TUGAS 7A

ANALISIS NON PARAMETRIK 1

Afif Ma’ruf Nashrulloh

PTE 2020B/20050514057/2020
Kamis/08.40-10.20

PROGRAM STUDI PENDIDIKAN TEKNIK ELEKTRO

UNIVERSITAS NEGERI SURABAYA
TAHUN 2020
I. DASAR TEORI
A. Pengujian Kasus Satu Sampel
1. Uji Tanda (Binomial)
Prosedur pengujian parametrik tentang pengujian rata-rata satu
sempel, bahwa µ=µ0 sah untuk digunakan apabila populasinya sekurang
kurangnya menghampiri normal atau ukuran sampel n > 30. Dalam uji
tanda digunakan pengganti tanda posistif atau negatif bagi nilai-nilai
pengamatan. Nilai pengamatan positif jika nilai pengamatan tersebut
lebih dari rata-rata hitung (populasinya setangkup) atau lebih dari
median (populasinya menjulur). Nilai pengamatan negatif jika nilai
kurang dari nilai rata-ratanya atau mediannya.
Hipotesis : H0: µ=µ0 vs H1: µ≠µ0
Statistik uji bagi uji tanda adalah variabel acak x yang menyatakan
banyaknya tanda positif atau negatif yang paling sedikit. Bila hipotesis
H0 µ= µ0 benar, maka peluang bahwa suatu nilai sampel memghasilkan
tanda positif atau negatif sama dengan ½. Akibatnya, statistik uji x
memiliki sebaran peluang binom dengan parameter p= ½. Jadi, uji
signifikansi dilakukan dengan menggunakan rumus binom.
𝟏
𝐩 (𝐗 ≤ 𝐱) = ∑ 𝐛 (𝐱, 𝐱; 𝐩) = ∑ 𝐛 (𝐱, 𝐧; )
𝟐

2. Uji Chi Kuadrat (Chi Square)

Uji chi square untuk kasus satu sampel merupakan Uji Kebaikan
Suai (Goodness of Fit) artinya uji tersebut dapat digunakan untuk
menguji apakah terdapat kesesuaian yang nyata antara banyaknya atau
frekuensi objek yang diamati (observed) dengan banyaknya atau
frekuensi objek yang diharapkan (expected) dalam tiap-tiap kategori.
Banyaknya kategori bisa dua atau lebih.
Rumus:

𝟐
(𝐎𝐢 − 𝐄𝐢 )𝟐
ꭓ = ∑
𝐄𝐢
Dimana:
Derajat bebas untuk ꭓ2 = k – 1

1
 Oi = frekuensi observasi
E i = frekuensi harapan

3. Uji Run (Runtun)

Agar dalam pengambilan kesimpulan berdasarkan informasi
sampel bersifat sah, maka sampel tersebut harus merupakan sampel acak.
Pengujian terhadap keacakan sampel dimaksud digunakan uji run. Run
adalah barisan huruf (lambang atau tanda-tanda) yang identik yang
didahului atau diikuti sebuah huruf (lambang atau tanda) yang berbeda.
Data pengamatan dapat berupa data kuantitatif maupun data
kualitatif. Uji run membagi data menjadi menjadi dua penggolongan
yang tidak berpotongan (laki-laki atau perempuan, cacat atau utuh, diatas
atau dibawah median dan sebagainya). Dengan demikian barisan hasil
pengamatan terdiri dari dua lambing. 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.

4. Uji Kolmogorov–Smirnov
Uji Kolmogorov-smirnov termasuk Uji Kebaikan Suai (Goodness
of Fit). Dalam hal ini yang diperhatikan adalah tingkat kesesuaian antara
distribusi nilai sampel (skor yang diobservasi) dengan distribusi teoritis
bahwa distribusi frekuensi hasil pengamatan bersesuaian dengan
(teoritis).

B. Pengujian Hipotesis Dua Sampel Berpasangan

a. Uji Tanda
Prosedur uji tanda didasarkan pada tanda positif atau negatif bagi
selisih nilai pengamatan pada setiap pasangan sampel. Jadi pada
hakekatnya pengujian ini hanya memperhatikan arah perbedaan saja,
bukan besarnya perbedaan.

2
 Uji tanda dapat digunakan sebagai uji signifikansi perubahan
(sebelum dan sesudah perlakuan). Apabila nilai pengamatan untuk
pasangan tersebut adalah YA dan YB, maka selisihnya d= YA‒YB.
Hipotesis statistic (H0) yang ingin diuji adalah d= 0. Jika H0 benar artinya
banyak tanda positif akan sama dengan tanda negatif atau p= ½.
Rumus perhitungan:
1) Jika sampel kecil (n ≤ 25)
Digunakan rumus binom p (X ≤ x) = ∑ b (x: n, p)
n = banyaknya tanda positif dan negatif
x = banyaknya tanda positif dan negatif yang paling sedikit
2) Untuk sampel besar digunakan pendekatan normal z= (X‒µ)/σ
1
µ= n.p = ½ n dan σ = √npq = 2 √n

b. Uji Ranking Bertanda Wilcoxon

Dalam uji tanda hanya memperhatikan arah perbadaan saja,
sedangkan dalam uji ranking bertanda wilcoxon selain memperlihatkan
arah perbedaan juga memperlihatkan besar relatif dari perbedaan
tersebut. Cara analisis uji ranking bertanda wilcoxon adalah sebagai
berikut:
1) menentukan selisih nilai pasangan, yaitu d;
2) untuk nilai yang sama (d= 0) data dieliminir;
3) selisih d diranking tanpa memperhatikan tanda positif atau
negatif. Untuk nilai d yang sama, rankingnya adalah rata-
ratanya;
4) pengujian dilakukan dengan menggunakan statistik T.
statistik T dihitung dengan menjumlahkan ranking bertanda
positif atau negatif yang menghasilkan jumlah paling
sedikit;
5) bandingkan statistik T dengan tabel nilai kritis T uji ranking
bertanda wilcoxon. Kaidahnya : tolak H0 jika T ≤ Tα.;

3
 6) untuk n < 25, maka statistik T terdistribusi normal dengan
𝐓−𝟏⁄𝟒𝐧(𝐧+𝟏)
nilai z=
√𝟏⁄𝟐𝟒𝐧(𝐧+𝟏)(𝟐𝐧+𝟏)

3) Pengujian Hipotesis k Sampel Berpasangan

a. Uji Q-Cochran
Uji Q-Cochran digunakan untuk menguji apakah 3 atau lebih
himpunan skor (proporsi atau frekuensi) berpasangan saling signifikan.
Penjodohan dapat didasarkan atas ciri-ciri yang relevan dalam subjek-
subjek yang sama digunakan dibawah kondisi yang berbeda. Skala data
yang digunakan dapat berupa skala nominal maupun ordinal yang
dipisahduakan (dikotomi), seperti sukses dan gagal, ya dan tidak dan
sebagainya.
Rumus:
(𝒌−𝟏)[𝒌 ∑ 𝑪𝒊 𝟐 −(∑ 𝑪𝒊 )𝟐 ]
𝑸=
𝒌 ∑ 𝑳𝒊 −∑ 𝑳𝒊

k = banyaknya sampel (perlakuan)

n = banyak
Ci = banyaknya sukses dalam setiap perlakuan (1 sampai k)
Li = banyaknya sukses dalam tiap ulangan (1 sampai n)
Q mendekati dengan ꭓ2, dengan db = k-1
Kaidah pengujian: tolak H0 jika Q ≥ ꭓ2ta dengan db = k-1
b. Uji Friedman
Uji Friedman digunakan untuk menguji signifikansi k sampel
berpasangan dengan skala data minimal ordinal.
Data disusun dalam n (baris ulangan) dan k kolom (perlakuan), kemudian
diranking terhadap seluruh perlakuan atau kondisi pada setiap ulangan.
Syaratnya terdiri atas:
1) jika n kecil yaitu k = 3 dan 2 ≤ n ≤ 9 atau k = 4 dan 2 ≤ n ≤ 4,
a) Digunakan tabel kritis ꭓ2r, dalam anava 2 jalur Friedman;
b) Tolak H0 jika p (ꭓ2r) ≤ α;
2) jika k > 4 dan banyaknya ulangan (replikasi n > 9), atau syarat
a tidak dipenuhi.

4
 𝟏𝟐
ꭓ𝟐 𝒓 = [∑ 𝑹𝒋𝟐 ] − 𝟑𝒏(𝒌 + 𝟏)
𝒏𝒌 (𝒌 + 𝟏)

n = banyaknya ulangan setiap sampel

k = banyaknya perlakuan
Rj = jumlah ranking tiap perlakuan
ꭓ2r= mendekati distribusi ꭓ2 dengan db = k-1

II. PERMASALAHAN
1. Pengujian kasus satu sampel
a. Pengujian Tanda Binomial
b. Pengujian Chi Kuadrat (χ2)
c. Pengujian Run(Median & Mean)
d. Pengujian Komolgorov-Smirnov
2. Pengujian Hipotesis Dua Sampel Berpasangan
a. Pengujian Tanda
b. Pengujian Ranking Bertanda Wilcoxon
3. Pengujian Hipotesis k Sampel Berpasangan
a. Pengujian Q-Qochran
b. Pengujian Friedman

5
III. PEMBAHASAN
A. Pengujian Kasus 1 Sampel
1. Uji Tanda Binomial
Seorang mahasiswa melakukan penelitian dan menguji pada
taraf nyata 0,05 bahwa KKM pada mata pelajaran Teknik Instalasi
Listrik Dasar adalah 74. Suatu sampel acak 15 siswa kelas X-ITL diuji
kemampuannya pada mata pelajaran tersebut, hasilnya sebagai berikut:
Tabel 14.1. Hasil Uji 15 Sampel Acak
Sampel Nilai
1 70
2 90
3 65
4 70
5 60
6 72
7 79
8 77
9 76
10 90
11 75
12 70
13 70
14 60
15 81
a. Hipotesis
H0: µ=74
H1: µ≠74
b. Uji statistik: Uji binomial
c. Taraf nyata: 0,05
d. Wilayah Kritik (Terima H1): ∑b(x;n;½) < 0,05
e. Perhitungan:
Tabel 14.2. Tabel Binomial
Tabel Binomial
Nilai 70 90 65 70 60 72 79 77 76 90 75 70 70 60 81
Tanda - + - - - - + + + + + - - - +

Jumlah tanda (+)= 7

Jumlah tanda (-)= 8
x= 7; n= 15; p=1/2

6
 Dari tabel jumlah binomial diperoleh:
P(x≤ 7)= ∑b(x;15;1/2)= 0,5000
Untuk pengujian dua arah maka p (x≤ 7)= 2(0,5000) = 1,000
f. Kesimpulan:
Berdasarkan hasil perhitungan manual uji tanda (binomial)
diperoleh p (x≤ 7)= 1,000. Karena hasil binomial lebih besar
dari 0,05 yaitu 1,00 > 0,05, maka dapat disimpulkan jatuh pada
daerah terima H0 yang artinya wilayah kritik ditolak. Dengan
demikian dapat disimpulkan bahwa rata-rata kemampuan siswa
kelas X-ITL dari 15 sampel yang diambil (x̅=74) dapat
diterima.

Output SPSS
Tabel 14.3. Uji Binomial Hasil SPSS
Exact Sig. (2-
Category N Observed Prop. Test Prop.
tailed)
Group 1 <= 74 8 ,53 ,50 1,000
uji
Group 2 > 74 7 ,47
binomial
Total 15 1,00

Kesimpulan:
Berdasarkan hasil analisis SPSS uji tanda (binomial),
diperoleh data yang kurang dari 74 sebanyak 8; yang lebih dari 74
adalah 7; hasil proporsi uji (Test Prop.) sebesar 0,50; dan nilai
propabilitas eksak binomial (Exact Binomial) berdasarkan uji dua
pihak atau dua ekor (2-Tailed) adalah 1,000. Karena nilai
probabilitas 1,000>0,05, maka dapat disimpulkan H0 diterima.
Dengan demikian dapat disimpulkan bahwa rata-rata kemampuan
siswa kelas X-ITL dari 15 sampel yang diambil (x̅=74) dapat
diterima.

7
 2. Uji χ2
Seorang mahasiswa melakukan penelitian dengan melakukan
praktek setiap minggu sekali setiap selesai materi selama 2 bulan pada
kelas yang berbeda. Mahasiswa tersebut berhipotesis bahwa akan ada
peningkatan hasil kompetensi siswa dalam mata pelajaran Teknik
Instalasi Listrik Dasar. Data hasil penelitian sebagai berikut:
Tabel 14.4. Jumlah Siswa yang Mencapai KKM Selama 2 Bulan
Minggu ke- 1 2 3 4 5 6 7 8
Jmh Siswa
yang Mencapai 7 11 9 8 13 12 11 9
KKM
Dengan taraf kesalahan 5%, apakah hipotesis mahasiswa tersebut
didukung data?
a. Hipotesis
H0: Jumlah siswa yang mencapai KKM pada setiap minggu sama
H1: Jumlah siswa yang mencapai KKM pada setiap minggu tidak
sama
b. Uji statistik: uji χ2
c. Taraf nyata 0,05
d. Wilayah kritik (terima H1): χ2> χ2 0.05(8-1)
e. Perhitungan:
Tabel 14.5. Tabel Uji χ2
Minggu ke- 1 2 3 4 5 6 7 8
Observasi
7 11 9 8 13 12 11 9
(Oi)
Harapan
10 10 10 10 10 10 10 10
(Ei)

(7−10)2 (11−10)2 (9−10)2 (8−10)2 (13−10)2 (12−10)2

ꭓ2= + + + + + +
10 10 10 10 10 10
(11−10)2 (9−10)2
+
10 10

ꭓ2= 0,900 + 0,100 + 0,100 + 0,400 + 0,900 + 0,400 + 0,100 + 0,100

ꭓ2= 3,000
Dengan dk= 8-1= 7, maka χ2,05(7) = 14,067

8
f. Kesimpulan:
Berdasarkan hasil perhitungan manual uji χ2 diperoleh
χ2hitung sebesar 3,000 dan dengan dk=7 diperoleh χ2 tabel sebesar
14,067. Karena χ2=3,000 lebih kecil dari χ20,05(7) = 14,067, maka
jatuh pada daerah terima H0 yang artinya wilayah kritik ditolak.
Dengan demikian dapat disimpulkan bahwa adanya pengaruh hasil
praktek dengan pencapaian KKM secara tidak signifikan atau
pencapaian KKM tidak bergantung dengan hasil praktek siswa.

Output SPSS
Tabel 14.6. Frekuensi Uji χ2 Hasil SPSS
Observed N Expected N Residual
Minggu ke-1 7 10,0 -3,0
Minggu ke-2 11 10,0 1,0
Minggu ke-3 9 10,0 -1,0
Minggu ke-4 8 10,0 -2,0
Minggu ke-5 13 10,0 3,0
Minggu ke-6 12 10,0 2,0
Minggu ke-7 11 10,0 1,0
Minggu ke-8 9 10,0 -1,0
Total 80

Tabel 14.7. Tabel Statistik Uji χ2 Hasil SPSS

Uji Chi
Kuadrat
Chi-Square 3,000a
Df 7
Asymp.
,885
Sig.
a. 0 cells (,0%) have
expected frequencies less
than 5. The minimum
expected cell frequency is
10,0.
Kesimpulan:
Berdasarkan hasil analisis SPSS uji ꭓ2, dengan df=7
diperoleh nilai chi-square= 3,000 dan nilai probabilitas (asymp.

9
 sig)= 0,885. Karena nilai probabilitas (0,885) > 0,05, maka H0
dapat diterima. Dengan demikian dapat disimpulkan bahwa adanya
pengaruh hasil praktek dengan pencapaian KKM secara tidak
signifikan atau pencapaian KKM tidak bergantung dengan hasil
praktek siswa.

3. Uji Run (Runtun)

Seorang mahasiswa melakukan penelitian pada siswa kelas X-
ITL. Mahasiswa tersebut membuat 15 kelompok untuk diuji
kemampuannya dalam pratikum mata pelajaran Teknik Instalasi
Listrik Dasar. Untuk menguji keberagaman kemampuan kelompok
berdasarkan nilai hasil pratikum Teknik Instalasi Listrik Dasar
tersebut, mahasiswa menggunakan Uji Run. Data hasil penelitian
sebagai berikut:

Tabel 14.8. Nilai Pratikum Teknik Instalasi Listrik Dasar dari 15

Kelompok
Nilai 70 90 65 70 60 72 79 77 76 90 75 70 70 60 81

1105
Mean= = 73,67
15

a. Hipotesis
H0: Tingkat kemampuan siswa dalam praktek bersifat acak
H1: Tingkat kemampuan siswa dalam praktek bersifat tidak acak
b. Uji statistik: Uji Run
c. Taraf nyata 0,05
d. Wilayah kritik: r < r1 atau r > r2
e. Perhitungan:
Nilai pengamatan diberi tanda (+) jika lebih besar dari 75 dan
diberi (-) jika lebih kecil dari 75.
Tabel 14.9. Tabel Uji Run
Nilai
No Tanda Runtun
Pengamatan
1 70 (-) 1
2 90 (+) 2

10
 3 65 (-)
4 70 (-)
3
5 60 (-)
6 72 (-)
7 79 (+)
8 77 (+)
4
9 76 (+)
10 90 (+)
11 75 (0)
12 70 (-)
13 70 (-) 5
14 60 (-)
15 81 (+) 6

Berdasarkan tabel run di diatas diperoleh:

r= 6;
n1= tanda yang paling sedikit (+)= 6;
n2= tanda yangpaling banyak (-)= 8.
Maka,
Dari tabel harga kritis dalam uji run diperoleh nilai r1=3 dan r2=12
f. Kesimpulan
Berdasarkan hasil perhitungan manual uji run, diperoleh
hasil r=6 dan dengan n1=6 dan n2=8 diperoleh harga kritik r dalam
tabel yaitu r1=3 dan r2=12. Karena r1=3<r=4<r2=12, maka
disimpulkan hasil tersebut jatuh di daerah terima H0 atau wilayah
kritik ditolak. Dengan demikian dapat disimpulkan bahwa adanya
perbedaan pada tingkat kemampuan siswa secara tidak signifikan
yang artinya tingkat kemampuan siswa dalam praktek bersifat
acak.

Output SPSS
Tabel 14.10. Uji Runtun Hasil SPSS
Uji
Runtun
Test Valuea 75,0000
Total Cases 15
Number of Runs 6

11
 Z -1,059
Asymp. Sig. (2-
,290
tailed)
a. User-specified.
Kesimpulan:
Berdasarkan hasil analisis SPSS uji run, banyaknya
runtun (Number of Run) adalah 6 dan nilai probabilitas dua ekor
(Asymp. Sig) adalah 0,290. Karena nilai probabilitas (0,290) >
0,05, maka dapat disimpulkan H0 diterima. Dengan demikian dapat
disimpulkan bahwa adanya perbedaan pada tingkat kemampuan
siswa secara tidak signifikan yang artinya tingkat kemampuan
siswa dalam praktek bersifat acak.

4. Uji KS (Kolmogorov-Smirnov)
Seorang mahasiswa melakukan penelitian pada hasil ujian mata
pelajaran Teknik Instalasi Listrik Dasar dengan mengambil sampel 15
siswa secara acak dan akan diuji normalitasnya. Apakah sampel
tersebut berasal dari populasi berdistribusi normal. Berikut 15 sampel
nilai hasil ujian Teknik Instalasi Listrik Dasar.
Tabel 14.11. Nilai Ujian Teknik Instalasi Listrik Dasar 15 Siswa
Nilai 70 90 65 70 60 72 79 77 76 90 75 70 70 60 81
a. Hipotesis
H0: Sampel berasal dari populasi berdistribusi normal
H1: Sampel berasal dari populasi berdistribusi tidak normal
b. Uji statistik: Uji Kolmogorov-Smirnov
c. Taraf Nyata: 0,05
d. Wilayah kritik: D>D0,05
e. Perhitungan:
Tabel 14.12. Perhitungan Rata-Rata( x̅ ) dan Simpangan Baku (s)
No x x-𝐱̅ (x-𝐱̅)2
1 70 -3,67 13,47
2 90 16,33 266,67
3 65 -8,67 75,17
4 70 -3,67 13,47
5 60 -13,67 186,87

12
 6 72 -1,67 2,79
7 79 5,33 28,41
8 77 3,33 11,09
9 76 2,33 5,43
10 90 16,33 266,67
11 75 1,33 1,77
12 70 -3,67 13,47
13 70 -3,67 13,47
14 60 -13,67 186,87
15 81 7,33 53,73
Jumlah 1105 1139,33

1105
Rata-rata (x̅)= = 73,67
15

1139,33
Simpangan baku (s)= √ = √81,38 = 9,02
15−1

Tabel 14.13. Tabel Uji Kolmogorov-Smirnov

Nilai Z P(z) P(e) |P(z)-P(e)|
60 -1,52 0,0643 0,0667 0,0024
60 -1,52 0,0643 0,1333 0,0690
65 -0,96 0,1685 0,2000 0,0315
70 -0,41 0,3409 0,2667 0,0742
70 -0,41 0,3409 0,3333 0,0076
70 -0,41 0,3409 0,4000 0,0591
70 -0,41 0,3409 0,4667 0,1258
72 -0,19 0,4246 0,5333 0,1087
75 0,15 0,5596 0,6000 0,0404
76 0,26 0,6026 0,6667 0,0641
77 0,37 0,6443 0,7333 0,0890
79 0,59 0,7224 0,8000 0,0776
81 0,81 0,7910 0,8667 0,0757
90 1,81 0,9649 0,9333 0,0316
90 1,81 0,9649 1,0000 0,0351

Berdasarkan hasil tabel di atas diperoleh nilai D= 0,1258

Berdasarkan tabel D Kormogorov-Smirnov dengan n= 15 didapat
nilai Dt0,05= 0,338
f. Kesimpulan:

13
 Berdasarkan hasil perhitungan manual Uji KS
(Kolmogorov-Smirnov) diperoleh nilai D= 0,1258 dan dengan n=15
dan taraf nyata 0,05 diperoleh juga Dt= 0,338. Karena D=0,1258 <
Dt0,05= 0,338, maka jatuh di daerah terima H0 dan ditolak H1 atau
wilayah kritik. Dengan demikian dapat disimpulkan bahwa sampel
dengan rata-rata sebesar 73,67 dan simpangan baku sebesar 9,02
yang diambil berasal dari populasi berdistribusi normal.
Output SPSS
Tabel 14.14. Uji Kolmogorov-Smirnov Hasil SPSS
Uji
Kolmogorov-
Smirnov
N 15
Mean 73,6667
Normal Parametersa
Std. Deviation 9,02114
Absolute ,142
Most Extreme
Positive ,124
Differences
Negative -,142
Kolmogorov-Smirnov Z ,551
Asymp. Sig. (2-tailed) ,922
a. Test distribution is Normal.

Kesimpulan:

Berdasarkan hasil analisis SPSS uji Kolmogorov-Smirnov,

dengan n= 15; nilai KS= 0,551; dan nilai probabilitas (Asymp.
Sig)= 0,922. Karena nilai probabilitas (0,922) > 0,05, maka dapat
disimpulkan H0 diterima. Dengan demikian dapat disimpulkan
bahwa sampel dengan rata-rata sebesar 73,67 dan simpangan baku
sebesar 9,02 yang diambil berasal dari populasi berdistribusi
normal.

14
B. Pengujian Hipotesis Dua Sampel Berpasangan
1. Uji Tanda
Berikut sampel data nilai mata pelajaran Teknik Instalasi
Listrik Dasar dari 15 siswa sebelum dan sesudah mengikuti
kunjungan industri ke PT Multi Energitama.
Tabel 14.15. Data Nilai Hasil Belajar Siswa
Nilai Mata Pelajaran
No. Absen Teknik Instalasi Listrik
No
Siswa Dasar
Sebelum Sesudah
1 1 70 80
2 2 90 70
3 3 65 85
4 4 70 85
5 5 60 86
6 6 72 75
7 7 79 76
8 8 78 75
9 9 75 70
10 10 90 90
11 11 75 90
12 12 60 70
13 13 70 75
14 14 60 86
15 15 80 85

Dari data diatas, akan diuji apakah ada perbedaan rata-rata

nilai sebelum dan sesudah mengikuti kunjungan industri.

a. Hipotesis
H0: tidak terdapat peningkatan prestasi setelah siswa
melakukan kunjungan industri
H1: terdapat peningkatan prestasi setelah siswa melakuan
kunjungan industri
b. Uji statistik: Uji Tanda
c. Taraf nyata: 0,05
d. Wilayah kriktik: ∑ 𝑏(𝑥; 𝑛; 𝑝) < 0,05
e. Perhitungan:

15
 Tabel 14.16. Tabel Uji Tanda
Nilai Mata Pelajaran
Nomor
Teknik Instalasi Listrik
Absen Tanda
Dasar
Siswa
Sesudah Sebelum
1 80 70 (+)
2 70 90 (-)
3 85 65 (+)
4 85 70 (+)
5 86 60 (+)
6 75 72 (+)
7 76 79 (-)
8 75 78 (-)
9 70 75 (-)
10 90 90 (0)
11 90 75 (+)
12 70 60 (+)
13 75 70 (+)
14 86 60 (+)
15 85 80 (+)

Banyaknya tanda (+)= 10; tanda (0)=1; tanda (-)= 4,

Jadi x= 4 dan n= 14
Dari tabel peluang binom didapat:
1
∑ 𝑏(𝑥; 𝑛; 𝑝) = ∑ 𝑏(4; 14; ) = 0,0898
2

Untuk uji pihak dua arah, p= 2(0,0898)= 0,1796

f. Kesimpulan:
Berdasarkan hasil perhitungan uji tanda, diperoleh x= 4 dan
dengan n=14, nilai p = 0,1796. Karena p = 0,1796 > 0.05 maka
H0 dapat diterima. Dengan demikian dapat disimpulkan bahwa
terdapat perbedaan prestasi antara sebelum (x̅= 72,93) dan
sesudah (x̅= 79,87) siswa melakukan kunjungan industri secara
tidak signifikan.

16
Output SPSS

Tabel 14.17. Tabel Frekuensi Uji Tanda

N
Negative
4
Differencesa
Sesudah Kunjungan Positive
Industri - Sebelum 10
Differencesb
Kunjungan Industri
Tiesc 1
Total 15
a. Sesudah Kunjungan Industri < Sebelum Kunjungan
Industri
b. Sesudah Kunjungan Industri > Sebelum Kunjungan
Industri
c. Sesudah Kunjungan Industri = Sebelum Kunjungan
Industri

Tabel 14.18. Hasil SPSS Uji Tanda

Sesudah
Kunjungan
Industri -
Sebelum
Kunjungan
Industri
Exact Sig. (2-
,180a
tailed)
a. Binomial distribution used.
b. Sign Test

Kesimpulan:
Berdasarkan hasil analisis SPSS uji tanda, nilai (-)= 4; nilai
(+)= 10; nilai (0)= 1; dan nilai probabilitas dua pihak (Exact Sig.)=
0,180. Karena nilai probabilitasnya (0,180) > 0,05, maka H0 dapat
diterima. Dengan demikian dapat disimpulkan bahwa terdapat
perbedaan prestasi antara sebelum (x̅= 72,93) dan sesudah (x̅=
79,87) siswa melakukan kunjungan industri secara tidak signifikan.

17
2. Uji Ranking Bertanda Wilcoxon
Nilai hasil pre-test dan post-test dari 15 siswa kelas XI
TAV dalam Mata Pelajaran Teknik Instalasi Listrik Dasar tercatat
dalam tabel sebagai berikut.
Tabel 14.19. Data Nilai Hasil Belajar Siswa
Nilai Mata Pelajaran Teknik
No. Absen
No Instalasi Listrik Dasar
Siswa
Pre-Test Post-Test
1 1 70 80
2 2 90 70
3 3 65 85
4 4 70 85
5 5 60 86
6 6 72 75
7 7 79 76
8 8 78 75
9 9 75 70
10 10 90 90
11 11 75 90
12 12 60 70
13 13 70 75
14 14 60 86
15 15 80 85

Dari data diatas, akan diuji apakah ada perbedaan antara

rata-rata pre test dan rata-rata post test, dengan taraf nyata 0,05.
a. Hipotesis
H0: tidak ada perbedaan rata-rata antara pre-test dan post-test
H1: terdapat perbedaan rata-rata antara pre-test dan post-test
b. Uji statistik: Uji Ranking Bertanda Wilcoxon
c. Taraf nyata: 0,05
d. Wilayah kritik: T ≤ Ttabel 0,05
e. Perhitungan:

18
 Tabel 14.20. Uji Ranking Bertanda Wilcoxon
Nilai Mata Pelajaran
No.
No Teknik Instalasi
Absen Selisih Ranking
Listrik Dasar
Siswa
Pre Test Post Test
1 1 70 80 10 6,5
2 2 90 70 -20 11,5
3 3 65 85 20 11,5
4 4 70 85 15 9
5 5 60 86 26 13,5
6 6 72 75 3 2
7 7 79 76 -3 2
8 8 78 75 -3 2
9 9 75 70 -5 4,5
10 10 90 90 0 -
11 11 75 90 15 9
12 12 60 70 10 6,5
13 13 70 75 5 4,5
14 14 60 86 26 13,5
15 15 80 85 5 9

Dari perhitungan tabel diatas diperoleh hasil sebagai berikut:

T= 2+2= 4
n= 14;
Ttabel0,05= 21

f. Kesimpulan
Berdasarkan hasil hitung manual uji ranking bertanda
Wilcoxon, diperoleh T hitung sebesar 20; dengan n=14 dan
taraf 0,05 nilai Ttabel0,05 sebesar 21. Karena nilai Thitung= 4 <
nilai Ttabel0,05= 21, sehingga H1 diterima dan menolak H0.
Dengan demikian dapat disimpulkan terdapat perbedaan rata-
rata yang signifikan antara pre-test (x̅= 72,93) dan post-test (x̅=
79,87) nilai mata pelajaran Teknik Instalasi Listrik Dasar.

19
 Output SPSS
Tabel 14.21. Ranking Uji Wilcoxon
N Mean Rank Sum of Ranks
a
Negative Ranks 4 5,12 20,50
b
Sesudah Pembelajaran - Positive Ranks 10 8,45 84,50
Sebelum Pembelajaran Ties 1c
Total 15
a. Sesudah Pembelajaran < Sebelum Pembelajaran
b. Sesudah Pembelajaran > Sebelum Pembelajaran
c. Sesudah Pembelajaran = Sebelum Pembelajaran

Tabel 14.22. Tabel Uji Wilcoxon Hasil SPSS

Sesudah
Pembelajaran
- Sebelum
Pembelajaran
Z -2,015a
Asymp. Sig. (2-
,044
tailed)
a. Based on negative ranks.
b. Wilcoxon Signed Ranks Test
Kesimpulan:
Berdasarkan hasil analisis SPSS uji ranking bertanda
Wilcoxon, nilai(-)= 4; nilai(+)= 10; nilai(0)= 1; n=15; Z= -2,015;
dan probabilitas dua pihak (Asymp. Sig)= 0,44. Karena nilai
probabilitasnya (0,44) > 0,05 sehingga jatuh di daerah terima H0.
Dengan demikian dapat disimpulkan terdapat perbedaan rata-rata
yang tidak signifikan antara pre-test (x̅= 72,93) dan post-test (x̅=
79,87) nilai mata pelajaran Teknik Instalasi Listrik Dasar.

B. Pengujian Hipotesis K Sampel Berpasangan

1. Uji Q Chochran
Dalam sebuah kelas Teknik Tenaga Listrik dilakukan
survei kecil terhadap 18 mahasiswa tentang tempat tinggal
sementara yang paling diminati selama kuliah, yaitu antara
kontrakan (A), kos (B) atau rumah saudara (C). Data hasil

20
penelitian tersebut diberikan skor 1 jika memilih tempat tinggal
sementara, dan diberikan skor 0 jika tidak memilih tempat tinggal
sementara yang tercatat dalam tabel berikut.
Tabel 14.23. Data Mahasiswa
Tempat Tinggal Sementara
Mahasiswa Kontrakan Rumah
Kos (B)
(A) Saudara(C)
1 1 1 1
2 1 1 0
3 1 1 0
4 1 0 0
5 1 1 1
6 0 1 1
7 1 1 1
8 1 1 0
9 1 1 0
10 0 0 0
11 1 1 1
12 1 1 1
13 1 1 0
14 0 0 0
15 1 1 0
16 1 1 0
17 1 1 1
18 1 1 1

Dari data diatas akan diuji pada taraf nyata 0,05 apakah
ketiga pilihan tempat tinggal sementara selama kuliah di
kontrakan (A), kos (B) atau rumah saudara (C) sama-sama
diminati.
a. Hipotesis
H0: Minat terhadap tempat tinggal sementara selama kuliah di
tempat A,B dan C sama
H1: Minat terhadap tempat tinggal sementara selama kuliah di
tempat A,B dan C tidak sama
b. Uji statistik: Uji Q Cochran
c. Taraf nyata: 0,05
d. Wilayah kritik: Q ≥ ꭓ2tabel dengan db = k-1
e. Perhitungan

21
 Tabel 14.24. Uji Q-Cochran
Tempat Tinggal Sementara
Mahasiswa Kontrakan Kos Rumah Li Li2
(A) (B) Saudara(C)
1 1 1 1 3 9
2 1 1 0 2 4
3 1 1 0 2 4
4 1 0 0 1 1
5 1 1 1 3 9
6 0 1 1 2 4
7 1 1 1 3 9
8 1 1 0 2 4
9 1 1 0 2 4
10 0 0 0 0 0
11 1 1 1 3 9
12 1 1 1 3 9
13 1 1 0 2 4
14 0 0 0 0 0
15 1 1 0 2 4
16 1 1 0 2 4
17 1 1 1 3 9
18 1 1 1 3 9
Jumlah 15 15 8 38 96

Dari tabel diatas diperoleh nilai sebagai berikut :

k= 3
∑Ct2= 15 2 + 152 + 82= 514
(∑Ct )2= (15+15+8)2= 1444

(k − 1)[k ∑ Ct 2 − (∑ Ct )2 ]
Q= 2
k ∑ Li − ∑ Li
(3 − 1)[(3x514) − (1444)]
Q=
(3x38) − 96
(2)[1542 − 1444]
Q=
114 − 96
2 x 98 196
Q= = = 10,889
18 18

Untuk db = 3-1= 2 dan tabel Chi Square didapatkan ꭓ20,05 =

5,991

22
 f. Kesimpulan
Berdasarkan hasil perhitungan manual uji Q Cochran,
diperoleh nilai Q= 10,889; dengan db= 2 dan taraf nyat 0,05
diperoleh ꭓ20,05(2) = 5,991. Karena Q=10,889 > ꭓ20,05= 5,991 dan
Q= 10,889 > ꭓ20,01= 9,210, sehingga dapat disimpulkan bahwa
jatuh di daerah terima H1. Dengan demikian dapat disimpulkan
bahwa terdapat perbedaan minat mahasiswa terhadap tempat
tinggal sementara selama kuliah di kontrakan (x̅= 1,67), kos (x̅=
1,67), atau rumah saudara (x̅= 1,56) dengan sangat signifikan.

Output SPSS
Tabel 14.25. Tabel Frekuensi
Value
1 2
Kontrakan 15 3
Kos 15 3
Rumah Saudara 8 10

Tabel 14.26. Uji Q-Cochran Hasil SPSS

N 18
Cochran's Q 10,889a
Df 2
Asymp. Sig. ,004
a. 1 is treated as a
success.
Kesimpulan:
Berdasarkan hasil analisis SPSS uji Q Cochran, dari
n=18 diperoleh nilai Q= 10,889; dengan df=2 nilai probabilitas
(Asymp. Sig)= 0,004. Karena probabilitasnya (0,004) < 0,05
serta 0,004<0,01 sehingga jatuh di daerah terima H1. Dengan
demikian dapat disimpulkan bahwa terdapat perbedaan minat
mahasiswa terhadap tempat tinggal sementara selama kuliah di
kontrakan (x̅= 1,67), kos (x̅= 1,67), atau rumah saudara (x̅=
1,56) dengan sangat signifikan.

23
2. Uji Friedman
Dalam sebuah kelas Teknik Tenaga Listrik dilakukan
survei kecil terhadap 18 mahasiswa tentang tempat tinggal
sementara yang paling diminati selama kuliah, yaitu antara
kontrakan (A), kos (B) atau rumah saudara (C). Data hasil
penelitian tersebut diberikan skor 1 jika memilih tempat tinggal
sementara, dan diberikan skor 0 jika tidak memilih tempat tinggal
sementara yang tercatat dalam tabel berikut.
Tabel 14.27. Data Mahasiswa
Tempat Tinggal Sementara
Mahasiswa Kontrakan Rumah
Kos (B)
(A) Saudara(C)
1 1 1 1
2 1 1 0
3 1 1 0
4 1 0 0
5 1 1 1
6 0 1 1
7 1 1 1
8 1 1 0
9 1 1 0
10 0 0 0
11 1 1 1
12 1 1 1
13 1 1 0
14 0 0 0
15 1 1 0
16 1 1 0
17 1 1 1
18 1 1 1

Dari data diatas akan diuji pada taraf nyata 0,05 apakah ketiga
pilihan tempat tinggal sementara selama kuliah di kontrakan (A),
kos (B) atau rumah saudara (C) sama-sama diminati dengan
menggunakan uji statistic yang berbeda, yaitu uji Friedman.

a. Hipotesis
H0: Minat terhadap tempat tinggal sementara selama kuliah di
tempat A, B, dan C sama

24
 H1: Minat terhadap tempat tinggal sementara selama kuliah di
tempat A, B, dan C tidak sama
b. Uji statistik: Uji Friedman
c. Taraf nyata: 0,05
d. Wilayah kritik: ꭓr2 ≥ ꭓ2tabel dengan db = k-1
e. Perhitungan:
Tabel 14.28. Uji Friedman
Tempat Tinggal Sementara Ranking
Mahasiswa Rumah
Kontrakan Kos
Saudara A B C
(A) (B)
(C)
1 1 1 1 2 2 2
2 1 1 0 2,5 2,5 1
3 1 1 0 2,5 2,5 1
4 1 0 0 3 1,5 1,5
5 1 1 1 2 2 2
6 0 1 1 1 2,5 2,5
7 1 1 1 2 2 2
8 1 1 0 2,5 2,5 1
9 1 1 0 2,5 2,5 1
10 0 0 0 2 2 2
11 1 1 1 2 2 2
12 1 1 1 2 2 2
13 1 1 0 2,5 2,5 1
14 0 0 0 2 2 2
15 1 1 0 2,5 2,5 1
16 1 1 0 2,5 2,5 1
17 1 1 1 2 2 2
18 1 1 1 2 2 2
RA= RB=3 RC=
jumlah 15 15 8
39,5 9,5 29

Berdasarkan tabel diatas, diperoleh nilai sebagai berikut :

n= 18;
k= 3;
Rj2= [(39,52) + (39,52) + (292)]
Rj2= 1560,25 + 1560,25 +841
Rj2= 3961,5

25
 12
ꭓ𝑟 2 = [∑ 𝑅𝑗 2 ] − 3𝑛(𝑘 + 1)
𝑛𝑘 (𝑘 + 1)
12
ꭓ𝑟 2 = [3961,5] − 3(18)(3 + 1)
18 (3)(3 + 1)
47538
ꭓ𝑟 2 = ( ) − 216)
216
ꭓ𝑟 2 = 220,083 − 216
ꭓ𝑟 2 = 4,083
Untuk pengujian dua pihak (2 tailed) dari tabel ꭓ2= 2(4,083) =
8,166
Dengan db= 3-1=2, maka hasil ꭓ2tabel0,05 = 5,991

f. Kesimpulan
Berdasarkan hasil perhitungan manual uji Friedman,
diperoleh Rj2= 3961,5; n= 18; dengan db= 2 dan taraf nyata
0,05 diperoleh ꭓ20,05(2) = 5,991. Karena (ꭓr2=8,166) > (ꭓ2tabel 0,05=
5,991) sehingga jatuh di daerah terima H1. Dengan demikian
dapat disimpulkan bahwa terdapat perbedaan pada minat
mahasiswa terhadap tempat tinggal sementara selama kuliah di
kontrakan (x̅= 1,67), kos (x̅= 1,67), atau rumah saudara (x̅=
1,56) secara signifikan.

Output SPSS
Tabel 14.29. Tabel Ranking
Mean Rank
Kontrakan 1,81
Kos 1,81
Rumah Saudara 2,39

26
 Tabel 14.30. Hasil SPSS Uji Friedman
N 18
Chi-Square 10,889
df 2
Asymp.
,004
Sig.
a. Friedman Test
Kesimpulan:
Berdasarkan hasil analisis SPSS uji Friedman, dari n=18
diperoleh nilai Q= 10,889; dengan df=2 nilai probabilitas
(Asymp. Sig)= 0,004. Karena probabilitasnya (0,004) < 0,05
serta 0,004<0,01 sehingga jatuh di daerah terima H1. Dengan
demikian dapat disimpulkan bahwa terdapat perbedaan minat
mahasiswa terhadap tempat tinggal sementara selama kuliah di
kontrakan (x̅= 1,67) , kos (x̅= 1,67) atau rumah saudara (x̅=
1,56) dengan sangat signifikan.

27
IV. KESIMPULAN
Dari perhitungan yang telah dilakukan dan analisis program SPSS diperoleh
kesimpulan sebagai berikut.
A. Pengujian Satu Sampel
1. Uji Tanda Binomial
Berdasarkan hasil perhitungan manual uji tanda (binomial)
diperoleh p (x≤ 7)= 1,000. Karena hasil binomial lebih besar dari
0,05 yaitu 1,00 > 0,05, maka dapat disimpulkan jatuh pada daerah
terima H0 yang artinya wilayah kritik ditolak. Dengan demikian
dapat disimpulkan bahwa rata-rata kemampuan siswa kelas X-ITL
dari 15 sampel yang diambil (x̅=74) dapat diterima.

Tabel 14.31. Uji Binomial Hasil SPSS

Exact Sig. (2-
Category N Observed Prop. Test Prop.
tailed)
Group 1 <= 74 8 ,53 ,50 1,000
uji
Group 2 > 74 7 ,47
binomial
Total 15 1,00

Berdasarkan hasil analisis SPSS uji tanda (binomial), diperoleh

data yang kurang dari 74 sebanyak 8; yang lebih dari 74 adalah 7;
hasil proporsi uji (Test Prop.) sebesar 0,50; dan nilai propabilitas
eksak binomial (Exact Binomial) berdasarkan uji dua pihak atau dua
ekor (2-Tailed) adalah 1,000. Karena nilai probabilitas 1,000>0,05,
maka dapat disimpulkan H0 diterima. Dengan demikian dapat
disimpulkan bahwa rata-rata kemampuan siswa kelas X-ITL dari 15
sampel yang diambil (x̅=74) dapat diterima.
2. Uji Chi-Square
Berdasarkan hasil perhitungan manual uji χ2 diperoleh χ2 hitung
sebesar 3,000 dan dengan dk=7 diperoleh χ2 tabel sebesar 14,067.
Karena χ2=3,000 lebih kecil dari χ20,05(7) = 14,067, maka jatuh pada
daerah terima H0 yang artinya wilayah kritik ditolak. Dengan
demikian dapat disimpulkan bahwa adanya pengaruh hasil praktek

28
 dengan pencapaian KKM secara tidak signifikan atau pencapaian
KKM tidak bergantung dengan hasil praktek siswa.

Tabel 14.32. Tabel Statistik Uji χ2 Hasil SPSS

Uji Chi
Kuadrat
Chi-Square 3,000a
Df 7
Asymp.
,885
Sig.
a. 0 cells (,0%) have
expected frequencies less
than 5. The minimum
expected cell frequency is
10,0.

Berdasarkan hasil analisis SPSS uji ꭓ2, dengan df=7 diperoleh

nilai chi-square= 3,000 dan nilai probabilitas (asymp. sig)= 0,885.
Karena nilai probabilitas (0,885) > 0,05, maka H0 dapat diterima.
Dengan demikian dapat disimpulkan bahwa adanya pengaruh hasil
praktek dengan pencapaian KKM secara tidak signifikan atau
pencapaian KKM tidak bergantung dengan hasil praktek siswa.
3. Uji Run
Berdasarkan hasil perhitungan manual uji run, diperoleh hasil
r=6 dan dengan n1=6 dan n2=8 diperoleh harga kritik r dalam tabel
yaitu r1=3 dan r2=12. Karena r1=3<r=4<r2=12, maka disimpulkan
hasil tersebut jatuh di daerah terima H0 atau wilayah kritik ditolak.
Dengan demikian dapat disimpulkan bahwa adanya perbedaan pada
tingkat kemampuan siswa secara tidak signifikan yang artinya
tingkat kemampuan siswa dalam praktek bersifat acak.

29
 Tabel 14.33. Uji Runtun Hasil SPSS
Uji
Runtun
Test Valuea 75,0000
Total Cases 15
Number of Runs 6
Z -1,059
Asymp. Sig. (2-
,290
tailed)
a. User-specified.

Berdasarkan hasil analisis SPSS uji run, banyaknya runtun

(Number of Run) adalah 6 dan nilai probabilitas dua ekor (Asymp. Sig)
adalah 0,290. Karena nilai probabilitas (0,290) > 0,05, maka dapat
disimpulkan H0 diterima. Dengan demikian dapat disimpulkan bahwa
adanya perbedaan pada tingkat kemampuan siswa secara tidak
signifikan yang artinya tingkat kemampuan siswa dalam praktek
bersifat acak.
4. Uji Kolmogorov-Smirnov
Berdasarkan hasil perhitungan manual Uji KS (Kolmogorov-
Smirnov) diperoleh nilai D= 0,1258 dan dengan n=15 dan taraf nyata
0,05 diperoleh juga Dt= 0,338. Karena D=0,1258 < Dt0,05= 0,338,
maka jatuh di daerah terima H0 dan ditolak H1 atau wilayah kritik.
Dengan demikian dapat disimpulkan bahwa sampel dengan rata-rata
sebesar 73,67 dan simpangan baku sebesar 9,02 yang diambil berasal
dari populasi berdistribusi normal.

30
 Tabel 14.34. Uji Kolmogorov-Smirnov Hasil SPSS
Uji
Kolmogorov-
Smirnov
N 15
Mean 73,6667
Normal Parametersa
Std. Deviation 9,02114
Absolute ,142
Most Extreme
Positive ,124
Differences
Negative -,142
Kolmogorov-Smirnov Z ,551
Asymp. Sig. (2-tailed) ,922
a. Test distribution is Normal.

Berdasarkan hasil analisis SPSS uji Kolmogorov-Smirnov,

dengan n= 15; nilai KS= 0,551; dan nilai probabilitas (Asymp. Sig)=
0,922. Karena nilai probabilitas (0,922) > 0,05, maka dapat
disimpulkan H0 diterima. Dengan demikian dapat disimpulkan
bahwa sampel dengan rata-rata sebesar 73,67 dan simpangan baku
sebesar 9,02 yang diambil berasal dari populasi berdistribusi normal.

B. Pengujian Dua Sampel Berpasangan

1. Uji Tanda
Berdasarkan hasil perhitungan uji tanda, diperoleh x= 4 dan
dengan n=14, nilai p = 0,1796. Karena p = 0,1796 > 0.05 maka H0
dapat diterima. Dengan demikian dapat disimpulkan bahwa terdapat
perbedaan prestasi antara sebelum (x̅= 72,93) dan sesudah (x̅= 79,87)
siswa melakukan kunjungan industri secara tidak signifikan.

Tabel 14.35. Hasil SPSS Uji Tanda

Sesudah
Kunjungan
Industri -
Sebelum
Kunjungan
Industri
Exact Sig. (2-
,180a
tailed)
Berdasarkan hasil analisis SPSS uji tanda, nilai (-)= 4; nilai
(+)= 10; nilai (0)= 1; dan nilai probabilitas dua pihak (Exact Sig.)=

31
 0,180. Karena nilai probabilitasnya (0,180) > 0,05, maka H0 dapat
diterima. Dengan demikian dapat disimpulkan bahwa terdapat
perbedaan prestasi antara sebelum (x̅= 72,93) dan sesudah (x̅= 79,87)
siswa melakukan kunjungan industri secara tidak signifikan.
2. Uji Ranking Bertanda Wilcoxon
Berdasarkan hasil hitung manual uji ranking bertanda Wilcoxon,
diperoleh T hitung sebesar 20; dengan n=14 dan taraf 0,05 nilai
Ttabel0,05 sebesar 21. Karena nilai Thitung= 4 < nilai Ttabel0,05= 21,
sehingga H1 diterima dan menolak H0. Dengan demikian dapat
disimpulkan terdapat perbedaan rata-rata yang signifikan antara pre-
test (x̅= 72,93) dan post-test (x̅= 79,87) nilai mata pelajaran Teknik
Instalasi Listrik Dasar.

Tabel 14.36. Tabel Uji Wilcoxon Hasil SPSS

Sesudah
Pembelajaran
- Sebelum
Pembelajaran
Z -2,015a
Asymp. Sig. (2-
,044
tailed)
a. Based on negative ranks.
b. Wilcoxon Signed Ranks Test

Berdasarkan hasil analisis SPSS uji ranking bertanda Wilcoxon,

nilai(-)= 4; nilai(+)= 10; nilai(0)= 1; n=15; Z= -2,015; dan probabilitas
dua pihak (Asymp. Sig)= 0,44. Karena nilai probabilitasnya (0,44) >
0,05 sehingga jatuh di daerah terima H0. Dengan demikian dapat
disimpulkan terdapat perbedaan rata-rata yang tidak signifikan antara
pre-test (x̅= 72,93) dan post-test (x̅= 79,87) nilai mata pelajaran
Teknik Instalasi Listrik Dasar.

32
C. Pengujian K Sampel Berpasangan
1. Uji Q Cochran
Berdasarkan hasil perhitungan manual uji Q Cochran, diperoleh
nilai Q= 10,889; dengan db= 2 dan taraf nyat 0,05 diperoleh ꭓ20,05(2) =
5,991. Karena Q=10,889 > ꭓ20,05= 5,991 dan Q= 10,889 > ꭓ20,01=
9,210, sehingga dapat disimpulkan bahwa jatuh di daerah terima H1.
Dengan demikian dapat disimpulkan bahwa terdapat perbedaan minat
mahasiswa terhadap tempat tinggal sementara selama kuliah di
kontrakan (x̅= 1,67), kos (x̅= 1,67), atau rumah saudara (x̅= 1,56)
dengan sangat signifikan.

Tabel 14.37. Uji Q-Cochran Hasil SPSS

N 18
Cochran's Q 10,889a
Df 2
Asymp. Sig. ,004
a. 1 is treated as a
success.

Berdasarkan hasil analisis SPSS uji Q Cochran, dari n=18

diperoleh nilai Q= 10,889; dengan df=2 nilai probabilitas (Asymp.
Sig)= 0,004. Karena probabilitasnya (0,004) < 0,05 serta 0,004<0,01
sehingga jatuh di daerah terima H1. Dengan demikian dapat
disimpulkan bahwa terdapat perbedaan minat mahasiswa terhadap
tempat tinggal sementara selama kuliah di kontrakan (x̅= 1,67), kos
(x̅= 1,67), atau rumah saudara (x̅= 1,56) dengan sangat signifikan.
2. Uji Friedman
Berdasarkan hasil perhitungan manual uji Friedman, diperoleh
Rj2= 3961,5; n= 18; dengan db= 2 dan taraf nyata 0,05 diperoleh
ꭓ20,05(2) = 5,991. Karena (ꭓr2=8,166) > (ꭓ2tabel 0,05= 5,991) sehingga jatuh
di daerah terima H1. Dengan demikian dapat disimpulkan bahwa
terdapat perbedaan pada minat mahasiswa terhadap tempat tinggal
sementara selama kuliah di kontrakan (x̅= 1,67), kos (x̅= 1,67), atau
rumah saudara (x̅= 1,56) secara signifikan.

33
 Tabel 14.38. Hasil SPSS Uji Friedman
N 18
Chi-Square 10,889
df 2
Asymp.
,004
Sig.
a. Friedman Test

Berdasarkan hasil analisis SPSS uji Friedman, dari n=18

diperoleh nilai Q= 10,889; dengan df=2 nilai probabilitas (Asymp.
Sig)= 0,004. Karena probabilitasnya (0,004) < 0,05 serta 0,004<0,01
sehingga jatuh di daerah terima H1. Dengan demikian dapat
disimpulkan bahwa terdapat perbedaan minat mahasiswa terhadap
tempat tinggal sementara selama kuliah di kontrakan (x̅= 1,67) , kos
(x̅= 1,67) atau rumah saudara (x̅= 1,56) dengan sangat signifikan.
Jadi, dapat disimpulkan bahwa perhitungan secara manual dengan
perhitungan menggunakan SPSS menghasilkan hasil yang tidak jauh
berbeda.

34
V. DAFTAR PUSTAKA
Ismed, Basuki & Sudarmono. (2016). Analisis non parametrik I (ppt 14).
Surabaya.
Wijaya. (2003). Statistika non parametrik: aplikasi program SPSS. Bandung:
Alfabeta.

35
 LAMPIRAN

• Data Induk.

36
37
38
• Perhitungan/Output SPSS

1. Uji Tanda Binomial

NPAR TEST
/BINOMIAL (0.50)=binom (74)

/MISSING ANALYSIS.

NPar Tests
[DataSet1] C:\Users\user\Documents\dataku baru statistika jgn h

ilang lagi.sav

Binomial Test

Observed Exact Sig. (2-

Category N Prop. Test Prop. tailed)

39
 uji binomial Group 1 <= 74 8 .53 .50 1.000

Group 2 > 74 7 .47

Total 15 1.00

2. Chi Square
NPAR TEST
/CHISQUARE=chisqu
/EXPECTED=EQUAL

/MISSING ANALYSIS.

NPar Tests
[DataSet1] C:\Users\user\Documents\dataku baru statistika jgn h

ilang lagi.sav

Chi-Square Test
Frequencies

uji chi kuadrat

Observed N Expected N Residual

minggu ke-1 7 10.0 -3.0

minggu ke-2 11 10.0 1.0

minggu ke-3 9 10.0 -1.0

minggu ke-4 8 10.0 -2.0

minggu ke-5 13 10.0 3.0

minggu ke-6 12 10.0 2.0

minggu ke-7 11 10.0 1.0

minggu ke-8 9 10.0 -1.0

Total 80

Test Statistics

uji chi kuadrat

Chi-Square 3.000a

df 7

Asymp. Sig. .885

40
 Test Statistics

uji chi kuadrat

Chi-Square 3.000a

df 7

Asymp. Sig. .885

a. 0 cells (,0%) have expected

frequencies less than 5. The
minimum expected cell
frequency is 10,0.

3. Uji Run
NPAR TESTS
/RUNS(75)=urun

/MISSING ANALYSIS.

NPar Tests
[DataSet1] C:\Users\user\Documents\dataku baru statistika jgn h

ilang lagi.sav

Runs Test

uji runtun

Test Valuea 75.0000

Total Cases 15

Number of Runs 6

Z -1.059

Asymp. Sig. (2-tailed) .290

a. User-specified.

4. Kolmogorov-Smirnov
NPAR TESTS
/K-S(NORMAL)=KS

/MISSING ANALYSIS.

NPar Tests
[DataSet1] C:\Users\user\Documents\dataku baru statistika jgn h

ilang lagi.sav

41
 One-Sample Kolmogorov-Smirnov Test

Uji Kolmogorov-
Smirnov

N 15

Normal Parametersa Mean 73.6667

Std. Deviation 9.02114

Most Extreme Differences Absolute .142

Positive .124

Negative -.142

Kolmogorov-Smirnov Z .551

Asymp. Sig. (2-tailed) .922

a. Test distribution is Normal.

5. Uji Tanda
GET
FILE='C:\Users\user\Documents\dataku baru statistika jgn hila
ng lagi.sav'.
DATASET NAME DataSet0 WINDOW=FRONT.
NPAR TEST
/WILCOXON=sblm WITH ssdh (PAIRED)
/SIGN=sblm WITH ssdh (PAIRED)

/MISSING ANALYSIS.

NPar Tests
[DataSet1] C:\Users\user\Documents\dataku baru statistika jgn h

ilang lagi.sav

Sign Test

Frequencies

Sesudah Pembelajaran - Negative Differencesa 4

Sebelum Pembelajaran
Positive Differencesb 10

Tiesc 1

Total 15

a. Sesudah Pembelajaran < Sebelum Pembelajaran

b. Sesudah Pembelajaran > Sebelum Pembelajaran

c. Sesudah Pembelajaran = Sebelum Pembelajaran

42
 Test Statisticsb

Sesudah
Pembelajaran -
Sebelum
Pembelajaran

Exact Sig. (2-tailed) .180a

a. Binomial distribution used.

b. Sign Test

6. Uji Ranking Bertanda Wilcoxon

GET
FILE='C:\Users\user\Documents\dataku baru statistika jgn hila
ng lagi.sav'.
DATASET NAME DataSet0 WINDOW=FRONT.
NPAR TEST
/WILCOXON=sblm WITH ssdh (PAIRED)
/SIGN=sblm WITH ssdh (PAIRED)

/MISSING ANALYSIS.

NPar Tests
[DataSet1] C:\Users\user\Documents\dataku baru statistika jgn h

ilang lagi.sav

Wilcoxon Signed Ranks Test

Ranks

N Mean Rank Sum of Ranks

Sesudah Pembelajaran - Negative Ranks 4a 5.12 20.50

Sebelum Pembelajaran
Positive Ranks 10b 8.45 84.50

Ties 1c

Total 15

a. Sesudah Pembelajaran < Sebelum Pembelajaran

b. Sesudah Pembelajaran > Sebelum Pembelajaran

c. Sesudah Pembelajaran = Sebelum Pembelajaran

43
 Test Statisticsb

Sesudah
Pembelajaran -
Sebelum
Pembelajaran

Z -2.015a

Asymp. Sig. (2-tailed) .044

a. Based on negative ranks.

b. Wilcoxon Signed Ranks Test

7. Uji Q Cochran
SAVE OUTFILE='C:\Users\user\Documents\dataku baru statistika jg
n hilang lagi.sav' /COMPRESSED.
NPAR TESTS
/FRIEDMAN=Kntr Kos RS
/COCHRAN=Kntr Kos RS

/MISSING LISTWISE.

NPar Tests
[DataSet1] C:\Users\user\Documents\dataku baru statistika jgn h

ilang lagi.sav

Cochran Test
Frequencies

Value

1 2

Kontrakan 15 3

Kos 15 3

Rumah Saudara 8 10

Test Statistics

N 18

Cochran's Q 10.889a

df 2

Asymp. Sig. .004

a. 1 is treated as a success.

44
8. Uji Friedman
SAVE OUTFILE='C:\Users\user\Documents\dataku baru statistika jg
n hilang lagi.sav' /COMPRESSED.
NPAR TESTS
/FRIEDMAN=Kntr Kos RS
/COCHRAN=Kntr Kos RS

/MISSING LISTWISE.

NPar Tests
[DataSet1] C:\Users\user\Documents\dataku baru statistika jgn h

ilang lagi.sav

Friedman Test

Ranks

Mean Rank

Kontrakan 1.81

Kos 1.81

Rumah Saudara 2.39

Test Statisticsa

N 18

Chi-Square 10.889

df 2

Asymp. Sig. .004

a. Friedman Test

45
• Output Plagiarisme

46