UJI STATISTIK NONPARAMETRIK

DENGAN SPSS 22

Prof. DR. H. Harrizul Rivai, M.S.

Guru Besar Kimia Farmasi
Fakultas Farmasi
Universitas Andalas
Pendahuluan
• Uji statistik norparametrik adalah suatu
pengujian yang modelnya tidak menerapkan
syarat-syarat tertentu mengenai parameter –
parameter populasi yang nerupakan induk
sampel penelitiannya.
• Tidak perlu memenuhi asumsi normalitas dan
homogenitas.
• Data pengukuran berskala ordinal dan
nominal

28/02/2019 Harrizul Rivai 2

 Penggunaan Uji Statistik
Nonparametrik

• Bila data tidak terdistribusi normal dan tidak

homogen
• Bila jumlah sampel sedikit (n < 30)
• Bila data diukur pada skala nominal atau ordinal,
misalnya sikap konsumen, perilaku karyawan,
jenis kelamin.

28/02/2019 Harrizul Rivai 3

Macam-macam Uji Statistik
Aplikasi Uji Parametrik Uji Nonparametrik
Satu sampel Uji t Uji Binomial
Uji z Uji Runs
Uji Kolmogorov-Smirnov
untuk satu sampel
Dua sampel saling Uji t Uji Tanda
berhubungan Uji Z Uji Peringkat Bertanda
Wilcoxon
Uji Mc Nemar
Dua sampel tidak Uji t Uji U Mann-Whitney
berhubungan Uji Z Uji Kolmogorov-Smirnov
Uji Walt-Wolfowitz
Beberapa sampel ANOVA dua arah Uji Friedman
berhubungan Uji W Kendall
Uji Q Cochran
Beberapa sampel tidak Anova satu arah (Uji F) Uji Kruskal-Wallis
berhubungan Uji Chi Square
Uji Median
Mengetahui hubungan Regresi Korelasi Spearman
antarvariabel Korelasi Pearson Korelasi Keldall
28/02/2019 Harrizul Rivai 4
 UJI SATU SAMPEL NONPARAMETRIK

• Sama dengan uji satu sampel pada metode

parametrik, uji satu sampel nonparametrik
merupakan uji satu sampel saja dan bertujuan
menguji sebuah hipotesis yang berkaitan dengan
data pada satu sampel tersebut.
• Uji satu sampel nonparametrik meliputi:
– Uji binomial
– Uji runs
– Uji Kolmogorov-Smirnov

28/02/2019 Harrizul Rivai 5

Uji Binomial
• Uji Binomial menguji hipotesis tentang suatu
proporsi populasi.
• Ciri binomial adalah data berupa dua (bi)
macam unsur, yaitu ‘gagal’ atau ‘sukses’ yang
diulang sebanyak n kali.
• Pemakai bebas mendefinisikan apa yang
dimaksud ‘gagal’ atau ‘kegagalan’ dan apa
pula yang dikategorikan ‘sukses’ atau
‘keberhasilan’

28/02/2019 Harrizul Rivai 6

Contoh kasus uji Lemparan ke- Hasil
1 Angka
binomial 2 Gambar

• Pelemparan mata uang koin 3 Gambar

4 Gambar
berkali-kali: ‘sukses’
5 Angka
didefinisikan munculnya
6 Angka
‘angka’ dan ‘gagal’
7 Angka
didefinisikan munculya
8 Gambar
‘gambar’.
9 Angka
• Apakah hasil pelemparan 10 Gambar
mata uang koin tersebut 11 Angka
mengikuti distribusi 12 Gambar
binomial? 13 Gambar
14 Angka
15 Angka
28/02/2019 Harrizul Rivai 7
Penyelesaian uji binomial:
Mengisi variabel

28/02/2019 Harrizul Rivai 8

Mengisi data

28/02/2019 Harrizul Rivai 9

Mengolah data dengan SPSS

28/02/2019 Harrizul Rivai 10

Kotak dialog uji binomial

28/02/2019 Harrizul Rivai 11

Pengisian kotak dialog

28/02/2019 Harrizul Rivai 12

Output uji binomial

28/02/2019 Harrizul Rivai 13

Analisis hasil uji binomial
• Terlihat pada output dua grup, yaitu Group 1
dengan kategori <= 0 sebanyak 7 kali,
sedangkan Group 2 dengan kategori >0
sebanyak 8 kali.
• Kolom Observed Prop.: Group 1 = 7/15 =
0,47, Group 2 = 8/15 = 0,53
• Dasar pengambilan keputusan: jika
probabilitas > 0,05, H0 diterima, dan jika
probabilitas < 0,05, H0 ditiolak.

28/02/2019 Harrizul Rivai 14

Kesimpulan uji binomial
• Terlihat bahwa pada kolom Exact Sig. (2-
tailed) atau Exact Sig. (dua sisi) adalah 1,000
atau probabilitas di atas 0,05 (1,000 > 0,05),
maka H0 diterima, atau pelemparan mata
uang di atas adalah benar-benar
pelemparan yang fair atau mengikuti
distribusi binomial.

28/02/2019 Harrizul Rivai 15

Uji Runs (Runs Test)
• Uji Runs atau bisa disebut uji sampel rankaian tunggal
untuk memeriksa keacakan (randomness).
• Pada prinsipnya dengan uji runs kita ingin mengetahui
apakah suatu rangkaian kejadian, hal atau simbol
merupakan hasil proses acak (random); dalam arti tidak
direncanakan terlebih dahulu, atau tidak membuat sebuah
pola tertentu.
• Di sini, data terdiri atas serangkaian pengamatan yang
dicatat berdasarkan perolehannya, dan bisa dikategorikan
dalam dua kelompok yang eksklusif. Artinya, jika yang
satu terjadi, yang lain tidak mungkin terjadi juga; seperti
jika hasil positif tidak mungkin berbarengan dengan hasil
negatif.

28/02/2019 Harrizul Rivai 16

Contoh Kasus
• Departement Store ‘SUKSES’ ingin mengetahui apakah pengunjung
yang masuk ke toko bervariasi secara acak antara pria dan wanita.
Untuk itu, seorang petugas ditempatkan di depan toko dan
mencatat para pengunjung yang masuk ke toko secara berurutan.
Hasil pengamatan adalah sbb:
Pengamatan Urutan Pengamatan Urutan Dari data di
ke- gender ke- gender atas, apakah
1 Pria 10 Pria pengunjung
yang masuk
2 Pria 11 Wanita
toko adalah
3 Wanita 12 Pria acak, dilihat
4 Wanita 13 Wanita dari
gendernya?
5 Wanita 14 Pria
6 Wanita 15 Pria
7 Pria 16 Wanita
8 Pria 17 Pria
9
28/02/2019 Wanita Harrizul Rivai 17
Penyelesaian
• Karena kita akan menguji suatu kejadian yang
hanya menghasilkan dua jenis output, dan uji
untuk menentukan keacakan, maka
digunakan uji Runs.

28/02/2019 Harrizul Rivai 18

1. Persiapan pemasukan data ke SPSS

Dari menu utama, lalu masuk ke sheet tab

Variable View

28/02/2019 Harrizul Rivai 19

Pengisian Variable View:
Name → ketik urutan_gender
Label → ketik urutan gender yang masuk ke toko
Values → Buka Values dan isi dengan kode 1 untuk pria dan kode 2 untuk wanita.
Abaikan bagian yang lain dan kebali ke Data View.

28/02/2019 Harrizul Rivai 20

2. Mengisi data
• Untuk mengisi kolom urutan_gender,
letakkan pointer pada baris 1 kolom tersebut,
lalu ketik angka 1 atau 2 menurun ke bawah
sesuai dengan data yang ada dalam tabel.
• Jangan lupa mengaktifkan Value Labels yang
ada di menu View untuk menampilkan data
dalam isian label dan bukannya angka.
• Simpan data tersebut dengan nama Uji Runs.

28/02/2019 Harrizul Rivai 21

28/02/2019 Harrizul Rivai 22
3. Pengolahan Data

28/02/2019 Harrizul Rivai 23

 Pengisian kota dialog Runs
• Test Variable List atau variable
yang akan diuji. Karena di sini
yang akan diuji hanya satu
variabel, masukkan variabel
urutan_gender.
• Untuk bagian Cut Point dalam
kasus ini pilih Custom
(ditentukan sendiri), dan sesuai
kasus ketik 2.
• Pada bagian Cut Point,
nonaktifkan kota Median,
karena nilai uji ada pada angka 2
(ditentukan pengguna sendiri).
• Tekan OK untuk proses
pengolahan data.

28/02/2019 Harrizul Rivai 24

Hasil Pengolahan Data
NPar Tests

28/02/2019 Harrizul Rivai 25

Analisis Hasil
• Hipotesis untuk kasus ini:
– Ho: Pola perolehan gender yang masuk ke toko
bersifat acak.
– Ha: Pola perolehan gender yang masuk ke toko
tidak bersifat acak
• Pengambilan keputusan berdasarkan besaran
probabilitas:
– Jika probabilitas > 0,05, maka Ho diterima.
– Jika probabilitas < 0,05, maka Ho ditolak.

28/02/2019 Harrizul Rivai 26

Keputusan
• Terlihat bahwa pada kolom Asymp. Sig. (2-
tailed) (Asymptotic Significance dua sisi)
adalah 0,605, atau probabilitas di atas 0,05
(0,605 > 0,05), maka Ho diterima, atau pola
perolehan gender (pria atau wanita) yang
masuk ke toko bersifat acak; tidak ada pola
tertentu saat orang memasuki toko tersebut.
• Simpan output di atas dengan nama Uji Runs.

28/02/2019 Harrizul Rivai 27