Nama : Johanes Bosko Rengil

Nim : 202203013
Tugas : Statistik
Dosen Pengapu : Dr. Trisiwi W. Widayati, MM

PENGERTIAN HIPOTESIS
Penarikan kesimpulan secara statistik terhadap parameter populasi dapat dilakukan
melalui pengukuran estimasi (uji estimasi), juga dapat dilakukan dengan uji hipotesa. Sebelum
membahas tentang uji hipotesa, ada baiknya kita memahami pengetian dari hipotesa, serta
mengapa hipotesa harus diuji.
Hipotesis atau hipotesa merupakan suatu penyataan yang sifatnya sementara, atau
kesimpulan sementara atau dugaan yang bersifat logis tentang suatu populasi. Dalam ilmu
statistik, hipotesis merupakan pernyataan parameter1 populasi. Parameter populasi ini
menggambarkan variabel yang ada dalam populasi, dihitung menggunakan statistik sampel.
Dari manakah seorang peneliti menentukan sebuah hipotesis? Hipotesis bisa berasal dari: 1)
hasil penelitian; atau 2) pengalaman. Misalnya seorang ahli Kesmas menyatakan bahwa
penderita ISPA di sebuah Puskesmas 5%, atau seorang petugas Promosi Kesehatan
memperkirakan jumlah peserta yang mengikuti edukasi tentang HIV/Aids rata-rata 30 orang
per bulan. Kedua pernyataan tersebut masih berupa dugaan namun sifatnya logis karena bisa
berasal dari hasil penelitian atau data-data serta pengalaman yang ada.
UJI HIPOTESIS

Hipotesis memiliki sifat yang sementara, sehingga sebuah hipotesis bisa benar dan bisa
juga salah. Maka nilai hipotesis ini harus dibandingkan dengan nilai statisik sampel. Prosedur
membandingkan ini disebut dengan Uji hipotesis.
Pada uji hipotesis tersebut, jika:

a. Perbedaan antara nilai statistik sampel dengan nilai hipotesis cukup besar, maka hipotesis
tersebut ditolak (atau tepatnya menolak hipotesis); dan

b. Perbedaan antara nilai statistik sampel dengan nilai hipotesis kecil, maka hipotesis
tersebut diterima (atau tepatnya gagal menolak hipotesis)2.

Kadang kala kita menemukan hal meragukan. Misalnya (Budiarto, 2001), ratarata
jumlah pengunjung per hari sebanyak 60 orang. Maka kita akan menemukan tiga
kemungkinan:

1 Pengertian parameter adalah sebuah bilangan nyata, dimana bilangan ini menyatakan sebuah karakteristik
dari populasi. Contoh: mean, varians, atau simpangan baku dari populasi. Sedangkan karakteristik pada suatu
sampel disebut statistik.
2 Sampai saat ini belum ada metode statistik untuk menolak hipotesis, sehingga istilah “menerima hipotesis”
sebenarnya adalah “tidak menolak hipotesis”. Adapun istilah “menerima hipotesis” hanyalah kesepakatan saja.

1
1. Dalam kenyataannya kita mendapatkan rata-rata pengunjung adalah 56 orang, maka
secara sepintas kita menerima hipotesis (gagal menolak);

2. Dalam kenyataannya kita mendapatkan rata-rata pengunjung adalah 85 orang, maka

secara sepintas kita menolak hipotesis; dan

3. Dalam kenyataannya kita mendapatkan rata-rata penunjung adalah 48 orang, maka pada
kondisi seperti ini kita tidak mungkin menerima hipotesis, namun untuk menolak
hipotesis juga tidak cukup besar.

Karena kemungkinan akan timbul kondisi pada nomor (3) tersebut, maka hipotesis harus diuji
menggunakan kriteria tertentu, agar dapat ditarik kesimpulan secara obyektif.

Perlu ditekankan di sini bahwa ilmu statistik tidak melakukan pembuktian hipotesis,
sehingga kesimpulan atau hasil dari uji hipotesis secara statistik hanya menolak dan menerima
hipotesis saja.

Dengan demikian, tujuan dilakukannya pengujian hipotesis adalah

menghasilkan keputusan tentang perbedaan antara nilai statistik sampel dengan nilai
parameter populasi.

Pernyataan Uji Hipotesis

Hipotesis selalu dinyatakan dengan hipotesis nol3 atau dengan simbol H0. Pada
dasarnya H0 merupakan parameter yang akan kita uji (nilai sementara atau dugaan sementara).
Misalnya jika kita akan menguji hipotesis yang menyatakan bahwa ratarata kadar gula darah
adalah 100, maka dapat ditulis dengan:

Simbol di atas menyatakan bahwa 100 adalah hipotesis nol rata-rata populasi.

Simbol di atas memiliki beda pengertian dengan simbol berikut:

Simbol tersebut menyatakan rata-rata nilai hipotesis populasi. Simbol ini ditulis jika nilai hipotesis
rata-rata populasi dinyatakan dalam perhingan statistik. Misalnya jika ditulis

Berarti dikatakan bahwa rata-rata nilai hipotesis nol parameter populasi sama dengan 100.
3 Bukan Hipotesis “o” (dengan huruf o)

2
 Seperti disebutkan di atas sebuah hipotesis berdasarkan hasil uji statistik yang sesuai, dapat
ditolak atau diterima (gagal menolak), sehingga:

- Bila kesimpulan hasil uji hipotesis adalah menerima hipotesis nol, maka secara statistik dapat
dikatakan bahwa: a) tidak terdapat perbedaan antara variabel yang diperbandingkan; atau b)
kedua variabel yang dibanding sama dengan 0 (nol).

- Bila kesimpulan hasil uji hipotesis adalah menolak hipotesis nol, maka secara statistik dapat
dikatakan bahwa a) terdapat perbedaan antara variabel yang diperbandingkan; atau b) variabel
satu lebih besar/kecil dibanding variabel lain Kesimpulan untuk menolak hipotesis nol juga
berarti kita menerima hipotesis lain, yang disebut dengan hipotesis alternatif (Ha). Sifat dari
hipotesis ini berlawanan dengan hipotesis nol.

Misalnya proporsi penderita Penyakit Jantung Koroner (PJK) pada sebuah

Puskesmas adalah 10%, maka pernyataan hipotesisnya adalah:

a. Hipotesis nol ditulis dengan H0 : = 10% penderita PJK

b. Hipotesis alternatif dapat ditulis sebagai berikut: 1) Ha : ≠ 10% penderita PJK; atau 2) Ha :  >
10% penderita PJK; atau 3) Ha : < 10% penderita PJK

Sehingga berdasarkan contoh di atas, bila kita menolak hipotesis nol, maka terdapat tiga
kemungkinan hipotesis alternatif. Namun bila menolak hipotesis alpa, maka kita hanya menolak satu
kemungkinan hipotesis nol.

Ketiga jenis hipotesis alternatif dan hipotesis nol tersebut di atas, bila digambarkan dengan
kurva normal akan terlihat sebagai berikut:

a. Uji hipotesis dua sisi atau two tail, dengan pernyataan H 0 : = x dan Ha : ≠ x, sehingga H0 tidak sama
dengan Ha atau terdapat nilai yang lebih besar atau lebih kecil dari batas kritis. Dari gambar
tersebut, terdapat dua daerah penolakan hipotesis nol, dan secara statistik disebut pengujian
dua arah atau dua pihak.

3
 Daer ah penerimaan

Batas kritis Batas kritis

Daerah kritis Daerah kritis

Gambar 1. Gambaran Uji Hipotesis 2 Arah pada Kurva Normal

b. Uji hipotesis satu sisi atau one tail, dengan pernyataan H 0 :  = x dan Ha :  > x, sehingga H0 lebih
besar dari Ha atau terdapat nilai yang lebih besar dari batas kritis. Dari gambar tersebut,
terdapat satu daerah penolakan hipotesis nol di kanan, dan secara statistik disebut pengujian
satu arah atau satu pihak.

Daerah penerimaan

Batas kritis

Daerah kritis

Gambar 2. Gambaran Uji Hipotesis 1 Arah (kanan) pada Kurva Normal

c. Uji hipotesis satu sisi atau one tail, dengan pernyataan H 0 :  = x dan Ha :  < x, sehingga H0 lebih
kecil dari Ha atau terdapat nilai yang lebih kecil dari batas kritis. Dari gambar tersebut, terdapat
satu daerah penolakan hipotesis nol di kiri, dan secara statistik disebut pengujian satu arah atau
satu pihak.

4
 Daerah penerimaan

Batas kritis
Daerah kritis

Gambar 3. Gambaran Uji Hipotesis 1 Arah (kiri) pada Kurva Normal

Bagaimana sebaiknya menentukan ketiga jenis Ha tersebut di atas? Pedoman yang bisa
dipakai adalah:

1. Bila kita tidak mengetahui sama sekali kondisi populasi yang akan diuji maka sebaiknya
menggunakan uji hipotesis dua pihak;

2. Bila kita memiliki perkiraan bahwa nilai hasil perhitungan statistik sampel lebih besar atau lebih
kecil dari batas tertentu, maka sebaiknya menggunakan uji
hipotesis satu sisi.

Prosedur Uji Hipotesis

Uji hipotesis merupakan rangkaian prosedur yang sistematik dan wajib diikuti oleh peneliti
dalam menguji dugaan penelitian. Prosedur tersbut terdiri dari:

1. Rumuskan hipotesis penelitian dengan baik

Tujuan merumuskan hipotesis adalah agar dapat dihitung statistik sampelnya
(seperti: rata-rata, proporsi, dsb).

a. Untuk pengujian terhadap satu populasi/kelompok, perumusan dinyatakan dengan:

𝐻0: 𝜇 = 𝑎
Dimana a = statistik sampel (rata-rata, proporsi, varians, simpangan baku)

b. Untuk pengujian terhadap dua populasi, perumusan dinyatakan dengan:

𝐻0: 𝜇1 = 𝜇2

Dimana 1 = rata-rata populasi 1 dan 2 = rata-rata populasi 2. Misalnya peneliti akan

menguji perbedaan tinggi badan siswa SD negeri dan swasta.
2. Tentukan nilai  yang akan digunakan
Nilai  disebut juga kesalahan tipe 1 atau derajat kemaknaan atau siginificance level.
Nilai ini harus dibuat saat merencanakan penelitian. Untuk penelitian di bidang kesehatan
umumnya menggunakan 0,05 dan 0,01.

5
 Nilai  digunakan untuk menentukan kriteria batas penolakan atau penerimaan
hipotesis nol yang dinyatakan dalam bentuk luas area dalam kurva distribusi normal yaitu
area di luar daerah penerimaan. Daerah tersebut disebut juga daerah penolakan atau
daerah kritis (lihat gambar 4 di bawah). Pada daerah ini juga terdapat peluang untuk
terjadinya kesalahan (error) untuk menerima dan menolak hipotesis. Jadi sebenarnya nilai
 ini menentukan apakah antara nilai statistik dengan parameter populasi benar-benar
berbeda atau karena faktor kebetulan saja (chance factors).
Untuk menjelaskan pengertian nilai  kita anggap telah dilakukan pengujian
hipotesis sebanyak 100 kali (atau 100 x penelitian) terhadap sebuah fenomena kesehatan.
Dengan menggunakan niai  sebesar 0,05 atau 5%, maka akan terdapat 5 kali uji
hipotesis (5 = 100 x 5%) yang nilai pengukuran statistiknya terletak di luar daerah
penerimaan atau terletak di daerah penolakan. Bila kejadian tersebut sebanyak 8 kali
(lebih besar dari 5%), maka dianggap terlalu banyak untuk menolak hipotesis nol.
Kenapa terjadi error (kesalahan)? Dan apakah selalu terjadi kesalahan? Kesalahan
bisa dan mungkin saja terjadi karena kita menggunakan statistik sampel untuk menilai
parameter populasi sehingga tidak mungkin tepat benar dengan parameter populasi.
Daerah penolakan dan penerimaan uji hipotesis dengan nilai  = 0,05 disajikan
pada gambar 4 berikut ini.

Daerah penerimaan

Batas kritis Batas kritis

Daerah kritis (0,025) Daerah kritis (0,025)
0,95 = 95%

Gambar 4. Daerah Penolakan dan Penerimaan Uji Hipotesis dengan Nilai  = 0,05

Untuk menolak atau menerima hipotesis dapat pula membandingkan nilai p (p

value) dengan nilai . P value adalah peluang nilai sampel terletak di luar daerah
penerimaan atau di dalam daerah kritis. Bila p value lebih kecil dari  maka
kesimpulannya hipotesis nol ditolak atau ada perbedaan antara statistik sampel dengan
parameter populasi.

6
 Semakin besar nilai  maka semakin sempit daerah penerimaan hipotesis,
sehingga semakin sering hipotesis ditolak walaupun hipotesis benar atau peluang untuk
menolak hipotesis yang benar (disebut kesalahan tipe 1 dengan simbol ). Sebaliknya
semakin kecil nilai  maka semakin luas daerah penerimaan hipotesis, sehingga semakin
sering hipotesis diterima walaupun hipotesis tersebut salah atau peluang untuk menerima
hipotesis yang salah (disebut kesalahan tipe 2 dengan simbol ). Hubungan kesalahan
tipe 1 dan kesalahan tipe 2 disajikan pada tabel berikut.

Tabel 1. Kesalahan Tipe 1 dan Kesalahan Tipe 2

Hipotesis
Kesimpulan
Benar Salah

Menerima Hipotesis Tidak ada kesalahan Kesalahan Tipe 2 ()

Menolak Hipotesis Kesalahan Tipe 1 () Tidak ada kesalahan

3. Tentukan nilai  atau kesalahan tipe 2.

Umumnya dilakukan saat melakukan perhitungan jumlah sampel. Nilai 

4. Menentukan metode statistik yang digunakan

Sebelum memilih metode statistik yang sesuai, maka perlu dilakukan uji
kesesuaian distribusi, yang bertujuan untuk mengidentifikasi jenis distribusi statistik pada
data, misalnya uji normalitas. Bila hasil uji statistik menunjukkan distribusi normal, maka
uji statistik yang cocok adalah uji statistik parametrik. Sedangkan jika data menunjukkan
tidak terdistribusi normal, maka uji statistik menggunakan statistik non parametrik.
5. Menentukan kriteria untuk menolak dan menerima hipotesis nol (H0) sesuai dengan
nilai yang sudah ditentukan pada prosedur ke-2 di atas;

6. Buatlah kesimpulan sesuai dengan hasil uji statistik dengan benar.

STATISTIK NON PARAMETRIK

Seperti dijelaskan di muka bahwa jika hasil uji normalitas menunjukkan data tidak
terdistribusi normal maka uji statistik yang cocok digunakan adalah statistik non parametrik atau

distribution free.

Dalam kenyataannya di lapangan, banyak sekali populasi yang terdistribusi tidak normal
bahkan tidak diketahui sama sekali. Misalnya: data lamanya penyakit, atau beratnya penyakit.
Disamping itu dalam penelitian di bidang kesehatan, terutama kedokteran, sering penarikan
kesimpulan untuk uji hipotesa dilakukan dengan jumlah sampel yang kecil, sehingga uji statistik non

7
parametrik sering dipakai dalam dalam penelitian bidang kesehatan, karena uji ini tidak bergantung
pada jenis distribusi.

Gambar 5 berikut menyajikan diagram alir untuk menentukan apakah uji statistik
menggunakan statistik parametrik atau non parametrik.

Gambar 5. Diagram Alir Pemilihan Uji Statistik (Parametrik vs Non Parametrik)

KEKUATAN DAN KELEMAHAN STATISTIK NON PARAMETRIK

Uji statistik non parametrik memiliki keunggulan-keunggulan dibanding statistik parametrik.

Beberapa keunggulan tersebut adalah:

1. Tidak membutuhkan asumsi normalitas distribusi populasi;

2. Umumnya mudah dikerjakan dan dimengerti karena tidak membutuhkan perhitungan

matematika yang rumit;

3. Dapat mengganti data numerik dengan ordinal;

4. Kadang tidak dibutuhkan urutan atau jenjang secara formal, karena sering dijumpai hasil
pengamatan dengan nilai kualitatif seperti “lebih besar dibanding yang lain”. Pada penelitian
perilaku kesehatan hal tersebut sering dijumpai;

5. Dilakukan secara langsung pada pengamatan yang nyata; dan

6. Dapat digunakan pada populasi berdistribusi normal

8
 Walaupun demikian, metode ini tidak sempurna dan banyak kelemahankelamahannya
seperti:

1. Mengabaikan beberapa informasi tertentu. Misalnya kita mengurutkan data IPK mahasiswa dari
3,90 lalu 3,84 lalu 3,80 lalu 3,78 lalu 3,70 dan seterusnya. Pada statistik non parametrik data-
data tersebut dikelompokkan menurut rangking 1,2,3,4,5 dan seterunya. Jika ada perubahan
informasi nilai IPK misalnya 3,80 menjadi 3,82 maka hal tersebut tidak dihiraukan karena tetap
ada di urutan 3.

2. Hasil uji statistik tidak setajam statistik parametrik. Interval estimasi dengan statistik non

paramatrik pada confidence interval 95% bisa dua kali lebih besar dibanding statistik
parametrik;

3. Tidak dapat diekstrapolasi atau digeneralisir ke populasi. Pada penelitian klinis yang hanya
membanding dua kelompok atau lebih dengan sampel kecil hal ini tidak masalah, namun pada
penelitian Kesmas yang melibatkan masyarakat hal ini bisa menjadi catatan khusus.

JENIS UJI STATISTIK NON PARAMETRIK

Pemilihan jenis uji statistik non parametrik ditentukan oleh jenis penelitian, jumlah
kelompok/sampel, hubungan antar kelompok/sampel, tujuan penelitian, dan jenis data. Secara
ringkas pemilihan jenis uji statistik non parametrik disajikan pada tabel 2.

Sebagaimana terlihat pada tabel 2, untuk menentukan pemakaian uji statistik non parametrik
yang tepat pertimbangan yang utama adalah jenis penelitian. Terdapat empat jenis penelitian yang
perlu diperhatikan yaitu Deskriptif, Komparatif, dan Asosiatif, dan Kausal.
Penelitian Desktiptif adalah penelitian yang dilakukan untuk tujuan mendeskripsikan atau
menganalisis satu atau lebih variabel tanpa membuat perbandingan atau tanpa menghubungkan
antara variabel yang satu dengan yang lain. Alat analisis yang digunakan adalah statistik deskriptif
yaitu mean, median, modus, standar deviasi, dan sebagainya. Contoh: penelitian untuk menganalisis
kualitas pelayanan puskesmas, menganalisis prestasi kinerja perawat, menganalisis pertumbuhan
jumlah kunjungan pasien, dan lain-lain.
Hipotesis pada penelitian ini bersifat deskriptif (tidak membandingkan dan menghubungkan
dengan variabel lainnya). Misal: kualitas pelayanan RS pemerintah baik, Prestasi kerja perawat ruang
rawat inap baik, Pertumbuhan kunjungan poli penyakit dalam tinggi.
Penelitian komparatif adalah penelitian yang dilakukan untuk tujuan membandingkan
sampel/kelompok satu dengan sampel/kelompok lainnya, baik sampel bebas atau berpasangan

9
(paired). Dengan demikian, hipotesis penelitian komparatif sifatnya membandingkan. Misalnya pada
sampel yang bersifat bebas: 1) kualitas pelayanan RS swasta lebih baik dibandingkan kualitas
pelayanan RS pemerintah; 2) Prestasi kinerja dokter spesialis lebih baik dibandingkan dengan dokter
umum. Sedangkan pada sampel yang bersifat berpasangan: 1) perilaku mencuci tangan anak SD
setelah diberikan penyuluhan lebih tinggi dibanding sebelum

diberikan penyuluhan; 2) Motivasi kerja karyawan lebih tinggi setelah mengikuti outbond dibanding

sebelum mengikuti outbond.

Penelitian korelasional dan kausal termasuk dalam penelitian asosiatif, yaitu penelitian yang
dilakukan untuk tujuan menganalisis hubungan atau pengaruh antara dua variabel atau lebih. Jika
hanya bertujuan menganalisis hubungan antarvariabel maka disebut penelitian korelasional. Jika
penelitian hanya bertujuan menganalisis pengaruh antar variabel disebut dengan penelitian kausal.
Hubungan yang korelasional artinya di antara dua variabel atau lebih yang diuji bersifat setara dan
simetris artinya tidak ada yang berfungi sebagai variabel bebas atau tidak bebas. Namun pada
penelitian kausal, variabel yang diteliti bukan melihat simetris atau kesetaraannya, melainkan
mengetahui apakah ada yang berfungsi sebagai variabel bebas atau tidak bebas.
Contoh penelitian korelasional: 1) penelitian menganalisis hubungan antara pengalaman
kerja dengan kualitas pelayanan bagian admission RS; 2) penelitian menganalisis hubungan antara

perilaku safety riding dengan pengetahuan supir. Contoh penelitian kausal: 1) Penelitian
menganalisis pengaruh promosi kesehatan terhadap perubahan perilaku pasien; 2) penelitian
menganalisis pengaruh pelatihan kerja dengan kinerja pada karyawan.
Hipotesis pada penelitian korelasional contohnya: 1) terdapat hubungan antara pengalaman
kerja dengan kualitas pelayanan petugas admission RS; 2) terdapat hubungan antara nilai akademik
mahasiswa dengan kegiatas esktrakurikuler. Hipotesis pada penelitian kausal: 1) terdapat pengaruh
promosi kesehatan terhadap perubahan perilaku sehat pasien; 2) terdapat pengaruh pelatihan
terhadap prestasi kerja.
Disamping itu perlu diperhatikan jenis hubungan sampel/kelompok yang terbagi menjadi dua

yaitu dependen (berpasangan, paired) atau independen (bebas, impaired). Hubungan sampel
dependen yaitu 1) satu sampel dilakukan pengukuran sebanyak dua kali (sebelum dan sesudah
intervensi); atau 2) Dua sampel atau lebih diukur dalam waktu yang bersamaan dengan mengontrol
variabel yang diteliti (yang diberi intervensi atau tidak diberi intervensi), umumnya pada penelitian
eksperimen. Sedangkan hubungan sampel independen yaitu dua sampel atau lebih yang tidak
saling berkaitan diukur dua kali atau lebih, umumnya pada penelitian survey.

10
 Contoh data sampel berpasangan: 1) penelitian membandingkan perilaku sehat anak SD
sebelum dan sesudah diberikan penyuluhan kesehatan; 2) penelitian membandingkan prestasi kerja
perawat sebelum dan sesudah diberi motivasi kerja. Contoh data sampel bebas: 1) Penelitian
membandingkan kualitas pelayanan RS pemerintah dengan RS swasta; atau 2) Penelitian
membandingkan prestasi kinerja dokter umum dengan dokter spesialis.

Sheskin (2004) dalam bukunya yang berjudul Handbook of Parametric and

Nonparametric Statistical Procedures memberikan pedoman untuk memilih uji statistik non-
parametrik sebagai berikut:
1. UJI STATISTIK 1 SAMPEL
a. Untuk jenis data ordinal/peringkat
- Tujuan menguji hipotesis nilai median pada satu populasi
1. Tes Wilcoxon Signed-Ranks
2. Tes Single-sample (uji median)
- Tujuan menguji hipotesis distribusi data pada satu populasi
1. Tes Kolmogorov-Smirnov (uji kesesuaian distribusi 1 sampel)
2. Tes Lilliefors (uji normalitas satu sampel)
b. Untuk jenis data nomimal/kategorik
- Tujuan menguji hipotesis distribusi data pada satu populasi
1. Tes Chi-square (uji kesesuaian distribusi)
2. Tes Runs (uji random data)
3. Tes Frekuensi (uji random data)
4. Tes Gap (uji random data)
5. Tes Poker (uji random data)
6. Tes Maksimum (uji random data)
7. Tes Kupon Kolektor (uji random data)
- Tujuan menguji hipotesis proporsi satu populasi
1. Tes Binomial Sign untuk satu sampel
2. Tes z untuk proporsi populasi
3. Tes Runs Single-sample
4. Tes Chi-square independen

2. UJI STATISTIK 2 SAMPEL INDEPENDEN

a. Untuk jenis data ordinal/peringkat
- Tujuan menguji hipotesis median dan karakteristik lainnya pada 2 sampel independen
1. Tes Mann-Whitney U
2. Tes randomisasi dua sampel independen
3. Tes Bootstrap
4. Tes Jackknife
5. Tes Kolmogorov-smirnov 2 sampel independen
6. Tes Median untuk dua sampel independen
7. Tes van der Waerden Normal-scores untuk k sampel independen
- Tujuan menguji hipotesis variabilitas data pada 2 sampel independen
1. Tes Siegel-Tukey untuk variabilitas data

11
 2. Tes Moses untuk variabilitas data
3. Tes Bootstrap untuk variabilitas data
4. Tes Jackknife untuk variabilitas data
b. Untuk jenis data nominal/kategorik
- Tujuan menguji hipotesis distribusi data 2 sampel independen
1. Tes Chi-square untuk homogenitas data
2. Tes Fisher exact
- Tujuan menguji hipotesis proporsi sampel
1. Tes z untuk dua proporsi sampel independen

3. UJI STATISTIK 2 SAMPEL DEPENDEN

a. Untuk jenis data ordinal/peringkat
- Tujuan menguji hipotesis urutan/order data pada 2 sampel dependen
1. Tes Wilcoxon Signed-ranks Berpasangan
2. Tes Binomial sign untuk dua sampel dependen
b. Untuk jenis data nominal/kategorik
- Tujuan menguji hipotesis distribusi data pada dua populasi dependen
1. Tes McNemar
2. Tes Gart untuk efek peringkat
3. Tes Bowker untuk simetris internal
4. Tes Stuart-Maxwell untuk homogenitas marjinal

4. UJI STATISTIK DUA ATAU LEBIH SAMPEL INDEPENDEN

a. Untuk jenis data ordinal/peringkat
- Tujuan menguji hipotesis median atau karakteristik lain dari dua atau lebih sampel independen
1. Tes Median untuk sampel independen
2. Tes Kruskal-Wallis One-Way ANOVA berdasarkan rangking
3. Tes Jonckheere-Terpstra untuk uji alternatif rangking
4. Tes van der Waerden Normal-scores untuk k sampel independen
b. Untuk jenis data nominal/kategorik
- Tujuan menguji hipotesis distribusi data pada 2 atau lebih sampel independen 1. Tes Chi-square
untuk homogenitas data

5. UJI STATISTIK DUA ATAU LEBIH SAMPEL DEPENDEN

a. Untuk jenis data ordinal/peringkat
- Tujuan menguji hipotesis median dari dua atau lebih populasi dependen
1. Tes Friedman Two-way ANOVA berdasarkan rangking
2. Tes Page untuk alternatif rangking
b. Untuk jenis data nominal/kategorik
- Tujuan menguji hipotesis distribusi data pada dua atau lebih populas dependen
1. Tes Cochran Q

6. UJI KORELASI/ASOSIASI
a. Untuk jenis data ordinal/peringkat
- Uji Bivariat (dua kelompok data ordinal)
1. Tes Spearman’s Rank-Order Correlation Coefficient (termasuk untuk menguji
signifikansi koefisien korelasi Spearman’s Rank)

12
 2. Tes Kendall’s Tau (termasuk untuk menguji signifikansi koefisien korelasi Kendall’s Tau)
3. Tes Goodman and Kruskal’s Gamma (termasuk untuk menguji signifikansi koefisien
Gamma dan menguji perbedaan antara dua nilai Gamma pada sampel independen)
- Uji Asosiasi tiga atau lebih sampel/kelompok data ordinal
1. Tes Kendall’s Coefficient of Concordance (termasuk untuk menguji signifikansi
koefisien konkordan)
b. Untuk jenis data nominal/kategorik
1. Tes Koefisien kontinjensi 2.
Tes Koefisien phi
3. Tes Koefisien phi Cramer
4. Tes Yule’s Q
5. Tes Odds ratio (termasuk untuk menguji signifikansi Odds ratio)
6. Tes Cohen’s Kappa (termasuk menguji signifikan Cohen’s Kappa dan menguji signifikan
nilai Cohen’s Kappa independen)
7. Tes Binomial effect size display

13
 Tabel 2. Pedoman Pemilihan Uji Statistik Non Parametrik
(Dikutip dan dimodifikasi dari: Suliyanto, 2014)

NO JENIS JUMLAH GRUP KETERANGAN JENIS TEKNIK STATISTIK

PENELITIAN SAMPEL DATA

1 DESKRIPTIF (mendeskripsikan) SATU 1. Tujuan: Uji Statistik Nominal Uji Binomial

Ordinal Uji Runs

2. Tujuan: Uji Kesesuaian Distribusi Nominal Uji Chi-square 1 Sampel

Ordinal Uji Kolmogorov-Smirnov 1 Sampel

2 KOMPARASI (membandingkan) DUA 1. Hubungan antar grup: Dependen Nominal Uji McNemar
Ordinal Uji Tanda
Uji Wilcoxon

2. Hubungan antar grup: Independen Nominal Uji Fisher Exact Probability

Uji Chi-square 2 Sampel
Ordinal Uji Median
Uji Mann-Whitney (Uji U)
Uji Kolmogorov-Smirnov 2 Sampel
Uji Wald-Wolfowitz

≥ TIGA 1. Hubungan antar grup: Dependen Nominal Uji Cochran's Q

Uji Chi-square k sampel dependen
Ordinal Uji Friedman
Uji Kendall W
16
NO JENIS PENELITIAN JUMLAH KETERANGAN JENIS TEKNIK STATISTIK
GRUP DATA
SAMPEL

2. Hubungan antar grup: Independen Nominal Uji Chi-square k sampel

Ordinal Uji Median Ekstensi

Uji Kruskal Wallis One Anova

Uji Jonckheere-Terpstra

3 KORELASI (mencari hubungan) Nominal Uji Koefisien Kontingensi

Ordinal Uji Rank Spearman

Uji Kendall 

4 KAUSAL (sebab-akibat) Nominal Uji Regresi variabel dummy

Ordinal Uji Partial least square

17
Referensi
Budiarto, Eko (2012). Biostatistika untuk Kedokteran dan Kesehatan Masyarakat. Jakarta: EGC
Sheskin, David J. (2004). Handbook of Parametric and Nonparametric Statistical Procedures, edisi
3. DC: Chapman & Hall/CRC
Suliyanto (2014). Statistika Non Parametrik dalam Aplikasi Penelitian, Yogyakarta: Andi

LATIHAN SOAL

1. Dari 36 mobil ambulans yang beroperasional di sebuah Rumah Sakit, 11 diantaranya rutin
masuk bengkel. Peneliti ingin mengetahui apakah proporsi ambulans rutin tidak masuk
bengkel lebih besar daripada rutin masuk bengkel, dengan  = 5%. Uji statistik non
parametrik apakah yang cocok untuk menguji hipotesa tersebut?

A. Uji binomial

B. Uji Runs

C. Uji Chi-square

D. Uji Wilcoxon

E. Uji McNemar
Alasan ..........................................................................................................................................
......

2. Dalam suatu kantin di rumah sakit, terdapat sekelompok karyawan wanita yang sedang
makan siang. Dari sekelompok karyawan itu ada 18 orang diambil secara random, selanjut
diwawancarai, kapan akan mengambil cuti hamil. Dalam pertanyaan itu disediakan dua
alternative jawaban yaitu akan mengambil cuti besar sebelum melahirkan (kode 1) atau
sesudah melahirkan (kode 0).
Wawancara dilakukan secara berurutan, yaitu mulai dari No.1 dan berakhir No.18. Jika
peneliti ingin mengetahui atau menguji apakah pengumpulan data tersebut dilakukan benar-
benar dilakukan secara random, uji apakah yang sesuai?

A. Uji binomial

B. Uji Runs

C. Uji Chi-square

D. Uji Wilcoxon

E. Uji McNemar
16
 Alasan ..........................................................................................................................................
......

3. Seorang mahasiswa ingin mengetahui pengaruh mengkonsumsi banyak sayur dan buah
dengan berat badan warga suatu desa. Dipilih 25 orang warga, lalu ditimbang BB nya dengan
katagori indeks massa tubuh (IMT) <23 normal dan IMT >=23 tidak normal. Warga
dianjurkan untuk konsumsi banyak buah dan sayur (tidak semua sampel mengkonsumsi
banyak buah dan sayur). Hasil pemeriksaan IMT pre dan post intervensi adalah sebagai
berikut:
Nomor Sebelum Sesudah
1 20 20
2 30 22
3 23 21
4 37 33
5 30 21
6 33 19
7 20 29
8 21 24
9 34 29
10 20 28
11 19 20
Jika mahasiswa tersebut ingin mengetahui apakah terdapat perbedaan antara IMT sebelum
dan sesudah intervensi (diet konsumsi buah sayur), uji statistik non parametrik apakah yang
sesuai?
A. Uji McNemar

B. Uji Fisher Exact

C. Uji Median

D. Uji Median Ekstensi

E. Uji Koefisien kontingensi

ALASAN .......................................................................................................................................
......

4. Suatu survey ingin mengetahui apakah ada hubungan Asupan Lauk dengan kejadian Anemia
pada penduduk desa X. Kemudian diambil sampel sebanyak 120 orang yang terdiri dari 50
orang asupan lauknya baik dan 70 orang asupan lauknya kurang. Setelah dilakukan
pengukuran kadar Hb ternyata dari 50 orang yang asupan lauknya baik, ada 10 orang yang

17
 dinyatakan anemia. Sedangkan dari 70 orang yang asupan lauknya kurang ada 20 orang yang
anemia. Jika peneliti ingin mengetahui apakah ada perbedaan proporsi anemia pada kedua
kelompok tersebut, uji statistik apakah yang cocok?

A. Uji Chi-square 2 sampel

B. Uji Chi-square 1 sampel

C. Uji Median

D. Uji Mann-Whitney

E. Uji Wilcoxon
Alasan ..........................................................................................................................................
.......

5. Dua metode promosi kesehatan untuk mengubah perilaku merokok diperkenalkan. Metode
pertama dengan penyuluhan di ruang kelas dan metode kedua menggunakan media film
dokumenter tentang bahaya rokok. Jumlah responden sebanyak 50 laki-laki dewasa
kemudian dibandingkan tingkat perubahannya. Jika penelitian dilakukan untuk melihat
apakah ada perbedaan antara kedua kelompok tersebut, uji statistik apakah yang sesuai?

A. Uji Wilcoxon

B. Uji Chi-square 2 sampel

C. Uji Mann-Whitney

D. Uji Fisher Exact

E. Uji Kolmogorov Smirnov 2 sampel

Alasan ..........................................................................................................................................
.......
6. Sebuah Puskesmas tertarik melakukan pengukuran kinerja perawat berdasarkan motivasi
mereka untuk bekerja, dengan cara melakukan pengukuran terhadap motivasi kerja dan
kinerja terhadap 10 perawat. Jika pimpinan Puskemas ingin mengetahui apakah ada
hubungan antara nilai skor motivasi dengan skor kinerja, maka uji statistik apa yang cocok?

A. Uji Rank Spearman

B. Uji Median Ekstensi

C. Uji Kruskal Wallis

D. Uji Friedman
18
 E. Uji Chi-square 2 sampel
Alasan ..........................................................................................................................................
.......

View publication stats

19