Jelajahi eBook
Kategori
Jelajahi Buku audio
Kategori
Jelajahi Majalah
Kategori
Jelajahi Dokumen
Kategori
2013
PERTEMUAN KE-6
Uji nonparametrik digunakan apabila asumsi-asumsi pada uji parametrik tidak dipenuhi.
Asumsi yang paling lazim pada uji parametrik adalah sampel acak berasal dari populasi yang
berdistribusi normal, varians bersifat homogen, dan bersifat linier. Bila asumsi-asumsi ini
dipenuhi, atau paling tidak penyimpangan terhadap asumsinya sedikit, maka uji parametrik
masih bisa diandalkan. Tetapi bila asumsi tidak dipenuhi maka uji nonparametrik menjadi
alternatif. Ada tiga asumsi uji statistika parametrik sebagaimana diungkapkan di atas, yaitu
normalitas, linieritas data dan homogenitas varians.
1.
Uji Normalitas
Pengujian normalitas dilakukan untuk mengetahui normal tidaknya suatu distribusi
data. Hal ini penting diketahui berkaitan dengan ketetapatan pemilihan uji statistik yang
akan dipergunakan. Uji parametrik misalmya, mensyaratkan data harus berdistribusi
normal. Apabila distribusi data tidak normal maka disarankan untuk menggunakan uji
nonparametrik.
Pengujian normalitas ini harus dilakukan apabila belum ada teori yang menyatakan
bahwa variabel yang diteliti adalah normal. Dengan kata lain, apabila ada teori yang
menyatakan bahwa suatu variabel yang sedang diteliti normal, maka tidak diperlukan
lagi pengujian normalitas data. Ada beberapa teknik yang dapat digunakan untuk
menguji normalitas data, antara lain: uji Chi Square, uji Lilifors, uji KolmogorovSmirnov, dll.
Untuk menguji normalitas data dengan SPSS, langkah-langkahnya sebagai berikut:
Input data di bawah ini ke dalam SPSS
Variabel
10
IQ (X1)
40
45
30
35
30
40
45
45
35
35
EQ (X2)
18
20
14
12
14
16
10
15
18
16
80
85
60
75
55
65
80
90
75
60
Page 1
2013
Klik tab sheet [Variable View] pada SPSS data editor dan ketik/copy data sebagai
berikut:
Page 2
2013
df
,184
Shapiro-Wilk
Sig.
10
,200*
Statistic
,939
df
Sig.
10
,543
Page 3
2013
Menafsirkan hasil uji normalitas, pada gambar di atas menunjukkan uji normalitas
data Hasil Belajar. Pengujian normalitas dengan SPSS berdasarkan pada uji
Kolmogorov-Smirnov dan Shapiro Wilk. Pilih salah satu, misalnya KolmogorovSmirnov. Hipotesis yang diuji adalah:
Ho : Data berdistribusi normal
H1 : Data berdistribusi tidak normal
Cara mengetahui signifikan atau tidak hasil uji normalitas adalah dengan
memperhatikan angka pada kolom signifikansi (Sig). Kriteria uji normalitas sebagai
berikut:
Tetapkan taraf nyata (signifikansi) misalnya = 0,05.
Bandingkan angak pada kolom Sig dengan .
Jika Sig > maka data berdistribusi normal.
Jika Sig < maka data berdistribus tidak normal.
Pada contoh di atas Sig > atau 0,200 > 0,05 maka dapat disimpulkan data variabel
hasil belajar berdistribusi normal.
2.
Uji Linearitas
Uji linearitas bertujuan untuk mengetahui apakah dua variabel mempunyai hubungan
yang linear atau tidak secara signifikan. Uji ini digunakan sebagai prasyarat statistik
parametrik khususnya dalam analisis korelasi atau regresi linear yang termasuk dalam
hipotesis assosiatif. Pada program SPSS, uji linearitas menggunakan Test for Linearity
pada taraf signifikan 0,05. Dua variabel dikatakan mempunyai hubungan linear bila
signifikansi (Deviation from Linearity) > 0,05.
Langkah-langkah uji linearitas pada SPSS.
Input data di atas ke dalam SPSS
Klik [Variable View] pada SPSS data editor.
Pada kolom Name ketikan berturut-turut: X1, X2 dan Y.
Untuk kolom label ketikan berturut-turut: IQ, EQ dan Hasil Belajar.
Kolom lainnya menyesuaikan (biarkan default).
Buka [Data View] dan isikan data untuk ketiga variabel.
Klik [Analyze] > [Compare Means] > [Means].
Page 4
2013
Masukkan variabel Hasil Belajar ke kotak Dependent List, sorot variabel IQ dan
EQ kemudian masukkan ke dalam kotak Independent List.
Klik Options, pada Statistic for First Layer centang pilihan Test for Linearity
kemudian klik Continue.
Klik [OK].
df
Mean
Squares
Between
Hasil belajar * Groups
IQ
937,500
312,500
Linearity
889,113
889,113
48,387
24,194
325,000
54,167
1262,500
Within Groups
Total
Sig.
Square
(Combined)
5,769
16,41
4
,447
,034
,007
,659
Dari output di atas diketahu nilai Sig pada baris Deviation from Linearity sebesar
0,659. Karena nilai Sig > atau 0,659 > 0,05 maka dapat disimpulkan bahwa antara
variabel Hasil Belajar dan IQ terdapat hubungan linear.
3.
Uji Homogenitas
Uji homogenitas digunakan untuk mengetahui apakah dua atau lebih varian populasi
adalah sama atau tidak. Uji ini dilakukan sebagai prasyarat dalam analisis independent
sample t-test dan anova atau bagi peneliti yang menggunakan lebih dari satu kelompok
sampel. Pada umumnya digunakan untuk membuktikan hipotesis komparatif. Asumsi
yang mendasar dalam anisis varian (Anova) adalah bahwa varian dari populasi adalah
Page 5
2013
sama. Sebagai kriteria pengujian, jika nilai Sig > (secara default di SPSS adalah 0,05)
maka dapat dikatakan bahwa varian dua atau lebih kelompok data adalah sama.
Contoh:
Seorang mahasiswa bernama Atun Bangkonawati melakukan penelitian untuk
mengetahui: apakah ada perbedaan hasil belajar matematika menggunakan model
pembelajaran kooperatif tipe Number Head Together (NHT) dengan model pembelajaran
konvensional. Secara garis besar prosedur pengumpulan data adalah diambil dua
kelompok sampel. Kelompok sampel pertama proses pembelajaran menggunakan model
pembelajaran kooperatif tipe Make a Match dan kelompok kedua menggunakan model
pembelajaran konvensional. Setelah pembelajaran pada masing kelompok sampel selesai,
kemudian diberikan tes. Hasil tes inilah yang akan diuji untuk mengetahui apakah
perlakuakn (treatment) yang diberikan kepada kedua kelompok sampel terdapat
perbedaan atau tidak. Untuk menguji hipotesis dapat menggunakan uji independent
sample t-test. Sebelum dilakukan uji-t sebagai prasyarat harus dilakukan terlebih dahulu
diuji homogenitasnya. Jika varian kedua sampel homogen maka uji-t dapat dilakukan dan
jika tidak homogen menggunakan statistik nonparametrik. Data hasil penelitian diperoleh
sebagai berikut:
Data Model Pembelajaran NHT dan Konvensional
No.
Responden
X1
(NHT)
X2
(Konvensional)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
35
37
27
29
31
30
27
36
37
24
26
29
31
65
34
44
36
31
33
37
28
33
34
35
28
29
36
33
Page 6
2013
Klik [OK].
Page 7
2013
Pada kotak dialog Explore, masukan Variabel Hasil Belajar ke kotak Dependent
List dan Model Pembelajaran ke kotak Factor List.
Klik Plots, centenag Unstransformed kemudian klik Continue.
Klik [OK].
Page 8
2013
Pada Output lihat bagian Test of Homogenity of Variances dan pada baris Based on
Mean lihat kolom Sig.
Test of Homogeneity of Variance
Levene Statistic
Hasil Belajar
df1
df2
Sig.
Based on Mean
,680
26
,417
Based on Median
,353
26
,558
,353
16,523
,561
,403
26
,531
Dari tabel output di atas dapat diketahui nilai Sig sebesar 0,417. Karena nilai Sig >
0,05 maka dapat disimpulkan bahwa kedua kelompok data mempunyai varian sama
atau homogen. Angka Levene Statistic menunjukkan semakin kecil nilainya maka
semakin besar homogenitasnya.
Page 9