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

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

Maka Ho diterima.629 > 0. Kasus: ALFA Department Store ingin mengetahui apakah pengunjung yang masuk ke toko bervariasi secara acak antara pria dan wanita. Jika probabilitas < 0. maka Ho ditolak. Pengambilan Keputusan • • Jika probabilitas > 0. seorang petugas ditempatkan di depan toko dan mencatat pengunjung yang masuk ke toko secara berurutan. atau pelemparan mata uang di atas adalah benar-benar pelemparan yang fair. Hi = Populasi hasil tidak sama dengan populasi yang dihipotesiskan. pada prinsipnya ingin mengetahui apakah suatu rangkaian kejadian. hal atau simbol merupakan hasil proses yang acak (random). Keputusan: Terlihat bahwa pada kolom Exact.Bab 4 Statistik Non Parametrik • • Proporsi untuk grup 1 = 7/15 dihasilkan 0.05.05).629 atau probabilitas di atas 0.59 Hipotesis Ho = Populasi hasil sama dengan populasi yang dihipotesiskan. Berikut hasil pengamatan tersebut (1 adalah Pria dan 2 adalah Wanita). 7 . Untuk itu. atau dalam kasus ini pelemparan mata uang tersebut adalah tidak fair.1.2 Uji Runs (Runs Test) Uji Runs disebut juga uji sampel rangkaian tunggal. maka Ho diterima.41 Proporsi untuk grup 2 = 8/15 dihasilkan 0. Sig/Exact significance dua sisi adalah 0. digunakan untuk memeriksa keacakan.05. atau dalam kasus ini pelemparan mata uang tersebut adalah fair. 4.05 (0.

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

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

Bab 4 Statistik Non Parametrik Gambar 4.3 Kotak Dialog Runs Pengisian: • Test Variable List atau Variabel yang akan diuji. dalam kasus pilih Custom (ditentukan sendiri). dan sesuai kasus ketik 2. Tampak di layer 10 . maka variable gender berpindah ke Test Variable List. kemudian klik tanda ‘>’ (yang sebelah atas). maka klik variabel gender. • Untuk kolom Cut Point. Oleh karena disini akan diuji hanya satu variabel.

Output SPSS Analisis: Hipotesis Ho : Pola perolehan gender (pria atau wanita) yang masuk ke toko ditentukan melalui proses acak. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. 11 .Bab 4 Statistik Non Parametrik Gambar 4.4 Kotak Dialog Runs Test yang telah terisi Tekan OK untuk mengakhiri pengisian prosedur analisis. Hi : Pola perolehan gender (pria atau wanita) yang masuk ke toko tidak acak.

9 200.05.867.1. Nomor 1 2 3 4 5 6 7 8 9 10 11 12 13 Berat 200. Kasus: Berikut sampel berat sabun cuci yang diproduksi PT Dangdut (angka dalam gram).Bab 4 Statistik Non Parametrik Pengambilan Keputusan • • Jika probabilitas > 0. Maka Ho diterima.7 208.6 204.6 12 .8 205.05.7 200. atau probabilitas di atas 0.8 208. atau pola perolehan gender (pria atau wanita) yang masuk ke toko ditentukan melalui proses acak. Sig/Asymptotic significance dua sisi adalah 0.3 Uji Kolmogorov-Smirnov Uji Kolmogorov-Smirnov dipakai untuk uji keselarasan data yang berskala minimal ordinal.867 > 0.5 200.9 201. 4.5 205.05).05 (0. maka Ho diterima Jika probabilitas < 0.9 205.6 205. maka Ho ditolak Keputusan: Terlihat bahwa pada kolom Asymp.4 204.

Oleh karena variable ini akan berisi data rasio. Pemasukan data ke SPSS Langkah-langkah: b. Sesuai kasus. Untuk keseragaman. Buka lembar kerja baru. Abaikan bagian ini. ketik 8 (sesuai default). dan skala pengukuran bukan nominal. letakkan pointer di bawah kolom Name. lalu klik ganda sel tersebut. pilih menu New. Width. d. Dari menu utama File. dan ketik berat. Type. 1. Untuk keseragaman. maka digunakan uji Kolmogorov-Smirnov. Decimals.1 201. tempatkan pointer pada baris 1.5 203. a. c. e. maka biarkan saja default numeric yang sudah ada. Abaikan bagian yang lain.6 203.9 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. Sekarang SPSS siap membuat variable baru yang diperlukan Pengisian: Variabel berat Oleh karena ini variable pertama. ketik 2.1 202. Pengolahan data dengan SPSS 13 . Lalu klik Data. 3.Bab 4 Statistik Non Parametrik 14 15 16 17 18 207. Name. Label. Kemudian tekan CTRL+T untuk kembali ke DATA VIEW. b.

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

atau probabilitas di atas 0. karena adanya tanda ‘ ’ Pengambilan Keputusan: Jika probabilitas > 0.969. Jika probabilitas < 0. maka Ho diterima.05. 15 . Sig/Asymptotic significance dua sisi adalah 0. Keputusan: Terlihat bahwa pada kolom Asymp. atau distribusi populasi berat sabun cuci PT DANGDUT adalah normal.69 (Lihat hasil output SPSS).05.05).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) = 204.05 (0. Uji dilakukan dua sisi. Fo (x) atau distribusi populasi tidak normal. maka Ho ditolak. Maka Ho diterima.969 > 0.0056 dan = 2.

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. 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.Bab 4 Statistik Non Parametrik 4. Oleh karena itu. Kambing 21 buah. karena untuk menguji apakah sebuah sampel selaras dengan salah satu distribusi teroritis (seperti distribusi normal. uniform. 16 . udang 35 buah. Rasa Ayam Sapi Kambing Bebek Udang Ikan Jumlah 29 30 21 25 35 20 Angka di atas berarti dalam seminggu ada pembelian 160 mie instan dengan rasa ayam terbeli sebanyak 29 buah. Sapi 30 buah.2 UJI CHI-SQUARE Dalam bahasan statistik non parametrik. uji ini dapat juga disebut uji keselarasan (goodness of fit test). Bebek 25 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. Untuk itu dalam waktu satu minggu diamati pembelian mie instan di suatu outlet dan berikut hasilnya (angka dalam buah mie instan). binomial dan lainnya).

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

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

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

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

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

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

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

pada pilihan Expected Value. binomial dan lainnya. lalu masukkan angka/nilai yang dikehendaki. maka Ho diterima.05. hanya distribusi teoritis atau dalam output SPSS disebut ‘expected N’ yang berbeda dalam pengisiannya. maka Ho ditolak. Demikian pengisian berulang-ulang sampai sesuai dengan jumlah data. kemudian tekan Add.3 UJI DATA DUA SAMPEL BERHUBUNGAN (DEPENDEN) 4. poisson. Berdasarkan Probabilitas • • Jika probabilitas > 0. 4. pemasukan nilai 1 dan 2 (yang berjumlah 3) akan dimasukkan dalam output sebagai 1/3 dan 2/3.287.Bab 4 Statistik Non Parametrik Gambar: b.05). Sig/Asymtotic significance adalah 0. pilih option Values. Namun uji dapat diperluas dengan membandingkan dengan distribusi teoritis yang lain. dapat diambil kesimpulan yang sama.05 (0. Di sini prosedur pengujian dan pemasukan input sama. Penutup Uji keselarasan dalam kasus di atas adalah penerapan untuk uji keselarasan dengan distribusi uniform/seragam. Untuk input pola distribusi tertentu. Keputusan: Terlihat bahwa pada kolom Asymp. Jika probabilitas < 0. atau probabilitas di bawah 0.287 < 0. Sebagai contoh. maka Ho diterima.3. seperti distribusi normal.1 Uji Peringkat-Bertanda Wilcoxon Kasus 24 . yaitu Ho diterima. Dari kedua analisis di atas. : atau 6 rasa mie instant yang ada disukai konsumen secara merata. Hanya di sini diperhatikan bahwa nilai dihitung kumulatif oleh SPSS.05. dari pengisian Chi-square di SPSS.

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

maka variable berat berpindah ke Test Variable List. dalam kasus pilih Custom (ditentukan sendiri). pilih menu Statistics. Output SPSS dan Analisis: Hipotesis: Ho = Median populasi beda-beda adalah sama atau lebih besar dari nol. maka klik variable gender. maka tampak di layar: Gambar 6.4 Kotak Dialog Runs Pengisian: • Test Variable List atau Variabel yang akan diuji. Dari menu utama SPSS. Keterangan: ‘beda-beda’ adalah perbedaan setiap pasangan hasil pengukuran (Y – X) dimana Y adalah ‘sesudah’ dan X adalah ‘sebelum’. Tekan OK untuk mengakhiri pengisian prosedur analisis. atau Obat tersebut mempunyai efek yang berarti pada penurunan berat badan sukarelawan. kemudian klik tanda ‘>’ (yang sebelah atas). atau jika sudah terbuka ikuti prosedur berikut. 26 . dan sesuai kasus ketik 2. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. • Untuk kolom Cut Point. karena yang dicari adalah apakah berat badan sukarelawan menurun ataukah tidak. Hi = Median populasi beda-beda lebih kecil dari nol. Atau dapat dikatakan Obt tersebut tidak mempunyai efek berarti pada penurunan berat badan sukarelawan. Dari serangkaian pilihan test untuk nonparametric. Oleh karena disini akan diuji hanya satu variable. Perhatikan pengujian pada kasus ini yang menggunakan uji satu sisi. Klik pilihan tersebut. kemudian pilih submenu Nonparametric Tests. Jadi bukan ‘berat badan berbeda ataukah tidak’. sesuai kasus pilih Runs….Bab 4 Statistik Non Parametrik • • • Buka lembar kerja/file Runs sesuai kasus di atas.

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

yaitu Ho ditolak. Jika probabilitas > 0. 4. maka kurva-kurva normal adalah 50% . .05 (0. maka Ho ditolak.Bab 4 Statistik Non Parametrik keterangan SPSS yang menyatakan bahwa angka z didasarkan ada ranking yang positif (sama dengan perhitungan sebelumnya). jika ia belajar sendirian dan jika ia belajar berkelompok.2 Uji Tanda (Sign) Kasus: Seorang guru ingin mengetahui apakah ada perbedaan antara nilai ujian seorang Siswa pada mata ajar tertentu. Di sini terdapat probabilitas di bawah 0. diadakan dua kali uji mata ajar.45 didapat angka z tabel sekitar –1.970 > .5% = 45% atau 0. maka Ho ditolak. untuk luas 0.05. maka probabilitas menjadi 0.45. dan yang kedua sebelum ujian para dapat dengan bebas belajar secara berkelompok. Untuk itu. atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata untuk menurunkan berat badan. (2-tailed)/asymptotic significance untuk uji dua sisi adalah 0. pertama siswa belajar sendiri-sendiri. Jika probabilitas < 0. Maka Ho ditolak. dapat diambil kesimpulan yang sama.05). Oleh karena kasus adalah uji satu sisi. Sedang statistik tabel dapat dihitung pada tabel z dengan = 5%. maka Ho diterima. Sig.0245.0245 < 0. atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata untuk menurunkan berat badan. Gambar: Dari kedua analisis di atas. 28 . Keputusan: Terlihat bahwa pada kolom asymp. Oleh karena z output > z tabel (-1.05.).049/2 = 0.3. Pada tabel z.645 (tanda ‘-‘ menyesuaikan dengan angka z output. Pengambilan Keputusan.049.

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

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

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

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

di mana Y adalah ‘sendiri’ dan X adalah ‘kelompok’.3.05 (0. karena yang dicari adalah apakah ada perbedaan nilai karena perbedaan cara belajar. Jika probabilitas < 0.Bab 4 Statistik Non Parametrik Analisis: Hipotesis Ho = Median Populasi ‘perbedaan’ adalah sama dengan nol. • • Jika probabilitas > 0. 9 data dengan perbedaan positif dan 3 data dengan perbedaan data nol (pasangan data sama nilainya atau ties).Sig. Di sini terdapat probabilitas di atas 0.05. Pengambilan Keputusan. Keputusan Terlihat bahwa pada kolom Exact. baik jika ia belajar sendiri ataupun jika ia belajar kelompok.424. Keterangan: ‘perbedaan’ adalah perbedaan setiap pasangan hasil pengukuran (Y – X). Dari 17 data pada output SPSS terlihat ada 5 data dengan perbedaan negatif. Hi = Median Populasi ‘perbedaan’ tidak sama dengan nol. Perhatikan pengujian pada kasus ini yang menggunakan uji dua sisi. Oleh karena dalam output hanya menyajikan nilai probabilitas. (2-tailed)/significance untuk uji dua sisi adalah 0. Atau dapat dikatakan Nilai Siswa jika ia belajar sendiri tidak berbeda dengan jika ia belajar berkelompok. Maka Ho diterima.424 > 0.05. maka pengambilan keputusan berdasarkan probabilitas saja. atau sesungguhnya tidak ada perbedaan yang nyata pada nilai ujian seorang siswa.3 Uji McNemar 33 . Atau dapat dikatakan nilai Siswa jika ia belajar sendiri berbeda secara nyata dengan jika ia belajar berkelompok. maka Ho diterima.05). bukan ingin mengetahui cara mana yang lebih bagus dalam menaikkan nilai. 4. maka Hi ditolak.

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

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

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

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

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

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

dengan = 5% dan uji duas sisi (5% dibagi dua menjadi 2. maka Hi ditolak. yaitu Ho diterima atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM secara nyata. Mencari z hitung: Rumus z hitung: Di mana b dan c adalah nilai pada tabel kontingensi yang tidak ‘konsisten’ . Pengambilan Keputusan Dalam hal ini. maka Ho diterima.475.5% atau 0.2. a. dapat diambil kesimpulan yang sama.5% = 47. 40 . Maka Mencari z tabel: Z tabel dapat dihitung pada tabel z.96. maka Ho diterima.05. Berdasarkan Angka z Dasar pengambilan keputusan sama dengan uji z: Jika Statisitk Hitung (angka z output) > Statistik Tabel (tabel z). maka Ho diterima.96).475 didapat angka z tabel sekitar +1. Oleh karena uji dua sisi.Bab 4 Statistik Non Parametrik yang bersikap positif-negatif sebelum diberi presentasi adalah berbeda secara nyata dengan sesudah diberi presentasi. b. Jika Statisitk Hitung (angka z output) < Statistik Tabel (tabel z). untuk luas 0. maka luas kurva normal adalah 50% . Dari kedua analisis di atas. Terlihat angka tersebut adalah b = 5 dan c = 1. Oleh karena z hitung < z tabel ( > 1. statistik uji McNemar dapat disamakan dengan mencari z hitung. Pengambilan Keputusan berdasarkan probabilitas • • Jika probabilitas > 0.05. maka Ho ditolak. Jika probabilitas < 0. maka pada tabel z. Dalam kasus ini b dan c adalah jumlah responden yang semula bersikap 0 menjadi 1 atau sebaliknya.5%).

(2-tailed)/significance untuk uji dua sisi adalah 0.4 UJI DATA DUA SAMPEL TIDAK BERHUBUNGAN (INDEPENDEN) 4. Di sini terdapat probabilitas di atas 0. atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM secara nyata. 4.05).4. Maka Ho diterima. Berikut hasil kedua kelompok (angka dalam jumlah paket obat yang terjual dalam sebulan).05 (0. 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 .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.Bab 4 Statistik Non Parametrik Keputusan Terlihat bahwa pada kolom Exact.219 > 0. Untuk itu. kepada sekelompok wiraniaga diberikan pelatihan Kewiraniagaan dan kemudian kinerja mereka dibandingkan dengan wiraniaga lainnya yang tidak diberi pelatihan.219.Sig.

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

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

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

Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. Gambar 4. tekan Continue untuk melanjutkan ke menu sebelumnya. Untuk Group 2.13 Kotak Dialog Define Groups yang telah terisi Setelah pengisian selesai.12 Kotak Dialog Two Independent Samples Tests yang telah terisi Pengisian grup: Klik Define Group…. 45 .Bab 4 Statistik Non Parametrik Gambar 4. isi dengan 2. yang berarti Grup 1 berisi tanda 1 atau ‘tanpa training’. yang berarti Grup 2 berisi tanda 2 atau ‘training’. Tekan OK untuk mengakhiri pengisian prosedur analisis.Tampak di layar: • • Untuk Group 1. isi dengan 1.

atau probabilitas di atas 0. 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). Pengambilan Keputusan • • Jika probabilitas > 0.05 (0. Hi = Kedua populasi tidak identik atau berbeda dalam hal lokasi (Data Penjualan kedua kelompok Wiraniaga memang berbeda secara signifikan. maka Ho ditolak. Maka Ho diterima. Jika probabilitas < 0. (2-tailed)/significance untuk uji dua sisi adalah 0.Sig.05). Keputusan Terlihat bahwa pada kolom Exact.096 > 0. atau 46 .096.05.

Pada uji Kolmogorov ini dibahas contoh kasus yang sama dengan uji Mann-Whitney.2 Uji Kolmogorov-Smirnov Selain uji dengan uji Mann-Whitney. 4. uji untuk mengetahui ada tidaknya perbedaan yang signifikan untuk dua sample yang independent juga dapat dilakukan dengan uji Kolmogorov-Smirnov..4. 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.

Jika probabilitas < 0.05 (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. 4.4. Pada uji Wald-Wolfowitz ini dibahas contoh kasus yang sama dengan uji MannWhitney. Maka Ho diterima.05.Bab 4 Statistik Non Parametrik Pengambilan Keputusan • • Jika probabilitas > 0.480. maka Ho ditolak.05).480 > 0.05. Keputusan Terlihat bahwa pada kolom Exact. atau probabilitas di atas 0. maka Ho diterima. 48 . atau kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan.Sig. (2-tailed)/significance untuk uji dua sisi adalah 0.

Keputusan Terlihat bahwa pada kolom Exact.Sig.957) adalah di atas 0.05. Nilai yang diberikan ditentukan antara 0 sampai 100.05. (2-tailed)/significance untuk uji satu sisi. maka Ho ditolak. Jika probabilitas < 0. baik untuk rangkaian minimum (0.5 UJI DATA TIGA SAMPEL ATAU LEBIH BERHUBUNGAN (DEPENDEN) 4. Untuk mengetahui bagaimana tanggapan konsumen terhadap keempat paket tersebut.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. paket 2. Dapat juga dikatakan kedua sample mempunyai distribusi – distribusi identik. sejumlah 10 orang (sampel) dipersilakan mencicipi keempat jenis paket tersebut.5.1 Uji Friedman Kasus: Restoran FAST FOOD ingin meluncurkan empat paket masakan dengan nama paket 1.05. maka Ho diterima. dan paket 4. Maka Ho diterima.355) maupun rangkaian maksimum (0. Berikut adalah hasil penilaian kesepuluh orang terhadap paket yang ditawarkan: 49 . paket 3. atau kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan. dan kemudian memberikan penilaian pada tiap-tiap paket. 4.

4. Untuk itu. perusahaan menetapkan empat atribut. Kasus: Sebuah perusahaan yang ingin mengeluarkan produk sabun mandi baru ingin mengetahui atribut apa saja yang diinginkan konsumen dalam mengkonsumsi pasta gigi. 50 . Masingmasing responden diminta memberi penilaian pada 4 atribut sabun mandi tersebut. dengan angka 1 paling penting dan angka 4 paling tidak penting. yaitu: 1.2 Uji Keselarasan (Konkordansi) Kendall Uji keselarasan Kendall digunakan untuk mengetahui sejauh mana dua himpunan peringkat-peringkat dan n individu selaras ataukah tidak. Warna Kemudian diambil sebuah sampel yang terdiri atas 14 orang responden.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. Kesegaran 2. Bahan tertentu 4. Keharuman 3.5.

Manajer tersebut memutuskan untuk mengambil 51 . kemudian atribut Bahan (nomor 2).5.3 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. 4. responden nomor satu menilai atribut Segar sebagai yang paling penting (nomor urut 1). Uji Cochran dilakukan pada penelitian untuk uji sample yang mempunyai data berskala nominal (kategori). Oleh karena itu. Demikian seterusnya untuk data yang lain.Bab 4 Statistik Non Parametrik Berikut hasil penilaian tersebut: Responden 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Segar 1 1 1 2 3 4 1 1 1 2 2 1 1 1 Harum 3 3 4 1 1 1 3 4 2 3 3 3 3 3 Bahan 2 4 3 3 4 3 2 3 4 1 1 2 4 2 Warna 4 2 2 4 2 2 4 2 3 4 4 4 2 4 Pada baris pertama. atribut Harum (nomor 3) dan yang paling tidak penting adalah atribut Warna (nomor 4). Kasus: Seorang manajer produksi sedang mempertimbangkan pembelian tiga buah mesin untuk merakit komponen tertentu.

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

pada baris 1 di atas menyatakan bahwa sampel nomor 1 lampu pijar merek A mempunyai masa hidup 200 jam. Untuk itu diambil sejumlah sampel tertentu dari masing-masing merek lampu. kemudian diukur masa hidupnya. Hasil pengujian (angka dalam hari). B. ingin mengetahui apakah ada perbedaan mutu produk yang nyata di antara ketiga merek tersebut. dan C. 53 . Demikian seterusnya untuk data yang lain.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.

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