Bab 4 Statistik Non Parametrik

BAB 4 STATISTIK NON PARAMETRIK

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

1

Bab 4 Statistik Non Parametrik

APLIKASI
Dua sampel saling

TEST PARAMETER
T test Z test

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

berhubungan (Two Samples) Dua sampel tidak Dependent

T test Z test

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

berhubungan (Two Samples) Independent

Beberapa berhubungan (Several Samples)

sampel

Friedman test Kendall W test

Dependent

Cochran’s Q

Beberapa sampel tidak berhubungan (Several Samples) Independent

ANOVA test (F test)

Kruskal-Wallis test Chi Square test Median test

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

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

2

Bab 4 Statistik Non Parametrik

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

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

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

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

3

Bab 4 Statistik Non Parametrik

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

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

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

3. Pengolahan data dengan SPSS Langkah-langkah:

4

Bab 4 Statistik Non Parametrik

• •

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

Gambar 4.1 Kotak Dialog Binomial

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

5

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

Maka Ho diterima. hal atau simbol merupakan hasil proses yang acak (random). Untuk itu. 7 . atau dalam kasus ini pelemparan mata uang tersebut adalah fair.41 Proporsi untuk grup 2 = 8/15 dihasilkan 0. Hi = Populasi hasil tidak sama dengan populasi yang dihipotesiskan. digunakan untuk memeriksa keacakan.59 Hipotesis Ho = Populasi hasil sama dengan populasi yang dihipotesiskan. pada prinsipnya ingin mengetahui apakah suatu rangkaian kejadian.629 > 0. Pengambilan Keputusan • • Jika probabilitas > 0.2 Uji Runs (Runs Test) Uji Runs disebut juga uji sampel rangkaian tunggal. Sig/Exact significance dua sisi adalah 0. maka Ho diterima.1. Jika probabilitas < 0.05.05. atau dalam kasus ini pelemparan mata uang tersebut adalah tidak fair. 4. Kasus: ALFA Department Store ingin mengetahui apakah pengunjung yang masuk ke toko bervariasi secara acak antara pria dan wanita.05 (0. Keputusan: Terlihat bahwa pada kolom Exact. seorang petugas ditempatkan di depan toko dan mencatat pengunjung yang masuk ke toko secara berurutan.Bab 4 Statistik Non Parametrik • • Proporsi untuk grup 1 = 7/15 dihasilkan 0.05). atau pelemparan mata uang di atas adalah benar-benar pelemparan yang fair. maka Ho ditolak. Berikut hasil pengamatan tersebut (1 adalah Pria dan 2 adalah Wanita).629 atau probabilitas di atas 0.

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

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

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

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

05 (0. Kasus: Berikut sampel berat sabun cuci yang diproduksi PT Dangdut (angka dalam gram).867 > 0. maka Ho diterima Jika probabilitas < 0.867. Sig/Asymptotic significance dua sisi adalah 0.6 12 .Bab 4 Statistik Non Parametrik Pengambilan Keputusan • • Jika probabilitas > 0.6 204.9 200.4 204.3 Uji Kolmogorov-Smirnov Uji Kolmogorov-Smirnov dipakai untuk uji keselarasan data yang berskala minimal ordinal. maka Ho ditolak Keputusan: Terlihat bahwa pada kolom Asymp.5 205.7 208. atau probabilitas di atas 0. 4.8 205. Nomor 1 2 3 4 5 6 7 8 9 10 11 12 13 Berat 200.05.9 205.05.6 205.7 200. Maka Ho diterima.9 201.8 208. atau pola perolehan gender (pria atau wanita) yang masuk ke toko ditentukan melalui proses acak.05).5 200.1.

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

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

maka Ho diterima.05. karena adanya tanda ‘ ’ Pengambilan Keputusan: Jika probabilitas > 0. Uji dilakukan dua sisi.05. atau probabilitas di atas 0. Sig/Asymptotic significance dua sisi adalah 0.05).969.69 (Lihat hasil output SPSS). Maka Ho diterima. Fo (x) atau distribusi populasi tidak normal. maka Ho ditolak. Keputusan: Terlihat bahwa pada kolom Asymp.0056 dan = 2. Jika probabilitas < 0. 15 . 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) = 204.969 > 0.05 (0.

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

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

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

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

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

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

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

Hi : Sampel bukan berasal dari Populasi yang mengikuti distribusi seragam . Sedang kolom Residual adalah selisih antara jumlah yang dibeli dengan jumlah yang diharapkan (seperti pada baris pertama adalah 29 – 26.200 Sedang Chi-Square tabel dapat dihitung pada tabel Chi-Square.adalah 6. maka Hi ditolak. maka Ho diterima • • • Jika Chi-Square Hitung > Chi-Square Tabel. Hipotesis Ho : Sampel ditarik dari Populasi yang mengikuti distribusi seragam.Bab 4 Statistik Non Parametrik Analisis Terlihat ada dua bagian output. Atau setidaknya sebuah rasa mie instant lebih disukai daripada setidaknya sebuah rasa yang lain.7 = 2. 23 . Chi-Square Hitung –lihat pada output SPSS.3). Oleh karena dipakai distribusi yang seragam. Jika Chi-Square Hitung < Chi-Square Tabel. Pada bagian pertama output. di mana dalam kasus adalah rasa mie instant).0705 • Oleh karena Chi-Square Hitung < Chi-Square tabel. maka Ho diterima. terlihat ada Expected N atau jumlah rasa mie instant yang diharapkan terbeli. yaitu 26. Pengambilan Keputusan a. maka yang diharapkan sama rata. dengan = 5%. dan df = 5 (lihat output SPSS atau dari rumus k –1. Atau 6 rasa mie instant yang ada disukai konsumen secara merata. Berdasarkan perbandingan Chi-Square Uji dan tabel. Di dapat Chi-Square tabel adalah 11.7 (160 dibagi 6 rasa mie instant).

hanya distribusi teoritis atau dalam output SPSS disebut ‘expected N’ yang berbeda dalam pengisiannya. lalu masukkan angka/nilai yang dikehendaki. binomial dan lainnya.3 UJI DATA DUA SAMPEL BERHUBUNGAN (DEPENDEN) 4. Sig/Asymtotic significance adalah 0. maka Ho diterima. kemudian tekan Add. Namun uji dapat diperluas dengan membandingkan dengan distribusi teoritis yang lain. 4.05. Sebagai contoh.05 (0. maka Ho ditolak. : atau 6 rasa mie instant yang ada disukai konsumen secara merata. Berdasarkan Probabilitas • • Jika probabilitas > 0. atau probabilitas di bawah 0. Jika probabilitas < 0. poisson. seperti distribusi normal.1 Uji Peringkat-Bertanda Wilcoxon Kasus 24 . Keputusan: Terlihat bahwa pada kolom Asymp. Demikian pengisian berulang-ulang sampai sesuai dengan jumlah data. Dari kedua analisis di atas.287 < 0. dari pengisian Chi-square di SPSS. dapat diambil kesimpulan yang sama. Di sini prosedur pengujian dan pemasukan input sama. pemasukan nilai 1 dan 2 (yang berjumlah 3) akan dimasukkan dalam output sebagai 1/3 dan 2/3. Hanya di sini diperhatikan bahwa nilai dihitung kumulatif oleh SPSS. maka Ho diterima. Untuk input pola distribusi tertentu. yaitu Ho diterima.05). pilih option Values. pada pilihan Expected Value.3.05.Bab 4 Statistik Non Parametrik Gambar: b. Penutup Uji keselarasan dalam kasus di atas adalah penerapan untuk uji keselarasan dengan distribusi uniform/seragam.287.

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

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

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

(2-tailed)/asymptotic significance untuk uji dua sisi adalah 0. maka probabilitas menjadi 0. maka kurva-kurva normal adalah 50% . 28 .0245.049. .yaitu Ho ditolak.3. jika ia belajar sendirian dan jika ia belajar berkelompok. Pengambilan Keputusan. Keputusan: Terlihat bahwa pada kolom asymp. Jika probabilitas < 0.970 > . maka Ho diterima. Sedang statistik tabel dapat dihitung pada tabel z dengan = 5%. maka Ho ditolak. Oleh karena kasus adalah uji satu sisi. Di sini terdapat probabilitas di bawah 0. 4.5% = 45% atau 0.645 (tanda ‘-‘ menyesuaikan dengan angka z output.2 Uji Tanda (Sign) Kasus: Seorang guru ingin mengetahui apakah ada perbedaan antara nilai ujian seorang Siswa pada mata ajar tertentu. Sig. Gambar: Dari kedua analisis di atas.0245 < 0.Bab 4 Statistik Non Parametrik keterangan SPSS yang menyatakan bahwa angka z didasarkan ada ranking yang positif (sama dengan perhitungan sebelumnya). Jika probabilitas > 0. untuk luas 0. dan yang kedua sebelum ujian para dapat dengan bebas belajar secara berkelompok.45.). atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata untuk menurunkan berat badan. Pada tabel z. atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata untuk menurunkan berat badan. Maka Ho ditolak.05).05 (0.45 didapat angka z tabel sekitar –1.049/2 = 0. maka Ho ditolak. diadakan dua kali uji mata ajar. Untuk itu.05.05. Oleh karena z output > z tabel (-1. dapat diambil kesimpulan yang sama. pertama siswa belajar sendiri-sendiri.

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

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

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

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

05. Perhatikan pengujian pada kasus ini yang menggunakan uji dua sisi. Keputusan Terlihat bahwa pada kolom Exact. 4.3 Uji McNemar 33 . (2-tailed)/significance untuk uji dua sisi adalah 0. Jika probabilitas < 0.05. Pengambilan Keputusan. Oleh karena dalam output hanya menyajikan nilai probabilitas. baik jika ia belajar sendiri ataupun jika ia belajar kelompok. maka Ho diterima. bukan ingin mengetahui cara mana yang lebih bagus dalam menaikkan nilai.Sig. • • Jika probabilitas > 0. Di sini terdapat probabilitas di atas 0.05 (0.05).424. maka pengambilan keputusan berdasarkan probabilitas saja. Dari 17 data pada output SPSS terlihat ada 5 data dengan perbedaan negatif. 9 data dengan perbedaan positif dan 3 data dengan perbedaan data nol (pasangan data sama nilainya atau ties).3.Bab 4 Statistik Non Parametrik Analisis: Hipotesis Ho = Median Populasi ‘perbedaan’ adalah sama dengan nol.424 > 0. Keterangan: ‘perbedaan’ adalah perbedaan setiap pasangan hasil pengukuran (Y – X). maka Hi ditolak. atau sesungguhnya tidak ada perbedaan yang nyata pada nilai ujian seorang siswa. Hi = Median Populasi ‘perbedaan’ tidak sama dengan nol. Maka Ho diterima. Atau dapat dikatakan Nilai Siswa jika ia belajar sendiri tidak berbeda dengan jika ia belajar berkelompok. di mana Y adalah ‘sendiri’ dan X adalah ‘kelompok’. Atau dapat dikatakan nilai Siswa jika ia belajar sendiri berbeda secara nyata dengan jika ia belajar berkelompok. karena yang dicari adalah apakah ada perbedaan nilai karena perbedaan cara belajar.

Berikut adalah hasil lengkap persepsi responden: Keterangan: Terlihat pada kolom Total paling kanan terdapat angka 6 dan 9 seperti penjelasan terdahulu. dan 0 untuk sikap yang negatif.Bab 4 Statistik Non Parametrik Berbeda dengan Uji Wilcoxon atau Sign Test. ingin mengetahui apakah beberapa presentasi mengenai MLM yang benar mampu mengubah persepsi masyarakat terhadap MLM selama ini. Sikap Negatif (0) ada 9 orang. Sikap responden sebelum presentasi MLM: Sikap Positif (1) ada 6 orang. apakah berubah ataukah tetap seperti semula. Hasilnya sebagai berikut. Untuk itu. Biasanya uji McNemar disajikan dalam bentuk tabel kontingensi (selalu dalam bentuk tabel kontingensi 2x2 atau 2 baris dan 2 kolom). terlebih dahulu dikumpulkan 15 responden yang diambil acak.Uji McNemar mensyaratkan adanya skala pengukuran data nominal atau kategori binary (seperti 1 untuk ‘tidak’ dan 0 untuk ‘ya’ dan contoh lainnya). sedangkan dalam SPSS input data tetap dalam baris dan kolom. . Sikap mereka dibagi dua. kembali mereka ditanya sikap mereka. Kasus: Sebuah perusahaan yang memasarkan produknya dengan cara multi level (MLM/Multi Level Marketing). yaitu 1 untuk sikap yang positif terhadap MLM. 34 . dan setelah presentasi. dan kepada mereka ditanya pendapat mereka tentang bisnis secara MLM. Sebelum Presentasi Positif Negatif Total Positif 5 5 10 Negatif 1 4 5 Total 6 9 15 Kemudian kepada mereka diberi beberapa presentasi secara intensif.

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

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

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

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

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

Bab 4 Statistik Non Parametrik yang bersikap positif-negatif sebelum diberi presentasi adalah berbeda secara nyata dengan sesudah diberi presentasi.475.5% atau 0.05. maka Ho diterima. 40 . maka Ho diterima. Dalam kasus ini b dan c adalah jumlah responden yang semula bersikap 0 menjadi 1 atau sebaliknya. dengan = 5% dan uji duas sisi (5% dibagi dua menjadi 2.475 didapat angka z tabel sekitar +1. 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’ . maka luas kurva normal adalah 50% . Oleh karena uji dua sisi. maka pada tabel z. statistik uji McNemar dapat disamakan dengan mencari z hitung. yaitu Ho diterima atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM secara nyata. dapat diambil kesimpulan yang sama. Jika probabilitas < 0. Pengambilan Keputusan Dalam hal ini. Jika Statisitk Hitung (angka z output) < Statistik Tabel (tabel z). Pengambilan Keputusan berdasarkan probabilitas • • Jika probabilitas > 0.2. a.96).5% = 47. maka Ho ditolak. Maka Mencari z tabel: Z tabel dapat dihitung pada tabel z. b. untuk luas 0. Dari kedua analisis di atas. maka Ho diterima. maka Hi ditolak.5%). Oleh karena z hitung < z tabel ( > 1. Berdasarkan Angka z Dasar pengambilan keputusan sama dengan uji z: Jika Statisitk Hitung (angka z output) > Statistik Tabel (tabel z).05.96.

05 (0. Berikut hasil kedua kelompok (angka dalam jumlah paket obat yang terjual dalam sebulan).219 > 0. 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 . atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM secara nyata. 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.Sig.219. Untuk itu.Bab 4 Statistik Non Parametrik Keputusan Terlihat bahwa pada kolom Exact. Maka Ho diterima.4 UJI DATA DUA SAMPEL TIDAK BERHUBUNGAN (INDEPENDEN) 4. (2-tailed)/significance untuk uji dua sisi adalah 0.4. Di sini terdapat probabilitas di atas 0.05).

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

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

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

Tampak di layar: • • Untuk Group 1. Gambar 4. isi dengan 1. Terlihat SPSS melakukan pekerjaan analisis dan terlihat output SPSS. yang berarti Grup 2 berisi tanda 2 atau ‘training’. Untuk Group 2. isi dengan 2. 45 .13 Kotak Dialog Define Groups yang telah terisi Setelah pengisian selesai. Tekan OK untuk mengakhiri pengisian prosedur analisis.12 Kotak Dialog Two Independent Samples Tests yang telah terisi Pengisian grup: Klik Define Group…. tekan Continue untuk melanjutkan ke menu sebelumnya. yang berarti Grup 1 berisi tanda 1 atau ‘tanpa training’.Bab 4 Statistik Non Parametrik Gambar 4.

Sig. atau probabilitas di atas 0.096.05 (0.096 > 0. (2-tailed)/significance untuk uji dua sisi adalah 0. atau 46 .05). Maka Ho diterima.05. maka Ho diterima. Keputusan Terlihat bahwa pada kolom Exact. Jika probabilitas < 0.05. Hi = Kedua populasi tidak identik atau berbeda dalam hal lokasi (Data Penjualan kedua kelompok Wiraniaga memang berbeda secara signifikan. Pengambilan Keputusan • • Jika probabilitas > 0. maka Ho ditolak.Bab 4 Statistik Non Parametrik Output SPSS: Analisis Hipotesis Ho = Kedua populasi identik (Data penjualan kedua kelompok tidak berbeda secara signifikan).

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 . 4.2 Uji Kolmogorov-Smirnov Selain uji dengan uji Mann-Whitney. Pada uji Kolmogorov ini dibahas contoh kasus yang sama dengan uji Mann-Whitney.4. uji untuk mengetahui ada tidaknya perbedaan yang signifikan untuk dua sample yang independent juga dapat dilakukan dengan uji Kolmogorov-Smirnov..Bab 4 Statistik Non Parametrik kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan.

Jika probabilitas < 0.4.480 > 0. atau kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan.Bab 4 Statistik Non Parametrik Pengambilan Keputusan • • Jika probabilitas > 0.05 (0. maka Ho diterima.05. atau probabilitas di atas 0.05.Sig. 4. Maka Ho diterima. Pada uji Wald-Wolfowitz ini dibahas contoh kasus yang sama dengan uji MannWhitney.480. Keputusan Terlihat bahwa pada kolom Exact.05). (2-tailed)/significance untuk uji dua sisi adalah 0. maka Ho ditolak. 48 .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.

paket 3.1 Uji Friedman Kasus: Restoran FAST FOOD ingin meluncurkan empat paket masakan dengan nama paket 1. atau kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang mendapat pelatihan.957) adalah di atas 0. Untuk mengetahui bagaimana tanggapan konsumen terhadap keempat paket tersebut. Dapat juga dikatakan kedua sample mempunyai distribusi – distribusi identik.05. 4.Sig. Keputusan Terlihat bahwa pada kolom Exact. dan paket 4. baik untuk rangkaian minimum (0.355) maupun rangkaian maksimum (0.5 UJI DATA TIGA SAMPEL ATAU LEBIH BERHUBUNGAN (DEPENDEN) 4. dan kemudian memberikan penilaian pada tiap-tiap paket. Berikut adalah hasil penilaian kesepuluh orang terhadap paket yang ditawarkan: 49 . Jika probabilitas < 0. sejumlah 10 orang (sampel) dipersilakan mencicipi keempat jenis paket tersebut. Nilai yang diberikan ditentukan antara 0 sampai 100. maka Ho ditolak.05.05. paket 2.5.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. (2-tailed)/significance untuk uji satu sisi. maka Ho diterima. Maka Ho diterima.

Keharuman 3. Bahan tertentu 4.2 Uji Keselarasan (Konkordansi) Kendall Uji keselarasan Kendall digunakan untuk mengetahui sejauh mana dua himpunan peringkat-peringkat dan n individu selaras ataukah tidak. yaitu: 1. 4. perusahaan menetapkan empat atribut. dengan angka 1 paling penting dan angka 4 paling tidak penting. Warna Kemudian diambil sebuah sampel yang terdiri atas 14 orang responden.Bab 4 Statistik Non Parametrik Responden 1 2 3 4 5 6 7 8 9 10 11 12 Paket_1 82 87 84 86 85 89 84 75 78 85 82 81 Paket_2 77 78 84 89 73 84 82 84 76 78 81 70 Paket_3 74 70 66 84 90 88 82 76 78 68 64 80 Paket_4 84 86 75 78 73 89 92 76 73 78 75 83 Akan diteliti apakah keempat paket tersebut mempunyai mutu (nilai) yang sama.5. Kesegaran 2. Masingmasing responden diminta memberi penilaian pada 4 atribut sabun mandi tersebut. 50 . Untuk itu. Kasus: Sebuah perusahaan yang ingin mengeluarkan produk sabun mandi baru ingin mengetahui atribut apa saja yang diinginkan konsumen dalam mengkonsumsi pasta gigi.

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

tiap pekerja memberi penilaian sebagai berikut: • • 0 jika kinerja mesin dirasakan tidak memuaskan. dan mesin C dengan 1. 1 jika kinerja mesin dirasakan memuaskan Berikut hasil penilaian kesepuluh pekerja. yaitu 1 dan 0.1 Kasus Uji Kruskal Walls 52 . 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. Pada setiap mesin.6.Bab 4 Statistik Non Parametrik 10 orang pekerja sebagai sample.6 UJI DATA TIGA SAMPEL ATAU LEBIH TIDAK BERHUBUNGAN (INDEPENDEN) 4. 4. Demikian seterusnya untuk data yang lain. Pekerja 1 2 3 4 5 6 7 8 9 10 Mesin A 0 1 0 1 1 1 0 0 0 1 Mesin B 1 1 0 0 1 1 0 1 0 1 Mesin C 1 0 0 1 0 1 1 1 0 1 Pekerja nomor satu menilai Mesin A adalah 0 (tidak memuaskan kinerjanya).

Hasil pengujian (angka dalam hari). 53 . pada baris 1 di atas menyatakan bahwa sampel nomor 1 lampu pijar merek A mempunyai masa hidup 200 jam.Bab 4 Statistik Non Parametrik Manajer produksi sebuah perusahaan lampu yang selama ini memproduksi tiga buah lampu pijar dengan merek A. kemudian diukur masa hidupnya. dan C. B. Demikian seterusnya untuk data yang lain. 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. 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.

Bab 4 Statistik Non Parametrik 4.1 Uji Median Uji Median juga sering dipergunakan sebagai pelengkap pada uji Kruskal Wallis.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.

Sign up to vote on this title
UsefulNot useful