STATISTIKA NONPARAMETRIKA

Uji statistika parametrika (ji t dan uji F) hanya dapat digunakan jika data menyebar
normal atau tidak ditemukannya petunjuk pelanggaran kenormalan dan keragaman atau
variasi antara perlakuan-perlakuan atau peubah bebas yang dibandingkan homogen. Data
yang memenuhi syarat tersebut skala pengukurannya menimal interval (misalnya data
dalam satuan persen dan data yang interval pengukurannya ≥ 5) lebih baik lagi data yang
mempunyai skala pengukuran rasional (misalnya data yang mempunyai satuan
pengukuran berat,panjang,volumedansebagainya)
. Untuk data yang mempunyai skala pengukuran nominal (misalnya ada/tidak,
mati/hidup.sembuh/sakit dan sebagainya) data yang mempunyai skala pengukuran
ordinal (data yang ada urutannya misalnya agak sakit, sakit dan sembuh; tidak senang,
senang dan amat senang; tidak ada kelainan sedikit ada kelainan dan ada kelainan; dan
sebagainya). Jadi uji t dan uji F hanya bisa digunakan jika tidak ada petunjuk pelanggaran
kenormalan dan keragaman antar perlakuan yang dibandingkan homogen. Untuk data
yang memunyai skala pengukuran interval dan rasional bila syarat uji t dan uji F
dilanggra masih bisa diusahakan dengan melakukan transformasi data jika setelah
ditransformasikan belum juga terpenuhi maka harus diusahakan uji lain.
Untuk data yang tidak memenuhi syarat uji t dan ujiF dan data dengan satuan
pengukuran nominal dan ordinal digunakan uji lain kelompok uji ini disebut uji statistika
nonparametrika.
Pengujian Data tidak Berpasangan

Uji Khi-Khuadrat (X2)

Untuk membandingkan antara data yang diamati atau diperoleh denagn apa yang
diharapkan/teoritis digunakan uji Khi Khuadrat (X2) dengan rumus :
k

∑ (o i − Ei) 2
X H2 = i =1

Ei
Disini X 2H adalah nilai Khi Khuadrta yang akan diuji/dibandingkan X2 tabel Oi adalah
frekuensi/jumlah data yang diamati pada kategori ke-I Ei adalah frekuensi/jumlah yang
diharapkan pada kategori ke I dan k adalah banyaknya kategori (i=1,2,3,….k)
Bila selisih antara data yang diamati dengan yang diharapkan semakin besar berarti

semakin menyimpang dari harapan dan nilai X 2H semakin besar, sebaliknya jika selisih
antara data yang diamati dengan yang diharapkan semakin kecil berarti semakin dekat

dengan harapan dan nilai X 2H akan semakinkecil

Berdasarkan hal tersebut dapat disusun hipotesis sebagai berikut :
Ho : f1 =f2 =f3 =……=fk
H1 ; fi ≠ fi’ untuk suatu fi
Jika X 2H <X2(0,05;db=k-1), maka Ho diterima (P>0,05)

X 2H ≥X2(0,05;db=k-1), maka Ho ditolak(P<0,05)

X 2H <X2(0,01;db=k-1), maka Ho diterima (P<0,01)

Contoh
Jika secara teoritis diketahui hasil perkawinan antara jenis ayam tertentu yang berwarna
putih denagn hitam akan menghasilkan atau memperoleh anak ayam 25 % berwarna
putih, 50 % hitam dan 25 % lagi warna campuran. Dari 50 butir telur yang ditetaskan
yaitu telur berasaldari perkawinan ayam yang berbulu hitam dan putih diperoleh hasil 10
ekor warna putih 29 ekor warna hitam dan 11ekor warna campuran. Dari hasil penelitian
tersebut apakah pernyataan/teori tersebut masih bisa diterima.
Jawab.
Hipotesisnya
Ho : f1 =f2 =f3 lawan H1 ; fi ≠ fi’ untuk suatu fi
3

∑ (Oi − Ei) 2

X H2 = i =1

Ei
(10 − 0,25 x50 ) 2 ( 29 − 0,50 x50 ) 2 (11 − 0,25 x50 ) 2
= + +
0,25 x50 0,50 x50 0,25 x50

=0,5 + 0,64 + 0,18 =1,32

Oleh karena X 2H <X(0,05;db=3-1)yaitu 1,32<5,99 maka Ho diterima (P>0,05) sehingga dapat
disimpulkan bahwa teori tersebut bisa diterima atau masih berlaku (P>0,05)
Dalam kenyataannya apa yang diharapkan atau teori sering sekali tidak diketahui oleh
peneliti karena yang dihadapi oelh peneliti sering hal-hal yang sifatnya masih baru.
Misalnya jenis penyakit yang baru muncul sehingga tingkat kesembuhannya tidak
diketahui maka perlu melakukan pendugaan terhadap apa yang diharapkan akan terjadi.
Sebagai contoh kita perhatikan ilustrasi sebagai berikutL
Suatu kejadian penyakit disuatu daerah menyerang anakbabi yang baru disapih
dengan tingkat kematian belum diketahui. Peneliti ingin mencoba menurunkan tingkat
kematian anak babi tersebut dengan mencobakan dua jenis obat yaitu obat A danB untuk
membuktikan keampuhan obatnya peneliti melakukan percobaan dengan menggunakan
90 ekor anak babi percobaan dan diperoleh hasil sebagai berikut :
Tabel hasil penelitian 90 ekor anak babi penderita
Pengobatan Sembuh mati Jumlah
Tanpa obat 16 14 30
Obat A 22 8 30
Obat B 24 6 30

Jumlah 62 28 90

Dari hasil yang diperoleh peneliti ingin mengetahui apakah pengibatan tersebut bisa
menurunkan tingkat kematian babi anak babi penderita
Dari permasalahan diatas kita bisa menyusun hipotesis sebagai berikut :
Ho : f1 =f2 =f3
H1 ; fi ≠ fi’ untuk suatu fi
Disini fi menyattakan tingkat kematian atau kesembuhan anak babi pada katagori ke I
(yaitu katagori tanpa diobati, katagori obat A dan katagori obat B)
Untuk memecahkan persoalan diatas kita perlu menduga kemungkinan banyaknya
anakbabi yang sembuh dan kemungkinan banyaknya anak babi yang mati.
Kemungkinan sembuh kita anggap sama pada ternak tanpa diobati maupun diobati
obat A dan obat B karena jumlah ternak yang digunakan sama dan kasiat obatpun belum
kita ketahui, berdasrkan kenyataan yang dperoleh kita bisa menduga dengan cara sebagai
 30 x 62
berikut =20,67. demikian juga untuk kemungkinan mati juga dianggap sama
90

30 x 28
yaitu =9,33
90

Sehingga X 2H dapat dicari dengan rumus diatas yaitu :

3 3

X 2H = ∑ (Oi − Ei ) 2 ∑ (Oi − Ei) 2

i =1
+ i =1

Ei Ei
=

(16 − 20 ,7) 2 (22 − 20 ,67 ) 2 ( 24 − 20 ,67 ) 2 (14 − 9,33 ) 2 (8 − 9,33 ) 2 (6 − 9,333 ) 2

+ + + + +
20 ,67 20 ,67 20 ,67 9,33 9,33 9,33

=1,677 +3,716 =5,393

Maka nilai X 2H bila kita bandingkan dengan X2(0,05;db=3-1)=5,99 ternyata X 2H <X2(0,05;db=3-1)
maka Ho diterima dan dapat disimpulkan pengobatan pada anak babi yang baru di sapi
tidak dapat menurunkan tingkat kematiannya (P>0,05)
Hasil pengobatan anak-anak babi yang baru disapih tidak hanya sembuh dan mati
saja, bisa saja yang sembuh menjadi cacat atau normal, sehingga secara umum dapat
dirumuskan sebagai berikut :
k r

∑ ∑ (oi − Eij )
i =1 j =1
2

X H2 =
Eij
Disini Oij adalah frekuensi/jumlah data yang diamati padabaris ke I dan kolom ke j, Eij
adalah frekuensi.jumlah data yang diharapkan pada baris ke I dan kolom ke-j, k adalah
jumlah baris dan r adalah jumlah kolom
Dalam hal ini Eij dapat dirumuskan sebagai berikut :
Oi .. xO . j
Eij =
n
Disini Oii adalah total bariske I untuk semua kolom O j adalah total kolom ke j untuk
semua baris dan n adalah total seluruh frekuensi/jumlah data yang diamati. Perlu diingat

k r k r k r

∑
i= j
∑Oij = ∑
j =1 i =1
∑ Eij = ∑Oi. = ∑O. j = n
j =1 i =1 j =1
Kriteria penerimaan Ho sebagai berkut :
Jika X 2H <X2(0,05;db=(k-1)(r-1) makaHo diterima (P>0,05)

Jika X 2H >X2(0,05;db=(k-1)(r-1) makaHo ditolak (P<0,05)

Jika X 2H <X2(0,01;db=(k-1)(r-1) makaHo ditolak (P<0,01)jadi derajat bebas (db)tidak hanya

ditentukan oleh banyaknya kategori saja (k)tetapi jug aditentukan oleh kemungkinan apa
yang terjadi/kolom ( r )
Untuk k=r=2 dan unuk data yang frekuensinya sangat kecil (mendekati nol)
penggunan rumus diatas akan lebih baik jika dilakukan koreksi. Koreksi yang terkenal
adalah koreksi yang dibuat oleh Frank Yates, sehingga rumusnya menjadi
k r
1
∑ ∑ ( Oij − Eij
i =1 j =1
− )2
X H2 =
Eij
Khusus untuk k = r = 2 rumusnya menjadi :
n
( O11 O22 − O12 O21 − ) 2 .n
X H2 = 2
(O1 .)( O2 .)( O.1 )( O2 )

Jika kemungkinan yang terjadi dari individu-individu dapat kita skor sehingga dapat
dibuat skala ordinal maka uji KhiKhuadrat (X2) tidak lagi baik diterapkan maka
diperlukan uji lain uji tersebut antra lain adalah uji Wilcoxon,uji Kruskal-Wallis dan ada
pula uji lainnya.
Uji Wilcoxon tidak berpasanganan
Uji ini umumnya digunakan jika skala pengukuran hanya ordinal dan skala interval
maupun rasional yang tidak memenuhi syarat untuk uji t atau uji F katagori/perlakuan
sama dengan dua (P=2)
Hipotesisnya
Ho : r1 =r2 lawan H1:r1 ≠r2
Prosedur pengujian hipotesis
1. tentukan data dari kecil ke besar tanpa memandang apakah data tersebut dari
perlakuan pertama (p1) atau perlakuan ke dua(p2).
2. Berikan rangking dari angka 1 sampai n (n=n1 +n2) dengan catatan data yang
skor/nilainya samaharus diberikan rangking yang sama (rat-rata rangking)
 3. Jumlahkan rangking dari perlakuan pertama (T1) dan rangking dari perlakuan
kedua (T2).
4. cari daerah penerima dari Hopada tabel yang telah disediakan.
5. kriteria penerimaan Ho adalah sebagai berikut :
a. Jika T1 atau T2 berada di dalam daerah penerimaan Ho dari tabel maka
Ho diterima.
b. Jika T1 atau T2 berada di luar daerah peneriaman Ho dari tabel maka ho
ditolak.
Contoh :
Seorang peneliti ingin mengetahui perbedaan pH daging ayam dari dua pasar yang
berbeda. Untuk tujuan tersebut peneliti membeli 16 potong paha ayam yang terdiri dari 8
potong dari pasar A dan 8 potong dari pasar B kemudian diukur pHnya dan diperoleh
hasil sebagai berikut :

Pasar ulangan
1 2 3 4 5 6 7 8
A 4,8 4,6 4,7 5,2 4,9 5,0 5,2 4,8
B 5,1 5,0 5,3 5,4 5,6 5,6 5,6 5,7
Jawab
Hipotesisnya : Ho :rA =rB lawan H1 :rA≠rB
1. urutkan data dari kecil ke besar yaitu
A A A A A A B B A A
4,6 4,7 4,8 4,8 4,9 5,0 5,0 5,1 5,2 5,2

B B B B B B
5,3 5,4 5,6 5,6 5,6 5,7
2. Perangkingan datanya sebagai berikut
A A A A A A B B A A
1 2 3,5 3,5 5 6,5 6,5 8 9,5 9,5

B B B B B B
11 12 14 14 14 16
3. T1 = 1 +2 +3,5 + 3,5 +5+6,5 + 9,5 + 9,5 =40,5
T2 = 6,5 +8 +11+ 12 + 14 +14 +14 +!6 = 95,5
4. Daerah penerimaan Ho menurut tabel α=0,05 adalah antara 49-87 dan α=0,01
antara 43-93
 5. Karena T1 dan T2 tidak terletak diantara 43-93 atau berada di luar daerah
penerimaan Homaka Ho ditolaksehingga disimpulkan pH daging ayam di pasar A
berbeda nyata (P<0,01) dibandingkan di pasar B
Uji Mann-Whitney
Uji wilcoxon tidak berpasangan dapat pula didekati dengan uni Z (pendekata
normal ), hal ini telah dilakukan oleh Mann dan Whetney tahun 1947. cara pengujian ini
dikenal dengan uji Mann-Whitney data tidak berpasangan yaitu mencari pendekataan
terhadap nilai tengah dan simpangan baku dari sebaran normal (n1<n2) dengan cara
sebagai berikut :
n1( n1 + n 2 +1
µ=
2
n1n 2(n1 + n 2 + 1)
α=
12
T −µ
ZH =
α
Disini T adalah jumlah ranking dari perlakuan pertama (T1) atau perlakuan kedua (T2).
Dalam ini antara T1 dan T2 ada hubungan kesetaraan yaitu :
T1 = n1(n1+n2+1)-T2
Kriteria penerimaan Ho sebagai berikut :
Jika ZH<Zα=0,05), maka Ho diterima (P>0,05)
Jika ZH>Zα=0,05), maka Ho ditolak (P<0,05)
Jika ZH>Zα=0,01), maka Ho ditolak (P<0,01)
Dari contoh diatas kita dapat melakukan pengujian sebagai berikut :
T1 = n1(n1+n2+1)-T2
T! = 8(8+8+1)-95,5
T1 =136-95,5=40,5
n1(n1 + n 2 + 1) 8(8 + 8 + 1)
µ= = = 68
2 2

n1n 2(n1 + n 2 + 1)
α=
12

8x8(8 + 8 + 1)
α= = 90 ,67 = 9,52
12
 T −µ 40 ,5 − 68 − 27 ,5
ZH = = = = −2,89
α 9,52 9,52

T −µ 95 ,5 − 68 27 ,5
ZH = = = = 2,89
α 9,52 9,52

Jadi pengambilan T1 dan T2 sebagai T memberikan nilai yang sama hanya berbeda tanda
saja maka untuk pengujian dua arah memberikan makna yang sama
Dari hasil pengujian ditas maka diperoleh hasil ZH>Z(α=0,01)yaitu 2,89>2,576. jadi Ho
ditolak pada taraf signifikansi 1 %maka kesimpulan sama dengan uji wilcoxon tidak
berpasangan.
Untuk p>2 maka uji Wilcoxon tidak praktik digunakan makadih=gunakan uji lain salah
satu uji tersebut adalah uji KruskalWallis.
Uji Kruskal-Wallis
uji ini umumnya digunakan jika skala pengukuran datanya ordinal dan skala
intervalmaupun rasional yang tidak memenuhi syarta untuk uji t atau uji f
.kategori/perlakuan yang diteliti lebih besar dari dua (P>2) dan termasuk klasifikasi satu
arah (tidak ada peubah lain selain perlakuan ) atau tidak berpasangan atau dalam
rancangan percobaan/lingkungan terkenal dengan nama Rancangan Acal Lengkap
(RAL).
Rumus uji Kuskal-Wallis adalah sebagai berikut :
12 k
Ri 2
K= ∑
N ( N + 1) i =1 ni
− 3( N + 1)

Disini
K; nilai Kruskal-Wallis dari hasilperhitungan
Ri: jumlah rank dari kategori/perlakuan ke i
Ni : Banyaknya ulanganpada kategori/perlakuan ke-i
k: banyaknya kategori/perlakuan (i=1,2,3,…..,k)
N:Jumlah seluruh data (N=n1+n2+n3+………..+nk)
Hipotesisnya
Ho :r1 =r2=r3=……=rk
H1 : ri≠ri’,untuk suatu pasangan ri ( i≠i)
Ri
Disini ri adalah rata-rata rangking ke-I dalam hal ini dugaan untuk ri adalah
ni
Kriteria penerimaan Ho adalah sebagai berikut :
Jika K<X2(0,05:db=(k-1),maka Ho diterima (P>0,05)
Jika K>X2(0,05:db=(k-1),maka Ho diterima (P<0,05)
Jika K>X2(0,01:db=(k-1),maka Ho diterima (P<0,01)
Jika Ho ditolak berarti ada pasangan rata-rata rngking yangberbeda untuk mencari
pasangan rat-rata rangking yang berbeda, untuk mencari pasangan mana yang berbeda
maka kita harus malakukan uji lanjutan yaitu uji rata-rata rangking dengan rumussebagai
berikut :

N −1 − K 1 1
t H = tα / 2; db = N − k ( S 2 ) ( +
N −k ni n' i

N ( N + 1)
S2 =
12
Jika ri −ri ' <t H pada α=0,05, maka Ho diterma berarti pasangan rata-rata rangking
perlakuan tersebut tidakberbeda nyata (P>0,05) sedangkan jika ri −ri ' ≥t H pada
α=0,05, maka Ho ditolak berarti pasangan rata-rata rangking perlakuan tersebut berbeda
nyata (P<0,05) dan jika ri −ri ' ≥t H pada α=0,01, maka Hoditolak berarti pasangan
rata-rata rangking perlakuan tersebut berbeda sangat nyata (P>0,01)
Contoh
Seorang peneliti ingin mengetahui perbedaan jumlah polikel yang dihasilkan oleh
kambing kacang betina bila diberikan 5 perlakuan yang berbeda untuk tujuan tersebut
peneliti melakukan percobaan dengan menggunakan 25 ekor kambing betina.
Hasil penelitiaanya sebagai berikut :
Perlakuan Ulangan
( i) 1 2 3 4 5
1 6 2 5 2 5
2 4 4 10 4 11
3 6 5 10 7 7
4 8 8 8 9 9
5 3 1 1 3 1
Jawab
Hipotesisnya
Ho : r1 =r2 =r3 =r4= r5
H1 : r1≠ri’ untuk mengetahui pasangan ri (i≠i)
Hasil rangkingnya sebagai berikut :
 Perlakuan ulangan Ri Ri
(i) 1 2 3 4 5
1 14,5 4,5 12 4,5 12 47,5 9,5
2 9 9 23,5 9 25 775,5 15,1
3 14,5 12 23,5 16,5 16,5 83,0 16,6
4 19 19 19 21,5 21,5 100,0 20,0
5 6,5 2 2 6,5 2 19,0 3,8

12 k
Ri 2
K= ∑
N ( N + 1) i =1 ni
− 3( N + 1)

12 47 ,5 2 75 ,5 2 83 ,0 2 100 ,0 2 19 ,0 2
K = ( + + + + ) − 3(25 +1)
25 ( 25 +1) 5 5 5 5 5

12
K = (5041 ,3) − 78 = 15 ,07
650
Oleh karena K>X2 α= 0,01:db=5-1 yaitu 15,07>13,30
Maka ho ditolak (p<0,01) sehingga dapat disimpulakn bahwa perlakuan yang diberikan
berpengaruh sangat nyata (P<0,01) terhadap jumlah polikel yang dihasilkan oleh
kambing kacang betina.
Selanjutnya untuk mencari antara perlakua mana saja yang berbeda dilanjutkan ujinya
dengan rumus sebagai berikut :
N ( N + 1) 25 ( 25 + 1)
S2 = = = 54 ,1667
12 12
N −1 − K 1 1
t H = tα / 2; db = N − k ( S 2 ) ( +
N −k n n'

Untuk t0,025;db=20=2,086 maka

25 −1 −15 ,07 1 1
t H = 2,086 54 ,1667 ) ( +
25 − 5 5 5)

tH= 2,086(4,91787)(0,632455)=6,49
untuk t 0,005 ;db=20=2,845 maka

25 −1 −15 ,07 1 1
t H = 2,845 54 ,1667 ) ( +
25 − 5 5 5)

tH =2,845(4,91787)(0,632455)=8,85
untuk mempermudah membandingkan antara perlakuan kita urut dari ri terbesar
sampai terkecil
 perlakuan ri (r4-ri) (r3-ri) (r2-ri) (ri-ri) Signifikansi
0,05 0,01
4 20,0 - - - - a a
3 16,6 3,4 - - - a ab
2 15,1 4,9 1,5 - - ab ab
1 9,5 10,5 7,1 5,6 - bc bc
5 3,8 16,2 12,8 11,3 5,7 c c

Keterangan
Nilai ri dengan huruf yang sama pada kolomsignifikansi menunjukkan tidakberbeda
nyata (P>0,05) sebaliknya dengan huruf yang berbeda menunjukkan berbeda nyata
(P<0,05) atau sangat nyata (P<0,01)

Pengujian Data Berpasangan

Uji tanda
Uji tanda dipakai untuk data yang berpasangan dengan kategori/perlakuan dua (P=2)
dan terbaik jika digunakan pada data dengan skala pengukuran nominal (ada/tidak,
mati/hidup,sakit/sehat dan sebagainya)
Hipotesisnya
Ho : p 1 = p 2 lawan H1 : p1≠p2
Disini p1 adalah jumlah pasangan positip dan p2 adalah jumlah pasangan negative.
Dalam hal ini pi diperoleh jika Xi1>Xi2 dan p2 diperoleh jika Xi1<Xi2 jika Xi1 =Xi2
maka pasangan data tersebut tidak dipakai sehingga n= p1+p2
Jika p1=p2 maka p1/n=p2/n-0,5 jadi jika p1/n=p2/n=0,5 maka Ho diterima dan jika
p1/n atau p2 dekat dengan 0,5 maka Ho mungkin diterima, sedangkan jika p1/n atau p2/n
jauh lebih besar atau lebih kecil dari dari 0,5 maka Ho kemungkinan ditolak untuk
membuat kriteria penerimaan Ho(diterimaatau ditolak) maka telah dibuat tabel (tabel uji
tanda) sehingga :
Jika p1 atau p2 berada di dalam daerah peneriman Ho pada tingkat kepercayaan 95%
(α=0,05) maka Ho diterima (P>0,05) sedangkan jika berada di luar daerah penerimaan
α=0,05 maka Ho ditolak (p<0,05) dan jika berada di luar daerah penerimaan untuk
α=0,01 maka Ho ditolak (P<0,01)
Contoh:
Seorang peneliti ingin mengetahui perbedaan kelainan ginjalkanan dan kiri pada
ternak kelinci akibat pemberian insektisida pada pakannya. Dari 10 ekor kelinci yang
diperiksa diperoleh data sebagai berikut :
Kelinci 1 2 3 4 5 6 7 8 9 10
Ginjal kanan 1 1 1 0 1 0 0 1 1 1
Ginjalkiri 0 0 1 1 0 1 1 1 0 1
Xi1 –Xi2 1 1 0 -1 1 -1 -1 -1 1 -1

Hipotesisnya
Ho : p1 = P2lawan H1 : p1≠p2
Dari tabel diatas dapat ditentukan p1= 4 dan p2 =5 sehingga n=4 +5=9.
Untuk n =9 pada α=0,05 daerah penerimaa Ho adalahantara 1-8 dan pada α=0,01
antara 0-9.
Oleh karena p1 dan p2 berada di dalam daerah penerimaan Ho maka Ho diterima
(P>0,05) sehingga dapat disimpulkan bahwa kelainan ginjal kelinci tidak terdapat
perbedaan yang nyata (P>0,05) antara yang kanan dengan yang kiri.
Jika p>2 maka uji tanda kurang praktis lagi digunakan maka salah satu uji yang baik
dipakai adalah uji Cochran
Uji Cochran
 Uji ini umumnya digunakan jika skala pengukuran datanya
nominal(ada/tidak,mati/hidup,sakit/sehat dan sebagainya)katagori/perlakuan yang diteliti
lebih besar dari dua (p>2) dan termasuk klasifikasi dua arah (ada peubah lain/peubah
sampingan selainperlakuan) atau berpasangan atau dlam rancangan
percobaan/lingkungan terkenal dengan nama Rancangan Acal Kelompok (RAK) rumus
uji Cochran adalah sebagai berikut :
c
N 2
c(c − 1)∑ (Ci − )
c
T= r
i =1

∑ Rj (c − Rj )
j =1

Disini
T: Nilai Cochran dari hasil perhitungan.
c: Banyaknya katagori/perlakuan
Ci: jumlah data pada katagori/perlakuan ke-i
r:banyaknya kelompok ulangan
Rj:jumlah data pada kelompok ulangan ke-j
c r

N: jumlah seluruh data positip (N= ∑Ci = ∑Rj

i =1 j =1

Hipotesisnya
Ho:p1 =p2 =p3=………….=pc
H1 :p i ≠ p I’ untuk suatu pasangan pi( i≠i)
Disini p I adalah katagori/perlakuan ke-i
Kriteria penerimaan ho adalah sebagai berikut :
Jika T<X2(0,05;db=(c-1) maka Ho diterima (P>0,05)
Jika T>X2(0,05;db=(c-1) maka Ho diterima (P<0,05)
Jika T>X2(0,01;db=(c-1) maka Ho diterima (P>0,01)
Jika Ho ditolak berarti ada kategori/perlakuan yang berbeda, untukmencari pasangan
mana yang berbeda maka kita harus melakukan uji lanjutan lanjutan dari uji cochran yang
biasa digunakan adalah uji Mc Nemar dengan rumus sebagai berikut :
Rumus uji Mc Nemar
 (C − B) 2 (B − C ) 2
T= =
(B + C) (B + C)

Disini
B : banyaknya nilai negative dari dua pasang perlakuan yang dibandingkan(B=0-1)
C : Banyaknya nilai positif dari dua pasang perlakuan yang dibandingkan (C=1-0)
Kriteria penerimaan ho adalah sebagai berikut :
Jika T<X2 α=0,05;db=1 maka Ho diterima berarti pasangan perlakuan tersebut tidak berbeda
nyata (P>0,05). Sedangkan jika T≥ X2 α=0,05;db=1 maka Ho ditolak berarti pasangan
perlakuan tersebut berbeda nyata (P>0,05) dan jika T≥ X2 α=0,01;db=1 maka Ho ditolak
berarti pasangan rata-rata rangking perlakuan tersebut berbeda sangat nyata (P<0,01)
Contoh
Salah satu cara untuk mengetahui adanya pembusukan pada daging adalah dengan
mengunakan uji Eber. Seorang peneliti ingin pemeriksaan adanya pembusukan daging
sapi yang dijual sore hari disuatu asar. Pada pasar tersebut terdapat 4 kios daging sapi
peneliti ingin mengetahui apakah terdapat perbedaan diantara kios tersebut. Untuk tujuan
tersebut peneliti mengambil sample tiap hari selama 12 hari data yang diperoleh sebagai
berikut :
Tabel hasil uji Eber.
HAri ke-j Kios (i) Rj
1 2 3 4
1 0 0 1 1 2
2 1 0 1 1 3
3 0 1 1 1 3
4 0 0 1 1 3
5 0 0 1 1 2
6 0 1 0 1 2
7 0 1 0 1 2
8 0 0 1 1 2
9 0 1 0 1 2
10 0 0 0 1 1
11 1 0 1 1 3
12 1 0 1 1 3

Ci 3 4 8 12 27
Jawab
Hipotesisnya
Ho : p1 = p2 = p3 = p4
H1 ; pi ≠pi’ untuk pasangan pi (i≠i)
c
N 2
c(c − 1)∑ (Ci − )
c
T= r
i =1

∑ Rj (c − Rj )
j =1

T =
{
4(4 −1) (3 − 6,75 ) 2 + (4 − 6,75 ) 2 + (8 − 6,75 ) 2 + (12 − 6,75 ) 2 }
2(4 − 2) + (4 − 3) + 3(4 − 3) + .......... .......... ...... + 3( 4 − 3)
12 (50 ,75 )
T = = 14 ,16
43
Oleh karena T>X2 α=0,01;db=(4-1) yaitu 14,16>11,30 maka Ho ditolak (P>0,01) sehingga dpat
disimpulkan terdapat perbedaan yang sangat nyata (P>0,01) antara kiosdaging di
pasartersebut.
Selanjtnya untukmengetahui antar kios mana yang berbeda dilanjutkan dengan uji Mc
Nemar dengan rumus sebagai berikut :
2
(C − B ) 2 (B − C)
T = =
(B + C) (B + C)

(3 − 4) 2
Kios 1 dengan 2 nilai T = = 0,14
(3 + 4)

(0 − 5) 2
Kios 1 dengan 3 nilai T = = 5,0
(0 + 5)

( 0 − 9) 2
Kios 1 dengan 4 nilai T = = 9,0
( 0 + 9)

(3 − 7) 2
Kios 2 dengan3 nilai T = = 1,6
(3 + 7)

(0 − 8) 2
Kios 2 dengan 4 nilai T = = 8,0
(0 + 8)

(0 − 4) 2
Kios3 dengan 4 nilai T = = 4,0
(0 + 4)

Tabel X2 α=0,05;db=1 =3,84 dan X2 α=0,01;db=1 =6,63

Untuk mempermudah membandingkan antara perlakuan kita baut tabel sebagai
berikut :
 Kios Signifikansi
0,05 0,01
1 a a
2 ab a
3 b ab
4 c b

Keterangan
Nilai dengan huruf yang sama pada kolom signifikansi menunjukkan tidakberbeda
nyata (P>0,05) sebaliknya denganhuruf yang berbeda menunjukkan berbeda nyata
(P>0,05) atau sangat nyata (p>0,01)
Jika kemungkinan yang terjadi dari individu-individu dari data yang berpasangan
dapat kita skor sehingga dapat dibuat skala ordinal maka uji tanda tidak lagi baik
diterapkan maka diperlukan uji lain uji tersebut antara lain adalah uji Wilcoxon dan uji
Friedman dan ada pula uji-uji yang lainnya.

Uji Wilcoxon Berpasangan

uji ini umumnya digunakan jika skala pengukuran danya ordinal dan skala interval
maupun rasional yang tida memenuhi syarat untuk uji t atau uji F katagori /perlakuan
sama dengan dua (P=2) dan berpasangan.
Hipotesisnya :
Ho : r 1 = r2 lawan H1 :r1 ≠r2
Prosedur pengujian hipotesis.
1. Untuk setiap pasangan data cari di (di = p1i –p2i) disini p1i adalah perlakuan
pertama pada pasangan ke i dan p2i adalah perlakuan kedua pada pasangan ke-i
2. Berikan rangking pada di dari angka 1 sampai n (banyaknya pasangan) tanpa
memandang tanda (harga mutlaknya) dengan catatan data yang skornya/nilainya
sama harus diberikan rangking yang sama (rata-rata rangking) dan jika di=0
pasangan tersebut dibuang/dianggap tidak ada, maka (n=banyaknya di≠0)
3. Berikan tanda (+) pada rangking yang berasal dari di positip (di>0) dan tanda (-)
pada rangking yang berasal dari di negative (di<0)
4. jumlahkan rangking yang bertanda positif (T1) dan rangking yang bertanda
negative (T2)
 5. cari daerah penerima dari Ho pada tabel yang telah disediakan
6. Kriteria penerimaan Ho adalah sebagai berikut:
a. Jika T1 atau T2 berada di dalam daerah penerimaan Ho dari tabel maka
Ho diterima.
b. Jika T1 atau T2 berada di luar daerah penerimaan Ho dari tabel maka ho
ditolak.
Contoh
Dari 15 panelis yang digunakan untuk mengetahuiperbedaan citarasa antara daging
sapi sebelum dan sesudah diberikan penyedap rasa dipeoleh hasil sebagai berikut:
Tabel hasil uji citarasa 15 panelis sebelum dan sesudah diberikan bahan penyedap
Panelis (i) Sebelum (p1i) Sesudah (p2i) di Ri
1 6 5 -1 -2,5
2 5 6 +1 2,5
3 4 7 +3 7,5
4 3 7 +4 10,0
5 7 5 -2 -5,5
6 3 7 +4 10,0
7 2 6 +4 10,0
8 2 7 +5 12,5
9 4 6 +2 5,5
10 5 6 +1 2,5
11 6 6 0 -
12 4 7 +3 7,5
13 6 7 +1 2,5
14 7 7 0 -
15 2 7 +5 12,5

T1=83 dan T2 =8
Daerah penerimaan untuk n=13 pada α=0,05 adalah antara 17-74 dan pada α=0,01
antara 9-82
Hipotesisnya :
Ho ; r1 =r2 lawan H1 :r1≠r2
Oleh karena T1 dan T2 berada di luar daerah penerimaan pada α=0,05 dan α=0,01
maka Ho ditolak (P<0,01) jadi dapat disimpulkan bahwa pemberian bahan penyedap
dapat meningkatkan skor panelis secara sangat nyata (P<0,01)
Untuk p>2 maka uji Wilcoxon tidak praktis digunakan uji lain, salah satu uji tersebut
adalah uji Friedman
Uji Friedman
Uji ini umumnya digunakan jika skalapengukuran datanya ordinal dan skala interval
maupun rasional yang tidak memenuhi syarat untuk uji t6 atau uji F katagori/perlakuan
yang diteliti lebih besar dari dua (P>2) dan termasuk klasifikasi dua arah (ada peubah
lain/sampingan selain perlakuan)atau berpasangan atau dalam rancangan
percobaan/lingkungan terkenal dengan nama Rancangan Acal Kelompok (RAK)
Rumus uji Friedman adalah sebagai berikut ;
k
12
F= ∑
nk ( k + 1) i =1
Ri 2 − 3n(k + 1)

Disini :
F: nilai Friedman dari hasil perhitungan
Ri : jumlah rank dari kategori/perlakuan ke i
k: banyaknya katagori/perlakuan (i=1,2,3,……,k)
n: jumlah pasangan atau kelompok
hipotesisnya
Ho : R1 = R2 = R3 =…………..=Rk
H1 : Ri≠Ri’ untuk suatu pasngan Ri (i≠i)
Disini Ri adalah jumlah rangking ke i
Kriteria penerimaan Ho adalah sebagai berikut :
Jika F<X2(0,05:db=(k-1), maka H diterima (P>0,05)
Jika F>X20,05:db=(k-1), maka H ditolak(P<0,05)
Jika F>X20,05:db=(k-1), maka Ho ditolak (P<0,01)
Jika Ho ditolak berarti ada pasangan rata-rata rangking yang berbeda untuk mencari
pasangan mana yang berbeda maka kita harus melakukan uji lanjutan yaitu uji jumlah
rangking dengan rumus sebagai berikut :
nk ( k +1)
t H = tα / 2; db = (k −1)( n −1)
6
Disini k adalah banyaknya katagori /perlakuan dan n adalah banyaknya pasangan atau
kelompok.
Jika Ri −Ri ' <t H pada α=0,05 maka Ho diterima berate pasangan rangking perlakuan
tersebut berbeda nyata (P<0,05) dan jika Ri −Ri ' ≥t H pada α=0,05 maka Ho ditolak
berate pasangan rangking perlakuan tersebut berbeda nyata (P<0,05) dan jika
Ri −Ri ' ≥t H pada α=0,01 maka Ho ditolak berarti paangan rangking perlakuan tersebut
berbeda sangat nyata (P>0,01)
Catatan
Pada uji KuskalWallis perangkingan data dilakukan serempak seluruh data sedangkan uji
Friedman perangkingan data dilakukan tiap pasangan atau kelompok.
Contoh
Seorang peneliti ingin mengetahui perbedaan titer antibody pada ayam buras jantan
yang diberikan 4 jenis vaksin yang berbeda. Pengukuran antobodi dilakukan setiap
minggu yaitu pada minggu pertama,kedua dan ketiga
Data yang di[eroleh sebagai berikut :
Minggu ke j Jenis vaksin ke i
1 2 3 4
1 5 2 1 3
2 10 8 7 9
3 8 4 5 7
Hipotesisnya
Ho : R1 = R2 =R3 =R4
H1 : Ri≠Ri’ untuk suatu pasangan Ri (i≠i)
Sebelum kita menggunakan rumus Friedman kita harus merangking dulu datanya,hasil
rangkingannya sebagai berikut :
Minggu ke j Jenis vaksin ke i
1 2 3 4
1 4 2 1 3
2 4 2 1 3
3 4 1 2 3
Ri 12 5 4 9

12
F= k
nk (k + 1)∑ Ri 2 − 3n( K + 1)
i =1

12
F = 12 2 + 5 2 + 4 2 + 9 2 ) − 3 x3(4 +1)
3 x 4(4 +1)

12
F = (266 ) − 45 = 53,2 − 45 = 8,2
60
Oleh karena nilai F>X2(0,05;db=(k-1) yaitu 8,2 >7,81 maka Ho ditolak (P<0,05) sehingga dpat
disimpulkan bahwa jenis vaksin berpengaruh nyata (P<0,05) terhadap titer antibody ayam
buras jantan.
Untuk mengetahui antar vaksin yang mana memberikan titer antibody yang berbeda
maka dilanjtkan dengan uji sebagai berikut :
nk ( k + 1)
t H = tα / : db = (k −1)( n −1)
6
Untuk α=0,05 db =(3-1)(4-1) =2,447
3x 4(4 +1)
t H = 2,447 = 2,447 x3,16228 = 7,74
6
Untuk α=0,01db =(3-1)(4-1) =3,707
3 x 4(4 +1)
t H = 3,707 = 3,707 x3,16228 = 11,72
6
Untuk mempermudah membandingkan antara perlakuan kit aurut dari ri terbesar sampai
terkecil :
Vaksin Ri (R1-Ri) (R4-Ri) (R2-Ri) Signifikansi
kuan 0,05 0,01
1 12 - - - a a
4 9 3 - - ab a
2 5 7 4 - ab a
3 4 8 5 1 b a

Ketrangan
Nilai ri dengan huruf yang sama pada kolom signifikansi menunjukkan tidak beda
nyata (P>0,05) sebaliknya dengan huruf yang berbeda menunjukkan berbeda nyata
( P<0,05) atau sangat nyata (P<0,01)

Jadi dapat kita simpulkan vaksin 1 memberikan antibody yang berbeda nyata (P<0,05)
bila dibandingkan dengan vaksin 3 sedangkan antara vaksin 1,4 dan 2 demikian pula
antara vaksin 3,2 dan 4 tidak terdapat perbedaan yang nyata (P>0,0)