MODUL SPSS

Dosen Pembimbing : Drs. Didin Sobiruddin, M.Kom

Oleh :
Nurul Fitriyani
11150163000008
Pendidikan Fisika 6A

PROGRAM STUDI PENDIDIKAN FISIKA

FAKULTAS ILMU TARBIYAH DAN KEGURUAN
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2018
 Memulai SPSS

SPSS adalah sebuah program komputer yang digunakan untuk membuat analisis statistika.
SPSS dipublikasikan oleh SPSS Inc. SPSS (Statistical Package for the Social Sciences atau Paket
Statistik untuk Ilmu Sosial) versi pertama dirilis pada tahun 1968, diciptakan oleh Norman Nie,
seorang lulusan Fakultas Ilmu Politik dari Stanford University, yang sekarang menjadi Profesor
Peneliti Fakultas Ilmu Politik di Stanford dan Profesor Emeritus Ilmu Politik di University of Chicago.
Semula SPSS hanya digunakan untuk ilmu social saja, tapi perkembangan berikutnya
digunakan untuk berbagai disiplin ilmu sehingga kepanjangannya berubah menjadi “Statistical
Product and Service Solution” (Nisfiannoor, Muhammad, Pendekatan Statistika Modern Untuk Ilmu
Social, Salemba Humanika,2009:15.) SPSS digunakan oleh peneliti pasar, peneliti kesehatan,
perusahaan survei, pemerintah, peneliti pendidikan, organisasi pemasaran, dan sebagainya. Selain
analisis statistika, manajemen data (seleksi kasus, penajaman file, pembuatan data turunan) dan
dokumentasi data (kamus metadata ikut dimasukkan bersama data) juga merupakan fitur-fitur dari
software dasar SPSS.
1. Memulai SPSS
Langkah-langkah menjalankan program SPSS adalah sebagai berikut:
a. Pastikan bahwa PC atau laptop anda sudah terinstal program SPSS
b. Klik start – search – ketik IBM SPSS – kemudian klik

c. Layar akan terbuka seperti pada gambar berikut:

Perhatikan pojok kiri bawah, terdapat dua jendela yaitu data view dan variabel view.
 Variabel view
  Data view

d. Klik variabel view, kemudian muncul layar seperti gambar berikut:

e. Masukkan data anda. Berikut adalah contoh data yang akan dimasukkan:
Responden Umur Jenis Kelamin Pendidikan BB TB
R01 24 1 1 46 149
R02 25 1 2 47 155
R03 23 2 1 48 155
R04 26 1 2 49 157
R05 26 2 3 56 162
R06 25 1 4 54 156
 R07 23 2 3 55 159
R08 26 1 2 57 160
R09 24 2 1 53 166
R10 22 1 2 52 161

2. Memasukkan Data
Berikut adalah contoh data yang akan dimasukkan.
Responden Umur Jenis Kelamin Pendidikan BB TB
R01 24 1 1 46 149
R02 25 1 2 47 155
R03 23 2 1 48 155
R04 26 1 2 49 157
R05 26 2 3 56 162
R06 25 1 4 54 156
R07 23 2 3 55 159
R08 26 1 2 57 160
R09 24 2 1 53 166
R10 22 1 2 52 161

Untuk dapat memasukkan data di atas kedalam program SPSS, maka terlebih dahulu
anda harus membuat mendefinisikan dan membuat VARIABEL atau FIELD pada
jendela Data Editor Variable View.
a. Bukalah jendela Data Editor, kemudian klik Variabel View, kemudian ketik nama
variabel sbb:
a) Variabel Resp
Pada kolom Name baris pertama, ketiklah “resp“ kemudian tekan enter. Ganti
type-nya dengan String karena pada variabel “resp“ data yang ingin
dimasukkan adalah berbentuk huruf. Kemudian kolom Label ketik kalimat
berikut “Responden”.
b) Variabel Umur
Pada kolom Name baris kedua, ketiklah “umur” kemudian tekan enter.
Biarkan Type-nya Numerik karena pada variabel “umur” data yang ingin
 dimasukkan adalah berbentuk angka. Kemudian kolom Label ketik kalimat
berikut “umur”.
c) Variabel jk
Pada kolom Name baris ketiga, ketiklah “jk” kemudian tekan enter. Biarkan
Type-nya Numerik karena pada variabel “jk” data yang ingin dimasukkan
adalah berbentuk angka. Kemudian kolom Label ketik kalimat berikut “Jenis
kelamin”.
d) Variabel pend
Pada kolom Name baris keempat, ketiklah “pend” kemudian tekan enter.
Biarkan Type-nya Numerik karena pada variabel “jk” data yang ingin
dimasukkan adalah berbentuk angka. Kemudian kolom Label ketik kalimat
berikut “Pend. Terakhir”.
e) Variabel BB
Pada kolom Name baris ketiga, ketiklah “BB” kemudian tekan enter. Biarkan
Type-nya Numerik karena pada variabel “BB” data yang ingin dimasukkan
adalah berbentuk angka. Kemudian kolom Label ketik kalimat berikut “Berat
Badan”.
f) Variabel TB
Pada kolom Name baris ketiga, ketiklah “TB” kemudian tekan enter. Biarkan
Type-nya Numerik karena pada variabel “TB” data yang ingin dimasukkan
adalah berbentuk angka. Kemudian kolom Label ketik kalimat berikut “Tinggi
Badan”.
b. Cara mengganti type dari Numerik menjadi String adalah dengan mengklik bagian
akhir dari “Numerik” seperti gambar (a), sehingga muncul menu Variabel Type
seperti gambar (b).

(b)
(a)
 Gantilah Numerik dengan mengklik String, kemudian klik OK, hasilnya sbb:

c. Pemberian Kode Value Labels

Penting untuk diingat pada data kategorik atau kualitatif (jenis kelamin,
pendidikan) data yang dimasukkan ke komputer (entry) biasanya untuk efisiensi
maka data tersebut dirubah ke dalam bentuk kode angka (1=laki, 2=Perempuan).
Supaya pada saat analisis data tidak terjadi kebingungan, sebaiknya kode tersebut
diberi label.
Untuk membuat value label bahwa kode 1 adalah “Laki-laki” dan kode 2 adalah
“Perempuan”, maka klik kolom Values dan isi sebagai berikut:
1. Pada kotak Value isi dengan angka “1”
2. Pada kotak Value Label ketik “Laki Laki”
3. Kemudian klik Add. Sehingga muncul 1=”Laki-laki” pada kotak bawah.

Ulangi prosedur tersebut untuk kode 2=Perempuan,

1. Pada kotak Value isi dengan angka “2”
2. Pada kotak Value Label ketik “Perempuan”
3. Kemudian klik Add. Sehingga muncul 2=”Perempuan” pada kotak bawah.
Setelah selesai klik OK.
 Untuk membuat value label bahwa kode 1 adalah “SD” ,kode 2 adalah
“SMP/MTS”, kode 3 adalah “SMA/MA” dan kode 4 adalah “Sarjana”,maka klik
kolom Values dan isi sebagai berikut:
1. Pada kotak Value isi dengan angka “1”
2. Pada kotak Value Label ketik “SD”
3. Kemudian klik Add. Sehingga muncul 1=”SD” pada kotak bawah.
4. Lakukan langkah yang sama untuk kode 2, 3 dan 4. Sehingga muncul tampilan
berikut:

d. Setelah melakukan semua langkah di atas maka akan mengasilkan tampilan layar
pada variabel view sebagai berikut:
f. Kemudian klik data view, lalu muncul layar seperti pada gambar berikut:

g. Masukkan data
 Membuat Tabel Frekuensi
Langkah-langkah untuk membuat table frekuensi adalah sebagai berikut:
a. Klik Analyze- Descriptive Statistics- Frequencies seperti gambar di bawah ini:

b. Selanjutnya akan muncul layar sebagai berikut:

c. Dragg umur, Jenis Kelamin dan Pend. Terakhir ke kolom Variable(s) sehingga akan
menghasilkan tampilan berikut ini:
d. Klik Statistic lalu beri centang pada beberapa ikon sehingga akan menghasilkan tampilan
sebagai berikut:

e. Klik Continue – Ok, kemudian akan muncul output sebagai berikut:

 Membuat Grafik Histogram
Langkah- langkah untuk membuat grafik histogram adalah sebagai berikut:
a. Klik Analyze- Descriptive Statistics- Frequencies seperti gambar di bawah ini:

b. Selanjutnya akan muncul layar sebagai berikut:

c. Dragg semua variabel yang ada ke kolom Variable(s) sehingga akan menghasilkan
tampilan berikut ini:

d. Kemudian klik Charts sehingga akan muncul tampilan berikut:

e. Klik menu Histogram kemudian klik Continue lalu Ok, sehingga muncul output
berikut ini (misal pada umur)
 UJI INSTRUMEN
1. Uji Validitas
Validitas adalah suatu ukuran yang menunjukkan tingkat-tingkat kevalidan atau
kesahihan sesuatu instrumen (Arikunto, 2002: 144). Sebuah instrumen dikatakan valid apabila
mampu mengukur apa yang diinginkan dan dapat mengungkap data dari variabel yang diteliti
secara tepat.Tinggi rendahnya validitas instrumen menunjukkan sejauh mana data yang
terkumpul tidak menyimpang dari gambaran tentang validitas yang dimaksud.

Langkah-langkah yang harus dilakukan adalah

1) Buatlah variable JUMLAH dengan cara klik TRANSFORM -Comute Variable

2) Lalu akan muncul tampilan sebagai berikut

3) Kemudian ketik JUMLAH pada Target Variable

4) Pada kolom Numeric Expression ketiklah: S1+S2+S3+S4+S5+S6+S7+S8+S9+S10

dengan menggunakan mouse (Jangan gunakan keyboard)
5) Sehingga akan muncul pada Data View sebagai berikut

6) Selanjutnya klik Analyze – Corelate - Bivariate

7) Sehingga akan muncul tampilan berikut:

8) Tekan Ctrl+A lalu tekan tanda panah sehingga akan menghasilkan tampilan sebagai
berikut:
9) Maka akan menghasilkan table sebagai berikut:

10) Syarat uji validitas, jika nilai signifikan ≤ 5% (0,05) maka dikatakan valid.
Sedangkan jika nilai signifikan > 5% (0,05) maka dikatakan tidak valid. Selain itu
kevalidannya juga bias dilitah dari tanda * (bintang) pada nilai Person Corelation.
11) Kesimpulan : Soal yang valid berjumlah 2 soal dan 8 soal tidak valid.
2. Uji Reabilitas
Reliabilitas adalah sesuatu instrumen cukup dapat dipercaya untuk digunakan
sebagai alat pengumpul data karena instrumen tersebut sudah baik ( Arikunto, 2002:
154 ). Reliabilitas adalah sejauh mana hasil suatu pengukuran dapat dipercaya,
maksudnya apabila dalam beberapa pelaksanaan pengukuran terhadap kelompok yang
sama diperoleh hasil yang relatif sama ( Syaifuddin Azwar, 2000 : 3).

Langkah-langkah untuk melakukan uji reabilitas adalah sebagai berikut:

1) Klik Analyze – Scale - Realibility Analyse

2) Kemudian akan muncul tampilan sebagai berikut:

3) Pindah variable S1+S2+S3+S4+S5+S6+S7+S8+S9+S10 sedangkan untuk variable
JUMLAH tidak diikutsertakan.

4) Maka akan menghasilkan tabel sebagai berikut:

5) Syarat uji Reliabilitas:

Jika nilai Alpha > 0.5, maka Reliabilitas
Jika nilai Alpha ≤0.5, maka tidak Reliabilitas
6) Kesimpulan: dari nilai Alpha yang dihasilkan yaitu i -2.114 menunjukan bahwa soal
tidak Reliable karena besarnya ≤0.5.
 UJI PRA SYARAT PENELITIAN
1. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui apakah data berdistribusi normal atau tidak.
Hipotesis statistik yang digunakan pada uji normalitas adalah:
H0: Data yang akan diuji berdistribusi normal.
H1: Data yang akan diuji tidak berdistribusi normal.
Langkah-langkah melakukan uji normalitas adalah sebagai berikut:
1) Klik Analyze -Descriptive Statistics- Explore

2) Memindahkan variable X1 dan X2 ke kolom Descriptive list

3) Lalu klik Plots sehingga akan muncul:

4) Centang pada Normality Plots with Test dan hilangkan centang pada Steam and Leaf

5) Klik Continue lalu Ok

6) Hipotesis uji Normalitas:
H0= Data berasal dari distribusi yang normal
H1= Data berasal dari distribusi yang tidak normal
 7) Syarat Uji Normalitas
Jika nilai signifikan < 5% (0,05) maka H0 ditolak
Jika nilai signifikan ≥ 5% (0,05) maka H0 diterima dan H1 ditolak.
8) Kesimpulan : untuk KS maupun SW data control dan data eksperimen tidak normal.

2. Uji Homogenitas
Uji homogenitas adalah pengujian mengenai sama tidaknya variansi-variansi dua buah
distribusi atau lebih. Uji homogenitas bertujuan untuk mengetahui apakah variansi data
yang akan dianalisis homogen atau tidak. Hipotesis statistik yang digunakan pada uji
homogenitas adalah:
H0: (data kelompok eksperimen dan kontrol mempunyai variansi yang homogen).
H1: (data kelompok eksperimen dan kontrol tidak mempunyai variansi yang homogen).
Langkah-langkah melakukan uji homogenitas:
1) Membuat data gabungan antara data control dan data eksperimen dengan cara klik
File – New - Data
2) Setelah membuat data baru yaitu data yang berasal dari data 2 maka akan
menghasilkan tampilan berikut:

3) Klik Anlayze- Compare Means - One Way ANOVA

4) Memindahkan variable nilai pada kolom Dependent List dan variable factor pada
kolom Factor

5) Klik Options lalu centang pada Homogenity of Variance dan klik Continue
6) Masuk ke output lalu klik Anlyze - Compared Means- Independent T test
7) Kemudian Memindahkan variable Nilai pada kolom Test Variable dan variable
FAKTOR pada kolom Grouping Variable

8) Klik Define group, ketik 1 pada Group 1 dan ketik 2 pada Group 2 lalu klik continue
9) Maka akan menghasilkan output sebagai berikut:

10) Hipotesis Uji Homogenitas

H0= Data berasal dari distribusi yang homogen
H1= Data berasal dari distribusi yang tidak homogen
11) Syarat Uji Homogenitas
Jika nilai signifikan < 5% (0,05) maka H0 ditolak atau H1 diterima
Jika nilai signifikan ≥ 5% (0,05) maka H0 diterima atau H1 ditolak.
12) Kesimpulan: dari nilai signifikan yang dihasilkan diketahui bahwa data tidak
homogen karena nilainya < 5% (0,05) maka H0 ditolak atau H1 diterima.
 UJI PARAMETRIK
Parametrik berarti parameter. Parameter adalah indikator dari suatu distribusi hasil
pengukuran. Indikator dari distribusi pengukuran berdasarkan statistik parametrik digunakan
untuk parameter dari distribusi normal. Distribusi normal dikenal juga dengan istilah
Gaussian Distribution. Distribusi normal mengandung dua parameter, yaitu rata-rata (mean)
dan ragam (varians). Parameter-parameter ini memberikan karakteristik yang unik pada suatu
distribusi berdasarkan “lokasi”-nya (central tendency). Berbagai metode statistik
mendasarkan perhitungannya pada kedua parameter tersebut.
Penggunaan metode statistik parametrik mengikuti prinsip-prinsip distribusi normal.
Prinsip-prinsip dari distribusi normal adalah:
 Distribusi dari suatu sampel yang dijadikan obyek pengukuran berasal dari distribusi
populasi yang diasumsikan terdistribusi secara normal.
 Sampel diperoleh secara random, dengan jumlah sampel yang dianggap dapat mewakili
populasi.
 Distribusi normal merupakan bagian dari distribusi probabilitas yang kontinyu
(continuous probability distribution). Implikasinya, skala pengukuran pun harus
kontinyu. Skala pengukuran yang kontinyu adalah skala rasio dan interval. Kedua skala
ini memenuhi syarat untuk menggunakan uji statistik parametrik.
Bila syarat-syarat ini semua terpenuhi, maka metode statistik parametrik dapat
digunakan. Namun, jika data tidak menyebar normal maka metode statistik nonparametrik
dapat digunakan. Apa yang dapat dilakukan jika data tidak menyebar normal, namun statistik
parametrik ingin tetap digunakan. Untuk kasus ini data sebaiknya ditransformasikan terlebih
dahulu. Transformasi data perlu dilakukan agar data mengikuti sebaran normal. Transformasi
dapat dilakukan dengan mengubah data ke dalam bentuk logaritma natural, menggunakan
operasi matematik (membagi, menambah, atau mengali dengan bilangan tertentu), dan
mengubah skala data dari nominal menjadi interval.
Contoh metode statistik parametrik diantaranya adalah uji-z (1 atau 2 sampel), uji-t (1
atau 2 sampel), korelasi pearson, perancang percobaan (2-way ANOVA), dan lain-lain. Pada
kesempatan kali ini yang akan dibahas adalah uji t saja.
1. Uji t
Dalam Statitika, uji t adalah salah satu alat uji yang termasuk uji beda, karena uji t
ini digunakan untuk mencari ada/tidaknya perbedaan antara dua means dari dua
sample/kelompok/kategori data.
 Uji t termasuk kelompok uji parametrik, yaitu kelompok uji statistika yang
memerlukan persyaratan tertentu agar memberikan hasil yang baik, dalam hal ini terkait
asumsi distribusi data. Uji parametrik mensyaratkan distribusi data yang diuji
berdistribusi normal. Oleh karenanya, ketika kita ingin menggunakan uji t, maka
sebelumnya variabel yang diujikan (yang bertipe interval/rasio) harus berdistribusi
normal (biasanya menggunakan alat uji one sample kolmogorov-smirnov).
Berikut merupakan jenis-jenis uji t:
1. one-sample t-test (uji t satu sampel)
2. paired-sample t test (uji t sampel berpasangan)
3. independent-sample t test (uji t sampel independen).

Langkah-langkah melakukan uji t adalah sebagai berikut:

1) Klik Anlyze- Compare Means- Independent sample T-test
2) Masukkan variable Nilai pada kotak Variable dan variable FAKTOR pada
Grouping Variable lalu klik Define Group.

3) Masukan angka 1 pada group 1 dan angka 2 pada group 2 lalu klik Continue dan
Ok.

4) Perhatikan output pada kolom Sign

Jika data homogen maka nilai sign diambil pada baris pertama
Jika data tidak homogen maka nilai sign diambil pada baris kedua
5) Hipotesis Uji-t
Missal judulnya (Pengaruh model PQRST terhadap hasill belajar Fisika pada
Kelas 12 SMAN 88 Jakarta)
H0 : 𝜇1 ≤ 𝜇2
H1= 𝜇1 > 𝜇2
Keterangan :
𝜇1 = nilai rata-rata hasil belajar Fisika kelas eksperimen
𝜇2 = nilai rata-rata hasil belajar Fisika kelas control
6) Syarat uji-t
Jika nilai sign ≤ 5% (0,05) maka H0 ditolak atau H1 diterima
Jika nilai signifikan > 5% (0,05) maka H0 diterima atau H1 ditolak.
7) Kesimpulan : dari nilai sign yang dihasilkan menunjukan nilai ≤ 5% (0,05) maka H0
ditolak atau H1 diterima artinya nilai rata-rata hasil belajar eksperimen lebih besar
daripada nilai rata-rata hasil belajar Fisika kelas control atau dengan kata lain maka
terdapat pengaruh model PQRST terhadap hasil belajar fisika siswa kelas 12
SMAN 88 Jakarta.
 UJI NON-PARAMETRIK
Istilah nonparametrik pertama kali digunakan oleh Wolfowitz, pada tahun 1942.
Metode statistik nonparametrik merupakan metode statistik yang dapat digunakan dengan
mengabaikan asumsi-asumsi yang melandasi penggunaan metode statistic parametrik,
terutama yang berkaitan dengan distribusi normal. Istilah lain yang sering digunakan untuk
statistik nonparametrik adalah statistik bebas distribusi (distribution free statistics) dan uji
bebas asumsi (assumption-free test). Statistik nonparametric banyak digunakan pada
penelitian-penelitian sosial. Data yang diperoleh dalam penelitian sosial pada umunya
berbentuk kategori atau berbentuk rangking.
Uji statistik nonparametrik ialah suatu uji statistik yang tidak memerlukan adanya
asumsi-asumsi mengenai sebaran data populasi. Uji statistik ini disebut juga sebagai statistik
bebas sebaran (distribution free). Statistik nonparametrik tidak mensyaratkanbentuk sebaran
parameter populasi berdistribusi normal. Statistik nonparametrik dapat digunakan untuk
menganalisis data yang berskala nominal atau ordinal karena pada umumnya data berjenis
nominal dan ordinal tidak menyebar normal.
Dari segi jumla data, pada umumnya statistik nonparametrik digunakan untuk data
berjumlah kecil (n <30).
1. Uji U (ManWhitney U)
Uji U (ManWhitney U) merupakan alternatif dari uji t maupun uji Z untuk dua
sampel yang diambil dari dua populasi yang bebas (independen) dan tidak berdistribusi
normal. Uji Mann-Whitney digunakan untuk membandingkan dua mean populasi yang
berasal dari populasi yang sama. Uji Mann-Whitney juga digunakan untuk menguji
apakah dua mean populasi sama atau tidak.
Langkah-langkah untuk melakukan uji U adalah sebagai berikut:
1) Bukalah data gabungan (Data 4)
2) Klik Analyze – Uji Parametrik – Legacy Dialog- 2 Independent Sample

3) Sehingga akan muncul tampilan sebagai berikut:

4) Masukan variable Nilai pada kotak Test Variable dan variable FAKTOR pada
Grouping Variable.

5) Klik Define Group kemudian isilah Group 1dengan angka 1 dan Group 2 dengan
angka 2

6) Sehingga menghasilkan output sebagai berikut:

 7) Hipotesis
Missal judulnya (Pengaruh model PQRST terhadap hasill belajar Fisika pada kelas 9
SMAN 88 Jakarta)
H0 : 𝜇1 ≤ 𝜇2
H1= 𝜇1 > 𝜇2
Keterangan :
𝜇1 = nilai rata-rata hasil belajar Fisika kelas eksperimen
𝜇2 = nilai rata-rata hasil belajar Fisika kelas control
8) Syarat

Jika nilai sign ≤ 5% (0,05) maka H0 ditolak atau H1 diterima

Jika nilai signifikan > 5% (0,05) maka H0 diterima atau H1 ditolak.

9) Kesimpulan : karena nilai sign ≤ 5% (0,05) maka H0 ditolak atau H1 diterima. Maka

dapat disimpulkan bahwa nilai rata-rata hasil belajar Fisika kelas eksperimen lebih
besar dari nilai rata-rata hasil belajar Fisika kelas control artinya terdapat
pengaruh model PQRST terhadap hasill belajar Fisika pada kelas 12 SMAN 88
Jakarta.
2. Uji X2
Uji X2 hanya digunakan untuk data diskrit. Uji ini adalah uji independensi, dimana
suatu variable tidak dipengaruhi atau tidak ada hubungan dengan variable lain. X2 bukan
merupakan ukuran derajat hubungan. Uji ini hanya digunakan untuk mengestimate
barangkali bahwa beberapa factor, di samping sampling error, dipandang mempengaruhi
adanya hubungan. Selama hipotesa nihil menyatakan bahwa tidak ada hubungan
(variable-variabelnya independen), uji ini hanya mengevaluasi kemungkinan bahwa
hubungan dari nilai pengamatan disebabkan oleh sampling error. Hipotesa nihil ditolak
bila nilai X2 yang dihitung dari sampel lebih besar dari nilai X2 dalam tebel berdasarkan
level of significance tertentu.
3. Uji Korelasi Tingkat Spearman
Metode korelasi jenjang ini dikemukakan oleh Carl Spearman pada tahun 1904.
Metode ini diperlukan untuk mengukur keeratan hubungan antara dua variable di mana
dua variabel itu tidak mempunyai joint normal distribution dan conditional variance tidak
diketahui sama. Korelasi rank dipergunakan apabila pengukuran kuantitatif secara eksak
 tidak mungkin/sulit dilakukan. Misalnya: mengukur tingkat moral, tingkat kesenangan,
tingkat motivasi.
4. Uji Tanda (Sign Test)
Di dalam menggunakan t test, populasi dari mana sampel diambil harus
didistribusikan normal. Untuk pengujian perbedaan mean dari dua populasi didasarkan
pada anggapan bahwa variance populasinya harus identik/sama. Dalam banyak hal bila
salah satu atau dua anggapan tersebut tidak dapat diketahui, maka t test tidak dapat
dipergunakan. Dalam hal demikian dapatlah dipergunakan uji nonparametrik yang umum
dikenal sebagai uji tanda (sign test).
Uji tanda didasarkan atas tanda-tanda, positif atau negatif, dari perbedaan antara
pasangan pengamatan. Budan didasarkan pada besernya perbedaan. Uji tanda dapat
dipergunakan untuk mengevaluasi efek dari suatu treatment tertentu. Efek dari variabel
eksperimen atau treatment tidak dapat diukur melainkan hanya dapat diberi tanda positif
atau negatif saja. Sebagai contoh misalnya: apakah penerangan akan kebersihan dan
kesehatan ada manfaatnya untuk menyadarkan penduduk dalam hal kebersihan dan
kesehatan. Untuk itu perlu diamati sebelum dan sesudah beberapa minggu diadakan
penerangan. Efek penerangan kesadaran penduduk tidak dapat diukur, tetapi hanya dapat
diberi tanda positif atau negatif saja.
5. Uji Run(s)
6. Uji Median
Uji median adalah metode nonparametrik yang paling sederhana. Uji median ini
adalah merupakan prosedur pengujian apakah dua atau lebih populasi dari mana sampel
independen diambil mempunyai median yang sama. Untuk menyederhanakannya hanya
akan dibatasi pada dua sampel saja (sebenarnya prosedur ini dapat dengan mudah
diperluas untuk tiga sampel atau lebih). Uji nonparametric ini dipergunakan untuk
menentukan signifikansi perbedaan antara median dari dua populasi yang independen.
Hipotesa nihil yang akan diuji menyatakan bahwa populasi dari mana dua sampel itu
diambil mempunyai median yang sama. Hipotesa alternatifnya menyatakan bahwa dua
populasi itu mempunyai median yang berbeda.
Uji median tidak memerlukan anggapan-anggapan tertentu tentang dua populasi
dari mana sampel diambil.