P. 1
nonparametrik

nonparametrik

|Views: 471|Likes:
Published by Flora Oktania

More info:

Published by: Flora Oktania on Aug 05, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

03/14/2013

pdf

text

original

Sections

  • APLIKASI TEST PARAMETERTEST NONPARAMETER
  • Uji Binomial
  • Kasus
  • Penyelesaian
  • Nonparametric Tests
  • Output SPSS
  • Analisis:
  • Hipotesis
  • Pengambilan Keputusan
  • Keputusan:
  • Kasus:
  • Penyelesaian:
  • NomorBerat
  • Pengambilan Keputusan:
  • Rasa Jumlah
  • Proses Weight Cases
  • Analisis
  • Penutup
  • 4.3.1 Uji Peringkat-Bertanda Wilcoxon
  • 4.3.2 Uji Tanda (Sign)
  • NoSendiriKelompok
  • Pengambilan Keputusan
  • Keputusan
  • Keterangan:
  • Res.SebelumSesudah
  • 4.4.1 Uji Mann-Whitney
  • Kasus :
  • Wiraniaga Kelompok
  • Output SPSS:
  • 4.4.2 Uji Kolmogorov-Smirnov
  • 4.4.3 Uji Wald-Wolfowitz
  • 4.5.1 Uji Friedman
  • RespondenPaket_1Paket_2Paket_3Paket_4
  • 4.5.2 Uji Keselarasan (Konkordansi) Kendall
  • Responden Segar Harum Bahan Warna
  • 4.5.3 Uji Cochran
  • PekerjaMesin AMesin BMesin C
  • 4.6.1 Uji Kruskal Walls
  • NoMasaMerek
  • 4.5.1 Uji Median

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

Bab 4 Statistik Non Parametrik Gambar 4.2 Kotak Dialog Binomial Test yang telah terisi Tekan OK untuk mengakhiri pengisian prosedur analisis. Kolom Observed Proportion adalah: 6 . Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. 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. Ini adalah hasil pelemparan 0 sebanyak 7 kali.

atau pelemparan mata uang di atas adalah benar-benar pelemparan yang fair. seorang petugas ditempatkan di depan toko dan mencatat pengunjung yang masuk ke toko secara berurutan.1.59 Hipotesis Ho = Populasi hasil sama dengan populasi yang dihipotesiskan. Jika probabilitas < 0. atau dalam kasus ini pelemparan mata uang tersebut adalah fair. Hi = Populasi hasil tidak sama dengan populasi yang dihipotesiskan. hal atau simbol merupakan hasil proses yang acak (random). 4. maka Ho diterima. Kasus: ALFA Department Store ingin mengetahui apakah pengunjung yang masuk ke toko bervariasi secara acak antara pria dan wanita.629 atau probabilitas di atas 0. Berikut hasil pengamatan tersebut (1 adalah Pria dan 2 adalah Wanita).05 (0. 7 .2 Uji Runs (Runs Test) Uji Runs disebut juga uji sampel rangkaian tunggal.05. Maka Ho diterima. pada prinsipnya ingin mengetahui apakah suatu rangkaian kejadian. Pengambilan Keputusan • • Jika probabilitas > 0. Sig/Exact significance dua sisi adalah 0.05).41 Proporsi untuk grup 2 = 8/15 dihasilkan 0.05. digunakan untuk memeriksa keacakan. Keputusan: Terlihat bahwa pada kolom Exact. maka Ho ditolak.629 > 0. Untuk itu. atau dalam kasus ini pelemparan mata uang tersebut adalah tidak fair.Bab 4 Statistik Non Parametrik • • Proporsi untuk grup 1 = 7/15 dihasilkan 0.

Demikian untuk data seterusnya. pilih menu New. Pengamatan kedua. menghasilkan nilai W yang berarti pengunjung kesatu yang masuk adalah Wanita. Lalu klik Data. 1. maka digunakan uji Runs. Akan dilihat apakah pengunjung yang masuk ke Departement Store adalah acak dilihat dari Jenis Kelaminnya? Penyelesaian: Oleh karena akan menguji suatu kejadian yang hanya menghasilkan dua jenis output. menghasilkan P yang berarti Pria yang masuk ke Department Store. Buka lembar kerja baru. Dari menu utama File. Pemasukan data ke SPSS Langkah-langkah: a. Sekarang SPSS siap membuat variable baru yang diperlukan 8 . dan uji untuk menentukan keacakan.Bab 4 Statistik Non Parametrik Pengamatan ke 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Gender 2 1 2 2 2 2 1 1 1 2 1 2 1 2 2 Misal pengamatan kesatu.

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

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

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

7 200.8 205.05.9 201.6 204. Nomor 1 2 3 4 5 6 7 8 9 10 11 12 13 Berat 200.1. 4.05.4 204.Bab 4 Statistik Non Parametrik Pengambilan Keputusan • • Jika probabilitas > 0.6 205.7 208. atau pola perolehan gender (pria atau wanita) yang masuk ke toko ditentukan melalui proses acak.9 205. atau probabilitas di atas 0.867 > 0. maka Ho diterima Jika probabilitas < 0.5 205.6 12 .05). Kasus: Berikut sampel berat sabun cuci yang diproduksi PT Dangdut (angka dalam gram).05 (0.867. Sig/Asymptotic significance dua sisi adalah 0.9 200.3 Uji Kolmogorov-Smirnov Uji Kolmogorov-Smirnov dipakai untuk uji keselarasan data yang berskala minimal ordinal.8 208. Maka Ho diterima. maka Ho ditolak Keputusan: Terlihat bahwa pada kolom Asymp.5 200.

e. Pengolahan data dengan SPSS 13 . ketik 2. Sesuai kasus.1 202. Oleh karena variable ini akan berisi data rasio. Sekarang SPSS siap membuat variable baru yang diperlukan Pengisian: Variabel berat Oleh karena ini variable pertama. Abaikan bagian yang lain. Decimals. Width. Name. Pemasukan data ke SPSS Langkah-langkah: b. Abaikan bagian ini. 1. dan skala pengukuran bukan nominal. c. b. Untuk keseragaman. Untuk keseragaman. Dari menu utama File. maka biarkan saja default numeric yang sudah ada. maka digunakan uji Kolmogorov-Smirnov. Lalu klik Data.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. ketik 8 (sesuai default). d. letakkan pointer di bawah kolom Name. dan ketik berat. Label. tempatkan pointer pada baris 1.5 203. pilih menu New. Kemudian tekan CTRL+T untuk kembali ke DATA VIEW.6 203. a.1 201. 3. Type. Buka lembar kerja baru. lalu klik ganda sel tersebut.Bab 4 Statistik Non Parametrik 14 15 16 17 18 207.

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

karena adanya tanda ‘ ’ Pengambilan Keputusan: Jika probabilitas > 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) = 204.0056 dan = 2.69 (Lihat hasil output SPSS). atau distribusi populasi berat sabun cuci PT DANGDUT adalah normal. atau probabilitas di atas 0. Fo (x) atau distribusi populasi tidak normal.969. Uji dilakukan dua sisi. maka Ho diterima. maka Ho ditolak. Sig/Asymptotic significance dua sisi adalah 0.969 > 0. 15 . Jika probabilitas < 0. Maka Ho diterima.05 (0. Keputusan: Terlihat bahwa pada kolom Asymp.05.05).05.

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. uji ini dapat juga disebut uji keselarasan (goodness of fit test). Sapi 30 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. Oleh karena itu. 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. 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 . binomial dan lainnya). udang 35 buah.Bab 4 Statistik Non Parametrik 4. karena untuk menguji apakah sebuah sampel selaras dengan salah satu distribusi teroritis (seperti distribusi normal. Kambing 21 buah.2 UJI CHI-SQUARE Dalam bahasan statistik non parametrik. uniform. Bebek 25 buah.

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

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

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

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

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

Output SPSS 22 . Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS.Bab 4 Statistik Non Parametrik Gambar 4.9 Kotak Dialog Chi-square yang telah terisi Tekan OK untuk mengakhiri pengisian prosedur analisis.

maka yang diharapkan sama rata. 23 . Hi : Sampel bukan berasal dari Populasi yang mengikuti distribusi seragam . Chi-Square Hitung –lihat pada output SPSS.0705 • Oleh karena Chi-Square Hitung < Chi-Square tabel. maka Ho diterima. Sedang kolom Residual adalah selisih antara jumlah yang dibeli dengan jumlah yang diharapkan (seperti pada baris pertama adalah 29 – 26. Hipotesis Ho : Sampel ditarik dari Populasi yang mengikuti distribusi seragam. Di dapat Chi-Square tabel adalah 11. Berdasarkan perbandingan Chi-Square Uji dan tabel. Atau setidaknya sebuah rasa mie instant lebih disukai daripada setidaknya sebuah rasa yang lain. Pada bagian pertama output.Bab 4 Statistik Non Parametrik Analisis Terlihat ada dua bagian output.200 Sedang Chi-Square tabel dapat dihitung pada tabel Chi-Square. maka Hi ditolak.adalah 6. dan df = 5 (lihat output SPSS atau dari rumus k –1. Atau 6 rasa mie instant yang ada disukai konsumen secara merata. terlihat ada Expected N atau jumlah rasa mie instant yang diharapkan terbeli. Jika Chi-Square Hitung < Chi-Square Tabel. Oleh karena dipakai distribusi yang seragam.7 (160 dibagi 6 rasa mie instant).7 = 2.3). di mana dalam kasus adalah rasa mie instant). Pengambilan Keputusan a. dengan = 5%. maka Ho diterima • • • Jika Chi-Square Hitung > Chi-Square Tabel. yaitu 26.

pilih option Values.05. Demikian pengisian berulang-ulang sampai sesuai dengan jumlah data. Penutup Uji keselarasan dalam kasus di atas adalah penerapan untuk uji keselarasan dengan distribusi uniform/seragam. seperti distribusi normal. lalu masukkan angka/nilai yang dikehendaki. Sebagai contoh.05. atau probabilitas di bawah 0. Keputusan: Terlihat bahwa pada kolom Asymp.3 UJI DATA DUA SAMPEL BERHUBUNGAN (DEPENDEN) 4. Berdasarkan Probabilitas • • Jika probabilitas > 0.Bab 4 Statistik Non Parametrik Gambar: b. Untuk input pola distribusi tertentu. : atau 6 rasa mie instant yang ada disukai konsumen secara merata. Namun uji dapat diperluas dengan membandingkan dengan distribusi teoritis yang lain. kemudian tekan Add. pada pilihan Expected Value. Sig/Asymtotic significance adalah 0.1 Uji Peringkat-Bertanda Wilcoxon Kasus 24 . 4.3.287. dapat diambil kesimpulan yang sama.05). dari pengisian Chi-square di SPSS. hanya distribusi teoritis atau dalam output SPSS disebut ‘expected N’ yang berbeda dalam pengisiannya. maka Ho ditolak. poisson. binomial dan lainnya.287 < 0. pemasukan nilai 1 dan 2 (yang berjumlah 3) akan dimasukkan dalam output sebagai 1/3 dan 2/3. Jika probabilitas < 0. Dari kedua analisis di atas. Hanya di sini diperhatikan bahwa nilai dihitung kumulatif oleh SPSS. maka Ho diterima. maka Ho diterima. yaitu Ho diterima.05 (0. Di sini prosedur pengujian dan pemasukan input sama.

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

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

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

Oleh karena kasus adalah uji satu sisi.yaitu Ho ditolak. maka Ho ditolak. untuk luas 0. (2-tailed)/asymptotic significance untuk uji dua sisi adalah 0. Gambar: Dari kedua analisis di atas. maka probabilitas menjadi 0. jika ia belajar sendirian dan jika ia belajar berkelompok. dapat diambil kesimpulan yang sama.Bab 4 Statistik Non Parametrik keterangan SPSS yang menyatakan bahwa angka z didasarkan ada ranking yang positif (sama dengan perhitungan sebelumnya). Keputusan: Terlihat bahwa pada kolom asymp. Di sini terdapat probabilitas di bawah 0. atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata untuk menurunkan berat badan.45 didapat angka z tabel sekitar –1. Maka Ho ditolak. 4.05.5% = 45% atau 0. Oleh karena z output > z tabel (-1. Jika probabilitas < 0. Jika probabilitas > 0.2 Uji Tanda (Sign) Kasus: Seorang guru ingin mengetahui apakah ada perbedaan antara nilai ujian seorang Siswa pada mata ajar tertentu. Untuk itu.645 (tanda ‘-‘ menyesuaikan dengan angka z output.). dan yang kedua sebelum ujian para dapat dengan bebas belajar secara berkelompok.05.0245 < 0. pertama siswa belajar sendiri-sendiri.0245. Pengambilan Keputusan. diadakan dua kali uji mata ajar. maka Ho diterima.05).05 (0. maka Ho ditolak.45. . Sig. maka kurva-kurva normal adalah 50% .3. 28 .970 > . Pada tabel z.049.049/2 = 0. Sedang statistik tabel dapat dihitung pada tabel z dengan = 5%. atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata untuk menurunkan berat badan.

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

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

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

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

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

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

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

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

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

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

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

statistik uji McNemar dapat disamakan dengan mencari z hitung. Pengambilan Keputusan berdasarkan probabilitas • • Jika probabilitas > 0. maka Hi ditolak.05. yaitu Ho diterima atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM secara nyata. Jika Statisitk Hitung (angka z output) < Statistik Tabel (tabel z).5% atau 0. Jika probabilitas < 0. maka Ho ditolak. Dalam kasus ini b dan c adalah jumlah responden yang semula bersikap 0 menjadi 1 atau sebaliknya.2.5%).05.96).96. b. maka Ho diterima. Maka Mencari z tabel: Z tabel dapat dihitung pada tabel z. maka Ho diterima. Pengambilan Keputusan Dalam hal ini. Dari kedua analisis di atas. a. dapat diambil kesimpulan yang sama.Bab 4 Statistik Non Parametrik yang bersikap positif-negatif sebelum diberi presentasi adalah berbeda secara nyata dengan sesudah diberi presentasi. Terlihat angka tersebut adalah b = 5 dan c = 1. Mencari z hitung: Rumus z hitung: Di mana b dan c adalah nilai pada tabel kontingensi yang tidak ‘konsisten’ . Oleh karena z hitung < z tabel ( > 1.475 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).475. maka pada tabel z. untuk luas 0. Oleh karena uji dua sisi. 40 .5% = 47. maka luas kurva normal adalah 50% . dengan = 5% dan uji duas sisi (5% dibagi dua menjadi 2. maka Ho diterima.

05 (0.4 UJI DATA DUA SAMPEL TIDAK BERHUBUNGAN (INDEPENDEN) 4. Di sini terdapat probabilitas di atas 0.Sig.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 .Bab 4 Statistik Non Parametrik Keputusan Terlihat bahwa pada kolom Exact. Untuk itu. 4. kepada sekelompok wiraniaga diberikan pelatihan Kewiraniagaan dan kemudian kinerja mereka dibandingkan dengan wiraniaga lainnya yang tidak diberi pelatihan.219 > 0. Maka Ho diterima.1 Uji Mann-Whitney Kasus : Sebuah perusahaan Multi Level Marketing yang bergerak dalam penjualan obatobatan ingin mengetahui apakah para wiraniaganya membutuhkan pelatihan untuk peningkatan kinerjanya.219. 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). (2-tailed)/significance untuk uji dua sisi adalah 0.

pilih menu New. c. Sekarang SPSS siap membuat variable baru yang diperlukan Pengisian: Variabel wiraniaga Oleh karena ini variable pertama. b. Sesuai kasus. dan ketik sales. letakkan pointer di bawah kolom Name. Name. lalu klik ganda sel tersebut. d. Di sini data hanya sedikit dan dianggap tidak diketahui distribusi datanya (berdistribusi bebas). Decimals. Untuk keseragaman. Abaikan bagian ini. 42 . Pemasukan data ke SPSS Langkah-langkah: • Buka lembar kerja baru. Type. a. ketik 0. yaitu Wiraniaga yang tidak mendapat pelatihan dan Wiraniaga yang menjalani pelatihan. tempatkan pointer pada baris 1. Maka digunakan uji nonparametrik dengan dua sampel yang independen. 1.Bab 4 Statistik Non Parametrik 10 11 12 13 14 15 16 17 14 16 30 32 35 27 25 29 tanpa pelatihan pelatihan pelatihan pelatihan pelatihan pelatihan pelatihan Pelatihan Penyelesaian: Kasus di atas terdiri atas dua sampel yang bebas satu dengan yang lain. Lalu klik Data. e. Untuk keseragaman. ketik 8 (sesuai default). Label. Oleh karena variabel ini akan berisi data rasio. Width. Abaikan bagian yang lain. maka biarkan saja default numeric yang sudah ada. Dari menu utama File.

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

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

12 Kotak Dialog Two Independent Samples Tests yang telah terisi Pengisian grup: Klik Define Group…. yang berarti Grup 1 berisi tanda 1 atau ‘tanpa training’. tekan Continue untuk melanjutkan ke menu sebelumnya. Gambar 4.13 Kotak Dialog Define Groups yang telah terisi Setelah pengisian selesai. 45 . isi dengan 1. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS.Bab 4 Statistik Non Parametrik Gambar 4. yang berarti Grup 2 berisi tanda 2 atau ‘training’. Tekan OK untuk mengakhiri pengisian prosedur analisis. Untuk Group 2.Tampak di layar: • • Untuk Group 1. isi dengan 2.

Hi = Kedua populasi tidak identik atau berbeda dalam hal lokasi (Data Penjualan kedua kelompok Wiraniaga memang berbeda secara signifikan.096 > 0.05 (0.05.096.Sig. Maka Ho diterima. atau 46 . (2-tailed)/significance untuk uji dua sisi adalah 0. maka Ho diterima. atau probabilitas di atas 0.05.Bab 4 Statistik Non Parametrik Output SPSS: Analisis Hipotesis Ho = Kedua populasi identik (Data penjualan kedua kelompok tidak berbeda secara signifikan). Pengambilan Keputusan • • Jika probabilitas > 0. Keputusan Terlihat bahwa pada kolom Exact. Jika probabilitas < 0.05). maka Ho ditolak.

4.2 Uji Kolmogorov-Smirnov Selain uji dengan uji Mann-Whitney. Output SPSS Analisis Ho = Kedua Populasi identik (Data Penjualan kedua kelompok Wiraniaga tidak berbeda secara signifikan) Hi = Kedua Populasi tidak identik atau berbeda dalam hal lokasi (Data Penjualan kedua kelompok Wiraniaga memang berbeda secara signifikan) 47 . 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. 4..

05. Pada uji Wald-Wolfowitz ini dibahas contoh kasus yang sama dengan uji MannWhitney. maka Ho diterima. 4. maka Ho ditolak.Bab 4 Statistik Non Parametrik Pengambilan Keputusan • • Jika probabilitas > 0. (2-tailed)/significance untuk uji dua sisi adalah 0. Jika probabilitas < 0.3 Uji Wald-Wolfowitz Uji Wald-Wolfowitz pada prinsipnya menggunakan banyaknya rangkaian yang terdapat pada dua buah sample untuk menguji apakah kedua sample berasal dari populasi yang identik ataukah tidak.480 > 0. 48 . atau kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan.Sig.05). Maka Ho diterima.05 (0. atau probabilitas di atas 0. Keputusan Terlihat bahwa pada kolom Exact.480.05.4.

Maka Ho diterima. Keputusan Terlihat bahwa pada kolom Exact.5.1 Uji Friedman Kasus: Restoran FAST FOOD ingin meluncurkan empat paket masakan dengan nama paket 1. Berikut adalah hasil penilaian kesepuluh orang terhadap paket yang ditawarkan: 49 . dan kemudian memberikan penilaian pada tiap-tiap paket. atau kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan. Jika probabilitas < 0. Dapat juga dikatakan kedua sample mempunyai distribusi – distribusi identik. Untuk mengetahui bagaimana tanggapan konsumen terhadap keempat paket tersebut.05. baik untuk rangkaian minimum (0.5 UJI DATA TIGA SAMPEL ATAU LEBIH BERHUBUNGAN (DEPENDEN) 4.355) maupun rangkaian maksimum (0. Nilai yang diberikan ditentukan antara 0 sampai 100. dan paket 4. paket 2. sejumlah 10 orang (sampel) dipersilakan mencicipi keempat jenis paket tersebut. maka Ho ditolak. (2-tailed)/significance untuk uji satu sisi. maka Ho diterima. 4.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.Sig. paket 3.05.05.957) adalah di atas 0.

Kasus: Sebuah perusahaan yang ingin mengeluarkan produk sabun mandi baru ingin mengetahui atribut apa saja yang diinginkan konsumen dalam mengkonsumsi pasta gigi. Bahan tertentu 4.5. yaitu: 1. Kesegaran 2.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. perusahaan menetapkan empat atribut. 50 . Masingmasing responden diminta memberi penilaian pada 4 atribut sabun mandi tersebut. dengan angka 1 paling penting dan angka 4 paling tidak penting. 4. Keharuman 3.2 Uji Keselarasan (Konkordansi) Kendall Uji keselarasan Kendall digunakan untuk mengetahui sejauh mana dua himpunan peringkat-peringkat dan n individu selaras ataukah tidak. Untuk itu.

Manajer tersebut memutuskan untuk mengambil 51 . 4. atribut Harum (nomor 3) dan yang paling tidak penting adalah atribut Warna (nomor 4).5.3 Uji Cochran Uji Cochran digunakan untuk menguji tiga sampel atau lebih dengan catatan reaksi (hasil) terhadap suatu perlakuan hanya dinyatakan dalam dua nilai yaitu 0 dan 1. Demikian seterusnya untuk data yang lain. Uji Cochran dilakukan pada penelitian untuk uji sample yang mempunyai data berskala nominal (kategori). kemudian atribut Bahan (nomor 2).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. responden nomor satu menilai atribut Segar sebagai yang paling penting (nomor urut 1). Kasus: Seorang manajer produksi sedang mempertimbangkan pembelian tiga buah mesin untuk merakit komponen tertentu. Oleh karena itu.

Perhatikan bahwa input data hanya dua. dan mesin C dengan 1. dan masing-masing pekerja diminta bekerja dengan masing-masing dari ketiga mesin tersebut. Pada setiap mesin. tiap pekerja memberi penilaian sebagai berikut: • • 0 jika kinerja mesin dirasakan tidak memuaskan. 4. yaitu 1 dan 0. Pekerja 1 2 3 4 5 6 7 8 9 10 Mesin A 0 1 0 1 1 1 0 0 0 1 Mesin B 1 1 0 0 1 1 0 1 0 1 Mesin C 1 0 0 1 0 1 1 1 0 1 Pekerja nomor satu menilai Mesin A adalah 0 (tidak memuaskan kinerjanya).6.Bab 4 Statistik Non Parametrik 10 orang pekerja sebagai sample.6 UJI DATA TIGA SAMPEL ATAU LEBIH TIDAK BERHUBUNGAN (INDEPENDEN) 4. 1 jika kinerja mesin dirasakan memuaskan Berikut hasil penilaian kesepuluh pekerja.1 Kasus Uji Kruskal Walls 52 . Mesin B dengan 1 (memuaskan kinerjanya). Demikian seterusnya untuk data yang lain.

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

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->