NON PARAMETRIK
1
Statistika & Metode Ilmiah
METODE ILMIAH :
Adalah salah satu cara mencari kebenaran yang bila ditinjau dari segi
penerapannya, resiko untuk keliru paling kecil.
INSTRUMEN
SAMPEL
PERAN STATISTIKA
SIFAT DATA
VARIABEL
METODE ANALISIS
2
Pengertian Statistika
STATISTIKA :
Kegiatan untuk :
KEGUNAAN
mengumpulkan data
?
menyajikan data
menganalisis data dengan metode tertentu
menginterpretasikan hasil analisis
Melalui fase
STATISTIKA DESKRIPTIF :
Berkenaan dengan 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)
6
Istilah dalam Statistika
Subyek/Obyek
Benda hidup atau mati yg diuji unsur-unsur, sifat dan kelakuannya melalui pengamatan, pengukuran
dan penilaian guna mendapat info atau nilai-nilai yg berguna mengenai benda tsb.
VARIABEL
Suatu sifat dari obyek atau unsur dari obyek yg dpt diamati atau diukur shg menghasilkan nilai, ukuran
atau kriteria lain yg dpt bervariasi
VARIATE
Angka/nilai ukuran/kriteria lain yg dicapai suatu variabel pada suatu individu atau unit statistik
VARIASI
Adanya perbedaan antar nilai/variate/ukuran dll dari suatu variabel pada populasi atau sampel
VARIABILITAS
Kemungkinan utk bervariasi dari nilai suatu variabel pada suatu populasi atau sampel
PARAMETER
Suatu variabel terukur yg digunakan sbg kriteria utk mengevaluasi suatu populasi atau sistem
NILAI PARAMETRIK
Suatu nilai dari suatu parameter yg diperoleh dari perhitungan atau data sensus, masih harus di
analisis.
NILAI STATISTIK
Suatu nilai dari suatu parameter yg diperoleh dari perhitungan atau data sensus. 7
Jenis-Jenis Data
Berdasarkan sumber-nya:
Data primer: data yg didapatkan atau dikumpulkan sendiri, misal dgn melakukan
wawancara, observasi atau penelitian lapangan/laboratorium
Data sekunder: data yg didapat dari pihak lain, misal dari data providers seperti :
BPS, LIPI, dll
Berdasarkan jenisnya:
Data Numerik (kuantitatif): dinyatakan dalam besaran numerik (angka), Misalnya :
Data pendapatan per kapita, pengeluaran, harga, jarak, dll.
Data Kategorik (Kualitatif): diklasifikasikan berdasarkan kategori/kelas tertentu
Misalnya :
Kategori Mahasiswa Berprestasi dan Tidak Berprestasi,
Kategori kota kecil, sedang dan besar,
Kategori pendukung partai politik A, B, C, dll.
1. Berbelanja di toko ini lebih sering lebih baik, supaya dapat harga diskon untuk
produk-produk tertentu :
[ ] sangat setuju [ ] setuju [ ] netral
[ ] tidak setuju [ ] sangat tidak setuju
2. Sebutkan gerai ritel modern yang sering anda kunjungi: ...................
3. Sebutkan alasan kenapa anda memilih gerai tersebut : .......................
Interval: Ada urutan, ada perbedaan tetapi tidak ada titik awal (nol mutlak),
misalnya: suhu 0C bukan berarti tidak mempunyai suhu, tangga nada, IQ.
Rasio: Ada urutan, ada perbedaan, ada titik awal, misalnya: Pendapatan Rp.
135 245,23 per bulan: Pendapatan Rp. 0 berarti tidak ada.
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
13
Data
DATA
NOMINAL INTERVAL
ORDINAL RASIO
14
PROSEDUR PENGGUNAAN TABEL & GRAFIK
Data
Data Kualitatif Data Kuantitatif
15
30
30
20
20
10
10
Jumlah
Count
0
0
administrasi personalia produksi marketing keuangan
administrasi personalia produksi marketing keuangan
bidang pekerjaan
bidang pekerjaan
800000
keuangan
administrasi
700000
600000
personalia
500000
Mean gaji perbulan
Jenis kelamin
400000
marketing laki-laki
prestasi kerja
16
Frekuensi
KELOMPOK FREKUENSI
Kelompok ke-1 f1
Kelompok ke-2 f2 Pendidikan Frekuensi
Kelompok ke-3 f3
Kelompok ke-i fi S1 62
Kelompok ke-k fk S2 19
k S3 9
n = fi 90
i=1
k
n = fi = f1 + f2 + f3 +.. + fi + + fk
i=1
17
Distribusi Frekuensi
X1 + X2 + X 3 + + X n n
X= n Xi
i =1
k
fi
i =1
Cara menghitung :
MEDIAN : nilai tengah dari sekumpulan data setelah diurutkan yang fungsinya
Membantu memperjelas kedudukan suatu data.
Contoh : diketahui rata-rata hitung nilai ulangan dari sejumlah siswa adalah 6.55.
Pertanyaannya adalah apakah siswa yang memperoleh nilai 7
termasuk istimewa, baik, atau biasa-biasa saja ?
Jika sekumpulan data banyak bilangannya genap (tidak mempunyai bilangan tengah) Maka
mediannya adalah rerata dari dua bilangan yang ditengahnya.
Contoh : 1 2 3 4 5 6 7 8 8 9 maka median (5+6) : 2 = 5.5
20
Modus
Contoh : A : 100 90 80 70 60 50 40 30 20 10
B : 100 100 100 100 100 10 10 10 10 10 X = 55
C : 100 100 100 90 80 30 20 10 10 10 r = 100 10 = 90
Rata-rata
22
Deviasi Rata-rata : penyebaran Deviasi rata-rata
Berdasarkan harga mutlak simpangan
Kelompok A Kelompok B
bilangan-bilangan terhadap rata-ratanya.
Nilai X X-X |X X| Nilai X X-X |X X|
100 45 45 100 45 45
90 35 35 100 45 45
80 25 25 100 45 45
70 15 15 90 35 35
60 5 5 80 25 25
Rata-rata 50 -5 5 30 -25 25
40 -15 15 20 -35 35
30 -25 25 10 -45 45
20 -35 35 10 -45 45
10 -45 45 10 -45 45
Jumlah 0 250 Jumlah 0 390
DR = 250 = 25 DR = 390 = 39
10 10
n
|Xi X|
DR =
Rata-rata n
i=1
8250 15850
n s= 9 = 30.28 s= 9 = 41.97
2
s= (Xi X)
i=1 n-1
Kesimpulan :
Kelompok A : rata-rata = 55 ; DR = 25 ; s = 30.28
Kelompok B : rata-rata = 55 ; DR = 39 ; s = 41.97
Maka data kelompok B lebih tersebar daripada kelompok A
24
KUARTIL, DESIL, PERSENTIL
Kuartil
Kelompok data yang sudah diurutkan
(membesar atau mengecil) dibagi empat
bagian yang sama besar.
Ada 3 jenis yaitu kuartil pertama (Q1) atau
kuartil bawah, kuartil kedua (Q2) atau kuartil
tengah, dan kuartil ketiga (Q3) atau kuartil
atas.
Desil
Kelompok data yang sudah diurutkan
(membesar atau mengecil) dibagi sepuluh
25
bagian yang sama besar.
Pengolahan Data
MULAI
26
Pengolahan Data
Analisis UNIVARIAT : hanya ada 1 pengukuran (variabel) untuk n sampel atau beberapa
variabel tetapi masing-masing variabel dianalisis sendiri-sendiri. Contoh : korelasi 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.
27
Populasi : keseluruhan pengamatan. Sampel = Contoh = sample:
himpunan bagian populasi. Ukuran Populasi = N = banyak anggota
populasi. Ukuran Sampel = n = banyak anggota sampel. Parameter: nilai
yang menyatakan ciri populasi. Statistik (Statistic): nilai yang menyatakan
ciri sampel
Ragam, Variance s
proporsi p atau p
Bias suatu sampel: perbedaan ciri sampel dengan ciri populasi tempat sampel diambil.
Sampel yang baik adalah sampel dengan bias minimal. Cara mendapatkan sampel dengan
bias minimal adalah dengan mengambil secara randon (acak).
Pengolahan Data
Statistika Nonparametrik
Membutuhkan data dengan data ordinal dan nominal
Merupakan statistika bebas sebaran (tdk mensyaratkan bentuk sebaran
parameter populasi, baik normal atau tidak).
Contoh metode Statistika non-parametrik: Binomial test, Chi-square test,
Median test, Friedman Test, dll.
30
Statistik Parametrik dan Non Parametrik
Statistik Parametrik : digunakan untuk menguji parameter populasi melalui
statistik , atau menguji ukuran populasi melalui data sampel.
Pengertian parameter populasi adalah data yang diperoleh dengan mencatat
semua elemen yang menjadi obyek penelitian dan merupakan nilai yang
sebenarnya (true value). Sedangkan pengertian statistik disini adalah data
yang diperoleh dari sampel dan merupakan nilai perkiraan (estimated value).
Parameter populasi antara lain meliputi : rara-rata (), simpangan baku (),
varians (). Sedangkan statistiknya adalah : rata-rata (x bar), simpangan baku
(s) dan varians (s).
Uji Hipotesis Statistik : ialah pengujian parameter melalui statistik (data
sampel). Oleh karena itu penelitian yang berhipotesis statistik adalah
penelitian yang menggunakan data sampel.
Statistik Non Parametrik : tidak menguji parameter populasi, tetapi menguji
distribusi.
31
Statistik Parametrik dan Non Parametrik
Penggunaan statistik Parametrik dan Non Parametrik tergantung pada asumsi dan
jenis data yang akan dianalisis.
Statistik Parametrik memerlukan terpenuhi banyak asumsi, antara lain asumsi
yang utama adalah data yang dianalisis harus berdistribusi normal, selanjutnya
dalam penggunaan salah satu test mengharuskan data homogin, dalam regresi
harus terpenuhi asumsi linieritas.
Statistik Non Parametrik tidak menuntut terpenuhi banyak asumsi, misalnya data
yang dianalisis tidak harus berdistribusi normal. Oleh karena itu statistik non
parametrik sering disebut sebagai distribusi bebas (free distribution)
Statistik Parametrik banyak digunakan untuk menganalisis data interval dan rasio.
Sedangkan Statistik Non Parametrik banyak digunakan untuk untuk menganalisis
data nominal dan ordinal.
32
t-test ; Korelasi Product Moment
Dalam Statistik Parametrik diperlukan syarat bahwa data yang akan dianalisis harus berdistribusi
normal. Untuk itu perlu dilakukan pengujian normalitas data.
T-test : 1) untuk menguji hipotesis deskriptif satu sampel bila datanya berbentuk interval dan ratio
, maka digunakan t-test satu sampel.
2) untuk menguji hipotesis komparatif dua sampel berpasangan bila datanya berbentuk
interval dan ratio, digunakan t-test sampel berpasangan.
t = x - 0
s/n
di mana : t = nilai t yang dihitung , x = rata-rata , 0 =nilai yang dihipotesiskan
s = simpangan baku sampel , n = jumlah anggota sampel.
33
t-test, Korelasi Product Moment
Korelasi : menunjukkan adanya hubungan antara dua variabel atau lebih serta menunjukkan
besarnya (kuat/lemahnya) hubungan antara dua variabel tersebut.
Koefisien Korelasi ( r ) merupakan kriteria untuk mengukur hubungan antar variabel secara
kuantitatif yang nilainya terletak antara 1 dan 1
r = 1 , hubungan variabel X dan Y adalah sangat kuat dan positif
r = - 1 , hubungan variabel X dan Y adalah sangat lemah dan negatif
r = 0 , hubungan variabel X dan Y lemah sekali atau tidak ada hubungan.
Berikut ini adalah rumus Karl Pearson (Product Moment) :
r = n . XY - X . Y .
n.X - (X). n.Y - (Y)
Koefisien Determinasi (Kd) : menunjukkan berapa persen fluktuasi atau variasi variabel Y
yang disebabkan oleh variabel X , dengan rumus :
Kd = r
34
POLA HUBUNGAN PADA DIAGRAM SCATTER
y y y
x x
x
Hubungan Positif
Hubungan Negatif Tidak ada hubungan
Jika X naik, maka
Jika X naik, maka antara X dan Y
Y juga naik dan
Y akan turun dan
jika X turun, maka
jika X turun, maka
Y juga turun
Y akan naik
35
Analisis Regresi Linear Sederhana
Analisis Regresi : suatu proses melakukan estimasi untuk memperoleh suatu hubungan fungsional
antara variabel X dengan variabel Y.
Analisis Regresi Linear Sederhana : adalah analisis regresi antara satu variabel X dan satu variabel
Y.
Persamaan Regresi Linear Sederhana : Y = a + bX ,
di mana : Y = Nilai Y prediksi , a = Intercept atau nilai Y pada saat X = 0
b = Slope / kemiringan , X = Independent Variable (variabel bebas).
Untuk menghitung nilai a dan b digunakan rumus :
a = Y - b. X
n n
36
Normalitas, Hipotesis, Pengujian
Distribusi Normal : kurva berbentuk bel, simetris, simetris terhadap sumbu yang
melalui nilai rata-rata
Kurtosis = keruncingan
Skewness = kemiringan
38
Normalitas, Hipotesis, Pengujian
5% 2.5% 2.5%
Ho : b = i
Jika Ho ditolak, maka Ha diterima ; daerah penolakan bisa berada di sebelah kiri atau kanan 39
Uji t
Uji t : menguji apakah rata-rata suatu populasi sama dengan suatu harga tertentu atau
apakah rata-rata dua populasi sama/berbeda secara signifikan.
( - )
t =
1. Uji t satu sampel s / n
Menguji apakah satu sampel sama/berbeda dengan rata-rata populasinya
Contoh :
Peneliti ingin mengetahi apakah ada perbedaan penghasilan (sebelum sertifikasi) antara guru
yang lulusan S1 dengan yang lulusan S3
Ho : Pb = Pk
Diperoleh : rata2 x = 1951613 ; y = 2722222 ; t hitung = - 7.369
Berdasarkan tabel df=69 dan = 0.025 diperoleh t tabel = 1.994
Kesimpulan : t hitung > t tabel sehingga Ho ditolak
Rata-rata penghasilan guru yang S1 berbeda secara signifikan dengan
penghasilan guru yang S3
41
Uji t
D
t= Di mana D = rata-rata selisih skor pasangan
sD
D2 (D)2
sD = d2 d2 =
N(N-1) N
Contoh :
Seorang guru ingin mengetahui efektivitas model pembelajaran diskusi. Setelah selesai
pembelajaran pertama, ia memberikan tes dan setelah selesai pembelajaran kedua kembali ia
memberikan tes. Kedua hasil tes tersebut dibandingkan dengan harapan adanya perbedaan rata-
rata tes pertama dengan kedua.
Ho : Nd = Nc
Diperoleh rata2d = 66.28 ; rata2c = 73.84 ; t hitung = -8.904
Berdasarkan tabel df=163 dan = 0.05 diperoleh t tabel = 1.960
Kesimpulan : t hitung > t tabel sehingga Ho ditolak
Terdapat perbedaan yang signifikan antara hasil tes pertama dengan
hasil tes kedua, sehingga ia menyimpulkan model diskusi efektif
meningkatkan hasil belajar siswanya
42
Uji Keterkaitan
POSITIF NEGATIF
makin besar nilai variabel 1 makin besar nilai variabel 1
menyebabkan makin besar menyebabkan makin kecil
pula nilai variabel 2 nilai variabel 2
Contoh : makin banyak waktu contoh : makin banyak waktu
belajar, makin tinggi skor bermain, makin kecil skor
Ulangan korelasi positif Ulangan korelasi negatif
antara waktu belajar antara waktu bermain
dengan nilai ulangan dengan nilai ulangan
NOL
tidak ada atau tidak menentunya hubungan dua variabel
contoh : pandai matematika dan jago olah raga ; pandai
matematika dan tidak bisa olah raga ; tidak pandai matematika
dan tidak bisa olah raga
korelasi nol antara matematika dengan olah raga
43
Uji Keterkaitan
1. KORELASI PEARSON :
apakah di antara kedua variabel terdapat hubungan, dan jika ada hubungan bagaimana
arah hubungan dan berapa besar hubungan tersebut.
Digunakan jika data variabel kontinyu dan kuantitatif
Contoh :
10 orang siswa yang memiliki waktu belajar berbeda dites dengan tes IPS
Siswa : A B C D E F G H I J
Waktu (X) : 2 2 1 3 4 3 4 1 1 2
Tes (Y) : 6 6 4 8 8 7 9 5 4 6
Apakah ada korelasi antara waktu belajar dengan hasil tes ?
Siswa X X2 Y Y2 XY
A
B
X X2 Y Y2 XY
44
Uji Keterkaitan
Contoh :
10 orang siswa yang memiliki perilaku (sangat baik, baik, cukup, kurang) dibandingkan
dengan tingkat kerajinannya (sangat rajin, rajin, biasa, malas)
Siswa : A B C D E F G H I J
Perilaku : 2 4 1 3 4 2 3 1 3 2
Kerajinan : 3 2 1 4 4 3 2 1 2 3
Apakah ada korelasi antara perilaku siswa dengan kerajinannya ?
Siswa A B C D
Perilaku
Kerajinan
d
d2 d2
45
Uji Chi-Square (X2)
Chi-Square (tes independensi) : menguji apakah ada hubungan antara baris dengan
kolom pada sebuah tabel kontingensi. Data yang digunakan adalah data kualitatif.
(O E)2
O = skor yang diobservasi
X2 = Di mana
E = skor yang diharapkan (expected)
E
Contoh :
Terdapat 20 siswa perempuan dan 10 siswa laki-laki yang fasih berbahasa Inggris, serta
10 siswa perempuan dan 30 siswa laki-laki yang tidak fasih berbahasa Inggris.
Apakah ada hubungan antara jenis kelamin dengan kefasihan berbahasa Inggris ?
Ho = tidak ada hubungan antara baris dengan kolom
H1 = ada hubungan antara baris dengan kolom
P L
O E (O-E) (O-E)2 (O-E)2/E
a b
Fasih a 20 (a+b)(a+c)/N
c d b 10 (a+b)(b+d)/N
Tidak fasih
c 10 (c+d)(a+c)/N
d 30 (c+d)(b+d)/N
df = (kolom 1)(baris 1)
Jika X2 hitung < X2 tabel, maka Ho diterima
Jika X2 hitung > X2 tabel, maka Ho ditolak
46
Uji Chi-Square (X2)
47
Uji Anova
Anova : menguji rata-rata satu kelompok / lebih melalui satu variabel dependen / lebih
berbeda secara signifikan atau tidak.
MULTIVARIAT ANOVA
Variabel dependen lebih dari satu dan kelompok berbeda
Contoh : apakah rata-rata ulangan dan pandangan siswa terhadap IPS
berbeda berdasarkan klasifikasi Sekolah dan kelompok penelitian
48
Uji Anova
Contoh :
Apakah terdapat perbedaan pandangan terhadap IPS siswa SD, SLTP, SMU ?
Ho : 1 = 2 = 3 (tidak terdapat perbedaan sikap)
TERIMA KASIH
50
Notes: Inferensial
51
korelasi
Spearman/rank order: Bdsr kedudukan skor bukan
pengukuran sebenarnya eg IQ dan MTK
Pearson: Variabel brp gejala kontinu eg bhs arab skor iain,
Sampel homogen atau dekati homogen
Korelasi phi: Dikotomi misal pria -wanita
Korelasi poin biserial: Menilai variabel kontinu dg diskrit eg
nilai ujian dengan validitas mcq (bnr slh)
Regresi linear
52
komparatif
t test: Parametrik-bdgkn mean
X kuadrat: Beda frekuensi
Multivariat
Anava- misal korelasi 4 teknik membaca dgn skor kecepatan membaca,
efektivitas PR dg LKS dan Buku Paket
- Korelasi- regresi multiple
- Komparasi-anova-ankova, gab analisis regresi dan anava. Variabel y
bertambah setelah terpengaruh suatu perlakuan yang berhubungan linear
dgn variabel lainnya, misal efektivitas media iklan radio, sk, tv utk fast food
. Msg msg pada 5 restoran dari 15 rest dipilih random dlm wkt
bersamaan. Jika y adl profit dan x-kovariat adl byknya karyawan, bgmn
efektivitas setiap jenis media berdasarkan rerata keuntungan yg didapat
menurut jumlah karyawan yang dimiliki.
53