Assalamu’alaikum

(5 Langkah Pengujian Hipotesis)
Alat Analisis Uji Komparasi untuk Statistika Parametrik
1. Uji t
– Uji beda rata-rata dua kelompok sampel)
• sampel bebas
• sampel berhubungan (beda perlakuan)

2. Uji Anova
– Uji beda rata-rata lebih dari dua kelompok sampel
• satu jalan : satu klasifikasi atau satu variabel
independen
• dua jalan : lebih dari satu variabilitas (perlakuan
dan kelompok/blok)
3. Uji chi-kuadrat

− uji beda frekuensi (untuk data nominal)
• Frekuensi yang diharapkan sama
• Frekuensi yang diharapkan tidak sama

4. Uji untuk data ordinal (data berperingkat)

− Uji Tanda
− Uji Wilcoxon
Alat Analisis untuk Statistika Non Parametrik
1. Uji chi-kuadrat
– Uji independensi / analisis kontinjensi untuk menguji
ada atau tidaknya hubungan antara dua fenomena
(Independensi)
– Dalam kita akan menguji bahwa dua sifat/karakter
pada baris dan kolom berhubungan/tidak.

– Hal-hal penting :
• Derajat bebas df= (r – 1)(c – 1)
• Sampel uji independensi harus cukup besar, agar
nilai fe masing-masing sel minimal 5
Alat Analisis Uji Independensi Statistika Non Parametrik
Contoh Uji Kontingensi
• Sebuah perusahaan minuman ingin mengetahui adakah
hubungan antara jenis kelamin konsumen dengan rasa
dari produk minuman yang dibeli. Tim Marketing
melakukan penelitian terhadap 200 sampel pada tabel
• Pada taraf nyata 5% ujilah adakah hubungan antara
pilihan rasa produk minuman dengan jenis kelamin

jahe anggur apel lemon Total
pria 27 35 33 25 120
wanita 13 15 27 25 80
Total 40 50 60 50 200
Jawab :
• Langkah 1 :
– H0 : Tidak ada hubungan antara jenis kelamin
dengan pilihan rasa minuman
– H1 : Terdapat hubungan antara jenis kelamin dengan
pilihan rasa minuman
• Langkah 2 : o = 0,05
• Langkah 3 : Rumus statistik chi-square :
• Langkah 4 : Aturan pengambilan keputusan
– derajat bebas (r – 1) (c – 1) = (2 – 1) (4 – 1) = 3
– db=3, dan o = 0,05
– Didapatkan Nilai kritis _
2
= 7,815


¿ (
¸
(

¸

÷
=
e
e
f
f f
2
0
2
) (
_
• Langkah 5 :
jahe anggur apel lemon Total
f
o
f
e
f
o
f
e
f
o
f
e
f
o
f
e
f
o
f
e

pria 27 24 35 30 33 36 25 30 120 120
wanita 13 16 15 20 27 24 25 20 80 80
Jumlah 40 40 50 50 60 60 50 50 200 200
20 = (50 x 80) / 200
Harus sama
Harus sama
30 = (50 x 120) / 200
f
o
f
e
f
o
– f
e
( f
o
– f
e
)
2

( f
o
– f
e
)
2

f
e

27 24 3 9 0,375
35 30 5 25 0,833333
33 36 -3 9 0,25
25 30 -5 25 0,833333
13 16 -3 9 0,5625
15 20 -5 25 1,25
27 24 3 9 0,375
25 20 5 25 1,25
Jumlah 0 5,729167
Tidak
menolak H
O

Daerah
penolakan
(· = 5%)
Nilai kritis = 7,815
Skala _
2

_2 hitung = 5,729
Kesimpulan :
– Karena nilai _2 hitung (= 5,729) lebih kecil dari nilai
_2 tabel (= 7,815), maka HO diterima dan H1 ditolak,
– berarti tidak terdapat hubungan antara jenis kelamin
konsumen dengan pilihan rasa minuman energi
ANALSIS KORELASI
NON PARAMETRIK
Uji Hubungan/Asosiasi
• Untuk mengetahui hubungan antara dua variabel atau
lebih dilakukan dengan menghitung korelasi antar
variabel

• Konsep dasarnya adalah apakah tinggi rendahnya skor
atau frekuensi suatu variabel akan diikuti oleh tinggi
rendahnya skor atau frekuensi variabel lainnya



(Nurgiyantoro, 2004)
Koefisien Korelasi
• Koefisien Korelasi merupakan angka yang menunjukkan
arah dan kuatnya hubungan linier antar dua variabel
atau lebih

– Arah dinyatakan dalam bentuk hubungan positif atau
negatif

– Kuatnya hubungan dinyatakan dalam besarnya
koefisien korelasi


(Sugiyono, 2007)
Arah Hubungan
• Jika kenaikan nilai variabel X selalu disertai kenaikan
variabel Y, dan sebaliknya turunnya nilai variabel X
selalu diikuti oleh turunnya nilai variabel Y
• Disebut hubungan positif

• Jika jika kenaikan nilai variabel X selalu disertai
penurunan nilai variabel Y, dan sebaliknya penurunan
nilai variabel X selalu diikuti oleh nilai variabel Y
• Disebut hubungan negatif
Kuatnya Hubungan
• Koefisien korelasi positif terbesar = +1
• Koefisien korelasi negatif terbesar = -1

• Hubungan yang sempurna (+1 atau -1) berarti kejadian
pada satu variabel akan dapat dijelaskan oleh variabel
yang lain tanpa terjadi kesalahan (error)

• Semakin kecil koefisien korelasi (makin mendekati 0),
maka akan semakin besar error untuk membuat prediksi
• Besarnya koefisen korelasi dapat teramati berdasarkan
bentuk diagram pencar





• Bila titik-titik pada diagram pencar membentuk garis
maka korelasinya kuat, bila cenderung berbentuk
lingkaran maka korelasinya lemah
0
10
20
30
40
50
60
70
80
0 10 20 30 40
Korelasi
Negatif
Korelasi
Positif
Korelasi
Negatif
Sempurna
Korelasi
Positif
Sempurna
Tidak ada
Korelasi
–1,00 –0,50 0 0,50 1,00
Sedang
Sedang
Kuat
Kuat
Lemah Lemah
Menentukan Alat Analisis Korelasi
Berdasarkan Jenis Data
Macam/Tingkatan
Data
Teknik Korelasi
Yang Digunakan
Nominal 1. Koefisien Kontingensi

Ordinal 1. Spearman Rank
2. Kendal Tau
Interval dan Rasio 1. Pearson Product Momen
2. Korelasi Ganda
3. Korelasi Parsial
(Sugiyono, 2007)
Beberapa macam uji korelasi dua kelompok data
• Korelasi product-moment Pearson (r)
– Untuk menguji hubungan antar sesama data interval
• Korelasi tata-jenjang (rank order correlation)
– Untuk menguji hubungan antara data berskala ordinal
• Korelasi point-biserial
– Untuk menguji hubungan antara data berpasangan
yang berskala interval dan data berskala nominal


(Nurgiyantoro, 2004)

Uji korelasi lebih dari dua kelompok data
• Korelasi antar variabel
– Untuk menguji korelasi dari banyak variabel yang
kemudian masing-masing dipasangkan
• Korelasi parsial
– Jika dalam korelasi antar variabel tersebut terdapat
variabel yang dikontrol
• Korelasi ganda
– Jika satu variabel dikorelasikan dengan beberapa
variabel

(Nurgiyantoro, 2004)

Koefisien Kontingensi
• Koefisien Kontingensi disamping bisa digunakan untuk
menguji hipotesis komparatif k sampel untuk data non
parametris juga bisa digunakan untuk menghitung
hubungan antar variabel untuk data nominal

• Rumus koefisien kontingensi C:


• Dimana _2 adalah



2
2
_
_
+
=
N
C
¿ (
¸
(

¸

÷
=
e
e
f
f f
2
0
2
) (
_
Contoh Uji Kontingensi
• Sebuah perusahaan minuman ingin mengetahui adakah
hubungan antara jenis kelamin konsumen dengan rasa
dari produk minuman yang dibeli. Tim Marketing
melakukan penelitian terhadap 200 sampel pada tabel
• Pada taraf nyata 5% ujilah adakah hubungan antara
pilihan rasa produk minuman dengan jenis kelamin

jahe anggur apel lemon Total
pria 27 35 33 25 120
wanita 13 15 27 25 80
Total 40 50 60 50 200
• Nilai hitung _
2
= 5,7292 (lihat Bab Kontingensi)
• Nilai tersebut dimasukkan ke dalam rumus koefisien
kontingensi C




• Selanjutnya untuk menguji signifikansi koefisien
kontingensi C dilakukan dengan membandingkan
dengan nilai tabel _
2


17 , 0
7292 , 5 200
7292 , 5
2
2
=
+
=
+
=
_
_
N
C
Tidak
menolak H
O

Daerah
penolakan
(· = 5%)
Nilai kritis = 7,815
Skala _
2

_2 hitung = 5,729
Kesimpulan :
– Ho diterima dan Ha ditolak,
– Berarti hubungan antara jenis kelamin konsumen
dengan pilihan rasa minuman dengan koefisien
kontingensi sebesar 0,17 tersebut tidak signifikan,
– atau tidak terbukti terdapat hubungan antara jenis
kelamin konsumen dengan pilihan rasa minuman
Korelasi Tata Jenjang/ Urutan Peringkat
• Analisis korelasi tata jenjang/ urutan peringkat
digunakan untuk mengkorelasikan antara dua kelompok
data berskala ordinal / berperingkat / urutan jenjang

• Dua macam rumus korelasi tata jenjang:
– Korelasi Spearman rank

– Korelasi Kendal Tau



) 1 (
6
1
2
2
÷
÷ =
¿
n n
d
µ
2
) 1 ( ÷
¿ ÷ ¿
=
N N
B A
t
Korelasi Spearman Rank
• Analisis korelasi tata jenjang/ urutan peringkat
Spearman (Spearman Rank) digunakan untuk
mengkorelasikan antara dua kelompok data berskala
ordinal/ berperingkat /urutan jenjang dan bebas distribusi

• Rumus Korelasi Spearman rank


• Data dikonversi ke bentuk peringkat/ ordinal



) 1 (
6
1
2
2
÷
÷ =
¿
n n
d
µ
Contoh 1. Uji Korelasi
Tata Jenjang Spearman
• Data kehadiran dan nilai
hasil pelatihannya adalah
sbb:
• Ujilah hubungan antara
kehadiran dengan nilai
pelatihan dengan uji
Spearman rank

• Data (diubah) dalam
bentuk ranking/ordinal
per masing-masing
kolom)

Nama
Ranking
Kehadiran
Ranking Nilai
Pelatihan
Anu
1 2
Banu
2 3
Cenu
3 1
Danu
4 4
Enu
5 5
Finu
6 6
Ganu
8 9
Hanu
9 7
Inu
7 8
Janu
10 10
Nama
Rangking
(X
1
)
Rangking
(X
2
)
Beda
peringkat (d)
Kuadrat
(d
2
)
Anu
1 2 -1 1
Banu
2 3 -1 1
Cenu
3 1 2 4
Danu
5 4 1 1
Enu
4 5 -1 1
Finu
6 6 0 0
Ganu
8 9 -1 1
Hanu
9 7 2 4
Inu
7 8 -1 1
Janu
10 10 0 0
0 14
Dari data ordinal bentuk rangking dicari beda peringkatnya









• Nilai rs = 0,9152 menunjukkan hubungan yang sangat
kuat antara urutan kehadiran dan nilai pelatihan

) 1 (
6
1
2
2
÷
÷ =
¿
n n
d
r
s
9152 , 0 0848 , 0 1
) 99 ( 10
84
1
) 1 10 ( 10
) 14 )( 6 (
1
2
= ÷ = ÷ =
÷
÷ =
s
r
Latihan. Uji Korelasi
Tata Jenjang Spearman
• Ranking hasil penilaian lomba
debat Ekonomi Islam dari 2
juri adalah sbb:


• Ujilah keeratan hubungan
penilaian Juri I dan Juri II
dengan Spearman Rank

Nama
Peserta
Ranking
Juri I
Ranking
Juri II
Alan
8 8
Belan
3 1
Celan
4 3
Dahlan
7 7
Elan
2 4
Fulan
1 2
Galan
5 5,5
Hilan
6 5,5
Contoh 2. Uji Korelasi
Tata Jenjang Spearman
• Penilaian karyawan dilakukan
oleh Atasan Langsung dan
oleh Manajer HRD dengan
hasil penilaian sbb:

• Korelasi Spearman rank
bekerja dengan data ordinal,
maka data dalam bentuk
ranking/ordinal
• (Data diubah menjadi data
ordinal bentuk ranking/
masing-masing kolom)
Nama
Nilai
Atasan
Nilai
HRD
Aryo
9 8
Baryo
6 7
Caryo
5 6
Daryo
7 8
Eryo
4 5
Faryo
3 4
Garyo
2 2
Haryo
8 9
Iryo
7 8
Jaryo
6 6
Data diubah menjadi data ordinal bentuk ranking/ masing-
masing kolom
Nama
Nilai
Atasan
Nilai
HRD
Ranking
Nilai Atasan
Ranking
Nilai HRD
Aryo
9 8 10 8
Baryo
6 7 5,5 6
Caryo
5 6 4 4,5
Daryo
7 8 7,5 8
Eryo
4 5 3 3
Faryo
3 4 2 2
Garyo
2 2 1 1
Haryo
8 9 9 10
Iryo
7 8 7,5 8
Jaryo
6 6 5,5 4,5
NIP
Rangking
(X
1
)
Rangking
(X
2
)
Beda
peringkat
(d)
Kuadrat
(d
2
)
01 10 8 2 4
02 5,5 6 -0.5 0.25
03 4 4,5 -0.5 0.25
04 7,5 8 -0.5 0.25
05 3 3 0 0
06 2 2 0 0
07 1 1 0 0
08 9 10 -1 1
09 7,5 8 -0.5 0.25
10 5,5 4,6 1 1
Jml - - 0 7
Dari data
ordinal bentuk
rangking
dicari beda
peringkatnya



= 1 – [(6) (7)] / [10 (10.10 – 1)]
= 1 – [0,04]
= 0,96

• Nilai rs = 0,96 menunjukkan hubungan yang kuat antara
penilaian atasan dan penilaian HRD

) 1 n ( n
d 6
1 r
2
2
s
÷
÷ =
¿
Uji signifikansinya:
• Untuk menguji bahwa angka koefisien korelasi sebesar
0,96 tersebut signifikan atau hanya terjadi secara
kebetulan maka perlu dilakukan uji signifikansi
menggunakan rumus
s
s
r
n
r t
÷
÷
=
1
2
58 , 13 200 96 , 0
04 , 0
8
96 , 0
96 , 0 1
2 10
96 , 0 = = =
÷
÷
= t
Uji signifikansi
Membandingkan t hitung dengan t tabel
• t tabel untuk df= n – 2 = 10 – 2 = 8 dengan α= 5%
• Diperoleh nilai t tabel = 1,860
0
H
0
diterima
H1 ditolak
H0 ditolak
H1 diterima

1,860
Lihat tabel t-student uji satu arah
Pada (df= 8; o 5% ) → t-tabel =1,860
13,58
t-hitung
Kesimpulan:
• Nilai t hit 13,58 > nilai t tab 1,860, Ho ditolak (H
1

diterima).
• Hal ini berarti hubungan antara penilaian atasan dan
penilaian HRD dengan koefisien korelasi sebesar 0,96
tersebut terbukti signifikan

PR:
• Ujilah keeratan hubungan
antara hasil test dengan
kemampuan penjualan
tenaga marketing berikut:

Nama
Peserta
Hasil
Test
Hasil
Penjualan
Ajo 63 478
Bejo 80 643
Cajo 78 620
Dejo 67 514
Ejo 83 597
Fijo 90 635
Gijo 75 579
Hijo 72 593
Korelasi Kendal Tau
• Analisis korelasi tata jenjang/ urutan peringkat Kendal
Tau digunakan untuk mengkorelasikan antara dua
variabel atau lebih, jika data berskala ordinal/
berperingkat /urutan jenjang

• Kelebihan teknik ini bila digunakan untuk menganalisis
sampel dengan jumlah anggota lebih dari 10, serta dapat
dikembangkan untuk mencari koefisien korelasi parsial

• Rumus Korelasi Kendal Tau
2
) 1 ( ÷
¿ ÷ ¿
=
N N
B A
t
Contoh Uji Korelasi
Tata Jenjang Kendal Tau
• Data kehadiran dan nilai
hasil pelatihannya adalah
sbb:
• Ujilah hubungan antara
kehadiran dengan nilai
pelatihan dengan uji
Spearman rank

• Data (diubah) dalam
bentuk ranking/ordinal
per masing-masing
kolom)

Nama
Ranking
Kehadiran
Ranking Nilai
Pelatihan
Anu
1 2
Banu
2 3
Cenu
3 1
Danu
4 4
Enu
5 5
Finu
6 6
Ganu
8 9
Hanu
9 7
Inu
7 8
Janu
10 10
Menjumlahkan peringkat yang lebih tinggi dan lebih rendah
Nama
Ranking
Kehadiran
Ranking Nilai
Pelatihan
Peringkat
yang
lebih tinggi
Peringkat
yang
lebih rendah
Anu
1 2 8 1
Banu
2 3 7 1
Cenu
3 1 7 0
Danu
4 4 6 0
Enu
5 5 5 0
Finu
6 6 4 0
Ganu
8 9 1 2
Hanu
9 7 2 0
Inu
7 8 1 0
Janu
10 10 0 0
dst 41 4
2
) 1 ( ÷
¿ ÷ ¿
=
N N
B A
t
82 , 0
45
37
2
) 1 10 ( 10
4 41
2
) 1 (
= =
÷
÷
=
÷
¿ ÷ ¿
=
N N
B A
t

• Nilai ז = 0,82 menunjukkan hubungan yang sangat kuat
antara kehadiran dengan nilai pelatihan

Uji signifikansinya:
• Untuk menguji bahwa angka koefisien korelasi sebesar
0,84 tersebut signifikan atau hanya terjadi secara
kebetulan maka perlu dilakukan uji signifikansi
menggunakan uji z dengan rumus
) 1 ( 9
) 5 2 ( 2
÷
+
=
N N
N
z
t
38 , 3
2485 , 0
84 , 0
810
50
84 , 0
) 1 10 )( 10 ( 9
] 5 ) 10 ( 2 [ 2
84 , 0
= = =
÷
+
= z
0
z -3
½o
½o
Kesimpulan:
Nilai z hit 3,38 > nilai z tab 1,96, Ho ditolak (H
1
diterima).
Berarti hubungan antara kehadiran dan nilai pelatihan
dengan koefisien korelasi sebesar 0,84 tersebut terbukti
signifikan
(0,95)
z kritis
-1,96
Z kritis
1,96
(0,95)
Daerah penerimaan Ho
Daerah
penolakan Ho
Daerah
penolakan Ho
z hitung
= 3,38
Korelasi Poin Biserial
• Analisis korelasi poin biserial digunakan jika data
berpasangan yang akan dicari hubungannya berupa
data berskala interval dan nominal dikotomis (benar-
salah, pria-wanita)

• Data skala nominal biasanya dikategrikan dengan
simbol, misal benar=1, salah= 0

• Rumus Korelasi poin biserial
pq
s
X X
r
q p
pbi
÷
=

Sign up to vote on this title
UsefulNot useful