1.

Uji Eksak Fisher

Uji Fisher digunakan untuk menganalisis data yang terpisah dan tes ini dipakai jika skor-
skor yang didapat dari dua sampel random independen semuanya masuk dalam salah satu
dari dua kelas yang saling asing satu sama lain. Uji ini menggunakan skala nominal dan
ordinal.
(Siegel, 2007)
Uji ini digunakan untuk menguji signifikansi hipotesis komperatif dua sampel kecil (

) independen.Untuk sampel yang besar digunakan chi-kuadrat.

Untuk memudahkan perhitungan dalam pengujian hipotesis maka data hasil pengamatan
perlu disusun ke dalam tabel kontingensi sebagai berikut.
Kelompok ● ○ Jumlah
I A

II C

Jumlah
Rumus dasar yang digunakan untuk pengujiaan Fisher ditunjukkan sebagai berikut.

Keterangan:

= Sampel dari populasi

= Jumlah seluruh sampel

(Sugiyono, 2010)

Contoh Soal:
Disinyalir adanya kecenderungan para birokrat lebih menyukai mobil berwarna gelap
dan para akademisi lebih menyukai warna terang.Untuk membuktikan hal tersebut telah
dilakukan pengumpulan data dengan menggunakan sampel yang telah diambil secara
random.Dari 8 orang birokrat yang diamati, 5 orang bermobil warna gelap dan 3 orang
berwarna terang.Dari 7 orang akademisi yang diamati, 5 orang menggunakan mobil warna
terang dan 2 orang berwarna gelap.

Penyelesaian:
Sintaks pada software R
 data<-matrix(c(5,3,2,5),byrow=TRUE,nrow=2)
dimnames(data)<list(Kelompok=c(“Birokrat”,”Akademisi”)
,Warna=c(“Gelap”,”Terang”)) data
fisher.test(data)

Langkah – langkah pada SPSS :

1. Klik Variable View

2. Klik Name untuk mengganti nama kedua variabel
3. Input data pada Data View
4. Klik Data→Weight Cases→Weight Cases By→masukkan data berisi variabel ke
Frequency Variabel. Klik OK
5. Klik Analyze → Deskriptif Statitics → Crosstabs
6. Pada kolom Row masukkan data pertama dan pada Columns masukkan data

kedua
7. Klik Statistics → Chi-Square → Continue
8. Klik Cells→ Observed→ Continue
9. Lalu klik OK

Hipotesis

: Tidak terdapat perbedaan antara birokrat dan akademisi dalam memilih warna
mobil

: Terdapat perbedaan antara birokrat dan akademisi dalam memilih warna mobil
Taraf Signifikansi

= 5%
Daerah Kritis

Tolak jika p-value <

Keputusan

Karena p-value maka diputuskan gagal tolak

Kesimpulan
Tidak terdapat perbedaan antara birokrat dan akademisi dalam memilih warna mobil
2. Uji Chi Square
Uji Chi Square digunakan untuk membandingkan frekuensi yang diobservasi dengan
frekuensi yang diharapkan yang didasarkan pada distribusi tertentu di semua kategori atau di
semua kombinasi dua variabel.Uji Chi Square untuk kasus dua sampel bebas ialah untuk
menguji apakah terdapat perbedaan yang signifikan antara dua kelompok sampel bebas
(independen).Hipotesis yang digunakan adalah apakah kedua kelompok berbeda dalam ciri
khas atau variabel tertentu.Pada uji ini menggunakan data yang berskala ordinal.
Rumus Uji Chi Square sebagai berikut.

Dimana :

= Chi-Square

= baris

= kolom

= frekuensi yang di observasi

= frekuensi yang diharapkan

(Sarwono, 2006)

Contoh Soal:
Seorang petugas di Kantor Pemilihan Umum diperintahkan untuk meneliti apakah
pilihan masyarakat terhadap partai politik berbeda berdasarkan jenis kelaminnya atau
tidak.Data yang digunakan adalah data pemilihan umum pada tahun sebelumnya.Berikut
tampilan datanya.
Jenis Kelamin Pilihan Partai Total
Demokrat Republik
Wanita 279 225 504
Pria 165 191 356
Total 444 416 860

Penyelesaian:
Sintaks pada software R
 JK.partai<-
matrix(c(279,225,165,191),byrow=TRUE,nrow=2)
dimnames(JK.partai)<-list(JK=c(“Wanita”,”Pria”),
Partai=c(“Demokrat”,”Republik”)) JK.partai
chisq.test(JK.partai)

Langkah – langkah pada SPSS :

1. Klik Variable View

2. Klik Name untuk mengganti nama kedua variabel
3. Input data pada Data View
4. Klik Data→Weight Cases→Weight Cases By→masukkan data berisi variabel ke
Frequency Variabel. Klik OK
5. Klik Analyze → Deskriptif Statitics → Crosstabs
6. Pada kolom Row masukkan data pertama dan pada Columns masukkan data
kedua
7. Klik Statistics → Chi-Square → Continue
8. Klik Cells→ Observed→ Expected→ Continue
9. Lalu klik OK

Hipotesis

: Tidak terdapat perbedaan pilihan partai berdasarkan jenis kelamin pemilih

: Terdapat perbedaan pilihan partai berdasarkan jenis kelamin pemilih
Taraf Signifikansi

= 5%
Daerah Kritis

Tolak jika p-value<

Keputusan

Karena p-value maka diputuskan tolak

Kesimpulan
Terdapat perbedaan pilihan partai berdasarkan jenis kelamin pemilih
3. Uji Median
Uji Median merupakan metode non parametrik yang paling sederhana.Uji ini digunakan
untuk dua variabel independen dan dua sampel atau lebih yaitu mengetahui ada tidaknya
pengaruh terhadap dua variabel atau lebih terhadap nilai median. Di dalam uji ini yang ingin
diuji adalah apakah dua populasi tersebut mempunyai median (nilai tengah) yang sama
dengan menghitung banyaknya pengamatan di atas atau di bawah nilai median yang
dikemukakan.
Statistik ujinya adalah sebagai berikut.

Keterangan:

= banyak sampel

= nilai observasi

= nilai harapan
(Hadi, 2004)

Contoh Soal:
Seorang dokter melakukan penelitian untuk mengetahui apakah banyaknya Na+
dalam darah penderita hipertensi berbeda dengan darah pada orang normal. Data berikut
menyajikan banyaknya Na+ (dalam miligram) dalam darah penderita hipertensi dan orang
yang sehat (normal).
Normal Hipertensi
0,2 92.8
2.2 54.8
0.0 51.6
2.6 61.7
0.0 250.8
43.1 84.5
45.8 34.7
63.6 62.2
 1.8 11.0
3.7 39.1

Penyelesaian:
Sintaks pada software R
data=read.table("D://ujimedian.txt",header=TRUE) data
a=data$Normal b=data$Hipertensi mood.test(a,b)

Hipotesis

: Tidak terdapat perbedaan banyaknya Na+ dalam darah penderita hipertensi dan
normal
: Terdapat perbedaan perbedaan banyaknya Na+ dalam darah penderita hipertensi
dan normal
Taraf Signifikansi

= 5%
Daerah Kritis

Tolak jika p-value <

Keputusan

Karena p-value maka diputuskan gagal tolak Kesimpulan

Tidak terdapat perbedaan banyaknya Na+ dalam darah penderita hipertensi dan
normal

4. Uji Mann Whitney

Uji Mann-Whitney merupakan uji nonparametrik yang digunakan untuk menguji ada
tidaknya perbedaan dari dua populasi yang saling independen.Uji Mann-Whitney merupakan
alternatif dari uji untuk dua populasi independen ketika asumsi normalitas populasi tidak
terpenuhi. Nilai statistik dari uji MannWhitney (Uhitung) adalah:

:
Perhatikan bahwa menyatakan jumlah elemen atau pengamatan pada sampel

pertama, n2 menyatakan jumlah elemen atau pengamatan pada sampel kedua, menyatakan

jumlah ranking pada sampel pertama, dan menyatakan jumlah ranking pada sampel
kedua. Nilai statistik dari uji Mann-Whitney merupakan

= minimum .
(Suyanto, 2017)
Contoh Soal:
Seorang dosen ingin meneliti mengenai ada tidaknya perbedaan yang signifikan
secara statistika pada nilai ujian matakuliah kalkulus antara mahasiswa jurusan matematika
dan mahasiswa jurusan statistika. Untuk keperluan penelitian, dosen tersebut mengambil
sampel sebanyak 10 nilai ujian matakuliah kalkulus yang terdiri dari 5 nilai ujian matakuliah
kalkulus mahasiswa jurusan matematika dan 5 nilai ujian matakuliah kalkulus mahasiswa
jurusan statistika.
Matematika Statistika
65 80
68 90
70 95
80 50
73 78
Penyelesaian:
Sintaks pada software R
data=read.table("D://ujimannwhitney.txt",header=T) data
y=data$matematika x=data$statistika
wilcox.test(x,y,paired=FALSE,correct=FALSE)
 Langkah – langkah pada SPSS :

1. Klik Variable View

2. Klik Name untuk mengganti nama kedua variabel
3. Input data pada Data View
4. Klik Analyze → Non Parametric Test→ Legacy Dialogs→2 independent samples
5. Pada kolom Test Variabel List masukkan data berisi nilai→pada Grouping
Variabel masukkan Kelompok→pada Define Groups di Group 1 masukkan 1, di Group 2
masukkaan 2
6. Lalu klik OK

Hipotesis
H0: Tidak terdapat perbedaan rata-rata nilai ujian matakuliah kalkulus antara
mahasiswa jurusan matematika dan mahasiswa jurusan statistika
H1: Terdapat perbedaan rata-rata nilai ujian matakuliah kalkulus antara mahasiswa
jurusan matematika dan mahasiswa jurusan statistika
Taraf Signifikansi

= 5%
Daerah Kritis

Tolak H0 jika p-value

Keputusan

Karena p-value maka diputuskan gagal tolak H0

Kesimpulan
Tidak terdapat perbedaan rata-rata nilai ujian matakuliah kalkulus antara mahasiswa
jurusan matematika dan mahasiswa jurusan statistika

5. Uji Kolmogorov Smirnov

Tes dua sampel adalah tes yang digunakan untuk mengetahui apakah dua sampel bebas
(independen) berasal dari populasi yang sama. Artinya tes ini diterapkan dalam kaitan
pembuktian apakah sampel yang diambil berasal dari satu populasi yang sama atau populasi
yang berbeda.
Sebagaimana yang berlaku pada kasus satu sampel tes Kolmogorov Smirnov dua sampel
secara prinsip memperhatikan kesesuaian antara dua distribusi kumulatif.Jika kasus satu
sampel memperhatkan kesesuaian antara distribusi kumulatif harga sampel dengan distribusi
teoritis, maka pada kasus dua sampel tes ini memperhatikan kesesuaian antara dua himpunan
harga sampel.
Apabila dua sampel ditarik dari populasi yang sama maka distribusi kumulatif kedua
sampel berada pada kondisi berdekatan. Sebaliknya jika distribusi frekuensi kumulatif kedua
sampel posisinya berjauhan (pada titik dimanapun berada) maka sampel-sampel dapat
dinyatakan berasal dari populasi yang berbeda. Dengan demikian fakta yang menjadi dasar
untuk membuat kesimpulan apakah dua sampel berasal dari populasi yang sama atau tidak
adalah memperhatikan deviasi yang cukup besar antara distribusi kumulatif kedua sampel.
Untuk uji satu arah, statistik hitungnya

Untuk uji dua arah, statistik hitungnya

(Supranto, 2010)

Contoh Soal:

Suatu kantor administrasi universitas melakukan penelitian untuk mengetahui apakah

terdapat kesamaan sebaran data tingkat absensi mahasiswa dan mahasiswi perguruan tinggi
berikut.
Tingkat absensi Jumlah mahasiswa Jumlah mahasiswi

(bolos)
0 108 132
1-3 357 194
4-6 279 78
7-9 75 32
>9 53 46

Penyelesaian:
Sintaks pada software R
mahasiswa<-(c(108,357,279,75,53))
mahasiswi<-(c(132,194,78,32,46))
ks.test(mahasiswa, mahasiswi)

Langkah – langkah pada SPSS :

1. Klik Variable View
2. Klik Name untuk mengganti nama kedua variabel
3. Input data pada Data View
4. Klik Analyze → Non Parametric Test→ Legacy Dialogs→2 independent samples
5. Pada kolom Test Variabel List masukkan data berisi nilai→pada Grouping
Variabel masukkan Kelompok→pada Define Groups di Group 1 masukkan 1, di Group 2
masukkaan 2
6. Pada Test Type centang Kolmogorov Smirnov
7. Lalu klik OK

Hipotesis
H0: Tidak terdapat perbedaan rata-ratatingkat absensi mahasiswa dan mahasiswi di
perguruan tinggi tersebut
H1: Terdapat perbedaan rata-ratatingkat absensi mahasiswa dan mahasiswi di
perguruan tinggi tersebut
Taraf Signifikansi

= 5%
Daerah Kritis

Tolak H0 jika p-value

Keputusan

Karena p-value maka diputuskan gagal tolak H0

Kesimpulan
Tidak terdapat perbedaan rata-ratatingkat absensi mahasiswa dan mahasiswi di
perguruan tinggi tersebut

LATIHAN
1. Seorang mahasiswa melakukan penelitian untuk menguji apakah proporsi siswa yang
mengikuti les privat sama dengan yang yang tidak mengikuti les privat dalam hal lulus
ujian. Selanjutnya diambil sampel sebanyak 14 siswa dengan data sebagai berikut.
Hasil Ujian Tota
l
Lulu Tida
s k
Lulu
s
 Les Ya 2 8 10
Priva
Tida 4 0 4
t
k
Total 6 8 14
2. Di sebuah rumah sakit akan dilakukan penelitian untuk mengetahui perbedaan
ketergantungan obat atau pil terhadap pecandu berat dan pecandu sedang. Dalam hal ini
diharapkan kadar penggunaan ketergantungan terhadap obat dapat mengakibatkan
beberapa efek, seperti sulit tidur dan pemarah. Setelah dilakukan penelitian, didapatkan
data sebagai berikut.
Kadar Efek yang ditimbulkan Total
Penggunaan
Sulit tidur Pemarah
Berat 10 20 30
Sedang 20 20 40
Total 30 40 70

3. Untuk melihat apakah ada perbedaan produksi per hektar tanaman jagung karena
pengaruh 2 metode penanaman yang digunakan, pertumbuhan tanaman jagung dipilih
dari sejumlah plot tanah yang berbeda secara random. Kemudian produksi per hektar dari
masing-masing plot dihitung dan hasilnya adalah sebagai berikut.
Metode 1 83 91 94 89 96 91 92 90 85
Metode 2 91 90 81 83 84 83 88 91 90 84 80

4. Sebuah penelitian dilakukan untuk mengetahui apakah terdapat perbedaan yang

signifikan antara Indeks Pembangunan Manusia di Kalimantan Timur menurut
Kabupaten/Kota tahun 2016 dan tahun 2017. Berikut adalah datanya
(data fiktif):
2016 75,4 70,1 73,8 75,0 78,1 72,4 79,0 74,0 69,4 71,5
2017 74,3 72,9 70,9 78,3 74,1 79,0 74,4 76,5 70,0 72,8

5. Seorang mahasiswa Fakultas Kehutanan melakukan penelitian yang berkaitan dengan

“tingkat kesadaran lingkungan masyarakat sekitar hutan”. Masyarakat yang menjadi
sampel penelitian dibedakan berdasarkan sector pekerjaannya yaitu petani dan non-
petani.Sampel diambil sebanyak 60 orang yang diberikan kuisioner kemudian diberi skor
10-50. Peneliti menduga akan ada perbedaan dalam tingkat kesadaran lingkungan.
Skor Petani Non-Petani
00 – 05 1 3
05 – 10 2 3
10 – 15 2 4
15 – 20 1 5
20 – 25 1 4
25 – 30 2 3
30 – 35 4 3
35 – 40 4 2
40 – 45 5 2
45 – 50 8 1