) > (-)

H0 :W(+) = (-)

H1 : W(+) < (-)

- Dua sisi

H0 :W(+) = (-)

H1 : W(+) ≠ (-)

Dimana :

W(+) = jumlah semua peringkat selisih pasangan pengamatan (xi,yi) yang bertanda
positif

W(-)= jumlah semua peringkat selisih pasangan pengamatan (xi,yi) yang bertanda
negatif
  α = …%

 Daerah kritis

A. Tabel Wilcoxon

- Jika harga W adalah sama dengan atau kurang dari harga yang diberikan dalam tabel,
untuk satu tingkat signifikasi tertentu dengan N tertetu, maka tolak H0.

- Jika harga α hit yang diperoleh dari tabel (dengan N dan W tertentu) adalah sama
dengan atau kurang dari harga yang telah ditentukan,maka tolak H0

B. Distribusi Normal

Dari nilai Zhit yang diperoleh tentukan nilai peluang (P) padanannya, untuk tes
dua sisi kalikan dua P, bila P sama dengan atau kirang dari α, maka tolak H0.

 Statistik hitung

- Untuk setiap pasangan nilai pengamatan (xi,yi), hitung perbedaannya (di = xi-ui)

- Berikan peringkat terhadap perbedaan nilai pasangan pengamatan, mulai dari

peringkat 1 untuk perbedaan nilai terkecil hingga peringkat n untuk perbedan terbesar.
Bila terdapat perbedaan nilai pasangan yang sama, perbedaan nilai yang sama diberi
nilai rata-ratanya. Bila ditemukan perbedaan nol, kita beri peringkat 1 dengan tanda
yang kemungkinanya menolak H0.

- Beri tanda (+/-) kepada peringkat yang telah dibuat.

-Hitung jumlah di yang brtanda positif (W+) dan negative (W-).

-Statistika uji peringkat bertanda wilcoxon ialah W.W yang dipakai ialah W+ atau W-
yang nilainya “lebih kecil”.

Bila sampel ≥25 memakai pendekatan distribusi normal, yaitu rumus Z

 Kesimpulan

H0 ditolak, bila W , α hitung, atau p (normal) jatuh didalam daerah kritis.

Fisher Exact Test

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 nonparamtrik ini dipergunakan untuk mentukan 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 ini mempunyai median yang berbeda.

Uji median tidak memerlukan anggapan-anggapan tertentu tentang dua populasi dari mana
sampel diambil. Untuk keperluan uji median ini perlu ditentukan/dihitung lebih dahulu median
dari kombinasi

Mann Whithney U Test

Dalam pengujian ini digunakan data dari dua sampel independen yang masing-masing
berasal dari populasi yang independent. Dua sampel masing-masing berukuran n1 dan n2
dikatakan independent apabila pemilihan unit untuk kedua sampel tidak saling mempengaruhi.
Jadi apapun dan siapapun yang terpilih dari sampel pertama tidak mempengaruhi pemilihan pada
sampel kedua populasi yang independent. Salah satu pengujian yang dapat dilakukan adalah
pengujian Mann-Whitney.

 Prosedur Pengujian Mann-Whitney

1. Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).

2. Memilih tarap keberartian.

3. Menyusun peringkat data tanpa memperhatikan katagori sampel.

4. Menjumlahkan peringkat menurut tiap katagori sampel dan menghitung ststistik U

(dipilih nilai U terkecil)

5. Penarikan kesimpulan ststistik mengenai hipotesis nol (tolak atau terima H0)

 Penarikan Kesimpulan Statistik

 Hipotesis

- Satu sisi

-H0 :U1(+) = U2(-)

-H1 : U1 (+) < U2 (-)

-H0 : U1 (+) = U2 (-)

 -H1 : U1 (+) > U2 (-)

- Dua sisi

- H0 :U1(+) =U2 (-)

- H1 : U2(+) ≠ U1(-)

Dimana U adalah nilai ststistik yang dipakai dalam tes ini, nilainya diperoleh dari
beberapa kali suatu skor dalam kelompok n2 mendahului skor dalam kelompok n1 (atau
sebaliknya, pilih nilai U minimum).

 α = …%

 daerah kritis

a. Tabel Mann – Whitney

- Utuk n2 < 8 : jika harga α hitung yang diperoleh dari tabel (dengan n2,n1 dan Umin
diketahui) adalah sama dengan atau kurang dari harga α yang telah ditentukan, maka tolak
H0.

-Untuk n2 diantara 9 dan 20 : jika harga U min adalah sama dngan atau kurang dari harga U
yang diberikan dalam tabel untuk satu signifikan tertentu, maka tolak H0.

b. Distrbusi Normal

Dari nilai Z hit yang diperoleh tentukan nilai peluang (P) padananya, untuk tes dua sisi
kalikan dua P, bila P sama dengan atau kurang dari α, maka tolak H0.

 Statistika Hitung

Statistik U yang dihasilkan dari uji ini diperoleh dari persamaan :

U = n1.n2+ (2.9)

Persamaan diatas ekivalen dengan:

U = n1.n2+ (2.10)

Dimana :

n1= banyaknya sampel dalam salah satu grup

n2= bayaknya sampel dalam grup yang lain

R1= jumlah skor rangking yang diberikan pada grup dengan ukuran sampel n1

R2= jumlah skor rangking yang diberikan pada grup dengan ukuran sampel n2

-Pilih nilai U min, dari dua nilai U diatas

- Bila n2 > 20 gunakan distribusi Z

Wald Woldfwitz Test

Contigency Coefficient Correlation

Spearman Rank Correlation

Metode korelasi jenjang ini dikemukakan oleh Carl Spearman pada tahun 1904. Metode ini
diperlukan untuk mengukur keeratan hubungan antara dua variabel dimana dua variabel itu
tidak mempunyai joint normal distribution dan conditional variance tidak diketahui sama.
Korelasi rank dipergunakan apabila pengukuran kuantitatif secara eksak tidak mungkin/sulit
dilakukan. Misalnya: mengukur tingkat moral, tingkat kesenangan, tingkat motivasi.

Untuk mengukur tingkat rank-correlation coefficient-nya, yang dinotasikan dengan rs,

dilakukan langkah-langkah sebagai berikut:

1. Nilai pengamatan dari dua variabel yang akan diukur hubungannya diberi jenjang. Bila
ada nilai pengamatan yang sama dihitung nilai rata-ratanya.

2. Setiap pasangan jenjang dihitung perbedaannya

3. Perbedaan setiap pasang jenjang tersebut dikuadratkan dan dihitung jumlahnya.

4. Nilai rs (koefisien korelasi Spearman) dihitung dengan rumus:

di mana : di menunjukkan perbedaan setiap pasang rank

n menunjukkan jumlah pasangan rank

Hipotesa nihil yang akan diuji menyatakan bahwa dua variabel yang diteliti dengan nilai
jenjangnya itu independen, tidak ada hubungan antara jenjang variabel yang satu dengan
jenjang dari variabel lainnya.

Ho : rs = 0
 H1 : rs ≠ 0

Kriteria pengambilan keputusannya adalah:

Ho diterima apabila rs ≤ ρs(α)

Ho ditolak apabila rs > ρs(α)

Untuk n < 30 dapat dipergunakan tabel nilai t, dimana nilai t sampel dapat dihitung dengan
rumus:

Contoh:

Misalnya kita ingin menentukan apakah nilai dalam suatu tes tertentu yang diperoleh
pekerja-pekerja mempunyai hubungan dengan hasil pekerjaan yang dinyatakan dengan
jumlah satuan yang diprodusir dalam jangka waktu tertentu. Sepuluh pekerja telah dipilih.
Nilai tes dinyatakan dengan X dan jumlah produsir dinyatakan dengan Y. Hasil
penelitiannya ditunjukkan sebagai berikut:

Dari data tersebut koefisien korelasi Spearman dapat dihitung dengan:

 Ada korelasi positif yang nyata antara nilai tes dengan jumlah satuan yang diprodusir.

Kendall Tau

Pearson Product Moment

Partial Corelation

Multiple Correlation

Uji Hipotesis Non Parametrik

Terdapat bermacam-macam teknik statistik yang dapat digunakan dalam suatu penelitian
khususnya dalam pengujian statistik. Teknik statistik yang akan digunakan tergantung pada
interaksi dua hal, yaitu macam data yang akan dianalisis dan bentuk hipotesisnya.
Pada hipotesis komparatif ada dua macam yaitu komparatif dua sampel dan lebih dari dua
sample.

MACAM BENTUK HIPOTESIS

DATA DESKRIPTIF KOMPARATIF (DUA SAMPEL) ASOSIATIF

(SATU VARIABEL) RELATED INDEPENDEN (HUBUNGAN)

NOMINAL Binomial Mc Nemar Fisher Exact Contingency

Probability Coefficient C

one sample

Two sample

ORDINAL Run Test Sign Test Median Test Spearman Rank

Correlation
Wilcoxon Match Mann Whitney U
Pair Test Test Kendall Tau

INTERVAL/ t- Test t- test of Related T- test of Pearson product

Independen Moment
RASIO
Partial
Correlation

Multiple
Correlation

Sumber:

Sudjana.(2005).metode statistika edisi ke-6.Bandung: Tarsito.

Sugiono (2011). metode penelitian kuantitatif kualitatif dan R&D.Alfabeta