98
F1\F2 B Bc Sub Tot
A a b n1
Ac c d n2
Sub Tot m1 m2 n
p=
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 :
Hasil
Obat Sub Total
Sembuh Tidak
A 5 2 7
B 0 8 8
Sub Total 5 10 15
p2 =
100
Sembuh Tidak
A 0 7 7
B 5 3 8
Sub Total 5 10 15
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)
101
Count
KASUS
sembuh tidak Total
OBA A 4 3 7
T B 1 7 8
Total 5 10 15
Chi-Square Tests
N of Valid Cases 15
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)
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)
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 :
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
Test Statistics(b)
107
POST - PRE
Z -1.252(a)
Asymp. Sig. (2-tailed) .211
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).
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)
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)
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.
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
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
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
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
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 =
Rumus :
118
, tidak berbeda nyata
, berbeda nyata.
, tidak berbeda
nyata..
119
Jumlah peringkat :
Rj R1 R2 ...... Rk
Pangkat dua :
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 =
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 =
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
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 =
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
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
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 :
Rumus rs =
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).
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 -
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
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