Statistika Non Parametrik

STATISTIKA
NONPARAMETRIK
BUKU:
1. SIDNEY SIEGEL & JOHN CASTELLAN, JR.
NONPARAMETRIC STATISTICS FOR THE BEHAVIORAL
SCIENCES, SECOND EDITION, MCGRAW-HILL
INTERNATIONAL EDITIONS 1988.
2. RONALD M. WEIERS, INTRODUCTION TO BUSINESS
STATISTICS, THIRD EDITION, INTERNATIONAL
THOMPSON PUBLISHING, 1998.
3. W.J. CONOVER, PRACTICAL NONPARAMETRIC

STATISTICS, THIRD EDITION, JOHN WILEY & SONS, INC.
1999.
15 Desember 2004
by Wawan Hermawan, SE., MT.
STATISTIKA DESKRIPTIF
Menjelaskan atau menggambarkan berbagai
karakteristik data.
Seperti bagaimana rata-rata, dispersi, nilai max, nilai
min dsb.
15 Desember 2004
STATISTIK INFERENS
Membuat berbagai inferensi terhadap sekumpulan
data yang berasal dari suatu sampel. Tindakan
inferensi tersebut seperti melakukan perkiraan,
peramalan, pengambilan keputusan dsb.
Atau,
Perkiraan atau generalisasi tentang suatu populasi
berdasarkan informasi yang terkandung dari suatu
sampel
15 Desember 2004
KONSEP DASAR
POPULASI:
Keseluruhan objek penelitian yang dibatasi oleh kriteria
tertentu. Misal, rata-rata IPK mahasiswa unpar.
SAMPLING:
Proses pengambilan sebagian anggota populasi
SAMPEL:
Hasil pengambilan sampling
15 Desember 2004
KONSEP DASAR
PARAMETER:
Konstanta yang dihitung dengan rumus tertentu dari
populasi.
PENGUKURAN:
Proses kuantifikasi terhadap karakteristik yang diamati
berdasarkan aturan tertentu. Contoh: menentukan
upah A, B, C dinyatakan dengan angka (Rp).
15 Desember 2004
Kegunaan Tes Statistik dalam

Penelitian
HIPOTESIS PENELITIAN
DITERIMA
DITOLAK
DATA
PROSEDUR STATISTIK
15 Desember 2004
LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
1. Nyatakan Hipotesis Nol (H0)
Pada umumnya adalah suatu hipotesis tentang tidak
adanya perbedaan.
Diformulasikan untuk ditolak.

=, ,
15 Desember 2004
LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
Hipotesis Alternatif (H1)
Merupakan hipotesis penelitian dari si pembuat
eksperimen. , <, >
15 Desember 2004
Contoh
Berdasarkan suatu teori sosial tertentu, kita membuat
prediksi bahwa jumlah waktu untuk membaca surat
kabar dari kelompok A berbeda dengan kelompok B.
Pernyataan tersebut merupakan hipotesis penelitian.

Ho : A = B
H1 : A
15 Desember 2004
LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
2. Tingkat Signifikansi (Level of Significance)
Berkenaan dengan tingkat kesalahan dalam pengujian
hipotesis ()
15 Desember 2004
10
Dua kekeliruan
1. Tipe I : menolak hipotesis yang seharusnya diterima
()
2. Tipe II: menerima hipotesis yang seharusnya ditolak

()
P(kesalahan tipe I) =
P(kesalahan tipe II) =
15 Desember 2004
11
LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
3. Pemilihan Tes Statistik
Dilakukan untuk menguji hipotesis
Yang harus diperhatikan:
- Model penelitian
- Asumsi-asumsi dasar
- Skala pengukuran data
15 Desember 2004
12
LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
4. Tentukan daerah penolakan (daerah kritis)
Daerah untuk menolak Ho pada tingkat
tertentu
5. Kesimpulan
Jika hasil tes menunjukkan pada daerah penolakan,
maka tolak Ho.
15 Desember 2004
13
Skala pengukuran data

Merupakan indikator yang penting dalam menentukan
metode statistik yang digunakan.
Parametrik Statistik (minimal Interval)
Nonparametrik Statistik (Nominal, Ordinal, Interval)
15 Desember 2004
14
Skala Nominal atau Skala

Klasifikasi
Pengukuran pada tingkatan paling rendah
Digunakan untuk mengklasifikasi suatu objek, orang,

sifat.
Tes paling cocok adalah Nonparametrik, seperti Chi

Square, Binomial (memusatkan pada frekuensi dalam
kategori)
Contoh: laki-laki, perempuan / merk mobil / nama

propinsi
15 Desember 2004
15
Skala Ordinal atau Skala

Urutan
Merupakan pengukuran data yang mengandung

pengertian urutan/ranking.
Statistik yang cocok adalah yang melukiskan harga

tengah, seperti median, spearman, Kendal
Contoh: SS-S-R-TS-STS SD-SLTP-SMU-S1-S2-S3
15 Desember 2004
16
SKALA INTERVAL
Mempunyai sifat nominal dan ordinal
Jarak antara dua angka diketahui ukurannya
Mempunyai nol yang tidak mutlak
Uji statistik yang cocok adalah Parametrik, seperti uji

t dan uji F
Contoh: suhu dimana 0 derajat masih ada suhunya.
15 Desember 2004
17
Skala Rasio
Mempunyai semua ciri Interval
Mempunyai nol yang mutlak
Contoh: Berat Badan mahasiswa (0 Kg berarti tidak

ada mahasiswa)
15 Desember 2004
18
Statistik Parametrik
Adanya syarat tertentu tentang parameter populasi

dan distribusi populasi
Skala pengukuran minimal interval
15 Desember 2004
19
Statistik Nonparametrik
Tidak menetapkan syarat tentang parameter

populasi
Distribusi data bisa diabaikan
Skala pengukuran mulai dari Nominal
Bisa digunakan untuk sampel kecil (n = 6)
15 Desember 2004
20
UJI NORMALITAS
Melakukan pengujian apakah data berdistribusi normal
atau tidak.
H0 : Sampel berasal dari populasi yang berdistribusi
normal
H1 : Sampel tidak berasal dari populasi yang
berdistribusi normal
15 Desember 2004
21
UJI NORMALITAS
Statistik Uji:
1. Jika n 30 maka digunakan Uji Liliefors
2. Jika n > 30 maka digunakan uji Chi Square
15 Desember 2004
22
Uji Lilliefors
Misalkan sampel dengan data:
23 27 33 40 48 48 57 59 62 68 69 70
telah diambil dari suatu populasi
Akan diuji apakah sampel ini berasal dari distribusi

normal atau bukan.
15 Desember 2004
23
Uji Lilliefors
1. Tentukan H0:
normal
2. Tentukan = 5%
15 Desember 2004
24
Uji Lilliefors
3. Hitung Rata-rata dan simpangan baku sampel
X
15 Desember 2004
604
50.33
12
X
n 1
3012.67
16.55
11
25
Uji Lilliefors
4. Hitung angka baku Z
Xi X
Zi
s
contoh
23 50.33
Z1
1.65
16.55
15 Desember 2004
26
Uji Lilliefors
5. Hitung F(Zi) = P(Z Zi)
0.5 - Ztabel
0.5 + Ztabel
15 Desember 2004
27
Uji Lilliefors
6. Hitung S(Zi)
15 Desember 2004
28
Uji Lilliefors
7. Hitung |F(Zi) S(Zi)|
15 Desember 2004
29
Uji Lilliefors
8. Ambil harga terbesar dari |F(Zi) S(Zi)| atau disebut Lo
9. Kriteria Uji : Ho ditolak jika Lo L tabel
Lo = 0.12
Dengan =5% maka Ltabel = 0.242
Sehingga Ho tidak ditolak (Lo < Ltabel)
Kesimpulan : Populasi berdistribusi normal
15 Desember 2004
30
Uji Chi Square

Untuk uji normalitas jika n > 30 digunakan Chi Square
Dengan rumus:
foi fei
i 1
fei
Fo = Nilai observasi
Fe = nilai harapan
i = jumlah kriteria
15 Desember 2004
31
Chi Square
Contoh:
Upah yang diterima oleh 300 pekerja (US$) yang dipilih secara acak
dari pekerja yang tinggal di suatu daerah industri disajikan dalam
tabel berikut apakah berdistribusi normal atau tidak?
Upah
Jumlah pekerja
550 - <650
20
650 - <750
54
750 - <850
130
850 - <950
68
950 - <1050
28
Jumlah
300
15 Desember 2004
32
Chi Square
1. Tentukan H0:
normal
2. Tentukan = 5%
15 Desember 2004
33
Chi Square
3. Hitung Rata-rata dan simpangan baku sampel
FX
X
F
F X
s
i
i X
n 1
15 Desember 2004
34
Chi Square
Upah
Fi
Xi
FiXi
550 - <650
20
600
12000
650 - <750
54
700
37800
750 - <850
130 800 104000
850 - <950
68
900
61200
950 - <1050
28 1000
28000
Jumlah
15 Desember 2004
300
FX
X
F
i
243000
300
810
243000
35
Chi Square
Upah
Fi
Xi
Fi (Xi-x)2
550 - <650
20
600
882000
650 - <750
54
700
653400
750 - <850
130
800
13000
850 - <950
68
900
550800
950 - <1050
28
1000 1010800
Jumlah
300
3110000
15 Desember 2004
F X
i
n 1
3110000
299
101.99
36
Chi Square
4. Hitung angka baku Z
Zi
Xi
contoh
550 810
Z1
2.55
101.99
15 Desember 2004
Upah
zi
550 - <650
-2.55
650 - <750
-1.57
750 - <850
-0.59
850 - <950
0.39
950 - <1050
1.37
1050
2.35
37
Chi Square
Upah
Ztabel Luas
Luas*
Fe (NxLuas)
550 - <650
-2.55 .4946 .0054
.0528
15.84
650 - <750
-1.57 .4418 .0582
.2194
65.82
750 - <850
-0.59 .2224 .2776
.3741
112.23
850 - <950
0.39
.1517 .6517
.2630
78.90
950 - <1050
1.37
.4147 .9147
.0759
22.77
<1050
2.35
.4906 .9906
Luas* : 0.0582-0.0054=0.0528
15 Desember 2004
38
Chi Square
k
foi fei
i 1
15 Desember 2004
fei
8.74
39
Chi Square
Kriteria Uji : Ho ditolak jika Nilai Hitung > Nilai tabel
d.f = k- 1
jika menggunakan dan
d.f. = k 1 1 1 jika menggunakan x dan s

K = banyaknya kelas interval
d.f = 5 3 = 2 maka chi kuadrat tabel = 5.99
Atau 8.74 > 5.99 maka Ho ditolak

Kesimpulan: Upah pegawai tersebut tidak berdistribusi
normal
15 Desember 2004
40
CHAPTER 4
THE SINGLE-SAMPLE CASE
15 Desember 2004
41
Uji Nonparametrik untuk

Kasus Satu Sampel
Menggunakan satu sampel
Biasanya bertipe Goodness of Fit
Menguji perbedaan-perbedaan
Skala data nominal atau ordinal
15 Desember 2004
42

Kasus Satu Sampel
Uji satu sampel dapat menjawab beberapa
pertanyaan berikut:
Apakah ada perbedaan gejala pusat antara

sampel dan populasi?
Apakah ada perbedaan yang signifikan antara

frekuensi observasi dengan frekuensi yang
diharapkan berdasarkan teori tertentu?
Apakah ada perbedaan yang signifikan antara

proporsi yang diamati dengan proporsi yang
diharapkan?
15 Desember 2004
43

Kasus Satu Sampel
4. Adakah alasan untuk percaya bahwa sampel ini
ditarik dari suatu populasi tertentu bentuknya
atau bangunnya?
5. Apakah ada alasan untuk percaya bahwa sampel

tersebut sampel random dari populasi yang
diketahui?
15 Desember 2004
44

Kasus Satu Sampel
1. Tes Binomial
2. Tes Satu Sampel Chi-Kuadrat
3. Tes Satu Sampel Kolmogorov-Smirnov
4. Tes Run Satu Sampel
15 Desember 2004
45
Tes Binomial
Terbagi ke dalam dua kelompok (bagian) (lakilaki & perempuan ; ya & tidak ; baik & rusak)
Data Diskrit
Tesnya bertipe Goodness of Fit
Peluang kejadian sukses Populasi = P
Peluang kejadian gagal Populasi = Q = 1 P
Ho = hipotesis nilai populasinya adalah P
15 Desember 2004
46
Tes Binomial
n k nk
pY k P Q
k
n
n!

k k!n k !
Jika P = 1/2
pY k PY N k
15 Desember 2004
47
Tes Binomial sampel kecil

Jika n 35 Gunakan tabel D
k adalah frekuensi terkecil
Untuk uji satu sisi gunakan langsung dari tabel
Untuk uji dua sisi hasil tabel dikalikan dua
15 Desember 2004
48

Contoh:
Dalam suatu studi mengenai akibat stress, seorang
pembuat eksperimen mengajarkan kepada 18
mahasiswa dua metode yang berbeda untuk membuat
simpul dengan tali yang sama. Separuhnya disuruh
mempelajari metode A terlebih dahulu, separuhnya
metode B terlebih dahulu. Pada malam hari (keadaan
stress) mereka diminta untuk membuat simpul, dan
diperkirakan akan menggunakan metode pertama yang
diajarkan. Ujilah perkiraan tersebut.
15 Desember 2004
49

Ho : (P<=q) p = q = 0.5 (tidak ada perbedaan
kemungkinan menggunakan metode yang dipelajari
di bawah stress)
H1 : p > q (peluang menggunakan metode pertama

lebih besar daripada menggunakan metode kedua)
Ditetapkan sebesar 1%
15 Desember 2004
50

Daerah penolakan terdiri dari semua harga x (x=banyak
subjek yang menggunakan metode yang diajarkan,
kedua dalam keadaan stress)
Metode yang dipilih
Frekuensi
15 Desember 2004
Yang
Dipelajari
Pertama
Yang
Dipelajari
Kedua
Jumlah
16
18
51

N = 18
X Frekuensi yang lebih kecil =2 (cara kedua)
Kemungkinan berkaitan dengan x 2 adalah p = 0.001
P dilihat dari Tabel D

Karena P < , maka H0 ditolak.
Kesimpulan p1 > p2 atau orang-orang yang berada di
bawah stress kembali ke metode yang dipelajari
pertama diantara dua metode yang ada.
15 Desember 2004
52

Menurut bagian pemasaran sejenis Shampo, Shampo
merknya lebih disukai oleh kaum pria. Kepada 30
konsumen yang dipilih secara acak ternyata 20
diantaranya adalah wanita. Apakah pernyataan bagian
pemasaran tersebut dapat didukung dengan =5%?
15 Desember 2004
53

Frekuensi terkecil (X) = pria = 10
H0 : p q ; p 0.5
H1 : p < q ; q > 0.5 ;p = peluang pria
=5%
Stat Uji :
Lihat Tabel D didapat 0.049
0.049 < 0.05 sehingga Ho ditolak
Kesimpulan:
Dengan resiko 5% dab p-value 0.049 ternyata shampo
tersebut lebih disukai oleh wanita
15 Desember 2004
54
Tes Binomial sampel besar

Jika n > 35
Semakin besar n akan cenderung mendekati dist. Normal
Dengan :
Rata-rata = NP
Simpangan Baku = akar kuadrat NPQ
Z
15 Desember 2004
X NP
NPQ
55

Karena Distr. Binomial adalah data diskrit dan distr.
Normal data kontinyu, maka disesuaikan untuk X:
Jika X < ditambah 0.5
Jika X > dikurangi 0.5
X 0.5 NP
Z
NPQ
15 Desember 2004
56

Jika n >35 Gunakan tabel A
X adalah frekuensi terkecil
Untuk uji satu sisi gunakan langsung dari tabel
Untuk uji dua sisi hasil tabel dikalikan dua
15 Desember 2004
57

Menurut bagian pemasaran sejenis Shampo, Shampo
merknya lebih disukai oleh kaum pria. Kepada 600
konsumen yang dipilih secara acak ternyata 280
diantaranya adalah pria. Apakah pernyataan bagian
pemasaran tersebut dapat didukung dengan =5%?
15 Desember 2004
58

X = pria
H0 : p 0.5
H1 : p > 0.5
=5%
Stat Uji :
X 0.5 NP 280 0.5 600 0.5

Z
1.59
600 0.50.5
NPQ
15 Desember 2004
59

Z= -1.59
Lihat Tabel A didapat 0.0559
0.0559 > 0.05 sehingga Ho tidak ditolak
Kesimpulan:
Dengan resiko 5% dab p-value 0.0559 ternyata shampo
tersebut sama-sama disukai oleh pria maupun wanita
15 Desember 2004
60
Tes Satu sampel Chi-Kuadrat

Merupakan uji perbedaan
Sampel dilihat berdasarkan kategori (k)
K2
i 1
foi fei
fei
Fo = Nilai observasi
Fe = nilai harapan
i = jumlah kriteria
15 Desember 2004
61

Jika Frekuensi Harapan tidak diketahui, maka frekuensi
harapan didapat dari rata-rata frekuensi observasi
Jika lebih dari 20% Frekuensi yang diharapkan lebih kecil
dari 5 maka harus digabung kategorinya.
Jika mulai dari 2 kategori dan frekuensi yang diharapkan
kurang dari 5, atau jika setelah digabung kategori yang
berdekatan akhirnya hanya mendapat 2 kategori, maka
digunakan tes Binomial.
15 Desember 2004
62

Sebuah Mall yang dibuka memberi hadiah kepada para
pembeli dengan 3 pilihan yaitu: T-shirt, giwang dan mug.
Jika dari 500 total hadiah yang dipilih pembeli ternyata
yang memilih T-shirt 183 orang, giwang 142 orang dan
mug 175 orang. Apakah ketiga pilihan hadiah sama-sama
disukai oleh pembeli?
15 Desember 2004
63

Hadiah
T-Shirt
Giwang
Mug
Obs
183
142
175
Est
166.7
166.7
166.7
Ho : P1 = P2 = P3 = 0.333 atau frekuensi = 166.7

H1 : P1 P2 P3
= 5%
Statistik Uji:
k
foi fei 2 183 166.72 .. 175 166.72
i 1
15 Desember 2004
fei
166.7
166.7
5.67
64

5.67
2
Lihat tabel C dengan d.f = k 1 = 3 1 =2

5.67 terletak di antara p(=0.10) dan p(=0.05),
sehingga:
0.05 < * < 0.10 atau Ho tidak ditolak
Kesimpulan:
Ketiga hadiah sama-sama disukai oleh konsumen
15 Desember 2004
65

Berdasarkan pengalaman, konsumen yang membeli
produk A dengan 4 kualitas, tersebar dengan distribusi:
21% kualitas 1, 24% kualitas 2, 35% kualitas 3 dan
sisanya kualitas 4. Apakah pola tersebut masih berlaku
jika diperoleh data hasil penjualan sebagai berikut:
Kualitas 1 = 68
Kualitas 3 = 155
15 Desember 2004
Kualitas 2 = 104
Kualitas 4 = 73
66

Kualitas
Jumlah
Fo
68
104
155
73
400
0.21x400 0.24x400 0.35x40

=84
=96
=140
Fe
0.2x400
=80
Ho : P1=0.21 P2=0.24 P3=0.35 P4=0.2

H1 : P10.21 P20.24 P30.35 P40.2
= 5%
Statistik Uji:
2
i 1
15 Desember 2004
foi fei 2 68 842 .. 73 802

fei
84
80
5.93
67

5.93
2
Lihat tabel C dengan d.f = k 1 = 4 1 =3

5.67 terletak di antara p(=0.20) dan p(=0.10),
sehingga:
0.10 < * < 0.20 atau Ho diterima
Kesimpulan:
Terdapat indikasi bahwa konsumen membeli produk A
seperti pola yang sudah terjadi.
15 Desember 2004
68
Tes Satu-Sampel Kolmogorov-Smirnov

Skala pengukuran ordinal
Melihat tingkat kesesuaian antara skor sampel yang
diobservasi (kumulatif frekuensi) dengan distribusi
teoritisnya (kumulatif frekuensi).
Perbedaan dengan Chi-kuadrat adalah tidak
terpengaruh dengan data/skor yang kurang dari 5,
sehingga lebih baik.
15 Desember 2004
69

Seorang ahli pembuat kue ingin megkaji apakah ada
kecenderungan selera terhadap kadar gula campuran
kuenya. Dia membuat 8 macam campuran kue yang
berbeda kadar gulanya dimana campuran A mempunyai
kadar gula paling rendah, sedangkan kue H mempunyai
kadar gula paling tinggi. Terhadap 19 penguji,
dipersilakan memilih kue yang paling disukai. Hasilnya
sbb:
Frek
Jumlah
19
15 Desember 2004
70

Ho : Kadar gula tidak mempengaruhi pilihan seseorang
H1 : Kadar gula mempengaruhi pilihan seseorang
= 5%
Stat Uji:
15 Desember 2004
D = Maksimum | Fo (x) Sn (x) |
71

A
Frek
Fo(x)
1/8
2/8
3/8
4/8
5/8
6/8
7/8
8/8
Sn(x)
1/19
6/19
8/19
13/19
15/19
16/19
19/19
.125
0.197
0.059
0.079
0.059
0.04
0.033
15 Desember 2004
19
72

Lihat tabel F, 0.197 terletak di sebelah kiri p(0.2) pada
N = 19. Sehingga dengan =5%, maka Ho tidak
ditolak.
* > 0.20 > 0.05

Kesimpulan:
Kadar Gula tidak mempengaruhi pilihan seseorang
15 Desember 2004
73
Tes Run Satu-Sampel

Proses sampling dari suatu populasi harus random/acak
Tes Run digunakan untuk mengetahui tingkat keacakan
suatu sampel
Ho : Sampel bersifat acak (random)
H1 : Sampel tidak bersifat acak (random)
15 Desember 2004
74
Tes Run Satu-Sampel

m = banyak elemen suatu jenis
n = banyak elemen suatu jenis yang lain
N=m+n
r = jumlah run
Contoh:
(- -) (++) (- - -) (+ + + +) (- -) (+ +)
1
2
3
4
5
6
m = 8 (+)
n = 7 (-)
N = 15
r 15=Desember
6
2004
75
Tes Run Satu-Sampel

Sampel Kecil
Jika, baik m, n 20 Gunakan tabel F
Kriteria Penolakan Ho :
Jika r terletak di antara kedua harga kritis, Ho
diterima
Jika r sama atau lebih ekstrim dari satu di antara
harga kritis, Ho ditolak
15 Desember 2004
76
Tes Run Satu-Sampel

Contoh:
Diperoleh sampel sebanyak 20 buah lampu pijar yang
dinotasikan sebagai G (produk Gagal) dan B (produk
Baik)
GBBBGBGBGBBBBBBBGBGB
Apakah sampel tersebut bersifat acak?
Gunakan = 5%
15 Desember 2004
77
Tes Run Satu-Sampel

= 5%
Statistik Uji:
(G) (B B B) (G) (B) (G) (B) (G) (B B B B B B B) (G) (B) (G) (B)
1
2
3 4 5 6 7
8
9 10 11 12
r = 12
m (B) =14
15 Desember 2004
n (G) = 6
78
Tes Run Satu-Sampel

r = 12
m (B) =14
n (G) = 6
Lihat tabel FI =5 dan tabel FII = (tidak ada nilai)

Kriteria penolakan Ho:
Terima Ho
Tolak Ho
Tabel FI
=5
r =12
Tolak Ho
Tabel
FII
Maka terima Ho, atau data tersebut bersifat acak

15 Desember 2004
79
Tes Run Satu-Sampel

Contoh:
Diperoleh sampel sebanyak 24 buah lampu pijar yang
dinotasikan sebagai G (produk Gagal) dan B (produk
Baik)
BGBBBBGBBBGGGGBGGBBBGGGG
Apakah sampel tersebut bersifat acak?
Gunakan = 5%
15 Desember 2004
80
Tes Run Satu-Sampel

= 5%
Statistik Uji:
(B) (G) (B B B B) (G) (B B B) (G G G G) (B) (G G) (B B B) (G G G G)
1
r = 10
m (B) =12
15 Desember 2004
10
n (G) = 12
81
Tes Run Satu-Sampel

r = 10
m (B) =12
n (G) = 12
Lihat tabel FI =7 dan tabel FII = 19

Kriteria penolakan Ho:
Terima Ho
Tolak Ho
Tabel FI
=7
r =10
Tolak Ho
Tabel
FII=19
Maka terima Ho, atau data tersebut bersifat acak

15 Desember 2004
82
Tes Run Satu-Sampel

Jika, baik m, n > 20 Gunakan tabel A
2mn2mn N
N 2 N 1
2mn
1
N
r h
Z
15 Desember 2004
H = +0.5 jika r<

H = - 0.5 jika r>
83
Tes Run Satu-Sampel

Diambil sampel 40 batere secara acak dari tempat
percobaan pada pabrik A, dan 30 dari pabrik B. Ke 70
batere tersebut secara bersama diberi beban listrik
dengan arus sama. Setelah diurut batere yang tidak
berfungsi, maka didapat r sebesar 42. Dengan =10%
apakah terdapat perbedaan distribusi masa pakai
batere?
15 Desember 2004
84
Tes Run Satu-Sampel

Ho : Tidak terdapat perbedaan distribusi masa pakai
H1 : Terdapat perbedaan distribusi masa pakai
r = 42, m = 40, n = 30
2mn
2.40.30
1
1 35.29
N
70
2mn2mn N
2.40.302.40.30 70
4.07
2
2
N N 1
70 70 1
15 Desember 2004
85
Tes Run Satu-Sampel
r h 40 0.5 35.29
Z
1.53
4.07
* = 2 x tabel, karena 2 sisi

* = 2 x 0.063
* = 0.1260
* > atau 0.126 > 0.10 Ho tidak ditolak
Tidak terdapat perbedaan distribusi maka pakai.
15 Desember 2004
86
CHAPTER 5
The Case of One Sample, Two
Measures or Paired Replicates
Kasus Dua-sampel yang
Berhubungan
15 Desember 2004
87
The Case of One Sample, Two

Measures or Paired Replicates
McNemar
Sign Test
Uji Ranking-Bertanda Wilcoxon
15 Desember 2004
88
Ciri-ciri kasus
Ingin melihat dua perlakuan apakah sama atau tidak.
Menguji subjek dengan pembanding dirinya sendiri.
15 Desember 2004
89
Tes McNemar untuk

Signifikansi Perubahan
Skala pengukuran data Nominal atau Ordinal
Diterapkan terutama untuk sampel dengan
rancangan Sebelum-Sesudah.
Contoh: untuk menguji keefektifan perlakuan

tertentu (Pertemuan, pamflet, kunjungan, dsb)
terhadap kecenderungan pemilih atas berbagai calon
15 Desember 2004
90
Tes McNemar untuk

Sesudah
+
+
Sebelum -
Sel A (+ -) dan D ( - +) menunjukkan

perubahan
A+D = jumlah total yang berubah
15 Desember 2004
91
Tes McNemar untuk

2
k
foi fei
2

i 1
fei
A A D 2
A D 2
2
A D
A D
15 Desember 2004
D A D 2
A D 2
Dengan d.f = 1
92
Tes McNemar untuk

Koreksi Kontinuitas:
A D 1
A D
15 Desember 2004
Dengan d.f. = 1
93
Tes McNemar untuk

Contoh:
Dalam kampanye pemilihan presiden di US, dilakukan
debat antara calon presiden Reagan dengan Carter. Debat
ini diharapkan akan merubah pilihan para pemilih terhadap
calon presiden jika salah satu dari kandidat presiden lebih
efektif dan persuasif dalam debatnya dibandingkan yang
lain.
Diambil 75 orang sampel acak dan ditanya pilihannya

sebelum debat. Setelah debat selesai 75 orang tadi ditanya
ulang pilihannya.
15 Desember 2004
94
Tes McNemar untuk

HIPOTESIS NOL
Ho : P(Reagan Carter) = P(Carter Reagan)
H1 : P(Reagan Carter) P(Carter Reagan)
TES STATISTIK
Tes McNemar untuk Signifikansi Perubahan digunakan
karena:
- sampel berhubungan (untuk orang yang sama)
- desain sebelum dan sesudah
- data nominal
15 Desember 2004
95
Tes McNemar untuk

SIGNIFICANCE LEVEL
= 5%
N = 75
DISTRIBUSI SAMPLING
Gunakan tabel C dengan d.f. = 1
Pilihan sebelum
Debat
Carter
Reagen
15 Desember 2004
Pilihan Setelah Debat
Reagen
A = 13
C = 27
Carter
B = 28
D=7
96
Tes McNemar untuk

DAERAH PENOLAKAN
Merupakan satu sisi (Chi-kuadrat)
KEPUTUSAN
A D 1 13 7 1
A D
13 7
25
20
1.25
Dari tabel C dengan d.f=1 dan =5% maka kemungkinan bahwa

2 3.84 adalah 0.05
2 (1.25) hitung lebih kecil dari 3.84, maka Ho tidak ditolak,
maka para kandidat mempunyai efektivitas yang sama dalam
merubah pilihan para pemilih.
15 Desember 2004
97
Tes McNemar untuk

Jika Frekuensi harapan yaitu (A+D)/2 kurang dari 5,
maka digunakan uji binomial.
Pilihan sebelum
Debat
Carter
Reagen
Pilihan Setelah Debat

Reagen
A=3
Carter
D=6
(3+6)/2=4.5 < 5. Dengan k =3, maka dari tabel

Didapat 0.254 karena uji dua sisi menjadi 0.508 >0.05
sehingga Ho tidak ditolak.
15 Desember 2004
98
Tes Tanda
Variabel yang diamati memiliki distribusi selisih
observasi (selisih X dengan Y apakah + atau -.
X skor sebelum perlakuan tertentu, dan Y skor setelah
perlakuan tertentu.
Sampel boleh dari populasi berlainan
Jika Ho tidak ditolak, diharapkan jumlah pasangan
tanda antara X>Y(-) akan sama dengan X<Y (+).
Ho ditolak jika terdapat perbedaan tanda.
15 Desember 2004
99
Tes Tanda
P(X > Y) = P(X < Y) = 0.5
X : Penilaian atau skor di bawah suatu kondisi
(sebelum diberikan suatu perlakuan)
Y : Penilaian atau skor di bawah suatu kondisi
lainnya (setelah diberikan suatu perlakuan.
15 Desember 2004
100
Tes Tanda
Sampel Kecil
Jika N 35 mengacu pada distribusi binomial dengan
peluang terjadi tanda (-) = peluang terjadinya tanda
(+) atau p= q = 0.5
Dengan N adalah jumlah pasangan dan x jumlah tanda
terkecil.
Jika tidak terdapat tanda atau X-Y=0 maka dicoret dari
jumlah pasangan N.
15 Desember 2004
101
Tes Tanda
Contoh:
Sebuah penelitian ingin melihat bagaimana proses
keputusan dilakukan oleh pasangan suami istri dalam
membeli rumah. Tiap pasangan yang diberi kuesioner
akan diberi tanda + bila suami lebih dominan dalam
memutuskan, sedangkan jika istri lebih dominan, diberi
tanda -. Jika suami istri mempunyai persetujuan yang
sama maka diberi tanda 0.
15 Desember 2004
102
Tes Tanda
HIPOTESIS NOL
Ho : Suami dan Istri setuju akan tingkat pengaruh
masing-masing terhadap pengambilan keputusan
membeli rumah
H1 : Suami merasa harus lebih besar pengaruhnya
dalam pengambilan keputusan membeli rumah.
STATISTK UJI
Uji Tanda
LEVEL SIGNIFIKAN
=5%
15 Desember 2004
103
Pasangan
Skor Pengaruh
Tanda
Suami
Istri
15 Desember 2004
104
Tes Tanda
+ = 11
-=3
0=4
N = 14
k = 3 dari tabel D didapat 0.029

Ho : P Suami = P istri = 0.5
H1 : p suami > P istri, atau
H1 : p istri < P suami
Maka Ho ditolak, atau suami yakin harus mempunyai
pengaruh yang lebih besar dari isterinya dalam
mengambil keputusan membeli rumah.
15 Desember 2004
105
Tes Tanda
Sampel Besar
Jika N > 35
Rata-rata = = Np = N/2
Varians = 2 = Npq = N/4
x N 2 2x N
Z
0.5 N
N
x 0.5 N 2 2 x 1 N
0.5 N
N
15 Desember 2004
106
Tes Tanda
Misalnya seorang peneliti ingin mengetahui dampak dari
sebuah film tentang kenakalan remaja yang menceritakan
hukuman terhadap Juvenile, akan mengubah pendapat
masyarakat tertentu mengenai seberapa berat kenakalan
remaja harus mendapat hukuman. Diambil 100 orang
dewasa dan ditanya apakah hukuman terhadap remaja
harus diperberat atau diperingan dari yang sudah dijalani.
Kemudian dipertontonkan film tersebut, setelah selesai
pertanyaan diulang terhadap mereka.
15 Desember 2004
107
Tes Tanda
Ho : Film tersebut tidak mempunyai efek yang sistematik
terhadap sikap seseorang {P(+) = p(-)}
H1 : Film tersebut mempunyai efek yang sistematik
terhadap sikap seseorang {P(+) p(-)}
Judged Attitude
Number
Peningkatan hukuman
26
Pengurangan hukuman
59
Tidak berubah
15
15 Desember 2004
108
Tes Tanda
Statistik Uji
Adalah uji Tanda karena skalanya ordinal dan
perbedaannya bisa diperlihatkan dengan tanda + dan
LEVEL SIGNIFIKAN
=1% Uji dua sisi
2 x 1 N 259 1 85
Z
3.47
N
85
15 Desember 2004
109
Tes Tanda
Z = 3.47
Tabel A didapat 0.0003
Karena dua sisi menjadi 2(0.0003) = 0.0006

Ho ditolak
Sehingga film tersebut memberikan akibat yang

sistematis terhadap tingkat hukuman terhadap remaja.
15 Desember 2004
110

untuk Data Berpasangan
Data ordinal
Data kuantitatif bisa berbentuk skor (bisa dibuat
ranking)
Seperti uji tanda, tetapi dengan mempertimbangkan

besar relatif perbedaannya.
Ada kriteria lebih besar dari
15 Desember 2004
111

Metode:
Ho : P(A) = P(B)
H1 : P(A) ; < ; > P(B)
: taraf signifikansi
- di adalah selisih skor tiap pasangan

- di dibuat ranking Ascending tanpa memperdulikan
tanda
- Buat tanda untuk tiap ranking
- d = 0 dikeluarkan dari analisis
- T+ adalah jumlah ranking +
- T- adalah jumlah ranking 15 Desember 2004
112

Contoh:
Ingin diketahui bagaimana perkembangan persepsi
konsumen terhadap kualitas dari suatu jenis produk
manufaktur setelah dilakukan perombakan sistem
manajemennya, dimana diharapkan akan meningkatkan
image positif terhadap produk tersebut. Diambil
sekelompok sampel kemudian ditanya pendapat
kepuasan dia terhadap barang tersebut sebelum dan
setelah perubahan tersebut. Hasilnya dibuat dalam
bentuk skor sebagai berikut:
15 Desember 2004
113

Pasangan
Skor
sebelum
Skor
Sesudah
Ranking d
82
63
-19
69
42
-27
73
74
43
37
-6
58
51
-7
56
52
-4
3.5
76
80
3.5
85
82
-3
50
50
T+
3.5
T+ = 4.5
15 Desember 2004
114

Jika A adalah kepuasan berkurang dan B kepuasan bertambah
Ho : P(A) = P(B)
H1 : P(A) P(B)
T+ = 4.5 ~ 5 Dari Tabel H dengan N = 8 didapat 0.5273

Maka 0.5273 > 0.05 Ho tidak ditolak
Kepuasan Konsumen terhadap barang tersebut tidak berbeda
setelah perombakan manajemen.
15 Desember 2004
115

Sampel Besar
Jika N > 15, T+ mendekati distribusi normal
N N 1
15 Desember 2004
N N 12 N 1
24
T T
116

Misalkan X adalah output/jam sebelum ada kenaikan
upah dan Y output/jam setelah ada kenaikan upah.
Apakah kenaikan upah meningkatkan output?
Jawab:
Ho : P(+) P(-)
H1 : P(+) > P(-) Kenaikan upah menaikan output
= 5%
X>Y-
15 Desember 2004
X<Y+
117

X
91
83
70
64
85
70
86
91
72
80
80
82
75
78
79
81
92
75
88
77
87
69
83
70
81
94
76
80
83
79
71
81
76
85
87
93
di
-3
-6
17
-5
-3
-4
-3
-5
18
Rd
4.5
14
15
12
12
4.5
4.5
4.5
4.5
4.5
12
16
T+ = 74.5
N = 16
1616 1
68
4
15 Desember 2004
16 16 12(16 ) 1
19 .34
24
T T
74.5 68
0.34
19.34
118

Ho : P(+) P(-)
Ho : P(+) > P(-) Kenaikan upah menaikan output
Atau
Ho : P(X) P(Y)
H1 : P(X) < P(Y)
Z = 0.34
Dari tabel A didapat 0.3669
Maka Ho tidak ditolak

Kenaikan upah tidak menaikan kenaikan output
15 Desember 2004
119
CHAPTER 6
TWO INDEPENDENT SAMPLES
(DUA SAMPEL INDEPENDEN)
15 Desember 2004
120
TWO INDEPENDENT SAMPLES
Uji Eksak Fisher

Uji Chi-Square untuk 2 Sampel
Independen
Uji Median
Tes Mann-Whitney
Tes Wilcoxon-Mann-Whitney
Uji Kolmogorov-Smirnov untuk dua
sampel
15 Desember 2004
121
Dua sampel dapat diperoleh

dengan cara:
1. Ditarik secara random dari dua populasi
2. Diterapkannya secara random dua perlakuan
terhadap anggota-anggota sampel yang asalusulnya sembarang.
15 Desember 2004
122
Uji Eksak Fisher

tabel 2 x 2
Fungsi:
Untuk menguji apakah ada perbedaan dua perlakuan yang
mungkin dari dua populasi
Spesifikasi:
- Data diskrit Skala ukur nominal atau ordinal
(dichotomous)
- Data disusun dalam tabel kontigensi 2 x 2
- Berdistribusi Hypergeometris
- N 20
Ho : P(I) = P(II)
H1 : P(I) ; < ; > P(II)
15 Desember 2004
123
Uji Eksak Fisher

tabel 2 x 2
Tabel 2 x 2 Fisher
Group
Variabel
II
Gabungan
A+B
C+D
Total
A+C
B+D
15 Desember 2004
124
Uji Eksak Fisher

tabel 2 x 2
Statistik Uji:
A B !.C D !. A C !B D !
p
N!.A!.B!.C!.D!
Tolak Ho jika p < (1 arah) atau p /2 (2 arah)
15 Desember 2004
125
Uji Eksak Fisher

tabel 2 x 2
Seandainya bayi yang lahir dengan berat 2Kg
dianggap kurang, akan diselidiki proporsi banyaknya
bayi dengan predikat kurang yang lahir di RS A = RS B
dengan = 5%.
Data RS A
3.41
2.72
4.04
3.21
2.30
2.45
1.96
3.04
Data RS B
3.24 2.71
2.40 2.60
15 Desember 2004
1.85
3.44
1.95
1.86
2.47
1.60
126
Uji Eksak Fisher

tabel 2 x 2
Ho : P (RS A) = P (RS B)
H1 : P (RS A) P (RS B)
= 5%
RS A
RS B
2 Kg
> 2Kg
13
Total
10
18
15 Desember 2004
127
Uji Eksak Fisher

tabel 2 x 2
5!.13!.8!.10!
p1
0.196
18!.1!.4!.7!.6!
Karena uji 2 sisi, ternyata p = 0.196 > /2 (0.025)
Ho tidak ditolak
Artinya: Proporsi banyak bayi dengan predikat kurang
di RSA = RSB
15 Desember 2004
128
Uji Eksak Fisher

tabel 2 x 2
Untuk soal di atas jika dipertimbangkan
penyimpangan-penyimpangan yang lebih ekstrim,
maka dibuat tabel berikut:
RS A
RS B
2 Kg
> 2Kg
13
Total
10
18
15 Desember 2004
129
Uji Eksak Fisher

tabel 2 x 2
5!.13!.8!.10!
p2
0.029
18!.0!.5!.8!.5!
Kemungkinan lebih ekstrim adalah:
P = P1 + P2 = 0.196 + 0.029 = 0.225
Maka Ho diterima pada P = 0.225
15 Desember 2004
130

Independen
Fungsi:
Untuk menguji apakah ada perbedaan dua perlakuan yang
mungkin dari dua populasi
Spesifikasi:
- Data diskrit Skala ukur nominal atau
- Data disusun dalam tabel kontigensi (baris x kolom)
- Untuk menguji independensi
Ho : P(I) = P(II) Kedua kelompok independen

H1 : P(I) ; < ; > P(II) Kedua kelompok dependen
15 Desember 2004
131

Independen
Do Not Reject H0
0.95
Reject H 0
2 =7.815
15 Desember 2004
132

Independen
Jika N < 20 Uji eksak Fisher
Jika N 20 dan frekuensinya 5 (jika <5 gunakan
Eksak Fisher) Uji Chi-Kuadrat, dengan rumus:
N AD BC N 2
A B C D A C B D
Jika N > 40 gunakan Chi-Kuadrat, gunakan rumus:

k
i 1
15 Desember 2004
foi fei
fei
133

Independen
Contoh:
Ingin dilakukan pengujian tentang hubungan pengaruh
dari tinggi badan terhadap kualitas kepemimpinan
seseorang. Diambil sampel sebanyak 95 orang dan
hasilnya adalah 43 orang dengan tinggi badan yang
pendek dan 52 orang yang tinggi, kemudian masingmasing kelompok tinggi badan dikategorikan terhadap
kualitas kepemimpinan menjadi: leader, unclassifiable
dan Follower.
15 Desember 2004
134

Independen
Actual values
Short
Follower
Unclassifiable
Leader
Totals
Tall
22
9
12
14
6
32
Totals
36
15
44
43
52
95
Expected values
Short
Follower
Unclassifiable
Leader
Totals
15 Desember 2004
Tall
(36)(43)/95
=16.3
(15)(43)/95
=6.8
(44)(43)/95
=19.9
43
(36)(52)/95
=19.7
(15)(52)/95
=8.2
(44)(52)/95
=24.1
52
Totals
36
15
44
95
135
Chi-Square Tests of Independence

I. Hypotheses:
H0 :
H1 :
tinggi badan dan kualitas kepemimpinan adalah

independen.
tinggi badan dan kualitas kepemimpinan adalah
tidak independen.
II. Rejection Region:

= 0.05
df = (r 1) (k 1)
= (3 1) (2 1)
=21=2
If 2 > 10.67, reject H0.
15 Desember 2004
Do Not Reject H0
0.95
Reject H0
2 =10.67
136

An Example, Researchers in a California community
have asked a sample of 175 automobile owners to select
their favorite from three popular automotive magazines. Of
the 111 import owners in the sample, 54 selected Car and
Driver, 25 selected Motor Trend, and 32 selected Road &
Track. Of the 64 domestic-make owners in the sample, 19
selected Car and Driver, 22 selected Motor Trend, and 23
selected Road & Track. At the 0.05 level, is import/domestic
ownership independent of magazine preference? Based on
the chi-square table, what is the most accurate statement
that can be made about the p-Value for the test?
15 Desember 2004
137
Chi-Square Tests of
Independence
First, arrange the data in a table.
Car and
Driver (1)
Import (Imp)
Domestic (Dom)
Totals
54
19
73
Motor
Trend (2)
25
22
47
Road &
Track (3)
32
23
55
Totals
111
64
175
Second, compute the expected values and

contributions to 2 for each of the six cells.
Then to the hypothesis test....
15 Desember 2004
138
Calculating expected values

Actual values
Car and
Driver (1)
Import (Imp)
Domestic (Dom)
Totals
54
19
73
Motor
Trend (2)
Road &
Track (3) Totals
25
22
47
32
23
55
111
64
175
Expected values
Car and
Driver (1)
Import (Imp)
Motor
Trend (2)
Road &
Track (3) Totals
(111)(73)/175 (111)(47)/175
(111)(55)/175
111
=46.3029
=29.8114
=34.8857
Domestic (Dom) (64)(73)/175

(64)(47)/175
(64)(55)/175
64
=26.6971
=17.1886
=20.1143
Totals
73
47
55
175
15 Desember 2004
139

Car and
Driver (1)
Import (Imp):
2 contribution -
Road &
Track (3)
OE-
54
46.3029
1.2795
25
29.8114
0.7765
32
34.8857
0.2387
OE-
19
26.6971
2.2192
22
17.1886
1.3468
23
20.1143
0.4140
2 contribution Domestic (Dom) :
Motor
Trend (2)
S 2 contributions = 6.2747
15 Desember 2004
140

I. Hypotheses:
H0 :
H1 :
Type of magazine and auto ownership are

independent.
Type of magazine and auto ownership are not
independent.
II. Rejection Region:

= 0.05
df = (r 1) (k 1)
= (2 1) (3 1)
=12=2
If 2 > 5.991, reject H0.
15 Desember 2004
Do Not Reject H0
0.95
Reject H 0
2 =5.991
141
Uji Median
Fungsi:
Untuk menguji apakah dua kelompok independen berbeda
dalam nilai tengahnya.
Skala Data Minimal Ordinal
Atau:
Apakah dua kelompok independen telah ditarik dari suatu
populasi yang mempunyai median sama.
Ho : Kelompok itu berasal dari populasi yang bermedian

sama
H1 : Kelompok itu tidak berasal dari populasi yang
bermedian sama
15 Desember 2004
142
Uji Median
Metode:
1. Hitung Median gabungannya
2. Buat tabel 2 x 2 :
Group
I
II
Gabungan
> Med
A+B
Med
C+D
Total
N=m+n
15 Desember 2004
143
Uji Median
Distribusi data akan mendekati distribusi
Hypergeometris. Oleh karena itu diperhitungkan:
Jika N = m + n lebih besar dari 20, gunakan Chikuadrat dengan koreksi kontinuitas
Jika N = m + n kurang dari atau sama dengan 20,
gunakan Uji Eksak Fisher
15 Desember 2004
144
Uji Median
Jika score sama tepat dengan Median Gabungan, maka
ada dua alternatif yang bisa dipilih:
1. Kelompok itu dibagi dua menjadi score yang

melebihi median dan score yang kurang dari
median.
2. Jika M = m + n besar, dan jika sedikit kasus saja
yang jatuh tepat pada median gabungan, kasus
yang sedikit itu mungkin digugurkan dari analisis.
Alternatif pertama biasanya dipilih
15 Desember 2004
145
Uji Median
Contoh:
Sampel acak dari nilai IPK 20 mahasiswa dan 20 mahasiswi
adalah sebagai berikut:
Mahasiswa:
3.42
3.54
3.31
2.86
3.06
3.30
3.21
4.00
3.63
2.86
3.22
2.92
3.80
3.59
3.70
2.91
3.20
3.78
3.75
2.70
Mahasiswi:
3.50
4.00
3.76
3.87
3.72
3.91
3.43
2.93
3.85
4.00
3.84
3.37
3.21
3.72
3.58
4.00
3.94
3.06
3.46
3.92
Apakah median IPK mahasiswa dan mahasiswi sama?

15 Desember 2004
146
Uji Median
Letak Median (N + 1) = (20 + 1) = 10.5
Data ke 10 adalah 3.30 (Mahasiswa) dan 3.72 (Mahasiswi)
Data ke 11 adalah 3.31 (Mahasiswa) dan 3.76 (Mahasiswi)
Median:
Mahasiswa
Mahasiswi
3.30 + (3.72 3.30) = 3.51

3.31 + (3.76 3.31) = 3.54
Median Gabungan:
Letak Median (N + 1) = (40 + 1) = 20.5
Data ke 20 adalah 3.54 data ke 21 adalah 3.58
Harga Median = 3.54 + (3.58 3.54) = 3.56
15 Desember 2004
147
Uji Median
Group
Mahasiswa
> Med
Mahasiswi
12
18
(A)
Med
(B)
14
22
(C)
Total
(D)
20
20
N AD BC N 2
Gabungan
40
40120 20
A B C D A C B D 18222020
15 Desember 2004
2.53
148
Uji Median
Ho : IPK Median Mahasiswa sama dengan IPK Median
Mahasiswi
Ho : IPK Median Mahasiswa tidak sama dengan IPK
Median Mahasiswi
Chi-kuadrat hitung = 2.53 dengan d.f. = 1 dengan
=5% ada pada penerimaan Ho.
Maka IPK Median Mahasiswa sama dengan IPK Median
Mahasiswi
15 Desember 2004
149
Tes Mann-Whitney
Fungsi:
Untuk menguji apakah ada perbedaan dua keadaan dalam
skala ukur nominal dan ordinal
Spesifikasi:
- Skala ukur ordinal
- Data diurutkan
- Data bersifat kontinyu
15 Desember 2004
150
Tes Mann-Whitney
Ho : I = , , II
H1 : I ; < ; > II
Buat urutan dari kelompok I dan kelompok II dari kecil
ke besar, kemudian hitung:
R1 = jumlah urutan kelompok I
R2 = jumlah urutan kelompok II
15 Desember 2004
151
Tes Mann-Whitney
U = Nilai terkecil antara U1 dan U2
n1 = ukuran sampel kelompok I
n2 = ukuran sampel kelompok II
n1 n1 1
U1 n1n2
R1
2
n2 n2 1
U 2 n1n2
R2
2
15 Desember 2004
152
Tes Mann-Whitney
Kriteria Uji:
Gunakan pendekatan distribusi normal
n1n2
U
2
Z
15 Desember 2004
n1n2 n1 n2 1
12
U U
153
Tes Mann-Whitney
Jika ada angka yang sama (t):
n1n2 N 3 N
U
T
N N 1 12
t t
T
12
3
N = n1 +n2 = m + n
Kriteria tolak Ho:
P (1 arah) atau P /2 (2 arah)
15 Desember 2004
154
Merupakan penyempurnaan dari uji Man-Whitney
Ho : X = Y
H1 : X ; < ; > Y
Tentukan m dan r:
m
= ukuran sampel kelompok yang kecil
r
= ukuran sampel kelompok yang besar
Wx
= Jumlah rank dari kelompok sampel yang kecil
15 Desember 2004
155
Statistik Uji:
Wx 0.5 WX
Z
wx
WX
WX
mN 1
mn N 1
U
12
Kriteria Uji:
Tolak Ho jika P (1 arah) atau P /2 (2 arah)
15 Desember 2004
156
Contoh
Guna meningkatkan devisa dari ekspor, maka
Deperindag
menerapkan
subsidi
untuk
ekspor.
Deperindag berpendapat bahwa oleh karena daya beli
dan kebutuhan untuk produk tersebut di negara maju
lebih besar dari pada negara berkembang maka ratarata pertambahan volume ekspor (volume ekspor
setelah subsidi-volume ekspor sebelum subsidi) negara
maju akan lebih besar dibandingkan negara
berkembang. Apakah pendapat dari departemen
tersebut dapat terbukti?
15 Desember 2004
157
Contoh
Ho : A B (Volume Ekspor ke
negara maju =
volume ekspor ke negara berkembang
H1 : A > B (Volume Ekspor ke
negara maju >
= 5%
15 Desember 2004
158
Contoh
Cara Mann-Whitney
M
-1
13
11
-5
35
11
-2
10
0
29
17
R1
Ri
6
17
15
2.5
21
15
4.5
13
7.5
20
18
139.5
15 Desember 2004
B
8
4
-2
0
-9
5
7
-5
11
22
R2
Ri
12
9
4.5
7.5
1
10
11
2.5
15
19
91.5
x
-5
-2
0
11
t
2
2
2
3
(t - t)/12
0.5
0.5
0.5
2
= 3.5
159
Contoh
n1n2 N 3 N
1110 213 21
U
T
3.5 14 .1686
N N 1 12
2121 1 12
n1n2 11.10
U
55
2
2
15 Desember 2004
160
Contoh
n1 n1 1
1111 1
U1 n1n2
R1 (11)(10)
139.5 36.5
2
2
n2 n2 1
1010 1
U 2 n1n2
R2 (11)(10)
91.5 73.5
2
2
Maka diambil U yang terkecil
U U
36 .5 55
1.31
14 .1686
P value = 0.0951 > 0.05 maka Ho tidak ditolak

15 Desember 2004
161
Contoh
Cara Mann-Whitney-Wilcoxon
Ho : A B (Volume Ekspor ke
negara maju =
H1 : A > B (Volume Ekspor ke
negara maju >
= 5%
m = 10 (negara berkembang)
n = 11 (negara maju)
Wx = 91.5
15 Desember 2004
162
Contoh
Wx = 91.5
wx = 14.1686
mN 1 1021 1
WX
110
2
2
Wx 0.5 WX 91 .5 0.5 110

Z
1.27
wx
14 .1686
P value = 0.1020 > 0.05 maka Ho tidak ditolak
15 Desember 2004
163
Uji Kolmogorov-Smirnov untuk

dua sampel
Fungsi:
Untuk menguji apakah dua sampel independen telah
ditarik dari populasi yang sama atau dari populasipopulasi yang berdistribusi sama.
Sejalan dengan uji satu sampel Kolmogorov-Smirnov, uji
ini memperhatikan kesesuaian antara dua distribusi
kumulatif.
15 Desember 2004
164

dua sampel
Ho : Kedua sampel mempunyai distribusi yang sama
H1 : Kedua sampel mempunyai distribusi yang berbeda
Ho : P(I) = P(II)
H1 : P(I) ; < ; > P(II)
Susun masing-masing kelompok skor dalam distribusi
kumulatif dengan menggunakan interval atau klasifikasi
yang sama untuk kedua distribusi
Tentukan selisih antara kedua distribusi kumulatif yang

terbesar = Dmaks
15 Desember 2004
165

dua sampel
Uji Satu Arah:
Dm,n = Maks [Sm (x) Sn (x)]
Uji Dua Arah:
Dm,n = Maks |Sm (x) Sn (x)|
Sm(x) : Fungsi jenjang kumulatif observasi pada salah

satu sampel
k/m dengan k = banyaknya skor yang sama
atau kurang dari x
Sn(x) : Fungsi jenjang kumulatif observasi sampel lain
k/n
15 Desember 2004
166

dua sampel
Sampel Kecil:
Jika m dan n kurang dari atau sama dengan 25 gunakan
tabel LI untuk uji satu arah dan tabel LII untuk uji dua arah.
Contoh:
2 kelas masing-masing terdiri dari 12 mahasiswa, kelas A
diberi penerangan cara menggunakan sebuah alat sehingga
tidak terdapat kesalahan, sedangkan B tidak diberi
penerangan. Kemudian untuk kedua kelas tersebut
dicobakan alat tersebut dan dicatat terjadinya kesalahan
pertama dalam waktu (detik).
A: 2 7 14 25 16 5 30 66 34 10 29 19
B: 14 20 27 43 51 21 6 9 35 17 49 60
15 Desember 2004
167

dua sampel
Ho : Sebaran kedua kelompok sama
H1 : Sebaran kedua kelompok tidak sama
Kelas
FA
FB
Sm
Sn
Dm,n = |Sm (x) Sn (x)|
2-11
4/12
2/12
2/12
12-21
7/12
6/12
1/12
22-31
10/12
7/12
3/12 *
32-41
11/12
8/12
3/12 *
42-51
11/12
11/12
52-61
11/12
1/12
62-71
15 Desember 2004
168

dua sampel
Uji Dua Arah:
Dm,n = Maks |Sm (x) Sn (x)|=3/12
Dm,n =3/12
mnDm,n=(12)(12)(3/12)=36
Lihat Tabel LII didapat untuk m=12 dan n=12 dengan

=5% adalah 84
mnDm,n=36 < Tabel LII=84 Ho tidak ditolak
Maka, sebaran kedua kelompok sama
15 Desember 2004
169

dua sampel
Sampel Besar: Uji Dua Arah
Jika m dan n lebih besar dari 25 gunakan tabel LIII.
Cari Dm,n kemudian bandingkan dengan tabel. Contoh di
atas jika dirubah jumlah sampelnya: m=55 dan n=60
dengan =5%, angka kritis diperoleh (lihat tabel):
mn
55 60
1.36
1.36
0.254
5560
mn
Maka Ho baru kita tolak jika Dm,n > 0.254 untuk
=5%,
15 Desember 2004
170

dua sampel
Sampel Besar: Uji Satu Arah
didekati oleh distribusi Chi-Kuadrat dengan d.f.=2 :
4D
2
2
m,n
mn
mn
Dari contoh sebelumnya, tetapi dengan n yang

diperbesar dan uji satu pihak:
Ho : Sebaran kelompok A Sebaran kelompok B

H1 : Sebaran kelompok A > Sebaran kelompok B
15 Desember 2004
171

dua sampel
Kelas
FA
FB
Sm
Sn
Dm,n = Maks [Sm (x) Sn (x)]
2-11
15
15/60
6/60
9/60
12-21
18
12
33/60
18/60
15/60*
22-31
10
42/60
28/60
14/60
32-41
24
48/60
52/60
-4/60
42-51
55/60
56/60
-1/60
52-61
58/60
58/60
62-71
15 Desember 2004
172

dua sampel
4D
2
2
m,n
2 6060
mn
4 15
7.5
60 60 60
mn
Lihat tabel C untuk d.f. = 2 didapat p value = 0.05

P value 0.05 maka Ho ditolak
Sehingga, sebaran kelompok A > Sebaran kelompok B
15 Desember 2004
173
Chapter 7
Kasus k Sampel Berhubungan
The Case of k Related Samples
15 Desember 2004
174
Konsep Dasar
Merupakan prosedur pengujian untuk 3 sampel atau
lebih yang berhubungan.
Menguji perbedaan-perbedaan dari k (3 atau lebih)
sampel yang berhubungan.
Data mempunyai skala nominal atau ordinal
15 Desember 2004
175
Tes Q Cochran
Fungsi:
Menguji perbedaan atas data dengan sampel 3 atau lebih
yang bersifat dikotomi
Skala Data: Minimal Nominal
Prosedur:
- Skor 1 untuk sukses dan 0 untuk gagal
- Tentukan Q
- Mendekati distribusi Chi-Kuadrat, maka Lihat tabel C
dengan d.f. = k 1
15 Desember 2004
176
Tes Q Cochran
k k 1 G j G
k
j 1
i 1
i 1
k Li L2i
2
k
k 1k G 2j G j
j 1
j 1

Q
N
N
k Li L2i
i 1
15 Desember 2004
i 1
177
Tes Q Cochran
Contoh:
Ingin diteliti pengaruh keramahan seorang pewawancara atas
jawaban ibu rumah tangga dalam survey pendapat. Kemudian
dilatih pewawancara dalam tiga tipe mewawancarai, yaitu:
perhatian, formal dan terburu-buru. Sampel terdiri dari tiga
kelompok yang masing-masing terdiri dari 18 ibu rumah tangga,
yang mana 3 ibu rumah tangga dipasangkan berdasarkan kriteria
tertentu dan diwawancara masing-masing kelompok untuk jenis
wawancara tertentu.
Apakah ada perbedaan dalam menjawab wawancara (Jawaban Ya
dan Tidak) untuk masing-masing tipe wawancara?
15 Desember 2004
178
Tes Q Cochran
Hipotesis Nol:
Ho : p (jawaban Ya) = p (jawaban Tidak)
untuk ke-3 jenis wawancara
H1 : p (jawaban Ya) p (jawaban Tidak)
untuk ke-3 jenis wawancara
Tes Statistik:
dipilih Q Cochran karena:
- terdiri dari 3 data berhubungan
- dikotomi data (Ya dan Tidak)
Tingkat Signifikansi:
= 5%
15 Desember 2004
179
Set
Respon thd
wawancara 1
Respon thd
wawancara 2
Respon thd
wawancara 3
L2
10
11
12
13
14
15
16
17
18
G1= 13
G2 = 13
G3 = 3
29
63
15 Desember 2004
180
Tes Q Cochran
2
k
k 1k G 2j G j
j 1
j 1

Q
N
N
k Li L2i
i 1
i 1
3 13132 132 32 292
329 63
16.7
15 Desember 2004
181
Tes Q Cochran
Dengan Q = 16.7 dan d.f.=3-1=2 dari tabel C didapat
p-value = 0.001, sehingga Ho ditolak.
Kesimpulan:
Kemungkinan jawaban Ya berbeda untuk wawancara 1,
wawancara 2 dan wawancara 3.
15 Desember 2004
182
Tes Q Cochran
Empat orang peramal saham masing-masing diminta agar
meramalkan 10 hari yang terpilih secara acak. Apakah
100 indeks saham akan naik atau turun pada hari
berikutnya. Jika ramalannya tepat diberi skor satu dan nol
jika salah. Apakah skor di bawah ini menunjukkan
perbedaan kemampuan meramal secara tepat?
Peramal
Peramal
Peramal
Peramal
Peramal
: Hari 1
1
1
2
1
3
1
4
1
15 Desember 2004
2
0
1
1
1
3
0
1
0
0
4
1
1
1
0
5
1
0
1
0
6
1
1
1
1
7
1
1
1
1
8
0
0
1
1
9
1
0
0
0
10
1
0
1
1
183
Tes Q Cochran
Hipotesis Nol:
Ho : p (1) = p (0)
untuk ke-10 hari
H1 : p (1) p (0)
untuk ke-10 hari
Tes Statistik:
dipilih Q Cochran karena:
- terdiri dari 10 data berhubungan
- dikotomi data (Ya dan Tidak)
Tingkat Signifikansi:
= 5%
15 Desember 2004
184
Hari
Peramal 1
Peramal 2
Peramal 3
Peramal 4
Gi
10
27
L2
49
36
64
36
185
15 Desember 2004
185
Tes Q Cochran
2
k
k

2
k 1 k G j G j
j1
j1

Q
N
N
k Li L2i
i 1
i 1
10
1
10
85
27
10 27 185
12.81
15 Desember 2004
186
Tes Q Cochran
Dengan Q = 12.81 dan d.f.=10 1 = 9 dari tabel C,
dengan = 5% didapat 16.92 sehingga Ho tidak
ditolak.
Kesimpulan:
Kemampuan meramal secara tepat sama untuk tiap
peramal.
15 Desember 2004
187
Analisis Varian Dua-Arah

Friedman
Fungsi:
- Data k berpasangan minimal ordinal
- Menentukan apakah mungkin kolom-kolom ranking
yang berlainan berasal dari populasi yang sama atau suatu
populasi berasal dari median yang sama
Prosedur:
- Sama seperti Cochran, tapi menggunakan rank
- Masukkan skor-skor ke dalam tabel dua arah yang
memiliki k kolom (kondisi) dan N baris (subjek)
- Beri ranking skor tersebut pada masing-masing baris
- Tentukan jumlah ranking di tiap kolom
- Hitung harga Chi-Kuadrat, maka Lihat tabel C
dengan d.f. = k 1
15 Desember 2004
188

Friedman
k
12
2
2

R j 3N k 1
Nk k 1 j 1
Jika ada rank yang sama :

k
12 R 3 N k k 1
j 1
2
j
Nk T
Nk k 1
k 1
T tij
N = Jumlah baris (subjek)

k = jumlah kolom (variabel atau kondisi)
R = jumlah rank pada kolom j
15 Desember 2004
189

Friedman
Suatu lembaga periklanan menduga bahwa faktor yang
menentukan tingkat penjualan produk adalah jenis
periklanan. Untuk mendukung pendapat tersebut,
seorang peneliti mengambil 6 kota dengan menanyakan
sumber informasi suatu produk terhadap masing-masing
responden yang membeli produknya. Apakah secara ratarata sumber informasi memberi pengaruh yang berbeda
terhadap jumlah penjualan?
Ho : Sumber informasi yang berbeda tidak memberi
pengaruh yang berbeda terhadap penjualan
H1 :Sumber informasi yang berbeda memberi
15 Desember 2004
190

Friedman
Penjualan
TV
Radio
S.K
Papan
Reklame
12 (3)
14 (4)
6 (1)
9 (2)
20 (4)
15 (2)
16 (3)
4 (1)
23 (4)
10 (1)
16 (2)
18 (3)
10 (1)
19 (2.5)
20 (4)
19 (2.5)
17 (1)
22 (2)
23 (3.5)
23 (3.5)
18 (4)
9 (2)
5 (1)
14 (3)
R1 = 17
R2 = 13.5
R3 = 14.5
R4 = 15
15 Desember 2004
191

Friedman
k
12 R 2j 3 N 2 k k 1
j 1
Nk T
k 1
2
2
12 17 2 13.52 14.52 152 36 4 5
6 4 36
645
4 1
0.67
3
T tij rk ties t 3
Nk k 1
6 4 4 23 23 36
15 Desember 2004
192

Friedman
Dengan nilai hitung sebesar 0.67 maka lihat tabel C
untuk d.f.= 3
Ho tidak ditolak
Sumber informasi yang berbeda tidak memberi
15 Desember 2004
193

Friedman
Sebanyak 12 ibu RT dipilih secara acak untuk
dipertanyakan pendapatnya tentang 4 jenis minyak
goreng yang disukainya. Mereka disuruh memberikan
ranking dengan minyak yang paling disukai diberi angka
tinggi. Apakah ada jenis minyak goreng yang lebih
disukai?
15 Desember 2004
194
CHAPTER 8
KASUS K SAMPEL INDEPENDEN
15 Desember 2004
195
TES 2 untuk k Independen Sampel

Fungsi:
- Merupakan perluasan dari uji 2 dua sampel independen.
- Untuk menentukan signifikansi perbedaan-perbedaan
antara k kelompok independen.
Metode:
- Susun dalam tabel k x r.
i 1
15 Desember 2004
foi fei
2
d.f = (k-1)(r-1)
fei
196

Hipotesis Nol:
Ho : k sampel frekuensi atau proporsi berasal dari
populasi yang sama atau populasi-populasi yang
identik
H1 : k sampel frekuensi atau proporsi tidak berasal dari
populasi yang sama atau populasi-populasi yang
identik
15 Desember 2004
197
Contoh:
Contoh:
Dalam suatu penelitian penyelidikan mengenai sifat dan
akibat stratifikasi sosial dalam suatu masyarakat kecil di
Barat Tengah Amerika Serikat. Hollingshead menemukan
bahwa anggota-anggota masyarakat itu membagi mereka
ke dalam lima kelas sosial: I, II, III, IV dan V.
Ramalannya adalah para remaja dalam kelas-kelas sosial
yang berlainan (Persiapan PT, Umum dan Perdagangan)
akan mencatatkan diri dalam mengikuti kurikulumkurikulum yang berbeda di sekolah menengah atas
Elmtown,
15 Desember 2004
198
Contoh:
Ho : proporsi siswa yang tercatat dalam ketiga
kemungkinan kurikulum itu adalah sama untuk
semua kelas
H1 : proporsi siswa yang tercatat dalam ketiga
kemungkinan kurikulum itu adalah berbeda
untuk semua kelas
Tes Statistik:
Kelompok yang dipelajari adalah independen dan
lebih dari dua, maka digunakan Chi kuadrat
= 1%
15 Desember 2004
199
Contoh:
Kurikulum
I & II
Persiapan PT 23
III
40
7.3
Umum
11
16
75
Perdagangan 1
35
15 Desember 2004
38.0
77.5
146
5.4
14
97.1
60
38.2
V
2
107
31
9.1
IV
30.3
18.6
Total
Total
Kelas
13.8
10
47.9
183
6.8
26
81
207
102
390
200
Contoh:
2 hitung = 69.2
d.f. = (k-1)(r-1) = (4-1)(3-1) = 6
= 1% 2 tabel = 16.81
(2 hitung = 69.2) > (2 tabel = 16.81) Ho ditolak
Maka:
Pendaftaran kurikulum para siswa tidak independen
terhadap keanggotaan kelas sosial di antara kaum muda
Elmtown.
15 Desember 2004
201
Perluasan Tes Median

Fungsi:
- Untuk menentukan apakah k kelompok independen telah ditarik
dari populasi yang sama atau dari populasi yang bermedian sama.
- Data minimal berskala ordinal
Metode:
- Tentukan Median gabungan skor-skor dalam k kelompok
- Bubuhkan tanda tambah untuk semua skor di bawah median dalam
tabel k x 2
- Hitunglah harga Chi-kuadrat dengan d.f.= k- 1
- Putuskan apakah Ho ditolak atau tidak dengan menggunakan tabel
C
15 Desember 2004
202
Contoh:
Misalkan seorang peneliti bidang pendidikan ingin
mempelajari pengaruh banyak pendidikan yang
diperoleh terhadap tingkat minat ibu dalam hal sekolah
anaknya. Peneliti itu mengambil tingkat sekolah tertinggi
yang ditamatkan oleh seorang ibu sebagai indeks
banyak pendidikan yang diperolehnya. Sedangkan,
sebagai indeks minat dan perhatian terhadap sekolah
anaknya digunakan jumlah kunjungan suka rela setiap
ibu ke sekolah selama satu tahun ajaran.
Hipotesis peneliti adalah banyak kunjungan ibu akan
bervariasi menurut banyak tahun yang dilewati ibu-ibu
itu untuk bersekolah.
15 Desember 2004
203
Contoh:
Hipotesis Nol:
Ho : Tidak ada perbedaan dalam frekuensi kunjungan ke
sekolah diantara para ibu yang berlainan tingkat
pendidikan yang mereka terima,
atau:
Frekuensi tingkat kunjungan ibu ke sekolah adalah
independen terhadap tingkat pendidikan yang
diperoleh si ibu
H1 : Frekuensi kunjungan ke sekolah oleh ibu berbedabeda menurut tingkat pendidikan yang diterima ibu
15 Desember 2004
204
Contoh:
Tes Statistik:
- Kelompok ibu yang berpendidikan tertentu saling
independen.
- Jumlah pendidikan sekolah paling tinggi merupakan
skala ordinal.
- Maka digunakan tes median untuk melihat perbedaan
dalam nilai tengah.
= 0.05
15 Desember 2004
205
Pendidikan yang didapatkan ibu

SD
SLTP
SLTA
AKADEMI
S1
S2 & S3
6
5
1
15 Desember 2004
206
Nilai Median adalah Data ke-22.5 atau nilai median adalah 2.5
Pendidikan yang didapatkan Ibu
SD
SLTP
SLTA
> Med
5
5
4
5.5
Medi
5
5
TOTAL
10
15 Desember 2004
AKADE
MI
S1
S2 &
S3
TOTAL
7
6.5
3
2
2
2
1
1
22
7
5.5
6
6.5
1
2
2
2
1
1
22
11
13
44
207
Nilai Median adalah Data ke-22.5 atau nilai median adalah 2.5
Pendidikan yang didapatkan Ibu
SD
SLTP
SLTA
> Med
5
5
4
5.5
Medi
5
5
TOTAL
10
15 Desember 2004
Perguruan
Tinggi
TOTAL
7
6.5
6
5
22
7
5.5
6
6.5
4
5
22
11
13
10
44
208
Contoh:
2 hitung = 1.295
d.f. = ( k 1) = 4 1= 3
= 5% 2 tabel = 7.82
(2 hitung = 1.295) < (2 tabel = 7.82) Ho tidak
ditolak
Maka:
Frekuensi tingkat kunjungan ibu ke sekolah adalah
independen terhadap tingkat pendidikan yang diperoleh si
ibu
15 Desember 2004
209
Analisis Varian Ranking Satu

Arah Kruskal-Walis
Fungsi:
- Untuk menentukan apakah k sampel independen berasal
dari populasi-populasi yang berbeda.
- Data merupakan data kontinyu dengan skala data
minimal ordinal.
Ho: k sampel berasal dari populasi yang sama atau
populasi yang identik dengan median yang sama.
15 Desember 2004
210

Arah Kruskal-Walis
Metode:
- Berilah ranking observasi-observasi untuk kelompok itu
dalam suatu urutan dari 1 hingga N.
- Tentukan harga R (jumlah ranking) untuk masing-masing
k kelompok itu.
- Jika suatu proporsi yang besar di antara observasiobservasi itu berangka sama, hitunglah harga KW (8.5),
jika tidak gunakan rumus 8.3
- Jika k=3 dan jika n1, n2 dan n3 5, gunakan tabel O
- Dalam kasus lain gunakan tabel C dengan d.f.=k-1
15 Desember 2004
211

Arah Kruskal-Walis
Rumus:
k
12
2
KW
n j R j 3N 1
N N 1 j 1
(8.3)
k = banyak sampel
nj = banyak kasus dalam sampel ke-j
N = banyak kasus dalam semua sampel = Snj
Rj = jumlah ranking pada sampel atau grup j
R = (N+1)/2 Rata-rata ranking
j
15 Desember 2004
212

Arah Kruskal-Walis
Jika terjadi angka sama antara dua skor atau lebih (t),
tiap skor mendapat ranking yang sama (rata-rata skor).
T 1
N3 N
k
12
2
n j R j 3N 1
N N 1 j 1
(8.5)
KW
T
15 Desember 2004
213
Contoh: Analisis Varian Ranking

Satu Arah Kruskal-Walis
Misalkan seorang peneliti bidang pendidikan hendak menguji
hipotesis bahwa pada administrator sekolah biasanya lebih
bersifat otoriter daripada guru-guru kelas. Sungguhpun
demikian peneliti itu tahu bahwa data yang dipakai untuk
menguji hipotesis ini mungkin dikotori oleh kenyataan bahwa
banyak guru kelas yang memiliki orientasi administratif.
Artinya banyak guru menganggap para administrator sebagai
reference group. Untuk menghindari pengotoran itu dia
merancang untuk membagi 14 subjeknya ke dalam tiga
kelompok: guru berorientasi sebagai guru saja, guru
berorientasi administratif dan para administratif.
15 Desember 2004
214

Hipotesis Nol
Ho : Tidak ada perbedaan di antara skor nilai tengah
dari ketiga sampel.
H1 : Terdapat perbedaan di antara skor nilai tengah dari
ketiga sampel.
Tes Statistik:
Untuk menguji tingkat otoriter dengan skala ordinal
digunakan uji Kruskal Wallis
15 Desember 2004
215

Skor keotoriteran ketiga kelompok pendidik
Guru berorientasi
pengajaran
Guru berorientasi
Administratif
Administratif
96
82
115
128
124
149
83
132
166
61
135
147
101
109
15 Desember 2004
216

Ranking keotoriteran ketiga kelompok pendidik
Guru berorientasi
pengajaran
Guru berorientasi
Administratif
Administratif
13
10
14
11
12
R1=22
R j = 4.4
15 Desember 2004
R2=37
R j =7.4
R3=46
R j = 11.5
217

k
12
2
KW
n j R j 3N 1
N N 1 j 1
12
2
2
2
54.4 57.4 411.5

1414 1
314 1
6.4
15 Desember 2004
218

KW = 6.4 untuk =5% dan n1, n2, ,n3 adalah 5, 5, 4
didapat dari tabel O 5.64 sehingga 6.4>5.64 Ho ditolak
Maka:
Ketiga kelompok pendidik yang ditunjuk itu berbeda dalam
tingkat keotoriteran mereka.
15 Desember 2004
219
Chapter 9
Ukuran Korelasi dan Tes
Signifikannya
15 Desember 2004
220
Korelasi
Merupakan ukuran hubungan antar variabel
Angka korelasi 0 (tidak terdapat hubungan sama sekali)
Angka korelasi 1 (terdapat hubungan negatif sempurna)
Angka korelasi +1 (terdapat hubungan positif sempurna)
Angka korelasi mendekati -1 atau +1 maka hubungan kuat
Angka korelasi mendekati 0 maka hubungan lemah
15 Desember 2004
221
Koefisien Kontigensi: C
The Cramer Coefficient C
Fungsi:
- Ukuran kadar hubungan antara dua himpunan atribut
- Skala pengukuran nominal
- Dipergunakan bila frekuensi tidak berurut
- data diskrit atau kontinyu
15 Desember 2004
222
Metode Cramer Coefficient:

Aturlah frekuensi-frekuensi observasi dalam suatu tabel
kontigensi k x r
Hitung nilai Chi-kuadrat
Hitunglah nilai C
Uji signifikansinya dengan tabel C dan d.f.=(k-1)(r-1)
15 Desember 2004
223
Rumus Cramer
C
N L 1
2 = Chi kuadrat
N = jumlah data
L = angka terkecil untuk jumlah baris atau kolom
15 Desember 2004
224
Contoh Asosiasi Cramer

Contoh:
Dalam suatu penelitian penyelidikan mengenai sifat dan
akibat stratifikasi sosial dalam suatu masyarakat kecil di
Barat Tengah Amerika Serikat. Hollingshead menemukan
bahwa anggota-anggota masyarakat itu membagi mereka
ke dalam lima kelas sosial: I, II, III, IV dan V.
Ramalannya adalah para remaja dalam kelas-kelas sosial
yang berlainan (Persiapan PT, Umum dan Perdagangan)
mempunyai hubungan (dependen) dengan mengikuti
kurikulum-kurikulum yang berbeda di sekolah menengah
atas Elmtown,
15 Desember 2004
225

Ho : Tidak terdapat hubungan yang signifikan
antara strata sosial dengan pemilihan kurikulum
H1 : Terdapat hubungan yang signifikan antara
strata sosial dengan pemilihan kurikulum
Tes Statistik:
data diskrit dan skala data nominal
Bertujuan mencari hubungan/asosiasi, maka
digunakan Asosiasi Cramer
= 1%
15 Desember 2004
226

Kurikulum
I & II
Persiapan PT 23
III
40
7.3
Umum
11
16
75
Perdagangan 1
35
15 Desember 2004
38.0
77.5
146
5.4
14
97.1
60
38.2
V
2
107
31
9.1
IV
30.3
18.6
Total
Total
Kelas
13.8
10
47.9
183
6.8
26
81
207
102
390
227

2 hitung = 69.2
69.2
0.30
N L 1
390(3 1)
d.f. = (k-1)(r-1) = (4-1)(3-1) = 6

= 1% 2 tabel = 16.81
(2 hitung = 69.2) > (2 tabel = 16.81) Ho ditolak
Maka:
Terdapat hubungan yang signifikan antara Pendaftaran
kurikulum para siswa dengan keanggotaan kelas sosial di
antara kaum muda Elmtown.
15 Desember 2004
228
Kelemahan Asosiasi Cramer

1. Asosiasi ini sama dengan nol bila tidak terdapat
hubungan sama sekali, namun tidak dapat mencapai
satu.
2. Batas-batas C tergantung k dan r
3. Keterbatasan pada aturan penggunaan Chi-kuadrat
4. C tidak dapat dibandingkan secara langsung pada
ukuran asosiasi manapun
15 Desember 2004
229
Koefisien Korelasi Rank

Spearman (rs)
Fungsi:
Merupakan ukuran hubungan antara variabel dengan
skala pengukuran data ordinal
Metode:
data dibuat rangkingnya kemudian dicari selisihnya (d)
dan masukkan ke rumus:
N
rs 1
6 d
i 1
3
2
i
N N
15 Desember 2004
rs 1
6 d
i 1
2
2
i
N ( N 1)
230

Spearman (rs)
Jika terdapat ranking yang kembar digunakan rumus:
rs
2
2
2
x
2
2
x
y

Dimana:
3
N
N
2
x 12 Tx
t3 t
T
12
15 Desember 2004
N3 N
y 12 T y
2
t = Ranking kembar
231
Menguji Signifikansi rs
Ho : = 0
H1 : 0
tidak terdapat korelasi

terdapat korelasi
Digunakan distribusi student dengan d.f.= N 2
rs N 2
1 rs2
15 Desember 2004
232
Contoh Koefisien Korelasi

Rank Spearman (rs)
Dari hasil penelitian yang dilakukan di Bank Indonesia
terhadap delapan bank swasta yang berkantor pusat di
Bandung, ingin dilihat hubungan keterkaitan antara
Standar Pelaksanaan Fungsi Audit Intern Bank (SPFAIB)
dengan Satuan Kerja Audit Intern (SKAI) yang diambil
dengan menggunakan skala Likert dan total skor
ditampilkan pada tabel berikut:
15 Desember 2004
233

Rank Spearman (rs)
15 Desember 2004
234

Rank Spearman (rs)
Ho : Tidak terdapat hubungan signifikan antara SKAI dengan SPFAIB
H1 : Terdapat hubungan yang signifikan antara SKAI dengan SPFAIB
Atau dapat dinyatakan dalam bentuk hipotesis statistik sebagai berikut :
Ho : p = 0
H1 : p 0
15 Desember 2004
235

Rank Spearman (rs)
6 d i2
6(14)
rs 1
1 3
0.833
N N
8 8
i 1
3
15 Desember 2004
236

Rank Spearman (rs)
Karena terdapat ranking yang kembar digunakan rumus :
8 8
0
12
42
3
2
x

3
3
3
8
2
2
2
2
2
y 12 12 12
41
42 41 14
2
rs
2
2
2
x
42 . 41
0 , 831
15 Desember 2004
t3 t
T
12
2
2
x
y

3
N
N
2
x 12 Tx
N3 N
y 12 T y
2
237

Rank Spearman (rs)
t
rs N 2
1 r
2
s
0.83 8 2
1 0 , 83
3 , 645
nilai t = 3,645 dari hasil penelitian lebih besar dari pada nilai
t table dengan =5% atau sebesar 2,447, atau dapat ditulis
nilai thitung (3,645) > nilai ttabel (2,447), maka hipotesis nol
ditolak atau terdapat hubungan yang signifikan antara
SPFAIB dan SKAI.
15 Desember 2004
238

Kendall:
Fungsi:
Sama dengan Spearman dengan kelebihan bisa dilakukan
secara parsial
Metode:
- Beri ranking Variabel X dan Y dari 1 hingga N
- Susun ranking X secara wajar, yakni 1, 2, 3, , N
- Tentukan harga S
- Tentukan apakah ada ranking yang kembar atau tidak
- Uji signifikansi dengan pendekatan distribusi normal
15 Desember 2004
239
Rumus Koefisien
Korelasi Rank Kendall:
skor sebenarnya
kemungkinan skor maksimum

Atau,
2S
N N 1
Jika terdapat rank yang sama:
2S
N N 1 TX
15 Desember 2004
N N 1 TY
T t t 1
240
Pengujian Koefisien
t
Z
T
Rata-rata distribusi normal = T = 0
Simpangan Baku =
15 Desember 2004
22 N 5
T
9 N N 1
241
Contoh Koefisien
Misalkan kita minta juri X dan Y untuk memberi ranking 12

karya tulis menurut kualitas gaya pemaparan. Apakah ada
hubungan yang signifikan antara ranking yang dibuat oleh
juri X dengan juri Y
Subjek
11 10
12
10
12
11
15 Desember 2004
242
Contoh Koefisien
Urutkan ranking juri X secara wajar

Subjek
10 11 12
10 11
12
S = (11 0) + (7 3) + (9 0) + (6 2) + (5 2) + (6 0)
+ (5 0) + (2 2) + (1 2) + (2 0) + (1 0) = 44
15 Desember 2004
243
Contoh Koefisien
2S
2(44 )
0.67
N N 1 12 (12 1)
Ho : p = 0
H1 : p 0
22 N 5
9 N N 1
0.67
3.03
2212 5
91212 1
P value = 0.0012 maka Ho ditolak pada = 5%

15 Desember 2004
244
Contoh Koefisien
Jika terdapat angka yang sama:

Subjek
11 10
12
1.5 1.5 3.5 3.5
15 Desember 2004
10.5 10.5 12
245
Contoh Koefisien
Urutkan ranking juri X secara wajar

Subjek
10 11
12
3.5 3.5 1.5 1.5 10.5
J
12
10.5
S = (8 2) + (8 2) + (8 0) + (8 0) + (1 5) + (3 3)
+ (2 3) + (4 0) + (0 3) + (1 1) + (1 0) = 25
15 Desember 2004
246
Contoh Koefisien
TY t t 1 2(2 1) 2(2 1) 2(2 1) 6
2S
N N 1 TX
N N 1 TY
2(25)
(12)(12 1) 0 (12)(12 1) 6
0.39
15 Desember 2004
247
Koefisien Korelasi Ranking Partial

Kendall: xy.z
Fungsi:
- Data mempunyai skala minimal ordinal
- digunakan untuk menghitung korelasi antara variabel X
dan Variabel Y dengan menjaga variabel ketiga (Z)
konstan.
Metode:
- Misalkan X dan Y adalah dua variabel yang hubungannya
akan kita tentukan dan Z adalah variabel yang efeknya
terhadap X dan Y akan diparsialkan, atau dianggap konstan
- Beri ranking untuk variabel X, Y, dan Z
- Hitung nilai korelasi kendal untuk xy, xz, dan zy
- Hitung nilai xy.z
15 Desember 2004
248
Koefisien Korelasi Ranking Partial

Kendall: xy.z
xy. z
xy zy zx
1 1
2
zy
15 Desember 2004
zx
249
Tes Signifikansi Partial Kendall

Tidak ada
15 Desember 2004
250
Contoh: Koefisien Korelasi

Ranking Partial Kendall: xy.z
Bila dibuat penelitian tentang bagaimana hubungan antara
variabel produktivitas dengan variabel ketenangan ruang
kerja merupakan akibat dari variabel lain berupa emosi dari
pekerjanya.
Kemudian diambil 12 karyawan, dicatat produktivitas dan
sekaligus ditanya ketenangan ruang kerja yang bagaimana
untuk bisa mendapatkan produktivitas tersebut. Selain itu,
diukur tingkat emosionalnya dengan metode tertentu.
15 Desember 2004
251

Ranking dari skor tiap variabel:
subjek
Produktivitas
X
A
B
C
D
E
F
G
H
I
J
K
L
3
4
2
1
8
11
10
6
7
12
5
9
15 Desember 2004
Ketenangan
Ruang Kerja
Y
2
6
5
1
10
9
8
3
4
12
7
11
Emosi
Z
1.5
1.5
3.5
3.5
5
6
7
8
9
10.5
10.5
12
252

Dengan menggunakan rumus koefisien korelasi Kendall
maka didapat xy = 0.67, xz = 0.39, dan zy = 0.36.
Maka, kita bisa hitung
xy. z
xy.z:
xy zy zx
1 1
2
zy
15 Desember 2004
zx
0.67 0.36 0.39

1 0.36 2 1 0.39 2
0.63
253
Koefisien Konkordasi Kendall

Fungsi:
Merupakan pengukuran derajat asosiasi untuk k variabel
Metode:
- N banyak individu yang diberi ranking dan k banyak
penilai yang memberi ranking
- Tetapkan jumlah masing-masing ranking Rj
- Tentukan rata-rata Rj
- Apabila proporsi angka sama dalam k himpunan
ranking itu besar, hitung W (9.16) kalau tidak gunakan
rumus 9.15
15 Desember 2004
254
Koefisien Konkordasi Kendall

W
9.15
1 2 3
k (N N )
12
s
1 2 3
k (N N ) k T
12
T
Rj
s R j
N
15 Desember 2004
9.16 (jika terdapat

ranking yang sama)
12
255
Uji Signifikansi
Jika k=3 sampai dengan k =20 dan N dari 3 sampai
dengan 7 Gunakan tabel R di buku Edisi 1 (coklat)
Bila N lebih dari 7 gunakan chi Kuadrat dengan
D.F = N 1 :
2 k N 1W
15 Desember 2004
256
Contoh: Koefisien Konkordasi

Kendall
Misalkan tiga eksekutif perusahaan diminta untuk
mewawancarai 6 pelamar kerja dan memberi ranking
kepada mereka secara terpisah menurut urutan
ketepatan mereka dalam mengisi suatu lowongan.
Bagaimana derajat kecocokan ketiga eksekutif tersebut
dalam memberi ranking Keenam pelamar pekerjaan.
15 Desember 2004
257

Kendall
Pelamar
Eksekutif X
Eksekutif Y
Eksekutif Z
R
a
1
1
6
8
b
6
5
3
14
c
3
6
2
11
d
2
4
5
11
e
5
2
4
11
f
4
3
1
8
Rata-rata R = (8+14+11+11+11+8)/6 = 10.5

S = (8 10.5)2 + (14 10.5)2 + + (8 10.5)2 = 25.5
s
1 2 3
k (N N )
12
15 Desember 2004
25.5
1
(3) 2 63 6
12
0.16
258
Contoh Koefisien
Ho : k ranking tidak berhubungan

H1 : k ranking berhubungan
K=3
N =6
W = 0.16
s = 25.5
= 5%
Dari tabel R buku Ed 1 (coklat) kita dapatkan 103.9
Sehingga 25.5 < 103.9 Ho diterima
15 Desember 2004
259

Kendall
Jika dari soal di atas kita rubah datanya, sehingga
terdapat ranking yang sama.
Pelamar
Eksekutif X
Eksekutif Y
Eksekutif Z
R
a
1
2.5
2
5.5
b
4.5
1
1
6.5
c
2
2.5
4.5
9
d
4.5
4.5
4.5
13.5
e
3
4.5
4.5
12
f
7.5
8
4.5
20
g
6
9
8
23
h
9
6.5
8
23.5
I
7.5
10
8
20.5
j
10
6.5
10
26.5
Rata-rata R = (5.5+6.5+9+13.5+12+20+23+23.5+25.5+26.5)/10 = 16.5

S = (5.5 16.5)2 + (6.5 16.5)2 + + (26.5 16.5)2 = 591
15 Desember 2004
260

Kendall
Tx
Ty
Tz
12
3
t
t
12
3
t t
12
15 Desember 2004
2 23 2
1
12
2 23 2 23 2
1.5
12
4 33 3
7
12
261

Kendall
s
1 2 3
k (N N ) k T
12
T
591
1 2 3
3 10 10 31 1.5 7
12
0.828
15 Desember 2004
262

Kendall
Ho : k ranking tidak berhubungan
H1 : k ranking berhubungan
K=3
N =10
W = 0.828
s = 591
= 5%
2 k N 1W 310 10.828 22 .356

Pada tabel C dengan d.f = 10 1 = 9 didapat 16.92
Maka 22.36 > 16.92 Ho ditolak
Kesimpulan : Terdapat k ranking berhubungan
15 Desember 2004
263
Koefisien Korelasi Pearson

Digunakan bila skala data minimal Interval
r
n XY X Y
n X X . n Y Y
2
Koefisien determinasi: r2
Statistik Uji:
t
15 Desember 2004
r n2
1 r
264
Contoh Pearson
Misal kita ingin melihat hubungan yang terjadi antara
variabel biaya tetap dengan variabel laba yang dicapai
pada suatu perusahaan X.
Ho : Tidak terdapat keeratan hubungan yang signifikan

dari variabel Biaya Tetap (X) dengan Laba yang dicapai
(Y).
H1: Terdapat keeratan hubungan yang signifikan dari
variabel Biaya Tetap (X) dengan Laba yang dicapai (Y).
15 Desember 2004
265
Contoh Pearson
Tahun
1990
1991
1992
1993
1994
1995
1996
Total
X
20.157
21.776
29.135
36.741
42.448
47.564
56.137
253.958
15 Desember 2004
Y
30.231
28.334
29.630
45.707
61.043
76.363
103.977
375.285
X2
406.304.649
474.194.176
848.848.225
1.349.901.081
1.801.832.704
2.262.334.096
3.151.362.769
10.294.777.700
Y2
913.913.361
802.815.556
877.936.900
2.089.129.849
3.726.247.849
5.831.307.769
10.811.216.529
25.052.567.813
XY
609.366.267
617.001.184
863.270.050
1.679.320.887
2.591.153.264
3.632.129.732
5.836.956.849
15.829.198.233
266
Contoh Pearson
r
r
n X
n X iYi X i Yi
2
i
X i . n Yi 2 Yi
2
7(15829198233) (253958)(375285)
7(10294777700) 253958 .7(25052567813) 375285

2
0,99
R 2 r 2 0,919023
15 Desember 2004
267
Contoh Pearson
t
t
r n2
1 r 2
0,958657 7 2
1 0,958657
7,532976
Dengan d.f = n 2 = 7 2 = 5 dan = 5%

t tabel = 2.5706
Sehingga Ho ditolak
15 Desember 2004
268
Korelasi untuk Skala Data

yang Berbeda
Nominal
Ordinal
Nominal
Ordinal
Interval
Cramer
Teta
Eta
Rank Spearman
Rank Kendal
Jaspen
Interval
15 Desember 2004
Pearson
269
Wilcoxons Theta,
Fungsi:
Untuk mengukur korelasi dengan satu variabel skala
datanya nominal dan ordinal untuk variabel lainnya.
T2
D = perbedaan absolut antara total frekuensi

T = total masing-masing frekuensi untuk kelas
nominal dikali dengan setiap total lainnya
15 Desember 2004
270
Contoh : Wilcoxons Theta,

Seorang peneliti ingin melihat perbedaan keramahan
dari laki-laki dan perempuan yang belum menikah. Data
keramahan diperoleh dengan skor dari 1 (keramahan
rendah) sampai dengan 5 (keramahan tinggi), sehingga
skala data ordinal. Untuk data laki-laki atau perempuan
merupakan skala data nominal.
Ho : tidak terdapat hubungan antara keramahan dan
jenis kelamin
H1
terdapat hubungan
jenis kelamin
15 Desember 2004
antara
keramahan
dan
271

Sex
Laki-laki
Perempuan
total
0
12
29
41
1
16
22
38
Tingkat keramahan
2
3
18
22
24
15
42
37
4
28
12
40
5 total
35
131
9
111
44
242
Fa = (12)(0)+(16)(29)+(18)(29+22)+(22)(29+22+24)+
(28)(29+22+24+15)+(35)(29+22+24+15+12)
= 9122
Fb = (12)(22+24+15+12+9)+(16)(24+16+12+9)+
(18)(15+12+19)+(22)(12+9)+(28)(9)+(35)(0)
= 3306
15 Desember 2004
272

SD = | 9122 3306 | = 5816
(Total laki-laki) x (total perempuan) = 131 x 111 = 14541
Di
T2
15 Desember 2004
5816
0.40
14541
273
Eta, Rasio Korelasi

Fungsi:
datanya nominal dan interval untuk variabel lainnya.
Misalnya untuk melihat hubungan dari:

- keanggotaan grup dengan usia
- jabatan dengan jumlah waktu luang
15 Desember 2004
274
Eta, Rasio Korelasi

Salah satu pilihan cara untuk mempermudah adalah
dengan menurunkan skala dari interval ke ordinal
sehingga bisa digunakan Theta
15 Desember 2004
275
Eta, Rasio Korelasi

Ladinsky (1967). Tertarik pada keterkaitan antara tingkat
pendidikan yang dicapai dan tingkat jabatan yang
diperoleh pada sampel pengacara di kota Detroit yang
dihubungkan dengan tingkat pendapatannya.
Jika pengacara dibagi dua menjadi solo (pengacara
yang praktek hukum secara privat) dan firm (pengacara
yang praktek melalui fima atau bergabung dengan
pengacara lain).
15 Desember 2004
276
Eta, Rasio Korelasi

Jika diasumsikan solo adalah pengacara yang
mendapat pendidikan dan training lebih sedikit dan
kualitas yang lebih kecil dibandingkan dengan
pengacara firm, sehingga pendapatan yang diterima
oleh masing-masing pihak pengacara akan berbeda.
Pertanyaan: apakah tingkat pendapatan pengacara
(interval/rasio) akan berhubungan dengan tipe dari
pengacara (nominal)?
15 Desember 2004
277
Tipe Pengacara (X)

Solo
Firm
N1 = 13
N2 = 14
Pendapatan / Y (ribu dollar per tahun)
Y1
Y 12
27
729
40
1,600
19
361
35
1,225
37
1,369
41
1,681
33
1,089
28
784
26
676
22
484
27
729
26
676
42
1,764
403
13,167
Rata-rata
15 Desember 2004
31
Grand Rata-rata
Total Kuadrat
Y2
28
35
42
39
41
47
62
58
41
33
29
47
49
42
593
Rata-rata
Y22
784
1,225
1,764
1,521
1,681
2,209
3,844
3,364
1,681
1,089
841
2,209
2,401
1,764
26,377
42.4
36.9
39544
278
Eta, Rasio Korelasi
Y N Y N Y
1
Y N N Y
2
2
T
2
T
39544 1331 1442.4

1
2
39544 13 1436.9
2
0.57
15 Desember 2004
279
Interpretasi Eta, Rasio Korelasi

0.57 memperlihatkan hubungan yang moderat antara
pendapatan dengan tipe pengacara.
Kuadrat dari eta (0.57)2=0.32 mengindikasikan bahwa
32 persen dari kesalahan dalam memperkirakan tingkat
pendapatan dapat dihitung dari tipe pengacaranya.
15 Desember 2004
280
Pengujian Eta, Rasio Korelasi

Pengujiannya menggunakan F statistik:
N k
F
2
1 k 1
2
N = Jumlah total dari kedua sampel
k = jumlah kelas dari variabel berskala nominal

Gunakan tabel F dengan kolom ( k - 1) dan baris (N - k)
15 Desember 2004
281

2 N k
F
1 2 k 1
0.57 27 2
2
1 0.57 2 1
2
11.76
15 Desember 2004
282

Ho : = 0
H1 : 0
dengan = 0.01 didapat tabel F sebesar 7.77 dan F
hitung 11.43, maka Ho ditolak.
Maka koefisien eta berbeda dari nol
15 Desember 2004
283
Asumsi Eta
Acak
Satu variabel skala nominal dan variabel lain skala interval
variabel interval mempunyai distribusi kontinyu
mempunyai kurva linear
15 Desember 2004
284
Jaspens M
Fungsi:
datanya ordinal dan interval untuk variabel lainnya.
15 Desember 2004
285
Jaspens M
Misalnya ingin diteliti bagaimana degree of community
development (X) keterkaitannya dengan lamanya tinggal
atau years in the community (Y)
Dimana X adalah ordinal dan Y adalah interval/rasio
15 Desember 2004
286
15
17
19
23
14
28
22
12
9
15
22
21
16
12
8
3
20
14
13
12
10
10
5
10
12
4
10
9
8
10
12
10
8
2
7
5
5
5
2
5
11
4
6
4
7
9
6
18.1
12
11.8
10
8.3
7
7.1
9
6.0
9
rata-rata
N
15 Desember 2004
287
Jaspens M
Rank
5
4
3
2
1
oa
0.0000
0.3244
0.3978
0.3808
0.2714
15 Desember 2004
Y
18.08
11.80
8.29
7.11
6.00
p
0.26
0.21
0.15
0.19
0.19
Cp
0.26
0.47
0.62
0.81
1.00
ob
0.3244
0.3978
0.3808
0.2714
0
(ob-oa)2 (ob-oa)2/p Y(ob-oa)

ob-oa
0.3244
0.1052
0.4046
5.8716
0.0734
0.0054
0.0257
0.8661
-0.0170
0.0003
0.0020
-0.1411
-0.1094
0.0120
0.0632
-0.7767
-0.2714
0.0737
0.3879
-1.6284
0.0000
0.8834
4.1915
288
Jaspens M - Simpangan Baku
Y N
Sy
NT
Y N
Sy
15 Desember 2004
NT
511
7275
47
47
6.05
289
Jaspens M
Y o
M
o
S
i
oa
o
b
a
4.1915
M
6.050.8834
0.78
15 Desember 2004
290
Jaspens M - Test Signifikan

r M
ob oa 2
p
r 0.78 0.8834
0.73
Ho : M = 0
H1 : M 0
Lihat tabel A7 dengan df = N - k = 47 - 2 = 45, maka
dengan = 1% didapat 0.372 sehingga Ho ditolak
15 Desember 2004
291
Jaspens M
15 Desember 2004
292
Jaspens M
15 Desember 2004
293
Jaspens M
15 Desember 2004
294

Statistika Non Parametrik

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Statistika Non Parametrik

Diunggah oleh

Hak Cipta:

Format Tersedia

STATISTIKA

3. W.J. CONOVER, PRACTICAL NONPARAMETRIC

by Wawan Hermawan, SE., MT.

by Wawan Hermawan, SE., MT.

by Wawan Hermawan, SE., MT.

by Wawan Hermawan, SE., MT.

by Wawan Hermawan, SE., MT.

Kegunaan Tes Statistik dalam

by Wawan Hermawan, SE., MT.

Diformulasikan untuk ditolak.

by Wawan Hermawan, SE., MT.

by Wawan Hermawan, SE., MT.

Pernyataan tersebut merupakan hipotesis penelitian.

by Wawan Hermawan, SE., MT.

by Wawan Hermawan, SE., MT.

2. Tipe II: menerima hipotesis yang seharusnya ditolak

P(kesalahan tipe II) =

by Wawan Hermawan, SE., MT.

by Wawan Hermawan, SE., MT.

by Wawan Hermawan, SE., MT.

Skala pengukuran data

by Wawan Hermawan, SE., MT.

Skala Nominal atau Skala

Pengukuran pada tingkatan paling rendah

Digunakan untuk mengklasifikasi suatu objek, orang,

Tes paling cocok adalah Nonparametrik, seperti Chi

Contoh: laki-laki, perempuan / merk mobil / nama

by Wawan Hermawan, SE., MT.

Skala Ordinal atau Skala

Merupakan pengukuran data yang mengandung

Statistik yang cocok adalah yang melukiskan harga

Contoh: SS-S-R-TS-STS SD-SLTP-SMU-S1-S2-S3

by Wawan Hermawan, SE., MT.

Mempunyai sifat nominal dan ordinal

Jarak antara dua angka diketahui ukurannya

Mempunyai nol yang tidak mutlak

Uji statistik yang cocok adalah Parametrik, seperti uji

Contoh: suhu dimana 0 derajat masih ada suhunya.

by Wawan Hermawan, SE., MT.

Mempunyai semua ciri Interval

Mempunyai nol yang mutlak

Contoh: Berat Badan mahasiswa (0 Kg berarti tidak

by Wawan Hermawan, SE., MT.

Adanya syarat tertentu tentang parameter populasi

Skala pengukuran minimal interval

by Wawan Hermawan, SE., MT.

Tidak menetapkan syarat tentang parameter

Distribusi data bisa diabaikan

Skala pengukuran mulai dari Nominal

Bisa digunakan untuk sampel kecil (n = 6)

by Wawan Hermawan, SE., MT.

by Wawan Hermawan, SE., MT.

2. Jika n > 30 maka digunakan uji Chi Square

by Wawan Hermawan, SE., MT.

Akan diuji apakah sampel ini berasal dari distribusi

by Wawan Hermawan, SE., MT.

by Wawan Hermawan, SE., MT.

by Wawan Hermawan, SE., MT.

by Wawan Hermawan, SE., MT.

by Wawan Hermawan, SE., MT.

by Wawan Hermawan, SE., MT.

by Wawan Hermawan, SE., MT.