UJI

 PERBEDAAN  DUA  
SAMPEL  
Materi  Statistik  Sosial    
Administrasi  Negara  FISIP  UI  
Digunakan  untuk  menentukan  apakah  dua  
perlakukan  sama  atau  tidak  sama  

Uji  non  
Uji  parametrik  
parametrik:  

Skor  yang  ada  

asumsi:   Mc  Nemar  Test,   hanya  
distribusi   Sign  Test,   klasifikatori  
Wilcoxon  Test,   sehingga  tidak  
 T-­‐test   normal,  skala   Walsh  Test,   dapat  dibuat  
minimal   Randomness   selisih  skala  
interval   Test,     nominal  atau  
ordinal  
 Berhubungan  
(Dependent  atau  Paired)  
UJI  BEDA  DUA  
SAMPEL  
Independent  

• Uji  dependent  digunakan  jika  antara  sampel  yang  diuji  

terdapat  keterkaitan  satu  dengan  yang  lain.    
• Jumlah  sampel  sama  
• Contoh:  pre-­‐post  test,  time-­‐series  test  

• Uji  independent  digunakan  jika  antara  sampel  yang  diuji  

tidak  terdapat  keterkaitan  satu  dengan  yang  lain.    
• Jumlah  sampel  bisa  sama,  bisa  berbeda  
• Contoh:  uji  atas  sampel  PNS  dan  Non  PNS    
Uji  Parametrik:  Dependent  t-­‐test  
• Dependent  t-­‐test  digunakan  untuk  melihat  perbedaan  
jika  dilakukan  dua  kali  pengujian  untuk  kelompok  yang  
sama  pada  waktu  yang  berbeda  
Ho : µ1 = µ 2
Ha : µ1 ≠ µ 2 atau Ha : µ1 > µ 2 atau Ha : µ1 < µ 2
•  Bandingkan  nilai  signifikansi  dengan  alpha  
•  Jika  nilai  signifikansi  ≤  α,  maka  Ho  ditolak  
•  Jika  nilai  signifikansi  >  α,  maka  Ho  tidak  ditolak  

xD (ΣD) 2
t= ΣD 2 −
sD N
sD =
N N −1
 Skor  Keinginan   Skor  Keinginan   D   D2  
melakukan   melakukan  
korupsi  sebelum   korupsi  setelah  
sosialisasi   sosialisasi  
45   23   22   484  
56   25   31   961  
73   43   30   900  
53   26   27   729  
27   21   6   36  
34   29   5   25  
76   32   44   1936  
21   23   -­‐2   4  
54   25   29   841  
43   21   22   484  
X  =  Σx  =  48,2   X  =  Σx  =  26,8   X  =  ΣD  =  21,4  
 ΣD2=45796  
             N                N                N  
 Ho : µ1 = µ 2
Ha : µ1 ≠ µ 2 atau Ha : µ1 > µ 2 atau Ha : µ1 < µ 2
45796 2 21, 4
6400 − t= = 4, 758
10 14, 222
sD = = 14, 222
10 −1 10
Bandingkan  nilai  t  dengan  nilai  t  tabel  (t  kritis).  Untuk  95%  dan  
df=  N-­‐1  =  9  maka  akan  diperoleh  nilai  +  =  2,262  

Daerah  Ho  
ditolak  

-­‐2,262   2,262   4,758  

Bandingkan  nilai  signifikansi  ini  dengan  α,  sig  >α,    
0,076  >  0,05,  artinya  Ho  tidak  ditolak    
Uji  Parametrik:  t-­‐test  for  Independent  
Sample  

• Independent  t-­‐test  digunakan  untuk  melihat  

perbedaan  jika  dua  kelompok  sampel  diteliti,  
namun  tidak  terdapat  hubungan  di  antara  
kedua  kelompok  tersebut.  
Langkah  Pengujian:  Jika  menggunakan  
SPSS,  lakukan  Levene’s  test  terlebih  
dahulu  
Levene test for equality of variances
Ho : σ 12 = σ 22
2 2
Ha : σ ≠ σ1 2

•  Bandingkan  nilai  signifikansi  pada  kolom  Levene’s  

test  dengan  alpha  
•  Jika  nilai  signifikansi  ≤  α,  maka  Ho  ditolak  
•  Jika  nilai  signifikansi  >  α,  maka  Ho  tidak  ditolak  
Lanjutkan  ke  uji  t-­‐test.  Jika  tanpa  SPSS  
langsung  ke  uji  t-­‐tes  
t-test for equality of means
Ho : µ1 = µ2 Ho : µ1 = µ2 Ho : µ1 = µ2
Ha : µ1 ≠ µ2 Ha : µ1 > µ2 Ha : µ1 < µ2
•  Bandingkan  nilai  signifikansi  dengan  alpha  
•  Jika  nilai  signifikansi  ≤  α,  maka  Ho  ditolak  
•  Jika  nilai  signifikans  >  α,  maka  Ho  tidak  ditolak  
 2 2
2 (df .s ) + (df2 .s )
1 1 2
σ pooled =
n1 + n2 − 2
2 2
σ pooled σ pooled
σ x1−x2 = +
n1 n2

(x1 − x2 ) − (µ1 − µ 2 ) µ1 − µ 2 = 0
t=
σ x1−x2
Bandingkan  hasil  t-­‐test  dengan  nilai  t  kritis  
pada  tabel.  Pengujian  bisa  satu  atau  dua  sisi  
 Rating sukses dari kebijakan
Daerah A Daerah B
1,00 4,00 7,00 5,00
3,00 4,00 9,00 10,00
4,00 6,00 8,00 6,00
3,00 3,00 5,00 1,00
6,00 ,00 10,00 2,00
8,00 1,00 9,00 3,00
9,00 6,00 10,00 9,00
7,00 4,00 6,00 7,00
8,00 5,00 5,00 4,00
1,00 6,00 2,00 2,00

µ A = 4, 45 µ B = 6, 00 sA = 2, 564 sB = 2, 991
 2 2
2 (19.2, 564 ) + (19.2, 991 )
σ pooled = = 7, 7498405
20 + 20 − 2
7, 7498405 7, 7498405
σ x1−x2 = + = 0,88033178
20 20

(4, 45 − 6) − 0
t= = −1, 7606998
0, 88033178
Uji  Non  parametrik:  Mc  Nemar  Test  
l  Uji perubahan sikap sebelum dan sesudah

After
Before Success Failure
Failure n1 n2
Success n3 n4

2
2(n1 − n4 )
χ =M
n1 + n4
Contoh  McNemar  Test  
Ho: tidak ada perubahan sikap sebelum dan sesudah
konvensi
Ha: ada perubahan sikap sebelum dan sesudah
konvensi

Postconvention
Preconvention Against For
For 0 15
Against 20 15
2 Bandingkan  dengan  nilai  chi-­‐
2 (0 − 15) square  tabel  pada  df=1  dan  α=0,05  
χ =
M = 15 yaitu  3,84.  Artinya  Ho  ditolak  
0 + 15
 postconv
preconv
1 2
1 15 0
2 15 20

Test Statisticsb

preconv &
postconv
N 50
Exact Sig. (2-tailed) .000a
a. Binomial distribution used.
b. McNemar Test
 Uji  Non  parametrik:    
Uji  Peringkat  Berganda  Wilcoxon  

• Uji  perbedaan  skor  sebelum  dan  sesudah    

N ( N + 1)
T−
z= 4
N ( N + 1)(2 N + 1)
24
                                                    produksi        ranking  
Operator    sebelum    sesudah        d  tanda            +              -­‐  
 A    17            18    1    1,5        1,5  
 B    21        23    2        3            3  
 C    25        22    -­‐3                      5          5  
 D    15        25    10        8            8  
 E    10        28    18      10          10  
 F    16        16    0  
 G    10        22    12        9              9  
 H    20        19    -­‐1      1,5      1,5  
 I    17        20    3                5              5  
 J    24        30    6        7                7  
 K    23        26    3        5              5  
Ho: tidak ada perbedaan kualitas produksi sebelum dan
sesudah penggunaan mesin baru
Ha: ada perbedaan kualitas produksi sebelum dan
sesudah penggunaan mesin baru
 N ( N + 1) 10(11)
T− 6,5 −
z= 4 = 4 = −2,14
N ( N + 1)(2 N + 1) 10(11)(21)
24 24

Atau  lihat  nilai  ranking  terendah  =  6,5  bandingkan  

dengan  nilai  tabel  2  arah  untuk  tingkat  signifikansi  
95%.  Berarti  nilai  ranking  lebih  rendah  dari  nilai  
tabel  sehingga  Ho  ditolak.  Prosedur  baru  dapat  
meningkatkan  produksi  
 Ranks

N Mean Rank Sum of Ranks

after - before Negative Ranks a
2 3.25 6.50
Positive Ranks 8b 6.06 48.50
Ties 1c
Total 11
a. after < before
b. after > before
c. after = before

Test Statisticsb

after - before
Z -2.148a
Asymp. Sig. (2-tailed) .032
a. Based on negative ranks.
b. Wilcoxon Signed Ranks Test
Uji  Non  Parametrik:  MANN-­‐WHITNEY  U  TEST  

l  Untuk menguji ada tidaknya perbedaan skor

antara dua kelompok yang independen

n1 (n1 + 1)
U = n1n2 + − T1 T1= jumlah ranking sampel 1
2
n2 (n2 + 1)
U = n1n2 + − T2 T2= jumlah ranking sampel 2
2
n1n2
µu =
U − µu 2
z= n1n2 (n1 + n2 + 1)
σu σu =
12
Contoh  Mann-­‐Whitney  U  Test  
• Penelitian  dilakukan  untuk  menguji  perbedaan  skor  
partisipasi  murid  sekolah  agama  dan  sekolah  umum.  
Hasilnya:  
Sekolah Agama Sekolah Umum
5 11 19 23 5 13 19 26
6 13 19 24 7 13 20 26
8 13 20 28 8 14 20 27
8 14 21 28 8 14 21 27
10 16 22 8 18 22
10 17 22 9 19 24
11 17 22 12 19 24
 Sekolah Agama Sekolah Umum
5 1,5 13 17,5 20 33 5 1,5 13 17,5 20 33
6 3 13 17,5 21 35,5 7 4 14 21 21 35,5
8 7 14 21 22 38,5 8 7 14 21 22 38,5
8 7 16 23 22 38,5 8 7 18 26 24 43
10 11,5 17 24,5 23 38,5 8 7 19 29 24 43
10 11,5 17 24,5 23 41 9 10 19 29 26 45,5
11 13,5 19 29 24 43 12 15 19 29 26 45,5
11 13,5 19 29 28 49,5 13 17,5 20 33 27 47,5
28 49,5 27 47,5
T1 621,5 T2 653,5
RANKING
 25(25 + 1)
U = (25)(25) + − 621,5 = 296,5
2
25(25)
µu = = 312,5
2
(25)(25)(25 + 25 + 1)
σu = = 51,54
12
296,5 − 312,5
z= = −0,31
51,54
 Ranks

sekolah N Mean Rank Sum of Ranks

partisipa Sekolah Agama 25 24.86 621.50
Sekolah Umum 25 26.14 653.50
Total 50

Test Statisticsa

partisipa
Mann-Whitney U 296.500
Wilcoxon W 621.500
Z -.311
Asymp. Sig. (2-tailed) .756
a. Grouping Variable: sekolah