Bab 4 Statistik Non Parametrik

BAB 4 STATISTIK NON PARAMETRIK

Keuntungan dari penggunaan metode non parametrik: • Metode non parametrik tidak mengharuskan data berdistribusi normal, karena itu metode ini sering juga dinamakan uji distribusi bebas (distribution free test). Dengan demikian metode ini dapat dipakai untuk segala distribusi data dan lebih luas penggunaannya. • • Metode non parametrik dapat dipakai untuk level data seperti nominal dan ordinal. Metode non parametrik lebih sederhana dan mudah dimengerti daripada pengerjaan Metode Parametrik. Di samping berbagai keunggulan di atas, metode non parametrik juga mempunyai beberapa kelemahan, seperti tidak adanya sistematika yang jelas seperti pada metode parametrik, hasilnya dapat meragukan karena kesederhanaan metodenya, serta tabel-tabel yang dipakai lebih bervariasi dibanding tabel-tabel standar pada metode Parametrik. SPSS menyediakan menu khusus untuk perhitungan statistik non parametrik. Berikut adalah berbagai metode non parametrik yang dapat digunakan dalam upaya alternatif terhadap metode parametrik.

1

Bab 4 Statistik Non Parametrik

APLIKASI
Dua sampel saling

TEST PARAMETER
T test Z test

TEST NONPARAMETER
Sign test Wilcoxon Signed-Rank Mc Nemar Change test

berhubungan (Two Samples) Dua sampel tidak Dependent

T test Z test

Mann-Whitney U test Moses Extreme reactions Chi-Square test Kolmogorov-Smirnov test Walt-Wolfowitz runs

berhubungan (Two Samples) Independent

Beberapa berhubungan (Several Samples)

sampel

Friedman test Kendall W test

Dependent

Cochran’s Q

Beberapa sampel tidak berhubungan (Several Samples) Independent

ANOVA test (F test)

Kruskal-Wallis test Chi Square test Median test

Selain perbandingan di atas, SPSS menyediakan menu lain untuk uji non parametrik, seperti : • • • Binomial Runs Uji Kolmogorov Smirnov untuk satu sampel.

Oleh karena banyaknya menu serta perhitungan statistik non parametrik maka bab mengenai statistik non parametrik dibagi menjadi empat bagian, yaitu: 1. Uji untuk satu sampel. 2. Uji Chi Square. 3. Uji untuk dua sampel. 4. Uji untuk tiga sampel.

2

Bab 4 Statistik Non Parametrik

UJI UNTUK SATU SAMPEL
Uji Binomial Uji Binomial menguji hipotesis tentang suatu proporsi populasi. Ciri binomial adalah data berupa dua (bi) macam unsur, yaitu ‘gagal’ atau ‘sukses’ yang diulang sebanyak n kali. Salah satu contoh untuk penerapan uji Binomial adalah pelemparan sebuah mata uang berkali-kali, di mana ‘sukses’ diartikan jika hasil pelemparan adalah ‘angka’, sedang ‘gagal’ diartikan sebagai munculnya ‘gambar’. Kasus Sebuah mata uang yang terdiri dari dua sisi, yaitu angka dan gambar dilempar sebanyak 17 kali dengan hasil sebagai berikut (1 berarti muncul ‘angka’ dan 0 berarti muncul ‘gambar’).

Lemparan ke 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

Hasil 0 0 1 1 1 0 0 1 0 1 0 1 1 0 1 1 1

Misal lemparan kesatu menghasilkan angka 0 yang berarti lemparan tersebut memunculkan ‘gambar’, sedang lemparan kedua memunculkan ‘angka’ hingga diberi nilai 1. Demikian seterusnya.

3

Bab 4 Statistik Non Parametrik

Akan dilihat apakah hasil pelemparan di atas sudah menunjukkan pelemparan yang ‘fair’ atau mengikuti distribusi binomial? Penyelesaian Oleh karena akan menguji suatu kejadian yang hanya menghasilkan dua jenis output, maka digunakan uji binomial. 1. Pemasukan data ke SPSS Langkah-langkah: • Buka lembar kerja baru. Dari menu utama File, pilih menu New. Lalu klik Data. Sekarang SPSS siap membuat variabel baru yang diperlukan Pengisian: Variabel hasil Oleh karena ini variable pertama, tempatkan pointer pada baris 1. • • • • • Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda sel tersebut, dan ketik hasil. Type. Oleh karena variable ini akan berisi data rasio, maka biarkan saja default numeric yang sudah ada. Width. Untuk keseragaman, ketik 1 (sesuai default). Decimals. Untuk keseragaman, ketik 0. Label. Abaikan bagian ini.

Abaikan bagian yang lain. Kemudian tekan CTRL+T untuk kembali ke DATA VIEW.

2. Mengisi data Letakkan pointer pada baris pertama variabel hasil. Kemudian isi data sesuai kasus di atas. Kemudian simpan data di atas dengan nama binomial.

3. Pengolahan data dengan SPSS Langkah-langkah:

4

Bab 4 Statistik Non Parametrik

• •

Dari menu utama SPSS, pilih menu Analyze, kemudian pilih submenu Nonparametric Tests. Dari serangkaian pilihan test untuk nonparametric, sesuai kasus pilih Binomial…. Klik pilihan tersebut, maka tampak di layar:

Gambar 4.1 Kotak Dialog Binomial

Pengisian: • Test Variable List atau Variabel yang akan diuji. Oleh karena disini akan diuji hanya satu variable, maka klik variabel hasil, kemudian klik tanda ‘>’ (yang sebelah atas), maka variabel hasil berpindah ke Test Variable List. • • Untuk kolom Define Dichotomy, karena akan dilihat pelemparan ‘fair’ ataukah tidak, maka pilih cut point dan ketik 0 pada kolom cut point tersebut. Untuk kolom Test Proportion, karena uji pelemparan yang fair, ada dua kemungkinan output yang sama (angka atau gambar keluar sama banyak), maka diisi 0.5 yang berarti kemungkinan keduanya seimbang, 50% - 50%. Tampak di layar:

5

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

maka Ho diterima. seorang petugas ditempatkan di depan toko dan mencatat pengunjung yang masuk ke toko secara berurutan. Hi = Populasi hasil tidak sama dengan populasi yang dihipotesiskan. Pengambilan Keputusan • • Jika probabilitas > 0.Bab 4 Statistik Non Parametrik • • Proporsi untuk grup 1 = 7/15 dihasilkan 0.629 > 0.05 (0. Berikut hasil pengamatan tersebut (1 adalah Pria dan 2 adalah Wanita). Untuk itu. Sig/Exact significance dua sisi adalah 0. hal atau simbol merupakan hasil proses yang acak (random). atau pelemparan mata uang di atas adalah benar-benar pelemparan yang fair. atau dalam kasus ini pelemparan mata uang tersebut adalah tidak fair. Keputusan: Terlihat bahwa pada kolom Exact.05).2 Uji Runs (Runs Test) Uji Runs disebut juga uji sampel rangkaian tunggal. 4.41 Proporsi untuk grup 2 = 8/15 dihasilkan 0.05. digunakan untuk memeriksa keacakan.59 Hipotesis Ho = Populasi hasil sama dengan populasi yang dihipotesiskan. Jika probabilitas < 0. Maka Ho diterima. atau dalam kasus ini pelemparan mata uang tersebut adalah fair. 7 . pada prinsipnya ingin mengetahui apakah suatu rangkaian kejadian.05.629 atau probabilitas di atas 0. maka Ho ditolak. Kasus: ALFA Department Store ingin mengetahui apakah pengunjung yang masuk ke toko bervariasi secara acak antara pria dan wanita.1.

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

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

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

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

9 200. maka Ho diterima Jika probabilitas < 0.6 205.05.9 201. atau pola perolehan gender (pria atau wanita) yang masuk ke toko ditentukan melalui proses acak. Nomor 1 2 3 4 5 6 7 8 9 10 11 12 13 Berat 200.5 200.7 200.1.867.3 Uji Kolmogorov-Smirnov Uji Kolmogorov-Smirnov dipakai untuk uji keselarasan data yang berskala minimal ordinal. atau probabilitas di atas 0.7 208.9 205.4 204.Bab 4 Statistik Non Parametrik Pengambilan Keputusan • • Jika probabilitas > 0.05). Sig/Asymptotic significance dua sisi adalah 0.8 208. 4.05.05 (0.5 205. Maka Ho diterima.867 > 0.6 204.6 12 .8 205. maka Ho ditolak Keputusan: Terlihat bahwa pada kolom Asymp. Kasus: Berikut sampel berat sabun cuci yang diproduksi PT Dangdut (angka dalam gram).

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

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

05.969. atau probabilitas di atas 0.0056 dan = 2. Uji dilakukan dua sisi. 15 . maka Ho diterima. Sig/Asymptotic significance dua sisi adalah 0.969 > 0. karena adanya tanda ‘ ’ Pengambilan Keputusan: Jika probabilitas > 0.05).05 (0. maka Ho ditolak.05. Maka Ho diterima. Fo (x) atau distribusi populasi tidak normal. Keputusan: Terlihat bahwa pada kolom Asymp.69 (Lihat hasil output SPSS). Jika probabilitas < 0. atau distribusi populasi berat sabun cuci PT DANGDUT adalah normal.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.

Ikan 20 buah.Bab 4 Statistik Non Parametrik 4. uniform. Kasus: Manajer Pemasaran PT MIE yang menjual mie instan dengan enam macam rasa ingin mengetahui apakah konsumen menyukai keempat rasa mie instan tersebut. Untuk itu dalam waktu satu minggu diamati pembelian mie instan di suatu outlet dan berikut hasilnya (angka dalam buah mie instan). karena untuk menguji apakah sebuah sampel selaras dengan salah satu distribusi teroritis (seperti distribusi normal. Oleh karena itu. binomial dan lainnya). Kambing 21 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.2 UJI CHI-SQUARE Dalam bahasan statistik non parametrik. Bebek 25 buah. 16 . Sapi 30 buah. uji ini dapat juga disebut uji keselarasan (goodness of fit test). Rasa Ayam Sapi Kambing Bebek Udang Ikan Jumlah 29 30 21 25 35 20 Angka di atas berarti dalam seminggu ada pembelian 160 mie instan dengan rasa ayam terbeli sebanyak 29 buah. Akan dilihat apakah hasil pengamatan tersebut menunjukkan bahwa keenam rasa disukai konsumen secara merata? Di sini Manajer Pemasaran tersebut mengharapkan keenam rasa disukai secara merata sehingga distribusi populasi yang diharapkan adalah distribusi yang seragam/uniform. udang 35 buah.

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

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

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

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

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

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 .

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

pemasukan nilai 1 dan 2 (yang berjumlah 3) akan dimasukkan dalam output sebagai 1/3 dan 2/3. Di sini prosedur pengujian dan pemasukan input sama.05.3. Dari kedua analisis di atas.287 < 0. dapat diambil kesimpulan yang sama. Jika probabilitas < 0. binomial dan lainnya. Penutup Uji keselarasan dalam kasus di atas adalah penerapan untuk uji keselarasan dengan distribusi uniform/seragam. dari pengisian Chi-square di SPSS.3 UJI DATA DUA SAMPEL BERHUBUNGAN (DEPENDEN) 4. maka Ho diterima.05. Sebagai contoh.1 Uji Peringkat-Bertanda Wilcoxon Kasus 24 . maka Ho ditolak. atau probabilitas di bawah 0. : atau 6 rasa mie instant yang ada disukai konsumen secara merata. hanya distribusi teoritis atau dalam output SPSS disebut ‘expected N’ yang berbeda dalam pengisiannya.Bab 4 Statistik Non Parametrik Gambar: b. kemudian tekan Add. Demikian pengisian berulang-ulang sampai sesuai dengan jumlah data. 4. seperti distribusi normal. maka Ho diterima. pada pilihan Expected Value. poisson. yaitu Ho diterima.05 (0. Untuk input pola distribusi tertentu.287. Namun uji dapat diperluas dengan membandingkan dengan distribusi teoritis yang lain.05). Berdasarkan Probabilitas • • Jika probabilitas > 0. pilih option Values. Hanya di sini diperhatikan bahwa nilai dihitung kumulatif oleh SPSS. lalu masukkan angka/nilai yang dikehendaki. Keputusan: Terlihat bahwa pada kolom Asymp. Sig/Asymtotic significance adalah 0.

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

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

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

05. Oleh karena kasus adalah uji satu sisi. 28 . maka kurva-kurva normal adalah 50% .970 > . maka probabilitas menjadi 0.45.Bab 4 Statistik Non Parametrik keterangan SPSS yang menyatakan bahwa angka z didasarkan ada ranking yang positif (sama dengan perhitungan sebelumnya). maka Ho ditolak. Jika probabilitas < 0. maka Ho ditolak.45 didapat angka z tabel sekitar –1.05 (0. atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata untuk menurunkan berat badan.645 (tanda ‘-‘ menyesuaikan dengan angka z output.0245. Pada tabel z.yaitu Ho ditolak.2 Uji Tanda (Sign) Kasus: Seorang guru ingin mengetahui apakah ada perbedaan antara nilai ujian seorang Siswa pada mata ajar tertentu. Sig.049/2 = 0. Pengambilan Keputusan. Gambar: Dari kedua analisis di atas.049. Maka Ho ditolak. Di sini terdapat probabilitas di bawah 0.05).5% = 45% atau 0.0245 < 0. untuk luas 0.). maka Ho diterima. . Jika probabilitas > 0. atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata untuk menurunkan berat badan. Untuk itu. Sedang statistik tabel dapat dihitung pada tabel z dengan = 5%. 4. Keputusan: Terlihat bahwa pada kolom asymp. diadakan dua kali uji mata ajar.05. jika ia belajar sendirian dan jika ia belajar berkelompok. Oleh karena z output > z tabel (-1.3. dapat diambil kesimpulan yang sama. (2-tailed)/asymptotic significance untuk uji dua sisi adalah 0. dan yang kedua sebelum ujian para dapat dengan bebas belajar secara berkelompok. pertama siswa belajar sendiri-sendiri.

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

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

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

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

Bab 4 Statistik Non Parametrik Analisis: Hipotesis Ho = Median Populasi ‘perbedaan’ adalah sama dengan nol. bukan ingin mengetahui cara mana yang lebih bagus dalam menaikkan nilai. (2-tailed)/significance untuk uji dua sisi adalah 0. Jika probabilitas < 0.424 > 0. 9 data dengan perbedaan positif dan 3 data dengan perbedaan data nol (pasangan data sama nilainya atau ties). maka Hi ditolak. Keputusan Terlihat bahwa pada kolom Exact. atau sesungguhnya tidak ada perbedaan yang nyata pada nilai ujian seorang siswa. Atau dapat dikatakan Nilai Siswa jika ia belajar sendiri tidak berbeda dengan jika ia belajar berkelompok. 4. baik jika ia belajar sendiri ataupun jika ia belajar kelompok. Pengambilan Keputusan. Maka Ho diterima. maka Ho diterima. Oleh karena dalam output hanya menyajikan nilai probabilitas. Di sini terdapat probabilitas di atas 0.424. Keterangan: ‘perbedaan’ adalah perbedaan setiap pasangan hasil pengukuran (Y – X).05.3 Uji McNemar 33 .Sig. Hi = Median Populasi ‘perbedaan’ tidak sama dengan nol. Dari 17 data pada output SPSS terlihat ada 5 data dengan perbedaan negatif. Perhatikan pengujian pada kasus ini yang menggunakan uji dua sisi. di mana Y adalah ‘sendiri’ dan X adalah ‘kelompok’.05. karena yang dicari adalah apakah ada perbedaan nilai karena perbedaan cara belajar.05 (0.05). • • Jika probabilitas > 0. maka pengambilan keputusan berdasarkan probabilitas saja.3. Atau dapat dikatakan nilai Siswa jika ia belajar sendiri berbeda secara nyata dengan jika ia belajar berkelompok.

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

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

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

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

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

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

Pengambilan Keputusan berdasarkan probabilitas • • Jika probabilitas > 0.Bab 4 Statistik Non Parametrik yang bersikap positif-negatif sebelum diberi presentasi adalah berbeda secara nyata dengan sesudah diberi presentasi. yaitu Ho diterima atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM secara nyata.475. Terlihat angka tersebut adalah b = 5 dan c = 1. maka luas kurva normal adalah 50% . dapat diambil kesimpulan yang sama. Jika Statisitk Hitung (angka z output) < Statistik Tabel (tabel z). maka Ho diterima. Pengambilan Keputusan Dalam hal ini. maka Ho ditolak. 40 .5% = 47. statistik uji McNemar dapat disamakan dengan mencari z hitung. Jika probabilitas < 0.475 didapat angka z tabel sekitar +1. Dalam kasus ini b dan c adalah jumlah responden yang semula bersikap 0 menjadi 1 atau sebaliknya. maka Ho diterima. maka Hi ditolak. Berdasarkan Angka z Dasar pengambilan keputusan sama dengan uji z: Jika Statisitk Hitung (angka z output) > Statistik Tabel (tabel z). maka pada tabel z. b. untuk luas 0. Dari kedua analisis di atas.96).5%). Maka Mencari z tabel: Z tabel dapat dihitung pada tabel z.5% atau 0. dengan = 5% dan uji duas sisi (5% dibagi dua menjadi 2.05. a. Oleh karena uji dua sisi. maka Ho diterima. Mencari z hitung: Rumus z hitung: Di mana b dan c adalah nilai pada tabel kontingensi yang tidak ‘konsisten’ .2.96.05. Oleh karena z hitung < z tabel ( > 1.

Bab 4 Statistik Non Parametrik Keputusan Terlihat bahwa pada kolom Exact.05 (0. Berikut hasil kedua kelompok (angka dalam jumlah paket obat yang terjual dalam sebulan). 4.1 Uji Mann-Whitney Kasus : Sebuah perusahaan Multi Level Marketing yang bergerak dalam penjualan obatobatan ingin mengetahui apakah para wiraniaganya membutuhkan pelatihan untuk peningkatan kinerjanya. Untuk itu.219.4 UJI DATA DUA SAMPEL TIDAK BERHUBUNGAN (INDEPENDEN) 4.219 > 0.Sig.05). (2-tailed)/significance untuk uji dua sisi adalah 0. atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM secara nyata. kepada sekelompok wiraniaga diberikan pelatihan Kewiraniagaan dan kemudian kinerja mereka dibandingkan dengan wiraniaga lainnya yang tidak diberi pelatihan. 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 . Di sini terdapat probabilitas di atas 0. Maka Ho diterima.4.

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

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

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

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

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

uji untuk mengetahui ada tidaknya perbedaan yang signifikan untuk dua sample yang independent juga dapat dilakukan dengan uji Kolmogorov-Smirnov.4. 4..2 Uji Kolmogorov-Smirnov Selain uji dengan uji Mann-Whitney. Pada uji Kolmogorov ini dibahas contoh kasus yang sama dengan uji Mann-Whitney. Output SPSS Analisis Ho = Kedua Populasi identik (Data Penjualan kedua kelompok Wiraniaga tidak berbeda secara signifikan) Hi = Kedua Populasi tidak identik atau berbeda dalam hal lokasi (Data Penjualan kedua kelompok Wiraniaga memang berbeda secara signifikan) 47 .Bab 4 Statistik Non Parametrik kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan.

05 (0.05.Bab 4 Statistik Non Parametrik Pengambilan Keputusan • • Jika probabilitas > 0.05. Jika probabilitas < 0. Keputusan Terlihat bahwa pada kolom Exact. 4.4. Pada uji Wald-Wolfowitz ini dibahas contoh kasus yang sama dengan uji MannWhitney. atau probabilitas di atas 0. 48 . Maka Ho diterima.480 > 0. maka Ho ditolak. (2-tailed)/significance untuk uji dua sisi adalah 0.Sig. atau kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan.05). maka Ho diterima.480.3 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.

dan kemudian memberikan penilaian pada tiap-tiap paket. Jika probabilitas < 0. Untuk mengetahui bagaimana tanggapan konsumen terhadap keempat paket tersebut. Berikut adalah hasil penilaian kesepuluh orang terhadap paket yang ditawarkan: 49 . maka Ho diterima. paket 3.957) adalah di atas 0.5.355) maupun rangkaian maksimum (0.05.5 UJI DATA TIGA SAMPEL ATAU LEBIH BERHUBUNGAN (DEPENDEN) 4. Maka Ho diterima. Nilai yang diberikan ditentukan antara 0 sampai 100. sejumlah 10 orang (sampel) dipersilakan mencicipi keempat jenis paket tersebut. baik untuk rangkaian minimum (0.Sig. dan paket 4.1 Uji Friedman Kasus: Restoran FAST FOOD ingin meluncurkan empat paket masakan dengan nama paket 1. paket 2.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. 4. maka Ho ditolak. Dapat juga dikatakan kedua sample mempunyai distribusi – distribusi identik.05. (2-tailed)/significance untuk uji satu sisi. atau kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan.05. Keputusan Terlihat bahwa pada kolom Exact.

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. Kasus: Sebuah perusahaan yang ingin mengeluarkan produk sabun mandi baru ingin mengetahui atribut apa saja yang diinginkan konsumen dalam mengkonsumsi pasta gigi. perusahaan menetapkan empat atribut. 50 . dengan angka 1 paling penting dan angka 4 paling tidak penting.5.2 Uji Keselarasan (Konkordansi) Kendall Uji keselarasan Kendall digunakan untuk mengetahui sejauh mana dua himpunan peringkat-peringkat dan n individu selaras ataukah tidak. Keharuman 3. Untuk itu. yaitu: 1. Kesegaran 2. Warna Kemudian diambil sebuah sampel yang terdiri atas 14 orang responden. Masingmasing responden diminta memberi penilaian pada 4 atribut sabun mandi tersebut. 4. Bahan tertentu 4.

Oleh karena itu. 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. atribut Harum (nomor 3) dan yang paling tidak penting adalah atribut Warna (nomor 4). responden nomor satu menilai atribut Segar sebagai yang paling penting (nomor urut 1).5. 4. Kasus: Seorang manajer produksi sedang mempertimbangkan pembelian tiga buah mesin untuk merakit komponen tertentu. Manajer tersebut memutuskan untuk mengambil 51 .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).

yaitu 1 dan 0.6 UJI DATA TIGA SAMPEL ATAU LEBIH TIDAK BERHUBUNGAN (INDEPENDEN) 4. Pada setiap mesin. tiap pekerja memberi penilaian sebagai berikut: • • 0 jika kinerja mesin dirasakan tidak memuaskan.1 Kasus Uji Kruskal Walls 52 . 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). Demikian seterusnya untuk data yang lain.6. 1 jika kinerja mesin dirasakan memuaskan Berikut hasil penilaian kesepuluh pekerja. Mesin B dengan 1 (memuaskan kinerjanya). dan masing-masing pekerja diminta bekerja dengan masing-masing dari ketiga mesin tersebut. Perhatikan bahwa input data hanya dua.Bab 4 Statistik Non Parametrik 10 orang pekerja sebagai sample. dan mesin C dengan 1. 4.

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

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.Bab 4 Statistik Non Parametrik 4.5. Di dalam Uji Median.1 Uji Median Uji Median juga sering dipergunakan sebagai pelengkap pada uji Kruskal Wallis.