STATISTIK

Anggota Kelompok

Rizky Amaliyah Della Ayu Fernanda

Ref Fatim Dian Sasmita
21010644204
21010644184 21010644197

Adenia Zahrof Martinar Ninik Fitria Hapsari

21010644195 21010644202
 Kelompok 6

“MENGHITUNG DAN MENGANALISIS”

UJI BEDA DUA SAMPEL BERHUBUNGAN
 Uji Beda Dua Sampel Berhubungan
pada Statistik Non Parametrik

Uji beda dua sampel berhubungan adalah uji beda untuk melihat perbedaan antara dua sampel yang berhubungan
(berkorelasi) dari sampel yang sama dengan treatment (perlakuan) yang berbeda. Istilah treatment dapat berupa latihan,
pemberian obat atau suntikan, metode pembelajaran, kebijakan perusahaan dan masih banyak lagi .

 Pada kasus perbandingan antara dua kelompok, kadang ada bias yang sangat fatal. Peneliti bisa menemukan adanya
perbedaan yang signfikan, tetapi perbedaan itu bukan dikarenakan perlakuan.
 Misalnya kita ingin membandingkan keputusan pembelian Iphone antara dua kelompok, yaitu kelompok masyarakat
yang tinggal di perkampungan dengan masyarakat yang tinggal di perumahan. Bisa saja peneliti menemukan
perbedaan yang signifikan tetapi bukan karena tempat tinggal, tetapi karena variabel yang lain, misalnya pengaruh
pergaulan sosial.
Cara untuk menghindari adanya bias tersebut maka dilakukan dengan menggunakan dua sampel yang berpasangan
(match). Kita dapat menghubungkan atau memasangkan kedua sampel yang akan diteliti. Pemasangan tersebut dapat
dilakukan dengan pengontrol dirinya sendiri atau memasangkan subjek kemudian memberikan perlakuan yang berbeda.
Untuk pengontrol dirinya sendiri, kita dapat mengukur variabel yang akan diukur pada 'sebelum' lalu membandingkannya
dengan 'setelah' diberikan perlakuan. Misalnya harga saham diukur sebelum melakukan stock split lalu diukur lagi setelah
melakukan stock split, lalu dibandingkan

Contoh yang memasangkan, adalah dengan memilih suatu kelas lalu membaginya menjadi dua secara acak. Setelah itu,
dipasangkan dengan kriteria yang mempunyai nilai relatif sama. Bagian pertama diberikan metode pembelajaran A,
sedangkan bagian yang kedua diberikan metode pembelajaran B. Setelah itu, dievaluasi lalu dibandingkan pada kedua
pasangan tersebut.
 Metode yang digunakan untuk menganalisis

Uji McNemar
Uji McNemar cocok digunakan untuk uji sampel berpasangan yang menggunakan skala ordinal atau bahkan nonimal.
Dengan keunikan ini, maka Uji McNemar dapat dipergunakan untuk uji beda sampel berpasangan yang menggunakan
data biner atau dummy (0 dan 1). Konsep dasarnya menggunakan tabulasi silang (cross tabulation) seperti yang telah
kita kenal baik pada Chi Square.
 Fungsi Uji McNemar
Uji McNemar banyak digunakan baik dalam studi kesehatan, machine learning, politik dan lainnya.
Dalam studi kesehatan, seperti pengujian dampak pemberian vaksin. Misalnya, apakah sebelum dan sesudah
pemberian vaksin mengakibatkan demam atau tidak.
Dalam machine learning, uji ini bisa kita terapkan untuk membandingkan akurasi dari dua model
Dalam bidang politik, pengujian bisa kita lakukan untuk melihat apakah ada pengaruh sebelum dan sesudah debat
terhadap keputusan pemilih
 Syarat Uji McNemar
1. Pemilihan sampel dari populasi bersifat acak.
2. Menggunakan skala pengukuran nominal.
3. Data dikotomi  data dengan dua kemungkinan yang mutually exclusive seperti pelemparan uang koin (gambar-
angka), jenis kelamin (pria-wanita), dan lainnya.
 Tahapan Uji McNemar
1. Merumuskan hipotesis
H0 : Tidak terdapat perbedaan nilai antara sebelum dan sesudah perlakuan (P1=P2)
H1 : Terdapat perbedaan nilai antara sebelum dan sesudah perlakuan (P1≠P2)
2. Menetapkan tingkat signifikansi

3. Membuat tabel segiempat 2×2

A  nilai yang berada pada kategori 1 baik sebelum atau sesudah adanya perlakuan
B  nilai yang sebelumnya berada pada ketegori 1, berubah menjadi kategori 2 sesudah adanya perlakuan.
C  nilai yang sebelumnya berada pada kaetgori 2, berubah menjadi kategori 1 sesudah adanya perlakuan
D  nilai yang berada pada kategori 2 baik sebelum dan sesudah adanya perlakuan.
4. Menghitung statistik uji

Pada tabel, nilai B dan C merupakan banyaknya perubahan sesudah adanya perlakuan. Ketika selisih antara nilai B dan
C cukup besar, bisa dikatakan bahwa adanya perlakuan memberikan efek yang berarti. Secara matematis, rumus
statistik ujinya adalah

Dengan koreksi kontinuitas, rumusnya statistik ujinya menjadi

Catatan
Jika nilai (B+C) kurang dai 10, maka kita tidak bisa menggunakan uji McNemar. Solusinya, kita bisa gunakan uji binomal
 dengan N = B+C dan x adalah frekuensi terbesar antara B dan C.

5. Pengambilan keputusan dan penarikan kesimpulan

Setelah memperoleh nilai statistik uji χ2, maka bandingkan nilai tersebut dengan ketentuan sebagai berikut
untuk hipotesis dua arah, tolak H0 jika χ2 > χ2(α;1) = 3.841
sedangkan untuk hipotesis satu arah, tolak H0 jika χ2 > χ2(2α;1) = 2.706
 Contoh KASUS

1. Debat merupakan proses menyampaikan argumentasi dan informasi. Dalam pemilu, debat tiap calon adalah hal yang
penting. Pemilih dapat mengetahui isi pikiran, kemampuan komunikasi, kemampuan mempertahankan pendapat. Seetelah
adanya debat, sering terjadi pergeseran atau perubahan pemilihan suara dari satu calon ke calon lainnya. Untuk melihat
pengaruh debat di suatu daerah, dilakukan survey terhadap 100 responden, kemudian menanyakan pilihan mereka
sebelum dan sesudah adanya debat. Hasilnya tertera pada tabel berikut ini

Ujilah apakah terdapat perbedaan arah suara sebelum dan sesudah debat
1. Hipotesisnya adalah
H0 : Tidak ada perbedaan suara sebelum dan sesudah adanya debat (P1=P2)
H1 : Ada perbedaan suara sebelum dan sesudah adanya debat (P1≠P2)
2. Tingkat signifikansi 5%
3. Statistik uji
Dengan B = 21 dan C = 9, maka nilai statistik ujinya adalah
4. Karena menggunakan uji dua arah, maka
nilai tabelnya adalah 3.841
Nilai statitik uji = 4.03 lebih besar dari 3.841,
sehingga kita ambil keputusan tolak
H0. Dengan demikian, pada tingkat signifikansi
5% dapat kita nyatakan bahwa terdapat
perbedaan arah suara sebelum dan sesudah
adanya debat.
2. Untuk menguji efektivitas sebuah metode pembelajaran baru, seorang peneliti melakukan pemilihan sampel sebanyak 20
siswa di sebuah SMA. Pertama kali, peneliti melakukan pengujian terhadap tingkat pemahaman siswa sebelum menerapkan
metode pembelajaran. Kemudian, tingkat pemahaman siswa kembali diuji setelah metode pembelajaran diterapkan. Hasil
dari penelitian tersebut adalah sebagai berikut
Lakukan pengujian terkait efektivitas metode pembelajaran tersebut
1. Hipotesisnya adalah
H0 : Tidak ada perbedaan pemahaman siswa sebelum dan sesudah adanya metode
pembelajaran baru
H1 : Ada perbedaan pemahaman siswa sebelum dan sesudah adanya metode pembelajaran baru
2. Tingkat signifikansi 5%

3. Membuat tabel segiempat. Bentuk tabel dari data di atas adalah

4. Menghitung statistik uji

5. Karena menggunakan uji dua arah, maka nilai tabelnya adalah 3.84
Nilai statitik uji =1.23 lebih kecil dari 3.84, sehingga kita ambil keputusan gagal tolak H0.
Dengan demikian, pada tingkat signifikansi 5% dapat kita nyatakan bahwa tidak terdapat perbedaan tingkat pemahaman siswa
sebelum dan sesudah penerapan metode pembelajaran baru.
3. Seorang pemilik restoran ingin mengetahui pendapat pelanggan terhadap pemberian selai kacang pada makanannya.
Pemilik itu mengambil sampel sebanyak 39 orang dan hasilnya adalah sebagai berikut

Apakah terdapat perbedaan pendapat?

1. Hipotesisnya
H0 : Tidak ada perbedaan pendapat terhadap pemberian selai kacang pada makanan
H1 : Ada perbedaan pendapat terhadap pemberian selai kacang
2. Tingkat signifikansi 5%

3. Dalam kasus ini, Uji McNemar tidak bisa dilakukan karena nilai B+C < 10. Sehingga kita bisa menggunakan uji
binomial sebagai alternatif. Dengan nilai B = 7 dan C = 2, maka N = 7+2 = 9 dan x = 7 (nilai terbesar). Kalkulator
binomial memberikan nilai p-value = 0.09. Karena merupakan uji dua arah, maka kalikan p-value dengan 2, sehingga
p-value yang sesuai adalah 0.18.
4. Karena p-value > 5%, maka gagal tolak H0 dan dapat kita nyatakan bahwa tidak terdapat perbedaan pendapat
pelanggan terhadap pemberian selai kacang pada makanan.
 Uji McNemar dengan SPSS

Untuk penerapan Uji McNemar dengan SPSS, kita akan coba membahas kasus pada contoh soal no 2.
1. Langkah Pertama : Setting variabel di Data View

Pada setting ini, pastikan bahwa skala pengukuran data adalah nominal (pada kolom Measure).
2. Langkah Kedua : Input Data

Proses input data dengan pemberian kode

1 untuk kategori “Baik”
2 untuk kategori “Kurang”
3. Langkah Ketiga : Memilih uji dua sampel berpasangan

4. Langkah Keempat : Masukkan variabel dan Centang kotak McNemar. Setelah tab baru muncul, masukkan variabel
sebelum dan sesudah ke kotak Test Pairs. Selanjutnya, centang pilihan McNemar pada Test Type dan sesudah itu klik Ok.
5. Langkah Kelima : Pengambilan keputusan dan penarikan kesimpulan. Output yang muncul adalah sebagai berikut

Hasil pengujian dengan SPSS memberikan nilai p-value sebesar 0.267. Nilai ini lebih besar dari tingkat signifikansi
5%. Sehingga keputusan yang kita ambil adalah gagal tolak H0. Dengan demikian, dapat kita simpulkan bahwa tidak
ada perbedaan tingkat pemahaman siswa sebelum dan sesudah pemberian metode pembelajaan baru.
Uji Sign
Uji Sign juga merupakan uji beda dua sampel berpasangan tetapi berdasarkan 'tanda' yaitu lebih besar, lebih kecil
atau sama dengan. Jadi uji sign tidak mendasarkan pada pengukuran kuantitatif dari data, tetapi kepada mana yang
lebih besar, mana yang lebih kecil atau sama dengan. Oleh karena itu dapat dipergunakan untuk data yang tidak
memungkinkan atau kesulitan untuk mengukur secara kuantitatif.
 Fungsi Uji Tanda
Uji tanda termasuk dalam uji nonparametrik yang sederhana, namun sangat berguna ketika asumsi-asumsi dalam uji
t tidak terpenuhi. Banyak penelitian dalam berbagai bidang yang menggunakan uji tanda sebagai metode analisis.
Salah satunya dalam penelitian Samawi dan Sari (2014) yang menguji pengaruh pembelajaran menggunakan media
animasi terhadap hasil belajar siswa.
 Syarat Uji Tanda
Sebelum melakukan pengujian, terdapat beberapa asumsi atau syarat yang harus terpenuhi yaitu
Sampel yang ada melalui proses pemilihan secara acak
Data terdiri dari dua sampel yang saling berpasangan (dependen)
Skala data minimal ordinal, yaitu data kategorik yang memiliki tingkatan
Tidak memerlukan distribusi data karena merupakan uji nonparamterik
 Tahapan Uji Tanda
Prosedur pengujian adalah sebagai berikut
1. Menentukan hipotesis
• Untuk uji dua arah
H0 : Tidak ada perbedaan tanda dari dua data berpasangan (P1 = P2)
H1 : Terdapat perbedaan tanda dari dua data berpasangan (P1 ≠ P2)
• Sedangkan untuk uji satu arah
H0 : Tidak ada perbedaan tanda dari dua data berpasangan (P1 = P2)
H1 : Terdapat perbedaan tanda (P1 > P2)
2. Menetapkan tingkat signifikansi alpha

3. Tentukan tanda pada data berpasangan.

Jika kejadian “sesudah” lebih baik daripada “sebelum”, maka gunakan tanda (+)
Sedangkan jika kejadian “sesudah” tidak lebih baik daripada “sebelum”, maka gunakan tanda (-)
Apabila tidak terjadi perubahan, maka berikan tanda (0). Tanda (0) tidak dihitung dalam analisis
4. Menghitung statistik uji
• Untuk sampel kecil (N ≤ 25)
Pengamatan sampel kecil apabila jumlah tanda (+) dan (-) lebih kecil atau sama dengan 25. Pada kasus ini, nilai
statistik ujinya adalah x, dimana nilai x adalah banyaknya tanda (+) pada data. Setelah memperoleh nilai x,
selanjutnya hitung p-value dengan menggunakan pendekatan uji binomal. Hipotesis nol dapat kita tolak
dengan ketentuan sebagai berikut
– Untuk uji dua arah, tolak saat nilai 2×p-value lebih kecil dari alpha (α)
– Sedangkan untuk uji satu arah, tolak saat nilai p-value lebih kecil dari alpha (α)
• Untuk sampel besar (N > 25)
Pada kasus sampel besar, statistik uji tanda dapat kita hitung dengan pendeatan distribusi normal. Rumusnya adalah
sebagai berikut

+ 0.5 jika y < n/2, sedangkan -0.5 jika y > n/2

dimana y merupakan banyaknya tanda (+). Kita dapat menolak hipotesis nol dengan ketentuan sebagai berikut
Untuk uji dua arah, tolak H0 saat |Z| > Zα/2
Sedangkan untuk uji satu arah, tolak H0 saat |Z| > Zα
1. Dalam sebuah studi, dilakukan penelitian mengenai efek metode pembelajaran melalui media animasi terhadap
capaian hasil belajar siswa. Melalui studi ini, peneliti mengharapkan terjadinya peningkatan hasil belajar siswa. Untuk itu,
peneliti mengambil 15 sampel siswa secara acak di sebuah sekolah. Hasil capaian belajar siswa tersebut adalah sebagai
berikut
Ujilah apakah terdapat peningkatan hasil belajar siswa sesudah adanya metode pembelajaran
melalui media animasi
1. Hipotesis untuk kasus tersebut adalah
H0 : Tidak ada perbedaan hasil capaian belajar siswa sebelum dan sesudah penerapan metode
pembelajaran melalui media animasi
H1 : Terdapat peningkatan hasil capaian belajar siswa sebelum dan sesudah penerapan metode
pembelajaran melalui media animasi
2. Tingkat signifikansi : 5%
3.  Menentukan tanda pada data 

4. Menghitung statistik uji dan penarikan kesimpulan

Berdasarkan tabel di atas, banyak tanda (+) = 7; tanda (-) = 2; dan tanda (0) = 1. Karena N < 25, maka kita gunakan
pendekatan uji binomial. Nilai x yang kita gunakan adalah 7 (banyak tanda +).
Dengan menggunakan kalkulator binomial dengan probability = 0.5,  banyak trial = 9 dan number of succes = 7, kita
peroleh nilai P(X≥7) = 0.089. Nilai ini jauh lebih besar dari 5% atau 0.05. Keputusan yang kita ambil adalah gagal tolak
H0 sehingga dengan tingkat signifikansi 5%, dapat kita simpulkan bahwa tidak terdapat perbedaan hasil capaian belajar
siswa sebelum dan sesudah penerapan metode pembelajaran melalui media animasi
2. Pemerintah baru-baru ini menetapkan kebijakan untuk menaikkan cukai rokok. Dampak dari kebijakan tersebut akan
membuat harga rokok di pasaran menjadi naik. Melalui kebijakan ini, pemerintah berharap agar kebanyakan perokok
menjadi enggan untuk mengonsumsi rokok karena harganya yang mahal. Untuk menguji efektivitas dari kebijakan ini,
seorang peneliti melakukan survei terhadap perokok di sebuah desa. Peneliti mendata mengenai banyaknya batangan
rokok yang mereka konsumsi setiap harinya sebelum dan sesudah kenaikan harga rokok. Data dari survei tersebut adalah
sebagai berikut
Apakah konsumsi rokok mengalami penurunan setelah peningkatan harga?
1. Hipotesisnya adalah
H0 : Tidak ada perbedaan konsumsi rokok sebelum dan sesudah kenaikkan harga rokok di desa
tersebut
H1 : Terjadi penurunan konsumsi rokok sesudah kenaikkan harga rokok di desa tersebut
2. TIngkat signifikansi : 5%

3. Menghitung tanda Karena penurunan konsumsi rokok merupakan hal yang diharapkan, maka
setiap penurunan akan diberi tanda (+).

4. Menghitung statistik uji dan penarikan kesimpulan

Berdasarkan tabel di atas, banyak tanda (+) = 10; tanda (-) = 3; dan tanda (0) = 2. Karena N < 25, maka
kita gunakan kembali pendekatan uji binomial dengan nilai x adalah 10 (banyak tanda +).
Menggunakan kalkulator binomal dengan probability = 0.5,  banyak trial = 13 dan number of succes =
10, kita peroleh nilai P(X≥10) = 0.046. Nilai ini lebih kecil dari 5% atau 0.05. Keputusan yang kita ambil
adalah tolak H  sehingga pada tingkat signifikansi 5%, dapat kita simpulkan bahwa terjadi penurunan
0

konsumsi rokok sesudah kenaikkan harga rokok di desa tersebut.

3. Sebuah lembaga melakukan riset mengenai efek suatu film terhadap pendapat orang mengenai hukuman bagi
koruptor. Film tersebut berisi materi tentang hak asasi manusia, penegakkan hukuman di berbagai negara, dan video
penyesalan dari para pelaku korupsi. Lembaga tersebut melakukan penarikan sampel sebanyak 100 responden. Pertama-
tama, responden dimintai pendapat mengenai hukuman bagi koruptor. Kemudian, mereka akan menonton film yang
sudah dipersiapkan. Setelah itu, responden ditanyai kembali akan pendapat mereka terhadap hukuman. Hasilnya adalah
sebagai berikut

Ujilah apakah terdapat perbedaan pendapat responden sebelum dan sesudah menonton film
1. Hipotesis
H0 : Tidak ada perbedaan pendapat responden sebelum dan sesudah menonton film
H1 : Ada perbedaan pendapat responden sebelum dan sesudah menonton film
2. Tingkat signfikansi 5%
3. Menghitung statistik uji
Banyaknya tanda (+) adalah 35 dan banyaknya tanda (-) adalah 9. Sehingga jumlah N adalah 44. Karena N > 25, maka
perhitungan statistik uji menggunakan pendekatan distribusi normal dengan rumus sebagai berikut
Kita peroleh nilai Z = 3.77. Nilai ini akan kita bandingkan dengan Zα/2 = Z0.025 = 1.96 (uji dua arah).
Karena |Z| > 1.96, maka kita ambil keputusan tolak H0. Dengan demikian, dapat kita simpulkan
bahwa terdapat perbedaan pendapat responden sebelum dan sesudah menonton film
mengenai hukuman bagi koruptor.
 Uji Tanda dengan SPSS
Penerapan uji tanda dengan SPSS akan menggunakan data 2. Langkah kedua : Pilih uji 2 sampel berpasangan. Pada SPSS
pada contoh soal 1. Tahapannya adalah sebagai berikut pilih
Analyze → Nonparametric Tests → Legacy Dialogs – 2
1. Langkah pertama : Input Data Related Samples

1 = kurang
2 = baik

3. Langkah ketiga : Masukkan variabel ke kotak Test

Pairs. Selanjutnya centang kotak Sign pada Test
Type, kemudian klik Ok
 Uji Tanda dengan SPSS
4. Langkah Keempat : Pengambilan keputusan dan penarikan kesimpulan
 Uji Wilcoxon

Pengembangan dari Uji Sign adalah Uji Wilcoxon. Dengan uji Wilcoxon, kita tidak hanya mendapatkan arah tetapi juga
menggunakan ranking dari masing-masing kedua data. Jadi kedua sampel dilakukan ranking lalu ranking itulah yang diuji
bedanya. Jadi kita dapat mendapatkan informasi yang lebih dibandingkan dengan uji Sign. Dengan uji Wilcoxon, kita tidak
hanya mendapatkan informasi  bahwa kedua sampel berbeda atau tidak, tetapi juga bisa menentukan sampel mana yang
lebih tinggi (atau lebih rendah).
 Fungsi Uji Wilcoxon
Karena menguji besar perubahan antar data, maka Uji Wilcoxon jauh lebih powerfull dari uji tanda. Uji Wilcoxon bisa kita
terapkan jika asumsi pada uji t berpasangan tidak terpenuhi. Pada uji t, selisih antara dua data berpasangan harus
berdistribusi normal. Sedangkan, pada Uji Wilcoxon tidak memerlukan asumsi kenormalan data.
 Syarat Uji Wilcoxon
Ada beberapa syarat/asumsi yang harus terpenuhi sebelum melakukan pengujian, di antaranya adalah
Penarikan sampel melalui proses pemilihan acak
Data berasal dari dua sampel yang saling berhubungan (dependen)
Skala data minimal ordinal
Tidak mensyaratkan kenormalan data, karena itu Uji Wilcoxon termasuk dalam salah satu uji nonparamterik.
 Uji Tanda dengan SPSS
 Penentuan Ranking
Berikut adalah ketentuan dalam perhitungan ranking dalam Uji Wilcoxon
1. Pertama hitung selisih antara dua data X – Y.
2. Kemudian tentukan ranking pada selisih tersebut dengan ketentuan sebagai berikut
– Jika selisih dua data adalah nol (X – Y = 0), maka data tersebut tidak kita hitung dan dihilangkan dalam analisis.
Akibatnya, jumlah data yang semulanya N akan berkurang sebanyak pasangan dengan selisih dua datanya nol.
– Jika ada data dengan nilai selisih yang sama, maka data tersebut kita beri ranking yang sama dengan cara merata-
ratakan nilai ranking.
Contohnya, kita punya data 0, 1, -2, 2, dan -2, 3. Data tersebut memiliki tiga nilai yang sama (tanda negatif atau positif
tidak diperhatikan). Sehingga pemberian ranking untuk ketiganya adalah
rank = (3+4+5)/3 = 4
Dengan ini rankingnya akan menjadi

Perhatikan bahwa data terakhir memiliki ranking = 6, ini karena ranking 4 dan 5 sudah terisi oleh
data yang bernilai 2.
 Tahapan Uji Wilcoxon
Tahapan dan prosedur dari Uji Wilcoxon adalah sebagai berikut
1. Merumuskan hipotesis
• Untuk uji dua arah
H0 : Tidak ada perbedaan data dua sampel berpasangan (median populasi sama Me1 = Me2))
H1 : Terdapat perbedaan data dua sampel berpasangan (median populasi berbeda Me1 ≠ Me2)
• Sedangkan pada uji satu arah
H0 : Tidak ada perbedaan data dua sampel berpasangan (median populasi sama Me1 = Me2))
H1 : Terdapat perbedaan dimana median populasi 1 lebih besar/kecil dari median populasi 2 (Me1 > Me2 atau Me1 <
Me2)
2. Menentukan tingkat signifikansi alpha

3. Tentukan ranking, kemudian pisahkan ranking-ranking berdasarkan tanda (+) dan (-)

4. Hitung jumlah ranking pada data dengan tanda (+) dan jumlah ranking pada data yang tandanya (-).
Selanjutnya tentukan T yang merupakan nilai minimum antara jumlah ranking (+) dan (-).
5. Menghitung statistik uji
• Untuk sampel kecil (N ≤ 25)
Pada sampel kecil, statistik uji yang kita gunakan adalah T. Nilai T ini akan kita bandingkan dengan titik kritis yang
tersedia pada tabel G di lampiran/halaman akhir artikel ini.
Jika nilai T  ≤ nilai tabel, maka tolak H0
• Untuk sampel besar (N > 25)
Pada sampel besar, kita dapat menghitung statistik uji dengan pendekatan distribusi normal. Rumusnya adalah sebagai
berikut

Rumus di atas kita gunakan jika tidak ada data dengan ranking yang sama. Namun, apabila terdapat ranking yang sama,
maka rumus akan disesuaikan dengan koreksi ragam. Formulanya adalah sebagai berikut

Setelah mendapat nilai Z, selanjutnya akan kita ambil keputusan dengan ketentuan sebagai berikut
Untuk hipotesis dua arah, tolak H0 saat |Z| > Zα/2 
Sedangkan untuk hipotesis satu arah, tolak H0 saat |Z| > Zα
 Contoh Kasus
1. Guna menguji manfaat sebuah suplemen pada berat ayam, seorang peternak mengambil sampel sebanyak 10 ekor
ayam. Peternak mencatat data berat ayam sebelum dan sesudah pemberian suplemen. Data tersebut tertera pada
tabel di bawah

Apakah terdapat perbedaan berat ayam sebelum dan sesudah pemeberian suplemen?
1. Hipotesisnya adalah
H  : Tidak ada perbedaan berat ayam sebelum dan sesudah pemberian suplemen. Sehingga tidak ada pengaruh
0

pemberian suplemen terhadap berat ayam

H  : Ada perbedaan berat ayam sesudah pemberian suplemen. Sehingga ada pengaruh pemberian suplemen
1

terhadap berat ayam

2. Tingkat signifikansi 5%
3. Menentukan ranking

4. Dari tabel di atas, kita dapatkan jumlah ranking untuk tanda (+) adalah 44. Sedangkan jumlah ranking untuk tanda (-)
adalah 11. Dari kedua jumlah tersebut, 11 merupakan nilai yang terkecil. Sehingga nilai T yang kita ambil adalah 11.

5. Pada tabel G (lampiran), nilai tabel untuk N = 10 adalah 8. Karena 11 > 8, maka kita ambil keputusan gagal tolak H0 .
Dengan demikian pada tingkat signifikansi 5% dan berdasarkan sampel yang ada,  dapat kita simpulkan bahwa tidak ada
perbedaan berat ayam sebelum dan sesudah pemberian suplemen.
 Contoh Kasus
2. Seorang dokter melakukan penelitian mengenai pengaruh obat terhadap kapasitas pernapasan pasien. Penelitian
dilakukan terhadap 15 pasien dengan mencatat kapasitas pernapasan sebelum dan sesudah pemberian obat. Hasil
penelitiannya adalah sebagai berikut

1. Hipotesis yang digunakan adalah

H0 : Tidak ada perbedaan kapasitas pernapasan pasien sebelum dan sesudah pemberian obat
H1 : Ada perbedaan kapasitas pernapasan pasien setelah pemberian obat
2. Tingkat signifikansi 5%
3. Menentukan ranking

4. Dari tabel di atas, kita dapatkan jumlah ranking yang bertanda (+) adalah 35. Jumlah ranking yang bertanda (-) adalah
56. Sedangkan jumlah data yang tidak mempunyai ranking adalah 2. Sehingga data yang semula 15, berkurang menjadi
13. Angka 35 kita jadikan nilai T karena merupakan nilai terkecil antara 35 dan 56.

5. Pada tabel G (Lampiran), nilai tabel untuk N = 13 adalah 17. Karena 35 > 17, maka kita ambil keputusan gagal tolak H0 .
Dengan demikian pada tingkat signifikansi 5% dan berdasarkan sampel yang ada, belum dapat kita katakan bahwa ada
pengaruh pemberian obat terhadap kapasitas pernapasan pasien.
 Contoh Kasus
3. Sebuah perusahaan konveksi menduga bahwa mesin jahit yang digunakan sekarang harus diganti agar mampu
meningkatkan produksi. Perusahaan kemudian mengambil sampel sebanyak 30 karyawan dan melihat banyaknya
produksi yang bisa ia hasilkan menggunakan mesin jahit saat ini dan mesin jahit yang baru. Berikut adalah hasil
produksi para karyawan

Ujilah apakah mesin baru memberikan produktivitas yang lebih baik

1. Hipotsisnya adalah
H0 : Tidak ada perbedaan produktivitas karyawan saat menggunakan mesin lama dan mesin baru
H1 : Produktivitas karyawan dengan mesin baru jauh lebih baik

2. Tingkat signifikansi 5%
3. Menentukan ranking

4. Dari tabel di atas, kita peroleh

jumlah ranking yang bertanda (+) =382
Sedangkan jumlah ranking yang bertanda (-) = 83
Karena 83 merupakan nilai terkecil, maka T = 83
Sebelum menghitung statistik uji, tentukan terlebih dahulu nilai koreksi ragam. Ini kita lakukan karena terdapat data
dengan ranking kembar. Hasil perhitungan koreksi ragam adalah sebagai berikut
5. Menghitung statistik uji

Kita peroleh nilai Z = -3.2. Selanjutnya kita bandingkan nilai ini dengan
Zα = Z0.05 = 1.645
Karena |Z| > 1.645, maka keputusan yang kita ambil adalah tolak H0. Dengan demikian, pada tingkat signifikansi 5% dan
berdasarkan data sampel yang ada, kita simpulkan bahwa memang terjadi peningkatan produksi karyawan ketika
menggunakan mesin jahit baru. Sehingga perusahaan harus mengganti mesin jahit dengan versi terbaru.
 UJI WILCOSON SPSS
Penerapan Uji Wilcoxon SPSS akan menggunakan data pada contoh soal no 3. Tahapannya adalah sebagai berikut
1. Langkah pertama : Input data

2. Langkah kedua : Memilih uji dua sampel berpasangan

Analyze → Nonparametric Tests → Legacy Dialogs – 2 Related Samples
3. Langkah ketiga : Masukkan variabel MesinLama ke Variable1 dan MesinBaru ke Variable 2 pada kotak Test Pairs. Selanjutnya
centang Wilcoxon pada Test Type, kemudian klik Ok dan akan muncul output pengujian

4. Langkah keempat : Pengambilan keputusan dan Kesimpulan

• Pada output Ranks di atas, kita peroleh nilai Sum of Ranks atau jumlah untuk tanda negatif sebesar 83 dan jumlah untuk tanda positif
sebesar 382. Sedangkan banyaknya data tanpa tanda adalah 0.

• Pada output Test Statistics, kita dapatkan nilai Z sebesar -3.08 dengan p-value 0.002 (lebih kecil dari 5%). Sehingga keputusan yang kita
ambil adalah tolak H0. Dengan demikian, dapat kita simpulkan bahwa memang terdapat pengaruh adanya mesin baru terhadap
produktivitas karyawan.
• Contoh Kasus dalam pengerjaan pengujian signifikansi (hipotesis)
Suatu kegiatan penelitian eksperimental, telah berhasil menemukan metode “ABG” sebagai metode baru
untuk mengajarkan mata kuliah Statistika II. Dalam rangka uji coba terhadap efektifitas atau keampuhan
metode baru itu, dilaksanakan penelitian lanjutan dengan mengajukan Hipotesis Nol (Nihil) yang
mengatakan : Tidak terdapat perbedaan yang signifikan nilai Statistika II antara sebelum dan sesudah di
terapkannya metode “ABG” sebagai metode mengajar mahasiswa UIB sem 6. Dalam rangka pengujian ini
diambil sampel sebanyak 20 mahasiswa. Gunakan taraf kepercayaan 95 % (alfa=5% ) untuk menguji
pernyataan (Hipotesis) tersebut.

• Datanya Sebagai berikut:

• Maka Langkah -langkah yang perlu dilakukan:

1. Menentukan Hipotesis yang digunakan, yaitu

(Tidak terdapat perbedaan yang signifikan antara hasil belajar sebelum dan sesudah)
(Terdapat perbedaan yang signifikan hasil belajar sebelum dan sesudah)

2. Tetapkan titik kritis yaitu alfa 5%

3. Tentukan daerah kritis, dengan db = n -1=20-1=19

4. Tentukan t hitung
•Memulai dengan menghitung D(selisih).
•Menghitung Standar Deviasi:

•Menghitung t hitung

5. Lakukan uji signifikansi

•Diketahui t tabel = 2,093. Sehingga |t hitung| > t tabel
Sehingga dapat disimpulkan:
Ho ditolak , sehingga disimpulkan bahwa terdapat perbedaan yang signifikan antara hasil belajar statistika II sebelum dan sesudah diterapkannya Metode “ABG”.
Cara diatas merupakan cara manual. Nah untuk tutorial dengan menggunakan software silahkan kesini:
SPSS
Excel
R statistic
Uji t (t-test)
•Dua sampel berhubungan (corelated)
•paired t test (before after)
•Dua sampel bebas (uncorelated)
•varian homogen
•varian heterogeny

Uji t Dua Sampel Berhubungan

Rumus :
D = Selisih nilai kelompok 1 dan kelompok 2
n = Ukuran sampel

CONTOH :
Sepuluh wanita peserta KB suntik. Sebelum dan sesudah 6 bulan penggunaan diukur tekanan darahnya. Adakah perbedaan
tekanan darah sistolik sebelum dan sesudah ber KB .

Wanita A B C D E F G H I J

Sebelum 128 130 133 127 124 134 139 128 132 132

Sesudah 139 129 132 130 126 129 133 130 128 130
Jawab :

Hipotesis

Ho = X1 = X2 tidak ada perbedaan tekanan darah anatara sebelum dan sesudah KB suntik Ha = X1 ≠ X2 ada perbedaan tekanan darah anatara sebelum dan sesudah KB suntik

Uji t (perhitungan nilai t)

Kriteria

Tolak Ho apabila harga thitung (to) sama atau lebih besar dari harga tabel atau sama atau lebih kecil dari harga - tabel

tabel(t(1-1/2α)(n-1))
 Perhitungan

Kesimpulan :

• Maka Ho diterima
• Berarti tidak ada perbedaan tekanan darah anatara sebelum dan sesudah KB suntik.
• KB suntik tidak berpengaruh nyata terhadap tekanan darah
CONTOH :
Sepuluh wanita peserta KB suntik. Sebelum dan sesudah 6 bulan penggunaan diukur tekanan darahnya. Adakah perbedaan
tekanan darah sistolik sebelum dan sesudah ber KB.
Wanita A B C D E F G H I J
Sebelum 128 130 133 127 124 134 139 128 132 132
Sesudah 131 129 132 130 126 129 133 130 128 130

Jawab :
Hipotesis
Ho = X1 = X2 tidak ada perbedaan tekanan darah anatara sebelum dan sesudah KB suntik Ha = X1 ≠ X2 ada perbedaan
tekanan darah anatara sebelum dan sesudah KB suntik
Uji t (perhitungan nilai t)

Kriteria
Tolak Ho apabila harga t hitung (to) sama atau lebih besar dari harga t tabel (t(1-1/2α)(n-1))
 Kesimpulan :
• Maka Ho diterima
• Berarti tidak ada perbedaan tekanan darah anatara sebelum dan
sesudah KB suntik.
• KB suntik tidak berpengaruh nyata terhadap tekanan darah
 Uji Marginal Homogeneity

Uji Marginal Homogeneity termasuk uji statistik nonparametrik.

Uji ini dilakukan untuk tes dua sampel yang saling berhubungan
dan merupakan perluasan dari uji McNemar. Penggunaan uji ini
untuk melihat apakah terdapat perbedaan atau perubahan antara
dua peristiwa sebelum dan sesudahnya. Kategori data yaitu data
kategori multinominal lebih dari 2 x 2. Uji Marginal homogeneity
sudah terdapat di SPSS Versi 26 dan beberapa versi sebelumnya.
Metode ini lebih powerfull dibandingkan ketiga metode lainnya
yang telah dibahas di atas.
 CONTOH KASUS

1. Seorang peneliti sosial mengambil sampel 30 responden yang akan dimintai pendapat terhadap pencabutan
program JPS (Jaring Pengaman Sosial). Data dicatat sebelum dan sesudah sosialisasi yang dilakukan melalui media
TV, cetak dan sosialisasi langsung di masyarakat. Ada tiga kategori jawaban yaitu : 0 = Tidak setuju, 1 = ragu-ragu, 2
= setuju. Data yang diperoleh sebagai berikut :

Langkah-langkah analisis :
1) Klik Analyze > Nonparametric Test > 2 Related Samples
2) Masukkan kedua variabel ke kolom Test Pair List
3) Pilih Marginal Homogeneity
4) Klik Continue
5) Kemudian OK
Kesimpulan

Dengan menggunakan uji beda dua sampel yang berhubungan, kita bisa
mengeleminir adanya pengaruh dari variabel lain yang tidak menjadi topik dalam
penelitian. Dengan adanya kontrol dari 'diri sendiri' maka unsur bias tersebut dapat
direduksi. Untuk non parametrik, setidaknya tersedia alat analisis yang beragam,
karena data non parametrik juga mempunyai variasi yang beragam, dari nominal,
ordinal, berbentuk distribusi frekuensi ataupun sebenarnya rasio tetapi tidak
memenuhi asumsi normalitas.
 Kelompok 06

Terimakasih
Apa ada pertanyaan?