Professional Documents
Culture Documents
BAB 4
STATISTIK NON PARAMETRIK
1
Bab 4 Statistik Non Parametrik
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 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 Hasil
1 0
2 0
3 1
4 1
5 1
6 0
7 0
8 1
9 0
10 1
11 0
12 1
13 1
14 0
15 1
16 1
17 1
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.
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:
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
Bab 4 Statistik Non Parametrik
Output SPSS
Analisis:
Terlihat pada output ada dua grup, yaitu Grup 1 dengan kategori <= 0. Ini adalah
hasil pelemparan 0 sebanyak 7 kali. Sedangkan Group 2 dengan kategori > 0 adalah
hasil pelemparan 1 sebanyak 10 kali.
Kolom Observed Proportion adalah:
6
Bab 4 Statistik Non Parametrik
Pengambilan Keputusan
• Jika probabilitas > 0.05, maka Ho diterima.
• Jika probabilitas < 0.05, maka Ho ditolak.
Keputusan:
Terlihat bahwa pada kolom Exact, Sig/Exact significance dua sisi adalah 0.629
atau probabilitas di atas 0.05 (0.629 > 0.05). Maka Ho diterima, atau pelemparan
mata uang di atas adalah benar-benar pelemparan yang fair.
7
Bab 4 Statistik Non Parametrik
Pengamatan ke Gender
1 2
2 1
3 2
4 2
5 2
6 2
7 1
8 1
9 1
10 2
11 1
12 2
13 1
14 2
15 2
Penyelesaian:
Oleh karena akan menguji suatu kejadian yang hanya menghasilkan dua jenis
output, dan uji untuk menentukan keacakan, maka digunakan uji Runs.
8
Bab 4 Statistik Non Parametrik
Pengisian:
Variabel gender
Oleh karena ini variabel pertama, tempatkan pointer pada baris 1.
• Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda
sel tersebut, dan ketik gender.
• Type. Oleh karena variabel ini akan berisi data rasio, maka biarkan saja
default numeric yang sudah ada.
• Width. Untuk keseragaman, ketik 8 (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
Untuk mengisi kolom gender, letakkan pointer pada baris 1 kolom tersebut, lalu ketik
menurun ke bawah sesuai data (15 data).
Kemudian simpan data di atas dengan nama Runs.
9
Bab 4 Statistik Non Parametrik
Pengisian:
• Test Variable List atau Variabel yang akan diuji. Oleh karena disini akan
diuji hanya satu variabel, maka klik variabel gender, kemudian klik tanda ‘>’
(yang sebelah atas), maka variable gender berpindah ke Test Variable List.
• Untuk kolom Cut Point, dalam kasus pilih Custom (ditentukan sendiri), dan
sesuai kasus ketik 2.
Tampak di layer
10
Bab 4 Statistik Non Parametrik
Output SPSS
Analisis:
Hipotesis
Ho : Pola perolehan gender (pria atau wanita) yang masuk ke toko ditentukan melalui
proses acak.
Hi : Pola perolehan gender (pria atau wanita) yang masuk ke toko tidak acak.
11
Bab 4 Statistik Non Parametrik
Pengambilan Keputusan
• Jika probabilitas > 0.05, maka Ho diterima
• Jika probabilitas < 0.05, maka Ho ditolak
Keputusan:
Terlihat bahwa pada kolom Asymp. Sig/Asymptotic significance dua sisi adalah
0.867, atau probabilitas di atas 0.05 (0.867 > 0.05). Maka Ho diterima, atau pola
perolehan gender (pria atau wanita) yang masuk ke toko ditentukan melalui proses
acak.
Nomor Berat
1 200.5
2 200.7
3 200.8
4 205.5
5 205.6
6 205.7
7 208.8
8 208.9
9 200.9
10 201.9
11 205.6
12 204.4
13 204.6
12
Bab 4 Statistik Non Parametrik
14 207.1
15 201.6
16 203.1
17 202.5
18 203.9
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, dan skala
pengukuran bukan nominal, maka digunakan uji Kolmogorov-Smirnov.
1. Pemasukan data ke SPSS
Langkah-langkah:
b. Buka lembar kerja baru.
Dari menu utama File, pilih menu New. Lalu klik Data. Sekarang SPSS siap
membuat variable baru yang diperlukan
Pengisian:
Variabel berat
Oleh karena ini variable pertama, tempatkan pointer pada baris 1.
a. Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda
sel tersebut, dan ketik berat.
b. Type. Oleh karena variable ini akan berisi data rasio, maka biarkan saja
default numeric yang sudah ada.
c. Width. Untuk keseragaman, ketik 8 (sesuai default).
d. Decimals. Untuk keseragaman, ketik 2.
e. Label. Abaikan bagian ini.
Abaikan bagian yang lain. Kemudian tekan CTRL+T untuk kembali ke DATA
VIEW.
13
Bab 4 Statistik Non Parametrik
Langkah-langkah:
• Buka lembar kerja/file Kolmogorov-Smirnov sesuai kasus di atas, atau jika
sudah terbuka ikuti prosedur berikut.
• Dari menu utama SPSS, pilih menu Analyze, kemudian pilih submenu
Nonparametric Tests.
• Dari serangkaian pilihan test untuk nonparametric, sesuai kasus pilih 1 Sample
K-S untuk uji satu sampel. Klik pilihan tersebut, maka tampak di layar:
Pengisian:
• Test Variable List atau Variabel yang akan diuji. Oleh karena disini akan
diuji hanya satu variabel, maka klik variabel berat, kemudian klik tanda ‘>’
(yang sebelah atas), maka variabel berat berpindah ke Test Variabel List.
• Untuk Test Type atau tipe uji, karena dalam kasus akan diuji distribusi
normal ataukah tidak, maka klik pilihan Normal. Sedang pilihan uji yang lain
diabaikan.
14
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 = 204.0056 dan = 2.69 (Lihat hasil output SPSS).
Hi : F (x) Fo (x) atau distribusi populasi tidak normal.
Uji dilakukan dua sisi, karena adanya tanda ‘ ’
Pengambilan Keputusan:
Jika probabilitas > 0.05, maka Ho diterima.
Jika probabilitas < 0.05, maka Ho ditolak.
Keputusan:
Terlihat bahwa pada kolom Asymp. Sig/Asymptotic significance dua sisi adalah
0.969, atau probabilitas di atas 0.05 (0.969 > 0.05). Maka Ho diterima, atau distribusi
populasi berat sabun cuci PT DANGDUT adalah normal.
15
Bab 4 Statistik Non Parametrik
Rasa Jumlah
Ayam 29
Sapi 30
Kambing 21
Bebek 25
Udang 35
Ikan 20
Angka di atas berarti dalam seminggu ada pembelian 160 mie instan dengan rasa
ayam terbeli sebanyak 29 buah, Sapi 30 buah, Kambing 21 buah, Bebek 25 buah,
udang 35 buah, Ikan 20 buah.
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.
16
Bab 4 Statistik Non Parametrik
Penyelesaian:
Oleh karena akan menguji apakah sebuah sampel mengikuti distribusi tertentu,
maka didigunakan uji Chi-Square.
17
Bab 4 Statistik Non Parametrik
Variabel jumlah
Oleh karena ini variable kedua, tempatkan pointer pada baris 2.
• Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda
sel tersebut, dan ketik jumlah.
• Type. Oleh karena variable expense akan berisi data rasio, maka biarkan
saja default numeric yang sudah ada.
• Width. Untuk keseragaman, ketik 8 (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
Untuk mengisi kolom rasa: Sebelum mengisi data, arahkan pointer ke menu utama
SPSS, lalu pilih menu View, kemudian klik submenu Value Label (terlihat Value
Label aktif dengan adanya tanda di sebelah kiri submenu tersebut).
Kegunaan pengaktifan View (melihat) Value Label terkait dengan prosedur berikut
ini:
• Pada data kasus, terlihat angka pertama 29 adalah pembelian untuk rasa Ayam.
Sedang pada pengisian variabel, variabel ayam bertanda 1. Maka pada baris
pertama kolom kelompok, ketik 1. Terlihat secara otomatis SPSS mengubahnya
menjadi keterangan ‘ayam’. Hal ini terjadi karena pengaktifan Value Label.
• Demikian untuk data selanjutnya, pemasukan data dengan menggunakan angka
1, 2, 3, atau 4 sesuai keterangan yang dikehendaki. Jangan memasukkan
kalimat (huruf) dalam pengisian data yang bersifat numerik, karena SPSS akan
menolaknya.
18
Bab 4 Statistik Non Parametrik
19
Bab 4 Statistik Non Parametrik
20
Bab 4 Statistik Non Parametrik
Pengisian:
• Test Variable List atau Variabel yang akan diuji. Oleh karena disini akan
diuji hanya satu variable, maka klik variabel rasa, kemudian klik tanda ‘>’
(yang sebelah atas), maka variable berat berpindah ke Test Variable List.
• Untuk kolom Expected Range, karena akan dihitung dari data kasus, maka
pilih Get from data (atau karena itu adalah pilihan default, jika sudah terpilih,
biarkan saja).
• Untuk kolom Expected Value, karena distribusinya adalah uniform (semua
kemungkinan rasa adalah sama, lihat penjelasan di awal kasus), maka pilih
All Categories equal.
Tampak di layar:
21
Bab 4 Statistik Non Parametrik
Output SPSS
22
Bab 4 Statistik Non Parametrik
Analisis
Terlihat ada dua bagian output. Pada bagian pertama output, terlihat ada Expected
N atau jumlah rasa mie instant yang diharapkan terbeli. Oleh karena dipakai
distribusi yang seragam, maka yang diharapkan sama rata, yaitu 26.7 (160 dibagi 6
rasa mie instant). Sedang kolom Residual adalah selisih antara jumlah yang dibeli
dengan jumlah yang diharapkan (seperti pada baris pertama adalah 29 – 26.7 =
2.3).
Hipotesis
Ho : Sampel ditarik dari Populasi yang mengikuti distribusi seragam. Atau 6 rasa mie
instant yang ada disukai konsumen secara merata.
Hi : Sampel bukan berasal dari Populasi yang mengikuti distribusi seragam . Atau
setidaknya sebuah rasa mie instant lebih disukai daripada setidaknya sebuah rasa
yang lain.
Pengambilan Keputusan
a. Berdasarkan perbandingan Chi-Square Uji dan tabel.
Jika Chi-Square Hitung < Chi-Square Tabel, maka Ho diterima
• Jika Chi-Square Hitung > Chi-Square Tabel, maka Hi ditolak.
• Chi-Square Hitung –lihat pada output SPSS- adalah 6.200
• Sedang Chi-Square tabel dapat dihitung pada tabel Chi-Square, dengan = 5%,
dan df = 5 (lihat output SPSS atau dari rumus k –1, di mana dalam kasus adalah
rasa mie instant). Di dapat Chi-Square tabel adalah 11.0705
• Oleh karena Chi-Square Hitung < Chi-Square tabel, maka Ho diterima.
23
Bab 4 Statistik Non Parametrik
Gambar:
b. Berdasarkan Probabilitas
• Jika probabilitas > 0.05, maka Ho diterima.
• Jika probabilitas < 0.05, maka Ho ditolak.
Keputusan:
Terlihat bahwa pada kolom Asymp, Sig/Asymtotic significance adalah 0.287, atau
probabilitas di bawah 0.05 (0.287 < 0.05), maka Ho diterima.
Dari kedua analisis di atas, dapat diambil kesimpulan yang sama, yaitu Ho diterima, :
atau 6 rasa mie instant yang ada disukai konsumen secara merata.
Penutup
Uji keselarasan dalam kasus di atas adalah penerapan untuk uji keselarasan dengan
distribusi uniform/seragam. Namun uji dapat diperluas dengan membandingkan
dengan distribusi teoritis yang lain, seperti distribusi normal, poisson, binomial dan
lainnya. Di sini prosedur pengujian dan pemasukan input sama, hanya distribusi
teoritis atau dalam output SPSS disebut ‘expected N’ yang berbeda dalam
pengisiannya.
Untuk input pola distribusi tertentu, dari pengisian Chi-square di SPSS, pada pilihan
Expected Value, pilih option Values, lalu masukkan angka/nilai yang dikehendaki,
kemudian tekan Add. Demikian pengisian berulang-ulang sampai sesuai dengan
jumlah data. Hanya di sini diperhatikan bahwa nilai dihitung kumulatif oleh SPSS.
Sebagai contoh, pemasukan nilai 1 dan 2 (yang berjumlah 3) akan dimasukkan
dalam output sebagai 1/3 dan 2/3.
24
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,
yaitu diukur ‘sebelum’ dan diukur ‘sesudah’. Di sini data hanya sedikit dan dianggap
tidak diketahui distribusi datanya (berdistribusi bebas). Maka digunakan uji
nonparametric dengan dua sample yang dependen.
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 variable baru yang diperlukan
Pengisian:
Variable 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 gender.
• Type. Oleh karena variable ini akan berisi data rasio, maka biarkan saja
default numeric yang sudah ada.
• Width. Untuk keseragaman, ketik 8 (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
Untuk mengisi kolom gender, letakkan pointer pada baris 1 kolom tersebut, lalu ketik
menurun ke bawah sesuai data (15 data).
Kemudian simpan data di atas dengan nama Runs.
25
Bab 4 Statistik Non Parametrik
• Buka lembar kerja/file Runs sesuai kasus di atas, atau jika sudah terbuka ikuti
prosedur berikut.
• Dari menu utama SPSS, pilih menu Statistics, kemudian pilih submenu
Nonparametric Tests.
• Dari serangkaian pilihan test untuk nonparametric, sesuai kasus pilih Runs….
Klik pilihan tersebut, maka tampak di layar:
Gambar 6.4 Kotak Dialog Runs
Pengisian:
• Test Variable List atau Variabel yang akan diuji. Oleh karena disini akan
diuji hanya satu variable, maka klik variable gender, kemudian klik tanda ‘>’
(yang sebelah atas), maka variable berat berpindah ke Test Variable List.
• Untuk kolom Cut Point, dalam kasus pilih Custom (ditentukan sendiri), dan
sesuai kasus ketik 2.
Hipotesis:
Ho = Median populasi beda-beda adalah sama atau lebih besar dari nol. Atau dapat
dikatakan Obt tersebut tidak mempunyai efek berarti pada penurunan berat badan
sukarelawan.
Hi = Median populasi beda-beda lebih kecil dari nol, atau Obat tersebut mempunyai
efek yang berarti pada penurunan berat badan sukarelawan.
Perhatikan pengujian pada kasus ini yang menggunakan uji satu sisi, karena yang
dicari adalah apakah berat badan sukarelawan menurun ataukah tidak. Jadi bukan
‘berat badan berbeda ataukah tidak’.
26
Bab 4 Statistik Non Parametrik
Pengambilan Keputusan
Dengan membandingkan Statistik Hitung dengan Statistik Tabel.
Jika Statistik Hitung < Statistik Tabel, maka Ho ditolak.
Jika Statistik Hitung > Statistik Tabel, maka Ho diterima.
Statistik Hitung
Menghitung T (statistik uji) dari Wilcoxon:
Dari output terlihat bahwa dari delapan data, 6 data mempunyai beda-beda negatif,
dua bertanda positif dan tidak ada yang sama (ties). Dalam uji Wilcoxon, yang
dipakai adalah jumlah beda-beda yang paling kecil, karena itu dalam kasus ini
diambil beda-beda yang positif, yaitu 4 (lihat output pada kolom ‘sum of ranks’). Dari
angka ini didapat statistik uji Wilcoxon (T) adalah 4.
Keterangan: Tabel Wilcoxon dapat dilihat pada buku statistik non parametrik yang
relevan.
Statistik Tabel
Dengan melihat tabel Wilcoxon (dapat dilihat pada lampiran atau buku-buku statistik
yang relevan), untuk n (jumlah data) = 8, uji satu sisi dan tingkat signifikansi ( ) =
5%, maka didapat Statistik tabel Wilcoxon = 6.
Keputusan:
Oleh karena Statistik Hitung < Statistik Tabel (4 < 6), maka Ho ditolak.
Berdasarkan angka Z.
Dasar pengembilan keputusan sama dengan uji z:
Jika Statisitk Hitung (angka z output) > Statistik Tabel (tabel z), maka Ho ditolak.
Jika Statisitk Hitung (angka z output) > Statistik Tabel (tabel z), maka Ho diterima.
Di sini perhitungan sama dengan analisis pertama, hanya angka T hitung dalam hal
ini disetarakan dengan z, yang didapat –lihat output- adalah –1.970. Perhatikan
27
Bab 4 Statistik Non Parametrik
keterangan SPSS yang menyatakan bahwa angka z didasarkan ada ranking yang
positif (sama dengan perhitungan sebelumnya).
Sedang statistik tabel dapat dihitung pada tabel z dengan = 5%, maka kurva-kurva
normal adalah 50% - 5% = 45% atau 0.45. Pada tabel z, untuk luas 0.45 didapat
angka z tabel sekitar –1.645 (tanda ‘-‘ menyesuaikan dengan angka z output.
Oleh karena z output > z tabel (-1.970 > - ), maka Ho ditolak.
Gambar:
Dari kedua analisis di atas, dapat diambil kesimpulan yang sama, ,yaitu Ho ditolak,
atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata
untuk menurunkan berat badan.
Pengambilan Keputusan.
Jika probabilitas > 0.05, maka Ho diterima.
Jika probabilitas < 0.05, maka Ho ditolak.
Keputusan:
Terlihat bahwa pada kolom asymp. Sig. (2-tailed)/asymptotic significance untuk uji
dua sisi adalah 0.049. Oleh karena kasus adalah uji satu sisi, maka probabilitas
menjadi 0.049/2 = 0.0245. Di sini terdapat probabilitas di bawah 0.05 (0.0245 <
0.05). Maka Ho ditolak, atau Obat penurun Berat Badan tersebut memang
mempunyai efek yang nyata untuk menurunkan berat badan.
28
Bab 4 Statistik Non Parametrik
Berikut hasil nilai keduanya (angka dalam range nilai ( sampai 100).
No Sendiri Kelompok
1 80 78
2 82 85
3 84 82
4 86 78
5 80 84
6 84 89
7 83 83
8 81 81
9 82 90
10 80 78
11 83 85
12 84 82
13 82 86
14 81 91
15 80 80
16 79 89
17 75 79
Baris pertama menerangkan murid nomor 1 mendapat nilai 80 ketika belajar sendiri,
dan ketika belajar berkelompok ia mendapat nilai 78. Demikian seterusnya untuk
data yang lain.
Penyelesaian:
Kasus di atas terdiri atas dua sampel yang berhubungan satu sama lain, karena
setiap subjek (dalam hal ini para siswa)) mendapat pengukuran-pengukuran yang
sama, yaitu diukur ‘sendiri’ dan diukur ‘kelompok’. Di sini data hanya sedikit dan
dainggap tidak diketahui distribusi datanya (berdistribusi bebas). Maka digunakan uji
nonparametrik dengan dua sampel yang diperiksa.
29
Bab 4 Statistik Non Parametrik
Variabel kelompok
Oleh karena ini variabel kedua, tempatkan pointer pada baris 2.
• Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda
sel tersebut, dan ketik kelompok.
• Type. Oleh karena variable ini akan berisi data rasio, maka biarkan saja
default numeric yang sudah ada.
• Width. Untuk keseragaman, ketik 8 (sesuai default).
30
Bab 4 Statistik Non Parametrik
• Decimals. Untuk keseragaman, ketik 0. Hal ini berarti tidak ada desimal
dalam pemasukan data.
• Label. Abaikan bagian ini.
2. Mengisi data
• Untuk mengisi kolom sendiri, letakkan pointer pada baris 1 kolom tersebut, lalu
ketik menurun ke bawah sesuai data (17 data). Demikian selanjutnya untuk
kelompok.
• Jika pengisian benar, maka terlihat data seperti pada awal Kasus.
31
Bab 4 Statistik Non Parametrik
Pengisian:
• Test Variable List atau Variabel yang akan diuji. Oleh karena disini ada dua
variabel, maka klik variabel sendiri, kemudian klik tanda ‘>’ (yang sebelah
atas), maka terlihat pada kolom Current Selection (di bawah kedua nama
variabel), pada bagian Variable 1, terdapat kata ‘sendiri’. Hal ini menunjukkan
variabel ‘sendiri’ menjadi variabel pertama.
• Demikian juga untuk variabel kelompok, klik sekali lagi pada tanda ‘>’. Maka
terlihat pada kolom Current Selection (di bawah kedua nama variabel),
pada bagian variabel 2, terdapat kata ‘kelompok’. Hal ini menunjukkan
variabel ‘kelompok’ menjadi variabel kedua.
• Perhatikan adanya tanda ‘kelompok – sendiri’ pada kotak Test Pair(s) List.
Hal ini menunjukkan uji dua sampel berhubungan dapat dilakukan.
• Untuk Test Type atau tipe uji, karena dalam kasus akan diuji dengan Sign,
maka klik pilihan Sign. Sedang 2 pilihan yang lain diabaikan saja.
Tekan OK untuk mengakhiri pengisian prosedur analisis. Terlihat SPSS melakukan
pekerjaan analisis dan terlihat output SPSS.
32
Bab 4 Statistik Non Parametrik
Analisis:
Hipotesis
Ho = Median Populasi ‘perbedaan’ adalah sama dengan nol. Atau dapat dikatakan
Nilai Siswa jika ia belajar sendiri tidak berbeda dengan jika ia belajar berkelompok.
Hi = Median Populasi ‘perbedaan’ tidak sama dengan nol. Atau dapat dikatakan nilai
Siswa jika ia belajar sendiri berbeda secara nyata dengan jika ia belajar
berkelompok.
Perhatikan pengujian pada kasus ini yang menggunakan uji dua sisi, karena yang
dicari adalah apakah ada perbedaan nilai karena perbedaan cara belajar, bukan
ingin mengetahui cara mana yang lebih bagus dalam menaikkan nilai.
Pengambilan Keputusan.
Dari 17 data pada output SPSS terlihat ada 5 data dengan perbedaan negatif, 9 data
dengan perbedaan positif dan 3 data dengan perbedaan data nol (pasangan data
sama nilainya atau ties).
Oleh karena dalam output hanya menyajikan nilai probabilitas, maka pengambilan
keputusan berdasarkan probabilitas saja.
• Jika probabilitas > 0.05, maka Ho diterima.
• Jika probabilitas < 0.05, maka Hi ditolak.
Keputusan
Terlihat bahwa pada kolom Exact.Sig. (2-tailed)/significance untuk uji dua sisi adalah
0.424. Di sini terdapat probabilitas di atas 0.05 (0.424 > 0.05). Maka Ho diterima,
atau sesungguhnya tidak ada perbedaan yang nyata pada nilai ujian seorang siswa,
baik jika ia belajar sendiri ataupun jika ia belajar kelompok.
33
Bab 4 Statistik Non Parametrik
Berbeda dengan Uji Wilcoxon atau Sign Test, ,Uji McNemar mensyaratkan adanya
skala pengukuran data nominal atau kategori binary (seperti 1 untuk ‘tidak’ dan 0
untuk ‘ya’ dan contoh lainnya). Biasanya uji McNemar disajikan dalam bentuk tabel
kontingensi (selalu dalam bentuk tabel kontingensi 2x2 atau 2 baris dan 2 kolom),
sedangkan dalam SPSS input data tetap dalam baris dan kolom.
Kasus:
Sebuah perusahaan yang memasarkan produknya dengan cara multi level
(MLM/Multi Level Marketing), ingin mengetahui apakah beberapa presentasi
mengenai MLM yang benar mampu mengubah persepsi masyarakat terhadap MLM
selama ini. Untuk itu, terlebih dahulu dikumpulkan 15 responden yang diambil acak,
dan kepada mereka ditanya pendapat mereka tentang bisnis secara MLM. Sikap
mereka dibagi dua, yaitu 1 untuk sikap yang positif terhadap MLM, dan 0 untuk sikap
yang negatif.
Kemudian kepada mereka diberi beberapa presentasi secara intensif, dan setelah
presentasi, kembali mereka ditanya sikap mereka, apakah berubah ataukah tetap
seperti semula. Berikut adalah hasil lengkap persepsi responden:
Keterangan:
Terlihat pada kolom Total paling kanan terdapat angka 6 dan 9 seperti penjelasan
terdahulu.
34
Bab 4 Statistik Non Parametrik
Lihat baris dua (Positif). Dari 6 responden yang sebelumnya bersikap positif, setelah
menghadiri presentasi, 5 diantaranya tetap bersikap positif terhadap MLM (lihat titik
temu positif-positif yang berisi angka). Sedang 1 responden berubah sikap dari
positif ke negatif (lihat titik temuj positif-negatif yang berisi angka 1).
Lihat baris tiga (negatif). Dari 9 responden yang sebelumnya bersikap negatif,
setelah menghadiri presentasi, 4 diantaranya tetap bersikap bersikap negatif
terhadap MLM (lihat titik temu negatif-negatif yang berisi angka 4). Sedang 5
responden berubah sikap dari negatif ke positif (lihat titik temu negatif-positif yang
berisi angka 5).
Ini adalah tabel kontingensi dari kasus di atas, dimana akan dilihat apakah
presentasi MLM oleh perusahaan berpengaruh terhadap perubahan sikap
responden.
Untuk itu tabel kontingensi di atas dapat diubah bentuknya menjadi demikian:
35
Bab 4 Statistik Non Parametrik
Keterangan:
• Ada lima responden yang sebelum presentasi bersikap positif dan sesudah
presentasi tetap positif. Jadi, sebelum dan sesudah sikap tetap 1 (positif). Itu
adalah input untuk responden nomor 1, 2, 3, 4 dan 5.
• Ada satu responden yang sebelum presentasi bersikap positif (1) dan sesudah
presentasi menjadi negatif (0). Itu adalah input untuk responden nomor 6.
• Ada lima responden yang sebelum presentasi bersikap negatif (0) dan sesudah
presentasi menjadi positif (1). Itu adalah input untuk responden nomor 7, 8, 9,
10 dan 11.
• Ada empat responden yang sebelum presentasi bersikap negatif dan sesudah
presentasi tetap negatif. Jadi, sebelum dan sesudah sikapp tetap 0 (negatif). Itu
adalah input untuk responden nomor 12, 13, 14 dan 15.
Jika pengisian benar, maka pada kolom sebelum, total ada 6 sikap positif dan 9
negatif. Sedangkan pada kolom sesudah, total terdapat 10 sikap positif dan 5 sikap
negatif. Hasil ini sama dengan kolom total pada tabel kontingensi di depan.
Penyelesaian:
Kasus di atas terdiri atas dua sampel yang berhubungan satu sama lain, karena
setiap subjek (dalam hal ini para responden) mendapat pengukuran-pengukuran
yang sama, yaitu diukur ‘positif’ dan diukur ‘negatif’. Di sini data hanya sedikit dan
dianggap tidak diketahui distribusi datanya (berdistribusi bebas). Maka digunakan uji
nonparametric dengan dua sampel yang dependen.
36
Bab 4 Statistik Non Parametrik
Langkah berikutnya adalah membuat nama untuk setiap variable baru, jenis
data, label data dan sebagainya.
Untuk itu klik tab sheet Variable View yang ada di bagian kiri bawah. Tampilan
variable View dapat juga diambil dari menu View lalu submenu Variable, atau
langsung tekan CTRL+T.
Pengisian:
Variabel sebelum
Oleh karena ini variabel pertama, tempatkan pointer pada baris 1.
• Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda
sel tersebut, dan ketik sebelum.
• Type. Oleh karena variabel ini akan berisi data rasio, maka biarkan saja
default numeric yang sudah ada.
• Width. Untuk keseragaman, ketik 8 (sesuai default).
• Decimals. Untuk keseragaman, ketik 0. Hal ini berarti tidak ada desimal
dalam pemasukan data.
• Label. Abaikan bagian ini.
Variabel sesudah
Oleh karena ini variabel kedua, tempatkan pointer pada baris 2.
a. Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda
sel tersebut, dan ketik sesudah.
b. Type. Oleh karena variable ini akan berisi data rasio, maka biarkan saja
default numeric yang sudah ada.
c. Width. Untuk keseragaman, ketik 8 (sesuai default).
d. Decimals. Untuk keseragaman, ketik 0. Hal ini berarti tidak ada desimal
dalam pemasukan data.
e. Label. Abaikan bagian ini.
37
Bab 4 Statistik Non Parametrik
• Dari menu utama SPSS, pilih menu Statistics, kemudian pilih submenu
Nonparametric Tests.
• Dari serangkaian pilihan test untuk nonparametric, sesuai kasus pilih 2 Related
Samples…. Klik pilihan tersebut, maka tampak di layar:
Pengisian:
• Test Variable List atau Variabel yang akan diuji. Oleh karena disini ada dua
variabel, maka klik variabel sebelum, kemudian klik tanda ‘>’ (yang sebelah
atas), maka terlihat pada kolom Current Selection (di bawah kedua nama
variabel), pada bagian Variable 1, terdapat kata ‘sebelum’. Hal ini
menunjukkan variabel ‘sebelum’ menjadi variabel pertama.
• Demikian juga untuk variabel sesudah, klik sekali lagi pada tanda ‘>’. Maka
terlihat pada kolom Current Selection (di bawah kedua nama variabel),
pada bagian variabel 2, terdapat kata ‘sesudah’. Hal ini menunjukkan
variabel ‘sesudah’ menjadi variabel kedua.
• Perhatikan adanya tanda ‘sebelum .. sesudah’ pada kotak Test Pair(s)
List. Hal ini menunjukkan uji dua sampel berhubungan dapat dilakukan.
38
Bab 4 Statistik Non Parametrik
• Untuk Test Type atau tipe uji, klik pada pilihan McNemar. Sedang pilihan uji
yang lain diabaikan saja, dan jika ada dinonaktifkan.
Tekan OK untuk mengakhiri pengisian prosedur analisis. Terlihat SPSS melakukan
pekerjaan analisis dan terlihat output SPSS.
Analisis:
Perhatikan output SPSS yang membuat tabel kontingensi, dengan 0 adalah sikap
negatif dan 1 adalah sikap positif. Tabel di atas sama dengan tabel kontingensi di
awal kasus. Hanya SPSS selalu mendahulukan angka yang lebih kecil (0 kemudian
1), sehingga urutan pada SPSS agak berbeda dengan input tabel pada kasus (yang
mendahulukan sikap positif/1). Namun hasil tetap sama.
Hipotesis
Ho = Proporsi subjek-subjek dengan karakteristik yang diminati akibat kedua
kondisi/perlakuan adalah sama besar. Atau dalam ksus ini Proporsi responden yang
bersikap positif-negatif sebelum diberi presentasi adalah sama dengan sesudah
diberi presentasi.
Hi = Proporsi subjek-subjek dengan karakteristik yang diminati akibat kedua
kondisi/perlakuan adalah tidak sama besar. Atau dalam ksus ini Proporsi responden
39
Bab 4 Statistik Non Parametrik
yang bersikap positif-negatif sebelum diberi presentasi adalah berbeda secara nyata
dengan sesudah diberi presentasi.
Pengambilan Keputusan
Dalam hal ini, statistik uji McNemar dapat disamakan dengan mencari z hitung.
a. Berdasarkan Angka z
Dasar pengambilan keputusan sama dengan uji z:
Jika Statisitk Hitung (angka z output) > Statistik Tabel (tabel z), maka Ho ditolak.
Jika Statisitk Hitung (angka z output) < Statistik Tabel (tabel z), maka Ho diterima.
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. Terlihat angka tersebut adalah b = 5 dan c = 1.
Maka
Mencari z tabel:
Z tabel dapat dihitung pada tabel z, dengan = 5% dan uji duas sisi (5% dibagi dua
menjadi 2.5%), maka luas kurva normal adalah 50% - 2.5% = 47.5% atau 0.475.
Oleh karena uji dua sisi, maka pada tabel z, untuk luas 0.475 didapat angka z tabel
sekitar +1.96.
Oleh karena z hitung < z tabel ( > 1.96), maka Ho diterima.
Dari kedua analisis di atas, dapat diambil kesimpulan yang sama, yaitu Ho diterima
atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM secara
nyata.
40
Bab 4 Statistik Non Parametrik
Keputusan
Terlihat bahwa pada kolom Exact.Sig. (2-tailed)/significance untuk uji dua sisi
adalah 0.219. Di sini terdapat probabilitas di atas 0.05 (0.219 > 0.05). Maka Ho
diterima, atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM
secara nyata.
Wiraniaga Kelompok
1 30 tanpa pelatihan
2 24 tanpa pelatihan
3 26 tanpa pelatihan
4 27 tanpa pelatihan
5 29 tanpa pelatihan
6 20 tanpa pelatihan
7 23 tanpa pelatihan
8 25 tanpa pelatihan
9 18 tanpa pelatihan
41
Bab 4 Statistik Non Parametrik
10 14 tanpa pelatihan
11 16 pelatihan
12 30 pelatihan
13 32 pelatihan
14 35 pelatihan
15 27 pelatihan
16 25 pelatihan
17 29 Pelatihan
Penyelesaian:
Kasus di atas terdiri atas dua sampel yang bebas satu dengan yang lain, yaitu
Wiraniaga yang tidak mendapat pelatihan dan Wiraniaga yang menjalani pelatihan.
Di sini data hanya sedikit dan dianggap tidak diketahui distribusi datanya
(berdistribusi bebas). Maka digunakan uji nonparametrik dengan dua sampel yang
independen.
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 variable baru yang diperlukan
Pengisian:
Variabel wiraniaga
Oleh karena ini variable pertama, tempatkan pointer pada baris 1.
a. Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda
sel tersebut, dan ketik sales.
b. Type. Oleh karena variabel ini akan berisi data rasio, maka biarkan saja
default numeric yang sudah ada.
c. Width. Untuk keseragaman, ketik 8 (sesuai default).
d. Decimals. Untuk keseragaman, ketik 0.
e. Label. Abaikan bagian ini.
Abaikan bagian yang lain.
42
Bab 4 Statistik Non Parametrik
Variabel kelompok
Oleh karena variable kedua, tempatkan pointer pada baris 2.
a. Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda
sel tersebut, dan ketik kelompok.
b. Type. Oleh karena variabel ini akan berisi data rasio, maka biarkan saja
default numeric yang sudah ada.
c. Width. Untuk keseragaman, ketik 1 (sesuai default).
d. Decimals. Untuk keseragaman, ketik 0.
e. Label. Abaikan bagian ini.
f. Values. Pilihan ini untuk proses pemberian kode.
Pengisian:
• Value, ketik 1.
• Value Label, ketik tanpa pelatihan.
Pengisian Lanjutan
• Value, ketik 2.
• Value Label, ketik pelatihan.
43
Bab 4 Statistik Non Parametrik
Pengisian:
• Test Variable List atau Variabel yang akan diuji. Oleh karena disini akan
diuji data penjualan wiraniaga, maka klik variabel sales, kemudian klik tanda
‘>’ (yang sebelah atas), maka variabel sales berpindah ke Test Variable List.
• Grouping Variable atau variabel grup. Oleh karena variabel
pengelompokkan ada pada variabel kelompok, maka klik variabel kelompok,
kemudian klik tanda ‘>’ (yang sebelah bawah), maka variabel berat
berpindah ke Groping Variable. Tampak di layar.
Tampak di layar:
44
Bab 4 Statistik Non Parametrik
Gambar 4.12 Kotak Dialog Two Independent Samples Tests yang telah terisi
45
Bab 4 Statistik Non Parametrik
Output SPSS:
Analisis
Hipotesis
Ho = Kedua populasi identik (Data penjualan kedua kelompok 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 > 0.05, maka Ho diterima.
• Jika probabilitas < 0.05, maka Ho ditolak.
Keputusan
Terlihat bahwa pada kolom Exact.Sig. (2-tailed)/significance untuk uji dua sisi
adalah 0.096, atau probabilitas di atas 0.05 (0.096 > 0.05). Maka Ho diterima, atau
46
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
Bab 4 Statistik Non Parametrik
Pengambilan Keputusan
• Jika probabilitas > 0.05, maka Ho diterima.
• Jika probabilitas < 0.05, maka Ho ditolak.
Keputusan
Terlihat bahwa pada kolom Exact.Sig. (2-tailed)/significance untuk uji dua sisi
adalah 0.480, atau probabilitas di atas 0.05 (0.480 > 0.05). Maka Ho diterima, atau
kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda
dengan kinerja kelompok wiraniaga yang mendapat pelatihan.
Pada uji Wald-Wolfowitz ini dibahas contoh kasus yang sama dengan uji Mann-
Whitney.
48
Bab 4 Statistik Non Parametrik
Pengambilan Keputusan
• Jika probabilitas > 0.05, maka Ho diterima.
• Jika probabilitas < 0.05, maka Ho ditolak.
Keputusan
Terlihat bahwa pada kolom Exact.Sig. (2-tailed)/significance untuk uji satu sisi,
baik untuk rangkaian minimum (0.355) maupun rangkaian maksimum (0.957) adalah
di atas 0.05. Maka Ho diterima, atau kinerja Penjualan kelompok wiraniaga yang
tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang
mendapat pelatihan. Dapat juga dikatakan kedua sample mempunyai distribusi –
distribusi identik.
49
Bab 4 Statistik Non Parametrik
Akan diteliti apakah keempat paket tersebut mempunyai mutu (nilai) yang sama.
Kemudian diambil sebuah sampel yang terdiri atas 14 orang responden. Masing-
masing responden diminta memberi penilaian pada 4 atribut sabun mandi tersebut,
dengan angka 1 paling penting dan angka 4 paling tidak penting.
50
Bab 4 Statistik Non Parametrik
Pada baris pertama, responden nomor satu menilai atribut Segar sebagai yang
paling penting (nomor urut 1), kemudian atribut Bahan (nomor 2), atribut Harum
(nomor 3) dan yang paling tidak penting adalah atribut Warna (nomor 4). Demikian
seterusnya untuk data yang lain.
51
Bab 4 Statistik Non Parametrik
Pekerja nomor satu menilai Mesin A adalah 0 (tidak memuaskan kinerjanya). Mesin
B dengan 1 (memuaskan kinerjanya), dan mesin C dengan 1. Demikian seterusnya
untuk data yang lain. Perhatikan bahwa input data hanya dua, yaitu 1 dan 0.
52
Bab 4 Statistik Non Parametrik
Manajer produksi sebuah perusahaan lampu yang selama ini memproduksi tiga
buah lampu pijar dengan merek A, B, dan C, ingin mengetahui apakah ada
perbedaan mutu produk yang nyata di antara ketiga merek tersebut.
Untuk itu diambil sejumlah sampel tertentu dari masing-masing merek lampu,
kemudian diukur masa hidupnya.
Hasil pengujian (angka dalam hari).
No Masa Merek
1 200 Merk A
2 202 Merk A
3 205 Merk A
4 210 Merk A
5 209 Merk A
6 205 Merk A
7 210 Merk B
8 190 Merk B
9 196 Merk B
10 198 Merk B
11 196 Merk B
12 200 Merk B
13 210 Merk C
14 211 Merk C
15 218 Merk C
16 216 Merk C
17 220 Merk C
18 219 Merk C
Misal angka 200, pada baris 1 di atas menyatakan bahwa sampel nomor 1 lampu
pijar merek A mempunyai masa hidup 200 jam. Demikian seterusnya untuk data
yang lain.
53
Bab 4 Statistik Non Parametrik
54