Statistika

parametrik adalah
prosedur yang pengujian yang
dilakukan berlandaskan distribusi.
Salah satu karakteristiknya
penggunaan prosedur ini melibatkan
asumsi-asumsi tertentu. Contoh dari
statistik parametrik adalah analisis
regresi, analisis korelasi, analisis
varians.

Statistika non parametrik adalah prosedur dimana

kita tidak melibatkan parameter serta tidak
terlibatnya distribusi. Contoh : uji keacakan, uji
kecocokan (goodness of fit),dll.
Kelebihan statistika non parametrik
Asumsi yang digunakan dalam jumlah yang
minimum maka kemungkina penggunaan secara
salah juga kecil.
Untuk beberapa prosedur perhitungan dapat
dilakukan dengan mudah secara manual.
Konsep-konsep dari prosedur ini menggunakan
dasar matematika dan statistika yang mudah
dipahami.
Prosedur ini dapat digunakan pada skala ordinal
maupun nominal.

 Jika

suatu kasus yang dapat dianalisis

dengan statistika parametrik, kemudian
digunakan analisis statistika non
parametrik akan menyebabkan
pemborosan informasi.

Meskipun

prosedur penghitungannya
sederhana, perhitungannya kadangkadang membutuhkan banyak tenaga
dan menjemukan.

 Bila

hipotesis yang harus diuji tidak

melibatkan suatu parameter
populasi.

Bila

skala pengukuran yang

disyaratkan dalam statistika
parametrik tidak terpenuhi misalnya
skala ordinal dan nominal.

 Nominal
Ordinal
Interval
Rasio

(paling rendah)

Uji normalitas adalah uji yang dilakukan untuk

mengecek apakah data penelitian kita berasal
dari populasi yang sebarannya normal.

Uji ini perlu dilakukan karena semua

perhitungan statistik parametrik memiliki
asumsi normalitas sebaran.

Formula/rumus yang digunakan untuk

melakukan suatu uji (t-test misalnya) dibuat
dengan mengasumsikan bahwa data yang
akan dianalisis berasal dari populasi yang
sebarannya normal.

Data yang normal memiliki kekhasan seperti

mean, median dan modusnya memiliki nilai
yang sama.

Selain itu juga data normal memiliki bentuk

kurva yang sama, bell curve.

dengan mengasumsikan bahwa data dalam

bentuk normal ini, analisis statistik baru bisa
dilakukan.

cara melakukan uji asumsi normalitas ini yaitu

menggunakan analisis Chi Square dan
Kolmogorov-Smirnov.

1. pertama komputer memeriksa data

kita, kemudian membuat sebuah data
virtual yang sudah dibuat normal.
2. kemudian komputer seolah-olah
melakukan uji beda antara data yang
kita miliki dengan data virtual yang
dibuat normal tadi.

 3.

dari hasil uji beda tersebut, dapat

disimpulkan dua hal :
jika p lebih kecil daripada 0,05 maka

dapat disimpulkan bahwa data yang kita

miliki berbeda secara signifikan dengan
data virtual yang normal tadi. Ini berarti
data yang kita miliki sebaran datanya
tidak normal.

jika p lebih besar daripada 0,05 maka

dapat disimpulkan bahwa data yang kita
miliki tidak berbeda secara signifikan
dengan data virtual yang normal. Ini
berarti data yang kita miliki sebaran
datanya normal juga.

 data

yang tidak normal tidak selalu

berasal dari penelitian yang buruk.
Data ini mungkin saja terjadi karena
ada kejadian yang di luar kebiasaan.
Atau memang kondisi datanya
memang tidak normal.

Contoh

: pendapatan penduduk di
komplek Bukit Indah Sukajadi atau Villa
Panbil atau apartemen Harmoni.

Kita perlu ngecek apakah ketidaknormalannya

parah /idak. Memang tidak ada patokan pasti
tentang keparahan ini. Tapi kita bisa mengira-ira
jika misalnya nilai p yang didapatkan sebesar
0,049 maka ketidaknormalannya tidak terlalu
parah (nilai tersebut hanya sedikit di bawah
0,05).

Jika ketidaknormalannya tidak terlalu parah

lalu kenapa? Ada beberapa analisis statistik
yang agak kebal dengan kondisi ketidaknormalan
ini (disebut memiliki sifat robust), misalnya F-test
dan t-test. Jadi kita bisa tetap menggunakan
analisis ini jika ketidaknormalannya tidak parah.

Kita bisa membuang nilai-nilai yang

ekstrem, baik atas atau bawah. Nilai
ekstrem ini disebut outliers.

Pertama kita perlu membuat grafik,

dengan sumbu x sebagai frekuensi dan y
sebagai semua nilai yang ada dalam
data kita (ini tentunya bisa dikerjakan
oleh komputer).

 Dari

sini akan terlihat nilai mana yang

sangat jauh dari kelompoknya (tampak
sebagai sebuah titik yang nun jauh di
sana dan nampak terasing...sendiri...).

Nilai

inilah yang kemudian perlu

dibuang dari data kita, dengan asumsi
nilai ini muncul akibat situasi yang tidak
biasanya. Misal responden yang mengisi
skala kita dengan sembarang yang
membuat nilainya jadi sangat tinggi
atau sangat rendah.

mentransform data kita. Ada banyak cara

untuk mentransform data kita, misalnya
dengan mencari akar kuadrat dari data kita,
dll.

Bagaimana jika semua usaha di atas tidak

membuahkan hasil dan hanya
membuahkan penyesalan (wah..wah..
nggak segitunya kali ya?)

 Maka

langkah terakhir yang bisa kita

lakukan adalah dengan menggunakan
analisis non-parametrik. Analisis ini disebut
juga sebagai analisis yang distribution free.

Sayangnya

analisis ini seringkali mengubah

data kita menjadi data yang lebih rendah
tingkatannya. Misal kalo sebelumnya data
kita termasuk data interval dengan analisis
ini akan diubah menjadi data ordinal.

Prosedur pengujian normalitas data :

1.Merumuskan formula hipotesis
Ho : Data berdistribusi normal
Ha : Data tidak berdistribusi normal
2. Menentukan taraf nyata (a)
Untuk mendapatkan nilai chi-square tabel

dk = k 3
dk = Derajat kebebasan
k = banyak kelas interval

 3.

Menentukan Nilai Uji Statistik

Keterangan

:
Oi = frekuensi hasil pengamatan pada
klasifikasi ke-i
Ei = Frekuensi yang diharapkan pada
klasifikasi ke-i

4. Menentukan Kriteria Pengujian Hipotesis

5. Memberikan

kesimpulan

Hasil pengumpulan data mahasiswa yang

mendapat nilai ujian Statistik Sosial, yang
diambil secara acak sebanyak 64. Dicatat
dalam daftar distribusi frekuensi. Hasilnya
sebagai berikut :
Ujilah apakah data tersebut
berdistribusi normal atau tidak
dengan a = 0,05 ?

 1.

Menentukan mean

2. Menentukan Simpangan baku

3. Membuat daftar distribusi frekuensi

yang diharapkan

(2) Mencari nilai Z-score untuk

batas kelas interval

(3) Mencari luas 0 Z dari tabel kurva normal

(4) Mencari luas tiap kelas interval

(5) Mencari frekuensi yang diharapkan (Ei)

Tabel frekuensi yang diharapkan dan

pengamatan

4) Merumuskan formulasi hipotesis

Ho : Data berdistribusi normal
Ha : Data tidak berdistribusi normal
5) Menentukan taraf nyata dan chikuadrat tabel

6) Menentukan kriteria pengujian

7) Mencari Chi-kuadrat hitung

 Karena

chi-kuadrat hitung = 3,67 <

9,49 = chi-kuadrat, maka Ho gagal
ditolak

Jadi,

data tersebut berdistribusi

normal untuk taraf nyata 5%