DASAR PEMILIHAN UJI

STATISTIK NON
PARAMETRIK

Nurhayana Sennang* & Dianawaty

Amiruddin*

PENDAHULUAN
STATISTIKA :
Kegiatan untuk :
mengumpulkan data
menyajikan data
menganalisis data dengan metode tertentu
menginterpretasikan hasil analisis

KEGUNAAN
?

Melalui fase

STATISTIKA DESKRIPTIF :
Pengumpulan, pengolahan, dan penyajian sebagian
atau seluruh data (pengamatan) tanpa pengambilan kesimpulan
dan fase

STATISTIKA INFERENSI :
Setelah data dikumpulkan, maka dilakukan berbagai metode statistik untuk
menganalisis data, dan kemudian dilakukan interpretasi serta diambil kesimpulan.
Statistika inferensi akan menghasilkan generalisasi (jika sampel representatif)

DATA
DATA terbagi atas DATA KUALITATIF dan DATA KUANTITATIF
DATA KUALITATIF :
Data yang dinyatakan dalam
bentuk bukan angka.
Contoh : jenis pekerjaan, status
marital, tingkat kepuasan kerja

DATA KUANTITATIF :
Data yang dinyatakan dalam
bentuk angka
Contoh : lama bekerja, jumlah
gaji, usia, hasil ulangan

DATA
KUALITATIF

KUANTITATIF
JENIS
DATA

NOMINAL
ORDINAL

INTERVAL
RASIO

4. Data
DATA NOMINAL :
Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.
CIRI : posisi data setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : jenis kelamin, jenis pekerjaan
DATA ORDINAL :
Data berskala ordinal adalah data yang dipeoleh dengan cara kategorisasi atau klasifikasi, tetapi di antara
data tersebut terdapat hubungan
CIRI : posisi data tidak setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : kepuasan kerja, motivasi
DATA INTERVAL :
Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik
skala sudah diketahui.
CIRI : Tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : temperatur yang diukur berdasarkan 0C dan 0F, sistem kalender
DATA RASIO :
Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik skala
sudah diketahui dan mempunyai titik 0 absolut.
CIRI : tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : gaji, skor ujian, jumlah buku

PROSEDUR PENGOLAHAN DATA

A. PARAMETER : Berdasarkan parameter yang ada statistik dibagi
menjadi

Statistik PARAMETRIK : berhubungan dengan inferensi

statistik yang membahas parameter-parameter populasi;
jenis data interval atau rasio; distribusi data normal atau
mendekati normal.

Statistik NONPARAMETRIK : inferensi statistik tidak

membahas parameter-parameter populasi; jenis data
nominal atau ordinal; distribusi data tidak diketahui atau
tidak normal

PROSEDUR PENGOLAHAN DATA :

B. JUMLAH VARIABEL : berdasarkan jumlah variabel dibagi
menjadi

Analisis UNIVARIAT : hanya ada 1 pengukuran (variabel)

untuk n sampel atau beberapa variabel tetapi masingmasing variabel dianalisis sendiri-sendiri. Contoh : ko
motivasi dengan pencapaian akademik.

Analisis MULTIVARIAT : dua atau lebih pengukuran

(variabel) untuk n sampel di mana analisis antar variabel
dilakukan bersamaan. Contoh : pengaruh motivasi terhadap
pencapaian akademik yang dipengaruhi oleh faktor latar
belakang pendidikan orang tua, faktor sosial ekonomi, faktor
sekolah.

PEMILIHAN METODE ANALISIS

Disesuaikan dengan kondisi data

Jumlah (besar, kecil)
Sebaran dan independensi
Skala pengukuran
Terdistribusi secara normal statistika parametrik
Jika tidak cukup informasi tentang sebaran(skala rank)
statistika non parametrik

Normalitas

Distribusi Normal : kurva berbentuk bel, simetris, simetris terhadap

sumbu yang melalui nilai rata-rata
Kurtosis = keruncingan
Skewness = kemiringan

+3s

+2s

-s

+s

+2s +3s

68%
95%
99%

Lakukan uji normalitas

Rasio Skewness & Kurtosis berada 2 sampai +2
Rasio = nilai
Standard error
Jika tidak berdistribusi normal, lakukan uji normalitas non parametrik
(Wilcoxon, Mann-White, Tau Kendall)

PEDOMAN PENGGUNAAN STATISTIK NON PARAMETRIK

MULAI
INTERVAL

Distribusi Data

Normal

Jenis
Data ?

RASIO

NOMINAL
ORDINAL

Statistik
Non Parametrik

Tidak Normal

Jumlah
Data

KECIL (<30)
Bisa pakai uji t jika disribusi populasi pasti normal

BESAR (>30)

Statistik Parametrik

Pemilihan Uji Statistik Non Parametrik

Bila hipotesis tidak melibatkan suatu parameter populasi.
Bila data telah diukur dengan skala yang lebih lemah
dibanding yang dipersyaratkan oleh uji-uji pada statistik
parametrik
Bila asumsi-asumsi yang diperlukan agar penggunaan
suatu uji-uji pada statistik parametrik, misalnya data yang
dimiliki terdistribusi normal, menjadi kabur/tidak valid..

Keunggulan Statistika Non-parametrik

Asumsi relatif lebih sedikit (lebih longgar).
Perhitungannya cepat dan mudah
Tidak memerlukan dasar matematika serta statistika yang
mendalam.
Digunakan jika keterbatasan data yang tersedia: data telah
diukur menggunakan skala pengukuran yang lemah (nominal
atau ordinal)
Efisiensi teknik non-parametrik lebih tinggi dibandingkan
dengan metode parametrik untuk jumlah sampel yang sedikit

Kekurangan Statistika Non-parametrik

Jika asumsi uji statistik parametrik terpenuhi, penggunaan uji
nonparametrik meskipun lebih cepat dan sederhana, akan
menyebabkan pemborosan informasi
Prinsip perhitungan dalam statistik non-parametrik memang
relatif lebih sederhana, namun proses/tahapan perhitungannya
seringkali membutuhkan banyak tenaga serta membosankan.
Jika sampel besar, maka tingkat efisiensi non-parametrik
relatif lebih rendah dibandingkan dengan metode parametrik

Model Analisis Statistik Non Parametrik

Run test

Asosiasi
Tingkat
pengukuran

Ukuran Asosiasi

Skala interval
dan rasio

Koefisien Korelasi Pearson

Analisis regresi bivariate

Skala ordinal

Chi-Square
Spearman rank Correlation
Kendalls rank correlation

Skala nominal

Chi-square
Phi-coefficient contingency coefficient

Uji Beda
Tingkat
Pengukuran

Satu sampel

Nominal

Uji hipotesis
meliputi
proporsi sampel
Uji Chi Square

Ordinal

Kolmogorov
Smirnoff

Interval dan
rasio

Uji t
Uji Chi square

Dua Sampel

Klasifikasi
statistis

Bebas

Terikat

Uji Hipotesis
dua proporsi
sampel
Analisis tabel
kontijensi
Mann Whitney
Kruskal Wallis
Uji Median
Uji t sampel
bebas

Uji Ncmemar Non

parametrik

Uji F
(independensi

Uji F
Parametrik
(dependensi)

Non
parametrik
Uji t sampel
terikat

Parametrik

Tergantung
Ordinal (Skor/nilai)

Numerik
(uji
(uji parametrik tdk
parametri
terpenuhi)
Kategori Ordinal
VARIABEL
tidak
k
kal
(klasifik
berpasang
berpasan
terpenuhi
tidak
(nominal
asi)
an
berpasan
gan
) UJI
berpasan
gan
PARAMET
gan
RIK
Kategorik Chi
Chi
Mann
Wilcoxon
uji Z, uji t
Wilcoxon
al
Square
Square
Whitney
sign rank berpasang Mann
sign rank
(nominal)
test
an/tdk Whitney
test
berpasang
Mc

Wilcoxon
an
Nemar/
rank sum
Wilcoxon
Fisher
test
rank sum
Exact
test

Kolmogoro
v smirnov
KS

Run
Run

Bebas Kategorik
al (lebih
2
kelompok
Kruskal
Friedman
Kruskal
Friedman
)

Walis
test

Walis
test
Ordinal
(klasifikas
Chi
i)

Square

Ordinal
(nilai/scor
Spearman rank
)

corelation / Kendal

Uji statistik non parametrik

Chi square test
Fisher exact test
Kolmogorov Smirnov test
Mc Nemar test
Uji pengganti parametrik

Chi Square Test

o Untuk jenis data kualitatif
o Dapat untuk satu sampel atau lebih
o Sampel bersifat independen
o Bisa untuk sampel kecil
o Menguji perbedaan antar proporsi
o Rumus umum : tabel umum ( R by C )
o Rumus khusus : tabel 2 x 2

Syarat Chi Square

Tabel 2 x 2

Tabel R x C

n > 20

Tidak ada sel yang

nilainya 0

Tidak ada sel

yang nilai
expected nya < 5

Sel nilai yang

expected nya < 5
harus < dari 20%

Nilai observed
Allergi

Asma + Asma -

Total

12 ( a )

68 ( b )

80

63 ( c )

147 ( d )

210

Total

75

215

290

Perhitungan Chi Square

Rumus umum:

( o - e )2
X2 = ------------e
o = observed (data yg didapat)
e = expected (data yg diharapkan)
Hitung nilai e untuk tiap sel
Hitung nilai (o - e)2/e tiap sel dan jumlah
Cari p dari nilai X2 pada tabel Chi Square
dengan df = (r-1)(c-1)

Fisher Exact Test

o Untuk jenis data kualitatif
o Sampel bersifat independen
o Khusus untuk sampel kecil
o Merupakan uji asosiasi
o Merupakan alternatif, bila chi square
2 x 2 tidak dapat dipergunakan

Contoh Fisher exact test

Vaksinasi/
Sakit

Sehat

Sakit

Total

Vaksinasi
+

Vaksinasi
-

Total

12

Tabel Fisher ekstrem

Vaksinasi/
Sakit

Sehat

Sakit

Total

Vaksinasi
+

Vaksinasi
-

Total

12

Perhitungan
(a+b)! (c+d)! (b+d)! (a+c)!
p= --------------------a! b! c! d! n!
Hitung besar p untuk tabel observe
dan tabel ekstrem ( p1 dan p2 )
Nilai p = p1 + p2

Kolmogorov Smirnov ( KS )
o Data kualitatif, Sampel independen
o Untuk sampel kecil, uji asosiasi
o Alternatif Chi Square untuk tabel 2 x n
bila syarat Chi Square tidak dipenuhi
o Variabel independen nominal
o Variabel dependen ordinal

Kolmogorov Smirnov test

Hasil Ujian
Klp

Buruk

Krng

Cukup

Baik

Baik
Skl

Rajin

Tidak

Total

16

Perhitungan
n1 n2
80
K= 4D2 ------- = 4 (0,65)2----n1 + n2
18
K= 7,51 lihat tabel C.Sq dengan df=2
Didapat p antara 0,02-0,05 p<
Jadi Ho ditolak

Mc Nemar test
Indikasi dan persyaratan
Perbandingan proporsi pada kelompok
seperti pada uji Chi Square, tetapi
pada sampel yang berpasangan
(dependent group)
Misal desain before-after study,
membandingkan nilai sebelum dan
sesudah perlakuan untuk membuktikan
ada tidaknya perubahan

Sesudah

Sebelum

Penyakit (+)
Penyakit (-)
Total

Penyakit
(+)
a

Total

Penyakit
(-)
b

a+ b

c +d

a + c

b + d

Langkah perhitungan
1. Hitung nilai X2 dengan rumus
X2

( b-c -1)2
= --------------b+c

2. Tentukan nilai p dengan mencocokkan

nilai X2 pada tabel Chi Square dengan
df = 1

Contoh

Ho: Tidak ada perbedaan kebiasaan merokok

sebelum dan sesudah penyuluhan anti rokok

Sesudah
penyuluhan

Total

Berhenti
merokok Merokok
Tidak
merokok
Sebelum
penyuluhan Merokok

0
23

5
40

5
63

Total

23

45

68

Contoh
1. Hitung X2
(| 5-23 | -1)2
X2 = --------------- = 10,32
5 + 23
2. Tabel distribusi Chi Square, df=1, =
0,05 didapatkan nilai 3,84 nilai
kritis. Berarti X2 > nilai kritis Ho
ditolak

Kesimpulan
Terdapat perbedaan kebiasaan merokok
antara sebelum dan sesudah penyuluhan.
Lebih banyak orang yang tidak merokok
sesudah intervensi (23/68)
dibandingkan sebelum intervensi (5/68).

Pengganti parametrik
Bila tak memenuhi persyaratan:
Unpaired t test Mann Whitney rank
Paired t test Wilcoxon rank
Unpaired Anova Kruskal Wallis rank
Paired Anova Friedman rank
Pearson Correlation Spearman rank

Uji Mann Whitney rank

Indikasi dan persyaratan
Data numerik yang berasal dari 2 sampel
independent distribusi data tidak
normal
alternatif uji parametrik uji tindependent
~ Tes Wilcoxon rank untuk paired
sampel

Langkah perhitungan
Urutkan seluruh data dan tentukan
rank nya. Data yang nilainya sama
diberi rank rata-rata
Jumlah rank disebut T, dihitung pada
kelompok dengan n yang lebih kecil
Jika n pada setiap kelompok < 15, maka
nilai T digunakan sebagai nilai uji Mann
Whitney

Rumus
Jika jumlah sampel pada salah satu kelompok
lebih besar dari 15, maka nilai uji Mann
Whitney dihitung dengan rumus :
(T-T)
z= -----------T
T= (nL T)/6

nS (nS + nL+1)
T = --------------------2

Menentukan nilai p
Jika n setiap kelompok < 15, maka nilai
p didapat dengan membandingkan nilai
T dengan tabel Mann Whitney
Jika n pada salah satu kelompok > 15,
maka nilai p didapat dengan
membandingkan nilai z dengan nilai
tabel distribusi normal

Contoh
Ho: Tidak ada perbedaan usia kelompok pekerja
yang mengalami Tinea kruris dengan yang tidak.
Langkah-langkah
Urutkan seluruh data dan tentukan rank nya.
Jumlah rank
klp Tinea (+) = 93,5
Tinea (-) = 116,5
N kedua kelompok < 15 nilai T = hasil uji.
Nilai p berdasarkan tabel > 0,05 p >
Kesimpulan: tidak ada perbedaan usia antara
pekerja yang mengalami Tinea kruris dengan yang
tidak.

Tabel Ranking usia pekerja di kedua kelompok

Tinea (+)
20
21
21
21
22
22
23
23
39
40
nS =10

Ranking
1.5
5
5
5
8.5
8.5
10.5
10.5
19
20
93.5

Tinea (-)
20
21
21
23
25
26
27
27
28
29
nL=10

Ranking
1.5
5
5
12
13
14
15.5
15.5
17
18
116.5

Uji Korelasi Spearman

Indikasi dan persyaratan
Alternatif uji parametrik korelasi Pearson jika salah
satu dari syarat di bawah ini terpenuhi:
Sedikitnya salah satu variabel berskala ordinal
Ada salah satu variabel yang tidak terdistribusi
normal
Jumlah sampel kecil
uji asosiasi antara 2 variabel yang hubungannya tidak
linear

Langkah perhitungan
1. Urutkan seluruh data X dan tentukan rank nya
2. Urutkan seluruh data Y dan tentukan rank nya
3. Hitung koefisien korelasi Spearman (rs) dengan
rumus
_
_
(X- X) (Y-Y)
rs = --------------------------------- (X- X)2 (Y-Y)2
4. Tentukan nilai p dengan membandingkan nilai rs
dengan tabel korelasi Spearman.

Penilaian
1. Arah hubungan
Negatif: jika nilai X bertambah maka nilai Y
berkurang, dan sebaliknya
Positif: jika nilai X bertambah maka nilai Y
bertambah, dan sebaliknya

2. Kemaknaan

Penilaian
3. Kuat hubungan dinilai rs.
Korelasi sempurna bila r = +1 atau -1.
Berdasarkan kriteria WHO
< 0,3
: tak ada korelasi
0,3 - 0,5
: korelasi lemah
0,5 - 0,8
: sedang
> 0,8
: kuat

Contoh
Ho: Tidak ada korelasi antara indeks massa tubuh dan
usia di kalangan pekerja.
Didapatkan rs 0,65 Tabel Korelasi Spearman,
0,05<p<0,01 p < maka Ho ditolak.
Kesimpulan: Terdapat korelasi positif yang kuat dan
bermakna antara indeks massa tubuh dengan usia
pekerja. Atau: makin bertambah usia maka indeks
massa tubuh akan meningkat.

SOAL TABEL 2X2

Kerja gilir * Insomnia/bukan Crosstabulation

Kerja
gilir

tidak
ya

Total

Count
% within Kerja gilir
Count
% within Kerja gilir
Count
% within Kerja gilir

Insomnia/bukan
tidak
ya
34
55
38.2%
61.8%
19
69
21.6%
78.4%
53
124
29.9%
70.1%

Total
89
100.0%
88
100.0%
177
100.0%

HASIL CHI-SQUARE
Chi-Square Tests

Pearson Chi-Square
Continuity Correctiona
Likelihood Ratio
Fisher's Exact Test
Linear-by-Linear
Association
N of Valid Cases

Value
5.820b
5.056
5.882
5.788

df
1
1
1
1

Asymp. Sig.
(2-sided)
.016
.025
.015

Exact Sig.
(2-sided)

Exact Sig.
(1-sided)

.021

.012

.016

177

a. Computed only for a 2x2 table

b. 0 cells (.0%) have expected count less than 5. The minimum expected count is
26.35.

Interpretasi
Ho: terjadinya insomnia tak ada
hubungan dgn sistem kerja gilir
1. Syarat Chi Square terpenuhi???
(tidak, jadi yang diambil p=
2. Jika X2 = 5,8 p=0.016 p < alpha
Hasil uji kemaknaan???
Ho ditolak/diterima???
3. Kesimpulan???

DAFTAR PUSTAKA
Turmudi dan Harini S. Metode Statistika. Pendekatan Teoritis dan
Aplikatif. UIN Malang Press, Malang. 2008; 1-5
Siegel S. Memilih Tes Statistik yang Cocok, dalam Statistik
Nonparametrik untuk Ilmu Sosial. Diterjemahkan oleh Suyuti S dan
Simatupang L. PT. Gramedia Jakarta, 1994; 22-42.
Santoso S. Menggunakan SPSS untuk Statistik Non Parametrik. PT.
Elek Media Komputindo. Jakarta 2006; 1-7
Whitney E and Ball J. Statistics review: Nonparametric methods.
Critical Care December 2002 Vol 6 No 6.:509-513
Dallal GE.. Nonparametric Statistics. 2000.
www.ecology.lifescience.ntu.edu.tw. Accesed on 19 Oct 09
Sudjana. Metoda Statistika. PT. Tarsito Bandung, 2002. 446-68.
Widhiarso W. PETA Pengujian Dalam Statistika. www.elisa.ugm.ac.id.
Diakses 19 Okt 09.

Sekian dan terima kasih