Anda di halaman 1dari 294

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

Kegunaan Tes Statistik dalam


Penelitian
HIPOTESIS PENELITIAN
DITERIMA
DITOLAK
DATA

PROSEDUR STATISTIK

15 Desember 2004

by Wawan Hermawan, SE., MT.

LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
1. Nyatakan Hipotesis Nol (H0)
Pada umumnya adalah suatu hipotesis tentang tidak
adanya perbedaan.

Diformulasikan untuk ditolak.


=, ,

15 Desember 2004

by Wawan Hermawan, SE., MT.

LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
Hipotesis Alternatif (H1)
Merupakan hipotesis penelitian dari si pembuat
eksperimen. , <, >

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
2. Tingkat Signifikansi (Level of Significance)
Berkenaan dengan tingkat kesalahan dalam pengujian
hipotesis ()

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

17

Skala Rasio

Mempunyai semua ciri Interval

Mempunyai nol yang mutlak

Contoh: Berat Badan mahasiswa (0 Kg berarti tidak


ada mahasiswa)

15 Desember 2004

by Wawan Hermawan, SE., MT.

18

Statistik Parametrik

Adanya syarat tertentu tentang parameter populasi


dan distribusi populasi

Skala pengukuran minimal interval

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

23

Uji Lilliefors
1. Tentukan H0:
H0 : Sampel berasal dari populasi yang berdistribusi
normal
H1 : Sampel tidak berasal dari populasi yang
berdistribusi normal
2. Tentukan = 5%

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

25

Uji Lilliefors
4. Hitung angka baku Z

Xi X
Zi
s
contoh
23 50.33
Z1
1.65
16.55
15 Desember 2004

by Wawan Hermawan, SE., MT.

26

Uji Lilliefors
5. Hitung F(Zi) = P(Z Zi)

0.5 - Ztabel

0.5 + Ztabel
15 Desember 2004

by Wawan Hermawan, SE., MT.

27

Uji Lilliefors
6. Hitung S(Zi)

15 Desember 2004

by Wawan Hermawan, SE., MT.

28

Uji Lilliefors
7. Hitung |F(Zi) S(Zi)|

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

32

Chi Square
1. Tentukan H0:
H0 : Sampel berasal dari populasi yang berdistribusi
normal
H1 : Sampel tidak berasal dari populasi yang
berdistribusi normal
2. Tentukan = 5%

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

38

Chi Square
k

foi fei

i 1

15 Desember 2004

fei

8.74

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

40

CHAPTER 4
THE SINGLE-SAMPLE CASE

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

42

Uji Nonparametrik untuk


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

by Wawan Hermawan, SE., MT.

43

Uji Nonparametrik untuk


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

by Wawan Hermawan, SE., MT.

44

Uji Nonparametrik untuk


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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

48

Tes Binomial sampel kecil


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

by Wawan Hermawan, SE., MT.

49

Tes Binomial sampel kecil


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

by Wawan Hermawan, SE., MT.

50

Tes Binomial sampel kecil


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

by Wawan Hermawan, SE., MT.

51

Tes Binomial sampel kecil


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

by Wawan Hermawan, SE., MT.

52

Tes Binomial sampel kecil


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

by Wawan Hermawan, SE., MT.

53

Tes Binomial sampel kecil


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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

55

Tes Binomial sampel besar


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

by Wawan Hermawan, SE., MT.

56

Tes Binomial sampel besar


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

by Wawan Hermawan, SE., MT.

57

Tes Binomial sampel besar


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

by Wawan Hermawan, SE., MT.

58

Tes Binomial sampel besar


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

by Wawan Hermawan, SE., MT.

59

Tes Binomial sampel besar


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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

61

Tes Satu sampel Chi-Kuadrat


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

by Wawan Hermawan, SE., MT.

62

Tes Satu sampel Chi-Kuadrat


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

by Wawan Hermawan, SE., MT.

63

Tes Satu sampel Chi-Kuadrat


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

by Wawan Hermawan, SE., MT.

166.7

5.67
64

Tes Satu sampel Chi-Kuadrat


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

by Wawan Hermawan, SE., MT.

65

Tes Satu sampel Chi-Kuadrat


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

by Wawan Hermawan, SE., MT.

66

Tes Satu sampel Chi-Kuadrat


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

by Wawan Hermawan, SE., MT.

80

5.93
67

Tes Satu sampel Chi-Kuadrat


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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

69

Tes Satu-Sampel Kolmogorov-Smirnov


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

by Wawan Hermawan, SE., MT.

70

Tes Satu-Sampel Kolmogorov-Smirnov


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) |

by Wawan Hermawan, SE., MT.

71

Tes Satu-Sampel Kolmogorov-Smirnov


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

by Wawan Hermawan, SE., MT.

19

72

Tes Satu-Sampel Kolmogorov-Smirnov


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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

77

Tes Run Satu-Sampel


Ho : Sampel bersifat acak (random)
H1 : Sampel tidak bersifat acak (random)
= 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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

80

Tes Run Satu-Sampel


Ho : Sampel bersifat acak (random)
H1 : Sampel tidak bersifat acak (random)
= 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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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>

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

86

CHAPTER 5
The Case of One Sample, Two
Measures or Paired Replicates
Kasus Dua-sampel yang
Berhubungan
15 Desember 2004

by Wawan Hermawan, SE., MT.

87

The Case of One Sample, Two


Measures or Paired Replicates

McNemar
Sign Test
Uji Ranking-Bertanda Wilcoxon

15 Desember 2004

by Wawan Hermawan, SE., MT.

88

Ciri-ciri kasus
Ingin melihat dua perlakuan apakah sama atau tidak.
Menguji subjek dengan pembanding dirinya sendiri.

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

90

Tes McNemar untuk


Signifikansi Perubahan
Sesudah
+
+

Sebelum -

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


perubahan
A+D = jumlah total yang berubah
15 Desember 2004

by Wawan Hermawan, SE., MT.

91

Tes McNemar untuk


Signifikansi Perubahan
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
by Wawan Hermawan, SE., MT.

92

Tes McNemar untuk


Signifikansi Perubahan
Koreksi Kontinuitas:

A D 1

A D

15 Desember 2004

Dengan d.f. = 1

by Wawan Hermawan, SE., MT.

93

Tes McNemar untuk


Signifikansi Perubahan
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

by Wawan Hermawan, SE., MT.

94

Tes McNemar untuk


Signifikansi Perubahan
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

by Wawan Hermawan, SE., MT.

95

Tes McNemar untuk


Signifikansi Perubahan
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
by Wawan Hermawan, SE., MT.

Carter
B = 28
D=7
96

Tes McNemar untuk


Signifikansi Perubahan
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

by Wawan Hermawan, SE., MT.

97

Tes McNemar untuk


Signifikansi Perubahan
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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

103

Pasangan

Skor Pengaruh

Tanda

Suami

Istri

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

110

Uji Ranking-Bertanda Wilcoxon


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

by Wawan Hermawan, SE., MT.

111

Uji Ranking-Bertanda Wilcoxon


untuk Data Berpasangan
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

by Wawan Hermawan, SE., MT.

112

Uji Ranking-Bertanda Wilcoxon


untuk Data Berpasangan
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

by Wawan Hermawan, SE., MT.

113

Uji Ranking-Bertanda Wilcoxon


untuk Data Berpasangan
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

by Wawan Hermawan, SE., MT.

114

Uji Ranking-Bertanda Wilcoxon


untuk Data Berpasangan
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

by Wawan Hermawan, SE., MT.

115

Uji Ranking-Bertanda Wilcoxon


untuk Data Berpasangan
Sampel Besar
Jika N > 15, T+ mendekati distribusi normal

N N 1

15 Desember 2004

N N 12 N 1
24

T T

by Wawan Hermawan, SE., MT.

116

Uji Ranking-Bertanda Wilcoxon


untuk Data Berpasangan
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+

by Wawan Hermawan, SE., MT.

117

Uji Ranking-Bertanda Wilcoxon


untuk Data Berpasangan
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

by Wawan Hermawan, SE., MT.

74.5 68

0.34
19.34
118

Uji Ranking-Bertanda Wilcoxon


untuk Data Berpasangan
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

by Wawan Hermawan, SE., MT.

119

CHAPTER 6
TWO INDEPENDENT SAMPLES
(DUA SAMPEL INDEPENDEN)

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

130

Uji Chi-Square untuk 2 Sampel


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

by Wawan Hermawan, SE., MT.

131

Uji Chi-Square untuk 2 Sampel


Independen

Do Not Reject H0
0.95

Reject H 0

2 =7.815
15 Desember 2004

by Wawan Hermawan, SE., MT.

132

Uji Chi-Square untuk 2 Sampel


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

by Wawan Hermawan, SE., MT.

133

Uji Chi-Square untuk 2 Sampel


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

by Wawan Hermawan, SE., MT.

134

Uji Chi-Square untuk 2 Sampel


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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

Reject H0
2 =10.67
136

Chi-Square Tests of Independence


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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

139

Chi-Square Tests of Independence


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

by Wawan Hermawan, SE., MT.

140

Chi-Square Tests of Independence


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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

152

Tes Mann-Whitney
Kriteria Uji:
Gunakan pendekatan distribusi normal

n1n2
U
2

Z
15 Desember 2004

n1n2 n1 n2 1
12

U U

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

154

Tes Wilcoxon-Mann-Whitney
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

by Wawan Hermawan, SE., MT.

155

Tes Wilcoxon-Mann-Whitney
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

by Wawan Hermawan, SE., MT.

156

Contoh
Tes Wilcoxon-Mann-Whitney
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

by Wawan Hermawan, SE., MT.

157

Contoh
Tes Wilcoxon-Mann-Whitney
Ho : A B (Volume Ekspor ke
negara maju =
volume ekspor ke negara berkembang
H1 : A > B (Volume Ekspor ke
negara maju >
volume ekspor ke negara berkembang
= 5%

15 Desember 2004

by Wawan Hermawan, SE., MT.

158

Contoh
Tes Wilcoxon-Mann-Whitney
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

by Wawan Hermawan, SE., MT.

t
2
2
2
3

(t - t)/12
0.5
0.5
0.5
2

= 3.5

159

Contoh
Tes Wilcoxon-Mann-Whitney

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

by Wawan Hermawan, SE., MT.

160

Contoh
Tes Wilcoxon-Mann-Whitney
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

by Wawan Hermawan, SE., MT.

161

Contoh
Tes Wilcoxon-Mann-Whitney
Cara Mann-Whitney-Wilcoxon
Ho : A B (Volume Ekspor ke
negara maju =
volume ekspor ke negara berkembang
H1 : A > B (Volume Ekspor ke
negara maju >
volume ekspor ke negara berkembang
= 5%
m = 10 (negara berkembang)
n = 11 (negara maju)
Wx = 91.5
15 Desember 2004

by Wawan Hermawan, SE., MT.

162

Contoh
Tes Wilcoxon-Mann-Whitney
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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

164

Uji Kolmogorov-Smirnov untuk


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

by Wawan Hermawan, SE., MT.

165

Uji Kolmogorov-Smirnov untuk


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

by Wawan Hermawan, SE., MT.

166

Uji Kolmogorov-Smirnov untuk


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

by Wawan Hermawan, SE., MT.

167

Uji Kolmogorov-Smirnov untuk


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

by Wawan Hermawan, SE., MT.

168

Uji Kolmogorov-Smirnov untuk


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

by Wawan Hermawan, SE., MT.

169

Uji Kolmogorov-Smirnov untuk


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

by Wawan Hermawan, SE., MT.

170

Uji Kolmogorov-Smirnov untuk


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

by Wawan Hermawan, SE., MT.

171

Uji Kolmogorov-Smirnov untuk


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

by Wawan Hermawan, SE., MT.

172

Uji Kolmogorov-Smirnov untuk


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

by Wawan Hermawan, SE., MT.

173

Chapter 7
Kasus k Sampel Berhubungan
The Case of k Related Samples

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

184

Hari

Peramal 1

Peramal 2

Peramal 3

Peramal 4

Gi

10

27

L2

49

36

64

36

185

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

188

Analisis Varian Dua-Arah


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

by Wawan Hermawan, SE., MT.

189

Analisis Varian Dua-Arah


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
pengaruh yang berbeda terhadap penjualan
15 Desember 2004

by Wawan Hermawan, SE., MT.

190

Analisis Varian Dua-Arah


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

by Wawan Hermawan, SE., MT.

191

Analisis Varian Dua-Arah


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

by Wawan Hermawan, SE., MT.

192

Analisis Varian Dua-Arah


Friedman
Dengan nilai hitung sebesar 0.67 maka lihat tabel C
untuk d.f.= 3
Ho tidak ditolak
Sumber informasi yang berbeda tidak memberi
pengaruh yang berbeda terhadap penjualan

15 Desember 2004

by Wawan Hermawan, SE., MT.

193

Analisis Varian Dua-Arah


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

by Wawan Hermawan, SE., MT.

194

CHAPTER 8
KASUS K SAMPEL INDEPENDEN

15 Desember 2004

by Wawan Hermawan, SE., MT.

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
by Wawan Hermawan, SE., MT.

196

TES 2 untuk k Independen Sampel


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

by Wawan Hermawan, SE., MT.

197

Contoh:
TES 2 untuk k Independen Sampel
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

by Wawan Hermawan, SE., MT.

198

Contoh:
TES 2 untuk k Independen Sampel
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

by Wawan Hermawan, SE., MT.

199

Contoh:
TES 2 untuk k Independen Sampel
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

by Wawan Hermawan, SE., MT.

6.8
26

81

207

102
390
200

Contoh:
TES 2 untuk k Independen Sampel
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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

202

Contoh:
Perluasan Tes Median
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

by Wawan Hermawan, SE., MT.

203

Contoh:
Perluasan Tes Median
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

by Wawan Hermawan, SE., MT.

204

Contoh:
Perluasan Tes Median
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

by Wawan Hermawan, SE., MT.

205

Pendidikan yang didapatkan ibu


SD

SLTP

SLTA

AKADEMI

S1

S2 & S3

6
5
1

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

208

Contoh:
Perluasan Tes Median
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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

210

Analisis Varian Ranking Satu


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

by Wawan Hermawan, SE., MT.

211

Analisis Varian Ranking Satu


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

by Wawan Hermawan, SE., MT.

212

Analisis Varian Ranking Satu


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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

214

Contoh: Analisis Varian Ranking


Satu Arah Kruskal-Walis
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

by Wawan Hermawan, SE., MT.

215

Contoh: Analisis Varian Ranking


Satu Arah Kruskal-Walis
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

by Wawan Hermawan, SE., MT.

216

Contoh: Analisis Varian Ranking


Satu Arah Kruskal-Walis
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

by Wawan Hermawan, SE., MT.

R3=46
R j = 11.5

217

Contoh: Analisis Varian Ranking


Satu Arah Kruskal-Walis
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

by Wawan Hermawan, SE., MT.

218

Contoh: Analisis Varian Ranking


Satu Arah Kruskal-Walis
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

by Wawan Hermawan, SE., MT.

219

Chapter 9
Ukuran Korelasi dan Tes
Signifikannya

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

223

Rumus Cramer
C

N L 1

2 = Chi kuadrat
N = jumlah data
L = angka terkecil untuk jumlah baris atau kolom

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

225

Contoh Asosiasi Cramer


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

by Wawan Hermawan, SE., MT.

226

Contoh Asosiasi Cramer


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

by Wawan Hermawan, SE., MT.

6.8
26

81

207

102
390
227

Contoh Asosiasi Cramer


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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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)

by Wawan Hermawan, SE., MT.

230

Koefisien Korelasi Rank


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
by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

233

Contoh Koefisien Korelasi


Rank Spearman (rs)

15 Desember 2004

by Wawan Hermawan, SE., MT.

234

Contoh Koefisien Korelasi


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

by Wawan Hermawan, SE., MT.

235

Contoh Koefisien Korelasi


Rank Spearman (rs)

6 d i2

6(14)
rs 1
1 3
0.833
N N
8 8
i 1
3

15 Desember 2004

by Wawan Hermawan, SE., MT.

236

Contoh Koefisien Korelasi


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

by Wawan Hermawan, SE., MT.

N3 N
y 12 T y
2

237

Contoh Koefisien Korelasi


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

by Wawan Hermawan, SE., MT.

238

Koefisien Korelasi Rank


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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

T t t 1
240

Pengujian Koefisien
Korelasi Rank Kendall:

t
Z
T
Rata-rata distribusi normal = T = 0
Simpangan Baku =

15 Desember 2004

22 N 5
T
9 N N 1

by Wawan Hermawan, SE., MT.

241

Contoh Koefisien
Korelasi Rank Kendall:

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

by Wawan Hermawan, SE., MT.

242

Contoh Koefisien
Korelasi Rank Kendall:

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

by Wawan Hermawan, SE., MT.

243

Contoh Koefisien
Korelasi Rank Kendall:

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

by Wawan Hermawan, SE., MT.

244

Contoh Koefisien
Korelasi Rank Kendall:

Jika terdapat angka yang sama:


Subjek

11 10

12

1.5 1.5 3.5 3.5

15 Desember 2004

by Wawan Hermawan, SE., MT.

10.5 10.5 12

245

Contoh Koefisien
Korelasi Rank Kendall:

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

by Wawan Hermawan, SE., MT.

246

Contoh Koefisien
Korelasi Rank Kendall:

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

248

Koefisien Korelasi Ranking Partial


Kendall: xy.z

xy. z

xy zy zx

1 1
2

zy

15 Desember 2004

zx

by Wawan Hermawan, SE., MT.

249

Tes Signifikansi Partial Kendall


Tidak ada

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

251

Contoh: Koefisien Korelasi


Ranking Partial Kendall: xy.z
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

by Wawan Hermawan, SE., MT.

Emosi
Z
1.5
1.5
3.5
3.5
5
6
7
8
9
10.5
10.5
12

252

Contoh: Koefisien Korelasi


Ranking Partial Kendall: xy.z
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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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)

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

257

Contoh: Koefisien Konkordasi


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

by Wawan Hermawan, SE., MT.

258

Contoh Koefisien
Korelasi Rank Kendall:

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

by Wawan Hermawan, SE., MT.

259

Contoh: Koefisien Konkordasi


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

by Wawan Hermawan, SE., MT.

260

Contoh: Koefisien Konkordasi


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

by Wawan Hermawan, SE., MT.

261

Contoh: Koefisien Konkordasi


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

by Wawan Hermawan, SE., MT.

262

Contoh: Koefisien Konkordasi


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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

keramahan

dan
271

Contoh : Wilcoxons Theta,


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

by Wawan Hermawan, SE., MT.

272

Contoh : Wilcoxons Theta,


SD = | 9122 3306 | = 5816
(Total laki-laki) x (total perempuan) = 131 x 111 = 14541

Di
T2

15 Desember 2004

5816

0.40
14541

by Wawan Hermawan, SE., MT.

273

Eta, Rasio Korelasi


Fungsi:
Untuk mengukur korelasi dengan satu variabel skala
datanya nominal dan interval untuk variabel lainnya.

Misalnya untuk melihat hubungan dari:


- keanggotaan grup dengan usia
- jabatan dengan jumlah waktu luang

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

281

Pengujian Eta, Rasio Korelasi


2 N k
F
1 2 k 1

0.57 27 2

2
1 0.57 2 1
2

11.76

15 Desember 2004

by Wawan Hermawan, SE., MT.

282

Pengujian Eta, Rasio Korelasi


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

by Wawan Hermawan, SE., MT.

283

Asumsi Eta
Acak
Satu variabel skala nominal dan variabel lain skala interval
variabel interval mempunyai distribusi kontinyu
mempunyai kurva linear

15 Desember 2004

by Wawan Hermawan, SE., MT.

284

Jaspens M
Fungsi:
Untuk mengukur korelasi dengan satu variabel skala
datanya ordinal dan interval untuk variabel lainnya.

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

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
by Wawan Hermawan, SE., MT.

288

Jaspens M - Simpangan Baku

Y N

Sy

NT

Y N

Sy

15 Desember 2004

NT

511
7275

47

47

6.05

by Wawan Hermawan, SE., MT.

289

Jaspens M

Y o

M
o
S
i

oa

o
b
a

4.1915
M
6.050.8834
0.78

15 Desember 2004

by Wawan Hermawan, SE., MT.

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

by Wawan Hermawan, SE., MT.

291

Jaspens M

15 Desember 2004

by Wawan Hermawan, SE., MT.

292

Jaspens M

15 Desember 2004

by Wawan Hermawan, SE., MT.

293

Jaspens M

15 Desember 2004

by Wawan Hermawan, SE., MT.

294