STATISTIKA 2 Statistika Non-Parametrik

STATISTIKA NON-PARAMETRIK
1. PENDAHULUAN
Kelebihan Uji Non Parametrik:
Perhitungan sederhana dan cepat
Data dapat berupa data kualitatif (Nominal atau Ordinal)
Distribusi data tidak harus Normal
Kelemahan Uji Non Parametrik:
Tidak memanfaatkan semua informasi yang ada pada sampel
(tidak efisien).
Kelemahan tersebut biasa diperbaiki dengan cara menambah ukuran
sampel.
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. UJI TANDA BERPASANGAN
Uji dilakukan pada 2 sampel terpisah (independen).
tanda (+) data pada sampel 1 > pasangannya pada sampel 2
tanda () data pada sampel 1 < pasangannya pada sampel 2
tanda Nol (0) data pada sampel 1 = pasangannya pada sampel 2
Tanda Nol tidak digunakan dalam perhitungan.
Notasi yang digunakan:
n = banyaknya tanda (+) dan tanda () dalam sampel
1

STATISTIKA 2 Statistika Non-Parametrik

= proporsi SUKSES dalam sampel

q =1p
p0 = proporsi SUKSES dalam H0
q0 = 1 p 0
p

Standar Error = Galat Baku =

Rata-Rata Sampel =
Statistik Uji zhitung =

= p0

p p

zhitung =

p0 q0
n

p p0
p0 q0
n

Ingat: kejadian 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 p0 disesuaikan dengan nilai pengujian p yang diinginkan dalam soal, atau jika ingin diuji proporsi sampel 1 = proporsi sampel 2
maka = p0 = q0 = 0,5
Penetapan-penetapan H0 dan H1
Seperti umumnya uji hipotesis, terdapat 3 alternatif H0 dan H1:
1) H0: p = p0 dan H1: p < p0
Uji 1 arah dengan daerah penolakan H0: z < z
2) H0: p = p0 dan H1: p > p0
Uji 1 arah dengan daerah penolakan H0: z > z
3) H0: p = p0 dan H1: p p0
Uji 2 arah dengan daerah penolakan H0: z < z/2 dan z > z/2
Contoh 1:

STATISTIKA 2 Statistika Non-Parametrik

Berikut adalah nilai preferensi konsumen terhadap 2 Merk Sabun

Mandi (LUXE dan GIVE). Dengan taraf nyata 1%, ujilah apakah
proporsi preferensi konsumen pada kedua merk bernilai sama?
Tabel 1. Skor preferensi sabun untuk Contoh 1:

Banyaknya tanda (+) = 8

Banyaknya tanda () = 5
Total n = 8 + 5 = 13
Jika kita asumsikan LUXE lebih disukai dibanding GIVE maka
SUKSES dalam sampel adalah p = proporsi banyaknya tanda (+)
dalam sampel.
banyak positif
8
p

= 0,62
n
13
q = 1 p = 1 0,62 = 0,38
Karena ingin diuji proporsi yang suka LUXE = GIVE, maka p 0 = q0
= 0,50. Langkah pengujiannya adalah:
1. H0: p = 0,50
H1: p 0,50

STATISTIKA 2 Statistika Non-Parametrik

2. Statistik Uji : z
3. Arah uji: 2 arah
4. Taraf nyata pengujian = = 1% /2 = 0,5% = 0,005
5. Daerah Penolakan H0

6. Nilai statistik Uji:

p p0

zhitung =
=

p0 q0
n
0,12
0,0192

0,62 0,50
0,12

0,50 0,50
0,25
13
13
0,12
0,13867

= 0,8653 0,87

7. Kesimpulan:
z hitung = 0,87 ada di daerah penerimaan H0, sehingga H0 diterima. Proporsi konsumen yang menyukai LUXE masih sama
dengan yang menyukai GIVE.
Contoh 2:
Dengan menggunakan data pada Tabel 1 di atas dan taraf nyata 1%,
ujilah apakah proporsi preferensi konsumen pada sabun LUXE
dibanding sabun GIVE sudah lebih dari 0,30?
Diketahui: p0 = 0,30
q0 = 1 0,30 = 0,70
1) H0: p = 0,30 H1: p > 0,30
2) Statistik Uji: z
3) Arah uji: 1 arah

STATISTIKA 2 Statistika Non-Parametrik

4) Taraf nyata pengujian = = 1% = 0,01

5) Daerah Penolakan H0:

6) Nilai statistik uji:

zhitung =
=

p p0
0,62 0,30
0,32

p0 q0
0,30 0,70
0,21
13
13
n

0,32
0,32

0,0161 0,1270

= 2,5177 2,52

7) Kesimpulan:
z hitung = 2,52 ada di daerah penolakan H0, sehingga H0 ditolak
dan H1 diterima. Proporsi konsumen yang menyukai LUXE
sudah lebih dari 0,30.
3. UJI PERINGKAT 2 SAMPEL MANN-WHITNEY

Uji ini merupakan alternatif uji beda 2 rata-rata parametrik dengan menggunakan referensi distribusi t (sampel-sampel berukuran kecil).
Langkah pertama pengujian ini adalah pengurutan nilai mulai
dari yang terkecil hingga terbesar. Pengurutan dilakukan tanpa
pemi-sahan kedua sampel.
Selanjutnya lakukan penetapan Rank (Peringkat) dengan aturan
berikut:
o Peringkat ke -1 diberikan pada nilai terkecil di urutan pertama
o Peringkat tertinggi diberikan pada nilai terbesar
Jika tidak ada nilai yang sama maka urutan = peringkat.

STATISTIKA 2 Statistika Non-Parametrik

Jika ada nilai yang sama, maka ranking dihitung dengan rumus:
urutan data yang bernilai sama
Peringkat (R) =
banyaknya data yang bernilai sama

Contoh 3:
Berikan peringkat (ranking) data dalam Tabel 2 pada berikut ini!
Tabel 2. Nilai Statistika II untuk Contoh 3.

Ranking untuk nilai 70 =

Ranking untuk nilai 75 =

6 7 8 21

=7
3
3
9 10 19

= 9,5
2
2

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
n n n 1
Rata-rata R1 = R 1 1 2 2
n n n 1
Rata-rata R2 = R 2 1 2 2
1

Standar Error (Galat Baku) =

n1 n2 n1 n2 1
12

STATISTIKA 2 Statistika Non-Parametrik

Statistik uji: z =

R1 R1

Dalam perhitungan hanya R 1 yang digunakan, karena ia menjadi

subyek dalam H0 dan H1.
Contoh 4:
Berdasarkan Tabel 2 di atas (lihat Contoh 3), ujilah dengan taraf
nyata 5%, apakah (peringkat) nilai mahasiswa Fakultas Ekonomi
lebih besar dibanding mahasiswa Ilmu Komputer?
Jawab:
1.
H0: 1 = 2
H1: 1 > 2
2.
Statistik Uji: z
3.
Arah uji: 1 arah
4.
Taraf nyata pengujian = = 5% = 0,05
5.
Daerah Penolakan H0:

6.

Nilai statistik uji:

R1 = 117
R2 = 93
n1 = 10
n2 = 10
n n n 1 10 10 10 1 10 21 210
1 1 2

R1

= 105

2
2
2
2
n n n1 n2 1
10 10 21
2100
R 1 2

175
12
12
12
R1 R1 117 105
12
z

R1
13,23 = 0,90711 0,91
175

7.

Kesimpulan:

= 13,23

STATISTIKA 2 Statistika Non-Parametrik

z hitung = 0,91 ada di daerah penerimaan H0, sehingga H0 diterima. Dengan demikian (peringkat) nilai UAS Statistika II di Fakultas Ekonomi = Fakultas Ilmu Komputer.

4. UJI PERINGKAT 2 SAMPEL WILCOXON

Prinsip pengerjaan uji ini sama dengan Uji Peringkat 2 Sampel
Mann-Whitney, hanya saja fokusnya kini dialihkan pada 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.
n n n 1
Nilai Ekspektasi (W) = E(W) = 1 1 2
2

n1 n2 (n1 n2 1)
12
W E (W )
SE

Standar Error = SE =
Statistik uji = z =

Penetapan urutan, peringkat dan H0 dan H1 sama dengan Uji MannWhitney.

Contoh 5:
Berikut ini adalah data pendapatan di 2 kelompok pekerja.
Tabel 3. Pendapatan karyawan untuk Contoh 5.

STATISTIKA 2 Statistika Non-Parametrik

Dengan taraf nyata 5% ujilah apakah (peringkat) pendapatan di departemen Q lebih kecil dibandingkan dari departemen Z?
Jawab:
1. H0: 1 = 2 H1: 1 < 2
2. Statistik Uji : z
3. Arah uji: 1 arah
4. Taraf nyata pengujian = = 5% = 0,05
5. Daerah Penolakan H0: lihat diagram pada halaman berikutnya!
6. Statistik uji:
n1 = 4
n2 = 8
W = 19
n n n 1 4 4 8 1 4 13

E(W) = 1 1 2
= 26
SE =
z=

2
2
2
n1 n 2 n1 n2 1
4 8 13
416

34,666
12
12
12

W E (W ) 19 26

SE
5,89

= 5,89

= 1,19

7. Kesimpulan:
z hitung = 1,19 ada di daerah penerimaan H0, sehingga H0 diterima. Jadi, peringkat pendapatan di kedua departemen sama.

STATISTIKA 2 Statistika Non-Parametrik

5. 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 (R S) 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
n

RS = 1

6 d i2
i 1
2

n n 1

Statistik uji = z = RS (

n 1

Penetapan H0 dan H1:

Terdapat 3 alternatif H0 dan H1, yaitu:
a) H0: R = 0 (korelasi 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 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 0, tidak ada hubungan /tidak ada kecocokan)
H1: R 0 (ada korelasi/kecocokan, korelasi tidak sama dengan 0)
Uji 2 arah dengan daerah penolakan H0: z < z/2 dan z > z/2
Peringkat diberikan tergantung pada kategori penilaian. Jika ada
item yang dinilai berperingkat sama, maka penetapan peringkat
seperti halnya dalam Mann-Whitney dapat dilakukan (ambil ratarata peringkatnya!)

STATISTIKA 2 Statistika Non-Parametrik

Contoh 6:
Dua orang pakar (ahli) diminta memberikan peringkat kinerja pada
10 Bank di Indonesia. Peringkat diberikan mulai dari bank terbaik
(= peringkat 1) sedang yang terburuk diberi peringkat 10. Hasilnya
disajikan dalam Tabel 4 berikut ini.
Tabel 4. Hasil peringkat 10 bank oleh 2 pakar

Dengan taraf nyata 5% ujilah apakah ada korelasi antara peringkat

yang diberikan kedua pakar?
Jawab:
1. H0: R = 0
H1: R 0
2. Statistik Uji: z
3. Arah pengjian: 2 Arah
4. Taraf nyata pengujian = = 5% /2 = 2,5% = 0,025
5. Daerah Penolakan H0:

6. Statistik uji:

STATISTIKA 2 Statistika Non-Parametrik

RS = 1

6 d i2
i 1
2

n n 1

z = RS (

n 1

=1

6 55
10 10 2 1

) = 0,67 (

10 1

=1

330
990

) = 0,67

= 1 0,33 = 0,67
9

= 2,01

7. Kesimpulan:
z hitung = 2,01 ada di daerah penolakan H0, sehingga H0 ditolak
H1 diterima. Jadi, ada korelasi/kecocokan pemberian peringkat
oleh kedua pakar.

6. UJI KONKORDANSI KENDALL

Adalah 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) = n1

Notasi yang digunakan:

n = banyak pasangan data, n 8
R = jumlah peringkat
k = banyaknya orang yang memberi peringkat (k >2)
2

Statistik uji = =

12 R 2 3n k n 1
kn n 1

Contoh 7:
Tiga konsultan Teknologi Informasi (TI) diminta memberi peringkat
pada 8 merk laptop. Dengan taraf nyata 5% ujilah apakah terdapat
kecocokan peringkat? (lihat Tabel 5. di halaman berikutnya).
Tabel 5. Peringkat 8 merk laptop oleh 3 pakar TI

STATISTIKA 2 Statistika Non-Parametrik

Jawab:
1. H0: RKendall = 0 (tidak ada korelasi/tidak ada kecocokan)
H1: RKendall 0 (ada korelasi/ada kecocokan)
2. Statistik uji: 2
3. Taraf nyata pengujian = = 5% = 0,05
4. db = n 1 = 8 1 = 7 2tabel(db; ) = 14,06713
5. Daerah penolakan H0 jika 2 > 2tabel(db; ) 2 > 14,06713

6. Statistik uji:
2

=
=

12 R 2 3n k n 1
kn n 1

12 1728 3 8 3 8 1 2
= 15
3 3 8 1

7. Kesimpulan:
2 hitung = 15 ada di daerah penolakan H 0, maka H0 ditolak dan
H1 diterima. Dengan demikian, ada kecocokan peringkat.

7. UJI RUN(S)

STATISTIKA 2 Statistika Non-Parametrik

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.
terdapat 9 runs

Statistik uji yang digunakan: z

Notasi yang digunakan:
n1 = banyaknya lambang 1 dalam sampel n 1 > 10
n2 = banyaknya lambang 2 dalam sampel n 2 > 10
n = n 1 + n2
nr = banyak run(s)
Rata-rata Run(s) = r =

2n1 n2
n

Standar deviasr Run(s) = r =

Statistik uji: z =

nr r
r

+1
2n1n2 2n2 n2 n
n 2 n 1

Penetapan H0:
H0: susunan acak (random)
H1: susunan tidak acak (not random)
Uji 2 arah dengan daerah penolakan H0: z < z/2 dan z > z/2
Contoh 8:
Berikut ini adalah urutan duduk mahsiswa dan mahasiswi dalam suatu kelas:
LL P L PP L P L P L P LL P LLLLLLL PP L P LL PP LLLLLL
L = Laki-laki, P = Perempuan
Dengan taraf nyata 5%, ujilah apakah urutan ini sudah random?

STATISTIKA 2 Statistika Non-Parametrik

Diketahui:
n1 = banyak L = 24;

n2 = banyak P = 12;

nr = banyak runs = 19

Jawab:
1. H0: susunan acak H1: susunan tidak acak
2. Statistik Uji : z
3. Arah pengujian: 2 Arah
4. Taraf nyata pengujian = = 5% /2 = 2,5% = 0,025
5. Daerah Penolakan H0:

6. Statistik uji:
r =
r =
=

2n1n2
2 24 12
+
1
=
+ 1 = 17
36
n
2n1n2 2n2 n2 n
2 24 12 2 24 12 36
=
2
36 2 36 1
n n 1
576 540
1296 35

6,857143

= 2,618615 2,62

nr = 19
z=

nr r
r

19 17
2,62

= 0,76

7. Kesimpulan:
z hitung = 0,76 ada di daerah penerimaan H 0, maka H0 diterima.
Jadi. Dengan demikian susunan tersebut terbukti acak.

STATISTIKA 2 Statistika Non-Parametrik

Catatan akhir:
Terdapat banyak ragam perhitungan Statistika Non-parametrik lainnya. Mahasiswa sangat dianjurkan mempelajari sendiri berbagai
teknik perhitungan Statistika Non-Parametrik tersebut.