2

PENDAHULUAN

Excel adalah program spreadsheet dalam sistem Microsoft Office. Excel

dapat digunakan untuk membuat dan memformat workbook untuk menganalisis
data dan membuat data itu sendiri. Secara khusus, Excel dapat digunakan untuk
melacak data, membangun model untuk menganalisis data, menulis rumus untuk
melakukan perhitungan pada data itu, memproses data dalam berbagai cara, dan
menyajikan data dalam berbagai grafik. Lembar keja dalam Microsoft Excel satu
sheet terdiri dari 256 kolom dan 65536 baris. Kolom ditampilkan dalam tanda huruf
A, B, C dan berakhir pada kolom IV. Sedangkan baris dilambangkan dalam bentuk
angka 1, 2, 3 dan berakhir pada 65536. Perpotongan antara baris dan kolom disebut
sel (cell), misalkan pada perpotongan kolom I dengan baris ke-15 disebut sel I15,
di mana sel yang bergaris tebal menandakan bahwa sel tersebut dalam keadaan
aktif.

FORMULA/RUMUS PADA MICROSOFT EXCEL

Fungsi formula adalah perintah untuk melakukan penghitungan nilai

terhadap data yang ada di Microsoft Office Excel. Setiap penggunaan formula,
penulisan harus diawali dengan tanda “sama dengan” (=). Selain itu, yang perlu
diperhatikan ialah alamat dari data tersebut, jika salah mengetikkan alamatnya
maka nilai hasil akan bernilai salah (#VALUE).
➢ Rumus Aritmatika
Salah satu hal paling dasar dan sangat penting dalam mempelajari Microsoft
Excel ialah melakukan operasi artimatika. Operasi aritmatika terdiri dari beberapa
rumus, yaitu Penjumlahan(+), Pengurangan(-), Perkalian(*), dan Pembagian(/).
Berikut rumus operasi aritmatika dasar pada Microsoft Excel:

1. Penjumlahan

Gambar 1. Formula dasar penjumlahan

 3

2. Pengurangan

Gambar 2. Formula dasar pengurangan

3. Perkalian

Gambar 3. Formula dasar perkalian

4. Pembagian

Gambar 4. Formula dasar pembagian

Selain dengan cara di atas, terdapat beberapa cara atau formula lain yang
dapat digunakan untuk melakukan penjumlahan dan perkalian. Di antaranya
sebagai berikut:

a. Penjumlahan
1. Formula SUM()

Formula “SUM()” Berfungsi untuk menjumlahkan sekumpulan data pada

range tertentu. Bentuk penulisannya adalah sebagai berikut:
=SUM(number1, number2, .....)
4

Gambar 5. Formula SUM() untuk penjumlahan pada excel

2. Formula SUMIF()

Formula “SUMIF()” Berfungsi sama dengan “SUM()”. Namun, dengan

tambahan satu kriteria tertentu. Bentuk penulisannya adalah sebagai berikut:
=SUMIF(range kriteria; kriteria; range data yang dijumlahkan)

Gambar 6. Formula SUMIF untuk penjumlahan pada excel

3. Formula SUMIFS()

Formula “SUMIFS()” Berfungsi sama dengan “SUMIF()”. Namun, syarat

atau kriteria yang digunakan lebih dari satu. Bentuk penulisannya adalah sebagai
berikut:
=SUMIFS(range data yang dijumlahkan; range kriteria1;
kriteria1;[ range kriteria2, kriteria2],…)
 5

Gambar 7. Formula SUMIFS untuk penjumlahan pada excel

b. Perkalian

1. Formula PRODUCT()

Formula “PRODUCT()” Berfungsi untuk mangalikan sekumpulan data pada

range tertentu. Bentuk penulisannya adalah sebagai berikut:
=PRODUCT(number1, number2, .....)

Gambar 8. Formula PRODUCT untuk perkalian pada excel

Sementara itu, berbeda dengan penjumlahan dan perkalian yang memiliki formula
atau rumus lain untuk manjalankannya, pengurangan dan pembagian tidak memiliki
hal tersebut. Jadi, untuk pengurangan dan pembagian hanya dapat dilakukan dengan
formula atau rumus aritmatika dasar.
6

➢ Rumus Dasar Mengolah Data

• Fungsi MIN()

Fungsi atau formula ini berguna untuk mencari nilai terendah dari
sekumpulan data pada range tertentu. Bentuk penulisannya ialah :
=MIN(number1,number2,……)

Gambar 9. Formula MIN() pada excel

• Fungsi MAX()

Fungsi atau formula ini berguna untuk mencari nilai tertunggi dari
sekumpulan data pada range tertentu. Bentuk penulisannya ialah :
=MAX(number1,number2,……)

Gambar 10. Formula MAX() pada excel

 7

• Fungsi AVERAGE()

Fungsi atau formula ini berguna untuk mencari nilai rata-rata dari
sekumpulan data pada range tertentu. Bentuk penulisannya ialah :
=AVERAGE(number1,number2,……)

Gambar 11. Formula AVERAGE() pada excel

• Fungsi COUNT()

Fungsi atau formula “COUNT()” berguna untuk menghitung jumlah data

numerik dari suatu range tertentu, atau menghitung banyaknya sel yang terisi
angka pada suatu range tertentu. Bentuk penulisannya ialah:
=COUNT(value1, value2,…..)

Gambar 12. Formula COUNT() pada excel

• Fungsi CONCATENATE()

Fungsi ini berguna untuk menggabungkan data antara dua kolom. Berikut
ialah penulisannya:
8

Gambar 13. Formula CONCATENATE() pada excel

• Fungsi ROUND()

Fungsi ini berguna untuk membulatkan bilangan ke digit tertentu. Bentuk

penulisannya adalah :
=ROUND(number,num_digits)

Gambar 14. Formula ROUND() pada excel

• Fungsi SQRT()

Fungsi ini berguna untuk menghasilkan nilai akar kuadrat dari bilangan
tertentu. Bentuk penulisannya ialah:
=SQRT(number)

Gambar 15. Formula SQRT() pada excel

• Fungsi SQRT()

Fungsi ini berguna untuk menghasilkan nilai bilangan yang dipangkatkan.

Bentuk penulisannya ialah:
=POWER(number, power)

Gambar 16. Formula POWER() pada excel

 9

• Fungsi SUMSQ()

Fungsi ini berguna untuk mempangkatduakan angka dalam argument dan

memberikan jumlah dari pemangkatan. Bentuk penulisannya adalah :
=SUMSQ(number1,number2,…)

Gambar 17. Formula SUMSQ() pada excel

• Fungsi LARGE()

Fungsi ini berfungsi untuk menemukan nilai numerik terbesar ke-x pada suatu
range data tertentu. Fungsi ini mirip dengan “MAX()”, yang membedakan ialah
pada “MAX()” hanya bisa menemukan nilai terbesar pertama. Hal itu berarti nilai
“LARGE()” pertama sama dengan nilai fungsi “MAX()”. Berikut penulisan
fungsinya:
=LARGE(number1,number2,…;x)

Gambar 18. Formula LARGE() pada excel

10

• Fungsi SMALL()

Fungsi ini berfungsi untuk menemukan nilai numerik tterkecilerbesar ke-x

pada suatu range data tertentu. Fungsi ini mirip dengan “MIN()”, yang
membedakan ialah pada “MIN()” hanya bisa menemukan nilai terkecil pertama.
Hal itu berarti nilai “SMALL()” pertama sama dengan nilai fungsi “MIN()”.
Berikut penulisan fungsinya:
=SMALL(number1,number2,…;x)

Gambar 19. Formula SMALL() pada excel

• Fungsi RAND() dan RANDBETWEEN()

Fungsi RAND() berfungsi untuk menghasilkan nilai numerik acak decimal

antara 0 hingga 1. Sementara itu, fungsi RANDBETWEEN() memiliki manfaat
yang hamper sama dengan RAND(), tapi angka yang dihasilkan ialah secara acak
pada rentang tertentu yang dapat diatur. Berikut penulisan fungsinya:
=RAND(…)
=RANDBETWEEN(batas bawah; batas atas)

Gambar 20. Formula RAND() pada excel

 11

Gambar 21. Formula RANDBETWEEN() pada excel

➢ Alamat Absolut dan Semi Absolut

Fungsi absolut berguna untuk mengunci posisi tertentu baik kolom dan
baris. Fungsi ini disimbolkan dengan tanda $ yang diletakkan di depan kolom dan
baris. Fungsi absolut digunakan untuk mengunci tepat pada posisi tertentu.
Contohnya seperti gambar di bawah ini:

Gambar 22. Fungsi absolut pada excel

Pada Gambar 22, dapat dilihat bahwa fungsi absolut digunakan utnuk mengunci
tabel bantu pada kolom dan baris G17 hingga H19. Jadi, ketika perintah digunakan
atau dicopy untuk baris berikutnya tabel bantu tersebut tidak ikut bergerak atau tetap
terbaca sebagai G17 hingga H19. Sementara itu, fungsi semi absolut digunakan
untuk mengunci salah satu saja antara kolom atau baris saja. Misalkan rumus semi
absolut $A7 digunakan, maka apabila perintah yang dituliskan pada sel tersebut
digunakan atau dicopy secara horizontal maka akan tetap terbaca sebagai A7.
Namun, apabila digunakan atau dicopy secara vertical akan bergerak, seperti
menjadi A6, A8, dll.

➢ Fungsi Logika

Fungsi logika yang disimbolkan dengan IF(), OR(), atau AND(), biasa
disebut juga sebagai fungsi bersyarat ialah fungsi yang mampu untuk menguji
persyaratan dalam sel tertentu. Hasil dari fungsi ini bergantung pada benar atau
salah suatu pengujian. Fungsi logika memerlukan setidaknya salah satu dari
beberapa operator perbandingan, seperti sama dengan(=), lebih kecil dari(<), lebih
besar dari(>), lebih kecil sama dengan (<=), lebih besar sama dengan(>=), atau
12

tidak sama dengan(<>). Fungsi logika dapat dituliskan dengan beberapa formula
berikut, yaitu:

• Fungsi IF() Tunggal

Fungsi IF() tunggal digunakan untuk menjawab pertanyaan logika dengan

satu syarat saja. Penulisannya ialah sebagai berikut:
=IF(logical_test,value_if_true,value_if_false)

Gambar 23. Fungsi IF() tunggal pada excel

Pada Gambar 23 di atas, diketahui bahwa syarat seseorang dinyatakan lulus ialah
apabila ia memiliki nilai lebih besar dari 80. Seperti yang dituliskan pada rumus.

• Fungsi IF() Majemuk

Fungsi IF() majemuk merupakan fungsi IF() yang dimasukkan ke dalam

fungsi IF() lainnya. Hal itu dilakukan dengan memasukkan fungsi IF() lain ke dalam
argument kondisi ketika benar atau ketika salah maupun keduanya. Jumlah
maksimal penerapan fungsi IF() majemuk ini ialah 64 cabang bagi versi excel 2010
ke atas.

Gambar 24. Fungsi IF() majemuk pada excel

 13

Pada Gambar 24, diilustrasikan bahwa seseorang dinyatakan lulus apabila nilai
bagian A lebih besar dari 80 serta nilai bagian B lebih besar dari 75. Langkah
pertama yang dijalankan pada formula di atas ialah menentukan apakah pernyataan
pertama (nilai A lebih besar dari 80) bernilai benar atau salah. Apabila bernilai
benar maka proses berlanjut ke pernyataan kedua yaitu memeriksa nilai B apakah
lebih dari 75 atau tidak. Namun, apabila pernyataan pertama bernilai salah maka
tak dilanjutkan ke proses berikutnya. Cara yang sama digunakan apabila ingin
membuat fungsi IF() majemuk lebih dari dua pernyataan.

• Fungsi OR()

Selain fungsi IF(), terdapat fungsi logika lain yaitu fungsi OR(). Fungsi ini
membandingkan dua atau lebih kondisi yang akan menghasilkan nilai benar atau
salah. Fungsi OR() akan menghasilkan argument benar jika setidaknya salah satu
kondisi bernilai benar. Sebaliknya, hasil bernilai salah apabila semua kondisi
bernilai salah. Penulisannya ialah sebagai berikut:
=OR(logika1;[logika2];…)

Gambar 25. Fungsi OR() majemuk pada excel

• Fungsi AND()

Selain fungsi IF() dan OR(), terdapat fungsi logika lain yaitu fungsi AND().
Fungsi ini membandingkan dua atau lebih kondisi yang akan menghasilkan nilai
benar atau salah. Fungsi AND() akan menghasilkan argument benar jika seluruh
kondisi bernilai benar. Sebaliknya, hasil bernilai salah apabila setidaknya salah satu
kondisi bernilai salah. Penulisannya ialah sebagai berikut:
=AND(logika1;[logika2];…)

Gambar 26. Fungsi AND() majemuk pada excel

14

• Fungsi Gabungan (IF-OR-AND)

Pada beberapa kasus tertentu, fungi IF() tidak dapat berdiri sendiri. Hal ini
diperlukan untuk memenuhi sebuah kondisi tertentu. Fungsi OR() dan AND() dapat
digabungkan dengan IF() untuk memerbaiki kekurangan tersebut. Contohnya
seperti gambar di bawah ini.

Gambar 27. Fungsi gabungan IF() dan OR() pada excel

Pada Gambar 27, diketahui bahwa sebuah KA akan dioperasikan apabila

tingkat keterisian setiap perjalanan kelas eksekutif setidaknya 55% atau tingkat
ketersian kelas ekonomi setidaknya 60% atau keduanya. Pada Gambar 27, terdapat
beberapa KA yang tidak memenuhi salah satu maupun kedua kriteria tersebut. Jadi,
perjalanannya dibatalkan dan di sisi lain terdapat beberapa KA yang setidaknya
memnuhi salah satu kriteria tersebut sehingga tetap dioperasikan.

.
Gambar 28. Fungsi gabungan IF() dan AND() pada excel

Pada Gambar 28, diketahui bahwa sebuah KA akan dioperasikan apabila

tingkat keterisian setiap perjalanan setidaknya 60% dan di atas rata-rata tingkat
keterisian keseluruhan. Setelah dituliskan dengan menggunakan fungsi IF() dan
AND() maka diperoleh beberapa KA yang beroperasi karena memenuhi kedua
kriteria tersebut. Selain itu, diperoleh juga beberapa KA yang batal karena tidak
memenuhi salah satu atau kedua kriteria tersebut.
 15

Gambar 29. Fungsi gabungan IF(), AND(), dan OR() pada excel

Pada Gambar 29, diketahui bahwa sebuah KA akan dioperasikan apabila

tingkat keterisian setiap perjalanan kelas eksekutif setidaknya 55% atau tingkat
ketersian kelas ekonomi setidaknya 60% atau keduanya dan rata-rata keterisian
setidaknya 50%. Pada Gambar 29, terdapat beberapa KA yang tidak memenuhi
salah satu maupun kedua kriteria tersebut. Jadi, perjalanannya dibatalkan dan di sisi
lain terdapat beberapa KA yang memnuhi kedua kriteria tersebut sehingga tetap
dioperasikan.

➢ Fungsi Pencarian (LOOKUP)

Fungsi lookup merupakan sebuah fungsi atau formula yang akan

menghasilkan sebuah nilai berdasarkan hasil pencarian pada suatu range tertentu.
Fungsi lookup berdasarkan bentuk data asal pencariannya setidaknya terbagi dua,
yaitu VLOOKUP() dan HLOOKUP().

• Fungsi VLOOKUP()

Fungsi VLOOKUP() digunakan untuk membaca tabel bantu atau data asal
pencarian secara vertikal atau tegak.

Gambar 30. Fungsi VLOOKUP() pada excel

16

Pada Gambar 30, diketahui data manifest penumpang di sebuah stasiun.

Namun, pada data yang tersedia hanya diketahui nomor perjalanannya saja tanpa
mengetahui nama KA yang dinaiki. Untuk mengetahui nama KA yang dinaiki,
dapat dicari dengan menggunakan fungsi VLOOKUP seperti yang tertulis pada
Gambar 30 di atas. Di mana data bantu berbentuk vertikal.

• Fungsi HLOOKUP()

Fungsi HLOOKUP() digunakan untuk membaca tabel bantu atau data asal
pencarian secara horizontal atau datar.

Gambar 31. Fungsi HLOOKUP() pada excel

Pada Gambar 31, dikethaui kode dari suatu buah yang dibeli oleh beberapa
orang. Kemudian tersedia tabel bantu berbentuk horizontal. Untuk mengetahui arti
dari kode tersebut dapat dituliskan fungsi HLOOKUP() seperti pada Gambar 31.

➢ Uji Normalitas

Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk
menilai sebaran data pada sebuah kelompok data atau variabel, apakah sebaran
data tersebut berdistribusi normal ataukah tidak. Berikut beberapa macam uji
normalitas beserta cara menjalankannya pada excel:

1. Uji Lilliefors

Uji normalitas dengan uji Lilliefors pada umumnya digunakan untuk data
tunggal. Adapun langkah-langkah uji normalitas lilliefors adalah sebagai berikut:
- Menentukan hipotesis, taraf signifikansi, dan kesimpulan

Hipotesis yang digunakan biasanya ialah sebagai berikut:

H0 : Data berdistribusi normal,
H1 : Data tidak berdistribusi normal.
 17

Kemudian taraf signifikansi yang digunakan biasanya ialah 5% atau 0,05. Lalu,
keputusan adalah tolak H0 apabila nilai Lhitung > Ltabel. Table Lilliefors untuk
mendapatkan data Ltabel tersedia pada Gambar 32. Kemudian

Gambar 32. Tabel Lilliefors

Sumber : [Link]

Gambar 33. Uji normalitas Lilliefors pada excel

18

- Hitung rata-rata dan simpangan baku

Langkah pertama dari uji Lilliefors ialah dengan menghitung nilai rata-rata
dari keseluruhan data serta simpangan bakunya. Hal itu dapat dilakukan dengan
menggunakan rumus atau formula “=AVERAGE()” untuk menghitung rata-rata
dan formula “=STDEV.S()” untuk menghitung simpangan baku. Kedua Langkah
tersebut disajikan pada Gambar di bawah ini:

Gambar Gambar 34. Menghitung nilai rata-rata

Gambar 35. Menghitung nilai simpangan baku

 19

- Transormasi dari angka ke notasi distribusi normal

Gambar 36. Transformasi ke notasi distribusi normal

- Menghitung peluang kumulatif normal

Gambar 37. Menghitung peluang kumulatif normal

20

- Menghitung peluang kumulatif empiris

Gambar 38. Menghitung peluang kumulatif empiris

- Menghitung Lhitung

Gambar 39. Menghitung selisih peluang kumulatif empiris dan normal

Gambar 40. Menghitung Lhitung

 21

➢ Uji Homogenitas

Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk
melihat sama tidaknya dua buah distribusi variansi atau lebih. Dengan kata lain,
uji homogenitas berguna untuk memastikan bahwa dua atau lebih kelompok data
berasal dari populasi yang memiliki variansi yang sama. Uji statistic yang
digunakan untuk uji homogenitas ialah uji F. Berikut beberapa macam uji
homogenitas beserta cara menjalankannya pada excel:

1. Cara Manual

Uji homogenitas dengan cara manual ialah dengan cara menuliskan perintah
pada sel excel satu demi satu sesuai dengan rumus statistiknya. Langkah-
langkahnya ialah sebagai berikut:

- Menentukan hipotesis

Hipotesis yang digunakan pada uji homogenitas biasanya ialah data

homogen sebagai hipotesis nol dan data tidak homogen sebagai hipotesis alternatif
atau hipotesis satu.
H0 : Data Homogen,
H1 : Data tidak tidak Homogen.

- Menentukan taraf signifikansi

Taraf signifikansi yang dapat digunakan dalam analisis statistik di

antaranya ialah 0,01 atau 1%, 0,05 atau 5%, serta 0,1 atau 10%. Dari ketiganya,
yang paling sering digunakan dan disarankan oleh para ahli statistik ialah 0,05
atau 5%. Oleh karena itu, pada modul ini digunakan taraf signifikansi 5%.

- Menentukan kriteria tolak H0

Hipotesis nol ditolak apabila nilai F hitung lebih besar dari F tabel (Fhitung
> Ftabel). Nilai Ftabel dapat diperoleh dari tabel F atau dapat dicari melalui
perintah pada excel.

- Menghitung varian dan derajat bebas(df) masing-masing kelompok

data

Setelah semua prosedur tertulis sudah ditentukan, proses selanjutnya ialah

memproses data yang akan diuji. Pertama ialah menentukan varian dan derajat
bebas masing-masing kelompok. Menentukan varian dapat dilakukan dengan
rumus “=VAR(dataA1;dataA2;dataA3;…)”. Sementara itu, untuk menentukan
derajat bebas ialah julah banyaknya data kelompok dikurang satu. Selengkapnya
disajikan pada Gambar di bawah ini.
22

Gambar 41. Menghitung varian pada excel

Pada modul ini jumlah data tiap kelompok masing-masing sejumlah dua puluh
buah. Jadi, nilai derajat bebas keduanya ialah 19.

- Menghitung nilai Fhitung

Rumus menghitung nilai Fhitung ialah membandingkan varian data

kelompok pregame dengan varian data kelompok kedua. Prosedurnya seperti
ditunjukkan pada Gambar di bawah ini.

Gambar 42. Menghitung Fhitung pada excel

 23

- Mengambil nilai Ftabel

Setelah memperoleh nilai Fhitung, langkah selanjutnya ialah

membandingkannya dengan Ftabel. Nilai Ftabel dapat dipeoleh dari Tabel F atau
dipanggil dengan rumus pada excel. Cara yang digunakan untuk memanggil nilai
Ftabel dengan rumus ialah menuliskan rumus “=FINV(nilai alpha;df1;df2)”.
Selengkapnya disajikan pada Gambar di bawah ini.

Gambar 43. Mengambil niai Ftabel pada excel

Berdasarkan Gambar 43, diperoleh bahwa nilai Ftabel ialah 2,17 dan Fhitung ialah
0,74. Nilai Fhitung lebih kecil dari Ftabel. Jadi, tidak cukup bukti untuk tolak H0.
Jadi, kedua data homogen.

2. Cara Fungsi pada Excel

Uji homogenitas dengan cara fungsi ialah dengan cara mengaktifkan

program bawaan pada excel terlebih dahulu kemudian barulah dipilih uji yang akan
digunakan. Langkah-langkahnya ialah sebagai berikut:

- Mengaktifkan Analysis ToolPack pada excel

Cara mengaktifkan Analysis ToolPack ialah:

- Klik tab File,

- Pilih Options,
- Pilih Options,
- Pilih Add-Ins,
- Pilih Analysis TookPack,
- Klik Go dan klik OK.
24

Gambar 44. Mengaktifkan Analysis ToolPack pada excel

- Melakukan uji Homogenitas dengan Fungsi pada excel

Langkah pertama ialah klik tab Data. Selanjutnya, pilih Data Analysis.
Seperti pada Gambar di bawah ini.

Gambar 45. Memilih tab Data dan Data Aanalysis

Langkah berikutnya ialah pilih “F-Test Two-Sample for Variances”, lalu klik OK.

Gambar 46. Memilih uji F pada excel

Selanjutnya, masukkan range variabel pertama dan kedua pada masing-masing

kolom yang disediakan. Kemudian tentukan alpha yang digunakan. Terakhir ialah
menentukan lokai output diletakkan.
 25

Gambar 47. Prosedur uji F pada excel

Hasilnya ditampilkan pada Gambar 48 di bawah ini.

Gambar 48. Hasil uji F pada excel

Cara membaca output di atas ialah dengan membandingkan nilai F dengan

F Critical one-tail. Di mana F merupakan Fhitung dan F Critical one-tail
merupakan Ftabel. Sebagaimana cara manual, tolak hipotesis nol apabila nilai F
lebih besar dari F Critical one-tail. Berdasarkan Gambar 48, nilai F lebih kecil dari
F Critical one-tail, sehingga tidak cukup bukti untuk tolak hipotesis nol. Jadi, data
homogen.

➢ Analisis Deskriptif Statistik

Statistik deskriptif ialah analisis statistic yang digunkan untuk menganalisa

elemen data yang tersedia. Cara yang digunakan ialah menggambarkan data yang
telah terkumpul tanpa bermaksud untuk membuat kesimpulan atau generalisasi.
Beberapa contoh dari elemen statistik deskriptif ialah rata-rata atau mean,
simpangan baku, nilai tengah atau median, dll. Pada excel, analisis statistik
deskriptif dapat dilakukan dengan menggunakan fitur data analysis.
Langkah pertama untuk melakukan analisis deskriptif statistik ialah
memastikan bahwa add-Ins data analysis sudah diaktifkan, sama halnya dengan
ketika melalukan uji normalitas dan homogenitas.

Gambar 49. Persiapan analisis statistik deskriptif

26

Kemudian pilih “Descriptive Statistics”.

Gambar 50. Memilih fungsi descriptive statistics

Setelah itu, pilih range data yang akan dianalisis. Kemudian pilih lokasi output
diletakkan dan aktifkan Summary Statistics.

Gambar 51. Memilih range dan lokasi output

Setelah klik OK maka hasilnya ialah seperti pada Gambar di bawah ini.

Gambar 52. Hasil analisis deskriptif statistic

 27

➢ Analisis Korelasi

Analisis korelasi ialah salah satu metode evaluasi statistik yang digunakan
untuk mempelajari kekuatan hubungan antara dua variabel kontinu yang diukur
seacara numerik. Analisis ini biasanya digunakan untuk melihat apakah ada
pengaruh atau hubungan antar variabel penelitian. Pada excel, analisis korelasi
dapat dilakukan dengan menggunakan fitur data analysis.
Langkah pertama untuk melakukan analisis korelasi ialah memastikan
bahwa add-Ins data analysis sudah diaktifkan, sama halnya dengan ketika
melalukan uji normalitas dan homogenitas.

Gambar 53. Persiapan analisis korelasi

Selanjutnya ialah memilih fungsi correlation.

Gambar 54. Pilih fungsi untuk analisis korelasi

Selanjutnya pilih range yang digunakan serta lokasi penyimpanan output.

Gambar 55. Ambil range dan lokasi penympanan output

Dan berikut ialah hasilnya. Berdasarkan analisis korelasi diperoleh nilai koefisien
korelasi ialah 0,13. Nilai yang positif daan mendekati nol berarti kedua variabel
berhubungan positif dan lemah.
28

Gambar 56. Hasil analisis korelasi

➢ Analisis Regresi

Analisis regresi ialah salah satu metode evaluasi statistik yang digunakan
untuk mempelajari kekuatan hubungan antara dua variabel kontinu yang diukur
seacara numerik, mirip dengan korelasi. Namun, yang membedakannya dengan
analisis korelasi ialah pada analisis regresi dapat digunakan untuk menentukan
hubungan sebab-akibat antara satu variabel dengan satu atau banyak variabel
lainnya. Pada excel, analisis korelasi dapat dilakukan dengan menggunakan fitur
data analysis.
Langkah pertama untuk melakukan analisis regresi ialah memastikan bahwa
add-Ins data analysis sudah diaktifkan, sama halnya dengan ketika melalukan uji
normalitas dan homogenitas.

Gambar 57. Persiapan analisis regresi

Selanjutnya ialah memilih fungsi regression. Kemudian masukkan range variabel

dependen dan independennya.

Gambar 58. Memilih analisis regresi

 29

Gambar 59. Memasukkan variabel dependen dan independent

Setelah itu, hasilnya diperoleh seperti pada Gambar di bawah ini. Terdapat
beberrapa output, yaitu

Gambar 60. Hasil analisis regresi

Hasil analisis regresi pada excel ditampilkan dalam dua tabel, yaitu
Regression Statistics dan Anova. Pada tabel Regression Statistics tredapat nilai
Multiple R yang menjelaskan koefisien korelasi antara variabel dependen dengan
independent. Kemudian ada R Square atau koefisien determinasi. Koefisien
determinasi menjelaskan proporesi atau presentase variasi total dari variabel
dependen yang dapat dijelaskan oleh variabel independent. Koefisien determinasi
dapat diartikan besaran kemampuan variabel independent menjelaskan atau
memengaruhi variabel dependen. Kemudian terdapat nilai Adjusted R Square yang
merupakan nilai R Square yang sudah mengalami penyesaian dengan banyaknya
derajat bebas atau variabel di dalam model. Nilainya selalu lebih kecil dari R Square
dan dapat bernilai negatif. Kemudian Standard Error merupakan besaran yang
mengukur galat model regresi dalam memprediksi nilai variabel dependen.
Terakhir ada nilai Observations yang berarti banyaknya data yang dianalisis setiap
variabel.
30

Gambar 61. Hasil analisis regresi (Regression Statistics)

Pada tabel Anova dapat diperoleh keragaman aktual dari variabel

dependen. Anova disebut juga analisis ragam. Pertama, nilai Significnce F yang
memiliki arti sama dengan P-Value pada analisis regresi dengan menggunakan
software statistik lainnya. Kemudian dapat diketahui juga nilai parameter tiap
variabel independent serta nilai intercept atau konstanta.

Gambar 62. Hasil analisis regresi (Anova)

➢ Analisis Statistik Parametrik

Statistik parametrik merupakan bagian dari statistika yang mengasumsikan

data sampel mengikuti distribusi peluang atau probabilitas berdasarkan serangkaian
parameter yang tetap. Jadi, statistik parametrik ialah uji statistic yang
mengasumsikan data sampel memiliki parameter yang tetatp. Data sampel berasal
dari popilasi yang dapat mewakili distribusi peluang. Analisis statistik parametrik
hanya dapat digunakan untuk menganalisis data yang distribusinya menyebar
normal. Setidaknya ada beberapa jenis analisis statistik parametrik yang dapat
dianalisis menggunakan excel, yaitu Uji-F, Uji-T, Uji-Z, dan Anova.

1. Uji Kesamaan Varian (F-Test Two Sample for Variances)

Uji F merupakan metode pengujian statistik untuk menentukan besar

kecilnya variansi dari metode pengujian yang dilakukan. Uji ini dilakukan untuk
mengetahui apakah dia kelompok memiliki perbedaan varian atau tidak. Pada excel,
uji F dapat dijalankan menggunakan tools “Data Analysis”. Jadi, pastikan tools
tersebut sudah diaktifkan.

Proses analisis diawali dengan klik tab Data dan pilih Data [Link]
menu Data Analysis pilih “F-Test Two Sample for Variances”.
 31

Gambar 63. Langkah uji F

Setelah itu masukkan range data yang akan dianalisis.

Gambar 64. Masukkan range pada input

Hasilnya seperti pada Gambar di bawah ini. Output yang tersedia ialah mean,
variance, df (derajat bebas), nilai F hitung, P-Value, dan F tabel.

Gambar 65. Hasil uji F

Berdasarkan Gambar 65, diketahui terdapat data tinggi badan siswa/siswi

kelas 8. Kemudian, akan diteliti apakah terdapat perbedaan varian antara tinggi
badan siswa dan siswi. Hipotesis yang digunakan ialah “Tidak terdapat perbedaan
varian antara kedua populasi” sebagai hipotesis nol dan “Terdapat perbedaan varian
antara kedua populasi” sebagai hipotesis alternatif. Kriteria tolak hipotesis nol ialah
apabila nilai P-Value kurang dari 0,05 serta tidak tolak hipotesis nol apabila nilai
P-Value lebih dari 0,05. Jadi, tidak cukup bukti untuk tolak hipotesis nol. Sehingga
tidak terdapat perbedaan antara kedua populasi.
32

2. Uji Kesamaan Rata-rata (Uji T)

Uji T merupakan metode pengujian statistik untuk menguji rata-rata

beberapa populasi apakah ada perbedaan atau tidak. Terdapat beberapa pilihan atau
jenis uji T yang dapat dilakukan pada excel, yaitu:

i. T-Test (Two Sample Assuming Equal Variances)

T-Test jenis ini digunakan untuk menguji perbedaan rata-rata dari dua
variabel dari dua sampel yang berbeda. Misalnya data tinggi badan siswa dan siswi
di suatu kelas. Data diasumsikan memiliki varian yang sama. Cara yang digunakan
untuk melakukan uji T sama dengan uji F, namun pilihan uji F diganti dengan T-
Test (Two Sample Assuming Equal Variances). Hasilnya seperti Gambar di bawah
ini.

Gambar 66. Hasil T-Test (Two Sample Assuming Equal Variances)

Berdasarkan Gambar di atas, diketahui data tinggi badan siswa/siswi kelas

8. Ingin diketahui apakah ada perbedaan rata-rata antara tinggi badan populasi
siswa dan siswi. Setelah dilakukan analisis, diperoleh nilai P-Value sebesar 0,04
yang berarti kurang dari 0,05. Hipotesis yang digunakan ialah “Tidak terdapat
perbedaan rata-rata antara kedua populasi” sebagai hipotesis nol dan “Terdapat
perbedaan rata-rata antara kedua populasi” sebagai hipotesis alternatif. Kriteria
tolak hipotesis nol ialah apabila P-Value kurang dari 0,05 maka tolak hipotesis nol.
Jadi, terdapat perbedaan rata-rata antara populasi tinggi badan siswa dan siswi.

ii. T-Test (Paired Two Sample For Mean)

T-Test jenis ini digunakan untuk menguji perbedaan rata-rata sepasang

data dengan menggunakan uji T-Student. Uji ini tidak perlu mengasumsikan varian
yang sama. Cara melakukan uji ini pada excel sama denagn uji T sebelumnya
namun pilihan uji T yang dipilih ialah T-Test (Paired Two Sample For Mean).
Hipotesis yang digunakan ialah “Tidak terdapat perbedaan rata-rata hasil panen
sebelum dan sesudah diberi pupuk X” sebagai hipotesis nol dan “Terdapat
perbedaan rata-rata hasil panen sebelum dan sesudah diberi pupuk X” sebagai
hipotesis alternatif. Kriteria tolak hipotesis nol ialah apabila P-Value kurang dari
0,05 maka tolak hipotesis nol.
 33

Gambar 67. Hasil T-Test (Paired Two Sample For Mean)

Berdasarkan Gambar di atas, diketahui data hasil panen di kebun A

sebelum penggunaan pupuk X dan sesudahnya. Setelah dilakukan uji T, diperoleh
nilai P-Value sebesar 0,006 yang berarti kurang dari 0,05. Selain itu, nilai mutlak T
hitung juga lebih besar dari nilai T Tabel. Jadi, cukup bukti untuk tolak hipotesis
nol, yang berarti terdapat perbedaan rata-rata hasil panen sebelum dan sesudah
diberi pupuk X.

iii. T-Test (Two Sample Assuming Equal Variances)

T-Test jenis ini digunakan untuk menguji perbedaan rata-rata dari dua
variabel dari dua sampel yang berbeda dan tidak berpasangan serta varian yang
berbeda. Misalnya waktu tunggu pengiriman paket di lokasi A dan B. Cara yang
digunakan untuk melakukan uji T sama dengan uji F, namun pilihan uji F diganti
dengan T-Test (Two Sample Assuming UnEqual Variances). Hasilnya seperti
Gambar di bawah ini.

Gambar 68. Hasil T-Test (Two Sample Assuming UnEqual Variances)

Hipotesis yang digunakan ialah “Tidak terdapat perbedaan rata-rata waktu tunggu
antara lokasi A dan B” sebagai hipotesis nol dan “Terdapat perbedaan rata-rata
waktu tunggu antara lokasi A dan B” sebagai hipotesis alternatif. Kriteria tolak
hipotesis nol ialah apabila nilia P-Value kurang dari 0,05 maka tolak hipotesis nol.
34

Berdasarkan Gambar di atas diketahui nilai P-Value lebih dari 0,05. Jadi, tidak
cukup bukti untuk tolak hipotesis nol yang berarti tidak terdapat perbedaan rata-rata
waktu tunggu antara lokasi A dan B.

3. Uji Perbedaan Rata-rata (Uji Z)

Uji Z merupakan uji statistic yang digunakan untuk mengetahui apakah

suatu populasi memliki rata-rata yang sama sama dengan, lebih kecil, atau lebih
besar dari suatu nilai rata-rata tertentu sesuai dengan hipotesis yang ditentukan. Uji
Z memiliki beberapa persyaratan yang harus dipenuhi, yaitu:
• Sampel yang digunakan adalah sampel acak sederhana,
• Varian populasi diketahui.
• Sampel berasal dari populasi yang berdistribusi normal dengan jumalh
sampe lebih dari 30.

Langkah pertama untuk melakukan uji Z ialah melakukan uji F terlebih

dahulu. Hal itu diperlukan untuk mengetahui nilai varian dari kedua variabel.

Gambar 69. Uji F untuk mengetahui nilai varian

Setelah diperoleh nilai varian dari kedua variabel barulah dapat dilakukan uji Z.
Cara yang digunakan ialah sama dengan ketika melakukan uji F. Namun pilihan
uji F diganti dengan uji Z. Seperti pada Gambar di bawah ini.

Gambar 70. Melakukan uju Z pada tools Data Analysis

Setelah itu tentukan range variabel yang akan dinalasis serta masukkan nilai varian
masing-masing variabel sesuai hasil uji F sebelumnya.
 35

Gambar 71. Langkah melakukan uji Z

Hipotesis yang digunakan ialah “Tidak ada perbedaan rata-rata antara hasil pretest
dan postest” sebagai hipotesis nol serta “Ada perbedaan rata-rata antara hasil
pretest dan posttest” sebagai hipotesis alternatif. Kriteria tolak hipotesis nol ialah
apabila nilai Z hitung lebih kecil dari nilai negatif Z tabel maka tolak hipotesis nol.

Gambar 72. Hasil uji Z

Gambar 74. Uji Z pada excel

36

Berdasarkan hasil uji Z pada Gambar di atas, diperoleh nlai Z hitung sebesar
-0,24 dan Z tabel ialah 1,9599. Hal itu berarti nilai Z hitung lebih besar dari nilai
negatif Z tabel. Jadi, tidak cukup bukti untuk tolak hipotesis nol. Sehingga tidak
terdapat perbedaan rata-rata nilai pretest dan posttest.

4. Uji ANOVA (Analisis Varian)

Anova merupakan sebuah analisis statistik yang menguji perbedaan rata-

rata antar variabel. Anova mirip dengan uji T, namun Anova dapat menguji
perbedaan lebih dari dua kelompok. Analisis ANOVA sering digunakan pada
penelitian dimana terdapat beberapa perlakuan. Peneliti ingin menguji, apakah ada
perbedaan bermakna antar perlakuan tersebut. Pada excel terdapat tiga jenis Anova
yang dapat digunakan, yaitu Anova Single Factor, Anova Two-Factor with
Replication, dan Anova Two-Factor Without Replication.

i. Anova: Single Factor (One Way Anova)

Tools ini merupakan uji Anova sederhana. Uji ini berguna untuk menguji
hipotesis rata-rata dua atau lebih sampel (dari populasi dengan rata-rata sama) yang
sama. Ini merupakan perkembangan dari uji T. Cara yang digunakan ialah sama
dengan analisis statistik parametrik lainnya. Namun tentunya pilihan analisis yang
digunakan diganti dengan “Anova: Single Factor”. Contoh kasus ialah sebuah PO.
Bus ingin mengetahu apakah ada pengaruh yang signifikan antara lokasi agen
penjualan dengan jumlah tiket terjual tiap bulan. Hipotesis yang digunakan ialah
“Lokasi agen penjualan tidak memengaruhi penjualan tiket bis” sebagai hipotesis
nol dan “Lokasi agen penjualan memengaruhi penjualan tiket bis”. Hipotesis nol
ditolak apabila nilai F hitung lebih besar dari F tabel.

Gambar 75. Memilih uji Anova Single Factor pada excel

 37

Gambar 76. Memasukkan range data yang digunakan Anova Single Factor

Hasil analisis Anova Single Factor terdiri dari dua output utama. Pertama
ialah Summary dan kedua ialah Anova itu sendiri.

Gambar 77. Hasil Anova Single Factor

Summary berisi kurang lebih Descriptive Statistics dari data yang tersedia.
Sementara itu Anova berisi hasil analisis Anova. Berdasarkan Gambar di atas,
diperoleh nolai F hitung sebesar 0,633 dan F tabel sebesar 3,28. Nilai F hitung lebih
kecil dari F tabel. Jadi, tidak cukup bukti untuk tolak hipotesis nol. Dapat ditarik
kesimpulan bahwa tidak terdapat pengaruh yang signifikan antara perbedaan lokasi
agen dengan banyaknya tiket terjual.

ii. Anova: Two-Factor With Replication(Two Way Anova)

Tools ini merupakan perluasan Anova satu faktor. Hal ini karena dapat
memasukkan lebih dari satu sampel untuk setiap kelompok data. Kita masih
menggunakan contoh kasus yang sama seperti Anova: Single Factor. Namun, ada
kriteria tambahan. Yaitu penjualan di semester pertama 2019 dan semester kedua
2019. PO. DEF ingin mengetahui apakah ada pengaruh perbedaan faktor waktu
38

penjualan, lokasi penjualan, dan keduanya. Hpotesis yang digunakan sama dengan
analisis sebelumnya, begitupun dengan kriteria penolakan hipotesis nol.

Gambar 78. Langkah awal analisis Anova Two-Factor With Replication

Gambar 79. Langkah lanjut analisis Anova Two-Factor With Replication

Hasil analisis Anova Two-Factor With Replication terdiri dari dua output,
yaitu Summary dan Anova. Cara membaca interpretasinya sama dengan Anova
Single Factor.

Gambar 80. Hasil analisis Anova Two-Factor With Replication

Berdasarkan Gambar di atas, diperoleh nilai nilai F hitung untuk sample

(berdasarkan lokasi agen) sebesar 0,025 dan F tabel 4,17. Kemudian F hitung untuk
 39

columns (berdasarkan waktu penjualan) sebesar 0,619 dan F tabel sebesar 3,31.
Kemudian nilai F hitung interaksi keduanya ialah sebelah 1,125 dan F tabel sebesar
3,31. Ketiganya memiliki nilai F hitung lebih kecil dari F tabel, jadi tidak cukup
bukti untuk tolak hipotesis nol. Jadi, dapat disimpulkan bahwa tidak terdapat
perbedaan rata-rata penjualan tiket baik menurut perbedaan waktu penjualan, lokasi
agen, maupun interaksi keduanya.

iii. Anova: Two-Factor Without Replication (Two Way Anova)

Tools ini merupakan perluasan Anova dua factor, namun tanpa pengulangan.
Cara yang digunakan untuk menjalankannya adalah sama dengan analisis Anova
sebelumnya. Misalkan diketahui contoh kasus nyaris serupa dengan Anova Single
Factor sebelumnya. Namun, kali ini memperhatikan waktu penjualan tapi tidak ada
pengulangan seperti kasus Anova: Two-Factor With Replication. Hipotesis yang
digunakan masih sama. Kriteria tolak hipotesis nol pun sama.

Gambar 81. Langkah analisis Anova Two-Factor Without Replication

Gambar 82. Hasil analisis Anova Two-Factor Without Replication

Berdasarkan Gambar di atas diperoleh nilai F hitung untuk Rows (berdasarkan

lokasi agen) ialah 1,54 dan F tabel sebesar 2,25. Kemudian F hitung untuk Columns
40

(berdasarkan bulan penjulan) sebesar 0,75 dan F tabel 3,44. Keduanya memiliki
nilai F hitung lebih kecil dari F tabel, jadi tidak cukup bukti untuk tolak hipotesis
nol. Jadi, dapat disimpulkan bahwa tidak terdapat perbedaan rata-rata penjualan
tiket baik menurut perbedaan waktu penjualan maupun lokasi agen.

➢ Analisis Statistik Non-Parametrik

Statistik non-parametrik merupakan bagian dari statistika yang digunakan

untuk melengkapi metode statistic parametrik. Hal ini berguna agar data-data
tertentu yang tidak memenuhi syarat untuk dilakukan analisis statistik parametrik
bisa tetap dilakukan analisis. Walaupun statistik non-parametrik lebih fleksibel
digunakan karena tidak memerhatikan berbagai persyaratan seperti halnya pada
statistik parametrik, namun penggunaan statistik parametrik lebih diutamakan
apabila data memenuhi syarat. Hal ini karena pada statistik non-parametrik
kesimpulan yang dihasilkan lebih lemah dibandingkan statistik parametrik.
Beberapa analisis statistik non-parametrik di antaranya ialah uji Mann-Whitney,
Wilcoxon, dan Kruskall-Wallis.

1. Uji Mann-Whitney

Uji Mann-Whitney memiliki tujuan yang sama dengan uji T tidak

berpasangan pada statistik parametrik, yaitu mengetahui apakah dua buah sampel
yang bebas berasal dari populasi yang sama atau tidak. Jadi, uji Mann-Whitney
digunakan apabila data tidak memenuhi syarat untuk uji T. Uji Mann-Whitney
sendiri nantinya akan dibagi dua cara yaitu untuk data kurang dari sama dengan
20 buah dan data lebih dari 20. Langkah menjalankan uji Mann-Whitney untuk
dua macam data tersebut sebenarnya hamper sama, hanya saja untuk data lebih
dari 20 akan digunakan nilai Z.

- Data <=20

Contoh kasus ialah data denyut nadi pasien di suatu rumah sakit pada suatu
hari. Seorang dokter ingin mengetahui apakah terdapat perbedaan antara denyut
nadi laki-laki dan perempuan. Data keseluruhan berjumlah 16 buah. Langkah
pertama ialah dengan menentukan ranking data dari keseluruhan data. Kemudian
hitung julah ranking dari masing-masing variabel, yaitu laki-laki dan perempuan.
Setelah itu, hitung nilai U dengan rumus sebagai berikut:
𝑛2 (𝑛1 +1)
𝑈1 = 𝑛1* 𝑛2 + 2
− σ 𝑅2

𝑈2 = 𝑛1* 𝑛2 − 𝑈1

Keterangan:
U = Nilai pembanding untuk uji Mann
Whitney
R = Ranking
n = Banyaknya sampel
 41

Setelah itu, ambil nilai U terkecil dari kedua nilai U untuk dijadikan U
hitung. Kemudian bandingkan hasilnya dengan nilai U tabel. Nilai tersebut dapat
dilihat pada tabel Mann-Whitney.

Gambar 83. Tabel Mann-Whitney

Sumber : [Link]

Berdasarkan tabel Mann-Whitney, dengan banyak sampel variabel pertama 12 dan

variabel kedua 4, maka nilai U tabel ialah 7. Hipotesis yang digunakan ialah “tidak
terdapat perbedaan denyut nadi antara laki-laki dan perempuan” sebagai hipotesis
nol dan “ada perbedaan denyut nadi antara laki-laki dan perempuan” sebagai
hipotesis alternatif. Kriteria penolakan hipotesis nol adalah apabila nilai U hitung
kurang dari U tabel maka hipotesis nol ditolak.

Gambar 84. Hasil uji Mann-Whitney (data <= 20)

42

Berdasarkan Gambar di atas, diperoleh nilai U hitung ialah 3. Karena nilai

U hitung kurang dari nilai U tabel maka tolak hipotesis nol. Jadi, terdapat perbedaan
denyut nadi laki-laki dan perempuan.

- Data >20

Contoh kasus yang digunakan ialah suatu hari terdapat satu kelas yang
melaksanakan tes IQ. Jumlah data yang digunakan 32 buah yang terdiri dari 18
perempuan dan 14 laki-laki. Langkah analisis ialah sama seperti ketika data kurang
dari 20 hingga diperoleh nilai U. Namun, nilai U minimum selanjutnya digunakan
untuk menghitung Z dengan rumus berikut:

𝑛 ∗𝑛 18∗14
𝑈− 1 2 119 −
2 2
Z= = = - 4,97573
𝑛 ∗ 𝑛 +(𝑛1 + 𝑛2 +1) 18∗14+(18+ 14+1)
ට 1 2 ට
12 12

Hipotesis yang digunakan ialah “tidak terdapat perbedaan hasil tes IQ antara laki-
laki dan perempuan” sebagai hipotesis nol dan “ada perbedaan hasil tes IQ antara
laki-laki dan perempuan” sebagai hipotesis alternatif. Kriteria penolakan hipotesis
nol ialah apabila nilai Z hitung lebih dari Z tabel maka hipotesis nol ditolak.
Kemudian bandingan nilai Z tabel dan Z hitung. Nlai Z tabel untuk taraf signifikansi
5% ialah 1,960.

Gambar 85. Hasil uji Mann-Whitney (data > 20)

Gambar 86. Tabel Z

 43

Berdasarkan uji Mann-Whitney diperoleh nilai Z hitung sebesar 4,9 yang

berarti lebih dari Z tabel. Jadi, cukup bukti untuk tolak hipotesis nol. Hal itu berarti
terdapat perbedaan antara hasil tes IQ laki-laki dan perempuan.

2. Uji Wilcoxon

Uji Wilcoxon merupakan pengujuan dua sampel berpasangan. Uji ini

biasanya digunakan sebagai alternatif uji T data berpasangan. Contoh kasusnya
ialah apakah terdapat perbedaan nilai ujian sebelum dan sesudah penerapan suatu
metode tertentu. Misalkan terdapat 8 orang siswa sebagai sampel, kemudian
dilakukan tes sebelum penerapan metode A pada pembelajaran dan sesudahnya.

Langkah pertama melakukan analisis Wilcoxon ialah dengan mengitung

selisih nilai sebelum penerapan metode dan sesudahnya. Selanjutnya, jadikan nilai
mutlak hasil tersebut. Selanjutnya diurutkan berdasarkan ranking. Setelah itu,
kalikan nilai ranking dengan tabel positive yang merupakan penanda selisih antara
sebelum dan sesudah tadi apakah bernilai positif atau negatif. Kemudian hitung
jumlah total ranking positif dan negatif. Lalu, ambil nilai terkecilnya, nilai ini
kemudian dijadikan sebagai T hitung dan dibandingkan dengan T tabel dari tabel
Wilcoxon. Hipotesis yang digunakan ialah “Tidak ada perbedaan hasil pretest dan
posttest” sebagai hipotesis nol dan “Ada perbedaan hasil pretest dan posttest”
sebagai hipotesis alternatif.

Gambar 87. Uji Wilcoxon

44

Gambar 88. Tabel Wilcoxon

Sumber : [Link]

Berdasarkan hasil uji Wilcoxon diperoleh nilai T hitung adalah 10 serta nilai
T tabel adalah 3. Jadi, T hitung > T tabel. Kriteria penolakan hipotesis nol ialah
apabila nilai T hitung < T tabel maka tolak hipotesis nol. Hal ini berarti tidak
cukup bukti untuk tolak hipotesis nol.

3. Uji Kruskall-Wallis

Uji Kruskall-Wallis merupakan uji sampel bebas yang berarti uji ini dapat
digunakan untuk menguji dua sampel bebas, apakah berasal dari populasi yang
sama atau tidak. Uji Kruskall-Wallis merupakan alternatif dari uji Anova apabila
data tidak memenuhi syarat analisis statistik parametrik. Contoh kasusnya ialah
seorang pengamat ingin mengetahui apakah terdapat perbedaan rata-rata masa
pakai lampu berdasarkan tipe lampunya.

Gambar 89. Uji Kruskall-Wallis

 45

Hipotesis yang digunakan ialah “Tidak ada perbedaan masa hidup lampu
berdasarkan tipe” sebagai hipotesis nol dan “Terdapat perbedaan masa hidup lampu
berdasarkan tipe” sebagai hipotesis alternatif. Lamgkah pertama yang dilakukan
ialah dengan menentukan ranking dari setiap data. Kemudian jumlahkan masing-
masing total ranking tiap tipe. Kemudian tentukan H hitung dengan rumus berikut:

12 (σ 𝑅1 )2 (σ 𝑅2 )2 (σ 𝑅𝑘 )2
𝐻= ቈ + + ⋯+ ቉ − 3(𝑛 + 1)
𝑛(𝑛 + 1) 𝑛1 𝑛2 𝑛𝑘

Setelah itu, bandingkan hasilnya dengan tabel Chi-Square. Kriteria penolakan

hipotesis nol ialah apabila nilai Chi-Square lebih dari Chi-Square tabel maka tolak
hipotesis nol. Berdasarkan Gambarn di atas, diperoleh nilai H atau Chi-Square
hitung sebesar 3,04 dan Chi-Square tabel dengan alpha 0,05 dan derajat bebas 2
ialah 5,9915. Karena nilai Chi-Square hitung kurang dari Chi-Square tabel, maka
tidak tolak hipotesis nol. Jadi, tidak cukup bukti untuk tolak hipotesis nol. Hal itu
berarti tidak ada perbedaan rata-rata masa hidup lampu berdasarkan tipe.

Tabel 90. Tabel Chi-Square

Sumber : [Link]