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
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

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

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

MT.
Kegunaan Tes Statistik

dalam Penelitian
HIPOTESIS PENELITIAN
DITERIMA
DITOLAK
DATA
PROSEDUR STATISTIK
15 Desember 2004

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

MT.
LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
Hipotesis Alternatif (H1)
Merupakan hipotesis penelitian dari si
pembuat eksperimen. , <, >
15 Desember 2004

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

MT.
LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
2. Tingkat Signifikansi (Level of Significance)
Berkenaan dengan tingkat kesalahan dalam
pengujian hipotesis ()
15 Desember 2004

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

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

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

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

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

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-S2S3
15 Desember 2004

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

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

MT.
18
Statistik Parametrik
Adanya syarat tertentu tentang parameter

populasi dan distribusi populasi
Skala pengukuran minimal interval
15 Desember 2004

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

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

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

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

MT.
23
Uji Lilliefors
1. Tentukan H0:
H0 : Sampel berasal dari populasi yang berdistribusi
normal
2. Tentukan = 5%
15 Desember 2004

MT.
24
Uji Lilliefors
3. Hitung Rata-rata dan simpangan baku sampel
X
15 Desember 2004
604
50.33
12
i
n 1
3012.67
16.55
11

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

MT.
26
Uji Lilliefors
5. Hitung F(Zi) = P(Z Zi)
0.5 - Ztabel
0.5 + Ztabel
15 Desember 2004

MT.
27
Uji Lilliefors
6. Hitung S(Zi)
15 Desember 2004

MT.
28
Uji Lilliefors
7. Hitung |F(Zi) S(Zi)|
15 Desember 2004

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

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

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

MT.
32
Chi Square
1. Tentukan H0:
H0 : Sampel berasal dari populasi yang berdistribusi
normal
2. Tentukan = 5%
15 Desember 2004

MT.
33
Chi Square
3. Hitung Rata-rata dan simpangan baku
sampel
FX
X
F
F X
i
15 Desember 2004
i X
n 1

MT.
34
Chi Square
Upah
Fi
550 - <650
20
600 12000
650 - <750
54
700 37800
750 - <850
13
0
800 10400
0
850 - <950
68
900 61200
950 - <1050
28
100 28000
0
Jumlah
30
0
24300
0
15 Desember 2004
Xi
FiXi

MT.
FX
X
F
i
243000
300
810
35
Chi Square
Upah
Fi
Xi
Fi (Xix)2
550 - <650
20
600 882000
650 - <750
54
700 653400
750 - <850
13
0
800
850 - <950
68
900 550800
950 - <1050
28
100 101080
0
0
Jumlah
30
0
311000
0
15 Desember 2004
13000

MT.
F X
i
n 1
3110000
299
101.99
36
Chi Square
Upah
zi
4. Hitung angka baku Z
550 - <650
-2.55
Xi
Zi
contoh
550 810
Z1
2.55
101.99
650 - <750
-1.57
750 - <850
-0.59
850 - <950
0.39
950 - <1050
1.37
1050
2.35
15 Desember 2004

MT.
37
Chi Square
Upah
Ztab
el
Luas
Luas*
Fe
(NxLuas)
550 - <650
.4946 .0054
2.55
.0528
15.84
650 - <750
.
1.57 4418
.
058
2
.2194
65.82
750 - <850
.
0.59 2224
.
277
6
.3741
112.23
.
.2630
1517 651
by Wawan Hermawan, 7
SE.,
78.90
Luas*
: 0.0582-0.0054=0.0528
850
- <950
0.39
.
15 Desember 2004
MT.
38
Chi Square
k
foi fei
i 1
15 Desember 2004
fei
8.74

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
15 Desember 2004

MT.
40
CHAPTER 4
THE SINGLE-SAMPLE
CASE
15 Desember 2004

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

MT.
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
yangHermawan,
diamati
by Wawan
SE., dengan
15 Desember 2004
MT.
proporsi yang diharapkan?
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

MT.
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

MT.
45
Tes Binomial
Terbagi ke dalam dua kelompok (bagian)
(laki-laki & 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 = hipotesisbynilai
adalah P
Wawanpopulasinya
Hermawan, SE.,
15 Desember 2004
MT.
46
Tes Binomial
n k nk
p Y k P Q
k
n
n!

k k! n k !
Jika P = 1/2
p Y k P Y N k
15 Desember 2004

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

MT.
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 by
diajarkan.
Wawan Hermawan,Ujilah
SE.,
perkiraan
15 Desember 2004
MT.
49
tersebut.

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

MT.
50

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

MT.
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
15
Desember 2004
MT.
52
ada.

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

MT.
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
by Wawan
Hermawan,
SE., oleh wanita
shampo tersebut
lebih
disukai
15 Desember 2004
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
X X NP
Z
NPQ
15 Desember 2004

MT.
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

MT.
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

MT.
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

MT.
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 0.5 0.5
NPQ
15 Desember 2004

MT.
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

MT.
60
Tes Satu sampel ChiKuadrat

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

MT.
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
MT.
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

MT.
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
2
i 1
foi fei 2 183 166.7 2 .. 175 166.7 2

fei
15 Desember 2004
166.7

MT.
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

MT.
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 2 = 104
Kualitas 3 = 155 Kualitas 4 = 73
15 Desember 2004

MT.
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 84 2 .. 73 80 2
fei
84

MT.
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

MT.
68
Tes Satu-Sampel KolmogorovSmirnov

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

MT.
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.
HasilnyaA sbb:B
C
D
E
F
G
H
Jumla
h
Frek
15 Desember 2004

MT.
19
70

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

MT.
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

MT.
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

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

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

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

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

MT.
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
15 Desember 2004
m (B) =14 n (G) = 6

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

15 Desember 2004

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

MT.
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
15 Desember 2004
10
m (B) =12 n (G) = 12

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

15 Desember 2004

MT.
82
Tes Run Satu-Sampel

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

H = - 0.5 jika r>

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

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
2mn 2mn N
2.40.30 2.40.30 70
4.07
2
2
N N 1
70 70 1
15 Desember 2004

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

MT.
86
CHAPTER 5
The Case of One Sample, Two
Measures or Paired Replicates
Kasus Dua-sampel yang
Berhubungan
15 Desember 2004

MT.
87
The Case of One Sample,

Two Measures or Paired
McNemar
Replicates
Sign Test
Uji Ranking-Bertanda Wilcoxon
15 Desember 2004

MT.
88
Ciri-ciri kasus
Ingin melihat dua perlakuan apakah sama atau
tidak.
Menguji subjek dengan pembanding dirinya
sendiri.
15 Desember 2004

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

MT.
90
Tes McNemar untuk

Sesudah
+
Sebelum
Sel A (+ -) dan D ( - +) menunjukkan
perubahan
A+D = jumlah total yang berubah
15 Desember 2004

MT.
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
MT.
92
Tes McNemar untuk

Koreksi Kontinuitas:
A D 1
A D
15 Desember 2004
Dengan d.f. = 1

MT.
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

MT.
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

MT.
95
Tes McNemar untuk

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

MT.
C = 27
D=7
96
Tes McNemar untuk

DAERAH PENOLAKAN
Merupakan satu sisi (Chi-kuadrat)
KEPUTUSAN
A D 1
A D
13 7 1
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

MT.
97
Tes McNemar untuk

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

Reagen
Carter
Carter
A=3
(3+6)/2=4.5
Reagen < 5. Dengan k =3, maka
D dari
=6
tabel Didapat 0.254 karena uji dua sisi menjadi
0.508 >0.05 sehingga Ho tidak ditolak.
15 Desember 2004

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

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

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

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

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

MT.
103
Pasangan
Skor Pengaruh
Tanda
Suami
Istri
15 Desember 2004

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

MT.
105
Tes Tanda
Sampel Besar
Jika N > 35
Rata-rata = = Np = N/2
Varians = 2 = Npq = N/4
x 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

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

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

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 2 59 1 85
Z
3.47
N
85
15 Desember 2004

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

MT.
110
Uji Ranking-Bertanda
Wilcoxon untuk Data
Data
ordinal
Berpasangan
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

MT.
111
Wilcoxon untuk Data
Metode:
Ho : P(A) = P(B)
Berpasangan
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
MT.
112
Wilcoxon untuk Data
Contoh:
Berpasangan
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
MT.
113
Wilcoxon untuk Data
Pasangan
Skor
Skor
d
Ranking
Berpasangan
sebelum
Sesudah
d
A
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
15 Desember 2004

MT.
T+
3.5
T+ = 4.5
114
Wilcoxon untuk Data
Jika Berpasangan
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

MT.
115
Wilcoxon untuk Data
Sampel
Besar
Berpasangan
Jika N > 15, T+ mendekati distribusi normal
N N 1
N N 1 2 N 1
24
T T
Z
T
15 Desember 2004

MT.
116
Wilcoxon untuk Data
Misalkan
X adalah output/jam sebelum ada
Berpasangan
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>Y15 Desember 2004
X<Y+

MT.
117
91
88
di
Rd
Wilcoxon untuk Data
Berpasangan
83
70
64
85
70
86
91
72
80
80
82
75
78
79
81
92
75
77
87
69
83
70
81
94
76
80
83
79
71
81
76
85
87
93
-3
-6
17
-5
-3
-4
-3
-5
18
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
1616 1 2(16) 1
19.34
24
T T 74.5 68
Z
0.34
T
19.34
MT.
118
Wilcoxon untuk Data
Ho Berpasangan
: 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

MT.
119
CHAPTER 6
TWO INDEPENDENT SAMPLES
(DUA SAMPEL INDEPENDEN)
15 Desember 2004

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

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

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) ; < ; > by
P(II)
Wawan Hermawan, SE.,
15 Desember 2004
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

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

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 1.85 3.44 1.95 1.86 2.47 1.60
2.40 2.60
15 Desember 2004

MT.
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

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

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

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

MT.
130
Uji Chi-Square untuk 2

Sampel Independen
Fungsi:
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

MT.
131

Sampel Independen
15 Desember 2004

MT.
132

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

2
rumus:
k
i 1
15 Desember 2004
foi fei
fei

MT.
133

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 masing-masing kelompok
tinggi badan dikategorikan terhadap kualitas
kepemimpinan menjadi: leader, unclassifiable
dan Follower.
15 Desember 2004

MT.
134
Uji Chi-Square untuk 2 Sampel

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

MT.
135
Chi-Square Tests of
Independence
I. Hypotheses:
H0:
adalah
H1:
adalah
tinggi badan dan kualitas kepemimpinan

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

= 0.05
df = (r 1) (k 1)
= (3 1) (2 1)
=
2
1
=
2
15 Desember 2004
MT.
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
by the
Wawantest?
Hermawan, SE.,
about the p-Value for
15 Desember 2004
MT.
137
Chi-Square Tests of
Independence
First, arrange the data in a table.
Car and
Driver (1)
Import (Imp)
111
Domestic (Dom)
Totals
175
19
73
Motor
Road &
Trend (2)
Track (3)
54
25
32
22
47
Totals
23
64
55
Second, compute the expected values and

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

MT.
138
Calculating expected values

Actual values
Import (Imp)
Domestic (Dom)
64
Totals
Car and
Driver (1)
54
73
Motor
Road &
Trend (2)
Track (3)
25
32
19
22
23
47
55
Totals
111
175
Expected values
Import (Imp)
Car and
Motor
Road &
Driver (1)
Trend (2)
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
by Wawan Hermawan,
SE.,
=26.6971
=17.1886
=20.1143
15 Desember 2004
MT.
139
Totals
73
47
55
175
Chi-Square Tests of
Independence
Car and
Motor
Road &
Driver (1)
Trend (2)
Track (3)
Import (Imp):
O54
25
32
E46.3029
29.8114
34.8857
2 contribution 1.2795
0.7765
0.2387
Domestic (Dom) :
OE2 contribution 0.4140
19
22
23
26.6971
17.1886
20.1143
2.2192
1.3468
2 contributions = 6.2747
15 Desember 2004

MT.
140
Chi-Square Tests of
Independence
I. Hypotheses:
H0:
Type of magazine and auto ownership are
H1:
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
2
If
> 5.991,
reject H0. MT.
15
Desember
2004
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
by Wawan
berasal
Hermawan, dari
SE.,
populasi yang
15 Desember 2004
MT.
142
bermedian sama
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

MT.
143
Uji Median
Distribusi data akan mendekati distribusi
Hypergeometris. Oleh karena itu
diperhitungkan:
Jika N = m + n lebih besar dari 20, gunakan
Chi-kuadrat dengan koreksi kontinuitas
Jika N = m + n kurang dari atau sama dengan
20, gunakan Uji Eksak Fisher
15 Desember 2004

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.dipilih
Alternatif
pertama
biasanya
15 Desember 2004

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
15 Desember 2004
MT.
sama?
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 3.30 + (3.72 3.30) = 3.51
Mahasiswi 3.31 + (3.76 3.31) = 3.54
Median Gabungan:
Letak Median (N + 1) = (40 + 1) = 20.5
by Wawan
Hermawan,
SE., adalah 3.58
Data
ke
20
adalah
3.54
data
ke
21
15 Desember 2004
MT.
147
Uji Median
Group
Mahasiswa
> Med
Mahasiswi
12
18
(A)
Med
14
(B)
8
22
(C)
Total
Gabungan
(D)
20
20
N AD BC N 2
40 120 20
40
2
A B C D A C B D 18 22 20 20
15 Desember 2004

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

MT.
149
Tes Mann-Whitney
Fungsi:
keadaan dalam skala ukur nominal dan ordinal
Spesifikasi:
- Skala ukur ordinal
- Data diurutkan
- Data bersifat kontinyu
15 Desember 2004

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

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

MT.
152
Tes Mann-Whitney
Kriteria Uji:
Gunakan pendekatan distribusi normal
n1n2
U
2
n1n2 n1 n2 1
U
12
U U
Z
U
15 Desember 2004

MT.
153
Tes Mann-Whitney
Jika ada angka yang sama (t):
n1n2
U
N N 1
N3 N
T
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

MT.
154
Tes Wilcoxon-MannWhitney
Merupakan penyempurnaan dari uji ManWhitney
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

MT.
155
Statistik Uji:
Wx 0.5 WX
Z
wx
WX
WX
m N 1
mn N 1
U
12
Kriteria Uji:
Tolak Ho jika P (1 arah) atau P /2 (2 arah)
15 Desember 2004

MT.
156
Contoh
Tes Wilcoxon-MannGuna
Whitney
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
rata-rata
pertambahan
volume ekspor (volume ekspor setelah subsidivolume ekspor sebelum subsidi) negara maju
akan
lebih
besar
dibandingkan
negara
berkembang. Apakah pendapat dari departemen
tersebut dapat terbukti?
15 Desember 2004

MT.
157
Contoh
Tes Wilcoxon-MannHoWhitney
: A B
(Volume Ekspor ke
maju
negara
=
volume ekspor ke negara berkembang
H1 : A > B
(Volume Ekspor ke negara
maju
>
= 5%
15 Desember 2004

MT.
158
Contoh
Tes Wilcoxon-MannCara
Whitney
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

MT.
t
2
2
2
3
(t3 - t)/12
0.5
0.5
0.5
2
= 3.5
159
Contoh
n1n2
U
N N 1
N3 N
1110
T
21 21 1
12
213 21
3.5 14.1686
12
n1n2 11.10
U
55
2
2
15 Desember 2004

MT.
160
U1
Contoh
Tes Wilcoxon-Mannn n 1
1111 1
Whitney
nn
R (11)(10)
139.5 36.5
1 2
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
Z
1.31
U
14.1686
P value = 0.0951 > 0.05 maka Ho tidak

ditolak
15 Desember 2004
MT.
161
Contoh
Tes Wilcoxon-MannCara Mann-Whitney-Wilcoxon
HoWhitney
: A B
(Volume Ekspor ke
maju
negara
=
H1 : A > B
(Volume Ekspor ke negara
maju
>
= 5%
m = 10 (negara berkembang)
n = 11 (negara maju)
15 Desember 2004

MT.
162
Contoh
Tes Wilcoxon-MannWx
= 91.5
Whitney
wx = 14.1686
m N 1 10 21 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
MT.
163
Uji Kolmogorov-Smirnov
untuk dua sampel
Fungsi:
Untuk menguji apakah dua sampel independen
telah ditarik dari populasi yang sama atau dari
populasi-populasi yang berdistribusi sama.
Sejalan dengan uji satu sampel KolmogorovSmirnov, uji ini memperhatikan kesesuaian
antara dua distribusi kumulatif.
15 Desember 2004

MT.
164
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
15 Desember 2004
MT.
165
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

MT.
166
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 5by 30
66 34 10 29 19
Desember
167
B:1514
20 2004
27 43 51 21 6 MT.
9 35 17 49 60
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

MT.
168
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

MT.
169
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
55 60
mn
Maka Ho baru kita tolak jika Dm,n > 0.254 untuk
=5%,
15 Desember 2004

MT.
170
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

MT.
171
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

MT.
172
untuk dua sampel
4D
2
2
m,n
2 60 60
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

MT.
173
Chapter 7
Kasus k Sampel Berhubungan
The Case of k Related
Samples
15 Desember 2004

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

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

MT.
176
Tes Q Cochran
k k 1 G j G
k
j 1
i 1
i 1
k Li L2i
j 1
j 1
k 1 k G 2j G j
15 Desember 2004
i 1
i 1
k Li L2i
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

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

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

MT.
180
Tes Q Cochran
Q
j 1
j 1
k 1 k G 2j G j
i 1
i 1
k Li L2i
3 1 3132 132 32 29 2
3 29 63
16.7
15 Desember 2004

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

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 : Hari 1 2 3 4 5 6 7 8
10
Peramal 1
1
0 0 1
1 1 1 0
1
Peramal
2
1
1 1 MT.1
0 1 1 0
15 Desember 2004
9
1
0 183
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

MT.
184
Hari
Peramal
1
Peramal
2
Peramal
3
Peramal
4
Gi
10
27
L2
49
36
64
36
185
15 Desember 2004

MT.
185
Tes Q Cochran
k 1 k G
Q
j1
2
j
i 1
i 1
G
j1
k L i L2i
10
1
10
85
27
10 27 185
12.81
15 Desember 2004

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

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 1by Wawan Hermawan, SE.,
15 Desember 2004
MT.
188

Friedman
12

R 3 N k 1
Nk k 1
k
j 1
2
j
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

MT.
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 rata-rata
sumber informasi memberi pengaruh yang
berbeda terhadap jumlah penjualan?
Ho : Sumber informasi yang berbeda tidak
memberi
pengaruh yang
berbeda terhadap penjualan
15 Desember
2004
190
H1
:Sumber
informasi MT.
yang berbeda memberi

Friedman
Penjualan
TV
Radio
S.K
Papan
Reklame
A
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

MT.
191

Friedman
k
12 R 2j 3 N 2 k k 1
j 1
Nk T
k 1
2
2
2
2
2
2
12 17 13.5 14.5 15 3 6 4 5
6 4 36
6 4 5
4 1
0.67
3
T tij rk ties t 3
Nk k 1
6 4 4 23 23 36
15 Desember 2004

MT.
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
pengaruh yang berbeda terhadap penjualan
15 Desember 2004

MT.
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

MT.
194
CHAPTER 8
KASUS K SAMPEL
INDEPENDEN
15 Desember 2004

MT.
195
TES 2 untuk k Independen

Sampel
Fungsi:
- Merupakan perluasan dari uji 2 dua sampel
independen.
- Untuk menentukan signifikansi perbedaanperbedaan
antara k kelompok independen.
fo
fei
fei
Metode:
k
- Susun
2 dalam tabelik x r.

i 1
15 Desember 2004
2
d.f = (k-1)(r-1)

MT.
196

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

MT.
197
Contoh:
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
MT.
198
Contoh:
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: by Wawan Hermawan, SE.,
15Kelompok
Desember 2004 yang dipelajari
MT. adalah independen
199
Contoh:
Sampel
Kelas
Kurikulum
Persiapan
PT
I & II
23
III
40
11
30.3
75
18.6
Perdagang
an
2
38.0
107
77.5
31
5.4
14
97.1
60
13.8
207
10
102
9.1
Total
16
V
81
7.3
Umum
IV
Total
35
15 Desember 2004
38.2
146
47.9
183

MT.
6.8
26
390
200
Contoh:
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

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
15 Desember
2004
MT.
202
- Putuskan
apakah
Ho ditolak atau
tidak dengan
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
15 Desemberibu-ibu
2004
203
dilewati
itu untukMT.
bersekolah.
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
MT.
H115:Desember
Frekuensi
2004 kunjungan ke sekolah oleh ibu
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

MT.
205
Pendidikan yang didapatkan ibu

SD
SLTP
SLTA
AKADE
MI
S1
S2 & S3
6
5
15 Desember 2004
by1Wawan 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
AKAD
EMI
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

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

MT.
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

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
MT.
210

Metode:
- Berilah ranking observasi-observasi untuk
kelompok itu
dalam suatu urutan dari 1 hingga N.
- Tentukan harga R (jumlah ranking) untuk masingmasing
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
15 Desember 2004
MT.
211

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

MT.
212

Jika terjadi angka sama antara dua skor atau lebih
(t), tiap skor mendapat ranking yang sama (ratarata skor).
3
T 1
N3 N
12
2
n j R j 3 N 1
N N 1 j 1
KW
T
15 Desember 2004

MT.
(8.5)
213
Contoh: Analisis Varian

Ranking Satu Arah KruskalWalis
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

MT.
214

Ranking Satu Arah KruskalWalis Nol
Hipotesis
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 digunakanbyuji
Kruskal Wallis
15 Desember 2004
MT.
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

MT.
216

Ranking Satu Arah KruskalRanking keotoriteran ketiga kelompok
Walis
pendidik
Guru berorientasi
pengajaran
Guru berorientasi
Administratif
Administratif
13
10
14
11
12
R1=22
R j = 4.4
15 Desember 2004
R2=37
by R
Wawan
Hermawan, SE.,
j =7.4
MT.
R3=46
R j = 11.5
217

12
2
KW
n j R j 3 N 1
N N 1 j 1
12
2
2
2
5 4.4 5 7.4 4 11.5

1414 1
314 1
6.4
15 Desember 2004

MT.
218

Ranking Satu Arah KruskalKW Walis
= 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

MT.
219
Chapter 9
Ukuran Korelasi dan Tes
Signifikannya
15 Desember 2004

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
15 Desember 2004

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

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

MT.
223
Rumus Cramer
C
2
N L 1
2 = Chi kuadrat
N = jumlah data
L = angka terkecil untuk jumlah baris atau
kolom
15 Desember 2004

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
Wawan Hermawan,
SE.,
sekolah menengahby atas
Elmtown,
15 Desember 2004
MT.
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
15 Desember 2004
MT.
226

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

MT.
6.8
26
390
227

2 hitung = 69.2
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
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 Chikuadrat
4. C tidak dapat dibandingkan secara langsung
pada ukuran asosiasi manapun
15 Desember 2004

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 di2
i 1
2
N ( N 1)

MT.
230

Spearman (rs)
Jika terdapat ranking yang kembar digunakan
rumus: 2
2
2
rs
x y d
2 x y
2
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
MT.
231
Menguji Signifikansi rs
Ho : = 0 tidak terdapat korelasi
H1 : 0 terdapat korelasi
Digunakan distribusi student dengan d.f.= N 2
rs N 2
1 r
2
s
15 Desember 2004

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

MT.
233

Rank Spearman (rs)
15 Desember 2004

MT.
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

MT.
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

MT.
236

Rank Spearman (rs)
Karena terdapat ranking yang kembar digunakan

rumus : 3
3
3
3
8
2
2
2
2
8 8
2
2
x 12 0 y 12 12 12
42
41
rs
42 41 14
2
42 . 41
0 , 831
15 Desember 2004
2
2
2
x
2
2
x
y

3
N
N
2
x
Tx
12
t3 t
N3 N
12

MT.
2
y

12
T y
237

Rank Spearman (rs)
t
rs N 2
1 r
2
s
1 0 , 83
3, 645
nilai t = 3,645 dari hasil

pada nilai t table dengan
atau dapat ditulis nilai
(2,447), maka hipotesis
hubungan yang signifikan
15 Desember 2004
0.83 8 2
penelitian lebih besar dari

=5% atau sebesar 2,447,
thitung (3,645) > nilai ttabel
nol ditolak atau terdapat
antara SPFAIB dan SKAI.

MT.
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

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

MT.
T t t 1
240
Pengujian Koefisien
t
Z
T
Rata-rata distribusi normal = T =

0
2 2 N 5
T
9 N N 1
Simpangan Baku =
15 Desember 2004

MT.
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
Subje
k
10
15 Desember 2004
11 10
12
12
11

MT.
242
Contoh Koefisien
Urutkan ranking juri X secara wajar
Subje
k
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

MT.
243
Contoh Koefisien
2S
2(44)
0.67
N N 1 12(12 1)
Ho : p = 0
H1 : p 0
2 2 N 5
9 N N 1
0.67
3.03
2 212 5
91212 1
P value = 0.0012 maka Ho ditolak pada = 5%

15 Desember 2004

MT.
244
Contoh Koefisien
Jika terdapat angka yang sama:

Subje
k
1.
5
1.
5
3.
5
3.
5
15 Desember 2004
11 10
12
10.
5

MT.
10. 12
5
245
Contoh Koefisien
Urutkan ranking juri X secara wajar
Subje
k
10 11
3.
5
3.
5
1.
5
1.
5
10.
5
12
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

MT.
246
Contoh Koefisien
T t t 1 2(2 1) 2(2 1) 2(2 1) 6
Y
2S
N N 1 TX
N N 1 TY
2(25)
(12)(12 1) 0 (12)(12 1) 6
0.39
15 Desember 2004

MT.
247
Koefisien Korelasi Ranking

Partial Kendall: xy.z
Fungsi:
- Data mempunyai skala minimal ordinal

- digunakan untuk menghitung korelasi antara variabe
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
15 Desember 2004
MT.
248
Koefisien Korelasi Ranking

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

MT.
249
Tes Signifikansi Partial

Kendall
Tidak ada
15 Desember 2004

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

MT.
251

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

MT.
Emosi
Z
1.5
1.5
3.5
3.5
5
6
7
8
9
10.5
10.5
12
252

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 zy zx
1 1
2
zy
xy.z:
zx
0.67 0.36 0.39

1 0.36 2
15 Desember 2004
1 0.39

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
15 Desember 2004
MT.
254
Koefisien Konkordasi
Kendall
s
9.15
1 2 3
k (N N )
12
s
1 2 3
k (N N ) k T
12
T
s R j
15 Desember 2004
9.16 (jika terdapat

ranking yang
sama)

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.F2= N 1 :
k N 1W
15 Desember 2004

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

MT.
257
Contoh: Koefisien
Pelamar
Konkordasi
Kendall
a
b
c
d
Eksekutif X
Eksekutif Y
Eksekutif Z
R
1
1
6
8
6
5
3
14
3
6
2
11
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
25.5
W
0.16
1 2 3
1
k (N N )
(3) 2 63 6
12
12
15 Desember 2004

MT.
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

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

MT.
260
Contoh: Koefisien
Konkordasi Kendall
t t 2 2 2 2
1
3
Ty
Tz
12
3
t
t
12
3
t
t
12
15 Desember 2004
2
4
12
2 23 2 23 2
1.5
12
4 3 3
7
12

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

MT.
262
Contoh: Koefisien
Konkordasi
Kendall
Ho : k ranking tidak berhubungan
H1 : k ranking berhubungan
K=3
591
N =10
W = 0.828 s =
=k 5%
N 1W 310 1 0.828 22.356
2
Pada tabel C dengan d.f = 10 1 = 9 didapat

16.92
Maka 22.36 > 16.92 Ho ditolak
Kesimpulan : Terdapat
kHermawan,
ranking
by Wawan
SE.,berhubungan
15 Desember 2004
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 r2

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

MT.
265
Contoh Pearson
15 Desember 2004

MT.
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

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

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

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

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
by Wawan Hermawan,
H1 : terdapat hubungan
antaraSE.,keramahan dan
15 Desember 2004
MT.
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
MT.
272
D = | 9122 3306 | = 5816

(Total laki-laki) x (total perempuan) = 131 x 111 =
14541
Di
T2
15 Desember 2004
5816
0.40
14541

MT.
273
Eta, Rasio Korelasi

Fungsi:
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

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

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

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

MT.
277
Tipe Pengacara (X)

Solo
Firm
N1 = 13
N2 = 14
Pendapatan / Y (ribu dollar per tahun)
Y1
Y12
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
Y2
28
35
42
39
41
47
62
58
41
33
29
47
49
42
593
31
Rata-rata
Grand Rata-rata
36.9
Totalby
Kuadrat
39544 SE.,
Wawan Hermawan,
MT.
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
278
Eta, Rasio Korelasi
Y N Y N Y
1
Y N N Y
2
2
T
2
T
39544 13 31 14 42.4
1
2
39544 13 14 36.9
2
0.57
15 Desember 2004

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

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

MT.
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

MT.
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

MT.
283
Asumsi Eta
Acak
Satu variabel skala nominal dan variabel lain skala in

variabel interval mempunyai distribusi kontinyu
mempunyai kurva linear
15 Desember 2004

MT.
284
Jaspens M
Fungsi:
skala datanya ordinal dan interval untuk variabel
lainnya.
15 Desember 2004

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

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

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
MT.
288
Jaspens M - Simpangan
Baku
Sy
Sy
NT
NT
15 Desember 2004
NT
NT
511
7275
47
47
6.05

MT.
289
Jaspens M
Y o
M
o
S
i
oa
o
b
a
4.1915
M
6.05 0.8834
0.78
15 Desember 2004

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
MT.
291
Jaspens M
15 Desember 2004

MT.
292
Jaspens M
15 Desember 2004

MT.
293
Jaspens M
15 Desember 2004

MT.
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

by Wawan Hermawan, SE., MT.

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

Kegunaan Tes Statistik

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

2. Tipe II: menerima hipotesis yang seharusnya

P(kesalahan tipe II) =

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

Skala pengukuran data

by Wawan Hermawan, SE.,

Skala Nominal atau Skala

by Wawan Hermawan, SE.,

Skala Ordinal atau Skala

by Wawan Hermawan, SE.,

Mempunyai sifat nominal dan ordinal

Jarak antara dua angka diketahui ukurannya

Mempunyai nol yang tidak mutlak

Uji statistik yang cocok adalah Parametrik,

Contoh: suhu dimana 0 derajat masih ada

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

Adanya syarat tertentu tentang parameter

Skala pengukuran minimal interval

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

Uji Chi Square

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

4. Hitung angka baku Z

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

jika menggunakan dan

d.f. = k 1 1 1 jika menggunakan x dan s

by Wawan Hermawan, SE.,

by Wawan Hermawan, SE.,

Uji Nonparametrik untuk

by Wawan Hermawan, SE.,

Uji Nonparametrik untuk

Uji Nonparametrik untuk