STATISTIK NONPARAMETRIK

(Uji Chi-Kuadrat dan Mann Whitney U Test)

Disusun untuk memenuhi tugas Presentasi Sesi-I

pada Mata Kuliah Statistik Data Sains

Dosen Pengampu: Prof. Dr. H. Dadang Juanda, M.Si.

Disusun Oleh:

Kelompok 1
Sowanto (2317478)
Erlinda Rahma Dewi (2316534)
Maya Nurlita (2317495)

Program Studi Pendidikan Matematika (S3)

Fakultas Pendidikan Matematika Dan Ilmu Pengetahuan Alam
UNIVERSITAS PENDIDIKAN INDONESIA
2024

i
 KATA PENGANTAR

Puji dan Syukur kehadirat Allah SWT tim penulis sampaikan atas selesainya pembuatan
makalah yang berjudul “Statistika Non-Paramatrik dengan Uji Mann-Whitney dan Uji Chi-
Kuadrat”. Tugas ini diajukan sebagai salah satu syarat penyelesaian tugas presentasi sesi 1 mata
kuliah Statistika Data Sains yang diampu oleh Prof. Dr. H. Dadang Juanda, M.Pd. Salawat serta
salam semoga selalu tercurah limpahkan pada Nabi Muhammad SAW sebagai contoh dan
panutan akademis dan non akademis yang akan selalu menginspirasi sampai akhir kehidupan
penulis dan kita semua Aamiin.

Dalam penyusunan makalah ini menggunakan beberapa sumber, baik dari dalam negeri
maupun sumber luar negeri yang berhubungan dengan Uji Chi-Kuadrat dan Uji Mann-Whitney.
Makalah ini disusun dengan memaparkan konsep dari masing-masing uji yang akan dipaparkan
dan dilengkapi dengan contoh yang diselesaikan dengan cara manual menggunakan rumus,
menggunakan program SPSS (Statistical Product and Service Solution), dan beberapa kombinasi
pembacaan tabel hitung dengan menggunakan program Microsoft Office Excell.

Penulis menyadari masih banyak hal yang masih perlu dilengkapi guna menyempurnakan
makalah ini. Tindak lanjut dari saran dan kritik yang diberikan oleh teman-teman yang
mengampu mata kuliah Statistika Data Sains selama sesi diskusi sebagai bagian akhir dari
presentasi makalah ini akan didiskusikan oleh tim penulis sebagai bagian yang tidak bisa
dipisahkan dalam penyempurnaan makalah ini. Selain itu, masukan dan saran dari dosen
pengampu mata kuliah sebagai refleksi keseluruhan dari proses presentasi ini akan
ditindaklanjuti Bersama dengan masukan dan saran dari rekan-rekan sejawat.

Bandung, 24 Maret 2023

Tim Penulis

ii
 DAFTAR ISI
Hal
STATISTIK NONPARAMETRIK........................................................................................................................i
KATA PENGANTAR.......................................................................................................................................ii
DAFTAR ISI..................................................................................................................................................iii
PEMBAHASAN.............................................................................................................................................1
A. Pengantar Statistik Non Parametrik.................................................................................................1
B. Uji Chi-Kuadrat.................................................................................................................................1
1. Uji Keselarasan.............................................................................................................................1
2. Uji Kebebasan..............................................................................................................................1
C. MANN WHITNEY U TEST..................................................................................................................1
DAFTAR PUSTAKA........................................................................................................................................5

iii
 1

PEMBAHASAN
A. Pengantar Statistik Non Parametrik
B. Uji Chi-Kuadrat

Uji Chi Square (χ2) berlaku untuk data diskrit, data yang dihitung dan bukan nilai
yang diukur. Jenis data yang digunakan dalam uji chi square harus berbentuk data
frekuensi berskala nominal atau ordinal (data kualitatif) dan tidak dipakai untuk data
berskala rasio maupun interval (kuantitatif). Seringkali penelitian dilakukan di mana
peneliti tertarik pada jumlah subjek, objek, atau tanggapan yang termasuk dalam berbagai
kategori. Sebagai contoh, sekelompok pasien dapat diklasifikasikan menurut jenis
respons mereka yang lebih besar, dan peneliti dapat memprediksi bahwa jenis tertentu
akan lebih sering daripada yang lain. Atau anak-anak dapat dikategorikan menurut mode
bermain mereka yang paling sering, untuk menguji hipotesis 'bahwa mode ini akan
berbeda frekuensinya. Atau orang dapat dikategorikan menurut apakah mereka
"mendukung," "acuh tak acuh," atau "menentang" beberapa pernyataan pendapat, untuk
memungkinkan peneliti menguji hipotesis bahwa tanggapan ini akan berbeda
frekuensinya. Teknik ini adalah tipe goodness-of-fit atau uji keselarasan karena dapat
digunakan untuk menguji apakah ada perbedaan signifikan antara sejumlah objek atau
tanggapan yang diamati yang jatuh dalam setiap kategori dan jumlah yang diharapkan
berdasarkan hipotesis nol.
Uji Chi Square (χ2) banyak digunakan di berbagai bidang yang menyangkut
keselarasan (goodness of fit) maupun uji kebebasan tentang distribusi empiris dan
teoritis. Berikut ini pembahasan lebih lanjut.

1. Uji Keselarasan

Uji keselarasan populasi pertama kali diperkenalkan oleh Karl Pearson pada abad
ke-20. Berdasarkan hipotesisnya, ia mempertanyakan kesesuaian antara data frekuensi
observasi dan teoritis. Banyak nilai statistik dari sampel yang dipilih secara acak ternyata
tidak akurat dan tidak konsisten dengan hasil teoritis. Apabila hasil pengukuran
menunjukkan adanya keselarasan atau tidak adanya penyimpangan yang signifikan antara
data frekuensi observasi dengan frekuensi teoritis, maka hipotesis nol diterima, jika tidak
 2

maka ditolak. Apakah frekuensi yang diamati sesuai dengan frekuensi teoretis ditentukan
dengan membandingkan ukuran kesesuaian dengan nilai distribusi chi-kuadrat.

Misalnya, pada pelemparan sebuah dadu sebanyak 60 kali. Secara teori, hipotesis
nol menyatakan bahwa dadu dianggap seimbang, yang sama dengan memeriksa apakah
distribusi hasil seimbang. Oleh karena itu, secara teori, kita memperkirakan setiap sisi
dadu mempunyai probabilitas muncul 10 kali. Namun, pengamatan aktual pada 60 kali
pelemparan belum tentu sesuai dengan hasil yang diharapkan secara teoritis. Dengan
membandingkan frekuensi observasi dan frekuensi teoritis, kita dapat menentukan
apakah ketidaksejajaran ini disebabkan oleh variasi (acak) pada contoh gambar atau
hanya karena dadu tidak seimbang.

Ho: Tidak ada perbedaan frekuensi angka yang muncul pada pelemparan dadu 60 kali.

Sisi Dadu
1 2 3 4 5 6
Frekuensi 8 11 12 14 8 7
observasi
Frekuensi 10 10 10 10 10 10
harapan

Perhitungan nilai χ2 sebagai berikut:

( )
2
k
( f oi−f hi)
χ =∑
2

i=1 f hi

Sel fo fh ( f o−f h ) 2
( f o−f h )
2
( f o−f h )
fh
a 8 10 -2 4 0,4
b 11 10 1 1 0,1
c 12 10 2 4 0,4
d 14 10 4 16 1,6
e 8 10 -2 4 0,4
 3

f 7 10 -3 9 0,9
Total 60 60 0 38 3,8

derajat bebas=k−1

¿ 6−1=5

Nilai χ2 tabel dengan derajat bebas 5 yaitu sebagai berikut.

Taraf signifikansi Nilai χ2 tabel Nilai χ2 hitung

0,05 11,07 3,8

Membandingkan nilai χ2 hitung dengan nilai χ2 tabel.

a. Jika nilai χ2 hitung lebih besar atau sama dengan nilai χ2 tabel berarti perbedaan
frekuensi observasi signifikan, maka hipotesis nol ditolak dan hipotesis alternative
diterima.
b. Jika nilai χ2 hitung lebih kecil dari nilai χ2 tabel berarti perbedaan frekuensi observasi
tidak signifikan, maka hipotesis nol diterima dan hipotesis alternative ditolak.

Karena nilai χ2 hitung lebih kecil dari nilai χ2 tabel maka Ho diterima. Kesimpulannya,
tidak ada perbedaan frekuensi angka yang muncul pada pelemparan dadu. Distribusi
pelemparan dadu seragam dan dadu ternyata setimbang.

2. Uji Kebebasan (Independensi)

 4

Uji Chi Square (χ2) adalah uji independensi, gagasan bahwa satu variabel tidak
dipengaruhi atau terkait dengan variabel lain. Uji Chi Square (χ 2) bukan merupakan
ukuran tingkat hubungan. Uji Chi Square (χ 2) hanya digunakan untuk memperkirakan
kemungkinan bahwa beberapa faktor selain kesalahan sampling kebetulan, menyebabkan
hubungan yang tampak. Karena hipotesis nol menyatakan bahwa tidak ada hubungan
(variabelnya independen), pengujian tersebut hanya mengevaluasi probabilitas bahwa
hubungan yang diamati dihasilkan secara kebetulan. Seperti dalam uji signifikansi
statistik lainnya, diasumsikan bahwa sampel pengamatan telah dipilih secara acak.
Nilai χ2 yang dihitung harus “sama dengan atau melebihi” nilai kritis tabel yang
sesuai, untuk membenarkan penolakan hipotesis nol atau asumsi independensi pada
tingkat signifikansi 0,05 atau 0,01. Temuan nilai χ 2 yang signifikan secara statistik tidak
selalu menunjukkan hubungan sebab-akibat. Temuan penting menunjukkan bahwa
variabel-variabel tersebut mungkin tidak menunjukkan kualitas independensi, bahwa
variabel-variabel tersebut cenderung terkait secara sistematis, dan bahwa hubungan
tersebut melampaui peluang murni atau kesalahan pengambilan sampel.
Uji Chi Square (χ2) menguji apakah frekuensi yang diamati cukup dekat dengan
yang diharapkan mungkin terjadi di bawah Ho. Ada situasi di mana frekuensi teoritis atau
frekuensi harapan harus dihitung dari distribusi. Mari kita asumsikan bahwa 200
penghuni asrama perguruan tinggi mengambil jurusan bisnis, seni, atau teknik. Apakah
variabel utama berhubungan dengan rata-rata kecepatan membaca? Hipotesis nol
menyatakan bahwa tidak terdapat perbedaan kecepatan membaca antara penghuni asrama
perguruan tinggi yang mengambil jurusan bisnis, seni, atau teknik, bahwa variabel
jurusan yang diambil dan kecepatan membaca bersifat independen.
Pengamatan chi kuadrat sebaiknya disusun dalam bentuk crossbreak. Pada
masing-masing kategori, frekuensi yang diharapkan ( f h), berbeda dengan frekuensi yang
diamati ( f o), adalah jumlah kasus yang akan muncul jika tidak ada hubungan sistematik
antar variabel, suatu hubungan yang murni kebetulan.

Kecepatan Membaca
Jurusan Lambat Sedang Cepat Total
Bisnis 8 58 14 80*
 5

Seni 8 22 10 40*

Teknik 14 60 6 80*
Total 30** 140** 30** 200
¿ ∑ f Baris
¿∗∑ f Kolom

Frekuensi harapan/teoritis untuk masing-masing dari 9 sel dihitung dengan rumus.

( ∑ f baris )( ∑ f kolom )
f h=
grand total

Perhitungan nilai χ2 sebagai berikut:

( )
2
k
( f oi−f hi)
χ =∑
2

i=1 f hi

Jika frekuensi yang diamati dan yang diharapkan dekat, perbedaan ( f o−f h ) akan kecil dan
akibatnya nilai χ2 akan kecil. Namun, jika divergensi besar, nilai χ2 juga akan besar.
Secara kasar, semakin besar nilai χ2, semakin besar kemungkinan frekuensi yang diamati
tidak berasal dari populasi yang menjadi dasar hipotesis nol.

Tabel bantu Chi Kuadrat

Sel fo fh ( f o−f h ) 2
( f o−f h )
2
( f o−f h )
fh
a 8 12 -4 16 1,33
b 58 56 2 4 0,07
c 14 12 2 4 0,33
d 8 6 2 4 0,67
e 22 28 -6 36 1,29
f 10 6 4 16 2,67
g 14 12 2 4 0,33
 6

h 60 56 4 16 0,29
i 6 12 -6 36 3,00
Total 200 200 0 136 9,976

derajat bebas= ( baris−1 ) ( kolom−1 )

¿ ( 3−1 ) ∙ ( 3−1 ) =2⋅ 2=4

Nilai χ2 tabel dengan derajat bebas 4 yaitu sebagai berikut.

Taraf signifikansi Nilai χ2 tabel Nilai χ2 hitung

0,05 9,49 9,976
0,01 13,28

Membandingkan nilai χ2 hitung dengan nilai χ2 tabel.

a. Jika nilai χ2 hitung lebih besar atau sama dengan nilai χ2 tabel berarti perbedaan
frekuensi observasi signifikan, maka hipotesis nol ditolak dan hipotesis alternative
diterima.
b. Jika nilai χ2 hitung lebih kecil dari nilai χ2 tabel berarti perbedaan frekuensi observasi
tidak signifikan, maka hipotesis nol diterima dan hipotesis alternative ditolak.

Untuk taraf signifikansi 0,01, nilai χ2 hitung lebih kecil dari nilai χ2 tabel, sehingga
hipotesis nol diterima. Maka dapat ditarik kesimpulan bahwa “tidak terdapat perbedaan
kecepatan membaca antara penghuni asrama perguruan tinggi yang mengambil jurusan
bisnis, seni, atau Teknik. Variabel jurusan yang diambil dan kecepatan membaca bersifat
independen.

Untuk taraf signifikansi 0,05, nilai χ2 hitung lebih besar dari nilai χ 2 tabel, sehingga
hipotesis nol ditolak, hipotesis alternative diterima. Maka dapat ditarik kesimpulan bahwa
“terdapat perbedaan kecepatan membaca antara penghuni asrama perguruan tinggi yang
 7

mengambil jurusan bisnis, seni, atau Teknik. Terdapat hubungan yang signifikan antara
variabel jurusan yang diambil dan kecepatan membaca.

Jika kita ingin menjawab pertanyaan, "Apakah ada hubungan antara jurusan bisnis
dengan kecepatan membaca?" maka gabungkan kategori seni dan teknik kemudian
menggunakan tabel dengan 6 sel, bukan 9 sel.

Kecepatan Membaca
Jurusan Lambat Sedang Cepat Total
Bisnis 8 58 14 80*
Bukan bisnis 22 82 16 120*
Total 30** 140** 30** 200

Frekuensi harapan/teoritis untuk masing-masing dari 6 sel dihitung dengan rumus.

( ∑ f baris )( ∑ f kolom )
f h=
grand total

Perhitungan nilai χ2 sebagai berikut:

( )
2
( f o−f h )
χ =∑
2
fh

Tabel bantu Chi Kuadrat

Sel fo fh ( f o−f h ) 2
( f o−f h ) ( f o−f h )
2

fh
a 8 12 -4 16 1,33
b 58 56 2 4 0,07
c 14 12 2 4 0,33
d 22 18 4 16 0,89
e 82 84 -2 4 0,05
f 16 18 -2 4 0,22
Total 200 200 0 48 2,897
 8

derajat bebas= ( baris−1 ) ( kolom−1 )

¿ ( 2−1 ) ∙ ( 3−1 ) =1⋅2=2

Nilai χ2 tabel dengan derajat bebas 2 yaitu sebagai berikut.

Taraf signifikansi Nilai χ2 tabel Nilai χ2 hitung

0,05 5,99 2,897
0,01 9,21

Membandingkan nilai χ2 hitung dengan nilai χ2 tabel.

Untuk kedua taraf signifikansi, nilai χ2 hitung lebih kecil dari nilai χ2 tabel, sehingga
hipotesis nol diterima. Maka dapat ditarik kesimpulan bahwa “tidak terdapat perbedaan
kecepatan membaca antara penghuni asrama perguruan tinggi yang mengambil jurusan
bisnis, atau non bisnis. Variabel jurusan yang diambil dan kecepatan membaca bersifat
independen.

3. Uji χ2 Menggunakan SPSS

Mari kita asumsikan bahwa 200 penghuni asrama perguruan tinggi mengambil jurusan
bisnis, seni, atau teknik. Apakah variabel utama berhubungan dengan rata-rata kecepatan
membaca?
Kriteria atau kategori skor jawaban responden atas kuesioner penelitian di atas dengan
ketentuan sebagai berikut:
a. Variable Jurusan. Jika responden merupakan mahasiswa “Bisnis” maka diberi skor 1.
Jika responden mahasiswa “Seni” maka diberi skor 2. Sementara jika responden
mahasiswa “Teknik” maka diberi skor 3.
b. Variable Kecepatan Membaca. Jika responden memiliki kecepatan membaca
“Lambat” maka diberi skor 1. Jika responden memiliki kecepatan membaca “Sedang”
maka diberi skor 2. Sementara jika responden memiliki kecepatan membaca “Cepat”
maka diberi skor 3.
 9

Langkah-langkah Uji Chi Square dengan SPSS

1) Buka program SPSS, setelah terbuka, selanjutnya klik Variabel View untuk proses
pengisian property variable penelitian sesuai dengan ketentuan sebagai berikut:

Pengisian bagian Values, maka klik kolom None pada “Values” sampai muncul kotak
dialog “Value Label”, pada kotak Value isikan 1 dan pada kotak label isikan Bisnis,
lalu klik add.
2) Jika sudah berhasil pada tahap mengisi property variable, langkah selanjutnya klik
Data View. Kemudian masukan skor jawaban untuk kedua variable ke kolom yang
tersedia. (Bisa dengan cara copy paste dari file excel). Adapun contoh data dari 200
responden tersebut dapat dilihat pada gambar di bawah ini:

3) Langkah selanjutnya, dari menu SPSS pilih menu Analyze, pilih Descroptive
Statistics, lalu pilih crosstabs.
 10

4) Muncul kotak dialog dengan nama “crosstabs”. Berikutnya masukan variable

Sumber Air Minum ke kotak Row (s), kemudian masukan variable Kejadian
Diare ke kotak Column(s).

5) Langkah berikutnya klik Statistics.. muncul kotak dialog dengan nama

“Crosstabs:Statistics”, berikan tanda centang pada bagian Chi Square, lalu klik
Continue.
 11

6) Terakhir klik ok, maka akan muncul output SPSS yang akan kita interpretasikan.

Interpretasi Output Uji Chi Square dengan SPSS

Output 1 (Case Processing Summary)

Berdasarkan output di atas diketahui bahwa terdapat 200 data yang semuanya di proses
ke dalam analisis (maka tidak ada data yang missing atau hilang), sehingga tingkat
kevalidannya adalah 100%.

Output 2 (Crosstabulation)
 12

Dari output di atas terlihat tabel tabulasi silang yang memuat informasi hubungan
antara dua variable.

Output 3 (Chi-Square Tests)

Rumusan Hipotesis Penelitian

Ho : Tidak terdapat perbedaan kecepatan membaca antara penghuni asrama perguruan

tinggi yang mengambil jurusan bisnis, seni, atau Teknik. Variabel jurusan yang
diambil dan kecepatan membaca bersifat independen.

Ha : Terdapat perbedaan kecepatan membaca antara penghuni asrama perguruan

tinggi yang mengambil jurusan bisnis, seni, atau Teknik. Variabel jurusan yang
diambil dan kecepatan membaca bersifat independen.

Dasar Pengambilan Keputusan dalam Uji Chi Square

 13

Pada pengambilan keputusan bisa membandingkan antara nilai Asymp. Sig dengan
batas kritis yakni 0,05 atau dapat juga dengan cara membandingkan antara nilai chi
square hitung dengan nilai chi square tabel pada signifikansi 5%.

Pengambilan Keputusan Berdasarkan Nilai Signifikansi (Asymp. Sig)

a. Jika nilai Asymp. Sig (2-sided) < 0,05, maka artinya Ho ditolak dan Ha diterima
b. Jika nilai Asymp. Sig (2-sided) > 0,05, maka artinya Ho diterima dan Ha ditolak

Pengambilan Keputusan dan Kesimpulan Hasil Uji Chi Square

Berdasarkan tabel output di atas diketahuui nilai Asymp. Sig (2-sided) pada uji
Pearson Chi-Square adalah sebesar 0,041. Karena nilai Asymp. Sig (2-sided) 0,041 <
0,05, maka berdasarkan dasar pengambilan keputusan di atas, dapat disimpulkan
bahwa Ho ditolak dan Ha diterima. Dengan demikian dapat diartikan bahwa “Terdapat
perbedaan kecepatan membaca antara penghuni asrama perguruan tinggi yang
mengambil jurusan bisnis, seni, atau Teknik. Terdapat hubungan yang signifikan
antara variabel jurusan yang diambil dan kecepatan membaca”.

Catatan: dibagian bahwa tabel output Chi-Square Tests terdapat keterangan “0 cells
(0,0%) have expected count less than 5. The minimum expected count is 6,00” yang
berarti bahwa asumsi penggunaan uji chi square dalam penelitian ini sudah memenuhi
syarat. Hal ini karena tidak ada sel yang memiliki frekuensi harapan lebih rendah dari
5, dan frekuensi harapan terendah adalah 6,00. Sebaliknya, jika asumsi atau
persyaratan uji chi-kuadrat tidak sesuai dengan penelitian, maka keputusan apakah
akan menguji hubungan tersebut bergantung pada nilai atau angka yang terdapat pada
hasil uji eksak Fisher.

C. MANN WHITNEY U TEST

Uji Mann-Whitney atau U-tes digunakan untuk menguji dua kelompok independen
atau saling bebas yang ditarik dari suatu populasi. Tes ini merupakan alternatif lain dari uji-t
(t-test), jika skala pengukuran lebih rendah dari skala interval dan asumsi distribusi
normalitas sampel dan homogenitas tidak terpenuhi (Best & Kahn, 2006). Oleh karena itu
U-tes termasuk dalam kelompok statistik non-parametrilk, sedangkan pengujian hipotesis
dapat dilakukan dengan menggunakan dua sisi penolakan dan satu sisi. Bentuk data yang
 14

dianalisis bukan skor asli atau data mentahnya tetapi menggunakan data ranking seperti pada
pada uji Wilxocon.
Langkah-langkah yang dilakukan untuk pengujian U-tes sebagai berikut:
1. Menggabungkan data kelompok I dan kelompok 2 kemudian memberi ranking pada data
terkecil hingga data terbesar atau sebaliknya. Data terkecil diberi urutan atau ranking 1,
data berikutnya diberikan urutan atau ranking 2 dan seterusnya. Dalam pemberian ini
diperhatikan tanda aljabar negatif, ranking terendah diberikan pada bilangan negatif yang
terbesar.
2. Hitunglah jumlah ranking pada masing-masing kelompok data
3. Jumlah ranking yang terkecil diambil atau U dijadikan dasar untuk pengujian hipotesis
dengan melakukan perbandingan dengan tabel yang dibuat khusus untuk uji
MannWhitney ada beberapa tabel untuk uji Mann-Whitney (U-tes) tergantung dari
jumlah masing-masing sampel yang digunakan.
Rumus yang digunakan untuk menghitung U untuk sampel kecil adalah:
N 1 ( N 1+1 )
U =N 1 N 2 + −∑ R 1
2
Ekuivalen dengan
N 2 ( N 2+1 )
U =N 1 N 2 + −∑ R2
2
Dimana :

R1 = Jumlah rangking dengan ukuran sampel n1

R2 = Jumlah rangking dengan ukuran sampel n2
Harga U dipilih yang terkecil dari hasil perhitungan pada masing-masing kelompok 1 dan
kelompok 2.
Taraf nyata atau taraf signifikansi yang digunakan adalah α =0 , 05.
Kriteria penolakan H 0 untuk satu sisi jika U hitung ≤U tabel yang dirumuskan dengan harga
peluang (p) dibandingkan dengan taraf nyata yang ditentukan. Untuk memberikan
ilustrasi yang jelas berikut ini contoh U-tes menggunakan sampel kecil.
Contoh:
Seorang guru ingin mengetahui “apakah ada pengaruh penggunaan metode diskusi
terhadap hasil belajar pada mata pelajaran matematika kelas 9. Untuk keperluan tersebut,
guru tidak menggunakan metode diskusi pada kelas A dan menerapkan metode diskusi
pada kelas B, kemudian guru tersebut memberikan ulangan untuk masing-masing kelas
dengan soal yang sama, maka diperoleh nilai (hasil belajar) sebagai berikut:

Hasil Belajar Matematika

No
Kelas A Kelas B
1 56 87
2 72 92
 15

3 67 87
4 80 82
5 70 89
6 68 86
7 76 90
8 70 86
9 70 80
10 58 85

Pemberian kode data sebelum mengolah data ke SPSS

Untuk kemudahan pengolahan data dengan SPSS maka, perlu adanya pengkodean pada
hasil belajar tersebut. Dimana, untuk hasil belajar kelas A diberi kode 1 dan untuk kelas
B diberi kode 2, sehingga tampak data penelitian setelah diberi kode sebagai berikut ini

Hasil Belajar Matematika Kode

No
Kelas A Kelas B A B
1 56 87 1 2
2 72 92 1 2
3 67 87 1 2
4 80 82 1 2
5 70 89 1 2
6 68 86 1 2
7 76 90 1 2
8 70 86 1 2
9 70 80 1 2
10 58 85 1 2

Langkah-langkah uji Mann-Whitney dengan menggunakan SPSS

1. Buka lembar kerja baru SPSS, kemudian imput data ke kolom Data View,
 16

2. Kemudian klik Variable View, pada kolom name baris satu tuliskan “Hasil”, dan pada
baris kedua tuliskan “Kelompok”, pada bagian label untuk hasil tuliskan hasil belajar
matematika, dan untuk kelompok tuliskan kelas, lalu klik kolom kedua dari values
(none)

3. Sebelum melakukan uji Mann-Whitney, terlebih dahulu kita melakukan analisis uji
normalitas untuk mengetahui apakah data berdistribusi secara normal atau tidak, jika
datanya normal maka untuk analisis selanjutnya bisa menggunakan uji independen
sampel t-test, namun jika datanya tidak normal maka untuk analisis selanjutnya bisa
menggunakan uji Mann-Whitney. Untuk mengetahui apakah data berdiatribusi
 17

normal atau tidak maka kita pilih menu analyze lalu pilih deskriptive statistic
selanjutnya pilih explore

4. Masukkan variabel hasil belajar ke kolom dependen list dan variabel kelompok ke
kolom factor list, lalu pilih plots, ceklis pada normality plots with test, lalu continu
dan ok
 18

DAFTAR PUSTAKA

Best, J. W., & Kahn, J. V. (2006). Research in Education (A. E. Burvikovs (ed.); Tenth Edit). Emeritus, INC.