Anda di halaman 1dari 24

Nonparametrik Statistics

Uji Parametrik

1. Melibatkan Parameter Populasi

Seperti: Rata-rata populasi

2. Data Skala Interval atau Rasio

Seperti: Hasil Belajar (72, 60, 80)

3. Asumsi, Data berdistribusi normal

Uji Nonparametrik digunakan untuk

1. Sampel kecil,

2. Tidak ada asumsi yang bisa diambil tentang distribusi sampel

3. Data ordinal/peringkat, seperti: kurang baik - baik lebih baik

4. Data nominal/identitas, seperti: pria wanita

5. Dikenal juga metoda bebas distribusi

Keuntungan Uji Nonparametrik

1. Perhitungan mudah

2. Sedikit asumsi yang digunakan

3. Tidak memerlukan parameter populasi

4. Hasil bisa sama bagus dengan tes parametrik

Kelemahan Uji Nonparametrik

1. Ada informasi yang hilang bila uji parametrik bisa digunakan, karena transformasi data dari
Rasio ke Skala Ordinal

2. Sukar dihitung dengan tangan bila sampelnya besar

3. Pada umumnya tidak pakai tabel penolong

Uji Nonparametrik Yang biasa digunakan

1. Uji Tanda (Sign Test)


2. Wilcoxon Signed Rank Test

3. Kruskal Wallis H-Test

4. Friedmans Fr-Test

5. Spearmans Rank Correlation Coefficient

Uji Tanda

Berfungsi untuk membandingkan distribusi dua sampel yang saling berkaitan

Didasarkan pada tanda negatif atau positif dari perbedaan antara pasangan data ordinal

Hanya memperhatikan arah perbedaan dan bukan pada besarnya perbedaan itu

Contoh Uji Tanda

seorang guru ingin mengetahui metode mengajar mana yang baik ceramah atau diskusi
untuk mengajarkan satu topik tertentu.

10 siswa diminta untuk menjawab dengan skala 5 Likert berikut:

1=jelek; 2=lumayan; 3=baik; 4=bagus; 5=sangat bagus.

Prosedur Uji Tanda (Sampel kecil)

Ceram
ah Diskusi Y-
No. Y X X Tanda
-
1 2 3 1 -
-
2 2 3 1 -
3 4 3 1 +
4 4 3 1 +
5 3 3 0 0
6 4 2 2 +
7 2 2 0 0
8 4 3 1 +
9 4 2 2 +
-
10 3 5 2 -
Bila metode ceramah sama baiknya dengan metode diskusi maka jumlah siswa yang menyatakan
ceramah lebih baik dari diskusi akan sama banyak dengan jumlah siswa yang menyatakan
ceramah lebih buruk dari diskusi.

Atau dengan kata lain

Probabilitas mendapatkan siswa yang akan menyatakan satu metode lebih baik akan sama
dengan probablitas memilih siswa yang akan menyatakan metode tersebut lebih buruk

jumlah observasi yang


n= relevan
= tanda positif + tanda negatif
= 5+3
8
jumlah tanda yang paling
r= sedikit
= 3
NOL dikeluarkan dari perhitungan

Langkah Uji Tanda

1. Rumuskan hipotesis Ho : p = 0,5 H1 : p 0,5

2. Tetapkan = 0,05

3. Hitung frekwensi tanda +=5;-=3;

n = fositif + negatif = 5 + 3 = 8 Tetapkan tanda dengan frekwensi kecil sebagai r = 3

4. Menentukan Probabilitas Hasil

Berapa probablilitas untuk mendapatkan paling banyak 2 dari 8 siswa yang menganggap metode
diskusi lebih baik, jika Ho benar ?

Mengacu pada Distribusi Probabilitas Binomial n kecil

Pada = 0,05 didapat p = 0,1445; Karena uji dua pihak

Maka p = 2 x 0,1445 = 0,2890.

Harga p = 0,1445 berasal dari :

Probabilitas mendapatkan: NOL dari 8 = 0,0039

SATU dari 8 = 0,0312


DUA dari 8 = 0,1094
Jumlah = 0,1445
5. Kriteria Penerimaan Ho Bila ptabel > , maka Ho diterima
6. Kesimpulan karena harga ptabel = 0,2890 > = 0,05; maka Ho diterima
Dari hasil uji tanda dapat dikatakan bahwa tidak terdapat perbedaan yang nyata antara
metode ceramah dan diskusi untuk mengajarkan materi tertentu

Uji Tanda sampel besar

Jika pendekatan normal dapat dipakai terhadap distribusi binomial, maka aturan
mengambilan keputusan mengikuti distribusi Z dimana rasio kritis (RK) nilai Z dihitung:
2R n
RK
n
Dimana: R = jumlah tanda yang banyak
n = jumlah sampel yang relevan

Contoh uji tanda sampel banyak


Misalkan ada 33 siswa diminta pendapatnya tentang metode ceramah dan diskusi dalam
mengajarkan pokok bahasan tertentu diperoleh hasil sbb:
Tanda positif = 18
Tanda negatif = 12
Nol =3
Untuk n = 30 dan = 0,05 didapat p=1,64; untuk uji dua pihak p menjadi 3,28.
2R n
RK
n
2.18 30

30
36 30 6
1,09
5,48 5,48
Terima Ho bila RK < ptabel
RK=1,09 < ptabel=3,28
Kesimpulan, tidak terdapat perbedaan metode ceramah dan metode
diskusi dalam mengajarkan pokok bahasan tertentu

Wilcoxon Signed Rank Test (Uji Peringkat Bertanda Wilcoxon)


1. Digunakan untuk data berpasangan dari satu sampel atau dua sampel yang saling terkait
2. Uji ini memperhatikan tanda dan juga besarnya perbedaan
3. Data Ordinal
Langkah Uji Wilcoxon Rank Sum Test
1. Rumuskan Hipotesis Ho = p=0,5: H1: p0,5
2. Menentukan =0,05
3. Membuat peringkat perbedaan tanpa memperhatikan tanda
Menentukan Peringkat
Ceramah Diskusi
N
o. Y X Y-X
1 1 3 -2
2 1 4 -3
3 4 1 3
4 4 2 2
5 3 3 0
6 4 1 3
7 2 2 0
8 4 3 1
9 4 2 2
10 3 5 -2
Menyusun peringkat tanpa memperhatikan tanda

Perbe- Peringkat Perigkat bertanda


tanpa
daan tanda Positif Negatif
1 1 1 1
2 2 3,5 +3,5
-2 3 3,5 -3,5
-2 4 3,5 -3,5
2 5 3,5 +3,5
-3 6 7 -7
3 7 7 7
3 8 7 7
Jumlah = 22 -14
Menetapkan harga Thitung
Thitung = peringkat bertanda yang kecil
= 14
Menentukan harga Ttabel = Tabel T pada n=8 dan =0,05
Ttabel = 3

Menetapkan kriteria penolakan/penerimaan Ho: Bila Thitung Ttabel, maka Ho harus ditolak

Thitung = 14 > Ttabel = 3; maka Ho diterima

Mann-Whitney Test

1. Digunakan untuk analisis data dari dua kelompok yang tidak saling terkait
2. Uji ini juga disebut sebagai uji U, karena dalam uji hipotesis Ho, angka yang dihitung disebut
U
Contoh : Suatu penelitian diadakan untuk meneliti kecepatan guru mengerjakan tugas tertentu.
Untuk itu diambil dari dua sekolah A dan B. Dengan hasil sebagai berikut:

Prosedur Mann-Whitney Test

1. Merumuskan Hipotesis Ho : A=B H1 : AB

2. =0,05 (5%)

nB (nB 1) n (n 1)
U B n A nB RB U A n A nB A A RA
2 2
3. nA = 8 nB = 12

4.Menghitung nilai U

Dari hasil perhitungan

UA = 32,5 UB = 43,5

Untuk uji Ho ambil U yang kecil yaitu UA

Kriteria menerima/menolak Ho : Bila Uhitung Utabel, maka terima Ho

Lihat Tabel U, pada nA=8; nB=12 dan =0,05 Utabel = 22

Keputusan dan Kesimpulan : Uhitung = 32,5 > Utabel = 22, Maka Ho ditolak

Terdapat perbedaan kecepatan mengerjakan tugas tertentu antara guru sekolah A dan guru
sekolah B

Kruskal Wallis H-Test

Fungsi:

1. Menguji apakah k sampel independen diambil dari populasi yang sama?

2. Merupakan alternatif uji Anova satu arah

Metoda:

1. Beri rangking dari data kecil sampai terbesar (data sama diberi skor rata-rata)

2. Jumlahkan ranking untuk setiap sampel


12 Rj 2

H 3( N 1)
N ( N 1) n j
dimana :
k banyak sampel
n j banyaknya kasus utk sampel ke - j
N banyaknya seluruh kasus/obse rvasi
R j jumlah ranking untuk sampel ke - j
3. Hitung harga H dengan rumus:

Dilakukan pengujian untuk melihat 3 metode pelatihan yang berbeda untuk guru.

Metoda 1 menggunakan Video, Metoda 2 dengan praktek lapangan Metoda 3 dengan


penyuluhan di dalam ruangan.

Keberhasilan metode dilihat dari volume pekerjaan yang dapat dikerjakan oleh seorang mandor
dalam satu satuan waktu tertentu setelah mendapatkan pelatihan, dengan hasil sebagai berikut:

12 R 2j
H 3( N 1)
N ( N 1) n j
12 49,5 2 30 2 11,5 2
3(13 1)
13(13 1) 5 4 4
0,0659 x748,112 42
7,326
R1=49,5 R2=30 R3=11.5
n1=5 n2=4 n3=4 N=13
Spearman Rank Correlation (rs)

Menyatakan ukuran erat tidaknya kaitan antara dua variabel ordinal

Data disusun berdasatkan peringkat

6 D2
rs 1 ( )
n(n 2 1)
6.80
1 ( )
11(112 1)
480
1 1 0,364
1320
0,636
Contoh Spearman Rank Correlation : Suatu penelitian tentang hubungan
antara usia pekerja dengan prestasi kerja. Dengan data sebagai berikut: n=11 D2=80

n2
RK rs
1 rs2
11 2
0,636
1 0,636 2
9
0,636
1 0,404
2,47
Menguji Signifikansi rs

Rumuskan Hopotesis Ho: rs=0 H1:rs>0 =0,05

Untuk sampel>10, pakai RK

Kriteria penolakan Ho

Bila RK > ttabel, maka Ho ditolak

Lihat tabel t pada df = n-2=11-2=9, pada =0,05, didapat ttabel =1,833

jadi RK=2,47 > ttabel=1,833 maka Ho ditolak.


ANALISIS VARIANSI / KERAGAMAN Analysis of Variance ( ANOVA )

Kegunaan ANOVA

Mengendalikan 1 atau lebih variabel independen, Disebut dgn faktor (atau variabel
treatment)

Tiap faktor mengandung 2 atau lebih level (kategori / klasifikasi)

Mengamati efek pada variabel dependen, Merespon level pada variabel independen

ANOVA 1 Arah

Evaluasi perbedaan diantara 3 atau lebih mean populasi

Contoh: Kecepatan guru mengerjakan tugas tertentu setelah ditraining dengan 3


metoda yang berbeda

Asumsi

Populasi berdistribusi normal

Populasi mempunyai variansi yang sama

Sampelnya random dan independen

H 0 : 1 2 3 k
Hipotesis ANOVA 1 Arah

Seluruh mean populasi adalah sama,


H A : Tidak seluruh mean populasi adalah sama
Tak ada efek treatment (tak ada
keragaman mean dalam grup)

Minimal ada 1 mean populasi yang berbeda, Terdapat sebuah efek treatment

H A : Tidak seluruh i sama H 0 : 1 2 3 k


Tidak seluruh mean populasi
berbeda (beberapa pasang mungkin sama)

ANOVA 1 Faktor

Semua mean bernilai sama Hipotesis nol adalah benar (Tak ada efek
treatment)
1 2 3

Minimal ada 1 mean yg berbeda Hipotesis nol tidak benar (Terdapat efek
treatment)

Partisi Variasi : Variasi total dapat dipecah menjadi 2 bagian:

SST =
SSB +
SSW
SST = Sum of Squares Total (Jumlah Kuadrat Total)

SSB = Sum of Squares Between (Jumlah Kuadrat Antara)

SSW = Sum of Squares Within (Jumlah Kuadrat Dalam)

Variasi Total = pernyebaran agregat nilai data individu melalui beberapa level faktor
(SST)

Between-Sample Variation = penyebaran diantara mean sampel faktor (SSB)

Within-Sample Variation = penyebaran yang terdapat diantara nilai data dalam


sebuah level faktor tertentu (SSW)
k ni
SST (x
i 1 j 1
ij x )2
Jumlah Kuadrat Total (Total Sum of
Squares)

Dimana:

SST ( x11 x ) 2 ( x12 x ) 2 ... ( xknk x ) 2


SST = Total sum of
squares/Jumlah Kuadrat Total

k = jumlah populasi (levels or treatments)

ni = ukuran sampel dari populasi i

xij = pengukuran ke-j dari populasi ke-i

x
= mean keseluruhan (dari seluruh nilai data)

k
SSB ni ( xi x ) 2
i 1
SSB
MSB
k 1
Variasi Diantara Group/Kelompok

k nj
SSW ( xij xi ) 2
i 1 j 1

SSB n1 ( x1 x ) 2 n2 ( x2 x ) 2 ... nk ( xk x ) 2

Penjumlahan variasi dalam setiap group dan kemudian penambahan pada seluruh
group
SSW
MSW
N k
Variasi Dalam Kelompok (Within-Group Variation)

SSW ( x11 x1 ) 2 ( x12 x2 ) 2 ... ( xknk xk ) 2

Tabel ANOVA 1 Arah (One-Way ANOVA)

Uji F ANOVA 1 Faktor

MSB
F
MSW
H0: 1= 2 = = k HA: Minimal 2 mean populasi berbeda
Stastistik Uji :

Degrees of freedom/derajat kebebasan :

df1 = k 1 (k = jumlah populasi)

df2 = N k (N = jumlah ukuran sampel seluruh populasi)

Interpretasi Uji F

Statistik Uji F adalah rasio antara taksiran variansi dengan taksiran dalam variansi

Rasio harus selalu positif

df1 = k -1 berukuran kecil df2 = N - k berukuran besar

Rasio akan mendekati 1 jika : H0: 1= 2 = = k Benar

Rasio akan lebih besar dari 1 jika : H0: 1= 2 = = k Salah

Contoh Kasus

Skor kecepatan guru mengerjakan tugas tertentu dari 3 metoda training berbeda.
Dipilih 5 sampel dari masing-masing untuk diukur kemampuangnya. Dengan tingkat
signifikansi 5%, apakah terdapat perbedaan rata-rata(mean) kecepatan guru yang
ditraining dengan 3 metoda yang berbeda?

Scatter Diagram
Solusi
Output Excel

Uji Tanda (Sign Test)


Berfungsi untuk membandingkan distribusi dua sampel yang saling berkaitan
Didasarkan pada tanda negatif atau positif dari perbedaan antara pasangan
data ordinal
Hanya memperhatikan arah perbedaan dan bukan pada besarnya perbedaan
itu

Contoh Uji Tanda :

seorang guru ingin mengetahui metode mengajar mana yang baik


ceramah atau diskusi untuk mengajarkan satu topik tertentu.

10 siswa diminta untuk menjawab dengan skala 5 Likert berikut:

1=jelek;

2=lumayan;

3=baik;

4=bagus;

5=sangat bagus.

No Ceramah Diskusi
Y-X TANDA
. Y X
1 2 3 -1 -
2 2 3 -1 -
3 4 3 +1 +
4 4 3 +1 +
5 3 3 0 0
6 4 2 +2 +
7 2 2 0 0
8 4 3 +1 +
9 4 2 +2 +
10 3 5 -2 -

Bila metode ceramah sama baiknya dengan metode diskusi maka


jumlah siswa yang menyatakan ceramah lebih baik dari diskusi akan
sama banyak dengan jumlah siswa yang menyatakan ceramah lebih
buruk dari diskusi.

Atau dengan kata lain


Probabilitas mendapatkan siswa yang akan menyatakan satu metode
lebih baik akan sama dengan probablitas memilih siswa yang akan
menyatakan metode tersebut lebih buruk

n= jumlah observasi yang relevan

= tanda positif + tanda negatif

= 5+3

r= jumlah tanda yang paling sedikit

= 3

NOL dikeluarkan dari perhitungan

Langkah Uji Tanda

1. Rumuskan hipotesis
Ho : p = 0,5
H1 : p 0,5
2. Tetapkan
= 0,05
3. Hitung frekwensi tanda
+=5;-=3;
n = fositif + negatif
=5+3
=8
Tetapkan tanda dengan frekwensi kecil sebagai
r=3
Menentukan Probabilitas Hasil

Berapa probablilitas untuk mendapatkan paling banyak 2 dari 8 siswa yang


menganggap metode diskusi lebih baik, jika Ho benar ?

Mengacu pada Distribusi Probabilitas Binomial n kecil

Pada = 0,05 didapat p = 0,1445; Karena uji dua pihak

Maka p = 2 x 0,1445 = 0,2890.

Harga p = 0,1445 berasal dari :

Probabilitas mendapatkan: NOL dari 8 = 0,0039

SATU dari 8 = 0,0312

DUA dari 8 = 0,1094

Jumlah = 0,1445

Kriteria Penerimaan Ho

Bila ptabel > , maka Ho diterima

Kesimpulan

karena harga ptabel = 0,2890 > = 0,05;

maka Ho diterima

Dari hasil uji tanda dapat dikatakan bahwa tidak terdapat perbedaan yang
nyata antara metode ceramah dan diskusi untuk mengajarkan materi
tertentu
Uji Tanda sampel besar
Jika pendekatan normal dapat dipakai terhadap distribusi binomial, maka
aturan mengambilan keputusan mengikuti distribusi Z dimana rasio kritis
(RK) nilai Z dihitung:

2R n
RK
n
Dimana:

R = jumlah tanda yang banyak

n = jumlah sampel yang relevan

contoh :

Misalkan ada 33 siswa diminta pendapatnya tentang metode ceramah dan


diskusi dalam mengajarkan pokok bahasan tertentu diperoleh hasil sbb:

Tanda positif = 18

Tanda negatif = 12

18 + 12 = 30

Nol =3

2R n
RK
n
2.18 30

30
36 30 6
1,09
5,48 5,48
Untuk n = 30 dan = 0,05 didapat p=1,64; untuk uji
dua pihak p menjadi 3,28.
Terima Ho bila RK < ptabel

RK=1,09 < ptabel=3,28

Kesimpulan, tidak terdapat perbedaan metode ceramah dan metode


diskusi dalam mengajarkan pokok bahasan tertentu

Wilcoxon Signed Rank Test (Uji Peringkat


Bertanda Wilcoxon)
Langkah Uji Wilcoxon Rank Sum Test

1. Rumuskan Hipotesis

Ho = p=0,5: H1: p0,5

2. Menentukan =0,05

3. Membuat peringkat perbedaan tanpa memperhatikan tanda.

Ceramah Diskusi
No. Y-X
Y X
1 1 3 -2
2 1 4 -3
3 4 1 3
4 4 2 2
5 3 3 0
6 4 1 3
7 2 2 0
8 4 3 1
9 4 2 2
10 3 5 -2
Peringkat Peringkat bertanda
Perbedaan
tanpa tanda Positif Negatif
1 1 1 +1
2 2 3,5 +3,5
-2 3 3,5 -3,5
-2 4 3,5 -3,5
2 5 3,5 +3,5
-3 6 7 -7
3 7 7 +7
3 8 7 +7
Jumalah +22 -14

Thitung = peringkat bertanda yang kecil = 14

Menentukan harga Ttabel = Tabel T pada n=8 dan =0,05

Ttabel = 6/2 = 3

Menetapkan kriteria penolakan/penerimaan Ho: Ttabel, maka Ho


Bila Thitung

Thitung = 14 > Ttabel = 3; maka Ho diterima

Mann-Whitney Test
Digunakan untuk analisis data dari dua kelompok yang tidak saling
terkait

Prosedur Mann-Whitney Test

1. Merumuskan Hipotesis

Ho : A=B

H1 : AB

2. =0,05 (5%)
3. nA = 8

nB = 12

4. Menghitung nilai U
nB (nB 1) n (n 1)
U B n A nB RB U A n A nB A A RA
2 2
Dari hasil perhitungan :

UA = 40,5 UB = 55,5 Untuk uji Ho ambil U yang kecil yaitu UA

Kriteria menerima / menolak Ho : Bila Uhitung Utabel, maka tolak Ho

Lihat Tabel U, pada nA=8; nB=12 dan =0,05 : Utabel = 26

Uhitung = 40,5 > Utabel = 23,

Maka Ho diterima

Kesimpulan :

Tidak terdapat perbedaan kecepatan mengerjakan tugas tertentu antara


guru sekolah A dan guru sekolah B

Nilai kritis T pada Uji Tanda-peringkat Berpasangan Wilcoxon

n =0, =0, =0, =0, n =0, =0, =0, =0,


005 01 025 05 005 01 025 05

1 26 76 85 98 110

2 27 84 93 107 120

3 28 92 102 117 130

4 29 100 111 127 141

5 1 30 109 120 137 152

6 1 2 31 118 130 148 163

7 2 4 32 128 141 159 175

8 2 4 6 33 138 151 171 188

9 2 3 6 8 34 149 162 183 201

10 3 5 8 11 35 160 174 195 214

11 5 7 11 14 36 171 186 208 228

12 7 10 14 17 37 183 198 222 242

13 10 13 17 21 38 195 211 235 256

14 13 16 21 26 39 208 224 250 271


15 16 20 25 30 40 221 238 264 287

16 19 24 30 36 41 234 252 279 303

17 23 28 35 41 42 248 267 295 319

18 28 33 40 47 43 262 281 311 336

19 32 38 46 54 44 277 297 327 353

20 37 43 52 60 45 292 313 344 371

21 43 49 59 68 46 307 329 361 389

22 49 56 66 75 47 323 345 379 208

23 55 62 73 83 48 339 362 397 427

24 61 69 81 92 49 356 380 415 446

25 68 77 90 101 50 373 398 434 466