BAB X

STATISTIK NON PARAMETRIK

Tujuan Perkuliahan, setelah mengikuti kuliah ini mahasiswa dapat :
1. Menggunakan uji Eksak Fisher
2. Menggunakan uji Mc Nemar
3. Menggunakan uji Wilcoxon
4. Menggunakan uji Mann Whitney
5. Menggunakan uji Kruskal Wallis
6. Menggunakan uji Friedman
7. Menggunakan uji Korelasi Spearman
10.1 Uji Eksak Fhiser
Fisher’s exact test digunakan untuk pengganti uji chi
kuadrat bila syarat uji chi kuadrat tidak terpenuhi. Seperti telah
diketahui salah satu syarat uji chi kuadrat adalah harga harapan
(expected value) pada semua kotak hubungan harus sama atau lebih
besar dari pada 5 (lima). Bila syarat tidak terpenuhi maka perlu
dilakukan penggabungan baris atau kolom, tetapi bila dengan
penggabungan itu menyebabkan tabel menjadi 2 baris dan 2 kolom
dan masih ada kotak dengan harga harapan yang kurang dari lima
maka uji chi kuadrat tidak dapat digunakan dan sebagai gantinya
adalah Fisher’s Exact Test.
Fisher Exact Test digunakan untuk tabel silang kategorik
dengan sampel kecil, terutama bila harga harapan kurang dari lima.
Perhatikan tabel silang berikut ini !

98
 F1\F2 B Bc Sub Tot
A a b n1
Ac c d n2
Sub Tot m1 m2 n

p=

artinya probabilitas merupakan jumlah probabilitas harga

apa adanya dan beberapa harga ekstrem lainnya.
Contoh : Dari 15 orang penderita, 7 orang diberi obat A dan sisanya
diberi obat B. Hasilnya sebagai berikut :
Hasil
Obat Sub Total
Sembuh Tidak
A 4 3 7
B 1 7 8
Sub Total 5 10 15

Hipotesis : kesembuhan dengan obat A sama dengan obat B

Pertama kita hitung dulu harga harapan untuk sel yang
paling kecil dengan hasil sebagai berikut : E2.1 = 5 x 8/15 = 2,6 yang
berarti lebih kecil dari pada 5, jadi uji statistik yang digunakan tidak
menggunakan uji chi kuadrat tetapi uji Fisher Exact.
Kita hitung probabilitas yang pertama dari data aslinya :

p1 =

99
 Kemudian kita cari harga ekstrem, dengan mengubah nilai
dalam kotak dengan syarat harga marginal tetap, untuk itu nilai satu
kita ubah jadi 0 maka pada kotak 1.1 akan jadi 5 (5-0) dan kotak 2.2
menjadi 8 (8 – 0) hasilnya sebagai berikut :

Tabel Harga Ekstrem

Hasil
Obat Sub Total
Sembuh Tidak
A 5 2 7
B 0 8 8
Sub Total 5 10 15

Hitung probabilitas ke dua dengan hasilnya sebagai berikut :

p2 =

Ternyata masih terdapat harga ekstrem lagi, yang diperoleh dengan

memindahkan harga 0 dari kotak 2.1 ke kotak 1.1 hasilnya menjadi :

Obat Hasil Sub Total

100
 Sembuh Tidak
A 0 7 7
B 5 3 8
Sub Total 5 10 15

Kita hitung probabilitas yang ke – 3 hasilnya sebagai berikut :

p3 =

Setelah tidak ada lagi harga ekstrem, maka kita hitung probabilitas
lengkapnya dengan rumus P = hasilnya :
P = p 1 + p2 + p3 = 0,093 + 0,007 + 0,019 =
0,119
Nilai P ini adalah untuk dua arah, bila dikehendaki satu arah maka
perhitungan P cukup sampai dengan yang kedua jadi :
P = p1 + p2 = 0,093 + 0,007 = 0,100
Perhitungan komputer menggunakan program SPSS (statistic
descriptive /; crosstabulation)

OBAT * KASUS Crosstabulation

101
 Count
KASUS
sembuh tidak Total
OBA A 4 3 7
T B 1 7 8
Total 5 10 15

Chi-Square Tests

Asymp. Exact Exact

Sig. (2- Sig. (2- Sig. (1-
Value df sided) sided) sided)
Pearson Chi-Square 3.348(b) 1 .067
Continuity Correction(a) 1.641 1 .200

Likelihood Ratio 3.506 1 .061

Fisher's Exact Test .119 .100

N of Valid Cases 15

a Computed only for a 2x2 table

b 3 cells (75.0%) have expected count less than 5. The minimum
expected count is 2.33.
10.2 Uji Mc Nemar
Uji Mc Nemar merupakan uji perbandingan dua variabel
yang berpasangan atau variabel – variabel yang memenuhi
rancangan penelitian before – after. Kedua variabel itu harus
berskala nominal dan dikotomi, misalnya setuju – tidak setuju, mati
– hidup, dan sebagainya.
Pada buku-buku tertentu maka uji ini disebut uji simetri
yang bertujuan membuktikan hipotesis probabilitas “setuju”
sebelum perlakuan sama dengan sesudah perlakuan :

102
 P ( setuju ) sebelum = P ( setuju ) sesudah
Model ini didasarkan pada kenyataan bahwa ada beberapa
kasus yang mengalami perubahan “ tanggap “ setelah diberi suatu
perlakuan. Untuk keperluan ini maka kita akan menghitung setiap
perubahan sikap pada setiap kasus artinya kita akan menghitung :
 Berapa orang yang asalnya setuju menjadi tak
setuju
 Berapa orang yang asalnya setuju tetap setuju
 Berapa orang yang asalnya tak setuju menjadi
setuju
 Berapa orang yang asalnya tak setuju tetap tak
setuju
Angka – angka itu kita masukkan dalam format tabel kategorik 2 x 2
sebagai berikut :
Sesudah
Sikap Setuju Tak Setuju
Setuju A B
Sebelum
Tak Setuju C D

Syarat penggunaan :
Harga harapan (setengah dari jumlah yang mengalami
perubahan sikap) harus lebih dari atau sama dengan 5. atau bila
dituliskan dalam bahasa matematik syarat itu berbunyi :

103
 Bila syarat itu tidak dipenuhi maka penyelesaiannya
menggunakan Binomial Test. Rumus yang digunakan : (bila syarat
dipenuhi)

Untuk uji signifikansinya digunakan tabel chi kuadrat

dengan derajat bebas (db) = 1 dan α = 0,05. Ho ditolak bila χ 2 hitung
> χ2 0,05 (1) tabel.
Contoh : Berikut ini adalah hasil suatu penelitian perubahan sikap
pemuka masyarakat terhadap dihapuskannya restribusi sampah (data
fiktif) :
Perubahan sikap Cacah
Setuju – setuju 16
Setuju – tidak 11
Tidak – tidak 1
Tidak – setuju 4

Χ2 0,05 (1) = 3,841

Jadi Ho diterima, artinya probabilitas “setuju” pada keadaan
sebelum penyuluhan sama dengan setelah penyuluhan.
Berikut ini tampilan komputer dengan menggunakan
program SPSS :

Test Statistics(a)
SEBELUM & SESUDAH

104
 SESUDAH
Tidak
SEBELUM Setuju setuju
Setuju 16 11
Tidak
4 1
setuju

Test Statistics(b)

SEBELUM
&
SESUDAH
N 32
Exact Sig. (2-tailed) .118(a)

a Binomial distribution used.

b McNemar Test
10.3 Uji Wilcoxon
Uji Wilcoxon terdiri atas tiga macam yaitu uji jenjang
bertanda Wilcoxon, uji jumlah jenjang Wilcoxon dan uji
jumlah jenjang berstrata Wilcoxon.
10.3.1 Uji Jenjang Bertanda Wilcoxon (Wilcoxon’s Signed Rank
Test).
Uji ini ditemukan oleh Frank Wilcoxon pada tahun 1945. disebut
pula dengan sebagai uji pasangan bertanda Wilcoxon (Wilcoxon’s
Pairs Sign Rank Test). Uji jenjang bertanda Wilcoxon merupakan
pengembangan dari uji tanda. Di samping tanda + atau – perbedaan

105
pada uji ini juga memperhatikan nilai beda. Persyaratan datanya
sama dengan uji tanda. Cara analisis uji jenjang bertanda Wilcoxon
adalah sebagai berikut :
a) Berikan jenjang (rank) untuk tiap (Y – X) dari terkecil
ke terbesar tanpa memperhatikan tanda beda. Bila ada
dua atau lebih nilai ( Y – X ) sama besarnya, maka
jenjang untuk tiap-tiap (Y – X) adalah jenjang rata-
ratanya.
b) Beri tanda + atau – pada tiap-tiap jenjang dan beda 0
tidak diperhatikan.
c) Jumlahkan (T) semua jenjang bertanda + dan -.
d) Jumlah jenjang (T) yang terkecil bandingkan dengan
T α (n). Ho ditolak bila : T hit < T alfa (n).
Contoh :

Penjual Penyuluhan Beda Rank + -

Sebelum Sesudah (Y – X) (Y – X)

106
 (X) (Y)
A 23 21 -2 5 3.5 3.5
B 40 48 +8 9 9 9
C 35 45 +10 10 10 10
D 24 22 -2 4 3.5 3.5
E 17 19 +2 3 3.5 3.5
F 32 37 +5 6 6 6
G 27 29 +2 2 3.5 3.5
H 32 38 +6 7 7.5 7.5
I 25 24 -1 1 1 1
J 30 36 +6 8 7.5 7.5
K 41 30 -11 11 11 11
T= 47 19
T = 19
T 0,05 (11) = 11
Ho diterima, jadi penyuluhan tidak memperbaiki sanitasi pasar.
Berikut out put SPSS dari data di atas :
Descriptive Statistics
N Mean Std. Deviation Minimum Maximum
PRE 11 29.6364 7.35218 17.00 41.00
POST 11 31.7273 9.83962 19.00 48.00

Wilcoxon Signed Ranks Test

Ranks
N Mean Rank Sum of Ranks
POST - PRE Negative Ranks 4(a) 4.75 19.00
Positive Ranks 7(b) 6.71 47.00
Ties 0(c)
Total 11
a POST < PRE
b POST > PRE
c POST = PRE

Test Statistics(b)

107
 POST - PRE
Z -1.252(a)
Asymp. Sig. (2-tailed) .211

a Based on negative ranks.

b Wilcoxon Signed Ranks Test

Bila n > 25, maka perhitungannya dengan uji Z yaitu :

Hipotesis nol diterima bila : Z hit < Z (1/2-1/2alfa)

10.3.2 Uji Jumlah Jenjang Wilcoxon (Wilcoxon’s Rank Sum
Test)
Uji jumlah jenjang bertanda Wilcoxon dipergunakan untuk
membandingkan perbedaan antara dua contoh bebas. Uji ini mirip
dengan uji t untuk dua sampel bebas.
Langkah-langkah analisisnya sebagai berikut :
a. Gabungkan kedua sampel dan berikan jenjang tiap tiap
anggotanya dari yang terkecil ke terbesar. Bila ada dua atau
lebih nilai yang sama besarnya berikan jenjang rata-ratanya.
b. Jumlahkan masing-masing cuplikan misalnya T1 dan T2

108
 c. Nilai T yang terkecil bandingkan dengan Tα(n1, n2)
d. Kriteria pengambilan keputusan adalah : Ho ditolak bila T <
T alfa (n1, n2)
Contoh : Data berikut ini adalah nilai tarik suara darma wanita FK
dan FKG masing-masing sebanyak 10 orang. Buktikan apakah
terdapat perbedaan kualitas suara tersebut (alfa = 0,05).

Nama Nilai Rank Nama Nilai Rank

peserta peserta
FK FKG
A 16 7 7.5 K 16 8 7.5
B 12 2 2 L 15 6 5.5
C 18 10 10 M 19 14 13.5
D 19 12 13.5 N 23 18 18
E 14 4 4 O 25 19 19
F 13 3 3 P 21 17 17
G 18 9 10 Q 26 20 20
H 19 13 13.5 R 20 16 16
I 15 5 5.5 S 18 11 10
J 10 1 1 T 19 15 13.5
T1 = 70 T2 = 140

T 1 = 70 dan T0,05(10, 10) = 78, maka hipotesis nol ditolak, jadi

kualitas suara tersebut berbeda nyata.

109
 Apabila n1 atau n2 atau keduanya > 20, maka analisisnya
dengan uji Z.

Di mana : α
N = jumlah sampel dengan jumlah jenjang
terkecil (T)
T = jumlah jenjang terkecil
n1 = jumlah sampel 1
n2 = jumlh sampel 2
Ho diterima bila Z hit < Z (1/2 – ½ alfa)
Ranks

Mean Sum of
kelompok N Rank Ranks
kualitas suara paduan suara FK 10 7.00 70.00
paduan suara FKG 10 14.00 140.00
Total 20

Test Statistics(b)

kualitas suara
Mann-Whitney U 15.000
Wilcoxon W 70.000
Z -2.662
Asymp. Sig. (2-tailed) .008
Exact Sig. [2*(1-tailed
Sig.)] .007(a)

a Not corrected for ties.

b Grouping Variable: kelompok

10.3.3 Uji Jumlah Jenjang Berstrata Wilcoxon (Wilcoxon’s

Stratified Rank Sum Test)

110
 Uji ini dipergunakan untuk membandingkan dua perlakuan
pada beberapa kelompok / strata dan jumlah sampel (n) pada tiap-
tiap kelompok itu sama. Kalau dibandingkan dengan uji statistika
parametrik, uji jumlah jenjang berstrata Wilcoxon mirip uji F pada
rancangan acak kelompok.
Langkah-langkah analisisnya mirip dengan uji jumlah
bertanda Wilcoxon. Perbedaannya, bahwa pemberian jenjang
dilakukan pada tiap-tiap strata secara terpisah. Selanjutnya jenjang
untuk tiap-tiap perlakuan dijumlahkan. Jumlah jenjang yang terkecil
(T) dibandingkan dengan T alfa (g, n).
Kriteria penarikan keputusan adalah :
Ho ditolak bila T < Talfa (g, n).
g = jumlah strata
n = jumlah sampel tiap-tiap strata.
Contoh : Data berikut ini adalah nilai libido dua kelompok penderita
impotensia yang berbadan gemuk dan kurus setelah disuntik hormon
testoteron buatan pabrik A dan B. Buktikan apakah kualitas
testoteron buatan pabrik A dan B tersebut berbeda ( alfa = 0,01)

Berat Hormon Testoteron

111
 Badan Pabrik A Pabrik B
(Nilai) (Rank) (Nilai) (Rank)
Gemuk 14 1 26 10
19 5,5 25 9
18 3,5 21 8
19 5,5 20 7
15 2 18 3.5
Kurus 18 7 19 8,5
12 2 16 5,5
10 1 15 4
13 3 23 10
16 5,5 19 8,5
T1 = 36 T2 = 74
T = 36
T 0,01 (2,5) = 38, maka hipotesis nol ditolak berarti kualitas
testoteron buatan pabrik A dan B tersebut berbeda nyata.
Untuk membuktikan perbedaan libido antara penderita
gemuk dengan kurus yang disuntik hormon testoteron A dan B
cukup dengan uji jumlah jenjang Wilcoxon.

112
10.4 Uji Mann – Whitney (U Test)
Uji Mann – Whitney sama dengan uji jumlah jenjang
Wilcoxon, perbedaannya terutama dipergunakan untuk dua sampel
yang berukuran tidak sama. Namun demikian, uji Mann-Whitney
juga dapat digunakan untuk menguji dua sampel berukuran sama.
Bila sampel 1 dan 2 masing-masing adalah n1 dan n2 maka langkah-
langkah pengujiannya adalah sebagai berikut :
1. Gabungkanlah kedua sampel dan beri jenjang dari tiap nilai
terkecil sampai nilai terbesar.
2. Hitunglah jumlah jenjang masing-masing sampel misalnya
T1 dan T2.

Nilai U yang terkecil bandingkan dengan Uα . Dengan kriteria

(n1 , n2)

penarikan kesimpulan adalah : H 0 diterima bila U hitung

> Uα (n1 , n2).
Contoh :
Ingin diketahui mutu pakan ayam lokal buatan pabrik A dan buatan
pabrik B. Pakan buatan pabrik A diberikan secara terpisah kepada
12 ekor ayam dan pakan buatan pabrik B diberikan kepada 9 ekor
ayam lainnya. Pertambahan berat badan (gram) tertera di bawah ini.
Pakan A 72 75 72 76 80 82 78 78 73 71 70 70
Pakan B 77 82 84 81 74 79 83 83 83

113
Buktikan apakah ada perbedaan mutu kedua pakan tersebut di atas ?
(α = 0,05).
Data tersebut di atas setelah diuji tentang normalitasnya ternyata
tidak menyebar normal, maka tidak diperkenankan memakai uji t.
Uji yang lebih tepat adalah uji Mann-Whitney.
Pakan A 72 75 72 76 80 82 78 78 73 71 70
70
Rank 4,5 8 4,5 9 14 16,5 11,5 11,5 6 3 1,5
1,5

Pakan B 77 82 84 81 74 79 83 83 83
Rank 10 16,5 21 15 7 13 19 19 19

T1 = 91,5 dan T2 = 139,5

U0,05 (12, 9) = 26
Karena 13,5 < 26 , maka H0 ditolak. Kesimpulan terdapat perbedaan
mutu pakan ayam buatan pabrik A dan buatan pabrik B. Out put
komputer dapat dilihat sebagai berikut :

Mann-Whitney Test

114
 Ranks

KEL N Mean Rank Sum of Ranks

BB 1.00 12 7.63 91.50
2.00 9 15.50 139.50
Total 21

Test Statisticsb

BB
Mann-Whitney U 13.500
Wilcoxon W 91.500
Z -2.886
Asymp. Sig. (2-tailed) .004
Exact Sig. [2*(1-tailed a
.002
Sig.)]
a. Not corrected for ties.
b. Grouping Variable: KEL

10.5 Uji Kruskal Wallis

Uji ini disebut pula anova klasifikasi eka arah untuk
statistika non parametrik. Nama lain uji Kruskal Wallis adalah H
test, sesuai dengan nama penemunya yaitu William H. Kruskal
Wallis. Persyaratan datanya adalah skala ordinal, atau skala rasio
dan interval tetapi tidak menyebar normal.
Kegunaan dari uji Kruskal Wallis untuk membandingkan
tiga atau lebih jumlah perlakuan. Pada uji ini semua sampel
digabungkan, kemudian semua nilai pengamatan diberi jenjang dari
nilai pengamatan terkecil ke terbesar. Selanjutnya jenjang untuk
tiap-tiap sampel dijumlahkan.

115
 n = n1 + n 2 + ... + nk
kriteria penarikan keputusan adalah :
Ho diterima bila : H hit < H (n1 , n2 , ..., nk)
Jika tidak terdapat dalam tabel H maka menggunakan Tabel χ2.
Contoh :
Data berikut ini adalah pertambahan berat badan (gram)
bayi yang diberi multivitamin selama 3 bulan. Buktikan apakah
multivitamin tersebut menyebabkan pertambahan berat badan yang
berbeda (α = 0,05).
Multivitamin
Kontrol Rank
Dosis 1 Rank Dosis 2 Rank
96 4 82 2 115 7
128 9 124 8 149 13
83 3 132 10 166 14
61 1 135 11 147 12
101 5 109 6
T1 = 22 T2 = 37 T3 = 46

H hit = =

6,4057
H 0,05 (5, 5, 4) = 5,64 maka Ho ditolak. Jadi multivitamin dapat
meningkatkan berat badan bayi. Untuk mengetahui kelompok –

116
 kelompok mana yang berbeda dilanjutkan dengan uji jumlah jenjang
Wilcoxon atau dengan uji Z. Berikut out put SPSS dari data di atas :
Descriptive Statistics
N Mean Std. Deviation Minimum Maximum
DOSIS 14 116.2857 29.50731 61.00 166.00
KEL 14 1.9286 .82874 1.00 3.00

Kruskal-Wallis Test
Ranks

KEL N Mean Rank

DOSIS kel i 5 4.40
kel ii 5 7.40
kel iii 4 11.50
Total 14 Test Statistics(a,b)

DOSIS
Chi-
6.406
Square
df 2
Asymp.
.041
Sig.
a Kruskal Wallis Test
b Grouping Variable: KEL

Jika banyaknya perlakuan lebih dari 3 dan ukuran sampel lebih dari
5, maka H hit dibandingkan dengan χ2 α (k – 1)) .
Contoh :

117
 Data berikut ini adalah nilai (scoring) kerusakan jaringan
hati tikus putih yang diberi pakan mengandung gosipol. Buktikan
apakah pengaruh gosipol dapat menyebabkan kerusakan jaringan
hati tikus putih (α = 0,05).

Gossipol
Kontrol Rank
Dosis 1 Rank Dosis 2 Rank
12 9 10 6 7 3
5 2 29 15 10 6
10 6 15 11 18 13
9 4 11 8 25 14
2 1 17 12 13 10
30 16
T1 = 22 T2 = 68 T3 = 46

H hit =

χ2 0,05 (2) = 5,99 maka Ho diterima. Jadi Gosipol tidak terbukti

menyebabkan kerusakan jaringan hati.
Contoh :
Penggunaan uji Z, untuk mengetahui perbedaan pengaruh Depo
Provera antara dosis 0 (kontrol), dosis 1 dan dosis 2.

Rumus :

118
 , tidak berbeda nyata
, berbeda nyata.
, tidak berbeda
nyata..

Z0,05/3(2) = Z0,0083 = 2,39

Z0,05/3(2) = Z0,0083 = 2,39

10.6 Uji Friedman

Uji ini digunakan bila seorang peneliti berhadapan dengan
data yang terhimpun didalam sampel. Selanjutnya data tersebut
diperoleh dari k pengamatan atau pengukuran dari subyek di mana
data tersebut mempunyai skala ordinal atau yang lebih tinggi
(interval atau rasio) namun asumsi di mana sampel berasal dari
populasi dengan distribusi normal k terpenuhi. Lebih lanjut k > 2.
Dengan demikian uji Friedman sebagai alternatif dari uji F
pada analisis varians sama subyek.
Misalkan jumlah subyek adalah N, setiap subyek diamati k kali atau
diberi perlakuan k, maka
Pengamatan (O) Skor dari pengamatan diganti dengan
peringkat
O1 O2 ...................................Ok O1 O2 .............................................Ok
Skor skor ...................................Skor ....... ....... ............................................
Skor skor .................................. Skor ....... ....... .............................................
Skor skor .................................. Skor ....... ....... .............................................

Skor skor .................................. Skor ....... ....... .............................................

119
Jumlah peringkat :
Rj R1 R2 ...... Rk
Pangkat dua :

Untuk K – skor yang terdapat disetiap subyek diikuti dengan

peringkat. Bila ada skor yang sama (ties) maka dibuat rata-rata
peringkat. Misalnya skor 40 40 40 semestinya diperingkat 1 2 3
atau 1 3 2 atau 2 3 1, karena nilainya sama maka rata-rata peringkat

= dengan demikian peringkatnya adalah 2 2 2.

Selanjutnya peringkat pada setiap kolom (O1 s/d Ok dijumlah : R1,

R2, ... Rk.
Untuk menguji Ho : O1= O2 = ... Ok , atau tidak terdapat
perbedaan skor diantara k pengamatan dipakai uji statistik sebagai
berikut :

Fr =

Di mana :
N = jumlah subyek
K = jumlah kolom (pengamatan)
Rj = jumlah peringkat pada kolom (pengamatan) ke – j.

120
 Jika ada ties diperhitungkan faktor koreksi yaitu :

jika ada skor 40 40 40, maka t = 3 disebut ukuran tie (size of tie).
Statistiknya menjadi :

Fr =

Untuk , , α = 0,10 ; 0,05 ; 0,01. Titik

kritis dapat dilihat pada tabel. Ho ditolak bila Fr hitung > Fr (k, n)(α)
tabel. Statistik Fr mempunyai distribusi sampling mendekati
distribusi χ2 dengan derajat kebebasan ; df = k – 1 selanjutnya Ho
ditolak bila Fr > χ2k – 1, α
Contoh soal :
Seorang peneliti ingin mengetahui apakah terdapat
perbedaan respon pada subyek yang diberi penyuluhan oleh 4 orang
petugas lapangan keluarga berencana (A, B, C, dan D) tentunya
penyuluhan tentang keluarga kecil, bahagia dan sejahtera (NKKBS).
Untuk itu terpilih 3 orang responden pasangan usia muda yang baru
menikah dan respon diberi skor 1 sampai dengan 9. Hasilnya adalah
sebagai berikut :

Penyuluhan KB Peringkat
Responden
A B C D A B C D

121
 1 9 4 1 7 4 2 1 3
2 6 5 2 8 3 2 1 4
3 9 1 2 6 4 1 2 3
Jumlah Peringkat (Rj) 11 5 4 10
R2j 121 25 16 100

N = 3, K = 4,
R1 = 11 R2 = 5 R3 = 4 R4 = 10
R21 = 121 R22 = 25 R23 = 16 R24 = 100
Fr =

Fr (4,3) 0,05 adalah 7,4 , karena Fr hitung = Fr tabel maka Ho

diterima dan Ha ditolak artinya tidak ada perbedaan respon pada
subyek yang diberi penyuluhan. Berikut nilai
NPar Tests
Descriptive Statistics

N Mean Std. Deviation Minimum Maximum

A 3 8.0000 1.73205 6.00 9.00
B 3 3.3333 2.08167 1.00 5.00
C 3 1.6667 .57735 1.00 2.00
D 3 7.0000 1.00000 6.00 8.00

Friedman Test

122
 Ranks

Mean Rank
A 3.67
B 1.67
C 1.33
D 3.33

Test Statisticsa
N 3
Chi-Square 7.400
df 3
Asymp. Sig. .060
a. Friedman Test

Contoh untuk Ties

Sebanyak 18 subyek diberi penyuluhan oleh 3 PLKB (A, B,
C). Respons diberi skor 1 sampai dengan 9. Hasilnya sebagai
berikut :

PLKB PERINGKAT
Subyek
A B C A B C
1 4 7 5 1 3 2
2 6 9 3 2 3 1
3 2 8 6 1 3 2
4 6 7 9 1 2 3
5 8 5 6 3 1 2
6 7 8 4 2 3 1
7 9 5 2 3 2 1
8 6 8 7 1 3 2

123
 9 9 4 6 3 1 2
10 7 2 5 3 1 2
11 7 9 3 2 3 1
12 5 9 4 2 3 1
13 7 4 1 3 2 1
14 7 9 2 2 3 1
15 8 8 2 2.5 2.5 1
16 9 8 6 3 2 1
17 7 4 1 3 2 1
18 4 7 3 2 3 1
JUMLAH PERINGKAT (RJ) 39,5 42,5 26,0
R2j 1560,25 1806,25 676
Perhitungan Ties :
Untuk mempermudah seluruh subyek dianggap mempunyai ties
walaupun dengan size = 1
Dengan demikian terdapat :
52 ties dengan size 1
1 ties dengan size 2 bila dijumlah = 52 x 1 + 1 x 2 = 54 atau 18 x 3

Fr =

Karena n besar maka pendekatan ke distribusi χ2. Titik kritis untuk

df = k-1 = 3 – 1 = 2 dengan α = 0,05 adalah 5,99 karena Fr hitung >

124
5,99 jadi Ho ditolak. Berikut out put komputer dengan program
SPSS :
NPar Tests
Descriptive Statistics
N Mean Std. Deviation Minimum Maximum
AA 18 6.5556 1.88562 2.00 9.00
BB 18 6.7222 2.16403 2.00 9.00
CC 18 4.1667 2.22948 1.00 9.00

Friedman Test
Ranks

Mean Rank
AA 2.19
BB 2.36
CC 1.44

Test Statistics(a)

N 18
Chi-Square 8.704
df 2
Asymp. Sig. .013

a Friedman Test

10.7 Uji Korelasi Spearman

Uji ini sebagai alternatif dari uji korelasi Pearson dengan
asumsi di mana sampel berasal dari populasi mempunyai distribusi

125
normal bivariat tak terpenuhi. Dalam hal ini seorang peneliti
berhadapan dengan data yang terhimpun didalam satu variabel
dengan subyek sebanyak N (1, 2, 3, ... N) Tiap subyek mempunyai
dua variabel yang masing-masing mempunyai skala ukuran ordinal
atau lebih tinggi (interval, rasio) di mana asumsi pada paragraf
pertama tidak terpenuhi.
Teori
Misalkan subyek 1, 2, ..., N mempunyai variabel VAR-1 dan
VAR – 2. Skor dari masing-masing variabel diganti dengan
peringkat. Bila ada skor yang sama (ties) maka dibuat rata-rata
peringkat. Sebaiknya untuk aturan / contoh ties lihat uji Friedman.
Untuk setiap subyek dihitung di yaitu selisih antara peringkat pada
dua variabel pada subyek ke – i . kemudian masing-masing di

pangkatkan dua : d2i dan dijumlahkan : . Untuk lebih jelasnya

lihat tabel berikut :

Skor Peringkat di d2i
Skor Skor ... ... ... ...
Skor Skor ... ... ... ...
. .
. .

Skor Skor ... ... ... ...

Maka koefisien korelasi Spearman (rs) dapat dihitung dengan

menggunakan rumus :

126
 di mana N = jumlah

subyek
Seperti koefisien korelasi Pearson, rs mempunyai nilai antara -1
sampai dengan +1. Cara penafsiran sama dengan r.
Ties pada setiap variabel dihitung dengan rumus :

di mana t = size of ties

Rumus rs =

Untuk menguji Ho : , bila N ≥ 4 dan

α = 0,25 - 0,0005 (uji satu arah)
= 0,50 - 0,001 (uji dua arah)
Lihat tabel Q (buku sidney Siegel). Selanjutnya Ho ditolak
bila rs hitung > rs tabel.
Untuk sampel besar , dipakai uji statistik Z =
Kriteria Ho ditolak bila Z hitung > Z 1-1/2α atau Z hitung < Z1/2α
Contoh :
Seorang peneliti ingin mempelajari hubungan tingkat
pengetahuan (knowledge) dan praktek aturan lalu lintas pada
mereka yang mengajukan permohonan surat izin mengemudi (SIM)
sebanyak 12 subyek dipilih, pengetahuan diperoleh dari ujian teori

127
dan praktek diperoleh dari ujian praktek (road test). Masing-masing
mempunyai skor 0 – 150. selanjutnya Ho : tidak ada hubungan
antara pengetahuan dan praktek aturan lalu lintas diuji dengan
menggunakan α = 0,05 (uji dua arah).

Pengetahuan Praktek PERINGKA di di2

(variabel 1) (Variabel T

128
 2) Vari Varia
abel bel 2
1
82 42 2 3 -1 1
98 46 6 4 2 4
87 39 5 2 3 9
40 37 1 1 0 0
116 65 10 8 2 4
113 88 9 11 -2 4
111 86 8 10 -2 4
83 56 3 6 -3 9
85 62 4 7 -3 9
126 92 12 12 0 0
106 54 7 5 2 4
117 81 11 9 2 4

rs = 1 -

rs tabel (α = 0,05 uji dua arah) dan N = 12 = 0,506

Karena 0,8182 > 0,506 maka Ho ditolak artinya ada hubungan
antara pengetahuan dan praktek. Berikut hasil perhitungan dengan
komputer program SPSS :
Nonparametric Correlations
Correlations
PENGETAHUAN PRAKTEK

129
Spearman's PENGETA Correlation
1.000 .818(**)
rho HUAN Coefficient
Sig. (1-tailed) . .001
N 12 12
PRAKTEK Correlation
.818(**) 1.000
Coefficient
Sig. (1-tailed) .001 .
N 12 12

** Correlation is significant at the 0.01 level (1-

tailed).

Lampiran 1.
Tabel Nilai Kritis untuk Koefisien Korelasi Peringkat Spearman

130
 n a = 0,05 a = 0,01
4 1,000
5 0,900 1,000
6 0,829 0,943
7 0,714 0,893
8 0,643 0,833
9 0,600 0,783
10 0,564 0,746
12 0,506 0,712
14 0,456 0,645
16 0,425 0,601
18 0,399 0,564
20 0,377 0,534
22 0,359 0,508
24 0,343 0,485
26 0,329 0,465
28 0,317 0,448
30 0,306 0,432

131