Mata Kuliah:

MODUL BIOSTATISTIK

“UJI STATISTIK NON PARA METRIK”

Penulis:

Shinta Novelia, S.ST, MNS

Editors:

Ns. Asyiah, S.Kep, M.Kep, Sp.Kom

Vivi Silawati, SKM, MKM

Prodi Kebidanan Fakultas Ilmu Kesehatan

Universitas Nasional

TA 2018-2019
1
 Mata Kuliah:

DAFTAR ISI

Halaman cover .................................................................................................................... 1

Daftar isi .............................................................................................................................. 2

Pendahuluan ........................................................................................................................ 3

Tujuan ................................................................................................................................. 4

Uraian materi ....................................................................................................................... 5

Rangkuman .......................................................................................................................... 46

Tes formatif .......................................................................................................................... 46

2
Mata Kuliah:

PENDAHULUAN

Sebelum Anda mempelajari modul ini, Anda sudah harus mempelajari Metode

Statistika I dan II sebagai dasar memahami materi yang ada dalam modul. Selama

ini yang Anda pelajari tentang statistika adalah prosedur statistika parametrik,

sebagai contohnya adalah uji-uji yang berdasarkan distribusi t-student, analisis

variansi, analisis korelasi, analisis regresi. Salah satu karakteristik prosedur

parametrik adalah kelayakan penggunaannya untuk maksud inferensi

(penyimpulan) yang tergantung pada asumsi tertentu. Sebagai contoh adalah

prosedur inferensial dalam analisis varian mengasumsikan bahwa sampel

diperoleh dari populasi berdistribusi normal dengan variansi yang sama. Sering

kali kita menjumpai populasi yang kita kaji tidak selalu memenuhi asumsi yang

diharuskan uji parametrik, sehingga kita membutuhkan prosedur inferensial yang

mempunyai kesahihan (validity) sama tetapi tidak terlalu kaku (menuntut banyak

persyaratan), dengan demikian dapat lebih memenuhi kebutuhan yang berlainan

dari para peneliti. Pada statistika nonparametrik model uji hipotesis lebih

sederhana, perhitungan lebih sedikit, sehingga lebih mudah dan cepat

dibandingkan dengan metode statistika parametrik. Pemakaian Statistika

3
 Mata Kuliah:

nonparametrik banyak dijumpai di bidang industri, psikologi dan bidang-bidang

lain.

TUJUAN

Tujuan Pembelajaran Umum:

Setelah mempelajari kegiatan belajar 2 anda diharapkan dapat menjelaskan

Uji statistic non Parametrik.

Tujuan Pembelejaran Khusus:

1. Menjelaskan membedakan statistic parametrik dan non parametrik

2. Menjelaskan asumsi penggunanaan statistic non parametrik

3. Menjelaskan langkah-langkah uji chi square

4. Menjelaskan langkah-langkah uji spearman

5. Menjelaskan langkah-langkah uji mann whitney

6. Menjelaskan langkah-langkah uji Wilcoxon sign rank test

4
Mata Kuliah:

URAIAN MATERI

STATISTIK NON PARAMETRIK

Adalah suatu metode statistika dikatakan nonparametrik jika memenuhi
paling sedikit satu kriteria berikut.

1. Metode bisa mempergunakan data pengamatan dengan skala nominal/ ordinal

2. Data tidak harus terdistribusi normal

Untuk lebih mengingatkan Anda akan skala pengukuran, Stevies

mendefinisikan empat macam skala pengukuran, yaitu:

1. Skala Nominal

Sesuai dengan nama atau sebutannya, skala nominal membedakan benda

atau peristiwa yang satu dengan yang lain berdasarkan nama (atribut). Skala ini
merupakan skala yang paling lemah di antara keempat skala pengukuran.

Contoh:

a. cacat dan tidak cacat (suatu proses produksi yang menghasilkan barang
dengan kriteria cacat dan tidak cacat),

b. laki-laki dan perempuan,

c. tua dan muda dan sebagainya.

Di sini diberi angka 1 untuk cacat, 2 untuk tidak cacat atau sebaliknya.
Angka 1 untuk laki-laki, 2 untuk perempuan atau sebaliknya.

5
Mata Kuliah:

Cara pemberian angka untuk masing-masing atribut boleh bebas, karena

hanya untuk membedakan benda atau peristiwa berdasarkan beberapa
karakteristik tertentu.

2. Skala Ordinal

Pengukuran ordinal memungkinkan segala sesuatu yang disusun menurut

peringkatnya masing-masing. Apabila kita ingin melakukan peringkat (ranking)
terhadap n buah benda berdasarkan suatu ciri tertentu, kita dapat menetapkan
nomor 1 untuk benda yang cirinya paling kurang, nomor 2 untuk kedua paling
kurang, nomor 3 untuk ketiga paling kurang dan seterusnya sampai nomor ke-n
untuk benda yang mempunyai ciri paling tinggi.

3. Skala Interval

Skala interval dapat diterapkan bila benda atau peristiwa yang kita selidiki
dapat dibedakan antara satu dengan yang lain kemudian diurutkan, dan bilamana
perbedaan antara peringkat yang satu dengan yang lain mempunyai arti (bila
satuan pengukurannya tetap). Skala ini memiliki titik nol yang diambil sebarang.
Contoh yang paling jelas bagi kita adalah pengukuran temperatur dalam satuan
derajat Celsius atau Fahrenheit. Unit pengukuran dan titik nol pada pengukuran
suhu adalah sebarang yang berlainan untuk kedua skala tersebut. Meskipun
demikian, kedua skala tersebut mengandung informasi yang sama banyak dan
jenisnya, karena keduanya berhubungan secara linear, artinya apabila terbaca
pada skala yang satu masih dapat ditransformasikan untuk skala yang lain dengan
persamaan linear.

Dapat dijelaskan bahwa titik nol pada termometer Celsius maupun

Fahrenheit bukan menunjukkan tidak ada temperatur (artinya meskipun nol tetapi

6
Mata Kuliah:

masih ada yang dapat diukur karena kita ingat ada temperatur yang lebih rendah
dari nol; jadi angka nol hanya merupakan batas saja).

Andaikan bahwa ada empat buah benda A, B, C dan D kita beri nilai 20, 30,
60 dan 70 dengan skala interval (berarti ada nilai 0 untuk awal pengukuran).
Dengan skala interval kita dapat mengatakan bahwa beda/selisih antara A dan B
adalah 10, C dan D adalah 10. Keduanya sama. Dengan demikian, jarak yang
sama antara anggota pasangan nilai menunjukkan beda yang sama dalam hal
sifat/ciri yang kita ukur. Pada skala interval, kita belum dapat berbicara tentang
ratio/perbandingan antara 2 buah nilai.

4. Skala Rasio

Skala pengukuran ini mempunyai sifat-sifat yang sama seperti skala

terdahulu (interval) dengan tambahan bahwa perbandingan/rasio di antara masing-
masing pengukuran mempunyai arti. Pengukuran rasio yang sering dilakukan
adalah pengukuran tinggi badan dan berat badan. Seseorang yang mempunyai
berat 90 kg dikatakan mempunyai kelebihan berat 30 kg dibandingkan dengan
orang lain yang beratnya 60 kg (seperti pada skala interval). Dengan skala rasio
pula kita dapat mengalokasi bahwa seseorang yang mempunyai berat 80 kg
adalah dua kali lebih berat bila dibandingkan dengan orang yang beratnya 40 kg.
Dengan demikian skala rasio mempunyai derajat yang paling tinggi.

Pengetahuan tentang skala pengukuran ini sangat penting bagi seorang calon
peneliti, karena pemakaian skala pengukuran untuk pengamatan penelitian sangat
menentukan metode statistika apa yang akan dipergunakan untuk pengolahan data
nantinya.

7
 Mata Kuliah:

Contoh 1.2.

Suatu penelitian untuk mengetahui kemampuan akademis murid taman

kanak-kanak; apakah murid melalui sekolah taman kanak-kanak dan murid tanpa
melalui sekolah taman kanak-kanak mempunyai kemampuan akademis yang sama
di sekolah dasar? Pengamatan dilakukan terhadap 12 murid sekolah dasar dan
ternyata, 4 orang di antaranya tidak pernah sekolah taman kanak-kanak. Hipotesis
peneliti mengatakan bahwa yang pernah sekolah taman kanak-kanak cenderung
menunjukkan kemampuan lebih baik dibandingkan dengan anak-anak yang tidak
pernah masuk taman kanak-kanak.

H0: kemampuan akademik tidak tergantung pada pernah tidaknya murid

sekolah taman kanak-kanak.

H1: kemampuan akademik tergantung pada murid yang pernah sekolah

taman kanak-kanak.

Setelah memahami tentang skala ukur, maka kita masuk ke jenis uji statistik. Pada
kegiatan belajar 1 sudah dijelaskan jenis uji statistic parametrik, maka dalam kegiatan
belajar ini akan dibahas jenis-jenis uji statistik non parametrik sebagai berikut:

1. Uji Chi Square

2. Uji Spearman

3. Uji Mann Whitney

4. Uji Wilcoxon rank test

8
Mata Kuliah:

Baiklah, untuk lebih memahami masing-masing jenis uji statistic non

parametrik, maka kita akan bahas langkah uji statistic dengan SPSS seperti
berikut:

1. UJI CHI SQUARE TEST

Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu
jenis uji komparatif non parametris yang dilakukan pada dua variabel, di mana
skala data kedua variabel adalah nominal. (Apabila dari 2 variabel, ada 1 variabel
dengan skala nominal maka dilakukan uji chi square dengan merujuk bahwa harus
digunakan uji pada derajat yang terendah).Uji chi-square merupakan uji non
parametris yang paling banyak digunakan. Namun perlu diketahui syarat-syarat
uji ini adalah: frekuensi responden atau sampel yang digunakan besar, sebab ada
beberapa syarat di mana chi square dapat digunakan yaitu:

• Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga
Actual Count (F0) sebesar 0 (Nol).

• Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell

saja yang memiliki frekuensi harapan atau disebut juga expected count
(“Fh”) kurang dari 5.

• Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell

dengan frekuensi harapan yang kurang dari 5 tidak boleh lebih dari
20%.

Kegunaan Chi-Square

Adapun kegunaan dari uji Chi-Square, adalah :

9
 Mata Kuliah:

1. Ada tidaknya asosiasi antara 2 variabel (Independent test)

2. Apakah suatu kelompok homogen atau tidak (Homogenity test)

3. Uji kenormalan data dengan melihat distribusi data (Goodness of fit test)

4. Digunakan untuk menganalisis data yang berbentuk frekuensi.

5. Digunakan untuk menentukan besar atau kecilnya korelasi dari variabel-

variabel yang dianalisis

6. Cocok digunakan untuk data kategorik, data diskrit atau data nominal

Pengambilan Keputusan:

Ketentuan yang menyatakan ada tidaknya dalam pengambilan keputusan, adalah:

Bila harga Chi Square (X2) ≥ Tabel Chi Square è Hipotesis Nol (H0) ditolak &
Hipotesis Alternatif (Ha) diterima

Bila harga Chi Square (X2) < Tabel Chi Square è Hipotesis Nol (H0) diterima &
Hipotesis Alternatif (Ha) ditolak

Contoh Kasus :

Manajer pemasaran Dealer menyediakan 4 warna honda scoopy yang hendak

dijual kepada konsumen, selama ini manajer pemasaran menganggap bahwa tidak
semua konsumen yang hendak membeli mereka sama-sama menyukai ke empat
warna honda Scoopy berupa Scoopy sporty merah metalik, Sporty putih bergaris
orange, Scoopy playful Cream, Scoopy putih biru. untuk itu manajer pemasaran
ingin mengetahui apakah anggapan tersebut benar bahwa semua konsumen

10
Mata Kuliah:

menyukai ke empat warna honda scoopy. untuk membuktikan anggapannya

manajer menggunakan 20 orang responden. Berikut data pilihan dari 20
responden.

Hipotesis:

H0: tidak semua konsumen menyukai sama-sama ke empat warna honda Scoopy
yang ada

H1: semua konsumen menyukai sama-sama ke empat warna honda Scoopy yang
ada

Pengujian Statistik: taraf signifikan (95% atau 0.05)

11
Mata Kuliah:

jika chi-square hitung < chi-square tabel atau nilai probabilitas > 0.05, maka H0
diterima

jika chi-square hitung > chi-square tabel atau nilai probabilitas < 0.05, maka H0
ditolak

Langkah-langkah menggunakan SPSS

1. buka aplikasi SPSS

2. Lalu klik variabel view (ada di pojok bawah sebelah kiri) untuk mengisi
variabel

3. Lalu isi variabel view (kolom name ketik Warna, Type isi Numeric, Decimals
ketik 0, Label ketik Warna Honda Scoopy, Value lihat posisi tanda panah seperti
gambar di bawah lalu klik kemudian pada kolom value ketik 1 lalu pada kolom
Label ketik Sporty putih bergaris orange lalu klik Add, begitu juga untuk yang ke
2=Scoopy sporty merah metalik, 3=Scoopy playful Cream, 4=Scoopy putih biru,
Measure ketik Nominal) sedangkan kolom lain abaikan saja. atau caranya dapat
dilihat seperti gambar berikut:

4. Selanjutnya kita isi data pilihan warna yang telah dipilih oleh responden berupa
skala nominal dengan cara: klik data view (ada di pojok bawah sebelah kiri), lalu

12
Mata Kuliah:

ketik seperti gambar dibawah. Jika data sudah selesai di isi selanjutnya pada menu
toolbar paling atas pilih Analyze---> Nonparametric Tests---> Legacy Dialogs---
> klik Chi-square. atau caranya seperti gambar berikut:

5. Jika sudah mengikuti sesuai dengan perintah di atas maka muncul halaman
Chi-square test, selanjutnya kita akan mengisi kotak Chi-square test. dengan cara
pindahkan warna honda scoopy (warna) yang ada pada kotak sebelah kiri ke
dalam kotak sebelah kanan (Test Variable List) seperti pada gambar

13
Mata Kuliah:

6. Selanjutnya klik OK

14
Mata Kuliah:

Analisis

15
 Mata Kuliah:

Dari hasil output dapat kita ketahui bahwa pada bagian Warna Honda Scoopy
kolom Observed N masing-masing warna pilihannya berbeda, artinya warna Sporty
putih bergaris orange 8 orang, warna Scoopy sporty merah metalik 3 orang, warna
Scoopy playful Cream 5 orang, warna Scoopy putih biru 4 orang. jadi jumlah
keseluruhan pemilih ada 20 orang. Pada kolom Expected N dapat dijelaskan karena
pilihan responden tidak semua warna sama, maka masing-masing warna yang dipilih
berbeda, jadi anggapan manajer dalam hal ini sudah mendekati kebenarannya (nilai 5
diperoleh dari 20 responden dibagi 4 warna). sedangkan Residual tersebut artinya
sisanya dari masing-masing warna (nilai residual+expected atau nilai ecpected-
residual maka akan menghasilkan nilai observed N setiap warna).

Selanjutnya kita akan menganalisis bagian hasil Test Statistics, dari hasil
tersebut diperoleh nilai Chi-square hitung 2.800. nilai tersebut kita bandingkan
dengan nilai chi-square tabel, nilai schi-square tabel di dapat 7.81. dan nilai Asymp.
sig (probabilitas) diperoleh 0.423.

Tinjau pengujian statistik:

Karena chi-square hitung < chi-square tabel yaitu: 2.800 < 7.815 dan nilai sig
>0.05 yaitu 0.423. maka dalam hal ini H0 diterima.

Kesimpulan:

Berdasarkan pengujian statistik diatas maka dapat di ambil kesimpulan bahwa

tidak semua konsumen menyukai sama-sama ke empat warna honda Scoopy yang
ada, maka dalam hal ini pihak manajer pemasaran sudah benar anggapannnya.

16
Mata Kuliah:

Kegunaan lain uji Chi Square

Uji Chi-square atau qai-kuadrat juga digunakan untuk melihat ketergantungan

antara variabel bebas dan variabel tergantung berskala nominal atau ordinal.
Prosedur uji chi-square menabulasi satu atau variabel ke dalam kategori-kategori
dan menghitung angka statistik chi-square. Untuk satu variabel dikenal sebagai uji
keselarasan atau goodness of fit test yang berfungsi untuk membandingkan
frekuensi yang diamati (fo) dengan frekuensi yang diharapkan (fe). Jika terdiri
dari 2 variabel dikenal sebagai uji independensi yang berfungsi untuk hubungan
dua variabel. Seperti sifatnya, prosedur uji chi-square dilkelompokan kedalam
statistik uji non-parametrik.

Prosedur ini didasarkan pada asumsi bahwa uji nonparametrik tidak

membutuhkan asumsi bentuk distribusi yang mendasarinya. Data diasumsikan
berasal dari sampel acak. Frekuensi yang diharapkan (fe) untuk masing-masing
kategori harus setidaknya :

Tidak boleh lebih dari dua puluh (20%) dari kategori mempunyai frekuensi yang
diharapkan kurang dari 5.

Contoh kasus

Perusahaan penyalur alat elektronik AC ingin mengetahui apakah ada hubungan

antara gender dengan sikap mereka terhadap kualitas produk AC. Untuk itu
mereka meminta 25 responden mengisi identitas mereka dan sikap atau persepsi
mereka terhadap produknya.

Permasalahan : Apakah ada hubungan antara gender dengan sikap terhadap

kualitas AC?

17
 Mata Kuliah:

Hipotesis :

H0 = Tidak ada hubungan antara gender dengan sikap terhadap kualitas AC

H1 = Ada hubungan antara gender dengan sikap terhadap kualitas AC

Tolak hipotesis nol (H0) apabila nilai signifikansi chi-square < 0.05 atau nilai chi-
square hitung lebih besar (>) dari nilai chi-square tabel.

Data dari keduapuluh lima responden dapat dilihat pada tabel di bawah ini.

Data Sikap Responden

18
Mata Kuliah:

Ket. : Gender : 1 = Laki-laki; 2 = Wanita, Sikap: 1 = berkualitas, 2 = Tidak

berkualitas

Langkah-langkah SPSS

• Analyze > Descriptive Statistics > Crosstab

• Masukkan variabel Gender ke dalam kotak Row

• MAsukkan variabel Sikap ke dalam kotak Column

• Klik untuk pilihan Statistics

• Pilih menu Chi-square, tekan Continue

• Pilih Cell, Observed, tekan Continue

• Klik Ascending, tekan Continue

• Tekan OK

• Hasil output SPSS

Case Processing Summary

Pada tabel case processing summary diatas menunjukkan bahwa input data ada 25
responden dan tidak ada data yang tertinggal.

19
Mata Kuliah:

Gender*Sikap

Pada tabel crossstabulasi antara gender*sikap di atas bahwa gender laki-laki

berjumlah 12 responden. Dari 12 responden laki-laki bersikap/menganggap
berkualitas sedangkan 5 responden bersikap tidak berkualitas. Sedangkan 13
responden bergender wanita yang menganggap produk AC berkualitas sebanyak
6 responden dan yang bersikap tidak berkualitas ada 7 responden.

Hasil Uji Chi-Square test

20
Mata Kuliah:

Pada tabel chi-square test di atas dapat diketahui bahwa nilai signifikansi
p-value sebesar 0.543 dan nilai chi-square sebesar 0.371. Karena nilai signifikansi
0.543 > (0.05) maka hipotesis null diterima yang berarti bahwa tidak ada
hubungan antara gender dengan sikap terhadap kualitas AC.

2. UJI SPEARMAN RANK CORRELATION

Terkait dengan karakteristik skala data ordinal tersebut maka uji

korelasi Spearman termasuk statistik nonparametrik yaitu tidak mensyaratkan
data harus berdistribusi normal.

Uji ini dapat digunakan untuk mengetahui terdapat hubungan 2

variable. Hubungan tersebut dapat dilihat dari nilai signifikansi dan seberapa
kuat hubungan tersebut dapat dilihat dari nilai koefisien korelasi atau r.

Contoh Kasus:

Adakah hubungan antara status anemia Ibu Hamil (Anemia) dengan Berat
Badan Bayi Lahir (BBBL)?

N = 10

Anemia menggunakan skala ordinal

1 = Anemia

0 = Tidak Anemia

BBBL menggunakan skala ordinal

1 = BBBL

0 = Tidak BBBL

21
Mata Kuliah:

Langkah pengolahan data SPSS

INPUT DATA

Gambar 1

Input data ke spreadsheets Microsoft Excel kemudian copy dan paste ke

spreadsheets Data View SPSS dilanjutkan dengan input parameter deskripsi
ke spreadsheets Data Variable SPSS. Dengan demikian kita memliki 2 kolom
variabel. Pada tahap ini input data sudah selesai. Lanjut langkah perintah uji.

22
Mata Kuliah:

langkah-langkah

Klik Analyze - Correlate - Bivariat

Pindahkan Anemia dan BBBL ke Variables

Pilih Spearman, Two-tailed dan Flag significant correlations

Klik OK

Gambar 2

23
Mata Kuliah:

Gambar 2 adalah menu pop-up pada saat Anda melakukan langkah ke-2, ke-3
dan ke-4 yaitu memilih variabel yang akan dianalisis dan kriterium.

Pada tahap ini uji Korelasi Spearman atau Spearman's Rank Correlation
Coefficient atau Spearman's rho sudah selesai dan kita sudah memiliki output.
Langkah selanjutnya mengambil keputusan berdasarkan output.

Pengambilan Keputusan

Jika Sig di atas 0,05 maka Ho diterima

Jika Sig di bawah atau sama dengan 0,05 maka Ho ditolak

Gambar 3

Gambar 3 adalah output hasil uji. Nilai Spearman's rho r sebesar 0,802 dengan
Sig. (2-tailed) sebesar 0,005 atau lebih kecil dari 0,05 sehingga diputuskan
Anemia dan BBBL berhubungan nyata dan signifikan.

24
Mata Kuliah:

3. UJI WILCOXON

Uji wilcoxon (uji tanda) termasuk kedalam statistik non-parametrik, data yang
digunakan berupa skala nominal dan ordinal. Uji ini menggunakan dua sampel
yang saling berhubungan (berpasangan) yang bertujuan untuk mengetahui apakah
keduanya mempunyai hubungan. Uji wilcoxon merupakan alternatif lain dari uji t
untuk data berpasangan (t-paired), pada uji wilcoxon data harus dilakukan
pengurutan (ranking) sebelum di lakukan untuk pengujian.

Uji ini juga berlaku untuk statistik parametrik untuk sampel yang
berpasangan, yang menggunakan data skala interval dan rasio, tetapi khusus data
yang tidak berdistribusi normal. yaitu uji normalitas data, caranya klik disini. Bila
data tidak berdistribusi normal coba di transformasi terlebih dahulu, caranya klik
disini, bahkan ada juga setelah ditranformasi data sekalipun tetap tidak
berdistribusi normal. Jadi solusinya supaya data dapat digunakan kembali untuk
uji statistik maka kita bisa menggunakan uji wilcoxon untuk data skala interval
dan rasio.

Pada pembahasan ini kita menggunakan uji wilcoxon untuk statistik non-
parametrik

25
Mata Kuliah:

Contoh:

26
Mata Kuliah:

Seorang dokter ingin mengetahui pengaruh sebelum dan sesuah pemberian

obat terhadap kenaikan berat badan pasien (berat badan dalam satuan kg). Berikut
data yang diperoleh

Dari data di atas, pasien pertama berat badan sebelum minum obat 60 dan
sesudah minum obat 62, dan seterusnya untuk pasien yang lain. Disini datanya
sedikit dan kita anggap saja tidak diketahui distribusi dari data, oleh karenanya
kita dapat menggunakan uji non-parametrik terhadap dua sampel yang
berpasangan dari data di atas.

Pada kasus ini kita tidak perlu melihat perbedaan berat badan, Karena
perbedaan di hitung dengan nilai (Y - X), dimana Y= Sesudah, sedangkan X=
Sebelum. Tetapi kita fokus pada naik atau turunnya berat badan secara signifikan
setelah minum obat.

Sebelum dimasukkan datanya kedalam program spss, kita buat terlebih dahulu
hipotesisnya yaitu:

H0: Tidak terdapat kenaikan berat badan pasien yang bermakna antara sebelum
dan sesudah minum obat

H1: Terdapat kenaikan berat badan pasien yang bermakna antara sebelum dan
sesudah minum obat

Pengujian Statistik:

Jika Z hitung < Z tabel atau nilai sig > 0.05, maka H0 diterima

Jika Z hitung > Z tabel atau nilai sig < 0.05, maka H0 di tolak, jadi terimalah H1

27
Mata Kuliah:

Langkah-langkah menggunakan SPSS:

1. Buka program spss sampai muncul seperti gambar berikut:

2. Sebelah kiri bawah ada dua pilihan yaitu: data view dan variabel view

3. klik variabel view untuk menentukan variabel data

4. Isi variabel view (baris pertama pada kolom name ketik Sebelum, pada kolom
decimal ganti 2 menjadi 0, pada label ketik Sebelum minum obat dan baris kedua
pada kolom name ketik Sesudah, pada kolom decimal ganti 2 menjadi 0, pada
label ketik Sesudah minum obat) sedangkan pada kolom lain abaikan saja. Jika
sudah terlihat seperti gambar berikut:

28
Mata Kuliah:

5. Selanjutnya klik data view ada disebelah kiri variabel view. Lalu isikan data
Anda pada kolom Sebelum dan Sesudah. Jika sudah maka perlihat seperti gambar
berikut:

29
Mata Kuliah:

6. Perhatikan pada menu bar paling atas silahkan pilih Analyze--->

Nonparametric Test---> Legacy Dialog---> 2 Related Samples.... atau seperti
gambar berikut:

7. Setelah di klik 2 Related Samples... maka muncul seperti gambar berikut:

30
Mata Kuliah:

8.

8. Pada kotak Test Pairs: masukkan Sebelum minum obat ke dalam kolom
Variable 1 dan Sesudah minum obat masukkan ke dalam kolom Variable 2, lalu
pada Test Type centang Wilcoxon. atau terlihat seperti pada gambar berikut:

31
Mata Kuliah:

9. Jika sudah, langkah terakhir klik OK. Berikut hasil outputnya

32
Mata Kuliah:

10. Interpretasi hasil

* Tabel Ranks

Pada tabel Ranks kita dapat mengetahui nilai selisih (nilai beda +/-). Misalnya
pada data baris pertama pada soal nilainya 60-62= -2, 56-60=-4 dan
seterusnya. Setelah di hitung nilai selisih kemudian di beri ranking dari nilai
kecil sampai ke yang besar. Sehingga di dapat pada kolom (N di tabel Ranks)
diperoleh ranks negative ada 4 data dan ranks positive ada 12 data (4+12=16),

33
Mata Kuliah:

sedangkan Ties itu dikarenakan ada data yang sama pada baris ke 9 dan 10
(nilai 77 pada soal). Jadi jumlah keseluruhan data adalah 4+12+2=18 data.
Kemudian kita dapat mengetahui Mean Rank dan Sum of Rank dari
banyaknya data negative Ranks dan Positive Ranks.

* Tabel Test Statistics

Pada tabel Test Statistics di dapat nilai Z hitung adalah -2.628, sedangkan
nilai Z tabel diperoleh dari tabel Z dengan alpha 5% atau 0.05 nilainya sekitar
-1.645 (tanda negatif disesaikan saja tergantung output dari Z hitung).
Sedangkan pada nilai Asymp. Sig (2-tailed) diperoleh 0.09.

Karena Z hitung > Z tabel yaitu -2.628 > -1.645 atau nilai sig 0.009 < 0.05 sesuai
dengan pengujian statistik yang kita gunakan maka H0 di tolak, Jadi terimalah H1

Kesimpulan:

Terdapat kenaikan berat badan pasien yang bermakna antara sebelum dan sesudah
minum obat

34
Mata Kuliah:

4. UJI MANN WHITNEY TEST

Uji Mann-Whitney test adalah salah satu uji statistik non-parametrik

yang digunakan untuk uji sampel bebas (independent) yang berjumlah 2
sampel serta keduanya tidak saling berhubungan satu dengan yang lainnya.
Uji ini mempunyai tujuan yang sama seperti uji t pada statistik parametrik, uji
t untuk statistik parametrik harus memenuhi uji asumsi terlebih dahulu yaitu
data harus berdistribusi normal, manakala uji asumsi distribusi normal tidak
terpenuhi untuk data skala interval dan rasio, maka alternatif lain sebagai
pengganti uji t bisa kita gunakan uji Mann-Whitney.

Pada pembahasan kali ini kita menggunakan uji statistik non-parametrik,

karena uji ini tidak ada uji asumsi.

Contoh:

Hasil check up kadar gula darah normal pada orang dewasa yang berpuasa
selama 8 jam sebelum di cek gula darah dan kadar gula darah orang yang
tidak berpuasa.

35
Mata Kuliah:

Dari data di atas, seorang dokter ingin mengetahui apakah terdapat perbedaan
secara signifikan kadar gula darah normal pada orang dewasa yang berpuasa
dan kadar gula darah orang yang tidak berpuasa.

Hipotesis untuk kasus di atas:

H0: Tidak berbeda secara bermakna antara kadar gula darah normal pada
orang dewasa yang berpuasa dengan kadar gula darah orang yang tidak
berpuasa.

36
Mata Kuliah:

H1: Berbeda secara bermakna antara kadar gula darah normal pada orang
dewasa yang berpuasa dengan kadar gula darah orang yang tidak berpuasa.

Pengujian statistik berdasarkan nilai Z dan probabilitas:

Jika Z hitung < Z tabel atau nilai sig > 0.05, maka H0 diterima

Jika Z hitung > Z tabel atau nilai sig < 0.05, maka H0 di tolak

Berikut langkah-langkah menggunakan SPSS

1. Buka program SPSS sampai muncul seperti gambar berikut:

37
Mata Kuliah:

2. Sebelah kiri bawah ada pilhan Data view dan Variabel View, silahkan Klik
variabel view untuk kita isi variabel. jika sudah di klik maka terlihat seperti
gambar berikut:

3. Baris pertama ketik Kadar_gula pada kolom name, (ingat: pada saat
menentukan variabel pada kolom name tidak boleh menggunakan spasi,
melainkan harus ada penghubung, disini saya menggunakan penghubung
dengan underscore atau _), pada kolom Decimals ketik 0, sedangkan
pada kolom label ketik Kadar Gula Darah, kolom lain abikan saja.

38
Mata Kuliah:

4. Baris kedua ketik kelompok pada kolom name, kolom decimals ketik 0,
lalu pada kolom Values klik None sehingga muncul gambar seperti
berikut:

39
Mata Kuliah:

5. Pada kolom Value ketik 1 dan pada kolom Label ketik tidak berpuasa, klik
Add. Lalu isi kembali pada kolom Value ketik 2 dan pada Label ketik
berpuasa, klik Add. atau contoh isian seperti gambar berikut:

6. Jika sudah benar di isi seperti gambar di atas, lalu Klik OK. Sampai disini
kita telah mengisi variabel data terlihat seperti gambar berikut:

40
Mata Kuliah:

7. Lalu Klik Data view, adanya di sebelah kiri Variable View tepatnya sebelah
kiri bawah.

8. Silahkan di isi datanya sesuai dengan soal yang diberikan atau berikut
caranya: pada kolom Kadar_Gula isi dengan nilai kadar gula 140, 165, 135, ...
, 109. Pada kolom Kelompok isi 1 mulai dari nomor urut 1 sd 13 dan isi 2
mulai dari nomor urut 14 sd 25, keterangan (1= tidak berpuasa, 2=berpuasa).
Jika sudah di isi maka terihat seperti gambar berikut:

41
Mata Kuliah:

42
Mata Kuliah:

9. Perhatikan menu toolbar paling atas, pilih menu Analyze --->

Nonparametric Test---> Legacy Dialogs---> 2 Independent Samples... jika
sudah terlihat seperti gambar berikut:

43
Mata Kuliah:

10. Pindahkan Kadar_Gula kedalam kolom Test Variable List:, dan masukkan
Kelompok kedalam kolom Grouping Variable: lalu klik Define Groups...,
untuk kolom Group 1: ketik angka 1 yang artinya 1 ini untuk orang yang tidak
berpuasa dan untuk kolom Group 2: ketik 2 yang artinya 2 ini untuk orang
yang berpuasa, setelah pengisian selesai tekan Continue untuk melanjutkan ke
tampilan sebelumnya. serperti gambar berikut:

44
Mata Kuliah:

11. Perhatikan pada Test Type: Centang Mann-Whitney U seperti gambar di

atas. jika sudah Klik OK. Maka keluar hasilnya seperti gambar berikut:

12. Analisis hasil

Berdasarkan pada tabel Test Statistics di atas, nilai Z hitung diperoleh -3.972
(positif dan negatif tidak diperhitungkan artinya sama saja). lalu nilai z hitung
tersebut kita bandingkan dengan nilai Z tabel. Nilai Z tabel di peroleh -1.96.

Pengambilan keputusan berdasarkan pengujian statistik yaitu:

jika Z hitung < Z tabel dan nilai sig > 0.05 maka H0 diterima

45
 Mata Kuliah:

jika Z hitung > Z tabel dan nilai sig < 0.05 maka H0 di tolak dan terima H1

Berdasarkan nilai Z dan nilai sig di atas yaitu dimana Z hitung -3.972 > Z
tabel -1.96 dan nilai Asymp.Sig.(2-tailed) 0.000 atau < 0.05. Sehingga dapat
kita simpulkan tolak H0 dan terima H1.

Jadi: Berbeda secara bermakna antara kadar gula darah normal pada orang
dewasa yang berpuasa dengan kadar gula darah orang yang tidak berpuasa.

Semoga anda paham dengan penjelasan di atas.

RANGKUMAN
Pada kegiatan belajar 1 ini berisi tentang statistika

nonparametrik yang terdiri dari:

1. Penjelasan dan beda tentang statistika parametrik dan nonparametrik.

2. Keunggulan/kelebihan statistika nonparametrik.

3. Kekurangan/kelemahan statistika nonparametrik.

4. Kondisi/situasi yang harus ditangani dengan prosedur nonparametrik. Kriteria

prosedur nonparametric.

5. Skala pengukuran.

6. Uji statistic chi square

7. Uji statistic spearman rho

8. Uji statistic mann whitney

46
 Mata Kuliah:

9. Uji statistic wilcoxon

TES FORMATIF
Apakah Anda sudah bisa memahami materi uraian diatas? Jika sudah
sekarang jawablah pertanyaan-pertanyaan berikut ini dengan memilih salah
satu pilihan jawaban yang paling Anda anggap benar:

1. Syarat prosedur nonparametrik

a. Distribusi populasi harus normal
b. Parameter populasi tidak dapat diduga
c. skala ukur variable adalah kategorik
d. sample tidak bisa diukur

2. Kelebihan statistika nonparametrik

a. Kecil kemungkinan dipergunakan secara salah karena prosedur
nonparametrik memerlukan sedikit asumsi.
b. Pada beberapa prosedur nonparametrik, perhitungan dapat dikerjakan dengan
cepat, mudah dan dapat secara manual.
c. Lebih mudah dipahami oleh peneliti yang latar belakangnya bukan statistika/
pengetahuan statistikanya kurang.
d. Dapat diterapkan bila data telah diukur dengan skala pengukuran yang lemah.

3. Kapan prosedur nonparametrik dapat dipergunakan

a. Hipotesis yang diuji tidak melibatkan suatu parameter populasi dan data yang
diukur dengan skala yang lebih lemah bila dibanding dengan persyaratan
prosedur parametrik.
b. Asumsi yang dipergunakan agar pemakaian suatu prosedur parametrik
tidak terpenuhi.
c. Hasil penelitian harus segera disajikan dan perhitungan terpaksa dilakukan
dengan cara manual.
d. sample kecil
47
 Mata Kuliah:

4. Kriteria prosedur nonparametrik

a. Data pengamatan dengan skala nominal/ordinal.
b. Data pengamatan dengan skala interval atau rasio
c. Data terdistribusi normal
d. asumsi linearitas terpenuhi

5. Jika seorang peneliti ingin melihat hubungan 2 variabel dengan skala ukur
kategorik, maka uji statistic yang tepat adalah:
a. Uji spearman rank
b. Uji mann whitney test
c. Uji Wilcoxon sign rank test
d. Uji independent t test

48
Mata Kuliah:

DAFTAR PUSTAKA

1. Polit, D. F., & Beck, C. T. (2012). Nursing research: Principles and methods.
Lippincott Williams & Wilkins.
2. Ronald E. Walpole, Raymond H. Myers, Sharon L. Myers and Keying Ye, 2007,
Probabilitiy and Statistics for Engineers and Scientists, 8th edition, Pearson Prentice
Hall.
3. Sharma, Subhash, 1996, Applied Multivariate Techniques, John Willey & Son, Inc.,
USA.
4. Johson & Wichern, 2007, Applied multivariate statistical analysis, Upper Saddle River:
Pearson Prentice Hall.
5. J. Supranto, M.A. ,2001, Statistika Teori dan Aplikasi, Erlangga, Jakarta.
6. Douglas C. Montgomery, George C. Runger, 2003, Applied Statistic and Probability
for Engineer, third edition, John Wiley and Son Inc.
7. Singgih Santoso, 2014, Panduan Lengkap SPSSversi 20, Alex Media Komputindo.
8. Puspitasari Astri , Modul I dan Modul II: Cirebon, 2010
9. Prasetyo Tri Budi, Universitas Muhammadiyah Cirebon, Modul Statistika
I,II,III,IV : Cirebon, 2009
10. Ziddu.com, Program Pengolahan Data : 2010
11. Andi Field, Discovering Statistics using SPSS: And Sex Drug and Alcohol,
Second Edition (London: SAGE Publication, 2005)
12. Donald P. Schwab, Research Methods for Organizational Studies, Second
Edition (New Jersey: Lawrence Erlbaum Associates, Publishers, 2005)
13. Jonathan Sarwono, Statistik Itu Mudah: Panduan Lengkap untuk Belajar
Komputasi Statistik Menggunakan SPSS 16 (Yogyakarta: Penerbit Universitas
Atma Jaya Yogyakarta, 2009).
14. Mark R. Leary, Introduction to Behavioral Research Methods, Third Edition
(Boston: Allyn and Bacon, 2001)
15. Muhammad Nisfiannoor, Pendekatan Statistika Modern untuk Ilmu Sosial
(Jakarta: Penerbit Salemba Humanika, 2009)
16. Robert Ho, Handbook of Univariate and Multivariate Data Analysis and
Interpretation with SPSS (Boca Raton: Chapman & Hall/CRC, 2006) p. 184.

49