Anda di halaman 1dari 9

Metode statistik nonparametrik merupakan metode statistik yang dapat digunakan dengan

mengabaikan asumsi-asumsi yang melandasi penggunaan metode statistic parametrik, terutama


yang berkaitan dengan distribusi normal. Istilah lain yang sering digunakan untuk statistik
nonparametrik adalah statistik bebas distribusi (distribution free statistics) dan uji bebas asumsi
(assumption-free test). Data yang diperoleh dalam penelitian sosial pada umumnya berbentuk
kategori atau berbentuk rangking.

Pada umumnya, setelah data dikumpulkan, langkah selanjutnya adalah mencari nilai
tengahnya (mean) dan simpangannya (variance), kemudian dilakukan uji-z atau uji-t. Semua
tindakan yang dilakukan di atas merupakan prosedur umum statistik parametrik yang mengacu
pada suatu parameter yang dipunyai oleh sebuah distribusi.Berbeda dengan statistik parametrik,
statistik nonparametrik adalah prosedur statistik yang tidak mengacu pada parameter
tertentu.Itulah sebabnya, statistik nonparametrik sering disebut sebagai prosedur yang bebas
distribusi (free-distibution procedures).

Uji statistik nonparametrik ialah suatu uji statistik yang tidak memerlukan adanya
asumsi-asumsi mengenai sebaran data populasi. Uji statistik ini disebut juga sebagai statistik
bebas sebaran (distribution free). Statistik nonparametrik tidak mensyaratkan bentuk sebaran
parameter populasi berdistribusi normal. Statistik nonparametrik dapat digunakan untuk
menganalisis data yang berskala nominal atau ordinal karena pada umumnya data berjenis
nominal dan ordinal tidak menyebar normal. Dari segi jumla data, pada umumnya statistik
nonparametrik digunakan untuk data berjumlah kecil (n <30).

Kelebihan Statistik Nonparametrik


Tidak perlunya mengetahui bentuk distribusi populasi data.
Selain itu perhitungan biasanya singkat dan skala pengukuran datanya tidak terlalu ketat.
Asumsi dalam uji-uji statistik nonparametrik relatif lebih longgar. Jika pengujian data
menunjukkan bahwa salah satu atau beberapa asumsi yang mendasari uji statistik
parametrik. (misalnya mengenai sifat distribusi data) tidak terpenuhi, maka statistik
nonparametrik lebih sesuai diterapkan dibandingkan statistic parametrik.
Perhitungan-perhitungannya dapat dilaksanakan dengan cepat dan mudah, sehingga hasil
penelitian segera dapat disampaikan.
Untuk memahami konsep-konsep dan metode-metodenya tidak memerlukan dasar
matematika serta statistika yang mendalam.
Uji-uji pada statistik nonparametrik dapat diterapkan jika kita menghadapi keterbatasan
data yang tersedia, misalnya jika data telah diukur menggunakan skala pengukuran yang
lemah (nominal atau ordinal).
Efisiensi statistik nonparametrik lebih tinggi dibandingkan dengan metode parametrik
untuk jumlah sampel yang sedikit.

Kelemahan Statistik Nonparametrik


Disamping kelebihan, statistik nonparametrik juga memiliki kelemahan. Beberapa
keterbatasan statistik nonparametrik antara lain:
Informasi pada sampel sering tidak masuk dalam analisis atau perhitungan.
Jika asumsi uji statistik parametrik terpenuhi, penggunaan uji nonparametrik meskipun
lebih cepat dan sederhana, akan menyebabkan pemborosan informasi.
Jika jumlah sampel besar, tingkat efisiensi nonparametrik relatif lebih rendah
dibandingkan dengan metode parametrik.

Macam-macam Uji Nonparametik


Beberapa Uji Non Parametrik yang sering digunakan
1) Uji Khi Kuadrat
2) Koefisien Korelasi Rank-Spearman; dan
3) Uji Wilcoxon.

1) Uji Khi Kuadrat

Dalam suatu penelitian, seorang peneliti tertarik pada masalah-masalah yang berhubungan
dengan suatu obyek ataupun respon tersebut dimana obyek atau respon tersebut dapat dibagi atas
berbagai macam kategori.

Manfaat metode 2 ini ditujukan untuk menguji apakah ada perbedaan yang cukup berarti
antara jumlah pengamatan suatu obyek atau respons tertentu pada tiap klasifikasinya terhadap
nilai harapannya (expected value) yang berdasarkan hipotesis nolnya. Uji ini dapat juga dipakai
untuk menguji independensi antara suatu variabel terhadap variabel lainnya.

Untuk melakukan uji kebebasan dua variabel kategori ini diperlukan nilai frekuensi
harapan yang selanjutnya akan dibandingkan dengan nilai frekuensi hasil observasi. Semakin
dekat nilai frekuensi observasi dengan nilai frekuensi harapan, berarti semakin besar
kecenderungan bahwa kedua variabel kategori itu saling bebas. Kesamaan kedua frekuensi inilah
yang diuji pada pengujian hipotesis.

Untuk pengujian kebebasan dua variabel kategori, Statistik uji yang sesuai adalah :

f0 fe 2
2

fe

dalam hal ini: f0 = frekuensi observasi; Fe = frekuensi harapan yang dihitung dengan formula:

fe
Total baris total kolom
total nilai pengamatan

Nilai kritis atau nilai yang menggambarkan penolakan H0 adalah : 2 (,) dimana adalah
level signifikan: 5% atau 1%) dan = derajat bebas (baris-1)(kolom -1). Kaidah keputusan yang
dipakai adalah : Tolak Ho bila 2hitung > 2 (,).

Bila dalam pengujian kebebasan ternyata tabel kontingensi yang dihadapi berukuran 2x2,
terhadap satitistik ujinya perlu dilakukan Koreksi Yates. Koreksi Yates ini dilakukan untuk
mengoreksi pendekatan kekontinuan. Statistik ujinya menjadi:

( f 0 f e 0.5)
2

2
hitung
fe

Setelah diketahui ada tidaknya hubungan antara ke dua variabel kategori yang menjadi
perhatian, selanjutnya dapat dilakukan penghitungan nilai ukuran keeratan hubungan kedua
variabel dengan koefisien kontingensi. Nilai Koefisien Kontingensi dapat dicari dengan formula:
2 hitung m 1
C , Cmax
n hitung
2
dimana m = min(baris;kolom)
m

2) Koefisien Korelasi Rank-Spearmen

Koefisien Korelasi Rank-Spearman digunakan untuk mengetahui derajat keeratan dua variabel
dimana pengamatan pada masing-masing variabel tersebut didasarkan pada pemberian ranking
tertentu yang sesuai dengan pengamatan serta pasangannya. Koefisien korelasi ini juga
digunakan untuk mengukur konsistensi dari pasangan dari pada ranking yang telah diberikan
pada pengamatan yang ada pada masing-masing variabelnya.

Metode korelasi jenjang ini dikemukakan oleh Carl Spearman pada tahun 1904. Metode ini
diperlukan untuk mengukur keeratan hubungan antara dua variabel. Dimana dua variabel itu
tidak mempunyai joint normal distribution dan conditional variance tidak diketahui sama.
Korelasi rank dipergunakan apabila pengukuran kuantitatif secara eksak tidak mungkin/sulit
dilakukan. Misalnya: mengukur tingkat moral, tingkat kesenangan, tingkat motivasi.

Untuk mengukur tingkat rank-correlation coefficient-nya, yang dinotasikan dengan rs,


dilakukan langkah-langkah sebagai berikut:
1. Nilai pengamatan dari dua variabel yang akan diukur hubungannya diberi jenjang. Bila ada
nilai pengamatan yang sama dihitung nilai rata-ratanya.

2. Setiap pasangan jenjang dihitung perbedaannya

3. Perbedaan setiap pasang jenjang tersebut dikuadratkan dan dihitung jumlahnya.

4. Nilai rs (koefisien korelasi Spearman) dihitung dengan rumus:

6 Di
2

Rs 1
n(n 2 1)
Dengan :
Rs = Koefisien Korelasi Rank-Spearman;
n = banyaknya pengamatan;
D = selisih ranking tiap pasangan pengamatan.
Untuk menguji signifikansi daripada rank korelasi, jumlah pengamatan n 25, maka test
statistik untuk Rs dapat dihitung sebagai berikut:

Rs
ZH Rs. n 1
1/ n 1

Kaidah keputusannya adalah: Terima Ho bila Z0.05<ZH<+Z0.05; dalam hal lainnya tolak
H0.

Namun, bila n < 25, maka asumsi normalitas tak dapat dipenuhi maka dipakai distribusi-t
dengan formula:

Rs n 2
tH
1 Rs2

Nilai kritis untuk distribusi-t pada tertentu adalah t1/2 df(n 2) (Pengujian dua pihak)

Kaidah keputusannya: Ho diterima bila : - t 1/2/ df(n 2) tH + t 1/2/ df(n 2) ; Ho

ditolak bila : tH > t 1/2/ df(n 2) dan tH <- t 1/2/ df(n 2)

Hipotesa nihil yang akan diuji menyatakan bahwa dua variabel yang diteliti dengan nilai
jenjangnya itu independen, tidak ada hubungan antara jenjang variabel yang satu dengan jenjang
dari variabel lainnya.

Kriteria pengambilan keputusannya adalah:

Untuk n < 30 dapat dipergunakan tabel nilai t, dimana nilai t sampel dapat dihitung dengan
rumus:
3) Uji Wilcoxon

Uji ini digunakan bila ingin menguji rata-rata secara nonparametrik. Pengujian bisa
digunakan untuk menguji rata-rata satu populasi atau uji rata-rata dua populasi data berpasangan.

Hipotesis pengujian:

Ho : 0

H1 : o atau 0 atau 0

Untuk menguji hal tersebut diatas, maka pertama kali yang harus kita lakukan adalah
memilih beberapa sampel secara acak/random dari tiap populasi yang akan diteliti. Setelah itu
kita usahakan untuk membuat ranking yang sesuai dengan pengamatan sampel yang telah kita
peroleh. Selanjutnya jumlah ranking yang kita peroleh dari sejumlah pengamatan n1 pada sampel
yang pertama disebut dengan W1 dan jumlah ranking yang diperoleh dari sejumlah pengamatan
pada jenis sampel kedua disebut W2. Akhirnya dari perhitungan W1 dan W2 di atas kita dapat
menghitung besarnya nilai statistik U berdasarkan rumus :

n1 (n1 1)
U1 w1
2

n2 (n2 1)
U 2 w2
2

Namun bila pengamatan cukup besar (n>20) maka kita dapat menggunakan distribusi
normal sebagai test statistiknya.

X U
Z

Untuk mengetahui apakah Ho diterima atau ditolak kita harus membandingkan antara
hasil perhitungan test statistik U1 dan U2 terhadap nilai kritisnya sesuai dengan n1 dan n2-nya
(Tabel U).

H0 diterima bila U

H0 ditolak bila > U

Berikut adalah beberapa uji statistik yang biasa dipakai :

Uji Parametrik Uji nonparametrik yang Tujuan


(menggunakan asumsi bersesuaian
distribusi Normal)
Uji - t untuk sample bebas Uji Mann-Whitney U; Uji Membandingkan dua sample
Wilcoxon jumlah peringkat bebas
Uji t berpasangan Uji Wilcoxon pasangan dengan Meneliti perbedaan dalam
peringkat yang cocok suatu grup
Koefisien korelasi Koefisien korelasi peringkat Mengetahui hubungan
Pearson Spearman korelasi linier antara dua
peubah
Analisa varians satu arah Analisa varians dengan Membandingkan tiga grup
(Uji F ) menggunakan peringkat atau lebih
Kruskal-Wallis
Analisa varians dua arah Analisa varians dua arah Membandingkan tiga grup
Friedman atau lebih dengan
menggunakan dua factor
yang berbeda

Jadi, dapat disimpulkan bahwa penggunaan statistik nonparametric merupakan suatu uji
statistik yang tidak memerlukan adanya asumsi-asumsi mengenai sebaran data populasi dan lebih
diutamakan jika hipotesis yang akan diuji tidak melibatkan parameter dari populasi. Data yang
diambil tidak memenuhi syarat yang ditetapkan oleh statistik parametrik dan asumsi-asumsinya
ditolak, atau bila kita membutuhkan hasil yang cepat sebelum melakukan penelitian berikutnya.
Uji statistik ini disebut juga sebagai statistik bebas sebaran (distribution free). Statistik
nonparametrik tidak mensyaratkan bentuk sebaran parameter populasi berdistribusi normal.
Statistik nonparametrik dapat digunakan untuk menganalisis data yang berskala nominal atau
ordinal karena pada umumnya data berjenis nominal dan ordinal tidak menyebar normal.
TUGAS BIOSTATISTIKA
( TELAAH STATISTIK NON PARAMETRIK)

NAMA : MERYSAL M. SALO


NIM : 1409010043
FAKULTAS KEDOKTERAN HEWAN
UNIVERSITAS NUSA CENDANA
KUPANG
2014