Anggota Kelompok
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
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
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.
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 4. Karena menggunakan uji dua arah, maka
1. Hipotesisnya adalah nilai tabelnya adalah 3.841
H0 : Tidak ada perbedaan suara sebelum dan sesudah adanya debat (P1=P2) Nilai statitik uji = 4.03 lebih besar dari 3.841,
H1 : Ada perbedaan suara sebelum dan sesudah adanya debat (P1≠P2) sehingga kita ambil keputusan tolak
2. Tingkat signifikansi 5% H0. Dengan demikian, pada tingkat signifikansi
3. Statistik uji 5% dapat kita nyatakan bahwa terdapat
Dengan B = 21 dan C = 9, maka nilai statistik ujinya adalah 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%
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
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
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. Menghitung tanda Karena penurunan konsumsi rokok merupakan hal yang diharapkan, maka
setiap penurunan akan diberi tanda (+).
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
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
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
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
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
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
• 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.
(Tidak terdapat perbedaan yang signifikan antara hasil belajar sebelum dan sesudah)
(Terdapat perbedaan yang signifikan hasil belajar sebelum dan sesudah)
4. Tentukan t hitung
•Memulai dengan menghitung D(selisih).
•Menghitung Standar Deviasi:
•Menghitung t hitung
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
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
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?