MATERI UJI KOMPERATIF STATISTIKA

Disusun untuk memenuhi tugas mata kuliah statistika

Dosen Pembimbing : M. Irwan Katili, S.Pd., M.Kes.

Disusun Oleh :
INTAN LARASATI
P1337430118070 / 3B

PROGRAM STUDI D-III TEKNIK RADIODIAGNOSTIK DAN RADIOTERAPI

SEMARANG
JURUSAN TEKNIK RADIODIAGNOSTIK DAN RADIOTERAPI
POLITEKNIK KESEHATAN KEMENKES SEMARANG
2020
 PENGUJIAN HIPOTESIS KOMPARATIF

Menguji hipotesis komparatif berarti menguji parameter populasi yang berbentuk

perbandingan melalui ukuran sampel yang juga berbentuk perbandingan. Hal ini juga
dapat berarti menguji kemampuan generalisasi (signifikansi hasil penelian yang berupa
perbandingan keadaan variabel dari dua sampel atau lebih. Bila Ho dalam pengujian
diterima berarti nilai perbandingan dua sampel atau lebih tersebut dapat digeneralisasikan
untuk seluruh populasi dimana sampel-sampel diambil dengan taraf kesalahan tertentu.

Desain penelitian masih menggunakan variabel mandiri, (satu variabel) seperti

halnya dalam penelitian deskriptif, tetapi variabel tersebut berada pada populasi dari
sampel yang berbeda, atau pada populasi dan sampel yang sama tetapi pada waktu yang
berbeda. Pengujian hipotesis komparatif dapat dipahami melalui gambar 5.1 berikut.

Gambar 5.1 Prinsip Dasar Pengujian Hipotesis Komparatif

Terdapat dua model komparasi yaitu komparasi antara dua sampel dan komparasi
antara lebih dari dua sampel yang sering disebut komparasi k sampel. Selanjutnya setiap
model komparasi sampel dibagi menjadi dua jenis yaitu sampel yang berkorelasi dan
sampel yang tidak berkorelasi disebut dengan sampel independen.

Sampel yang berkorelasi biasanya terdapat dalam desain penelitian eksperimen.

Sebagai contoh dalam membuat perbandingan kemampuan kerja pegawai sebelum dilatih
dengan yang sudah dilatih, membandingkan nilai pretest dan postest dan membandingkan
kelompok eksperimen dan kelompok kontrol (pegawai yang diberi latihan dan yang
tidak).

Sampel independen adalah sampel yang tidak berkaitan satu lain, misalnya akan
membandingkan kemampuan kerja lulusan SMU dan SMK, membandingkan penghasilan
petani, nelayan dan sebagainya. Bentuk komparasi sampel dapat dipahami melalui tabel
5.1 benkut.

Tabel 5.1 Berbagai Bentuk Komparasi Sampel

Dua Sampel Lebih dari dua sampel

Berpasangan Independen Berpasangan Independen

Dalam pengujian hipotesis komparatif dua sampel atau lebih (membuat

generalisasi) terdapat berbagai teknik statistik yang digunakan. Teknik statistik mana
yang akan digunakan tergantung bentuk komparasi dan macam data. Untuk data interval
dan ratio digunakan statistik parametris dan untuk dapat nominal/ diskrit dapat digunakan
statistik non parametris. Tabel 5.2 berikut dapat digunakan sebagai pedoman untuk
memilih teknik statistik yang sesuai.

Tabel 5.2 Berbagai Teknik Statistik Untuk Menguji Hipotesis Komparatif

BENTUK KOMPARASI
MACAM
Dua Sampel k Sampel
DATA
Korelasi Independen Korelasi Independen

Interval t-test * dua t-test* dua One Way One Way

sampel sampel Anova* Anova*
Ratio

Two Way Two Way

 Anova Anova

Fisher Exact Chi Kuadrat

for k sample
Chi Kuadrat
Nominal Mc Nemar
for k sample
Chi Kuadrat Two
sample Cochran Q

Median Test

Median
Sign test
Mann- Whitney Extension
Friedman
U test

Ordinal Wilcoxon
Kruskal-Walls
Two Way
Matched Kolmogorov
Anova One Way
Smirnov
Pairs
Anova

Wald- Wolfowitz

* Statistik Parametris

A. Komparatif Dua Sampel

Pada bagian ini dikemukakan statistik yang digunakan untuk menguji hipotesis
komparatif dua sampel yang berkorelasi dan indepeden baik menggunakan statistik
parametris maupun nonparametris.

Terdapat tiga macam hipotesis komparatif dua sampel dan cara mana yang akan
digunakan tergantung pada bunyi kalimat dalam merumuskan hipotesis. Tiga macam
pengujian itu adalah :

1. Uji Dua Fihak

Uji dua fihak bila rumusan hipotesis nol dan alternatifnya berbunyi sebagai
berikut :

Ho : Tidak terdapat perbedaan (ada kesamaan) produktivitas kerja antara pegawai yang
mendapat kendaraan dinas dengan yang tidak.
Ha : Terdapat perbedaan produktivitas kerja antara pegawai yang mendapat kendaraan
dinas dengan yang tidak.

Ho : 1 = 2

Ha : 1 ≠ 2

2. Uji Fihak Kiri

Uji fihak kiri digunakan apabila rumusan hipotesis nol dan alternatifnya adalah
sebagai berikut :

Ho : Prestasi belajar siswa SMU yang masuk sore hari lebih besar atau sama dengan
(paling sedikit) yang masuk pagi hari.

Ha : Prestasi belajar siswa SMU yang masuk sore hari lebih rendah dari yang masuk
pagi hari.

Ho : 1 ≥ 2

Ha : 1 < 2

3. Uji Fihak Kanan

Uji fihak kanan digunakan bila rumusan hipotesis nol alternatifnya berbunyi
sebagai berikut:

Ho : Disiplin kerja Pegawai Swasta lebih kecil atau sama dengan (paling besar) Pegawai
Negeri.

Ha : Disiplin kerja Pegawai Swasta lebih besar dari Pegawai Negeri.

Ho : 1 ≤ 2

Ha : 1 > 2
 Daerah penerimaan Ho dan Ha untuk ketiga macam uji hipotesis tersebut, seperti
ditunjukkan pada gambar-gambar yang ada pada deskriptif (satu sampel).

1. Sampel Berkorelasi
a. Statistik Parametris
1) t-test
Statistik Parametris yang digunakan untuk menguji hipotesis komparatif
rata-rata dua sampel bila datanya berbentuk interval atau ratio adalah
menggunakan t-test.

Rumusan t-test yang digunakan untuk menguji hipotesis komparatif dua sampel
yang berkorelasi ditunjukkan pada rumus 5.1.

Rumus 5.1

Dimana :

X̄ 1 = Rata-rata sampel 1

X̄ 2 = Rata-rata sampel 2

S1 = Simpangan baku sampel 1

S2 = Simpangan baku sampel 2

S 21 = Varians sampel 1
2
S2 = Varian sampel 2

r = Korelasi antara dua sampel

b. Statistik Nonparametris
 Berikut ini dikemukakan statistik nanparametris yang digunakan untuk
menguji hipotesis komparatif dua sampel yang berkorelasi. Teknik Statistik yang
akan dikemukakan adalah Mc Nemar Test untuk menguji hipotesis komparatif
data nominal dan Sign Test untuk data ordinal.

1) Mc Nemar Test
Teknik statistik ini digunakan untuk menguji hipotesis omparatif (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
- 0

+ 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
perubahan antara jawaban pertama dan kedua muncul dalam sel A dan 0.
Seseorang dicatat dalam sel A jika berubah dari tambah ke kurang dan dicatat
pada sel 0 jika ia berubah dari kurang ke tambah. Jika tidak ada terjadi perubahan
yang diobservasi yang berbentuk tambah dia dicatat di sel B, dan dicatat di sel C
bila tidak terjadi perubahan yang diobservasi yang berbentuk kurang.

A + D adalah jumlah total orang yang berubah, dan B dan C yang tidak berubah.
Ho = ½ (A + D) berubah dalam satu arah, dan merupakan frekuensi yang
diharapkan di bawah Ho pada kedua sel yaitu A dan D.
 Test Mc Nemar berdistribusi Chi Kuadrat (2) oleh karena itu rumus yang
digunakan untuk pengujian hipotesis adalah rumus Chi Kuadrat. Persamaan
dasarnya ditunjukkkan pada rumus 6.2 berikut.

Rumus 6.2

Dimana:

fo = Banyak frekuensi yang diobservasi dalam kategori ke i

fh = Banyak frekuensi yang diharapkan di bawah Ho 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 lebih disederhanakan menjadi rumus 6.3.

Rumus 6.3

2 2
A+ D A +D
( f o −f h )2
=
( A−
2 ) +( D−
2 )
fh A+ D A+ D
2 =  2 2
 Rumus tersebut akan semakin baik dengan adanya ‘koreksi kontinuitas” yang
diberikan oleh Yates, 1934 yaitu : dengan mengurangi dengan nilai 1. Koreksi
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.

(|A−D|−1)2
2 = A+ D dengan dk = 1 Rumus 6.4

2) Sign Test (Uji Tanda)

Sign test digunakan untuk menguji hipotesis komparatif dua sampel yang
berkorelasi, bila datanya berbentuk ordinal. Teknik ini dinamakan uji tanda (sign
test) karena data yang akan dianalisis dinyatakan dalam bentuk tanda-tanda, yaitu
tanda positif dan negatif. Misalnya dalam data suatu eksperimen, hasilnya tidak
dinyatakan berapa besar perubahannya secara kuantitatif, tetapi dinyatakan dalam
bentuk perubahan yang positif dan negatif. Apakah insentif yang diberikan kepada
pegawai mempunyai pengaruh positif terhadap efektifitas suatu organisasi? Jadi
dalam hal ini tidak menanyakan berapa besar pengaruhnya secara kuantitatif, tetapi
hanya pernyataan mempunyai pengaruh positif atau negatif.

Sampel yang digunakan dalam penelitian adalah sampel yang berpasangan,

misalnya suami-istri, pria-wanita; pegawai negeri-swasta dan lain-lain. Tanda
positif dan negatif akan dapat diketahui berdasarkan perbedaan nilai antara satu
dengan yang lain dalam pasangan itu. Sebagai contoh perbedaan data yang
diberikan oleh suami dan istri yang ditunjukkan pada tabel 6.7.

Hipotesis nol (Ho) yang diuji adalah : p (XA> XB) = P(XA <XB) = 0,5.
Peluang berubah dan XA ke XB = peluang berubah dan XB ke XA = 0,5, atau
peluang untuk memperoleh beda yang bertanda positif sama dengan peluang
 untuk memperoleh beda yang negatif. Jadi kalau tanda positif jauh lebih banyak
dan negatifnya, dan sebaliknya, maka Ho ditolak. XA = nilai setelah ada
perlakuan (treatmen) dan XB = nilai sebelum ada perlakuan. Ho juga dapat
diketahui berdasarkan median dari kelompok yang diobservasi. Bila jarak antara
median dengan tanda positif dan negatif sama nol, maka Ho diterima.

Jika (XA - XB) menunjukkan nilai perbedaan, dan m merupakan median

dan perbedaan ini, maka uji tanda dapat digunakan untuk menguji Ho : m = 0
dan Ha ≠ 0 dengan peluang masing-masing 0,5. Jadi Ho : p = Ha ; p = 0,5.

Untuk sampel yang kecil ≤ 25 pengujian dilakukan dengan menggunakan

prinsip-prinsip distribusi Binomial dengan P = Q = 0,5 (lihat test Binomial) di
mana N = banyak pasangan. Bila suatu pasangan observasi tidak menunjukkan
adanya perbedaan, yakni selisih = 0, maka pasangan itu dicoret dari analisis.
Dengan demikian Nnya akan berkurang. Untuk pengujian hipotesis dapat
membandingkan dengan tabel IV (lampiran), di mana x dalam tabel itu adalah
nilai bertanda positif atau negatif yang jumlahnya lebih kecil.

Sebagai contoh misalnya 25 pasangan yang diobservasi terdapat 20

pasangan yang menunjukkan perubahan positif (+) dan 5 menunjukan perubahan
negatif (-) , maka disini N = 20 dan x = 5. Berdasarkan hal tersebut, maka p
tabel = 0,002 (uji satu fihak).

3) Wilcoxon Match Pairs Test

Teknik ini merupakan penyempurnaan dari uji tanda. Kalau dalam uji
tanda besarnya selisih nilai angka antara positif dan negatif tidak
diperhitungkan sedangkan dalam uji Wilcoxon ini diperhitungkan. Seperti
dalam uji tanda, teknik ini digunakan untuk menguji hipotesis komparatif dua
sampel yang berkorelasi bila datanya berbentuk ordinal (berjenjang).

2. Sampel Independen (Tidak Berkorelasi)

Menguji hipotesis dua sampel independen adalah menguji kemampuan
generalisasi rata-rata data dua sampel yang tidak berkorelasi. Seperti telah
dikemukakan bahwa sampel-sampel yang berkorelasi biasanya terdapat pada
rancangan penelitian eksperimen. Pada penelitian survey, biasanya sampel-sampel
yang dikomparasikan adalah sampel independen. Contoh perbandingan penghasilan
petani dan nelayan, disiplin kerja pegawai negeri dan swasta.

Teknik statistik yang digunakan untuk menguji hipotesis komparatif, tergantung

pada jenis datanya. Teknik statistik t-test adalah merupakan teknik statistik
parametris yang digunakan untuk menguji komparasi data ratio atau interval,
sedangkan statistik nonparametris yang dapat digunakan adalah Median Test, Mann-
Whitney, Kolmogorov-Smirnov, Fisher Exact, Chi Kuadrat, Test Run Wald-
Wolfowitz. Statistik nonparametris digunakan untuk menguji hipotesis bila datanya
nominal dan ordinal.

a. Statistik Parametris
1) t- test
Terdapat dua rumus t-test yang dapat digunakan untuk menguji hipotesis
komparatif dua sampel independen. Rumus tersebut ditunjukkan pada rumus 5.7
dan 5.8 berikut :

X̄ 1− X̄ 2
s12 s22
t= √ +
n1 n2 Rumus 5.7 (Separated Varians)

X̄ 1 − X̄ 2
( n1 −1 ) s21 +( n2 −1) s22 1 1

t= √ n 1 +n2 −2 ( +
n1 n2 ) Rumus 5.8 (Polled Varians)

Terdapat beberapa pertimbangan dalam memilih rumus t-test yaitu :

a) Apakah dua rata-rata itu berasal dari dua sampel yang jumlahnya sama atau
tidak?
b) Apakah varians data dari dua sampel itu homogen atau tidak. Untuk menjawab
itu perlu pengujian homogenitas varians.
 Berdasarkan dua hal tersebut di atas maka berikut ini diberikan petunjuk untuk
memilih rumus t-test.

(a) Bila jumlah anggota sampel n1 = n2 dan varians homogens 1 = 2, maka
dapat digunakan rumus t-test, baik untuk separated maupun polled varians, yaitu
rumus 6.7 dan 6.8. untuk mengetahui t tabel digunakan dk yang besarnya dk = n 1+
n2 -2.
(b) Bila n1 ≠ n2, varians homogen (12 = 22) dapat digunakan t-test dengan
polled varians, yaitu rumus 6.8 besarnya derajat kebebasan = n1 - n2 - 2.
(c) Bila n1 = n2, varians tidak homogen (2 ≠ 2) dapat digunakan rumus 6.7
maupun 6.8, dengan dk = n1 - 1 atau n2 - 2. Jadi dk bukan n1 – n2 - 2 (Phopan,
1973).
(d) Bila n1 ≠ n2 dan varians tidak homogen (2 ≠ 2 ). Untuk ini digunakan
rumus separated varians rumus 6.7 harga t sebagai penganti harga t tabel dihitung
dari selisih harga t tabel dengan dk = (n1 - 1) dan dk = n2 - 1 dibagi dua dan
kemudian ditambah dengan harga t yang terkecil. Contoh : n1 = 25; berarti dk 24,
maka harga t tabel = 2.797 n2 = 13, dk = 12: harga t tabel = 3,005 (untuk kesalahan
1%. uji dua fihak). Jadi harga t tabel yang digunakan adalah 3.055 - 2,797 = 0,208.
Selanjutnya harga ini ditambah dengan harga t yang terkecil. Jadi 0,208 + 2,797 =
2, 923. Harga t =3,005 (lihat tabel II) ini adalah sebagai penganti harga t tabel
(Phopan, 1973).

b. Statistik Nonparametris
Statistik Nonparametris yang digunakan untuk menguji hipotesis
komparatif dua sampel independen antara lain adalah : 2 (Chi Kuadrat), Fisher
Exact Probability (untuk data nominal dan ordinal); Median Test, Mann Whitney
U-Test, Kolmogorov-Smimov, Waid Wolfowitz (untuk data ordinal).

1)Chi Kuadrat (2) dua sampel

Chi Kuadrat digunakan untuk menguji hipotesis komparatif dua sampel
bila datanya berbentuk nominal dan sampelnya besar. Cara perhitungan dapat
menggunakan rumus yang telah ada atau dapat menggunakan Tabel Kontingensi
2 x 2 (dua baris x dua kolom). Pada Bab ini diberikan contoh penggunaan Tabel
Kontingensi untuk menghitung harga Chi Kuadrat, karena lebih mudah.
 Frekuensi Pada : Jumlah
Sampel
Obyek I Obyek II sampel

Sampel A a b a+b

Sampel B c d c+d

Jumlah a+c b+d n

n = jumlah sampel

Dengan memperhatikan koreksi Yates, rumus yang digunakan untuk menguji

hipotesis, adalah sebagai berikut (rumuS 6.10).

1
n (|ad − bd|− n)2
2
 = (a + b) (a +c ) (b + d ) (c + d)
2
Rumus 5.10

2) Fisher Exact Probability Test.

Test ini digunakan untuk menguji signifikansi hipotesis komparatif dua
sampel kecil independen bila datanya berbentuk nominal. Untuk sampel yang
besar digunakan Chi Kuadrat (2).

Untuk memudahkan perhitungan dalam pengujian hipotesis, maka data

hasil pengamatan perlu disusun ke dalam tabel kontingensi 2 x 2 seperti
berikut.

Kelompok jumlah

I A B A+B

II C D C+D

Jumlah N
 Kelompok I = sampel I

Kelompok II = sampel II

Tanda hanya menunjukkan adanya klasifikasi, misalnya lulus-tidak lulus;

gelap-terang dan sebagainya. A B C D adalah data nominal yang berbentuk
frekuensi.

Rumus dasar yang digunakan untuk pengujian Fisher ditunjukkan pada rumus 6.11
berikut.

( A +B)! (C +D )! ( A +C )! ( B+D )!
p= N! A! B C ! D!

Nilai faktorial bisa dilihat pada tabel V (lampiran); misalnya 5! = 120.

3) Test Median (Median Test)

Test Median digunakan untuk menguji signifikansi hipotesis komparatif
dua sampel independen bila datanya berbentuk nominal atau ordinal. Pengujian
didasarkan atas median dan sampel yang diambil secara random. Dengan
demikian Ho yang akan diuji berbunyi : Tidak terdapat perbedaan dua kelompok
populasi berdasarkan mediannya.

Kalau Test Fisher digunakan untuk sampel kecil, dan Test Chi Kuadrat
(2) digunakan untuk sampel besar, maka test median ini digunakan untuk
sampel antara Fisher dan Chi Kuadrat. Berikut ini diberikan panduannya.

1. Jika n1 + n2 > 40, dapat dipakai test Chi Kuadrat dengan koreksi
kontinuitas dari Yates.
2. Jika n1 + n2 antara 20 - 40 dan jika tak satu selpun memiliki frekuensi
yang diharapkan 5, dapat digunakan Chi Kuadrat dengan koreksi kontinuitas.
Bila f < 5 maka dipakai test Fisher.
3. Kalau n1 + n2 < 20 maka digunakan test Fisher.
 Untuk menggunakan test median, maka pertama-tama harus dihitung
gabungan dua kelompok (median untuk semua kelompok). Selanjutnya dibagi
dua, dan dimasukkan ke dalam tabel seperti berikut :

Kelompok Kel. I Kel. II Jumlah

Di atas
Median A B A+B
gabungan

Di bawah
C D C+D
median gabungan

Jumlah A + C = n1 B + D = n2 N = n1 + n 2

A = banyak kasus dalam kelompok I di atas median gabung = ½ n1

B = banyak kasus dalam kelompok II di atas median gabung = ½ n2

C = banyak kasus dalam kelompok I di bawah median = ½ n1

D = banyak kasus dalam kelompok II di bawah median = ½ n2

Pengujian dapat menggunakan rumus Chi Kuadrat (2) seperti ditunjukkan pada
rumus 5.12 berikut.

2
N
[
N ( AD−BC )−
2 ]
2 = ( A +B)(C+ D)( A+C )( B+D) Rumus 5.12

Rumus diatas dk = 1

Kriteria pengujian :

Ho : diterima bila Chi Kuadrat hitung ≤ tabel

Ho : ditolak bila Chi Kuadrat hitung > table

4) Mann-Whitney U-Test
U-test ini digunakan untuk menguji hipotesis komparatif dua sampel
independen bila datanya berbentuk ordinal. Bila dalam suatu pengamatan
data berbentuk interval, maka perlu dirubah dulu ke dalam data ordinal. Bila
data masih berbentuk interval sebenarnya dapat menggunakan t-test untuk
pengujiannya, tetapi bila asumsi t-test tidak dipenuhi (misalnya data harus
normal), maka test ini dapat digunakan.

Terdapat dua rumus yang digunakan untuk pengujian, yaitu rumus

6.13 dan 6.14, kedua rumus tersebut digunakan dalam perhitungan, karena
akan digunakan untuk mengetahui harga U mana yang lebih kecil. Harga U
yang lebih kecil tersebut yang digunakan untuk pengujian dan
membandingkan dengan U tabel.

n1 (n1 +1)
−R1
U1 = n1n2 + 2 Rumus 6.13

dan

n2( n2+1 )
−R 2
U2 = n1n2 + 2 Rumus 6.14

Dimana :

n1 = Jumlah sampel 1

n2 = Jumlah sampel 2

U1 = Jumlah peringkat 1

U2 = Jumlah peringkat 2

R1 = Jumlah rangking pada sampel n1

 R2 = Jumlah rangking pada sampel n2

5) Test Kolmogorov-Smirnov Dua Sampel

Test ini digunakan untuk menguji hipotesis komparatif dua sampel
independen bila datanya berbentuk ordinal yang telah tersusun pada tabel
distribusi frekuensi kumulatif dengan menggunakan klas-klas interval. Rumus
yang digunakan adalah sebagai berikut :

D = maksimum [Sn1(X) - Sn2(X)] Rumus 6.15

6) Test Run WaId-Wolfowitz

Test ini digunakan untuk menguji signifikansi hipotesis komparatif dua
sampel independen bila datanya berbentuk ordinal, dan disusun dalam bentuk
run. Oleh karena itu sebelum data dua sampel (n1 + n2) dianalisis maka perlu
disusun terlebih dahulu kedalam bentuk rangking, baru kemudian dalam bentuk
run.

B. Komparatif k Sampel
Penelitian untuk variabel yang sama, sering dilakukan pada sampel yang
jumlahnya lebih dari dua (k sampel), misalnya 3: 4 atau 10 sampel. Selanjutnya
berdasarkan sampel yang diambil secara random tersebut, akan dianalisis apakah
rata-rata (mean) antara satu sampel dengan sampel yang lain berbeda secara
signifikan atau tidak. Signifikan artinya perbedaan atau persamaan rata-rata dari
sampel-sampel tersebut dapat digeneralisasikan terhadap polulasi dari mana sampel-
sampel tersebut diambil. Jadi perbedaannya bukan hanya terjadi pada sampel-sampel
itu saja.

Misalnya akan dilakukan penelitian untuk mengetahui adakah perbedaan

disiplin kerja antara Pegawai Negeri Sipil (X1), Swasta (X2), dan BUMN (X3)
(Badan Usaha Milik Negara). Karena terlalu luasnya populasi, maka dalam
memperoleh informasi, peneliti menggunakan sampel yang diambil dari tiga
kelompok populasi tersebut. Selanjutnya untuk menguji signifikansi perbedaan rata-
rata (mean) ketiga kelompok sampel tersebut secara serempak (X 1 : X2 : X3) dan
efisien, maka diperlukan teknik statistik tersendiri. Tetapi kalau dalam pengujian
yang serempak itu menghasilkan perbedaan yang signifikan, maka perlu dilanjutkan
pengujian antara dua sampel, yaitu X1 : X2 : X1: X3, dan X2 : X3. Dari tiga pengujian
itu akan dapat diketahui dimana letak perbedaan, apakah hanya X 1 dengan X2 saja
atau ke tiga-tiganya.

Pengujian hipotesis komparatif k sampel secara serempak akan lebih efisien,

karena tidak harus melalui antar dua sampel. Untuk tiga sampel saja (X1; X2; X3)
akan dilakukan tiga kali pengujian bila melalui antar dua sampel. Untuk n kelompok
sampel akan dilakukan n (n-1) : 2 pengujian. Misalnya untuk 10 sampel akan
dilakukan 10 (10 - 1) : 2 = 45 kali pengujian.

Seperti terlihat dalam pedoman umum memilih teknik statistik, khususnya pedoman
dalam memilih teknik statistik untuk menguji hipotesis komparatif (tabel 6.2) terlihat
bahwa, teknik statistik yang digunakan untuk pengujian hipotesis komparatif, akan
tergantung pada jenis data, dan bentuk hubungan antar sampel yang dibedakan.
Hubungan sampel dapat dibedakan menjadi dua yaitu sampel yang
berkorelasi/berpasangan (related) dan sampel yang independen.

Pada bagian ini akan dikemukakan teknik statistik untuk menguji hipotesis
komparatif k sampel yang berpasangan, baik menggunakan statistik parametris
maupun nonparametris. Sedangkan untuk sampel independen diberikan di bagian
belakang bab ini.

1. Sampel Berkorelasi
Pengertian sampel berkorelasi telah dijelaskan pada bab pedoman umum
memilih teknik statistik. Teknik statistik yang digunakan untuk menguji hipotesis ini
meliputi statistik parametris dan nonparametris. Statistik parametris meliputi
Analysis of Varian (Anova) dan nonparametris meliputi Test Cochran dan Friedman.

a. Statistik Parametris
1) Analisis Varian
Analisis Varian digunakan untuk menguji hipotesis-hipotesis
komparatif rata-rata k sampel bila datanya berbentuk interval atau ratio. Satu
sampel dalam k kejadian/pengukuran berarti sampel tersebut berpasangan,
model (before-after). Satu sampel diberi perlakuan sampai 5 kali, ini berarti
sudah 5 sampel berpasangan. Sedangkan k sampel dalam satu kejadian berarti
sampel independen (lima sampel diberi satu kali perlakuan, adalah
merupakan lima sampel independen).

Terdapat beberapa jenis Analisis Varian, yaitu :

a. Analisis Varian Klasifikasi Tunggal (Single Classification)

b. Analisis Varian Klasifikasi Ganda (Multiple Classification)
Analisis varian klasifikasi tunggal, yang sering juga disebut anova satu jalan
digunakan untuk menguji hipotesis komparatif rata-rata k sampel, bila pada
setiap sampel hanya terdiri atas satu kategori, sedangkan Anova Klasifikasi
Ganda/dua Jalan digunakan untuk menguji hipotesis komparatif rata-rata k
sampel bila pada setiap sampel terdiri atas dua atau lebih ketegori.

Sumber :

https://www.statistikian.com/2012/04/uji-komparatif-pengantar-non-
parametris.html?amp

http://putriparaswarapratiwi.blogspot.com/2014/11/pengujian-hipotesis-
komperatif.html?m=1