UJI NON PARAMETRIK

KELOMPOK 6
1. TOMMY MUHARRAM
2. EVLIN GLEDIS SALEPPANG
3. NUR MUHAMMAD MUMTAZ
UJI STATISTIK NON PARAMETRIK

• Adalah suatu uji statistic yang tidak memerlukan adanya asumsi- asumsi
mengenai sebaran data populasi. Uji statistik ini disebut juga sebagai statistik
bebas sebaran (distribution free Statistic) dan uji bebas asumsi (assumption
free test)
• Statistik nonparametrik banyak digunakan pada peneletian-penelitian sosial.
Data yang diperoleh dalam penelitian sosial pada umumnya berbentuk
kategori atau berbentuk rangking
STATISTIK NONPARAMETRIK DIPAKAI DENGAN
KETENTUAN :
• Penggunaannya untuk distribusi data yang populasinya tidak diketahui
• Untuk data yang distribusinya tidak normal
• Untuk data yang tidak diambil secara random
• Untuk data berskala nominal atau ordinal
• Untuk data yang jumlah sampelnya sedikit < 30
KEUNGGULAN STATISTIC NON PARAMETRIK

• Asumsi dalam uji-uji statistic non parametrik relative lebih longgar

• Perhitungan-perhitungannya dapat dilaksanakan dengan cepat dan mudah, sehingga hasil
penelitian dapat segera di sampaikan
• Untuk memahami konsepnya dan metodenya tidak memerlukan dasar matematika serta
statistic yang mendalam
• Uji-uji pada statistic nonparametric dapat diterapkan jika kita menghadapai keterbatasan
data yang tersedia
• Efisiensi statistic non parametrik lebih tinggi dibandingkan dengan metode parametrik untuk
jumlah sampel yang sedikit
KETERBATASAN UJI STATISTIK NON -PARAMETRIK

• Jika asumsi uji statistik parametrik terpenuhi, penggunaan uji nonparametric

meskipun lebih cepat dan sederhana, akan menyebabkan pemborosan
informasi.
• Jika jumlah sampel besar, tingkat efisiensi nonparametrik relatif lebih rendah
dibandingkan dengan metode parametrik.
MACAM – MACAM UJI NONPARAMETRIK

1. Uji Mc Nemar
2. Uji Tanda
3. Uji Wilcoxon
4. Uji 2 sampel Kolmogovov Smirnov
5. Uji Mann- Whitney
6. Uji chi square 2 sampel bebas
7. Uji Cochran
8. Uji Friedman
9. Uji Kruskal Wallis
10. Uji x2 untuk k sampel Independen/ Uji Homogenitas
11. Perluasan Uji Median
1. UJI MC NEMAR

• Uji ini dapat diterapkan terutama untuk rancangan-rancangan “ sebelum dan

sesudah
• Mc Nemar merupakan teori yang sering dipakai untuk pengujuan statistik,
fungsinya sebagai penentu apakah terdapat perbedaan antara variabel
yang digunakan. Dalam perhitungan statistik dikenal variabel dependen dan
variabel berpasangan. Keduanya memiliki cara penghitungan yang berbeda.
CONTOH KASUS :

• Seorang peneliti melakukan penelitian tentang perilaku penggunaan MSG

pada masakan. Peneliti ingin mengetahui efektifitas seminar kesehatan
terhadap penggunaan MSG dalam makanan. Dalam penelitian ini diambil
sampel sebanyak 30 orang. Berdasarkan hasil survei diperoleh data sebagai
berikut (0 menandakan responden tidak menggunakan MSG dan 1
menandakan menggunakan MSG). Yang akan kita selidiki apakah terdapat
perbedaan penggunaan MSG dalam makanan sebelum dan sesudah
mengikuti seminar kesehatan pada taraf nyata 5%.
PENYELESAIAN :

Hipotesis untuk permasalahan diatas dirumuskan sebagai

berikut :
𝐻0 : Penggunaan MSG sebelum dan sesudah seminar kesehatan
adalah sama.
𝐻1 : Terdapat pengurangan penggunaan bahan MSG masakan
setelah seminar kesehatan.
MEMASUKKAN DATA KE SPSS

Variabel data

Data
view Klik Analyze – Nonparametric Test –
Legacy Dialogs - 2 related samples,
maka setelah itu akan muncul kotak
dialog Two Related Samples Tests.
Pindahkan variabel “sebelum” dan
“sesudah” ke kotak Test Pair(s) List.
HASIL ANALISA DATA :

Interpretasi hasil :
❑ Tabel cross tab menunjukkan penggunaan MSG sebelum dan
sesudah seminar kesehatan. Sel yang menjadi perhatian
adalah baris 1 kolom 2 (B1K2) dan baris 2 kolom 1 (B2K1).
Sel B1K2 bernilai 1, hal ini menunjukkan perubahan peserta
yang sebelum seminar memasak kesehatan memasak tanpa
MSG berubah menjadi menggunakan MSG ada 1 orang. Sel
B2K1 bernilai 14, hal ini berarti jumlah peserta seminar yang
sebelumnya menggunakan MSG setelah seminar menjadi
tidak menggunakan MSG sebanyak 14 orang.
❑ Tabel Statistics memaparkan analisis hipotesis dari penelitian
tersebut. Nilai Exact Sig. (2-tailed) = 0,001 < 1 2 𝛼 =
0,025, hal ini berarti H0 ditolak. Dengan demikian dapat
disimpulkan bahwa terdapat pengurangan penggunaan
MSG setelah seminar kesehatan. Dalam hal ini metode yang
digunakan adalah uji binomial ( Uji Non parametrik)
 2. UJI TANDA ( SIGN TEST)
Uji Tanda (Sign Test) merupakan salah satu uji statistik non-parametrik
untuk dua sampel berhubungan dan digunakan untuk menguji
signifikansi dua perlakuan. Uji ini memerlukan kondisi bahwa pasangan
subyek yang bersesuaian memiliki dua nilai/skor. Perbedaan nilai/skor
pada kedua kondisi tersebut ditandai dengan "+" atau "-". Jadi, uji ini
didasarkan pada tanda dari perbedaan dua kondisi pengukuran subjek
yang saling berhubungan. Uji Tanda menggunakan data berskala ordinal.
CONTOH 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 siswa dapat dengan bebas belajar
secara berkelompok. Berikut hasil nilai keduanya (angka dalam range nilai (1
sampai 100).
PENYELESAIAN KASUS :

Hipotesis untuk permasalahan diatas dirumuskan

sebagai berikut :
H0: tidak ada perbedaan nilai siswa jika ia belajar
sendiri dengan jika ia belajar berkelompok.
H1: ada perbedaan nilai siswa jika ia belajar
sendiri dengan jika ia belajar berkelompok. Atau
H0 : perbedaan median populasi adalah sama
dengan nol.
(H0 : d = 0)
H1 : perbedaan median populasi tidak sama
dengan nol. (H1 : d ≠ 0)

Langkah-Langkah
Klik Analyze > Nonparametric Tests
>Legacy Dialogs > Two Related
Samples Tests.
Statistik Deskriptif
❖Bagian statistika deskriptif di atas menyajikan deskripsi
(jumlah pengamatan, rata rata, simpangan baku, nilai
minimun dan maksimum) dari pasangan sendiri dan
kelompok. Berdasarkan tabel statistik deskripitif di atas
dapat dilihat bahwa nilai rata-rata siswa yang belajar
sendiri adalah 81,53 dan nilai rata-rata siswa yang
belajar berkelompok adalah 83,53. Serta standar deviasi
(seberapa jauh rentang Page | 41 data dari mean) yang
belajar sendiri adalah 2,528 dan yang belajar
berkelompok adalah 4,361 dengan banyaknya data
yang diamati sejumlah 17 data.
❖Bagian tabel frekuensi di atas menyatakan banyaknya tanda bagi
selisih ranking. Berdasarkan tabel frekuensi di atas dapat dilihat
bahwa ada 5 data dengan perbedaan negatif, 9 data dengan
perbedaan positif dan 3 data dengan perbedaan data nol
(pasangan data sama nilainya ata ties) dari jumlah data yang
sebanyak 17 data. Bagian dari nilai test statistic di atas menyajikan
hasil uji binomial. Terlihat bahwa pada kolom Exact Sig.(2-tailed) atau
signifikansi untuk uji dua arah diperoleh nilai 0,424, maka nilai p =
0,424 > 0,05. Sehingga terima hipotesis nol (H0).
3. UJI PERINGKAT 2 SAMPEL WILCOXON

Test Non Parametrik yang dapat di gunakan untuk menentukan apakah dua sampel dipenden dipilih
dari populasi yang memiliki distribusi yang sama.

• Sebuah perusahaan Pharmasi sedang mengembangkan suplemen penambahan berat badan pada
anak-anak. Perusahaan ingin mengetahui khasiat suplemen tersebut sebelum dipasarkan secara
komersial. Untuk itu perusahaan mencoba obat tersebut secara kontinu terhadap 15 orang siswa sekolah
dasar yang sudah diukur terlebih dahulu berat badannya. Setelah 3 bulan kemudian siswa-siswa
tersebut ditimbang berat badannya lagi untuk mengetahui apakah ada peningkatan berat badannya
yang nyata. Berikut ini adalah hasil pengukuran tersebut (angka dalam kilogram)
TABULASI DATA
 Interpretasi Hasil analisis dengan SPSS
❑ Dari luaran terlihat bahwa dari 15 pengamatan, ada 2
data mempunyai beda negative, 13 data bernilai positif
dan Tidak ada yang sama (ties) 0. Dalam uji Wilcoxon,
yang dipakai adalah jumlah beda-beda yang paling
kecil, karena kasus ini diambil beda negative, yaitu 7 (
kolom Sum of ranks). Dari angka ini di dapat uji Wilcoxon
(T) adalah 7

Terlihat pada kolom asymp sig (2-tailed) untuk

uji 2 sisi adalah 0,002. karena kasus adalah uji
satu sisi, maka probabilitasnya menjadi
0,002/2=0,001. pada kasus ini diadapati
probabilitas di bawah 0,05, maka H0 ditolak
atau suplemen tersebut memang mempunyai
efek yang nmyata untuk kenaikan berat badan
4.UJI DUA SAMPEL KOLMOGOROV-SMIRNOV

Uji Dua Sampel Kolmogorov-Smirnov adalah suatu uji untuk melihat apakah dua
sampel independen telah ditarik dari populasi yang sama (atau dari populasi-
populasi yang mempunyai sebaran yang sama).
• Contoh uji sample Kolmogorov- Smirnof
Sebuah perusahaan yang bergerak dalam penjualan alat kesehatan ingin
mengetahui apakah para penjualnya membutuhkan pelatihan untuk
peningkatan kinerjanya. Maka dibentuklah sekelompok salesman yang
diberikan pelatihan dulu sebelum melakukan penjualan, kemudian kinerjanya
dibandingkan dengan kinerja salesman yang mendapatkan pelatihan .
Hipotesis Untuk penelitian :
0: Kedua populaasi identik (data penjualan kedua kelompok salesman tidak
berbeda secara signifikan)
1: Kedua populaasi tidak identik atau berbeda dalam hal lokasi (data
penjualan kedua kelompok salesman berbeda secara signifikan)
• Langkah-langkah Analisis dengan SPSS :
1. Masukkan data pada teladan 4.1 pada variabel view diperlukan
3. Lakukan uji Kolmogorov-Smirnov dengan langkah:
Analyze - Nonparametric Test – Legacy diagonals – 2 Independent samples, seperti
yang tampak pada gambar berikut :
4. Kemudian akan muncul jendela seperti pada gambar berikut :
5. klik variabel sales, kemudian masukkan dalam Test Variable List
6. klik variabel kelompok, masukkan dalam grouping variabel seperti pada
gambar sebelumnya
7. Selanjutnya klik kolom , Define Groups beri nila 1 pada Group 1 dan 2 pada
Group 2, kemudan klik Continue
8. Selanjutnya klik options lalu cetang kolom descriptive dan Ecluded cases test-
bytest seperti pada gambar berikut :
9. Setelah itu pada kolom test type pilihlah kolmogorov-smirnov
10. Klik OK
• Interpretasi Hasil
• Bagia pertama menampilkan statistic deskriptif( jumlah pengamata, rata-rata, simpangan baku, nilai
maksimum dan nilai minimum) dari luaran diperoleh jumlah pegamatan sebanyak 25 data, dan penjulan
selesman terbanyak adalah sebanyak 136 buah sedangkan yang paling sedikit sebanyak 102 buah.
• Pada table kedua ( table frequency) memaparkan banyaknya jumlah selesaman yang mendapatkan
pelatihan dan tanpa pelatihan sebelum melakukan penjualan. Adapun jumlah selesma yang memperoleh
pelatihan sebelum melakukan penjualan sebayak 15 orang dan tanpa pelatihan sebayak 10 orang.
• Table Test Statistics (table ketiga) memaparkan hasil uji Kolmogrov-Smirnov= 2.286 dan terlihat bahwa pada
kolom asymp sig (2-tailed) untuk diuji 2 sisi adalah 0.000. Disini didapat probabilitas dibawah 0.05 (0.000)
5. UJI MANN-WHITNEY

Uji ini digunakan untuk menguji hipotesis komparatif dua sampel bebas bila
datanya berbentuk ordinal. Bila dalam pengamatan data masih dalam skala
interval, maka dapat diubah menjadi skala ordinal terlebih dahulu. Asumsi
yang digunakan hanyalah nilai dari variabel acak dari dua kelompok
menyebar kontinu
• Contoh Uji Mann-Whitney
Seorang guru kesenian di suatu sekolah dasar ingin meneliti bakat menyanyi
yang dimiliki anak didiknya apakah memang anak yang bersangkutan memang
mempunyai bakat alam dan belajar secara otodidak ataukah memang anak
tersebut mengikuti les vokal. Untuk itu guru tersebut melakukan tes vokal
kepada beberapa muridnya.
• Hipotesis untuk kasus di atas:
• H0 : Kedua populasi identik (data nilai menyanyi siswa yang belajar secara
otodidak dan ikut les vokal) tidak berbeda secara signifikan.
• H1:Kedua populasi tidak identik atau berbeda dalam hal nilai (data nilai
menyanyi siswa yang belajar secara otodidak dan ikut les vokal memang
berbeda)
• Langkah-langkah Uji Mann-Whitney dengan SPSS 1.
Definisikan variabel pada variabel view :
3. Lakukan Uji U Mann-Whitney
Test Variable list atau variabel yang
akan diuji. Karena disini yang akan
diuji nilai tes vokal, maka klik variabel
nilai, kemudian klik tanda Sehingga
variabel nilai pindah ke Test Variable
List.
• Grouping Variable atau variabel group. Karena variabel pengelompokkan siswa ada pada variabel kelompok, maka klik variabel kelompok,
kemudian klik tanda . Sehingga variabel kelompok berpindah ke Grouping Variable.

• Klik pada Define Group…. Tampak di layar :

- Untuk Group1, isi dengan 0, yang berarti Grup 1 berisi tanda 0

- Untuk Group2, isi dengan 1, yang berarti Grup 2 berisi tanda 1
• Untuk Test Type atau tipe uji, karena dalam kasus akan diuji dengan MannWhitney,
maka klik pilihan Mann-Whitney.
• Klik OK akan muncul Luaran SPSS
Terlihat bahwa pada kolom Asymp.
Sig/Asymptotic significance dua sisi
adalah 0.726. Sehingga diperoleh
probabilitasnya di atas 0,05.
Maka H0 diterima yang berarti bahwa
nilai menyanyi siswa yang belajar
menyanyi secara otodidak dan ikut les
vokal tidak berbeda secara signifikan
6. UJI CHI KUADRAT 2 SAMPEL BEBAS
CONTOH KASUS

Misalkan suatu penelitian untuk melihat adakah hubungan

antara tingkat kelulusan / kegagalan dalam sebuah kelas
matematika tertentu dengan jenis kelamin. sampel acak dari
100 siswa dan mengukur kedua jenis kelamin (laki-laki/wanita)
dan status kelulusan (lulus/gagal) sebagai variabel kategorik.
6. SETELAH ITU AKAN DIDAPATKAN LUARAN SEPERTI BERIKUT:
7. UJI COCHRAN

Uji Q Cochran merupakan perluasan dari uji McNemar. Uji ini dipakai untuk
menguji hipotesis komparatif k sampel berpasangan apabila data pengamatan
bersifat dikotomi, misalnya baik-buruk, sukses gagal, dan sebagainya. Data
diberi symbol 0 dan 1, misalnya 0 untuk gagal , 1 untuk sukses. Parameter yang
diuji adalah frekuensi atau proporsi.
• Contoh Uji Cochran
Sebuah perusahaan konveksi sedang mempertimbangkan pembelian tiga buah
mesin untuk mengerjakan beberapa pesenannya. Manajer perusahaan itu
memutuskan untuk mengambil 8 orang pekerja sebagai sampel dan masing-
masing dari ketiga mesin tersebut. Setiap pekerja akan memberi nilai pada
setiap mesin. 0 jika kinerja mesin dirasakan tidak memuaskan 1 jika kinerja
mesin dirasakan memuaskan
• Hipotesis permasalahan di atas
• H0 : Semua perlakuan mempunyai efek yang sama. Atau dalam kasus ini ketiga
mesin mempunyai kinerja yang sama
• H1: minimal ada 1 mesin mempunyai kinerja yang berbeda
• Analisis dengan SPSS
• Interpretasi Hasil
Terlihat bahwa pada kolom Asymp sig (2-tailed) untuk diuji 2 sisi adalah 0,846
> 0,05, maka Ho diterima. Dapat disimpulkan ketiga mesin mempunyai kinerja
yang sama
8. UJI FRIEDMAN

• Uji Friedman berlaku untuk k sampel berpasangan dengan

data yang berskala sekurang-kurangnya ordinal ( k > 2). Uji
ini merupakan alternatif dari teknik analisis ragam dua arah
, uji ini tidak memerlukan angggapan populasi menyebar
normal dan mempunyai ragam homogen.Uji ini dikenal
dengan uji 2 . H0 yang diuji menyatakan bahwa sampel
penelitian berasal dari populasi r yang sama.
CONTOH KASUS

Sebuah Perusahaan biscuit ingin meluncurkan empat rasa baru dalam

produk biskuitnya. Keempat rasan tersebut terdiri dari rasa coklat, rasa
strowberi, rasa keju,dan rasa kelapa. Perusahaan ingin mengetahui
bagaimana tanggapan konsumen terhadap keempat rasa tersebut 10
orang diminta untuk mencicipi keempat rasa biskuit tersebut
kemudian memberikan nilai untuk setiap rasa yangada. Nilai yang
diberikan ditentukan antara 0-100.
9. UJI KRUSKAL-WALLIS

Uji Kruskal-Wallis digunakan untuk menguji apakah k

sampel bebas berasal dari populasi-populasi yang
berbeda. Uji Kruskal-Wallis merupakan suatu uji padanan
bagi analisis ragam dalam metode parametrik
DALAM BIDANG PERTANIAN TELAH DIKETAHUI BAHWA BESARNYA HASIL TANAMAN PADI DI
ANTARANYA TERGANTUNG PADA BANYAKNYA PUPUK UREA YANG DIGUNAKAN. INGIN
DIUJI APAKAH RATA-RATA HASIL PADI AKAN MENINGKAT DENGAN MENINGKATKANNYA
DOSIS PUPUK UREA YANG DIGUNAKAN. MISAL DATA HASIL PADI (KUINTAL PER HEKTAR )
PADA BERBAGAI DOSIS PUPUK UREA (KG/HA) ADALAH :
10. UJI KHI KUADRAT UNTUK K SAMPEL
INDEPENDEN/ UJI HOMOGENITAS

Uji χ2 k sampel digunakan untuk menguji hipotesis

komparatif lebih dari dua sampel atau untuk memeriksa
apakah sampel- sampel yang diambil seacara acak
variabelnya berasal dari populasi yang homogen.
BKKBN INGIN MENELITI APAKAH ALAT KONTRASEPSI YANG DISUKAI MASYARAKAT BERBEDA
BERDASARKAN KELOMPOK UMUR PESERTA KB. UNTUK ITU DILAKUKAN SUATU SURVEI
PEMAKAIAN ALAT KB PADA 3 KELOMPOK UMUR PESETA KB. DATA YANG DIPEROLEH SEBAGAI
BERIKUT:
11. PERLUASAN UJI MEDIAN

Perluasan uji median ini menentukan apakah k kelompok

saling bebas (ukuran tidak harus sama) ditarik dari populasi
yang sama atau dari populasi yang bermedian sama.
Variabel yang dikaji sekurang-kurangnya diukur dalam
skala ordinal.
SEORANG PENELITI PENDIDIKAN INGIN MEMPELAJARI APAKAH ADA HUBUNGAN ANTARA
TINGKAT PENDIDIKAN IBU DENGAN BANYAKNYA KUNJUNGAN KE SEKOLAH ANAKNYA.
DIAMBIL SAMPEL SECARA RANDOM SEBANYAK 10% DARI 440 ANAK YANG TERDAFTAR DI
SEKOLAH. DARI SAMPEL TERSEBUT DIDAPAT NAMA DARI 44 IBU-IBU YANG KEMUDIAN
DIJADIKAN SAMPEL. HIPOTESISNYA ADALAH BANYAKNYA IBU KE SEKOLAH BERVARIASI
MENURUT TINGKAT PENDIDIKAN YANG DITAMATKANYA. DATANYA ADALAH SEBAGAI
BERIKUT:
2. SELANJUTNYA ISILAH DATA VIEW SESUAI DENGAN DATA YANG DIPEROLEH,
TAMPILANNYA DAPAT DILIHAT PADA GAMBAR BERIKUT
3. KLIK ANALYZE -> NONPARAMETRIC TEST-> -LEGACY DIALOGS→K-INDEPENDENT
SAMPEL,
6. SELANJUTNYA PADA GROUPING VARIABLE TINGKAT_ PENDIDIKAN, KLIK DEFINE RANGE DAN
PADA RANGE FOR GROUPING VARIABLE PILIH MINIMUM :1, DAN MAXIMUM:4, SELANJUTNYA KLIK
KONTINU. PADA KOLOM TEST TYPE PILIHLAH MEDIAN, DAN PADA KOTAK OPTIONS PILIH
DESCRIPTIVE, DAPAT DITAMPILKAN PADA GAMBAR BERIKUT INI