Uji Statistik Non Parametrik

Pada perkembangan Statistik inferensial, metode-metode penafsiran yang

berasal dari generasi awal, menetapkan asumsi-asumsi yang sangat ketat dari
karakteristik populasi diantara anggota-anggota populasinya sebagai sampel. Dengan
asumsi-asumsi tersebut, diharapkan bahwa Statistik dari sampel dapat benar-benar
mencerminkan parameter dari populasi, yang kemudian dikenal dengan Statistik
Parametrik.
Asumsi-asumsi tersebut antara lain data (sampel) harus diambil dari suatu
populasi yang terdistribusi normal. Jika sampel diambil dari populasi yang berbeda
maka variansnya harus sama. Selain itu, Statistik parametrik hanya boleh dilakukan jika
tipe datanya interval atau rasio. Asumsi-asumsi tersebut, secara metodologis sulit
dicapai oleh peneliti di bidang ilmu sosial karena dalam kajian sosial sulit untuk
memenuhi asumsi distribusi normal maupun varians sama, selain itu banyak data yang
menggunakan tipe data nominal atau ordinal seperti terkait tingkat pendidikan dan jenis
kelamin. Oleh sebab itu, dikembangkan juga Statistik yang tidak membutuhkan asumsiasumsi yang terlalu ketat sebagaimana Statistik Parametrik yang kemudian dikenal
dengan Statistik Non Paramterik.
Statistik Non Paramterik disebut juga dengan Statistik dengan distribusi bebas
(Distribution Free Test). Keuntungan utama Statistik non Parametrik yaitu tidak
didasarkan dari asumsi-asumsi yang terlalu ketat yang melibatkan parameter populasi,
dengan kata lebih bebas terhadap asumsi-asumsi (Howell, 2012:537). Salah satu
karakteristik dari Statistik ini yaitu lebih sensitif terhadap nilai median daripada mean
(parametrik lebih menekankan pengolahan mean). Dengan demikian, jika data yang
digunakan lebih menekankan pada median, pengolahan data dengan Statistik non
parametrik akan lebih berguna untuk peneliti. Keuntungan lain dari penggunaan
Statistik non parametrik yaitu pengolahan yang didasarkan pada rankin, sehingga
adanya outliers tidak akan mempengaruhi perhitungan yang dilakukan. Meskipun
demikian Howell (2012:537) menjelaskan bahwa salah satu kerugian dari penggunaan
Statistik tipe ini yaitu kekuatan hasilnya yang lebih lemah dari Statistik parametrik. Jika
asumsi parametrik terpenuhi maka untuk pelaksanaan Statistik non parametrik
membutuhkan pengamatan yang lebih dibandingkan uji yang relevan pada Statistik
parametrik untuk level yang sama.
Uji Statistik non parametrik yang dibahas dalam makalah ini meliputi uji Mann
Whitney (padanan dengan uji t pada Statistik parametrik), uji Wilcoxon (padanan uji t
berpasangan pada pada Statistik parametrik), uji Kruskal Wallis (padanan uji anova
pada Statistik parametrik) dan uji Friedman Ranks. Keempat uji Statistik non
parametrik tersebut merupakan uji yang paling sering digunakan dalam penelitian
pendidikan. Keseluruhan uji yang dibahas pada makalah ini termasuk dalam rank
randomization test (uji random terhadap peringkat/rank) karena uji-uji tersebut
mengolah data peringkat sebagai distribusi dari uji Statistik yang dilakukan (Howell,
2012:538).

A. Uji Dua Sampel Bebas Mann Whitney

Uji dua sampel bebas Mann Whitney pada Statistik non paramerik merupakan
padanan untuk uji t pada Statistik parametrik. Jika salah satu syarat dari uji t (tipe data
interval atau rasio serta ditribusi data normal) tidak terpenuhi maka dapat menggunakan
uji Mann Whitney. Uji Mann Whitney dapat digunakan jika
1. Data bertipe nominal atau ordinal
2. Data bertipe interval atau rasio namun tidak terdistribusi normal.
Contoh Kasus
Dilakukan suatu penelitian mengenai apakah terdapat perbedaan hasil belajar
kognitif mahasiswa yang sedang menempuh mata kuliah Fisika Dasar II yang belajar
menggunakan model Authentic Problem Based Learning(APBL) dengan mahasiswa
yang belajar menggunakan Problem Based Learning (PBL).
Data Hasil Belajar Kognitif disajikan sebagai berikut.
Hasil Belajar Kognitif
APBL
PBL
70
55
65
60
55
75
70
65
75
65
75
70
60
70
70
75
70
65
65
65
80
70
75
60
75
50

Ho:

Hi:

Tidak terdapat perbedaan antara hasil belajar kognitif mahasiswa yang belajar
menggunakan model Authentic Problem Based Learning (APBL) dengan
mahasiswa yang belajar menggunakan Problem Based Learning (PBL)
Terdapat perbedaan yang signifikan antara hasil belajar kognitif mahasiswa
yang belajar menggunakan model Authentic Problem Based Learning (APBL)
dengan mahasiswa yang belajar menggunakan Problem Based Learning (PBL)

Untuk menguji hipotesis tersebut dengan bantuan SPSS maka langkah yang dilakukan
mneurut Morgan dkk (2004):
1. Memasukkan data penelitian yang diperoleh ke data sheet SPSS (Kolom 1 berisi
Hasil Belajar Kognitif dan Kolom 2 berisi Model Pembelajaran)
2. Pada variable view di bagian bawah SPSS isi Values untuk kolom kedua (Model
Pembelajaran) dengan 1 dengan APBL dan 2 dengan PBL
3. Klik Analyze Nonparametric Tests 2 Independent Samples
4. Pindahkan Hasil Belajar Kognitif ke kotak dialog Test (dependent) Variable Lists

5.
6.
7.
8.

Kemudian, klik Model Pembelajaran ke kotak dialog Grouping (Independent)

Variable
Klik Define Group dan masukkan 1 dan 2 (sesuai dengan data values model
pembelajaran)
Pastikan Anda mencentang Mann Whitney
Klik OK

Tampilan Hasil perhitungan SPSS untuk uji Mann Whitney yaitu

Mann-Whitney Test
Ranks
Model
Pembel
ajaran
Prestasi Belajar SIswa

Mean Rank
N

Sum of Ranks

APBL

13

16.81

218.50

PBL

13

10.19

132.50

Total

26

Test Statisticsb
Prestasi Belajar
SIswa
Mann-Whitney U
Wilcoxon W
Z

41.500
132.500
-2.269

Asymp. Sig. (2-tailed)

.023

Exact Sig. [2*(1-tailed Sig.)]

.026a

a. Not corrected for ties.

b. Grouping Variable: Model Pembelajaran

Interpretasi Hasil Uji Statistik Mann Whitney dengan menggunakan SPSS:

*Tabel Ranks menunjukkan jumlah dan rata-rata ranks untuk Hasil Belajar
Kognitif dengan PBL dan APBL. Mean Ranks yang lebih tinggi mengindikasikan
capaian Hasil Belajar Kognitif yang lebih tinggi. Berdasarkan tabel tersebut, diketahui
bahwa Mean Rank APBL > PBL (16.81 > 10.19). Sehingga dapat dinyatakan bahwa
Hasil Belajar Kognitif Mahasiswa yang belajar dengan Model APBL lebih tinggi dari
yang belajar dengan PBL.
*Sedangkan Tabel Test Statistics menunjukkan koefisien Mann Whitney yang
dinyatakan dalam U = 41.5 dengan p-value senilai 0.023. Karena p-value < 0.05 maka
Ho ditolak. Dengan demikian, terdapat perbedaan antara hasil belajar kognitif
mahasiswa yang belajar menggunakan model Authentic Problem Based Learning
(APBL) dengan mahasiswa yang belajar menggunakan Problem Based Learning (PBL).

B. Uji Dua Sampel Berpasangan Wilcoxon

Uji dua sampel berpasangan Wilcoxon pada Statistik non paramerik merupakan
padanan untuk uji t berpasangan pada Statistik parametrik. Jika salah satu syarat dari uji
t berpasangan (tipe data interval atau rasio serta data dinyatakan terditribusi normal)
tidak terpenuhi maka dapat menggunakan uji sampel berpasangan Wilcoxon. Uji
Wilcoxon dapat digunakan jika
1. Data bertipe nominal atau ordinal
2. Data bertipe interval atau rasio namun tidak terdistribusi normal.
Contoh Kasus
Dilakukan suatu penelitian mengenai apakah terdapat perbedaan pretest dan
posttest siswa belajar dengan menggunakan model Levels of Inquiry. Data Hasil pretest
dan posttest model Levels of Inquiry disajikan sebagai berikut.
Model Levels of Inquiry
Pretest
Posttest
65
70
70
75
75
75
85
80
76
79
76
76
58
80
55
75
79
89
75
85
79
80
68
70
80
82

Ho:
Hi:

Tidak terdapat perbedaan antara pretest dan posttest siswa yang belajar
dengan menggunakan model Levels of Inquiry
Terdapat perbedaan yang signifikan antara pretest dan posttest siswa yang
belajar dengan menggunakan model Levels of Inquiry

Untuk menguji hipotesis tersebut dengan bantuan SPSS maka langkah yang dilakukan
menurut Morgan dkk (2004):
1. Memasukkan data penelitian yang diperoleh ke data sheet SPSS (Kolom 1 Pretest
dan Kolom 2 Posttest)
2. Klik Analyze Nonparametric Tests 2 Related Samples
3. Pindahkan pretest dan posttest ke dalam kotak dialog Test Pair List(s)
4. Pastikan Anda mencentang Wilcoxon pada bagian Test Type
5. Klik OK
Tampilan Hasil perhitungan SPSS untuk Uji Wilcoxon diperoleh sebagai berikut.
Wilcoxon Signed Ranks Test

Ranks
N
Posttest Levels of Inquiry Negative Ranks
- Pretest Levels of Inquiry Positive Ranks

Mean Rank

Sum of Ranks

1a

6.00

6.00

6.00

60.00

10

Ties

Total

13

a. Posttest Levels of Inquiry < Pretest Levels of Inquiry

b. Posttest Levels of Inquiry > Pretest Levels of Inquiry
c. Posttest Levels of Inquiry = Pretest Levels of Inquiry
Test Statisticsb
Posttest Levels
of Inquiry Pretest Levels of
Inquiry
Z
Asymp. Sig. (2-tailed)

-2.408a
.016

a. Based on negative ranks.

b. Wilcoxon Signed Ranks Test

Interpretasi Hasil Uji Statistik Wilcoxon dengan menggunakan SPSS:

*Tabel Ranks menunjukkan deskripsi Ranks dari data yang diolah. Pengujian
SPSS menunjukkan bahwa besarnya jumlah rank positif ada 10, sedangkan rank
negatif berjumlah 1 dan yang sama (tidak mengalami perubahan nilai) adalah 2. Mean
Ranks positif dan negatif bernilai sama yaitu 6.
*Tabel Test Statistics menunjukkan besarnya koefisien Zyaitu -2.408 dengan
nilai p-value (Asymp. Sig. 2-tailed) sebesar 0.016. Karena p-value < 0.05 maka Ho
ditolak. Dengan demikian, Terdapat perbedaan yang signifikan antara pretest dan
posttest siswa yang belajar dengan menggunakan model Levels of Inquiry.

C. Uji k Sampel Bebas Kruskal Wallis

Uji n Sampel Bebas Kruskal Wallis pada Statistik non paramerik merupakan
padanan untuk uji Anova pada Statistik parametrik. Jika salah satu syarat dari uji Anova
(tipe data interval atau rasio serta ditribusi data normal) tidak terpenuhi maka dapat
menggunakan uji n Sampel Bebas Kruskal Wallis. Uji Kruskal Wallis dapat digunakan
jika
1. Data bertipe nominal atau ordinal
2. Data bertipe interval atau rasio namun tidak terdistribusi normal.
Contoh Kasus
Dilakukan suatu penelitian mengenai apakah terdapat perbedaan Kemampuan
Pemecahan Masalah mahasiswa yang sedang menempuh mata kuliah Fisika Dasar II

dengan menerapkan model pembelajaran yang berbeda-beda yaitu menggunakan model

Authentic Problem Based Learning(APBL), Problem Based Learning (PBL) dan
konvensional. Data Kemampuan Pemecahan Masalah untuk ketiga model disajikan
sebagai berikut.
Skor Kemampuan Pemecahan Masalah
Model APBL
Model PBL
Konvensional
12
13
18
13
15
18
10
12
14
15
18
20
13
15
15
14
17
19
10
18
20
12
19
20
13
14
18
14
16
17
13
18
17
10
16
19
13
15
16
10
13
17
15
16
14

Ho:

Hi:

Tidak terdapat perbedaan antara kemampuan pemecahan masalah mahasiswa

yang belajar menggunakan model Authentic Problem Based Learning (APBL),
Problem Based Learning (PBL) dan konvensional.
Terdapat perbedaan yang signifikan antara kemampuan pemecahan masalah
mahasiswa yang belajar menggunakan model Authentic Problem Based
Learning (APBL), Problem Based Learning (PBL) dan konvensional.

Untuk menguji hipotesis tersebut dengan bantuan SPSS maka langkah yang dilakukan
menurut Morgan dkk (2004):
1. Memasukkan data penelitian yang diperoleh ke data sheet SPSS (Kolom 1 berisi
kemampuan pemecahan masalah dan Kolom 2 berisi Model Pembelajaran)
2. Pada variable view di bagian bawah SPSS isi Values untuk kolom kedua (Model
Pembelajaran) dengan 1 untuk APBL, 2 untuk PBL dan 3 untuk konvensional
3. Klik Analyze Nonparametric Tests K Independent Samples
4. Pindahkan Kemampuan Pemecahan Masalah ke kotak dialog Test (dependent)
Variable Lists
5. Kemudian, klik Model Pembelajaran ke kotak dialog Grouping (Independent)
Variable
6. Klik Define Range Group dan masukkan 1 dan 3 (sesuai dengan data values
model pembelajaran)
7. Klik Continue
8. Pastikan Anda mencentang Kruskal Wallis pada Test Type
9. Klik OK

Tampilan Hasil perhitungan SPSS untuk Uji Kruskal Wallis diperoleh sebagai berikut.
Kruskal-Wallis Test
Ranks
ModelPemb
KPM

Mean Rank

APBL

15

33.47

PBL

15

25.13

Konvensional

15

10.40

Total

45

Test Statisticsa,b
KPM
Chi-Square

24.025

Df
Asymp. Sig.

2
.000

a. Kruskal Wallis Test

b. Grouping Variable: ModelPemb

Interpretasi hasil perhitungan SPSS untuk Uji Kruskal Wallis:

*Tabel Ranks menunjukkan deskripsi ranking dari data yang diolah. Hasil
analisis menunjukkan bahwa besarnya nilai Mean Ranks dari Kemampuan Pemecahan
Masalah untuk APBL sebesar 33.47, sedangkan untuk PBL sebesar 25.13 dan untuk
konvensional sebesar 10.40.
*Tabel Test Statistics menunjukkan nilai Chi Square sebesar 24.025 dengan pvalue sebesar 0.000. Karena p-value < 0.05 maka Ho ditolak. Dengan demikian,
terdapat perbedaan yang signifikan antara kemampuan pemecahan masalah
mahasiswa yang belajar menggunakan model Authentic Problem Based Learning
(APBL), Problem Based Learning (PBL) dan konvensional.
Perbedaan uji Kruskal Wallis dengan Anova adalah adanya Post Hoc. Untuk uji
Kruskal Wallis, nilai Mean Ranks dari Kemampuan Pemecahan Masalah tidak dapat
digunakan sebagai dasar untuk menentukan KPM pada model pembelajaran mana yang
lebih tinggi. Salah satu cara sederhana untuk mengetahui model pembelajaran yang
lebih tinggi adalah dengan melakukan Uji Mann Whitney yang dilakukan 3 kali (pada
kasus ini).
D. Uji k Sampel Berpasangan Friedman Ranks
Pengujian n sampel berhubungan pada prinsipnya menguji apakah n sampel
(lebih dari dua sampel) yang berpasangan satu sama lain berasal dari populasi yang
sama. Data yang dapat diuji dengan menggunakan Uji Frieman:
1. Data nominal atau ordinal
2. Data interval atau rasio namun data tidak terdistribusi normal
3. Jumlah subjek relatif kecil (n < 30)

Contoh Kasus
Dilakukan suatu penelitian mengenai apakah terdapat perbedaan hasil posttest1,
posttest2 dan posttest3 Kemampuan Pemecahan Masalah mahasiswa yang sedang
menempuh mata kuliah Fisika Dasar II dengan menerapkan model pembelajaran
Authentic Problem Based Learning. (Ket. Selang waktu setiap pengambilan data
posttest adalah 4 minggu). Data Kemampuan Pemecahan Masalah untuk Uji Friedman
disajikan sebagai berikut.
Responden
Subjek 1
Subjek 2
Subjek 3
Subjek 4
Subjek 5
Subjek 6

Ho:

Hi:

Post 1
10
13
12
15
14
13

Skor KPM
Post 2
Post 3
14
12
17
16
16
14
20
18
18
20
18
17

Perbedaan waktu pelaksanaan posttest tidak mengakibatkan perbedaan

kemampuan pemecahan masalah mahasiswa yang belajar menggunakan model
Authentic Problem Based Learning (APBL).
Perbedaan waktu pelaksanaan posttest mengakibatkan perbedaan kemampuan
pemecahan masalah mahasiswa yang belajar menggunakan model Authentic
Problem Based Learning (APBL).

Untuk menguji hipotesis tersebut dengan bantuan SPSS maka langkah yang dilakukan
menurut Widiyanto (2013):
1. Memasukkan data penelitian yang diperoleh ke data sheet SPSS (Kolom 1 berisi
Posttest1, Kolom 2 berisi Posttest 2, dan Kolom 3 berisi Posttest 3)
2. Klik Analyze Nonparametric Tests K Related Samples
3. Pindahkan Posttest1, Posttest2, Posttest3 ke kotak dialog Test Variables
4. Pastikan Anda mencentang Friedman pada Test Type.
5. Klik OK
Tampilan Hasil perhitungan SPSS untuk Uji Friedman:
Friedman Test
Ranks
Mean Rank
Post1

1.00

Post2

2.83

Post3

2.17

Test Statisticsa
N
Chi-Square
df
Asymp. Sig.

6
10.333
2
.006

a. Friedman Test

Interpretasi hasil perhitungan SPSS untuk Uji Friedman:

Tabel Ranks menunjukkan deskripsi ranking dari data yang diolah. Hasil
analisis menunjukkan bahwa besarnya nilai Mean Ranks untuk Post 1 yaitu 1, untuk
Post 2 sebesar 2.83 dan Post 3 sebesar 2.17.
*Tabel Test Statistics menunjukkan nilai Chi Square sebesar 10.333 dengan pvalue sebesar 0.006. Karena p-value < 0.05 maka Ho ditolak. Dengan demikian hal
tersebut mengindikasikan bahwa terdapat perbedaan waktu pelaksanaan posttest
mengakibatkan perbedaan kemampuan pemecahan masalah mahasiswa yang belajar
menggunakan model Authentic Problem Based Learning (APBL).

Daftar Pustaka
Howell, D. C. 2011. Fundamental Statistics for the Behavioral Sciences, Seventh
Edition. Belmont, CA: Wadsworth
Morgan, G. A., Leech, N. L., Gloeckner, G. W., dan Barrett, K. C. 2004. SPSS for
Introductory Statistics Use and Interpretation. Mahwah, New Jersey: Lawrence
Erlbaum Associates
Widiyanto, Mikha A. 2013. Statistika Terapan. Jakarta: Elex Media Komputindo