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

Kolom Observed Proportion adalah: 6 .Bab 4 Statistik Non Parametrik Gambar 4. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. yaitu Grup 1 dengan kategori <= 0. Output SPSS Analisis: Terlihat pada output ada dua grup. 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. Ini adalah hasil pelemparan 0 sebanyak 7 kali.

05. hal atau simbol merupakan hasil proses yang acak (random). Hi = Populasi hasil tidak sama dengan populasi yang dihipotesiskan. pada prinsipnya ingin mengetahui apakah suatu rangkaian kejadian. Keputusan: Terlihat bahwa pada kolom Exact. seorang petugas ditempatkan di depan toko dan mencatat pengunjung yang masuk ke toko secara berurutan.05 (0.629 > 0.1. Untuk itu. digunakan untuk memeriksa keacakan. Kasus: ALFA Department Store ingin mengetahui apakah pengunjung yang masuk ke toko bervariasi secara acak antara pria dan wanita. Berikut hasil pengamatan tersebut (1 adalah Pria dan 2 adalah Wanita).41 Proporsi untuk grup 2 = 8/15 dihasilkan 0. maka Ho diterima. Pengambilan Keputusan • • Jika probabilitas > 0. Sig/Exact significance dua sisi adalah 0.05). Maka Ho diterima. atau pelemparan mata uang di atas adalah benar-benar pelemparan yang fair. 4.2 Uji Runs (Runs Test) Uji Runs disebut juga uji sampel rangkaian tunggal. Jika probabilitas < 0.59 Hipotesis Ho = Populasi hasil sama dengan populasi yang dihipotesiskan. 7 .629 atau probabilitas di atas 0. atau dalam kasus ini pelemparan mata uang tersebut adalah tidak fair. atau dalam kasus ini pelemparan mata uang tersebut adalah fair. maka Ho ditolak.05.Bab 4 Statistik Non Parametrik • • Proporsi untuk grup 1 = 7/15 dihasilkan 0.

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

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

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

4 Kotak Dialog Runs Test yang telah terisi Tekan OK untuk mengakhiri pengisian prosedur analisis. 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 . Hi : Pola perolehan gender (pria atau wanita) yang masuk ke toko tidak acak.Bab 4 Statistik Non Parametrik Gambar 4.

8 208.05 (0.8 205.7 200. 4.1.5 205. Maka Ho diterima.6 12 .867.3 Uji Kolmogorov-Smirnov Uji Kolmogorov-Smirnov dipakai untuk uji keselarasan data yang berskala minimal ordinal. atau probabilitas di atas 0. maka Ho diterima Jika probabilitas < 0. Kasus: Berikut sampel berat sabun cuci yang diproduksi PT Dangdut (angka dalam gram).Bab 4 Statistik Non Parametrik Pengambilan Keputusan • • Jika probabilitas > 0.05).5 200.9 200. Sig/Asymptotic significance dua sisi adalah 0.867 > 0. Nomor 1 2 3 4 5 6 7 8 9 10 11 12 13 Berat 200.9 205. maka Ho ditolak Keputusan: Terlihat bahwa pada kolom Asymp.9 201.6 205.05.6 204.4 204.05. atau pola perolehan gender (pria atau wanita) yang masuk ke toko ditentukan melalui proses acak.7 208.

pilih menu New.6 203. Untuk keseragaman. d. dan ketik berat. 3.Bab 4 Statistik Non Parametrik 14 15 16 17 18 207. Dari menu utama File. Type. ketik 8 (sesuai default).5 203. lalu klik ganda sel tersebut.1 202. Pengolahan data dengan SPSS 13 . Sekarang SPSS siap membuat variable baru yang diperlukan Pengisian: Variabel berat Oleh karena ini variable pertama. Lalu klik Data. maka biarkan saja default numeric yang sudah ada. Sesuai kasus. Abaikan bagian yang lain. Label.9 Manajer produksi ingin mengetahui apakah data di atas berasal dari populasi (seluruh produk sabun cuci PT Dangdut) yang berdistribusi normal? Penyelesaian: Oleh karena akan menguji keselarasan data untuk satu sampel. Pemasukan data ke SPSS Langkah-langkah: b. Width. Decimals. Abaikan bagian ini. Name. Kemudian tekan CTRL+T untuk kembali ke DATA VIEW. dan skala pengukuran bukan nominal. Untuk keseragaman. c. e. a. letakkan pointer di bawah kolom Name.1 201. Oleh karena variable ini akan berisi data rasio. b. tempatkan pointer pada baris 1. maka digunakan uji Kolmogorov-Smirnov. ketik 2. Buka lembar kerja baru. 1.

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

05. Maka Ho diterima. maka Ho diterima. atau distribusi populasi berat sabun cuci PT DANGDUT adalah normal.05).969. Uji dilakukan dua sisi. Jika probabilitas < 0.05 (0. 15 .969 > 0. karena adanya tanda ‘ ’ Pengambilan Keputusan: Jika probabilitas > 0.0056 dan = 2. atau probabilitas di atas 0. maka Ho ditolak. Keputusan: Terlihat bahwa pada kolom Asymp.05.69 (Lihat hasil output SPSS). Fo (x) atau distribusi populasi tidak normal. Sig/Asymptotic significance dua sisi adalah 0.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.

uniform. Kasus: Manajer Pemasaran PT MIE yang menjual mie instan dengan enam macam rasa ingin mengetahui apakah konsumen menyukai keempat rasa mie instan tersebut. 16 . udang 35 buah.Bab 4 Statistik Non Parametrik 4. uji ini dapat juga disebut uji keselarasan (goodness of fit test).2 UJI CHI-SQUARE Dalam bahasan statistik non parametrik. Ikan 20 buah. Bebek 25 buah. Oleh karena itu. Kambing 21 buah. karena untuk menguji apakah sebuah sampel selaras dengan salah satu distribusi teroritis (seperti distribusi normal. 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. 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. binomial dan lainnya). Sapi 30 buah. Untuk itu dalam waktu satu minggu diamati pembelian mie instan di suatu outlet dan berikut hasilnya (angka dalam buah mie instan). 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.

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

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

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

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

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

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 Analisis Terlihat ada dua bagian output. Chi-Square Hitung –lihat pada output SPSS. dan df = 5 (lihat output SPSS atau dari rumus k –1. 23 . Oleh karena dipakai distribusi yang seragam. maka Ho diterima. Hi : Sampel bukan berasal dari Populasi yang mengikuti distribusi seragam . dengan = 5%. maka Hi ditolak.adalah 6. yaitu 26.7 (160 dibagi 6 rasa mie instant). Pada bagian pertama output. Sedang kolom Residual adalah selisih antara jumlah yang dibeli dengan jumlah yang diharapkan (seperti pada baris pertama adalah 29 – 26.200 Sedang Chi-Square tabel dapat dihitung pada tabel Chi-Square. di mana dalam kasus adalah rasa mie instant). Jika Chi-Square Hitung < Chi-Square Tabel. maka Ho diterima • • • Jika Chi-Square Hitung > Chi-Square Tabel. Atau 6 rasa mie instant yang ada disukai konsumen secara merata.0705 • Oleh karena Chi-Square Hitung < Chi-Square tabel. Berdasarkan perbandingan Chi-Square Uji dan tabel.7 = 2. Hipotesis Ho : Sampel ditarik dari Populasi yang mengikuti distribusi seragam. Pengambilan Keputusan a. Atau setidaknya sebuah rasa mie instant lebih disukai daripada setidaknya sebuah rasa yang lain.3). maka yang diharapkan sama rata. Di dapat Chi-Square tabel adalah 11. terlihat ada Expected N atau jumlah rasa mie instant yang diharapkan terbeli.

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

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

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

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

dapat diambil kesimpulan yang sama. untuk luas 0.049.3. dan yang kedua sebelum ujian para dapat dengan bebas belajar secara berkelompok.645 (tanda ‘-‘ menyesuaikan dengan angka z output. maka Ho ditolak.0245 < 0. atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata untuk menurunkan berat badan. Di sini terdapat probabilitas di bawah 0. maka probabilitas menjadi 0.05). Jika probabilitas < 0. Pengambilan Keputusan. pertama siswa belajar sendiri-sendiri. Pada tabel z.970 > .05. Oleh karena z output > z tabel (-1. Sig. diadakan dua kali uji mata ajar. Gambar: Dari kedua analisis di atas. Jika probabilitas > 0. maka kurva-kurva normal adalah 50% . jika ia belajar sendirian dan jika ia belajar berkelompok. .). atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata untuk menurunkan berat badan. 4.0245. Keputusan: Terlihat bahwa pada kolom asymp.5% = 45% atau 0. Untuk itu. Maka Ho ditolak.2 Uji Tanda (Sign) Kasus: Seorang guru ingin mengetahui apakah ada perbedaan antara nilai ujian seorang Siswa pada mata ajar tertentu.45. maka Ho ditolak.Bab 4 Statistik Non Parametrik keterangan SPSS yang menyatakan bahwa angka z didasarkan ada ranking yang positif (sama dengan perhitungan sebelumnya).yaitu Ho ditolak. (2-tailed)/asymptotic significance untuk uji dua sisi adalah 0.45 didapat angka z tabel sekitar –1.049/2 = 0. Oleh karena kasus adalah uji satu sisi. maka Ho diterima. Sedang statistik tabel dapat dihitung pada tabel z dengan = 5%.05 (0.05. 28 .

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

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

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

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

Atau dapat dikatakan Nilai Siswa jika ia belajar sendiri tidak berbeda dengan jika ia belajar berkelompok.Bab 4 Statistik Non Parametrik Analisis: Hipotesis Ho = Median Populasi ‘perbedaan’ adalah sama dengan nol. Keputusan Terlihat bahwa pada kolom Exact. Di sini terdapat probabilitas di atas 0.05. Jika probabilitas < 0. Perhatikan pengujian pada kasus ini yang menggunakan uji dua sisi. maka pengambilan keputusan berdasarkan probabilitas saja.424. maka Ho diterima. 4. Atau dapat dikatakan nilai Siswa jika ia belajar sendiri berbeda secara nyata dengan jika ia belajar berkelompok.424 > 0. Pengambilan Keputusan. maka Hi ditolak.05).05 (0.3. bukan ingin mengetahui cara mana yang lebih bagus dalam menaikkan nilai. atau sesungguhnya tidak ada perbedaan yang nyata pada nilai ujian seorang siswa. baik jika ia belajar sendiri ataupun jika ia belajar kelompok. 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. Maka Ho diterima. (2-tailed)/significance untuk uji dua sisi adalah 0. Oleh karena dalam output hanya menyajikan nilai probabilitas.05.Sig. karena yang dicari adalah apakah ada perbedaan nilai karena perbedaan cara belajar. • • Jika probabilitas > 0. 9 data dengan perbedaan positif dan 3 data dengan perbedaan data nol (pasangan data sama nilainya atau ties). di mana Y adalah ‘sendiri’ dan X adalah ‘kelompok’.3 Uji McNemar 33 .

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

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

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

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

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

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

maka Ho ditolak. statistik uji McNemar dapat disamakan dengan mencari z hitung. Mencari z hitung: Rumus z hitung: Di mana b dan c adalah nilai pada tabel kontingensi yang tidak ‘konsisten’ . Oleh karena uji dua sisi. Jika probabilitas < 0. Dari kedua analisis di atas.5% atau 0. Berdasarkan Angka z Dasar pengambilan keputusan sama dengan uji z: Jika Statisitk Hitung (angka z output) > Statistik Tabel (tabel z). maka Hi ditolak.5%). Terlihat angka tersebut adalah b = 5 dan c = 1. dengan = 5% dan uji duas sisi (5% dibagi dua menjadi 2. maka Ho diterima. b. Jika Statisitk Hitung (angka z output) < Statistik Tabel (tabel z). Pengambilan Keputusan Dalam hal ini.Bab 4 Statistik Non Parametrik yang bersikap positif-negatif sebelum diberi presentasi adalah berbeda secara nyata dengan sesudah diberi presentasi.96. maka pada tabel z. Maka Mencari z tabel: Z tabel dapat dihitung pada tabel z. Pengambilan Keputusan berdasarkan probabilitas • • Jika probabilitas > 0. maka luas kurva normal adalah 50% . maka Ho diterima.475. 40 .05.2. dapat diambil kesimpulan yang sama. Dalam kasus ini b dan c adalah jumlah responden yang semula bersikap 0 menjadi 1 atau sebaliknya.05. maka Ho diterima. yaitu Ho diterima atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM secara nyata.96). Oleh karena z hitung < z tabel ( > 1. a.475 didapat angka z tabel sekitar +1.5% = 47. untuk luas 0.

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. (2-tailed)/significance untuk uji dua sisi adalah 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 . 4. atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM secara nyata. Untuk itu.219 > 0. kepada sekelompok wiraniaga diberikan pelatihan Kewiraniagaan dan kemudian kinerja mereka dibandingkan dengan wiraniaga lainnya yang tidak diberi pelatihan.Bab 4 Statistik Non Parametrik Keputusan Terlihat bahwa pada kolom Exact.4 UJI DATA DUA SAMPEL TIDAK BERHUBUNGAN (INDEPENDEN) 4.Sig.05). Di sini terdapat probabilitas di atas 0.05 (0. Berikut hasil kedua kelompok (angka dalam jumlah paket obat yang terjual dalam sebulan).4.219. Maka Ho diterima.

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

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

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

yang berarti Grup 1 berisi tanda 1 atau ‘tanpa training’. Untuk Group 2.Bab 4 Statistik Non Parametrik Gambar 4. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS.Tampak di layar: • • Untuk Group 1. isi dengan 1.12 Kotak Dialog Two Independent Samples Tests yang telah terisi Pengisian grup: Klik Define Group…. tekan Continue untuk melanjutkan ke menu sebelumnya. Gambar 4. yang berarti Grup 2 berisi tanda 2 atau ‘training’. isi dengan 2. Tekan OK untuk mengakhiri pengisian prosedur analisis. 45 .13 Kotak Dialog Define Groups yang telah terisi Setelah pengisian selesai.

atau 46 . maka Ho diterima.05.05. maka Ho ditolak.05).Sig.096. Jika probabilitas < 0.096 > 0.Bab 4 Statistik Non Parametrik Output SPSS: Analisis Hipotesis Ho = Kedua populasi identik (Data penjualan kedua kelompok tidak berbeda secara signifikan). Keputusan Terlihat bahwa pada kolom Exact. Pengambilan Keputusan • • Jika probabilitas > 0. Hi = Kedua populasi tidak identik atau berbeda dalam hal lokasi (Data Penjualan kedua kelompok Wiraniaga memang berbeda secara signifikan. Maka Ho diterima.05 (0. (2-tailed)/significance untuk uji dua sisi adalah 0. atau probabilitas di atas 0.

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 .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. Pada uji Kolmogorov ini dibahas contoh kasus yang sama dengan uji Mann-Whitney.Bab 4 Statistik Non Parametrik kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan..

Maka Ho diterima.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.05. atau kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan.480. Jika probabilitas < 0.05 (0. Keputusan Terlihat bahwa pada kolom Exact. Pada uji Wald-Wolfowitz ini dibahas contoh kasus yang sama dengan uji MannWhitney.05).Bab 4 Statistik Non Parametrik Pengambilan Keputusan • • Jika probabilitas > 0. maka Ho diterima. atau probabilitas di atas 0. maka Ho ditolak.Sig. 4. (2-tailed)/significance untuk uji dua sisi adalah 0.4. 48 .480 > 0.05.

paket 2.Sig. Untuk mengetahui bagaimana tanggapan konsumen terhadap keempat paket tersebut. Jika probabilitas < 0. Dapat juga dikatakan kedua sample mempunyai distribusi – distribusi identik. baik untuk rangkaian minimum (0. dan paket 4. maka Ho ditolak.355) maupun rangkaian maksimum (0. Keputusan Terlihat bahwa pada kolom Exact.5 UJI DATA TIGA SAMPEL ATAU LEBIH BERHUBUNGAN (DEPENDEN) 4. Berikut adalah hasil penilaian kesepuluh orang terhadap paket yang ditawarkan: 49 . (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. 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 1.05. dan kemudian memberikan penilaian pada tiap-tiap paket.957) adalah di atas 0.05. Nilai yang diberikan ditentukan antara 0 sampai 100. atau kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan. Maka Ho diterima.05. 4. maka Ho diterima.5. paket 3.

Keharuman 3. Masingmasing responden diminta memberi penilaian pada 4 atribut sabun mandi tersebut. 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.5. 50 . Kesegaran 2. yaitu: 1.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. Warna Kemudian diambil sebuah sampel yang terdiri atas 14 orang responden. Untuk itu. 4. Bahan tertentu 4.2 Uji Keselarasan (Konkordansi) Kendall Uji keselarasan Kendall digunakan untuk mengetahui sejauh mana dua himpunan peringkat-peringkat dan n individu selaras ataukah tidak. dengan angka 1 paling penting dan angka 4 paling tidak penting.

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

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

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

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

Sign up to vote on this title
UsefulNot useful