Anda di halaman 1dari 22

BAB I

PENDAHULUAN
1.1 Latar Belakang
Beberapa metode statistik yang menyangkut pendugaan parameter, pengujian
hipotesis, pembentukan selang kepercayaan (confidence interval) dan hubungan antara
beberapa sifat sudah umum digunakan.Metode-metode itu berlandaskan pada asumsiasumsi tertentu yang telah disusun terlebih dahulu. Jika seandainya asumsiasumsi ini tidak
sesuai dengan keadaan sebenarnya, apalagi kalau menyimpang, maka metode tersebut tidak
dapat dijamin atau bahkan dapat menyesatkan. Salah satu asumsi yang umum dianggap
berlaku adalah bahwa variabel acak atau populasi yang diselidiki mempunyai sebaran
tertentu yang diketahui, untuk ini biasanya diambil sebaran normal. Karena sebaran
variabel acak itu telah dianggap diketahui, maka masalah yang dihadapi akan tersangkutpaut dengan pendugaan, pengujian hipotesis atau pembentukan selang kepercayaan bagi
parameter-parameter dari sebaran tersebut, sehingga dinamakan metode parametrik.
Menurut kenyataan, ada kalanya variabel-variabel acak yang dihadapi tidak dapat
dianggap menyebar normal, atau bahkan sama sekali tidak diketahui sebarannya. Ini dapat
terjadi kalau nilai variabel acak yang diamati dalam bentuk data skala nominal dan skala
ordinal dan tidak dilandasi persyaratan data harus sebaran normal, atau memang bentuk
sebaran variabel acak itu tidak dapat diketahui. Dengan demikian, parameter dari sebaran
itu pun tidak lagi menjadi pokok persoalan. Metode statistik yang tidak memerlukan suatu
anggapan tertentu mengenai bentuk sebaran atau parameter yang diselidiki
disebut metode non-parametrik.

1.2 Rumusan Masalah

Dari latar belakang tersebut terdapat beberapa masalah yang akan dibahas dalam
makalah ini mengenai statistika non parametrik yakni sebagai berikut :
1.2.1 Apakah pengertian statistika non parametric, serta apakah perbedaan statistika
non parametric dengan statistika parametrik?
1.2.2 Bagaimana menentukan ukuran sampel dan bagaimana penggunaan statistika
non parametrik dalam situasi tertentu?
1.2.3 uji-uji apa saja yang bisa digunakan di dalam statistika non parametrik?

1.3 Tujuan
Terdapat beberapa tujuan dari penulisan makalah ini yakni sebagai berikut :
1.3.1 Dapat melakukan uji non parametrik untuk satu sampel, uji non parametrik
untuk data sampel berpasangan serta uji non parametrik untuk data sampel tidak
berpasangan (independent).
1.3.2 Pembuatan makalah bertema statistika non parametric ini juga bertujuan untuk
memenuhi tugas perkuliahan dalam mata kuliah statistika dasar.

BAB II
2

PEMBAHASAN
2.1 Pengertian Statistika Non Parametrik
Uji statistik nonparametrik ialah suatu uji statistik yang tidak memerlukan adanya
asumsi-asumsi mengenai sebaran data populasi. Uji statistik ini disebut juga sebagai
statistik bebas sebaran (distribution free). Statistik nonparametrik tidak mensyaratkan
bentuk sebaran parameter populasi berdistribusi normal. Statistik nonparametrik dapat
digunakan untuk menganalisis data yang berskala nominal atau ordinal karena pada
umumnya data berjenis nominal dan ordinal tidak menyebar normal. Dari segi jumlah data,
pada umumnya statistik nonparametrik digunakan untuk data berjumlah kecil (n < 30).
Kapankah metode nonparametrik perlu dipakai? Metode ini harus digunakan untuk situasi
berikut :

Apabila ukuran sampel demikian kecil sehingga distribusi statistik pengambilan


sampel tidak mendekati normal, dan apabila tidak ada asumsi 2 yang dapat dibuat
tentang bentuk distribusi populasi yang menjadi sampel besar

Apabila digunakan data peringkat atau ordinal

Apabila data nominal yang digunakan

Keunggulan Statistik Nonparametrik

Asumsi dalam uji-uji statistik nonparametrik relatif lebih longgar. Jika


pengujian data menunjukkan bahwa salah satu atau beberapa asumsi yang
mendasari ujistatistik parametric. (misalnya mengenai sifat distribusi data) tidak
terpenuhi, maka statistik nonparametrik lebih sesuai diterapkan dibandingkan
statistik parametrik.

Perhitungan-perhitungannya dapat dilaksanakan dengan cepat dan mudah,


sehingga hasil penelitian segera dapat disampaikan.

Untuk memahami konsep-konsep dan metode-metodenya tidak memerlukan


dasar matematika serta statistika yang mendalam.

Uji-uji pada statistik nonparametrik dapat diterapkan jika kita menghadap


keterbatasan data yang tersedia, misalnya jika data telah diukur menggunakan
skala pengukuran yang lemah (nominal atau ordinal).

Efisiensi statistik nonparametrik lebih tinggi dibandingkan dengan metode


parametrik untuk jumlah sampel yang sedikit. Nilai peluang yang didapat dari
uji statistika nonparametric adalah nilai yang pasti ( kecuali untuk cuplikancuplikan yang besar, dimana pendekatan sebenarnya mungkin dapat dicapai,
tanpa memperhatikan bentuk sebaran populasi dari mana cuplikan diambil.
Ketepatan dari nilai peluang tidak tergantung pada bentuk populasinya.

Dalam beberapa hal uji nonparametrik dapat mengasumsikan suatu sebaran


populasi yang kontinu yaitu asumsi yang dikehendaki dalam uji parametrik.

Keterbatasan Statistik Nonparametrik


Disamping keunggulan, statistik nonparametrik juga memiliki keterbatasan.
Beberapa keterbatasan statistik nonparametrik antara lain:
1.

Metode non-parametrik secara ilmu statistik kurangkuat (rigorous)dibandingkan


metode parametrik.

2.

Jika asumsi untuk metode parametrik terpenuhi, dengan ukuran sampel yang sama,
metode non-parametrik kurang memiliki kuasa (power) dibanding metode
parametrik.

3.

Penyederhanaan skala data (data reduction) dari skala rasio atau interval ke skala
ordinal atau nominal merupakan pemborosan (detail) informasi yangsudah
dikumpulkan.

2.1.1 Perbedaan Statistika Non Parametrik dengan Statistika Parametrik


1. Statistika Non Parametrik
Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk
sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik
biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya
4

tidak berdistribusi normal. Contoh metode statistik non-parametrik antara lain : Uji tanda
(sign test), Rank sum test (wilcoxon), Rank correlation test (spearman), Fisher probability
exact test, Chi-square test, dll. Ciri-ciri statistik non-parametrik :
Data tidak berdistribusi normal
Umumnya data berskala nominal dan ordinal
Umumnya dilakukan pada penelitian social
Umumnya jumlah sampel kecil
2. Statistik Parametrik
Statistik Parametrik yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau
distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain, data
yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi normalitas.
Pada umumnya, jika data tidak menyebar normal, maka data seharusnya dikerjakan dengan
metode statistik non-parametrik, atau setidak-tidaknya dilakukan transformasi terlebih
dahulu agar data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik
parametrik. Contoh metode statistik parametrik antara lain : Uji-z (1 atau 2 sampel), Uji-t
(1 atau 2 sampel), Korelasi pearson, Perancangan percobaan (one or two-way anova
parametrik), dll. Ciri-ciri statistik parametrik :
Data dengan skala interval dan rasio
Data menyebar/berdistribusi normal
Keunggulan statistika parametric yaitu Syarat syarat parameter dari suatu populasi
yang menjadi sampel biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran
terhadap data dilakukan dengan kuat, dan Observasi bebas satu sama lain dan ditarik dari
populasi yang berdistribusi normal serta memiliki varian yang homogen. Sedangkan
Kelemahan statistika parametric yaitu Populasi harus memiliki varian yang sama, Variabelvariabel yang diteliti harus dapat diukur setidaknya dalam skala interval, dan Dalam
analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan bervarian
sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.

2.2 Menentukan Ukuran Sampel


Sampel yang baik adalah sampel yang representatif/mewakili. Banyaknya sampel
yang akan digunakan sebagai sumber data tergantung pada tingkat kepercayaan yang
dikehendaki. Bila tingkat kepercayaan 95 %, maka sampel akan lebih kecil dari jumlah
anggota Populasi. Jika sampel besar akan besar pula non sampling error.
Krejcie danMorgan (1970) telah memberikan panduan kepada kita dalam menentukan
jumlah anggota sampel daritertentu dengan taraf kepercayaan 95 %. Lihat Tabel 2.
Dari tabel 2 terlihat bahwa, bila jumlah anggota populasi N = 100, maka jumlah
anggota (s) yang diperlukan = 80. Bila jumlah anggota populasi 1.000, maka jumlah sampel
yang diperlukan = 285. Selanjutnya bila jumlah anggota populasi N = 100.000, maka
jumlah sampel yang diperlukan = 384
Roscoe dalam bukunya, Research Methods for Bussiness (1992: 253) memberikan
saran-saran tentang ukuran sampel sebagai berikut:
1. Ukuran sampel yang layak digunakan dalam penelitian adalah lebih dari 30.
2.

Bila sampel dibagi dalam kategori (priawanita, pegawai negeriswasta) maka


sampel setiap kategori minimal 30.

3. Bila dalam penelitian akan melakukan analisis dengan multivariabel, maka


jumlah sampel minimal 10 kali dari jumlah variabel yang diteliti. Misal variabel
penelitiannya ada 5 ( independen + dependen) maka sampel = 10 x 5 x 30 =
1500
4. Untuk penelitian eksperimen yang sederhana, yang menggunakan kelompok
eksperimen dan kelompok kontrol, eksperimen anak lumpuh (poliomyelitis satu
juta bocah)
5. Uji Normal Shapiro Wilks dengan Software SAS atau SPSS Base menjalankan
sampel sedang < 2000 dan sampel kecil < 100
Tabel 2. Penentuan Sampel Dengan Taraf Kepercayaan 95 %
(Krejcie dan Morgan 1970)
(N)
Jumlah

(s)

(N)
Jumlah

(s)

(N)
Jumlah

(s)
6

Anggota
Populasi
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
110
120
130
140
150
160
170
180
190
200
210

sampel
10
14
19
24
28
32
36
40
44
48
52
56
59
63
66
70
73
76
80
86
92
97
103
108
113
118
123
127
132
136

Anggota
Populasi
220
230
240
250
260
270
280
290
300
320
340
360
380
400
420
440
460
480
500
550
500
650
700
750
800
850
900
950
1000
1100

sampel
140
144
141
152
155
159
162
165
169
175
181
186
191
196
201
205
210
214
217
226
234
242
248
254
260
265
269
274
278
285

Anggota
Populasi
1.200
1.300
1.400
1.500
1.600
1.700
1.800
1.900
2.000
2.200
2.400
2.600
2.800
3.000
3.500
4.000
4.500
5.000
6.000
7.000
8.000
9.000
10.000
15.000
20.000
30.000
40.000
50.000
75.000
100.000

sampel
291
297
302
306
310
313
317
320
322
327
331
335
338
341
346
351
354
357
361
364
367
368
370
375
377
379
380
381
382
384

2.2.1 Penggunaan Statistika Non Parametrik dalam Situasi Tertentu


Statistik non paramerik digunakan dalam situasi sebagai berikut :
1. Apabila ukuran sampel sedemikian kecil sehingga distribusi sampel tidak
mendekati normal, dan apabila tidak ada asumsi yang dapat dibuat tentang
bentuk distribusi populasi yang menjadi sumber sampel.
2. Apabila digunakan data ordinal, yaitu data-data yang disusun dalam urutan atau
diklasifikasikan rangkingnya

3. Apabila digunakan data nominal, yaitu data-data yang dapat diklasifikasikan


dalam kategori dan dihitung frekuensinya.

2.3 Uji-Uji Dalam Statistika Non Parametrik


Beberapa Uji Non Parametrik yang akan dipelajari :
Uji tanda berpasangan
Uji Peringkat 2 Sampel Mann-Whitney
Uji Peringkat 2 Sampel Wilcoxon
Uji Korelasi Peringkat Spearman
Uji Konkordansi Kendall
Uji Run(s)

2.3.1 Uji Tanda Berpasangan


Uji dilakukan pada 2 sampel terpisah (independen)

tanda (+) data pada sampel 1 > pasangannya sampel 2

tanda () data pada sampel 1 < pasangannya sampel 2

tanda Nol (0) data pada sampel 1 = pasangannya sampel 2

Tanda Nol tidak digunakan dalam perhitungan


Notasi yang digunakan : n = banyak tanda (+) dan tanda () dalam sampel
p = proporsi SUKSES dalam sampel
q = 1 p
p0 = proporsi SUKSES dalam H0
q0 = 1 p0

Standar Error = Galat Baku =


Rata-Rata Sampel =

Statistik Uji :

SUKSES tergantung dari apa yang ditanyakan (ingin diuji) dalam soal.
Jika yang ingin diuji sampel 1 > sampel 2 maka SUKSES adalah banyak
tanda (+)
Jika yang ingin diuji sampel 1 < sampel 2 maka SUKSES adalah banyak
tanda ()
Nilai disesuaikan dengan nilai pengujian p yang diinginkan dalam soal p0 atau jika
ingin diuji proporsi sampel 1 = proporsi sampel 2 maka = = 0.50 p0q0
Penetapan Penetapan H0 dan H:
Terdapat 3 alternatif H0 dan H1:
(a) H0 : p = p0 dan H1: p< p0
Uji 1 arah dengan daerah penolakan H0: z < z
(b) H0 : p = p0 dan H1: p > p0
Uji 1 arah dengan daerah penolakan H0: z > z
(c) H0 : p = p0 dan H1: p p0
Uji 2 arah dengan daerah penolakan H0: z < z/2 dan z > z/2
Contoh :
Berikut adalah nilai preferensi konsumen terhadap 2 Merk Sabun Mandi. Dengan
taraf nyata 1%, ujilah apakah proporsi preferensi konsumen pada kedua merk bernilai
sama?

10

2.3.2 Uji Peringkat 2 Sampel Mann-Whitney


Uji ini merupakan alternatif uji beda 2 rata-rata Parametrik dengan menggunakan
t(Sampel-sampel berukuran kecil).
Langkah pertama pengujian ini adalah pengurutan nilai mulai dari yang terkecil hingga
terbesar. Pengurutan dilakukan tanpa pemisahan kedua sampel. Selanjutnya lakukan
penetapan Rank (Peringkat) dengan aturan berikut:
Peringkat ke -1 diberikan pada nilai terkecil di urutan pertama

Peringkat tertinggi

diberikan pada nilai terbesar


Jika tidak ada nilai yang sama maka urutan = peringkat
Jika ada nilai yang sama, maka ranking dihitung dengan rumus

Peringkat (R) = urutan data yg bernilai sama


banyak data yg bernilai sama
Notasi yang digunakan :
R1= Jumlah peringkat dalam sampel ke 1
R2 = Jumlah peringkat dalam sampel ke 2
n1 = ukuran sampel ke 1

n2=ukuran sampel ke 2
Ukuran kedua sampel tidak harus sama
Rata-rata R1=
Rata-rata R2=
Standar Error (Galat Baku) =

11

Statistik Uji
Dalam perhitungan hanya R1 yang digunakan, karena ia menjadi subyek dalam H0 dan H1:

Penetapan H0 dan H1:


Terdapat 3 alternatif H0 dan H1:
(a) H0: 1= 2 dan H1: 1 < 2
Uji 1 arah dengan daerah penolakan H0: z < z
(b) H0: 1= 2 dan H1: 1 > 2
Uji 1 arah dengan daerah penolakan H0: z > z
(c) H0: 1= 2 dan H1 : 1 2
Uji 2 arah dengan daerah penolakan H0 : z < z /2 dan z > z /2

Keputusan
Untuk masing-masing hipotesis, tolak H0 bila U hitung terkecil lebih kecil daripada U.
Dimana U adalah nilai tabel Mann-Whitney U-Test untuk tingkat kekeliruan , ukuran
sampel pertama n1, dan besar sampel kedua n2. Apabila sebaran kedua populasi simetris,
maka kesimpulan yang kita ambil tentang medianpopulasi berlaku pula untuk mean
populasi.
Contoh:
1. Dilakukan penelitian untuk mengetahui adakah perbedaan kualitas manajemen antara
Bank yang dianggap favorit oleh masyarakat dan Bank yang tidak favorit. Penelitian
menggunakan sampel 12 Bank yang dianggap tidak favorit dan 15 Bank yang dianggap
favorit. Selanjutnya ke dua kelompok Bank tersebut diukur kualitas manajemennya dengan
menggunakan sebuah instrumen, yang terdiri beberapa butir pertanyaan. Skor penilaian
tertinggi adalah 40 dan terendah 0
Jawab :
a. Uji bahwa :
Tidak terdapat perbedaan kualitas manajemen antara bank yang
12

favorit dan tidak favorit.


b. Cara Pengujian :

Tabel 18. Penyajian Data

d. Uji

U2< U121 < 184.Dengan demikian yang digunakan untuk membandingkan dengan
Utabel adalah U2. U tabel = 42. Ternyata harga U hitung < U tabel (21 < 42).
13

e. Kesimpulan :
Terdapat perbedaan kualitas manajemen yang signifikan antara Bank yang favorit dan
tidak favorit.Bank yang favorit kualitas manajemennya sudah baik.
2.3.3 Uji Peringkat 2 Sampel Wilcoxon
Prinsip pengerjaannnya sama dengan Uji Peringkat 2 Sampel Mann-Whitney, hanya fokus
kini dialihkan sampel dengan ukuran terkecil.
Notasi yang digunakan :
n1= ukuran sampel ke 1
n2=ukuran sampel ke 2
n1 < n2 ukuran sampel ke 1 selalu lebih kecil dari sampel ke 2
W = jumlah peringkat pada sampel berukuran terkecil
Nilai Expektasi (W) = E(W) =
Standar Error = SE =
Statistik Uji
Penetapan urutan, peringkat dan H0 dan H1 sama dengan Uji Mann-Whitney
Contoh:
1.

Jika 30 orang diberi obat, 15 orang diberi obat baru dan 15 orang lain
diberi aspirin. Kode yang diberikan adalah sebagai berikut: 5 = sangat efektif, 4 =
efektif, 3 = agak efektif, 2 = sedikit efektif, dan 1 = tidak efektif. Berikut hasil
wawancara dari 30 orang tersebut:

Dapatkah disimpulkan bahwa obat baru lebih efektif dari


14

aspirin?
Penyelesaian:

H0: keefektifan obat baru dan aspirin adalah sama


H1: obat baru lebih efektif dari aspirin.

Keputusan: Tolak H0
Kesimpulan: Obat baru lebih efektif dari aspirin.

15

2.3.4 Uji Korelasi Peringkat Spearman


Dua uji terakhir (Mann-Whitney dan Wilcoxon) ditujukan untuk 2 sampel yang saling
bebas (independen), sedangkan Uji Peringkat Spearman ditujukan untuk penetapan
peringkat data berpasangan.
Konsep dan interpretasi nilai Korelasi Spearman (Rs) sama dengan konsep Koefisien
Korelasi pada Regresi (Linier Sederhana).
Notasi yang digunakan :
n = Banyak pasangan data

di = selisih peringkat pasangan data ke i


Rs = Korelasi Spearman

Statistik Uji
Penetapan H0 dan H1: Terdapat 3 alternatif H0 dan H1:
(a) H0: R = 0 (korelasi bernilai 0, tidak ada hubungan /tidak ada kecocokan)
H1: R < 0 (korelasi negatif)
Uji 1 arah dengan daerah penolakan H0: z < z
(b) H0: R = 0 (korelasi bernilai 0, tidak ada hubungan /tidak ada kecocokan)
H1: R > 0 (korelasi positif)
Uji 1 arah dengan daerah penolakan H0: z > z
(c) H0: R = 0 (korelasi bernilai 0, tidak ada hubungan /tidak ada kecocokan)
H1: R 0 (ada korelasi/ada kecocokan, korelasi tidak sama dengan 0)
Uji 2 arah dengan daerah penolakan H0: z < z/2 dan z > z/2

16

Peringkat diberikan tergantung kategori penilaian. Jika ada item yang dinilai ber-peringkat
sama, maka penetapan peringkat seperti dalam Mann-Whitney dapat dilakukan (ambil ratarata peringkatnya!)
2.3.5 Uji Konkordansi Kendal
Pengujian sampel berpasangan ganda (multiple-paired samples). Orang yang
memberi peringkat lebih dari 2.
Statistik Uji yang digunakan : 2 (chi kuadrat) dengan derajat bebas (db) = n-1
Notasi yang digunakan :
n = banyak pasangan data, n 8
R = jumlah peringkat
k = banyak orang yang memberi peringkat (k >2)

Statistik Uji

2.3.6 Uji Run(s)


Uji Run(s) digunakan untuk menguji keacakan dalam suatu sampel. Run adalah satu
atau lebih lambang-lambang yang identik yang didahului atau diikuti oleh suatu lambang
yang berbeda atau tidak ada lambang sama sekali.
Misal : LLL PPP L P L PPPP L P LLLLLL
Run ke 1

2 3 45

7 8

terdapat 9 runs

Statistik Uji yang digunakan = z


Notasi yang digunakan
n1 = banyak lambang 1 dalam sampel n1 > 10
n2 = banyak lambang 2 dalam sampel n2 > 10
n = n1 + n2
nr = banyak run(s)

17

Rata-rata Run(s) =
Standar Deviasi Run(s) =
Statistik Uji z =
Penetapan H0
H0: Susunan Acak (Random)
H1: Susunan Tidak Acak (Tidak Random)
Uji 2 arah dengan daerah penolakan H0: z < z/2 dan z > z/2
Contoh :
Berikut ini merupakan kecepatan (dalam mil per jam) Dimana setiap lima penumpang
mobil berhenti pada tempat tertentu dan waktu tertentu :
46 53 60 56 70 66 48 54 62 41
39 52 45 62 53 69 65 65 67 76
52 52 59 67 59 51 46 61 40 43
42 77 67 63 59 63 63 72 57 59
42 56 47 62 67 70 63 66 69 73
Test the null hypotesys of randomness at the 0,05 level of significance ; ujilah hipotesis nol
yang menyatakan bahwa data tersebut diambil secara Random dengan tingkat kepercayaan
0,05.
Jawab :
Urut terlebih dahulu data yang telah di dapat : Kita Gunakan cara Steam & Leaf Diagram
atau biasa disebut Diagram Batang Daun untuk memudahkan dalam
mengurutkan Banyak Data :

18

Total Run = 30
Kemudian kita tulis :
39 40 41 42 42 43 45 46 46 47
48 51 52 52 52 53 54 56 56 57
58 59 59 59 59 60 61 62 62 62
63 63 63 63 65 65 66 66 67 67
67 67 69 69 70 70 72 73 76 77
Diketahui dari daa yang telah di urutkan :

Nilai Median :

Nilai n1 dan n2 :

Maka didapat :

Kemudian Cari Run setelah Median diketahui Dengan :


Memberi Tanda (+) Pada Nilai yang berada di atas Median
19

Memberi Tanda (-) Pada Nilai yang berada di bawah


Median
Yaitu :
46 53 60 56 70 66 48 54 62 41
39 52 45 62 53 69 65 65 67 76
52 52 59 67 59 51 46 61 40 43
42 77 67 63 59 63 63 72 57 59
42 56 47 62 67 70 63 66 69 73
Berarti, Jumlah Run Pada Data yang sudah Di ubah tandanya, ada 20 Run.

20

BAB III
PENUTUP
3.1 Kesimpulan
Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk
sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik
biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya
tidak berdistribusi normal.

Statistik non-parametrik termasuk salah satu bagian dari

statistik inferensi atau statistik induktif. Uji statistik non-parametrik sering juga disebut
statistik bebas distribusi (distribution-free statistics), karena prosedur pengujiannya tidak
membutuhkan asumsi bahwa pengamatan berdistribusi normal.

3.2 Saran
Terdapat banyak ragam perhitungan uji Statistika Non-parametrik lainnya, mahasiswa
diharapkan lebih mendalami berbagai teknik perhitungan Statistika Non Parametrik
tersebut.

21

DAFTAR PUSTAKA

Supranto. 2009. Statistika Teori dan Aplikasi. Jakarta ; Erlangga


Jamilah.2013. Statistik Non Parametri.

http://jamilah.staff.gunadarma.ac.id/Downloads/files/33355. 6 Juni 2014


Yuliana.2013.Makalah Statistika. http://lecturer.eepis-its.edu/~yuliana/statistik. 6

Juni 2014
Fardi, Adnan, dkk. 2012. Modul Diklat Fungsional Statistisi Tingkat Ahli. Padang :
UNP

22