STATISTIK NONPARAMETRIK

Statistika Nonparametrik digunakan bila

asumsi dalam statistika Parametrik tidak dipenuhi.
Asumsi yang paling lazim pada statistika
Parametrik adalah sampel random berasal dari
populasi yang berdistribusi normal. Bila asumsi
tersebut tidak dipenuhi, maka statistika
Nonparametrik menjadi pilihan/alternatif untuk
digunakan.
Keuntungan menggunakan statistika
Nonparametrik adalah tidak diperlukan mengetahui
bentuk distribusi populasi data, selain itu
perhitungannya juga lebih mudah dan syarat skala
pengukuran datanya nominal atau ordinal.
Berikut ini akan disajikan contoh analisis
statistika Nonparametrik yang sering digunakan :

Chi Square Test (
2
)

2
digunakan apabila kita ingin menguji apakah
ada perbedaan yang signifikan antara jumlah
pengamatan suatu obyek tertentu pada setiap
klasifikasinya terhadap nilai harapannya yang
berdasarkan hipotesis Nol (Ho). Selain itu uji

2
dapat pula digunakan untuk menguji
independensi antara suatu variabel terhadap
variabel lainnya.

Chi Square Test (
2
)
Contoh :
Bagian Pendidikan Fak. Pertanian pada suatu
Universitas memutuskan untuk membagi
Mahasiswa baru ke dalam 3 kelas dan tiap
mata kuliah yang diberikan diasuh oleh dosen
yang berbeda. Dari hasil pengamatan selama
satu semester diperoleh data hasil Ujian
Matematika sebagai berikut :

Chi Square Test (
2
)
A B C
Lulus 120 110 125 355
Gagal 20 15 10 45
Total 140 125 135 400
Keterangan
Dosen
Total
Ujilah dengan = 5% hipotesis yang
menyatakan bahwa proporsi Mahasiswa yang
lulus ujian matematika adalah sama untuk ke-3
dosen tersebut?

Chi Square Test (
2
)
Jawab :
Nilai harapan dari data di atas :
75 , 15 140
400
45
25 , 124 140
400
355
21 11
x E x E
06 , 14 125
400
45
93 , 110 125
400
355
22 12
x E x E
18 , 15 135
400
45
81 , 9 11 135
400
355
23 13
x E x E

Chi Square Test (
2
)
i
i i
k
i
E
E O

1
2

( ) ( ) ( )
18 , 15
18 , 15 10
...
93 , 110
93 , 110 110
25 , 124
25 , 124 120
2 2 2

+ +

2
= 3,35
Titik kritis pada = 5% adalah
2
0,05
(df 2-1) (3-1) = 5,99
Ho diterima kerena
2
hit
<
2
tab
Kesimpulan :
Proporsi Mahasiswa lulus ujian matematika pada ke3 dosen
adalah sama dengan resiko kekeliruan sebesar 5%.

Korelasi dan Asosiasi
Korelasi adalah ukuran hubungan
(relationship) antara dua variabel, terutama
untuk variabel kuantitatif.
Asosiasi adalah ukuran hubungan antara
dua variabel kualitatif.

Korelasi Pearson Product Moment
Korelasi Pearson Product Moment digunakan
untuk mengukur kekuatan hubungan linier antara
dua variabel kontinu ( mempunyai skala
pengukuran interval atau skala ratio).
Contoh :
Komisi pengadaan textbook suatu PT mengamati
hubungan antara jumlah halaman textbook dan
harga textbook tsb. Berdasarkan sampel acak 8
textbook yg berbeda didapat data sebagai berikut:

Data jumlah halaman textbook dan harganya
Textbook
Text A Text B Text C Text D Text E Text F Text G Text H
Jumlah
Halaman
400 600 500 600 400 300 200 550
Harga
textbook
(US$)
40 65 60 78 55 45 25 70
Hitung korelasi Pearson Product Moment antara jumlah halaman
textbook dan harga textbook dan tentukan apakah korelasi tersebut
signifikan. Gunakan = 0,01 atau 1%.

Solusi
Kita tertarik untuk menghitung korelasi Pearson
Product Moment antara jumlah halaman textbook
dan harga textbook dan menentukan apakah
korelasi tersebut signifikan berdasarkan sampel
data tsb.
Bentuk Hipotesis:
Ho : = 0
Ha : 0
Di mana = parameter korelasi Pearson Product
Moment antara jumlah halaman textbook dan
harga textbook.

Langkah-langkah pada SPSS
1. Buka file dengan nama: korelasi_pearson.sav.
2. Klik Analyze Correlate Bivariate
3. Kemudian pindahkan variabel Jumlah Halaman
[halaman] dan variabel Harga Textbook
[harga_tx] ke dalam box berjudul Variables
(jangan lupa memberi tanda check ( V ) pada
Correlation Coefficients Pearson).
4. Kemudian klik OK.

Rumus Korelasi

'

,
_

'

,
_

n
i
n
i
i i
n
i
n
i
i
n
i
n
i
n
i
i i i i
xy
y y n x x n
y x y x n
r
i
1
2
1
2
1
2
1
2
1 1 1
1 1
xy xy
r r

Untuk menguji apakah korelasi Pearson Product Moment yang
diperoleh signifikan digunakan hipotesis:
Ho : = 0
Ha : 0
dengan uji statistik:
) 1 (
) 2 (
2
r
n r
t

, dengan tingkat kebebasan (n-2)

Untuk menguji apakah korelasi Pearson Product Moment yang
diperoleh signifikan terhadap nilai acuan 0 digunakan hipotesis:
Ho : =
o
Ha :
o
dengan uji statistik:
1
]
1

+
+

1
]
1

,
_

,
_

) 1 )( 1 (
) 1 )( 1 (
ln
2
) 3 (
1
1
ln
1
1
ln
2
) 3 (
0
0
0
0

r
r
n
z
r
r
n
z

Koefisien Korelasi Spearman
Koefisien korelasi spearman digunakan untuk
mengetahui derajat keeratan dua buah variabel
yang memiliki skala pengukuran ordinal. Bila pada
perhitungan Korelasi Person data observasinya,
maka Korelasi Spearman adalah data
peringkatnya (rangkingnya).
Contoh :
Kita ingin mengetahui hubungan antara jumlah jam
magang dengan skor prestasi karyawan yang
diukur dengan skala 1 sampai 4 data serta
analisisnya sebagai berikut :

Koefisien Korelasi Spearman
Jam Skor Jam Skor
Magang Prestasi Magang Prestasi
24 3,6 6 7,5 -1,5 2,25
17 2 2,5 1 1,5 2,25
20 2,7 4 4 0 0
41 3,6 8 7,5 0,5 0,25
52 3,7 10 9 1 1
23 3,1 5 5 0 0
46 3,8 9 10 -1 1
17 2,5 2,5 3 -0,5 0,25
15 2,1 1 2 -1 1
29 3,3 7 6 1 1
Variabel Rangking
d
d
2

Koefisien Korelasi Spearman
( ) 1
6
1
2
2

n n
d
r
s
( ) 1 10 10
) 9 ( 6
1
2

= 0,945
Artinya keeratan hubungan antara jam magang
dengan skor prestasi karyawan sangat tinggi yaitu
sebesar 94,5%.

Koefisien Korelasi Spearman
Uji Korelasi :
= 8,17
Titik kritis t
0,025;10-2
= 2,306 < 8,17 Ho ditolak
Kesimpulan : Terdapat hubungan yang erat (positif) dan
signifikan antara jam magang dengan
prestasi.
) 1 (
) 2 (
2
r
n r
t

) 945 , 0 1 (
) 2 10 ( 945 , 0
2

PUSTAKA
Bambang Soepeno, 1997, Statistik Terapan, Dalam
Penelitian Ilmu-ilmu Sosial dan Pendidikan, PT. Rineka
Cipta, Jakarta.
Djarwanto Ps, 2003, Statistik Nonparametrik, BPFE
Yogyakarta.
Siagian Dergibson, Statistika Deskriptif untuk Bisnis dan
Ekonomi, STIE IBII, Jakarta.
Siegel, Sidney & N John Castellan, 1988, Nonparametric
Statistic for the Behavioral Science, Mc Graw Hill Book
Co Singapore.
Sansubar Saleh, 1985, Statistik Nonparametrik, BPFE
Yogyakarta.
Sugiyono, 2001, Statistik Nonparametrik untuk Penelitian,
CV Alfabeta, Bandung.