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

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

05. seorang petugas ditempatkan di depan toko dan mencatat pengunjung yang masuk ke toko secara berurutan.05. Hi = Populasi hasil tidak sama dengan populasi yang dihipotesiskan. Untuk itu. 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. Pengambilan Keputusan • • Jika probabilitas > 0. Maka Ho diterima.1.2 Uji Runs (Runs Test) Uji Runs disebut juga uji sampel rangkaian tunggal. atau dalam kasus ini pelemparan mata uang tersebut adalah tidak fair.05). Jika probabilitas < 0.629 > 0. Keputusan: Terlihat bahwa pada kolom Exact. atau dalam kasus ini pelemparan mata uang tersebut adalah fair.629 atau probabilitas di atas 0. maka Ho ditolak. digunakan untuk memeriksa keacakan. pada prinsipnya ingin mengetahui apakah suatu rangkaian kejadian. Berikut hasil pengamatan tersebut (1 adalah Pria dan 2 adalah Wanita).59 Hipotesis Ho = Populasi hasil sama dengan populasi yang dihipotesiskan.Bab 4 Statistik Non Parametrik • • Proporsi untuk grup 1 = 7/15 dihasilkan 0.05 (0. 4.41 Proporsi untuk grup 2 = 8/15 dihasilkan 0. atau pelemparan mata uang di atas adalah benar-benar pelemparan yang fair. hal atau simbol merupakan hasil proses yang acak (random). 7 .

Sekarang SPSS siap membuat variable baru yang diperlukan 8 .Bab 4 Statistik Non Parametrik Pengamatan ke 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Gender 2 1 2 2 2 2 1 1 1 2 1 2 1 2 2 Misal pengamatan kesatu. Buka lembar kerja baru. Dari menu utama File. menghasilkan P yang berarti Pria yang masuk ke Department Store. Pemasukan data ke SPSS Langkah-langkah: a. maka digunakan uji Runs. 1. pilih menu New. Demikian untuk data seterusnya. 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. Lalu klik Data. menghasilkan nilai W yang berarti pengunjung kesatu yang masuk adalah Wanita. dan uji untuk menentukan keacakan.

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

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

Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS.4 Kotak Dialog Runs Test yang telah terisi Tekan OK untuk mengakhiri pengisian prosedur analisis.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. 11 . Hi : Pola perolehan gender (pria atau wanita) yang masuk ke toko tidak acak.

8 208.9 205.9 200.5 200. 4.4 204.6 204. atau pola perolehan gender (pria atau wanita) yang masuk ke toko ditentukan melalui proses acak.5 205.867.1. maka Ho ditolak Keputusan: Terlihat bahwa pada kolom Asymp.Bab 4 Statistik Non Parametrik Pengambilan Keputusan • • Jika probabilitas > 0.3 Uji Kolmogorov-Smirnov Uji Kolmogorov-Smirnov dipakai untuk uji keselarasan data yang berskala minimal ordinal.6 205.05 (0.05. maka Ho diterima Jika probabilitas < 0. Sig/Asymptotic significance dua sisi adalah 0. Maka Ho diterima. atau probabilitas di atas 0. Kasus: Berikut sampel berat sabun cuci yang diproduksi PT Dangdut (angka dalam gram).05. Nomor 1 2 3 4 5 6 7 8 9 10 11 12 13 Berat 200.6 12 .867 > 0.8 205.7 208.9 201.05).7 200.

Abaikan bagian yang lain. Dari menu utama File. Buka lembar kerja baru.5 203. ketik 2.Bab 4 Statistik Non Parametrik 14 15 16 17 18 207. Abaikan bagian ini. dan skala pengukuran bukan nominal.1 202. Untuk keseragaman. maka digunakan uji Kolmogorov-Smirnov. Lalu klik Data. Width. Type. e.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. Kemudian tekan CTRL+T untuk kembali ke DATA VIEW. Pemasukan data ke SPSS Langkah-langkah: b. pilih menu New. c. Sekarang SPSS siap membuat variable baru yang diperlukan Pengisian: Variabel berat Oleh karena ini variable pertama. maka biarkan saja default numeric yang sudah ada. ketik 8 (sesuai default). Label. Oleh karena variable ini akan berisi data rasio.6 203. d. Untuk keseragaman. b. Name. Pengolahan data dengan SPSS 13 .1 201. 1. Decimals. letakkan pointer di bawah kolom Name. a. 3. lalu klik ganda sel tersebut. tempatkan pointer pada baris 1. Sesuai kasus. dan ketik berat.

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

Fo (x) atau distribusi populasi tidak normal.969 > 0.05 (0. Jika probabilitas < 0.69 (Lihat hasil output SPSS). Sig/Asymptotic significance dua sisi adalah 0. maka Ho diterima. maka Ho ditolak.05.05.0056 dan = 2. 15 .969. atau distribusi populasi berat sabun cuci PT DANGDUT adalah normal. atau probabilitas di atas 0.05). Keputusan: Terlihat bahwa pada kolom Asymp. Maka Ho diterima. Uji dilakukan dua sisi.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. karena adanya tanda ‘ ’ Pengambilan Keputusan: Jika probabilitas > 0.

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

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

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

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

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

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

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

maka Ho diterima • • • Jika Chi-Square Hitung > Chi-Square Tabel. Hipotesis Ho : Sampel ditarik dari Populasi yang mengikuti distribusi seragam. Atau 6 rasa mie instant yang ada disukai konsumen secara merata.7 (160 dibagi 6 rasa mie instant). 23 . terlihat ada Expected N atau jumlah rasa mie instant yang diharapkan terbeli. Chi-Square Hitung –lihat pada output SPSS.adalah 6. dengan = 5%. Pada bagian pertama output. maka Ho diterima. yaitu 26.200 Sedang Chi-Square tabel dapat dihitung pada tabel Chi-Square. maka Hi ditolak.3). Di dapat Chi-Square tabel adalah 11. Sedang kolom Residual adalah selisih antara jumlah yang dibeli dengan jumlah yang diharapkan (seperti pada baris pertama adalah 29 – 26. Hi : Sampel bukan berasal dari Populasi yang mengikuti distribusi seragam . Atau setidaknya sebuah rasa mie instant lebih disukai daripada setidaknya sebuah rasa yang lain. di mana dalam kasus adalah rasa mie instant).0705 • Oleh karena Chi-Square Hitung < Chi-Square tabel.Bab 4 Statistik Non Parametrik Analisis Terlihat ada dua bagian output. Pengambilan Keputusan a. maka yang diharapkan sama rata. Oleh karena dipakai distribusi yang seragam. dan df = 5 (lihat output SPSS atau dari rumus k –1. Jika Chi-Square Hitung < Chi-Square Tabel.7 = 2. Berdasarkan perbandingan Chi-Square Uji dan tabel.

hanya distribusi teoritis atau dalam output SPSS disebut ‘expected N’ yang berbeda dalam pengisiannya.287 < 0. Jika probabilitas < 0. dapat diambil kesimpulan yang sama.1 Uji Peringkat-Bertanda Wilcoxon Kasus 24 . lalu masukkan angka/nilai yang dikehendaki.05. 4.05.05). binomial dan lainnya. Demikian pengisian berulang-ulang sampai sesuai dengan jumlah data. pada pilihan Expected Value.287. Untuk input pola distribusi tertentu. maka Ho diterima. seperti distribusi normal.Bab 4 Statistik Non Parametrik Gambar: b. yaitu Ho diterima. dari pengisian Chi-square di SPSS. Hanya di sini diperhatikan bahwa nilai dihitung kumulatif oleh SPSS. pilih option Values. Keputusan: Terlihat bahwa pada kolom Asymp. pemasukan nilai 1 dan 2 (yang berjumlah 3) akan dimasukkan dalam output sebagai 1/3 dan 2/3. maka Ho diterima. Berdasarkan Probabilitas • • Jika probabilitas > 0. Penutup Uji keselarasan dalam kasus di atas adalah penerapan untuk uji keselarasan dengan distribusi uniform/seragam.05 (0. Namun uji dapat diperluas dengan membandingkan dengan distribusi teoritis yang lain. Dari kedua analisis di atas. maka Ho ditolak.3 UJI DATA DUA SAMPEL BERHUBUNGAN (DEPENDEN) 4. : atau 6 rasa mie instant yang ada disukai konsumen secara merata. Sebagai contoh. poisson. Di sini prosedur pengujian dan pemasukan input sama.3. Sig/Asymtotic significance adalah 0. atau probabilitas di bawah 0. kemudian tekan Add.

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

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

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

maka probabilitas menjadi 0.0245 < 0. Untuk itu.yaitu Ho ditolak. untuk luas 0. .0245.05.45. Sig. (2-tailed)/asymptotic significance untuk uji dua sisi adalah 0. dan yang kedua sebelum ujian para dapat dengan bebas belajar secara berkelompok. Oleh karena kasus adalah uji satu sisi.5% = 45% atau 0. Pengambilan Keputusan. atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata untuk menurunkan berat badan.05. Di sini terdapat probabilitas di bawah 0. Jika probabilitas > 0. Jika probabilitas < 0. Keputusan: Terlihat bahwa pada kolom asymp. jika ia belajar sendirian dan jika ia belajar berkelompok.). Pada tabel z.2 Uji Tanda (Sign) Kasus: Seorang guru ingin mengetahui apakah ada perbedaan antara nilai ujian seorang Siswa pada mata ajar tertentu. diadakan dua kali uji mata ajar. pertama siswa belajar sendiri-sendiri.645 (tanda ‘-‘ menyesuaikan dengan angka z output. dapat diambil kesimpulan yang sama. Sedang statistik tabel dapat dihitung pada tabel z dengan = 5%.049/2 = 0. Gambar: Dari kedua analisis di atas. atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata untuk menurunkan berat badan. maka kurva-kurva normal adalah 50% .970 > .45 didapat angka z tabel sekitar –1.3.05). Maka Ho ditolak. maka Ho ditolak. 28 .05 (0.049. Oleh karena z output > z tabel (-1. maka Ho ditolak.Bab 4 Statistik Non Parametrik keterangan SPSS yang menyatakan bahwa angka z didasarkan ada ranking yang positif (sama dengan perhitungan sebelumnya). 4. maka Ho diterima.

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

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

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

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

maka Ho diterima.424. Di sini terdapat probabilitas di atas 0. atau sesungguhnya tidak ada perbedaan yang nyata pada nilai ujian seorang siswa. bukan ingin mengetahui cara mana yang lebih bagus dalam menaikkan nilai. maka pengambilan keputusan berdasarkan probabilitas saja. karena yang dicari adalah apakah ada perbedaan nilai karena perbedaan cara belajar. • • Jika probabilitas > 0. Oleh karena dalam output hanya menyajikan nilai probabilitas. Atau dapat dikatakan nilai Siswa jika ia belajar sendiri berbeda secara nyata dengan jika ia belajar berkelompok.05 (0.424 > 0. Keterangan: ‘perbedaan’ adalah perbedaan setiap pasangan hasil pengukuran (Y – X). Keputusan Terlihat bahwa pada kolom Exact. 4. Perhatikan pengujian pada kasus ini yang menggunakan uji dua sisi.05. Jika probabilitas < 0.05. (2-tailed)/significance untuk uji dua sisi adalah 0. di mana Y adalah ‘sendiri’ dan X adalah ‘kelompok’. maka Hi ditolak.Bab 4 Statistik Non Parametrik Analisis: Hipotesis Ho = Median Populasi ‘perbedaan’ adalah sama dengan nol.05). 9 data dengan perbedaan positif dan 3 data dengan perbedaan data nol (pasangan data sama nilainya atau ties).3. Maka Ho diterima. Pengambilan Keputusan. Atau dapat dikatakan Nilai Siswa jika ia belajar sendiri tidak berbeda dengan jika ia belajar berkelompok.Sig.3 Uji McNemar 33 . Hi = Median Populasi ‘perbedaan’ tidak sama dengan nol. Dari 17 data pada output SPSS terlihat ada 5 data dengan perbedaan negatif. baik jika ia belajar sendiri ataupun jika ia belajar kelompok.

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

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

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

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

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

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

yaitu Ho diterima atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM secara nyata. untuk luas 0. maka pada tabel z.5%). maka Ho diterima. Terlihat angka tersebut adalah b = 5 dan c = 1.96. maka Ho diterima.475 didapat angka z tabel sekitar +1. Berdasarkan Angka z Dasar pengambilan keputusan sama dengan uji z: Jika Statisitk Hitung (angka z output) > Statistik Tabel (tabel z).Bab 4 Statistik Non Parametrik yang bersikap positif-negatif sebelum diberi presentasi adalah berbeda secara nyata dengan sesudah diberi presentasi. dapat diambil kesimpulan yang sama.5% = 47. maka Ho diterima. statistik uji McNemar dapat disamakan dengan mencari z hitung. Dalam kasus ini b dan c adalah jumlah responden yang semula bersikap 0 menjadi 1 atau sebaliknya. Jika Statisitk Hitung (angka z output) < Statistik Tabel (tabel z). 40 . maka Hi ditolak. Dari kedua analisis di atas. Pengambilan Keputusan Dalam hal ini. Jika probabilitas < 0. a. maka Ho ditolak. Pengambilan Keputusan berdasarkan probabilitas • • Jika probabilitas > 0. Oleh karena uji dua sisi. b. dengan = 5% dan uji duas sisi (5% dibagi dua menjadi 2.5% atau 0. Mencari z hitung: Rumus z hitung: Di mana b dan c adalah nilai pada tabel kontingensi yang tidak ‘konsisten’ .475.96). maka luas kurva normal adalah 50% .05. Maka Mencari z tabel: Z tabel dapat dihitung pada tabel z.05.2. Oleh karena z hitung < z tabel ( > 1.

4. 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 .219 > 0. Maka Ho diterima.05). Untuk itu.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. kepada sekelompok wiraniaga diberikan pelatihan Kewiraniagaan dan kemudian kinerja mereka dibandingkan dengan wiraniaga lainnya yang tidak diberi pelatihan.219.4. Di sini terdapat probabilitas di atas 0.4 UJI DATA DUA SAMPEL TIDAK BERHUBUNGAN (INDEPENDEN) 4. (2-tailed)/significance untuk uji dua sisi adalah 0.Sig. Berikut hasil kedua kelompok (angka dalam jumlah paket obat yang terjual dalam sebulan). atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM secara nyata.05 (0.Bab 4 Statistik Non Parametrik Keputusan Terlihat bahwa pada kolom Exact.

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

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

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

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

maka Ho ditolak.096.Sig. atau probabilitas di atas 0. (2-tailed)/significance untuk uji dua sisi adalah 0.05. Hi = Kedua populasi tidak identik atau berbeda dalam hal lokasi (Data Penjualan kedua kelompok Wiraniaga memang berbeda secara signifikan. atau 46 . Maka Ho diterima.05. Keputusan Terlihat bahwa pada kolom Exact. Pengambilan Keputusan • • Jika probabilitas > 0.05 (0.096 > 0. maka Ho diterima.Bab 4 Statistik Non Parametrik Output SPSS: Analisis Hipotesis Ho = Kedua populasi identik (Data penjualan kedua kelompok tidak berbeda secara signifikan).05). Jika probabilitas < 0.

. 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.4. 4.2 Uji Kolmogorov-Smirnov Selain uji dengan uji Mann-Whitney. Pada uji Kolmogorov ini dibahas contoh kasus yang sama dengan uji Mann-Whitney. uji untuk mengetahui ada tidaknya perbedaan yang signifikan untuk dua sample yang independent juga dapat dilakukan dengan uji Kolmogorov-Smirnov.

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.Bab 4 Statistik Non Parametrik Pengambilan Keputusan • • Jika probabilitas > 0. Maka Ho diterima.05).Sig.480 > 0. Keputusan Terlihat bahwa pada kolom Exact. Pada uji Wald-Wolfowitz ini dibahas contoh kasus yang sama dengan uji MannWhitney.05.4. maka Ho ditolak. Jika probabilitas < 0. atau kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan.05. 4. (2-tailed)/significance untuk uji dua sisi adalah 0.480. maka Ho diterima.05 (0.

355) maupun rangkaian maksimum (0. dan kemudian memberikan penilaian pada tiap-tiap paket. paket 3. sejumlah 10 orang (sampel) dipersilakan mencicipi keempat jenis paket tersebut.1 Uji Friedman Kasus: Restoran FAST FOOD ingin meluncurkan empat paket masakan dengan nama paket 1. Jika probabilitas < 0. paket 2.5.05. Untuk mengetahui bagaimana tanggapan konsumen terhadap keempat paket tersebut.Sig. Keputusan Terlihat bahwa pada kolom Exact. Maka Ho diterima. Nilai yang diberikan ditentukan antara 0 sampai 100.05.5 UJI DATA TIGA SAMPEL ATAU LEBIH BERHUBUNGAN (DEPENDEN) 4. Berikut adalah hasil penilaian kesepuluh orang terhadap paket yang ditawarkan: 49 . Dapat juga dikatakan kedua sample mempunyai distribusi – distribusi identik. baik untuk rangkaian minimum (0. (2-tailed)/significance untuk uji satu sisi.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. atau kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan. dan paket 4.05. maka Ho ditolak. 4. maka Ho diterima.957) adalah di atas 0.

50 . Bahan tertentu 4.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. 4. perusahaan menetapkan empat atribut. Kesegaran 2. Untuk itu. Masingmasing responden diminta memberi penilaian pada 4 atribut sabun mandi tersebut. dengan angka 1 paling penting dan angka 4 paling tidak penting.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. Warna Kemudian diambil sebuah sampel yang terdiri atas 14 orang responden. Kasus: Sebuah perusahaan yang ingin mengeluarkan produk sabun mandi baru ingin mengetahui atribut apa saja yang diinginkan konsumen dalam mengkonsumsi pasta gigi.5. Keharuman 3.

Manajer tersebut memutuskan untuk mengambil 51 .5. Uji Cochran dilakukan pada penelitian untuk uji sample yang mempunyai data berskala nominal (kategori). atribut Harum (nomor 3) dan yang paling tidak penting adalah atribut Warna (nomor 4). kemudian atribut Bahan (nomor 2). Demikian seterusnya untuk data yang lain.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. responden nomor satu menilai atribut Segar sebagai yang paling penting (nomor urut 1). 4. Oleh karena itu.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. Kasus: Seorang manajer produksi sedang mempertimbangkan pembelian tiga buah mesin untuk merakit komponen tertentu.

1 jika kinerja mesin dirasakan memuaskan Berikut hasil penilaian kesepuluh pekerja.1 Kasus Uji Kruskal Walls 52 . dan masing-masing pekerja diminta bekerja dengan masing-masing dari ketiga mesin tersebut. Pada setiap mesin. yaitu 1 dan 0. Demikian seterusnya untuk data yang lain.6 UJI DATA TIGA SAMPEL ATAU LEBIH TIDAK BERHUBUNGAN (INDEPENDEN) 4. Perhatikan bahwa input data hanya dua. Mesin B dengan 1 (memuaskan kinerjanya). tiap pekerja memberi penilaian sebagai berikut: • • 0 jika kinerja mesin dirasakan tidak memuaskan.Bab 4 Statistik Non Parametrik 10 orang pekerja sebagai sample. 4. 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). dan mesin C dengan 1.6.

kemudian diukur masa hidupnya. Hasil pengujian (angka dalam hari). pada baris 1 di atas menyatakan bahwa sampel nomor 1 lampu pijar merek A mempunyai masa hidup 200 jam. 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. Untuk itu diambil sejumlah sampel tertentu dari masing-masing merek lampu. B. dan C. Demikian seterusnya untuk data yang lain. 53 . ingin mengetahui apakah ada perbedaan mutu produk yang nyata di antara ketiga merek tersebut.Bab 4 Statistik Non Parametrik Manajer produksi sebuah perusahaan lampu yang selama ini memproduksi tiga buah lampu pijar dengan merek A.

1 Uji Median Uji Median juga sering dipergunakan sebagai pelengkap pada uji Kruskal Wallis. Di dalam Uji Median.Bab 4 Statistik Non Parametrik 4.5. yang ingin diuji adalah apakah beberapa populasi mempunyai median (titik tengah) yang sama. Kasus: Kasus sama dengan kasus di atas (uji perbedaan ketiga merek lampu pijar) 54 .

Sign up to vote on this title
UsefulNot useful