7c analisis non parametrik 3

20
ANALISIS NON PARAMETRIK III A. DASAR TEORI 1. Korelasi Ranking Spearman Fungsi : Merupakan ukuran kadar asosiasi/relasi/hubungan antara dua variabel yang didasarkan atas ranking. Persyaratan Data : Data berskala ordinal. Prosedur Perhitungan dan Pengujian: 1). Berikan ranking pada variabel X dan Y, jika ada ranking kembar buat rata-ratanya. 2). Hitung harga di = Xi – Yi 3). Buat kuadrat masing-masing di (di 2 )dan jumlahkan (Σdi 2 ) 4). Jika tidak ada ranking berangka sama gunakan rumus. r 3 =16 di 2 n( n 2 1) 5). Jika banyak ranking berangka sama gunakan rumus. r 3 = X 2 + Y 2 di 2 2 X 2 Y 2 Dimana: TX = t 3 t 12 X 2 = N 3 N 12 TX TY = t 3 t 12 Y 2 = N 3 N 12 TY 6). Untuk melakukan Uji Signifikansi: Jika 4 < n < 30 : Gunakan Tabel P (uji satu sisi). Jika p < α, maka tolak H 0 . Jika n > 30 : Hitung t dengan memakai rumus. 1

description

statistika

Transcript of 7c analisis non parametrik 3

Page 1: 7c analisis non parametrik 3

ANALISIS NON PARAMETRIK III

A. DASAR TEORI

1. Korelasi Ranking Spearman

Fungsi :

Merupakan ukuran kadar asosiasi/relasi/hubungan antara dua variabel yang didasarkan atas ranking.

Persyaratan Data :

Data berskala ordinal.

Prosedur Perhitungan dan Pengujian:

1). Berikan ranking pada variabel X dan Y, jika ada ranking kembar buat rata-ratanya.

2). Hitung harga di = Xi – Yi3). Buat kuadrat masing-masing di (di2)dan jumlahkan (Σdi2 )4). Jika tidak ada ranking berangka sama gunakan rumus.

r3=1−6∑ di2

n(n2−1)5). Jika banyak ranking berangka sama gunakan rumus.

r3=∑ X2+∑ Y 2−∑ di2

2√∑ X2∑ Y 2

Dimana: ∑TX=∑ t3−t12

∑ X2=N 3−N12

−∑TX

∑TY =∑ t3−t12

∑Y 2=N3−N12

−∑TY

6).Untuk melakukan Uji Signifikansi:

Jika 4 < n < 30 :Gunakan Tabel P (uji satu sisi). Jika p < α, maka tolak H0.Jika n > 30 :

Hitung t dengan memakai rumus.

t=r3 √n−2

√1−r 32

7).Daerah penolakan H0 adalah:

Tolak H0 jika t < t α/2 (n-2)

1

Page 2: 7c analisis non parametrik 3

2

2. Korelasi Ranking Tau-Kendall

Fungsi :

Merupakan ukuran kadar asosiasi/relasi/hubungan antara dua variabel yang didasarkan

atas ranking.

Persyaratan Data :

Data berskala ordinal.

Prosedur Perhitungan dan Pengujian:

1). Berikan ranking pada variabel X dan Y, jika ada ranking kembar buat rata-ratanya.

2). Urutkan ranking X dari terkecil hingga terbesar (1, 2, ….., n)3). Tentukan harga S berdasarkan ranking Y yang telah disusun

mengikuti X. Amati ranking Y mulai dari yang paling kecil menurut X, hingga yang terbesar menurut X. Kemudian beri nilai +1 untuk setiap harga yang lebih tinggi berdasarkan susunan ranking X dan –1 untuk setiap harga yang lebih rendah.

4). Jika tidak ada ranking berangka sama gunakan rumus.

Γ=∑ S

12

. n .(n−1)

5). Jika banyak ranking berangka sama gunakan rumus.

Γ=∑ S

√ 12

n (n−1 )−Tx √ 12

n (n−1 )−Ty

Tx atau Ty = ½ t (t-1)

6).Untuk melakukan Uji Signifikansi:

Jika 4< n <10 :Gunakan Tabel Q (uji satu sisi).

Hitung z dengan memakai rumus.

Z= Γ

√(4 n+10)/(9 n2−9 n)

7). Kaidah Pengambilan Kesimpulan :Tolak H0 jika z >z0,025 atau berdasarkan probabilitas H0 ditolak jika p(z ≤ Z) < α /2 atau 2.p (z ≤ Z) < α untuk uji Dua Pihak.

Page 3: 7c analisis non parametrik 3

3

3. Korelasi Konkordasi-Kendall

1) Pengujian sampel berpasangan ganda (multiple-paired samples). Orang yang memberi peringkat lebih dari 2.

2) Data nilai pengamatan disusun dalam tabel baris dan kolom. Baris menunjukkan banyaknya variabel yang ingin dikorelasikan, sedangkan kolom menunjukkan banyaknya nilai pengamatan (ulangan) untuk masing-masing variabel.

3) Nilai pengamatan pada setiap baris diranking, apabila terdapat nilai pengamatan yang sama maka rankingnya adalah rata-ratanya.

4) Menentukan jumlah ranking (Ri) dan jumlah kuadrat ranking (Ri2) pada setiap ulangan

5) Statistik Uji yang digunakan : χ2 (chi kuadrat) dengan derajat bebas (db) = n-1Notasi yang digunakann = banyak pasangan data, n ≥ 8R = jumlah peringkatk = banyak orang yang memberi peringkat (k >2)

6) Uji Statistik :

W = S

( 112 ). k 2 .(n3−n)

7) Apabila terdapat nilai pengamatan yang sama, perlu faktor koreksi, sehingga:

W = S

[ 112

x k2(n3−n)]−k∑ T

Dimana: s = Σ(Ri2) – (Ri)2/n k = banyaknya baris (variabel yang dikolerasikan ) n = banyaknya kolom (ulangan) T = Σ(t3-t)/12

8) Uji signifikasi W.9) χ2 = k (n-1).W dengan derajat bebas χ2=(n-1)

10) Kaidah: Tolak H0 jika χ2> χ2α (n-i)

4. Korelasi Phi

Koefisien korelasi phi rф merupakan ukuran derajat keeratan hubungan antara dua variabel dengan skala nominal yang bersifat dikotomi (dipisahduakan). Data hasil pengamatan disusun dalam tabel dengan ukuran 2x2.

Page 4: 7c analisis non parametrik 3

4

Variabel 1 Jumlah

Variabel 2a b (a + b)c d (c + d)

Jumlah (a + c) (b + d)

Koefisien Korelasi phi dihitung dengan rumus:

r Φ= ad−bc

√(a+b ) (c+d ) (a+c ) (b+d )

Uji signifikasi rф dilakukan dengan statistik χ2 Pearson dimana:

χ2=ΣΣ(|Oi−Ei|)

2

Ei

Oi = frekuensi observasi Ei = frekuensi harapan

Perlu diingat bahwa statistik yang digunakan sebagai bahan dasar untuk mengambil keputusan dihampiri oleh sebaran Chi Kuadrat.

Nilai-nilai χ2 hitung bergantung pada frekuensi sel, dan ini berarti diskrit. Sebaran Chi Kuadrat yang kontinyu menghampiri sebaran penarikan sampel bagi χ2

dengan sangat baik asalkan banyaknya derajat bebas lebih besar dari 1.

Dalam tabel kontigensi berukuran 2x2, yang hanya mempunyai derajat bebas 1, biasanya diterapkan Koreksi Yate bagi Kekontinyuan. Rumus yang telah terkoreksi adalah:

χ2=ΣΣ(|Oi−Ei|−0,5 )2

Ei

atau χ2=

n(|ad−bc|−12

n)2

(a+b ) (c+d ) (a+c ) (b+d )

Kaidah pengujian: Tolak H0 jika χ2 > χ2α(1)

5. Koefisien Kontigensi

Fungsi :

Merupakan ukuran kadar asosiasi/relasi/hubungan antara dua variabel berskala nominal.

Persyaratan Data :

Data berskala nominal.

Prosedur Perhitungan dan Pengujian:

1). Buat Tabel Silang k x r, k = banyak kategori untuk variabel ke-1, dan r = banyak kategori untuk variabel ke-2.

2). Masukan data hasil pengamatan ke dalam sel Tabel Silang sesuai dengan kategorinya masing-masing.

Page 5: 7c analisis non parametrik 3

5

3). Tentukan frekuensi harapan dari masing-masing sel dengan cara mengalikan total baris dengan total kolom, kemudian dibagi dengan grand totalnya.

4). Hitung χ2dengan rumus:

χ2=∑ (Oij−E ij)2

E ij

5). Berdasarkan harga χ2yang telah dihitung, cari harga C (koefisien kontingensi) dengan memakai rumus :

C=√ χ2

χ 2+n

6). Untuk melakukan Uji Signifikansi:Gunakan Tabel C. Berdasarkan harga χ2 dengan db = (k-1) x (r-1), tentukan

probabilitas (p). Jika p < a, maka tolak H0.

B. PERMASALAHAN

Mengaplikasikan secara manual dan spss:

1. Korelasi Ranking Spearman2. Korelasi Ranking Tau-Kendall3. Korelasi Konkordasi-Kendall4. Korelasi Phi5. Koefisien Kontigensi

C. PEMBAHASAN

1. Korelasi Ranking Spearman

Pengujian korelasi antara Hasil Belajar Dasar Kompetensi Kejuruan dengan Hasil Belajar Praktek Kerja Kayu Tangan . Adakah hubungannya?

Analisis secara manual:

1). Hipotesis

H0 : rs =0 atau Tidak terdapat hubungani X dan YH1 : rs ≠0 atau Terdapat hubungan X dan Y

2). Uji Statistik : Uji t

3). Taraf nyata α =0,05

4). Wilayah kritik : t < -t α/2 (k-2) atau t > t α/2 (n-2)

5). Perhitungan:

Tabel 1. Skor dasar kompetensi kejuruan dan Prestasi praktek kerja kayu tangan

X Y Rank X Rank Y di di2

81 64 9,000 5 4,000 16,00036 36 2,333 1,5 0,833 0,694

Page 6: 7c analisis non parametrik 3

6

49 81 5,000 9 -4,000 16,00064 64 6,500 5 1,500 2,25036 81 2,333 9 -6,667 44,44936 81 2,333 9 -6,667 44,44981 64 5,000 5 0,000 0,00081 36 5,000 1,5 3,500 12,2509 64 1,000 5 -4,000 16,00064 64 6,500 5 1,500 2,250

          154,342

X= Hasil Belajar Dasar Kompetensi KejuruanY= Hasil Belajar Praktek Kerja Kayu Tangan

RankX:Rank 1,5 ada 2Rank 5 ada 5Rank 9 ada 3

∑TX=∑ t3−t12

=23−212

+ 53−512

+ 33−512

=12,333

∑ X2= N3−N12

−∑TX=103−1012

−12,333=70,167

Rank Y:Rank 5 ada 5Rank 1,5 ada 2Rank 9 ada 3

∑TY =∑ t3−t12

=53−512

+23−212

+ 33−312

=12,5

∑Y 2=N3−N12

−∑TY=103−1012

−1 2,5=70

r3=∑ X2+∑ Y 2−∑ dt 2

2√∑ X2∑Y 2=70,167+70−154,342

2√ (70,167 ) .(70)=−0,1011

t=r3 √n−2

√1−r 32=−0,1011√10−2

√1−(−0,1011)2=−0,2874

Untuk α = 0.05 dan n = 10 didapat t 0,025(8) = 2.306

6). Kesimpulan :

Karena t hitung < t tabel = -0,2874 < 2,306, maka menerima H0

Bahwa tidak terdapat hubungan antara Hasil Belajar Dasar Kompetensi Kejuruan dengan Hasil Belajar Praktek Kerja Kayu Tangan.

2. Korelasi Ranking Tau-Kendall

Page 7: 7c analisis non parametrik 3

7

Data tabel 1. Akan diuji dengan korelasi Ranking Tau-Kendall

Analisis secara manual:

1). Hipotesis

H0 : rs =0 atau Tidak terdapat perbedaan X dan YH1 : rs ≠0 atau Terdapat perbedaan X dan Y

2). Uji Statistik : Uji z

3). Taraf nyata α =0,05

4). Wilayah kritik : z > z α/2

5). Perhitungan:

X= Hasil Belajar Dasar Kompetensi KejuruanY= Hasil Belajar Praktek Kerja Kayu Tangan

Tabel 2. Skor dasar kompetensi kejuruan dan prestasi praktek kerja kayu tangan

X Y Rank X Rank Y > < s81 64 1 5 3 2 136 36 3 1,5 7 0 749 81 3 9 0 5 -564 64 3 9 0 5 -536 81 5 9 0 5 -536 81 6,5 5 0 1 -181 64 6,5 5 0 1 -181 36 9 5 0 1 -19 64 9 5 0 1 -164 64 9 1,5 0 0 0

-11

Karena banyak nilai yang sama, maka koefisien korelasi Tau-Kendall didasarkan pada formula:

Γ=∑ S

√ 12

n (n−1 )−Tx √ 12

n (n−1 )−Ty

Tx=12

.∑ t ( t−1 )=12

. {(3 ) . (3−1 )+(2 ) . (2−1 )+(3 ) . (3−1 ) }=7

Ty=12

.∑ t ( t−1 )=12

. {(5 ) . (5−1 )+(2 ) . (2−1 )+(3) . (3−1 ) }=14

Γ=∑ S

√ 12

n (n−1 )−Tx √ 12

n (n−1 )−Ty

=−11

√ 12

.10 . (10−1 )−7√ 12

.10 (10−1 )−14

Page 8: 7c analisis non parametrik 3

8

Γ=−0,3205

Z= Γ

√(4 n+10)/(9 n2−9 n)= −0,3205

√(4.10+10)/(9.102−9.10)=−1,28999

Z0,025 = 1,96

6). Kesimpulan :

Karena Z hitung < Z tabel = -1,28999 < 1,96, maka menerima H0

Bahwa tidak terdapat perbedaan antara Hasil Belajar Dasar Kompetensi Kejuruan dengan Hasil Belajar Praktek Kerja Kayu Tangan.

3. Korelasi Konkordasi-Kendall

Analisis secara manual:

1). HipotesisH0 : rs =0 atau Tidak terdapat perbedaan nilaiH1 : rs ≠0 atau Terdapat perbedaan nilai

2). Uji Statistik : Uji χ2

3). Taraf nyata α =0,054). Wilayah kritik : χ2 >χ2 α (n-1)

5). Perhitungan:

Tabel 3. Skor dasar Mata Pelajaran Siswa Teknik Bangunan

SISWA TEKNIK BANGUNANMATA PELAJARAN 1 2 3 4 5 6 7 8 9 10MEKANIKA TEKNIK 64 36 81 64 81 81 64 36 64 64

FISIKA 36 49 81 49 36 64 36 36 36 36MATEMATIKA 81 81 64 81 81 81 36 64 81 9

Ri

Tabel 3. Skor Mata Pelajaran Siswa Teknik Bangunan dengan ranking

SISWA TEKNIK BANGUNAN

MP 1 2 3 4 5 6 7 8 9 10

MT 5,00 1,50 9,00 5,00 9,00 9,00 5,00 1,50 5,00 5,00

FIS 3,50 7,50 81,00 7,50 3,50 64,00 3,50 3,50 3,50 3,50

MAT

7,50 7,50 3,50 7,50 7,50 7,50 2,00 3,50 7,50 1,00

Ri 17,00 18,50 96,50 24,00 25,00 86,50 17,50 16,50 25,00 19,50

Ri2 289,00 342,25 9312,25 576,00625,0

07482,25

306,25

272,25625,0

0380,25

ΣRi = 346,00Σ Ri2 = 20210,50

S = Σ(Ri2) – (Ri)2/n

Page 9: 7c analisis non parametrik 3

9

S = 20210,5 – (346)2/10

S = 8238,9

k = 3, n = 10

W = S

[ 112

x k2(n3−n)]−k∑ T

∑T 1=∑ t3−t12

=53−512

+ 23−212

+ 33−312

=12,5

∑T 2=∑ t3−t12

=63−612

+ 23−212

=18

∑T 3=∑ t 3−t12

=63−612

+23−212

=18

∑T=12,5+18+18=48,5

W = 8238,9

[ 112

(32)(103−10)]− (3 )(48,5)=13,800

χ2 = k (n-1).w = 3. (10-1) . 13,80 = 372,6

χ20,05 (10-1) tabel = 16,919

6). Kesimpulan :

Karena χ2 < χ20,05 (10-1) tabel, maka menerima H0 dengan asumsi tidak adanya

terdapat perbedaan rata-rata yang nyata antara nilai mekanika teknik, fisika, dan matematika.

4. Korelasi Phi

Analisis secara manual:

1). HipotesisH0 : r =0 atau Tidak terdapat perbedaan kesenanganH1 : r ≠0 atau Terdapat perbedaan kesenangan

2). Uji Statistik : Uji χ2

3). Taraf nyata α =0,054). Wilayah kritik : χ2 >χ2

α (1) atau χ2 > 3,8415). Perhitungan:

Tabel 4. Data Kunjungan Perpustakaan Siswa Laki dan Siswa Perempuan per minggu

SiswaLaki-laki Perempuan Jumlah

Oi Ei Oi Ei

Page 10: 7c analisis non parametrik 3

10

Suka membaca 12 11,79 16 7,86 28

Tidak Suka Membaca

17 12,21 12 8,14 29

jumlah 24 24 16 16 57

r=ad−bc

√ (a+b ) (c+d ) (a+c ) (b+d )=

(12 ) (12 )− (16 )(17)

√ (12+16 ) (17+12 ) (12+17 ) (16+12 )

r= 144−272

√ (28 ) (29 ) (29 ) (28 )= −128

√659344=−0,1576

χ2=n(|ad−bc|−1

2n)

2

(a+b ) (c+d ) (a+c ) (b+d )=

57 [|(12 ) (12 )−(16 )(17)|−( 12 )(57)]

2

(12+16 ) (17+12 ) (12+17 ) (16+12 )

χ2=57 [|144−272|−28,5 ]2

(28 ) (29 ) (29 ) (28 )=

57 [ 99,5 ]2

659344=

57 [ 99,5 ]2

659344=0,8559

Χ 2 0.05(1) tabel = 3.84146

6). Kesimpulan :Karena χ2 < χ2

0,05 (10-1) tabel , maka disimpulkan untuk menerima H0. Berarti kesenangan membaca tidak bergantung pada jenis kelamin.

5. Koefisien Kontigensi

Analisis secara manual:

1). HipotesisH0 : c =0 atau Tidak terdapat perbedaan kepuasanH1 : c ≠0 atau Terdapat perbedaan kepuasan

2). Uji Statistik : Uji χ2

3). Taraf nyata α =0,054). Wilayah kritik : χ2 >χ2 α (b-1) (k-1)

5). Perhitungan:

Tabel 5. Data Kepuasan Layanan Perpustakaan

SiswaJumlah

Laki-Laki Perempuan

Oi Ei Oi Ei

Tidak Puas 12 13,14 16 14,86 28

Netral 17 13,61 12 15,39 29

Puas 32 34,25 41 38,75 73

jumlah 61 61,00 69 69,00 130

χ2=∑ (Oi−Ei )2

Ei

Page 11: 7c analisis non parametrik 3

11

χ2=(12−13,14 )2

13,14+

(17−13,61 )2

13,61+

(32−34,25 )2

34,25+

(16−14,86 )2

14,86+

(12−15,39 )2

15,39+

(41−38,75 )2

38,75

χ2=¿ 1,299613,14

+ 11,492113,61

+ 5,062534,25

+1,299614,86

+ 11,492115,39

+5,062538,75

=2,0557

C=√ χ2

χ 2+n=√ 2,0577

4,226+130=0,1237

Χ 2 0.05(2) tabel = 5.99146

6). Kesimpulan :

Karena χ2 < χ20,05 (10-1) tabel , maka menerima H0 dengan asumsi tidak ada

perbedaan rata-rata yang nyata antara tingkat kepuasan antara laki-laki dan perempuan terhadap layanan perpustakaan.

6. Analisis dengan SPSS

a. Korelasi Ranking Spearman

Correlations

Hasil Belajar Dasar

Kompetensi Kejuruan

Hasil Belajar Praktek Kerja Kayu Tangan

Spearman's rho

Hasil Belajar Dasar Kompetensi Kejuruan

Correlation Coefficient 1,000 -,345Sig. (2-tailed) . ,329N 10 10

Hasil Belajar Praktek Kerja Kayu Tangan

Correlation Coefficient -,345 1,000Sig. (2-tailed) ,329 .N 10 10

Hasil analisis menyajikan besarnya koefisien korelasi Rank Spearman yaitu -0,345 dan probabilitas uji dua pihak (2 tailed significance) sebesar 0,329. Karena nilai probabilitas ini lebih besar dari taraf nyata maka disimpulkan untuk menerima hipotesis nol.

b. Korelasi Ranking Tau-Kendall

Correlations

Hasil Belajar Dasar

Kompetensi Kejuruan

Hasil Belajar Praktek Kerja Kayu Tangan

Kendall's tau_b Hasil Belajar Dasar Kompetensi Kejuruan

Correlation Coefficient

1,000 -,320

Sig. (2-tailed) . ,266

Page 12: 7c analisis non parametrik 3

12

N 10 10

Hasil Belajar Praktek Kerja Kayu Tangan

Correlation Coefficient

-,320 1,000

Sig. (2-tailed) ,266 .N 10 10

Hasil pengujian menunjukan bahwa besarnya probabilitas bagi uji korelasi Tau-Kendall sebesar 0,266. Tabel peluang S dengan nilai S=9 dan n =10 nilai probabilitasnya 0,242 . Karena nilai probabilitas tersebut lebih besar dari taraf nyata 0,05, maka disimpulkan untuk menerima hipotesis nol. Bahwa tidak terdapat perbedaan antara Hasil Belajar Dasar Kompetensi Kejuruan dengan Hasil Belajar Praktek Kerja Kayu Tangan.

c. Korelasi Konkordasi-Kendall

Descriptive Statistics

N Mean Std. Deviation Minimum MaximumSiswa A 3 60,3333 22,72297 36,00 81,00Siswa B 3 55,3333 23,15887 36,00 81,00Siswa C 3 75,3333 9,81495 64,00 81,00Siswa D 3 64,6667 16,01041 49,00 81,00Siswa E 3 66,0000 25,98076 36,00 81,00Siswa F 3 75,3333 9,81495 64,00 81,00Siswa G 3 45,3333 16,16581 36,00 64,00Siswa H 3 45,3333 16,16581 36,00 64,00Siswa I 3 60,3333 22,72297 36,00 81,00Siswa J 3 36,3333 27,50152 9,00 64,00

Ranks

Mean RankSiswa A 5,33Siswa B 5,50Siswa C 7,50Siswa D 6,67Siswa E 6,67Siswa F 8,50Siswa G 3,50Siswa H 2,83Siswa I 5,33Siswa J 3,17

Test Statistics

N 3Kendall's Wa ,487Chi-Square 13,161df 9Asymp. Sig. ,155a. Kendall's Coefficient

of Concordance

Hasil analisis menyajikan banyaknya variabel yang dikorelasikan yaitu N=3, nilai statistik W=0,487, statistik uji bagi W yaitu Chi Square ( 2 13,161

Page 13: 7c analisis non parametrik 3

13

dengan derajat bebas Df= 9 serta probabilitas 0,155 maka disimpulkan untuk menerima hipotesis nol.

d. Korelasi Phi

Case Processing Summary

CasesValid Missing Total

N Percent N Percent N PercentMembaca * Siswa

57 100,0% 0 0,0% 57 100,0%

Membaca * Siswa Crosstabulation

Siswa TotalLaki-laki Perempuan

MembacaSuka membaca

Count 12 16 28Expected Count 14,2 13,8 28,0

Tidak suka membaca

Count 17 12 29Expected Count 14,8 14,2 29,0

TotalCount 29 28 57Expected Count 29,0 28,0 57,0

Chi-Square Tests

Value dfAsymp. Sig.

(2-sided)Exact Sig. (2-sided)

Exact Sig. (1-sided)

Pearson Chi-Square 1,416a 1 ,234Continuity Correctionb ,856 1 ,355Likelihood Ratio 1,422 1 ,233Fisher's Exact Test ,294 ,178Linear-by-Linear Association

1,392 1 ,238

N of Valid Cases 57a. 0 cells (0,0%) have expected count less than 5. The minimum expected count

is 13,75.b. Computed only for a 2x2 table

Symmetric Measures

ValueApprox.

Sig.Nominal by Nominal

Phi -,158 ,234Cramer's V ,158 ,234

N of Valid Cases 57a. Not assuming the null hypothesis.b. Using the asymptotic standard error assuming the null

hypothesis.

Nilai statistik koefisien korelasi phi (ryaitu -0,158 dan koefisien Cramer-V yaitu sebesar 0,158.

Page 14: 7c analisis non parametrik 3

14

Nilai Pearson yaitu1,416 dengan probabilitas sebesar 0,234, sedangkan nilai terkoreksi yaitu 1,422 dengan probabilitas 0,233. Karena nilai probabilitas tersebut lebih besar dari taraf nyata 0,05 maka disimpulkan untuk menerima H0.

e. Koefisien Kontigensi

Case Processing Summary

CasesValid Missing Total

N Percent N Percent N PercentKepuasan * Siswa 130 100,0% 0 0,0% 130 100,0%

Chi-Square Tests

Value df Asymp. Sig. (2-sided)

Pearson Chi-Square 19,954a 2 ,000Likelihood Ratio 20,576 2 ,000Linear-by-Linear Association

5,576 1 ,018

N of Valid Cases 130a. 0 cells (0,0%) have expected count less than 5. The minimum expected count is 12,49.

Kepuasan * Siswa Crosstabulation

Siswa Total

Laki-lki Perempuan

Kepuasan

Tidak PuasCount 12 17 29

Expected Count 12,5 16,5 29,0

NetralCount 32 16 48

Expected Count 20,7 27,3 48,0

PuasCount 12 41 53

Expected Count 22,8 30,2 53,0

TotalCount 56 74 130

Expected Count 56,0 74,0 130,0

Symmetric Measures

Value Approx. Sig.Nominal by Nominal Contingency Coefficient ,365 ,000N of Valid Cases 130a. Not assuming the null hypothesis.b. Using the asymptotic standard error assuming the null hypothesis.

Nilai koefisien kontingensi C yaitu 0,365 dengan probabilitas 0,0001.

Page 15: 7c analisis non parametrik 3

15

Niai Pearson yaitu 19,954 dengan probabilitas sebesar 0,0001. Karena nilai probabilitas tersebut lebih kecil dari taraf nyata 0,05 maka disimpulkan untuk menerima hipotesis H0.

D. KESIMPULAN

1. Kesimpulan singkat yang diperoleh adalah bahwa terdapat kesamaan antara hasil yang dikerjakan secara manual dengan hasil SPSS.

2. Ketatnya asumsi dalam statistika parametrik, secara metodologis sulit dipenuhi oleh peneliti-peneliti dalam bidang ilmu sosial. Sebab dalam kajian sosial, sulit untuk memenuhi asumsi distribusi normal maupun kesamaan varians (2), selain itu banyak data yang tidak berbentuk numerik, tetapi hanya berupa skor rangking atau bahkan hanya bersifat nilai kategori. Oleh karenanya, statistika inferensial saat ini banyak berkembang kepada teknik-teknik yang tidak berlandaskan pada asumsi-asumsi di atas, yang dikenal sebagai Statistika Nonparametrik.

3. Ketelitian dalam menganalisis data dan penentuan hipotesis sangatlah besar pengaruhnya terhadap keakuratan pengujian. Seringkali dalam melakukan uji statistik kita melakukan kesalahan yang tidak disengaja. Oleh sebab itu pekerjaan analisis data statistik perlu dikoreksi berulang kali untuk mengurangi kesalahan.

DAFTAR PUSTAKA

Siegel, Sidney. 1992 Statistik Non Parametrik Untuk Ilmu-ilmu Sosial. Jakarta: PT.Gramedia Pustaka Utama.

Wijaya, 2006. Statistika Non Parametrik (Aplikasi Program SPSS). Bbandung, Alfabeta.Nugraha Setiawan, 2005, Statistika Nonparametrik Untuk Penelitian Sosial Ekonomi

Peternakan (Kumpulan Bahan Kuliah), Bandung, Universitas Padjadjaran