TUGAS

RANCANGAN PENELITIAN DAN ANALISIS DATA

=METODE UJI STATISTIK=

DOSEN PENGAMPU:

Prof. Dr. apt. Almahdy A., M.Si.

OLEH:

Trisia Mayang Sari

NIM: 2321012005

PROGRAM MAGISTER FAKULTAS FARMASI

UNIVERSITAS ANDALAS
PADANG
2023
UJI STATISTIK

1. UJI T DEPENDEN (BERPASANGAN)

Uji ini untuk menguji perbedaan rata-rata antara dua kelompok data yang dependen.
Misalnya untuk mengetahui apakah ada perbedaan berat badan sebelum mengikuti proram diet
dan berat badan setelah mengikuti program diet. Sama seperti uji T independen, uji T dependen
memiliki asumsi yang harus dipenuhi, yaitu :
1. Datanya berdistribusi normal.
2. Kedua kelompok data dependen (berpasangan)
3. variabel yang dihubungkan berbentuk numerik dan kategorik (dengan hanya 2
kelompok).
Rumus yang digunakan, sebagai berikut :

KETERANGAN:
δ = rata-rata deviasi (selisih sampel sebelum dan sampel sesudah)
SDδ = Standar deviasi dari δ (selisih sampel sebelum dan sampel sesudah)
n = banyaknya sampel
DF = n-1

Contoh: :
Penelitian telah dilakukan untuk mengetahui pengaruh pemberian (suplementasi) Fe terhadap
kadar hemoglobin (Hb) pekerja suatu pabrik farmasi. Diambil 2 kelompok pekerja masing-
masing 6 orang, dimana kadar Hb sebelum suplementasi Fe tidak berbeda nyata. Fe diberikan
hanya kepada kelompok II. Satu bulan setelah suplementasi Fe, kadar Hb pada kelompok II
diperiksa. Pemeriksaan kadar Hb baik sebelum dan setelah diberi Fe pada kelompok II hasil
seperti pada tabel berikut ini. (Gunakan =0,05)
Buatlah: a. Rumusan masalah; b. Hipotesis penelitian; c. Uji hipotesis; dan d. Kesimpulan
penelitian. Rumusan Masalah: Apakah pemberian (suplementasi) Fe berpengaruh terhadap
kadar hemoglobin (Hb) pekerja suatu pabrik farmasi?

Hipotesis Penelitian: Hipotesis yang dipilih adalah hipotesis kerja (alternatif) dua arah (dua
ekor) Pemberian (suplementasi) Fe berpengaruh terhadap kadar hemoglobin (Hb) pekerja suatu
pabrik
Uji Hipotesis: menggunakan uji t berpasangan

Rujukan dengan t-tabel 0,05 db = n pasangan -1  6—1 = 5 t0,05 (db-5) = 2,571

thitung = 4,751638178 lebih besar daripada 2,571, H0 ditolak hipotesis penelitian diterima
berarti pemberian (suplementasi) Fe berpengaruh terhadap kadar hemoglobin (Hb) pekerja suatu
pabrik.
Kesimpulan Penelitian:
a. Pemberian (suplementasi) Fe berpengaruh terhadap kadar hemoglobin (Hb) pekerja suatu
pabrik.
 b. b. Rerata kadar hemoglobin (Hb) yang disuplementasi Fe (13,8) lebih tinggi daripada
rerata kadar hemoglobin (Hb) yang belum diberi suplementasi Fe (12,52).

2. UJI T TAK BERPASANGAN

Uji t sampel tidak berpasangan digunakan pada saat analisis dilakukan
terhadap 2 sampel dengan subjek yang berbeda dan mengalami perlakuan yang berbeda, gunanya
untuk mengetahui apakah ada perbedaan secara signifikan kelompok A dengan kelompok B.
Langkah-langkah uji t sampel tidak berpasangan setelah data sudah terkumpul dan ingin
diolah menggunakan SPSS sebagai berikut:
1. Data sudah terkumpul
2. Uji asumsi harus terpenuhi yaitu data harus berdistribusi normal (wajib).
3. Bila uji asumsi sudah terpenuhi maka gunakanlah uji t tidak berpasangan.Dengan
syarat dimana nilai sig > 0.05 (pada ouput spss bisa dilihat dalam tabel Shapiro-Wilk
bila banyak anggota sampel <= 50, bila anggota sampel >= 50 lihat disisi
Kolmogorov-Smirnov).
4. Bila uji asumsi tidak terpenuhi yaitu dimana nilai sig < 0.05 untuk sampel <=50 (pada
ouput spss bisa dilihat dalam tabel Shapiro-Wilk) dan bila anggota sampel >= 50 lihat
disisi Kolmogorov-Smirnov, maka coba tranformasi dulu datanya.
5. Bila data sudah ditranformasi coba lagi uji normalitasnya seperi pada langkah 2.
6. Bila hasil tranformasi juga tidak berdistribusi normal yaitu dimana nilai sig masih <
0.05 (pada ouput spss bisa dilihat dalam tabel Shapiro-Wilk dan Kolmogorov-
Smirnov) maka pakailah uji non-parametrik Kolmogorov-Smirnov khusus untuk
sampel yang berpasangan.

CONTOH SOAL

Kita ingin menguji dua jenis pupuk nitrogen terhadap hasil padi

1. Hipotesis

Ho : 1 = 2

HA : 1 ≠ 2
2.Hasil penelitian tertera pada Tabel 1.

Tabel 1. Data hasil penelitian dua jenis pupuk nitrogen terhadap hasil padi (t/h)
Plot Pupuk A Pupuk B

Y1 Y2
1 7 8
2 6 6
3 5 7
4 6 8
5 5 6
6 4 6
7 4 7
8 6 7
9 6 8
10 7 7
11 6 6
12 5 7

3. Data analisis adalah sebagai berikut

Hitunglah

1= 5.58

S1 = 0.996

2 = 6.92

S2 = 0.793

thit =( 1 – 2)/√(S12/n1) +(S22/n2)

=( 5.58 – 6.92)/√(0.9962/12)+(0.7932/12)

= -1.34/0.367522 = -3.67

Setelah itu, kita lihat nilai t table, sebagai nilai pembanding. Cara melihatnya adalah
sebagai berikut. Pertama kita lihat kolom α = 0.025 pada Tabel 2. Nilai α ini berasal
dari α 0.05 dibagi 2, karena hipotesis H A kita adalah hipotesis 2 arah (lihat hipotesis).
Kemudian, kita lihat baris ke 22. Nilai 22 ini adalah nilai df, yaitu n1+n2-2. Nilai n
adalah jumlah ulangan, yaitu masing 12 ulangan. Akhirnya, kita peroleh nilai t table =
2.074.
t table = t α/2 (df) = t0.05/2 (n1+n2-2)=t0.025(12+12-2) = t0.025(22) = 2.074

Tabel 2. Nilai t
df α
0.05 0.025 0.01 0.005
6.31 12.70 31.82 63.65
1 4 6 1 7
2.92
4.303 6.965 9.925
2 0
2.35
3.182 4.541 5.841
3 3
2.13
2.776 3.747 4.604
4 2
2.01
2.571 3.365 4.032
5 5
1.94
2.447 3.143 3.707
6 3
1.89
2.365 2.998 3.499
7 5
1.86
2.306 2.896 3.355
8 0
1.83
2.262 2.821 3.250
9 3
1.81
2.228 2.764 3.169
10 2
1.79
2.201 2.718 3.106
11 6
1.78
2.179 2.681 3.055
12 2
1.77
2.160 2.650 3.012
13 1
1.76
2.145 2.624 2.977
14 1
1.75
2.131 2.602 2.947
15 3
1.74
2.120 2.583 2.921
16 6
1.74
2.110 2.567 2.898
17 0
1.73
2.101 2.552 2.878
18 4
1.72
2.093 2.539 2.861
19 9
1.72
2.086 2.528 2.845
20 5
1.72
2.080 2.518 2.831
21 1
1.71
2.074 2.508 2.819
22 7
1.71
2.069 2.500 2.807
23 4
1.71
2.064 2.492 2.797
24 1
1.70
2.060 2.485 2.787
25 8
1.70
2.056 2.479 2.779
26 6
 4. Kriteria Pengambilan Kesimpulan

Terima H0, jika thit| < t table, sebaliknya

Tolak H0, alias terima HA, jika thit| > t table

5. Kesimpulan

Karena nila thit|= 3.67 (tanda minus diabaikan) dan nilai t table=2.074, maka kita tolak
H0, alias kita terima HA. Dengan demikian, 1 ≠ 2, yaitu hasil padi yang dipupuk
dengan pupuk A tidak sama dengan hasil padi yang dipupuk dengan pupuk B. Lebih
lanjut, kita lihat bahwa rata-rata hasil padi yang dipupuk dengan pupuk B lebih tinggi
daripada yang dipupuk dengan pupuk A. Dengan demikian, kita dapat menyimpulkan
bahwa pupuk B nyata lebih baik daripada pupuk A untuk meningkatkan hasil padi.

3. One way ANOVA

sebagai acuan adalah ANOVA merupakan metode statistik inferensi yang digunakan
untuk menguji rata-rata dari beberapa populasi. ANOVA merupakan perluasan dari uji
rata-rata (uji t). Jika uji t menggunakan hanya 2 sampel yang akan dibandingkan, maka
dengan ANOVA dapat dibandingkan lebih dari 2 sampel. Karena merupakan perluasan
uji rata-rata maka komponen yang digunakan variansi, sehingga ANOVA disebut juga
analisis variansi.
One Way ANOVA adalah uji digunakan untuk mengetahui apakah rata-rata dua atau
lebih kelompok berbeda secara nyata atau tidak. Uji One way ANOVA disebut juga uji
anova satu faktor. Analisis ini memiliki asumsi bahwa kelompok yang dianalisis
memiliki varian yang sama serta data yang digunakan berdistribusi normal
Syarat Uji One Way ANOVA
Setiap data yang terkumpul pasti memiliki karakteristik tersendiri, sehingga dibutuhkan
metode uji statistik yang tepat. Begitu juga untuk uji One Way ANOVA. Berikut ini
persyaratan penggunaan uji One Way ANOVA:
1. Sampel berasal dari kelompok yang indepeden.
2. Variabel faktor (variabel independent) berupa non metrik (data kategorikal).
 3. Variabel data penelitian berdistribusi normal.
4. Variabel data penelitian mempunyai varian yang sama (data homogen).
Contoh Kasus One Way ANOVA

Banyaknya anggota rumah tangga hasil sebuah survei rumah tangga di 3 desa adalah sebagai
berikut:

Desa A Desa B Desa C

6 4 7
8 4 5
4 4 3
4 7 6
7 4 5
5 4 5
4 3 3
3 3
8 3
8

Ujilah dengan tingkat signifikansi 5 persen, apakah terdapat perbedaan rata-rata banyaknya
anggota rumahtangga di ketiga desa tersebut!

Penyelesaian Anova Satu Arah

Penyelesaian Anova Satu Arah dimulai dari penetapan hipotesis, menghitung statistik uji,
menentukan titik kritis, pengambilan keputusan dan menarik kesimpulan.

a. Hipotesis

Hipotesis yang digunakan untuk uji beda tiga rata-rata adalah:

H0: µ1 = µ 2 = µ3
(Rata-rata banyaknya anggota rumah tangga ketiga desa adalah sama)
H1: Minimal terdapat satu μ yang tidak sama
(Minimal terdapat rata-rata banyaknya anggota rumah tangga salah satu desa tidak sama
dengan desa yang lain)
b. Statistik Uji
Langkah-langkah menghitung statistik uji adalah sebagai berikut:

1. Tentukan banyaknya perlakuan (k)(k)

Banyaknya perlakuan adalah 3 (k = 3),(k=3), yaitu 3 desa (Desa A, Desa B dan Desa C)

2. Hitung banyaknya data (n_1, n_2, n_3, n)(n1,n2,n3,n)

Banyaknya data Desa A, B dan C:

n_1 = 7n1=7
n_2 = 10n2=10
n_3 = 9n3=9
Banyaknya data gabungan:
n=n1+n2+n3
=7+10+9=26

3. Jumlah data (X1.,X2.,X3.,X..)

Jumlah data dihitung melalui tabel:

x1j x2j x3j

6 4 7
8 4 5
4 4 3
4 7 6
7 4 5
5 4 5
4 3 3
3 3
8 3
8
Xi. 38 49 40
Jumlah data Desa A, B dan C:
X1.=38
X2.=49
X3.=40

Jumlah data gabungan:

X..=X1.+X2.+X3.
 =38+49+40
=127

4. Hitung Jumlah Kuadrat Perlakuan (SSTr)(SSTr)

5. Hitung Jumlah Kuadrat Data Gabungan

Untuk memudahkan penghitungan, gunakan tabel berikut:

x1j x2j x3j x1j2 x2j2 x3j2

6 4 7 36 16 49
8 4 5 64 16 25
4 4 3 16 16 9
4 7 6 16 49 36
7 4 5 49 16 25
5 4 5 25 16 25
4 3 3 16 9 9
3 3 9 9
8 3 64 9
8 64

6. Hitung Jumlah Kuadrat Total (SST)(SST)

 7. Hitung Jumlah Kuadrat Error (SSE)(SSE)

SSE=SST−SSTr

=72,6538−3,8173

=68,8365

8. Hitung Derajat Bebas/Degree of Freedom (df)

df treatment = k - 1 = 3 - 1 = 2
df error = n−k=26−3=23

9. Hitung Rata-rata Kuadrat Perlakuan (MSTr)(MSTr) dan Rata-rata Kuadrat Error (MSE)
(MSE)

Selanjutnya tabel Anova adalah sebagai berikut:

Sumber Sum of Degree of Mean

F_{hit}Fhit
Variasi Squares (SS) Freedom (df) Squares (MS)
Perlakuan
3,8173 2 1,9087
(Tr) 0,6377
Error (E) 68,8365 23 2,9929
Total (T) 72,6538 25

c. Titik Kritis
Distribusi yang digunakan dalam pengujian Anova adalah distribusi F.

F(α;k−1,n−k)=F(0,05;2,23)=3,422

Gunakan Tabel Distribusi F, untuk melihat nilai F tersebut

d. Keputusan

Karena Fhit<F(α;k−1,n−k), maka gagal tolah H0..

e. Kesimpulan

Dengan tingkat signifikansi 5 persen, tidak terdapat perbedaan rata-rata banyaknya anggota
rumah tangga di Desa A, Desa B dan Desa C.

4. Repeated ANOVA
Uji Repeated Measures Anova merupakan teknik lebih lanjut dari uji paired sample t test. Uji
repeated measures anova ini, sanggup digunakan untuk menguji perbedaan dari tiga sampel atau
lebih yang saling berpasangan. Sementara pada uji paired sample t test hanya untuk dua sampel
berpasangan saja.
Asumsi Dasar dalam Uji Repeated Measures Anova.
Persyaratan yang harus terpenuhi atau perkiraan dasar penggunaan uji repeated measures
anova dalam analisis data penelitian ialah sebagai berikut.
1. Variabel independent (variabel bebas) memakai data berskala kategori. Sementara untuk
variabel dependent (variabel terikat) memakai data berskala interval atau rasio (numerik).
2. Uji repeated measures anova merupakan pecahan dari statistik parametrik. Oleh lantaran
itu, nilai Standardized Residual untuk semua pengukuran (variabel) harus berdistribusi
normal. Sementara itu, kalau salah satu dari nilai Standardized Residual untuk variabel
ada yang tidak normal, maka solusinya ialah mengganti analisis data dengan statistik non
parametrik memakai uji friedman.
3. Data penelitian diasumsikan mempunyai varians yang sama atau homogen. Hal ini
dibuktikan dengan nilai signifikansi (Sig.) > 0,05 pada Mauchly’s Test of Sphericity.
Namun demikian, untuk persyaratan poin ke-3 ini bukanlah sebuah keharusan (tidak
 mutlak). Sebab, walaupun varians tidak homogen, akan tetapi kita tetap bisa melanjutkan
penggunakan uji repeated measures anova untuk analisis data penelitian yakni dengan
memperhatikan nilai Greenhouse-Geisser yang ada di tabel output SPSS Tests of Within-
Subjects Effects.

Contoh kasus
Proses pertumbuhan tanaman dapat dipengaruhi oleh pemberian pupuk dan penyiraman yang
tepat. Dilakukan sebuah percobaan untuk mengetahui pemberian pupuk dan penyiraman yang
paling maksimal terhadap hasil pertumbuhan tanaman jagung. Pada faktor pemumpukan
dikelompokkan menjadi pupuk dengan dosis 3%, 5% dan 7%, sedangkan pada penyiraman
dikelompokan menjadi penyiraman 1x/minggu, 3x minggu dan tidak ada penyiraman. Pada
tanaman jagung dilakukan pengukuran terhadap tinggi tanaman, dan jumlah bongkol yang
dihasilkan. Didapatkan hasil seperti pada tabel berikut:
 Penentuan hipotesis Ho : Tidak ada perbedaan rata-rata tinggi tanaman dan jumlah
bongkol jagung pada kelompok pemberian dosis pupuk yang berbeda.
: Tidak ada perbedaan rata-rata tinggi tanaman dan jumlah bongkol jagung pada
kelompok pemberian pemberian frekuensi penyiraman yang berbeda : tidak ada
perbedaan rata-rata tinggi tanaman dan jumlah bongkol jagung pada kelompok interaksi
dosis pupuk dan frekuensi penyiraman yang berbeda Ha : ada perbedaan rata-rata tinggi
tanaman dan jumlah bongkol jagung pada kelompok pemberian dosis pupuk yang
berbeda. : ada perbedaan rata-rata tinggi tanaman dan jumlah bongkol jagung pada
kelompok pemberian pemberian frekuensi penyiraman yang berbeda : ada perbedaan
rata-rata tinggi tanaman dan jumlah bongkol jagung pada kelompok interaksi dosis pupuk
dan frekuensi penyiraman yang berbeda
Uji Anova two-way secara manual Pada uji anova two-way karena terdapat 3 hipotesa,
maka akan ada 3 nilai Fhitung

5. Uji Mann Whitney

 Mann Whitney U Test disebut juga dengan Wilcoxon Rank Sum Test. Merupakan pilihan
uji non parametris apabila uji Independent T Test tidak dapat dilakukan oleh karena
asumsi normalitas tidak terpenuhi. Tetapi meskipun bentuk non parametris dari uji
independent t test, uji Mann Whitney U Test tidak menguji perbedaan Mean (rerata) dua
kelompok seperti layaknya uji Independen T Test, melainkan untuk menguji perbedaan
Median (nilai tengah) dua kelompok.

Tetapi beberapa ahli tetap menyatakan bahwasanya uji Mann Whitney U Test tidak hanya
menguji perbedaan Median, melainkan juga menguji Mean. Mengapa seperti itu? karena
dalam berbagai kasus, Median kedua kelompok bisa saja sama, tetapi nilai P Value
hasilnya kecil yaitu < 0,05 yang berarti ada perbedaan. Penyebabnya adalah karena Mean
kedua kelompok tersebut berbeda secara nyata. Maka dapat disimpulkan bahwa uji ini
bukan hanya menguji perbedaan Median, melainkan juga perbedaan Mean.

Tujuan Uji Mann Whitney

Berdasarkan pemahaman pendapat-pendapat di atas, maka kesimpulannya adalah:

Seseorang akan melakukan uji Mann Whitney U Test apabila menemui kasus: Diketahui
dengan jelas bahwa terdapat perbedaan median, bentuk dan sebaran data sama, tetapi
tidak diketahui secara pasti apakah perbedaan median tersebut bermakna atau tidak.

Contoh kasus
Tim Statistik Ceria penasaran ingin mengetahui apakah ada perbedaaan Denyut nadi
pria dan denyut nadi wanita. kemudian dilakukan penarikan sampel untuk pria dan wanita
dengan melihat denyut nadi masing-masing. Berikut hasil perhitungan masing-masing denyut
nadi.

Denyut Nadi Pria Denyut Nadi Wanita

90 79

89 82

82 85

89 88

91 85

86 80
85 80

86

84

Hipotesis:
H0 : Denyut nadi wanita sama dengan denyut nadi pria
H1 : Denyut nadi wanita berbeda dengan denyut nadi pria

Susun kedua hasil Pengamatan menjadi satu kelompok sampel dan buat peringkat seperti berikut
Denyut Nadi Rangking Jenis Kelamin

79 1 Wanita

80 2,5 Wanita

80 2,5 Wanita

82 4,5 Pria

82 4,5 Wanita

84 6 Pria

85 8 Pria

85 8 Wanita

85 8 Wanita

86 10,5 Pria

86 10,5 Pria

88 12 Wanita

89 13,5 Pria
89 13,5 Pria

90 15 Pria

91 16 Pria

Selanjutnya jumlahkan nilai jenjang untuk masing-masing sampel

Denyut Nadi Pria Rangking Denyut Nadi Wanita Rangking

90 15 79 1

89 13,5 82 4,5

82 4,5 85 8

89 13,5 88 12

91 16 85 8

86 10,5 80 2,5

85 8 80 2,5

86 10,5

84 6

Jumlah Rangking 97,5 38,5

Hitung Nilai statistik uji U

Setelah melalu langkah-langkah diatas. Sekarang saatnya untuk menghitung statistik uji U.
Pertama yaitu dengan menghitung U1. Berikut perhitungannya.
 Sedangkan untuk menghitung U2. Bisa dengan menggunakan rumus.

U2=n1.n2-U1
U2=9.7-52,5
U2 = 10,5

Kesimpulan
Oleh karena nilai U statistik uji lebih kecil dari nilai U tabel Mann Whitney yaitu 10,5 < 12.
Sehingga Keputusan H0 ditolak, H1 diterima. Sehingga bisa disimpulkan ada perbedaan antara
denyut nadi pria dan denyut nadi wanita.

6. Kruskal Wallis

Uji Kruskal Wallis adalah uji nonparametrik berbasis peringkat yang tujuannya untuk
menentukan adakah perbedaan signifikan secara statistik antara dua atau lebih kelompok variabel
independen pada variabel dependen yang berskala data numerik (interval/rasio) dan skala
ordinal.

Uji ini identik dengan Uji One Way Anova pada pengujian parametris, sehingga uji ini
merupakan alternatif bagi uji One Way Anova apabila tidak memenuhi asumsi misal asumsi
normalitas. Selain sebagai uji alternatif, kegunaan lain adalah sebagai perluasan dari uji Mann
Whitney U Test, di mana kita ketahui bahwa uji tersebut hanya dapat digunakan pada 2
kelompok variabel dependen. Sedangkan Kruskall Wallis dapat digunakan pada lebih dari 2
kelompok misal 3, 4 atau lebih.

Contoh soal

Seorang peneliti ingin mengetahui apakah terdapat perbedaan prestasi belajar mahasiswa yang
diajar oleh dosen A, dosen B, dan dosen C. Berdasarkan data berikut, apakah dapat disimpulkan
bahwa terdapat perbedaan prestasi belajar antara mahasiswa yang diajar oleh dosen A, B, dan C?
(Ujilah dengan alpha = 5%).
Pembahasan:

Tentukan hipotesis:

Tentukan hipotesis penelitian. H0: prestasi belajar mahasiswa untuk ketiga dosen sama.H1:

prestasi belajar mahasiswa untuk ketiga dosen berbeda (miniam ada satu yang berbeda)

Taraf signifikansi: alpha = 5%.

Statistik Uji:
Karena terdapat ranking kembar, maka gunakan faktor koreksi, yakni

Dengan demikian, statistik hitung Kruskal-Wallis menjadi:

Wilayah kritis: Dengan alpha = 5% dan db = 3-1 = 2 didapat H tabel = 5,991 (lihat tabel χ2)χ2).

Keputusan: Karena H hitung < H tabel, maka H0 tidak ditolak.

Kesimpulan: Dengan tingkat kepercayaan 95% dan berdasarkan sampel yang ada, dapat

dinyatakan bahwa terdapat cukup bukti untuk menyatakan prestasi belajar mahasiswa untuk

ketiga dosen berbeda (minimal ada satu yang berbeda).

7. Uji Wilcoxon

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). Uji wilcoxon sign test biasa digunakan pada penelitian desain pre-post
test.

Asumsi yang harus dipenuhi pada uji wilcoxon adalah :

a. Data sampel tidak berdistribusi normal

b. Dua Kelompok sampel yang saling berpasangan (anggota sampel dua kelompok sama)
c. Sampel berskala minimal data ordinal, interval, rasio
d. Jumlah sampel pada kedua kelompok sama

Langkah langkah pengujian secara teori :

a. Pasangkan data pada tabel sebagai berikut

b. Hitung selisih skor pasangan data (X post – X pre) atau disebut diff

c. Hitung harga mutlak selisih skor pasangan data |X post – X pre| atau disebut absolut diff

d. Tentukan rangking hasil absolut diff atau disebut Rank D

e. Berikan tanda positif atau negatif pada langkag d sesuai dengan tanda hasil pada diff atau
disebut D sign
f. Jumlah rangking pada hasil bertanda positif (T+) dan negatif (T-)

g. Ambil jumlah yang paling kecil antara T+ dan T-

Contoh kasus uji wilcoxon sign rank test

Sebuah perusahaan Pharmasi sedang mengembangkan suplemen penambahan berat badan pada
anak-anak. Perusahaan ingin mengetahui khasiat suplemen tersebut sebelum dipasarkan secara
komersial. Untuk itu perusahaan mencoba obat tersebut secara kontinu terhadap 15 orang siswa
sekolah dasar yang sudah diukur terlebih dahulu berat badannya. Setelah 3 bulan kemudian
siswa-siswa tersebut ditimbang berat badannya lagi untuk mngetahui apakah ada peningkatan
berat badannya yang nyata

Absolut Rank
Siswa Ke- Pre Post Diff Diff D D sign
1 25 26 1 1 3,5 3,5
2 27 26 -1 1 3,5 -3,5
3 20 22 2 2 9 9
4 21 24 3 3 12,5 12,5
5 18 22 4 4 14,5 14,5
6 19 21 2 2 9 9
7 20 24 4 4 14,5 14,5
8 22 21 -1 1 3,5 -3,5
9 24 26 2 2 9 9
10 25 26 1 1 3,5 3,5
11 24 25 1 1 3,5 3,5
12 27 28 1 1 3,5 3,5
13 23 25 2 2 9 9
14 25 27 2 2 9 9
15 22 25 3 3 12,5 12,5

Dari hasil perhitungan diatas akan dilakukan uji analisis hipotesis sebagai berikut :

Uji hipotesis :
 H0 : Tidak Terdapat perbedaan nilai rata rata pada data sebelum dan sesudah
H1 : Terdapat perbedaan nilai rata rata pada data sebelum dan sesudah
Daerah Kritik :
H0 ditolak jika T kritik tabel > Thitung terkecil
Nilai T hitung dan T kritik tabel :
Dengan menggunakan tabel sign wilcoxon untuk N = 15, α = 5% diperoleh nilai T kritik =
25 dan T hitung = 7. Artinya T kritik > T hitung
Kesimpulan :
T kritik (25) > T hitung (7) maka H0 di tolak artinya Terdapat perbedaan nilai rata rata pada
data sebelum dan sesudah sehingga suplemen penambah berat badan mampu menaikan berat
badan anak anak.

8 . Fried Man
Uji Friedman dilakukan untuk mengetahui perbedaan lebih dari dua kelompok sampel yang
saling berhubungan. Data yang dianalisis adalah data ordinal, sehingga jika data berbentuk
interval atau ratio sebaiknya dirubah dulu ke bentuk ordinal.
Uji Friedman merupakan alternative dari ANOVA satu jalur. Uji ini dilakukan jika asumsi-
asumsi dalam statistik parametris tidak terpenuhi, atau juga karena sampel yang terlalu sedikit.
Contoh Kasus
Restoran LEZAT ingin meluncurkan empat paket masakan dengan nama paket 1, paket 2, paket

3 dan paket 4. Untuk mengetahui bagaimana tanggapan konsumen terhadap keempat paket

tersebut, sejumlah 10 orang (sampel) dipersilakan mencicipi keempat jenis paket tersebut,

kemudian memberikan penilaian kepada tiap-tiap paket. Nilai yang diberikan ditentukan antara 0

sampai dengan 100.

Berikut adalah hasil penilaian kesepuluh orang terhadap paket yang ditawarkan.

Responden PAKET 1 PAKET 2 PAKET 3 PAKET 4

1 80 75 72 82

2 85 78 68 84

3 82 82 64 71

4 81 86 82 76

5 84 71 88 70

6 83 79 86 89

7 89 80 80 90

8 84 82 74 74

9 72 84 76 71
10 75 70 81 72
Akan diteliti apakah keempat paket tersebut mempunyai mutu (dalam hal ini nilai) yang sama?

Pembahasan:

Di sini seorang responden (penilai) mencicipi keempat jenis paket masakan tersebut, atau bisa

dikatakan suatu eksperimen yang pengukurannya terhadap keempat paket masakan dilakukan

terhadap subjek yang sama (seorang responden/penilai). Oleh karena paket masakan lebih dari

dua, maka pengujian bisa dilakukan secara uji lebih dari dua sampel berhubungan.

Hipotesis:

Ho: Populasi-populasi dalam suatu blok adalah identik (Keempat jenis paket mempunyai

mutu/penilaian yang sama).

H1: Sekurang-kurangnya salah satu perlakuan cenderung menghasilkan output yang lebih besar

dibandingkan dengan sekurang-kurangnya salah satu perlakuan lain. Atau, dalam kasus di atas

sekurang-kurangnya salah satu jenis paket mendapat penilaian yang lebih besar dibandingkan

dengan sekurang-kurangnya salah satu paket yang lainnya.

Tingkat Signifikansi: α=5%α=5%

Statistik uji:

Berdasarkan data hasil penilaian yang diberikan pada soal, buatlah ranking setiap perlakuan

untuk setiap subjek/orang. Tabel berikut menunjukkan hasil perankingan yang telah dilakukan.

Responden PAKET 1 PAKET 2 PAKET 3 PAKET 4

1 3 2 1 4

2 4 2 1 3

3 3,5 3,5 1 2

4 2 4 3 1

5 3 2 4 1

6 2 1 3 4

7 3 1,5 1,5 4

8 4 3 1,5 1,5

9 2 4 3 1
10 3 1 4 2
RjRj 29,5 24 23 23,5
Karena kita menjumpai angka yang sama, yakni ada 2 skor 74, 2 skor 80, dan 2 skor 82,
maka χ2rχr2 harus dikoreksi. Kita peroleh sebagai berikut.

Dengan demikian, statistik hitung Friedman yang telah dikoreksi menjadi:

Selanjutnya, dari tabel chi-square dengan tingkat signifikansi 5% dan derajat bebas = k - 1 = 4 -

1 = 3, diperoleh nilai chi-square tabel sebesar 7,82.

Keputusan: Karena nilai chi-square hitung lebih kecil dibandingkan nilai chi-square tabel, yakni

1,701 < 7,82, maka gagal tolak Ho.

Kesimpulan:Dengan tingkat signifikansi 5%, dapat disimpulkan bahwa keempat jenis paket

mempunyai penilaian yang relatif sama.

8. Uji Pearson
 Koefisien korelasi Pearson dapat digunakan untuk menyatakan besar hubungan linier

antara dua variabel ketika data kuantitatif (data berskala interval atau rasio) dan kedua

variabel

Koefisien korelasi Pearson dapat digunakan untuk menyatakan besar hubungan linier antara dua
variabel ketika data adalah data kuantitatif (data berskala interval atau rasio) dan kedua variabel adalah
bivariat yang berdistribusi normal. Ketika datanya adalah data kualitatif (data berskala ordinal) maka
besar hubungan dua variabel dapat dicari dengan korelasi Spearman atau korelasi Kendall Tau, dan
ketika datanya kualitatif berskala nominal dalam bentuk tabel kontingensi maka besar hubungan dua
variabel dapat dicari dengan korelasi Cramer. Korelasi-korelasi dengan data kualitatif ini akan dibahas
pada sesi tulisan yang lain. Simbol korelasi pada ukuran populasi adalah ρ (dibaca: rho) dan pada
ukuran sampel adalah r
Uji Spearman

Uji Somars

Uji Gamma
 REFERENSI

Aqsha, Ardi.2013.Uji Friedman.http://haedarardi.blogspot.co.id/2013/06/uji-fried man.html.

Mitra Homecare. 2010. Jenis-Jenis Uji Statistik. http://www.mitrahomecare.com/2010
/04/jenis-jenis-uji-statistik.html.

Smart riset.2012.Statistika Non Parametrik.Solusi Smart Statistika. http://smartriset.

blogspot.co.id/2012/12/statistika-non-parametrik-4_19.html

Susilawati, Luh Kadek dkk. Bahan Ajar Praktikum Statistik. 2017. Fakultas Kedokteran
Universitas Udayana

Efendi, Ridwan. Jurnal P15-Statistika Non Parametrik-Uji Wilcoxon. FMIPA UPI.Bandung

https://www.statistikian.com/2014/07/tutorial-uji-wilcoxon-signed-rank-test.html
Diakses tanggal 21 Oktober 2022