Anda di halaman 1dari 54

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 TEST PARAMETER TEST NONPARAMETER


Dua sampel saling T test Sign test
berhubungan Z test Wilcoxon Signed-Rank
(Two Dependent Mc Nemar Change test
Samples)
Dua sampel tidak T test Mann-Whitney U test
berhubungan Z test Moses Extreme reactions
(Two Independent Chi-Square test
Samples) Kolmogorov-Smirnov test
Walt-Wolfowitz runs
Beberapa sampel Friedman test
berhubungan Kendall W test
(Several Dependent Cochran’s Q
Samples)
Beberapa sampel tidak ANOVA test Kruskal-Wallis test
berhubungan (F test) Chi Square test
(Several Independent Median test
Samples)

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 Hasil
1 0
2 0
3 1
4 1
5 1
6 0
7 0
8 1
9 0
10 1
11 0
12 1
13 1
14 0
15 1
16 1
17 1

Misal lemparan kesatu menghasilkan angka 0 yang berarti lemparan tersebut


memunculkan ‘gambar’, sedang lemparan kedua memunculkan ‘angka’ hingga diberi
nilai 1. Demikian seterusnya.

3
Bab 4 Statistik Non Parametrik

Akan dilihat apakah hasil pelemparan di atas sudah menunjukkan pelemparan yang
‘fair’ atau mengikuti distribusi binomial?

Penyelesaian
Oleh karena akan menguji suatu kejadian yang hanya menghasilkan dua jenis
output, maka digunakan uji binomial.
1. Pemasukan data ke SPSS
Langkah-langkah:
• Buka lembar kerja baru.
Dari menu utama File, pilih menu New. Lalu klik Data. Sekarang SPSS siap
membuat variabel baru yang diperlukan
Pengisian:
Variabel hasil
Oleh karena ini variable pertama, tempatkan pointer pada baris 1.
• Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda
sel tersebut, dan ketik hasil.
• Type. Oleh karena variable ini akan berisi data rasio, maka biarkan saja
default numeric yang sudah ada.
• Width. Untuk keseragaman, ketik 1 (sesuai default).
• Decimals. Untuk keseragaman, ketik 0.
• Label. Abaikan bagian ini.
Abaikan bagian yang lain. Kemudian tekan CTRL+T untuk kembali ke DATA
VIEW.

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

3. Pengolahan data dengan SPSS


Langkah-langkah:

4
Bab 4 Statistik Non Parametrik

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

Gambar 4.1 Kotak Dialog Binomial

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

5
Bab 4 Statistik Non Parametrik

Gambar 4.2 Kotak Dialog Binomial Test yang telah terisi

Tekan OK untuk mengakhiri pengisian prosedur analisis. Terlihat SPSS melakukan


pekerjaan analisis dan terlihat output SPSS.

Output SPSS

Analisis:
Terlihat pada output ada dua grup, yaitu Grup 1 dengan kategori <= 0. Ini adalah
hasil pelemparan 0 sebanyak 7 kali. Sedangkan Group 2 dengan kategori > 0 adalah
hasil pelemparan 1 sebanyak 10 kali.
Kolom Observed Proportion adalah:

6
Bab 4 Statistik Non Parametrik

• Proporsi untuk grup 1 = 7/15 dihasilkan 0.41


• Proporsi untuk grup 2 = 8/15 dihasilkan 0.59
Hipotesis
Ho = Populasi hasil sama dengan populasi yang dihipotesiskan, atau dalam kasus ini
pelemparan mata uang tersebut adalah fair.
Hi = Populasi hasil tidak sama dengan populasi yang dihipotesiskan, atau dalam
kasus ini pelemparan mata uang tersebut adalah tidak fair.

Pengambilan Keputusan
• Jika probabilitas > 0.05, maka Ho diterima.
• Jika probabilitas < 0.05, maka Ho ditolak.

Keputusan:
Terlihat bahwa pada kolom Exact, Sig/Exact significance dua sisi adalah 0.629
atau probabilitas di atas 0.05 (0.629 > 0.05). Maka Ho diterima, atau pelemparan
mata uang di atas adalah benar-benar pelemparan yang fair.

4.1.2 Uji Runs (Runs Test)


Uji Runs disebut juga uji sampel rangkaian tunggal, digunakan untuk memeriksa
keacakan, pada prinsipnya ingin mengetahui apakah suatu rangkaian kejadian, hal
atau simbol merupakan hasil proses yang acak (random).
Kasus:
ALFA Department Store ingin mengetahui apakah pengunjung yang masuk ke toko
bervariasi secara acak antara pria dan wanita. Untuk itu, seorang petugas
ditempatkan di depan toko dan mencatat pengunjung yang masuk ke toko secara
berurutan.
Berikut hasil pengamatan tersebut (1 adalah Pria dan 2 adalah Wanita).

7
Bab 4 Statistik Non Parametrik

Pengamatan ke Gender
1 2
2 1
3 2
4 2
5 2
6 2
7 1
8 1
9 1
10 2
11 1
12 2
13 1
14 2
15 2

Misal pengamatan kesatu, menghasilkan nilai W yang berarti pengunjung kesatu


yang masuk adalah Wanita. Pengamatan kedua, menghasilkan P yang berarti Pria
yang masuk ke Department Store. Demikian untuk data seterusnya.
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, dan uji untuk menentukan keacakan, maka digunakan uji Runs.

1. Pemasukan data ke SPSS


Langkah-langkah:
a. Buka lembar kerja baru.
Dari menu utama File, pilih menu New. Lalu klik Data. Sekarang SPSS siap
membuat variable baru yang diperlukan

8
Bab 4 Statistik Non Parametrik

Pengisian:
Variabel gender
Oleh karena ini variabel pertama, tempatkan pointer pada baris 1.
• Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda
sel tersebut, dan ketik gender.
• Type. Oleh karena variabel ini akan berisi data rasio, maka biarkan saja
default numeric yang sudah ada.
• Width. Untuk keseragaman, ketik 8 (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
Untuk mengisi kolom gender, letakkan pointer pada baris 1 kolom tersebut, lalu ketik
menurun ke bawah sesuai data (15 data).
Kemudian simpan data di atas dengan nama Runs.

3. Pengolahan data dengan SPSS


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

9
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, maka klik variabel gender, kemudian klik tanda ‘>’
(yang sebelah atas), maka variable gender berpindah ke Test Variable List.
• Untuk kolom Cut Point, dalam kasus pilih Custom (ditentukan sendiri), dan
sesuai kasus ketik 2.
Tampak di layer

10
Bab 4 Statistik Non Parametrik

Gambar 4.4 Kotak Dialog Runs Test yang telah terisi

Tekan OK untuk mengakhiri pengisian prosedur analisis. 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.
Hi : Pola perolehan gender (pria atau wanita) yang masuk ke toko tidak acak.

11
Bab 4 Statistik Non Parametrik

Pengambilan Keputusan
• Jika probabilitas > 0.05, maka Ho diterima
• Jika probabilitas < 0.05, maka Ho ditolak

Keputusan:
Terlihat bahwa pada kolom Asymp. Sig/Asymptotic significance dua sisi adalah
0.867, atau probabilitas di atas 0.05 (0.867 > 0.05). Maka Ho diterima, atau pola
perolehan gender (pria atau wanita) yang masuk ke toko ditentukan melalui proses
acak.

4.1.3 Uji Kolmogorov-Smirnov


Uji Kolmogorov-Smirnov dipakai untuk uji keselarasan data yang berskala minimal
ordinal.
Kasus:
Berikut sampel berat sabun cuci yang diproduksi PT Dangdut (angka dalam gram).

Nomor Berat
1 200.5
2 200.7
3 200.8
4 205.5
5 205.6
6 205.7
7 208.8
8 208.9
9 200.9
10 201.9
11 205.6
12 204.4
13 204.6

12
Bab 4 Statistik Non Parametrik

14 207.1
15 201.6
16 203.1
17 202.5
18 203.9

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

3. Pengolahan data dengan SPSS

13
Bab 4 Statistik Non Parametrik

Langkah-langkah:
• Buka lembar kerja/file Kolmogorov-Smirnov sesuai kasus di atas, atau jika
sudah terbuka ikuti prosedur berikut.
• Dari menu utama SPSS, pilih menu Analyze, kemudian pilih submenu
Nonparametric Tests.
• Dari serangkaian pilihan test untuk nonparametric, sesuai kasus pilih 1 Sample
K-S untuk uji satu sampel. Klik pilihan tersebut, maka tampak di layar:

Gambar 4.5 Kotak Dialog Kolmogorov-Smirnov

Pengisian:
• Test Variable List atau Variabel yang akan diuji. Oleh karena disini akan
diuji hanya satu variabel, maka klik variabel berat, kemudian klik tanda ‘>’
(yang sebelah atas), maka variabel berat berpindah ke Test Variabel List.
• Untuk Test Type atau tipe uji, karena dalam kasus akan diuji distribusi
normal ataukah tidak, maka klik pilihan Normal. Sedang pilihan uji yang lain
diabaikan.

Tekan OK untuk mengakhiri pengisian prosedur analisis. Terlihat SPSS melakukan


pekerjaan analisis dan terlihat output SPSS.

14
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 = 204.0056 dan = 2.69 (Lihat hasil output SPSS).
Hi : F (x) Fo (x) atau distribusi populasi tidak normal.
Uji dilakukan dua sisi, karena adanya tanda ‘ ’

Pengambilan Keputusan:
Jika probabilitas > 0.05, maka Ho diterima.
Jika probabilitas < 0.05, maka Ho ditolak.

Keputusan:
Terlihat bahwa pada kolom Asymp. Sig/Asymptotic significance dua sisi adalah
0.969, atau probabilitas di atas 0.05 (0.969 > 0.05). Maka Ho diterima, atau distribusi
populasi berat sabun cuci PT DANGDUT adalah normal.

15
Bab 4 Statistik Non Parametrik

4.2 UJI CHI-SQUARE


Dalam bahasan statistik non parametrik, 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. Oleh karena itu, uji ini dapat juga disebut uji
keselarasan (goodness of fit test), karena untuk menguji apakah sebuah sampel
selaras dengan salah satu distribusi teroritis (seperti distribusi normal, uniform,
binomial dan lainnya).
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).

Rasa Jumlah
Ayam 29
Sapi 30
Kambing 21
Bebek 25
Udang 35
Ikan 20

Angka di atas berarti dalam seminggu ada pembelian 160 mie instan dengan rasa
ayam terbeli sebanyak 29 buah, Sapi 30 buah, Kambing 21 buah, Bebek 25 buah,
udang 35 buah, Ikan 20 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.

16
Bab 4 Statistik Non Parametrik

Penyelesaian:
Oleh karena akan menguji apakah sebuah sampel mengikuti distribusi tertentu,
maka didigunakan uji Chi-Square.

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 rasa
Oleh karena ini variabel pertama, tempatkan pointer pada baris 1.
• Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda
sel tersebut, dan ketik rasa.
• Type. Oleh karena variabel ini akan berisi data rasio, maka biarkan saja
default numeric yang sudah ada.
• Width. Untuk keseragaman, ketik 8 (sesuai default).
• Decimals. Untuk keseragaman, ketik 0.
• Label. Abaikan bagian ini.
• Values. Pilihan ini untuk proses pemberian kode. Klik kotak kecil di kanan
sel. Tampak di layar:
Pengisian:
• Value atau nilai berupa angka yang dimasukkan. Untuk keseragaman,
ketik 1.
• Value Label atau keterangan untuk angka 1 tersebut. Sesuai kasus yang
merinci sikap, ketik Ayam.
Otomatis tombol Add aktif. Klik tombol tersebut, otomatis keterangan 1=
“Ayam” tampak sebagai kodifikasi rasa mie instan yang pertama.
Pengisian lanjutan:
Value = 2 Value label = Sapi
Value = 3 Value label = Kambing

17
Bab 4 Statistik Non Parametrik

Value = 4 Value label = Bebek


Value = 5 Value label = Udang
Value = 6 Value label = Ikan

Variabel jumlah
Oleh karena ini variable kedua, tempatkan pointer pada baris 2.
• Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda
sel tersebut, dan ketik jumlah.
• Type. Oleh karena variable expense akan berisi data rasio, maka biarkan
saja default numeric yang sudah ada.
• Width. Untuk keseragaman, ketik 8 (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
Untuk mengisi kolom rasa: Sebelum mengisi data, arahkan pointer ke menu utama
SPSS, lalu pilih menu View, kemudian klik submenu Value Label (terlihat Value
Label aktif dengan adanya tanda di sebelah kiri submenu tersebut).

Kegunaan pengaktifan View (melihat) Value Label terkait dengan prosedur berikut
ini:
• Pada data kasus, terlihat angka pertama 29 adalah pembelian untuk rasa Ayam.
Sedang pada pengisian variabel, variabel ayam bertanda 1. Maka pada baris
pertama kolom kelompok, ketik 1. Terlihat secara otomatis SPSS mengubahnya
menjadi keterangan ‘ayam’. Hal ini terjadi karena pengaktifan Value Label.
• Demikian untuk data selanjutnya, pemasukan data dengan menggunakan angka
1, 2, 3, atau 4 sesuai keterangan yang dikehendaki. Jangan memasukkan
kalimat (huruf) dalam pengisian data yang bersifat numerik, karena SPSS akan
menolaknya.

18
Bab 4 Statistik Non Parametrik

Proses Weight Cases


Variabel rasa yang telah dikodifikasi, kemudian dilakukan proses weight cases untuk
‘menghubungkan’ dengan variable jumlah.
Prosedur:
• Letakkan pointer pada kolom variable rasa.
• Dari menu utama SPSS, pilih menu Data, kemudian pilih submenu Weight
Cases…. Tampak di layar:

Gambar 4.6 Kotak Dialog Weight Cases


Pengisian:
Karena akan dilakukan pembobotan pada kasus (weight cases), maka klik pilihan
Weigth cases by. Kemudian tampak pilihan Frequency Variable atau variabel
yang akan dihubungkan. Untuk itu pilih variabel jumlah yang ada di kiri, kemudian
tekan tombol >, maka variabel jumlah akan pindah ke pilihan frequency variable.
Dengan demikian, otomatis penyebutan ‘rasa’ akan mengacu pada ‘jumlah’ pembeli
mie instan dengan rasa tertentu.
Tampilan di layar:

19
Bab 4 Statistik Non Parametrik

Gambar 4.7 Weight Cases yang telah terisi

Setelah selesai, tekan OK untuk kembali ke layar utama SPSS.


• Untuk mengisi Kolom jumlah, letakkan pointer pada baris 1 kolom tersebut, lalu
ketik menurun ke bawah sesuai data hasil pengamatan (6 data).
• Simpan data dengan nama Chi_square_nonpar
3. Pengolahan data dengan SPSS
Langkah-langkah:
• Dari menu utama SPSS, pilih menu Analyze, kemudian pilih submenu
Nonparametric Tests.
• Dari serangkaian pilihan test untuk nonparametric, sesuai kasus pilih Chi-
Square…. Klik pilihan tersebut, maka tampak di layar:

20
Bab 4 Statistik Non Parametrik

Gambar 4.8 Kotak Dialog Chi-square

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

21
Bab 4 Statistik Non Parametrik

Gambar 4.9 Kotak Dialog Chi-square yang telah terisi

Tekan OK untuk mengakhiri pengisian prosedur analisis. Terlihat SPSS melakukan


pekerjaan analisis dan terlihat output SPSS.

Output SPSS

22
Bab 4 Statistik Non Parametrik

Analisis
Terlihat ada dua bagian output. Pada bagian pertama output, terlihat ada Expected
N atau jumlah rasa mie instant yang diharapkan terbeli. Oleh karena dipakai
distribusi yang seragam, maka yang diharapkan sama rata, yaitu 26.7 (160 dibagi 6
rasa mie instant). Sedang kolom Residual adalah selisih antara jumlah yang dibeli
dengan jumlah yang diharapkan (seperti pada baris pertama adalah 29 – 26.7 =
2.3).

Hipotesis
Ho : Sampel ditarik dari Populasi yang mengikuti distribusi seragam. Atau 6 rasa mie
instant yang ada disukai konsumen secara merata.
Hi : Sampel bukan berasal dari Populasi yang mengikuti distribusi seragam . Atau
setidaknya sebuah rasa mie instant lebih disukai daripada setidaknya sebuah rasa
yang lain.

Pengambilan Keputusan
a. Berdasarkan perbandingan Chi-Square Uji dan tabel.
Jika Chi-Square Hitung < Chi-Square Tabel, maka Ho diterima
• Jika Chi-Square Hitung > Chi-Square Tabel, maka Hi ditolak.
• Chi-Square Hitung –lihat pada output SPSS- adalah 6.200
• Sedang Chi-Square tabel dapat dihitung pada tabel Chi-Square, dengan = 5%,
dan df = 5 (lihat output SPSS atau dari rumus k –1, di mana dalam kasus adalah
rasa mie instant). Di dapat Chi-Square tabel adalah 11.0705
• Oleh karena Chi-Square Hitung < Chi-Square tabel, maka Ho diterima.

23
Bab 4 Statistik Non Parametrik

Gambar:

b. Berdasarkan Probabilitas
• Jika probabilitas > 0.05, maka Ho diterima.
• Jika probabilitas < 0.05, maka Ho ditolak.
Keputusan:
Terlihat bahwa pada kolom Asymp, Sig/Asymtotic significance adalah 0.287, atau
probabilitas di bawah 0.05 (0.287 < 0.05), maka Ho diterima.

Dari kedua analisis di atas, dapat diambil kesimpulan yang sama, yaitu Ho diterima, :
atau 6 rasa mie instant yang ada disukai konsumen secara merata.

Penutup
Uji keselarasan dalam kasus di atas adalah penerapan untuk uji keselarasan dengan
distribusi uniform/seragam. Namun uji dapat diperluas dengan membandingkan
dengan distribusi teoritis yang lain, seperti distribusi normal, poisson, binomial dan
lainnya. Di sini prosedur pengujian dan pemasukan input sama, hanya distribusi
teoritis atau dalam output SPSS disebut ‘expected N’ yang berbeda dalam
pengisiannya.
Untuk input pola distribusi tertentu, dari pengisian Chi-square di SPSS, pada pilihan
Expected Value, pilih option Values, lalu masukkan angka/nilai yang dikehendaki,
kemudian tekan Add. Demikian pengisian berulang-ulang sampai sesuai dengan
jumlah data. Hanya di sini diperhatikan bahwa nilai dihitung kumulatif oleh SPSS.
Sebagai contoh, pemasukan nilai 1 dan 2 (yang berjumlah 3) akan dimasukkan
dalam output sebagai 1/3 dan 2/3.

4.3 UJI DATA DUA SAMPEL BERHUBUNGAN (DEPENDEN)

4.3.1 Uji Peringkat-Bertanda Wilcoxon


Kasus

24
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,
yaitu diukur ‘sebelum’ dan diukur ‘sesudah’. Di sini data hanya sedikit dan dianggap
tidak diketahui distribusi datanya (berdistribusi bebas). Maka digunakan uji
nonparametric dengan dua sample yang dependen.
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 variable baru yang diperlukan
Pengisian:
Variable 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 gender.
• Type. Oleh karena variable ini akan berisi data rasio, maka biarkan saja
default numeric yang sudah ada.
• Width. Untuk keseragaman, ketik 8 (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
Untuk mengisi kolom gender, letakkan pointer pada baris 1 kolom tersebut, lalu ketik
menurun ke bawah sesuai data (15 data).
Kemudian simpan data di atas dengan nama Runs.

3. Pengolahan data dengan SPSS


Langkah-langkah:

25
Bab 4 Statistik Non Parametrik

• Buka lembar kerja/file Runs sesuai kasus di atas, atau jika sudah terbuka ikuti
prosedur berikut.
• Dari menu utama SPSS, pilih menu Statistics, kemudian pilih submenu
Nonparametric Tests.
• Dari serangkaian pilihan test untuk nonparametric, sesuai kasus pilih Runs….
Klik pilihan tersebut, maka tampak di layar:
Gambar 6.4 Kotak Dialog Runs

Pengisian:
• Test Variable List atau Variabel yang akan diuji. Oleh karena disini akan
diuji hanya satu variable, maka klik variable gender, kemudian klik tanda ‘>’
(yang sebelah atas), maka variable berat berpindah ke Test Variable List.
• Untuk kolom Cut Point, dalam kasus pilih Custom (ditentukan sendiri), dan
sesuai kasus ketik 2.

Tekan OK untuk mengakhiri pengisian prosedur analisis. Terlihat SPSS melakukan


pekerjaan analisis dan terlihat output SPSS.
Output SPSS dan Analisis:

Hipotesis:
Ho = Median populasi beda-beda adalah sama atau lebih besar dari nol. Atau dapat
dikatakan Obt tersebut tidak mempunyai efek berarti pada penurunan berat badan
sukarelawan.
Hi = Median populasi beda-beda lebih kecil dari nol, atau Obat tersebut mempunyai
efek yang berarti pada penurunan berat badan sukarelawan.
Perhatikan pengujian pada kasus ini yang menggunakan uji satu sisi, karena yang
dicari adalah apakah berat badan sukarelawan menurun ataukah tidak. Jadi bukan
‘berat badan berbeda ataukah tidak’.

Keterangan: ‘beda-beda’ adalah perbedaan setiap pasangan hasil pengukuran (Y –


X) dimana Y adalah ‘sesudah’ dan X adalah ‘sebelum’.

26
Bab 4 Statistik Non Parametrik

Pengambilan Keputusan
Dengan membandingkan Statistik Hitung dengan Statistik Tabel.
Jika Statistik Hitung < Statistik Tabel, maka Ho ditolak.
Jika Statistik Hitung > Statistik Tabel, maka Ho diterima.
Statistik Hitung
Menghitung T (statistik uji) dari Wilcoxon:
Dari output terlihat bahwa dari delapan data, 6 data mempunyai beda-beda negatif,
dua bertanda positif dan tidak ada yang sama (ties). Dalam uji Wilcoxon, yang
dipakai adalah jumlah beda-beda yang paling kecil, karena itu dalam kasus ini
diambil beda-beda yang positif, yaitu 4 (lihat output pada kolom ‘sum of ranks’). Dari
angka ini didapat statistik uji Wilcoxon (T) adalah 4.

Keterangan: Tabel Wilcoxon dapat dilihat pada buku statistik non parametrik yang
relevan.

Statistik Tabel
Dengan melihat tabel Wilcoxon (dapat dilihat pada lampiran atau buku-buku statistik
yang relevan), untuk n (jumlah data) = 8, uji satu sisi dan tingkat signifikansi ( ) =
5%, maka didapat Statistik tabel Wilcoxon = 6.

Keputusan:
Oleh karena Statistik Hitung < Statistik Tabel (4 < 6), maka Ho ditolak.
Berdasarkan angka Z.
Dasar pengembilan keputusan sama dengan uji z:
Jika Statisitk Hitung (angka z output) > Statistik Tabel (tabel z), maka Ho ditolak.
Jika Statisitk Hitung (angka z output) > Statistik Tabel (tabel z), maka Ho diterima.

Di sini perhitungan sama dengan analisis pertama, hanya angka T hitung dalam hal
ini disetarakan dengan z, yang didapat –lihat output- adalah –1.970. Perhatikan

27
Bab 4 Statistik Non Parametrik

keterangan SPSS yang menyatakan bahwa angka z didasarkan ada ranking yang
positif (sama dengan perhitungan sebelumnya).

Sedang statistik tabel dapat dihitung pada tabel z dengan = 5%, maka kurva-kurva
normal adalah 50% - 5% = 45% atau 0.45. Pada tabel z, untuk luas 0.45 didapat
angka z tabel sekitar –1.645 (tanda ‘-‘ menyesuaikan dengan angka z output.
Oleh karena z output > z tabel (-1.970 > - ), maka Ho ditolak.

Gambar:

Dari kedua analisis di atas, dapat diambil kesimpulan yang sama, ,yaitu Ho ditolak,
atau Obat penurun Berat Badan tersebut memang mempunyai efek yang nyata
untuk menurunkan berat badan.

Pengambilan Keputusan.
Jika probabilitas > 0.05, maka Ho diterima.
Jika probabilitas < 0.05, maka Ho ditolak.
Keputusan:
Terlihat bahwa pada kolom asymp. Sig. (2-tailed)/asymptotic significance untuk uji
dua sisi adalah 0.049. Oleh karena kasus adalah uji satu sisi, maka probabilitas
menjadi 0.049/2 = 0.0245. Di sini terdapat probabilitas di bawah 0.05 (0.0245 <
0.05). Maka Ho ditolak, atau Obat penurun Berat Badan tersebut memang
mempunyai efek yang nyata untuk menurunkan berat badan.

4.3.2 Uji Tanda (Sign)


Kasus:
Seorang guru ingin mengetahui apakah ada perbedaan antara nilai ujian seorang
Siswa pada mata ajar tertentu, jika ia belajar sendirian dan jika ia belajar
berkelompok. Untuk itu, diadakan dua kali uji mata ajar, pertama siswa belajar
sendiri-sendiri, dan yang kedua sebelum ujian para dapat dengan bebas belajar
secara berkelompok.

28
Bab 4 Statistik Non Parametrik

Berikut hasil nilai keduanya (angka dalam range nilai ( sampai 100).

No Sendiri Kelompok
1 80 78
2 82 85
3 84 82
4 86 78
5 80 84
6 84 89
7 83 83
8 81 81
9 82 90
10 80 78
11 83 85
12 84 82
13 82 86
14 81 91
15 80 80
16 79 89
17 75 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.
Penyelesaian:
Kasus di atas terdiri atas dua sampel yang berhubungan satu sama lain, karena
setiap subjek (dalam hal ini para siswa)) mendapat pengukuran-pengukuran yang
sama, yaitu diukur ‘sendiri’ dan diukur ‘kelompok’. Di sini data hanya sedikit dan
dainggap tidak diketahui distribusi datanya (berdistribusi bebas). Maka digunakan uji
nonparametrik dengan dua sampel yang diperiksa.

29
Bab 4 Statistik Non Parametrik

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 variable baru yang diperlukan
• Menamai variabel dan properti yang diperlukan.
Langkah berikutnya adalah membuat nama untuk setiap variable baru, jenis
data, label data dan sebagainya.
Untuk itu klik tab sheet Variable View yang ada di bagian kiri bawah. Tampilan
variable View dapat juga diambil dari menu View lalu submenu Variable, atau
langsung tekan CTRL+T.
Pengisian:
Variabel sendiri
Oleh karena ini variabel pertama, tempatkan pointer pada baris 1.
• Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda
sel tersebut, dan ketik sendiri.
• Type. Oleh karena variabel ini akan berisi data rasio, maka biarkan saja
default numeric yang sudah ada.
• Width. Untuk keseragaman, ketik 8 (sesuai default).
• Decimals. Untuk keseragaman, ketik 0. Hal ini berarti tidak ada desimal
dalam pemasukan data.
• Label. Abaikan bagian ini.

Variabel kelompok
Oleh karena ini variabel kedua, tempatkan pointer pada baris 2.
• Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda
sel tersebut, dan ketik kelompok.
• Type. Oleh karena variable ini akan berisi data rasio, maka biarkan saja
default numeric yang sudah ada.
• Width. Untuk keseragaman, ketik 8 (sesuai default).

30
Bab 4 Statistik Non Parametrik

• Decimals. Untuk keseragaman, ketik 0. Hal ini berarti tidak ada desimal
dalam pemasukan data.
• Label. Abaikan bagian ini.

2. Mengisi data
• Untuk mengisi kolom sendiri, letakkan pointer pada baris 1 kolom tersebut, lalu
ketik menurun ke bawah sesuai data (17 data). Demikian selanjutnya untuk
kelompok.
• Jika pengisian benar, maka terlihat data seperti pada awal Kasus.

3. Pengolahan data dengan SPSS


Langkah-langkah:
• Dari menu utama SPSS, pilih menu Analyze, kemudian pilih submenu
Nonparametric Tests.
• Dari serangkaian pilihan test untuk nonparametric, sesuai kasus pilih Two
Related Samples…. Klik pilihan tersebut, maka tampak di layar:

Gambar 4.13 Kotak Dialog Two-Related Samples

31
Bab 4 Statistik Non Parametrik

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

32
Bab 4 Statistik Non Parametrik

Analisis:
Hipotesis
Ho = Median Populasi ‘perbedaan’ adalah sama dengan nol. Atau dapat dikatakan
Nilai Siswa jika ia belajar sendiri tidak berbeda dengan jika ia belajar berkelompok.
Hi = Median Populasi ‘perbedaan’ tidak sama dengan nol. Atau dapat dikatakan nilai
Siswa jika ia belajar sendiri berbeda secara nyata dengan jika ia belajar
berkelompok.

Perhatikan pengujian pada kasus ini yang menggunakan uji dua sisi, karena yang
dicari adalah apakah ada perbedaan nilai karena perbedaan cara belajar, bukan
ingin mengetahui cara mana yang lebih bagus dalam menaikkan nilai.

Keterangan: ‘perbedaan’ adalah perbedaan setiap pasangan hasil pengukuran (Y –


X), di mana Y adalah ‘sendiri’ dan X adalah ‘kelompok’.

Pengambilan Keputusan.
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).
Oleh karena dalam output hanya menyajikan nilai probabilitas, maka pengambilan
keputusan berdasarkan probabilitas saja.
• Jika probabilitas > 0.05, maka Ho diterima.
• Jika probabilitas < 0.05, maka Hi ditolak.

Keputusan
Terlihat bahwa pada kolom Exact.Sig. (2-tailed)/significance untuk uji dua sisi adalah
0.424. Di sini terdapat probabilitas di atas 0.05 (0.424 > 0.05). Maka Ho diterima,
atau sesungguhnya tidak ada perbedaan yang nyata pada nilai ujian seorang siswa,
baik jika ia belajar sendiri ataupun jika ia belajar kelompok.

4.3.3 Uji McNemar

33
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). Biasanya uji McNemar disajikan dalam bentuk tabel
kontingensi (selalu dalam bentuk tabel kontingensi 2x2 atau 2 baris dan 2 kolom),
sedangkan dalam SPSS input data tetap dalam baris dan kolom.
Kasus:
Sebuah perusahaan yang memasarkan produknya dengan cara multi level
(MLM/Multi Level Marketing), ingin mengetahui apakah beberapa presentasi
mengenai MLM yang benar mampu mengubah persepsi masyarakat terhadap MLM
selama ini. Untuk itu, terlebih dahulu dikumpulkan 15 responden yang diambil acak,
dan kepada mereka ditanya pendapat mereka tentang bisnis secara MLM. Sikap
mereka dibagi dua, yaitu 1 untuk sikap yang positif terhadap MLM, dan 0 untuk sikap
yang negatif.

Hasilnya sebagai berikut. Sikap responden sebelum presentasi MLM:


Sikap Positif (1) ada 6 orang.
Sikap Negatif (0) ada 9 orang.

Sebelum Positif Negatif Total


Presentasi Positif 5 1 6
Negatif 5 4 9
Total 10 5 15

Kemudian kepada mereka diberi beberapa presentasi secara intensif, dan setelah
presentasi, kembali mereka ditanya sikap mereka, apakah berubah ataukah tetap
seperti semula. Berikut adalah hasil lengkap persepsi responden:
Keterangan:
Terlihat pada kolom Total paling kanan terdapat angka 6 dan 9 seperti penjelasan
terdahulu.

34
Bab 4 Statistik Non Parametrik

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

Res. Sebelum Sesudah


1 1 1
2 1 1
3 1 1
4 1 1
5 1 1
6 1 0
7 0 1
8 0 1
9 0 1
10 0 1
11 0 1
12 0 0
13 0 0
14 0 0
15 0 0

35
Bab 4 Statistik Non Parametrik

Keterangan:
• Ada lima responden yang sebelum presentasi bersikap positif dan sesudah
presentasi tetap positif. Jadi, sebelum dan sesudah sikap tetap 1 (positif). Itu
adalah input untuk responden nomor 1, 2, 3, 4 dan 5.
• Ada satu responden yang sebelum presentasi bersikap positif (1) dan sesudah
presentasi menjadi negatif (0). Itu adalah input untuk responden nomor 6.
• Ada lima responden yang sebelum presentasi bersikap negatif (0) dan sesudah
presentasi menjadi positif (1). Itu adalah input untuk responden nomor 7, 8, 9,
10 dan 11.
• Ada empat responden yang sebelum presentasi bersikap negatif dan sesudah
presentasi tetap negatif. Jadi, sebelum dan sesudah sikapp tetap 0 (negatif). Itu
adalah input untuk responden nomor 12, 13, 14 dan 15.

Jika pengisian benar, maka pada kolom sebelum, total ada 6 sikap positif dan 9
negatif. Sedangkan pada kolom sesudah, total terdapat 10 sikap positif dan 5 sikap
negatif. Hasil ini sama dengan kolom total pada tabel kontingensi di depan.

Penyelesaian:
Kasus di atas terdiri atas dua sampel yang berhubungan satu sama lain, karena
setiap subjek (dalam hal ini para responden) mendapat pengukuran-pengukuran
yang sama, yaitu diukur ‘positif’ dan diukur ‘negatif’. Di sini data hanya sedikit dan
dianggap tidak diketahui distribusi datanya (berdistribusi bebas). Maka digunakan uji
nonparametric dengan dua sampel yang dependen.

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 variable baru yang diperlukan
• Menamai variabel dan properti yang diperlukan.

36
Bab 4 Statistik Non Parametrik

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

Variabel sesudah
Oleh karena ini variabel kedua, tempatkan pointer pada baris 2.
a. Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda
sel tersebut, dan ketik sesudah.
b. Type. Oleh karena variable ini akan berisi data rasio, maka biarkan saja
default numeric yang sudah ada.
c. Width. Untuk keseragaman, ketik 8 (sesuai default).
d. Decimals. Untuk keseragaman, ketik 0. Hal ini berarti tidak ada desimal
dalam pemasukan data.
e. Label. Abaikan bagian ini.

2. Pengolahan data dengan SPSS


Langkah-langkah:

37
Bab 4 Statistik Non Parametrik

• Dari menu utama SPSS, pilih menu Statistics, kemudian pilih submenu
Nonparametric Tests.
• Dari serangkaian pilihan test untuk nonparametric, sesuai kasus pilih 2 Related
Samples…. Klik pilihan tersebut, maka tampak di layar:

Gambar 4.14 Kotak Dialog Two-Related Samples

Pengisian:
• Test Variable List atau Variabel yang akan diuji. Oleh karena disini ada dua
variabel, maka klik variabel sebelum, kemudian klik tanda ‘>’ (yang sebelah
atas), maka terlihat pada kolom Current Selection (di bawah kedua nama
variabel), pada bagian Variable 1, terdapat kata ‘sebelum’. Hal ini
menunjukkan variabel ‘sebelum’ menjadi variabel pertama.
• Demikian juga untuk variabel sesudah, klik sekali lagi pada tanda ‘>’. Maka
terlihat pada kolom Current Selection (di bawah kedua nama variabel),
pada bagian variabel 2, terdapat kata ‘sesudah’. Hal ini menunjukkan
variabel ‘sesudah’ menjadi variabel kedua.
• Perhatikan adanya tanda ‘sebelum .. sesudah’ pada kotak Test Pair(s)
List. Hal ini menunjukkan uji dua sampel berhubungan dapat dilakukan.

38
Bab 4 Statistik Non Parametrik

• Untuk Test Type atau tipe uji, klik pada pilihan McNemar. Sedang pilihan uji
yang lain diabaikan saja, dan jika ada dinonaktifkan.
Tekan OK untuk mengakhiri pengisian prosedur analisis. Terlihat SPSS melakukan
pekerjaan analisis dan terlihat output SPSS.

Analisis:
Perhatikan output SPSS yang membuat tabel kontingensi, dengan 0 adalah sikap
negatif dan 1 adalah sikap positif. Tabel di atas sama dengan tabel kontingensi di
awal kasus. Hanya SPSS selalu mendahulukan angka yang lebih kecil (0 kemudian
1), sehingga urutan pada SPSS agak berbeda dengan input tabel pada kasus (yang
mendahulukan sikap positif/1). Namun hasil tetap sama.

Hipotesis
Ho = Proporsi subjek-subjek dengan karakteristik yang diminati akibat kedua
kondisi/perlakuan adalah sama besar. Atau dalam ksus ini Proporsi responden yang
bersikap positif-negatif sebelum diberi presentasi adalah sama dengan sesudah
diberi presentasi.
Hi = Proporsi subjek-subjek dengan karakteristik yang diminati akibat kedua
kondisi/perlakuan adalah tidak sama besar. Atau dalam ksus ini Proporsi responden

39
Bab 4 Statistik Non Parametrik

yang bersikap positif-negatif sebelum diberi presentasi adalah berbeda secara nyata
dengan sesudah diberi presentasi.

Pengambilan Keputusan
Dalam hal ini, statistik uji McNemar dapat disamakan dengan mencari z hitung.
a. Berdasarkan Angka z
Dasar pengambilan keputusan sama dengan uji z:
Jika Statisitk Hitung (angka z output) > Statistik Tabel (tabel z), maka Ho ditolak.
Jika Statisitk Hitung (angka z output) < Statistik Tabel (tabel z), maka Ho diterima.
Mencari z hitung:
Rumus z hitung:

Di mana b dan c adalah nilai pada tabel kontingensi yang tidak ‘konsisten’ . Dalam
kasus ini b dan c adalah jumlah responden yang semula bersikap 0 menjadi 1 atau
sebaliknya. Terlihat angka tersebut adalah b = 5 dan c = 1.
Maka
Mencari z tabel:
Z tabel dapat dihitung pada tabel z, dengan = 5% dan uji duas sisi (5% dibagi dua
menjadi 2.5%), maka luas kurva normal adalah 50% - 2.5% = 47.5% atau 0.475.
Oleh karena uji dua sisi, maka pada tabel z, untuk luas 0.475 didapat angka z tabel
sekitar +1.96.
Oleh karena z hitung < z tabel ( > 1.96), maka Ho diterima.

Dari kedua analisis di atas, dapat diambil kesimpulan yang sama, yaitu Ho diterima
atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM secara
nyata.

b. Pengambilan Keputusan berdasarkan probabilitas


• Jika probabilitas > 0.05, maka Ho diterima.
• Jika probabilitas < 0.05, maka Hi ditolak.

40
Bab 4 Statistik Non Parametrik

Keputusan
Terlihat bahwa pada kolom Exact.Sig. (2-tailed)/significance untuk uji dua sisi
adalah 0.219. Di sini terdapat probabilitas di atas 0.05 (0.219 > 0.05). Maka Ho
diterima, atau Kegiatan Presentasi tidak mengubah sikap responden terhadap MLM
secara nyata.

4.4 UJI DATA DUA SAMPEL TIDAK BERHUBUNGAN (INDEPENDEN)

4.4.1 Uji Mann-Whitney


Kasus :
Sebuah perusahaan Multi Level Marketing yang bergerak dalam penjualan obat-
obatan ingin mengetahui apakah para wiraniaganya membutuhkan pelatihan untuk
peningkatan kinerjanya.
Untuk itu, kepada sekelompok wiraniaga diberikan pelatihan Kewiraniagaan dan
kemudian kinerja mereka dibandingkan dengan wiraniaga lainnya yang tidak diberi
pelatihan.
Berikut hasil kedua kelompok (angka dalam jumlah paket obat yang terjual dalam
sebulan).

Wiraniaga Kelompok
1 30 tanpa pelatihan
2 24 tanpa pelatihan
3 26 tanpa pelatihan
4 27 tanpa pelatihan
5 29 tanpa pelatihan
6 20 tanpa pelatihan
7 23 tanpa pelatihan
8 25 tanpa pelatihan
9 18 tanpa pelatihan

41
Bab 4 Statistik Non Parametrik

10 14 tanpa pelatihan
11 16 pelatihan
12 30 pelatihan
13 32 pelatihan
14 35 pelatihan
15 27 pelatihan
16 25 pelatihan
17 29 Pelatihan

Penyelesaian:
Kasus di atas terdiri atas dua sampel yang bebas satu dengan yang lain, yaitu
Wiraniaga yang tidak mendapat pelatihan dan Wiraniaga yang menjalani pelatihan.
Di sini data hanya sedikit dan dianggap tidak diketahui distribusi datanya
(berdistribusi bebas). Maka digunakan uji nonparametrik dengan dua sampel yang
independen.
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 variable baru yang diperlukan
Pengisian:
Variabel wiraniaga
Oleh karena ini variable pertama, tempatkan pointer pada baris 1.
a. Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda
sel tersebut, dan ketik sales.
b. Type. Oleh karena variabel ini akan berisi data rasio, maka biarkan saja
default numeric yang sudah ada.
c. Width. Untuk keseragaman, ketik 8 (sesuai default).
d. Decimals. Untuk keseragaman, ketik 0.
e. Label. Abaikan bagian ini.
Abaikan bagian yang lain.

42
Bab 4 Statistik Non Parametrik

Variabel kelompok
Oleh karena variable kedua, tempatkan pointer pada baris 2.
a. Name. Sesuai kasus, letakkan pointer di bawah kolom Name, lalu klik ganda
sel tersebut, dan ketik kelompok.
b. Type. Oleh karena variabel ini akan berisi data rasio, maka biarkan saja
default numeric yang sudah ada.
c. Width. Untuk keseragaman, ketik 1 (sesuai default).
d. Decimals. Untuk keseragaman, ketik 0.
e. Label. Abaikan bagian ini.
f. Values. Pilihan ini untuk proses pemberian kode.
Pengisian:
• Value, ketik 1.
• Value Label, ketik tanpa pelatihan.
Pengisian Lanjutan
• Value, ketik 2.
• Value Label, ketik pelatihan.

2. Pengolahan data dengan SPSS


Langkah-langkah:
• Dari menu utama SPSS, pilih menu Analyze, kemudian pilih submenu
Nonparametric Tests.
• Dari serangkaian pilihan test untuk nonparametric, sesuai kasus pilih 2
Independent Samples…. Klik pilihan tersebut, maka tampak di layar:

43
Bab 4 Statistik Non Parametrik

Gambar 4.11 Kotak Dialog Two Independent Samples Tests

Pengisian:
• Test Variable List atau Variabel yang akan diuji. Oleh karena disini akan
diuji data penjualan wiraniaga, maka klik variabel sales, kemudian klik tanda
‘>’ (yang sebelah atas), maka variabel sales berpindah ke Test Variable List.
• Grouping Variable atau variabel grup. Oleh karena variabel
pengelompokkan ada pada variabel kelompok, maka klik variabel kelompok,
kemudian klik tanda ‘>’ (yang sebelah bawah), maka variabel berat
berpindah ke Groping Variable. Tampak di layar.
Tampak di layar:

44
Bab 4 Statistik Non Parametrik

Gambar 4.12 Kotak Dialog Two Independent Samples Tests yang telah terisi

Pengisian grup: Klik Define Group….Tampak di layar:


• Untuk Group 1, isi dengan 1, yang berarti Grup 1 berisi tanda 1 atau ‘tanpa
training’.
• Untuk Group 2, isi dengan 2, yang berarti Grup 2 berisi tanda 2 atau ‘training’.

Gambar 4.13 Kotak Dialog Define Groups yang telah terisi

Setelah pengisian selesai, tekan Continue untuk melanjutkan ke menu sebelumnya.


Tekan OK untuk mengakhiri pengisian prosedur analisis. Terlihat SPSS melakukan
pekerjaan analisis dan terlihat output SPSS.

45
Bab 4 Statistik Non Parametrik

Output SPSS:

Analisis
Hipotesis
Ho = Kedua populasi identik (Data penjualan kedua kelompok 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 > 0.05, maka Ho diterima.
• Jika probabilitas < 0.05, maka Ho ditolak.

Keputusan
Terlihat bahwa pada kolom Exact.Sig. (2-tailed)/significance untuk uji dua sisi
adalah 0.096, atau probabilitas di atas 0.05 (0.096 > 0.05). Maka Ho diterima, atau

46
Bab 4 Statistik Non Parametrik

kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda
dengan kinerja kelompok wiraniaga yang mendapat pelatihan..

4.4.2 Uji Kolmogorov-Smirnov


Selain uji dengan uji Mann-Whitney, uji untuk mengetahui ada tidaknya perbedaan
yang signifikan untuk dua sample yang independent juga dapat dilakukan dengan uji
Kolmogorov-Smirnov.

Pada uji Kolmogorov ini dibahas contoh kasus yang sama dengan uji Mann-Whitney.

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

Pengambilan Keputusan
• Jika probabilitas > 0.05, maka Ho diterima.
• Jika probabilitas < 0.05, maka Ho ditolak.

Keputusan
Terlihat bahwa pada kolom Exact.Sig. (2-tailed)/significance untuk uji dua sisi
adalah 0.480, atau probabilitas di atas 0.05 (0.480 > 0.05). Maka Ho diterima, atau
kinerja Penjualan kelompok wiraniaga yang tidak mendapat pelatihan tidak berbeda
dengan kinerja kelompok wiraniaga yang mendapat pelatihan.

4.4.3 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.

Pada uji Wald-Wolfowitz ini dibahas contoh kasus yang sama dengan uji Mann-
Whitney.

48
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 > 0.05, maka Ho diterima.
• Jika probabilitas < 0.05, maka Ho ditolak.

Keputusan
Terlihat bahwa pada kolom Exact.Sig. (2-tailed)/significance untuk uji satu sisi,
baik untuk rangkaian minimum (0.355) maupun rangkaian maksimum (0.957) adalah
di atas 0.05. Maka Ho diterima, atau kinerja Penjualan kelompok wiraniaga yang
tidak mendapat pelatihan tidak berbeda dengan kinerja kelompok wiraniaga yang
mendapat pelatihan. Dapat juga dikatakan kedua sample mempunyai distribusi –
distribusi identik.

4.5 UJI DATA TIGA SAMPEL ATAU LEBIH BERHUBUNGAN


(DEPENDEN)

4.5.1 Uji Friedman


Kasus:
Restoran FAST FOOD ingin meluncurkan empat paket masakan dengan nama
paket 1, paket 2, paket 3, dan paket 4. Untuk mengetahui bagaimana tanggapan
konsumen terhadap keempat paket tersebut, sejumlah 10 orang (sampel)
dipersilakan mencicipi keempat jenis paket tersebut, dan kemudian memberikan
penilaian pada tiap-tiap paket. Nilai yang diberikan ditentukan antara 0 sampai 100.
Berikut adalah hasil penilaian kesepuluh orang terhadap paket yang ditawarkan:

49
Bab 4 Statistik Non Parametrik

Responden Paket_1 Paket_2 Paket_3 Paket_4


1 82 77 74 84
2 87 78 70 86
3 84 84 66 75
4 86 89 84 78
5 85 73 90 73
6 89 84 88 89
7 84 82 82 92
8 75 84 76 76
9 78 76 78 73
10 85 78 68 78
11 82 81 64 75
12 81 70 80 83

Akan diteliti apakah keempat paket tersebut mempunyai mutu (nilai) yang sama.

4.5.2 Uji Keselarasan (Konkordansi) Kendall


Uji keselarasan Kendall digunakan untuk mengetahui sejauh mana dua himpunan
peringkat-peringkat dan n individu selaras ataukah tidak.
Kasus:
Sebuah perusahaan yang ingin mengeluarkan produk sabun mandi baru ingin
mengetahui atribut apa saja yang diinginkan konsumen dalam mengkonsumsi pasta
gigi. Untuk itu, perusahaan menetapkan empat atribut, yaitu:
1. Kesegaran
2. Keharuman
3. Bahan tertentu
4. Warna

Kemudian diambil sebuah sampel yang terdiri atas 14 orang responden. Masing-
masing responden diminta memberi penilaian pada 4 atribut sabun mandi tersebut,
dengan angka 1 paling penting dan angka 4 paling tidak penting.

50
Bab 4 Statistik Non Parametrik

Berikut hasil penilaian tersebut:

Responden Segar Harum Bahan Warna


1 1 3 2 4
2 1 3 4 2
3 1 4 3 2
4 2 1 3 4
5 3 1 4 2
6 4 1 3 2
7 1 3 2 4
8 1 4 3 2
9 1 2 4 3
10 2 3 1 4
11 2 3 1 4
12 1 3 2 4
13 1 3 4 2
14 1 3 2 4

Pada baris pertama, responden nomor satu menilai atribut Segar sebagai yang
paling penting (nomor urut 1), kemudian atribut Bahan (nomor 2), atribut Harum
(nomor 3) dan yang paling tidak penting adalah atribut Warna (nomor 4). Demikian
seterusnya untuk data yang lain.

4.5.3 Uji Cochran


Uji Cochran digunakan untuk menguji tiga sampel atau lebih dengan catatan reaksi
(hasil) terhadap suatu perlakuan hanya dinyatakan dalam dua nilai yaitu 0 dan 1.
Oleh karena itu, Uji Cochran dilakukan pada penelitian untuk uji sample yang
mempunyai data berskala nominal (kategori).
Kasus:
Seorang manajer produksi sedang mempertimbangkan pembelian tiga buah mesin
untuk merakit komponen tertentu. Manajer tersebut memutuskan untuk mengambil

51
Bab 4 Statistik Non Parametrik

10 orang pekerja sebagai sample, dan masing-masing pekerja diminta bekerja


dengan masing-masing dari ketiga mesin tersebut. Pada setiap mesin, tiap pekerja
memberi penilaian sebagai berikut:
• 0 jika kinerja mesin dirasakan tidak memuaskan.
• 1 jika kinerja mesin dirasakan memuaskan
Berikut hasil penilaian kesepuluh pekerja.

Pekerja Mesin A Mesin B Mesin C


1 0 1 1
2 1 1 0
3 0 0 0
4 1 0 1
5 1 1 0
6 1 1 1
7 0 0 1
8 0 1 1
9 0 0 0
10 1 1 1

Pekerja nomor satu menilai Mesin A adalah 0 (tidak memuaskan kinerjanya). Mesin
B dengan 1 (memuaskan kinerjanya), dan mesin C dengan 1. Demikian seterusnya
untuk data yang lain. Perhatikan bahwa input data hanya dua, yaitu 1 dan 0.

4.6 UJI DATA TIGA SAMPEL ATAU LEBIH TIDAK BERHUBUNGAN


(INDEPENDEN)

4.6.1 Uji Kruskal Walls


Kasus

52
Bab 4 Statistik Non Parametrik

Manajer produksi sebuah perusahaan lampu yang selama ini memproduksi tiga
buah lampu pijar dengan merek A, B, dan C, 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.
Hasil pengujian (angka dalam hari).

No Masa Merek
1 200 Merk A
2 202 Merk A
3 205 Merk A
4 210 Merk A
5 209 Merk A
6 205 Merk A
7 210 Merk B
8 190 Merk B
9 196 Merk B
10 198 Merk B
11 196 Merk B
12 200 Merk B
13 210 Merk C
14 211 Merk C
15 218 Merk C
16 216 Merk C
17 220 Merk C
18 219 Merk C

Misal angka 200, pada baris 1 di atas menyatakan bahwa sampel nomor 1 lampu
pijar merek A mempunyai masa hidup 200 jam. Demikian seterusnya untuk data
yang lain.

53
Bab 4 Statistik Non Parametrik

4.5.1 Uji Median


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

54