Uji nonparametrik dipakai untuk data yang tidak berdistribusi normal. Data yang
memiliki skala nominal dan ordinal pasti bukan keluarga distribusi normal sehingga uji yang
tepat adalah uji nonparametrik. Sedangkan data dengan skala interval atau rasio, harus
dipastikan dulu apakah berdistribusi normal atau tidak dengan menggunakan uji normalitas.
Jika dari hasil normalitas terbukti data berdistribusi normal maka sebaiknya dipakai uji
parametrik, kecuali tidak ada uji parametrik yang sesuai, dalam artian ada asumsi lain yang
tidak terpenuhi. Tapi kalau dari uji normalitas terbukti bahwa data tidak berdistibusi normal,
maka alat uji yang sesuai adalah uji nonparametrik.
Jenis-jenis uji beda nonparametrik:
1. Satu sampel
2. Dua sampel independent
3. Dua sampel berpasangan
Test Statistics
merk
Chi-Square 24,997a
df 3
Asymp. Sig. ,000
a. 0 cells (0,0%) have
expected frequencies
less than 5. The
minimum expected cell
frequency is 161,5.
Interpretasi Hasil:
Pada tabel merk, dapat kita lihat bahwa jml observasi berdasarkan data (Observed N) untuk
masing-masing kategori. Serta frekuensi harapan (Expected N) sebesar 161,5 untuk semua
kategori. Hal ini diperoleh dari rata-rata frekuensi.
Pengujian hipotesis berdasarkan tabel Test Statistics dengan hipotesis sebagai berikut:
H0: tingkat penjualan semua merk rokok sama
H1 : tingkat penjualan semua merk rokok tidak sama
Nilai sig 0,00 < 0,05 tolak H0 artinya tingkat penjualan semua merk rokok tidak sama
Output Spss:
NPar Tests
Chi-Square Test
Frequencies
PEMENANG
Observed N Expected N Residual
1 8 8,3 -,3
2 8 8,3 -,3
3 9 8,3 ,7
4 7 8,3 -1,3
5 9 8,3 ,7
6 9 8,3 ,7
Total 50
Test Statistics
PEMENAN
G
Chi-Square ,400a
df 5
Asymp. Sig. ,995
a. 0 cells (0,0%) have
expected frequencies less
than 5. The minimum
expected cell frequency is
8,3.
Interpretasi Hasil:
H0 : Posisi start tidak mempengaruhi tingkat keberuntungan
H1 : Posisi start mempengaruhi tingkat keberuntungan
Nilai sign 0,995 > 0,05 terima H0 artinya posisi start tidak mempengaruhi tingkat
keberuntungan untuk menjadi pemenang secara statistik, dengan tingkat kepercayaan
95%, tidak terbukti bahwa posisi start mempengaruhi tingkat keberuntungan pemenang.
b). Uji BINOMIAL
Uji beda binomial dipakai untuk menguji apakah peluang dari dua kemungkinan sama
atau tidak. Konsep dasarnya adalah menguji rata-rata dari sampel yang berasal keluarga
distribusi binomial. Distribusi binomial adalah distribusi dimana nilai hanya terdiri dari 2
pilihan (sukses dan gagal). Data dari keluarga binomial ini sering disebut data biner yaitu
data yang hanya ada 2 pilihan). Misal X=1 jika sukses dan X=2 jika gagal.
Uji binomial bertujuan untuk membandingkan frekuensi observasi dari 2 kategori
Contoh kasus:
Apakah stres mempengaruhi metode kerja seseorang? Untuk mengetahui jawaban dari
pertanyaan tersebut, dilakukan survei terhadap 14 karyawan yang mendapat perlakuan keras
dan bekerja dibawah tekanan. Kemudian dicatat metode yang dipakai dalam menyelesaikan
pekerjaannya. Jika menggunakan metode lama = 1 dan jika menggunakan metode baru =2,
menghasilkan data sbb:
Contoh kasus:
Langkah-langkah dalam perhitungan menggunakan SPSS:
Buka data 5 (tembakau)
Analyze – Non parametric test – legacy dialogs – 2 independent sampel
(isikan variabel yang akan di uji ke test variable list dan kelompok variabel ke grouping
variabel kemudian definisikan ) – centang Mann whitney U – ok
Output Spss:
NPar Tests
Mann-Whitney Test
Ranks
jenis tembakau N Mean Rank Sum of Ranks
1 10 9,40 94,00
kenikmatan
2 7 8,43 59,00
rokok
Total 17
Test Statisticsa
kenikmatan
rokok
Mann-Whitney U 31,000
Wilcoxon W 59,000
Z -,417
Asymp. Sig. (2-tailed) ,677
Exact Sig. [2*(1-tailed
,740b
Sig.)]
a. Grouping Variable: jenis tembakau
b. Not corrected for ties.
Interpretasi Hasil:
H0 : Tidak ada perbedaan rasa antara tembakau 1 dan tembakau 2
H1 : Ada perbedaan rasa antara tembakau 1 dan tembakau 2
Nilai sig 0,677 > α terima H0 tidak ada perbedaan rasa antara tembakau 1 dan
tembakau 2
Test Statisticsa
Pendapatan
sesudah (Y) -
Pendapatan
sebelum
Z -4,784b
Asymp. Sig. (2-tailed) ,000
a. Wilcoxon Signed Ranks Test
b. Based on negative ranks.
Interpretasi Hasil:
H0 : tidak ada perbedaan pendapatan sebelum dan sesudah mendapat pinjaman
H1 : ada perbedaan pendapatan sebelum dan sesudah mendapat pinjaman
Nilai signifikansi 0,00 < 0,05 tolak H0 yaitu ada perbedaan pendapatan yang signifikan
antara sebelum dan sesudah mendapat pinjaman. Sehingga dapat disimpulkan bahwa secara
statistik, dengan tingkat kepercayaan 95%, pengaruh pembiayaan qoardh terhadap
pendapatan memang signifikan / berarti/ penting.
Atau
H0 : pendapatan sebelum = sesudah mendapat pinjaman
H1 : pendapatan sebelum > sesudah mendapat pinjaman
Nilai signifikansi 0,00 < 0,05 tolak H0 yaitu pendapatan sebelum > sesudah mendapat
pinjaman
Atau
H0 : pendapatan sebelum = sesudah mendapat pinjaman
H1 : pendapatan sebelum < sesudah mendapat pinjaman
Nilai signifikansi 0,00 > - 0,05 tidak tolak H0, belum cukup bukti untuk tolak H0