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.

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

Cochrans 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.

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.

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:

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:

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:

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).

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, 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

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:

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

Berat 200.5 200.7 200.8 205.5 205.6 205.7 208.8 208.9 200.9 201.9 205.6 204.4 204.6

12

Bab 4 Statistik Non Parametrik

14 15 16 17 18

207.1 201.6 203.1 202.5 203.9

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 Hi : F (x) = 204.0056 dan = 2.69 (Lihat hasil output SPSS). 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 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, 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 = 3 Value label = Sapi Value label = Kambing

17

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, 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 ChiSquare. 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 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. 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 Presentasi Positif Negatif Total

Positif 5 5 10

Negatif 1 4 5

Total 6 9 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. 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

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 obatobatan 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 1 2 3 4 5 6 7 8 9 30 24 26 27 29 20 23 25 18

Kelompok tanpa pelatihan tanpa pelatihan tanpa pelatihan tanpa pelatihan tanpa pelatihan tanpa pelatihan tanpa pelatihan tanpa pelatihan tanpa pelatihan

41

Bab 4 Statistik Non Parametrik

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, 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 MannWhitney.

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 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.

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

Segar 1 1 1 2 3 4 1 1 1 2 2 1 1 1

Harum 3 3 4 1 1 1 3 4 2 3 3 3 3 3

Bahan 2 4 3 3 4 3 2 3 4 1 1 2 4 2

Warna 4 2 2 4 2 2 4 2 3 4 4 4 2 4

Pada baris pertama, responden nomor satu menilai atribut Segar sebagai yang paling penting (nomor urut 1), 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 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). 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 Kasus

Uji Kruskal Walls

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 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, 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