PERTEMUAN KE-6
Materi :
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 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 Kolmogorov-
Smirnov, dll.
Variabel 1 2 3 4 5 6 7 8 9 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
Klik tab sheet [Variable View] pada SPSS data editor dan ketik/copy data sebagai
berikut:
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Hasil belajar ,184 10 ,200* ,939 10 ,543
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
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 Kolmogorov-
Smirnov. 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.
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].
ANOVA Table
Sum of df Mean F Sig.
Squares Square
(Combined) 937,500 3 312,500 5,769 ,034
Between 16,41
Linearity 889,113 1 889,113 ,007
Hasil belajar * Groups 4
IQ Deviation from Linearity 48,387 2 24,194 ,447 ,659
Within Groups 325,000 6 54,167
Total 1262,500 9
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
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:
No. X1 X2
Responden (NHT) (Konvensional)
1 35 65
2 37 34
3 27 44
4 29 36
5 31 31
6 30 33
7 27 37
8 36 28
9 37 33
10 24 34
11 26 35
12 29 28
13 31 29
14 36
15 33
Klik [OK].
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].
Pada Output lihat bagian Test of Homogenity of Variances dan pada baris Based on
Mean lihat kolom Sig.
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.