STATISTIKA DASAR

Lutfiah Berlianti / 18030234010 / KB 2018

Daftar Pertanyaan
1. Apa yang dimaksud dengan statistika non parametrik? Buatlah deskripsi jawaban
seluas-luasnya dan sedalam-dalamnya
Jawab :
Statistik non-parametrik ialah suatu uji statistik yang tidak memerlukan
adanya asumsi-asumsi mengenai sebaran data populasinya (belum diketahui sebaran
datanya dan tidak perlu berdistribusi normal) (Junaidi, 2015). Uji metode non
parametrik atau bebas sebaran adalah prosedur pengujian hipotesa yang tidak
mengasumsikan pengetahuan apapun mengenai sebaran populasi yang mendasarinya [
CITATION Luh17 \l 14345 ].

2. Kapan/bilamana statistika non parametrik boleh digunakan? Keadaan seperti apa yang
membolehkan orang tidak menggunakan statistika parametrik dan beralih ke statistika
non parametrik?
Jawab :
Statistika non-parametrik boleh digunakan ketika digunakan skala pengukuran
sosial, yakni nominal dan ordinal yang umumnya tidak berdistribusi normal ; tidak
menuntut terpenuhi banyak asumsi, misalnya data yang dianalisis tidak harus
berdistribusi normal; dan digunakan untuk menganalisis data nominal dan ordinal.
Pada saat data yang akan dianalisis menggunakan statistik parametrik tidak
memenuhi asumsi normalitas dan apabila data tidak menyebar normal, maka data
seharusnya dikerjakan dengan metode statistik non-parametrik [ CITATION Luh17 \l
14345 ].

3. Buatlah deskripsi dan contoh jenis-jenis data:

a. Nominal,
b. Ordinal,
c. Interval, dan
d. Rasio.
Jawab :
 Data nominal ialah data statistik yang cara menyusun angkanya didasarkan atas
penggolongan atau klasifikasi tertentu.
Contoh :
- Data jenis kelamin pada sampel penelitian Departemen Pendidikan, data siswa
dikategorikan menjadi ’laki-laki’ yang diwaliki angka 1 dan ’perempuan’ yang
diwakili angka 2. Konsekuensi dari data nominal adalah tidak mungkin
seseorang memiliki dua kategori sekaligus dan angka yang digunakan di sini
hanya sebagai kode/simbol saja sehingga tidak dapat dilakukan operasi
matematika.
- Dalam salah pesantren antara santriwan dan santriwati asramanya dipisahkan
dengan diberisimbol untuk santriwan A2 sedangkan untuk santriwati adalah
B2.
 Data Ordinal juga sering disebut data urutan, yaitu data statistik yang cara
menyusun angkanya didasarkan atas urutan kedudukan atau ranking.
Contoh :
- Suatu peringkat ranking disuatu kelas misalkan Ihsan ranking 1 dan udin
ranking 2 berarti ihsan lebih pintar dari pada udin.
- Penghitungan suara dalam pemilu, misalkan total suara Demokrat 60%, PDI
30%, Golkar 20% berarti suara tertinggi di pegang oleh demokrat sebagai
peringkat 1, sehinnga menjadi pemenang dalam pemilu tersebut.
 Data Interval adalah data statistik dimana terdapat jarak yang sama diantara hal-
hal yang sedang diselidiki atau dipersoalkan [ CITATION Luh17 \l 14345 ].
Contoh :
- Rata – rata tinggi badan berdasarkan usia, untuk anak – anak yang berusia 6 –
12 memiliki rata – rata tinggi badan 130 – 145 cm, untuk remaja yang berusia
13 – 18 memilikirata – rata tinggi badan 146 – 160 cm, dan untuk dewasa
yang berusia 19 – 26 cm memiliki rata – rata tinggi badan 161 – 199 cm.
- Kecepatan masing – masing orang dalam berkendara di jalan raya, Maharani
jika berkendaraan dengan kecepatan 20 – 40 km/jam masuk keukuran pelan,
untuk Ichsan dalam berkendaraan memiliki kecepatan 50 – 60 km/jam maka
masuk ke dalam ukuran sedang dan yang terakhir Valentina Rosi dalam
berkendaraannya selalu berkecepatan 70 – 80 km/jam maka masuk ke ukuran
cepat.
  Data Rasio, terdapat semua karakteristik skala nominal,ordinal dan skala interval
ditambah dengan sifat adanya nilai nol yang bersifat mutlak. Nilai nol mutlak ini
artinya adalah nilai dasar yang tidak bisa diubah meskipun menggunakan skala
yang lain. Oleh karenanya, pada skala ratio, pengukuran sudah mempunyai nilai
perbandingan/rasio.
Contoh :
- Berat bayi dimana bayi A beratnya adalah 3, B adalah 2, dan C adalah 1, jika
dilihat menggunakan skala rasio berat badan bayi A tiga kalilipat dari berat
badan bayi C, berat badan bayi B dua kalilipat dari C.
- Tinggi badan dari masing – masing data yang dikumpulkan, jika dilihat dari
skala rasio Ichsan lebih tinggi 10 cm dari pada Muiz, dan Muiz lebih tinggi 10
cm dari pada Chaby, dan chaby paling pendek diantara Ichsan dengan Muiz.

4. Buat penjelasan mengenai hubungan antara jenis-jenis data disebut pada soal nomor 3
dengan penggunaan statistika non parametrik?
Jawab :
Statistika non-parametrik dapat digunakan untuk menganalisis data yang
berskala Nominal atau Ordinal. Data berjenis Nominal dan Ordinal tidak menyebar
normal. Dari segi data, pada dasarnya data berjumlah kecil, yakni kurang dari 30 data
(Junaidi, 2015).

5. Buatlah daftar teknik-teknik analisis data yang tergolong dalam statistika non
parametrik! Tuliskan juga kegunaan dari masing-masing teknik yang anda tulis.
Sajikan dalam bentuk tabel.
Jawab :
Pengujian Untuk pengujian rata-rata satu sampel yang
Uji Tanda
kasus 1 distribusi populasinya jelas tidak normal.
sampel Uji χ 2 untuk kasus satu sampel merupakan Uji
Kebaikan Suai (Godness of Fit) artinya uji tsb
dapat digunakan untuk menguji apakah terdapat
kesesuaian yang nyata antara banyaknya atau
Uji X2
frekuensi objek yang diamati (observed) dengan
frekuensi objek yang diharapkan(expected) dalam
tiap-tiap kategori. Banyaknya kategori bisa dua
atau lebih.
Uji Runtun Agar dalam penarikan simpulan berdasarkan
 informasi sampel bersifat sah, maka sampel
tersebut harus merupakan sampel acak. Pengujian
terhadap keacakan sampel yang dimaksud
digunakan Uji Runtun (Run Test).
Untuk menguji tingkat kesesuaian antara distribusi
Uji
nilai sampel (skor yang diobservasi) dengan
Kolmogorof-
distribusi teoritis tertentu (misal, untuk uji
Smirnov untuk
Normalitas). Hipotesis statistiknya adalah bahwa
Uji Kebaikan
distribusi frekuensi hasil pengamatan bersesuaian
Suai
dengan distribusi frekuensi harapan (teoritis).
Prosedur uji tanda didasarkan pada tanda positif
atau negatif bagi selisih nilai pengamatan pada
setiap pasangan sampel. Pada pengujian ini hanya
Uji Tanda memperhatikan arah perbedaan saja, bukan
besarnya perbedaan. Uji tanda dapat digunakan
Pengujian 2
sebagai uji signifikasi perubahan (sebelum dan
sampel
sesudah perlakuan).
berpasangan
Dalam uji tanda hanya memperlihatkan arah
Uji Ranking perbedaan saja sedangkan dalam uji rangking
Bertanda bertanda Wilcoxon selain memperlihatkan arah
Wilcoxon perbedaan juga memperlihatkan besar relatif dari
perbedaan tersebut.
Uji ini digunakan untuk menguji perbandingan
Uji U Mann- dua perlakuan atau uji perbandingan suatu
Whitney perilaku terhadap kontrol. Nilai pengamatan
kedua sampel minimal berskala ordinal.
2
Dalam hal ini uji χ digunakan untuk menguji
Pengujian 2
kebebasan antara dua sampel (variabel) yang
sampel
disusun dalam tabel b x k (b=baris dan k=kolom).
bebas
Banyaknya kategori dalam tiap sampel (variabel)
Uji X2 2
bisa dua atau lebih. Syarat penggunaan uji χ
Ei <5 tidak melebihi 20%
yaitu banyaknya nilai
O E
dan tidak ada i dan i bernilai 1.
Pengujian K Uji Q Cockran Uji Q Cochran digunakan untuk menguji apakah
sampel tiga (atau lebih) himpunan skor (proporsi atau
berpasangan frekuensi) berpasangan saling signifikan.
Penjodohan dapat didasarkan atas ciri-ciri yang
relevan dalam subjek-subjek yang berlainan atau
berdasarkan kenyataan bahwa subjek-subjek yang
sama digunakan dalam kondisi yang berbeda.
Skala data yang digunakan dapat berupa skala
nominal maupun ordinal yang dipisahkan
 (dikotomi), seperti sukses dan gagal, ya dan tidak,
dan sebagainya.
Uji Friedman Uji Friedman digunakan untuk menguji signifikasi
(Analisis k sampel berpasangan dengan skala data minimal
ragam dua ordinal. Data disusun dalam n (baris ulangan) dan
arah) k kolom (perlakuan).
Uji Kruskal Wallis merupakan padanan bagi
Uji Kruskal- analisis ragam dalam metode parametrik sehingga
Wallis. uji ini dikenal dengan nama Analisis ragam satu
arah Kruskal-Wallis.
Pengujian K
Perluasan uji median digunakan untuk menguji
sampel
apakah beberapa populasi darimana sampel
bebas
Perluasan Uji diambil mempunyai median yang sama. Hipotesis
Median statistiknya menyatakan populasi-populasi
darimana sampel diambil mempunyai median
yang sama.
Analisis Dari semua statistik yang didasarkan atas
Korelasi Koefisien rangking (peringkat) koefisien korelasi rank
korelasi Spearman merupakan statistik paling awal
ranking dikembangkan dan mungkin yang paling dikenal
Spearman baik. Statistik ini kadang-kadang disebut rho
r
ditulis s yang merupakan ukuran korelasi.
Koefisien Korelasi ranking Tau Kendall cocok
digunakan sebagai ukuran korelasi dengan jenis
data yang sama dengan data dimana koefisien
Koefisien
korelasi rangking Spearman dapat digunakan.
ranking Tau-
Artinya jika sekurang-kurangnya tercapai
Kendall
pengukuran ordinal untuk variabel X dan variabel
Y, koefisien korelasi ranking Tau Kendall dapat
diterapkan.
Koefisien Koefisien korelasi ranking Spearman (juga Tau
korelasi Kendall) merupakan ukuran derajat keeratan
konkordasi hubungan antara dua variabel yang masing-
Kendall masing diukur sekurang-kurangnya dalam skala
ordinal. Apabila kita mempunyai variabel lebih
dari dua, kita juga dapat menentukan derajat
keeratan hubungan diantara variabel-variabel
tersebut dengan Koefisien korelasi ranking
Spearman maupun Tau Kendall. Tentu saja
dengan waktu pengerjaan yang cukup lama.
Sebagai contoh, jika kita ingin mengetahui
korelasi diantara empat variabel, misalnya A, B,
C,dan D, maka kita akan melakukan perhitungan
dengan statistik rs sebanyak 2c4=6 kali, yaitu rs
 untuk A dengan B, A dengan C, A dengan D, B
dengan C B dengan D, dan C dengan D. Apabila
analisisnya dilakukan secara manual, hal ini cukup
melelahkan. Untuk mengatasi masalah tersebut,
maka digunakan statistik lain yaitu Koefisien
Konkordasi Kendall W. Jadi koefisien konkordasi
Kendall W merupakan ukuran derajat keeratan
hubungan diantara k variabel yang diukur minimal
dalam skala ordinal.
Koefisien korelasi phi rф merupakan ukuran
derajat keeratan hubungan antara dua variabel
Koefisien
dengan skala nominal yang bersifat dikotomi
korelasi phi
(dipisahduakan). Data hasil pengamatan disusun
dalam tabel 2x2.
Koefisien kontigensi C merupakan ukuran
Koefisien
korelasi antara dua variabel kategori yang disusun
kontingensi
dalam tabel kontigensi b x k.

6. Statistika non parametrik adalah alternatif pengganti ketika statistika parametrik tidak
dapat diberlakukan (tidak memenuhi syarat keberlakuannya). Buat tabel yang memuat
kesejajaran antara teknik analisis parametrik dan teknik analisis non parametrik.
Jawab :
Uji Test Parametrik Test Non-Parametrik
Satu - Rata-rata Uji Z atau t Uji Peringkat Bertanda Wilcoxon
Sampel Uji Z Uji Kolmogorov-Smirnov (Uji
- Proporsi
Chi-square Kelayakan model untuk satu sampel)
- Variansi
Uji Liliefors untuk normalitas
Uji Satu Sampel untuk Median
Dua Sampel - Independen Uji Z atau t Uji U Mann-Whitney
Saling Berpasanga Uji t Uji Binomial
Bebas n Uji Z Uji Keacakan untuk dua sampel
Uji F saling bebas
- Proporsi
Uji Kolmogorov-Smirnov untuk dua
- Rasio
sampel saling bebas
Variasi
Uji Median untuk sampel saling
bebas
K Sampel - Rata-rata Anova Kruskal Wallis
Chi-square Friedman Test
- Proporsi
F-Levene
- Variansi
Bartlett
7. Buatlah contoh soal dan penyelesaian yang mengaplikasikan setiap teknik analisis
data dengan statistika non parametrik!
Jawab :
 Uji Tanda
Perusahaan garmen “MAJU” ingin mengukur peningkatan prestasi kerja
karyawan diperusahaan setelah diberikan pelatihan. Untuk itu diambil sampel
sebanyak 10 karyawan, datanya adalah sbb:

- Hipotesis Uji
H0 : p = 0,5 (tidak ada peningkatan prestasi kerja)
H1 : P ≠ 0,5 (ada peningkatan prestasi kerja )
Taraf nyata (α) Alpha = 5% =0,05
- Kriteria Pengujian
H0 diterima apabila probabilitas hasil sampel ≥ 0,05
H0 ditolak apabila hasil sampel < 0,05
- Perhitungan Nilai uji statistik
Jumlah sampel n = 10, jenis tanda yg memiliki nilai terkecil adalah negatif
sebanyak r = 4, peluang yg diujikan sebesar p=0,5.

Probabilitas hasil sampel = Pr(0)+Pr(1)+Pr(2)+Pr(3)+Pr(4)

= 0,00977+0,09770+0,04394+0,1172+0,2051
= 0,3769
 - Kesimpulan : karena α= 0,05 <probabilitas hasil sampel = 0,3769 maka
H0 diterima.jadi, tidak ada peningkatan pretasi kerja setelah diberikan
pelatihan.

 Uji X2
Dalam pilkada Jakarta, calon gubernur nomor urut 1 ingin mengetahui
proposri orang yang mendukungnya di 7 kelurahan di jakarta. Diyakini 95% di 7
wilayah tersebut memiliki sebaran pendukung yang sama. Jumlah pendukung
tercatat dalam tabel berikut.
Keluraha Pendukung Ei
n

1 29 21
2 19 21
3 18 21
4 25 21
5 17 21
6 18 21
7 22 21
- Hipotesis
H0 = Tidak terdapat perbedaan pendukung antara masing masing kelurahan.
H1= Terdapat perbedaan antara pendukung di massing-masing kelurahan.
- Tentukan nilai χ2 hitung terlebih dahulu
χ2=∑ki=1(Oi−Ei)2Ei
maka ,
χ2 hitung= (29−21)221+(19−21)221+⋯+(22−21)221= 5.67
- Tentukan nilai χ2tabel untuk perbandingan
df=k-1=7-1=6 ; k=cell amatan.
- Tentukan nilai α dari soal
Diketahui 95% berarti α=0.05
- Dari tabel χ2(df;α)→ χ2(6;0.05) diperoleh =12.59
Tolak H0 jika χ2hitung ≥ χ2tabel
Karena Tolak H0 jika χ2hitung ≤ χ2tabel maka:
 Kesimpulannya adalah, H0 gagal ditolak yang artinya, tidak terdapat
perbedaan pendukung antara masing masing kelurahan.

 Uji Ranking Bertanda Wilcoxon

Suatu penelitian terhadap pasangan yang identik dengan perbedaan
seorang selalu memakan makanan bergizi besi sedangkan yang lain selalu
mengkonsumsi suplemen tablet besi, didapatkan data sebagai berikut:
Pasangan Makanan Bergizi Besi Suplemen Tablet Besi
I 10,0 11,5
II 11,5 10,0
III 9,5 9,5
IV 9,5 10,0
V 10,0 12,0
VI 11,5 12,5
VII 9,0 11,0
VIII 10,5 9,0
IX 11,5 10,5
X 12,0 11,5
Selidikilah dengan  = 10%, apakah ada perbedaan Hb darah tiap pasangan yang
memakan makanan bergizi dan mengkonsumsi tablet besi?
Penyelesaian :
- Hipotesis
Ho : MB = TB  tidak berbeda Hb tiap pasangan yang memakan makanan
bergizi dan mengkonsumsi tablet besi
Ha : MB  TB  ada berbeda Hb tiap pasangan yang memakan makanan
bergizi dan mengkonsumsi tablet besi
- Level signifikansi :  = 10% = 0,10  0,05
- Rumus statistik penguji
N ( N +1)
T−
T −σ T 4
Z= =
σT N ( N +1 ) (2 N +1)
√ 24

Pasangan Makanan Supleme D Rangkin Rangking

Bergizi n Tablet (TB- gD Tanda
 Besi Besi GB) + -
I 10,0 11,5 1,5 6,0 6,0
II 11,5 10,0 -1,5 6,0 -6,0
III 9,5 9,5 0,0 0,0
IV 9,5 10,0 0,5 1,5 1,5
V 10,0 12,0 2,0 8,5 8,5
VI 11,5 12,5 1,0 3,5 3,5
VII 9,0 11,0 2,0 8,5 8,5
VIII 10,5 9,0 -1,5 6,0 -6,0
IX 11,5 10,5 -1,0 3,5 -3,5
X 12,0 11,5 -0,5 1,5 -1,5
Jumlah 28,0 17,0

N ( N +1)
T−
T −σ T 4
Z= =
σT N ( N +1 ) (2 N +1)
√ 24
9(9+1)
17−
4
Z = = 0,6517
9 ( 9+1 ) (2 .9+1)
√ 24

- Df/dk/db
Db tidak diperlukan
- Nilai tabel
Z tabel α = 0,10, uji dua sisi α = 0,05, nilai Z tabel = 1,65, dapat menggunakan
tabel Wilcoxon
- Daerah penolakan
Menggunakan rumus –  0,6517  <  1,65 ; berarti Ho diterima, Ha ditolak
- Simpulan
Tidak berbeda Hb tiap pasangan yang memakan makanan bergizi dan
mengkonsumsi tablet besi, pada  = 10%. (p > 0,10)

 Uji Satu-Sampel Kolmogorov-Smirnov

Hasil sampling tinggi badan 10 orang siswa di suatu sekolah (dalam
satuan cm) adalah sebagai berikut: 165, 163, 167, 166, 159, 167, 167, 169, 172,
165. Apakah cukup bukti untuk menyatakan bahwa sampel tersebut tidak berasal
dari populasi yang tingginya berdistribusi normal dengan rata-rata 166 cm dan
simpangan baku 3,464 cm? Gunakan taraf nyata 0,05.
Jawab:
- H0: Tinggi badan siswa di sekolah itu berdistribusi normal dengan rata-rata
166 cm dan simpangan baku 3,464 cm
- H1: Tinggi badan siswa di sekolah itu tidak berdistribusi normal dengan rata-
rata 166 cm dan simpangan baku 3,464 cm
Untuk memudahkan, kita urutkan ke-10 data tersebut dari yang terkecil sampai
terbesar, sehingga y1 = 159, y2 = 163, y3 = y4 = 165, y5 = 166, y6 = y7 = y8 = 167,
y9 = 169, dan y10 = 172.
Frekuensi relatif kumulatif untuk masing-masing yk (i = 1, 2, 3, …, 10) adalah
sebagai berikut.

Fi untuk masing-masing yk dihitung sebagai berikut:

F1 = 1 karena terdapat 1 buah data yang nilainya ≤ y1 = 159

F2 = 2 karena terdapat 2 buah data yang nilainya ≤ y2 = 163, yaitu y1 dan y2

F3 = 4 karena terdapat 4 buah data yang nilainya ≤ y 3 = 165, yaitu y1, y2, y3, dan
y4

F4 = 4 karena terdapat 4 buah data yang nilainya ≤ y 4 = 165, yaitu y1, y2, y3, dan
y4
F5 = 5 karena terdapat 5 buah data yang nilainya ≤ y 5 = 166, yaitu y1, y2, y3, y4,
dan y5

F6 = F7 = F8 = 8 karena terdapat 8 data yang nilainya ≤ y6 = y7 = y8 = 167 yaitu
y1 hingga y8

F9 = 9 karena terdapat 9 data yang nilainya ≤ y9 = 169, yaitu y1 hingga y9

F10 = 10 karena terdapat 10 data yang nilainya ≤ y10 = 172, yaitu y1 hingga y10

- Menggunakan rumus (+), diperolehlah:

F10(y1) = F10(159) = 1/10 = 0,1

F10(y2) = F10(163) = 2/10 = 0,2

F10(y3) = F10(y4) = F10(165) = 4/10 = 0,4

F10(y5) = F10(166) = 5/10 = 0,5

F10(y6) = F10(y7) = F10(y8) = F10(167) = 8/10 = 0,8

F10(y9) = F10(169) = 9/10 = 0,9

F10(y10) = F10(172) = 10/10 = 1,0

Catatan:
Kolom z di atas ditampilkan untuk keperluang menghitung F0(yk), yaitu frekuensi
relatif kumulatif hingga y = yk dengan menggunakan distribusi peluang
sebagaimana dinyatakan dalam H0. Sebagai contoh, karena dalam kasus ini
distribusi normal merupakan distribusi peluang teoretis pada H0, maka: Catatan:
 Dengan cara serupa akan diperoleh F0(y2), dan seterusnya, hingga F0(y10).
Apabila semua bilangan di kedua kolom terkanan tabel di atas diambil harga
mutlaknya, diperoleh tabel berikut :

Bilangan terbesar di antara kedua kolom pada tabel terakhir adalah nilai
statistik D dari Uji Kolmogorov-Smirnov. Jadi, D = 0,1864

Dari Tabel Nilai Kritis D dalam Uji Satu-Sampel Kolmogorov-Smirnov dengan

n = 10 dan α = 0,05, diperoleh nilai kritis D 0,05;10 = 0,409 dan karena D <
D0,05;10 kita tak dapat menolak H0. Hasil sampling yang ada tidak cukup untuk
menyangkal pernyataan bahwa populasi tinggi badan siswa di sekolah itu
berdistribusi normal dengan rata-rata 166 cm dan simpangan baku 3,464 cm.

 Uji Mann-Whitney
 Notasi yang digunakan :

Berdasarkan Tabel 2 (lihat Contoh 2a), ujilah dengan taraf nyata 5%,
apakah (peringkat) nilai mahasiswa Fak, Ekonomi lebih besar dibanding
mahasiswa Ilmu Komputer?
 Uji Kruskal-Wallis
Crason dkk. melaporkan data tentang kadar kartisol dalam tiga kelompok pasien
yang melahirkan pada usia kehamilan antara 38 dan 42 minggu. Pengamatan
terhadap kelompok I dilakukan sebelum proses bedah Caesar yang sengaja
dipilih. Pengamatan terhadap kelompok II dilakukan pada proses bedah Caesar
yang terpaksa dipilih akibat proses normal tidak berhasil. Dan kelompok III
terdiri atas pasien-pasienyang dapat melahirkan secara normal tetapi ada yang
memilih melahirkan melalui bedah Caesar. Kita ingin tahu apakah data ini
menyediakan bukti yang cukup untuk menunjukkan adanya perbedaan dalam
median kadar kortisol di antara ketiga populasi yang diwakili. Data-datanya
adalah sebagai berikut:

Penyelesaian:
- Hipotesis
H0 : Ketiga populasi yang diwakili oleh data tersebut identik
H1 : Ketiga populasi tidak memiliki median yang sama
- Statistik uji
Sebelum menghitung statistik uji, langkah yang pertama yaitu membuat peringkat
dari data tersebut seperti berikut:

Kemudian dijumlahkan tiap kelompok. Berikut hasilnya:

R1 = 69, R2 = 90 dan R3 = 94
Dari hasil tersebut baru bisa dihitung statistik uji.
 - Keputusan
Karena semua ukuran sampel lebih dari 5, maka harus menggunakan tabel
kai-kuadrat untuk memutuskan apakah median-median sampel berbeda secara
bermakna. Nilai kritis kai-kuadrat untuk db = k – 1 = 3 – 1 = 2 adalah 9,210
untuk a = 0,01. Jadi, karena dengan X2 0,99; H = 9, 232 > c (9,210) ; tolak H 0
pada taraf nyata tersebut dan diambil kesimpulan bahwa median-median ketiga
populasi yang diwakili tidak semua sama. Sedangkan nilai P untuk contoh ini
adalah antara 0,01 dan 0,005.

Daftar Pustaka
Junaidi. 2015. Memahami Skala-Skala Pengukuran. Jambi: Fakultas Ekonomi dan Bisnis
Universitas Jambi.
—. 2015. Statistika Non-Parametrik. Jambi: Fakultas Ekonomi Universitas Jambi.
Susilawati, Luh Kadek Pande Ary, Supriyadi, Ni Made Ari Wilani, Naomi Vembriati, Luh
Made Karisma Sukmayati Suarya, David Hizkia Tobing, Made Diah Lestari, et al.
2017. Bahan Ajar Praktikum Statistik. Denpasar: Universitas Udayana.