TEKNIK STATISTIK NON PARAMETRIK:

UJI PERINGKAT BERTANDA WILCOXON DAN UJI WALSH

i
 DAFTAR ISI

KATA PENGANTAR ............................................................................................................... i

DAFTAR ISI............................................................................................................................. ii
DAFTAR GAMBAR ............................................................................................................... iii
DAFTAR TABEL.................................................................................................................... iv
DAFTAR LAMPIRAN ..............................................................................................................v
BAB I UJI PERINGKAT BERTANDA WILCOXON
A. Konsep/Teori Uji Peringkat Bertanda Wilcoxon ........................................................1
B. Kelebihan dan Kekurangan Uji Peringkat Bertanda Wilcoxon ..................................1
C. Langkah- Langkah Perhitungan Uji Peringkat Bertanda Wilcoxon ...........................1
D. Contoh Kasus dan Pengaplikasian Menggunakan SPSS ............................................2
BAB II UJI WALSH
A. Konsep/Teori Uji Walsh ...........................................................................................17
B. Kelebihan dan Kekurangan Uji Walsh .....................................................................17
C. Langkah-langkah Uji Walsh .....................................................................................18
D. Contoh Kasus dan Pengaplikasian Menggunakan SPSS ..........................................18

DAFTAR PUSTAKA
LAMPIRAN

ii
 DAFTAR GAMBAR

Gambar 1.1 Cara Menentukan Harga T untuk N=19 pada α=0,05 ........................................6
Gambar 1.2 Cara Menentukan Harga p pada z = 3,01 .........................................................14
Gambar 2.1 Cara Menentukan Harga Kritis untuk N=15 pada α = 0,047 (One-tailed).......20
Gambar 2.2 Cara Menentukan Harga Kritis untuk N=12 pada α=0,048 (Two-Tailed).......23

iii
 DAFTAR TABEL

Tabel 1.1 Nilai Sebelum dan Sesudah Penyuluhan ................................................................3

Tabel 1.2 Nilai Sebelum dan Sesudah Penyuluhan ..............................................................10
Tabel 2.1 Banyak Suku Kata yang Disertai Kejutan dan yang Tidak Disertai Kejutan
Elektris yang Diingat Sesudah Waktu 48 Jam Berlalu.........................................19

iv
 DAFTAR LAMPIRAN

Lampiran 1 Tabel A
Lampiran 2 Tabel G
Lampiran 3 Tabel Harga-Harga Kritis untuk Uji Walsh

v
 BAB I
UJI PERINGKAT BERTANDA WILCOXON

A. Konsep/Teori Uji Peringkat Bertanda Wilcoxon

Uji peringkat bertanda wilcoxon sering kali digunakan sebagai alternatif dari uji
paired sample t test. Jika data tidak terdistribusi normal, maka harus dilakukan transformasi
data terlebih dahulu untuk menormalkan distribusinya. Jika transformasi yang dilakukan
tidak dapat membuat distribusi data tersebut menjadi normal, maka uji t tidak valid untuk
dipakai, sehingga disarankan untuk melakukan uji non parametrik seperti wilcoxon untuk
data berpasangan atau mann-whitney U untuk data independen (Besral, 2012). Uji peringkat
bertanda wilcoxon digunakan untuk mengetahui ada tidaknya perbedaan rata-rata dua sampel
yang berpasangan. Data penelitian yang digunakan dalam uji ini idealnya adalah data yang
berskala ordinal atau interval (Sudjana, 2005).

B. Kelebihan dan Kekurangan Uji Peringkat Bertanda Wilcoxon

Kelebihan uji ini merupakan perbaikan dari uji tanda karena uji peringkat bertanda
wilcoxon ini bukan saja tanda yang diperhatikan tetapi juga nilai selisih. Uji peringkat
bertanda wilcoxon lebih peka daripada uji tanda dalam menentukan perbedaan antara rataan
populasi. Kekurangan dalam uji ini yaitu tidak memperhitungkan selisih yang bernilai nol
pada setiap pasangan, sehingga mengakibatkan nilai selisih yang bernilai nol tidak
diikutsertakan dalam pengujian (Siegel, 1992)

C. Langkah- Langkah Perhitungan Uji Peringkat Bertanda Wilcoxon

1. Perumusan hipotesis
a. Satu sisi : Ho : µ = µ0 dan Ha : µ > µ0
Ho : µ = µ0 dan Ha : µ < µ0
b. Dua sisi : Ho : µ = µ0 dan Ha : µ ≠ µ0
2. Penentuan besarnya taraf nyata (α)
3. Pada setiap pasangan, tetapkan selisih bertanda (d) antara kedua skornya.
4. Membuat rangking dari selisih tersebut tanpa mempedulikan tanda. Untuk harga d
yang sama buatlah rata-rata ranking yang sama itu.
a. Jika skor sama dalam setiap pasangan artinya tidak terdapat perbedaan antara dua
perlakuan yang diobservasi untuk pasangan itu, sehingga d = 0. Pasangan-

1
 pasangan yang seperti ini digugurkan dalam analisis. Sehingga banyak pasangan
(N) yang ada dikurangi banyaknya pasangan dengan d=0.
b. Dua atau lebih nilai d bisa saja memiliki nilai yang sama, maka kasus-kasus skor
sama seperti ini kita beri rangking yang sama. Rangking yang diberikan adalah
rangking rata-rata dari rangking yang seharusnya. Misal ada tiga pasangan
menghasilkan nilai d sebesar 1, 1, -1 maka setiap pasangan akan diberikan harga
rangking 2 karena 1+2+3 =2
3

5. Pada setiap rangking berikan ditanda (+ atau -) untuk d yang direpresentasikan.

6. Tetapkan T (jumlah yang lebih kecil dari kedua kelompok rangking yang memiliki
tanda tanda yang sama
7. Dengan mencacah, tetapkanlah N (banyaknya total nilai d yang memiliki tanda)
8. Prosedur yang dipakai untuk menetapkan signifikansi harga T yang diobservasi
bergantung pada pemilihan N :
a. Sampel kecil ( N≤ 25 )
Jika N sama dengan atau kurang dari 25, menggunakan tabel G (terlampir) yang
menyajikan nilai T untuk berbagai ukuran N untuk uji satu sisi maupun dua sisi.
Jika nilai T yang diobservasi sama dengan atau kurang dari nilai yang diberikan
tabel tersebut, untuk suatu tingkat signifikansi tertentu dan N tertentu, H 0 dapat
ditolak pada tingkat signifikansi itu
b. Sampel Besar (N>25)
Jika N lebih besar dari 25, hitung nilai z :
𝑁 (𝑁 + 1)
𝑇−
𝑧= 4
√𝑁(𝑁 + 1)(2𝑁 + 1)
24
Tentukan kemungkinan yang berkaitan dengan kemunculan harga itu dibawah H0
dengan melihat tabel A. Untuk suatu tes dua sisi, p yang didapat dikalikan dua
(Siegel, 1992).

D. Contoh Kasus dan Pengaplikasian Menggunakan SPSS

1. Jumlah sampel ≤ 25
Dalam suatu penelitian, peneliti ingin mengetahui apakah ada perbedaan rata-rata
nilai responden sebelum dan sesudah penyuluhan dengan α: 0,05 dengan

2
menggunakan data nilai sebelum dan sesudah penyuluhan dari 20 orang responden
berikut ini :

Tabel 1.1 Nilai Sebelum dan Sesudah Penyuluhan

Sebelum Nilai Sesudah

Responden
1 50 70
2 63 85
3 45 60
4 55 78
5 77 60
6 73 70
7 45 70
8 47 65
9 55 55
10 60 70
11 65 50
12 45 70
13 44 75
14 70 75
15 75 80
16 62 57
17 55 65
18 56 60
19 50 70
20 55 53

Jawab :
a. Hipotesis
Hipotesis untuk uji satu sisi
Ho : tidak ada perbedaan rata-rata nilai sebelum dan sesudah penyuluhan
Ha : rata-rata nilai sesudah penyuluhan lebih tinggi daripada sebelum penyuluhan
Hipotesis untuk uji dua sisi
Ho : tidak ada perbedaan rata-rata nilai sebelum dan sesudah penyuluhan
Ha : ada perbedaan rata-rata nilai sebelum dan sesudah penyuluhan
b. α : 0,05
c. Untuk setiap pasangan, tetapkan selisih- bertanda (d) antara kedua skornya.

3
 Nilai
Responden d
Sebelum Sesudah
1 50 70 20
2 63 85 22
3 45 60 15
4 55 78 23
5 77 60 -17
6 73 70 -3
7 45 70 25
8 47 65 18
9 55 55 0
10 60 70 10
11 65 50 -15
12 45 70 25
13 44 75 31
14 70 75 5
15 75 80 5
16 62 57 -5
17 55 65 10
18 56 60 4
19 50 70 20
20 55 53 -2

d. Buatlah rangking dari selisih tersebut tanpa mempedulikan tanda. Untuk harga d
yang sama buatlah rata-rata ranking yang sama itu.
Nilai
Responden d Rangking
Sebelum Sesudah
1 50 70 20 13,5
2 63 85 22 15
3 45 60 15 9,5
4 55 78 23 16
5 77 60 -17 11
6 73 70 -3 2
7 45 70 25 17,5
8 47 65 18 12
9 55 55 0 0
10 60 70 10 7,5
11 65 50 -15 9,5
12 45 70 25 17,5
13 44 75 31 19
14 70 75 5 5
15 75 80 5 5
16 62 57 -5 5
17 55 65 10 7,5
18 56 60 4 3
19 50 70 20 14
20 55 53 -2 1

4
e. Bubuhkan pada setiap rangking tanda (+ atau -) untuk d yang direpresentasikan.
Nilai Rangking
Responden d
Sebelum Sesudah positif negatif
1 50 70 20 13,5
2 63 85 22 15
3 45 60 15 9,5
4 55 78 23 16
5 77 60 -17 -11
6 73 70 -3 -2
7 45 70 25 17,5
8 47 65 18 12
9 55 55 0
10 60 70 10 7,5
11 65 50 -15 -9,5
12 45 70 25 17,5
13 44 75 31 19
14 70 75 5 5
15 75 80 5 5
16 62 57 -5 -5
17 55 65 10 7,5
18 56 60 4 3
19 50 70 20 13,5
20 55 53 -2 -1
T 161,5 -28,5

f. Tetapkan T (jumlah yang lebih kecil dari kedua kelompok rangking yang
memiliki tanda tanda yang sama
T = 28,5
g. Dengan mencacah, tetapkanlah N (banyaknya total nilai d yang memiliki tanda)
N=19
h. Kesimpulan
N = 19 α = 0,05 kemudian lihat tabel G (Siegel, 1992) untuk uji satu sisi maupun
dua sisi
T tabel : 46
T < T tabel = 28,5 < 46 maka H0 di tolak
Jadi
Uji satu sisi : rata-rata nilai sesudah penyuluhan lebih tinggi daripada sebelum
penyuluhan
Uji dua sisi : ada perbedaan rata-rata nilai sebelum dan sesudah penyuluhan
.

5
 Gambar 1.1 Cara Menentukan Harga T untuk N=19 pada α=0,05

Jika menggunakan rumus

𝑁 (𝑁 + 1)
𝑇−
𝑧= 4
√𝑁(𝑁 + 1)(2𝑁 + 1)
24

19 (19 + 1)
28,5 −
= 4
√19(19 + 1)(2.19 + 1)
24
−66,5
= = −2,68
24,85
Uji satu sisi :
Z= -2,68; α = 0,05 kemudian lihat tabel A (Siegel, 1992) untuk uji satu sisi
p = 0,0037

6
 p value < α maka H0 di tolak
Jadi rata-rata nilai sesudah penyuluhan lebih tinggi dibandingkan dengan rata-rata
nilai sebelum penyuluhan
Uji dua sisi
Z= -2,68; α = 0,05 kemudian lihat tabel A (Siegel, 1992) untuk uji satu sisi
p = 0,0037 x 2 = 0,0074 ≈ 0,007
p value < α maka H0 di tolak
Jadi ada perbedaan rata-rata nilai sebelum dan sesudah penyuluhan.

Aplikasi SPSS
a. Input data berupa data nilai sebelum dan sesudah penyuluhan

7
b. Klik menu Analyze → Nonparametric test → legacy dialogs, pilih menu 2
Related Samples

c. Pada kotak dialog Two Related Samples masukkan dua variabel yang akan diuji,
klik mouse pada variabel sebelum masukkan ke dalam kotak Test Pairs, begitu
juga pada variabel sesudah. Pilih menu option, aktifkan descriptive kemudian
continue. Klik OK untuk menjalanan prosedur.

8
 d. Pada layar output tampak hasil seperti berikut:
Wilcoxon Signed Ranks Test
Descriptive Statistics
N Mean Std. Deviation Minimum Maximum

Sebelum 20 57,35 10,505 44 77

Sesudah 20 66,90 9,403 50 85

Ranks
N Mean Rank Sum of Ranks
a
Sesudah - Sebelum Negative Ranks 5 5,70 28,50
b
Positive Ranks 14 11,54 161,50
c
Ties 1
Total 20

a. Sesudah < Sebelum

b. Sesudah > Sebelum
c. Sesudah = Sebelum
a
Test Statistics
Sesudah –
Sebelum
b
Z -2,678
Asymp. Sig. (2-tailed) ,007

a. Wilcoxon Signed Ranks est

b. Based on negative ranks.

2. Jumlah sampel >25

Dalam suatu penelitian, peneliti ingin mengetahui apakah ada perbedaan rata-rata
nilai responden sebelum dan sesudah penyuluhan dengan α: 0.05 dengan
menggunakan data nilai sebelum dan sesudah penyuluhan dari 27 responden berikut
ini :

9
 Tabel 1.2 Nilai Sebelum dan Sesudah Penyuluhan

Sebelum Nilai Sesudah

Responden
1 50 70
2 63 85
3 45 60
4 55 78
5 60 77
6 73 70
7 47 65
8 55 55
9 60 70
10 65 50
11 75 70
12 75 80
13 62 57
14 55 65
15 56 60
16 50 70
17 55 53
18 56 70
19 75 70
20 56 80
21 55 60
22 67 75
23 71 85
24 65 75
25 70 60
26 63 60
27 54 70

Jawab :
a. Hipotesis
Hipotesis untuk uji satu sisi
Ho : tidak ada perbedaan rata-rata nilai sebelum dan sesudah penyuluhan
Ha : rata-rata nilai sesudah penyuluhan lebih tinggi daripada sebelum penyuluhan
Hipotesis untuk uji dua sisi
Ho : tidak ada perbedaan rata-rata nilai sebelum dan sesudah penyuluhan
Ha : ada perbedaan rata-rata nilai sebelum dan sesudah penyuluhan
b. α : 0,05
c. Untuk setiap pasangan, tetapkan selisih- bertanda (d) antara kedua skornya.

10
 Nilai
Responden d
Sebelum Sesudah
1 50 70 20
2 63 85 22
3 45 60 15
4 55 78 23
5 60 77 17
6 73 70 -3
7 47 65 18
8 55 55 0
9 60 70 10
10 65 50 -15
11 75 70 -5
12 75 80 5
13 62 57 -5
14 55 65 10
15 56 60 4
16 50 70 20
17 55 53 -2
18 56 70 14
19 75 70 -5
20 56 80 24
21 55 60 5
22 67 75 8
23 71 85 14
24 65 75 10
25 70 60 -10
26 63 60 -3
27 54 70 16

d. Buatlah rangking dari selisih tersebut tanpa mempedulikan tanda. Untuk harga d
yang sama buatlah rata-rata ranking yang sama itu.
Nilai
Responden d Rangking
Sebelum Sesudah
1 50 70 20 22,5
2 63 85 22 24
3 45 60 15 17,5
4 55 78 23 25
5 60 77 17 20
6 73 70 -3 2,5
7 47 65 18 21
8 55 55 0 0
9 60 70 10 12,5
10 65 50 -15 17,5
11 75 70 -5 7
12 75 80 5 7
13 62 57 -5 7

11
 Nilai
Responden d Rangking
Sebelum Sesudah
14 55 65 10 12,5
15 56 60 4 4
16 50 70 20 22,5
17 55 53 -2 1
18 56 70 14 15,5
19 75 70 -5 7
20 56 80 24 26
21 55 60 5 7
22 67 75 8 10
23 71 85 14 15,5
24 65 75 10 12,5
25 70 60 -10 12,5
26 63 60 -3 2,5
27 54 70 16 19

e. Bubuhkan pada setiap rangking tanda (+ atau -) untuk d yang direpresentasikan.

Nilai Rangking
Responden D
Sebelum Sesudah Positif Negatif
1 50 70 20 22,5
2 63 85 22 24
3 45 60 15 17,5
4 55 78 23 25
5 60 77 17 20
6 73 70 -3 -2,5
7 47 65 18 21
8 55 55 0 0
9 60 70 10 12,5
10 65 50 -15 -17,5
11 75 70 -5 -7
12 75 80 5 7
13 62 57 -5 -7
14 55 65 10 12,5
15 56 60 4 4
16 50 70 20 22,5
17 55 53 -2 -1
18 56 70 14 15,5
19 75 70 -5 -7
20 56 80 24 26
21 55 60 5 7
22 67 75 8 10
23 71 85 14 15,5
24 65 75 10 12,5
25 70 60 -10 -12,5
26 63 60 -3 -2,5
27 54 70 16 19
T 294 -57

12
f. Tetapkan T (jumlah yang lebih kecil dari kedua kelompok rangking yang
memiliki tanda tanda yang sama
T = 57
g. Dengan mencacah, tetapkanlah N (banyaknya total nilai d yang memiliki tanda)
N = 26; T = 57
𝑁 (𝑁 + 1)
𝑇−
𝑧= 4
√𝑁(𝑁 + 1)(2𝑁 + 1)
24

26 (26 + 1)
57 −
= 4
√26(26 + 1)(2.26 + 1)
24

−118,5
= = −3,01
39,37
h. Kesimpulan
Uji satu sisi :
Z= -3,01; α = 0,05 kemudian lihat tabel A (Siegel, 1992)
p = 0,0013
p value < α maka H0 di tolak
Jadi rata-rata nilai sesudah penyuluhan lebih tinggi dibandingkan dengan rata-rata
nilai sebelum penyuluhan
Uji dua sisi
Z= -3,01; α = 0,05 kemudian lihat tabel A (Siegel, 1992)
p = 0,0013 x 2 = 0,0026 ≈ 0,003
p value < α maka H0 di tolak
Jadi ada perbedaan rata-rata nilai sebelum dan sesudah penyuluhan.

13
Gambar 1.2 Cara Menentukan Harga p pada z = 3,01

14
Aplikasi SPSS
a. Input data berupa data nilai sebelum dan sesudah penyuluhan

b. Klik menu Analyze → Nonparametric test → legacy dialogs, pilih menu 2

Related Samples

15
 c. Pada kotak dialog Two Related Samples masukkan dua variabel yang akan diuji,
klik mouse pada variabel sebelum masukkan ke dalam kotak Test Pairs, begitu
juga pada variabel sesudah. Pilih menu option, aktifkan descriptive kemudian
continue. Klik OK untuk menjalanan prosedur.

d. Pada layar output tampak hasil seperti berikut:

Wilcoxon Signed Ranks Test
Ranks
N Mean Rank Sum of Ranks

Sesudah - Sebelum Negative Ranks 8a 7,13 57,00

b
Positive Ranks 18 16,33 294,00

Ties 1c
Total 27

a. Sesudah < Sebelum

b. Sesudah > Sebelum
c. Sesudah = Sebelum

a
Test Statistics
Sesudah -
Sebelum
b
Z -3,014
Asymp. Sig. (2-tailed) ,003

a. Wilcoxon Signed Ranks Test

b. Based on negative ranks.

16
 BAB II
UJI WALSH

A. Konsep/Teori Uji Walsh

Uji Walsh adalah metode statistik non-parametrik alternatif untuk paired-t test. Tes
yang dikembangkan oleh Walsh ini digunakan untuk menguji perbedaan skor pada dua
sampel yang berhubungan. Tes ini berasumsi bahwa dua sampel tersebut diambil dari
populasi simetris, namun tidak harus berasal dari populasi yang sama dan memiliki distribusi
normal. Populasi dikatakan simetris apabila mean dari setiap populasi akurat menggambarkan
harga tengah, dan sama dengan median (Siegel, 1986 dan Mc.Cuen, 2003).
Uji Walsh dapat kita aplikasikan dengan memenuhi persyaratan sebagai berikut: a)
dua sampel berpasangan bersifat kontinyu dan simetris; b) pengukuran sekurang-kurangnya
dalam skala interval; dan c) jumlah sampel atau N ≤ 15 (Cohen & Holiday, 1996 dan Siegel,
1986).
Perbedaan antara Uji Walsh dengan Uji Peringkat Bertanda Wilcoxon dapat dilihat
pada tabel sebagai berikut:
Perbedaan Uji Walsh Uji Peringkat Bertanda Wilcoxon
Skala Data Interval dan Rasio Ordinal dan Interval
Jumlah sampel ≤ 15 Dapat lebih atau kurang dari 25
Metode Kedua skor dihitung selisihnya, Kedua skor dihitung selisihnya, lalu
kemudian perangkingan langsung perangkingan dilakukan
dilakukan dari yang terkecil berdasarkan nilai absolutnya,
(bertanda negatif) sampai ke setelah itu baru diberikan tanda
terbesar dengan (bertanda positif) positif atau negatif

B. Kelebihan dan Kekurangan Uji Walsh

Kelebihan dari Uji Walsh adalah asumsi pembatasnya hanya diperlukan
populasi/sampel yang simetris, selain itu juga uji ini lebih kuat dibandingkan dengan Uji
Tanda (United States Environmental Protection Agency, 1978). Kekurangan dari Uji Walsh
adalah tidak dapat digunakan untuk menganalisis sampel lebih dari 15 (Coshall, 1989).

17
C. Langkah-langkah Uji Walsh
Hipotesis nol yang diuji adalah bahwa harga-harga selisih dari masing-masing N
pasangan (di) itu ditarik dari suatu populasi yang mediannya = 0 (atau dari sekelompok
populasi yang memiliki median bersama yang =0). Dalam suatu distribusi simetris, mean dan
median berimpit. Uji Walsh menganggap bahwa sejumlah di itu adalah dari populasi dengan
distribusi simetris. Oleh karena itu Ho ialah rata-rata skor selisih (μ0) adalah nol. Untuk suatu
tes dua sisi, Ha ialah μa ≠ 0. Untuk tes satu sisi, Ha mungkin μa > 0 atau bahwa μa < 0 (Siegel,
1986).

Ho : μ0 = 0
Ha (two-tailed) : μa ≠ 0
Ha (one-tailed) : μa > 0 atau μa < 0

Prosedur dalam menggunakan Uji Walsh: (Siegel, 1986)

1. Tentukan skor selisih dengan tanda (di) untuk masing-masing pasangan yang dijodohkan.
2. Tentukan N, banyak pasangan yang dijodohkan.
3. Susunlah harga-harga di dalam urutan besarnya, dari d1 hingga dN. dalam menyusul urutan
ini pertimbangkanlah tandanya. Demikianlah d1 adalah d negatif yang terbesar, dan dN
adalah d positif yang terbesar.
4. Lihatlah Tabel Harga-Harga Kritis untuk Uji Walsh (Lampiran 3) untuk menentukan
apakah Ho dapat ditolak dan menerima Ha dengan harga-harga d1, d2, d3, …, dN
diobservasi.

D. Contoh Kasus dan Pengaplikasian Menggunakan SPSS

1. Kasus satu sisi
Dalam suatu studi yang dimaksudkan untuk membuat induksi dalam hal
represi, Lowenfeld meminta 15 orang subyeknya mempelajari 10 suku kata yang tidak
bermakna. Dia kemudian berusaha untuk menghubungkan adanya pengaruh negatif
dengan 5 suku kata (yang dipilih secara random dari kesepuluh suku kata itu) dengan
memberikan kejutan elektris kepada subyek-subyek itu setiap saat bila satu di antara
kelima suku kata itu disebutkan secara takistoskopis. Setelah selang waktu 48 jam,
subyek-subyek itu dibawa kembali ke ruang eksperimen dan diminta untuk mengingat
daftar suku kata tanpa makna itu. Ramalannya adalah mereka akan lebih banyak ingat
akan suku kata yang tidak dibarengi dengan kejutan elektris daripada yang disertai
kejutan elektris (Siegel, 1986).

18
Penyelesaian:
Hitung manual
a. Hipotesis
Ho : median selisih antara banyak suku kata tanpa kejutan elektris yang diingat
dan banyak suku kata yang disertai kejutan elektris adalah nol. Artinya,
subyek akan mengingat kedua kelompok suku kata itu secara sama baiknya.
Ha : banyak suku kata tanpa kejutan elektris yang diingat subyek lebih besar dari
banyak suku kata yang disertai kejutan. Yaitu, median selisih itu akan lebih
besar dari nol.
b. Tes Statistik
Uji Walsh dipilih karena studi ini menggunakan dua sampel yang berhubungan
(masing-masing subyek bertindak selaku pengontrol diri sendiri), dan karena
anggapan bahwa skor selisih berasal dari populasi simetris nampaknya dapat
dipertahankan.
c. Tingkat Signifikansi
Tetapkan α = 0.05. N = 15 = jumlah subyek yang menjadi subyek penelitian ini,
masing-masing dihadapkan pada suku kata yang disertai kejutan dan yang tidak
disertai kejutan.
d. Distribusi Sampling
Tabel Harga-Harga Kritis untuk Uji Walsh (Lampiran 3) menyajikan
kemungkinan akan munculnya, di bawah Ho, harga-harga dalam tes statistik bila
N ≤ 15.
e. Daerah Penolakan
Karena arah perbedaan tidak diramalkan, yang dipakai adalah daerah penolakan
dua sisi. Karena Ha adalah μa > 0 maka Ho akan ditolak jika ada di antara harga-
harga yang dicantumkan dalam kolom sebelah kanan di tabel itu untuk N = 15
ternyata terjadi. Alasannya adalah tingkat signifikansi untuk semua harga yang
ditabelkan untuk N = 15 adalah lebih kecil dari α = 0.05.
f. Keputusan
Banyak suku kata yang disertai kejutan dan yang tanpa kejutan elektris yang
berhasil diingat oleh setiap subyek sesudah 48 jam berlalu, disajikan dalam Tabel
2.1 yang juga menyajikan d untuk masing-masing subyek.

19
Tabel 2.1 Banyak Suku Kata yang Disertai Kejutan dan yang Tidak Disertai Kejutan
Elektris yang Diingat Sesudah Waktu 48 Jam Berlalu
Banyak Suku Kata Tanpa
Subyek
Kejutan yang Diingat
a 5
b 4
c 3
d 5
e 2
f 4
g 2
h 2
i 4
j 4
k 3
l 1
m 5
n 3
o 1
Sumber: Siegel, 1986
Banyak Suku Kata
d
Berkejutan yang Diingat
2 3
2 2
0 3
3 2
3 -1
2 2
3 -1
1 1
1 3
3 1
4 -1
2 -1
2 3
4 -1
0 1

Perhatikanlah bahwa d yang terkecil adalah -1. Dengan demikian d1 = d terendah,

dengan memperhatikan tandanya. Lima di antara harga-harga d adalah -1;
karenanya d1 = -1, d2 = -1, d3 = -1, d4 = -1, d5 = -1. Harga yang terkecil setelah itu
adalah 1. Tiga subyek (h, j, dan o) memiliki d yang besarnya 1. Karenanya d 6 = 1,
d7 = 1, d8 = 1. Tiga harga d adalah 2, dengan demikian, d 9 = 2, d10 = 2, d11 = 2.
Harga d yang terbesar adalah 3. Banyaknya 4. Maka d 12 = 3, d13 = 3, d14 = 3, d15 =
3.
Sekarang, lihat Tabel Harga-Harga Kritis untuk Uji Walsh (Lampiran 3)
menunjukkan bahwa untuk N = 15, tes satu-sisi bagi Ha bahwa μa > 0 pada α =
0.047 adalah:
Minimum [½(d1 + d12), ½(d2 + d11)] > 0
Kata “minimum” berarti kita harus memilih yang lebih kecil diantara dua harga
itu, dalam kaitannya dengan harga d yang ada di dalam observasi kita. Artinya,
jika ½(d1 + d12) atau ½(d2 + d11), dipilih mana yang lebih kecil, lebih besar
daripada nol, maka kita dapat menolak Ho pada tingkat α = 0,047.

20
Gambar 2.1 Cara Menentukan Harga Kritis untuk N=15 pada α = 0,047 (One-tailed)

Seperti telah ditunjukkan, d1 = -1, d12 = 3, d2 = -1, dan d11 = 2. Lalu substitusikan
harga-harga itu, maka kita akan mendapatkan:
Minimum [½(-1 +3), ½(-1 +2)]
= Minimum [½(2), ½(1)]
= ½(1)
Kita lihat, bahwa untuk data kita yang lebih kecil di antara kedua harga itu adalah
½(1) = ½. Karena harga ini lebih besar dari nol, maka kita dapat menolak Ho pada
α = 0.047. Karena kemungkinan di bawah Ho yang berkaitan dengan harga-harga
yang muncul lebih kecil dari α = 0.05, kita putuskan untuk menolak Ho dan
menerima Ha. Kita simpulkan bahwa banyak suku kata yang tidak disertai kejutan
elektris yang berhasil diingat, signifikan lebih besar dari suku kata yang disertai
kejutan yang berhasil diingat. Kesimpulan ini mendukung teori bahwa perlakuan
negatif menimbulkan represi.

Pengaplikasian di SPSS
Uji Walsh tidak dapat dilakukan di aplikasi SPSS karena tidak tersedia (Coshall,
1989).

21
2. Kasus dua sisi
Suatu penelitian terhadap produktivitas 12 orang pekerja yang diamati selama
satu jam pagi hari dan satu sore hari didapatkan data pada tabel di bawah. Apakah ada
perbedaan produktivitas pada pagi hari dan sore hari, selidikilah pada α = 5%?
(Cahyono, 2018)
Nomor Produktivitas pada Pagi Hari Produktivitas pada Sore Hari
1 7 5
2 7 4
3 6 7
4 9 8
5 5 5
6 8 7
7 6 7
8 7 9
9 8 9
10 6 8
11 7 6
12 8 5

Penyelesaian:
Hitung Manual
a. Hipotesis
Ho : Pp = Ps ≈ tidak berbeda produktivitas pekerja pada pagi hari dan sore hari
Ha : Pp ≠ Ps ≈ ada beda produktivitas pekerja pada pagi hari dan sore hari
b. Tes Statistik
Tes Walsh
c. Tingkat Signifikansi
Tetapkan α = 5% = 0,05.
d. Distribusi Sampling
Tabel Harga-Harga Kritis untuk Uji Walsh (Lampiran 3) menyajikan
kemungkinan akan munculnya, di bawah Ho, harga-harga dalam tes statistik bila
N ≤ 12.
e. Daerah Penolakan
Karena arah selisih sudah diramalkan terlebih dahulu, maka dipakai daerah
penolakan satu sisi.
f. Keputusan
Perbedaan skor produktivitas pagi hari dengan produktivitas sore hari setiap
pasangan dan urutannya disajikan dalam tabel di bawah ini:

22
 Produktivitas Produktivitas Ranking d
Nomor d
pada Pagi Hari pada Sore Hari berurutan
1 7 5 2 d10
2 7 4 3 d11
3 6 7 -1 d3
4 9 8 1 d7
5 5 5 0 d6
6 8 7 1 d8
7 6 7 -1 d4
8 7 9 -2 d1
9 8 9 -1 d5
10 6 8 -2 d2
11 7 6 1 d9
12 8 5 3 d12

Kemudian kita lihat pada Tabel Harga-Harga Kritis untuk Uji Walsh (Lampiran 3)
menunjukkan bahwa untuk N = 12, kita dapat menolak Ho pada α = 0.048 (dua
sisi) jika:
Max [d8, ½(d5 + d12)] < 0
atau
Min [d5, ½(d1 + d8)] > 0

Gambar 2.2 Cara Menentukan Harga Kritis untuk N=12 pada α=0,048 (Two-Tailed)

23
 Lalu substitusikan harga-harga itu, maka kita akan mendapatkan:
Max [d8, ½ (d5 + d12)] < 0
= Max [1, ½(2)]
=1
Setelah dihitung harga ini (1) lebih besar dari nol, maka Ho gagal ditolak pada α
= 0.048. Kita coba dengan yang lainnya, maka akan mendapatkan:
Min [d5, ½(d1 + d8)] > 0
= Minimum [-1, ½(-1)]
= -1
Kita lihat, bahwa untuk data kita yang lebih kecil di antara kedua harga itu adalah
-1, karena harga ini lebih kecil dari nol, maka Ho gagal ditolak pada α = 0,048.
Kita simpulkan bahwa tidak berbeda produktivitas pekerja pada pagi hari dan sore
hari, pada α=0,05.

Aplikasi SPSS
Uji Walsh dalam aplikasi SPSS tidak tersedia (Coshall, 1989).

24
 DAFTAR PUSTAKA

Besral. 2012. Modul SPSS: Analisis Data Riset Kesehatan Tingkat Dasar Menggunakan
SPSS. Depok : Departemen Biostatistika FKM UI.
Cahyono, T. 2018. Statistika Terapan dan Indikator Kesehatan. Yogyakarta: Deepublish.
https://books.google.co.id/books?id=4gCDDwAAQBAJ&pg=PA318&lpg=PA318&d
q=Tabel+H+walsh+test&source=bl&ots=KK1mo367SF&sig=ACfU3U2SdoVHjQKB
ZVxOgXxsIGNh_XkSZg&hl=id&sa=X&ved=2ahUKEwjLoobpyf7gAhVb7nMBHW
SABWgQ6AEwC3oECAUQAQ#v=onepage&q=Tabel%20H%20walsh%20test&f=f
alse
Cohen, L & Holliday, M. 1996. Practical Statistics for Students: An Introductory Text.
London: Paul Chapman Publishing.
https://books.google.co.id/books?id=L_ZmzvQncCQC&pg=PA213&lpg=PA213&dq
=two+tailed+walsh+test&source=bl&ots=RgFp3uEH3U&sig=ACfU3U2wnj6onQx4c
6OxvRc49zgqf6Dv4A&hl=id&sa=X&ved=2ahUKEwi-
6vb6jY3hAhUd6nMBHbydDL0Q6AEwDHoECAEQAQ#v=onepage&q=332&f=fals
e
Coshall, J. 1989. The Application of Nonparametric Statistical Test in Geography. London:
The Polytechnic of North London.
McCuen, R.H. 2003. Modeling Hydrologic Change, Statistical Methods. New York: Lewish
Publishers.
https://books.google.co.id/books?id=iI_MBQAAQBAJ&pg=PA188&lpg=PA188&dq
=two+tailed+walsh+test&source=bl&ots=ZQnv_EEug-
&sig=ACfU3U2yKMNftSnsnMBLK_gGQD9Ij9ooiA&hl=id&sa=X&ved=2ahUKEw
i-
6vb6jY3hAhUd6nMBHbydDL0Q6AEwCXoECAMQAQ#v=onepage&q=two%20tai
led%20walsh%20test&f=false
Siegel, S. 1986. Statistik Non Parametrik untuk Ilmu-ilmu Sosial. Jakarta: PT. Gramedia
Pustaka Utama.
----------. 1992. Statistik Non Parametrik untuk Ilmu-Ilmu Sosial. Jakarta: PT. Gramedia
Pustaka Utama.
Sudjana. 2005. Metoda Statistika. Bandung: Penerbit Tarsito.
United States Environmental Protection Agency. 1978. Proposed System for Determining
NPDES and NIPDWR Method Equivalency. Cincinnati: Environmental Monitoring
and Support Laboratory.
https://books.google.co.id/books?id=tj6OYDAdDcgC&pg=PA39&lpg=PA39&dq=ad
vantages+of+walsh+test+statistic+between+wilcoxon&source=bl&ots=6il6uEL9LH
&sig=ACfU3U2Tn8LnO2h7Xw_i8tkUeiCgGZLnlg&hl=id&sa=X&ved=2ahUKEwi
AyaGAjKXhAhUUFHIKHaVXBs8Q6AEwAXoECAkQAQ#v=onepage&q=walsh&f
=false

26
LAMPIRAN

26
LAMPIRAN 1

26
LAMPIRAN 2

29
 LAMPIRAN 3

Tabel Harga-Harga Kritis untuk Uji Walsh

Sumber: Walsh, 1949 dalam Cohen & Holliday, 1996.

29