Bab 4 Statistik Non Parametrik

BAB 4 STATISTIK NON PARAMETRIK

Keuntungan dari penggunaan metode non parametrik: • Metode non parametrik tidak mengharuskan data berdistribusi normal, karena itu metode ini sering juga dinamakan uji distribusi bebas (distribution free test). Dengan demikian metode ini dapat dipakai untuk segala distribusi data dan lebih luas penggunaannya. • • Metode non parametrik dapat dipakai untuk level data seperti nominal dan ordinal. Metode non parametrik lebih sederhana dan mudah dimengerti daripada pengerjaan Metode Parametrik. Di samping berbagai keunggulan di atas, metode non parametrik juga mempunyai beberapa kelemahan, seperti tidak adanya sistematika yang jelas seperti pada metode parametrik, hasilnya dapat meragukan karena kesederhanaan metodenya, serta tabel-tabel yang dipakai lebih bervariasi dibanding tabel-tabel standar pada metode Parametrik. SPSS menyediakan menu khusus untuk perhitungan statistik non parametrik. Berikut adalah berbagai metode non parametrik yang dapat digunakan dalam upaya alternatif terhadap metode parametrik.

1

Bab 4 Statistik Non Parametrik

APLIKASI
Dua sampel saling

TEST PARAMETER
T test Z test

TEST NONPARAMETER
Sign test Wilcoxon Signed-Rank Mc Nemar Change test

berhubungan (Two Samples) Dua sampel tidak Dependent

T test Z test

Mann-Whitney U test Moses Extreme reactions Chi-Square test Kolmogorov-Smirnov test Walt-Wolfowitz runs

berhubungan (Two Samples) Independent

Beberapa berhubungan (Several Samples)

sampel

Friedman test Kendall W test

Dependent

Cochran’s Q

Beberapa sampel tidak berhubungan (Several Samples) Independent

ANOVA test (F test)

Kruskal-Wallis test Chi Square test Median test

Selain perbandingan di atas, SPSS menyediakan menu lain untuk uji non parametrik, seperti : • • • Binomial Runs Uji Kolmogorov Smirnov untuk satu sampel.

Oleh karena banyaknya menu serta perhitungan statistik non parametrik maka bab mengenai statistik non parametrik dibagi menjadi empat bagian, yaitu: 1. Uji untuk satu sampel. 2. Uji Chi Square. 3. Uji untuk dua sampel. 4. Uji untuk tiga sampel.

2

Bab 4 Statistik Non Parametrik

UJI UNTUK SATU SAMPEL
Uji Binomial Uji Binomial menguji hipotesis tentang suatu proporsi populasi. Ciri binomial adalah data berupa dua (bi) macam unsur, yaitu ‘gagal’ atau ‘sukses’ yang diulang sebanyak n kali. Salah satu contoh untuk penerapan uji Binomial adalah pelemparan sebuah mata uang berkali-kali, di mana ‘sukses’ diartikan jika hasil pelemparan adalah ‘angka’, sedang ‘gagal’ diartikan sebagai munculnya ‘gambar’. Kasus Sebuah mata uang yang terdiri dari dua sisi, yaitu angka dan gambar dilempar sebanyak 17 kali dengan hasil sebagai berikut (1 berarti muncul ‘angka’ dan 0 berarti muncul ‘gambar’).

Lemparan ke 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

Hasil 0 0 1 1 1 0 0 1 0 1 0 1 1 0 1 1 1

Misal lemparan kesatu menghasilkan angka 0 yang berarti lemparan tersebut memunculkan ‘gambar’, sedang lemparan kedua memunculkan ‘angka’ hingga diberi nilai 1. Demikian seterusnya.

3

Bab 4 Statistik Non Parametrik

Akan dilihat apakah hasil pelemparan di atas sudah menunjukkan pelemparan yang ‘fair’ atau mengikuti distribusi binomial? Penyelesaian Oleh karena akan menguji suatu kejadian yang hanya menghasilkan dua jenis output, maka digunakan uji binomial. 1. Pemasukan data ke SPSS Langkah-langkah: • Buka lembar kerja baru. Dari menu utama File, pilih menu New. Lalu klik Data. Sekarang SPSS siap membuat variabel baru yang diperlukan Pengisian: Variabel hasil Oleh karena ini variable pertama, tempatkan pointer pada baris 1. • • • • • Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda sel tersebut, dan ketik hasil. Type. Oleh karena variable ini akan berisi data rasio, maka biarkan saja default numeric yang sudah ada. Width. Untuk keseragaman, ketik 1 (sesuai default). Decimals. Untuk keseragaman, ketik 0. Label. Abaikan bagian ini.

Abaikan bagian yang lain. Kemudian tekan CTRL+T untuk kembali ke DATA VIEW.

2. Mengisi data Letakkan pointer pada baris pertama variabel hasil. Kemudian isi data sesuai kasus di atas. Kemudian simpan data di atas dengan nama binomial.

3. Pengolahan data dengan SPSS Langkah-langkah:

4

Bab 4 Statistik Non Parametrik

• •

Dari menu utama SPSS, pilih menu Analyze, kemudian pilih submenu Nonparametric Tests. Dari serangkaian pilihan test untuk nonparametric, sesuai kasus pilih Binomial…. Klik pilihan tersebut, maka tampak di layar:

Gambar 4.1 Kotak Dialog Binomial

Pengisian: • Test Variable List atau Variabel yang akan diuji. Oleh karena disini akan diuji hanya satu variable, maka klik variabel hasil, kemudian klik tanda ‘>’ (yang sebelah atas), maka variabel hasil berpindah ke Test Variable List. • • Untuk kolom Define Dichotomy, karena akan dilihat pelemparan ‘fair’ ataukah tidak, maka pilih cut point dan ketik 0 pada kolom cut point tersebut. Untuk kolom Test Proportion, karena uji pelemparan yang fair, ada dua kemungkinan output yang sama (angka atau gambar keluar sama banyak), maka diisi 0.5 yang berarti kemungkinan keduanya seimbang, 50% - 50%. Tampak di layar:

5

2 Kotak Dialog Binomial Test yang telah terisi Tekan OK untuk mengakhiri pengisian prosedur analisis. Output SPSS Analisis: Terlihat pada output ada dua grup. Kolom Observed Proportion adalah: 6 . Sedangkan Group 2 dengan kategori > 0 adalah hasil pelemparan 1 sebanyak 10 kali. Ini adalah hasil pelemparan 0 sebanyak 7 kali.Bab 4 Statistik Non Parametrik Gambar 4. yaitu Grup 1 dengan kategori <= 0. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS.

Untuk itu.05). hal atau simbol merupakan hasil proses yang acak (random). Keputusan: Terlihat bahwa pada kolom Exact. Jika probabilitas < 0.629 > 0. Sig/Exact significance dua sisi adalah 0.2 Uji Runs (Runs Test) Uji Runs disebut juga uji sampel rangkaian tunggal.59 Hipotesis Ho = Populasi hasil sama dengan populasi yang dihipotesiskan. atau dalam kasus ini pelemparan mata uang tersebut adalah tidak fair. Maka Ho diterima.1.629 atau probabilitas di atas 0. pada prinsipnya ingin mengetahui apakah suatu rangkaian kejadian. 7 .05 (0. seorang petugas ditempatkan di depan toko dan mencatat pengunjung yang masuk ke toko secara berurutan. Pengambilan Keputusan • • Jika probabilitas > 0. maka Ho diterima. 4. atau dalam kasus ini pelemparan mata uang tersebut adalah fair. atau pelemparan mata uang di atas adalah benar-benar pelemparan yang fair. Kasus: ALFA Department Store ingin mengetahui apakah pengunjung yang masuk ke toko bervariasi secara acak antara pria dan wanita.41 Proporsi untuk grup 2 = 8/15 dihasilkan 0.05. Hi = Populasi hasil tidak sama dengan populasi yang dihipotesiskan.05. Berikut hasil pengamatan tersebut (1 adalah Pria dan 2 adalah Wanita). maka Ho ditolak.Bab 4 Statistik Non Parametrik • • Proporsi untuk grup 1 = 7/15 dihasilkan 0. digunakan untuk memeriksa keacakan.

pilih menu New. maka digunakan uji Runs. Buka lembar kerja baru. Pengamatan kedua. Lalu klik Data. menghasilkan P yang berarti Pria yang masuk ke Department Store. dan uji untuk menentukan keacakan. menghasilkan nilai W yang berarti pengunjung kesatu yang masuk adalah Wanita. Sekarang SPSS siap membuat variable baru yang diperlukan 8 .Bab 4 Statistik Non Parametrik Pengamatan ke 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Gender 2 1 2 2 2 2 1 1 1 2 1 2 1 2 2 Misal pengamatan kesatu. Demikian untuk data seterusnya. Pemasukan data ke SPSS Langkah-langkah: a. 1. Dari menu utama File. Akan dilihat apakah pengunjung yang masuk ke Departement Store adalah acak dilihat dari Jenis Kelaminnya? Penyelesaian: Oleh karena akan menguji suatu kejadian yang hanya menghasilkan dua jenis output.

Klik pilihan tersebut. tempatkan pointer pada baris 1. Decimals. Abaikan bagian ini. kemudian pilih submenu Nonparametric Tests. letakkan pointer pada baris 1 kolom tersebut. sesuai kasus pilih Runs…. • • • • • Name. lalu ketik menurun ke bawah sesuai data (15 data). 2. Sesuai kasus. Untuk keseragaman. dan ketik gender. ketik 8 (sesuai default). lalu klik ganda sel tersebut. ketik 0. Oleh karena variabel ini akan berisi data rasio. pilih menu Analyze.Bab 4 Statistik Non Parametrik Pengisian: Variabel gender Oleh karena ini variabel pertama. Pengolahan data dengan SPSS Langkah-langkah: • • Dari menu utama SPSS. Label. Width. Kemudian tekan CTRL+T untuk kembali ke DATA VIEW. maka tampak di layar: 9 . maka biarkan saja default numeric yang sudah ada. letakkan pointer di bawah kolom Name. Abaikan bagian yang lain. Untuk keseragaman. Kemudian simpan data di atas dengan nama Runs. Mengisi data Untuk mengisi kolom gender. Type. 3. Dari serangkaian pilihan test untuk nonparametric.

Bab 4 Statistik Non Parametrik Gambar 4. maka variable gender berpindah ke Test Variable List. dan sesuai kasus ketik 2. kemudian klik tanda ‘>’ (yang sebelah atas). Oleh karena disini akan diuji hanya satu variabel. dalam kasus pilih Custom (ditentukan sendiri).3 Kotak Dialog Runs Pengisian: • Test Variable List atau Variabel yang akan diuji. maka klik variabel gender. Tampak di layer 10 . • Untuk kolom Cut Point.

4 Kotak Dialog Runs Test yang telah terisi Tekan OK untuk mengakhiri pengisian prosedur analisis. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. Hi : Pola perolehan gender (pria atau wanita) yang masuk ke toko tidak acak.Bab 4 Statistik Non Parametrik Gambar 4. 11 . Output SPSS Analisis: Hipotesis Ho : Pola perolehan gender (pria atau wanita) yang masuk ke toko ditentukan melalui proses acak.

Bab 4 Statistik Non Parametrik Pengambilan Keputusan • • Jika probabilitas > 0.05.7 208.7 200. maka Ho ditolak Keputusan: Terlihat bahwa pada kolom Asymp.867.1.5 200.9 201. maka Ho diterima Jika probabilitas < 0. atau probabilitas di atas 0.8 208.4 204.6 204.05.05).9 205. Sig/Asymptotic significance dua sisi adalah 0.6 205. 4.05 (0.8 205. Nomor 1 2 3 4 5 6 7 8 9 10 11 12 13 Berat 200. atau pola perolehan gender (pria atau wanita) yang masuk ke toko ditentukan melalui proses acak. Maka Ho diterima.9 200. Kasus: Berikut sampel berat sabun cuci yang diproduksi PT Dangdut (angka dalam gram).5 205.867 > 0.6 12 .3 Uji Kolmogorov-Smirnov Uji Kolmogorov-Smirnov dipakai untuk uji keselarasan data yang berskala minimal ordinal.

ketik 8 (sesuai default). Decimals. Untuk keseragaman. b.1 202. Sesuai kasus. dan skala pengukuran bukan nominal.6 203. letakkan pointer di bawah kolom Name.Bab 4 Statistik Non Parametrik 14 15 16 17 18 207. maka digunakan uji Kolmogorov-Smirnov. maka biarkan saja default numeric yang sudah ada. 1. Lalu klik Data. Type. Label. Dari menu utama File. a. lalu klik ganda sel tersebut. Name. Width. Untuk keseragaman. c. Abaikan bagian yang lain. Sekarang SPSS siap membuat variable baru yang diperlukan Pengisian: Variabel berat Oleh karena ini variable pertama. d. ketik 2.9 Manajer produksi ingin mengetahui apakah data di atas berasal dari populasi (seluruh produk sabun cuci PT Dangdut) yang berdistribusi normal? Penyelesaian: Oleh karena akan menguji keselarasan data untuk satu sampel. Pemasukan data ke SPSS Langkah-langkah: b. Kemudian tekan CTRL+T untuk kembali ke DATA VIEW. Buka lembar kerja baru. Abaikan bagian ini. e. 3. tempatkan pointer pada baris 1. Pengolahan data dengan SPSS 13 . pilih menu New.5 203. dan ketik berat.1 201. Oleh karena variable ini akan berisi data rasio.

atau jika sudah terbuka ikuti prosedur berikut. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. maka klik pilihan Normal.5 Kotak Dialog Kolmogorov-Smirnov Pengisian: • Test Variable List atau Variabel yang akan diuji. Sedang pilihan uji yang lain diabaikan. kemudian klik tanda ‘>’ (yang sebelah atas). 14 . maka klik variabel berat. Dari menu utama SPSS. sesuai kasus pilih 1 Sample K-S untuk uji satu sampel. Dari serangkaian pilihan test untuk nonparametric. kemudian pilih submenu Nonparametric Tests. Klik pilihan tersebut. • Untuk Test Type atau tipe uji.Bab 4 Statistik Non Parametrik Langkah-langkah: • • • Buka lembar kerja/file Kolmogorov-Smirnov sesuai kasus di atas. pilih menu Analyze. maka tampak di layar: Gambar 4. Oleh karena disini akan diuji hanya satu variabel. maka variabel berat berpindah ke Test Variabel List. karena dalam kasus akan diuji distribusi normal ataukah tidak. Tekan OK untuk mengakhiri pengisian prosedur analisis.

Bab 4 Statistik Non Parametrik Output SPSS Analisis: Hipotesis Ho : Fo (x) = Fo (x) dengan F(x) adalah fungsi distribusi populasi yang diwakili oleh sample dan Fo (x) adalah fungsi distribusi suatu populasi berdistribusi normal dengan Hi : F (x) = 204. Fo (x) atau distribusi populasi tidak normal. karena adanya tanda ‘ ’ Pengambilan Keputusan: Jika probabilitas > 0. maka Ho diterima. atau distribusi populasi berat sabun cuci PT DANGDUT adalah normal.69 (Lihat hasil output SPSS).05). maka Ho ditolak.05. Uji dilakukan dua sisi. Sig/Asymptotic significance dua sisi adalah 0. Maka Ho diterima. 15 .969. Keputusan: Terlihat bahwa pada kolom Asymp. Jika probabilitas < 0.05.0056 dan = 2.969 > 0. atau probabilitas di atas 0.05 (0.

Untuk itu dalam waktu satu minggu diamati pembelian mie instan di suatu outlet dan berikut hasilnya (angka dalam buah mie instan). udang 35 buah. uji Chi-Square untuk satu sampel dapat dipakai untuk menguji apakah data sebuah sampel yang diambil menunjang hipotesis yang menyatakan bahwa populasi asal sampel tersebut mengikuti suatu distribusi yang telah ditetapkan. Oleh karena itu. Bebek 25 buah. uniform. uji ini dapat juga disebut uji keselarasan (goodness of fit test). Kambing 21 buah.Bab 4 Statistik Non Parametrik 4. karena untuk menguji apakah sebuah sampel selaras dengan salah satu distribusi teroritis (seperti distribusi normal.2 UJI CHI-SQUARE Dalam bahasan statistik non parametrik. 16 . Akan dilihat apakah hasil pengamatan tersebut menunjukkan bahwa keenam rasa disukai konsumen secara merata? Di sini Manajer Pemasaran tersebut mengharapkan keenam rasa disukai secara merata sehingga distribusi populasi yang diharapkan adalah distribusi yang seragam/uniform. Rasa Ayam Sapi Kambing Bebek Udang Ikan Jumlah 29 30 21 25 35 20 Angka di atas berarti dalam seminggu ada pembelian 160 mie instan dengan rasa ayam terbeli sebanyak 29 buah. Sapi 30 buah. binomial dan lainnya). Ikan 20 buah. Kasus: Manajer Pemasaran PT MIE yang menjual mie instan dengan enam macam rasa ingin mengetahui apakah konsumen menyukai keempat rasa mie instan tersebut.

Sekarang SPSS siap membuat variabel baru yang diperlukan Pengisian: Variabel rasa Oleh karena ini variabel pertama. Sesuai kasus yang merinci sikap. lalu klik ganda sel tersebut. Dari menu utama File. tempatkan pointer pada baris 1. letakkan pointer di bawah kolom Name. Klik kotak kecil di kanan sel. maka didigunakan uji Chi-Square. Decimals. Oleh karena variabel ini akan berisi data rasio. Untuk keseragaman.Bab 4 Statistik Non Parametrik Penyelesaian: Oleh karena akan menguji apakah sebuah sampel mengikuti distribusi tertentu. Type. Value Label atau keterangan untuk angka 1 tersebut. Sesuai kasus. Pengisian lanjutan: Value = 2 Value = 3 Value label = Sapi Value label = Kambing 17 . pilih menu New. Otomatis tombol Add aktif. Abaikan bagian ini. ketik Ayam. maka biarkan saja default numeric yang sudah ada. Klik tombol tersebut. Pilihan ini untuk proses pemberian kode. Untuk keseragaman. ketik 1. Lalu klik Data. Label. Width. 1. dan ketik rasa. ketik 0. Tampak di layar: Pengisian: • • Value atau nilai berupa angka yang dimasukkan. otomatis keterangan 1= “Ayam” tampak sebagai kodifikasi rasa mie instan yang pertama. Untuk keseragaman. ketik 8 (sesuai default). • • • • • • Name. Values. Pemasukan data ke SPSS Langkah-langkah: • Buka lembar kerja baru.

Untuk keseragaman. ketik 8 (sesuai default). ketik 1. pemasukan data dengan menggunakan angka 1. kemudian klik submenu Value Label (terlihat Value Label aktif dengan adanya tanda di sebelah kiri submenu tersebut). • Demikian untuk data selanjutnya. • • • • • • Name. Mengisi data Untuk mengisi kolom rasa: Sebelum mengisi data. variabel ayam bertanda 1. Jangan memasukkan kalimat (huruf) dalam pengisian data yang bersifat numerik. lalu klik ganda sel tersebut. 2. Sedang pada pengisian variabel. Maka pada baris pertama kolom kelompok. Terlihat secara otomatis SPSS mengubahnya menjadi keterangan ‘ayam’. Kemudian tekan CTRL+T untuk kembali ke DATA VIEW. karena SPSS akan menolaknya. Hal ini terjadi karena pengaktifan Value Label. Label.Bab 4 Statistik Non Parametrik Value = 4 Value = 5 Value = 6 Value label = Bebek Value label = Udang Value label = Ikan Variabel jumlah Oleh karena ini variable kedua. arahkan pointer ke menu utama SPSS. Untuk keseragaman ketik 0. letakkan pointer di bawah kolom Name. Type. terlihat angka pertama 29 adalah pembelian untuk rasa Ayam. maka biarkan saja default numeric yang sudah ada. tempatkan pointer pada baris 2. 2. atau 4 sesuai keterangan yang dikehendaki. 3. 18 . Kegunaan pengaktifan View (melihat) Value Label terkait dengan prosedur berikut ini: • Pada data kasus. dan ketik jumlah. Width. lalu pilih menu View. Abaikan bagian ini. Abaikan bagian yang lain. Oleh karena variable expense akan berisi data rasio. Decimals. Sesuai kasus.

maka klik pilihan Weigth cases by. kemudian tekan tombol >. Kemudian tampak pilihan Frequency Variable atau variabel yang akan dihubungkan. pilih menu Data. Prosedur: • • Letakkan pointer pada kolom variable rasa. kemudian dilakukan proses weight cases untuk ‘menghubungkan’ dengan variable jumlah. Dari menu utama SPSS. kemudian pilih submenu Weight Cases…. Dengan demikian. maka variabel jumlah akan pindah ke pilihan frequency variable. Tampilan di layar: 19 . Untuk itu pilih variabel jumlah yang ada di kiri. otomatis penyebutan ‘rasa’ akan mengacu pada ‘jumlah’ pembeli mie instan dengan rasa tertentu. Tampak di layar: Gambar 4.Bab 4 Statistik Non Parametrik Proses Weight Cases Variabel rasa yang telah dikodifikasi.6 Kotak Dialog Weight Cases Pengisian: Karena akan dilakukan pembobotan pada kasus (weight cases).

pilih menu Analyze. tekan OK untuk kembali ke layar utama SPSS. Klik pilihan tersebut. kemudian pilih submenu Nonparametric Tests. • • Untuk mengisi Kolom jumlah. Dari serangkaian pilihan test untuk nonparametric. lalu ketik menurun ke bawah sesuai data hasil pengamatan (6 data).7 Weight Cases yang telah terisi Setelah selesai. letakkan pointer pada baris 1 kolom tersebut. maka tampak di layar: 20 . Pengolahan data dengan SPSS Langkah-langkah: • • Dari menu utama SPSS. Simpan data dengan nama Chi_square_nonpar 3.Bab 4 Statistik Non Parametrik Gambar 4. sesuai kasus pilih ChiSquare….

maka pilih Get from data (atau karena itu adalah pilihan default. karena akan dihitung dari data kasus. Oleh karena disini akan diuji hanya satu variable. Tampak di layar: 21 . maka klik variabel rasa. lihat penjelasan di awal kasus). karena distribusinya adalah uniform (semua kemungkinan rasa adalah sama.Bab 4 Statistik Non Parametrik Gambar 4. kemudian klik tanda ‘>’ (yang sebelah atas). maka pilih All Categories equal. • Untuk kolom Expected Range. • Untuk kolom Expected Value. biarkan saja). jika sudah terpilih. maka variable berat berpindah ke Test Variable List.8 Kotak Dialog Chi-square Pengisian: • Test Variable List atau Variabel yang akan diuji.

Bab 4 Statistik Non Parametrik Gambar 4. Output SPSS 22 . Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS.9 Kotak Dialog Chi-square yang telah terisi Tekan OK untuk mengakhiri pengisian prosedur analisis.

200 Sedang Chi-Square tabel dapat dihitung pada tabel Chi-Square. Atau 6 rasa mie instant yang ada disukai konsumen secara merata. dan df = 5 (lihat output SPSS atau dari rumus k –1.7 (160 dibagi 6 rasa mie instant). Di dapat Chi-Square tabel adalah 11. maka yang diharapkan sama rata. Chi-Square Hitung –lihat pada output SPSS. Jika Chi-Square Hitung < Chi-Square Tabel. Oleh karena dipakai distribusi yang seragam. di mana dalam kasus adalah rasa mie instant). dengan = 5%. Berdasarkan perbandingan Chi-Square Uji dan tabel.Bab 4 Statistik Non Parametrik Analisis Terlihat ada dua bagian output. Atau setidaknya sebuah rasa mie instant lebih disukai daripada setidaknya sebuah rasa yang lain.7 = 2. Pada bagian pertama output. maka Ho diterima • • • Jika Chi-Square Hitung > Chi-Square Tabel. Hipotesis Ho : Sampel ditarik dari Populasi yang mengikuti distribusi seragam. Pengambilan Keputusan a. maka Ho diterima.3). yaitu 26. maka Hi ditolak.0705 • Oleh karena Chi-Square Hitung < Chi-Square tabel.adalah 6. 23 . Hi : Sampel bukan berasal dari Populasi yang mengikuti distribusi seragam . terlihat ada Expected N atau jumlah rasa mie instant yang diharapkan terbeli. Sedang kolom Residual adalah selisih antara jumlah yang dibeli dengan jumlah yang diharapkan (seperti pada baris pertama adalah 29 – 26.

dapat diambil kesimpulan yang sama. seperti distribusi normal. Jika probabilitas < 0.287. : atau 6 rasa mie instant yang ada disukai konsumen secara merata. Sebagai contoh. Hanya di sini diperhatikan bahwa nilai dihitung kumulatif oleh SPSS.05. hanya distribusi teoritis atau dalam output SPSS disebut ‘expected N’ yang berbeda dalam pengisiannya. Dari kedua analisis di atas. maka Ho ditolak. Penutup Uji keselarasan dalam kasus di atas adalah penerapan untuk uji keselarasan dengan distribusi uniform/seragam. Di sini prosedur pengujian dan pemasukan input sama. Sig/Asymtotic significance adalah 0. poisson. Namun uji dapat diperluas dengan membandingkan dengan distribusi teoritis yang lain.3. pilih option Values.1 Uji Peringkat-Bertanda Wilcoxon Kasus 24 . yaitu Ho diterima. pada pilihan Expected Value. lalu masukkan angka/nilai yang dikehendaki. binomial dan lainnya. Untuk input pola distribusi tertentu. maka Ho diterima. maka Ho diterima. Berdasarkan Probabilitas • • Jika probabilitas > 0.287 < 0. kemudian tekan Add.Bab 4 Statistik Non Parametrik Gambar: b. Keputusan: Terlihat bahwa pada kolom Asymp.05 (0.05.05). 4. atau probabilitas di bawah 0. pemasukan nilai 1 dan 2 (yang berjumlah 3) akan dimasukkan dalam output sebagai 1/3 dan 2/3. Demikian pengisian berulang-ulang sampai sesuai dengan jumlah data. dari pengisian Chi-square di SPSS.3 UJI DATA DUA SAMPEL BERHUBUNGAN (DEPENDEN) 4.

ketik 8 (sesuai default). Width. Sekarang SPSS siap membuat variable baru yang diperlukan Pengisian: Variable HASIL Oleh karena ini variable pertama. letakkan pointer pada baris 1 kolom tersebut. 3. tempatkan pointer pada baris 1. Maka digunakan uji nonparametric dengan dua sample yang dependen. yaitu diukur ‘sebelum’ dan diukur ‘sesudah’. • • • • • Name. 2. Di sini data hanya sedikit dan dianggap tidak diketahui distribusi datanya (berdistribusi bebas). 1. Pengolahan data dengan SPSS Langkah-langkah: 25 . Kemudian tekan CTRL+T untuk kembali ke DATA VIEW. letakkan pointer di bawah kolom Name. Dari menu utama File. Label. maka biarkan saja default numeric yang sudah ada. dan ketik gender. Pemasukan data ke SPSS Langkah-langkah: • Buka lembar kerja baru. lalu ketik menurun ke bawah sesuai data (15 data). lalu klik ganda sel tersebut. pilih menu New. Abaikan bagian yang lain. Decimals. Abaikan bagian ini. Lalu klik Data. ketik 0.Bab 4 Statistik Non Parametrik Penyelesaian: Kasus di atas terdiri dari dua sampel yang berhubungan satu sama lain karena subjek (dalam hal ini sukarelawan) mendapat pengukuran-pengukuran yang sama. Oleh karena variable ini akan berisi data rasio. Mengisi data Untuk mengisi kolom gender. Kemudian simpan data di atas dengan nama Runs. Untuk keseragaman. Type. Sesuai kasus. Untuk keseragaman.

Tekan OK untuk mengakhiri pengisian prosedur analisis. 26 . Oleh karena disini akan diuji hanya satu variable. Jadi bukan ‘berat badan berbeda ataukah tidak’. Keterangan: ‘beda-beda’ adalah perbedaan setiap pasangan hasil pengukuran (Y – X) dimana Y adalah ‘sesudah’ dan X adalah ‘sebelum’. atau Obat tersebut mempunyai efek yang berarti pada penurunan berat badan sukarelawan. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. Atau dapat dikatakan Obt tersebut tidak mempunyai efek berarti pada penurunan berat badan sukarelawan. dan sesuai kasus ketik 2. Dari menu utama SPSS. karena yang dicari adalah apakah berat badan sukarelawan menurun ataukah tidak. Perhatikan pengujian pada kasus ini yang menggunakan uji satu sisi. atau jika sudah terbuka ikuti prosedur berikut. Hi = Median populasi beda-beda lebih kecil dari nol. dalam kasus pilih Custom (ditentukan sendiri). kemudian pilih submenu Nonparametric Tests. maka klik variable gender. Klik pilihan tersebut. sesuai kasus pilih Runs….4 Kotak Dialog Runs Pengisian: • Test Variable List atau Variabel yang akan diuji.Bab 4 Statistik Non Parametrik • • • Buka lembar kerja/file Runs sesuai kasus di atas. pilih menu Statistics. maka variable berat berpindah ke Test Variable List. • Untuk kolom Cut Point. Output SPSS dan Analisis: Hipotesis: Ho = Median populasi beda-beda adalah sama atau lebih besar dari nol. kemudian klik tanda ‘>’ (yang sebelah atas). Dari serangkaian pilihan test untuk nonparametric. maka tampak di layar: Gambar 6.

Statistik Tabel Dengan melihat tabel Wilcoxon (dapat dilihat pada lampiran atau buku-buku statistik yang relevan). dua bertanda positif dan tidak ada yang sama (ties). Dasar pengembilan keputusan sama dengan uji z: Jika Statisitk Hitung (angka z output) > Statistik Tabel (tabel z). yang dipakai adalah jumlah beda-beda yang paling kecil. hanya angka T hitung dalam hal ini disetarakan dengan z. Jika Statisitk Hitung (angka z output) > Statistik Tabel (tabel z). maka Ho ditolak. Di sini perhitungan sama dengan analisis pertama.adalah –1. Berdasarkan angka Z. maka didapat Statistik tabel Wilcoxon = 6. Jika Statistik Hitung > Statistik Tabel. maka Ho ditolak. Dari angka ini didapat statistik uji Wilcoxon (T) adalah 4. maka Ho diterima. Keterangan: Tabel Wilcoxon dapat dilihat pada buku statistik non parametrik yang relevan.Bab 4 Statistik Non Parametrik Pengambilan Keputusan Dengan membandingkan Statistik Hitung dengan Statistik Tabel. Dalam uji Wilcoxon. Statistik Hitung Menghitung T (statistik uji) dari Wilcoxon: Dari output terlihat bahwa dari delapan data.970. untuk n (jumlah data) = 8. Keputusan: Oleh karena Statistik Hitung < Statistik Tabel (4 < 6). 6 data mempunyai beda-beda negatif. yang didapat –lihat output. yaitu 4 (lihat output pada kolom ‘sum of ranks’). uji satu sisi dan tingkat signifikansi ( ) = 5%. Jika Statistik Hitung < Statistik Tabel. maka Ho ditolak. maka Ho diterima. karena itu dalam kasus ini diambil beda-beda yang positif. Perhatikan 27 .

Sig.).45 didapat angka z tabel sekitar –1. atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata untuk menurunkan berat badan. diadakan dua kali uji mata ajar.05. (2-tailed)/asymptotic significance untuk uji dua sisi adalah 0. Jika probabilitas > 0. maka Ho diterima.3.45. jika ia belajar sendirian dan jika ia belajar berkelompok. Oleh karena z output > z tabel (-1.049/2 = 0.Bab 4 Statistik Non Parametrik keterangan SPSS yang menyatakan bahwa angka z didasarkan ada ranking yang positif (sama dengan perhitungan sebelumnya). Pengambilan Keputusan. Jika probabilitas < 0.2 Uji Tanda (Sign) Kasus: Seorang guru ingin mengetahui apakah ada perbedaan antara nilai ujian seorang Siswa pada mata ajar tertentu. . 4.05. 28 . atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata untuk menurunkan berat badan. untuk luas 0. dapat diambil kesimpulan yang sama.0245.yaitu Ho ditolak.5% = 45% atau 0. Sedang statistik tabel dapat dihitung pada tabel z dengan = 5%. pertama siswa belajar sendiri-sendiri. Keputusan: Terlihat bahwa pada kolom asymp. maka kurva-kurva normal adalah 50% . Oleh karena kasus adalah uji satu sisi. Gambar: Dari kedua analisis di atas.645 (tanda ‘-‘ menyesuaikan dengan angka z output.049.05 (0.0245 < 0. Untuk itu.970 > . Pada tabel z. Maka Ho ditolak. Di sini terdapat probabilitas di bawah 0.05). maka Ho ditolak. maka Ho ditolak. maka probabilitas menjadi 0. dan yang kedua sebelum ujian para dapat dengan bebas belajar secara berkelompok.

29 . Penyelesaian: Kasus di atas terdiri atas dua sampel yang berhubungan satu sama lain. Demikian seterusnya untuk data yang lain. yaitu diukur ‘sendiri’ dan diukur ‘kelompok’.Bab 4 Statistik Non Parametrik Berikut hasil nilai keduanya (angka dalam range nilai ( sampai 100). Maka digunakan uji nonparametrik dengan dua sampel yang diperiksa. karena setiap subjek (dalam hal ini para siswa)) mendapat pengukuran-pengukuran yang sama. dan ketika belajar berkelompok ia mendapat nilai 78. No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Sendiri 80 82 84 86 80 84 83 81 82 80 83 84 82 81 80 79 75 Kelompok 78 85 82 78 84 89 83 81 90 78 85 82 86 91 80 89 79 Baris pertama menerangkan murid nomor 1 mendapat nilai 80 ketika belajar sendiri. Di sini data hanya sedikit dan dainggap tidak diketahui distribusi datanya (berdistribusi bebas).

Sesuai kasus. maka biarkan saja default numeric yang sudah ada. tempatkan pointer pada baris 2. Untuk keseragaman. Abaikan bagian ini. ketik 0. ketik 8 (sesuai default). Oleh karena variable ini akan berisi data rasio. Type. Sesuai kasus. Langkah berikutnya adalah membuat nama untuk setiap variable baru. Untuk keseragaman. Width. • • • Name. lalu klik ganda sel tersebut.Bab 4 Statistik Non Parametrik 1. pilih menu New. Lalu klik Data. Label. Pengisian: Variabel sendiri Oleh karena ini variabel pertama. 30 . • • • • • Name. atau langsung tekan CTRL+T. letakkan pointer di bawah kolom Name. lalu klik ganda sel tersebut. Variabel kelompok Oleh karena ini variabel kedua. Dari menu utama File. dan ketik kelompok. dan ketik sendiri. letakkan pointer di bawah kolom Name. Oleh karena variabel ini akan berisi data rasio. ketik 8 (sesuai default). Tampilan variable View dapat juga diambil dari menu View lalu submenu Variable. Width. jenis data. maka biarkan saja default numeric yang sudah ada. tempatkan pointer pada baris 1. Untuk itu klik tab sheet Variable View yang ada di bagian kiri bawah. label data dan sebagainya. Untuk keseragaman. Hal ini berarti tidak ada desimal dalam pemasukan data. Pemasukan data ke SPSS Langkah-langkah: • Buka lembar kerja baru. Decimals. Type. Sekarang SPSS siap membuat variable baru yang diperlukan • Menamai variabel dan properti yang diperlukan.

Klik pilihan tersebut. • Jika pengisian benar. Label. Abaikan bagian ini. Untuk keseragaman. Mengisi data • Untuk mengisi kolom sendiri. pilih menu Analyze. maka terlihat data seperti pada awal Kasus. Demikian selanjutnya untuk kelompok. Dari serangkaian pilihan test untuk nonparametric. Hal ini berarti tidak ada desimal dalam pemasukan data. 3. ketik 0.Bab 4 Statistik Non Parametrik • • Decimals. sesuai kasus pilih Two Related Samples…. kemudian pilih submenu Nonparametric Tests. Pengolahan data dengan SPSS Langkah-langkah: • • Dari menu utama SPSS. 2. letakkan pointer pada baris 1 kolom tersebut. maka tampak di layar: Gambar 4.13 Kotak Dialog Two-Related Samples 31 . lalu ketik menurun ke bawah sesuai data (17 data).

karena dalam kasus akan diuji dengan Sign. maka klik variabel sendiri. • Demikian juga untuk variabel kelompok. Sedang 2 pilihan yang lain diabaikan saja. Oleh karena disini ada dua variabel. Hal ini menunjukkan uji dua sampel berhubungan dapat dilakukan. maka terlihat pada kolom Current Selection (di bawah kedua nama variabel). Hal ini menunjukkan variabel ‘kelompok’ menjadi variabel kedua. klik sekali lagi pada tanda ‘>’.Bab 4 Statistik Non Parametrik Pengisian: • Test Variable List atau Variabel yang akan diuji. pada bagian variabel 2. Tekan OK untuk mengakhiri pengisian prosedur analisis. terdapat kata ‘sendiri’. Maka terlihat pada kolom Current Selection (di bawah kedua nama variabel). kemudian klik tanda ‘>’ (yang sebelah atas). Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. pada bagian Variable 1. 32 . • • Perhatikan adanya tanda ‘kelompok – sendiri’ pada kotak Test Pair(s) List. Hal ini menunjukkan variabel ‘sendiri’ menjadi variabel pertama. terdapat kata ‘kelompok’. Untuk Test Type atau tipe uji. maka klik pilihan Sign.

05 (0.Sig. Oleh karena dalam output hanya menyajikan nilai probabilitas.05). maka Hi ditolak. 9 data dengan perbedaan positif dan 3 data dengan perbedaan data nol (pasangan data sama nilainya atau ties). 4. Perhatikan pengujian pada kasus ini yang menggunakan uji dua sisi. maka Ho diterima.3 Uji McNemar 33 . di mana Y adalah ‘sendiri’ dan X adalah ‘kelompok’. Hi = Median Populasi ‘perbedaan’ tidak sama dengan nol. bukan ingin mengetahui cara mana yang lebih bagus dalam menaikkan nilai. Jika probabilitas < 0. • • Jika probabilitas > 0. Keputusan Terlihat bahwa pada kolom Exact.424 > 0. Atau dapat dikatakan Nilai Siswa jika ia belajar sendiri tidak berbeda dengan jika ia belajar berkelompok.05. Di sini terdapat probabilitas di atas 0. Dari 17 data pada output SPSS terlihat ada 5 data dengan perbedaan negatif.424. baik jika ia belajar sendiri ataupun jika ia belajar kelompok.Bab 4 Statistik Non Parametrik Analisis: Hipotesis Ho = Median Populasi ‘perbedaan’ adalah sama dengan nol. Atau dapat dikatakan nilai Siswa jika ia belajar sendiri berbeda secara nyata dengan jika ia belajar berkelompok.3. Keterangan: ‘perbedaan’ adalah perbedaan setiap pasangan hasil pengukuran (Y – X). maka pengambilan keputusan berdasarkan probabilitas saja. Pengambilan Keputusan.05. (2-tailed)/significance untuk uji dua sisi adalah 0. atau sesungguhnya tidak ada perbedaan yang nyata pada nilai ujian seorang siswa. karena yang dicari adalah apakah ada perbedaan nilai karena perbedaan cara belajar. Maka Ho diterima.

sedangkan dalam SPSS input data tetap dalam baris dan kolom. dan kepada mereka ditanya pendapat mereka tentang bisnis secara MLM. Sikap Negatif (0) ada 9 orang. terlebih dahulu dikumpulkan 15 responden yang diambil acak. dan setelah presentasi. Biasanya uji McNemar disajikan dalam bentuk tabel kontingensi (selalu dalam bentuk tabel kontingensi 2x2 atau 2 baris dan 2 kolom).Uji McNemar mensyaratkan adanya skala pengukuran data nominal atau kategori binary (seperti 1 untuk ‘tidak’ dan 0 untuk ‘ya’ dan contoh lainnya). Berikut adalah hasil lengkap persepsi responden: Keterangan: Terlihat pada kolom Total paling kanan terdapat angka 6 dan 9 seperti penjelasan terdahulu. Untuk itu. Hasilnya sebagai berikut.Bab 4 Statistik Non Parametrik Berbeda dengan Uji Wilcoxon atau Sign Test. apakah berubah ataukah tetap seperti semula. ingin mengetahui apakah beberapa presentasi mengenai MLM yang benar mampu mengubah persepsi masyarakat terhadap MLM selama ini. Sebelum Presentasi Positif Negatif Total Positif 5 5 10 Negatif 1 4 5 Total 6 9 15 Kemudian kepada mereka diberi beberapa presentasi secara intensif. yaitu 1 untuk sikap yang positif terhadap MLM. Sikap responden sebelum presentasi MLM: Sikap Positif (1) ada 6 orang. 34 . Sikap mereka dibagi dua. . kembali mereka ditanya sikap mereka. dan 0 untuk sikap yang negatif. Kasus: Sebuah perusahaan yang memasarkan produknya dengan cara multi level (MLM/Multi Level Marketing).

Lihat baris tiga (negatif). Ini adalah tabel kontingensi dari kasus di atas. Dari 6 responden yang sebelumnya bersikap positif. 5 diantaranya tetap bersikap positif terhadap MLM (lihat titik temu positif-positif yang berisi angka). setelah menghadiri presentasi. setelah menghadiri presentasi. Dari 9 responden yang sebelumnya bersikap negatif.Bab 4 Statistik Non Parametrik Lihat baris dua (Positif). Sedang 1 responden berubah sikap dari positif ke negatif (lihat titik temuj positif-negatif yang berisi angka 1). 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Sebelum 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 Sesudah 1 1 1 1 1 0 1 1 1 1 1 0 0 0 0 35 . 4 diantaranya tetap bersikap bersikap negatif terhadap MLM (lihat titik temu negatif-negatif yang berisi angka 4). dimana akan dilihat apakah presentasi MLM oleh perusahaan berpengaruh terhadap perubahan sikap responden. Untuk itu tabel kontingensi di atas dapat diubah bentuknya menjadi demikian: Res. Sedang 5 responden berubah sikap dari negatif ke positif (lihat titik temu negatif-positif yang berisi angka 5).

maka pada kolom sebelum. 3. Pemasukan data ke SPSS Langkah-langkah: • Buka lembar kerja baru. 10 dan 11. 2. Jadi. karena setiap subjek (dalam hal ini para responden) mendapat pengukuran-pengukuran yang sama. 13. • Ada empat responden yang sebelum presentasi bersikap negatif dan sesudah presentasi tetap negatif. 4 dan 5. Jadi. 1. Maka digunakan uji nonparametric dengan dua sampel yang dependen. Itu adalah input untuk responden nomor 12. sebelum dan sesudah sikapp tetap 0 (negatif). Sekarang SPSS siap membuat variable baru yang diperlukan • Menamai variabel dan properti yang diperlukan. • • Ada satu responden yang sebelum presentasi bersikap positif (1) dan sesudah presentasi menjadi negatif (0). total ada 6 sikap positif dan 9 negatif. Lalu klik Data. Itu adalah input untuk responden nomor 7. Hasil ini sama dengan kolom total pada tabel kontingensi di depan. 8. 9. Jika pengisian benar. yaitu diukur ‘positif’ dan diukur ‘negatif’. pilih menu New. Dari menu utama File. 36 . Itu adalah input untuk responden nomor 6. Penyelesaian: Kasus di atas terdiri atas dua sampel yang berhubungan satu sama lain. sebelum dan sesudah sikap tetap 1 (positif). 14 dan 15. Di sini data hanya sedikit dan dianggap tidak diketahui distribusi datanya (berdistribusi bebas). total terdapat 10 sikap positif dan 5 sikap negatif. Sedangkan pada kolom sesudah. Ada lima responden yang sebelum presentasi bersikap negatif (0) dan sesudah presentasi menjadi positif (1). Itu adalah input untuk responden nomor 1.Bab 4 Statistik Non Parametrik Keterangan: • Ada lima responden yang sebelum presentasi bersikap positif dan sesudah presentasi tetap positif.

label data dan sebagainya. c. e. ketik 8 (sesuai default). Type. Label. Untuk itu klik tab sheet Variable View yang ada di bagian kiri bawah. Pengolahan data dengan SPSS Langkah-langkah: 37 . Oleh karena variabel ini akan berisi data rasio.Bab 4 Statistik Non Parametrik Langkah berikutnya adalah membuat nama untuk setiap variable baru. Untuk keseragaman. dan ketik sesudah. ketik 8 (sesuai default). jenis data. lalu klik ganda sel tersebut. Decimals. Decimals. ketik 0. b. maka biarkan saja default numeric yang sudah ada. atau langsung tekan CTRL+T. letakkan pointer di bawah kolom Name. a. maka biarkan saja default numeric yang sudah ada. ketik 0. letakkan pointer di bawah kolom Name. Sesuai kasus. Pengisian: Variabel sebelum Oleh karena ini variabel pertama. Width. d. Untuk keseragaman. Untuk keseragaman. tempatkan pointer pada baris 1. Width. Abaikan bagian ini. Untuk keseragaman. Hal ini berarti tidak ada desimal dalam pemasukan data. Abaikan bagian ini. Name. tempatkan pointer pada baris 2. Oleh karena variable ini akan berisi data rasio. Type. Sesuai kasus. 2. dan ketik sebelum. Label. Variabel sesudah Oleh karena ini variabel kedua. Tampilan variable View dapat juga diambil dari menu View lalu submenu Variable. lalu klik ganda sel tersebut. • • • • • Name. Hal ini berarti tidak ada desimal dalam pemasukan data.

terdapat kata ‘sesudah’. pilih menu Statistics. maka tampak di layar: Gambar 4. sesuai kasus pilih 2 Related Samples….14 Kotak Dialog Two-Related Samples Pengisian: • Test Variable List atau Variabel yang akan diuji. maka terlihat pada kolom Current Selection (di bawah kedua nama variabel). klik sekali lagi pada tanda ‘>’. 38 . Hal ini menunjukkan uji dua sampel berhubungan dapat dilakukan. sesudah’ pada kotak Test Pair(s) List. Hal ini menunjukkan variabel ‘sebelum’ menjadi variabel pertama. Hal ini menunjukkan variabel ‘sesudah’ menjadi variabel kedua. kemudian klik tanda ‘>’ (yang sebelah atas)..Bab 4 Statistik Non Parametrik • • Dari menu utama SPSS. kemudian pilih submenu Nonparametric Tests. Maka terlihat pada kolom Current Selection (di bawah kedua nama variabel). pada bagian variabel 2. • Demikian juga untuk variabel sesudah. terdapat kata ‘sebelum’. Dari serangkaian pilihan test untuk nonparametric. • Perhatikan adanya tanda ‘sebelum . Klik pilihan tersebut. Oleh karena disini ada dua variabel. maka klik variabel sebelum. pada bagian Variable 1.

Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. klik pada pilihan McNemar. dan jika ada dinonaktifkan. Hanya SPSS selalu mendahulukan angka yang lebih kecil (0 kemudian 1). Namun hasil tetap sama. Atau dalam ksus ini Proporsi responden 39 . Tekan OK untuk mengakhiri pengisian prosedur analisis. Sedang pilihan uji yang lain diabaikan saja. Tabel di atas sama dengan tabel kontingensi di awal kasus. Analisis: Perhatikan output SPSS yang membuat tabel kontingensi.Bab 4 Statistik Non Parametrik • Untuk Test Type atau tipe uji. dengan 0 adalah sikap negatif dan 1 adalah sikap positif. Atau dalam ksus ini Proporsi responden yang bersikap positif-negatif sebelum diberi presentasi adalah sama dengan sesudah diberi presentasi. Hipotesis Ho = Proporsi subjek-subjek dengan karakteristik yang diminati akibat kedua kondisi/perlakuan adalah sama besar. Hi = Proporsi subjek-subjek dengan karakteristik yang diminati akibat kedua kondisi/perlakuan adalah tidak sama besar. sehingga urutan pada SPSS agak berbeda dengan input tabel pada kasus (yang mendahulukan sikap positif/1).

Bab 4 Statistik Non Parametrik yang bersikap positif-negatif sebelum diberi presentasi adalah berbeda secara nyata dengan sesudah diberi presentasi. statistik uji McNemar dapat disamakan dengan mencari z hitung. maka Ho diterima.5%). Pengambilan Keputusan berdasarkan probabilitas • • Jika probabilitas > 0. dapat diambil kesimpulan yang sama.05. Terlihat angka tersebut adalah b = 5 dan c = 1. dengan = 5% dan uji duas sisi (5% dibagi dua menjadi 2. Berdasarkan Angka z Dasar pengambilan keputusan sama dengan uji z: Jika Statisitk Hitung (angka z output) > Statistik Tabel (tabel z). Maka Mencari z tabel: Z tabel dapat dihitung pada tabel z.96.05. Jika probabilitas < 0.96).5% atau 0.5% = 47.2. Dari kedua analisis di atas.475. maka Ho diterima. Jika Statisitk Hitung (angka z output) < Statistik Tabel (tabel z). maka Hi ditolak. a. untuk luas 0. maka pada tabel z.475 didapat angka z tabel sekitar +1. Oleh karena z hitung < z tabel ( > 1. 40 . maka Ho diterima. yaitu Ho diterima atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM secara nyata. Oleh karena uji dua sisi. Pengambilan Keputusan Dalam hal ini. maka luas kurva normal adalah 50% . maka Ho ditolak. Mencari z hitung: Rumus z hitung: Di mana b dan c adalah nilai pada tabel kontingensi yang tidak ‘konsisten’ . Dalam kasus ini b dan c adalah jumlah responden yang semula bersikap 0 menjadi 1 atau sebaliknya. b.

1 Uji Mann-Whitney Kasus : Sebuah perusahaan Multi Level Marketing yang bergerak dalam penjualan obatobatan ingin mengetahui apakah para wiraniaganya membutuhkan pelatihan untuk peningkatan kinerjanya.219. Wiraniaga 1 2 3 4 5 6 7 8 9 30 24 26 27 29 20 23 25 18 Kelompok tanpa pelatihan tanpa pelatihan tanpa pelatihan tanpa pelatihan tanpa pelatihan tanpa pelatihan tanpa pelatihan tanpa pelatihan tanpa pelatihan 41 .05 (0. 4. Di sini terdapat probabilitas di atas 0.219 > 0.Sig.4. kepada sekelompok wiraniaga diberikan pelatihan Kewiraniagaan dan kemudian kinerja mereka dibandingkan dengan wiraniaga lainnya yang tidak diberi pelatihan. (2-tailed)/significance untuk uji dua sisi adalah 0. Maka Ho diterima. atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM secara nyata.Bab 4 Statistik Non Parametrik Keputusan Terlihat bahwa pada kolom Exact. Untuk itu. Berikut hasil kedua kelompok (angka dalam jumlah paket obat yang terjual dalam sebulan).4 UJI DATA DUA SAMPEL TIDAK BERHUBUNGAN (INDEPENDEN) 4.05).

Decimals. maka biarkan saja default numeric yang sudah ada. ketik 8 (sesuai default). b. Maka digunakan uji nonparametrik dengan dua sampel yang independen. Abaikan bagian ini. Sekarang SPSS siap membuat variable baru yang diperlukan Pengisian: Variabel wiraniaga Oleh karena ini variable pertama. Dari menu utama File. dan ketik sales. yaitu Wiraniaga yang tidak mendapat pelatihan dan Wiraniaga yang menjalani pelatihan. c. d. Untuk keseragaman. e. letakkan pointer di bawah kolom Name. lalu klik ganda sel tersebut. Name. Sesuai kasus. a. Di sini data hanya sedikit dan dianggap tidak diketahui distribusi datanya (berdistribusi bebas). Type. Pemasukan data ke SPSS Langkah-langkah: • Buka lembar kerja baru. Lalu klik Data. pilih menu New. 42 . Width. Oleh karena variabel ini akan berisi data rasio. Abaikan bagian yang lain. 1. Label. ketik 0. Untuk keseragaman.Bab 4 Statistik Non Parametrik 10 11 12 13 14 15 16 17 14 16 30 32 35 27 25 29 tanpa pelatihan pelatihan pelatihan pelatihan pelatihan pelatihan pelatihan Pelatihan Penyelesaian: Kasus di atas terdiri atas dua sampel yang bebas satu dengan yang lain. tempatkan pointer pada baris 1.

c. ketik pelatihan. ketik 0. d. Pengisian: • • • • Value. tempatkan pointer pada baris 2. ketik tanpa pelatihan. b. Pengolahan data dengan SPSS Langkah-langkah: • • Dari menu utama SPSS. Klik pilihan tersebut. Value Label. Pilihan ini untuk proses pemberian kode. maka tampak di layar: 43 . Sesuai kasus. Untuk keseragaman. dan ketik kelompok. Untuk keseragaman. Width. ketik 2. f. a. Type. lalu klik ganda sel tersebut. Dari serangkaian pilihan test untuk nonparametric. kemudian pilih submenu Nonparametric Tests. ketik 1 (sesuai default).Bab 4 Statistik Non Parametrik Variabel kelompok Oleh karena variable kedua. Abaikan bagian ini. Name. letakkan pointer di bawah kolom Name. maka biarkan saja default numeric yang sudah ada. e. 2. Decimals. Oleh karena variabel ini akan berisi data rasio. ketik 1. Pengisian Lanjutan Value. sesuai kasus pilih 2 Independent Samples…. Values. pilih menu Analyze. Value Label. Label.

Bab 4 Statistik Non Parametrik Gambar 4. kemudian klik tanda ‘>’ (yang sebelah bawah). Tampak di layar. Oleh karena disini akan diuji data penjualan wiraniaga. kemudian klik tanda ‘>’ (yang sebelah atas). maka klik variabel sales. maka variabel sales berpindah ke Test Variable List.11 Kotak Dialog Two Independent Samples Tests Pengisian: • Test Variable List atau Variabel yang akan diuji. • Grouping Variable atau variabel grup. maka klik variabel kelompok. Oleh karena variabel pengelompokkan ada pada variabel kelompok. maka variabel berat berpindah ke Groping Variable. Tampak di layar: 44 .

Tekan OK untuk mengakhiri pengisian prosedur analisis. isi dengan 2.Bab 4 Statistik Non Parametrik Gambar 4. tekan Continue untuk melanjutkan ke menu sebelumnya. isi dengan 1.Tampak di layar: • • Untuk Group 1.13 Kotak Dialog Define Groups yang telah terisi Setelah pengisian selesai. yang berarti Grup 1 berisi tanda 1 atau ‘tanpa training’. yang berarti Grup 2 berisi tanda 2 atau ‘training’. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. Untuk Group 2. Gambar 4.12 Kotak Dialog Two Independent Samples Tests yang telah terisi Pengisian grup: Klik Define Group…. 45 .

096 > 0. Maka Ho diterima.05. Keputusan Terlihat bahwa pada kolom Exact.Bab 4 Statistik Non Parametrik Output SPSS: Analisis Hipotesis Ho = Kedua populasi identik (Data penjualan kedua kelompok tidak berbeda secara signifikan).05). maka Ho diterima.05. Jika probabilitas < 0.Sig. (2-tailed)/significance untuk uji dua sisi adalah 0. Hi = Kedua populasi tidak identik atau berbeda dalam hal lokasi (Data Penjualan kedua kelompok Wiraniaga memang berbeda secara signifikan. maka Ho ditolak.096. atau 46 . Pengambilan Keputusan • • Jika probabilitas > 0.05 (0. atau probabilitas di atas 0.

2 Uji Kolmogorov-Smirnov Selain uji dengan uji Mann-Whitney.. 4. uji untuk mengetahui ada tidaknya perbedaan yang signifikan untuk dua sample yang independent juga dapat dilakukan dengan uji Kolmogorov-Smirnov.4.Bab 4 Statistik Non Parametrik kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan. Pada uji Kolmogorov ini dibahas contoh kasus yang sama dengan uji Mann-Whitney. Output SPSS Analisis Ho = Kedua Populasi identik (Data Penjualan kedua kelompok Wiraniaga tidak berbeda secara signifikan) Hi = Kedua Populasi tidak identik atau berbeda dalam hal lokasi (Data Penjualan kedua kelompok Wiraniaga memang berbeda secara signifikan) 47 .

3 Uji Wald-Wolfowitz Uji Wald-Wolfowitz pada prinsipnya menggunakan banyaknya rangkaian yang terdapat pada dua buah sample untuk menguji apakah kedua sample berasal dari populasi yang identik ataukah tidak.480 > 0. 4. (2-tailed)/significance untuk uji dua sisi adalah 0. 48 .05). Pada uji Wald-Wolfowitz ini dibahas contoh kasus yang sama dengan uji MannWhitney. atau kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan. maka Ho ditolak.05 (0. atau probabilitas di atas 0.Sig.480.4. Jika probabilitas < 0.05. Keputusan Terlihat bahwa pada kolom Exact.Bab 4 Statistik Non Parametrik Pengambilan Keputusan • • Jika probabilitas > 0.05. maka Ho diterima. Maka Ho diterima.

5 UJI DATA TIGA SAMPEL ATAU LEBIH BERHUBUNGAN (DEPENDEN) 4. maka Ho diterima. 4. maka Ho ditolak.05.355) maupun rangkaian maksimum (0. paket 3. Keputusan Terlihat bahwa pada kolom Exact. Untuk mengetahui bagaimana tanggapan konsumen terhadap keempat paket tersebut.05. Maka Ho diterima. Dapat juga dikatakan kedua sample mempunyai distribusi – distribusi identik. sejumlah 10 orang (sampel) dipersilakan mencicipi keempat jenis paket tersebut. paket 2. Berikut adalah hasil penilaian kesepuluh orang terhadap paket yang ditawarkan: 49 . atau kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan. Jika probabilitas < 0.1 Uji Friedman Kasus: Restoran FAST FOOD ingin meluncurkan empat paket masakan dengan nama paket 1.Bab 4 Statistik Non Parametrik Ho = Kedua Populasi identik (Data Penjualan kedua kelompok Wiraniaga tidak berbeda secara signifikan) Hi = Kedua Populasi tidak identik atau berbeda dalam hal lokasi (Data Penjualan kedua kelompok Wiraniaga memang berbeda secara signifikan) Pengambilan Keputusan • • Jika probabilitas > 0. (2-tailed)/significance untuk uji satu sisi.Sig. dan kemudian memberikan penilaian pada tiap-tiap paket.05.957) adalah di atas 0. dan paket 4.5. baik untuk rangkaian minimum (0. Nilai yang diberikan ditentukan antara 0 sampai 100.

5. Warna Kemudian diambil sebuah sampel yang terdiri atas 14 orang responden. Masingmasing responden diminta memberi penilaian pada 4 atribut sabun mandi tersebut. dengan angka 1 paling penting dan angka 4 paling tidak penting. Untuk itu. 50 . Bahan tertentu 4. Kesegaran 2. yaitu: 1. Kasus: Sebuah perusahaan yang ingin mengeluarkan produk sabun mandi baru ingin mengetahui atribut apa saja yang diinginkan konsumen dalam mengkonsumsi pasta gigi.2 Uji Keselarasan (Konkordansi) Kendall Uji keselarasan Kendall digunakan untuk mengetahui sejauh mana dua himpunan peringkat-peringkat dan n individu selaras ataukah tidak.Bab 4 Statistik Non Parametrik Responden 1 2 3 4 5 6 7 8 9 10 11 12 Paket_1 82 87 84 86 85 89 84 75 78 85 82 81 Paket_2 77 78 84 89 73 84 82 84 76 78 81 70 Paket_3 74 70 66 84 90 88 82 76 78 68 64 80 Paket_4 84 86 75 78 73 89 92 76 73 78 75 83 Akan diteliti apakah keempat paket tersebut mempunyai mutu (nilai) yang sama. perusahaan menetapkan empat atribut. 4. Keharuman 3.

Uji Cochran dilakukan pada penelitian untuk uji sample yang mempunyai data berskala nominal (kategori). atribut Harum (nomor 3) dan yang paling tidak penting adalah atribut Warna (nomor 4). responden nomor satu menilai atribut Segar sebagai yang paling penting (nomor urut 1). Manajer tersebut memutuskan untuk mengambil 51 . Demikian seterusnya untuk data yang lain.Bab 4 Statistik Non Parametrik Berikut hasil penilaian tersebut: Responden 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Segar 1 1 1 2 3 4 1 1 1 2 2 1 1 1 Harum 3 3 4 1 1 1 3 4 2 3 3 3 3 3 Bahan 2 4 3 3 4 3 2 3 4 1 1 2 4 2 Warna 4 2 2 4 2 2 4 2 3 4 4 4 2 4 Pada baris pertama.5. kemudian atribut Bahan (nomor 2). Kasus: Seorang manajer produksi sedang mempertimbangkan pembelian tiga buah mesin untuk merakit komponen tertentu.3 Uji Cochran Uji Cochran digunakan untuk menguji tiga sampel atau lebih dengan catatan reaksi (hasil) terhadap suatu perlakuan hanya dinyatakan dalam dua nilai yaitu 0 dan 1. Oleh karena itu. 4.

yaitu 1 dan 0.6 UJI DATA TIGA SAMPEL ATAU LEBIH TIDAK BERHUBUNGAN (INDEPENDEN) 4. dan mesin C dengan 1. Perhatikan bahwa input data hanya dua. 4.6. Pada setiap mesin. tiap pekerja memberi penilaian sebagai berikut: • • 0 jika kinerja mesin dirasakan tidak memuaskan. dan masing-masing pekerja diminta bekerja dengan masing-masing dari ketiga mesin tersebut. Mesin B dengan 1 (memuaskan kinerjanya).Bab 4 Statistik Non Parametrik 10 orang pekerja sebagai sample. Demikian seterusnya untuk data yang lain.1 Kasus Uji Kruskal Walls 52 . 1 jika kinerja mesin dirasakan memuaskan Berikut hasil penilaian kesepuluh pekerja. Pekerja 1 2 3 4 5 6 7 8 9 10 Mesin A 0 1 0 1 1 1 0 0 0 1 Mesin B 1 1 0 0 1 1 0 1 0 1 Mesin C 1 0 0 1 0 1 1 1 0 1 Pekerja nomor satu menilai Mesin A adalah 0 (tidak memuaskan kinerjanya).

53 . Demikian seterusnya untuk data yang lain. pada baris 1 di atas menyatakan bahwa sampel nomor 1 lampu pijar merek A mempunyai masa hidup 200 jam.Bab 4 Statistik Non Parametrik Manajer produksi sebuah perusahaan lampu yang selama ini memproduksi tiga buah lampu pijar dengan merek A. Untuk itu diambil sejumlah sampel tertentu dari masing-masing merek lampu. ingin mengetahui apakah ada perbedaan mutu produk yang nyata di antara ketiga merek tersebut. B. dan C. Hasil pengujian (angka dalam hari). No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Masa 200 202 205 210 209 205 210 190 196 198 196 200 210 211 218 216 220 219 Merek Merk A Merk A Merk A Merk A Merk A Merk A Merk B Merk B Merk B Merk B Merk B Merk B Merk C Merk C Merk C Merk C Merk C Merk C Misal angka 200. kemudian diukur masa hidupnya.

1 Uji Median Uji Median juga sering dipergunakan sebagai pelengkap pada uji Kruskal Wallis.5. yang ingin diuji adalah apakah beberapa populasi mempunyai median (titik tengah) yang sama. Di dalam Uji Median.Bab 4 Statistik Non Parametrik 4. Kasus: Kasus sama dengan kasus di atas (uji perbedaan ketiga merek lampu pijar) 54 .

Sign up to vote on this title
UsefulNot useful