UJI EKSAK FISHER DAN Mc NEMAR

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 !

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

98
Hipotesis : kesembuhan dengan obat A sama dengan obat B
Pertama kita hitung dulu harga harapan untuk sel yang paling kecil
dengan hasil sebagai berikut : E 2.1 = 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 =

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 =

99
Ternyata masih terdapat harga ekstrem lagi, yang diperoleh dengan
memindahkan harga 0 dari kotak 2.1 ke kotak 1.1 hasilnya menjadi :

Hasil
Obat Sub Total
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 = p1 + 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

Count
KASUS
sembuh tidak Total

100
 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- 3.348(b
1 .067
Square )
Continuity
1.641 1 .200
Correction(a)
Likelihood Ratio 3.506 1 .061
Fisher's Exact
.119 .100
Test
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.

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 :
P ( setuju ) sebelum = P ( setuju ) sesudah

101
 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 :

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) :

102
 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

SESUDAH
SEBELU Tidak
M Setuju setuju
Setuju 16 11
Tidak
4 1
setuju

Test Statistics(b)

SEBELU
M &
SESUDA
H
N 32
Exact Sig. (2-
.118(a)
tailed)
a Binomial distribution used.

103
 b McNemar Test
Uji Wilcoxon
Uji Wilcoxon
Uji Wilcoxon terdiri atas tiga macam yaitu uji jenjang bertanda
Wilcoxon, uji jumlah jenjang Wilcoxon dan uji jumlah jenjang berstrata
Wilcoxon.
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 Wicoxon merupakan pengembangan dari uji tanda. Di samping tanda +
atau – perbedaan 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 : Pengaruh penyuluhan terhadap sanitasi pasar yang telah diuji dengan
uji tanda tersebut di atas akan diuji dengan uji jenjang bertanda Wilcoxon.

104
 Penyuluhan Beda Rank
Penjual Sebelum Sesudah (Y – X) (Y – X) + -
(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

Std. Minimu Maximu

N Mean Deviation m m
PRE 11 29.6364 7.35218 17.00 41.00
POS
11 31.7273 9.83962 19.00 48.00
T

Wilcoxon Signed Ranks Test

Ranks

Mean Sum of
N Rank Ranks

105
 POST – Negative
4(a) 4.75 19.00
PRE Ranks
Positive
7(b) 6.71 47.00
Ranks
Ties 0(c)
Total 11
a POST < PRE
b POST > PRE
c POST = PRE

Test Statistics(b)

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

Uji Jumlah Jenjang Wilcoxon

(Wilcoxon’s Rank Sum Test)

106
 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
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

T1 = 70 dan T0,05(10, 10) = 78, maka hipotesis nol ditolak, jadi kualitas suara
tersebut berbeda nyata.

107
 Apabila n1 atau n2 atau keduanya > 20, maka analisisnya dengan uji Z.

Di mana :
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 paduan suara
10 7.00 70.00
suara FK
paduan suara
10 14.00 140.00
FKG
Total 20

Test Statistics(b)

kualitas
suara
Mann-Whitney U 15.000
Wilcoxon W 70.000
Z -2.662
Asymp. Sig. (2-
.008
tailed)
Exact Sig. [2*(1-
.007(a)
tailed Sig.)]
a Not corrected for ties.
b Grouping Variable: kelompok

Uji Jumlah Jenjang Berstrata Wilcoxon

(Wilcoxon’s Stratified Rank Sum Test)

108
 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)
Hormon Testoteron
Berat 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

109
 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.

Uji Mann – Whitney

(U Test)

110
 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 n 1 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 T 1 dan T2.

Nilai U yang terkecil bandingkan dengan U α (n1 , n2) . Dengan kriteria penarikan
kesimpulan adalah : H0 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
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

111
 U0,05 (12, 9) = 26
Karena 13,5 < 26 , maka H 0 ditolak. Kesimpulan terdapat perbedaan mutu pakan
ayam buatan pabrik A dan buatan pabrik B. Out put komputer dapat dilihat
sebagai berikut :
Mann-Whitney Test

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

Uji Kruskal Wallis

112
 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.

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 χ 2.
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 – kelompok mana yang berbeda

113
dilanjutkan dengan uji jumlah jenjang Wilcoxon atau dengan uji Z. Berikut out put
SPSS dari data di atas :

Descriptive Statistics

Std. Minimu Maximu

N Mean Deviation m m
DOSI 116.285
14 29.50731 61.00 166.00
S 7
KEL 14 1.9286 .82874 1.00 3.00

Kruskal-Wallis Test
Ranks

Mean
KEL N Rank
DOSI kel i 5 4.40
S kel ii 5 7.40
kel iii 4 11.50
Total 14

Test Statistics(a,b)

DOSIS
Chi-
6.406
Square
df 2

114
 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 :
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.

115
 Rumus :

, tidak berbeda nyata

, berbeda nyata.
, tidak berbeda nyata..

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

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

Uji Friedman dan Korelasi Spearman

Uji Friedman

116
 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 O1
O2 ...................................Ok O2 ..............................................Ok
Skor ....... ....... ....................................
skor ...................................Skor ...........
Skor skor .................................. ....... ....... ....................................
Skor ...........
Skor skor .................................. ....... ....... ....................................
Skor ...........

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

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

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

117
 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 (O 1 s/d Ok dijumlah : R1, R2, ... Rk.
Untuk menguji Ho : O 1= 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.

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

118
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
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
Ranks

Mean Rank
A 3.67
B 1.67
C 1.33
D 3.33

119
 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
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

120
 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 χ 2. Titik kritis untuk df = k-1 = 3 –

1 = 2 dengan α = 0,05 adalah 5,99 karena Fr hitung > 5,99 jadi Ho ditolak.
Berikut out put komputer dengan program SPSS :
NPar Tests
Descriptive Statistics

Std. Minimu Maximu

N Mean Deviation m m
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

121
 AA 2.19
BB 2.36
CC 1.44

Test Statistics(a)

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

UJI SPEARMAN

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

122
Untuk setiap subyek dihitung di yaitu selisih antara peringkat pada dua variabel
pada subyek ke – i . kemudian masing-masing di pangkatkan dua : d 2i dan

dijumlahkan : . Untuk lebih jelasnya lihat tabel berikut :

Skor Peringkat di d2i

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

Maka koefisien korelasi Spearman (r s) dapat dihitung dengan menggunakan

rumus :

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)

123
 = 0,50 - 0,001 (uji dua arah)
Lihat tabel Q (buku sidney Siegel). Selanjutnya Ho ditolak bila r s 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 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).

Praktek PERINGKAT
Pengetahuan
(Variabel Variabel 1 Variabel 2 di di2
(variabel 1)
2)
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

124
 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
PENGET PRAKT
AH EK
Spearman's PENGETAH Correlation
1.000 .818(**)
rho 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).
Tabel Nilai Kritis untuk Koefisien Korelasi Peringkat Spearman

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

125
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

126