Anda di halaman 1dari 20

STATISTIKA

UJI NON-PARAMETRIK

DISUSUN OLEH :

Jayanti Syahfitri

DOSEN PENGAMPU :

Dr. Risnanosanti, M.Pd

PROGRAM PASCASARJANA
MAGISTER PENDIDIKAN BIOLOGI (S-2)
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS MUHAMMADIYAH BENGKULU
2012

1
STATISTIK UJI NON-PARAMETRIK

A. Pengertian Uji Non-Parametrik


Istilah nonparametrik pertama kali digunakan oleh Wolfowitz, pada tahun
1942. Metode statistik nonparametrik merupakan metode statistik yang dapat
digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan
metode statistik parametrik, terutama yang berkaitan dengan distribusi normal.
Istilah lain yang sering digunakan untuk statistik nonparametrik adalah statistik
bebas distribusi (distributionfree statistics) dan uji bebas asumsi (assumption-
free test). Statistik nonparametrik banyak digunakan pada penelitian-penelitian
sosial. Data yang diperoleh dalam penelitian sosial pada umunya berbentuk
kategori atau berbentuk rangking.
Uji Nonparametrik : Adalah suatu uji dengan model yang yang tidak
membutuhkan suatu parameter khusus dari populasi yang diamati. Beberapa
asumsi yang berhubungan erat dengan uji statistik nonparametrik adalah bahwa
pengamatan tersebut bebas dan variable yang diamati kontinu, tetapi asumsi
yang dibuat dalah lebih lemah dan kurang teliti bila dibandingkan dengan uji
parametric. Oleh karena itu uji nonparametric tidak membutuhkan tingkat
ketilitian yang tinggi seperti uji parametric. Biasanya uji nonparametric dipakai
untuk menganalisis data dalam skala ordinal dan nominal.
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 jumlah data, pada umumnya statistik
nonparametrik digunakan untuk data berjumlah kecil (n < 30).
Kapankah metode nonparametrik perlu dipakai? Metode ini harus
digunakan untuk situasi berikut :
Apabila ukuran sampel demikian kecil sehingga distribusi statistik
pengambilan sampel tidak mendekati normal, dan apabila tidak ada asumsi

2
yang dapat dibuat tentang bentuk distribusi populasi yang menjadi sampel
besar
Apabila digunakan data peringkat atau ordinal
Apabila data nominal yang digunakan
1. Keunggulan Statistik Nonparametrik
Asumsi dalam uji-uji statistik nonparametrik relatif lebih longgar. Jika
pengujian data menunjukkan bahwa salah satu atau beberapa asumsi
yang mendasari ujistatistik parametric. (misalnya mengenai sifat
distribusi data) tidak terpenuhi, maka statistik nonparametrik lebih sesuai
diterapkan dibandingkan statistik 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
menghadap 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.
Keuntungan Uji Statistika Nonparametrik 1. Nilai peluang yang didapat
dari uji statistika nonparametric adalah nilai yang pasti ( kecuali untuk
cuplikan-cuplikan yang besar, dimana pendekatan sebenarnya mungkin
dapat dicapai, tanpa memperhatikan bentuk sebaran populasi dari mana
cuplikan diambil. Ketepatan dari nilai peluang tidak tergantung pada
Bentuk populasinya. Dalam beberapa hal uji nonparametrik dapat
mengasumsikan suatu sebaran populasi yang kontinu yaitu asumsi yang
dikehendaki dalam uji parametric.
2. Keterbatasan Statistik Nonparametrik
Disamping keunggulan, statistik nonparametrik juga memiliki
keterbatasan. Beberapa keterbatasan statistik nonparametrik antara lain:
o Jika asumsi uji statistik parametrik terpenuhi, penggunaan uji
nonparametrik meskipun lebih cepat dan sederhana, akan menyebabkan
pemborosan informasi.
o Jika jumlah sampel besar, tingkat efisiensi nonparametrik relatif lebih
rendah dibandingkan dengan metode parametrik.

3
Kelemahan diperbaiki dengan menambah ukuran sampel
3. Macam-macam Uji Nonparametik
Beberapa Uji Non Parametrik :
a. Uji tanda berpasangan
b. Uji Peringkat 2 Sampel Mann-Whitney
c. Uji Peringkat 2 Sampel Wilcoxon
d. Uji Korelasi Peringkat Spearman
e. Uji Konkordansi Kendall
f. Uji Run(s)
B. Macam-Macam Uji Non-Parametrik
1. Uji Tanda Berpasangan

Uji tanda adalah uji nonparametrik yang digunakan pada situasi


dimana data tidak dianggap normal atau datanya bersifat ordinal.
Asumsinya adalah distribusinya bersifat binomial. Binomial artinya dua
nilai. Nilai ini dilambangkan dengan tanda, yaitu positif (+) dan negative
().

Uji ini sangat baik apabila syarat-syarat berikut dipenuhi :


a. pasangan hasil pengamatan yang sedang dibandingkan bersifat independen
b. masing-masing pengamatan dalam tiap pasang terjadi karena pengaruh
kondisi yang serupa
c. pasangan yang berlainan terjadi karena kondisi yang berbeda

Uji dilakukan pada 2 sampel terpisah (independen)

tanda (+) data pada sampel 1 > pasangannya sampel 2


tanda () data pada sampel 1 < pasangannya sampel 2
tanda Nol (0) data pada sampel 1 = pasangannya sampel 2

Tanda Nol tidak digunakan dalam perhitungan

4
SUKSES tergantung dari apa yang ditanyakan (ingin diuji) dalam soal.

Jika yang ingin diuji sampel 1 > sampel 2 maka SUKSES adalah banyak
tanda (+)
Jika yang ingin diuji sampel 1 < sampel 2 maka SUKSES adalah banyak
tanda ()

Contoh :

Berikut adalah nilai preferensi konsumen terhadap 2 Merk Sabun Mandi.


Dengan taraf nyata 1%, ujilah apakah proporsi preferensi konsumen pada kedua
merk bernilai sama?

5
6
Contoh :

7
2. Uji Mann-Whitney

Uji ini merupakan alternatif uji beda 2 rata-rata Parametrik dengan


menggunakan t (Sampel-sampel berukuran kecil).

Langkah pertama pengujian ini adalah pengurutan nilai mulai dari yang terkecil
hingga terbesar. Pengurutan dilakukan tanpa pemisahan kedua sampel.

Selanjutnya lakukan penetapan Rank (Peringkat) dengan aturan berikut:

Peringkat ke -1 diberikan pada nilai terkecil di urutan pertama


Peringkat tertinggi diberikan pada nilai terbesar

Jika tidak ada nilai yang sama maka urutan = peringkat

Jika ada nilai yang sama, maka ranking dihitung dengan rumus :

8
Notasi yang digunakan :

9
Contoh :

Berdasarkan Tabel 2 (lihat Contoh 2a), ujilah dengan taraf nyata 5%, apakah
(peringkat) nilai mahasiswa Fak, Ekonomi lebih besar dibanding mahasiswa Ilmu
Komputer?

10
3. Uji Wilcoxon

Uji ini merupakan perbaikan dari uji tanda yang dijelaskan dalam bagian
yang lalu. Dalam uji Wilcoxon , bukan saja tanda yang diperhatikan tetapi juga
nilai selisih (X Y).
Caranya adalah sebagai berikut :
a. beri nomor urut untuk setiap harga mutlak selisih (Xi Yi). Harga mutlak
yang terkecil diberi nomor urut atau peringkat 1, harga mutlak selisih
berikutnya diberi nomor urut 2, dan akhirnya harga mutlak terbesar diberi
nomor urut n. Jika terdapat selisih yang harga mutlaknya sama besar,
untuk nomor urut diambil rata-ratanya.
b. Untuk nomor urut berikan pula tanda yang didapat dari selisih (X Y)
c. Hitunglah jumlah nomor urut yang bertanda positif dan juga jumlah
nomor urut yang bertanda negatif.
d. Untuk jumlah nomor urut yang didapat di c, ambillah jumlah yang harga
mutlaknya paling kecil. Sebutlah jumlah ini sama dengan J, jumlah J inilah
yang dipakai untuk menguji hipotesis :
Ho : tidak ada perbedaan pengaruh kedua perlakuan
H1 : terdapat perbedaan pengaruh kedua perlakuan

11
Prinsip pengerjaannnya sama dengan Uji Peringkat 2 Sampel Mann-Whitney,
hanya fokus kini dialihkan sampel dengan ukuran terkecil.

Notasi yang digunakan :

Contoh :

Berikut adalah data pendapatan di 2 kelompok pekerja

Tabel 3. Pendapatan Karyawan

12
4. Uji Korelasi Peringkat Spearman

13
Dua uji terakhir (Mann-Whitney dan Wilcoxon) ditujukan untuk 2 sampel
yang saling bebas (independen), sedangkan Uji Peringkat Spearman ditujukan
untuk penetapan peringkat data berpasangan.

Konsep dan interpretasi nilai Korelasi Spearman (RS ) sama dengan konsep
Koefisien Korelasi pada Regresi (Linier Sederhana).

Peringkat diberikan tergantung kategori penilaian. Jika ada item yang dinilai ber-
peringkat sama, maka penetapan peringkat seperti dalam Mann-Whitney dapat
dilakukan (ambil rata-rata peringkatnya!)

Contoh :

14
Dua orang pakar (ahli) diminta memberikan peringkat kinerja pada 10 Bank di
Indonesia. Peringkat diberikan mulai dari bank terbaik = peringkat 1 sedang yang
terburuk diberi peringkat 10. Hasilnya disajikan dalam Tabel 4.

Tabel 4. Hasil peringkat 10 Bank oleh 2 Pakar

Dengan taraf nyata 5% ujilah apakah apa korelasi antara peringkat yang diberikan
kedua pakar?

15
6. Uji Konkordansi Kendall

Pengujian sampel berpasangan ganda (multiple-paired samples).


Orang yang memberi peringkat lebih dari 2.
Statistik Uji yang digunakan : (chi kuadrat) dengan derajat bebas (db) = n-1 2
Notasi yang digunakan
n = banyak pasangan data, n 8
R = jumlah peringkat
k = banyak orang yang memberi peringkat (k >2)

7. Uji Runs (s)

Uji Run(s) digunakan untuk menguji keacakan dalam suatu sampel. Uji ini
di gunakan untuk menguji apakah data sampel di ambil secara random (acak) atau
tidak. Hipotesis :

Data sampel di ambil secara Random (acak)


Data sampel di ambil secara tidak Random (acak)

Uji yang dugunakan :

16
Uji Z :

Contoh :

Berikut ini merupakan kecepatan (dalam mil per jam) Dimana setiap lima
penumpang mobil berhenti pada tempat tertentu dan waktu tertentu :

46 53 60 56 70 66 48 54 62 41

39 52 45 62 53 69 65 65 67 76

52 52 59 67 59 51 46 61 40 43

42 77 67 63 59 63 63 72 57 59

42 56 47 62 67 70 63 66 69 73

Test the null hypotesys of randomness at the 0,05 level of significance ; ujilah
hipotesis nol yang menyatakan bahwa data tersebut diambil secara Random
dengan tingkat kepercayaan 0,05.

Jawab :

Urut terlebih dahulu data yang telah di dapat :

Kita Gunakan cara Steam & Leaf Diagram atau biasa disebut Diagram
Batang Daun untuk memudahkan dalam mengurutkan Banyak Data :

Batang Daun Jumlah Run

3 9 1

4 6815603227 8

5 86423229197969 8

17
6 0622955771733327369 8

7 067203 5

Total Run 30

Kemudian kita tulis :

39 40 41 42 42 43 45 46 46 47

48 51 52 52 52 53 54 56 56 57

58 59 59 59 59 60 61 62 62 62

63 63 63 63 65 65 66 66 67 67

67 67 69 69 70 70 72 73 76 77

Diketahui dari daa yang telah di urutkan :

Nilai Median :

Nilai :

Maka di dapat :

Kemudian Cari Run setelah Median diketahui Dengan :

18
Memberi Tanda Pada Nilai yang berada di atas Median

Memberi Tanda Pada Nilai yang berada di bawah Median

Yaitu :

46 53 60 56 70 66 48 54 62 41

39 52 45 62 53 69 65 65 67 76

52 52 59 67 59 51 46 61 40 43

42 77 67 63 59 63 63 72 57 59

42 56 47 62 67 70 63 66 69 73

Data setelah di ubah tanda :

Jumlah Warna : 20

Berarti, Jumlah Run Pada Data yang sudah Di ubah tandanya, ada 20 Run.

Jika tabel Atau Tabel.

Maka Tolak (tidak Random)

Untuk

19
Karena Nilai ,

Maka Terima ; Random.

Daftar pustaka
Supranto. 2009. Statistika Teori dan Aplikasi. Jakarta ; Erlangga

20