STATISTIKA NONPARAMETRIK

Metoda statistika nonparametrik atau kadang-kadang disebut juga metoda statistika

bebas distribusi (pengujian yang tidak membutuhkan asumsi mengenai bentuk
distribusi sampling statistik dan atau bentuk distribusi populasinya) adalah merupakan
metoda yang berlaku saat ini. Metoda nonparametrik sudah dibahas pada uji chi-square
dan uji independensi, selain itu ada beberapa metoda nonparametrik lain yang
sederhana.

1. UJI TANDA
Dalam banyak percobaan, kita sering ingin membandingkan pangaruh hasil dua
perlakuan. Untuk data (X1 : Y1) yang berpasangan, data X1 hasil perlakuan A, data Y1
hasil perlakuan B, ternyata untuk membandingkan kedua hasil perlakuan (ditinjau dari
rata – rata) itu dapat digunakan uji tanda. Uji tanda ini sangat baik jika syarat –
syaratnya terpenuhi :
a. Pasangan hasil pengamatan yang dibandingkan bersifat independent
b. Masing – masing pengamatan dalam tiap pasang terjadi karena pengaruh kondisi
yang serupa
c. Pasangan yang berlainan terjadi karena kondisi yang berbeda
1/2/23 1
Uji tanda ini (seperti namanya) akan dilakukan berdasarkan tanda, yakni +
(positif) dan – (negatif) yang diperoleh dari selisih nilai pengamatan.
Misal : Hasil pengamatan Xi karena perlakuan A dan Yi karena perlakuan B
• Sampel berukuran N dapat ditulis : (X1, Y1), (X2, Y2) …. (XN, YN)
• Selisih – selisih : (X1 – Y1), (X2 – Y2) …. (XN – YN)
• Jika Xi > Yi beri tanda + (positif) ; Xi < Yi beri tanda – (negatif) ; Xi = Yi
diabaikan
Andaikan :
n = banyaknya pasangan yang bertanda positif dan negatif setelah dihilangkan
pasangan Xi = Yi
h = banyaknya tanda yang terjadi paling sedikit.
Bilangan h ini dapat dipakai untuk menguji hipotesis :
Ho : tidak ada perbedaan pengaruh kedua perlakuan
H1 : terdapat perbedaan pengaruh kedua perlakuan
Pengaruh ini diukur oleh rata – rata, sehingga uji tanda ini dapat digunakan
untuk menguji kesamaan dua rata – rata populasi.
1/2/23 2
Untuk menolak atau menerima Ho dalam tarap nyata 0.05 dan 0.01 dapat digunakan
Daftar I, yang berisi harga – harga h = batas pengujian untuk harga n.
Kriteria tersebut adalah :
Tolak Ho jika harga h (dari perhitungan) < atau = harga h dari daftar untuk taraf
nyata yang dipilih. Dalam hal lainnya Ho diterima.
Dari daftar nampak agar pengujian dapat ditentukan hasilnya, diperlukan paling sedikit
n = 6.
Contoh : Data berikut, kolom 2 & 6 dan 3 & 7 adalah mengenai hasil dua Varietas kacang tanah
(dalam ons) untuk tiap rumpun dari berbagai lokasi.
Tabel hasil dua varietas Kacang Tanah per rumpun dari 20 lokasi (dalam ons)
Lokasi Varietas X Varietas Y Tanda (Xi – Yi) Lokasi Varietas X Vaarietas Y Tanda (Xi – Yi)
1 3.4 3.0 + 11 4.0 3.7 +
2 3.7 3.9 - 12 3.9 4.0 -
3 2.8 3.2 - 13 3.8 3.5 +
4 4.2 4.6 - 14 4.2 4.5 -
5 4.6 4.3 + 15 4.7 3.9 +
6 3.8 3.4 + 16 4.0 3.7 +
7 3.6 3.5 + 17 3.6 3.2 +
8 2.9 3.0 - 18 3.2 2.9 +
9 3.0 2.9 + 19 3.4 3.0 +
10 3.8 3.7 + 20 2.9 3.6 -

1/2/23 3
Dari kolom 4 & 8 memberikan h = 7 (untuk tanda negatif).
Dengan n = 20 dan α = 0.05 dari Daftar I didapat h = 5. Dari pengamatan
diperoleh h = 7 > 5 (h dari Daftar I)  Karena hasil pengamatan memperoleh
h = 7 lebih besar dari nilai h tabel I = 5 maka Ho diterima dan H1 ditolak.
Jadi hipotesis bahwa hasil kedua varietas kacang tanah adalah sama tidak
dapat ditolak (diterima), dengan kata lain yang menyatakan bahwa : Ho =
tidak ada perbedaan pengaruh kedua perlakuan diterima, dan H1 = terdapat
perbedaan pengaruh kedua perlakuan ditolak, pada taraf nyata = 0.05
Apabila n lebih besar dari 95, maka harga h dapat dihitung dengan jalan
mengambil bilangan bulat terdekat yang lebih kecil dari : ½ (n – 1) – k √(n +1)
dengan k = 1.2879 untuk α = 0.01 dan k = 0.9800 untuk α = 0.05.
Contoh : Misalkan hasil penelitian menghasilkan n = 150 dan h = 60. Untuk α =
0.05 maka h = ½(n – 1) – k√(n + 1) = ½(150 – 1) – (0.98)√(150 +1) = 62.4578.
Di dapat h tabel I (dengan rumus) = 62, sehingga h penelitian 60 < 62. Jadi kita
tolak hipotesis (Ho) bahwa tidak ada perbedaan pengaruh antara kedua
perlakuan dan kita terima hipotesis alternatif (H1) bahwa terdapat perbedaan
pengaruh antara kedua perlakuan.
1/2/23 4
 Daftar I Nilai kritis h untuk Uji Tanda
Α α α α α
n 0.01 0.05 n 0.01 0.05 n 0.01 0.05 n 0.01 0.05 n 0.01 0.05

6 - 0 24 5 6 42 12 14 60 19 21 78 27 29
7 - 0 25 5 7 43 12 14 61 20 22 79 27 30
8 0 0 26 6 7 44 13 15 62 20 22 80 28 30
9 0 1 27 6 7 45 13 15 63 20 23 81 28 31
10 0 1 28 6 8 46 13 15 64 21 23 82 28 31
11 0 1 29 7 8 47 14 16 65 21 24 83 29 32
12 1 2 30 7 9 48 14 16 66 22 24 84 29 32
13 1 2 31 7 9 49 15 17 67 22 25 85 30 32
14 1 2 32 8 9 50 15 17 68 22 25 86 30 33
15 2 3 33 8 10 51 15 18 69 23 25 87 31 33
16 2 3 34 9 10 52 16 18 70 23 26 88 31 34
17 2 4 35 9 11 53 16 18 71 24 26 89 31 34
18 3 4 36 9 11 54 17 19 72 24 27 90 32 35
19 3 4 37 10 12 55 17 19 73 25 27 91 32 35
20 3 5 38 10 12 56 18 20 74 25 28 92 33 36
21 4 5 39 11 12 57 18 20 75 25 28 93 33 36
22 4 5 40 11 13 58 18 21 76 26 28 94 34 37
23 4 6 41 11 13 59 19 21 77 26 29 95 34 37

Sumber : Dixon, W.J. dan Massey, Jr. F.J. Introduction to Statistical Analysis, Mc Graw-Hill Inc. 1969 dalam Sudjana
1/2/23 5
2. UJI WILCOXON

Uji ini merupakan perbaikan dari uji tanda. Dalam Uji Wilcoxon, bukan saja tanda
yang diperhatikan tetapi juga selisih nilai (X – Y). Caranya sebagai berikut :
a. Beri nomor urut setiap harga mutlak selisih (Xi – Yi). Harga mutlak yang
terkecil = nomor urut 1 (rank 1), berikutnya = 2, 3…. = n. Jika terdapat selisih
yang harga mutlaknya sama besar, untuk nomor urut diambil rata – ratanya.
b. Untuk tiap nomor urut berikan pula tanda yang didapat dari selisih (X – Y)
c. Hitunglah jumlah nomor urut yang bertanda positif dan negatif
d. Untuk jumlah nomor urut pada point c, ambillah jumlah yang harga mutlaknya
paling kecil misal beri notasi J.
Jumlah J inilah yang digunakan untuk menguji hipotesis :
Ho : tidak ada perbedaan pengaruh kedua perlakuan
H1 : terdapat perbedaan pengaruh kedua perlakuan
Untuk menguji hipotesis di atas dengan taraf nyata (α) = 0.01 atau 0.05 bandingkan
J di atas dengan J yang diperoleh dari Daftar II berikut. Jika J dari perhitungan
< atau = J dari daftar berdasarkan taraf nyata yang dipilih maka Ho ditolak
dan H1 diterima. Dalam hal lainnya Ho diterima dan H1 ditolak (Jika nilai J
dari perhitungan > nilai J dari daftar)
1/2/23 6
 Daftar II Nilai – nilai kritis J Untuk Uji Wicoxon

Ukuran Taraf Nyata (α) Ukuran Taraf nyata (α)

Sampel ( n ) 0.01 0.05 Sampel (n) 0.01 0.05

6 - 0 16 20 30
7 - 2 17 22 35
8 1 4 18 28 40
9 2 6 19 32 46
10 3 8 20 38 52
11 5 11 21 43 59
12 7 14 22 49 66
13 10 17 23 56 73
14 13 21 24 61 81
15 16 25 25 68 89
Sumber : Ostle, B. Statistic in Research, The Iowa State University Press, 1969 dalam Sudjana

1/2/23 7
Contoh tentang Uji Wilcoxon : Dari contoh uji tanda, selisih (Xi – Yi) dan harga yang perlu untuk
uji Wilcoxon menjadi tabel berikut :
Tabel Harga – harga yang perlu untuk Uji Wilcoxon dari Uji Tanda
Tanda Rank
Lokasi Varietas X Varietas Y Beda (Xi – Yi) Rank [Xi – Yi]
Positif Negatif
1 3.4 3.0 +0.4 15.5 +15.5
2 3.7 3.9 -0.2 6 -6
3 2.8 3.2 -0.4 15.5 -15.5
4 4.2 4.6 -0.4 15.5 -15.5
5 4.6 4.3 +0.3 9.5 +9.5
6 3.8 3.4 +0.4 15.5 +15.5
7 3.6 3.5 +0.1 3 +3
8 2.9 3.0 -0.1 3 -3
9 3.0 2.9 +0.1 3 +3
10 3.8 3.7 +0.1 3 +3

11 4.0 3.7 +0.3 9.5 +9.5

12 3.9 4.0 -0.1 3 -3
13 3.8 3.5 +0.3 9.5 +9.5
14 4.2 4.5 -0.3 9.5 -9.5
15 4.7 3.9 +0.8 20 +20
16 4.0 3.7 +0.3 9.5 +9.5
17 3.6 3.2 +0.4 15.5 +15.5
18 3.2 2.9 +0.3 9.5 +9.5
19 3.4 3.0 +0.4 15.5 +15.5
20 2.9 3.6 -0.7 19 -19
Jumlah 138.5 -71.5

1/2/23 8
Dengan cara pemberian nomor urut atau rank, maka nomor urut [Xi – Yi]
dicantumkan dalam kolom 5 dari kiri. Dari tabel di atas J mutlak terkecil = 71.5
(kolom 7), dengan α = 0.05 dan n = 20 dari Daftar II didapat J = 52. Karena J =
71.5 dari perhitungan > 52 (J dari daftar) maka hipotesis Ho diterima. Hasil ini
sesuai dengan hasil Uji Tanda yang telah diuraikan.
Uji Wilcoxon ini dapat juga digunakan untuk menguji Hipotesis :
Ho : median populasi = M
H1 : median populasi ≠ M
Berdasarkan sebuah sampel acak yang diambil dari populasi yang diduga
mempunyai median M (dari satu populasi). Jika data berukuran n itu X1, X2, ….
Xn maka untuk menguji median seperti formulasi di atas harus dihitung selisih
(Xi – M) dan nomor urut harga mutlak [Xi – M]. Selanjutnya diikuti langkah b,
c dan d dalam uji Wilcoxon.
Contoh :
Ada data 10, 13, 14, 13, 15, 11, 10, 9, 12, 9, 11, 13, 16. Akan diuji apakah
sampel itu berasal dari sebuah populasi dengan median M = 12.5 ataukah bukan
? Untuk itu buat daftar seperti berikut :
1/2/23 9
 Tabel Data Untuk Menjelaskan Uji Median

Tanda Rank
Data X [Xi – M] Rank [Xi – M] J terkecil (hasil perhitungan) =
Positif Negatif
34.5 dengan α = 0.05 dan n = 13
10 -2.5 9 -9 didapat J dari daftar = 17.
13 0.5 2.5 +2.5 Karena J perhitungan (terkecil =
14 1.5 6 +6 34.5) > J daftar (= 17) maka hasil
13 0.5 2.5 +2.5 pengujian mengusulkan untuk
15 2.5 9 +9
11 -1.5 6 -6 tidak menolak (menerima)
10 -2.5 9 -9 hipotesis Ho : median populasi =
9 -3.5 12 -12 12.5
12 -0.5 2.5 -2.5 Jika ukuran sampel n > 25, maka
9 -3.5 12 -12
J dapat dianggap berdistribusi
11 -1.5 6 -6
13 0.5 2.5 +2.5 normal dengan rata-rata dan
16 3.5 12 +12 simpangan baku :
Jumlah 34.5 -56.6 μJ = {n.(n +1)}/4
σJ = √{n.(n + 1).(2n + 1) / 24}
Kriteria pengujian dalam hal ini, seperti biasa, didapat dari daftar distribusi normal
baku dengan menggunakan transformasi : Z = (J – μJ) / σJ
1/2/23 10
3. KOEFISIEN KORELASI RANK
Korelasi antara dua variabel yang berbeda dikenal dengan nama korelasi rank. Derajat
hubungan yang mengukur korelasi rank dinamakan korelasi koefisien rank atau
koefisien korelasi Spearman, dengan simbol r’ (dibaca r aksen).
Misalkan pasangan data hasil pengamatan (X1 ;Y1), (X2 ;Y2) … (Xn ;Yn) disusun
menurut urutan besar nilai dalam tiap variabel. Nilai Xi disusun menurut urutan
terbesarnya, nilai yang terbesar diberi rank atau nomor urut 1, 2, 3….terkecil diberi
rank n. Begitu juga untuk variabel Yi. Kemudian bentuk selisih atau beda rank Xi dan
Yi yang data aslinya berpasangan.
Andaikan beda ini bi. Maka koefisien korelasi rank r’ antara serentetan pasangan Xi
dan Yi dihitung dengan rumus : r’ = 1 – {(6.Σbi2) / n.(n2 – 1)}
Dapat dilihat pada uji tanda dan wilcoxon tidak ada asumsi apapun mengenai distribusi
X dan Y ; yang berarti tidak terdapat pula asumsi mengenai parameter populasi. Karena
itulah bagian ini dikenal dengan statistika nonparametrik atau statistika bebas
distribusi.
Harga r’ bergerak dari – 1 sampai + 1 seperti halnya koefisien korelasi r biasa yang
dibicarakan dalam bagian Korelasi.
Harga r’ = + 1 berarti terdapat persesuaian yang sempurna antara X i dan Yi
1/2/23 11
Harga r’ = – 1 menyatakan penilaian yang betul – betul bertentangan antara X i dan Yi
Tabel Penilaian 2 orang Juri
Contoh : Tabel sebelah kiri adalah penilaian dua orang juri
Peserta Juri I Juri II
terhadap 8 orang peserta perlombaan, dinyatakan dalam
A 70 80 rank, mudah dilihat bahwa Juri I mendapat rank 1 untuk E,
B 85 75
C 65 55
rank 2 untuk B dan seterusnya rank 8 untuk D. Juri II
D 50 60 mendapat rank 1 untuk G, rank 2 untuk E dan akhirnya
E 90 85 rank 8 untuk C. Hasilnya beserta nilai yang perlu untuk
F 80 70 penggunaan rumus r’ dapat dilihat dalam Tabel berikut :
G 75 90
H 60 65 Tabel Rank dari 2 orang Juri
Peserta Rank Juri I Rank Juri II Beda (bi) bi2
A 5 3 2 4
r’ didapat dengan B 2 4 -2 4
menggunakan rumus : C 6 8 -2 4
D 8 7 1 1
r’ = 1 – {6.(28) / 8. E 1 2 -1 1
(64 – 1)} = 0.667 F 3 5 -2 4
G 4 1 3 9
H 7 6 1 1
Jumlah 28

1/2/23 12
Data pengamatan bisa saja terjadi sama, maka untuk data demikian diberikan rank yang
sama dengan rata – rata dari rank – rank data yang sama tersebut.
Contoh : Tabel berikut adalah contoh untuk menghitung r’ apabila terdapat rank seri
atau data yang sama besarnya.
Tabel Rank dari 2 orang Juri

Xi Yi Rank Xi Rank Yi Beda (bi) bi2

96 150 1 1 0 0
82 95 6.5 6 0.5 0.25
63 75 9 9.5 -0.5 0.25
57 75 10 9.5 0.5 0.25
82 110 6.5 3 3.5 12.25
90 100 3 4.5 -1.5 2.25
90 140 3 2 1 1
74 83 8 8 0 0
87 100 5 4.5 0.5 0.25
90 92 3 7 -4 16

Jumlah 32.5

Dengan Σbi2 = 32.5 dan n = 10, maka didapat r’ = 1 – { 6.(32.5) / 10.(102 – 1)} = 0.8031
1/2/23 13
Koefisien korelasi nomor urut (rank) yang Tabel Batas Nilai Kritis untuk Uji Korelasi
diperoleh dengan rumus r’ dapat digunakan Berdasarkan Koefisien Korelasi Rank
untuk menguji :
Ukuran Nilai Kritis untuk Taraf Nyata
Hipotesis (Ho) mengenai tidak Sampel (α)
terdapatnya korelasi antara variabel – (n) 0.01 0.05
variabel X dan Y melawan
Hipotesis tandingan (H1) atau alternative
terdapat korelasi positif atau 4 - 1.000
persesuaian antara X dan Y 5 1.000 0.900
6 0.943 0.829
atau melawan 7 0.893 0.714
Hipotesis alternative (H1) terdapat 8 0.833 0.643
9 0.783 0.600
korelasi negatif atau pertentangan 10 0.746 0.564
antara X dan Y. Nilai – nilai kritis untuk 12 0.701 0.504
pengujian hipotesis di atas dengan taraf 14 0.645 0.456
16 0.601 0.425
nyata 0.01 dan 0.05 diberikan dalam Daftar 18 0.564 0.399
Tabel di sebelah kanan. 20 0.534 0.377
22 0.508 0.359
Dalam hal alternative yang pertama, 24 0.485 0.343
ditolak hipotesis apabila r’ dari 26 0.465 0.352
perhitungan > atau = batas nilai kritis 28 0.448 0.317
30 0.432 0.306
dari daftar (Ho ditolak apabila : r’ > Sumber : Hoel, P.G. Elementery Statistics, John Wiley & Son, Inc.
Nw York, 1960 dalam Sudjana
atau1/2/23
= α daftar, maka H1 diterima). 14
Untuk alternative yang kedua, hipotesis ditolak jika r’ dari perhitungan < atau = batas
nilai kritis dari daftar dengan tanda negatif (Ho ditolak apabila : r’ < atau = α daftar
tanda negatif, maka H1 diterima). Kedua – duanya berlaku untuk taraf nyata yang
dipilih.
Contoh 1.
Dari contoh tentang dua orang juri yang menilai delapan peserta perlombaan di mana
telah dihitung r’ = 0.667. Jika α = 0.05 maka dengan n = 8 dari daftar didapat batas
nilai kritis = 0.643. Nampak r’ hitung = 0.667 > dari daftar 0.643. Ini berarti, dalam
taraf nyata 0.05 kita tolak hipotesis (Ho) bahwa antara kedua juri tidak terdapat
persesuaian dalam penilaian perlombaan tersebut dan kita terima hipotesis (H1) antara
kedua juri terdapat persesuaian dalam perlombaan tersebut.
Contoh 2.
Ingin diketahui apakah keberhasilan Program Pemberantasan Buta Huruf (PBH) di
suatu daerah ada hubungannya dengan tingkat pendapatan petani di daerah tersebut.
Untuk maksud ini dilakukan pengamatan terhadap 14 petani contoh yang dipilih secara
random. Pengamatan yang dilakukan terhadap setiap petani contoh ini meliputi :
a. Banyaknya kata yang dibaca secara benar dari 50 kata yang disodorkan kepada
setiap petani (Xi), dan
b. Pendapatan usahatani masing – masing dalam puluhan ribu rupiah selama setahun
setelah program PBH (Yi).
1/2/23 15
Hasil pengamatan dan pengolahan data seperti tabel berikut :
Tabel Hasil pengamatan data kepandaian dan pendapatan petani contoh
menurut metode korelasi Spearman
No. Petani Kepandaian membaca (Xi) Pendapatan (Yi) Rank (Xi) Rank (Yi) Beda (bi) bi2

1 21 7.4 8 2 6 36
2 45 40.0 13.5 11 2.5 6.25
3 20 27.2 6.5 9 -2.5 6.25
4 35 18.5 11 5 6 36
5 45 41.3 13.5 12 1.5 2.25
6 10 12.0 2 3 1 1
7 19 19.8 5 6 -1 1
8 7 4.3 1 1 0 0
9 15 22.8 4 8 -4 16
10 25 20.5 9.5 7 -2.5 6.25
11 44 72.5 12 14 -2 4
12 20 16.5 6.5 4 -2.5 6.25
13 13 42.5 3 13 10 100
14 25 30.1 9.5 10 0.5 0.25

Jumlah 221.50

Dari tabel maka r’ hitung = 1 – {6.(221.5)/14.(142 – 1)} = 0.513. Nilai kritis dengan taraf nyata
0.05 dari tabel di atas = 0.456. Dalam hal ini 0.513 (r’ hitung) > 0.456 (nilai kritis tabel). Maka
sesuai kaidah keputusan berarti Ho ditolak pada taraf nyata 5% dan H1 diterima, sehingga dapat
disimpulkan bahwa keberhasilan program PBH berkorelasi Positif Erat dengan peningkatan
pendapatan
1/2/23 petani di daerah tersebut. 16
4. UJI RUNTUN
Jika data sampel telah diambil secara random dan sudah lama dilakukan, kemudian ada
alasan cukup kuat mengenai kesangsian keacakannya, maka dianjurkan untuk
mengadakan pengujian mengenai keacakan sampel dimaksud. Pengujian ini didasarkan
atas adanya runtun.
Runtun adalah barisan huruf – huruf atau tanda – tanda yang identik yang didahului
atau diikuti oleh sebuah huruf atau tanda yang berbeda.
Untuk runtun permulaan, barisan yang dimaksud tidak didahului oleh huruf atau tanda
apapun. Demikian juga untuk runtun terakhir, barisan itu tidak diakhiri oleh huruf atau
tanda yang berbeda.
Panjang runtun ditentukan oleh banyak huruf atau tanda yang terdapat dalam setiap
runtun.
Contoh : a, a, b, b, b, b, a, b, a, a, b, b,  terdiri atas enam runtun. Runtun pertama
panjangnya dua, runtun kedua panjangnya empat, panjang runtun ketiga dan keempat
masing – masing satu, sedangkan runtun kelima dan keenam panjangnya masing –
masing dua.
Contoh : deretan tanda ; + + + + + + − − − + + + − +  terdiri atas lima runtun di mana
runtun pertama panjangnya enam, runtun kedua dan ketiga masing – masing
panjangnya tiga, runtun keempat dan kelima masing – masing panjangnya satu.
1/2/23 17
Contoh : Sampel I dan II terdiri atas data sebagai berikut :
Sampel I : 5, 16, 12, 17, 8, 9, 12.
Sampel II : 20, 7, 14, 19, 10.
Jika kedua sampel digabungkan dan datanya disusun menurut urutan nilainya, maka
didapat : 5, 7, 8, 9, 10, 12, 12, 14, 16, 17, 19, 20.
Deretan bilangan ini dapat dianggap terdiri atas delapan runtun. Runtun ini dibedakan,
dari sampel I angka tebal (bold), runtun dari sampel II angka miring (italic).
Dengan adanya runtun ini, dapat diuji hipotesis tentang :
A) Data pengamatan telah diambil secara acak dari sebuah populasi atau sampel yang
diambil dari sebuah populasi adalah acak.
B) Dua sampel acak berasal dari sebauh populasi yang sama atau dua populasi
mempunyai distribusi yang sama.
Statistic yang digunakan untuk menguji hipotesis di atas ialah banyak runtun dalam
deretan yang akan dinyatakan dengan u.
Untuk melakukan uji hipotesis yang dinyatakan di A), ialah :
Ho : data sampel ialah diambil secara acak dari sebuah populasi,
melawan alternative
H1 : bahwa data sampel diambil tidak secara acak
1/2/23 18
Langkah – langkahnya adalah sebagai berikut :
a. Tuliskan data hasil pengamatan dalam sampel menurut urutan didapatnya atau
urutan terjadinya.
b. Tuliskan besarnya median sampel.
c. Data yang harganya lebih besar dari median agar diberi tanda positif, yang lebih
kecil dari median beri tanda negatif.
d. Hitung berapa banyak tanda positif, diberi simbol n1, dan berapa banyak tanda
negatif diberi simbol n2.
Dengan mengambil taraf nyata 0.05 bandingkan harga u yang didapat, dengan harga
u dari daftar (tabel) sebagai nilai kritis.
Tabel ini pada kolom kirinya berisi nilai terkecil di antara n 1 dan n2, sedangkan baris
paling atas berisi nilai terbesar di antara n1 dan n2. Harga u dengan α = 0.05 dapat
dicari di dalam sel daftar.
Harga u kecil = nilai kritis untuk uji pihak kiri
Harga u besar = nilai kritis untuk uji pihak kanan
Dengan demikian kriteria pengujian adalah :
Ho ditolak : u hitung < atau = u terkecil dari daftar atau paling sedikit = u
terbesar dari daftar. Dalam hal lainnya Ho diterima.
1/2/23 19
Contoh 1.
Data berikut adalah banyak barang rusak dalam setiap sampel berukuran
500 yang diambil dari suatu proses produksi selama 30 hari berturut –
turut : 6, 9, 12, 11, 5, 9, 8, 10, 4, 2, 7, 10, 6, 6, 5, 7, 8, 9, 10, 2, 3, 5, 9, 12,
11, 11, 4, 10, 13, 9.
Mediannya didapat = 8½ data yang lebih kecil dari median beri tanda −
(negatif), lebih besar dari median beri tanda + (positif) hasilnya : − + + +
− + − + − − − + − − − − − + + − − − + + + + − + + +  n1 (+) = 15 ; n2
(−) = 15 ; u (banyaknya urutan = − +) = 14  dari Tabel Batas Kritis
untuk Runtun didapat u = 10 dan u = 22. Ternyata bahwa u = 14 terletak
antara 10 dan 22 sehingga hipotesis Ho diterima dan H1 ditolak. Jadi
berdasarkan kerusakan produksi yang dihasilkan selama 30 hari dapat
dianggap bahwa sampel yang diambil acak (= hipotesis Ho).

1/2/23 20
 Tabel Batas Kritis Untuk Runtun u Taraf Nyata 0.05

Harga terbesar di antara n1 dan n2

5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
2 2 2 2 2 2 2 2 2
2
6 6 6 6 6 6 6 6 8
2 2 2 2 2 2 2 2 2 3 3 3 3 3 3
3
8 8 8 8 8 8 8 8 8 8 8 8 8 8 8
2 2 2 3 3 3 3 3 3 3 3 4 4 4 4 4
Harga terkecil di antara n1 dan n2

4
9 9 10 10 10 10 10 10 10 10 10 10 10 10 10 10
2 3 3 3 3 3 4 4 4 4 4 4 4 5 5 5
5
10 10 11 11 12 12 12 12 12 12 12 12 12 12 12 12
3 3 3 4 4 4 4 5 5 5 5 5 5 6 6
6
11 12 12 13 13 13 13 14 14 14 14 14 14 14 14
3 4 4 5 5 5 5 5 6 6 6 6 6 6
7
13 13 14 14 14 14 15 15 15 16 16 16 16 16
4 5 5 5 6 6 6 6 6 7 7 7 7
8
14 14 15 15 16 16 16 16 16 17 17 17 17
5 5 6 6 6 7 7 7 7 8 8 8
9
15 16 16 16 17 17 18 18 18 18 18 18
6 6 7 7 7 7 8 8 8 8 9
10
16 17 17 18 18 18 19 19 19 20 20
7 7 7 8 8 8 9 9 9 9
11 17 18 19 19 19 20 20 20 21 21

1/2/23 21
 Harga terbesar di antara n1 dan n2

5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
7 8 8 8 9 9 9 10 10
12
19 19 20 20 21 21 21 22 22
8 9 9 9 10 10 10 10
13
Harga terkecil di antara n1 dan n2

20 20 21 21 22 22 23 23
9 9 10 11 11 11 12
14
21 22 22 23 23 23 23
10 10 11 11 11 12
15
22 23 23 24 24 25
11 11 11 12 12
16
23 24 25 25 25
11 12 12 13
17
25 25 26 26
12 13 13
18
26 26 27
13 13
19
27 27
14
20
28

Sumber : Hoel, P.G. Elemebtary Statistics, John Wiley & Son, Inc, New York, 1960 dalam Sudjana

1/2/23 22
Contoh 2.
Tempat duduk economist E dan agronomist A dalam suatu
pertemuan adalah sebagai berikut : E E E A A A A A A E E A A E
A  apakah mereka duduk secara acak ?
Jawab : Dari dalam deretan itu terdapat banyak runtun u = 6 ; n 1
(E sedikit) = 6 ; n2 (A banyak) = 9  dari Tabel Batas Kritis
untuk runtun didapat u = 4 dan u = 13.
Ternyata bahwa u = 6 terletak antara 4 dan 13, sehingga kita
dapat menyimpulkan bahwa ke 15 ahli tersebut telah duduk
secara acak.

1/2/23 23
Apabila hipotesis yang dihadapi seperti yang dirumuskan di B) yaitu :
Ho : dua sampel acak berasal dari populasi yang sama atau dua populasi
mempunyai distribusi sama.
melawan alternatif
H1 : kedua sampel berasal dari populasi yang berlainan atau distribusi
kedua populasi berlainan.
Langkah – langkahnya untuk menguji hipotesis ini :
a. Gabungkan kedua sampel yang didapat menjadi sebuah sampel berukuran
n1 + n2, jika n1 = ukuran sampel kesatu dan n2 = ukuran sampel kedua.
b. Tuliskan ke-(n1 + n2) buah data dari sampel gabungan menurut urutan
nilainya.
c. Nyatakan data dari sampel kesatu = a dan data dari sampel kedua = b.
d. Dengan menggunakan n1 dan n2. Carilah harga u dari Tabel Batas Kritis
untuk Runtun.
Kriteria pengujian adalah :
Ho diterima : jika u hasil hitungan terletak antara harga – harga u dari
daftar.
Ho ditolak : jika u hasil hitungan tidak terletak antara harga – harga u dari
daftar.
1/2/23 24
Contoh : Data dua buah sampel
Sampel I : 5, 16, 12, 17, 8, 9, 12.
Sampel II : 20, 7, 14, 19, 10
Setelah digabungkan dan disusun menurut urutan nilainya didapat : 5, 7, 8, 9, 10, 12,
12, 14, 16, 17, 19, 20  dalam simbol a dan b : a b a a b a a b a a b b  Banyak runtun
u = 8 ; n1 = 7 ; n2 = 5. Dari tabel runtun u didapat u = 3 dan u = 11. Harga u = 8
terletak antara u =3 dan u = 11. Jadi hipotesis bahwa kedua sampel berasal dari
sebuah populasi yang sama dapat diterima (Ho diterima).
Jika n1 & n2 > 20, maka u dapat dianggap mengikuti distribusi normal dengan rata –
rata dan simpangan baku :
μu = 1 + {(2.n1.n2) / (n1 + n2)}
σu = √ {(2.n1.n2.(2.n1.n2 – n1 – n2) / (n1 + n2)2.(n1 + n2 – 1)}
Untuk menjadikan normal baku digunakan transformasi :
Z = (u – μu ) / σu
Contoh :
Economist E dan agronomist A yang duduk dalam suatu pertemuan semuanya ada 100
orang. Dari sini didapat n1 = 60 ; n2 = 40 ; u = 38, dengan rumus di atas didapat :
μu = 1 + {(2.60.40)/(60+40)} = 49
1/2/23
σu = √[{(2.60.40)(2.60.40 – 60 – 40)}/(60+40)2(60+40 – 1)] = 4.77 25
Jika disubstitusikan dam skor z = (38 – 49) / 4.77 = − 2.31  dari daftar normal baku
dengan α = 0.05 didapat z = ± 1.96 ; z hitung < z daftar  Ho ditolak, mengenai
acaknya tempat duduk dalam pertemuan itu. Dan H1 diterima, mengenai tidak acaknya
tempat duduk dalam pertemuan itu.

5. UJI MEDIAN
Hipotesis yang dihadapinya adalah :
Ho : dua sampel acak telah diambil dari dua populasi dengan median yang sama
atau telah diambil dari populasi yang sama. melawan alternative
H1 : kedua sampel itu berasal dari dua populasi dengan median yang berlainan
atau dari dua populasi yang berlainan.
Langkah – langkah untuk pengujian ini adalah :
a. Gabungkan kedua sampel menjadi sebuah sampel berukuran (n 1 + n2) di mana n1 =
ukuran sampel yang diambil dari populasi kesatu dan n2 = ukuran sampel yang
diambil dari populasi kedua.
b. Tuliskan ke-(n1 + n2) buah data dari sampel gabungan ini menurut urutan besar
nilainya.
c. Tentukan
1/2/23
median dari sampel gabungan ini. 26
c. Dari setiap sampel, tentukan banyak data yang ada di atas median nyatakan
hal ini dengan A1 = untuk sampel I ; A2 = untuk sampel II. Tentukan juga
data yang ada di bawah median, B1 = untu sampel I ; B2 = untuk sampel II.
d. Bentuklah tabel (daftar) kontingensi 2 x 2 seperti berikut :
Sampel I Sampel II Jumlah
Di atas Median A1 A2 NA
Di bawah Median B1 B2 NB
Jumlah N1 N2 N

Dengan menggunakan data yang telah disusun dalam daftar kontingensi

tersebut, untuk menguji hipotesis Ho digunakan uji chi square dengan rumus :
χ2 = {N.( |A1 + B2 – A2.B1| − ½ .N)2 } / {(A1 + B1).(A1 + A2).(B1 + B2)
= {N.(NI – NII) − ½ .N)2} / (NI.NII.NA.NB)
Selanjutnya :
Ho ditolak jika χ2 dari perhitungan > atau = χ21 – α dengan df = 1
Ho 1/2/23
diterima jika χ2 dari perhitungan < χ21 – α dengan df (dk) =1 27
Contoh : Diberikan data sampel berikut ;
Sampel I: 5 16 12 17 8 9 12 10 18 13
Sampel II : 20 7 14 19 10 15 13
Sampel gabungan setelah disusun menurut urutan nilainya menjadi : 5 7 8 9
10 10 12 12 13 13 14 15 16 17 18 19 20 mediannya = 13
Data di atas median : A1 = 3 ; A 2 = 4
Data di bawah median : B1 = 6 ; B2 = 2 dibuat tabel sebagai berikut :
Sampel I Sampel II Jumlah
Data di atas Median 3 4 7
Data di bawah Median 6 2 8
Jumlah 9 6 15
Nilai dari tabel disubstitusikan ke :
χ2 = {15.( | 3 x 2 – 4 x 6 | − 7½ )2} / (7 x 8 x 9 x 6) = 0.5468

Dari daftar chi kuadrat dengan alpha = 0.05 dan dk (df) = 1 didapat = 3.84

Terlihat bahwa χ2 (dari perhitungan) = 0.5468 < 3.84 (dari daftar).

Jadi hipotesis kedua sampel itu berada dari dua populasi yang sama tidak dapat
ditolak (Ho diterima)
1/2/23 28
6. UJI NORMALITAS

Uji Normalitas secara nonparametrik in dikenal dengan nama Uji Liliefors.

Misalkan : Ada sampel acak hasil pengamatan x1, x2, ….xn.
Berdasarkan sampel ini akan diuji hipotesis (Ho) bahwa sampel tersebut berasal
dari populasi berdistribusi normal melawan ( H1 ) bahwa distribusi tidak normal.
Untuk pengujian hipotesis ini langkah – langkahnya sebagai berikut :
a. Pengamatan x1, x2, …..xn dijadikan angka baku z1, z2, … zn dengan menggunakan
zi = (xi – xgrs) / s di mana x garis = rata – rata; s = simpangan baku.
b. Untuk tiap angka baku ini dan menggunakan daftar distribusi normal baku,
kemudian dihitung peluang F(zi) = P ( z ≤ zi )
c. Selanjutnya dihitung proporsi z1, z2, … zn Jika proporsi ini dinyatakan oleh S (zi)
maka S (zi) = (banyaknya z1, z2, … zn yang ≤ zi) / n
d. Hitung selisih F (zi) – S (Zi) kemudian tentukan harga mutlak.
e. Ambil harga yang paling besar di antara harga – harga mutlak selisih tersebut.
Misalkan harga ini = Lo
Untuk menerima atau menolak hipotesis, bandingkan Lo hitung dengan Li tabel nilai
kritis1/2/23
L untuk Uji Liliefors, untuk taraf nyata α yang dipilih. 29
 Tabel Nilai Kritis L untuk Uji Liliefors

Ukuran Tarap Nyata (α)

Sampel
(n)
0.01 0.05 0.10 0.15 0.20

4 0.417 0.381 0.352 0.319 0.300

5 0.405 0.337 0.315 0.299 0.285
6 0.364 0.319 0.294 0.277 0.265
7 0.348 0.300 0.276 0.258 0.247
8 0.331 0.285 0.261 0.244 0.233
9 0.311 0.271 0.249 0.233 0.223
10 0.294 0.258 0.239 0.224 0.215
11 0.284 0.249 0.230 0.217 0.206
12 0.275 0.242 0.223 0.212 0.199
13 0.268 0.234 0.214 0.202 0.190
14 0.261 0.227 0.207 0.194 0.183
15 0.257 0.220 0.201 0.187 0.177
16 0.250 0.213 0.195 0.182 0.173
17 0.245 0.206 0.189 0.177 0.169
18 0.239 0.200 0.184 0.173 0.166
19 0.235 0.195 0.179 0.169 0.163
20 0.231 0.190 0.174 0.166 0.160
25 0.200 0.173 0.158 0.147 0.142
30 0.187 0.161 0.144 0.136 0.131
1.031 0.886 0.805 0.768 0.736
N > 30 √n √n √n √n √n

Sumber : Conover, W.J. Practical Nonparametric statistics, john Wiley & Son, Inc, 1973 dalam Sudjana

1/2/23 30
Kriterianya adalah :
Ho ditolak bahwa populasi berdistribusi normal jika Lo > Li daftar ( Lo > Li )
Ho diterima bahwa populasi berdistribusi normal jika Lo < Li daftar (Lo < Li )
Contoh : Misal sampel dengan data : 23 27 33 40 48 48 57 59 62 68 69 70
telah diambil dari sebuah populasi. Akan diuji apakah sampel ini berasal dari populasi
dengan distribusi normal ataukah bukan ?
Dari data di atas didapat xgrs = 50.3 dan s = 16.55 Untuk mempermudah perhitungan
buat tabel yang berisi dari setiap nilai yang ada seperti berikut :
Xi Zi F(zi) S(zi) |F(zi) – S(zi)| Dari kolom terakhir dalam tabel
didapat Lo = 0.1170 Dengan n =
23 -1.65 0.0495 0.0833 0.0338
27 -1.41 0.0793 0.1667 0.0874 12 dan taraf nyata α = 0.05 dari
33 -1.05 0.1469 0.2500 0.1031 tabel Liliefors didapat L = 0.242
40 -0.62 0.2676 0.3333 0.0657 > Lo = 0.1170  Ho diterima
48 -0.14 0.4443 0.4167 0.0557 Kesimpulan : Bahwa populasi
48 -0.14 0.4443 0.5000 0.0557
57 0.40 0.6554 0.5833 0.0721
berdistribusi normal
59 0.53 0.7019 0.6667 0.0352
62 0.71 0.7612 0.7500 0.0112
68 1.07 0.8577 0.8333 0.0244
69 1.13 0.8708 0.9167 0.0459
70 1.19 0.8830 1 0.1170
1/2/23 31
Praktikum Selesaikan soal berikut ini !

Dua kelompoktani masing – masing sebanyak 20 anggota (petani) yang

mempunyai kemampuan dan latar belakang yang sama, telah menerima
semacam penyuluhan dengan menggunakan metode A untuk kelompok
yang satu dan metode B untuk kelompok lainnya. Sesudah jangka waktu
tertentu diberikan evaluasi dan hasilnya seperti berikut :

Metode A
: 78 64 73 79 80 67 74 82 65 68 70 63 64 70 68 72 69 65 73 71

Metode B
: 79 73 70 80 78 63 74 78 63 68 68 60 65 69 70 72 71 66 74 70

Adakah perbedaan yang berarti antara hasil penyuluhan kedua metode

tersebut ?
1/2/23 32
Soal Latihan :
1. Seorang ahli minuman mengatakan bahwa ia dapat membedakan
dua macam teh dengan jalan mencicipinya. Dalam suatu
eksperimen ternyata ia berhasil mengatakan macam teh yang benar
15 kali di antara 24 dengan hasil : + + + − − + + + + − − − − − + +
+ − + + − + + + di mana + berarti benar dan − berarti salah
mengatakan macam the. Analisislah data di atas dengan
menggunakan uji tanda !
2. Dapatkah disimpulkan bahwa data berikut : 26 35 27 29 30 19
32 43 18 26 27 25 35 40 26 25 22 20 17 berasal dari
sebuah populasi dengan median = 23 ?
3. Sederetan tanaman telah diperiksa yang menghasilkan urutan : S S
S S P P S P P P S S S S P S P P S S dengan S = tanaman yang sehat
dan P = tanaman yang kena penyakit. Selidikilah apakah penyakit
itu telah menyerang tanaman secara acak ataukah tidak ?
1/2/23 33
Chi Kuadrat k sampel.

Chi kuadrat k sampel digunakan untuk menguji hipotesis

komparatif lebih dari dua sampel, bila datanya berbentuk
diskrit atau nominal.

Rumus dasar yang digunakan untuk pengujian = komparatif dua

sampel independen yaitu :

( 𝑓𝑜− 𝑓h)²
χ =∑
2
𝑓h

34
Contoh 1.
Dilakukan penelitian untuk mengetahui ada tidaknya perbedaan harapan hidup
(life expect / umur) antar penduduk yang ada di Pulau Jawa yaitu : DKI jakarta,
Jawa Barat, Jawa Tengah, Jawa Timur dan Daerah Istimewa Yogyakarta (DIY).
Dalam hal ini umur harapan hidup dikelompokkan menjadi dua yaitu di atas 70
tahun ke atas dan di bawah 70 tahun. Berdasarkan data untuk :
DKI Jkt dari 1100 anggota sampel 300 orang 70 tahun ke atas dan 800 orang 70
tahun ke bawah.
Jawa Barat dari 1300 anggota sampel 700 org 70 tahun ke atas dan 600 org 70
tahun ke bawah.
Jawa Tengah dari 1300 anggota sampel 800 org 70 tahun ke atas dan 500 org 70
tahun ke bawah.
Jawa Timur dari 1200 anggota sampel 700 org 70 tahun ke atas dan 500 org 70
tahun ke bawah.
DIY dari 900 anggota sampel 600 orang 70 tahun ke atas dan 300 orang 70
tahun ke bawah.

35
Berdasarkan hak tersebut di atas maka :
1. Jenis penelitian yang dapat dirumuskan : Perbedaan harapan
hidup (umur) penduduk di Pulau Jawa.
2. Variabel Penelitian : harapan hidup
3. Rumusan Masalah : adakah perbedaan yang signifikan harapan
hidup penduduk di lima propinsi di P. Jawa.
4. Sampel : terdiri dari lima kelompok sampel yaitu :
a. Sampel penduduk propinsi DKI Jkt berjumlah = 1100
orang.
b. Sampel penduduk propinsi Jabar berjumlah = 1300 orang.
c. Sampel penduduk propinsi Jateng berjumlah = 1300 orang.
d. Sampel penduduk propinsi Jatim berjumlah = 1200 orang.
e. Sampel penduduk propinsi DIY berjumlah = 900 orang.

1/2/23 36
5. Hipotesis :
Ho : Tidak terdapat perbedaan harapan hidup penduduk di
lima propinsi yang ada di P.
Jawa.
H1 : Terdapat perbedaan harapan hidup penduduk di lima
propinsi yang ada di P. Jawa
Ho : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 = 𝜇5
H1 : 𝜇1 ≠ 𝜇2 ≠ 𝜇3 ≠ 𝜇4 ≠ 𝜇5 (salah satu beda)
6. Kriteria Pengujian Hipotesis : Terima Ho bila harga Chi
Kuadrat hitung < harga Chi Kuadrat tabel

1/2/23 37
7. Penyajian data : Data hasil penelitian disusun ke dalam tabel 1, untuk mengisi
kolom yang ada maka perlu dihitung frekuensi yang diharapkan (fh) untuk
kelima kelompok tersebut dalam setiap aspek.
Jumlah seluruh anggota sampel = 1100 + 1300 + 1300 + 1200 + 900 = 5800
Presentase umur 70 ke atas p1 =

Frekuenasi yang diharapkan untuk umur 70 tahun ke atas untuk 5 propinsi :

1. DKI Jkt = 1100 x 53.45% = 587.95
2. Jabar = 1300 x 53.45% = 694,85
3. Jateng = 1300 x 53.45% = 694.85
4. Jatim = 1200 x 53.45% = 641.40
5. DIY = 900 x 53.45% = 481.05

38
Presentasi umur 70 tahun ke bawah p2 =
Frekuenasi yang diharapkan (fh) untuk umur 70 tahun ke bawah
untuk 5 propinsi :
1. DKI Jkt = 1100 x 46.55% = 512.05
2. Jabar = 1300 x 46.55% = 605.15
3. Jateng = 1300 x 46.55% = 605.15
4. Jatim = 1200 x 46.55% = 558.60
5. DIY = 900 x 46.55% = 481.95

39
 Harga-harga tersebut di atas selanjutnya dimasukkan ke tabel 1.
Tabel 1. Perbandingan Harapan Hidup Penduduk 5 Propinsi di P. Jawa

Prop. Umur fo fh (fo – fh) (fo – fh)2

DKI Jkt 70 th 300 587.95 -287.95 82915.2 141.02
< 70 th 800 512.05 287.95 82915.2 161.93
Jabar 70 th 700 694.85 5.15 26.52 0.04
< 70 th 600 605.15 -5,15 26.52 0.04
Jateng 70 th 800 694.85 105.15 11056.52 15.91
< 70 th 500 605.15 -105.15 11056.52 18.27
Jatim 70 th 700 641.40 58.6 3433.96 5.35
< 70 th 500 558.60 -58.6 3433.96 6.15
DIY 70 th 600 481.05 118.95 14149.1 29.41
< 70 th 300 418.95 -118.95 14149.1 33.77
Jlh 5800 5800 0.00 - 411.90

40
8. Perhitungan pengujian hipotesis : Berdasarkan perhitungan
yang ada dalam tabel Chi Kuadrat hitung = 411.90, nilai ini
perlu dibandingkan dengan Chi Kuadrat tabel dengan dk dan
taraf kesalahan tertentu. Dalam hal ini dk = (s – 1) x (k – 1)
= (5 – 1) x ( 2 – 1) = 4 (s = jumlah kelompok sampel = 5 ; k
= banyaknya kategori dalam sampel = 2). Berdasarkan dk =
4 dan taraf kesalahan 5%, maka harga Chi Kuadrat tabel =
9.488.

Harga Chi Kuadrat hitung, ternyata lebih besar dari tabel

(411.90 > 9.488), karena harga Chi Kuadrat hitung > Chi
Kuadrat tabel maka Ho ditolak dan H1 diterima.

1/2/23 41
9. Kesimpulan : Terdapat perbedaan yang signifikan antara
harapan hidup penduduk di lima propinsi yang ada di P. Jawa,
dan perbedaan itu tercermin seperti data dalam sampel.
Berdasarkan data yang terkumpul, penduduk propinsi DKI
mempunyai harapan hidup yang paling rendah, karena yang
berumur 70 tahun ke atas jumlahnya < yang umur di bawah 70
tahun (data rekayasa)
10. Saran : Penduduk DKI perlu ditingkatkan derajad
kesehatannya.
Pengujian hipotesis di atas adalah menguji perbedaan atau
persamaan seluruh sampel secara bersama-sama. Untuk menguji
antara satu sampel dengan sampel lain berbeda atau tidak, maka
diperlukan uji lanjut antar dua sampel, sehingga mungkin bisa
terjadi hanya antar dua sampel tertentu saja yang berbeda dan
sampel yang lain tidak.
42
B. Median Extension (Perluasan Median)
Test ini digunakan untuk menguji hipotesis komparatif median k sampel independen bila
datanya berbentuk ordinal.
Dalam test ini ukuran sampel tidak harus sama.
Rumus yang digunakan untuk pengujian adalah rumus Chi Kuadrat.

( 𝑓𝑜𝑖𝑗 − 𝑓h𝑖𝑗 )²
χ =∑
2
𝑓h 𝑖𝑗
Di mana :
fo = Banyak kasus pada baris ke i kolom ke j.
fh = Banyak kasus yang diharapkan pada baris ke i dan kolom ke j.
∑ = Penjumlahan semua sel.
dk = untuk rumus tersebut = (k – 1) x (r – 1) di mana k = banyak kolom dan r = banyak baris.
Test median dengan r = 2 maka dk = (k -1) x ( 2 – 1) = (k – 1).
Ho ditolak bila χ² tabel > χ² hitung.

Contoh.
Dilakukan penelitian untuk mengetahui adakah hubungan “golongan gaji pegawai” dengan
jumlah media cetak “ yang dibaca”. Dalam hal ini golongan gaji dikelompokkan menjadi IV
tingkat yaitu gol I, II, III dan IV. Dalam penelitian ini digunakan sampel pegawai gol I = 7
orang, gol II = 10 orang, III = 9 orang dan IV = 8 orang. 43
 Tabel 3. Jumlah Media Cetak yang Dibaca Pegawai Berdasarka Golongan Gaji

Jumlah media cetak yang dibaca

Gol. I Gol. II Gol. III Gol. IV

0 1 2 5
1 2 3 3
2 2 4 4
1 2 5 6
4 6 3 8
1 1 2 5
1 3 2 6
1 4 3 4
2 2 3 3
2 3 2 3
1 2 1 4
2 4

n1 = 11 n2 = 11 n3 = 12 n4 = 12

Karena ini adalah test median, maka median jumlah media cetak yang dibaca oleh 4 kelompok golongan gaji
itu perlu dicari. Untuk memudahkan pencarian, maka 4 kelompok tersebut diurutkan mulai dari yang terkecil.
0111111111222222222222233333333344444445556668
Median jumlah media cetak yang dibaca oleh 4 kelompok pegawai tersebut adalah angka ke 23 dan 24 yaitu :
(2 + 3)/2 = 2.5. Selanjutnya setelah median 4 kelompok didapat, maka perlu dihitung jumlah pegawai yang
membaca di atas dan di bawah median. Hal ini ditunjukkan dalam tabel 4.
44