STATISTIK NON PARAMETRIK

“Pengujian Hipotesis k Sampel Saling Bebas dengan Uji Median dan

Kruskal - Wallis ”

DOSEN PENGAMPU MATA KULIAH :

Dr. Ni Made Sri Mertasari, M.Pd.

OLEH:

Kelompok 7 / Kelas 6A

1. Annisa Puji Hastuti 1813011069

2. Ni Putu Ayu Gandhita Liana 1813011088

PROGRAM STUDI S1 PENDIDIKAN MATEMATIKA

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS PENDIDIKAN GANESHA

2020
 BAB I
KAJIAN TEORI
1.1 STATISTIKA NONPARAMETRIK

Uji statistika nonparametrik adalah uji yang modelnya tidak menetapkan

syarat mengenai parameter populasi yang merupakan induk sampel
penelitiannya (Siegel, 1997). Statistika nonparametrik digunakan untuk
menganalisis data yang sekurang- kurangnya berskala ordinal dari populasi yang
bebas distribusi (tidak harus berdistribusi normal). Dua tipe utama prosedur
statistik yang dianggap nonparametrik adalah: 1) prosedur-prosedur
nonparametrik murni, 2) prosedur-prosedur bebas-distribusi (distribution-free
procedures). Statistika nonparametrik dapat digunakan untuk menguji hipotesis
yang menggunakan satu sampel dan lebih dari dua sampel. Dalam uji satu
sampel kita menarik suatu sampel random dan kemudian menguji hipotesis
bahwa sampel ini ditarik dari suatu populasi dengan populasi tertentu, sedangkan
dalam kasus lebih dari dua sampel kita menguji hipotesis yang menyatakan
bahwa beberapa sampel telah ditarik dari populasi yang sama atau dari populasi
dengan parameter yang sama.
Keunggulan atau kelebihan statistik nonparametrik adalah (Daniel, 1989):
1. Karena kebanyakan prosedur nonparametrik memerlukan asumsi dalam
jumlah yang minimum, maka kemungkinan terjadinya kesalahan pun
kecil.
2. Untuk beberapa prosedur nonparametrik, perhitungan dapat dilakukan
dengan cepat dan mudah, terutama bila terpaksa dikerjakan secara
manual. Jadi penggunaan prosedur ini lebih menghemat waktu dalam
perhitungan.
3. Para peneliti dengan dasar matematika serta statistika yang kurang
biasanya menganggap bahwa konsep dan metode prosedur
nonparametrik mudah dipahami.
4. Jika sampelnya kecil statistik nonparametrik dapat digunakan, kecuali
kalau sifat distribusi populasinya diketahui secara pasti.
Sedangkan kekurangan atau kelemahan statistik nonparametrik diantaranya:
1. Karena perhitungan yang dibutuhkan untuk kebanyakan prosedur
nonparametrik cepat dan sederhana, prosedur ini kadang-kadang
digunakan untuk kasus yang lebih tepat bila ditangani dengan prosedur
parametrik. Cara seperti ini sering menyebabkan pemborosan informasi
2. Kendatipun prosedur nonparametrik terkenal karena prinsip
perhitungannya yang sederhana, pekerjaan hitung menghitung
(arithmetic)-nya sendiri sering membutuhkan banyak tenaga serta
menjemukan
Setelah melihat kekurangan dan kelebihan statistik nonparametrik, dibawah ini
akan dikemukakan beberapa situasi yang tepat bila ditangani dengan prosedur
nonparametrik :
1. Bila hipotesis yang harus diuji tidak melibatkan suatu parameter
populasi.
2. Bila data diukur menggunakan skala yang lebih tepat menggunakan
prosedur statistika nonparametrik. Sebagai contoh, data mungkin terdiri
atas data hitung atau data peringkat, sehingga menghalangi penerapan
prosedur parametrik yang semestinya lebih tepat
3. Bila asumsi yang diperlukan tidak terpenuhi dengan menggunakan
prosedur parametrik. Sebagai contoh, dalam rancangan riset percobaan
suatu proyek mungkin menganjurkan penggunaan prosedur parametrik
tertentu. Tetapi dalam pemeriksaan data mungkin salah satu atau
beberapa asumsi yang mendasari pengujian tersebut tidak terpenuhi,
sehingga prosedur statistik nonparametrik bisa menjadi solusinya

1.2 PENGUJIAN HIPOTESIS

Langkah pertama dalam prosedur pengujian hipotesis adalah

menyatakan hipotesis nol-nya (H0). Hipotesis nol ini adalah suatu hipotesis
tentang ada tidaknya perbedaan atau pengaruh dari parameter yang diuji.
Hipotesis ini pada umumnya diformulasikan untuk ditolak. Apabila ditolak, maka
hipotesis pengganti (H1) dapat diterima. Hipotesis pengganti ini merupakan
hipotesis penelitian dari si pembuat eksperimen, yang dinyatakan secara
operasional. Hipotesis penelitian adalah prediksi yang diturunkan dari teori yang
sedang diuji (Siegel, 1997). Bila kita hendak membuat keputusan mengenai
perbedaan, kita menguji H0 terhadap H1. H1 merupakan pernyataan yang diterima
jika H0 ditolak. Uji hipotesis bisa dua sisi (two-sides/two-
tailed/nondirectional;tanpa arah/dwi arah), bisa juga satu sisi (one-sides/one-
tailed/directional; searah/eka arah). Yang berikut ini adalah contoh pernyataan
hipotesis nol dan hipotesis tandingannya bila parameter yang ingin kita ketahui
adalah rata-rata populasi µ1 untuk populasi 1, dan rata-rata populasi µ2 untuk
populasi 2, dengan perumusan hipotesisnya :

H0 : µ1 = µ2 vs H1 : µ1 ≠ µ2

Disini hipotesis nol menyatakan bahwa rata-rata kedua populasi itu sama. Sedangkan hipotesis tandingannya

menyatakan bahwa rata-rata keduannya tidak sama. Untuk uji satu sisi atau uji eka arah perumusan hipotesis statistiknya adalah:

H0 : µ1 ≥ µ2 vs H1 : µ1<µ2 atau

H0 : µ1 ≤ µ2 vs H1 : µ1>µ2
Guna menguji hipotesis itu, peneliti memilih statistik uji (test statistic)
yang paling tepat apakah Z, atau t (Daniel, 1989).
Pengujian untuk data yang lebih dari dua sampel adalah perluasan uji median, uji
Kruskal-Wallis

1.3 Uji Median

Dari setiap c populasi diambil sebanyak ni contoh, i=1,2,...,c.
Kemudian tentukan median contoh gabungan. Misalkan O1i adalah banyaknya
amatan contoh ke-i yang nilainya melebihi median keseluruhan, dan O2i adalah
banyaknya amatan contoh kei yang nilainya lebih kecil atau sama dengan median
keseluruhan. Keseluruhan amatan kemudian disajikan dalam tabel kontingensi
2xc.

contoh 1 2 … c Total
 >
      …      a
Median
≤
    …    b
Median
Total   …    N

Nilai a merupakan total banyaknya amatan yang lebih besar dari median contoh
keseluruhan, dan b merupakan total banyaknya amatan yang lebih kecil atau sama
dengan median contoh keseluruhan, dan a + b = N

Asumsi yang diperlukan dalam uji Median ini adalah :

1. Tiap contoh merupakan contoh acak.

2. Contoh-contoh tersebut saling bebas.
3. Skala pengukuran sedikitnya ordinal.
4. Jika semua populasi memiliki median yang sama, maka semua
populasi memiliki peluang suatu amatan lebih besar dari median
keseluruhan yang sma pula.
Dengan demikian hipotesisnya adalah

: semua c populasi memiliki median yang sama.

: sedikitnya ada dua populasi yang memiliki median yang berbeda

Statistik ujinya adalah sebagai berikut:

Tabel Kontingensi

Atau untuk kemudahan perhitungan, dapat digunakan

Jika a kira-kira sama dengan atau sangat dekat dengan b, maka penyederhanaan
formula diatas dapat dilakukan sehingga menjadi
Bentuk terakhir ini menghasilkan sebaran pasti jika a = b, jika tidak sebaran
pendekatan yang digunakan. Kriteria penolakan hipotesis nol : Tolak hipotesis nol

jika

1.4 Uji Kruskal-Wallis

Uji Kruskal-Wallis (Kruskal-Wallis one-way analysis of variance by

ranks) adalah teknik statistika nonparametrik yang digunakan untuk menguji
hipotesis awal bahwa beberapa contoh berasal dari populasi yang sama/identik.
Jika hanya melibatkan dua contoh, uji Kruskal-Wallis ekuivalen dengan uji Mann-
Whitney. Uji Kruskal-Wallis digunakan untuk rancangan acak lengkap.

Asumsi :

a. Data terdiri dari contoh acak , ,..., yang berasal dari populasi 1

dengan median Mx, dan contoh acak , ,..., dari populasi 2 dengan

median . Nilai dan tidak diketahui.

b. Kedua contoh saling bebas

c. Peubah acak bersifat kontinu
d. Skala pengukuran minimal ordinal
e. Fungsi sebaran dari kedua populasi hanya dipisahkan oleh lokasi
parameter
Hipotesis

: Mk atau k populasi mempunyai fungsi sebaran yang

identik

: Ada minimal satu Mi ≠ Mj dimana i ≠ j dan i, j = 1, 2, …, k

Statistik Uji
Statistik uji Kruskal-Wallis dapat ditentukan melalui prosedur berikut :

1. Seperti halnya uji Mann-Whitney, gabungkan seluruh data contoh,

sehingga akan ada sebanyak pengamatan

2. Peringkatkan setiap pengamatan dari yang terkecil hingga terbesar. Jika

terdapat ties (nilai yang sama), beri peringkat tengah (mid-rank)
3. Hitung jumlah peringkat untuk setiap contoh, nyatakan masing-masing

sebagai

4. Statistik uji Kruskal-Wallis dapat diperoleh melalui rumus :

Dalam hal ini adalah jumlah peringkat untuk contoh ke-i, adalah

jumlah pengamatan pada contoh ke-i, dan N adalah total pengamatan.

Jika ada ties, statistik uji perlu dikoreksi dengan faktor :

dalam hal ini dan t adalah banyaknya ties.

Sehingga statistik uji Kruskal-Wallis terkoreksi menjadi :

Kaidah Keputusan

a. Jika hanya melibatkan tiga contoh/perlakuan (k=3) dan setiap contoh

terdiri dari lima atau kurang pengamatan, gunakan tabel Kruskal-Wallis

(A.12). Tolak jika

b. Jika tabel Kruskal-Wallis (A.12) tidak dapat digunakan, gunakan tabel

 Khi-Kuadrat (A.11). Tolak jika

BAB II
IMPLEMENTASI

2.1 Uji Median

Suatu penelitian untuk mengetahui adakah hubungan golongan gaji

pegawai dengan jumlah media cetak golongan gaji pegawai dengan jumlah media
cetak yang dibaca. Dalam penelitian ini digunakan sampel pegawai golongan I =
11 Orang, II = 11 Orang, III = 12 orang , IV = 12 Orang. Data hasil penelitian
ditunjukkan pada tabel 1.1 berikut

Hipotesis untuk penelitian diatas adalah :

H0 : Tidak terdapat perbedaan dalam membaca jumlah media cetak

Berdasarkan golongan gaji pegawai, atau tidak ada hubungan antara
golongan gaji dengan jumlah media cetak yang dibaca.
H 1 : ada perbedaan dalam membaca jumlah media cetak berdasarkan golongan
Gaji pegawai, atau ada hubungan antara golongan gaji dengan jumlah
media cetak yang dibaca.

Jumlah media cetak yang dibaca

Golongan I Golongan II Golongan III Golongan iv
0 1 2 5
1 2 3 3
2 2 4 4
1 2 5 6
4 6 3 8
1 1 2 5
1 3 3 6
1 4 3 4
2 2 3 3
2 3 2 3
1 2 1 4
    2 4
   n1  11 n2  11     n3  12 n4  12  
Tabel 1.1 Jumlah Media Cetak yang dibaca Pegawai Berdasarkan
Golongan Gaji

Untuk menguji hipotesis di atas, tentukan median gabungan dari jumlah

media cetak yang dibaca oleh empat kelompok dari jumlah cetak yang dibaca oleh
empat kelompok golongan gaji tersebut. Median jumlah media cetak yang dibaca
oleh 4 kelompok pegawai tersebut adalah angka ke 23 dan 24 yaitu 2  3  2,5
Tentukan jumlah pegawai yang membaca media cetak di atas median dan
di bawah median. Karena harapan kita skor-skor yang berada diatas median dan
dibawah median berpeluang sama, maka peluang yang diharapkan dalam setiap
kelompok  0,5 . Frekuensi pengamatan dan frekuensi harapan jumlah media
cetak yang dibaca untuk masing masing golongan ditunjukkan pada tabel 1.2
berikut

Jumlah media yang dibaca pegawai

Kelompok Golongan I Golongan II Golongan III Golongan IV
O E O E O E O E

jumlah yang
membaca di 1 5,5 4 5,5 7 6 12 6
atas median

Jumlah yang
membaca di 10 5,5 7 5,5 5 6 0 6
bawah median

TOTAL 11 11 12 12
Tabel 1.2 Jumlah Pegawai yang Membaca Media Cetak di Atas dan di
Bawah Median

r k O  Eij 
2

  
2 ij

i 1 j 1 Eij


1  5,5 2 
 4  5,5 2 
 7  6 2 
12  6 2 
10  5,5 2 
 7  5,5 2 
 5  6 2 
 0  6
5,5 5,5 6 6 5,5 5,5 6 6
 10,26

 22, 0.05  5,99 . Karena 10,26  5,99 , maka tidak H 0 ditolak. Kesimpulannya
ada hubungan antara golongan gaji dengan jumlah media cetak yang dibaca.

2.2 Kruskal- Wallis

 a) Suatu penelitian untuk membandingkan efektivitas 4 tablet penurun
berat badan, 25 ekor tikus dibagi menjadi empat kelompok dengan cara
acak. Setiap kelompok diberikan tablet penurun berat badan yang
berbeda. Setelah 12 minggu penurunan berat badan ( dalam pon ) tiap-
tiap tikus dicatat sebagaimana disajikan pada tabel 1.3

A B C D
157 164 167 202
179 181 226 215
206 197 234 225
218 258 240 242
223   261 255
230   268 273
251   281  
265      
Tabel 1.3 Penurunan Beray Badan Tikus ( dalam pon ) setelah 12
minggu.

Hipotesis yang akan diuji dirumuskan sebagai berikut :

H 0 : keempat tablet mempunyai efek penurunan berat badan yang sama
H 1 : minimal ada satu tablet mempunyai efk penurunan berat badan yang
berbeda.

Untuk menguji hipotesis tersebut, gabungkan semua pengamatan dan

urutkan penurunan berat badan yang terjadi dari yang terendah sampai tertinggi.
Peringkat untuk masing-masing pengamatan diperoleh seperti pada tabel 1.4 :

A B C D
1 2 3 7
4 5 13 9
8 6 15 12
10 20 16 17
11   21 19
14   23 24
18   25  
22      
   
R1  88 R2  33   R3  116   R4  88
Tabel 1.4 Peringkat Penurunan Berat Badan Tikus ( dalam pon )
setelah 12 minggu.
 12   88  33 2  116  2   88 2 
2
H      3 26  4,2
25 26  8 4 7 6 


Karena banyak sampel yang diamati  k  ada 4, nilai H tersebut

dibandingkan dengan nilai  2 . Nilai  2 tabel untuk   0,05 dan derajat bebas
3  7,815 . Jadi H   2 tabel, sehingga tidak cukup bukti untuk menolak H 0 ,
kesimpulannya keempat tablet diet tersebut mempunyai efektivitas yang sama
terhadap penurunan berat badan.
b) Dalam bidang pertanian telah diketahui bahwa besarnya hasil tanaman
padi di antaranya tergantung pada banyaknya pupuk urea yang
digunakan. Ingin diuji apakah rata-rata hasil padi akan meningkat dengan
meningkatkannya dosis pupuk urea yang digunakan. Misal data hasil
padi ( kuintal per hektar ) pada berbagai dosis pupuk urea ( kg/Ha) adalah

Dosis
Urea Hasil padi ( ku/ha )
(kg/ha)
100 44,7 48,4 42,4 49,1 43,1
150 59,8 63,9 57,2 64,7 60,1
200 67,8 67,8 70,2 74,6 68,7
250 56,2 56,2 57,0 63,6 59,9
Tabel 1.5 Rata – Rata Hasil Padi Berdasarkan Dosis Urea yang
diberikan
Hipotesis :
H 0 : 1   2   3   4

H1 : minimal ada satu dosis urea menunjukkan perbedaan rata-rata hasil padi
Dengan perlakuan lainnya
Setelah semua pengamatan digabungkan dan diurutkan dari rata-rata hasil
panen terendah sampai yang tertinggi, peringkat untuk masing-masing
pengamatan diperoleh seperti pada tabel 1.6 berikut :
Urea Urea Urea Urea
100 150 200 250
1 8 16 6
2 11 17 7
3 12 18 9
4 14 19 10
5 15 20 13
     
R1  15 R2  60   R3  90 R4  45
Tabel 1.6 Peringkat Hasil Panen untuk masing-masing Jenis Pupuk
 12  15  60 2   90 2   45 2 
2
H      3 21  16,81
20 21  5 5 5 5 


Nilai  2 tabel untuk   0,05 dan derajat bebas 3  7,815

Jadi H   2 tabel, sehingga H 0 ditolak, kesimpulannya terdapat
perbedaan hasil panen dari masing-masing dosis yang diberikan. Untuk melihat
dosis pupuk mana saja yang berbeda dapat dilakukan uji perpasangan ganda
dengan rumus sebagai berikut:
1

R  R   B N12N!  n1  n1 

2

j j
  i i 

Jumlah pasangan yang akan dibandingkan sebanyak  4.3  6 , untuk

2
  0,05 nilai z  1,96 , sehingga

B  z 1     1  0,05   1,96  1,952

 2 g    2  6  
Karena ukuran sampel semuannya sama, maka cukup dihitung sekali
1
 N  N !  1 1  2
B   
 12  ni ni 

untuk semua pasangan.

1
 N N!  1 1  2 20.21 1 1  2
1

B     1,952     1,952 2,646  ,5 165

 12  ni ni   12  5 5 

Uji per pasangan yang dibandingkan sebagai berikut :

Dosis 100- dosis 150:  3  12  5,615  9  5,615 atau   14,615,3,385 
Berbeda
Dosis 100- dosis 200 :  3  18  5,615  12  5,615 atau
  6,385,17,615  Berbeda
Dosis 100- dosis 250 :  3  9   5,615  6  5,615 atau   11,615,0,385 
Berbeda
Dosis 100- dosis 200 : 12  18  5,615  6  5,615 atau
  11,615,0,385  Berbeda
Dosis 150- dosis 250 : 12  9   5,615  3  5,615 atau   2,615,8,615  tidak
berbeda
Dosis 200- dosis 250 : 18  9  5,615  9  5,615 atau  3,385,14,615 
Berbeda
Tampak bahwa rata rata hasil panen dengan menggunakan pupuk dosis
150 dan dosis 250 tidak bebeda nyata, sedangkan hasil perbandingan berganda
lainnya menunjukkan pasangan-pasangan yang dibandingkan berbeda nyata.
Dalam hal ini dapat diambil keputusan untuk menggunakan dosis pupuk sebanyak
200, karena dosis tersebut memberikan rata-rata hasil panen yang berbeda
dibandingkan dengan dosis lainnya.
Telah dijelaskan sebelumnya jika ada angka angka sama, perlu dilakukan
koreksi terhadap statistic H dengan factor koreksi 1  
T
.
N3  N
 c) Asam arakhidonat diketahui berpengaruh terhadap metabolism okuler.
Pemberian topical asam arakhidonat menyebkan gejala dan tanda, anatara
lain penutupan kelopak mata, gatal-gatal dam kotoran mata. Sebuah
eksperimen berminat mempelajari efektifitas anti-inflamasi okuler tiga
jenis obat ( yaitu Indomethacine, aspirin, dan Piroxicam ) terhadap
penurunan kelopak mata setelah pemberian asam arakhidonat. Untuk itu
13 ekor kelinci digunakan sebagai percobaan dengan memberikan asam
arakhidonat. Kedua belah mata kelinci percobaan diberikan larutan asam
arakhidonat. Sepuluh menit kemudian, mata kiri diberi larutan saline,
sedang mata kanan diberi salah satu obat anti inflamasi. 15 menit
kemudian, perubahan pembukaan kelopak mata dinilai dengan skor dari
0 sampai 3, sebagai berikut :
Skor 0 = tidak terjadi perubahan pembukaan
Skor 1 = perubahan pembukaan minimal
Skor 2 = perubahan pembukaan sedang
Skor 3 = perubahan pembukaan maksimal.
Efektivitas (x) didefinisikan sebagai selisih antara perubahan pembukaan
kelopak mata kanan dan kiri. Nilai x yang besar menunjukkan efektivitas obat.
Hasilnya disajikan pada tabel 1.7 . dapatkah ditarik kesimpulan bahwa ketiga jenis
obat mempunyai efektifitas yang sama sebagai anti-inflamas, gunakan taraf nyata 0,01.

Indomethacine Aspirin Piroxicam

3 1 2
3 0 2
2 2 3
1 1 1
3    
Tabel 1.7 Pengaruh Tiga Jenis Obat Anti-Inflamasi Okuler pada penutupan
Kelopak mata 13 Kelinci setelah pemebrian asam arakhidonat
Hipotesis untuk penelitian di atas dapat dinyatakan sebagai berikut
H0 : Sebaran populasi perubahan pembukaan kelopak mata pada ketiga jenis
Obat identik
H1 : paling sedikit satu populasi menunjukkan nilai-nilai yang lebih bear
Daripada populasi yang lainnya
Setelah ketiga sampel digabungkan dalam satu seri, kemudian buat
peringkatnya. Peringkat untuk masing-masing pengamat disajikan pada Tabel 1.8
berikut:

Indomethacin Piroxica
Aspirin
e m
 11,5 3,5 7,5
11,5 1 7,5
7,5 7,5 11,5
3,5 3,5 3,5
11,5    
 
  R1  45,5 R2  15,5   R3  30
Tabel 1.8 Peringkat Tiga Jenis Obat Anti-Inflamasi Okuler pada
Penutupan Kelopak Mata 13 Kelinci Setelah Pemberian Asam
Arakhidonat
Karena terdapat beberapa peringkat yang sama pada masing-masing sampel, maka
perlu dilakukan koreksi dalam perhitungan statistic H.
Peringkat sama pada kelompok 1  3  T1  33  3  24

Peringkat sama pada kelompok 2  2  T2  2 3  2  6

Peringkat sama pada kelompok 3  2  T3  2 3  2  6

 T  24  6  6  36
36
Faktor koreksi 1   0,9836
13  13
2

12   45,5 2 15,5 2  30 2 

Statistik H       313  1  4,095
1313  10  5 4 4 

4,095
Statistik H setelah ada factor koreksi  0,9836  4,163

Dengan menggunakan sebaran statistic Kruskal-Wallis ( Tabel Obat ), bila

n j  5,4 dan H  4,163 mempunyai kemungkinan muncul di bawah H 0 tidak
dapat ditolak. Kesimpulannya tidak dapat perbedaan potensi anti-inflamasi okul r
yang bermakna antara ketiga jenis obat.

BAB III
PENUTUP
3.1 Simpulan

Adapun simpulan yang dapat diambil adalah sebagai berikut.

1. Apabila data-data penelitian yang kita miliki tidak memenuhi asumsi
asumsi kenormalan, ragam tidak homogen, serta skala pengukuran yang
 digunakan lebih rendah daripada skala interval maka peneliti dapat
menggunakan uji statistika nonparametrik untuk k sampel.
2. Pengujian Hipotesis untuk k sampel saling bebas dalam makalah disajikan
menjadi uji median dan uji Kruskal-Wallis. Kedua-duanya dapat
dugunakan pada data yang sama,kedua-duanya dapat digunakan untuk
variable – variable dengan pengukuran sekurang kurangnya dalam skala
ordinal.
r k O  Eij 
2

 2  
ij
3. Teknik Pengujian Median menggunakan rumus
i 1 j 1 Eij

dan Teknik Pengujian Kruskal-Wallis menggunakan rumus

2
12 k
Ri
H   3 N  1 dengan memperhatikan beberapa langkah-
N  N  1 i 1 ni
langkah pengerjaanya.
4. Signifikansi nilai pengamatan  2 dengan menggunakann tabel  2 . Tolak
H 0 ditolak : jika kemungkinan yang diberikan untuk harga observasi  2

untuk derajat bebas di atas   atau jika  2 hitung   2 Tabel.

4.2 Saran

Peneliti menyarankan kepada pembaca diharapkan memahami betul

mengenai konsep Pengujian Hipotesis k Sampel Saling Bebas dengan Uji Median
dan Kruskal- Wallis karena ini merupakan salah satu bagian pengujian hipotesis.
Selain itu harus memperhatikan Signifikansi nilai pengamatan yang dibuat, karena
dengan pengujian tersebut berpengaruh terhadap parameter yang diuji.

DAFTAR PUSTAKA
Sumber Buku :
Bahan Ajar : Analisis Data Kategorik (STK351) Departemen Statistika-FMIPA
IPB. 2012
Michele Torre, Filippo Bogetto, and Eugenio Torre, “Effect of LSD-25 and 1-
Methyl-d-lysergic Acid Butanolamide on Rat Brain and Platelet Serctonin
Levels”, Psychopha macologia, 36 (1974), 117-122
Sigit, Nugroho. 2008. Statistika Non Parametrik. Edisi Pertama. UNIB Press, Jalan
WR Supratman, Bengkulu.

Suciptawati,Ni Luh Putu. 2009. Metode Statistika Nonparametrik. Udayana

Univercity Press Kampus Unud Sudirman Gedung Pascasarjana Lt.1 R.1.1.
Jln. P.B. Sudirman, Denpasar-Bali.
Sumber Website :
https://repository.unja.ac.id/127/1/kruskal-wallis.pdf
https://repository.unja.ac.id/114/1/non-parametrik_junaidi2010.pdf

1. Seorang guru olahraga ingin mengetahui mengeni minat muridnya menjadi atlet
olahraga. Diasumsikan bahwa anak- anak yang memiliki minat baik di olahraga
 akan mendapatkan nilai yang baik dan memiliki peluang yang besar. Terdapat
tiga kelompok murid yang dibedakan berdasarkan minatnya yaitu, murid yang
hanya menyukai mata pelajaran ilmiah, murid yang menyukai pelajaran ilmiah
dan olahraga, dan murid yang hanya menyukai bidang olahraga. Guru tersebut
pun mengambil 14 sampel anak yang dibagi menjadi 3 kategori di atas. Data
minat siswa dituliskan dalam tabel berikut ( data fiktif ) beserta score minatnya
terhadap olahraga.

Olahraga Ilmiah Keduanya

96 82 115
128 124 149
83 132 166
61 135 147
101 109  
Data kelompok minat siswa
Penyelesaian:
 Hipotesis
H0 : tidak ada perbedaan antara nilai rata-rata kelompok murid dari
ketiga kategori tersebut.
H1 : rata-rata nilai dari kelompok murid tersebut adalah berbeda
 Uji Statistik
Karena data yang digunakan adalah 3 kelompok independen sehingga
diperlukan suatu uji statistic untuk k sampel indenpenden. Karena minat
dapat diukur dengan skala data paling sedikit tidak skala ordinal sehingga
statistic pengujian kruskal wallis cocok untuk kasus ini.
 Tingkat Signifikansi
Umumnya nilai   0,05 dengan total sampel sebesar 14, dimana
n1  5, n2  5, n3  4

 Distribusi Sampling
K  3; Nilai k didapat dari banyaknya kelompok
 Daerah Penolakan
Daerah penolakan adalah semua nilai H yang mungkin terjadi dibawah
H 0 dengan nilai dikurang   0,05

 Penyelesaian:
Membuat ranking untuk setiap observasi di dalam kelompok. Dalam
pembentukan ranking seluruh data digabungkan dan di rangking secara
keseluruhan.

Olahraga Ilmiah Keduanya

 3 2 7
9 8 13
3 10 14
1 11 12
5 6  
 
  R1  22 R2  37   R4  46

Setelah dilakukan perangkingan terhadap seluruh observasi didalam

kelompok masing-masing, maka ranking untuk setiap observasi di dalam
tabel pertama dituliskan persis seperti pada tabel kedua diatas. Seluruh
rangking pada kelompok masing-masing dijumlahkan da dihasilkan
R1 , R2 , R3

Setelah kita dapatkan nilai R1 , R2 , R3 selanjutnya kita dapat

menghitung nilai H dengan menggunakan rumus berikut :

12 R 2j
H 
N  N  1
 j 1 n  3 N  1
k

Maka,
12   22  2  37  2  46 2 
H       314  1  6,4
1414  1  5 5 4 

Dengan menggunakan tabel O, untuk n1  5, n 2  5, n3  4 , maka

H  Tabel   H  hitung  , artinya kemungkinan kemunculan nilai-nilai
dibawah H 0 Sebesar  0,049 . Karena kemungkinan tersebut lebih
kecil dari   0,05 maka jelas keputusan kasus ini adalah menolak H 0
dan menerima H 1 . Dalam kasus fiktif ini bisa disimpulkan bahwa
memang tidak sama meniat siswa menjadi atlet olahraga.
2. Seorang penelitian pendidikan ingin mempelajari apakah ada hubungan
antara tingkat pendidikan ibu dengan banyaknya kunjungan ke sekolah
anaknya. Diambil sampel secara random sebanyak 10% dari 440 anak
yang terdaftar di sekolah. Dari sampel tersebut didapat nama dari 44 ibu-
ibu yang kemudian dijadikan sample. Hipotesisnya adalah banyaknya ibu
ke sekolah bervariasi menurut tingkat pendidikan yang diamatinya.
Datanya adalah sebagai berikut ( gunakan   0,05 )
Penyelesaian:

SD SMP SMA P.T

4 2 2 9
3 4 0 4
0 1 4 2
 7 6 3 3
1 3 8 2
2 0 0 4
0 2 5 5
3 5 2 2
5 1 1 2
1 2 7 6
  1 6  
    5  
    1  

Solusi :
H0 : tidak ada perbedaan banyaknya kunjungan diantara para ibu
dengan variasi tingkat pendidikannya
H1 : ada perbedaan banyaknya kunjungan diantara para ibu dengan
variasi tingkat pendidikannya

PENDIDIKAN
  JUMLAH
SD SMP SMA PT
Diatas
5 4 7 6 22
median
Diatas
5 7 6 4 22
median
Jumlah 10 11 13 10 44

 2  1,295;  2  0,05,3   7,82

Keputusan : diterima H 0 karena  2   2  0, 05;3 

Kesimpulan : tidak ada perbedaan banyaknya kunjungan diantara para ibu

dengan variasi tingkat pendidikannya dengan tingkat keyakinan sebesar
95%