BAB I

PENDAHULUAN

1.1

Latar Belakang
Pada kenyataannnya sangatlah sulit untuk mendapatkan sampel yang memenuhi asumsi

mempunyai distribusi tertentu. Kebanyakan sampel yang diperoleh hanyalah sebatas menedekati
tertentu. Oleh karena itu, kemudian dikembangkan suatu teknik inferensi yang tidak memerlukan
uji asumsi-asumsi tertentu memgenai distribusi sampelnya,dan juga tidak memerlukan uji
hipotesis yang berhubungan dengan parameter populasinya. Teknik ini dikenal dengan parametri
bebas distribusi atau statistika non parametrik.
Sedangkan 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.
Dalam dunia statistika banyak cara mengumpulkan data sebagai dasar dalam melakukan
penelitian. Pengumpulan data ini dilakukan agar peneliti dapat memperoleh data-data yang
dibutuhkan, mencari hubungan dari variabel-variabel yang diteliti, memprediksi masa depan dan
sebagainya untuk kebutuhan penelitian.
Metode Statistika Non Parametrik pengambilan kesimpulan dapat ditarik tanpa
memperhatikan bentuk distribusi populasi. Sedangkan Penelitian Survei, disgunakan untuk
pengambilan data dari suatu populasi dengan menggunakan media kuesioner sebagai alat
pengumpul data yang pokok. Statistika menggunakan metode penelitian survei dalam
mengumpulkan data sebagai dasar penelitian dan menggunakan Statistika Non Parametrik untuk

FAKULTAS KEDOKTERAN UISU

mengatasi pemecahan data yang memiliki ukuran sampel kecil dan asumsi-asumsi yang kurang
dimiliki oleh peneliti.
Ini digunakan agar pendapat dari suatu populasi tersebut dapat diolah sebagai data statistik dan
kita dapat memprediksi masa depan dan sebagainya seperti yang disebutkan di atas.

1.2.

Rumusan Masalah
1.
2.
3.
4.

1.3.

Apa yang dimaksud dengan uji statistik?

Bagaimana pembagian dari uji statistik ?
Apa yang di maksud dengan dengan uji parametrik ?
Apa yang dimaksud dengan uji non parametrik ?

Tujuan Makalah
1.
2.
3.
4.

1.4.

Mampu mengetahui pengertian uji statistik

Mampu mengetahui pembagian dari uji statistik
Mampu mengetahui uji parametrik
Mampu mengetahui uji non parametrik

Manfaat Makalah
Manfaat penulisan makalah ini adalah untuk

mengetahui tentang uji statistik serta

pembagian nya dan mengetahui uji parametrik dan non parametrik.

BAB II
FAKULTAS KEDOKTERAN UISU

PEMBAHASAN

2.1.

Pengertian Uji Statistik

Statistika adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan data,

pengolahan atau penganalisaannya, dan penarikan kesimpulan berdasarkan kumpulan data dan
penganalisaan yang dilakukan.

2.2.

Klasifikasi Uji Statistik

Statistika dikelompokkan dalam dua kelompok yaitu statistika deskriptif dan statistika

inferensia. Statistika deskriptif adalah statistik yang berkenaan dengan metode atau cara
mendeskripsikan, menggambarkan, menjabarkan, atau menguraikan data. Statistik deskriptif
mengacu pada bagaimana menata atau mengorganisasi data, menyajikan, dan menganalisis data.
Menata, menyajikan, dan menganalisis data dapat dilakukan misalnya dengan menentukan nilai
rata-rata hitung dan persen / proposisi. Cara lain untuk menggambarkan data adalah dengan
membuat tabel, distribusi frekuensi, dan diagram atau grafik.
Sedangkan pengertian Statistik inferensial adalah statistik yang berkenaan dengan cara
penarikan kesimpulan berdasarkan data yang diperoleh dari sampel untuk menggambarkan
karakterisktik atau ciri dari suatu populasi. Dengan demikian dalam statistik inferensial
dilakukan suatu generalisasi (perampatan atau memperumum) dan hal yang bersifat khusus
(kecil) ke hal yang lebih luas (umum). Oleh karena itu, statistik inferensial disebut juga statistik
induktif atau statistik penarikan kesimpulan. Pada statistik inferensial biasanya dilakukan
pengujian hipotesis dan pendugaan mengenai karakteristik (ciri) dari suatu populasi, seperti
mean dan Uji t.
Statistika inferensia ada dua macam, yaitu statistika parametrik dan statistika non
parametrik. Suatu hipotesis statistika merupakan pernyataan tentang fungsi peluang dari suatu
atau lebih peubah acak. Hipotesis dikatakan sederhana apabila pernyataan menunjukkan ciri
populasi secara lengkap. Bila tidak, hipotesis dikatakan majemuk. Hipotesis yang dipelajari yaitu
FAKULTAS KEDOKTERAN UISU

hipotesis nol (H0) dan hipotesis yang merupakan konklusi apabila hipotesis nol ditolak adalah
hipotesis tandingan (H1).
Secara umum ada tiga bentuk hipotesis:
1.

Hipotesis dua pihak (two tailed)

H0 : = 0
H1 : 0
2.

Hipotesis sepihak (kanan)

H0 : 0
H1 : > 0
3.

Hipotesis sepihak (kiri)

H0 : 0
H1 : < 0

Data dalam Statistik

Data adalah ukuran dari variabel. Data diperoleh dengan mengukur nilai satu atau lebih
variabel dalam sampel (atau populasi). Data dapat diklasifikasikan menurut jenis, menurut
dimensi waktu, dan menurut sumbernya.
Menurut jenisnya, data terdiri dari data kuantitatif dan data kualitatif.
a.

Data kuantitatif adalah data yang diukur dalam suatu skala numerik (angka). Data

kuantitatif dapat dibedakan menjadi:

1)

Data interval, yaitu data yang diukur dengan jarak di antara dua titik pada skala yang

sudah diketahui. Sebagai contoh: IPK mahasiswa (interval 0 hingga 4); usia produktif (interval
15 hingga 55 tahun); suhu udara dalam Celcius (interval 0 hingga 100 derajat).
FAKULTAS KEDOKTERAN UISU

2)

Data rasio, yaitu data yang diukur dengan suatu proporsi. Sebagai contoh: persentase

jumlah pengangguran di Propinsi Sumatera Utara; tingkat inflasi Indonesia pada tahun 2000;
persentase penduduk miskin di Sumatera Utara; pertumbuhan ekonomi Sumatera Utara
b.

Data kualitatif, adalah data yang tidak dapat diukur dalam skala numerik. Namun karena

dalam statistik semua data harus dalam bentuk angka, maka data kualitatif umumnya
dikuantifikasi agar dapat diproses. Kuantifikasi dapat dilakukan dengan mengklasifikasikan data
dalam bentuk kategori. Data kualitatif dapat dibedakan menjadi:
1)

Data nominal, yaitu data yang dinyatakan dalam bentuk kategori. Sebagai contoh,

industri di Indonesia oleh Biro Pusat Statistik digolongkan menjadi:

a)

Industri rumah tangga, dengan jumlah tenaga kerjanya 1-4 orang, yang diberi kategori 1.

b)

Industri kecil, dengan jumlah tenaga 5-19 orang, yang diberi kategori 2.

c)

Industri menengah, dengan jumlah tenaga kerja 20-100 orang, yang diberi kategori 3.

d)

Industri besar, dengan jumlah tenaga kerja lebih dari 100 orang, yang diberi kategori 4.
Angka yang menyatakan kategori ini menunjukkan bahwa posisi data sama derajatnya.

Dalam contoh di atas, angka 4 tidak berarti industri besar nilainya lebih tinggi dibanding industri
kecil yang angkanya 1. Angka ini sekedar menunjukkan kode kategori yang berbeda.
2)

Data ordinal, yaitu data yang dinyatakan dalam bentuk kategori, namun posisi data tidak

sama derajatnya karena dinyatakan dalam skala peringkat. Sebagai contoh, dalam skala likert.
Berdasarkan cara perolehannya data kuantitatif dibedakan menjadi data diskrit dan
data kontinu. Data-data yang diperoleh dari hasil menghitung atau membilang termasuk dalam
data diskrit, sedangkan data-data yang diperoleh dari hasil mengukur termasuk dalam data
kontinu.
Menurut sumbernya kita mengenal data intern dan data ekstern. Data intern adalah
data yang diperoleh dari perusahaan atau instansi yang bersangkutan. Sedangkan data ekstern
diperoleh dari luar instansi atau perusahaan tersebut. Data ekstern dibedakan menjadi data primer
dan data sekunder. Data primer adalah data yang dikeluarkan oleh badan sejenis. Sedangkan data
FAKULTAS KEDOKTERAN UISU

lainnya termasuk data sekunder. Semua data-data yang beru dikumpulkan dan belum pernah
diolah disebut sebagai data mentah.

Populasi dan sampel

Populasi adalah keseluruhan pengamatan yang menjadi perhatian kita baik yang berhingga
maupun tak berhingga jumlahnya. Seringkali tidak praktis mengambil data dari keseluruhan
populasi untuk menarik suatu kesimpulan. Untuk itu dilakukan pengambilan sampel yaitu
sebagian atau himpinan bagian

dari populasi. Sampel yang diambil haris dapat

merepresentasikan populasi yang ada.

Prosedur

pengambialan sampel yang menghasilkan kesimpulan yang konsisten terlalu

tinggi atau terlalu rendah mengenai suatu ciri populasi dikatakan berbias. Untuk menghindari
kemungkinan bias ini perlu dilakukan pengambian contoh acak atau contoh acak sederhana.
Contoh acak sederhana didefinisikan sebagai contoh yang dipilih sedemikian rupa sehingga
setiap himpunan bagian yang berukuran n dari populasi mempunyai peluang terpilih yang sama.

Penyajian Data
Suatu data yang telah diperoleh dan telah diolah, maka dilakukan interpretasi dan penyajian
data tersebut. Secara garis besar ada dua macam cara penyajian data dalam statistika yaitu:
a.

Tabel atau daftar yang dapat berbentuk:

- Daftar baris kolom

- Daftar kontingensi

- Daftar distribusi frekuensi

b.

Grafik atau diagram yang terbagi menjadi:

- Diagram batang atau balok

FAKULTAS KEDOKTERAN UISU

- Diagram garis atau grafik

- Diagram lingkaran, dll

Pengolahan data
Setelah data kuantitatif diperoleh, maka dilakukan pengolahan data dan pengujian beberapa
hipotesis. Pengolahan data yang dilakukan adalah mencari ukuran pemusatan data, dalam hal ini
adalah mean dan mencari ukuran penyebaran data dalam hal ini variance dan simpangan baku.
Setelah itu, baru dilakukan pengujian normalitas, homogenitas dan uji hipotesis. Ketika data
terdistribusi normal maka dapat dilakukan pengujian parametik dan sebaliknya ketika data tidak
terdistribusi normal maka dapat dilakukan pengujian nonparametik

2.3.

Uji Non Parametrik

Istilah nonparametrik sendiri pertama kali digunakan oleh Wolfowitz, 1942. Istilah lain

yang sering digunakan antara lain distribution-free statistics dan assumption-free test. Dari
istilah-istilah ini, dengan mudah terlihat bahwa metode statistik nonparametrik merupakan
metode statistik yang dapat digunakan dengan mengabaikan segala asumsi yang melandasi
metode statistik parametrik, terutama yang berkaitan dengan distribusi normal.
Prosedur nonparametrik atau bebas-distribusi sekarang ini semakin banyak digunakan
karena data yang disajikan tidak dalam sebagai nilai pada kontinu tetapi dalam skala ordinal
sehingga wajar menyajikannya dalam bentuk rang. Pada statistika nonparametrik dapat
digunakan untuk menganalisis data yang berskala ordinal dan nominal.
Skala ordinal yaitu lambang lambang bilangan hasil pengukuran menunjukkan urutan
atau tingkatan obyek yang diukur menurut karakteristik yang dipelajari. Sedangkan skala
nominal adalah skala yang merupakan kategori atau kelompok dari suatu subyek. Misal, variabel
jenis kelamin responden dikelompokkan menjadi dua, yaitu L dan P, masing masing diberi
kode 1 dan 2.
Kebanyakan statistik uji nonparametrik menggunakan konsep count dan rank dalam
perhitungannya. Untuk pengujian dengan sampel berukuran kecil, tiap pengujian memiliki tabel
FAKULTAS KEDOKTERAN UISU

pembanding masing masing. Tabel eksak dari tiap tabel pembanding ini belum tentu mudah
untuk dibuat. Untuk pengujian dengan ukuran contoh yang besar, beberapa statistik uji
nonparametrik memiliki sebaran asimtotik yang biasanya normal baku atau chi-kuadrat.

Ciri-ciri Uji Non Parametrik

Ciri-ciri statistik non-parametrik :
- Data tidak berdistribusi normal
- Umumnya data berskala nominal dan ordinal
- Umumnya dilakukan pada penelitian sosial
- Umumnya jumlah sampel kecil.

Kelebihan dan Kekurangan Statistika Nonparametrik

Berikut beberapa keuntungan yang dapat diperolah apabila kita memilih prosedur nonparametrik
daripada prosedur parametrik :
a. Jika ukuran sampel kita kecil, tidak ada pilihan lain yang lebih baik daripada menggunakan
metode statistika nonparametrik, kecuali jika distribusi populasi jelas normal.
b. Karena memerlukan sedikit asumsi, umunya metode nonparametrik lebih relevan pada situasisituasi tertentu, sehingga kemungkinan penerapannya lebih luas. Disamping itu, kemungkinan
digunakan secara salah (karena pelanggaran asumsi) lebih kecil daripada metode parametrik.
c. Metode nonparametrik dapat digunakan meskipun data diukur dalam skala ordinal.
d. Metode nonparametrik dapat digunakan meskipun data diukur dalam skala nominal
(katagorikal). Sebaliknya tidak ada teknik parametrik yang dapat diterapkan untuk data nominal.

FAKULTAS KEDOKTERAN UISU

e.

Beberapa uji statistik nonparametrik dapat menganalisis perbedaan sejumlah sampel.

Beberapa uji statistik parametrik dapat dipakai untuk menganalisi persoalan serupa tetapi
menuntut pemenuhan sejumlah asumsi yang hampir tidak mungkin diwujudkan.
f. Uji statistik nonparametrik mudah dilakukan meskipun tidak terdapat komputer (dapat
dianalisa secara manual). Analisis data dapat diselesaikan hanya dengan menggunakan kalkulator
tangan. Oleh karena itu, metode nonparametrik pantas disebut teknologi tepat guna yang masih
dibutuhkan di negara negara berkembang (dan terbelakang).
g. Pada umumnya para peneliti dengan dasar matematika yang kurang merasakan bahwa konsep
dan metode nonparametrik mudah dipahami.
Selain kelebihan metode nonparametrik diatas, ditemukan pula kelemahan dari metode ini, yaitu:
a. Fleksibilitas terhadap skala pengukuran variabel kadang kadang mendorong peneliti
memilih

metode

nonparametrik,

meskipun

situasinya

memungkinkan

untuk

menggunakan metode parametrik. Karena didasarkan asumsi yang lebih sedikit, metode
nonparametrik secara statistik kurang kuat dibandingkan metode parametrik.
b. Jika asumsi untuk metode parametrik terpenuhi, dengan ukuran sampel yang sama,
metode nonparametrik kurang memiliki kuasa dibandingkan metode parametrik.
c. Penyederhanaan data dari skala rasio atau interval ke dalam ordinal atau nominal
meskipun merupakan pemborosan (detail) informasi yang sudah dikumpulkan.
d. Meski konsep dan prosedur nonparametrik sederhana, tetapi pekerjaan hitung
menghitung bisa membutuhkan banyak waktu jika ukuran sampel yang dianalisis besar.

Penggunaan Statistika Nonparametrik

Berikut ini akan dijelaskan pedoman penggunaan uji statistika nonparametrik dalam
pengambilan keputusan.

APLIKASI
Dua

sampel

berhubungan

TEST PARAMETRIK
saling Uji T

TEST
NONPARAMETRIK
Sign Test
Wilcoxon Signed-Rank

Uji Z

Mc Nemar Change Test

FAKULTAS KEDOKTERAN UISU

Dua

sampel

Mann-whitney U test

tidak Uji T

berhubungan

Moses Extreme Reactions

Uji Z

Chi-square test

Kolmogorov-Smirnov
Test

Beberapa

Walt-Wolfowitz runs
Freidman test

sampel

Kendall W test

berhubungan

Cochrans Q
Beberapa sampel tidak Uji ANOVA (Uji F)

Kruskal-Wallis test

berhubungan

Chi-square test
Median test

Macam
Data

NOMINA

BENTUK HIPOTESA
1 sampel Komparatif 2 sampel

Binomial

Dependen

sampel
Independen Depende

Independen

McNemar

Fisher

n
Cochran

Chi-square

Exact

L
ChiORDINAL

square
Run test

Komparatif lebih dari 2 Asosiatif/hubungan

Koefisien
Kontingensi (C)

Chi-square
Sign test

Median

Median

Korelasi Sparman

test

Extention

Rank

Kruskal-

Korelasi

Wallis

Tau

Wilcoxon Mann
Matched

Whitney

Pairs

test

Friedman
U

Kolmogorov
-Smirnov

FAKULTAS KEDOKTERAN UISU

10

Kendal

Wald
Wolfowitz

Metode Statistika Nonparametrik

Berikut ini akan dijelaskan beberapa metode pengambilan keputusan yang termasuk dalam uji
statistika nonparametrik.
a.

Uji Tanda
Uji tanda digunakan untuk menguji hipotesis mengenai median populasi. Dalam banyak

kasus prosedur nonparametrik, rataan digantikan oleh median sebagai parameter lokasi yang
relevan untuk diuji.
Uji tanda juga mempunyai asumsi dimana asumsinya adalah distribusinya bersifat
binomial. Binomial artinya mempunyai dua nilai. Nilai ini dilambangkan dengan tanda, yaitu
positif dan negatif. Ini mengapa ia disebut uji tanda.
Uji tanda banyak digunakan karena uji ini paling mudah untuk dilakukan pengujiannya
dan tidak memakan waktu yang lama. Pengerjaan pengujian ini terbilang cukup mudah. Apabila
setiap nilai pengamatan memiliki nilai lebih besar dari nilai rataannya maka diganti dengan tanda
(+). Sedangkan, apabila setiap nilai pengamatan memiliki nilai kurang dari nilai rataannya maka
diganti dengan tanda (-). Dan, apabila nilai pengamatannya sama dengan nilai rataannya maka
nilai pengamatan tersebut harus dibuang.
Pengujian uji tanda yang pertama dilakukan adalah menentukan hipotesis nolnya beserta
dengan hipotesis tandingannya. Tentukan pula taraf nyatanya beserta nilai proporsi peubah
binomial X-nya. Kemudian melakukan penghitungan Z hitung (apabila jumlah sampel lebih dari
30) dengan nilai n merupakan jumlah data pengamatan setelah dibandingkan dengan nilai
rataannya dan nilai x adalah jumlah data pengamatan dengan tanda (+). Dengan begitu nilai Z
akan didapat dan nilai P (proporsi)nya dapat ditentukan. Keputusan H0 akan ditolak apabila nilai
P yang didapat lebih kecil atau sama dengan nilai taraf nyatanya.

FAKULTAS KEDOKTERAN UISU

11

b.

Uji Rang-Tanda
Uji Rang-Tanda dicetuskan oleh Frank Wilcoxon pada tahun 1945 dan saat ini disebut

sebagai uji rang-tanda Wilcoxon. Uji ini memanfaatkan baik tanda maupun besarnya selisih. Uji
rang-tanda Wilcoxon digunakan untuk kasus dua sampel yang dependen bila skala ukur
memungkinkan kita menentukan besar selisih yang terjadi, jadi bukan sekedar hasil pengamatan
yang berbeda saja.
Uji rang-tanda Wilcoxon cocok digunakan bila kita dapat mengetahui besarnya selisih
antara pasangan-pasangan harga pengamatan X1 dan Y1 berikut arah selisih yang bersangkutan.
Apabila kita dapat menentukan besarnya setiap selisih, maka kita dapat menetapkan peringkat
untuk masing-masing selisih itu. Melalui penyusunan peringkat selisih selisih inilah uji
Wilcoxon memanfaatkan informasi tambahan yang tersedia.

Asumsi :
-

Data untuk analisis terdiri atas n buah beda. D1 = Y1 X1

Sampel X dan sampel Y adalah Variabel- variable acak kontinyu dan beda X1 - Y1, X2

-Y2dst bersifat kontinyu pula.

Hipotesis nol yang di uji menyatakan bahwa median perbedaan pasangan nilai
pengamatan kedua sampel sama dengan nol.

Langkah langkah uji rang-tanda Wilcoxon :

1.

Asumsikan bahwa populasi perbedaan pasangan nilai pengamatan kedua sampel adalah

variable acak kontinyu.

2.

Hipotesis
Uji satu sisi :

a. Ho : W (+) = W (-)
b. Ho : W (+) = W (-)

Hi : W (+) > W (-)

Hi : W (+) < W (-)

FAKULTAS KEDOKTERAN UISU

12

Uji dua sisi :

Ho : W (+) = W (-)

Hi : W (+) W (-)

W (+) : Jumlah semua peringkat selisih pasangan pengamatan (Wi, Yi) yang bertanda positif.
W (-) : Jumlah semua peringkat selisih pasangan pengamatan (Wi, Yi) yang bertanda negative

3. Untuk setiap pasangan nilai pengamatan (Xi, Yi), hitung perbedaannya (di = Xi Yi).
4. Berikan peringkat terhadap perbedaan nilai pasangan pengamatan, mulai dari peringkat 1
untuk perbedaan terkecil hingga peringkat n untuk perbedaan terbesar. Bila terdapat perbedaan
nilai pasangan yang sama, perbedaan pasangan nilai yang sama di beri peringkat rata-ratanya .
untuk beda nol, tidak diperhatikan.
5. Bubuhkan tanda kepada peringkat yang sudah dibuat itu: positif atau negative sesuai dengan
tanda perbedaan nilai pengamatan aslinya.
6. Hitung banyaknya di yang bertanda positif (disebut W+) dan negative (disebut W_).
7. Statistik uji peringkat bertanda Wilcoxon ialah W. M yang dipakai ialah W+ atau W_ yang
nilainya lebih kecil :
8. W+ = Ri (Semua peringkat positif) dan

W-= Ri(Semua peringkat Negatif)

Hipotesa nol ditolak apabilai nilai W+, W-, atau W lebih kecil atau sama dengan nilai di tabel
yang sesuai.

c.

Uji Jumlah-rang

Uji ini dilakukan apabila ingin menguji kesamaan rataan dua distribusi yang kontinu yang jelas
tidak normal dan sampelnya bebas.
Menguji

Tandingan

H0

H1

FAKULTAS KEDOKTERAN UISU

Hitunglah

13

1 = 2

1 < 2

1 > 2

Misalkan n1 banyaknya pengamatan dalam sampel yang lebih kecil, dan n2 banyaknya
pengamatan dalam sampel yang lebih besar. Urutkanlan n1 dan n2 pengamatan dari kecil ke
besar dan beri peringkat. Bila terdapat yang seri, maka pengamatan tersebut diganti dengan
dengan rataan rangnya jika keduanya dapat dibedakan (tidak seri).
Jumlah rang yang berasal dari n1 pengamatan dalam sampel yang lebih kecil dinyatakan
dengan w1. Dan w2 merupakan jumlah rang yang berasal dari n2 pengamatan dalam sampel
yang lebih besar.
Apabila nilai w1 sudah ditemukan maka nilai w2 dapat dicari. Seperti rumus dibawah ini,
w1 + w2 =
w2 = - w1
Untuk pengujian ekasisi, hipotesis nol 1 = 2 ditolak dan diterima tandingannya 1 < 2
apabila w1 kecil dan w2 besar. Begitu pula, tandingan 1 > 2 dapat diterima jika w1 besar dan
w2 kecil. Untuk pengujian dwisisi, tandingan 1 2 diterima bila minimum dari w1 dan w2
cukup kecil.
d.

Uji Kruskal Wallis

Uji Kruskal Wallis sering pula disebut Uji H Kruskal Wallis, adalah rampatan uji

jumlah rang (dwisampel Wilcoxon) untuk sejumlah sampel k>=2. Uji ini digunakan untuk
menguji hipotesis nol bahwa k sampel bebas berasal dari populasi yang sama. Diperkenalkan
oleh W.H. Kruskal dan W.A. Wallis pada tahun 1945, uji ini merupakan padanan cara
nonparametrik untuk menguji kesamaan rataan dalam analisis variansi ekafaktor bila si pencoba
ingin menghindari bahwa sampel berasal dari populasi normal.

FAKULTAS KEDOKTERAN UISU

14

Uji ini mirip dengan uji Anova pada data parametrik hanya saja tidak dipenuhi anggapan
k kenormalan dari data. Analisis yang digunakan berdasarkan Rij yaitu ranking data, bukan data
itu sendiri.
Langkah langkah uji Kruskal - Wallis :
1.
2.
3.
4.

H0 : Semua K populasi adalah identic

H1 : Tidak semua K populasi identic
Tentukan taraf nyatanya.
Tentukan daerah kritisnya dengan menggunakan tabel chi-kuadrat. Dengan derajat

kebebasan v = k-1
5. Melakukan perhitungan uji kruskal wallis
Dengan ni merupakan jumlah data pengamatan disetiap sampel dan ri merupakan jumlah rang
dalam satu sampel data pengamatan.
6. Bila nilai h jatuh dalam daerah kritis pada tabel, dengan derajat kebebasan v = k 1,
tolak H0 pada taraf nyata. Dan terima H0 jika tidak jatuh dalam daerah kritis pada tabel.

Contoh metode analisis non parametrik

Kedua metode ini tentu memiliki konsekuensi terhadap pendekatan analisis yang digunakan.
Untuk menganalisis pengaruh suatu variabel penyebab terhadap variabel respon, biasanya kita
menggunakan analisis regresi linier sederhana atau berganda. Dalam metode non parametrik,
metode tersebut tidak lagi relevan. Pendekatan yang cocok adalah regresi non parametrik.
Begitu pun ketika kita menganalisis hubungan antara dua variabel. Biasanya kita
menggunakan analisis korelasi Pearson Product Moment. Namun, dalam metode non parametrik
analisis korelasi lebih dikenal dengan korelasi Rank spearman. Teknik perhitungannya berbeda.
Dalam Rank spearman, kita terlebih dahulu membuat ranking dari data yang akan dikorelasikan
sementara dalam Pearson product moment tidak dilakukan. Metode korelasi non parametrik
populer lainnya adalah Kendall Tau.
Ketika kita hendak melakukan uji perbandingan antara kelompok, maka metode analisis yang
digunakan dalam statistik parametrik adalah uji t (ketika yang kita bandingkan 2 kelompok), atau
FAKULTAS KEDOKTERAN UISU

15

uji anova (ketika kelompok yang kita bandingkan lebih dari 2). Berbeda dengan statistik
parametrik, dalan non parametrik ada uji Kruskall wallis yang sebaiknya digunakan.

Keterbatasan Statistik Nonparametrik

Disamping keunggulan, statistik nonparametrik juga memiliki keterbatasan. Beberapa
keterbatasan statistik nonparametrik antara lain:
a. Jika asumsi uji statistik parametrik terpenuhi, penggunaan uji nonparametrik meskipun
lebih cepat dan sederhana, akan menyebabkan pemborosan informasi.
b. Jika jumlah sampel besar, tingkat efisiensi nonparametrik relatif lebih rendah
dibandingkan dengan metode parametrik.
c. Statistik nonparametrik tidak dapat dipergunakan untuk membuat prediksi (peramalan).

2.4.

Uji Parametrik
Parametrik berarti parameter. Parameter adalah indikator dari suatu distribusi hasil

pengukuran. Indikator dari distribusi pengukuran berdasarkan statistik parametrik digunakan

untuk parameter dari distribusi normal. Distribusi normal dikenal juga dengan istilah Gaussian
Distribution. Distribusi normal mengandung dua parameter, yaitu rata-rata (mean) dan ragam
(varians). Parameter-parameter ini memberikan karakteristik yang unik pada suatu distribusi
berdasarkan lokasi-nya (central tendency). Berbagai metode statistik mendasarkan
perhitungannya pada kedua parameter tersebut.
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.
FAKULTAS KEDOKTERAN UISU

16

 Karateristik Uji Parametrik

Ciri-ciri statistik parametrik :
a.

Data dengan skala interval dan rasio

b.

Data menyebar/berdistribusi normal

Penggunaan metode statistik parametrik mengikuti prinsip-prinsip distribusi normal. Prinsipprinsip dari distribusi normal adalah:
A. Distribusi dari suatu sampel yang dijadikan obyek pengukuran berasal dari distribusi
populasi yang diasumsikan terdistribusi secara normal.
B. Sampel diperoleh secara random, dengan jumlah sampel yang dianggap dapat mewakili
populasi.
C. Distribusi normal merupakan bagian dari distribusi probabilitas yang kontinyu
(continuous probability distribution). Implikasinya, skala pengukuran pun harus
kontinyu. Skala pengukuran yang kontinyu adalah skala rasio dan interval. Kedua skala
ini memenuhi syarat untuk menggunakan uji statistik parametrik.
Bila syarat-syarat ini semua terpenuhi, maka metode statistik parametrik dapat digunakan.
Namun, jika data tidak menyebar normal maka metode statistik nonparametrik dapat digunakan.
Apa yang dapat dilakukan jika data tidak menyebar normal, namun statistik parametrik ingin
tetap digunakan. Untuk kasus ini data sebaiknya ditransformasikan terlebih dahulu. Transformasi
data perlu dilakukan agar data mengikuti sebaran normal. Transformasi dapat dilakukan dengan
mengubah data ke dalam bentuk logaritma natural, menggunakan operasi matematik (membagi,
menambah, atau mengali dengan bilangan tertentu), dan mengubah skala data dari nominal
menjadi interval.

Konsep dalam statistika

FAKULTAS KEDOKTERAN UISU

17

Sebelum menggunakan statistika nonparametrik ada beberapa konsep atau pengertian dasar yang
perlu diketahui. Hal ini sangat dibutuhkan dalam rangka memudahkan memahami proses, teknikteknik, dan prosedur yang tersedia. Selain itu, akan memudahkan pula manakala kita harus
memilih dan menggunakan teknik-teknik yang paling tepat serta sesuai dengan disain penelitian
yang dilaksanakan, sehingga tidak akan terjadi kesalahan dalam menginterpretasikan hasil-hasil
pengujiannya. Beberapa konsep dan pengertian-pengertian yang perlu dipahami antara lain:
a.

Obyek Penelitian : Merupakan suatu obyek yang kita teliti karakteristiknya. Misalnya,

penduduk seandainya semua orang yang menempati wilayah tertentu yang kita teliti.
b.

Variabel : Adalah karakteristik dari obyek penelitian yang memiliki nilai bervariasi.

Misalnya, jenis kelamin: laki-laki dan perempuan. Status ekonomi: tinggi, sedang, rendah.
c.

Variabel Bebas/Independent : Dalam hubungan antar dua atau lebih variabel, variable

bebas merupakan variabel yang dapat mempengaruhi variabel lainnya. Misalnya; variabel X
dengan variabel Y, yang menggambarkan variabel X mempengaruhi variabel Y, maka X disebut
variabel bebas.
d.

Variabel Tak Bebas/Dependent : Dalam hubungan antar dua atau lebih variabel, variable

tak bebas merupakan variabel yang dipengaruhi oleh variabel lainnya. Misalnya; variabel X
dengan variabel Y, yang menggambarkan variabel Y dipengaruhi oleh variabel X, maka Y
disebut variabel tak bebas.
e.

Data : fakta, baik berbentuk kualitatif maupun kuantitatif. Data kualitatif diperoleh

melalui pengamatan, misalnya pemilikan lahan petani di suatu desa cukup tinggi. Data kuantitatif
diperoleh melalui pengukuran.
f.

Pengukuran : suatu proses kuantifikasi atau mencantumkan bilangan kepada variabel

tertentu. Misalnya, berat badan secara kualitatif bisa dibedakan sebagai ringan, sedang, atau
berat, dan melalui proses pengukuran dengan cara menimbang kita dapat menyatakan berat
badan: 50 kg, 60 kg, 70 kg.
g.

Skala Pengukuran : bilangan yang dicantumkan kepada variabel berdasarkan aturan-

aturan yang telah ditentukan dan disepakati. Dikenal 4 macam skala pengukuran yaitu: nominal,
ordinal, interval, dan rasio. Skala nominal hanya dipakai untuk membedakan, skala ordinal
FAKULTAS KEDOKTERAN UISU

18

mengisyaratkan adanya peringkat, skala interval menunjukkan adanya jarak yang tetap tetapi
tidak memiliki titik nol mutlak, dan skala rasio memiliki titik nol mutlak.
h.

Unit Penelitian : satuan atau unit yang diteliti baik berupa individu maupun kelompok

yang dapat memberikan informasi tentang aspek-aspek yang dipelajari atau diteliti.
i.

Populasi : himpunan yang lengkap dan sempurna dari semua unit penelitian. Lengkap dan

sempurna, artinya harus ada pernyataan sedemikian rupa dalam mendefinisikannya populasi agar
tidak menimbulkan salah pengertian. Misalnya, kita menyebutkan bahwa populasi adalah
peternak ayam. Dalam kaitan ini, batasan populasi belum bisa menjelaskan; peternak ayam di
wilayah mana, apakah peternak ayam ras, broiler, atau ayam buras. Sehingga lebih baik
disebutkan misalnya , peternak ayam ras di desa X.
j.

Populasi Sampel : Misalnya kita ingin meneliti tentang pendapatan petani tembakau

dikabupaten X dengan mengambil 3 kecamatan A, B, dan C di kabupaten tersebut sebagai tempat

penelitian yang dipilih. Populasinya adalah seluruh petani tembakau yang ada di kabupaten X,
sedangkan yang ada di kecamatan A, B, dan C disebut populasi sampel.
k.

Sampel : Adalah himpunan unit penelitian yang memberikan informasi atau data yang

diperlukan dalam penelitian. Jadi, sampel merupakan himpunan bagian dari populasi. Misalnya
dalam contoh di atas petani tembakau yang ada di kecamatan A, B, dan C merupakan populasi
sampel, dan sampelnya adalah hanya petani tembakau yang terpilih untuk diteliti setelah melalui
proses sampling.
l.

Sampling : Sampling adalah suatu proses memilih n buah obyek dari sebuah populasi

berukuran N.
m.

Validitas : Istilah validitas dipakai berkaitan dengan kriteria hasil pengukuran. Apakah

kategori/skor/nilai yang diperoleh benar-benar menyatakan hasil pengukuran? Pada umumnya

validitas dipermasalahakan pada pengukuran-pengukuran non fisik, seperti dalam pengukuran,
sikap dan minat.
n.

Reliabilitas : Istilah reliabilitas dipakai berkaitan dengan kriteria alat pengukuran

FAKULTAS KEDOKTERAN UISU

19

Misalnya untuk mengukur minat, sehingga kita memperoleh angka-angka skor untuk
menyatakan minatnya rendah, minatnya sedang, atau minatnya tinggi, alat pengukuran yang
menghasilkan skor-skornya tersebut sering dipermasalahkan.

Contoh metode statistik parametrik :

a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or two-way anova parametrik), dll.

Kelebihan dan Kekurangan Uji Parametrik

Kelebihan :
1.Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan
dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.
2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta
memiliki varian yang homogen.
Kekurangan :
1. Populasi harus memiliki varian yang sama.

FAKULTAS KEDOKTERAN UISU

20

2. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.
3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan
bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.

BAB III
PENUTUP

Demikian yang dapat kami paparkan mengenai materi yang menjadi pokok bahasan
dalam makalah ini, tentunya masih banyak kekurangan dan kelemahannya, kerena terbatasnya
pengetahuan dan kurangnya rujukan atau referensi yang ada hubungannya dengan judul makalah
ini.

FAKULTAS KEDOKTERAN UISU

21

Kami banyak berharap para pembaca yang budiman dapat memberikan kritik dan saran
yang membangun kepada kamidemi sempurnanya makalah ini dan penulisan makalah di
kesempatan-kesempatan berikutnya. Semoga makalah ini berguna bagi kami pada khususnya
juga para pembaca.

3.1.

Kesimpulan

Kesimpulan yang dapat kami tarik berdasarkan pembahasan di atas adalah :

A. Statistika dikelompokkan dalam dua kelompok yaitu statistika deskriptif dan statistika
inferensia.
B. Statistika deskriptif adalah statistik yang berkenaan dengan metode atau cara
mendeskripsikan, menggambarkan, menjabarkan, atau menguraikan data.
C. Statistik inferensial adalah statistik yang berkenaan dengan cara penarikan kesimpulan
berdasarkan data yang diperoleh dari sampel untuk menggambarkan karakterisktik atau
ciri dari suatu populasi.
D. Statistika inferensial dibedakan menjadi dua yaitu statistika parametrik dan statistika
nonparametrik. Statistika nonparametrik dapat digunakan untuk menganalisis data yang
berskala ordinal dan nominal.
E. Kelebihan statistika nonparametrik dari parametrik adalah perhitungannya lebih
sederhana, data tidak harus kuantitatif, dan asumsi tidak mengikat.
F. Kelemahan statistika nonparametrik adalah tidak terlalu efisien karena jumlah contoh
atau sampel lebih besar.
G. Beberapa metode pengambilan keputusan yang biasanya dilakukan menggunakan uji
statistika nonparametrik adalah uji tanda, uji rang-tanda, uji jumlah-rang, uji kruskalwallis, dll.
H. Uji statistika nonparametrik lebih banyak menggunakan sistem rang atau peringkat dalam
penentuan daerah kritisnya beserta dalam penarikan keputusan.

3.2

Saran

Dalam penyelesaian makalah ini kami juga memberikan saran bagi para pembaca dan
mahasiswa/i yang akan melakukan pembuatan makalah berikutnya.
FAKULTAS KEDOKTERAN UISU

22

Kombinasikan pembuatan makalah berikutnya

Pembahasan secara langsung dengan informasi yang benar-benar up to date

Beberapa poin diatas merupakan saran yang kami berikan apabila ada pihak-pihak yang ingin
melanjutkan penelitian terhadap makalah ini, dan demikian makalah ini disusun serta besar
harapan nantinya makalah ini dapat berguna bagi pembaca khususnya mahasiswa/i Fakultas
Kedokteran Universitas Islam Sumatera Utara Semester V/2015 dalam penambahan wawasan
dan ilmu pengetahuan.

DAFTAR PUSTAKA

1. Fardi, Adnan, dkk. Silabus dan Hand-Out Mata Kuliah Statistik. Padang : UNP; 2012.
2. Bogdan, Robert, C., Biklen, Sari, K. Qualitative Research in Education, an Introduction
toTheory and Methods, Third Edition, Boston, Allyn and Bacon; 1998.
3. Murti, Bhisma. Penerapan Metode Statistik Non Parametrik Dalam Ilmu-ilmu
Kesehatan. Jakarta: PT.Gramedia Pustaka Utama; 1996.
4. Sabri, L., Hastono, SP. Statistik Kesehatan.Edisi Revisi. Jakarta: Rajawali Pers; 2008
5. Siegel, Sidney. Statistik Non Parametrik Untuk Ilmu-ilmu Sosial. Jakarta: PT.Gramedia
Pustaka Utama; 1992.

FAKULTAS KEDOKTERAN UISU

23