Uji komparasi merupakan uji hipotesis (analisis statistik inferensial) untuk

mencari signifikansi/kemaknaan perbedaan suatu variabel pada satu, dua atau lebih
kelompok sampel penelitian.

Uji komparasi secara umum dikelompokkan menjadi dua, yaitu uji untuk
statistik parametrik dan statistik nonparametrik. Pada uji statistik parametrik
dipersyaratkan data yang digunakan berskala interval atau ratio dan memenuhi asumsi
distribusi normal serta memiliki varians homogen. Pada uji statistik nonparametrik tidak
perlu persyaratan tertentu, hanya penggunaan rumus harus sesuai dengan skala data dan
peruntukannya (Cahyono 2015)

Klasifikasi analisis uji komparasi sebagai berikut:

A. Parametrik
Statistik Parametrik yaitu ilmu statistik yang mempertimbangkan jenis
sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau
tidak. Dengan kata lain, data yang akan dianalisis menggunakan statistik
parametrik harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak
menyebar normal, maka data seharusnya dikerjakan dengan metode statistik
nonparametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu
agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik
parametrik.
Digunakan untuk menguji parameter populasi melalui statistik, atau
menguji ukuran populasi melalui data sampel. Statistik parametrik memerlukan
terpenuhinya banyak asumsi, antara lain berdistribusi normal, data homogen,
harus terpenuhi asumsi linieritas. Statistik parametrik banyak digunakan untuk
menganalisis data interval dan rasio, contohnya: uji-z, uji-t, korelasi pearson,
anova (Susilawati et al. 2017)
Keunggulan Parametrik :
 Syarat syarat parameter dari suatu populasi yang menjadi
 Sampel biasanya tidak diuji dan dianggap memenuhi
 Syarat, pengukuran terhadap data dilakukan dengan kuat.
 Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi
normal serta memiliki varian yang homogen.
 Kelemahan Parametrik :
 Populasi harus memiliki varian yang sama.
 Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala
interval.
 Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus
normal dan bervarian sama, dan harus merupakan kombinasi linear dari
efek-efek yang ditimbulkan (Susilawati et al. 2017).
B. Non Parametrik
Suatu uji statistika yang belum diketahui sebaran datanya dan tidak perlu
berdistribusi normal atau berasumsi bebas. Dalam penelitian ilmu-ilmu sosial
seringkali sulit mendapatkan data yang kontinyu dan menyebar mengikuti
sebaran normal. Karena data yang diperoleh seringkali berupa data nominal
(data klasifikasi) yang hanya dapat dihitung frekuensinya dan data ordinal (data
berperingkat). Dengan demikian tidak mungkin menerapkan analisis Statistika
Parametrik. Perlu Statistika yang bebas sebarannya artinya prosedur yang tidak
bergantung pada sebaran induk data. Bila tidak menspesifikasikan sifat sebaran
induknya, maka umumnya tidak berhubungan dengan parameter. Oleh karena
itu, sebagai penganti Statistika Parametrik, digunakan Statistika Non Parametrik.
Statistika Non Parametrik dapat digunakan pada kasus dengan data berjumlah
kecil atau kurang dari 30 kasus. Contoh uji Binomial, Chi Square, Kolmogorov-
Smirnov, Mc Nemar, Sign, Wilcoxon, Friedman, Runs, Cochran, Kendall, Mann
Whitney, Wald-Woldfowits, Moses, Kruskal-Wallis, dan lain-lain (Karmini
2020).
Keunggulan Non Parametrik :
 Tidak membutuhkan asumsi normalitas.
 Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan
lebih mudah dimengerti, ststistika non-parametrik tidak membutuhkan
perhitungan matematik yang rumit seperti halnya statistik parametrik.
 Statistik non-parametrik dapat menggunakan data numerik (nominal) dengan
jenjang (ordinal).
 Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung
pada pengamatan yang nyata.
  Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal
Kelemahan Non Parametrik :
 Statistik non-parametrik terkadang mengabaikan beberapa informasi
tertentu.
 Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam
statistik parametrik.
 Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi
seperti pada statistik parametrik. Hal ini dikarenakan statistik nonparametrik
mendekati eksperimen dengan sampel kecil dan umumnya membandingkan
dua kelompok tertentu (Susilawati et al. 2017)

Ciri-ciri dan Langkah-langkah Penelitian Komparasi:

1. Ciri-ciri Penelitian Komparasi Penelitian komparatif bersifat data dikumpulkan

setelah semua kejadian yang dipersoalkan berlangsung (lewat). Peneliti
mengambil satu atau lebih akibat (sebagai dependent variables) dan menguji
data itu dengan menelusuri kembali ke masa lampau untuk mencari sebab-
sebab, saling hubungan dan maknanya.
2. Langkah-langkah pokok Penelitian Komparasi:
a. Definisikan masalah.

b. Lakukan penelaahan kepustakaan.

c. Rumuskan hipotesis-hipotesis.

d. Rumuskan asumsi-asumsi yang mendasari hipotesis-hipotesis itu serta

prosedur-prosedur yang akan digunakan.

e. Rancang cara pendekatannya:

1. Pilihlah subjek-subjek yang akan digunakan serta sumber-sumber yang

relevan.
2. Pilihlah atau susunlah teknik yang akan digunakan untuk
mengumpulkan data.
 3. Tentukan kategori-kategori untuk mengklasifikasikan data yang jelas,
sesuai dengan tujuan studi, dan dapat menunjukkan kesamaan atau saling
hubungan.

f. Validasikan teknik untuk mengumpulkan data itu, dan interpretasikan

hasilnya dalam cara yang jelas dan cermat.

g. Kumpulkan dan analisis data.

h. Susun laporannya.

Komparatif 2 sampel :

Pengujian hipotesis komparatif berarti menguji parameter populasi yang berbentuk

perbandingan melalui ukuran sampel yang juga berbentuk perbandingan. Hal ini juga
berarti menguji kemampuan generalisasi (signifikasi hasil penelitian) yang berupa
perbandingan keadaan variabel dari dua sampel atau lebih.Statistik Parametris yang
digunakan untuk menguji hipotesis komparatif rata-rata dua sampel bila datanya
berbentuk interval atau ratio adalah menggunakan uji z atau uji t-tes.

1. T-test adalah tes hipotesis yang digunakan oleh peneliti untuk membandingkan
rata-rata populasi untuk suatu variabel, diklasifikasikan ke dalam dua kategori
tergantung pada variabel interval kurang dari. Lebih tepatnya, uji-t digunakan
untuk menguji bagaimana cara yang diambil dari dua sampel independen
berbeda. Uji-T mengikuti distribusi-t, yang sesuai ketika ukuran sampel kecil,
dan standar deviasi populasi tidak diketahui. Bentuk distribusi-t sangat
dipengaruhi oleh tingkat kebebasan. Tingkat kebebasan menyiratkan jumlah
pengamatan independen dalam satu set pengamatan yang diberikan. Berdasarkan
hubungan antar populasinya, uji t dapat digolongkan kedalam dua jenis uji,
yaitu dependent sample t-test, dan independent sample t-test:

 Dependent sample t-test atau sering diistilakan dengan Paired Sampel t-Test,

adalah jenis uji statistika yang bertujuan untuk membandingkan rata-rata dua
grup yang saling berpasangan. Sampel berpasangan dapat diartikan sebagai
sebuah sampel dengan subjek yang sama namun mengalami 2 perlakuan atau
pengukuran yang berbeda, yaitu pengukuran sebelum dan sesudah dilakukan
sebuah treatment. (Ai and Komparatis, n.d.)
Syarat jenis uji ini adalah: (a) data berdistribusi normal; (b) kedua kelompok data
adalah dependen (saling berhubungan/berpasangan); dan (c) jenis data yang digunakan
adalah numeric dan kategorik (dua kelompok).
Rumus t-test yang digunakan untuk sampel berpasangan (paired) adalah:

 Independent sample t-test adalah jenis uji statistika yang bertujuan untuk

membandingkan rata-rata dua grup yang tidak saling berpasangan atau tidak
saling berkaitan. Tidak saling berpasangan dapat diartikan bahwa penelitian
dilakukan untuk dua subjek sampel yang berbeda.
Prinsip pengujian uji ini adalah melihat perbedaan variasi kedua kelompok data,
sehingga sebelum dilakukan pengujian, terlebih dahulu harus diketahui apakah
variannya sama (equal variance) atau variannya berbeda (unequal variance).
Homogenitas varian diuji berdasarkan rumus:

Data dinyatakan memiliki varian yang sama (equal variance) bila F-Hitung <
F-Tabel, dan sebaliknya, varian data dinyatakan tidak sama (unequal variance)
bila F-Hitung > F-Tabel.
Bentuk varian kedua kelompok data akan berpengaruh pada nilai standar
error yang akhirnya akan membedakan rumus pengujiannya.
Uji t untuk varian yang sama (equal variance) menggunakan rumus Polled
Varians:
2. Uji-Z mengacu pada analisis statistik univariat yang digunakan untuk menguji
hipotesis bahwa proporsi dari dua sampel independen sangat berbeda. Ini
menentukan sejauh mana suatu titik data jauh dari rata-rata set data, dalam
standar deviasi.Peneliti mengadopsi uji-z, ketika varians populasi diketahui,
pada dasarnya, ketika ada ukuran sampel yang besar, varians sampel dianggap
kira-kira sama dengan varians populasi. Dengan cara ini, diasumsikan diketahui,
meskipun faktanya hanya data sampel yang tersedia dan uji normal dapat
diterapkan.
3. UJI SAMPEL FISHER
Fisher test merupakan uji eksak yang diturunkan oleh seorang bernama Fisher,
karenanya disebut uji eksak Fisher. Uji ini dilakukan untuk menguji signifikansi
hipotesis komparatif dua sampel independen. Perbedaan uji fisher dengan uji chi
square adalah pada sifat kedua uji tersebut dan ukuran sampel yang diperlakukan. Uji
fisher bersifat eksak sedangkan uji chi square bersifat pendekatan. Uji chi square
dilakukan pada data dengan sampel besar, sedangkan uji Fisher dilakukan pada data
dengan sampel kecil. Data yang dapat diuji dengan fisher test ini berbentuk nominal
dengan ukuran sampel n sekitar 40 atau kurang, dan ada sel-sel berisikan frekuensi
diharapkan kurang dari lima. Perhitungan Fisher Test sama sekali tidak melibatkan chi-
square, akan tetapi langsung menggunakan peluang.
Uji peluang fisher merupakan salah satu uji statistik non-parametrik untuk
menganalisis data yang tertutup (diskrit) dengan cuplikan yang ditarik dari dua
populasi tersebut tidak begitu besar. Kegunaannya adalah bila data dari dua populasi
tersebut kedalam salah satu kelompok ataupun keduannya, dimana terdapat sifat
saling menenggang (mutually exclusive). Data yang diperoleh kemudian disusun dalam
bentuk tabel 2 x 2 sebagai berikut :
Table 1.1 tabel kontingensi 2 x 2

- + Total
Kelompok 1 A B A+B
Kelompok 2 C D C+D
Total A+C B+D N
Kelompok 1 dan kelompok 2 merupakan 2 kelompok yang bebas satu dengan
lainnya atau tidak berpasangan, misalnya antara kelompok dengan perlakuan terhadap
kelompok control, pria dengan wanita, penganggur dengan karyawan, Ibu dengan
ayah. Kolom untuk table diatas dapat diberi judul minus ( - ) dan plus ( + ) yang dapat
diklasifikasikan lagi dalam bentuk diatas dan dibawah median, seperti minat ilmu
dengan minat seni, setuju dan tidak setuju.
Uji ini dapat menentukan apakah kelompok yang pada table diatas dengan
masing – masing frekuensi A, B, C dan D akan dapat menentukan apakah kelompok 1
dan kelompok 2 berbeda nyata dalam perbandingan tanda ( + ) dan tanda ( - )
Adapun metodenya, peluang suatu frekuensi pengamatan dari suatu gugus
data dalam suatu table 2 x 2, bila marjinal totalnya tetap dapat diketahui dengan
sebaran hipergeometrik seperti berikut :

Dengan demikian peluang yang diperoleh dari pengamatan ditentukan oleh

perbandingan antara perkalian factorial N terhadap frekuensi masing – masing sel
(A,B,C,D).
a) Asumsi dan statistik uji Beberapa asumsi yang diperlukan untuk
menguji pasangan hipotesis tersebut di atas. Asumsi ini adalah:
1. Data terdiri dari A buah hasil pengamatan dari populasi
pertama, dan B buah hasil pengamatan dari populasi kedua.
2. Kedua sampel bebas dan di ambil secara acak.
 3. Masing-masing hasil pengamatan dapat digolongkan ke dalam
salah satu dari dua jenis atau karakteristik pengamatan yang
saling terpisah.
Jika asumsi ini dipenuhi, dan tabel yang dibuat memenuhi
syarat seperti pada tabel yang sebelumnya, statistik uji b yang
digunakan. Defenisi statistik b sesuai tabel sebelumnya adalah
sebagai berikut : b = banyaknya subjek dengan karakteristik
yang di perhatikan (kategori 1) dalam sampel 2.
b) Prosedur Pengambilan Keputusan Finney (1948, 1963) telah
menyiapkan tabel yang memuat nilai-nilai kritis b untuk A≤15.
Latscha(1955) memperluas cakupan tabel buatan finney sehingga
memuat niali-nilai kritis b untuk A≤20 tabel lampiran B menyediakan
nilai-nilai kritis b untuk A dari 3 hingga 20 pada taraf signifikasi 0.05,
0.025, 0.01, dan 0.005. jika kita tetapkan α sebagai taraf signifikasi
yang digunakan dalam pengujian, kriteria pengambilan keputusan
adalah sebagai berikut :
1. Uji dua pihak Konsekuensi uji dua pihak, kita merujuk tabel
lampiran B pada kolom peluang α/2 dan baris A,B serta a yang
sesuai tabel data yang dimiliki. Bilangan bulat pada lapiran
B( misalnya diberi simbol Bk) tersebut adalah nilai kritis
pengujian. Kesimpulan menolak H0 di ambil apa bila b≤Bk,
karena keterbatasan tabel yang tersedia, nilai α yang dapat
digunakan untuk uji dua pihak, hanyalah 0.10, 0.05, 0.02, dan
0,01, karena nilai peluang yang tercantum pada lampiran
adalah 0.05, 0.025, 0.01 dan 0.005. dengan kelas sosial
tertentu dan kesatuan pendapat di antara anggota kelompok
yang sama pda suatu jejak pendapat tentang pendidikan.
2. Uji satu pihak Berbeda dengan uji dua pihak, uji satu puhak
merujuk nilai kritis Bk pada kolom peluang α(bukan α/2).
Kesimpulan menolak H0 juga diambil apabila statistik b kurang
atau sama dengan Bk. Dalam sebuah studi mengenai
pengaruh teknik wawancara yang berbeda terhadap tekanan
darah diastolik orang yang diwawancarai, williams dkk.
 (1975)memperoleh hasil pengamatan yang diberikan dalam
tabel 1.5. Dalam salah satu teknik wawancara, orang yang
diwawancarai berperan pasif. Wawancara berlangsung
dengan kartu yang diisi dan dijawab oleh orang yang
diwawancarai. Teknik wawancara kedua, pewawancara
berinteraksi secara hangat dan bertatap muka dengan orang
yang diwawancarai. Pewawancara mengajukan pertanyaan
dan memberikan komentar pada saat yang diwawancarai
memberikan jawaban. Tekanan darah diastolik diukur pada
saat selang waktu satu menit selama wawancara
berlangsaung. (Dahlan 2011)

Analisis Varians (ANAVA)

Dalam menggunakan analisa uji-t, hanya bisa dibandingkan dua kelompok saja.
Lebih dari dua kelompok, uji-t ytidak dapat digunakan. Padahal ada kalanya dituntut
untuk membedakan lebih dari dua kelompok sekaligus. Untuk menyelesaikan hal itu,
maka digunakan analisa varians.

Pada dasarnya Anava termasuk uji mean(rerata), tetapi lebih kompleks dan
mempunyai kemampuan lebih besar dari pada uji-t. dengan menggunakan Anava dapat
memperkecil besarnya ralat, sebab pada Anava, ralat diperhitungkan dari semua
kelompok. Untuk memperoleh kesimpulan adatidaknya antara perbedaan kelompok
yang dibedakan, digunakan uji signifikan F.

Uji F dimaksudkan untuk menguji Ho sebagai berikut :

Ho : µ1 = µ2 = µ3=……µk

µ = mean tiap kelompok

1,2,3….k = kelompok yang ada
Adapun perhitungan dapat dilakukan sebagai berikut :
 Menghitung faktor koreksi :
CF = (Ʃ Tj)2
n
CF = Correction Factor
 Ʃ Tj = Total nilai pengamatan
n= Total anggota sampel
 Menghitung jumlah kuadrat total :
SST = Ʃ (Xji)2 – CF
SST = Sum Square total
Xji = Nilai pengamatan I dari sampel j
 Menghitung jumlah kwadrat antar perlakuan
SSp = (T1)2 + (T2)2 +… + (Tj)2 +… + (Tk)2 – CF = Ʃ (Tj)2 –CF
n1 n2 nj nk nj
Tj = Total nilai sampel j
nj = besar sampel j
SSp = sum square antar perlakuan
 Menghitung jumlah kuadrat error :
SSE = SST - SSP
 Menentukan derajat kebebasan (DF)
DFP = k – 1 df antar perlakuan
DFT = n – 1 df total
DFE = DFT – DFP df error
n = jumlah anggota total sampel
k = jumlah perlakuan
 Menghitung kuadrat rata-rata (mean square)
MSP = SSP Mean square antar perlakuan
DFP

MSE = SSE Mean square error

DFE
 Menghitung sattistik F :
F = MSP
MSE
Semua perhitungan yang telah dilakuakn di atas, dapat disingkatkan
dalam sebuah table ANAVA seperti berikut :
 Mencari harga distriusi F pada derajad (level) signifikan yang diinginkan
(pada table F)
 Menentukan daerah penolakan
Misalnya : menolah Ho, menerima Ha jika F ≥ F table
 Merumuskan kesimpulan
Berdasarkan uji di atas, jika hipotesa diterima, berarti tidak ada beda
mean dari populasi (perbedaan mean tidak signifikan)
 Apabila terdapat lanjut perbedaan tersebut antar mean, dengan rumus :
Antar A dan B tAB = XA – XB
√ 2 MSE
DFg
Atau
HSD = DFq = DFq √ MSE + MSE
n1 n2
 DAFTAR PUSTAKA

Ai, I, and I I S Komparatis. n.d. ..“.. :: ,{I{Ai,I$Is Komparatis’.”

Cahyono, Tri. 2015. STATISTIK UJI KOMPARASI.

Dahlan, M.Sopiyudin. 2011. “Hipotesis Komparatif.” Statistik Untuk Kedokteran Dan

Kesehatan 2: 1–9.

Karmini. 2020. Statistika Non Paramentrik.

Susilawati, Luh Kadek Pande Ary, Supriyadi, Ni Made Ari Wilani, David Hizkia
Tobing, Dewi Puri Astiti, I Made Rustika, Komang Rahayu Indrawati, et al. 2017.
“Bahan Ajar Praktikum Statistik.” Universitas Udayana, 68.

http://statistikaikip.blogspot.com/2015/05/komparatif-dua-sampel.html diakses pada 06

Oktober 2021 .

http://repository.unpas.ac.id/30329/4/BAB%20III.pdf. diakses pada 06 oktober 2021.