ANALISIS KOMPARASIONAL

TEKNIK ANALISIS KOMPARASIONAL
Teknik analisis komparasional adalah salah satu teknik analisis dalam statistik yang
digunakan untuk menguji hipotesis sebagai upaya penerikan kesimpulan dalam penelitian
komparasional. Analisis ini juga dapat digunakan untuk menguji ada atau tidaknya perbedaan
antar variabel yang sedang diteliti, sehingga diperoleh kesimpulan apakah perbedaan ini
cukup berarti (signifikan) atau hanya kebetulan. Dalam pengujian ini, apabila Ho diterima,
berarti nilai perbandingan dua sampel atau lebih tersebut dapat digeneralisasikan untuk
seluruh populasi dimana sampel-sampel diambil dengan taraf kesalahan tertentu.
Terdapat dua model dalam teknik analisis komparasional. Pertama, komparasi antara
dua sampel dan kedua komparasi antara lebih dari satu sampel yang sering disebut komparasi
k sampel. Beberapa penulis yang lain mengatakan bahwa komparasi antara dua sampel
disebut sebagai analisis komparasi bivariat dan komparasi k sampel disebut sebagai analisis
komparasi multivariat. Selanjutnya, setiap model komparasional tersebut, sampelnya terbagi
lagi menjadi dua yaitu sampel yang berkorelasi (berpasangan) dan sampel tidak berkorelasi
(sampel tidak berpasangan) atau sampel independen.
Sampel berkorelasi (berpasangan) adalah sampel yang di dalam penelitiannya
membandingkan nilai pretest dan posttest atau membandingkan kelompok eksperimen dan
kelompok kontrol. Sedangkan sampel tidak berkorelasi (sampel tidak berpasangan) atau
sampel independen adalah sampel yang di dalam penelitiannya membandingkan sampel yang
tidak berkaitan satu sama lain. Berbagai bentuk komparasi sampel disajikan pada tabel
berikut:
Tabel
Berbagai Bentuk komparasi sampel
Dua Sampel (Bivariat)
Berpasangan
Independen
k sampel (multivariat)
Berpasangan
Independen
Hal lain yang perlu diperhatikan dalam pengujian komparatif dua sampel atau lebih
adalah teknik statistik yang digunakan. Ada beberapa teknik statistik yang dapat digunakan
dalam analisis ini tergantung pada bentuk komparasi dan jenis datanya. Apabila datanya
interval dan rasio maka digunakan statistik parametris dan apabila datanya nominal atau
diksrit maka digunakan statistik non parametrik. Berikut adalah jenis-jenis teknik statisti
untuk menguji hipotesis komparatif.
Tabel
1
Analisis Komparasional
Jenis Teknik statistik untuk menguji Hipotesis Komparatif
Jenis
Data
Interval / Ratio
Bentuk Komparasi
Dua Sampel (Bivariat)
Korelasi
t-test* dua
sampel
Independen
t-test* dua
sampel
Fisher Exact
Nominal
Mc Nemar
k Sampel (Multivariat)
Chi Quadrat two

sample
Korelasi
Independen
One way
anova*
One way
anova*
Two way
anova
Two way
anova
Chi Quadrat
for k sample
Chi Quadrat
for k sample
Cochran Q
Median Test
Sign test
Ordinal
Wilcoxon
matched pairs
Mann-Whitney
(U-test)
Friedman
Kolomogorov
Smirnov
Two way
anova
WaldWolfowidtz
Median
Extencion
Kruskalwalls
One way
anova
A. KOMPARATIF DUA SAMPEL (KOMPARATIF UNTUK BIVARIAT)

Terdapat tiga macam hipotesis komparatif dua sampel yaitu:
1. Uji dua pihak
Untuk uji dua pihak, bentuk hipotesisnya adalah:
Ho: 1 = 2 dan H1: 1 2
2. Uji Pihak kiri
Untuk uji pihak kiri, bentuk hipotesisnya adalah:
Ho: 1 2 dan H1: 1 < 2
3. Uji Pihak Kanan
Untuk uji pihak kiri, bentuk hipotesisnya adalah:
Ho: 1 2 dan H1: 1 > 2
1. SAMPEL BERKORELASI (SAMPEL BERPASANGAN)
2
a. Statistik parametrik
Untuk pengujian dengan statistik parametrik untuk sampel berkorelasi (berpasangan)
hanya satu jenis pengujian yang digunakan yaitu uji t (t-test). Rumusnya adalah sebagai
berikut:
t=
2
X 1 X
V 12 V 2 2
S
+
2 r 1
n1 n2
n1
S2
n2
( )( )
keterangan:
X 1
= rata-rata sampel 1
X 2
= rata-rata sampel 2
V12
= variansi sampel 1
V22
= variansi sampel 2
S1
S2
= simpangan baku sampel 1

= simpangan baku sampel 2
Contoh:
Dilakukan suatu penelitian untuk mengetahui ada atau tidaknya perbedaan hasil belajar
kimia 25 orang siswa sebelum dan setelah diberi les tambahan.
Hipotesisnya (dua pihak):
Ho : Tidak terdapat perbedaan hasil belajar kimia siswa antara sebelum dan setelah diberi
les tambahan
H1 : Terdapat perbedaan hasil belajar kimia siswa antara sebelum dan setelah diberi les
tambahan
Adapun nilai hasil belajar kimia 25 orang siswa SMA sebelum dan sesudah diberi les
tambahan dapat dilihat pada tabel berikut:
Tabel 1.3
Nilai Hasil Belajar Kimia 25 Orang Siswa
Sebelum dan Sesudah Diberi Les Tambahan
No. Responden
1
2
3
Nilai Hasil Belajar Kimia

Sebelum
Sesudah
75
85
80
90
65
75
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
X 1
Rata-Rata
Simpangan Baku
Varians
70
75
80
65
80
90
75
60
70
75
70
80
65
75
70
80
65
75
80
70
90
70
= 74,00
S1 = 7,50
V12 = 56,25
X 2
75
75
90
70
85
95
70
65
75
85
65
95
65
80
80
90
60
75
85
80
95
75
= 79,20
V1 = 10,17
V22 = 103,50
Berdasarkan hasil analisis korelasi antara sebelum dan setelah diberikan les tambahan,
maka didapatkan r = 0,866. Jadi nilai t-hitung adalah:
t=
t=
2
X 1 X
V 12 V 22
S
+
2 r 1
n1 n2
n1
S2
n2
( )( )
7479,20
56,25 103,5
7,5
+
2(0,866)
25
25
25
( )( 10,17
25 )
t=4,925
harga t tersebut selanjutnya dibandingkan dengan harga t-tabel. Dengan dk = n 1 + n2 2 =
25 + 25 2 = 48. Dengan dk = 48 dan taraf signifikansi 0,05 maka nilai t-tabel = 2,013.
Dengan demikian nilai t-hitung lebih kecil dari t-tabel (-4,952 < 2,013). Sehingga Ho
ditolak dan H1 diterima. Jadi Terdapat perbedaan hasil belajar kimia siswa antara sebelum
dan setelah diberi les tambahan.
b. Statistik non parametrik
Teknik statistik non parametrik yang digunakan untuk pengujian hipotesis

komparatif dua sampel yang berkorelasi adalah Mc Nemar Test, Sign Test, dan Wilcoxon
Matched Pairs.
1) Mc Nemar Test
Teknik statistik ini digunakan untuk menguji hipotesis komparatif dua sampel yang
berkorelasi bila datanya berbentuk nominal. Test Mc Nemar berdistribusi Chi kuadrat ( 2),
oleh karena itu rumus yang digunakan untuk pengujian hipotesis adalah rumus chi kuadrat.
Rumusnya adalah sebagai berikut:
k
2=
i=1
( fofh)
fh
Keterangan:
fo
= frekuensi observasi
fh
= frekuensi harapan (ekspektasi)
Contoh:
24 orang siswa diwawancarai berkenaan dengan pelaksanaan pameran produk-produk yang
berasal dari bahan kimia dalam kehidupan sehari-hari. 9 orang diantaranya menganggap
bahwa pameran ada manfaatnya, 8 orang diantaranya mengatakan bahwa ada atau tidaknya
pelaksanaan pameran sama saja, dan 7 orang tidak berpendapat apa-apa tentang pelaksanaan
pameran.
Rumusan hipotesis:
Ho
: tidak terdapat perbedaan yang signifikan antara frekuensi yang diobservasi dengan
frekuensi teoritis
H1
: terdapat perbedaan yang signifikan antara frekuensi yang diobservasi dengan

frekuensi teoritis.
Untuk menghitung 2 maka ditetapkan terlebih dahulu besarnya tiap-tiap frekuensi teoritis
untuk ketiga jenis pendapat siswa tersebut. Karena jumlah respondennya 24 orang maka
besarnya frekuensi harapan (teoritis) masing-masing pendapat adalah 8.
Tabel 1.4
Persiapan menghitung 2
2
fo
fh
(fofh)
fh
Pameran bermanfaat
0,125
Ada tidaknya pameran sama saja
Pendapat
Tidak ada pendapat
0,125
0,25
Jadi, nilai 2 = 0,25

Untuk penentuan 2 tabel digunakan rumus 2 = 2(1-)(b-1)
Keterangan = derajat signifikansi dan b = banyaknya baris
Jadi untuk = 0,05 dan b = 3 maka 2 tabel = 2 (1-0,05)(3-1) = 2 (0,95)(2) = 5,99
Kriteria pengujian:
Ho diterima apabila 2 hitung < 2 tabel.
Karena 0,25 < 5,99 maka Ho diterima. Sehingga tidak terdapat perbedaan yang signifikan
antara frekuensi yang diobservasi dengan frekuens teoritisnya. Artinya, usul untuk
mengadakan pameran produk-produk kimia yang berasal dari bahan kimia dalam kehidupa
sehari-hari hendaknya dipertimbangkan kembali sehingga semua siswa yang diwawancarai
menyatakan persetujuannya tentang pengadaan pameran tersebut.
2) Uji Sign Test (Uji Tanda)

Sign test digunakan untuk menguji hipotesis komparatif dua sampel yang berkorelasi,
bila datanya berbentuk ordinal. Teknik ini dinamakan uji tanda (sign test) karena data yang
akan dianalisis dinyatakan dalam bentuk tanda-tanda, yaitu tanda positif dan tanda negatif.
Sampel yang digunakan adalah sampel yang berpasangan, misalnya suami-istri, priawanita, pegawai negeri-swasta, dan lain-lain. Tanda positif dan negatif akan dapat diketahui
berdasarkan perbedaan nilai antara satu dengan yang lain dalam pasangan itu. Untuk sampel
yang kecil 25 pengujian dilakukan dengan menggunakan prinsip binomial dengan P = Q =
0 dimana N = banyak pasangan.
Hipotesis nol (Ho) yang diuji adalah: p(XA > XB) = p (XA < XB) = 0,5. Peluang
berubah dari XA ke XB = peluang berubah dari XB ke XA = 0,, atau peluang untuk
memperoleh beda yang bertanda positif sama dengan peluang untuk memperoleh beda yang
negatif. Jadi kalau tanda positif jauh lebih banyak dari tanda negatif atau sebaliknya, maka
Ho diterima. XA = nilai setelah ada perlakuan dan XB adalah nilai sebelum ada perlakuan.
Ho juga dapat diketahui berdasarkan median dari kelompok yang diobservasi. Bila jarak
antara median dengan tanda positif dan negatif sama dengan nol, maka Ho diterima. Jika
6
(XA XB) menunjukkan nilai perbedaan, dan m merupakan median dari perbedaan ini, maka
uji tanda dapat digunakan untuk menguji Ho: m = 0 dan Ha: m0 dengan peluang masingmasing = 0,5. Jadi Ho p = 0,5 dan Ha p 0,5.
Contoh:
Dinas pendidikan di suatu daerah ingin mengetahui pengaruh adanya kenaikan insentif guru
terhadap kesejahteraan guru . pada penelitian ini dipilih 20 orang guru beserta dengan
isterinya secara random. Jadi terdapat 20 pasangan suami isteri. Masing-masing suami dan
isteri diberi angket untuk diisi dengan pertanyaan sebagai berikut:
Berilah tanda penilaian tingkat kesejahteraan keluarga ibu/bapak sebelum
adanya kenaikan dan sesudah kenaikan dana insentif guru dar pemerintah.
Rentang nilai 1 s/d 10. Nilai 1 berarti sangat tidak sejahtera dan 10 berarti
sangat sejahtera.
Nilai sebelum ada kenaikan insentif
= ..........................
Hipotesis penelitiannya adalah:

Ho
: tidak terdapat perbedaan pengaruh yang signifikan insentif terhadap kesejahteraan

keluarga baik suami maupun isteri.
H1
: terdapat pengaruh positif dan signifikan kenaikan insentif yang diberikan oleh
perusahaan terhadap kesejahteraan keluarga baik menurut suami maupun menurut
isteri.
Tabel hasil pengisian angket dari responden adalah sebagai berikut:

Tabel 1.5
Data Tingkat Kesejahteraan Keluarga Menurut Isteri Dan Suami
sblm
2
2
4
5
4
2
1
2
1
7
4
5
2
3
6
Data dari isteri

sdh
beda
4
2
3
1
6
2
7
2
5
1
4
2
3
2
6
4
6
5
9
2
7
3
9
4
4
2
5
2
9
3
Ranking
4
5
4
4
5
4
4
2
1
4
3
2
4
4
3
sblm
1
4
2
6
2
3
1
2
1
2
4
6
2
2
5
Data dari suami

Sdh
beda
6
5
6
2
3
1
7
1
4
2
6
3
4
3
7
5
4
3
3
1
8
4
9
3
7
5
6
4
9
4
Ranking
1
4
5
5
4
3
3
1
3
5
2
3
1
2
2
3
2
3
1
2
7
4
8
2
3
4
2
5
1
1
2
4
1
5
5
1
4
2
1
2
6
5
6
3
4
5
1
4
2
2
1
5
2
4
4
Tabel 1.6
Peringkat Perubahan Kesejahteraan Keluarga Menurut Pasangan Isteri dan Suami
Rank Perubahan Menurut
Isteri
Suami
4
1
5
4
4
5
4
5
5
4
4
3
4
3
2
1
1
3
4
5
3
2
2
3
4
1
4
2
3
2
2
1
4
5
1
2
5
4
5
4
No.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
Arah
4
5
4
4
5
4
4
2
1
4
3
2
4
4
3
2
4
1
5
5
Tanda
>
>
<
<
>
>
>
>
<
<
>
<
>
>
>
>
<
<
>
>
1
4
5
5
4
3
3
1
3
5
2
3
1
2
2
1
5
2
4
4
+
+
+
+
+
+
+
-
Catatan: N berkurang bila n rank perubahan sama antara isteri dan suami
Berdasarkan tabel 1.6 terlihat tanda (+) sebanyak 7 dan tanda (-) sebanyak 13. Pada
tabel binomial dengan N =20 (N berkurang biloa tidak terjadi perbedaan, tida ada (+) atau
(-), dan p = 7 (tanda yang kecil) diperoleh tabel p = 0,132. Bila taraf kesalahan 0,05 maka
harga 0,132 ternyata lebih besar dari 0,05. Dengan demikian Ho diterima dan Ha ditolak.
Jadi dapat disimpulkan bahwa tidak terdapat pengaruh yang positif dan signifikan kenaikan
insentif terhadap kesejahteraan keluarga baik menurut isteri maupun menurut suami.
Untuk sampel yang besar > 25 dapat dilakukan pengujian chi kuadrat yang rumusnya:
( n1n2 )1 2
2
=
Dimana:
n1 = banyaknya data positif
n2 = banyaknya data negatif

contoh:
pada contoh berdasarkan tabel 1.6 dapat dihitung dengan menggunakan rumus tersebut:
( 713 )1 2
2=
Untuk membuktikan Ho ditolak atau diterima maka chi kuadrat tersebut dibandingkan
dengan chi kuadrat tabel dengan dk = 1. Nilai chi kuadrat tabel dengan dk = 1 dengan taraf
signifikansi = 0,05 adalah 3,841. (2,45 < 3,81) dengan demikian Ho diterima dan H a ditolak.
Hasilnya sama dengan perhitungan di atas.
3) Wilcoxon Match Pairs
Teknik ini merupakan penyempurnaan dari uji tanda. Kalau dalam uji tanda besarnya
selisih nilai angka antara positif dan negatif tidak diperhitungkan, sedangkan dalam uji
wilcoxon ini diperhitungkan. Seperti dalam uji tanda, teknik ini digunakan untuk menguji
hipotesis komparatif dua sampel yang berkorelasi bila datanya berbentuk ordinal
(berjenjang).
Contoh:
Dilakukan penelitian untuk menguji pengaruh pengadaan LCD terhadap keefektifan metode
mengajar guru. Pengumpulan data terhadap keefektifan metode mengajar guru dilakukan
sebelum dan sesudah pengadaan LCD. Data sebelum pengadaan LCD adalah Xa dan sesudah
pengadaan adalah Xb.
Hipotesis:
Ho
: LCD tidak berpengaruh terhadap efektivitas metode mengajar guru
H1
: LCD berpengaruh terhadap efektifitas metode mengajar guru
Adapun data hasil penelitian adalah sebagai berikut:

Tabel
Data Efektifitas Metode Mengajar Guru Sebelum dan Sesudah Pengadaan LCD beserta tabel
penolong wilcoxon.
No. Guru
Sebelum
(Xa)
Sesudah
(Xb)
Beda
Xb - Xa
Jenjang
Tanda Jenjang
+
1.
100
105
+5
7,5
7,5
0,0
2.
98
94
-4
5,5
0,0
5,5
3.
76
78
+2
2,5
2,5
0,0
4.
90
98
+8
9,0
9,0
0,0
5.
87
90
+3
4,0
4,0
0,0
6.
89
85
-4
5,5
0,0
5,5
7.
77
86
+9
10,0
10,0
0,0
8.
92
87
-5
7,5
0,0
7,5
9.
78
80
+2
2,5
2,5
0,0
10.
82
83
Jumlah
+1
1,0
1,0
T = 36,5
0,0
-18,5
Jumlah jenjang terkecil dari hasil perhitungan adalah 18,5 kemudian dibandingkan
dengan nilai t tabel. Untuk n = 10 dengan taraf signifikansi 0,05 (uji 2 pihak) nilai t tabel = 8.
Dengan demikian 18,5 > 8 maka Ho diterima. Jadi dapat disimpulkan bahwa pengadaan LCD
tidak berpengaruh terhadap efektifitas metode pembelajaran guru.
Bila sampel pasangan > 25, maka distribusinya akan mendekati distribusi normal
maka digunakan uji z dalam pengujiannya yaitu dengan rumus:
z=
T T
T
dimana T = jumlah rangking terkecil
untuk contoh diatas jika digunakan rumus tersebut maka:

T =
n(n+1)
4
dan
T =
n ( n+1 ) (2 n+1)
24
Dengan demikian,
n(n+1)
T T
4
z=
=
T
n ( n+1 ) (2 n+1)
24
T
10(10+ 1)
4
18,527,5
z=
=
9,8
10 ( 10+1 ) (2.10+1)
24
18,5
10
= -0,918
harga z tabel untuk -,918 adalah 1,96. Dengan demikian harga z hitung -0,918 lebih kecil dari
harga z tabel -1,96 dengan demikian Ho diterima. Jadi pengadaan LCD tidak mempengaruhi
keefektifan metode mengajar guru. Hasilnya sama dengan pengujian yang sebelumnya.
2. SAMPEL INDEPENDEN (SAMPEL TIDAK BERPASANGAN)
a. Statisik Parametris
Pengujian hipotesis dua sampel independen adalah menguji kemampuan generalisasi rata-rata
data dua sampel yang tidak berkorelasi. Untuk data yang bersifat statistik parametrik
digunakan statistik t-test. Terdapat dua rumus t-test yang dapat digunakan untuk menguji
hipotesis komparatif dua sampel independen. Rumus tersebut adalah:
a. Separated varians
x x
t= 1 2
S 12 S 22
+
n1 n2
b. Polled varians
t=
rumus (1)
x 1x 2
2
( n1n2 ) S 1 + ( n21 ) S 2 1 1
+
n1 +n2 2
(n n )
1
rumus (2)
petunjuk untuk memilih rumus t-test tersebut adalah:

1. Bila jumlah anggota sampel n1 = n2 dan varians homogen maka rumus (1) dan (2) dapat
digunakan dan untuk mencari t tabel dengan menggunakan dk = n1 + n2 2
2. Bila n1 n2 dan varians homogen maka digunakan rumus (2) dan untuk t tabel
menggunakan dk = n1 + n2 2
3. Bila n1 = n2 dan varians tidak homogen dapat digunakan rumus (1) dan untuk t tabel dk =
n1 1. Atau menggunakan rumus (2) dengan menggunakan dk = n2 1.
4. Bila n1 n2 dan varians tidak homogen maka dapat digunakan rumus (1). Dan harga t
tabel ditentukan dengan mnghitung selisih t tabel untuk dk= n 1 1 dan dk = n 2 1 dibagi
dua, dan kemudian ditambahkan dengan harga t terkecil.
Contoh:
Dilakukan suatu penelitian untuk mengetahui kecepatan memasuki dinia kerja antara lulusan
SMU dengan lulusan SMA. Penelitian ini terdiri dari 22 orang responden SMU dan 18
responden SMK.
Hipotesis:
11
Ho
: tidak terdapat perbedaan lama menunggu untuk mendapatkan pekerjaan antara

lulusan SMU dengan SMK (Ho: 1=2)
H1
: terdapat perbedaan lama menunggu untuk mndapatkan pekerjaan antara lulusan

SMU dengan SMK (Ho: 12)
Untuk menentukan rumus t-test mana yang digunakan maka terlebih dahulu ditentukan
apakah datanya homogen atau tidak.
Tabel 1.5
Lama Menunggu Lulusan SMU dan SMK
Untuk mendapatkan pekerjaan
No.
Lama Menunggu SMU
Lama Menunggu SMK
dalam tahun
Dalam tahun
1
6
2
2
3
1
3
5
3
4
2
1
5
5
3
6
1
2
7
2
2
8
3
1
9
1
3
10
3
1
11
2
1
12
4
1
13
3
3
14
4
2
15
2
1
16
3
2
17
1
2
18
5
1
19
1
20
3
21
1
22
4
n1
= 22,00
n2
= 18,00
X1
= 2,91
X2
= 1,78
S1
= 1,51
S\2
= 0,81
2
2
S1
= 2,28
S2
= 0,65
Setelah dilakukan pengujian homogenitas, didapatkan nilai F hitung = 3,49 dan nilai F tabel =
2,22. Kriteria pengujian homogenitas adalah Ho diterima apabila F hitung lebih kecil atau
sama dengan F tabel. Nilai tersebut menunjukkan bahwa Ho diterima atau varians datanya
tidak homogen. Dengan demikian diketahui bahwa n 1 n2 dan varians data tidak homogen.
Jadi digunakan rumus (1). Penyelesaiannya adalah:
12
t=
x 1 x 2
S 12 S 2 2
+
n1 n2
2,911,78
22,8 0,65
+
22
18
=3,02
harga t hitung tersebut kemudian dibandingkan dengan t tabel yang dihitung dari selisih harga
t tabel untuk dk= n1 1 dan dk = n2 1 dibagi dua, dan kemudian ditambahkan dengan harga
t terkecil.
N1 = 22, dk = 22-1 = 21, maka t tabel untuk = 0,05 adalah 2,08
N1 = 18, dk = 18-1 = 17, maka t tabel untuk = 0,05 adalah 2,11
Kedua nilai tersebut jika dibagi dua hasilnya adalah 0,015. Dan ditambahkan dengan nilai t
tabel terkecil yaitu 2,08. Jadi t tabel pengganti adalah 2,08 + 0,015 = 2,095.
Berdasarkan perhitungan tersebut maka t hitung lebih besar daripada t tabel sehingga Ho
ditolak dan H1 diterima. Jadi kesimpulannya terdapat perbedaan secara signifikan masa
menunggu untuk mendapatkan pekerjaan antara lulusan SMU dan SMK (dalam satuan
tahun). Lulusan SMK cenderung lebih cepat mendapatkan pekerjaan.
b. Statistik nonparametris
Statistik nonparametris yang digunakan untuk menguji hipotesis komparatif dua
sampel independen antara lain adalah 2 Fische Exact Probability (untuk data nominal dan
ordinal); Median Test (untuk data ordinal).
1) Chi Kuadrat ( 2) Dua Sampel
Chi kuadrat ( 2) digunakan untuk menguji hipotesis komparatif dua sampel bila datanya
berbentuk nominal dan sampelnya besar. Cara peritungan dapat menggunakan rumus yang
telah ada atau menggunakan tabel kontingensi 2 x 2 (dua baris x dua kolom).
Kelompok
Kelompok
eksperimen
Kelompok
13
Tingkat Pengaruh Perlakuan

Berpengaruh
Tdk berpengaruh
Jumlah Sampel
a+b
c+d
kontrol
Jumlah
a+c
b+d
Dengan memperhatikan koreksi Yates, rumus yang dapat digunakan untuk menguji
hipotesis adalah:
1
2
|adbc| n 2
n
2=
Contoh:
Penelitian dilakukan untuk mengetahui pengaruh diklat terhadap prestasi kerja guru di
Kab. Takalar. Kelompok yang diberi diklat sebanyak 80 orang dan tidak diberi diklat
sebanyak 70 orang. Setelah diklat berakhir, dan mereka Kembali mengajar, maka dari 80
orang itu yang berprestasi bertambah sebanyak 60 orang dan tidak bertambah sebanyak
20 orang. Selanjutnya dari kelompok yang tidak diberi diklat dari 70 orang itu bertambah 30
orang dan yang tidak bertambah 40 orang. Tujuan utama dari penelitian ini adalah apakah
pemberian diklat berpengaruh secara signifikan terhadap prestasi guru.
Hipotesis:
Ho
: diklat tidak berpengaruh terhadap prestasi guru (tidak terdapat perbedaan nilai
sebelum dan sesudah diklat)
Ha
: diklat berpengaruh terhadap prestasi guru (terdapat perbedaan nilai sebelum dan
sesudah ada diklat)
Ketentuan pengujian adalah sebagai berikut:

Tolak Ho jika harga chi quadrat hitung lebih besar atau sama dengan harga chi quadrat
tabel, dengan dk = 1 dengan taraf signifikansi tertentu.
Tabel 6.6
Tingkat Prestasi Guru
Kelompok
14
Tingkat Pengaruh Perlakuan

Berpengaruh
Tdk Berpengaruh
Jumlah Sampel
Kelompok
eksperimen
Kelompok
Kontrol
Jumlah
60
20
80
30
40
70
90
60
150
Berdasarkan harga pada tabel tersebut, maka harga Chi Quadrat hitung adalah:
1
2
|adbc| n 2
n
2
=
1
2
|60.4020.30| 150 2
150
2=
Untuk t tabel Dengan taraf signifikansi 0,05 dk =1 maka harga Chi Square = 3,841. Dengan
demikian Chi Square hitung lebih besar dari Chi Square tabel. Dengan demikian Ho ditolah
dan Ha diterima. Jadi kesimpulannya, terdapat perbedaan hasil prestasi guru sebelum dan
setelah diberi diklat.
2) Fisher Exact Probability Test
Test ini digunakan untuk menguji signifikansi hipotesis komparatif dua sampel kecil
independen bila datanya berbentuk nominal. Untuk sampel yang besar digunakan Chi
kuadrat.
Untuk memudahkan perhitungan dalam pengujian hipotesis maka data hasil
pengamatan perlu disusun ke dalam tabel kontingensi.

Kelompok
I
Klasifikasi X
A
Klasifikasi Y
B
Jumlah
A+B
II
C
Jumlah
C+D
n
Rumus dasar yang digunakan untuk pengujian Fischer adalah:

p=
15
( A + B ) ! (C + D ) ! ( A +C ) ! ( B+ D ) !
n ! A ! B! C ! D!
Contoh:
Disinyalir adanya kecenderungan para birokrat lebih menyukai mobil berwarna gelap, dan
para akademisi lebih menyukai warna terang. Untuk membuktikan hal tersebut telah
dilakukan pengumpulan data dengan menggunakan sampel yang diambil secara random dari
8 orang birokrat yang diamati, 5 orang bermobil gelap dan 3 orang bermobil terang.
Selanjutnya dari 7 orang akademisi yang diamatai 5 orang bermobil warna terang dan 2 orang
berwarna gelap.
Hipotesis:
Ho
: Tidak terdapat perbedaan antara birokrat dan akademisi dalam menyukai warna
mobil
Ha
: Terdapat perbedaan antara birokrat dan akademisi dalam menyukai warna mobil
Tabel 1.7
Kesukaan Warna Mobil Antara Birokrat dan Akademisi
Kelompok
Gelap
Terang
Birokat
5
3
Akademisi
Jumlah
2
7
5
8
Jumlah
8
7
15
Jadi nilai p hitung adalah:

p=
( A + B ) ! (C + D ) ! ( A +C ) ! ( B+ D ) !
n ! A ! B! C ! D!
p=
( 5+3 ) ! ( 2+5 ) ! (5+ 2 ) ! ( 3+5 ) !

15 ! 5 ! 3! 2! 5
p=
40320.5040 .5040.40320
=0,82
1307674368000.120 .6 .2120
Bila taraf signifikansi = 0,05 maka ternyata p tersebut 0,82 lebih besar dari 0,05.
Ketentuan pengujian, jika p hitung lebih besar dari taraf kesalahan yang ditetapkan, maka Ho
diterima dan Ha ditolak. Karena p hitung lebih besar dari maka dapat dinyatakan bahwa
tidak ada perbedaan antara birokrat dan akademisi dalam menyenangi warna mobil.
3) Test Median (Median Test)
Test median digunakan untuk menguji signifikansi hipotesis komparatif dua sampel
independen bila datanya berbentuk ordinal atau nominal. Pengujian didasarkan atas median
dari sampel yang diambil secara random. Dengan demikian Ho yang akan diuji berbunyi:
Tidak terdapat perbedaan dua kelompok populasi berdasarkan mediannya.
16
Kalau tes Fisher digunakan untuk sampel kecil, dan test Chi Quadrat digunakan untuk
sampel besar, maka test median ini digunakan untuk sampel antara fisher dan Chi Quadrat.
Berikut adalah panduannya:
1) Jika n1 + n2 > 40, dapat dipakai Chi Quadrat dengan koreksi kontinuitas Yates
2) Jika n1 + n2 antara 20 -40, dan jika tidak satu selpun memiliki frekuensi yang diharapkan
5, dapat dipakai Chi Quadrat dengan koreksi kontinuitas. Bila f < 5 maka dapat dipakai
Fisher.
3) Jika n1 + n2 < 20, Maka digunakan test Fisher
Untuk menggunakan test median, maka pertama-tama harus dihitung gabungan dua
kelompok (median untuk semua kelompok), selanjutnya dibagi dua, dan dimasukkan ke
dalam tabel berikut:
Kelompok
> Median Gabungan
median gabungan
Jumlah
Keterangan:
Kel. 1
A
C
A + C = n1
Kel. 2
B
D
B + D = n2
Jumlah
A+B
C+D
n = n 1 + n2
= banyaknya kasus dalam kelompok 1 . median gabung = n1
= banyaknya kasus dalam kelompok 2 > median gabung = n2
= banyaknya kasus dalam kelompok 1 median gabung = n1
= banyaknya kasus dalam kelompok 2 median gabung = n2
Pengujian dapat dilakukan dengan menggunakan rumus Chi Quadrat sebagai berikut:
n
2
2=
( A +B ) (C + D ) ( A +C )( B+ D )
n ( ADBC )
dk = 1
kriteria pengujian:
Ho diterima bila Chi Quadrat hitung tabel
Ho ditolak bila Chi Quadrat hitung > tabel
Contoh:
Dilakukan penelitian untuk mengetahui apakah penghasilan penguusaha berbeda dengan
penghasilan guru berdasarkan mediannya. Berdasarkan wawancara terhadap 10 pengusaha
dan 9 guru diperoleh data sebagai berikut:
Tabel
Penghasilan Pengusaha dan Guru
17
No.
Pengusaha
Guru
1.
50
45
2.
60
50
3.
70
55
4.
70
60
5.
75
65
6.
80
65
7.
90
70
8.
95
80
9.
95
100
10
100
Untuk mengetahui median dari kedua data tersebut maka data tersebut diurutkan dari nilai
terkecil hingga terbesar. Dan didapatkan nilai mediannya adalah 70. Dengan demikian maka:
A = 6; B = 2, C = 4, D = 7
Harga tersebut dimasukkan dalam tabel berikut untuk memudahkan perhitungan:
Jumlah Skor
Di atas median
gabungan
Di bawah median
gabungan
Jumlah
Pengusaha
Guru
Jumlah
A=6
B=2
A+B=8
C=4
D=7
C + D = 11
10
19
Nilai chi Square hitung adalah:
19
19 ( 6.72.4 )
2
2=
( 6+2 ) ( 4 +7 ) ( 6+ 4 ) ( 2+ 7 )
2
11404,75
=0,823
13860
Harga chi Quadrat tabel untuk dk =1 dan taraf signifikansi 0,05 = 3,841. Karena harga Chi
Quadrat hitung lebih kecil dri tabel (0,823 < 3,81) maka Ho diterima. Hal ini berarti tidak
terdapat perbedaan secara signifikan antara penghasilan pengusaha dan guru berdasarkan
mediannya.
4) Uji Mann Whitney
U-test ini digunakan untuk menguji hipotesis komparatif dua sampel independen bila
datanya berbentuk ordinal Bila dalam satu pengamatan data berbetuk interval, maka perlu
diubah duulu ke dalam bentuk ordinal. Bila data masih berbentuk interval, sebenanya dapat
18
menggunakan t-test untuk pengujiannya, tetapi bila asumsi t-test tidak dipenuhi (misalnya
data harus normal), maka test ini dapat digunakan.
Terdapat dua rumus yang digunakan untuk pengujian yaitu:
n (n +1)
U 1=n 1 . n2 + 1 1
R 1 dan
2
U 2=n 1 . n2 +
n2 (n2 +1)
R 2
2
Keterangan:
n1
= jumlah sampel 1
n2
= jumlah sampel 2
U1
= jumlah peringkat 1
U2
= jumlh peringkat 2
R1
= jumlah rangking pada sampel n1
R2
= jumlah rangking pada sampel n2
Contoh:
Dilakukan penelitian untuk mengetahui pengaruh diterapkannya metode pengajaran yang
baru terhadap keefektifan pengajaran guru. Untuk mengetahui hal tersebut dilakukan
penelitian dengan menggunakan dua kelompok guru yang masing-masing dipilih secara
random. Kelompok A tetap menggunakan metode pengajaran yang lama dan kelompok B
dengan metode mengajar baru. Jumlah guru pada kelompok A = 12 orang dan pada kelompok
B = 15 orang.
hipotesis:
Ho
: tidak terdapat perbedaan keefektifan mengajar antara guru yang menggunakan

metode pengajaran baru dan lama.
Ha
: terdapat perbedaan keefektifan mengajar antara guru yang menggunakan metode

pengajaran baru dan lama. Kefektifan pengajaran guru yang menggunakan metode
baru lebih tinggi dibandingkan keefektifan metode pengajaran guru yang lama.
Data hasil penelitian adalah sebagai berikut:
19
Tabel
Pengujian dengan U-Test
Kelompok A
1
2
3
4
5
6
7
8
9
10
11
12
Nilai
16
18
10
12
16
14
15
10
12
15
16
11
Peringkat
10
12
1,5
4,5
10
6,0
7,5
1,5
4,5
7,5
10
3,0
Kelompok B
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Nilai
19
19
21
25
26
27
23
27
19
19
25
27
23
19
29
R1 = 78
U 1=n 1 . n2 +
n1 (n1 +1)
R 1
2
U 1=12.15+
12(12+1)
78
2
U 2=n 1 . n2 +
n2 (n2 +1)
R 2
2
U 2=12.15+
15(15+1)
300=0
2
Peringkat
15,0
15,0
18,0
21,5
23,0
25,0
19,5
25,0
15,0
15,0
21,5
25,0
19,5
15,0
27,0
R2 = 300
= 180
Harga U2 lebih kecil dari U1 sehingga yang digunakan adalah U2 yang nilainya 0. Sedangkan
nilai U tabel untuk n1 = 12 dan n2 = 15 adalah 42. Dengan demikian harga U hitung lebih
kecil dari U tabel (0<42). Dengan demikian Ho ditolak dan Ha diterima. Kesimpulannya
keefektifan metode mengajar baru berpengaruh terhadap keefektifan pengajaran guru.
5) Test Kolmogorov Smirnov Dua Sampel
Test ini digunakan untuk menguji hipotesis komparatif dua sampel independen bila datanya
berbentuk ordinal yang telah tersusun pada tabel distribusi kumulatif dengan menggunakan
kelas-kelas interval. Rumus yang digunakan adalah sebagai berikut :
D=maksimum [ Sn1 ( X )Sn2 ( X ) ]
20
Contoh:
Dilakukan penelitian untuk membandingkan produktivitas operator mesin CNC (Computered
Numerical Controlled) lulusan SMK mesin dan SMU IPA. Pengamatan dilakukan pada sampel yang
dipilih secara random. Untuk lulusan SMK10 orang dan juga untuk lulusan SMU 10 orang.
Produkivitas kerja diukur dari tingkat kesalahan kerja selama 4 bulan. Hasilnya terlihat pada tabeltabel frekuensi kumulatif di bawah ini:
Tabel
Tingkat Kesalahan Kerja Operator Lulusan SMK
No
1
Interval
12
F
7
Kumulatif
7
34
56
10
78
10
Tabel
Tingkat Kesalahan Kerja Operator Lulusan SMA
No
1
Interval
12
F
1
Kumulatif
1
34
56
78
10
Untuk pengujian dengan Kolmogorov Smirnov, maka kedua tabel tersebut disusun kembali
nilai-nilainya ke dalam bentuk proporsional, jadi semuanya dibagi dengan n. Dalam hal ini n 1
sama dengan n2 yaitu 10
Tabel
Penolong Untk Pengujian Dengan Kolmogorov-Smirnov
Kelompok
S10 (X)
12%
7/10
Kesalahan Kerja
34%
56%
1/10
2/10
78%
0/10
S10 (X)
1/10
3/10
3/10
3/0
Sn1X Sn2X
6/10
2/10
1/10
3/10
Berdasarkan perhitungan pada tabel tersebut, terlihat bahwa selisih yang terbesar
Sn1X Sn2X = 6/10. Dalam hal ini pembilang (K D)nya = 6. Harga ini selanjutnya
dibandingkan dengan harga KD tabel. Bila pengujian hipotesis dengan uji satu pihak,
21
kesalahan
=0,05
dan n= 10, maka harga KD dalam tabel = 6. Karena harga
KD hitung = KD tabel, maka Ho diterima dan Ha ditolak. Kesimpulannya tidak terdapat

perbedaan yang signifikan antara produktivitas kerja lulusan SMK dengan SMU.
Kriterianya : (KD hitung < KD tabel, maka Ho diterima dan Ha ditolak)
6) Test Run Wald Wolfowitz
Test ini digunakn untuk menguji hipotesis komparatif dua sampel independen bila datanya
berbentuk ordinal, dan disusun dalam bentuk run. Oleh karena itu, sebelum data dua sampel
(n1 + n2) dianalisis maka perlu disusun terlebih dahulu ke dala bentuk rangking, baru
kemudian dalam bentuk run.
Rumus yang digunakan untuk pengujian ini adalah :
( )
Bila r
n11 n21
(2)
r 1 r 1
r =2
2
2
r
1
p ( r r )=
n1 +n2
n1
'
'
( )( )
angka ganjil, maka persamaan diatas menjadi :

r
1
p ( r r )=
n1 +n2
n1
'
( )
'
(2)
r =2
n 11 n21 + n11 n21

k1 k 2
k2 k 1
( )( ) ( )( )
Dimana r=2 k 1
Untuk sampel besar digunakan rumus :
r
2 n1 n2
+ 1 0,5
n1+ n2
rr
z=
=
r
2n 1 n2 (2 n1 n2n 1n2 )
2
( n 1+ n2 ) (n1 +n21)
Contoh:
Dilakukan penelitian untuk mengetahui adakah perbedaan disiplin kerja antara guru
Golongan III dan Golongan IV, yang didasarkan atas keterlambatan masuk dan pulang kantor.
22
Berdasarkan sampel yang dipilih secara random terhadap 10 guru Golongan III dan 10
pegawai Golongan IV, diperoleh jam keterlambatan masuk kantor sebagai berikut :
Tabel. Keterlambatan Masuk Kantor Antara Guru Golongan III dan IV
No
1
Pegawai Golongan III

12
Pegawai Golongan IV
17
12
13
15
16
12
13
14
18
13
14
10
16
Hipotesisnya :
Ho : Tidak terdapat perbedaan disiplin kerjan antara pegawai Golongan III dan Golongan
IV
Ha : Terdapat perbedaan disiplin kerja antara pegawai Golongan III dan Golongan IV
untuk menghitung jumlah run, dapat digunakan untuk pengujian, maka deskripsi dua
kelompok data tersebut disusun secara beruntun yaitu dari kecil ke yang besar :
4
B
5
A
6
B
7
B
7
A
9
A
9
B
12 12 12
B A A
13 13 13 14 14 15 16 16 17 18
A B B B A A A A B B
Jumlah run = 10.
Untuk menguji signifikan selanjutnya dibandingkan dengan tabel. Dari tabel terlihat n1 = 10
dan n2 = 10, maka harga run kritisnya = 6 untuk kesalahan 5%. Berdasarkan hal tersebut
ternyata run hitung lebih besar dari pada tabel (10 > 6).
Karena run hitung lebih besar dari pada tabel, maka Ho doterima dan Ha ditolak.
Kesimpulannya tidak terdapat perbedaan disiplin pegawai Golongan III (kelompok A) dan
Golongan IV (kelompok B).
23
Untuk test run ini, kriteria pengujiannya adalah bila run lebih besar atau sama dengan run dari
tabel untuk taraf kesalahan tertentu, maka Ho diterima ( r
hitung >
r tabel, Ho
diterima).
B. KOMPARATIF k-SAMPEL (KOMPARATIF UNTUK MULTIVARIAT)
Pengujian komparatif k sampel akan tergantung pada jenis data dan bentuk hubungan
antar sampel yang dibedakan. Hubungan sampel dapat dibedakan menjadi dua yaitu: sampel
yang berkorelasi/berpasangan (related) dan sampel independen.
1. SAMPEL BERKORELASI
Teknik statistik yang digunakan untuk menguji hipotesis sampel berkorelasi meliputi statistik
parametrik dan non parametrik. Statistik parametrik meliputi Analisis of Varians (ANOVA)
dan statistik non parametris meliputi test Cochran dan Friedman.
a. Statistik Parametrik
Untuk statistik parametrik digunakan analisis varians. Analisis varians digunakan untuk
menguji hipotesis komparatif rata-rata k sampel bila datanya berbentuk interval atau ratio.
Satu sampel dalam k kejadian/pengukuran berarti sampel tersebut berpasangan. Satu sampel
diberi perlakuan sampai 5 kali, ini berarti sudah 5 sampel berpasangan. Sedangkan k sampel
dalam satu kejadian berarti sampel independen (lima sampel yang diberi satu kali perlakuan,
adalah merupakan lima sampel independen).
Terdapat beberapa jenis analisis varians yaitu:
a) Analisis varians klarifikasi tunggal (singgle classification) atau anova satu jalur
b) Analisis varians klasifikasi ganda (multiple classification) atau anova dua jalur.
Adapun penjelasann dari kedua analisis varians tersebut adalah sebagai berikut:
a) Analisis Varians Klasifikasi Tunggal (One Way Classification) atau Analisis Varians
Satu Jalur (Anova Satu Jalur)
Analisis varians ini digunakan untuk menguji hipotesis komparatif rata-rata k sampel
secara serempak (atau 1 kategori). Langkah-langkah pengujiannya adalah:
Merumuskan hipotesis
Menguji homogenitas
Analisis varians (ANAVA)
Menguji hipotesis
Penggunaan analisis varians dilandasi pada asumsi:
1. Sampel diambil secara random

2. Data berdistribusi normal
3. Varians antar sampel homogen
24
Langkah-langkah pengujian hipotesis dengan anova satu jalur adalah sebagai berikut:
1. Menghitung Jumlah Kuadrat Total (
Jk T
x tot
2
X tot 2
Jk T =
2. Menghitung jumlah kadrat antar kelompok (Jk ant )
x kel
2
x tot
2
Jk ant =
3. Menghitung jumlah kuadrat dalam kelompok (Jkdal)
JK dal = Jktot - JKant
M K ant
4. Menghitung mean kuadrat antar kelompok (
M K ant =
J K ant
m1 , m adalah banyaknya kelompok
5. Menghitung mean kuadrat dalam kelompok

J K dal
M K dal=
Nm , N adalah jumlah sampel total
6. Menghitung F hitung
M K ant
Fhit =
M K dal
7. Membandingkan F hitung dengan F tabel
F tabel ditentukan dengan menggunakan dk pembilang (m-1) dan dk penyebut (N-1).
Kriteria pengujian:
Ho diterima apabila F hitung lebih kecil atau sama dengan F tabel (Fh Ft)
H1 diterima apabila F hitung lebih besar dari F tabel (Fh > Ft)
8. Membuat kesimpulan Pengujian hipotesis.
Tabel Ringkasan Anova Untuk Menguji Hipotesis k Sampel
SV
(Sumber
Variasi)
25
dk
Jumlah Kuadrat (JK)
MK
Fh
Ft
Keputus
an
tot
N1
JK tot = X tot
( X tot )
Fh >Ft
2
ant
dal
m1
( X k ) ( X tot ) JK ant
JK ant =
nk
N m1
N-m
JK dal
N m
JKtot - JKant
MK ant
MK dal
Tab
Ha
diteri
ma
Contoh:
Dilakukan penelitian untuk mengetahui pengaruh pengadaan LCD terhadap tingkat metode
mengajar guru. Penelitian menggunakan sampl yang terdiri atas 15 orang guru yang diambil
secara random. Penelitian dilakukan dengan cara mengukur keefektifan mengajar guru
sebelum menggunakan alat kerja baru, dan sesudah menggunakan 3 bulan dan 6 bulan. Jadi
guru yang digunakan sebagai sampel adalah tetap, dan diulang selama tiga (3) kali.
Keefektifan metode pengajaran guru diukur dari jumlah jumlah siswa yang lulus pada
ulangan harian. Produktivitas selama tiga periode itu selanjutnya disusun ke dalam tabel
dibawah ini
Produktivitas
Produktivitas
Produktivitas
sebelum
setelah 3 bulan
setelah 6 bulan
memakai alat
memaka alat
memakai alat
kerja baru
kerja baru
kerja baru
(X1)
12
(X2)
13
(X3)
18
13
15
18
10
12
14
15
18
20
13
15
15
14
17
19
10
18
20
12
20
21
13
14
18
10
14
16
17
11
13
18
17
12
10
16
19
No
26
13
13
15
16
14
10
13
17
15
15
16
14
Hipotesis penelitianya adalah sebagai berikut :

Ho : tidak terdapat perbedaan keefektifan metode mengajar guru dengan adanya LCD.
(LCD tidak berpengaruh terhadap keefektifan metode mengajar guru)
Ha : terdapat perbedaan keefektifan metode mengajar guru dengan adanya LCD.
(LCD berpengaruh terhadap keefektifan metode mengajar guru)
PERHITUNGAN ANOVA
No
1
(X1)
12
(X1)2
144
(X2)
13
(X2)2
169
(X3)
18
(X3)2
324
Xtot
43
(Xtot)2
637
13
169
15
225
18
324
46
718
10
100
12
144
14
196
36
440
15
225
18
324
20
400
53
949
13
169
15
225
15
225
43
619
14
196
17
289
19
361
50
846
10
10
18
324
20
400
48
824
12
144
20
400
21
441
53
985
13
169
14
196
18
324
45
689
10
14
196
16
256
17
289
47
741
11
13
169
18
324
17
289
48
782
12
10
100
16
256
19
361
45
689
13
13
169
15
225
16
256
44
650
14
10
100
13
169
17
289
40
558
15
15
225
16
256
14
196
45
677
Jml
X
187
2375
236
3782
263
4675
686
10832
X2
s
s2
27
12,47
15,73
17,53
2375
3782
4675
1,77
3,12
X tot =686
2,22
4,92
2,13
4,55
2
X tot =10832
Dari tabel ini dapat dihitung harga-harga yang diperlukan untuk uji Anova
2
1.
JK tot = X tot
2
( X tot )
N
2.
JK ant =
( X 1) ( X 2)
n1
n2
=10 832
++
6862
=374,3
45
( X m )
nm
( X tot )
N
187 2 2362
263 2 6862
+
15
15 + 15
45
2331,27+3713,07+ 4611,2710457,69
197,92
3. JKdal = JKtot - JKant = 374,3 197,92 = 176,38
JK
197,92
MK ant = ant =
=98,96
4.
m1 31
5.
MK dal =
6.
Fhit =
JK dal 176,38
=
=4,2
Nm 453
MK ant 98,96
=
=23,56
MK dal 1,82
7. Dengan dk pembilang = m 1 = 3 1= 2
dk penyebut = N m = 45 3 = 42
=0,05
diperoleh
Ftabel =3,22
Ternyata harga
Fhitung > F tabel
Fhitung 23,56
lebih besar dari harga
SV
Dk
JK
MK
45 1
374,3
197,92
98,96
kelompok
. Karena harga
maka Hipotesis Nol (Ho) yang diajukan ditolak dan Ha diterima.
Total
antar
kelompok
dalam
Ftabel 3,22
42
176,38
4,2
Fh
23,56
Ft
=0,05
3,22
Keputusan
Fh > F t
23,56 > 3,22
Ha diterima
b) Analisis Varians Klasifikasi Ganda (Multiple Classification) atau Anova Dua jalan.
Analisis varians klasifikasi ganda/dua jala/tiga jalan dst, merupakan teknik statisik
inferensial parametris yang digunakan untuk menguji hipotesis komparatif lebih dari sua
sampel (k sampel) secara serempak nila setiap sampel terdiri atas dua kategori atau lebih.
Contoh : terdiri atas tiga kelompok sampel, dimana masing-masing sampel terdiri atas
dua kategori, yaitu pria dan wanita.
28
Kategori
Kategori I
(Pria)
Kategori II
(Wanita)
Data
Data
Data
Sata
Sampel I
6
7
9
6
5
4
Sampel II
5
6
9
5
4
3
Sampel III
7
5
4
8
5
3
Sampel IV
9
7
6
5
4
3
Dari tabel terlihat bahwa setiap sampel yang digunakan sebagai eksperimen teridir atas
dua kategori, yaitu pegawai pria dan wanita. Berdasarkan hal tersebut, maka pengujian
hipotesis akan dilakukan dengan Anova Dua Jalan (hanya untuk dua kategori, bila
kategori tiga digunakan Anova Tiga Jalan,dst)
Dengan adanya dua kategori pada setiap sampel yang digunakan pada penelitian, maka
akan terdapat tiga hipotesis nol yang diuji yaitu :
Ho1: tidak terdapat perbedaan produktivitas kerja pegawai berdasarkan alat kerja
yang baru. Data ini merupakan data kolom yang ke bawah. Ada tiga kolom, yaitu
(X1 = X2 = X3)
Ho2: tidak terdapat perbedaan produktivitas kerja berdasarkan jenis kelamin. Data ini
merupakan data baris (row) yang ke kanan. Ada dua baris, karena kategorinya hanya
dua yaitu pria dan wanita
Ho3: tidak terdapat interaksi antara alat kerja baru (variabel independen) dengan
jenis kelamin dalam hal produktivitas kerja (variabel dependen)/ interaksi kolom
Produktivitas Kerja
dengan baris
Interaksi ini terjadi karena adanya kategori dalam setiap sampel. Interkasi
merupakan pengaruh variabel independen terhadap salah satu kategori sampel dalam
variabel dependen.
Gambar. Kemungkinan Terjadinya Interaksi dalam Penggunaan Anova

Penjelasan Gambar sebagai berikut :
1) Terjadi interaksi yang signifikasn. Alat kerja baru ternyata hnya meningkatkan
produktivitas pegawai pria, dan malah cenderung menurunkan produktivitas kerja
pegawai wanita.
2) Tidak terjadi interaksi. Ternyata dengan adanya alat kerja baru dapat meningkatkan
secara signifikan produktivitas kerja baik pria maupun wanita.
29
3) Tidak terjadi interaksi. Alatbaru tidak meningkatkan produktivitas kerja pegawai pris
maupun wanita. Tetapi produktivitas kerja pegawai priaselalu lebih tinggi dari wanita.
Jadi, yang berpengaruh bukan alatnya, tetapi jenis kelaminnya.
Contoh Penggunaan Anova dua Jalur:
Berdasarkan data yang tertera pada tabel dibawah ini dapat diuji Hipotesis Nol (Ho)
Sampel I
Sampel II
Sampel III
Jenis
sebelum
Setelah 3 bulan
Setelah 6 bulan
Kelamin
memakai alat
memakai alat
memakai alat
Pegawai
kerja baru
X1
X12
12
144
kerja baru
X2
X 22
13
169
kerja baru
X3
X32
18
324
Xtot
43
Xtot2
637
13
169
15
225
18
324
46
718
10
100
12
144
14
196
36
440
Kelompo
15
225
18
324
20
400
53
949
13
169
15
225
15
225
43
619
Pegawai
14
196
17
289
19
361
50
846
Pia
10
100
18
324
20
400
48
824
12
144
20
400
21
441
53
985
13
169
14
196
18
324
45
689
14
196
16
256
17
289
47
741
Total
Tot
al
Bag
ian
16
12
25
52
32
84
74
48
Pria
15
225
13
169
16
256
44
650
13
169
15
225
17
289
45
683
15
225
16
256
13
169
44
650
Kelomp
12
144
12
144
14
196
38
484
ok
14
196
15
225
16
256
45
677
Pegawai
10
100
14
196
15
225
39
521
Wanita
11
121
16
256
17
289
44
666
13
169
13
196
15
225
41
563
14
196
14
256
16
256
44
708
15
225
13
169
14
196
42
617
Bagian
132
1770
141
2092
153
2357
426
6219
Wanita
Jml Total
258
3382
299
4644
333
5641
890
13667
Total
30
12,0
14,9
16,65
1,68
2,13
2,25
s2
2,83
4,57
5,08
Contoh Penggunaan Anova Dua Jalan:

Langkah-langkah dalam penggunaan anova dua jalan sebagai berikut :
1. Menghitung JK total :
2
JK tot = X tot
( X tot )
N
=13667
8902
=465,33
60
2. Menghitung Jumlah Kuadrat Kolom (kolom arah ke bawah), dengan rumus:

2
2
( X kol ) ( X tot )
JK kol=
nkol
N
2
(258) (299) (333) (890)
+
+
20
20
20
60
66564 89401 110889 792100

+
+
20
20
20
60
3328,2+ 4470,05+5544,4513201,67
141,03
3. Menghitung Jumlah Kuadrat Baris (baris arah ke kanan), dengan rumus :

X
=
JK
2
(464) (426) (890)
30
30
60
7176,53+6049,213201,67
24,06
4. Menghitung Jumlah Kuadrat Interaksi, dengan rumus :
JK kol+ JK
=JK bag
JK
31
( X bag 1) ( X bag2 )
( X bagn ) ( X tot )
JK bag =
+
++
nbag 1
nbag 2
n bagn
N
2
(126) (158) (180) (132) (141) (153) (890)

+
+
+
+
+
10
10
10
10
10
10
60
1587,6+2496,4+3240+1742,4 +1988,1+2340,913201,6
193,8
=193,8( 141,03+24,06 )=28,71

JK
5. Menghitung Jumlah Kuadrat Dalam :
+JK
JK kol +JK
JK dal =JK tot
465,33( 141,03+ 24,06+28,71 )
271,51
6. Menghitung dk untuk :
a. dk kolom = k 1 dalam hal ini jumlah kolom = 3.
Jadi dkk = 3 1 = 2
b. dk baris = b 1 dalam hal ini jumlah baris = 2
Jadi dkb = 2 1 = 1
c. dk interaksi = dkk x dkb = 2 x 1 = 2. Atau ( k 1 )( b 1 )
d. dk dalam = (N k.b) = 60 3.2 = 54
e. dk total = (N - 1) = 60 1 = 59
7. Menghitung Mean Kuadrat (MK) : masing-masing JK dibagi dengan dk-nya
a. MKtot
= 141,03 : 2 = 70,515
b. MKbar
= 24,06 : 1 = 24,06
c. MKint
= 28,71 : 2 = 14,35
d. MKdal
= 271,51 : 54 = 5,03
Memasukan hasil perhitungan ke dalam Tabel Ringkasan Anova Dua Jalan, seperti di bawah
ini :
Sumber
Variasi
dk
Jumlah
Mean
Kuadrat
Kuadrat
Ft
5%
Fh
=0,05
)
Antar
Kolom
Antar
Baris
32
31=2
141,03
70,52
70,49 : 5,03 = 14,01
21=1
24,06
24,06
24,06 : 5,03 = 4,78
3,17
Interaksi
(Kolom
2x1=2
28,71
14,35
x Baris)
Dalam
Total
60 2 x 3 = 54
60 1 = 59
271,51
465,33
5,03
14,35 : 5,03 = 2,85
8. Menghitung harga Fhkol , Fhbar , Fhint dengan cara membagi dengan MKdal. Dimana MKdal
= 5,03
Fhkol = 70,52 : 5,03 = 14,02
Fhbar = 24,06 : 5,03 = 4,78
Fhint = 14,35 : 5,03 = 2,85
Untuk mengetahui bahwa harga-harga F tersebut signifikan atau tidak, maka perlu
dibandingkan dengan Ftabel.
1. Untuk kolom (Alat kerja lama dan Baru) harga F tabel dicari dengan berdasarkan dk Antar
Kolom (pembilang) = 2, dan dk Dalam (penyebut) = 54 (F 2:54). Berdasarkan dk (2:54)maka
harga
Ftabel = 3,17 untuk
=0,05
Karena Fhitung > Ftabel, maka Ho ditolak dan Ha
diterima. Hal ini brarti terdapat perbedaan produktivitas kerja berdasarkan alat kerja.
(Sebelum dan sesudah 3 bulan dan 6 bulan menggunakan alat kerja baru). Alat kerja baru
berarti meningkatkan produktivitas kerja baik untuk pegawai pria maupun wanita secara
signifikan.
2. Untuk Baris (Produktivitas kerja berdasarkan jenis kelamin). Harga F tabel dicari berdasarkan
dk pembilang = 1 dan penyebut = 54. Harga Ftabel = 4,02 untuk
=0,05 . karena harga
Fhitung > Ftabel,maka Ha diterima dan Ho ditolak. Hal ini berarti terdapat perbedaan
produktivitas kerja berdasarkan jenis kelamin secara signifikan.
3. Untuk Interaksi. Harga Ftabel dicari berdasarkan dk pembilang = 2 dan dk penyebut = 54.
Berdasarkan dk tersebut harga Ftabel = 3,17 untuk
=0,0 5 . F
hitung < Ftabel dengan demikian
Ha itolak dan Ho diterima. Jadi, kesimpulannya tidak terdapat interaksiyang signifikan

antara alat kerja baru dengan produktivitas kerja pegawai berdasarkan jenis kelamin.
b. Statistik Nonparametris
Statistik nonparametris yang digunakan untuk menguji signifikasi hipotesis komparatif
k sampel yang berpasangan antara lain adalah Chi kuadrat, Tes Cochran, dan Friedman.
1) Chi Kuadrat k sampel
33
Chi kuadrat k sampel digunakan untuk mnegkaji hipotesis komparatif lebih dari dua
sampel, bila datanya berbentuk diskrit atau nominal. Rumus dasar yang digunakan untuk
pengujian adalah sama dengan komparatif dua sempel independen, yaitu sebagai berikut.
f
of h 2
X 2=
Contoh :
Dilakukan penelitan untuk mengetahui ada tindakannya perbedaan harapan hidup ( life
expectation /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 1100 sempel untuk DKI Jakarta, 300 orang berumur 70 ke atas, dan 800
orang berumur dibawah 70 tahun. Dari sampel 1300 orang untuk Jawa Barat, 700 orang
berumur 70 ke atas, dan 600 orang berumur dibawah 70 tahun. Dari sampel 1300 sampel
untuk jawa tengah, 800 orang berumur70 ke atas, dan 500 orang berumur di bawah 70 tahun.
Dari 1200 sampel untuk jawa timur , 70 orang berumur 70 ke atas, dan 500 orang berumur di
bawah 70 tahun. Selanjutnya dari 900 sampel untuk DYI, 600 orang berumur berumur 70 ke
atas, dan 300 orang berumur dibawah 70 tahun.
Dari data tersebut seanjutnya disusun ke dalam tabel 6.30 berikut. Untuk dapat mengisi
seluruh kolom yang ada pada tabel, maka perlu dihitung frekuensi yang diharapkan (f h)
untuk kelima kelompok sampel tersebut dalam setiap aspek. Untuk mengetahui frekuensi
yang diharapkan (fh) pertama- tama harus di hitung beberapa prosen dari keseluruhan sampel
umur 70 tahun ke atas dan dibawah 70 tahun. Jumlah seluruh anggota sampel untuk 5 pripinsi
tersebut adalah: 1300 + 1200 + 900 = 5800.
Presentase umur kematian 70 tahun ke atas adalah ( P1 ):
p1=
300+700+800+700+600
5.800
3100
x 100 =53,45
= 5800
Frekuensi yang diharapkan ( fh ) untuk umur di atas 70 tahun untuk 5 propinsi adalah sebagai
berikut :
1. DKI Jakarta
2. Jawa Barat
34
= 1100 x 53,45% = 587, 95

= 1300 x 53,45% = 694,85
3. Jawa Tengah
4. Jawa timur
5. DIY
= 1300 x 53,45% = 694,85

= 1200 x 53,45% = 641,40
= 900 x 53,45% = 481,05
Presentase umur 70 tahun kebawah adalah ( P2 ):

p1=
800+600+500+300
5.800
2700
=
x 100% = 46,55 %
5800
Frekuensi yang diharapkan ( fh ) untuk umur di bawah 70 tahun untuk 5 propensi adalah
sebagai berikut :
1.
2.
3.
4.
5.
DKI Jakarta
Jawa Barat
Jawa Tengah
Jawa timur
DIY
= 1100 x 46,55% = 512,05

= 1300 x 46,55% = 605,15
= 1300 x 46,55% = 605,15
= 1200 x 46,55% = 558,60
= 900 x 46,55% = 418,95
Harga-harga tersebut selanjutnya dimasukka ke dalam tabel 6.29 sehingga harga Chi Kuadrat
dapat dihitung:
Propinsi
TABEL
PERBANDINGAN HARAPAN HIDUP PENDUDUK
LIMA PROVINSI DI JAWA
2
fo
fh
Harapan
(f of h)
f of h
hidup/ umur
Dki
Jakarta
70 th
<70 th
300
800
Jawa
Barat
70 th
<70 th
700
600
Jawa
Tengah
70 th
<70 th
800
500
Jawa
Timur
70 th
<70 th
700
500
35
587,9
5
512,0
5
694,8
5
605,1
5
694,8
5
605,1
5
641,4
0
558,6
f of h
-287,95
287,95
82915,2
82915,2
141,02
161,93
5,15
-5,15
26,52
26,52
0,04
0,04
105,15
-105,15
11056,52
11056,52
15,91
18,27
58,6
-58,6
3433,96
3433,96
5,35
6,15
0
DIY
70 th
<70 th
Jumlah
600
300
5.800
481,0
5
418,9
5
5.800
118,95
-118,95
14149,1
14149,1
29,41
33,77
0,00
411,90
Hipotesis statistik yang diajukan dalam penelitian tersebut adalah sebagai berikut :
Ho : Tidak terdapat perbedaan harapan hidup penduduk di lima provensi yang ada di Pulau
Jawa.
Ha : Terdapat perbedaan harapan hidup penduduk di lima provensi yang ada di Pulau Jawa.
Atau dapat ditulis dalam singkat:
H 0 : 1=2=3= 4= 5
H 1 : 1= 2=3= 4 5 ( salah satubeda)
Bila Ho diterima, itu berarti juga keadaan yang ada pada sampel itu
betul-betul
mencerminkan keadaan populasi, sedangkan Ho ditolak, maka keadaan pada sampel itu
hanya berlaku untuk sampel itu, dan mungkin terjadi kesalahan dalam memilih sampel.
Berdasarkan perhitungan yang telah dirumuskan kedalam tabel, terlihat bahwa Chi
Kuadrat hitung = 411,90. Untuk memberikan interpretasi terhadap nilai ini maka perlu
dibandingkan dengan harga Chi Kuadrat tabel dengan dk dan taraf kesalahan tertentu.
Dalam hal ini besarnya dk = ( s-1 ) x ( k-1 ) = ( 5-1 ) x ( 2-1 ) =4. ( s jumlah kelompok
sampel = 5, k banyak kategori dalam sampel = 2). Berdasarkan dk = 4 dan taraf kesalahan =
5%, maka harga Chi Kuadrat tabel = 9,488 ( Tabel VI, lampiran )
Harga Chi Kuadrat hitung, ternyata lebih besar dari tabel ( 411,90 > 9,488 ). Karena
harga Chi Kuadrat hitung lebih besar dari tabel, maka Ho ditolak dan Ha diterima. Hal ini
berarti terhadap perbedaan yang signifikan antara harapan hidup penduduk di lima prpvensi
yang ada di pulau jawa, dan perbedaan itu tercermin seperti data dalam sampel.
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 lebih lanjut pengujian dua sampel. Bila dalam pengujian hipotesis
untuk k sampel tersebut dinyatakan Ho diterima, itu juga berarti antara dua sampel juga tidak
ada perbedaan. Tetapi kalau Ho ditolak, bisa terjadi hanya antara dua kelompok sampel
tertentu saja yang berbeda, mungkin kelompok sampel yang lain tidak.
36
2)Test Cochran
Test ini digunakan untuk menguji hipotesis komparatif k sampel berpasangan bila
datanya berbentuk nominal dan frekuensi dikotomi. Misalnya jawaban dalam wawancara atau
observasi hasil eksperimen berbentuk : ya-tidak; sukses-gagal; disiplin- tidak disiplin;
terjual- tidak terjual; dsb. Selanjutnya jawaban tersebut diberi skor 0 untuk gagal dan, skor 1
untuk sukses.
Rumus yang digunakan untuk mengujian adalah sebagai berikut :
k
G j 2
j=1
k
G2j
j=1
N
k Li L2i
i=1
i=1
( k 1 )
Q=
Distribusi sampling Q mendekati disrtribusi Chi Kuadrat, oleh karena itu untuk menguji
signifikan harga Q hitung tersbut, maka perlu dibandingkan dengan Tabel VI lampiran
(harga-harga kritis untuk Chi Kuadrat ). Ketentuan pengujian adalah :bila Q hasil
menghitung besar atau sama dengan tabel (), maka Ho ditolak dan Ha diterima.
Contoh:
Dilakukan penelitian untuk mengetahui efektifitas tiga metode kerja yang diadopsi dari
konsultan. Untuk mengetahui hal ini, dilakukan penelitian dengan mencoba ke tiga metode
tersebut pada 3 kelompok karyawan yang dipilih secara random. Masing-masing kelompok
terdiri atas 15
karyawan. Efektifitas metode akan diukur dari gagal-tidaknya pegawai
tersebut menyelesaikan pekerjaan dalam waktu 1 jam.

Pekerja yang berhasil menyelesaikan pekerjaan maksimum 1 jam dinyatakan sukses (skor
1 ) dan setelah 1 jam dinyatakan gagal ( diberi skor 0 ).
Ho : Tiga metode mempunyai pengaruh yang sama terhadap prestasi kerja karyawan
Ha : Tiga metode mempunyai pengaruh yang berbeda terhadap prestasi kerja karyawan
Untuk pengujian hipotesis maka harga-harga tersebut selanjutnya dimasukkan dalam rumus
6.25 di atas:
37
25
k
j=1
i=1
i=1
k Li L2i
( k 1 )
Q=
( 31 ) [ 3 ( 6 2+7 2+122 ) (25 2) ]
Q=
( 3 )( 25 ) ( 53 )
Untuk rumus diatas dk = k 1 = 3 1 = 2. Berdasarkan dk = 2, untuk taraf kesalaha 5%
maka harga Chi Kuadrat tabel = 5,99 ( lihat tabel VI lampiran ). Harga Q hitung = 5,64
ternyata lebih kecil dari Q tabel = 5,99. Jadi Ho diterima dan Ha ditolak. Dengan demikian
dapat disimpulkan bahwa tidak terdapat perbedaan pengaruh yang signifikan metode kerja
baru terhadap prestasi kerja baru pegawai. Ketiga metode mempunyai
pengaruh yang
sama/tidak berbeda.
Tabel
Prestasi kerja tiga kelompok karyawan
Dalam menggunakan metode kerja baru
Gj
No.
KEL I
KEL II
KEL III
Li
Li2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
0
1
1
0
0
0
1
0
1
0
1
0
0
0
1
1
0
1
0
1
0
1
1
0
1
0
1
0
0
0
1
1
1
1
1
0
1
1
1
1
0
1
1
0
1
Gj = 6
Gj = 7
Gj = 12
2
2
3
1
2
0
3
2
2
2
1
2
1
0
2
Li=25
4
4
9
1
4
0
9
4
4
4
1
4
1
0
4
Li 2=53
jumlah yang sukses ( jumlah yang mendapat nilai 1 )

Li
= jumlah yang sukses kelompok I,II,III
Li2
= kuadrat dari Li
3). Test Friedman
38
Friedman Two Way Anova ( Analisis Varian Dua Jalan Friedman ), dugunakan untuk
menguji hipotesis komparatif k sampel yang berpasangan ( relared ) bila datanya berbentuk
ordinal ( rangking ). Bila data yang terkumpul berbentuk internal, atau ratio, maka data
tersebut diubah ke dalam data ordinal.
Misal dalam suatu pengukuran diperoleh nilai sebagai berikut : 4, 7, 9, 6. Data tersebut
adalah data interval. Selanjutnya data tersebut diubah ke ordinal ( rangking ) sehingga
menjadi 1, 3, 4, 2. Karena distribusi yang terbentuk adalah distribusi Chi Kuadrat, maka
rumus yang digunakan untuk pengujian adalah rumus Chi Kuadrat (X2) sebagai berikut :
2
R j
k
12
X 2=
Nk (k +1) j=1
Dimana :
N = banyak baris dalam table
k= banyak kolom
Rj = jumlah rangking dalam kolom
Ketentuan pengujian : jika harga Chi Kuadrat hasil menghitung di atas lebih besar atau
sama dengan () table maka Ho ditolak dan Ha diterima.
Contoh :
Dilakukan penelitian untuk mengetahui pengaruh tiga gaya
kepemimpinan terhadap
efektifitas kerja pegawai. Tiga gaya kepemimpinan itu adalah : Gaya kepemimpinan Direktif,
Supportif, dan Partisipatif. Penelitain dilakuka terhadap 3 kelompok kerja ( N), dimana setiap
kelompok terdiri atas 15 pegawai ( k). jadi
jumlah seluruh pegawai ada 45. Gaya
kepemimpinan Direktif diterapkan pada 15 pegawai pertama, Supportif pada 15 pegawai

kedua, dan Partisipatif pada 15 karyawan ketiga. Setelah sebulan, dan efektifitas pekerja
pegawai diukur denagn suatu instrumuen, yang terdiri 20 butir. Setiap butir yang digunakan
pengamatan diberi skor 1, 2, 3, 4. Skor 1 berarti sangat tidak efektif, skor 2 tidak efektif,
skor 3 efektif, dan skor 4 sangat efektif. Jadi untuk setiap orang akan mendapat skor tertinggi
80 ( 4x20 ) dan terendah 20 (1x20).
Ho : ketiga gaya kepemimpinan itu mempunyai pengaruh yang sama terhadap efektifitas
kerja pegawai.
Ha : ketiga gaya kepemimpinan itu mempunyai pengaruh yang berbeda terhadap efektivitas
kerja pegawai.
39
No.
Kelompok
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Tabel
Efektivitas kerja tiga kelompok pegawai
(data interval)
Gaya Kepemimpinan
Direktif
Supportif
76
70
71
65
56
57
67
60
70
56
77
71
45
47
60
67
63
60
60
59
61
57
56
60
59
54
74
72
66
63
Partisipatif
75
77
74
59
76
73
78
62
75
74
60
75
70
71
65
Untuk keperluan analisis, maka skor seluruh data 3 kelompok yang berupa data
interval tersebut, diubah ke dalam data ordinal/rangking. Sebagai contoh untuk kelompok
pertama, 76, 70, 75, maka rangkingnya adalah 3, 1, 2. ( angka 70 yang terkecil diberi
rangking 1 ).
No.
Kelompok
1
2
3
4
5
6
7
8
9
10
11
12
13
14
40
Tabel
Efektifitas Kerja Tiga Kelompok Pegawai
(Data Ordinal)
Gaya Kepemimpinan
Direktif
Supportif
3
1
2
1
1
2
3
2
2
1
3
1
1
2
1
3
2
1
2
1
3
1
1
2
2
1
3
2
Partisipatif
2
3
3
1
3
2
3
2
3
3
2
3
3
1
15
Jumlah
3
32
1
22
2
36
Dari table tersebut diperoleh jumlah rangking dalam kelompok adalah 32, 22, 36.
Harga-harga tersebut selanjutnya dimasukkan dalam rumus :
k
12
(Rj) 2 3N( k+1 )
2
X = Nk (k+ 1)
j=1
2
X =
12
( 15 )( 3 ) (3+ 1)
[ 322 + 222 + 362 ] 3(15)(3+1) = 6,93
Untuk menguji signifikan ini, maka perlu dibandingkan dengan table VI lampiran ( harga
kritis untuk Chi Kuadrat ). Untuk tes ini dk = k-1 =2. Jadi untuk dk = 2, dan kesalahan =
0,05 maka harga Chi Kuadrat Tabel = 5,99. Harga Chi Kuadrat hitung ternyata lebih besar
dari table ( 6,93 > 5,99 ). Dengan demikian Ho ditolak dan Ha diterima. Hal ini berarti tiga
gaya kepemimpinan itu berpengaruh signifikan terhadap efektifitas kerja pegawai. Data
yang diperoleh dari sampel mencerminkan populasi di mana sampel diambil.
2. Sampel Independen ( Terpisah )
Pengujian hipotesis komparatif k sampel independen dapat menggunakan baik statistic
parametric maupun nonparametris. Statistik parametris digunakan bila data berbentuk interval
atau rasio, serta distribusinya membentuk kurva normal. Sedangkan statistik nonparametris
digunkan bila data berbentuk nomial maupun ordinal, dengan distribusi bebas ( tidak harus
normal ).
a. Statistik Parametris
Statistik parametris yang digunakan untuk mengkaji hipotesis komparatif rata-rata k
sampel bila datanya berbentuk interval atau ratio adalah dengan analisis of varian ( Anova ).
Seperti telah dikemukakan bahwa Anova dapat digunakan untuk menguji k sampel yang
berpasangan
maupun
independen. Pada bagian di berikan contoh Anova satu jalan
( klasifikasi tunggal ) dan Anova Dua Jalan ( klasifikasi ganda ) unntuk sampel independen.
1) Anova Satu Jalan ( Klasifikasi tunggal )
Contoh :
Dilakukan penelitian untuk mengetahui ada tidaknya perbedaan kemampuan berdiri pelayan
took, yang berasal dari kota, desa, dan gunung. Pengukuran kempuan berdiri
dilakukan dengan pengamatan selama sehari. Jumlah sampel pelayanan yang bersal dari kota
10, desa 9 dan gunung 11 orang. Dalam sehari itu kemampuan lama berdiri pelayan dicatat,
dan datanya ditunjukkan pada table 6.34 berikut.
Hipotesis yang diajukan adalah :
41
Ho : Tidak terdapat perbedaan kemampuan berdiri yang signifikan di antara kelompok

pelayan toko yang berasal dari Kota, Desa Dan Gunung.
Ha : Terdapat perbedaan kemampuan berdiri yang signifkan di antara tiga kelompok pelayan
toko yang bersal dari Kota, Desa, Dan Gunung.
Langkah-langkah pengujian hipotesis seperti yang telah diberikan pada contoh
1.
2.
3.
4.
5.
6.
7.
Anova untuk data berpasangan ( correlated ), yaitu

Menghitung JK Total
Menhitung JK Antara
Menghitung MK Antara
Menghitung MK Dalam
Menghitung F hitung dengan cara menbagi MK antara dengan MK dalam
Membandingkan F hitung dengan F table
Membuat keputusan pengujian hipotesis Ho ditolak atau diterima.
Tabel
Kemampuan Berdiri Pelayan Toko Dari Tiga
Kelompok.Jam/Hari (X1 X2 X3)
Pelayan Asal Kota Pelayan Asal Desa Pelayan Asal Gunung
X1
X2
X3
X 21
X 22
X 23
No
1
2
3
4
5
6
7
8
9
10
11
S
s2
4
5
4
6
5
3
4
3
5
6
16
25
16
36
25
9
16
9
25
36
4
5
6
7
4
6
4
5
3
16
25
36
49
16
36
16
25
9
45,00
4,50
1,08
1,16
213
44,00
4,40
1,26
1,61
228
7
4
5
6
7
5
6
7
6
7
6
66
6
1
1
49
16
25
36
49
25
36
49
36
49
36
406
Total
X tot
X 2tot
15
14
15
19
16
14
14
15
14
13
6
155
81
66
77
121
90
70
68
83
70
114
36
876
Sebelum langkah-langkah perhitungan dilakukan, maka terlebih dulu perlu diuji

homogenitas varians, karena salah satu asumsi penggunaan Anova untuk pengujian hipotesis
adalah varians antara kelompok harus homogen.
F=
42
Varians terbesar
Varians terkecil
1,61
1
= 1,61
Harga ini selanjutnya dibandingkan dengan harga F table dengan dk pembilang = 9

1 = 8 dan dk penyebut 11 1 = 10, berdasarkan dk pembilang 8 dan penyebut 10, ternyata
harga F table 3,07 untuk 5%. Karena harga F hitung lebih kecil dari harga F table ( 1,61 <
3,07 ), maka varians ke tiga kelompok sampel tersebut homogen, dengan demikian
perhitungan Anova dapat dilanjutkan.
X tot 2
1.
155 2
JK tot = X tot
X 1 2
2.
X 2 2
X m2
X
tot 2
JK ant =
2
45 44 66 155
+
+
10 9
11
30
202,5+215,11+396803,84
9,77
3.
JK dal =JK tot JK ant =72,169,77=63,39
4.
MK ant =
JK ant 912,81
=
=6,41
m1 31
5.
MK dal =
JK dal 62,39
=
=2,31
Nm 303
6.
Fhit =
MK ant 6,41
=
=2,77
MK dal 2,31
n = Jumlah seluruh anggota sampel

43
m= Jumlah kelompok sampel

7. Harga F hitung tersebut selanjutnya dibandingkan dengan harga F table, dengan dk
pembilang = m -1 = 3 1 = 2 dan dk penyebut = N m = 30 3 = 27. Berdasarkan dk
pembilang = 2 dan dk penyebut = 27, ditemukan harga F table = 3,35 untuk 5% dan 5,49
untuk 1% ( table XII, lampiran ). Ternyata harga F hitung = 2,77 lebih kecil dari harga F
table baik untuk 5% (3,35 ) maupun untuk 1% (5,49). Jadi ( 2,77 < 3,35 < 5,49 ). Dengan
demikian Ho diterima dan Ha ditolak. Kesimpulanya tidak terdapat perbedaan yang
signifikan kemampuan berdiri pelayan toko yang bersal dari kata, desa dan gunung. Saran
yang dapat diberikan adalah dalam merekrut pelayan toko tidak perlu memperhatikan
daerah asal, karena dalam hal kemampuan berdiri, pelayan toko asal kota, desa dan
gunung tidak berbeda..
2) Anova dua jalan ( klasifikasi ganda )
Contoh :
Dilakukan penelitian untuk mengetahiu ada tidaknya perbedaan perestasi kerja pegawai
berdasarkan asal kota perguruan tinggi. Asal kota perguruan tinggi, adalah Jakarta,
bandung, Yogyakarta, dan Surabaya. Jumlah sampel pegawai yang digunakan sebagai
sumber data masing-masing 15 orang terdiri atas 8 orang pegawai golongan III dan 8
orang pegawai golongan 7 orang pegawai golonga IV ( dalam praktek yang sebenarnya
jumlah sampel tentu tidak hanya 15 orang tiap perguruan tinggi ).
Pengumpulan data menggunakan instrumen prestasi kerja, dan datanya ( X1, X2, X3, X4)
Ho :
tidak terdapat perbedaan prestasi kerja pegawai berdasarkan asal pergurua tinggi
Ha :
terdapat perbedaa prestasi kerja pegawai berdasarkan asal perguruan tinggi.
Ho : tidak terdapat
perbedaan prestasi kerja pegawai berdasarkan golongan gaji
( golongan III : golongan IV )

Ha :terdapat perbedaan prestasi kerja pegawai berdasarkan golongan gaji ( golongan III :
golongan IV ).
Ho:
tidak terdapat interaksi antara perguruan tinggi denagn prestasi kerja pegawai
golongan III dan golongan IV. Perguruan tinggi mempunyai pengaruh yang sama kepada
setiap tingkatan pagkat pegawai
Ha : terdapat interaksi antara pergurua tinggi dengan prestasi kerja pegawai golongan III
dan golongan IV. Perguruan tinggi mempunyai pengaruh yang tidak sama kepada setiap
tingkatan pagkat pegawai.
44
Tabel
Penolong untuk perhitungan anova dua jalan
Gol
Prestasi
Prestasi
Kerja
Kerja
Pegawai
Pegawai
Yang Berasal
Yang Berasal
Dari PT
Dari PT
Jakarta
Bandung
X
X
X
X
2
( 1)
( 1 ) ( 2) ( 22)
Prestasi
Kerja
Pegawai
Yang Berasal
Dari
PTYogyakarta
X
X
( 3) ( 32 )
Prestasi
Kerja
Pegawai
Yang Berasal
Dari PT
Surabaya
X
(
( 4 )
2
X4
9
5
7
8
9
7
6
81
25
49
64
81
49
36
6
5
6
8
5
7
8
36
25
36
64
25
49
64
7
5
6
7
8
7
6
49
25
36
49
64
49
36
5
6
7
8
9
6
8
25
36
49
64
49
36
64
51
385
45
299
46
308
49
355
7
6
7
8
5
6
8
49
36
49
64
25
36
64
9
6
7
8
5
6
7
81
36
49
64
25
36
49
5
7
9
9
8
7
8
25
49
81
81
64
49
64
9
5
7
9
8
6
7
81
25
49
81
64
36
49
Jml
Bag 2
47
323
48
340
53
413
51
385
Jml Total
98
708
93
639
99
721
100
740
Pegawai
Gol III
Jml
Bag I
Pegawai
Gol. IV
45
Jumlah
Total
(X
(X)
27
21
26
31
31
27
28
19
1
30
24
30
34
26
25
30
19
9
39
0
191
11
170
241
251
183
200
1347
236
146
228
290
178
157
226
1461
2808
Langkah-langkah yang diperlukan dalam pengujian hipotesis dengan Anova dua jalan hampir
sama denagn anova satu jalan, hanya ditambah dengan adanya interaksi. Langkah-langkah
1.
dalam penggunaan Anova dua jalan adalah sebagai berikut :

menghitung JK Total :
2
X tot
390 2
JK tot = X tot
2. Menghitung jumlah kuadrat kolom ( kolom arah ke bawah ), dengan rumus:
X kol 2
X tot 2
JK kol=
100
(98)2 (93)2 (99)2
+
+
+
14
14
14
2,01
3. Menghitung jumlah kuadrat baris ( baris arah ke kanan ), dengan rumus:
X tot 2
n
X
=
JK
2
(191)2 (199)2 (390)2

+
+
28
28
28
1,41
4. Menghitung jumlah kuadrat interaksi, dengan rumus :

46

kol+ JK
=JK bag
JK
X bag1 2
X bag2 2
X bagn 2
X tot 2
JK bag =
47
(51)2 (45)2 (46)2 ( 49)2
+
+
+
+
7
7
7
7
7,62
=7,62( 1,41+2,01 )=4,2

Jadi JK
5. Menghitung jumlah kuadrat dalam :
+JK
JK tot +JK
JK dal =JK tot
91,93(2,01+1,41+4,2)
84,28
6. Menghitung dk untuk :
a. dk kolom = k-1 dalam hal ini jumlah kolom = 4. Jadi dkk = 4-1 = 3
b. dk baris = b-1 dalam hal ini jumlah baris = 2. Jadi dkb = 2-1 = 1
c. dk interaksi = dkk x dkb = 3x1 = 3. Atau ( k-1) ( k-1)
d. dk dalam = (N k.b ) = 56- 4.2 = 48
e. dk total = (N -1 ) = 56-1 = 55
47
7. menghitung mean kuadrat ( MK ) : masing-masing JK dibagi dengan dk-nya

a. MKKol
=2,01
: 3 = 0,67
b. MKbar
=1,41
: 1 =1,41
c. MKint
=4,2
: 3 =1,4
d. MKdal
=91,93 : 48 =1,92
8. Memasukka hasil perhitungan ke dalam table ringkasan anova dua jalan. Lihat table 6.35
9. Menhitung harga Fhkol , Fhbar , dan Fhint dengan cara membagi setiap MK dengan MKdal .
MKdal = 2,38
Fhkol
= 0,67 : 1,92 = 0,35
Fhbar
= 1,41 : 1,92 = 0,73
Fhint
= 1,4 : 1,92 = 0,73
Untuk mengetahui bahwa harga-harga F tersebut signifikan atau tidak, maka perlu
dibandingkan dengan table F table.
Sumber
Variasi
Antar
Kolom
Antar
Baris
Interksi
( kolom
x baris )
Dalam
Total
4-1 = 3
Tabel
Tabel ringkasan anova dua jalan
Jumlah
Mean
Fh
kuadrat
Kuadrat
2,01
0,67
0,67 : 1,92 =0,35
2-1 = 1
1,41
1,41
1,41 : 1,92 =0,73
3x1 = 3
4,2
1,4
1,4 : 1,92 = 0,73
56-2x4 = 48
56-1 = 55
91,93
122
1,92
dk
Ft
5%
10. Untuk kolom ( antara perguruan tinggi ) harga F table dicari dengan berdasarkan dk
kolom
( pembilang ) =3, dan dk
dalam
antar
( penyebut ) = 48 ( F 3:48 ). Berdasarkan dk ( 2 : 48 ),
maka harga F table = 2,8 untuk 5% dan 4,22 untuk 1%. (Table XII, lampiran ). Harga F
hitungkolom 0.35 ternyata lebih kecil dari harga F table 2,8 untuk 5% dan 4,22 untuk 1%.
Karena harga F hitung lebih kecil dari pada harga F table, maka Ha ditolak dan Ha
diterima. Halm ini berarti tidak terdapat perbedaan prestasi kerja pegawai berdasarkan
perguruan tinggi dimana ia kuliah dulu. Jadi prestasi kerja pegawai lulusan perguruan
tinggi di Jakarta tidak berbeda dengan pegawai lulusan perguruan tinggi dari bandung,
Yogyakarta dan semarang.
11. Untuk baris ( prestasi kerja pegawai golongan III dan golongan IV ). Harga hitung dicari
berdasarkan dk pembilang = 1 dan penyebut = 48. Harga F table = 4,04 dan 7,19 untuk
1%. Harga hitung ( 0,73 ) ternyata lebih kecil dari harga F table baik untuk 5% maupun
1%. ( 0,73 < 3,19 < 5,08. Karena harga F hitung lebih kecil dari pada harga F table
48
( untuk 5% maupun 1% ), maka Ho diterima dan Ha ditolak. Hal ini berarti tidak
terdapat perbedaan prestasi kerja berdasarkan golongan gaji. Jadi pegawai golongan III
prestasi kerjanya tidak berbeda dengan pegawai golongan IV.
12. Untuk interaksi. Harga F table dicari berdasarkan dk Pembilang = 3 dan dk penyebut =
48 ( dk interaksi dan dk dalam ). Berdasarkan dk tersebut, maka harga F table = 2,80
untuk 5% dan 4,22 untuk 1%. Harga F hitung = 0,73 lebih kecil dari F table ( 0,73 < 2,8 <
4,22 ). Dengan demikian Ha , signifikan antar kota perguruan tinggi dengan prestasi kerja
pegawai berdasarkan golongan. Jadi asal kota perguruan tinggi mempunyai pengaruh
yang tidak berbeda terhadap prestasi kerja pegawai golongan III dan IV.
b. Statistik Nonparametris
Statistik nonparametris yang digunakan untuk menguji hipotesis komparatif k sampel
independen antara lain adalah : Chi Kuadrat k sampel, Median Extention, dan Kruskal-Walls
One Way Anova.
1). Chi Kuadrat
Pada bagian ini di kemukakan penggunaan Chi Kuadrat untuk menguji hipotesis
komparatif
rata-rata dua sampel independen, di mana setiap sampel terdapat beberapa
kategori/klas. Seperti pada bagian yang lain, Chi Kuadrat dapat bekerja bila data yang
dianalisis berbentuk nominal/diskrit. Sampel independen adalah sempel yang tidak
berpasangan/atau berkolerasi, seperti halnya terjadi pada rancangan penelitian eksperimen.
contoh :
Akan dilakukan penelitian untuk mengetahui perbedaan antara kelompok pegawai negri
dan swasta dalam memberikan pertimbangan untuk memilih rumah sakit. Untuk menjawab
pertanyaan tersebut, maka telah dilakukan pengumpula data mulai dua kelompok sampel
yang diambil secara radom. Daro 1500 sampel pegawai negri yang diambil 700 orang
menyatakan bahwa pertimbangan memilih rumah sakit adalah karena adanya dokter yang
lengkap dan terampil, 500 orang karena peralatan kedokteran yang lengkap, dan 300 orang
karena biaya murah. Selanjutnya dari 800 orang sampel pegawai swasta,400 orang
menyatakan bahwa pertimbangan utama memilih rumah sakit adalah karena adanya dokter
yang lengkap dan terampil, 300 ora g kerena peralatan kedokteran lengkap, dan 100 orang
karena biaya murah.
Data tersebut selanjutnya disusun ke dalam table 6.36 berikut. Untuk dapat mengisi
seluruh kolom yang ada pada table, maka perlu dihitung frekuensi yang diharapkan ( f h )
untuk dua kelompok sampel tersebut dalam setiap aspek.
49
Untuk mengetahui frekuensi yang diharapkan (fh ) pertama-tama harus dihitung berapa
persen dari keseluruha sampel ( pegawai negeri dan swasta berjumlah 1500 + 800 = 2300)
yang memilih dokter yang lengkap dan terampil, peralatan kedokteran yang lengkap, dan
biaya murah. Dari sini dapat dihitung bahwa kedua sampel yang memilih dokter yang
lengkap dan terampil adalah :
F=
(700+400)
2300
X 100% = 47,83%
Jadi frekuensi yangb diharapkan untuk pegawai negri yang memilih dokter yang
lengkap dan terampil = 47,83% x 1500 = 717,45. Kemudian untuk pegawai swasta yang
memilih dokter yang lengkap dan terampil 47,83% x 800 = 382,64.
Dari kedua sampel itu yang memilih peralatan kedoketeran lengkap untuk kedua sampel
adalah :
F=
(500+300)
2300
X 100% = 34,78 %
Jadi fh pegawai negeri = 34,78% x 1500 = 512,70; fh untuk pegawai swasta = 34,78% x 800 =
278,24
Dari sampel itu yang memilih biaya murah adalah :
F=
(300+100)
2300
x 100% = 17,39%
Jadi fh pegawai negeri = 17,39 x 1500 = 260,85 dan f h pegawai swasta = 17,39 x 800 =
139,12
Hipotesis statistik yang diajukan dalam penelitian tersebut adalah sebagai berikut :
Ho : tidak terdapat perbedaan antara pegawai dalam negeri dan swasta dalam memberikan
pertimbangan untuk memilih rumah sakit.
Ha :terdapat perbedaan antara pegawai negeri dan swasta dalam memberikan pertimbangan
untuk memilih rumah sakit.
Bila Ho diterima, itu berarti juga keadaan yang ada pada sampel itu betul-betul
mencerminkan keadaan populasi, sedangkan bila Ho ditolak, maka keadaan pada sampel itu
hanya berlaku, untuk sampel itu, dan mungkin terjadi kesalahan dalam memilih sampel.
50
Tabel
Pertimbangan memilih rumah sakit antara pegawai negeri dan swasta
Pertimban
f of h 2
2
f of h
Kelomp
gan
fo
fh
(f of h)
ok
Memilih
RS
Pegawai
Dokter
700
717,45
-17, 45
304, 50
0,42
Negeri
Lengkap
Sipil
Peralatan
500
512, 70
-21,70
470,89
0,90
Kedoktera
n
Lengkap
300
260,85
39,15
1.530,37
5,87
Biaya
Murah
Pegawai
Dokter
400
382,64
17, 36
301, 37
0,79
Swasta
Lengkap
Peralatan
Kedoktera
n
Lengkap
Jumlah
Biaya
Murah
70 th
<70 th
300
278, 4
21,76
473,50
1,70
100
139,12
-39,12
1.530,37
11,0
2,300
605,15
0,00
-105,15
11056,52
20,68
18,27
Rumus Chi Kuadrat yang dgunakan adalah seperti yang telah dikemukakan pada bagian
lain yaitu:
51
f of h
2
X =
Dengan rumus tersebut harga Chi Kuadrat hitung telah ditemukan pada tabel di atas
yaitu sebesar 20,69. Untuk memberkian interprestasi terhadap angka tersebut maka perlu
dibandingkan dengan
harga Chi Kuadrat tabel dengan derajat kebebasan (dk) tertentu.
Karena untuk model ini terdpat dua sampel dan tiga kategori, maka derajad kebebasannya
dapat dihitung dengan menggunakan tabel 2 x 3 berikut (dua sampel yaitu pegawai negeri
dan swasta, tiga kategori pertimbangan memilih rumah sakit)
1
Kategori
2
Sampel 1
Sampel 2
Besarnya derajat kebebasan = (s-1) x (k-1) = (2-1) (3-1). Bila kategorinya hanya dua maka dk
= (2-1) (2-1) = 1
Dengan dk = 2 dan taraf kesalahan 5%, maka besarnya Chi Kuadrat tabel adalah 5,991.
Harga Chi kuadrat hitung ternyata lebih besar dari tabel (20,69 > 5,991). Karena harga Chi
Kuadrat lebih besar dari tabel, maka Ho ditolak dan Ha diterima. Jadi terdapat perbedaan
secara signifikan antara pegawai negeri dan swasta dalam memberikan pertimbangan
dalam memilih rumah sakit. Perbedaan dalam sampel tersebut dapat digeneralisasikan,
sehingga perbedaan yang terjadi pada sampeltersebut betul-betul mencerminkan keadaan
populasi.
2) Median Extention (Perluasan Median)
Test median extention 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 Kuadra().
f oijf hij 2
2
X =
52
Di mana :
f oij = Banyak kasus pada baris ke i dan kolom j
f hij
=Banyak kasus yang diharapkan pada baris i dan kolom ke j
= Penjumlahan semua sel

dk untuk rumus tersebut adalah (k-1) (r-1) dimana k adalah banyak kolom dan r adalah
banyak baris. Dalam test median r=2 dengan demikian : dk = (k-1) (r-1) = (k-1) (2-1)= (k-1).
Ho ditolak bila nilai X2 tabel lebih besar () dari nilai Chi Kuadrat X2 hitung.
Contoh
dilakukan penelitian untuk mengetahui perbedaan golongan gaji pegawai dalam membaca
jumlah media cetak. Dalam hal ini golongan gaji dikelompokkan menjadi empat tingkat
yaitu golongan I. II, III, dan IV. Dalam penelitian ini digunakan sampel pegawai golongan I =
7 orang, II = 10 orang, III =9 orang dan IV = 8 orang.
Ho : Tidak dapat perbedaan dalam membaca jumlah media cetak berdasarkan golongan gaji
pegawai.
Ha : Terdapat perbedaan dalam membaca jumlah media cetak berdasarkan golongan gaji
pegawai
Data hasil penelitian ditunjukkan pada tabel berikut:
Tabel
Jumlah media cetak yang dibaca oleh pegawai berdasarkan golongan gaji
Jumlah Media Cetak Yang Dibaca :
GOL.1
0
1
2
1
4
1
1
1
2
2
1
GOL.II
1
2
2
2
5
1
3
4
2
3
2
n1=11
n2=11
GOL.III
2
3
4
5
3
2
3
3
3
2
1
2
n3=12
GOL.IV
5
3
4
6
8
5
6
4
3
3
4
4
n4=12
Karena ini adala h test median, maka median jumlah media cetak yang dibaca oleh
empat kelompok golongan gaji itu perlu dicari. Untuk memidahkan pencarian, maka data
53
empat
kelompok
tersebut
diurutkan
mulai
dari
jumlah
yang
terkecil.
01111111112222222222333333333344444445556668
Median jumlah media cetak yang dibaca oleh 4 kelompok pegawai tersebut adalah
angka ke-23 dan ke-24 yaitu (3+3) : 2 = 3
Ini merupakan Ho. Jadi untuk golongan 1 = (1 + 10) : 2 = 5,5. Kalau dalam sel ada
frekuansi yang diharapkan yang nilainya kurang dari 5 sebanyak lebih ari 20%, maka Chi
Kuadrat tidak dapat digunakan untuk analisis. Untuk contoh diatas tidak ada, sehingga Chi
Kuadrat dapat digunakan.
Tabel
Jumlah pegawai yang membaca media cetak di atas dan di bawah median
KELOMPOK
Jumlah Media yang Dibaca Pegawai

Gol. II
Gol. III
Gol. IV
Gol. I
Jumlah yang
membaca > median
5,
3
Jumlah yang
5*
10
5,5*
9
6*
10
6*
3
membaca > median

3
Jumlah
5,5*
11
5,5*
11
6*
12
6*
12
JUMLAH YANG DIHARAPKAN DENGAN peluang tiap kelompok=0,5; Gol. I (11 x

0,5)=5,5; Gol III(12 x0,5)=5 dst.
Untuk golongan I, jumlah yang membaca diatas median hanya 1,yaitu 4. (4 diatas 3). Untuk
golongan II = 2, golongan III = 2, dan golongan IV = 9. Selanjutnya nilai-nilai yang telah
dihitung dalam tabel 6.39 tersebut dimasukkan kedalam rumus 6.27 jadi,
f oijf hij
2
X =
54
15,5
25,5 2
2
26
296 2
Harga Chi Kuadrat hitung tersebut selanjutnya dibandingkan dengan Chi Kuadrat
tabel, dengan = k-1 dan di tetapkan 0,05. dk = k-1 = 4-1 = 3. Dengan mengguanakan tabel
Chi Kuadrat tabel dapat ditemukan aitu sebesar 7,815. Ternyata Chi Kuadrat
lebih dari kecil dari
di hitung
tabel (5,76 < 7,815). Karena harga hitung lebih kecil dari harga
tabel, maka Ho ditolak dan Ha diterima. Dengan demikian terdapat perbedaan yang
signifikan terhadap jumlah koran yang dibaca oleh pegawai berdasarkan golongan gajinya.
Dari data terlihat bawa golongan IV lebih banyak membaca koran dari pada golongan I.
3) Analisia Varians Satu Jalan Kruskal-Walls

Teknik ini digunakan untuk menguji hipotesis k sampel independen bila datanya
berbentuk ordinal. Bila dalam pengukuran ditemukan data berbentuk interval atau rasio,
maka perlu diubah dulu ke dalam data ordinal (data berbentuk rangking/peringfkat).
Rumus yang digunakan untuk mengui adalah sebagai berikut:
k
12
R j2
H=
3 (N +1)
N (N +1) j=1 n j
Dimana :
N = banyak baris dalam tabel
K = banyak kolom
RJ
= jumlah rangking dalam kolom
Rumus tersebut di bawah distribusi Chi Kuadrat dengan dk= k-1.
Contoh :
Dilakukan penelitian untuk mengetahui perbedaan prestasi kerja pegawai yang rumahnya
jauh da dekat, jarak rumah ini di kelompokkan menjadi 3 yaitu,
I : (1-5)km,
II : (>5-10)km dan
III: (>10)km.
55
Penelitian dilakukan pada 3 kelompok sampel yang diambil secara random. Jumlah pegawai
pada sampel I = 11, sampel II = 12 dan sampel III = 10. Pengukuran dilakukan dengan
instrumen prestasi.
Ho = tidak dapat perbedaan prestasi kerja pegawai berdasarkan jarak rumah dan jarak kantor.
Ha = terdapat perbedaan prestasi kerja pegawai berdasarkan jarak rumah dengan jarak kantor.
Data hasil ditunjukkan pada Tabel berikut:
Tabel
Prestasi kerja pegawai berdasarkan jarak rumah dengan kantor
Jarak RumahDengan Kantor
0-5 km
>5-10 km
>10 km
78
92
68
56
77
82
81
62
91
53
85
82
89
72
57
62
75
64
77
84
56
88
69
69
79
65
60
71
74
83
56
59
90
Karena test kruskal-walls ini bekerja dengandata ordinal, maka data tersebut di atas
yang berupa data interval tersebur diubah kedalam bentuk data ordinal. Jadi 3 kelompok
tersebut dibuat rangking dari yang terkecil sampai yang terbesar.
Untuk memudahkan merangking urutkan data dari yang terkecil ke terbesar. Jumlah
rangking terakhir harus sama dengan jumlah seluruh data. Jumlah rangking masing-masing
kelompok sdeperti yang ditunjukkan pada tabel tersebut di atas adalah: R1 = 205,5 R2 =
203,5 dan R3 = 152,5. Harga-harga tesebut selanjutnya dimasukkan kedalam rumus
Tabel
56
Rangking prestasi kerja pegawai berdasarkan jarak rumah dengan kantor
0-5 km
78
92
68
56
77
82
81
62
91
53
85
Rank
21,0
33,0
12,0
3,0
19,5
24,5
23,0
8,5
32,0
1,0
28,0
Jarak Rumah Dengan Kantor

>5-10 km
Rank
82
24,5
89
30,0
72
15,0
57
5,0
62
8,5
75
18,5
64
10,0
77
19,5
84
27,0
56
3,0
88
29,0
69
13,5
>10 km
69
79
65
60
71
74
83
56
59
90
Rank
13,5
22,0
11,0
7,0
16,0
17,0
26,0
3,0
6,0
31,0
ANALISIS KOMPARASIONAL PARAMETRIK

DENGAN SPSS
Pengujian hipotesis dengan menggunakan bantuan program komputer saat ini sangat
diperlukan. jika kita menghadapi jumlah data yang banyak, maka pengujian dengan
menggunakan perhitungan manual akan memakan waktu dan tenaga yang besar. Untuk itulah
penggunaan program komputer akan sangat membantu. Program yang paling sering
digunakan dalam melakukan analisis statistik termasuk pengujian hipotesis adalah statistical
package for social sciences (SPSS).
1. Uji t satu sampel
Sudah tau kan uji T satu sampel, kalau belum baca dulu postingan yang ini, kalau yang dulu
hitungannya manual, sekarang kita akan apikasikan di SPSS :
1. Buka SPSS anda.
57
2. Misalkan saya memiliki datanya seperti di bawah ini :
3. Kita akan melakukan uji apakah data yang kita dapatkan berbeda dengan data sebelumnya,
menurut informasi rata-rata kunjungan pasien tahun lalu sebanyak 20 orang.
58
4. Pada menu di SPSS pilih Analyze --> Compare Means --> One-Sample T Test, jelasnya
5. Setelah itu akan muncul jendela seperti ini :
59
6. Pilih variabel "kunjungan pasien", lalu klik tanda 'segitiga' untuk memindahkan variabel
tersebut ke kotak 'Test Variables'.
60
7. Isi kotak 'Test Value' dengan angka "20"(angka 20 merupakan rata-rata kunjungan pasien
tahun lalu), kemudian klik OK. Hasilnya :
8. Kesimpulan
Dari tabel "One-Sample Statistics" terlihat bahwa rata-rata kunjungan sebanyak 23 orang,
dengan standar deviasi 3,387. Bila melihat dari rata-rata kunjungan saat ini memang ada
perbedaan, namun perbedaan ini apakah bermakna secara statistik ?
Mari kita lihat pada tabel "One-Sample Test" pada kolom "Sig.(2-tiled)" diperoleh nilai P =
0,001, maka nilai P < , sehingga Ho ditolak. Dengan demikian dapat kita simpulkan bahwa
ternyata pada uji statistik dua sisi (2-tailed) pada taraf nyata = 0,05, menunjukan ada
perbedaan yang bermakna antara kunjungan pasien tahun lalu dengan tahun ini.
2. Uji t dua sampel ( Bivariat)

a. Uji t sampel independent
Untuk melakukan pengujian beda rata-rata yang independen dengan menggunakan
program SPSS dapat dilakukan dengan menggunakan langkah-langkah sebagai berikut:
61
Misalnya seorang guru tertarik untuk melihat perbedaan nilai mata pelajaran Fiqh antara dua
kelas dengan menggunakan dua metode yang berbeda. Pada kelas A digunakan metode
diskusi dan pada kelas B digunakan metode ceramah. Pada akhir materi sang guru
memberikan tes kepada kedua kelas tersebut. Dalam kesempatan ini kita akan menguji
hipotesis nol (H0):
tidak ada perbedaan antara metode diskusi dan metode ceramah dengan menggunakan
SPSS.Untuk melakukan pengujian beda rata-rata yang saling dependen dengan menggunakan
program SPSS dapat dilakukan dengan menggunakan langkah-langkah sebagai berikut:
Masukkan nilai-nilai yang diperoleh siswa ke dalam program SPSS sebagai berikut:
Setelah itu klik pada ANALYZE > COMPARE MEANS > INDEPENDENT SAMPLE T
TEST pada menu sehingga kota dialog Independent Sample T Test terbuka.
62
Masukkan variable nilai pada kotak Test Variable(s) dan variable metode pada kotak
Grouping Variabel. Setelah itu klik DEFINE VARIABLE sehingga kota Define Variable
terbuka
Masukkan angka 1 pada Group 1: dan angka 2 pada Group 2 setelah itu klik CONTINUE
sehingga kita kembali ke kotak Independent-Samples T Test.
63
Setelah itu klik Options dan masukkan 95 pada kotak Confidence Interval. Nilai 95 bermakna
tingkat kepercayaan yang akan kita uji adalah 95%. Setelah itu klik CONTINUE dan kita
kembali ke kotak kotak Independent-Samples T Test. Setelah itu klik OK sehingga SPSS
menampilkan outputnya.
Dari hasil output SPSS terlihat bahwa ada dua hasil perhitungan yaitu Groups Statistics dan
Independent Sample T Test.
Pada Group Statistics dipaparkan hasil perhitungan SPSS tentang jumlah data, nilai rata-rata,
standar deviasi dan standar error rata-rata. Dari hasil terlihat bahwa rata-rata nilai pada
metode diskusi adalah 51,44 dengan standar deviasi 10,382 sedangkan pada metode ceramah
adalah 68,88 dengan standar deviasi 12,299.
64
Tabel Independent Sample T Test pertama memaparkan uji apakah kedua kelompok memiliki
varian yang sama. Karena nilai Sig (0,608) > (0,05), maka dapat disimpulkan bahwa kedua
kelompok memiliki varian yang sama.
65
Berdasarkan hasil perhitungan SPSS di atas terlihat bahwa thitung = -3,170 dengan dk = 15
sehingga H0 ditolak. Disamping menggunakan perbandingan nilai t, output SPSS juga
memberikan perbandingan Sig (2-tailed). Karena Sig (2-tailed)
b. Uji t sampel dependent (berpasangan)
Uji-t untuk data berpasangan berarti setiap subjek diukur dua kali. Misalnya sebelum dan
sesudah dilakukannya suatu intervensi atau pengukuran yang dilakukan terhadap pasangan
orang kembar. Dalam contoh ini akan membandingkan data sebelum dengan sesudah
intervensi.
Contoh Kasus :
Suatu studi ingin mengetahui pengaruh suatu metode diet, lalu diambil 28 ibu sebagai sampel
untuk menjalani program diet tersebut. Pengukuran berat badan yang pertama (BBIBU_1)
dilakukan sebelum kegiatan penyesuaian diet dilakukan, dan pengukuran berat badan yang
kedua (BBIBU_2) dilakukan setelah dua bulan menjalani penyesuaian diet.
66
Buka SPSS, dan masukan datanya seperti ini :
67
Kita akan melakukan uji hipotesis untuk menilai apakah ada perbedaan berat badan ibu antara
sebelum dengan sesudah mengikuti program diet, langkah-langkahnya sebagai berikut.
Dari menu utama, pilihlah: Analyze-->Compare Mean-->Paired-Sample T-test.
Pilih variabel BBIBU_1 dan BBIBU_2 dengan cara mengklik masing-masing variable
tersebut.
Kemudian klik tanda segitiga untuk memasukkannya ke dalam kotak Paired-Variables.
68
Seperti nampak di bawah ini :
Selanjutnya klik OK untuk menjalankan prosedur. Pada layar Output tampak hasil seperti
berikut:
Dari 28 subjek yang diamati terlihat bahwa rata-rata (mean) berat badan dari ibu sebelum
intervensi (BBIBU_1) adalah 57.54, dan rata-rata berat badan sesudah intervensi (BBIBU_2)
adalah 56,21. Uji t yang dilakukan terlihat pada tabel berikut:
69
Dari hasil uji-t berpasangan tersebut terlihat bahwa rata-rata perbedaan antara BBIBU_1
dengan BBIBU_2 adalah sebesar 1.321. Artinya ada penurunan berat badan sesudah
intervensi dengan rata-rata penurunan sebesar 1.32 kg.
Hasil perhitungan nilai t adalah sebesar 5,133 dengan p-value 0.000 dapat ditulis 0,001 (uji
2-arah). Hal ini berarti kita menolak Ho dan menyimpulkan bahwa secara statistik ada
perbedaan yang bermakna antara rata-rata berat badan sebelum dengan sudah intervensi.
Dari hasil di atas kita bisa menilai bahwa program diet tersebut berhasil.
3. Uji Multivariat
a. Uji Anava satu jalur
ANOVA merupakan lanjutan dari uji-t independen dimana kita memiliki dua
kelompok percobaan ataulebih. ANOVA biasa digunakan untuk membandingkan mean dari
dua kelompok sampel independen (bebas). Uji ANOVA ini juga biasa disebut sebagai One
Way Analysis of Variance.
Asumsi yang digunakan adalah subjek diambil secara acak menjadi satu kelompok n.
Distribusi mean berdasarkan kelompok normal dengan keragaman yang sama. Ukuran
sampel antara masing-masing kelompok sampel tidak harus sama, tetapi perbedaan ukuran
kelompok sampel yang besar dapat mempengaruhi hasil uji perbandingan keragaman.
Hipotesis yang digunakan adalah:
H0: 1 = 2 = k (mean dari semua kelompok sama)
Ha: i <> j (terdapat mean dari dua atau lebih kelompok tidak sama)
70
Statistik uji-F yang digunakan dalam One Way ANOVA dihitung dengan rumus (k-1), uji F
dilakukan dengan membandingkan nilai Fhitung (hasil output) dengan nilai Ftabel.
Sedangkan derajat bebas yang digunakan dihitung dengan rumus (n-k), dimana k adalah
jumlah kelompok sampel, dan n adalah jumlah sampel. p-value rendah untuk uji ini
mengindikasikan penolakan terhadap hipotesis nol, dengan kata lain terdapat bukti bahwa
setidaknya satu pasangan mean tidak sama.
Sebaran perbandingan grafis memungkinkan kita melihat distribusi kelompok. Terdapat
beberapa pilihan tersedia pada grafik perbandingan yang memungkinkan kita menjelaskan
kelompok. Termasuk box plot, mean, median, dan error bar.
Contoh Kasus.
Evaluasi pada metode pengajaran oleh pengawas untuk anak-anak sekolah Paket C adalah
sebagai berikut:
Sebelum diinput ke dalam SPSS susunan data harus dirubah dahulu karena data diatas
berbentuk matriks, untuk yang datanya tidak dalam bentuk matriks tabel, tidak perlu dirubah.
Tabelnya adalah seperti tabel berikut:
71
Data ini kemudian dapat dimasukkan ke dalam worksheet SPSS agar dapat dilakukan
analisis.
Hipotesis yang digunakan adalah:
H0 : 1 = 2 = 3 = 4 = 5 (mean dari masing-masing kelompok metode adalah sama)
H1: 1 <> 2 <> 3 <> 4 <> 5 (terdapat mean dari dua atau lebih kelompok metode
tidak sama)
Langkah-langkah pengujian One Way ANOVA dengan software SPSS adalah sebagai berikut:
1. Input data ke dalam worksheet SPSS, tampilannya akan seperti berikut ini:
Data view:
Sedangkan Variabel view:
2. Kemudian jalankan analisis dengan memilih ANALYZE COMPARE MEANS ONE WAY
ANOVA, seperti berikut ini:
72
3. Setelah muncul kotak dialog, maka pindahkan variabel metode ke DEPENDEN LIST, dan
variabel waktu ke FACTOR.
4. Setelah variabel dependen dimasukkan pilih OPTION, kemudian checklist

Descriptive danHomogeneity-of-Variance box, seperti gambar berikut
kemudian klik continue.
73
5. Setelah itu pilih post Hoc Test, untuk melihat kelompok mana aja seh yang signifikan (satu
persatu). Anda bisa memilih Post Hoc Test - Tukey, lalu continue OK.
6. Setelah itu maka akan muncul output berupa seperti berikut ini:
7. Sedangkan Output Post Hoc Test akan berupa tabel MULTIPLE

COMPARRISON seperti berikut ini:
74
8. Interpretasi:
Hasil uji Homogeneity-of-Variance box menunjukkan nilai sig. (p-value) sebesar
0,848, ini mengindikasikan bahwa kita gagal menolak H0, berarti tidak cukup bukti untuk
menyatakan bahwa mean dari dua atau lebih kelompok metode tidak sama. Hasil
uji one way ANOVA yang telah dilakukan mengindikasikan bahwa nilai uji-F signifikan
pada kelompok uji, ini ditunjukkan oleh nilai Fhitung sebesar 11,6 yang lebih besar
daripada F(3,9) sebesar 3,86 (Fhitung > Ftabel), diperkuat dengan nilai p = 0.003 lebih
kecil daripada nilai kritik =0,05.
Tukey
post
hoc
test untuk multiple
comparisons mengindikasikan
bahwa hanya kelompok 4 yang memiliki nilai sig. (F statistik) yang signifikan secara
statistik. Hasil ini mengindikasikan bahwaperbedaan rata-rata antara metode waktu
belajar 1, 2 dan 3 secara statistik tidak signifikan dan meannya secara signifikan
berbeda daripada mean metode 4 yang signifikan secara statistik. (yoz)
b. Uji Anava dua Jalur

Untuk analisa dengan pendekatan distribusi F dapat digunakan metode lain yang
biasanya kita sebut sebagai analisis Varians (ANOVA) yang merupakan suatu metode analisa
data dengan tujuan untuk mendapatkan pemecahan terhadap masalah di dalam melakukan
suatu eksperimen yang terdiri dari 2 atau lebih populasi (k 2). Selain itu analisa ini dapat
pula dipergunakan untuk mengukur besarnya variasi-variasi yang terjadi sangat ditentukan
75
oleh macamnya pengamatan yang dilakukan dalam eksperimen tersebut. Contoh data yang
akan saya Uji adalah data untuk uji Two Ways ANOVA.
Data berikut adalah hasil penjualan produk (dalam satuan unit) di 4 daerah yang
diberi instruksi, efek dari pembedahan daerah, serta efek dari metode instruksi dan
pembedahan daerah secara bersama-sama (interaksi) terhadap hasil penjualan.
Peneliti hendak mengetahui apakah :
1.
Apakah tiap-tiap model instruksi memiliki rata-rata penjualan yang sama?
2.
Apakah rata-rata hasil penjualan untuk setiap daerah target penjualan adalah sama?
3. Apakah ada perbedaan rata-rata hasil penjualan produk untuk interaksi metode dan
daerah?
Metode instruksi
Daerah
I
II
III
IV
A1
A2
A3
70
83
81
79
89
86
72
78
79
77
77
74
81
87
69
79
88
77
82
94
72
78
83
79
80
79
75
85
84
68
90
90
71
87
88
69
Langkah-langkah menyelesaikan kasus diatas dengan SPSS 20

1.
Buatlah 3 variabel data pada lembar kerja SPSS (Variabel View)
Variabel pertama : metode

Tipe data : Numeric, Witdth 8, decimal places : 0
Value :1 : A1
2 : A2
3 : A3
76
Variabel kedua : daerah

Value :
1:I
2 : II
3 : III
4 : IV
Variabel ketiga : hasil

2.
77
Masukkan semua data seperti pada table dibawah ini
3.
Analisis dengan Anava.
Dari baris menu pilih menu analyze, kemudian pilih submenuGeneral Linear Model,
Dari serangkaian test, pilih Simple factorial (Univariate),
Pindahkan variable hasil ke kotak Dependent Variabel,
Pindahkan variable daerah dan metode ke kotak Fixed factors
Jika telah mengisi variable maka tekan OK. Maka diperoleh hasil outputnya sebagai
berikut sekalian di analisis hasilnya.
Analisis :
78
Descriptive Statistics
Dependent Variable: Hasil Penjualan
Daerah Penjualan Metode Instruksi Mean Std. Deviation
N
A1
73.67
4.726
3
A2
83.33
5.508
3
I
A3
82.00
3.606
3
Total
79.67
6.083
9
A1
79.00
2.000
3
A2
84.00
6.083
3
II
A3
73.33
4.041
3
Total
78.78
5.974
9
A1
80.00
2.000
3
A2
85.33
7.767
3
III
A3
75.33
3.512
3
Total
80.22
6.160
9
A1
87.33
2.517
3
A2
87.33
3.055
3
IV
A3
69.33
1.528
3
Total
81.33
9.247
9
A1
80.00
5.705
12
A2
85.00
5.240
12
Total
A3
75.00
5.560
12
Total
80.00
6.761
36
Untuk table descriptive statistics, total populasi untuk keseluruhan responden yang diambil
adalah sebanyak 36 responden, dengan tiap-tiap daerah memiliki 9 responden. Dan untuk
setiap metode intruksi memiliki jumlah responden yang sama yaitu sebanyak 12 responden.
Levene's Test of Equality of Error Variancesa
F
df1
df2
Sig.
1.714
11
24
.130
Tests the null hypothesis that the error variance of the dependent variable is equal across
groups.a
a. Design: Intercept + daerah + metode + daerah * metode
Pada tebel levenes test of equality of eror variances diatas bahwa F hitung adalah 1,714 dengan
nilai signifikansi sebesar 0,130.
Hipotesa:
Ho
: Ketiga metode instruksi tersebut memiliki varian yang sama.
Hi
: Ketiga metode intruksi tersebut minimal ada satu yang tidak identik variannya.
Criteria pengambilan keputusan:

Jika nilai signifikansi > 0,05 maka Ho diterima
Jika nilai signifikansi < 0,05 maka Ho ditolak.
79
Karena Fhitung sebesar 1,714 dengan probabilitas (nilai signifikansi) 0,130 adalah lebih besar
dari 0,05 maka ketiga metode instruksi tersebut memiliki varian yang sama, bearati asumsi
bahwa jika data sedikit populasi harus normal untuk melakukan uji anova telah terpenuhi.
Tests of Between-Subjects Effects
Source
Type III Sum
df
Mean Square
Corrected Model
Intercept
daerah
metode
daerah * metode
Error
Total
Corrected Total
of Squares
1164.667a
230400.000
30.889
600.000
533.778
435.333
232000.000
1600.000
11
1
3
2
6
24
36
35
Sig.
105.879
5.837
230400.000 12701.991
10.296
.568
300.000
16.539
88.963
4.905
18.139
.000
.000
.642
.000
.002
a. R Squared = .728 (Adjusted R Squared = .603)

Test of between-subjects effects atau table anova diatas memberitahukan bahwa pada metode
instruksi, Fhitung sebesar 16,539 dengan probabilitas 0,000.
Hipotesa 1:
Ho
: rata-rata hasil penjualan untuk tiap metode instruksi adalah sama.
Hi
: rata-rata hasil penjualan untuk tiap metode instruksi minimal ada satu yang tidak
sama.
Dasar pengambilan keputusan:
Jika nilai signifikansi < 0,05 maka Ho ditolak atau menerima Hi

Pengambilan keputusan:
Karena F hitung sebesar 16,539 dengan nilai signifikansi 0,000 adalah < 0,05 maka dikatakan
bahwa untuk tiap-tiap model instruksi memiliki rata-rata penjualan yang tidak sama. Daerah
pada table test of between-subjects effect memiliki F hitung 0,568 dengan nilai signifikansi
sebesar 0,642
Hipotesa 2;
Ho : rata-rata hasil penjualan untuk tiap-tiap daerah adalah sama
Hi : rata-rata hasil penjualan untuk tiap-tiap daerah minimal ada satu yang tidak sama.
Dasar pengambilan keputusan;
80
Jika nilai signifikansi < 0,05 maka Ho ditolak

Pengambilan keputusan:
Daerah target penjualan dengan Fhitung sebesar 0,568 dengan probablitas 0,642 adalah > 0,05
maka menerima hipotesa awal, dengan kata lain bahwa ternyata rata-rata hasil penjualan
untuk daerah target penjualan adalah sama.
Interaksi (metode*daerah)
Hipotesa:
Ho
: rata-rata hasil penjualan untuk interaksi adalah berbeda
Hi
: rata-rata hasil penjualan untuk interaksi minimal ada satu yang tidak sama.
Dasar penganbilan keputusan;
Jika nilai signifikansi < 0,05 maka Hi diterima atau menolak Ho.
Dari tabel Test of between-subjects effects Fhitung untuk interaksi metode dan daerah
(metode*daerah) adalah 4,905 dengan probabilitas sebesar 0,002 adalah lebih kecil dari
0,05 maka dikatakan bahwa rata-rata hasil penjualan produk untuk interaksi metode dan
daerah adalah berbeda.
Jika terdapat perbedaan maka harus dilanjutkan dengan uji Post Hoc. Hal ini terlihat dari
table Tests of between-Subjects Effect dimana terdapat perbedaan untuk tiap-tiap model
instruksi memiliki rata-rata penjualan yang tidak sama; terbukti dengan sig. 0,000.
Langkah-langkah untuk uji lanjutan (uji Post Hoc) :
1. Kembali pada awal SPSS (pakai data yg masih terbuka tadi atau jangan direstart
program SPSS-nya)
2.
Pilih Analize, kemudian pilih sub menu General Linear Model.
3.
Dari serangkaian tes, pilih Simple factoral (univariate)
4.
Tanpa mengubah input data awal, klik pada Post Hoc.
5.
Pada kolom Factor(s) klik metode lalu tempatkan pada kolom Post Hoc Test for
6.
Selanjutnya bagian Equal Variances Assumed, centang Tutkey.
7.
Selanjutnya tekan Continue lalu silahkan kembali menekan OK.
81
Data output yang dikeluarkan akan menampilkan data yang sama seperti output langkah yang
paling awal dengan hanya menambah output tabel Multiple Comparisons . Tetapi tidak
masalah, anda hanya memerlukan output Multiple Comparisons.
Post Hoc Tests
Metode Instruksi
Multiple Comparisons
Tukey HSD
(I) Metode (J) Metode
Instruksi
Instruksi
Mean
Std. Error
Sig.
Difference (I-
95% Confidence Interval

Lower Bound Upper Bound
J)
A2
A3
A1
A2
A3
A1
A3
A2
Based on observed means.
A1
-5.00*
5.00*
5.00*
10.00*
-5.00*
-10.00*
1.739
1.739
1.739
1.739
1.739
1.739
.022
.022
.022
.000
.022
.000
-9.34
.66
.66
5.66
-9.34
-14.34
-.66
9.34
9.34
14.34
-.66
-5.66
The error term is Mean Square(Error) = 18.139.

*. The mean difference is significant at the .05 level.
Hasil uji Tutkey HSD pada table diatas ternyata terdapat perbedaan antara variable Metode
Instruksi untuk A1, A2 dan A3 dengan memiliki sig. < 0,05
82
Kesimpulan:
Dari uji two way anova diatas dapat disimpulkan bahwa rata-rata hasil penjualan untuk tiaptiap metode instruksi adalah berbeda namun sama untuk tiap-tiap daerah target penjualan.
Akan tetapi apabila daerah target penjualan dikombinasikan dengan metode instruksi yang
tepat akan mempengaruhi rata-rata hasil penjualan.
ANALISIS KOMPARASIONAL NON PARAMETRIK

DENGAN SPSS
1. UJI SAMPEL INDEPENDENT
a. Uji dua sampel
Uji mann-whitney
Uji Mann-Whitney digunakan untuk menguji hipotesis nol tentang kesamaan
parameter-parameter lokasi populasi . Dalam beberapa kasus uji ini disebut juga Uji MannWhitney Wilcoxon, karena wilcoxon menggunakan kasus dengan ukuran sampel yang sama
sedangkan Mann-Whitney dapa juga menggunakan ukuran sampel yang berbeda.
Sehingga secara garis besar pada uji Mann-Whitney diperoleh dua sampel random yang
ukurannya bisa berbeda dan bisa sama, misalnya X1, X2, , Xndari populasi X dan Y1, Y2,
, Ym dari populasi Y.
Adapun secara lengkap format uji hipotesis dari uji ini yaitu:
83
H0 : = i ( tidak ada perbedaan rata-rata diantara kedua sampel)

H1 : i (terdapat perbedaan rata-rata antara kedua sampel)
Statistik uji:
Dimana:
U(x) = n1*n2 + [((1/2)*n(x)*(n(x)+1)) R(x)]
Dengan :
x = 1 (untuk sampel 1)
2 (untuk sampel 2)
R(x) = jumlah rangking tiap sampel
n1 = banyaknya sampel pada sampel 1
n2 = banyaknya sampel pada sampel 2
Daerah kritis
H0 ditolak jika nilai absolut Z hitung > nilai Za/2 .
Untuk menjalankan prosedur ini langkah yang dapat dilakukan pada perangkat SPSS yaitu
sebagai berikut:
Klik Analyze > Nonparametric Test > 2 Independent Samples
Muncul dialog box berikut: Dan aktifkan Mann-Whitney U pada pilihan Test Type
84
(lebih lanjut pada contoh soal)

Contoh Soal:
Seorang guru Mata Pelajaran Bahasa Inggris ingin mengetahui keefektifan cara mengajarnya
di sebuah SMA. Untuk itu, diambilnya sampel random dari 20 0rang siswa kelompok IPA
yang dianggapnya memenuhi standard untuk menjadi wakil dari seluruh siswa kelompok
IPA. 10 Siswa diajarnya dengan metode tanya jawab (semi SCL) dengan full english dan
sisanya diajar dengan metode yang pernah diterapkan sebelumnya yaitu CBSA full english.
Dan di akhir semester mereka diuji dengan soal yang sama, dan diperoleh nilai:
Selanjutnya akan dilakukan uji analisis:

1. Inputkan data dengan format seperti di atas,
Dengan catatan pada variabel kelompok, data dimasukkan dengan type numeric agar dapat
dibaca oleh SPSS, kemudian pada value label, isikan 1 untuk semi SCL dan 2 untuk CBSA
Seperti pada gambar berikut:
2.
Klik Analyze
> Nonparametric Tests > 2 Independet Samples

Muncul kotak dialog berikut:
85
Pada test variabel list masukan variabel Nilai,

Pada Grouping variabel Kelompok
Pada test type aktifkan Mann-Whitney U
3. Klik kotak Define Group dan muncul kotak dialog berikut:
Pada Group 1 ketikan 1
Pada Group 2 ketikan 2
Nilai 1 dan 2 dimasukkan karena nilai inilah yang kita masukkan sebagai values
kelompok ketika menginput data tadi.
Klik Continue
4. Klik OK
5. Outputnya:
86
Kesimpulan
Berdasarkan output tersebut di atsa diperoleh bahwa nilai signifikansi Mann-Whitney = 0.028
yang < nilai alpha 0.05 yang menandakan bahwa H0 ditolak yang berarti bahwa tterdapat
perbedaan rata-rata antara kedua sampel.
b. Uji lebih dari 2 sampel

Uji kruskal-Wallis
Kruskal-Wallis
Wallis adalah
uji
test dikembangkan
nonparametrik
yang
oleh
Kruskal
digunakan
dan
untuk
Wallis. Uji
Kruskal-
membandingkan
tiga
atau lebih kelompok data sampel.

Uji Kruskal-Wallis digunakan ketika asumsi ANOVA tidak terpenuhi. ANOVA
adalah teknik analisis data statistik yang digunakan ketika kelompok-kelompok variabel
bebas lebih dari dua. Pada ANOVA, kita asumsikan bahwa distribusi dari masing-masing
kelompok harus terdistribusi secara normal. Dalam uji Kruskal-Wallis, tidak diperlukan
asumsi tersebut, sehingga uji Kruskal-Wallis adalah uji distribusi bebas. Jika asumsi
normalitas terpenuhi, maka uji Kruskal-Wallis tidak sekuat ANOVA.
Penyusunan hipotesis dalam uji Kruskal Wallis adalah sebagai berikut:
H0 : sampel berasal dari populasi yang sama (1 = 2 = = k)
Ha : sampel berasal dari populasi yang berbeda (i = j)
Uji Kruskal Wallis harus memenuhi asumsi berikut ini:
- Sampel ditarik dari populasi secara acak
- Kasus masing-masing kelompok independen
- Skala pengukuran yang digunakan biasanya ordinal
- Rumus umum yang digunakan pada uji kruskal wallis adalah :
Statistik uji Kruskal Wallis menggunakan nilai distribusi Chi-kuadrat dengan derajat bebas
adalah k-1 dengan jumlah sample harus lebih dari 5. Jika nilai uji Kruskal Wallis lebih kecil
87
daripada nilai chi-kuadrat tabel, maka hipotesis null diterima, berarti sampel berasal dari
populasi yang sama, demikian pula sebaliknya.
Ilustrasi:
Berikut ini adalah hasil survey tingkat kepentingan terhadap 3 atribut yang dinotasikan
dengan 1 adalah terdapat banyak tenan-tenan terkenal, 2 untuk kelengkapan menu di
foodcourt, dan 3 untuk frekuensi hiburan pada sebuah Mall di kota X dimana pertanyaan
terhadap ketiga atribut diambil secara acak. Jumlah responden sebanyak 30 orang dibagi ke
dalam 3 kelompok. Setiap kelompok ditanyakan tingkat kepentingan terhadap masing-masing
dari 3 atribut. Jawaban responden diidentifikasikan dengan skala likert, dimulai dari 1
untuk sangat penting, dan 5 untuk tidak penting.
Data yang diberikan adalah sebagai berikut:
Dengan SPSS 17.0 langkah-langkahnya adalah sebagai berikut:

1. Input data seperti berikut:
2. Kemudian pada menubar pilih Analyze Non Parametric Test K-independent samples,
seperti berikut:
88
3. Kemudian akan muncul kotak dialog, checklist kruskal wallis, kemudian masukkan
variabel skor
responden ke test
variable
list,
dan
atribut
ke grouping
variables,
lalu klik define variable dan isikan dengan angka minimum atribut yaitu 1 dan maximum
yaitu 3, klik continue seperti berikut:
89
4. Kemudian pilih option dan checklist beberapa indikator seperti pada gambar berikut,
klik continue OK
5. Kemudian hasilnya akan ditampilkan seperti berikut:
90
6. Interpretasi:
Nilai p-value sebesar 0,012 < nilai kritik 0,05, karena itu hipotesis null ditolak, bahwa
terdapat cukup bukti dimana terdapat perbedaan dari ketiga kelompok responden dalam
menilai tingkat kepercayaan terhadap ketiga atribut.(yoz)
2. UJI SAMPEL DEPENDENT

a. Uji dua sampel
Uji Wilcoxon
Uji wilcoxon digunakan untuk menganalisis hasil-hasil pengamatan yang berpasangan dari
dua data apakah berbeda atau tidak. Wilcoxon signed Rank test ini digunakan hanya untuk
data bertipe interval atau ratio, namun datanya tidak mengikuti distribusi normal.
Uji hipotesis :
H0 : d = 0 (tidak ada perbedaan diantara dua perlakuan yang diberikan)
H1 : d 0 (ada perbedaan diantara dua perlakuan yang diberikan )
Dengan d menunjukkan selisih nilai antara kedua perlakuan.
Statistik uji
91
Dimana :
N = banyak data yang berubah setelah diberi perlakuan berbeda
T = jumlah renking dari nilai selisih yng negative (apabila banyaknya selisih yang positif
lebih banyak dari banyaknya selisih negatif) = jumlah ranking dari nilai selisih yang positif
(apabila banyaknya selisih yang negatif > banyaknya selisih yang positif)
Daerah kritis
H0 ditolak jika nilai absolute dari Z hitung diatas > nilai Z 2 /
Pada perangkat SPSS, kita dapat melakukan langkah-langkah berikut ini untuk melakukan uji
tersebut.
Klik Analyze > Nonparametric Test >2 Related samples
muncul kotak dialaog:
Dan aktifkan wilcoxon pada Test Type

(lebih lanjut akan dijelaskan pada contoh soal)
Contoh Soal:
Universitas Gadjah Mada setiap tahunnya menerima Mahasiswa Baru melalui jalur-jalur
khusus misalnya PBOS dan PBUPD. Guna mengetahui kualitas mahasiswa yang telah
diterima melalui jalur tersebut, dilakukan tes Matrikulasi. Dan pihak pelaksana melakukan
dua kali ujian yaitu sebelum program matrikulasi dilakukan dan setelahnya untuk mengetahui
keefektifan program tersebut. Dan untuk itu diambil sampel sebanyak 15 orang dari
kelompok IPA untuk mata ujian FISIKA, dan diperoleh data:
Peserta
1
2
3
4
5
6
7
Sebelum
67 54 67 55 87 60 70
Sesudah
66 75 80 60 78 89 65
Analisisnya dalam SPSS adalah sebagai berikut:
8
45
70
9
54
68
10
66
75
11
73
74
12
88
85
13
80
89
14
65
90
15
75
75
1.Inputkan data seperti tampak di bawah ini:
92
Klik Analyze > Nonparametric Test > 2 Related samples

Aktifkan Wilcoxon dan masukan variabel yang akan diuji sebagaimana tampak pada
kotak dialog:
Klik OK dan outputnya :
93
Dari output tersebut diperoleh:

1.
Negative Ranks atau selisih antara variabel sebelum dan sesudah yang negatif sebanyak
4 observasi atau dengan kata lain terdapat 4 observasi pada variabel sesudah yang kurang dari
observasi pada variabel sebelum. Dan rata-rata rangkingnya = 4 dengan jumlah rangking
negatif = 16
2.
Positive Ranks atau selisih variabel sebelum dan sesudah yang positif sebanyak 10
observasi atau denga kata lain terdapat 10 observasi pada variabel sesudah yang lebih dari
observasi pad avariabel sebelum dengan rata-rata rangkingnya = 8,90 dan jumlah rangking
positif = 89.
3.
Ties atau tidak ada perbedaan antara variabel sebelim dan sesudah sebanyak 1 observasi.
Oleh karena jumah rangking negatif lebih kecil dibanding rangking positif maka nilai T
yang digunakan adalah jumlah rangking yang negatif.
Selanjutnya dilakukan uji hipotesis:
H0 : d = 0 (tidak ada perbedaan nilai tes sebelum matrikulasi dan sesudah matrikulasi)
H1 : d 0 (ada perbedaan diantara nilai tes sebelum matrikulasi dan sesudah matrikulasi )
Tingkat signifikansi =0,05
Statistik Uji
Untuk nilai statistik uji, tinjau tabel output berikut:
dari tabel diperoleh nilai asymp sig = 0,022

Daerah kritis
94
H0 ditolak jika nilai asymp sig < nilai

Kesimpulan
Oleh karena nilai asymp sig = 0,022 < =0,05 maka Ho ditolak yang berarti bahwa ada
perbedaan nilai Fisika calon mahasiswa sebelum dan sesudah mengikuti program matrikulasi.
Uji chi square McNemar
Dalam aplikasi SPSS, untuk perhitungan Chi Square tersebut melalui tahapan sebagai
berikut:
1. Berikan kode numerik untuk variabel Pendidikan yaitu 1 = pendidikan SLTA ke bawah dan
2 = pendidikan perguruan tinggi. Untuk bank, beri kode 1 = bank pemerintah dan 2 = bank
swasta
2. Persiapkan worksheet dengan cara seperti contoh-contoh sebelumnya.
Pada baris pertama, isikan kolom Name dengan Pendidikan, Measure = Ordinal, dan kolom
Values dengan 1 = SLTA, 2 = PT. (Cara menginput Values, lihat pembahasan sebelumnya)
Pada baris kedua isikan, kolom Name dengan Bank, Measure = Nominal dan kolom Values
dengan 1 = Pemerintah, 2 = Swasta. Kolom lainnya diabaikan (mengikuti default dari
program).
3. Kembali ke muda data dengan mengklik Data View. Selanjutnya input data pendidikan dan
pilihan bank
4. Setelah menginput data, untuk menghitung Chi Square, klik Analyze > Descriptive
Statistics > Crosstabs. Akan muncul tampilan berikut:
95
Isikan kotak Row(s) dengan variabel Bank dan kotak Column(s) dengan variabel Pendidikan.
Selanjutnya klik Statistics, akan muncul tampilan berikut:
Terdapat beberapa pilihan statistik yang bisa digunakan pada menu halaman tersebut.
a) Chi-square.
96
Untuk tabel dua baris dua kolom ( 2 x 2 seperti contoh kita), pilihan Chi-square akan
memberikan output Pearson chi-square, likelihood-ratio chi-square, Fishers exact test, dan
Yates corrected chi-square (continuity correction). Untuk tabel selain 2 x 2, pilihan Chisquare akan memberikan output Pearson chi-square dan likelihood-ratio chi-square.
b) Correlations.
Klik pilihan Correlations ini jika seluruh variabel yang diinput berskala ordinal, atau jika
seluruh variabel berskala interval. Pilihan ini akan menghasilkan output korelasi Spearman
(untuk dua variabel berskala ordinal) dan korelasi Pearson (untuk dua variabel berskala
interval/ratio). Hasil yang diberikan, sama dengan kasus iklan dan penjualan pada seri-seri
tulisan sebelumnya.
c) Nominal.
Klik pilihan-pilihan dalam bagian nominal, jika kedua data yang diinput adalah data berskala
nominal. Untuk korelasi dengan kedua variabel berskala nominal, output yang bisa dihasilkan
adalah Contingency coefficient, Phi and Cramers V, Lambda, Uncertainty coefficient
d) Ordinal.
Klik pilihan-pilihan dalam bagian Ordinal, jika kedua data yang diinput adalah data berskala
ordinal. Untuk korelasi dengan kedua variabel berkala ordinal, output yang bisa dihasilkan
adalah Gamma (seperti yang pernah diuraikan sebelumnya), Sommers d, Kendall tau-b dan
Kendall tau-c. Kendall tau-b adalah koefisien korelasi Kendall yang sudah dibahas
sebelumnya. Kendall tau-c adalah modifikasi koefisien korelasi Kendall yang dalam
perhitungannya dengan mengabaikan data yang bernilai sama dalam urutannya.
e) Nominal by Interval.
Klik pilihan Eta pada bagian Nominal by Interval jika data yang diinput salah satunya
berskala nominal dan lainnya berskala interval. Misalnya jika ingin menghitung korelasi
antara jenis kelamin (nominal) dengan pendapatan (interval)
f) Kappa.
Cohens kappa mengukur kesesuaian antara penaksitan dua peringkat ketika keduanya
diperingkat dari objek yang sama. Output Kappa hanya akan tersedia jika kedua variabel
yang diinput menggunakan nilai dan jumlah kategori yang sama.
g) Risk.
Risk untuk mengukur kekuatan hubungan antara kehadiran suatu faktor terhadap terjadinya
suatu kejadian. Nilai risk hanya akan tersedia untuk tabel 22.
h) McNemar.
97
Suatu uji non-parametrik untuk menguji keterkaitan dua variabel dikotomi (hanya memiliki
dua kategori).
i)
ii)
Cochrans and Mantel-Haenszel statistics.

Sebagaimana dengan McNemar, Cochrans and Mantel-Haenszel juga digunakan
menguji dua variabel dikotomi.Bagi yang ingin mendapatkan pemahaman lebih
lanjut untuk pilihan-pilihan statistik tersebut dapat merujuk ke berbagai literatur
mengenai statistik non-parametrik (mudah-mudahan juga pada kesempatan lain
akan dibahas di blog ini). Dalam bagian ini, hanya akan diuraikan lebih lanjut
mengenai pilihan Chi Square.
5. Klik Chi square > Continue > Cell, akan muncul tampilan berikut:
Terdapat beberapa pilihan dalam tampilan ini, yaitu: Count. Centang observed, jika ingin
menampilkan frekuensi data sebenarnya (observed), dan centang Expecten, jika ingin
menampilkan frekuensi harapan dalam tabel silang.
Percentage.
98
Centang Row jika ingin menampilkan persentase baris, column untuk persentase kolom dan
total untuk persentase total dalam tabel silang. Untuk kepentingan analisis Chi-square, pilihan
lainnya untuk sementara diabaikan. Misalnya dari tampilan diatas, pilihan yang diambil
adalah Observe, Expected dan Column. Selanjutnya Klik Continue > OK. Output yang
dihasilkan diberikan sebagai berikut:
Pada output tabel pertama, Count adalah frekuensi dari data yang diamati (observed) dan
Expected Count adalah frekuensi yang diharapkan. % within Bank adalah persentase kolom
99
dari tabel silang ini (sesuai dengan pilihan yang diambil tadi, kita hanya mencentang
frekuensi kolom). Dari frekuensi kolom ini dapat dibaca, bahwa terdapat kecenderungan
mereka yang berpendidikan SLTA lebih memilih bank pemerintah dibandingkan bank swasta.
Dari 51 responden berpendidikan SLTA, 68,6 persen memilih bank pemerintah sedangkan
sisanya 31,4 persen memilih bank swasta. Sebaliknya, terdapat kecenderungan mereka yang
berpendidikan tinggi memilih bank swasta. Dari 62 responden, hanya 32,3 persen yang
memilih bank pemerintah dan sebagian besar lainnya (67,7 persen) memilih bank swasta.
Dengan kata lain, terdapat keterkaitan tinggi rendahnya pendidikan terhadap pemilihan jenis
bank untuk transaksi keuangan.
Namun demikian, untuk meyakinkan kita terhadap kesimpulan tersebut, harus dilakukan
pengujian statistik terlebih dahulu. Dalam konteks ini, pada output tabel 2 diberikan nilai chisquare sebesar 14,816, dengan nilai P-value sebesar 0,00012 (yang diperlihatkan dalam
kolom Asymp.Sig.(2-sided) pada output SPSS). Sebagaimana halnya pada pengujian korelasi
peringkat sebelumnya, nilai P-value ini dibandingkan dengan tingkat signifikansi tertentu.
Berdasarkan hal tersebut, dapat dikemukakan bahwa terdapat hubungan antara pendidikan
dengan pemilihan bank pada tingkat signifikansi 1 % (P-value < =1 %). Hal lain yang perlu
diperhatikan dari output tabel kedua ini adalah keterangan di bawah tabel yang menunjukkan
berlaku atau tidaknya salah satu asumsi dari chi-square yang menyatakan bahwa frekuensi
yang diharapkan untuk masing-masing kategori harus lebih besar dari 1. Frekuensi yang
diharapkan yang bernilai kurang dari 5 tidak boleh lebih dari 20 % dari kategori. Dari
keterangan di bawah tabel, terlihat bahwa asumsi tersebut terpenuhi karena tidak ada sel yang
memiliki frekuensi harapan dibawah lima, dan frekuensi harapan terendah juga adalah 24,82.
2. Uji lebih dari 2 sampel
Uji Cohran
Uji Q Cochran pada suatu penelitian hanya dinyatakan dengan salah satu dari dua
nilai, secara sembarang dapat dinyatakan dengan nilai 1 sebagai sukses dan nilai 0 sebagai
gagal. Reaksi yang lain dapat berupa nilai 1 sebagai ya ataupun nilai 0 sebagai tidak.
Contoh:
jika anda menanyakan kepada 10 orang untuk diminta memilih dari tiga wanita, siapa yang
ingin mereka pacari; apakah pamella anderson, paris hilton, atau megan fox. Jika orang
pertama memilih paris hilton karena dia kaya, maka anda akan memberikan nilai 1 untuk
paris hilton dan nilai 0 untuk pamella ataupun megan fox, dan seterusnya pada orang yang
lain. contoh penggunaannya pada SPSS dapat dilihat di bawah:
100
Uji yang dikenal sebagai Q cochran test ini meliputi langkah-langkah sebagai berikut:
1. Menetapkan asumsi-asumsi
Data untuk analisis terdiri atas reaksi-reaksi dari r buah blok terhadap c buah perlakuan yang
diterapkan secara independen.
Reaksi-reaksi itu dinyatakan dengan 1 untuk sukses atau 0 untuk gagal. Hasil-hasil
pengamatan ini bisa diperagakan dalam sebuah tabel kotingensi seperti Tabel 4 dengan Xij
yang menyatakan 0 atau 1.
Tabel Kontingensi untuk data pada uji Q Cochran
Blok-blok yang ditampilkan merupakan blok-blok yang dipilih secara acak dari suatu
populasi yang terdiri atas semua blok yang mungkin.
2. Menentukan hipotesis-hipotesis
H0 : Semua perlakuan yang diuji mempunyai proporsi jawaban ya yang sama.
H1 : Tidak semua perlakuan mempunyai proporsi jawaban ya yang sama.
3. Menentukan Taraf Nyata ()
4. Menghitung dengan rumus statistik uji
Berdasarkan Tabel 4, maka statistik uji untuk Uji Q Cochran adalah:
Uji Q Cochran memperlihatkan bahwa dengan meningkatnya r maka distribusi Q mendekati

distribusiKhi-kuadrat dengan derajat bebas c 1, maka nilai kritis untuk Uji Q
Cochran dapat diperoleh dengan menggunakan Tabel nilai-nilai Khi Kuadrat untuk derajat
bebas c 1 ( 2 tabel = 2 1-;c-1).
Tolak H0 , jika Q lebih besar dari atau sama dengan 2 1-;c-1.
Aplikasi Q Cochran test dengan SPSS untuk contoh di atas adalah sebagai berikut:
1. Buka SPSS, input data seperti di bawah ini:
101
2. Pilih Analyze Non Parametric Test K-related samples, seperti gambar berikut:
3. Maka akan muncul kotak dialog kemudian blok semua variabel, klik panah disamping
sehingga variabel pindah ke box sebelah kanan. Setelah itu pilih Cochrans Q
4. Kemudian pilih Exact, sehingga muncul kotak dialog seperti di bawah, dan checklist
exact kembali klik Continue OK
102
5. Maka output yang dihasilkan adalah:
6. Interpretasi
Dari hasil output SPSS uji Q Cochran diatas dapat dinyatakan bahwa uji yang dilakukan
signifikan secara statistik karena nilai Cochran Q lebih kecil daripada nilai (2) (3,8 <
5,991) - lihat pada tabel chi-square - pada nilai kritik 0,05. Dengan demikian terima
hipotesis nol yang mengindikasikan bahwa semua semua atribut yang diuji memiliki
proporsi jawaban ya yang sama.
Uji cochran akan dilakukan terus menerus hingga didapatkan nilai hitung < tabel,
jika belum maka pengujian dilakukan terus-menerus dengan menghilangkan atribut
yang memiliki jawaban ya paling sedikit.(
Uji Friedman
Uji Friedman dilakukan untuk mengetahui perbedaan lebih dari dua kelompok sampel
yang saling berhubungan. Data yang dianalisis adalah data ordinal, sehingga jika data
berbentuk interval atau ratio sebaiknya dirubah dulu ke bentuk ordinal.
103
Uji Friedman merupakan alternative dari ANOVA satu jalur. Uji ini dilakukan jika
asumsi-asumsi dalam statistik parametris tidak terpenuhi, atau juga karena sampel yang
terlalu sedikit.
Contoh Kasus
Seorang guru ingin mengetahui bagaiman respon siswa dalam belajar dengan memberikan 4
metode yang berbeda. Pada minggu pertama diberikan metode A, minggu kedua diberikan
metode B, minggu ketiga diberikan metode C, dan minggu ke empat diberikan metode D.
Masing-masing metode dilakukan pengukuran mengenai reaksi dan keaktifan siswa dalam
menerima pelajaran yang diukur dengan skala odinal 3 kategori yaitu buruk sedang baik
DATA
PENYELESAIAN
Klik Analyze non parametric pilih k related sample
104
Masukkan metode A, B, C, dan D ke test variable

Pilih Statistic, lalu pilih descriptive..
Tetap pada pilihan Friedman, lalu klik OK
HASIL
Pada hasil deskriptif terlihat rata-rata pada metode A adalah sebesar 1.6, B sebesar 2.1, C
sebesar 1.7 dan D sebesar 2.1
Deviasi standar masing-masing sebesar 0.502 (A), 0.307 (B), 0.550 (C) dan 0.587 (D)
PENGUJIAN HIPOTESIS
105
Pada tabel test statistic terlihat bahwa besaran nilai Chi Square = 13.630 dan asymp sig 0.003.
Hasil uji signifikansi Chi Square menunjukkan bahwa sig < 0.05 sehingga dapat disimpulkan
bahwa empat metode belajar yang diberikan memberikan reaksi yang berbeda dari siswa.
Dari hasil ranking diketahui bahwa metode D mendapat respon paling tinggi, disusul metode
B, kemudian C dan terakhir A.
106
DEWI SATRIA AHMAR

EZZAR FITRIANI
MARYONE SAIJA
ASLIN JUPRI
PROGRAM PASCASARJANA
UNIVERSITAS NEGERI MAKASSAR
2012
107

ANALISIS KOMPARASIONAL

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

ANALISIS KOMPARASIONAL

Uploaded by

Copyright:

Available Formats

TEKNIK ANALISIS KOMPARASIONAL

Jenis Teknik statistik untuk menguji Hipotesis Komparatif

Chi Quadrat two

A. KOMPARATIF DUA SAMPEL (KOMPARATIF UNTUK BIVARIAT)

= simpangan baku sampel 1

Nilai Hasil Belajar Kimia

Teknik statistik non parametrik yang digunakan untuk pengujian hipotesis

= frekuensi harapan (ekspektasi)

: terdapat perbedaan yang signifikan antara frekuensi yang diobservasi dengan

Ada tidaknya pameran sama saja

Tidak ada pendapat

Jadi, nilai 2 = 0,25

2) Uji Sign Test (Uji Tanda)

Hipotesis penelitiannya adalah:

: tidak terdapat perbedaan pengaruh yang signifikan insentif terhadap kesejahteraan

Tabel hasil pengisian angket dari responden adalah sebagai berikut:

Data dari isteri

Data dari suami

n2 = banyaknya data negatif

: LCD tidak berpengaruh terhadap efektivitas metode mengajar guru

: LCD berpengaruh terhadap efektifitas metode mengajar guru

Adapun data hasil penelitian adalah sebagai berikut:

dimana T = jumlah rangking terkecil

untuk contoh diatas jika digunakan rumus tersebut maka:

petunjuk untuk memilih rumus t-test tersebut adalah:

: tidak terdapat perbedaan lama menunggu untuk mendapatkan pekerjaan antara

: terdapat perbedaan lama menunggu untuk mndapatkan pekerjaan antara lulusan

Tingkat Pengaruh Perlakuan

Ketentuan pengujian adalah sebagai berikut:

Tingkat Pengaruh Perlakuan

Untuk memudahkan perhitungan dalam pengujian hipotesis maka data hasil

pengamatan perlu disusun ke dalam tabel kontingensi.

Rumus dasar yang digunakan untuk pengujian Fischer adalah:

Jadi nilai p hitung adalah:

( 5+3 ) ! ( 2+5 ) ! (5+ 2 ) ! ( 3+5 ) !

= banyaknya kasus dalam kelompok 1 . median gabung = n1

= banyaknya kasus dalam kelompok 2 > median gabung = n2

= banyaknya kasus dalam kelompok 1 median gabung = n1

= banyaknya kasus dalam kelompok 2 median gabung = n2

Nilai chi Square hitung adalah:

= jumlah rangking pada sampel n1

= jumlah rangking pada sampel n2

: tidak terdapat perbedaan keefektifan mengajar antara guru yang menggunakan

: terdapat perbedaan keefektifan mengajar antara guru yang menggunakan metode

Data hasil penelitian adalah sebagai berikut:

dan n= 10, maka harga KD dalam tabel = 6. Karena harga

KD hitung = KD tabel, maka Ho diterima dan Ha ditolak. Kesimpulannya tidak terdapat

angka ganjil, maka persamaan diatas menjadi :

n 11 n21 + n11 n21

Pegawai Golongan III

1. Sampel diambil secara random

5. Menghitung mean kuadrat dalam kelompok

Jumlah Kuadrat (JK)

Hipotesis penelitianya adalah sebagai berikut :

lebih besar dari harga

maka Hipotesis Nol (Ho) yang diajukan ditolak dan Ha diterima.

Gambar. Kemungkinan Terjadinya Interaksi dalam Penggunaan Anova

Contoh Penggunaan Anova Dua Jalan:

2. Menghitung Jumlah Kuadrat Kolom (kolom arah ke bawah), dengan rumus:

(258) (299) (333) (890)

66564 89401 110889 792100

3. Menghitung Jumlah Kuadrat Baris (baris arah ke kanan), dengan rumus :

(464) (426) (890)