BAB 8

UJI BEBERAPA SAMPEL INDEPENDEN

Pada Bab 6 telah dibahas uji 2 sampel independen. Pembahasan hanya terbatas
membandingkan 2 sampel bebas. Maka pada Bab 8 ini, pembahasan diperluas untuk
lebih dari 2 sampel, yaitu uji beberapa sampel independent. Sebagai ilustrasi, tim
R&D sebuah perusahaan di bidang agrobisnis melakukan eksperimen untuk menguji
produktivitas 5 varietas jagung yang dikembangkannya. Untuk itu, tim menyediakan
25 petak sawah yang memiliki karakteristik sama dan menanam masing-masing
varietas kelima petak sawah yang dipilih secara acak.

Pada statistik parametrik, alat statistik yang digunakan untuk membandingkan

produktivitas 5 varietas padi tersebut atau k sampel independen adalah analisis
variansi (ANOVA). Pada ANOVA mengasumsikan data berasal dari populasi
berdistribusi normal dan memiliki variansi yang homogen. Jika asumsi-asumsi ini
tidak dapat dipenuhi, untuk membandingkan lebih dari 2 (k) sampel yang saling
bebas, dapat menggunakan alat statistik nonparametrik, seperti uji KruskaI-WaIlis H,
uji median, dan Jonckheere-Terpstra.

Gambar 8.2 Kiri: W.H. Kruskal (1919-2005); kanan: w.A. Wallis (1912-1998)
8.1 UJI KRUSKAL-WALLIS H.
Uji Kruskal-Wallis H merupakan alternatif dari uji F untuk menguji kesamaan
nilai rata-rata dari lebih dari 2 sampel dalam analisis variansi (ANOVA), sehingga
disebut juga analisis variansi satu arah berdasarkan peringkat Kruskal-Wallis, atau
disingkat analisis varians Kruskal-Wallis. Uji ini pertama kali diperkenalkan oleh
William Hendry Kruskal dan Wilson Allen Wallis pada tahun 1952. Mereka
menurunkan uji ini dari uji Wilcoxon untuk tiga atau lebih sampel bebas. Jika yang
dibandingkan hanya 2 sampel bebas, maka uji Kruskal-Wallis akan setara dengan uji
Mann-Whitney U yang dibahas pada Bab 6. Uji Kruskal-Wallis H merupakan
perluasan dari uji Mann-Whitney U.
8.1.1 Langkah-langkah Uji Kruskal-Wallis H
Misalkan terdapat k sampel yang masing-masing berukuran n1 untuk sampel
kesatu, n2 untuk sampel kedua, n3 untuk sampel ketiga, dan seterusnya, sampai n k
untuk sampel ke-k. Sehingga ukuran sampel totalnya adalah N=n1+ n2 +⋯+ nk . Data
sampel dinotasikan dengan Y ij , yang berarti data ke-j dalam sampel diambil dari
sampel ke-i, disajikan dalam Tabel 8.1.

Untuk mengetahui sebanyak k sampel bebas tersebut sama atau berbeda,

pertama-tama gabungkan semua pengamatan data sampel N=n1+ n2 +⋯+ nk tersebut.
Kemudian urutkan semua pengamatan data sampel gabungan tersebut dari yang
terkecil ke terbesar. Berilah nomor urut dan tentukan nilai rank-nya. Sehingga data
hasil pengamatan pada Tabel 8.1 di atas dapat disajikan dalam bentuk rank seperti
pada Tabel 8.2.
Tabel 8.1 Data hasil pengamatan dari k sampel

Sampel ke-
1 2 3 … k
Y 11 Y 21 Y 31 … Yk1
Y 12 Y 22 Y 32 … Yk2
Y 13 Y 23 Y 33 … Yk3
Data hasil …
. . . .
pengamatan …
. . . .
. . . … .
Y 1n Y 2n Y 3n … Ykn
1 2 3 k
 Tabel 8.2 Data berbentuk rank dari k sampel

Sampel ke-
1 2 3
R11 R21 R31 … Rk 1
R12 R22 R32 … Rk 2
R13 R23 R33 … Rk 3
Rank data hasil …
. . . .
pengamatan …
. . . .
. . . … .
R1 n R2 n R3 n … Rk n
1 2 3 k

Jumlah R1 R2 R3 … Rk
Semua (k) sampel dikatakan sama atau tidak berbeda jika nilai rank, baik yang kecil
maupun yang besar, tersebar secara merata ke semua sampel. Sehingga jumlah rank
(jika ukuran sampel sama) atau rata-rata jumlah rank (jika ukuran sampel tidak sama)
untuk k sampel adalah relatif sama. Untuk itu, Kruskal-Wallis merumuskan statistik
uji H sebagai berikut:

[ ]
2
12 1
k
ni (N +1)
H= ∑
N (N +1) i=1 ni
R i−
2
………………....(8.1)

ni (N +1)
di mana Ri adalah jumlah rank sampel ke-i dan adalah jumlah rank yang
2
diharapkan. Persamaan (8.1) dapat disederhanakan menjadi:
12
k
R2i
H= ∑ −3(N +1)……………………(8.2)
N (N +1) i=1 n i
Statistik uji H akan mengikuti distribusi Chi-kuadrat dengan derajat bebas (k-1).
Berikut disajikan langkah-langkah uji Kruskal-Wallis H untuk menguji kesamaan k
sampel saling independen (bebas) yang terdiri atas 5 langkah:
1. Merumuskan hipotesis
H 0 : Ke-k sampel memiliki distribusi yang sama ( μ1=μ 2=⋯=μk )
H 1 : Minimal ada satu sampel yang berbeda ( μi ≠ μ j ;i, j =1, 2 , … , k )
2. Menentukan tingkat signifikansi
Tingkat signifikansi biasa dinotasikan dengan α, biasanya 5% atau 1%.
3. Menentukan nilai kritis
 Nilai kritis digunakan sebagai pedoman menerima atau menolak H 0. Caranya
adalah membandingkan nilai statistik uji H dengan nilai tabel distribusi Chi-
kuadrat (Lampiran B) dengan derajat bebas (k-1). H 0 ditolak jika:
H hit >❑2( k−1) ;α
4. Menghitung statistika uji
Statistik uji yang digunakan adalah H, seperti pada persamaan (8.2).
k 2
12 Ri
H= ∑
N (N +1) i=1 n i
−3( N +1)

5. Membuat kesimpulan
Keputusan menolak atau menerima H 0 dilakukan setelah membandingkan nilai
hasil perhitungan statistik uji dengan nilai kritis. Jika nilai statistik uji H berada
dalam daerah penolakan, maka H 0 ditolak.
Contoh 1:
Empat macam obat penurun panas diberikan kepada 16 anak yang memiliki tingkat
sakit yang diperkirakan sama. Pada tingkat kepercayaan 95%, selidikilah apakah
keempat merek obat tersebut mampu menurunkan panas dałam jangka waktu yang
sama.

Tabel 8.3 Data lama waktu penurunan panas (menit)

Merek obat Waktu (menit)

A 25,0 27,0 26,5 27,5 25,0
B 27,8 26,9 27,1 30,2
C 31,5 29,6 28,9
D 22,9 25,0 27,1 24,4
Berikut proses pengujiannya menggunakan uji Kruskal-Wallis H:

1. Hipotesis:
H 0 : Keempat merek obat menurunkan panas dałam waktu yang sama

( μ1=μ 2=μ3=μ 4 )
H 1 : Minimal ada satu pasang jenis obat yang berbeda satu sama lain dałam
jangka hal waktu (menit) menurunkan panas.
2. Telah ditetapkan bahwa tingkat signifikansi yang digunakan adalah 5% (tingkat
kepercayaan 95%).
3. Nilai kritisnya didasarkan pada tabel Chi-kuadrat (Lampiran B) dengan derajat (4
– 1) = 3 dan tingkat signifikan 5%, yaitu ❑23 ;0,05=7,81. Jadi daerah kritis atau
penolakan H 0 jika nilai statistik uji H > 7,81.
4. Perhitungan statistik uji:
Pertama-tama, urutkan data dari terkecil ke data terbesar dan tentukan rank-nya
(Tabel 8.4), kemudian sajikan data dałam bentuk rank tersebut ke bentuk tabel
dan hitung jumlah rank untuk setiap merek obat (Tabel 8.5).
Tabel 8.4 Penentuan nilai rank data Tabel 8.3
Data Nomor Urut Ran
k
22,9 1 1
24,4 2 2
25,0 3 4
25,0 4 4
25,0 5 4
26,5 6 6
26,9 7 7
27,0 8 8
27,1 9 9,5
27,1 10 9,5
27,5 11 11
27,8 12 12
28,9 13 13
29,6 14 14
30,2 15 15
31,5 16 16
Tabel 8.5 Data Tabel 8.3 dalam bentuk rank
Merek obat (i) A(1) B(2) C(3) D(4)
4 12 16 1
8 7 14 4
Rank data 6 9,5 13 9,5
11 15 - 2
4 - - -
R
Jumlah rank ( i ) 33 43,5 43 16,5
Ukuran sampel i (n ) 5 4 3 4
Rata-rata rank (R i) 6,60 10,88 14,33 4,12
Menggunakan persamaan (8.2), dapat dicari statistik uji H:
 k 2
12 Ri
H= ∑
N (N +1) i=1 n i
−3( N +1)

( )
2 2 2 2
12 33 43,5 43 16,5
= + + + −3( 16−1)
16(16+1) 5 4 3 4
= 22,38
5. Kesimpulan:
Tampak bahwa H = 22,38 > 7,82, yang berarti statistik uji H berada pada daerah
kritis (daerah penolakan H 0), jadi H 0 ditolak. Sehingga dapat disimpulkan bahwa
minimal ada satu pasang merek obat berbeda satu sama lain dalam hal jangka
waktu (menit) menurunkan panas.
8.1.2 Uji Perbandingan Ganda Kruskal-Wallis H

Jika H 0 ditolak, yaitu minimal ada satu pasang sampel yang berbeda satu sama
lain dari sebanyak C 2k pasangan sampel. Sehingga perlu dilakukan uji lanjutan yang
salah satunya diketengahkan oleh Dunn pada tahun 1964. Untuk penyelidikan lebih
lanjut uji Kruskal-Wallis H, dapat menggunakan suatu uji pasangan berganda yang
analog dengan prosedur pasangan Benferroni yang didasarkan pada data rank sebagai
berikut:

( R i−R j ) ± Z
1−
α
k(k−1) √ 12 (
N (N +1) 1 1
+
)
ni n j
…………..…(8.3)

Jika interval pada persamaan (8.3) mengandung 0 (nol), maka pasangan sampel yang
dibandingkan tersebut sama (tidak berbeda) atau sebaliknya. Jika interval tersebut
mengandung 0 (nol), maka pasangan sampel tersebut berbeda.
Atau berdasarkan persamaan (8.3), pasangan sampel dikatakan tidak berbeda jika
berlaku:

|R i−R j|≤ Z
1−
α
k (k −1 ) √ 12 ( )
N (N + 1) 1 1
+
ni n j
……………(8.4a)

Dan pasangan sampel dikatakan berbeda jika berlaku

|R i−R j|> Z
1−
α
k(k−1) √ 12 (
N (N +1) 1 1
)
+ …………….(8.4b)
ni n j
Contoh 2:
Berdasarkan Contoh 1 di atas, tampak bahwa H 0 ditolak atau minimal ada satu
pasang obat berbeda satu sama lain dalam hal jangka waktu (menit) menurunkan
panas. Untuk itu, selidikilah merek obat mana yang berbeda (gunakan tingkat
kepercayaan 95%).

Untuk kasus di atas, terdapat 4 merek obat (A, B, C, D), sehingga terdapat
2 4!
C 4= =6 pasangan yang perlu diuji, yaitu A vs B, A vs C, A vs D, B vs C,
2 ! ( 4−2 ) !
B vs D, dan C vs D. Selanjutnya, dihitung nilai
Z α =Z 0,05 =Z 0,9958 =2,64
1− 1−
k (k−1) 4 (4−1)

(Lampiran A) dan telah diketahui rata-rata rank untuk setiap merek obat pada Tabel
8.5 adalah:
Tabel 8.5 Rata-rata rank untuk setiap merek obat

Merek obat (i) A(1) B(2) C(3) D(4)

Rata-rata rank ( R i) 6,60 10,88 14,33 4,12
Berikut disajikan pengujian masing-masing pasangan:
Tabel 8.6 Hasil uji perbandingan berganda

Pasanga
n
A vs B
⌈ Ri−R j⌉

4,28
2,64
√ N ( N +1) 1 1
12
8,43
+
(
ni n j ) Tanda
(≤ atau >)
≤
Keterangan

Tidak berbeda
A vs C 7,73 9,18 ≤ Tidak berbeda
A vs D 2,48 8,43 ≤ Tidak berbeda
B vs C 3,45 9,60 ≤ Tidak berbeda
B vs D 6,76 8,89 ≤ Tidak berbeda
C vs D 10,21 9,60 > Berbeda

Berdasarkan hasil pada Tabel 8.6, tampak bahwa pasangan berbeda adalah C vs D, di
mana obat D cenderung lebih cepat menurunkan panas dibanding obat B.
8.1.3 Koreksi Data yang Sama pada Uji Kruskal-Wallis H
Jika terdapat cukup banyak data dengan nilai yang sama, maka statistik uji H
perlu disesuaikan. Faktor penyesuaian yang dapat digunakan adalah:

1−
∑T
N (N ¿¿ 2−1) ¿
Dengan T = t3 – t dan t adalah banyaknya nilai pengamatan yang sama dalam
sekelompok skor yang bernilai sama.
Sehingga statistik uji Kruskal-Wallis setelah dikoreksi adalah:

H
H c=
1−
∑T ................................................ (8.5)
2
N (N −1)

Dengan H adalah nilai yang dihitung menggunakan persamaan (8.2). Tujuan

pemberian koreksi adalah untuk meningkatkan nilai statistik uji. Jika H bermakna
pada tingkat signifikansi α, maka Hc tidak perlu dihitung.

Contoh 3:
Asam arakhidonat diketahui berpengaruh terhadap metabolisme okuler. Pemberian
asam arakhidonat menyebabkan gejala dan tanda antara lain penutupan kelopak mata,
gatal-gatal, dan kotoran mata. Sebuah eksperimen berminat mempelajari efektivitas
anti-inflamasi okuler 3 jenis obat (Indomethacine, Aspirin, dan Piroxicam) terhadap
penutupan kelopak mata setelah pemberian asam arakhidonat.
Untuk itu, 13 ekor kelinci digunakan sebagai percobaan dengan memberikan asam
arakhidonat pada kedua belah matanya. Sepuluh menit kemudian, mata kiri diberi
larutan saline dan mata kanan diberi salah satu obat anti-inflamasi. 15 menit
kemudian, perubahan pembukaan kelopak mata dinilai dengan skor 0 sampai 3,
sebagai berikut:

Skor 0 = tidak terdapat perubahan pembukaan

Skor 1 = perubahan pembukaan minimal

Skor 2 = perubahan pembukaan sedang

Skor 3 = perubahan pembukaan maksimal

Efektivitas didefinisikan sebagai selisih antara perubahan pembukaan kelopak mata
kanan dan kiri; selisih yang besar menunjukkan efektivitas obat. Hasil pengamatan
disajikan pada Tabel 8.7. Selidikilah apakah dapat ditarik kesimpulan bahwa ketiga
jenis obat mempunyai efektivitas yang sama sebagai anti-inflamasi. Gunakan tingkat
signifikansi (taraf nyata) 1%.

Tabel 8.7 Hasil pengamatan pada 3 jenis obat

Berikut proses pengujiannya menggunakan uji Kruskal-Wallis H:

1. Hipotesis:
H 0 : Ketiga jenis obat mempunyai efektivitas yang sama ( μ1=μ 2=μ3)
H 1 : Minimal ada satu jenis obat yang menunjukkan efektivitas tidak sama
dibanding obat lainnya.
2. Telah ditetapkan bahwa tingkat signifikansi yang digunakan adalah 1%.
3. Nilai kritisnya didasarkan pada tabel Chi-kuadrat (Lampiran B) dengan derajat
2
bebas (3  1) = 2 dan tingkat signifikansi 1%, yaitu ❑2 ;0,01=9,2103. Karena data
hasil pengamatan banyak yang sama, jadi daerah kritis atau penolakan H 0 adalah
jika nilai statistik uji Hc > 9,2103.
4. Perhitungan statistik uji:
Pertama-tama, urutkan data dari data terkecil ke data terbesar dan tentukan rank-
nya. Kemudian sajikan data dalam bentuk rank tersebut ke bentuk tabel semula
dan hitung jumlah rank untuk setiap jenis obat (Tabel 8.8).

Tabel 8.8 Data Tabel 8.7 dalam bentuk ronk

Indomethacine Aspirin Piroxicam

Jenis Obat (i) (1) (2) (3)
 11,5 3,5 7,5
11,5 1 7,5
Rank data 7,5 7,5 11,5
3,5 3,5 3,5
11,5 - -
Jumlah Rank (Ri) 45,5 15,5 30
Dengan menggunakan persamaan (8.2), maka nilai H dapat dicari:
k 2
12 Ri
H= ∑
N (N +1) i=1 n i
−3( N +1)

( )
2 2 2
12 45,5 15,5 30
= + + −3( 13+1)
13(13+1) 5 4 4
= 4,095

Karena terdapat beberapa data (rank) yang sama pada masing-masing sampel,
maka perlu dilakukan koreksi terhadap nilai H.
Rank yang sama pada:
a. Kelompok 1 = 3  T1 = 33 – 3 = 24
b. Kelompok 2 = 2  T2 = 23 – 2 = 6
c. Kelompok 3 = 2  T3 = 23 – 2 = 6
Jadi, ∑ T =24+6+ 6=36 .
36
Faktor koreksinya adalah 1− =0,9836.
3 ( 3 −1 )
2

Sehingga dapat dihitung statistik ujinya menggunakan persamaan (8.5).

4,095
H c= =4,163
0,9836
5. Kesimpulan:
Tampak bahwa Hc = 4,163 < 9,21 yang berarti statistik uji Hc tidak berada pada
daerah kritis (daerah penolakan H 0). Jadi, H 0 tidak ditolak. Sehingga dapat
disimpulkan bahwa efektivitas ketiga jenis obat sebagai anti-inflamasi adalah
sama.
8.2 UJI MEDIAN

Uji median merupakan salah satu metode nonparametrik yang paling sederhana
yang dapat digunakan untuk menguji apakah dua atau lebih sampel dari populasi
independen mempunyai median yang sama atau tidak. Jika yang diselidiki terdiri atas
2 sampel independen, cukup disebut uji median saja; dan jika yang diselidiki lebih
dari 2 sampel, biasa disebut uji perluasan median.

Misalkan diketahui data terbagi dalam k sampel, seperti yang disajikan pada
Tabel 8.9 berikut:

Tabel 8.9 Data hasil pengamatan dari k sampel

Sampel ke-
1 2 3 … k
Y 11 Y 21
Y 12 Y 22
Y 13

Untuk keperluan uji median, perlu ditentukan nilai median dari data gabungan dari k
sampel. Kemudian untuk masing-masing sampel, data dibagi menjadi 2 kelompok,
yaitu data yang nilainya sama atau lebih kecil dari nilai median dan data yang
nilainya lebih besar dari nilai median. Selanjutnya, hitung jumlah data (frekuensi) dua
kelompok data tersebut untuk masing-masing sampel dan sajikan dalam tabel
kontingensi 2 x k, seperti berikut:
 Tabel 8.10 Data uji median untuk k sampel

Sampel ke-
Kelompok (i) Jumlah
1 2 3 … k

Lebih kecil atau sama dengan O O 12 O 13 O1 k

11 … a
median (1)
Lebih besar dari median (2) O21 O22 O23 … O2 k b

Ukuran sampel n1 n2 n3 … nk N
Oij adalah banyak data atau hasil pengamatan kelompok ke-i (i = 1, 2) pada sampel
ke-j (j = 1, 2, …, k) adalah banyaknya data gabungan di kelompok 1, yaitu banyaknya
data yang nilainya lebih kecil atau sama dengan median, b adalah banyaknya data
gabungan di kelompok 2, yaitu banyak data yang nilainya lebih besar dari median, ni
adalah ukuran sampel ke-i, dan N adalah jumlah total sampel gabungan.
Uji k sampel independen menggunakan uji median adalah membandingkan
median dari k sampe1 independen tersebut sama atau tidak. Caranya adalah
membandingkan proporsi banyaknya data yang berada di atas median dan banyaknya
data yang berada sama atau di bawah median. Hipotesis nol dalam uji median
menyatakan bahwa populasi-populasi dalam hal proporsi banyaknya data yang berada
di atas median dan banyaknya data yang berada sama atau di bawah median untuk
setiap sampel akan sama dengan populasi gabungan. Sehingga dengan menghitung

(
frekuensi-frekuensi harapan Eij =
nj
2 ), proses pengujian hipotesis dapat mengguna-

kan konsep uji homogenitas Chi-kuadrat.

2
2 k
( Oij −Eij )
W =∑ ∑ ……………………….(8.6)
i=1 j=1 Eij
di mana i = 1, 2 dan j = 1, 2, …, k
Statistik uji W akan mengikuti distribusi Chi-kuadrat dengan derajat bebas (k  l).
Berikut disajikan langkah-langkah uji median untuk menguji kesamaan k sampel
saling independen (bebas) yang terdiri atas 5 langkah:

1. Merumuskan hipotesis
 H 0 : Ke-k sampel memiliki median yang sama ( μ1=μ 2=⋯=μk )
H 1 : Minimal ada satu sampel yang memiliki median berbeda

( μi ≠ μ j ;i, j =1, 2 , … , k ).
2. Menentukan tingkat signifikan
Tingkat signifikansi biasa dinotasikan dengan α, biasanya 5% atau 1%.
3. Menentukan nilai kritis

Nilai kritis digunakan sebagai pedoman menerima atau menolak H 0. Caranya

adalah membandingkan nilai statistik uji W dengan nilai tabel distribusi Chi-
kuadrat (Lampiran B) dengan derajat bebas (k – l). H 0 ditolak jika:
W hit >❑2( k−1) ;α
4. Menghitung statistika uji

Statistik uji yang digunakan adalah H, seperti pada persamaan (8.6).

2
2 k
( Oij −Eij )
W =∑ ∑
i=1 j=1 Eij
di mana i = 1, 2 dan j = 1, 2, …, k
5. Membuat kesimpulan

Keputusan menolak atau menerima H 0 dilakukan setelah membandingkan nilai

hasil perhitungan statistik uji dengan nilai kritis. Jika nilai statistik uji H berada
dalam daerah penolakan, maka H 0 ditolak.

Contoh 4:
Seorang manajer produksi perusahaan ingin mengetahui pengaruh ruangan dalam
meningkatkan produktivitas karyawan. Untuk itu, ia merancang 3 ruangan dengan
luas yang sama namun kondisi yang berbeda dan menempatkan masing-masing 10
karyawan untuk setiap ruangan. Ruang pertama bersuhu 220C, ruangan kedua bersuhu
180C, dan ruang ketiga awalnya bersuhu 220C secara perlahan diturunkan menjadi
180C, lalu diukur produktivitasnya dan diperoleh data sebagai berikut:

Tabel 8.11 Data produktivitas karyawan

Ruangan A 20 15 19 14 13 16 17 18 21 15
 Ruangan B 19 18 11 15 14 14 15 19 12 13
Ruangan C 18 17 20 19 21 16 17 18 20 18
Ingin diketahui menggunakan tingkat kepercayaan 95%, apakah produktivitas
karyawan di 3 kondisi ruangan tersebut berbeda atau tidak.
Berikut proses pengujiannya menggunakan uji Kruskal-Wallis H:
1. Hipotesis:
H 0 : Produktivitas karyawan di 3 kondisi ruangan adalah sama ( μ1=μ 2=μ3 ).
H 1 : Minimal ada satu kondisi ruangan yang produktivitas karyawannya berbeda
dibanding ruangan lainnya.
2. Telah ditetapkan bahwa tingkat signifikansi yang digunakan adalah 5% (tingkat
kepercayaan 95%).
3. Nilai kritisnya didasarkan pada tabel Chi-kuadrat (Lampiran B) dengan derajat
2
bebas (3 – 1) = 2 dan tingkat signifikansi 5%, yaitu ❑2 ;0,05=5,99. Jadi daerah
kritis atau penolakan H 0 jika nilai statistik uji W > 5,99.
4. Perhitungan statistik uji:

Pertama-tama, urutkan data dari terkecil ke data terbesar dan tentukan mediannya:

11 12 13 13 14 14 14 15 15 15
15 16 16 17 17 18 18 18 18 18
18 19 19 19 19 20 20 20 21 21
Karena data berjumlah 30, maka dapat ditentukan median terletak antara data ke-
15 dan data ke-16, jadi nilai mediannya adalah 17,5. Sehingga data pada Tabel
8.11 di atas dapat disusun dalam tabel kontingensi 2 × 3 sebagai berikut:
Tabel 8.12 Tabel kontigensi 2 × 3 hasil pengamatan Oij untuk data pada Tabel
8.11
Ruangan ke-
Kelompok (i) Jumlah
1 2 3
Lebih kecil atau sama dengan median
6 7 2 15
(1)
Lebih besar dari median (2) 4 3 8 15
Ukuran Sampel (ni) 10 10 10 30
Selanjutnya, dapat dihitung nilai frekuensi harapan untuk masing-masing sel,
yaitu:
 ni
Eij = dan diperoleh sebagai berikut:
2
Tabel 8.13 Tabel kontingensi 2 × 3 frekuensi harapan (Eij untuk
data pada Tabel 8.12
Ruangan ke-
Kelompok (i) Jumlah
1 2 3
Lebih kecil atau sama dengan median
5 5 5 15
(1)
Lebih besar dari median (2) 5 5 5 15
Ukuran Sampel (ni) 10 10 10 30
Dengan menggunakan persamaan (8.6), dapat dicari statistik uji W.
2
2 k
( Oij −Eij )
W =∑ ∑
i=1 j=1 Eij

( 6−5 )2 ( 7−5 )2 (2−5 )2 ( 4−5 )2 (3−5 )2 ( 8−5 )2

= + + + + +
5 5 5 5 5 5
1+ 4+ 9+1+4 +9
=
5
= 5,60
5. Kesimpulan:

Tampak bahwa W = 5,60 < 5,99; yang berarti statistik uji W tidak berada pada
daerah kritis (daerah penolakan H 0). Jadi H 0 tidak ditolak. Sehingga dapat
disimpulkan pada tingkat kepercayaan 95% bahwa belum cukup alasan untuk
menyatakan produktivitas karyawan di 3 kondisi ruangan adalah berbeda.

8.3 UJI JONCKHEERE-TERPSTRA

Uji Kruskal-Wallis H dan uji median terbatas hanya untuk mengetahui apakah
k sampel independen memiliki nilai parameter lokasi (median) sama atau berbeda.
Beberapa kasus tertentu, peneliti ingin mengetahui apakah nilai parameter lokasi
untuk k sampel tersebut memiliki nilai yang berturutan. Misalkan:

1. Riset tentang kemujaraban obat; seorang peneliti mungkin ingin mengetahui

apakah data sampel menunjukkan bahwa peningkatan dosis dibarengi dengan
peningkatan reaksi.
2. Seorang pendidik mungkin ingin mengetahui apakah tingkat-tingkat gangguan
dalam ujian yang diklasifikasikan dari ringan, sedang, hingga berat
mengakibatkan makin turunnya nilai-nilai.
3. Seorang ahli sosiologi mungkin berminat menyelidiki apakah orang-orang dalam
kelompok-kelompok sosial-ekonomi yang rendah, sedang, dan tinggi berturut-
turut memiliki pengetahuan yang rendah, sedang, dan tinggi tentang peristiwa-
peristiwa tertentu yang baru terjadi.
Untuk menjawab pertanyaan-petanyaan penelitian tersebut di atas, Terpstra dan
Jonckheere telah memperkenalkan sebuah uji yang dapat digunakan untuk
menyelesaikannya. Uji ini dikenal dengan nama uji Jonckheere-Terpstra.

Berikut disajikan langkah-langkah uji Jonckheere-Terpstra untuk k sampel saling

independen (bebas) berturutan berikut:

1. Merumuskan hipotesis
H 0 : Ke-k sampel memiliki median sama ( μ1=μ 2=⋯=μk )

H 1 : Ke-k sampel memiliki median berturutan ( μ1 ≤ μ 2 ≤ ⋯ ≤ μ k )

2. Menentukan tingkat signifikansi

Tingkat signifikansi biasa dinotasikan dengan α, biasanya 5% atau 1%.
3. Menentukan nilai kritis
Nilai kritis digunakan sebagai pedoman menerima atau menolak H 0, dengan
membandingkan nilai statistik uji J dan nilai tabel kritis J Jonckheere-Terpstra
(Lampiran N). H 0 ditolak jika:
J hit > J tab
4. Menghitung statistika uji
Statistik uji yang digunakan adalah J:
J=∑ U ij
i< j

Dengan U ij adalah banyaknya pengamatan hasil pengamatan (a,b), yang dalam

hal ini X ia < X jb. Jadi perbandingan dilakukan untuk setiap hasil pengamatan
pasangan sampel, yaitu setiap hasil pengamatan sampel pertama dibandingkan
dengan setiap pengamatan sampel kedua. Jika nilai hasil pengamatan sampel
 pertama lebih kecil dari pengamatan kedua, maka diberi skor 1; jika lebih besar
1
diberi skor 0, dan jika sama diberi skor , demikian seterusnya. Dilanjutkan
2
antara setiap pengamatan sampel pertama dengan sampel ketiga, sampel kedua
dengan sampel ketiga, sampai semua pasangan sampel yang mungkin
dibandingkan. Sebagai contoh sederhana, perhatikan data pasangan sampel
berikut:
Sampel pertama : 1 3 5
Sampel kedua : 3 4 5
Tabel 8.14 Contoh perhitungan nilai U ij
Sampel pertama Sampel Tanda Skor
kedua
1 3 < 1
1 4 < 1
1 5 < 1
3 3 = 1
< 2
3 4 1
3 5 < 1
5 3 > 0
5 4 > 0
5 5 = 1
2
Jumlah (nilai U ij ) 6
5. Membuat kesimpulan
Keputusan menolak atau menerima H 0 dilakukan setelah membandingkan nilai
hasil perhitungan statistik uji dengan nilai kritis. Jika nilai statistik uji J berada
dalam daerah penolakan, maka H 0 ditolak.

Contoh 5:
Seseorang menyelidiki perubahan-perubahan yang terjadi dalam hernosit larva
Drosophila algoquin selama ditumpangi oleh parasit hymenoptera yang disebut
Pseuduecoila bochei. Duapuluh tujuh jam setelah ditumpangi parasit, hitungan
plasmatosit diferensial (%) dilakukan terhadap tiga kelompok larva Drosophila
algoquin tersebut, yang masing-masing adalah: kelompok larva tuan rumah (host
larvae) dengan reaksi yang berhasil (S), kelompok larva dengan reaksi yang tidak
berhasil (U), dan kelompok larva yang tidak dapat memberikan reaksi (N). Hasil-hasil
penelitian tersebut dilampirkan dalam Tabel 8.15.
Tabel 8.15 Persentase hitungan plasmatosit diferensial

Reaksi indung semang Reaksi indung semang Reaksi indung semang

yang berhasil (S) yang gagal (U) tidak ada reaksi (N)
54,0 79,8 98,6
67,0 82,0 99,5
47,2 88,8 95,8
71,1 79,6 93,3
62,7 85,7 98,9
44,8 81,7 91,1
67,4 88,5 94,5
80,2
Peneliti ingin menguji hipotesis nol yang menyatakan tidak adanya perbedaan di
antara tiga kelompok, dengan hipotesis tandingan yang menyatakan bahwa hitungan
plasmatosit diferensial (%) tiga kelompok larva Drosophila algoquin tersebut, dari
kelompok N hingga S menurun.

Berikut proses pengujiannya menggunakan uji Jonckheere- Terpstra:

1. Hipotesis:
H 0 : Ketiga kelompok memiliki hitungan plasmatosit diferensial (%) yang sama

( μ S=μU =μ N )
H 1 : Hitungan plasmatosit diferensial (%) dari kelompok N hingga S menurun

( μ S ≤ μU ≤ μ N ) .
2. Telah ditetapkan bahwa tingkat signifikansi yang digunakan adalah 5%.
3. Nilai kritisnya didasarkan pada tabel harga kritis J statistik uji Jonckheere-
Terpstra (Lampiran N) dengan k = 3, ukuran sampel 7, 7, 8 dan α/ 2 = 0,025,
diperoleh nilai tabel senilai 114. Jadi daerah kritis atau penolakan H 0 jika nilai
statistik uji J >114.
4. Perhitungan statistik uji:

Mula-mula dibandingkan nilai-nilai pengamatan dalam kelompok S dengan yang

dalam kelompok U dan mendapatkan U SU = 54. Perbandingan nilai-nilai
 pengamatan dalam kelompok S dengan yang dalam kelompok N menghasilkan
U SN =56. Akhirnya, dari perbandingan nilai-nilai pengamatan dalam kelompok U
dengan yang dalam kelompok N menghasilkan U UN =49 . Dengan demikian, dapat
diperoleh statistik uji J, yaitu:
J = 54 + 56 + 49 = 159
5. Kesimpulan:

Tampak bahwa J = 159 > 114, yang berarti statistik uji J berada pada daerah kritis
(daerah penolakan H 0), jadi H 0 ditolak. Sehingga dapat disimpulkan pada tingkat
kepercayaan 95% bahwa hitungan plasmatosit diferensial (%) dari kelompok N
hingga S menurun ( μ S ≤ μU ≤ μ N ) .
Untuk ukuran-ukuran sampel yang besar, J kurang lebih memiliki distribusi normal
standar. Apabila menggunakan aproksimasi normal, maka dapat dihitung statistik uji
Z sebagai berikut:

[( ) ]
k
J − N −∑ ni / 4
2 2

i =1
Z= …………………………(8.8)

√[ ]
k
N 2 ( 2 N + 3 )−∑ n2i ( 2 ni +3 ) /72
i=1

Daerah penolakan H 0 adalah atau Z hit <−Z α / 2 atau Z hit > Z 1−α / 2
Contoh 6:
Sebagai contoh digunakan Contoh 5 di atas.
Rumusan hipotesisnya adalah:
H 0 : Ketiga kelompok memiliki median yang sama ( μ1=μ 2=μ3 )
H 0 : Ketiga kelompok memiliki median yang meningkat dari kelompok 1 ke

kelompok 3, atau menurun dari kelompok N hingga S ( μ1 ≤ μ 2 ≤ μ 3 ).

Telah diketahui bahwa J = 159, dan selanjutnya dapat dihitung:

N = 8 + 7 + 7 = 22
3

∑ n2i =82 +7 2+7 2=162

i=1
 3

∑ n2i ( 2 ni +3 )=82 ( 2× 8+3 )+7 2 ( 2 ×7+3 )+ 72 ( 2 ×7+ 3 )=2882

i=1

Sehingga jika akan digunakan pendekatan distribusi normal, maka statistik uji Z dapat
Shitung dengan menggunakan persamaan (8.8) di atas.
159−[ ( 22 −162 ) / 4 ]
2
Z= =4,73
√[ 222 ( 2× 22+ 3 )−2882 ] /72
Pada tingkat kepercayaan 95%, dapat dibentuk daerah kritis atau daerah penolakan
H 0 adalah:
Z hit <−Z 0,05 /2 atau Z hit > Z 1−0,05/ 2
Z hit <−Z 0,025 atau Z hit > Z 0,975
Z hit ←1,96 atau Z hit >1,96
Tampak bahwa nilai statistik uji Z = 4,73 > 1,96. Jadi Z berada dalam daerah
penolakan H 0. Dengan demikian, H 0 ditolak. Sehingga dapat disimpulkan bahwa
ketiga kelompok memiliki median yang meningkat dari kelompok 1 ke kelompok 3.

Latihan
1. Seorang staf bagian Research and Development sebuah perusahaan telepon
genggam (handphone) ingin menguji ketahanan 4 jenis baterai telepon genggam
yang diproduksi perusahaannya. Untuk iłu, ia mengambil 22 sampel dan
diperoleh data daya tahan hidup (jam) sebagai berikut:

Daya Tahan (jam)

Jenis A Jenis B Jenis C Jenis D
60 64 52 69
58 70 62 55
45 74 65 54
62 68 56 60
50 76 72 60
48 51
 a. Selidikilah dengan menggunakan uji KruskalI-Wallis H pada tingkat
kepercayaan 95%, apakah daya tahan keempat baterai telepon genggam
tersebut sama atau berbeda.
b. Jika kesimpulan pada soal a berbeda, lakukan uji lanjutan pada tingkat
kepercayaan 90%.
2. Seorang manajer HRD sebuah perusahaan sedang mengevaluasi kinerja 3 unit
kerja di perusahaannya. Untuk itu, ia mengambil sampel masing-masing 6
karyawan setiap unit dan mengukur kinerjanya (skala 0 – 10), dan diperoleh data
sebagai berikut:

Selidikilah menggunakan uji Kruskal-Wallis H pada tingkat kepercayaan 99%,

apakah terdapat perbedaan kinerja 3 unit kerja perusahaan tersebut.
3. Berikut adalah data penjualan 4 merek mobil selama 1 (satu) tahun terakhir. Ingin
diketahui apakah ada perbedaan angka penjualan keempat merek mobil tersebut.
Gunakan tingkat signifikansi 5% dengan uji median.

Merek
Bulan
A B C D
 1 50 47 33 31
2 45 36 32 33
3 48 33 37 36
4 36 38 35 39
5 39 49 42 38
6 41 51 41 35
7 42 35 43 32
8 35 42 45 29
9 60 40 41 40
10 65 39 40 43
11 60 42 44 38
12 64 40 50 36
4. Seorang dokter anak ingin mengetahui pengaruh kebiasaan merokok ibu pada
trimester pertama terhadap berat badan bayi. Untuk itu, ia mencatat berat bayi
baru lahir selama 1 bulan pada sebuah rumah sakit dan mengelompokkan
kebiasaan merokok ibu dalam 3 kelompok, yaitu:

Kelompok 1: Ibu adalah perokok aktif

Kelompok 2: Ibu adalah mantan perokok

Kelompok 3: Ibu tidak pernah merokok
Berikut adalah data berat badan bayi dalam (kg) berdasarkan kebiasan merokok
ibu:
Kelompok 1 Kelompok 2 Kelompok 3
3,4 3,7 3,8
3,1 2,9 4,2
2,8 3,5 3,8
2,5 4,1 4,6
3,0 3,9 3,4
3,5 3,1
2,9 3,5
2,7
Selidikilah menggunakan uji Jonckheere-Terpstra dengan menggunakan tingkat
kepercayaan 95%, apakah dapat disimpulkan bahwa berat badan bayi baru lahir
berdasarkan kebiasaan merokok ibu, yaitu dari kelompok 1, kelompok 2, dan
kelompok 3 adalah makin berat.
5. Tim Research and Development sebuah perusahaan melakukan eksperimen untuk
menguji produktivitas dengan menanam 5 varietas padi. Untuk itu, dilakukan
 percobaan dengan menanam 5 varietas tersebut ke dalam petak-petak percobaan
(luasnya sama) diperoleh hasil (kuintal/petak) sebagai berikut:
Varietas Padi
Replikasi
I II III IV V
1 7,4 4,3 4,8 9,6 11,2
2 4,5 8,4 9,5 7,8 9,4
3 7,3 6,6 8,5 7,7 12,7
4 5,0 4,9 8,8 8,3 7,5
5 6,3 5,8 7,9 9,5 10,5
6 5,8 7,6 8,0 6,9
7 5,8 3,7
Selidikilah menggunakan uji Kruskal-Wallis H pada tingkat kepercayaan 99%,
apakah kelima varietas padi tersebut memberikan hasil yang sama.
6. Tiga kelompok: A, B, dan C dilibatkan dalam suatu eksperimen, dan diperoleh
hasil eksperimen sebagai berikut:
Kelompok A Kelompok B Kelompok C
80 60 70 50 75 50
70 50 75 85 55 85
85 50 70 65 60 60
60 85 80 50 50 55
65 55 75 95 95 80
90 80 85 80 90 70
75 90 75 70 90
60 75 85 65 77
75 90 55 75
80 85 45 65
Selidiki menggunakan uji median pada tingkat kepercayaan 95%, apakah hasil
eksperimen dari ketiga kelompok tersebut sama.