UNIVERSITAS MARITIM RAJA ALI HAJI

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

PENDIDIKAN MATEMATIKA

KELOMPOK 5

Uji Mc Nemar,
Uji Tanda, dan
Uji Wilcoxon Match
Pairs

NAMA ANGGOTA :
1. SINDI SRI CAHYANI (2103020020)
2. IRNA ANDRIANI HAMUDDIN (2103020021)
3. DITA MEILISA (2103020022)
4. RINI FITRIANI (2103020023)
5. VIONNA KEZIA A.P. (2103020025)
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa telah melimpahkan Rahmat dan karunia-Nya
sehingga penulis dapat menyelesaikan makalah ini dengan judul “Uji Mc Nemar, Uji Tanda, dan
Uji Wilcoxon Match Pairs” ini tepat pada waktunya.
Laporan ini dibuat untuk memenuhi tugas pada mata kuliah Statistika Inferensial dan untuk
menambah pengetahuan serta wawasan penulis maupun pembaca mengenai uji mc nemar, uji
tanda, dan uji wilcoxon match pairs.
Dengan selesainya penulisan laporan ini, penulis mengucapkan terimakasih kepada Ibu Dr.
Desi Rahmatina, S.Pd., M.Sc, selaku dosen mata kuliah Statistika Inferensial yang telah
memberikan tugas ini sehingga dapat menambah pengetahuan dan wawasan penulis. Penulis juga
mengucapkan terimakasih kepada semua pihak yang telah memberikan dukungan dan bantuannya
selama proses pengerjaan tugas proyek ini.
Penulis menyadari bahwa penulisan laporan ini masih banyak kekurangan, baik dari bentuk
penyusunan maupun isi dari laporan ini. Oleh karena itu, penulis sangat mengharapkan kritik dan
saran yang membangun sehingga penulis dapat memperbaiki kesalahan dan kekurangan yang ada
pada laporan ini. Atas kritik dan sarannya penulis mengucapkan terimakasih.

Tanjungpinang, 23 Juni 2023

Penulis

Kelompok 4
 DAFTAR ISI

KATA PENGANTAR .................................................................................................................... 1

DAFTAR ISI................................................................................................................................... 2
BAB I .............................................................................................................................................. 3
PENDAHULUAN .......................................................................................................................... 3
1.1 Latar Belakang ............................................................................................................... 3
1.2 Rumusan Masalah .......................................................................................................... 4
1.3 Tujuan ............................................................................................................................. 4
BAB II............................................................................................................................................. 5
PEMBAHASAN ............................................................................................................................. 5
2.1 Uji Mc Nemar ................................................................................................................. 5
2.1.1 Pengertian Uji Mc Nemar ....................................................................................... 5
2.1.2 Syarat Uji Mc Nemar .............................................................................................. 5
2.1.3 Kasus Uji Mc Nemar ............................................................................................... 7
2.1.4 Uji Mc Nemar menggunakan SPSS ..................................................................... 10
2.2 Uji Tanda ...................................................................................................................... 15
2.2.1 Pengertian Uji Tanda ............................................................................................ 15
2.2.2 Kasus Uji Tanda .................................................................................................... 16
2.2.3 Pegujian Dengan SPSS .......................................................................................... 19
2.3 Uji Wilcoxon Matched-Paired..................................................................................... 29
2.3.1 Pengertian Uji wilcoxon matched-paired ............................................................ 29
2.3.2 Syarat Uji wilcoxon matched-paired ................................................................... 36
2.3.3 Kasus Uji wilcoxon matched-paired .................................................................... 36
BAB III ......................................................................................................................................... 43
PENUTUP..................................................................................................................................... 43
3.1 Kesimpulan ................................................................................................................... 43
3.2 Saran.............................................................................................................................. 44
DAFTAR PUSTAKA ................................................................................................................... 45
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Uji Mc Nemar ini merupakan uji komparatif untuk dua sampel independen. Fungsi dari Uji
Mc Nemar ialah sebagai berikut :

• Membandingkan distribusi dua variabel yang berhubungan atau membandingkan satu

variabel pada dua kelompok yang berhubungan.
• Uji Mc Nemar digunakan untuk mengeolah data kategorik (nominal atau ordinal) dengan
dua sampel terikat
• Umumnya Mc Nemar menaksir perubahan “sebelum” dan “sesudah” atau pada situasi
pengukuran berulang dimana respon setiap subjek diukur dua kali kemudian dibandingkan.
• Uji Mc Nemar ini dapat digunakan untuk menguji efektivitas suatu treatment
(pelatihan,promosi,pengawasan dan lain-lain).

Tes ini juga dapat digunakan untuk menguji misalnya efek perpindahan pertanian ke kota besar
terhadap afiliasi politik seseorang. Uji Mc Nemar digunakan untuk data yang observasinya
berskala ukur Nomial dikotomus (binair).

Uji Tanda Digunakan untuk membandingkan dua sampel berpasangan dengan skala ordinal.
prinsipdari uji tanda adalah menghitung selisih pasangan nilai data dari sampel pertama dengan
sampel kedua, kemudian dihitung jumlah selisih pasangan data yang positif dan jumlah selisih
pasangan data yang negatif. Jika hipotesis nol benar, maka diharapkan jumlah selisih pasangan
data yang positif kurang lebih akan sama dengan jumlah selisih pasangandata yang negatif. Dengan
kata lain, diharapkan jumlah selisih pasangan data yang positif dan jumlah selisih pasangan data
yang negatif adalah setengah dari total sampel. Jika jumlah selisih pasangan data yang negatif atau
jumlah selisih pasangan yang positif berbeda jauh, maka hipotesis nol ditolak.

Uji Wilcoxon merupakan penyempurnaan dari uji tanda (sign test). Nama Wilcoxon
mengikuti nama Frank Wilcoxon. Yang membedakan uji Wilcoxon dengan Uji Tanda adalah
bila pada uji tanda, besarnya selisih nilai angka antara yang berinisial positif dan negative tidak
diperhitungkan, maka pada uji Wilcoxon skor-skor tersebut menjadi diperhitungkan. Uji
wilcoxon matched-paired signed test adalah salah satu uji nonparametris yang digunakan untuk
mengukur ada tidaknya perbedaan nilai rata-rata 2 kelompok sampel yang saling berpasangan
(dependen).

Wilcoxon Matched Pairs digunakan dalam penelitian komparasi dengan membandingkan

nilai dari dua kelompok yang yang berkaitan. Kelompok yang berkaitan berarti data didapat dari
dua kelompok dengan subjek yang sama namun dalam waktu pengetesan yang berbeda.
Misalkan kita ingin membandingkan konsentrasi siswa sebelum dan sesudah makan siang, maka
teknik ini dapat digunakan. Dalam uji Wilcoxon, bila sampel pasangan kurang dari 25 (n > 25 ),
maka sebaran akan mendekati sebaran normal

1.2 Rumusan Masalah

1. Apa yang dimaksud dengan uji mc nemar, uji tanda, dan uji wilcoxon matched pairs?
2. Pengujian apa saja yang dapat dipahami dalam uji mc nemar, uji tanda, dan uji
wilcoxon matched pairs?
3. Bagaimana tahapan penyelesaian pada uji mc nemar, uji tanda, dan uji wilcoxon
matched pairs jika menggunakan SPSS?

1.3 Tujuan
1. Untuk mengetahui definisi atau pengertian dari mc nemar, uji tanda, dan uji wilcoxon
matched pairs.
2. Untuk mengetahui pengujian yang dilakukan dalam mc nemar, uji tanda, dan uji
wilcoxon matched pairs.
3. Untuk mengetahui tahapan penyelesaian pada mc nemar, uji tanda, dan uji wilcoxon
matched pairs jika menggunakan SPSS.
 BAB II

PEMBAHASAN

2.1 Uji Mc Nemar

2.1.1 Pengertian Uji Mc Nemar
Uji Mc Nemar ini merupakan uji komparatif untuk dua sampel independen. Fungsi dari Uji Mc
Nemar ialah sebagai berikut :

• Membandingkan distribusi dua variabel yang berhubungan atau membandingkan satu

variabel pada dua kelompok yang berhubungan.
• Uji Mc Nemar digunakan untuk mengeolah data kategorik (nominal atau ordinal) dengan
dua sampel terikat
• Umumnya Mc Nemar menaksir perubahan “sebelum” dan “sesudah” atau pada situasi
pengukuran berulang dimana respon setiap subjek diukur dua kali kemudian dibandingkan.
• Uji Mc Nemar ini dapat digunakan untuk menguji efektivitas suatu treatment
(pelatihan,promosi,pengawasan dan lain-lain).

Tes ini juga dapat digunakan untuk menguji misalnya efek perpindahan pertanian ke kota besar
terhadap afiliasi politik seseorang. Uji Mc Nemar digunakan untuk data yang observasinya
berskala ukur Nomial dikotomus (binair).

2.1.2 Syarat Uji Mc Nemar

Contoh :

• Ya – Tidak
• Suka – Tidak Suka
• Minat – Tidak Minat
• Dan lain-lain

Untuk datanya disusun dalam tabel kontingensi 2 × 2 sebagai berikut:

Setelah perlakuan
 − +
Sebelum + A B
perlakuan − C D

Yang harus diperhatikan ialah sel-sel yang mengalami perubahan

Setelah perlakuan
− +
Sebelum + A B
perlakuan − C D

Sel A mengalami perubahan dari kategori + ke kategori –

Sel D mengalami perubahan dari kategori − ke kategori +

Jadi Sel A dan Sel D ini yang menjadi perhatian untuk di analisis

Statistik Uji

Statistik uji Mc Nemar dikembangkan dari uji Chi-square :

(𝑂𝑖 −𝐸𝑖 )2
𝑥 2 = ∑𝑘𝑖=1 𝐸𝑖

Dengan :

• 𝑂𝑖 : banyak kasus yang diobservasi untuk kategori ke – i

• 𝐸𝑖 : banyak kasus yang diharapkan untuk kategori ke – i

Sehingga, statistik uji Mc Nemar

(𝐴−𝐷)2
𝑥2 = 𝐴+𝐷

Mendekati distribusi Chi-square dengan df = 1

Distribusi Chi-square akan lebih tepat jika dilakukan koreksi untuk kontinuitas,sehingga rumus
tersebut kemudian dikoreksi oleh Yates pada tahun 1943,dengan cara mengurangi dengan angka
1. Sehingga rumus yang menggunakan koreksi kontinuitas adalah

(|𝐴−𝐷|−1)2
𝑥2 = 𝐴+𝐷

Kreteria uji

𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘 𝑗𝑖𝑘𝑎 𝑥 2 ℎ𝑖𝑡𝑢𝑛𝑔 ≥ 𝑥 2 𝑡𝑎𝑏𝑒𝑙

𝑎𝑡𝑎𝑢 𝑃𝑣𝑎𝑙𝑢𝑒 ≤ ∝

Dengan 𝑃𝑣𝑎𝑙𝑢𝑒 ∶ nilai peluang terjadinya kekeliruan tipe 1 yang diperoleh dari data.

Langkah pengerjaan

1. Tentukan hipotesis
2. Tentukan nilai kritis chi-square 𝑥 2 dengan df=1
3. Masukkan data yang telah di observasi kedalam tabel fourfold
4. Bandingkan nilai chi-square hitung dengan chi-square tabel. Keputusan tolak 𝐻0 jika chi-
square hitung > chi-square tabel
5. Kesimpulan

2.1.3 Kasus Uji Mc Nemar

Contoh :

Seorang peneliti ingin mengetahui efektifitas sebuah metode penyuluhan untuk meningkatkan
pengetahuan murid terhadap Perilaku Hidup Bersih dan Sehat (PHBS) pada anak-anak SD.
Sebanyak 100 murid SD dipilih secara random untuk dilakukan pengukuran tingkat pengetahuan
tentang PHBS. Setelah tes pengetahuan dijalankan, 100 anak- anak SD tersebut diberikan sebuah
metode penyuluhan tentang PHBS. Setelah diberikan penyuluhan, tingkat pengetahuan PHBS
anak SD tersebut diukur kembali. Hasil pengukuran disajikan pada tabel dibawah. Berdasarkan
data tersebut, apakah dapat disimpulkan bahwa metode penyuluhan yang diberikan efektif
meningkatkan pengetahuan anak SD tentang PHBS.
Tabel nilai pre-test dan post-test anak sd
Post-test
Pengetahuan Pengetahuan
baik tidak baik
Pre-test Pengetahuan tidak 41 36
baik
Pengetahuan baik 10 13

Hipotesis

𝐻0 : tidak ada perbedaan pengetahuan PHBS pada anak-anak SD sebelum dan sesudah penyuluhan

𝐻𝑎 : ada peningkatan pengetahuan PHBS pada anak-anak SD setelah penyuluhan.

Kriteria Uji

• 𝛼=5%
• 𝑥 2 (chi-square tabel ) = 3,841
• Df = 1
 • tolak 𝐻0 jika chi-square hitung > chi-square tabel

rumus uji Mc Nemar

(|𝐴−𝐷|−1)2
𝑥2 = 𝐴+𝐷

• A = anak-anak SD yang pengetahuan PHBS nya kurang baik kemudian pengetahuannya

menjadi baik setelah dilakukan metode penyuluhan
 • D = anak-anak SD yang pengetahuan PHBS nya baik kemudian pengetahuannya menjadi
kurang baik setelah dilakukan metode penyuluhan

(|𝐴−𝐷|−1)2
𝑥2 = 𝐴+𝐷

(|41−13|−1)2
𝑥2 = (41+13)

272
𝑥2 = 54

𝒙𝟐 = 𝟏𝟑. 𝟓

Keputusan

Karena 𝑥 2 ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑥 2 𝑡𝑎𝑏𝑒𝑙

𝟏𝟑. 𝟓 > 3,841

Kesimpulan

Maka 𝐻0 ditolak

Dengan tingkat signifikansi sebesar 5%, dapat disimpulkan bahwa metode penyuluhan yang
diberikan efektif untuk meningkatkan pengetahuan anak SD tentang PHBS.

2.1.4 Uji Mc Nemar menggunakan SPSS

1. Persiapkan data yang akan diuji. Buka program SPSS, lalu klik Variabel View.
Selanjutnya,pada bagian Name tuliskan Pre Test,Post Test, dan Frekuensi. Pada bagian
desimal ubah semua menjadi angka 0.
2. Pada bagian Values PreTest tuliskan 1 (pengetahuan baik), 2 (pengtehauan tidak baik)
3. Pada bagian Values PosTest tuliskan 1 (pengetahuan baik), 2 (pengtehauan tidak baik)

4. Setalah itu, klik Data View, lalu masukkan data PreTest,PostTest, dan frekuensi yang
sudah disiapkan tadi.
5. Selanjutnya dari menu SPSS pilih menu Data, kemudian pilih weight cases

6. Muncul kotak baru dengan nama “weight cases”,selanjutnya masukkan Frekuensi pada
kotak Frequency variable. Setelah itu pilih ok.
7. lalu pilih menu analyze, kemudian submenu Nonparametric Test,lalu pilih Legacy Dialogs,
dan pilih 2 Related Samples

8. Muncul kotak baru dengan nama “Two Related Samples Tests”,selanjutnya masukkan Pretest
dan Postest pada kotak Test Pairs. Setelah pilih Mc Nemar .setelah itu kilik ok.
9.hasil Output

Kesimpulan : Maka 𝐻0 ditolak

𝟏𝟑. 𝟓 > 3,841

Dengan tingkat signifikansi sebesar 5%, dapat disimpulkan bahwa metode penyuluhan yang
diberikan efektif untuk meningkatkan pengetahuan anak SD tentang PHBS.

2.2 Uji Tanda

2.2.1 Pengertian Uji Tanda
Digunakan untuk membandingkan dua sampel berpasangan dengan skala ordinal. prinsip
dari uji tanda adalah menghitung selisih pasangan nilai data dari sampel pertama dengan
sampel kedua, kemudian dihitung jumlah selisih pasangan data yang positif dan jumlah
selisih pasangan data yang negatif. Jika hipotesis nol benar, maka diharapkan jumlah selisih
pasangan data yang positif kurang lebih akan sama dengan jumlah selisih pasangandata
yang negatif. Dengan kata lain, diharapkan jumlah selisih pasangan data yang positif dan
 jumlah selisih pasangan data yang negatif adalah setengah dari total sampel. Jika jumlah
selisih pasangan data yang negatif atau jumlah selisih pasangan yang positif berbeda jauh,
maka hipotesis nol ditolak.

Ada tiga bentuk hipotesis untuk uji tanda di mana penggunaannya tergantung dari persoalan
yang akan diuji:
1. Bentuk uji hipotesis dua sisi (two-sided atau two-tailed test) dengan hipotesis:
Ho : μ = 0,5
Ha : μ ≠ 0,5
2. Bentuk uji hipotesis satu sisi (one-sided atau one-tailed test) untuk sisi atas (upper
tailed) dengan hipotesis:
Ho : μ < 0,5
Ha : μ > 0,5
3. Bentuk uji hipotesis satu sisi(one-sided atau one-tailed test) untuk sisi bawah (lower
tailed) dengan hipotesis:
Ho : μ > 0,5
Ha : μ < 0,5

Dalam pengujian hipotesis, kriteria untuk menolak atau tidak menolak Ho berdasarkan P-
value adalah sebagai berikut:

➢ Jika P-value (Sig.) < α, maka Ho ditolak

➢ Jika P-value (Sig.) > α, maka Ho diterima

Dalam program SPSS digunakan istilah significance (yang disingkat sig) untuk P-value; atau
dengan kata lain P-value = Sig.

2.2.2 Kasus Uji Tanda

Contoh 1 :

Dalam menentukan persepsi mobil mana yang lebih nyaman dikendarai, 10 orang dipilih
secara acak dan masing-masing diminta duduk di bagian belakang mobil model Eropa danmobil
model Jepang. Kemudian ke-10 orang tersebut masing-masing diminta memberi penilaian
dengan 5-point scale sebagai berikut: 1 = mobil sangat tidak nyaman, 2 = mobil tidak nyaman, 3
= netral, 4 = mobil nyaman dan 5 = mobil sangat nyaman.

Kenyamanan
Responden
Mobil Eropa Mobil Jepang
A 4 5
B 2 1
C 5 4
D 3 2
E 2 1
F 5 3
G 1 3
H 4 2
I 4 2
J 2 2

Apakah dapat disimpulkan bahwa mobil model Eropa lebih nyaman dibandingkan mobil
model Jepang? Gunakan α = 0,05.

Dalam contoh ini kita ingin membandingkan dua populasi dengan skala ordinal. Karena
ke-10 orang yang sama memberi penilaian kepada kedua model mobil, maka data-data yang
diperoleh adalah data berpasangan. Karena kita membandingkan apakah mobil model
Eropa lebih nyaman dibandingkan mobil model Jepang, maka digunakan uji hipotesis satu
sisi (one-sided atau one-tailed test) yaitu sisi atas (upper tail) dengan hipotesis:

Tahap Pertama:
Tahap pertama adalah perumusan hipotesis. Berikut perumusan hipotesis
Ho : Mobil Eropa sama nyamannya dengan Mobil Jepang.
Ha : Mobil Eropa lebih nyaman dari Mobil Jepang.

Tahap Kedua:
Tahap kedua adalah menentukan tingkat signifikansi yang nantinya akan dibandingkan
dengan nilai probabilitas kumulatif dari nilai 𝑋. Tingkat signifikansi yang digunakan dalam
kasus ini adalah 𝛼 = 5% atau 𝛼 = 0,05.
Tahap Ketiga:
Tahap ketiga adalah menghitung nilai probabilitas kumulatif dari nilai 𝑋.

Kenyamanan Tanda
Responden
Mobil Eropa Mobil Jepang
A 4 5 +
B 2 1 -
C 5 4 -
D 3 2 -
E 2 1 -
F 5 3 -
G 1 3 +
H 4 2 -
I 4 2 -
J 2 2 0

➢ Pertama akan ditentukan tanda untuk setiap pasangan nilai data.

Berdasarkan data pada Tabel , pasangan nilai data 4,5 diberi tanda positif
(+) karena 5 − 4 > 0, pasangan nilai data 2,1 diberi tanda negatif (–) karena
1 − 2 < 0, dan seterusnya.
➢ Selanjutnya akan ditentukan nilai dari 𝑛. Perhatikan bahwa 𝑛 menyatakan
jumlah dari tanda positif + dan tanda negatif − . Berdasarkan Tabel di atas,
tanda positif + berjumlah 7 dan tanda negatif − berjumlah 2, sehingga nilai
𝑛 adalah 7 + 2 = 9.
➢ Kemudian akan dihitung nilai probabilitas kumulatif dari nilai 𝑋. Perhatikan
bahwa nilai 𝑋 menyatakan jumlah tanda yang paling sedikit, yakni antara
tanda positif + atau tanda negatif − . Diketahui jumlah tanda positif sebanyak
7 dan jumlah tanda negatif – sebanyak 2, sehingga nilai 𝑋 adalah 2. Berikut
akan dihitung nilai probabilitas kumulatif (p-value) dari nilai 𝑋 = 2.
 𝑥 𝑖 𝑛−𝑖
𝑛 1 1
2 [∑ ( ) ( ) ( ) ]
𝑖 2 2
𝑖=0

0
9 1 1 9 9 1
1
1 8 9 1
2
1 7
2 [( ) ( ) ( ) + ( ) ( ) ( ) + ( ) ( ) ( ) ]
0 2 2 1 2 2 2 2 2

2[0,001953 + 0,017578 + 0,070312]

0,179686

Atau dibulatkan menjadi 0,180

Tahap Keempat:
Tahap keempat adalah pengambilan keputusan terhadap hipotesis.
➢ 𝐽𝑖𝑘𝑎 𝑛𝑖𝑙𝑎𝑖 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 𝑘𝑢𝑚𝑢𝑙𝑎𝑡𝑖𝑓 𝑑𝑎𝑟𝑖 𝑋 ≥ 𝛼, 𝑚𝑎𝑘𝑎 𝐻0 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎, 𝐻1 𝑑𝑖𝑡𝑜𝑙𝑎𝑘.
➢ 𝐽𝑖𝑘𝑎 𝑛𝑖𝑙𝑎𝑖 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 𝑘𝑢𝑚𝑢𝑙𝑎𝑡𝑖𝑓 𝑑𝑎𝑟𝑖 𝑋 < 𝛼, 𝑚𝑎𝑘𝑎 𝐻1 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎, 𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘.

Berdasarkan perhitungan, diperoleh nilai probabilitas kumulatif untuk 𝑋 = 2 adalah

0,180, dan tingkat signifikansi yang akan dibandingkan adalah 0,05. Nilai probabilitas
kumulatif untuk 𝑋 = 2, yakni 0,180 karena pengujian kita adalah uji 1 pihak (one tailed)
maka nilai probabilitas dibagi dua = 0,09 , lebih besar dari nilai tingkat signifikansi,
yakni 0,05, maka hipotesis nol diterima dan hipotesis alternatif ditolak. Artinya mobil
Eropa sama nyamannya dengan mobil jepang.

2.2.3 Pegujian Dengan SPSS

Input data di atas ke dalam SPSS.
Pada kolom Name ketik Mobil_Eropa dan Mobil_Jepang.
Pada kolom Decimals angka ganti menjadi 0.
Pada kolom Align isikan Center.
Pada kolom Measure isikan Ordinal.
 Untuk kolom-kolom lainnya biarkan saja (isian default)

Klik tab sheet [Variable View] pada SPSS data editor dan ketik/copy data
sebagai berikut :

Selanjutanya klik [Analyze] > [Nonparametrik Test] > [Legacy Dialogs]>[2

Related Samples].

Akan muncul kotak dialog Two-Related-Samples Test, masukan variabel

Mobil_Eropa dan Mobil_Jepang pada kotak Test Pairs di sebelah kanan dan
tandai Sign dipilihan Test Type.
 Klik [OK].

Muncul output SPSS viewer menampilkan hasil sebagai berikut ini

Dari output frequencies uji tanda (Sign Test) terlihat bahwa jumlah selisih pasangan data
mobil jepang – mobil eropa terdiri 7 pasang berselisih negatif, 2 pasang berselisih positif, dan 1
pasang berselisih nol atau pasangan sata berselisih sama (ties).

Nilai P-Value (Exact Sig.) untuk uji 2 pihak diatas adalah 0,180, karena pengujian kita
adalah uji 1 pihak (One Tail) Ha:n > 0,5maka nilai P-Value (Exact Sig.) harus dibagi dua = 0,09.
Ternyata nilai P-Value (Exact Sig.) > 𝛼 atau 0,09 > 0,05 sehingga merupakan bukti kuat untuk
menerima Ho. Artinya mobil eropa sama nyamannya dengan mobil jepang.

Contoh 2:
Misalkan seorang ahli farmasi ingin mengetahui ada tidaknya pengaruh terhadap perubahan berat
badan sebelum mengkonsumsi obat penambah berat badan merek Appeton dan sesudah
mengkonsumsi obat penambah berat badan merek Appeton selama satu minggu.
 Nama X Y
A 45 50
B 55 60
C 57 60
D 54 65
E 65 63
F 72 80
G 80 90
H 44 50
I 67 65
J 60 60
K 65 75
L 75 80
M 67 85
N 66 70
O 62 65

Misalkan 𝑋 menyatakan berat badan sebelum mengkonsumsi obatpenambah berat badan merek
Appeton, sedangkan 𝑌 menyatakan berat badan sesudah mengkonsumsi obat penambah berat
badan merek Appeton selama satu minggu. Dengan menggunakan tingkat signifikansi 5%,
berikut akan diuji apakah terdapat perbedaan berat badan yang signifikan secara statistika,
sebelum mengkonsumsi obat penambah berat badan merek Appeton dan sesudah mengkonsumsi
obat penambah berat badan merek Appeton selama satu minggu.

• Tahap Pertama
Tahap pertama adalah perumusan hipotesis. Berikut perumusan hipotesis.

➢ 𝐻0 : Tidak terdapat perbedaan berat badan sebelum mengkonsumsi obat

penambah berat badan merek Appeton dan sesudah mengkonsumsi obat
penambah berat badan merek 𝐴ppeton selama satu minggu

➢ 𝐻1 : Terdapat perbedaan berat badan sebelum mengkonsumsi obat penambah

berat badan merek 𝐴ppeton dan sesudah mengkonsumsi obat penambah berat
badan merek 𝐴ppeton selama satu minggu
• Tahap Kedua
Tahap kedua adalah menentukan tingkat signifikansi yang nantinya akan
dibandingkan dengan nilai probabilitas kumulatif dari nilai 𝑋. Tingkat signifikansi
yang digunakan dalam kasus ini adalah 𝛼 = 5% atau 𝛼 = 0,05.

• Tahap Ketiga
Tahap ketiga adalah menghitung nilai probabilitas kumulatif dari nilai 𝑋.
Nama X Y Tanda
A 45 50 +
B 55 60 +
C 57 60 +
D 54 65 +
E 65 63 -
F 72 80 +
G 80 90 +
H 44 50 +
I 67 65 -
J 60 60 0
K 65 75 +
L 75 80 +
M 67 85 +
N 66 70 +
O 62 65 +
➢ Pertama akan ditentukan tanda untuk setiap pasangan nilai data. Berdasarkan data pada
Tabel 1.4, pasangan nilai data (45,50) diberi tanda positif (+) karena 50 − 45 > 0,
pasangan nilai data (67,65) diberi tanda negatif (– ) karena 65 − 67 < 0, dan seterusnya.
➢ Selanjutnya akan ditentukan nilai dari 𝑛. Perhatikan bahwa 𝑛 menyatakan jumlah
dari tanda positif (+) dan tanda negatif (−). Berdasarkan Tabel 1.4, tanda positif
(+) berjumlah 12 dan tanda negatif (−) berjumlah 2, sehingga nilai 𝑛 adalah 12 + 2
= 14.
➢ Kemudian akan dihitung nilai probabilitas kumulatif dari nilai 𝑋. Perhatikan bahwa
nilai 𝑋 menyatakan jumlah tanda yang paling sedikit, yakni antara tanda positif (+)
atau tanda negatif (−). Diketahui jumlah tanda positif sebanyak 12 dan jumlah tanda
negatif (– ) sebanyak 2, sehingga nilai 𝑋 adalah 2. Berikut akan dihitung nilai
probabilitas kumulatif (p-value) dari nilai 𝑋 = 2.
 𝑥 𝑖 𝑛−𝑖
𝑛 1 1
2 [∑ ( ) ( ) ( ) ]
𝑖 2 2
𝑖=0

0
14 1 1 14 14 1
1
1 13 14 1
2
1 12
2 [( ) ( ) ( ) + ( ) ( ) ( ) + ( ) ( ) ( ) ]
0 2 2 1 2 2 2 2 2

2[0,000061 + 0,000855 + 0,005554]

0,013

• Tahap Keempat
Tahap keempat adalah pengambilan keputusan terhadap hipotesis.

➢ 𝐽𝑖𝑘𝑎 𝑛𝑖𝑙𝑎𝑖 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 𝑘𝑢𝑚𝑢𝑙𝑎𝑡𝑖𝑓 𝑑𝑎𝑟𝑖 𝑋 ≥ 𝛼, 𝑚𝑎𝑘𝑎 𝐻0 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎, 𝐻1 𝑑𝑖𝑡𝑜𝑙𝑎𝑘.

➢ 𝐽𝑖𝑘𝑎 𝑛𝑖𝑙𝑎𝑖 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 𝑘𝑢𝑚𝑢𝑙𝑎𝑡𝑖𝑓 𝑑𝑎𝑟𝑖 𝑋 < 𝛼, 𝑚𝑎𝑘𝑎 𝐻1 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎, 𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘.

Berdasarkan perhitungan, diperoleh nilai probabilitas kumulatif untuk 𝑋 = 2 adalah 0,013,

dan tingkat signifikansi yang akan dibandingkan adalah 0,05. Karena nilai probabilitas kumulatif
untuk 𝑋 = 2, yakni 0,013, lebih kecil dari nilai tingkat signifikansi, yakni 0,05, maka hipotesis nol
ditolak dan hipotesis alternatif diterima. Ini berarti pernyataan mengenai “terdapat perbedaan berat
badan sebelum mengkonsumsi obat penambah berat badan merek Appeton dan sesudah
mengkonsumsi obat penambah berat badan merek Appeton selama satu minggu” dapat diterima
pada tingkat signifikansi 5%. Dengan kata lain, terdapat pengaruh yang signifikan secara
statistika mengenai berat badan, sebelum dan setelah mengkonsumsi obat penambah berat
badan merek Appeton selama satu minggu.

PENGUJIAN DENGAN SPSS

Input data di atas ke dalam SPSS.

Pada kolom Name ketik Variabel X dan Variabel Y.
Pada kolom Decimals angka ganti menjadi 0.
Pada kolom Align isikan Center.
Pada kolom Measure isikan Ordinal.
Untuk kolom-kolom lainnya biarkan saja (isian default).

Klik tab sheet [Variable View] pada SPSS data editor dan ketik/copy data sebagai berikut

Selanjutanya klik [Analyze] > [Nonparametrik Test] > [Legacy Dialogs]>[2 Related
Samples].

Akan muncul kotak dialog Two-Related-Samples Test, masukan variabel Mobil_Eropa

dan Mobil_Jepang pada kotak Test Pairs di sebelah kanan dan tandai Sign dipilihan Test
Type.
 Klik [OK].
Muncul output SPSS viewer menampilkan hasil sebagai berikut ini.

Dari output frequencies uji tanda (Sign Test) terlihat bahwa jumlah selisih pasangan data
mobil jepang – mobil eropa terdiri 12 pasang berselisih negatif, 2 pasang berselisih positif, dan
1 pasang berselisih nol atau pasangan sata berselisih sama (ties).

Nilai P-Value (Exact Sig.) untuk uji 2 pihak diatas adalah 0,013. Ternyata nilai P-
Value (Exact Sig.) < 𝛼 atau 0,013 < 0,05 sehingga merupakan bukti kuat untuk Ho ditolak
dan Ha diterima. Artinya Terdapat perbedaan berat badan sebelum mengkonsumsi
obat penambah berat badan merek 𝐴ppeton dan sesudah mengkonsumsi obat
penambah berat badan merek 𝐴ppeton selama satu minggu.
2.3 Uji Wilcoxon Matched-Paired
2.3.1 Pengertian Uji wilcoxon matched-paired
Uji Wilcoxon merupakan penyempurnaan dari uji tanda (sign test). Nama Wilcoxon
mengikuti nama Frank Wilcoxon. Yang membedakan uji Wilcoxon dengan Uji Tanda adalah
bila pada uji tanda, besarnya selisih nilai angka antara yang berinisial positif dan negative tidak
diperhitungkan, maka pada uji Wilcoxon skor-skor tersebut menjadi diperhitungkan. Uji
wilcoxon matched-paired signed test adalah salah satu uji nonparametris yang digunakan untuk
mengukur ada tidaknya perbedaan nilai rata-rata 2 kelompok sampel yang saling berpasangan
(dependen).

Wilcoxon Matched Pairs digunakan dalam penelitian komparasi dengan membandingkan

nilai dari dua kelompok yang yang berkaitan. Kelompok yang berkaitan berarti data didapat dari
dua kelompok dengan subjek yang sama namun dalam waktu pengetesan yang berbeda.
Misalkan kita ingin membandingkan konsentrasi siswa sebelum dan sesudah makan siang, maka
teknik ini dapat digunakan. Dalam uji Wilcoxon, bila sampel pasangan kurang dari 25 (n > 25 ),
maka sebaran akan mendekati sebaran normal. Untuk itu digunakan rumus z, sebagai berikut:

dimana: T = jumlah total jenjang/rangking yang terkecil

❖ Formulasi Hipotesis:
Ho: Tidak terdapat perbedaan dari pelakuan 1 dengan perlakuan 2
Ha: Terdapat perbedaan dari pelakuan 1 dengan perlakuan 2

❖ Pengujian dan Kriteria:

a. Pengujian dapat dilakukan dengan satu sisi dan dua sisi.
 b. Kriteria Pengujiannya
c. Ho diterima jika Tα < T
d. Ha diterima jika Tα > T
e. Nilai T diperoleh dari Tabel urutan bertanda wilcoxon => Tα

❖ Langkah-Langkah :
1. Menentukan tanda beda/selisih dan besarnya
2. Mengurutkan nilai beda (tanpa memperhatikan tanda)
3. Ranking 1 diberikan pada skor selisih terkecil, urutan 2 pada selisih terkecil berikutnya,
dan seterusnya.
4. Jika ada 2 atau lebih selisih yang memiliki nilai mutlak yang sama, maka masing-masing
diberi rangking sama dengan rata-rata urutan. Misalnya: selisih ke 5 dan ke 6 terkecil
mempunyai nilai selisih yang sama, maka masing - masing mendapat rangking 5,5
yangdiperoleh dari (5 +6)/2
5. Selisih yang nilainya 0 tidak diberikan ranking (diabaikan)
6. Memisahkan tanda selisih positif dan negatif
7. Jumlahkan semua skor angka positif dan negatif
8. Nilai paling terkecil dari nilai absolut hasil penjumlahan selisih adalah merupakan nilai
To.
9.Mencari nilai Tα berdasarkan tabel Wilcoxon.
10. Membandingkan nilai To dengan Tα
11. Menarik Simpulan

1. Contoh Kasus dan Penyelesaian (n<25):

Guru al-Quran Hadis ingin mengetahui pengaruh pemberian jam tambahan kepada siswaterhadap
prestasi belajar siswa. Sebelum diberikan pembelajaran sebelum program dilaksanakandan
setelah satu bulan berjalan, dilakukan test akhir. Data yang diperoleh adalah sebagai berikut:
Lakukan pengujian dengan taraf nyata α = 0.05 apakah ada peningkatan prestasi siswa setelah
diberikan jam tambahan belajar?

Penyelesaian:
1. Hipotesis :
Ho: Tidak ada peningkatan prestasi belajar siswa setelah diberikan jam tambahan
Ha: Terdapat peningkatan prestasi belajar siswa setelah diberikan jam tambahan

2. Membuat Tabel Kerja untuk menentukan Nilai T0

Berdasarkan tabel di atas, nilai terkecil adalah 22 (tanda positif), maka To =89.5
Sedangkan nilai selisih 0 ada 1 siswa, sehingga N=20-1=19

3. Mencari nilai Tα tabel dengan n=19

Diketahui Nilai Tα = 54

4. Melakukan pengujian dengan kriteria:

Ho diterima jika Tα < To
Ha diterima jika Tα > To
Terbukti:
 Tα (54) < To (89.5)
Maka Ho diterima. Artinya tidak terdapat peningkatan prestasi siswa setelah diberikan jam
tambahan.

2. Contoh Kasus dan Penyelesaian (n>25):

Seorang guru BK ingin mengetahui pengaruh penerapan program “home-run” terhada perubahan
perilaku siswa selama di sekolah. Sebelum dilakukan program, siswa diberikan penilaian
perilaku, dan setelah 1 bulan program dijalankan dilakukan penilaian ulang. Penelitianditerapkan
kepada 40 siswa. Data yang diperoleh:

Dengan
taraf signifikansi α=0.05 lakukan pengujian dengan uji 2 sisi, apakah ada perubahan perilaku
setelah diterapkan “home-run”.
Penyelesaian:
1. Membuat Hipotesis:
Ho: Tidak terdapat perubahan perilaku siswa setelah diterapkan program home-run
Ha: Terdapat perubahan perilaku siswa setelah diterapkan program home-run

Membuat tabel Bantu untuk mendapatkan nilai T

Berdasarkan tabel, maka diperoleh nilai T, sebesar 226.Terdapat 3 siswa yang memiliki skor 0,
maka n=40-3=37

Karena N>25, maka digunakan rumus Z:

Dimana :
Menentukan nilai Z untuk α =0.05 dengan 2 sisi, maka α/2=0.025=1.96

Pengujian dengan kriteria:

Jika Z < 1.960 atau Z < -1.960, Ho diterima

Jika Z > 1.960 atau Z > -1.960, Ho ditolak

Terbukti:Z (-1.906) < Zα (-1.960)

Artinya:Ho diterima. Dengan demikian terbukti bahwa tidak terdapat perubahan perilaku siswa
padasetelah mendapatkan program “home-run”.

2.3.2 Syarat Uji wilcoxon matched-paired

➢ Data sampel tidak berdistribusi normal

➢ Dua Kelompok sampel yang saling berpasangan (anggota sampel dua kelompok
sama)
➢ Sampel berskala data ordinal, atau interval
➢ Jumlah sampel pada kedua kelompok sama

2.3.3 Kasus Uji wilcoxon matched-paired

1. Seorang CEO perusahaan melakukan sebuah penelitian untuk mengetahui

produktivitas kerja karyawannya. Diambil 8 orang karyawan secara acak sebagai
 sampel penelitian, dan diukur produktivitas kerja mereka sebelum dan sesudah
diberikan bonus gaji diakhir tahun. Data produktivitas kerja karyawan tersebut adalah
sebagai berikut:

Karyawan Sebelum Sesudah

1 63 62
2 56 58
3 71 73
4 71 75
5 77 79
6 78 80
7 72 82
8 69 83

Hipotesis:
Ho : Tidak terdapat perbedaan produktivitas karyawan sebelum dan sesudah diberikan
bonus.
Ha : Terdapat perbedaan product ivitas karyawan sebelum dan sesudah diberikan bonus.

Penyelesaian Kasus:
1. Pada sheet “Variable View”, isi dengan variabel yang akan kita diuji yakni variabel
“Sebelum dan Sesudah”.
2. Selanjutnya pada sheet “Data View”, input data yang akan kita uji.

3. Pada Menu Bar SPSS, klik menu Analyze, Nonparametric Test, selanjutnya pilih 2
Related Sample Test. Pada kotak dialog Two-Related-Sample Test, pindahkan
variabel Sebelum dan Sesudah ke kotak Test Pairs, kemudian ceklist Wlcoxon pada
Test Type. Terakhir, klik OK.
4. Interpretasi hasil Wilcoxon Matched Paired Test adalah sebagai berikut.

Dari hasil perhitungan di atas diketahui bahwa nilai Signifikansi (SIG) Wilcoxon
Matched Paired Test adalah sebesar 0,016. Karena nilai SIG = 0,016 < 0,05, maka Ho
ditolak dan diambil kesimpulan bahwa terdapat perbedaan produktivitas karyawan
sebelum dan sesudah diberikan bonus akhir tahun.
2. Penelitian ingin mengetahui apakah pemberian musik klasik selama belajar dapat
menurunkan stress. Satu kelompok digunakan dalam penelitian ini, yakni kelompok
eskperimen yang diberikan musik klasik. Sebelum diberikan musik klasik, subjek diukur
tingkat stress nya (pre-test), kemudian setelah diberikan musik klasik diukur kembali
tingkat stress nya (post-test). Hasil pre-test dan post-test kemudian dibandingkan. Jika ada
perbedaan stress antara pre-test dan post-test, dimana pre-test stress nya lebih tinggi, maka
dapat disimpulkan pemberian musik klasik efektif untuk menurunkan stress.

Identifikasi variabel :

Variabel independen : pemberian musik klasik

Variabel dependen : stress

Hipotesis :
Ho : Tidak terdapat perbedaan stress antara sebelum diberi musik klasik (pre-test) dan
setelah diberi musik klasik (post-test)
Ha : Terdapat perbedaan stress antara sebelum diberi musik klasik (pre-test) dan setelah
diberi musik klasik (post-test)

Cara analisis di SPSS :

Untuk melakukan analisis di SPSS, berikut langkah yang harus dilakukan.
1. Masukan data skor stress saat pre-test pada kolom pertama dan skor stress saat post-test
pada kolom kedua
2. Masuk ke tab variable view, lalu beri nama variabel pertama dengan
nama pre_test dan variabel kedua dengan nama post_test
3. Mulai analisis dengan klik analyze – nonparametric tests – legacy dialog – 2 related
samples
4. Masukkan variabel pre_test ke variable1 dan post_test ke variable2

5. Klik OK

Output analisis :
Output analisis terbagi atas dua tabel. Tabel pertama berisi rangking, sedangkan tabel
kedua berisi analisis statistik.
Output utama dari analisis Wilcoxon ini adalah pada tabel kedua. Dari hasil analisis
didapatkan nilai Z = -2,41 dengan p<0,05. Patokan untuk menilai uji Wilcoxon adalah
sebagai berikut:
1. Jika sig: p > 0,05 maka tidak ada perbedaan.
2. Jika sig: p < 0,05 maka ada perbedaan pada taraf sig 5%
3. Jika sig: p < 0,01 maka ada perbedaan pada taraf sig 1%

Dengan demikian dapat disimpulkan bahwa terdapat perbedaan yang signifikan tingkat
stress antara saat pre-test dan saat post-test (Z = -2,41; p<0,05). Dengan demikian dapat
disimpulkan bahwa musik klasik efektif untuk menurunkan stress.
 BAB III

PENUTUP

3.1 Kesimpulan
3.1.1 Uji Mc Nemar
Uji Mc Nemar ini merupakan uji komparatif untuk dua sampel independen. Tes ini
juga dapat digunakan untuk menguji misalnya efek perpindahan pertanian ke kota besar
terhadap afiliasi politik seseorang. Uji Mc Nemar digunakan untuk data yang observasinya
berskala ukur Nomial dikotomus (binair).

3.1.2 Uji Tanda

Uji Tanda digunakan untuk membandingkan dua sampel berpasangan dengan

skala ordinal. prinsipdari uji tanda adalah menghitung selisih pasangan nilai data dari
sampel pertama dengan sampel kedua, kemudian dihitung jumlah selisih pasangan data
yang positif dan jumlah selisih pasangan data yang negatif. Jika hipotesis nol benar, maka
diharapkan jumlah selisih pasangan data yang positif kurang lebih akan sama dengan
jumlah selisih pasangandata yang negatif. Dengan kata lain, diharapkan jumlah selisih
pasangan data yang positif dan jumlah selisih pasangan data yang negatif adalah setengah
dari total sampel. Jika jumlah selisih pasangan data yang negatif atau jumlah selisih
pasangan yang positif berbeda jauh, maka hipotesis nol ditolak.
3.1.3 Uji wilcoxon matched-paired

Uji Wilcoxon merupakan penyempurnaan dari uji tanda (sign test). Nama
Wilcoxon mengikuti nama Frank Wilcoxon. Yang membedakan uji Wilcoxon dengan Uji
Tanda adalah bila pada uji tanda, besarnya selisih nilai angka antara yang berinisial
positif dan negative tidak diperhitungkan, maka pada uji Wilcoxon skor-skor tersebut
menjadi diperhitungkan. Uji wilcoxon matched-paired signed test adalah salah satu uji
nonparametris yang digunakan untuk mengukur ada tidaknya perbedaan nilai rata-rata 2
kelompok sampel yang saling berpasangan (dependen).
3.2 Saran
Sebaiknya kita lebih mempelajari lagi bagaimana penggunaan uji Mc Nemar san
cara menentukan hipotensis dengan baik dan benar. Dan lebih mempelajari bagaimana
penggunaan SPSS yang baik dan benar agar output yang ditampilkan tidak terdapat
kesalahan.

Tentunya makalah ini masih jauh dari kesempurnaan, karena dari itu kami
berharap masukan dan kritikan dari pembaca dan dosen agar makalah kedepan agar lebih
baik lagi penulisannya. Dan semoga makalah ini dapat menjadi pembelajaran bagi
pembaca.
 DAFTAR PUSTAKA

Juliandi A, Irfan, Manurung S. 2014. Metodologi Penelitian Bisnis: Konsep dan Aplikasi.
Medan: UMSU Press.

Ghozali, I. (2016) Aplikasi Analisis Multivariete Dengan Program IBM SPSS 23. Edisi 8.
Semarang: Badan Penerbit Universitas Diponegoro.

Sumodiningrat, Gunawan. 2001. Ekonometrika Pengantar. Yogyakarta: PFEYogyakarta.

Ghozali, Imam. (2013). Aplikasi Analisis Multivariate dengan Program IBM SPSS 21 Update
PLS Regresi. Semarang: Badan Penerbit Universitas Diponegoro.

Nachrowi Djalal dan Hardius Usman. (2002). Penggunaan Teknik. Ekonometri.

Jakarta: PT. Raja Grafindo Persada.