Anda di halaman 1dari 12

Statistik Non Parametrik

Statistik non parametrik merupakan salah satu alat pengujian hipotesis dalam
statistik. Metode statistik non parametrik ini disebut juga metode bebas sebaran,
karena model uji statistik ini tidak menetapkan syarat-syarat tertentu tentang bentuk
distribusi parameter populasinya.
Uji statistik non parametrik dapat digunakan dalam keadaan sebagai berikut :
1. Bentuk distribusi populasinya, dari mana sampel penelitiannya diambil, tidak
diketahui menyebar secara normal.
2. Variable penelitiannya dapat diukur dalam skala nominal.
3. Variable penelitiannya dapat diukur dalam skala ordinal.
4. Ukuran sampel atau sampel-sampel penelitiannya kecil dan sifat distribusi
populasinya tidak diketahui secara pasti.
Prosedur-Prosedur yang Menggunakan Data dari Sebuah Sampel Tunggal
Pengujian statistik non parametrik yang dapat dipergunakan untuk menguji hipotesis
yang hanya menggunakan satu sampel dapat memberitahukan kepada kita apakah
suatu sampel berasal dari populasi tertentu.
Pengujian sampel tunggal biasanya bertipe goodness of fit. Dalam kasus ini kita
menarik suatu sampel random dan kemudian menguji hipotesa bahwa sampel ini
ditarik dari suatu populasi dengan distribusi tertentu.
Pengujian sampel tunggal ini dapat menjawab pertanyaan-pertanyaan sebagai berikut:
1. Adakah perbedaan yang berarti antara sampel dan populasinya?
2. Adakah perbedaan yang berarti antara frekuensi-frekuensi yang diamati dan
frekuensi yang kita harapkan berdasarkan prinsip tertentu?

3. Adakah perbedaan yang berarti antara proporsi yang diamati dengan proporsi
yang diharapkan?
4. Apakah data tersebut berdistribusi normal?
5. Apakah sampel yang diambil melalui random proses?
Uji statistik non parametrik untuk sampel tunggal antara lain :
a. UJI CHI-SQUARE
Uji Chi Square berguna untuk menguji hubungan atau pengaruh dua buah variabel
nominal dan mengukur kuatnya hubungan antara variabel yang satu dengan variabel
nominal lainnya (C = Coefisien of contingency).
Karakteristik ChiSquare:
A. Nilai ChiSquare selalu positif.
B. Terdapat beberapa keluarga distribusi ChiSquare, yaitu distribusi ChiSquare
dengan DK=1, 2, 3, dst.
C. Bentuk Distribusi ChiSquare adalah menjulur positif.
Rumus chi-square

Dimana:
2: Nilai chi-kuadrat
fe: Frekuensi yang diharapkan
fo: Frekuensi yang diperoleh/diamati

CONTOH: UJI KOEFISIEN KONTINGENSI


Peneliti ingin mengetahui apakah terdapat hubungan antara jenis kelamin dengan
hobi?
Data:
Lakilaki yang suka olah raga

27

Perempuan yang suka olah raga

13

Lakilaki yang suka otomotif

35

Perempuan yang suka otomotif

15

Lakilaki yang suka Shopping

33

Perempuan yang suka Shopping

27

Lakilaki yang suka komputer

25

Perempuan yang suka komputer

25

Langkahlangkah Pengujian:
1. Tulis Hipotesis Ha dan Ho

Ho : = 0, Tidak terdapat hubungan yang signifikan antara jenis kelamin


dengan hobi.

Ha : 0, Terdapat hubungan yang signifikan antara jenis kelamin dengan


hobi.

2. Buat Tabel Kontingensi


Tabel kontingensi berbentuk 2x4 (2 baris dan 4 kolom). Setiap kotak disebut sel,
setiap sebuah kolom berisi sebuah subvariabel, setiap sebuah baris berisi sebuah
subvariabel.
Hobi
Jenis Kelamin Olahraga Otomotif Shopping Komputer

Total

Laki-laki

27

35

33

25

120

Perempuan

13

15

27

25

80

Total

40

50

60

50

200

3. Cari Nilai Frekuensi yang Diharapkan (fe)


Fe untuk setiap sel =

Misal :
Fe sel pertama =

= 24

4. Isikan Nilai fe ke Dalam Tabel Kontingensi

5. Hitung Nilai Chi-Square

6. Tentukan kriteria pengujian

Jika 2 hitung 2 tabel, maka Ho diterima.

Jika 2 hitung > 2 tabel, maka Ho ditolak.

ATAU

Jika Sig. 2 hitung > alpha, maka Ho diterima.

Jika Sig. 2 hitung < alpha, maka Ho ditolak.

7. Tentukan nilai 2 Tabel

Taraf signifikansi () = 0,05.

Df = (Baris1)(Kolom1) = (21)(41) = 3

2 Tabel = 7,815

8. Bandingkan 2 hitung dengan 2 tabel

2 hitung (5,729) < 2 tabel (7,815)

Ho diterima

KESIMPULAN:
Tidak terdapat hubungan yang signifikan antara jenis kelamin dengan hobi.
B. UJI KOLMOGROV SMIRNOV
Uji Kolmogorov-Smirnov termasuk dalam uji nonparametrik untuk kasus satu
sampel. Uji ini digunakan untuk menguji asumsi normalitas data. Tes dalam uji ini
adalah tes goodness of fit yang mana tes tersebut untuk mengukur tingkat kesesuian
antara distribusi serangkaian sampel (data observasi) dengan distribusi teoritis
tertentu.
PERSYARATAN
a) Data berskala interval atau ratio (kuantitatif)
b) Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c) Dapat untuk n besar maupun n kecil.
SIGINIFIKANSI

Signifikansi uji, nilai |FT FS| terbesar dibandingkan dengan nilai tabel
Kolmogorov Smirnov.

Jika nilai |FT FS| terbesar <nilai tabel Kolmogorov Smirnov, maka Ho
diterima ; Ha ditolak.

Jika nilai |FT FS| terbesar > nilai tabel Kolmogorov Smirnov, maka Ho
ditolak ; Ha diterima.

Contoh :
Suatu penelitian tentang berat badan mahasiswa yang mengijkuti pelatihan kebugaran
fisik/jasmani dengan sampel sebanyak 27 orang diambil secara random, didapatkan
data sebagai berikut ; 78, 78, 95, 90, 78, 80, 82, 77, 72, 84, 68, 67, 87, 78, 77, 88, 97,
89, 97, 98, 70, 72, 70, 69, 67, 90, 97 kg. Selidikilah dengan = 5%, apakah data
tersebut di atas diambil dari populasi yang berdistribusi normal ?
Penyelesaian :
1. Hipotesis
Ho : Populasi berat badan mahasiswa berdistribusi normal
H1 : Populasi berat badan mahasiswa tidak berdistribusi normal
2. Nilai
Nilai = level signifikansi = 5% = 0,05
3.

Statistik Penguji

4. Derajat bebas
Df tidak diperlukan
5. Nilai tabel
Nilai Kuantil Penguji Kolmogorov, = 0,05 ; N = 27 ; yaitu 0,254. Tabel
Kolmogorov Smirnov.
6. Daerah penolakan
Menggunakan rumus: | 0,1440 | < | 0,2540| ; berarti Ho diterima, Ha ditolak
7. Kesimpulan
Populasi tinggi badan mahasiswa berdistribusi normal = 0,05.
C. UJI RANDOMNESS (UJI RUN)
Uji ini digunakan untuk mengetahui apakah pengambilan data merupakan sampel
yang diambil secara random(acak).
Pengujian randomness tersebut hanya berdasarkan pada tanda dari nilai median pada
data sequence. Data sequence yang terletak di bawah median diberi tanda (minus)
dan data sequence yang terletak diatas median diberi tanda + (plus). Uji ini
dinamakan juga uji Runs. Disebut uji runs karena setelah data sequence diubah dalam
data dan +, kemudian harus dihitung berapa banyak runs. Run adalah suatu
sequence dari tanda-tanda yang sama jenisnya yang dibatasi dengan tanda-tanda dari
jenis lainnya (ingat disini hanya ada 2 tanda yakni dan +).
Asumsi yang diperlukan :
1. Data pengamatan tidak diubah urutannya.
2. Dihitung nilai median dari data pengamatan.

3. Pasangkan tanda jika data dibawah median dan tanda + jika data diatas
median.
4. Banyaknya tanda diberi notasi n1 dan banyaknya tanda + diberi notasi n2.
Tahap pengujiaannya adalah :
1. Ho : proses pengambilan data adalah merupakan random proses.
Ha : proses pengambilan data adalah bukan merupaka random proses.
2. Uji statistik :
r : banyaknya runs yang didapatkan pada sequence data.
Nilai r ini kemudian dibandingkan dengan nilai r tabel.
3. Kriteria keputusan pengujian :
Ho diterima apabila r terletak diantara r tabel batas bawah dan r tabel batas
atas berdasarkan n1 dan n2 tertentu.
Ho ditolak apabila r lebih kecil dari r tabel batas bawah atau lebih besar dari r
tabel batas atas berdasarkan n1 dan n2 tertentu.
Contoh : dari hasil penelitian pendapatan 20 orang pedagang buah-buahan diperoleh
data sebagai berikut : (Rp.000)
70,46,72,86,102,88,24,52,87,150,40,60,30,36,150,48,26,54,172,120.
Apakah pengambilan data merupakan random proses?
1. Ho : proses pengambilan data adalah merupakan random proses.
2. Ha : proses pengambilan data adalah bukan merupaka random proses.
3. Uji randomness
4. =0,05
5. kriteria keputusan :
apabila r tabel batas bawah r r tabel batas atas
r, 0,05, 10, 10 r r , 0,05, 10, 10 6 r 16 Ho diterima.

Apabila r tabel batas bawah > r > r tabel batas atas 6 r 16 Ho


diterima.
Sequence

Md = 65

n1 = 10

n2 = 10

r=9

Pendapatan

Tanda

70

46

72

86

102

88

24

52

87

150

40

60

30

36

150

48

26

54

172

120

Kesimpulan : r : 9 Ho diterima, pengambilan data merupakan random proses.

TUGAS STATISTIK DARI :


MEGA PURNAMA SARI
ANANDIA CELLINE EVATO
DINA GHASSANI AUFAR
ELYNA
RULLY RYANRIZA