fb.us.3575960_2
UJI BEDA / PARAMETRIK
4
• Analyze --- Compare means ---- Independent sample T test
• Masukkan variabel nilai ke Test Variable (s) dan masukkan dan kelas ke
Groping Variable.
• Setelah itu klik Define groups, masukkan angka 1 = group 1 dan 2 = group
2
• Continue ---- ok
“dari hasil uji levene didapat nilai sig 0,598 yang artinya terima H0 (varian
antar kelompok homogen). Karena variansi homogen maka uji t-test
digunakan nilai signifikan yang atas (Equal variances assumed) dengan nilai
sig 0,023 yang artinya terima H1 (ada perbedaan yang signifikan nilai
matematika antar kelas 4A dengan 4B). Dimana rata-rata kelas 4A 35,45
lebih tinggi jika dibandingkan klas 4B (28,20)
5
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
*
nilai .083 21 .200 .980 21 .926
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
Group Statistics
Equal variances not assumed 2.459 18.494 .024 7.25455 2.94977 1.06916 13.43994
6
Uji Dua kelompok terkait
(inputnya ke samping / beda kolom)
7
• Analyze ---- compare means ----- pair sample T test
• Kemudian sort ke dua variabel dan pindahkan ke kotak paired variables
• Continue -- Ok
• Tidak ada uji homogenitas karena sampelnya sama (tidak ada kelompok)
8
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Paired Differences
95% Confidence Interval of the
Difference
Mean Std. Deviation Std. Error Mean Lower Upper t df Sig. (2-tailed)
Pair 1 metodebaru - metodelama 10.00000 12.56981 3.97492 1.00810 18.99190 2.516 9 .033
9
Uji beda banyak variabel / Latihan uji anova
Dosis 1 2 3 4 5 6
(gr/mз)
0 96 98 94 90 94 92
16 92 88 90 88 92 94
32 92 94 84 78 82 74
48 74 74 68 72 67 75
64 50 50 54 53 44 56
10
Uji normalitas
11
Uji normalitas
12
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
dosis Statistic df Sig. Statistic df Sig.
*
pertumbuhan 0 gr / m3 .167 6 .200 .982 6 .960
*
16 gr / m3 .209 6 .200 .907 6 .415
*
32 gr / m3 .181 6 .200 .947 6 .715
*
48 gr / m3 .255 6 .200 .856 6 .175
*
64 gr / m3 .224 6 .200 .933 6 .602
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
13
Uji Anova (multiple comparation)
14
Test of Homogeneity of Variances
pertumbuhan
Levene Statistic df1 df2 Sig.
2.742 4 25 .051
ANOVA
pertumbuhan
pertumbuhan
dosis N 1 2 3 4
a
Tukey HSD 64 gr / m3 6 51.1667
48 gr / m3 6 71.6667
32 gr / m3 6 84.0000
16 gr / m3 6 90.6667 90.6667
0 gr / m3 6 94.0000
15
• Dari tabel hasil uji berganda Tukey LSD yang terlihat tidak berbeda daya
tumbuhnya adalah dosis 0 gr/m3 dengan 16 gr/m3 dan dosis 16 gr/m3
dengan 32 gr/m3 (jika nilai rata-rata hasil tumbuh beberapa dosis
berada pada kolom yang sama, artinya tidak terdapat perbedaan)
16
Uji Beda Non Parametrik
17
Prosedur uji non parametrik
18
MANN WHITNEY
19
Contoh :
21
1. Input variabel kelas dan nilai pada Variable View.
Gunakan Value Label untuk variabel kelas.
22
2. Input data ke Data View.
23
3. Lakukan uji normalitas.
Tests of Normality
kelas Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
kelas A 0.154 20 .200* 0.898 20 0.038
nilai kelas B 0.277 20 0 0.836 20 0.003
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
24
4. Pilih Analyze >> Nonparametric Tests >> Legacy Dialogs >> 2
Independent Samples. Kemudian pada window yang muncul, pindahkan
variable nilai ke Test Variable List dan kelas ke group variable.
25
5. Klik Define Group dan masukkan seperti dibawah
ini.
26
6. Pilih Continue. Pada test-type pilih Mann-Whitney
U kemudian OK untuk melihat output.
Ranks
kelas N Mean Sum of
Rank Ranks
kelas A 20 25.73 514.5
kelas B 20 15.28 305.5
nilai Total 40
Test Statisticsa
nilai
Mann-Whitney U 95.5
Wilcoxon W 305.5
Z -2.833
Asymp. Sig. (2-tailed) 0.005
Exact Sig. [2*(1-tailed
Sig.)] .004b
a. Grouping Variable: kelas
b. Not corrected for ties.
27
Latihan dua kelompok bebas (uji Mann-Whitney U)
28
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
asal_mhsw Statistic df Sig. Statistic df Sig.
nilaimhsw jabodetabek .325 6 .047 .827 6 .101
luar jabodetabek .333 6 .036 .827 6 .101
a. Lilliefors Significance Correction
29
prosedur
30
Ranks
a
Test Statistics
nilaimhsw
Mann-Whitney U 17.000
Wilcoxon W 38.000
Z -.172
Asymp. Sig. (2-tailed) .863
b
Exact Sig. [2*(1-tailed Sig.)] .937
31
SIGN WILCOXON (uji kelompok terkait)
12 pria dewasa dengan mengikuti program liquid diet untuk rencana menurunkan berat
badan. Data berat badan sebelum dan sesudah melakukan diet sudah di catat. Lakukan
pengujian apakah terdapat perbedaan berat badan sebelum dan sesudah melakukan
liquid diet. Berikut datanya :
1 2 3 4 5 6 7 8 9 10 11 12
Sebelum 186 171 177 168 191 172 177 191 170 171 188 187
Sesudah 179 168 165 169 182 171 165 190 165 180 181 172
33
• Langkah-langkah:
• 1. Input variabel sebelum dan sesudah pada Variable View.
34
2. Input data diatas pada Data View.
35
• 3. Uji distribusi data, jika data tidak normal maka bisa menggunakan
metode non-parametrik
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
36
• 4. Pada menu Analyze, pilih Non-Parametric Test – 2 Related Sample.
• 5. Pada kolom Test Pairs, masukkan variable sebelum dan sesudah.
Kemudian Test Tipe : Wilcoxon. Abaikan pilihan lain, klik OK.
37
6. Output hasil.
Ranks
N Mean Sum of
Rank Ranks
Negative
a
Ranks 10 6.75 67.5
Positive
b
Ranks 2 5.25 10.5
sesudah c
Ties 0
-
sebelum Total 12
a. sesudah < sebelum
b. sesudah > sebelum
c. sesudah = sebelum
a
Test Statistics
sesudah - sebelum
b
Z -2.242
Asymp. Sig. (2-tailed) 0.025
a. Wilcoxon Signed Ranks Test
b. Based on positive ranks.
38
•KRUSKALL WALLIS
39
KRUSKALL WALLIS
Kruskal Wallis adalah salah satu metode non parametrik berbasis peringkat
yang tujuannya untuk menentukan adakah perbedaan signifikan secara
statistik antara dua atau lebih kelompok variabel independen pada variabel
dependen yang berskala data numerik (interval/rasio) dan skala ordinal.
Kruskal Wallis adalah alternative apabila data tidak berdistribusi normal dan
perluasan dari metode Mann Whitney U Test, di mana kita ketahui bahwa uji
tersebut hanya dapat digunakan pada 2 kelompok sampel.
Sedangkan Kruskall Wallis dapat digunakan pada lebih dari 2 kelompok
sampel.
40
Asumsi Kruskall Wallis
41
Post Hoc Kruskall Wallis
• Jika menerima H1 yaitu tidak ada perbedaan rata-rata antara variable maka bisa
dilanjutkan dengan uji lanjut atau disebut juga uji post hoc.
• Uji post hoc setelah kruskall wallis salah satunya dapat menggunakan metode mann
whitney u test.
• Dengan uji tersebut kita bisa menilai antar kelompok apakah yang ada perbedaan
signifikan,
Metode post hoc dapat dilakukan antara lain:
• 1. Perbedaan Nilai Ujian Siswa antara metode A dan metode B
• 2. Perbedaan Nilai Ujian Siswa antara metode A dan metode C
• 3. Perbedaan Nilai Ujian Siswa antara metode B dan metode C.
42
Contoh soal
43
Shift 1 Shift 2 Shift 3
2 3 3
2 4 4
3 2 3
2 2 4
2 3 4
3 3 3
3 3 4
2 3 2
1 2 4
1 3 4
1 4 4
2 3 3
2 3 4
3 2 3
1 3 4
2 1 3
2 3 4
2 2 3
3 1 4
4 3 2
44
• Langkah-langkah pengerjaan menggunakan SPSS :
• 1. Masukkan variabel ke dalam Variable View, yaitu Shift dan Nilai.
45
• 2. Klik pada Values, nanti akan muncul kotak dialog “Value Labels”.
Pada kolom Value tulis angka 1 dan label “16:00-midnight” dan klik “Add”
dilanjutkan sampai value ke-3.
46
• 3. Pada tab “Data View” di kolom shift masukan angka 1 untuk shift 1
dan pada kolom nilai copy data dari contoh soal.
47
• 4. Syarat untuk melakukan uji Kruskal-Wallis adalah data berdistribusi
tidak normal sehingga kita harus melakukan uji Normalitas terlebih dahulu.
Klik Analyze – Descriptive Statistics – Explore sebagai berikut :
48
• 5. Kemudian akan muncul kotak dialog Explore dan klik Plots.
49
• 6. Pada kotak dialog Explore : Plots pada Boxplots klik None, pada
Descriptive uncheck Stem-and-leaf dan klik Normality plots with tests. Klik
Continue dan klik Ok pada kotak dialog Explore dan akan muncul hasil
output dari Normalitas :
50
• 7. Hasil Output Uji Normalitas karena jumlah data atau df 20 sehingga
kita melihat table Shapiro-Wilk. Dari hasil Sig 0.009, 0.004, dan 0.0 lebih
kecil dari α (0.5) sehingga bisa dilakukan pengujian Kruskal-Wallis.
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Shift Statistic df Sig. Statistic df Sig.
penilaian 16.00-
midnight
0.273 20 0 0.864 20 0.009
midnight-
08.00 0.317 20 0 0.843 20 0.004
08.00-
16.00 0.339 20 0 0.739 20 0
a. Lilliefors Significance
Correction
51
• 8. Kemudian Klik Analyze – Nonparametric Tests – K Independent
Samples sebagai berikut :
52
• 9. Kemudian akan muncul kotak dialog “Tests for Several Independent
Samples” kemudian pindahkan variable Nilai ke kolom Test Variable List
dan Shift ke Grouping Variable sebagai berikut:
53
• 10. Kemudian klik Define Range dan isikan nilai Minimum : 1 dan nilai
Maximum : 3 (karena terdiri dari 3 sample) sebagai berikut :
54
• 11. Kemudian klik Continue dan klik Ok. Hasil Output dari Kruskal-
Wallis Test sebagai berikut :
Ranks
Mean
Shift N Rank
penilaian 16.00-midnight 20 19.62
midnight-08.00 20 28.7
08.00-16.00 20 43.18
Total 60
Test Statisticsa,b
Penilaian
Chi-Square 20.389
df 2
Asymp. Sig. 0
a. Kruskal Wallis Test
b. Grouping Variable: shift
55
• Chi-square tabel
56
• 12. Setelah mendapat Asymp Sig. dan Chi-Square hitung kita
memerlukan Chi-Square Tabel dengan menggunakan tool di spss.
Pertama klik Transform dan pilih Compute Variable.
57
• 13. Pada Function Group pilih Inverse DF dan pada Functions and
Special Variables pilih idf. Chisq. Pada Target Variable masukan chisq
dan pada Numeric Expression masukan rumus IDF.CHISQ (prob, df)
dimana prob adalah (1-α) = 1-0.05 = 0.95 dan df dapat dilihat di table
output Statistics, yaitu 2 atau K-1 = 3 – 1 = 2 (Note: K adalah banyak
sample yang diuji).
58
• 14. Output table Chi-Square akan muncul pada data view yaitu 5.99.
59
Terima kasih