MAKALAH

BIOSTATISTIK

UJI MANN WHITNEY

Dosen Pengajar :

Prof. Dr. Ir. John Socrates Kekenusa, M.Si

Disusun Oleh :

Kelompok 5

Rivia Pricillia Pantow 222021110033

Cindy Meisy Kairupan 222021110053

Dewi Sartika Arunde 222021110035

PROGRAM PASCASARJANA

FAKULTAS KESEHATAN MASYARAKAT

UNIVERSITAS SAM RATULANGI

MANADO

2021
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa yang telah memberikan rahmatnya sehingga
kami dapat menyelesaikan tugas makalah yang berjudul “Uji Man Whitney” ini tepat pada
waktunya.

Adapun tujuan dari penulisan makalah ini adalah untuk memenuhi tugas Mata Kuliah
Administrasi dan Kebijakan Kesehatan oleh dosen Pengampuh : Prof. Dr. Ir. John Socrates
Kekenusa, M.Si pada program studi Ilmu Kesehatan Masyarakat Pascasarjana Univeristas Sam
Ratulangi Manado Tahun 2022. Selain itu, tugas ini juga bertujuan untuk menambah wawasan
tentang Uji Man Whitney bagi para pembaca dan juga bagi kami mahasiswa.

Penyusun mengucapkan terima kasih kepada dosen yang telah memberikan tugas ini
sehinga dapat menambah pengetahuan dan wawasan sesuai dengan bidang studi yang kami
tekuni. Penyusun menyadari, tugas ini masih jauh dari kata sempurna. Oleh karena itu, kritik dan
saran yang membangun akan saya nantikan demi kesempurnaan makalah ini.

Manado, 15 Oktober 2022

Penyusun

BAB I
 PENDAHULUAN

Salah satu tujuan digunakannya suatu analisis statistika adalah membuat kesimpulan
tentang satu atau beberapa karakteristik tertentu dari satu atau beberapa populasi, baik dengan
cara penafsiran ataupun pengujian hipotesis mengenai karakteristik tersebut. Salah satu analisis
statistika tersebut adalah pengujian kesamaan dua rata-rata dari dua populasi yang saling bebas,
yang sering disebut sebagai masalah dua sampel saling bebas. Dalam pengujian untuk masalah
dua sampel saling bebas tersebut, masing-masing sampel harus diambil secara acak dari
populasinya dan setiap pengamatan harus saling bebas satu sama lain (Setiawan Danang dan
Mutaqin, 2008:119).

Hogg dan Craig (Setiawan Danang dan Mutaqin, 2008:119) mengemukakan suatu
metode untuk masalah dua sampel saling bebas jika datanya tidak berdistribusi normal. Metode
tersebut dikenal sebagai uji Mann-Whitney. Kelemahan uji Mann-Whitney adalah analisisnya
tidak berdasarkan pada nilai datanya langsung tetapi pada peringkat dari datanya.

BAB II
 STATISTIK PARAMETRIK DAN NON PARAMETRIK

A. Perbedaan Statistik Deskriptif dan Diferensial

B. Cara Memilih Uji Statistik yang Tepat

1. Lihat Tujuan pengujian apakah menggambarkan, menguji perbedaan, atau korelasi

2. Bila untuk menguji perbedaan, lihat ada berapa kelompok sampel yang akan diuji
3. Jika untuk uji perbedaan, lihat apakah kelompok berasal dari populasi yang sama atau
atau kelompok yang saling independen.
4. Lihat skala pengukurannya apakah nominal atau ordinal, skala atau rasio
C. Perbedaan Statistik Parametrik atau Non Parametrik
1. Statistik 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 non-parametrik, atau setidak-tidaknya dilakukan
transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa dikerjakan
dengan statistik parametric.
Parametrik berarti parameter. Parameter adalah indikator dari suatu distribusi hasil
pengukuran. Indikator dari distribusi pengukuran berdasarkan statistik parametrik
digunakan untuk parameter dari distribusi normal. Distribusi normal dikenal juga dengan
istilah Gaussian Distribution. Distribusi normal mengandung dua parameter, yaitu rata-rata
(mean) dan ragam (varians).
 Parameter-parameter ini memberikan karakteristik yang unik pada suatu distribusi
berdasarkan “lokasi”-nya (central tendency). Berbagai metode statistik mendasarkan
perhitungannya pada kedua parameter tersebut. Penggunaan metode statistik parametrik
mengikuti prinsip-prinsip distribusi normal.
1. Prinsip-prinsip dari distribusi normal adalah:
a.Distribusi dari suatu sampel yang dijadikan obyek pengukuran berasal dari distribusi
populasi yang diasumsikan terdistribusi secara normal.
b.Sampel diperoleh secara random, dengan jumlah sampel yang dianggap dapat
mewakili populasi.
c.Distribusi normal merupakan bagian dari distribusi probabilitas yang kontinyu
(continuous probability distribution).
2. Contoh metode statistik parametrik :
a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or two-way anova parametrik), dll.
3. Ciri-ciri statistik parametrik :
a. Data dengan skala interval dan rasio
b. Data menyebar/berdistribusi normal
4. Keunggulan dan kelemahan statistik parametrik
a. Keunggulan :
• 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.
b. Kelemahan :
• 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.
2. Statistik Non Parametrik
Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk sebaran
parameter populasi, baik normal atau tidak). Selain itu, statistik nonparametrik biasanya
menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak
berdistribusi normal.
1. Contoh metode statistik non-parametrik :
a. Uji tanda (sign test)
b. Rank sum test (wilcoxon)
c. Rank correlation test (spearman)
d. Fisher probability exact test.
 e. Chi-square test, dll
2. Ciri-ciri statistik non-parametrik :
a. Data tidak berdistribusi normal
b. Umumnya data berskala nominal dan ordinal
c. Umumnya dilakukan pada penelitian social
d. Umumnya jumlah sampel kecil.
3. Keunggulan dan kelemahan statistik non-parametrik :
a. Keunggulan :
• Tidak membutuhkan asumsi normalitas.
• Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah
dimengerti jika dibandingkan dengan statistik parametrik karena ststistika non-
parametrik tidak membutuhkan perhitungan matematik yang rumit seperti halnya
statistik parametrik.
• Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang
(ordinal).
• Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang
secara formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data
kualitatif.
• Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada
pengamatan yang nyata.
• Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi,
tetapi dapat digunakan pada populasi berdistribusi normal.
b. Kelemahan :
• 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
 Alur Pemilihan Uji Statistik (Parametrik dan Non Parametrik

D. Populasi dan Sampel

Dalam kehidupan sehari-hari manusia pernah menghadapi masalah populasi dan contoh
atau sampel dalam suasana yang berlainan yang mungkin tidak disadarinya. Apabila
seseorang melihat suatu kue, lalu dia ingin mengetahui rasa dari kue tersebut, apakah rasanya
manis, asam , gurih, atau pahit, seseorang tersebut tidak perlu memakan seluruhnya.
Seseorang tersebut cukup mengambil seiris, mencicipinya, kemudian menyimpulkan
bagaimana rasa kue tersebut. Disini, perumpamaan kue adalah populasi, sedangkan irisan kue
tersebut adalah contoh atau sampel. Dengan demikian, yang disebut populasi adalah
keseluruhan objek yang akan diteliti, sedangkan contoh atau sampel adalah bagian tertentu
dari keseluruhan objek yang akan diteliti (Sulistiono-Basuki : 2010)
Prof. Dr. Sugiyono (2010) menegaskan bahwa terdapat perbedaan mendasar dalam
pengertian antara “populasi dan sampel” dalam penelitian kuantitatif dan kualitatif. Dalam
penelitian kuantitatif, populasi di artikan sebagai wilayah generalisasi yang terdiri atas:
obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang diterapkan oleh
peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Populasi itu misalnya
penduduk di wilayah tertentu, jumlah guru dan murid di sekolah tertentu dan sebagainya.
Populasi bukan hanya orang, tetapi juga obyek dan benda-benda alam yang lain. Populasi juga
bukan sekedar jumlah yang ada pada obyek/subyek yang dipelajari, tetapi meliputi
keseluruhan karakteristik/sifat yang dimiliki oleh obyek/subyek itu. Sedangkan sampel adalah
bagian dari populasi itu, apa yang dipelajari dari sampel, kesimpulan akan diberlakukan untuk
populasi. Untuk itu sampel yang diambil dari populasi harus betul-betul representatif
(mewakili).
Teknik sampling merupakan teknik pengambilan sampel. Untuk menentukan sampel
yang akan digunakan dalam penelitian, terdapat berbagai teknik sampling yang digunakan.
Dalam penelitian kuantitatif kualitatif dan r&d, Prof. Dr. Sugiyono (2010) menyatakan Secara
skematis, teknik sampling pada dasarnya dapat dikelompokkan menjadi dua yaitu Probability
Sampling dan Non probability Sampling. Probability Sampling meliputi: simple random,
proportionate stratified random, disproportionate stratifed random, dan area random.
Nonprobability sampling meliputi:sampling sistematis, sampling kuota, sampling aksidental,
purposive sampling, sampling jenuh,dan snowball sampling.
1) Probability sampling
Probability sampling adalah teknik pengambilan sampel yang memberikan peluang yang
sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi anggota sampel. Macam-
macam teknik ini meliputi:
1. Simple random sampling Simple random sampling merupakan pengambilan anggota
sampel dari populasi dilakukan secara acak tanpa memperhatikan strata yang ada dalam
populasi itu. Cara demikian dilakukan bila anggota populasi dianggap homogen.
2. Proportionate stratified random sampling Teknik ini digunakan bila populasi mempunyai
anggota/unsur yang tidak homogen dan berstrata secara proposional. Suatu organisasi
yang mempunyai pegawai dari latar belakang pendidikan yang berstrata, maka populasi
pegawai itu berstrata. Misalnya jumlah pegawai yang lulus S1=45 orang, S2=30 orang,
SMK= 800 orang, SMA= 400 orang, SMP= 300 orang, SD= 300 orang. Jumlah sampel
yang harus diambil meliputi strata pendidikan tersebut.
3. Disproportionate stratified random sampling Teknik ini digunakan untuk menentukan
jumlah sampel, bila populasi berstrata tetapi kurang proporsional. Misalnya pegawai dari
unit kerja tertentu mempunyai, 3 orang lulusan S3, 4 orang lulusan S2, 90 orang S1, 800
orang SMU, 700 orang SMP. Maka 3 orang lulusan S3 dan 4 orang lulusan S2 tersebut
diambil semuanya sebagai sampel. Karena dua kelompok ini terlalu kecil bila
dibandingkan dengan kelompok S1, SMU, dan SMP.
4. Cluster sampling (Area sampling) Teknik sampling daerah digunakan untuk menentukan
sampel bila obyek yang akan diteliti atau sumber data sangat luas, misalnya penduduk
dari suatu negara, provinsi, atau kabupaten. Untuk menentukan penduduk mana yang
akan jadi sumber data, maka pengambilan sampelnya berdasarkan daerah populasi yang
telah ditetapkan.
Misalnya di Indonesia terdapat 30 provinsi, dan sampelnya akan menggunakan 15
provinsi, maka pengambilan 15 privinsi itu dilakukan secara random,. Tetapi perlu
diingat, karena provinsi-provinsi di Indonesia itu berstrata (tidak sama) maka
pengambilan sampelnya perlu menggunakan stratified random sampling. Provinsi di
Indonesia ada yang penduduknya padat ada yang tidak, ada yang mempunyai hutan
banyak ada yang tidak, ada yang kaya bahan tambang ada yang tidak. Karakter semacam
ini perlu diperhatikan sehingga pengambilan sampel menurut strata populasi itu dapat
ditetapkan.
Teknik sampling daerah ini sering digunakan melalui dua tahap, yaitu tahap
pertama menentukan sampel daerah, dan tahap berikutnya menentukan orang-orang
yang ada pada daerah itu cara sampling juga.
2) Nonprobability sampling
Nonprobability sampling adalah teknik pengambilan sampel yang tidak memberi
peluang/kesempatan sam bagi setiap unsur atau anggota populasi untuk dipilih menjadi
sampel.
1. Sampling sistematis Sampling sistematis adalah teknik pengambilan sampel berdasarkan
urutan dari anggota populasi yang telah diberi nomor urut. Misalnya anggota populasi
yang terdiri dari 100 orang. Dari semua anggota tersebut diberi nomor urut, yaitu nomor
1 sampai dengan nomor 100. Pengambilan sampel dapat dilakukan dengan nomor ganjil
saja, atau kelipatan dari bilangan tertentu, misalnya kelipatan dari bilangan 5, untuk itu
maka yang diambil sebagai sampel adalah nomor1, 5, 10, 15, 20, dan seterusnya sampai
100.
2.Sampling kuota Sampling kuota adalah teknik menentukan sampel dari populasi yang
mempunyai ciri-ciri tertentu sampai jumlah (kuota) yang diinginkan. Sebagai contoh,
akan melakukan penelitian tentang pendapat masyarakat terhadap pelayanan masyarakat
dalam urusan Ijin Mendirikan Bangunan. Jumlah sampel yang ditentukan 500 orang.
Kalau pengumpulan data belum didasarkan pada 500 orang tersebut, maka penelitian
dipandang belum selesai, karena belum memenuhi kuota yang ditentukan. Bila
pengumpulan data dilakukan secara kelompok yang terdiri atas 5 orang pengumpul data,
maka setiap anggota kelompok harus dapat menghubungi 100 orang anggota sampel,
atau 5 orang tersebut harus dapat mencari data dari 500 orang anggota sampel tersebut.
3.Sampling ansidental Sampling insidental adalah teknik penentuan sampel berdasarkan
kebetulan, yaitu siapa saja yang secara kebetulan/insidental bertemu dengan peneliti,
hasil datanya dapat digunakan sebagai sampel, bila dipandang orang yang kebetulan yang
ditemui itu cocok sebagai sumber data.
4.Sampling purposive Sampling purposive adalah teknik penentuan sampel dengan
pertimbangan tertentu. Misalnya akan melekukan penelitian tentang kualitas makanan,
maka sampel sumber datanya adalah orang yang ahli makanan. Atau penelitian tentang
kondisi politik di suatu daerah, maka sampel sumber datanya adalah orang yang ahli
politik. Sampel ini lebih cocok digunakan untuk penelitian kualitatif atau penelitian-
penelitian yang tidak melakukan generalisasi.
5.Sampling jenuh Sampling jenuh adalah teknik penentuan sampel bila semua anggota
populasi digunakan sebagai sampel. Hal ini sering dilakukan bila jumlah populasi relatif
kecil, kurang dari 30 orang, atau penelitian yang ingin membuat generalisasi dengan
kesalahan yang sangat kecil. Istilah lain sampel jenuh adalah sensus, dimana semua
anggota populasi dijadikan sampel.
6.Snowball sampling Snowball sampling adalah teknik penentuan sampel yang mula-mula
jumlahnya kecil, kemudian membesar. Ibarat bola salju yang menggelinding yang
lamalama menjadi besar. Dalam penentuan sampel, pertama-tama dipilih satu atau dua
orang, tetapi karena dengan dua orang ini belum merasa lengkap data yang diberikan,
maka peneliti mencari orang lain yang dipandang lebih tahu dan dapat melengkapi data
 yang diberikan oleh dua orang sebelumnya. Begitu seterusnya, sehingga jumlah sampel
semakin banyak.
Pada penelitian kualitatif banyak menggunakan sampel purposive dan snowball,
misalnya akan meneliti siapa provokator kerusuhan, maka akan cocok menggunakan
purposive dan snowball.

E. Jenis Data menurut Skala Pengukuran

Skala Pengukuran merupakan peraturan penggunaan notasi bilangan dalam pengukuran.
Menurut skala pengukuran data dibedakan menjadi 4 jenis, yaitu data nominal, data ordinal,
data interval, dan data rasio.
1. Data Nominal
Data nominal adalah data yang diberikan pada objek atau kategori yang tidak
menggambarkan kedudukan objek atau kategori tersebut terhadap objek atau kategori
lainnya (Hasan, 2005:34). Data nominal biasanya digunakan sebagai kode. Hanya
mengelompokkan kategori berdasarkan kelompok tertentu.
Ciri dari data ini yaitu
(a) kategori data bersifat saling lepas (satu obyek hanya masuk pada satu kelompok saja)
dan
(b) kategori data tidak disusun secara logis.
Contoh:
• Jenis kelamin: 1 untuk pria dan 0 untuk wanita.
• Opsi Jawaban benar salah: 0 jika jawaban salah, 1 jika jawaban benar
2. Data Ordinal
Data ordinal merupakan data yang penomoran objek atau kategorinya disusun menurut
besarnya, dari tingkat terendah ke tingkat tertinggi atau sebaliknya, jarak/rentang data tidak
harus sama. Ciri dari jenis data ini adalah kategori data dapat disusun berdasarkan urutan
logis dan sesuai dengan besarnya karakteristik yang dimiliki. Selebihnya memiliki ciri yang
sama dengan data nominal.
Contoh: mengubah nilai angka ke nilai huruf:
86-100 medapat nilai A
71-85 mendapat nilai B
61-70 mendapat nilai C
46-60 mendapat nilai D
0-45 mendapat nilai E

3. Data Interval
Data interval merupakan data dimana obyek / kategori dapat diurutkan berdasarkan suatu
atribut yang memberikan informasi tentang interval antara tiap obyek/kategori sama. Besar
interval dapat di tambah atau dikurangi. Ciri dari jenis data ini sama dengan data ordinal,
 tetapi urutan kategori data mempunyai jarak yang sama.
Contoh:
ABCDE
1 2 3 4 5 4.
4. Data Rasio
Data rasio memiliki sifat-sifat data nominal, data ordinal dan data interval, dilengkapi
dengan titik nol absolut. Karena terdapat angka nol maka pada data ini dapat dibuat
perkalian atau pembagian. Angka pada data menunjukkan nilai yang sebenarnya dari
objek/kategori yang diukur.
Contoh:
Nilai si-O sebesar 50,
nilai si-Z sebesar 100.
Ukuran rasionya dapat dinyatakan bahwa nilai si-Z adalah 2 kali nilai si-O.

F. Jenis Statistika dan Teknik Analisis

BAB III

UJI MANN-WHITNEY

A. Pengertian Uji Mann Whitney

 Uji Mann-Whitney atau lebih dikenal dengan u-test (juga disebut Mann–Whitney–
Wilcoxon (MWW), Wilcoxon rank-sum test, or Wilcoxon–Mann–Whitney test). Uji ini
dikembangkan oleh H.B Mann dan D.R. Whitney dalam tahun 1947. Uji Mann-Whitney ini
digunakan sebagai alternative lain dari uji T parametric bila anggapan yang diperlukan bagi
uji T tidak dijumpai. Teknik ini dipakai untuk memeriksa signifikansi perbedaan antara dua
populasi dengan menggunakan sampel random yang ditarik dari populasi yang sama. Uji ini
berbeda dengan uji Wilcoxon karena uji Wilcoxon untuk sampel yang berpasangan,
sedangkan Mann Whitney khusus untuk dua sampel yang independent.

B. Persyaratan

1. Data berskala ordinal, interval atau rasio.

2. Terdiri dari 2 kelompok yang independent atau saling bebas.

3. Data kelompok I dan kelompok II tidak harus sama banyaknya

4. Data tidak harus berdistribusi normal, sehingga tidak perlu uji normalitas

C. Prosedur pengujian dapat dilakukan sebagai berikut :

1. Susun kedua hasil Pengamatan menjadi satu kelompok sampel

2. Hitung jenjang/ rangking untuk tiap – tiap nilai dalam sampel gabungan

3. Jenjang atau rangking diberikan mulai dari nilai terkecil sampai terbesar

4. Nilai beda sama diberi jenjang rata –rata

5. Selanjutnya jumlahkan nilai jenjang untuk masing-masing sampel

6. Hitung Nilai statistik uji U

Ada dua macam tehnik U-test ini, yaitu U-test untuk sampel-sampel kecil dimana n ≤ 20
dan U-test sampel besar bila n > 20. Oleh karena pada sampel besar bila n > 20, maka
distribusi sampling U-nya mendekati distribusi normal, maka test signifikansi untuk uji
hipotesis nihilnya disarankan menggunakan harga kritik Z pada tabel probabilitas normal.
Sedangkan test signifikansi untuk sampel kecil digunakan harga kritik U . Adapun formula
rumus Mann-Whitney Test.

Berikut statistik uji yang digunakan dalam uji mann whitney:

Untuk sampel kecil (n1 atau n2 ≤ 20)

Untuk sampel kecil dimana n1 atau n2 ≤ 20. maka digunakan rumus umum dari uji
mann whitney. berikut statistik uji yang digunakan untuk sampel kecil.
𝑈1= 𝑛1. 𝑛2 - 𝑈2

𝑈2= 𝑛1. 𝑛2 - 𝑈1

Bisa menggunakan salah satu dari rumus di atas. Untuk mencari nilai 𝑈1 dan 𝑈2 seperti
berikut.

Setelah mendapatkan nilai statistik uji 𝑈1 dan 𝑈2. kemudian mengambil nilai terkecil
dari kedua nilai tersebut. Nilai terkecil yang diperoleh kemudian dibandingkan dengan
tabel Mann Whitney.
Dengan kriteria Pengambilan keputusan :

H0 diterima bila U hitung ≥ U tabel

H0 ditolak bila U hitung  Utabel

Untuk sampel besar (n1 atau n2 >20)

Berbeda dengan kasus jumlah sampel kecil, jumlah sampel besar menggunakan statistik
uji z karena jumlah sampel yang besar yaitu > 20 setiap sampel. Cara ini tidak
membutuhkan tabel Mann w\Whitney tapi menggunakan tabel z yang mungkin lebih
populer. Caranya hampir sama untuk sampel kecil yaitu mencari U1 dan U2. kemudian
ada langkah tambahan untuk menentukan statistik uji z. Nantinya akan digunakan untuk
membandingkan dengan tabel z. Berikut rumus yang digunakan.

Rumus diatas digunakan apabila ada rangking yang berbeda. Sedangkan untuk ada
rangking yang sama menggunakan rumus seperti berikut.

Kriteria penerimaan Ho sebagai berikut :

Jika ZH ≤ Zα, maka Ho diterima

Jika ZH > Zα, maka Ho ditolak

 BAB

CONTOH KASUS DAN PEMBAHASAN

A. Contoh Kasus Untuk Sampel Kecil (n ≤ 20)

Misalnya Tim Statistik Ceria penasaran ingin mengetahui apakah denyut nadi pria lebih
banyak dibandingkan denyut nadi wanita. kemudian dilakukan penarikan sampel untuk pria
dan wanita dengan melihat denyut nadi masing-masing dengan tingkat signifikansi 5%.
Berikut hasil perhitungan masing-masing denyut nadi.

Pembahasan Untuk Sampel Kecil (n ≤ 20)

i. Pemilihan Metode

Dari kasus di atas yang pertama kita lihat yaitu tujuannya. Dari tujuannya yaitu ada
perbedaan antara denyut nadi pria dan wanita. dari tujuan itu ada tiga hal yang ditangkap
yaitu analisis yang digunakan yaitu uji perbandingan dan sampel yang digunakan ada dua
kelompok serta antar kelompok tersebut merupakan kelompok yang saling bebas atau
independent. Bisa disimpulkan menggunakan uji beda dua rata-rata independent.

Sampai Tahap diatas masih berupa jenis metode yang digunakan yang tentunya masih
umum. Sekarang kita menentukan metode yang digunakan. langkah selanjutnya melihat
skala data yang digunakan. Skala data ada 4 yaitu nominal, ordinal, interval dan rasio.
Untuk uji Mann Whitney minimal ordinal. artinya ordinal, interval dan rasio bisa digunakan
untuk uji mann whitney. Jika menggunakan data ordinal langsung pakai Mann Whitney.
Sedangkan apabila menggukan data interval dan rasio harus diuji dulu apakah normal atau
tidak. Jika setelah diuji datanya normal menggunakan metode uji t beda dua rata-rata
 independent (parametrik). Sedangkan apabila tidak normal menggunakan Mann Whitney
(non parametrik).

Kembali ke contoh kasus. Dari tujuannya kita menggunakan analisis pebandingan dua
rata-rata independent. kemudian dari data yang digunakan yaitu interval. sehingga perlu uji
normalitas terlebih dahulu untuk menentukan apakah menggunakan mann whitney atau uji t
beda dua rata-rata independent. Dalam contoh ini kita anggap saja datanya tidak
berdistribusi normal. Sehingga disini kita menggunakan uji MannWhitney.

ii. Hipotesis:

𝐻0: Denyut nadi pria lebih sedikit atau sama dengan denyut nadi wanita

𝐻1: Denyut nadi pria lebih banyak dibandingkan dengan denyut nadi wanita

iii. Taraf Signifikansi

α = 5% = 0,05

iv. Susun kedua hasil Pengamatan menjadi satu kelompok sampel dan buat peringkat
seperti berikut
 Selanjutnya jumlahkan nilai jenjang untuk masing-masing sampel

v. Hitung Nilai statistik uji U

Setelah melalu langkah-langkah diatas. Sekarang saatnya untuk menghitung statistik uji
U. Pertama yaitu dengan menghitung 𝑈1. Berikut perhitungannya.
 Sedangkan untuk menghitung 𝑈2. Bisa dengan menggunakan rumus.

Kemudian dari kedua nilai tersebut diambil nilai terkecil yaitu 10,5 yang digunakan
untuk membandingkan dengan tabel Mann Whitney.

Cara membaca tabel mann whitney:

Pertama tentukan jumlah setiap sampel. Misalnya dalam contoh diatas yaitu 𝑛1=9 dan
𝑛2 = 7. Kemudian tentukan nilai titik kritis (α). dalam contoh ini menggunakan 0,05.
Kemudian dihubungkan kolom 𝑛1 dan baris 𝑛2. dan lihat titik kritis (α) yang digunakan
yaitu 0,05. Hasilny yaitu 12.

vi. Kriteria Keputusan

H0 diterima bila U hitung ≥ U tabel

H0 ditolak bila U hitung  Utabel

vii. Kesimpulan

Oleh karena nilai U statistik uji lebih kecil dari nilai U tabel Mann Whitney yaitu 10,5
< 12. Sehingga Keputusan 𝐻0 ditolak, 𝐻1 diterima. Sehingga bisa disimpulkan denyut
nadi pria lebih banyak dibandingkan dengan denyut nadi wanita.

B. Contoh Kasus untuk Sampel Besar (n > 20)

Tim Statistik Ceria sedang mendapatkan kasus dalam penelitian mengenai kepadatan
hunian rumah antara di daerah nelayan dengan daerah pertanian, Tim menggunakan α = 0,05.
Tim penasaran apakah ada perbedaan kepadatan hunian rumah antara daerah nelayan dengan
daerah pertanian. didapatkan data seperti pada tabel di bawah. Disini sudah diranking caranya
sama dengan contoh di atas.
Pembahasan Untuk Sampel Besar (n > 20)

i. Pemilihan Metode

Dari kasus di atas yang pertama kita lihat yaitu tujuannya. Dari tujuannya yaitu
ada perbedaan antara kepadatan rumah nelayan dengan petani. dari tujuan itu ada tiga
hal yang ditangkap yaitu analisis yang digunakan yaitu uji perbandingan dan sampel
yang digunakan ada dua kelompok serta antar kelompok tersebut merupakan kelompk
yang saling bebas atau independent. Bisa disimpulkan menggunakan uji beda dua rata-
rata independent. pemikirannya sama dengan cara di atas.

Sampai Tahap diatas masih berupa jenis metode yang digunakan yang tentunya
masih umum. Sekarang kita menentukan metode yang digunakan. langkah selanjutnya
melihat skala data yang digunakan. Skala data ada 4 yaitu nominal, ordinal, interval dan
rasio. Untuk uji mann whitney minimal ordinal. Artinya ordinal, interval dan rasio bisa
digunakan untuk uji mann whitney. Jika menggunakan data ordinal langsung pakai
mann whitney. Sedangkan apabila menggukan data interval dan rasio harus diuji dulu
apakah normal atau tidak. Jika setelah diuji datanya normal menggunakan metode uji t
beda dua rata-rata independent (parametrik). sedangkan apabila tidak normal
menggunakan mann whitney (non parametrik).

Kembali ke contoh kasus. Dari tujuannya kita menggunakan analisis pebandingan

dua rata-rata independent. kemudian dari data yang digunakan yaitu interval. sehingga
perlu uji normalitas terlebih dahulu untuk menentukan apakah menggunakan mann
whitney atau uji t beda dua rata-rata independent. Dalam contoh ini kita anggap saja
datanya tidak berdistribusi normal. Sehingga disini kita menggunakan uji
MannWhitney.

ii. Hipotesis:

𝐻0 : Kepadatan rumah nelayan dan rumah petani sama

𝐻1 : Terdapat perbedaan kepadatan rumah nelayan dengan rumah petani

iii. Taraf Signifikansi

iv. Hitung Nilai statistik uji U

Sebelum melakukan perhitungan staistik uji. lakukan tahap seperti pada contoh
sebelumnya yaitu mengurutkan data kemduian buat rank lalu dijumlahkan sehingga
hasilnya seperti pada tabel di atas. Kemudian langsung ke perhitungannya saja.
 Pertama mencari 𝑼𝟏.

Kedua untuk menghitung 𝑈2. Bisa dengan menggunakan rumus.

Berbeda dengan sampel kecil. untuk sampel besar menggunakan tabel Z sehingga
perlu mencari nilai z dari nilai U yang telah diperoleh.

Sedangkan apabila kita memasukkan nilai 𝑈2 maka hasilnya yaitu kebalikan dari
nilai 𝑈1 yaitu +0,0309. Jadi tidak perlu dihitung lagi. Kemudian yang diambil
yaitu yang positif sehingga yang dibandingkan nanti yaitu 0,0309. Setelah
memperoleh nilai Z maka langkah terakhir yaitu mencari nilai tabel Z. Nilai tabel
pada tabel Z, Uji dua arah dengan α = 2,5%, yaitu 1, 96.

v. Kriteria Keputusan

Jika ZH < Zα, maka Ho diterima

Jika ZH > Zα, maka Ho ditolak

vi. Kesimpulan

Oleh karena nilai statistik uji z lebih kecil dari nilai tabel Z yaitu 0,0309 < 1,96.
Sehingga Keputusan H0 diterima, H1 ditolak. Sehingga bisa disimpulkan tidak ada
perbedaan kepadatan rumah nelayan dan petani.
 BAB V

PENUTUP

KESIMPULAN

Uji Mann Whitney ( U- Test) Uji ini merupakan uji yang digunakan untuk
menguji dua sampel independen ( Two Independent Sample Tests ) dengan bentuk data
Ordinal.Tehnik ini dipakai untuk mengetest signifikansi perbedaan antara dua populasi,
dengan menggunakan sampel random yang ditarik dari populasi yang sama.

Ada dua macam teknik U-test ini, yaitu U-test untuk sampel-sampel kecil
dimana n20. Oleh karena pada sampel besar bila n=/>20, maka distribusi sampling U-
nya mendekati distribusi normal, maka test signifikansi untuk uji hipotesis nihilnya
disarankan menggunakan harga kritik Z pada tabel probabilitas normal. Sedangkan test
signifikansi untuk sampel kecil digunakan harga kritis U.

SARAN

Penulis mengharapkan agar pembaca dapat mengetahui dan memanfaatkan

makalah ini untuk menambah wawasan mengenai Uji Man Whitney
 DAFTAR PUSTAKA

Hasan, Iqbal. 2005. Pokok-Pokok Materi Statistik 1 (Statistik Deskriptif). Jakarta: Bumi
Aksara.

Kekenusa, J. 2019. Statistika Dasar. Bandung: CV. Patra Media Grafindo.

Mahmud. 2011. Metode Penelitian Pendidikan. Bandung: CV Pustaka

Setia. Margono, S. 2004. Metodologi Penelitian Pendidikan. Jakarta: PT. RINEKA

CIPTA

Sugiyono Prof. Dr. 2012. Metode penelitian pendidikan pendekatan kuantitatif, kulaitatif
dan R & D. Bandung : CV. Alfa Beta.