nonparametrik

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

yaitu Grup 1 dengan kategori <= 0.2 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 .Bab 4 Statistik Non Parametrik Gambar 4. Sedangkan Group 2 dengan kategori > 0 adalah hasil pelemparan 1 sebanyak 10 kali. Ini adalah hasil pelemparan 0 sebanyak 7 kali. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS.

Berikut hasil pengamatan tersebut (1 adalah Pria dan 2 adalah Wanita). atau dalam kasus ini pelemparan mata uang tersebut adalah fair.1.05. atau pelemparan mata uang di atas adalah benar-benar pelemparan yang fair. Untuk itu. Keputusan: Terlihat bahwa pada kolom Exact. hal atau simbol merupakan hasil proses yang acak (random).59 Hipotesis Ho = Populasi hasil sama dengan populasi yang dihipotesiskan. Hi = Populasi hasil tidak sama dengan populasi yang dihipotesiskan.05. seorang petugas ditempatkan di depan toko dan mencatat pengunjung yang masuk ke toko secara berurutan. 7 .Bab 4 Statistik Non Parametrik • • Proporsi untuk grup 1 = 7/15 dihasilkan 0. maka Ho ditolak. atau dalam kasus ini pelemparan mata uang tersebut adalah tidak fair. Maka Ho diterima. Pengambilan Keputusan • • Jika probabilitas > 0. pada prinsipnya ingin mengetahui apakah suatu rangkaian kejadian.05). Jika probabilitas < 0. Kasus: ALFA Department Store ingin mengetahui apakah pengunjung yang masuk ke toko bervariasi secara acak antara pria dan wanita. Sig/Exact significance dua sisi adalah 0. maka Ho diterima.2 Uji Runs (Runs Test) Uji Runs disebut juga uji sampel rangkaian tunggal.629 atau probabilitas di atas 0. 4.05 (0.41 Proporsi untuk grup 2 = 8/15 dihasilkan 0. digunakan untuk memeriksa keacakan.629 > 0.

1. 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. menghasilkan P yang berarti Pria yang masuk ke Department Store. Sekarang SPSS siap membuat variable baru yang diperlukan 8 . Buka lembar kerja baru. Demikian untuk data seterusnya.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. Pemasukan data ke SPSS Langkah-langkah: a. Pengamatan kedua. maka digunakan uji Runs. Dari menu utama File. menghasilkan nilai W yang berarti pengunjung kesatu yang masuk adalah Wanita. pilih menu New. Lalu klik Data. dan uji untuk menentukan keacakan.

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

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

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

Sig/Asymptotic significance dua sisi adalah 0.6 12 .05).9 200.9 205. maka Ho ditolak Keputusan: Terlihat bahwa pada kolom Asymp. maka Ho diterima Jika probabilitas < 0.6 205.7 208.3 Uji Kolmogorov-Smirnov Uji Kolmogorov-Smirnov dipakai untuk uji keselarasan data yang berskala minimal ordinal.8 205.867.6 204.867 > 0. Nomor 1 2 3 4 5 6 7 8 9 10 11 12 13 Berat 200.9 201. atau pola perolehan gender (pria atau wanita) yang masuk ke toko ditentukan melalui proses acak.4 204. atau probabilitas di atas 0.05.Bab 4 Statistik Non Parametrik Pengambilan Keputusan • • Jika probabilitas > 0.05 (0.1.5 205.8 208.5 200. Maka Ho diterima. 4.7 200. Kasus: Berikut sampel berat sabun cuci yang diproduksi PT Dangdut (angka dalam gram).05.

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. b. d. 1. Dari menu utama File. tempatkan pointer pada baris 1.6 203. Pengolahan data dengan SPSS 13 . Type. Untuk keseragaman.1 201. Buka lembar kerja baru. e.5 203. ketik 8 (sesuai default). pilih menu New. maka biarkan saja default numeric yang sudah ada. Lalu klik Data. Width. letakkan pointer di bawah kolom Name. Abaikan bagian yang lain. Abaikan bagian ini.Bab 4 Statistik Non Parametrik 14 15 16 17 18 207. Decimals. c. Pemasukan data ke SPSS Langkah-langkah: b. a. lalu klik ganda sel tersebut. dan skala pengukuran bukan nominal. Label. 3. Untuk keseragaman. dan ketik berat. Kemudian tekan CTRL+T untuk kembali ke DATA VIEW. Name.1 202. maka digunakan uji Kolmogorov-Smirnov. Oleh karena variable ini akan berisi data rasio. ketik 2. Sesuai kasus. Sekarang SPSS siap membuat variable baru yang diperlukan Pengisian: Variabel berat Oleh karena ini variable pertama.

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

Keputusan: Terlihat bahwa pada kolom Asymp.05 (0. Jika probabilitas < 0. maka Ho ditolak. Sig/Asymptotic significance dua sisi adalah 0.0056 dan = 2. karena adanya tanda ‘ ’ Pengambilan Keputusan: Jika probabilitas > 0.69 (Lihat hasil output SPSS).969.05. atau probabilitas di atas 0.969 > 0.05.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. maka Ho diterima. Maka Ho diterima.05). 15 . atau distribusi populasi berat sabun cuci PT DANGDUT adalah normal. Uji dilakukan dua sisi. Fo (x) atau distribusi populasi tidak normal.

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. 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. Sapi 30 buah. Oleh karena itu. Untuk itu dalam waktu satu minggu diamati pembelian mie instan di suatu outlet dan berikut hasilnya (angka dalam buah mie instan). 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. Bebek 25 buah.2 UJI CHI-SQUARE Dalam bahasan statistik non parametrik. karena untuk menguji apakah sebuah sampel selaras dengan salah satu distribusi teroritis (seperti distribusi normal. binomial dan lainnya). 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.Bab 4 Statistik Non Parametrik 4. uji ini dapat juga disebut uji keselarasan (goodness of fit test). udang 35 buah. 16 . Kambing 21 buah. uniform.

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

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

Untuk itu pilih variabel jumlah yang ada di kiri.Bab 4 Statistik Non Parametrik Proses Weight Cases Variabel rasa yang telah dikodifikasi. Dengan demikian. kemudian dilakukan proses weight cases untuk ‘menghubungkan’ dengan variable jumlah. Tampak di layar: Gambar 4.6 Kotak Dialog Weight Cases Pengisian: Karena akan dilakukan pembobotan pada kasus (weight cases). kemudian tekan tombol >. otomatis penyebutan ‘rasa’ akan mengacu pada ‘jumlah’ pembeli mie instan dengan rasa tertentu. maka variabel jumlah akan pindah ke pilihan frequency variable. Prosedur: • • Letakkan pointer pada kolom variable rasa. pilih menu Data. Kemudian tampak pilihan Frequency Variable atau variabel yang akan dihubungkan. Dari menu utama SPSS. kemudian pilih submenu Weight Cases…. Tampilan di layar: 19 . maka klik pilihan Weigth cases by.

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

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

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

Atau setidaknya sebuah rasa mie instant lebih disukai daripada setidaknya sebuah rasa yang lain. di mana dalam kasus adalah rasa mie instant). Chi-Square Hitung –lihat pada output SPSS. maka Ho diterima.0705 • Oleh karena Chi-Square Hitung < Chi-Square tabel.200 Sedang Chi-Square tabel dapat dihitung pada tabel Chi-Square. dengan = 5%. dan df = 5 (lihat output SPSS atau dari rumus k –1. 23 . maka Ho diterima • • • Jika Chi-Square Hitung > Chi-Square Tabel. maka Hi ditolak. Pada bagian pertama output. maka yang diharapkan sama rata.7 = 2. Hipotesis Ho : Sampel ditarik dari Populasi yang mengikuti distribusi seragam. Berdasarkan perbandingan Chi-Square Uji dan tabel. terlihat ada Expected N atau jumlah rasa mie instant yang diharapkan terbeli.7 (160 dibagi 6 rasa mie instant).adalah 6. Sedang kolom Residual adalah selisih antara jumlah yang dibeli dengan jumlah yang diharapkan (seperti pada baris pertama adalah 29 – 26. Atau 6 rasa mie instant yang ada disukai konsumen secara merata. yaitu 26. Hi : Sampel bukan berasal dari Populasi yang mengikuti distribusi seragam . Oleh karena dipakai distribusi yang seragam.3).Bab 4 Statistik Non Parametrik Analisis Terlihat ada dua bagian output. Jika Chi-Square Hitung < Chi-Square Tabel. Pengambilan Keputusan a. Di dapat Chi-Square tabel adalah 11.

3 UJI DATA DUA SAMPEL BERHUBUNGAN (DEPENDEN) 4. Penutup Uji keselarasan dalam kasus di atas adalah penerapan untuk uji keselarasan dengan distribusi uniform/seragam. Untuk input pola distribusi tertentu. Sig/Asymtotic significance adalah 0.3. Namun uji dapat diperluas dengan membandingkan dengan distribusi teoritis yang lain. binomial dan lainnya. : atau 6 rasa mie instant yang ada disukai konsumen secara merata. lalu masukkan angka/nilai yang dikehendaki.287. yaitu Ho diterima. atau probabilitas di bawah 0. dapat diambil kesimpulan yang sama. pilih option Values. kemudian tekan Add. Jika probabilitas < 0. Demikian pengisian berulang-ulang sampai sesuai dengan jumlah data. Dari kedua analisis di atas. pemasukan nilai 1 dan 2 (yang berjumlah 3) akan dimasukkan dalam output sebagai 1/3 dan 2/3.287 < 0. Di sini prosedur pengujian dan pemasukan input sama.1 Uji Peringkat-Bertanda Wilcoxon Kasus 24 . hanya distribusi teoritis atau dalam output SPSS disebut ‘expected N’ yang berbeda dalam pengisiannya. pada pilihan Expected Value.05. dari pengisian Chi-square di SPSS. 4. maka Ho diterima. seperti distribusi normal.05.05 (0. Keputusan: Terlihat bahwa pada kolom Asymp. Sebagai contoh. Hanya di sini diperhatikan bahwa nilai dihitung kumulatif oleh SPSS.Bab 4 Statistik Non Parametrik Gambar: b. poisson. maka Ho diterima. Berdasarkan Probabilitas • • Jika probabilitas > 0.05). maka Ho ditolak.

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

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

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

970 > .5% = 45% atau 0. Jika probabilitas < 0. Maka Ho ditolak.049.3. dan yang kedua sebelum ujian para dapat dengan bebas belajar secara berkelompok. maka kurva-kurva normal adalah 50% .2 Uji Tanda (Sign) Kasus: Seorang guru ingin mengetahui apakah ada perbedaan antara nilai ujian seorang Siswa pada mata ajar tertentu.05.45. maka probabilitas menjadi 0.). Pengambilan Keputusan. Pada tabel z. Di sini terdapat probabilitas di bawah 0. Oleh karena z output > z tabel (-1.0245. diadakan dua kali uji mata ajar. 4. untuk luas 0. Untuk itu. atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata untuk menurunkan berat badan.45 didapat angka z tabel sekitar –1.05 (0.05.049/2 = 0. jika ia belajar sendirian dan jika ia belajar berkelompok. pertama siswa belajar sendiri-sendiri. maka Ho diterima. Jika probabilitas > 0. Keputusan: Terlihat bahwa pada kolom asymp. . 28 . Sig.645 (tanda ‘-‘ menyesuaikan dengan angka z output.Bab 4 Statistik Non Parametrik keterangan SPSS yang menyatakan bahwa angka z didasarkan ada ranking yang positif (sama dengan perhitungan sebelumnya). Gambar: Dari kedua analisis di atas.0245 < 0.05). dapat diambil kesimpulan yang sama.yaitu Ho ditolak. Oleh karena kasus adalah uji satu sisi. atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata untuk menurunkan berat badan. maka Ho ditolak. maka Ho ditolak. (2-tailed)/asymptotic significance untuk uji dua sisi adalah 0. Sedang statistik tabel dapat dihitung pada tabel z dengan = 5%.

dan ketika belajar berkelompok ia mendapat nilai 78.Bab 4 Statistik Non Parametrik Berikut hasil nilai keduanya (angka dalam range nilai ( sampai 100). yaitu diukur ‘sendiri’ dan diukur ‘kelompok’. Maka digunakan uji nonparametrik dengan dua sampel yang diperiksa. Di sini data hanya sedikit dan dainggap tidak diketahui distribusi datanya (berdistribusi bebas). karena setiap subjek (dalam hal ini para siswa)) mendapat pengukuran-pengukuran yang sama. 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. Demikian seterusnya untuk data yang lain. 29 . Penyelesaian: Kasus di atas terdiri atas dua sampel yang berhubungan satu sama lain.

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

sesuai kasus pilih Two Related Samples…. 2. Abaikan bagian ini. Untuk keseragaman. Demikian selanjutnya untuk kelompok. kemudian pilih submenu Nonparametric Tests. 3. letakkan pointer pada baris 1 kolom tersebut. Label. lalu ketik menurun ke bawah sesuai data (17 data).Bab 4 Statistik Non Parametrik • • Decimals. Klik pilihan tersebut. pilih menu Analyze. ketik 0. Mengisi data • Untuk mengisi kolom sendiri. • Jika pengisian benar. Hal ini berarti tidak ada desimal dalam pemasukan data.13 Kotak Dialog Two-Related Samples 31 . maka terlihat data seperti pada awal Kasus. Dari serangkaian pilihan test untuk nonparametric. maka tampak di layar: Gambar 4. Pengolahan data dengan SPSS Langkah-langkah: • • Dari menu utama SPSS.

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

bukan ingin mengetahui cara mana yang lebih bagus dalam menaikkan nilai. baik jika ia belajar sendiri ataupun jika ia belajar kelompok. Keputusan Terlihat bahwa pada kolom Exact. 4.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.05. di mana Y adalah ‘sendiri’ dan X adalah ‘kelompok’.424. Perhatikan pengujian pada kasus ini yang menggunakan uji dua sisi. Di sini terdapat probabilitas di atas 0.424 > 0. Atau dapat dikatakan nilai Siswa jika ia belajar sendiri berbeda secara nyata dengan jika ia belajar berkelompok. Keterangan: ‘perbedaan’ adalah perbedaan setiap pasangan hasil pengukuran (Y – X).05. Maka Ho diterima. (2-tailed)/significance untuk uji dua sisi adalah 0. karena yang dicari adalah apakah ada perbedaan nilai karena perbedaan cara belajar. • • Jika probabilitas > 0.3 Uji McNemar 33 . Jika probabilitas < 0. maka pengambilan keputusan berdasarkan probabilitas saja. Oleh karena dalam output hanya menyajikan nilai probabilitas. maka Ho diterima. Hi = Median Populasi ‘perbedaan’ tidak sama dengan nol. maka Hi ditolak. 9 data dengan perbedaan positif dan 3 data dengan perbedaan data nol (pasangan data sama nilainya atau ties).05). Dari 17 data pada output SPSS terlihat ada 5 data dengan perbedaan negatif. atau sesungguhnya tidak ada perbedaan yang nyata pada nilai ujian seorang siswa.3.05 (0.Sig. Pengambilan Keputusan.

Sikap responden sebelum presentasi MLM: Sikap Positif (1) ada 6 orang. yaitu 1 untuk sikap yang positif terhadap MLM. 34 . Sikap Negatif (0) ada 9 orang. . Berikut adalah hasil lengkap persepsi responden: Keterangan: Terlihat pada kolom Total paling kanan terdapat angka 6 dan 9 seperti penjelasan terdahulu. kembali mereka ditanya sikap mereka. Kasus: Sebuah perusahaan yang memasarkan produknya dengan cara multi level (MLM/Multi Level Marketing). Sikap mereka dibagi dua. Hasilnya sebagai berikut. Biasanya uji McNemar disajikan dalam bentuk tabel kontingensi (selalu dalam bentuk tabel kontingensi 2x2 atau 2 baris dan 2 kolom). ingin mengetahui apakah beberapa presentasi mengenai MLM yang benar mampu mengubah persepsi masyarakat terhadap MLM selama ini. dan setelah presentasi. terlebih dahulu dikumpulkan 15 responden yang diambil acak. dan kepada mereka ditanya pendapat mereka tentang bisnis secara MLM. apakah berubah ataukah tetap seperti semula.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). Untuk itu. 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. sedangkan dalam SPSS input data tetap dalam baris dan kolom. dan 0 untuk sikap yang negatif.

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

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

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

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

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

Berdasarkan Angka z Dasar pengambilan keputusan sama dengan uji z: Jika Statisitk Hitung (angka z output) > Statistik Tabel (tabel z). Mencari z hitung: Rumus z hitung: Di mana b dan c adalah nilai pada tabel kontingensi yang tidak ‘konsisten’ .5%). maka Ho diterima. a. b.475. dapat diambil kesimpulan yang sama. Jika Statisitk Hitung (angka z output) < Statistik Tabel (tabel z). dengan = 5% dan uji duas sisi (5% dibagi dua menjadi 2. maka luas kurva normal adalah 50% . maka Ho diterima. 40 . Oleh karena z hitung < z tabel ( > 1.96.05. Dari kedua analisis di atas. yaitu Ho diterima atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM secara nyata. Dalam kasus ini b dan c adalah jumlah responden yang semula bersikap 0 menjadi 1 atau sebaliknya. Oleh karena uji dua sisi.2. maka pada tabel z.05. maka Ho ditolak. Jika probabilitas < 0. maka Ho diterima. maka Hi ditolak.5% atau 0. Maka Mencari z tabel: Z tabel dapat dihitung pada tabel z.96). Terlihat angka tersebut adalah b = 5 dan c = 1. untuk luas 0. statistik uji McNemar dapat disamakan dengan mencari z hitung.5% = 47.475 didapat angka z tabel sekitar +1. Pengambilan Keputusan berdasarkan probabilitas • • Jika probabilitas > 0. Pengambilan Keputusan Dalam hal ini.Bab 4 Statistik Non Parametrik yang bersikap positif-negatif sebelum diberi presentasi adalah berbeda secara nyata dengan sesudah diberi presentasi.

219 > 0.Bab 4 Statistik Non Parametrik Keputusan Terlihat bahwa pada kolom Exact. Berikut hasil kedua kelompok (angka dalam jumlah paket obat yang terjual dalam sebulan). 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.Sig.219. Maka Ho diterima.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.4. 4.4 UJI DATA DUA SAMPEL TIDAK BERHUBUNGAN (INDEPENDEN) 4.05 (0. Di sini terdapat probabilitas di atas 0.05). Untuk itu. 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 . atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM secara nyata.

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

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

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

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

05). Jika probabilitas < 0. atau 46 . atau probabilitas di atas 0.Sig.05 (0. Maka Ho diterima. Pengambilan Keputusan • • Jika probabilitas > 0. Keputusan Terlihat bahwa pada kolom Exact.096 > 0. (2-tailed)/significance untuk uji dua sisi adalah 0.096. maka Ho diterima.05.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. maka Ho ditolak.05.

. uji untuk mengetahui ada tidaknya perbedaan yang signifikan untuk dua sample yang independent juga dapat dilakukan dengan uji Kolmogorov-Smirnov.4. 4. 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 kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan.2 Uji Kolmogorov-Smirnov Selain uji dengan uji Mann-Whitney.

05. atau kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan. (2-tailed)/significance untuk uji dua sisi adalah 0.Sig. maka Ho diterima. Jika probabilitas < 0. maka Ho ditolak.05). Maka Ho diterima.4. 4.05.05 (0.480.480 > 0.3 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. 48 . atau probabilitas di atas 0. Keputusan Terlihat bahwa pada kolom Exact.Bab 4 Statistik Non Parametrik Pengambilan Keputusan • • Jika probabilitas > 0. Pada uji Wald-Wolfowitz ini dibahas contoh kasus yang sama dengan uji MannWhitney.

05. Dapat juga dikatakan kedua sample mempunyai distribusi – distribusi identik.5. baik untuk rangkaian minimum (0. Berikut adalah hasil penilaian kesepuluh orang terhadap paket yang ditawarkan: 49 .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 > 0.355) maupun rangkaian maksimum (0. Nilai yang diberikan ditentukan antara 0 sampai 100. Keputusan Terlihat bahwa pada kolom Exact.957) adalah di atas 0. Untuk mengetahui bagaimana tanggapan konsumen terhadap keempat paket tersebut. Maka Ho diterima.05.1 Uji Friedman Kasus: Restoran FAST FOOD ingin meluncurkan empat paket masakan dengan nama paket 1. 4. dan kemudian memberikan penilaian pada tiap-tiap paket. (2-tailed)/significance untuk uji satu sisi. dan paket 4.05.Sig. sejumlah 10 orang (sampel) dipersilakan mencicipi keempat jenis paket tersebut. atau kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan. maka Ho diterima. maka Ho ditolak. paket 3.5 UJI DATA TIGA SAMPEL ATAU LEBIH BERHUBUNGAN (DEPENDEN) 4. paket 2. Jika probabilitas < 0.

50 . Warna Kemudian diambil sebuah sampel yang terdiri atas 14 orang responden. perusahaan menetapkan empat atribut.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. dengan angka 1 paling penting dan angka 4 paling tidak penting. Masingmasing responden diminta memberi penilaian pada 4 atribut sabun mandi tersebut. Bahan tertentu 4.2 Uji Keselarasan (Konkordansi) Kendall Uji keselarasan Kendall digunakan untuk mengetahui sejauh mana dua himpunan peringkat-peringkat dan n individu selaras ataukah tidak. yaitu: 1. Kasus: Sebuah perusahaan yang ingin mengeluarkan produk sabun mandi baru ingin mengetahui atribut apa saja yang diinginkan konsumen dalam mengkonsumsi pasta gigi. Kesegaran 2. Keharuman 3.5. 4. Untuk itu.

kemudian atribut Bahan (nomor 2). Demikian seterusnya untuk data yang lain. responden nomor satu menilai atribut Segar sebagai yang paling penting (nomor urut 1). Kasus: Seorang manajer produksi sedang mempertimbangkan pembelian tiga buah mesin untuk merakit komponen tertentu. Manajer tersebut memutuskan untuk mengambil 51 . 4.3 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 1.5. Uji Cochran dilakukan pada penelitian untuk uji sample yang mempunyai data berskala nominal (kategori). Oleh karena itu. atribut Harum (nomor 3) dan yang paling tidak penting adalah atribut Warna (nomor 4).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.

Mesin B dengan 1 (memuaskan kinerjanya). tiap pekerja memberi penilaian sebagai berikut: • • 0 jika kinerja mesin dirasakan tidak memuaskan. dan mesin C dengan 1. Pada setiap mesin.6. 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).6 UJI DATA TIGA SAMPEL ATAU LEBIH TIDAK BERHUBUNGAN (INDEPENDEN) 4. 4.1 Kasus Uji Kruskal Walls 52 . Perhatikan bahwa input data hanya dua. Demikian seterusnya untuk data yang lain. dan masing-masing pekerja diminta bekerja dengan masing-masing dari ketiga mesin tersebut. 1 jika kinerja mesin dirasakan memuaskan Berikut hasil penilaian kesepuluh pekerja.Bab 4 Statistik Non Parametrik 10 orang pekerja sebagai sample. yaitu 1 dan 0.

Untuk itu diambil sejumlah sampel tertentu dari masing-masing merek lampu. 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. kemudian diukur masa hidupnya. B. ingin mengetahui apakah ada perbedaan mutu produk yang nyata di antara ketiga merek tersebut. Hasil pengujian (angka dalam hari). 53 .Bab 4 Statistik Non Parametrik Manajer produksi sebuah perusahaan lampu yang selama ini memproduksi tiga buah lampu pijar dengan merek A. 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. dan C.

Kasus: Kasus sama dengan kasus di atas (uji perbedaan ketiga merek lampu pijar) 54 . yang ingin diuji adalah apakah beberapa populasi mempunyai median (titik tengah) yang sama. Di dalam Uji Median.Bab 4 Statistik Non Parametrik 4.1 Uji Median Uji Median juga sering dipergunakan sebagai pelengkap pada uji Kruskal Wallis.5.

Sign up to vote on this title
UsefulNot useful