ANALITIK NON PARAMETRIK

UJI HUBUNGAN ( RANK SPARMAN)

Dalam penelitian, sering kali kita ingin menegtahui ada tidaknya hubungan diantara table
variable yang kita amati atau yang ingin mengtahui seberapa besar derajat keeratan hubungan
diantara table variable tersebut. Analisis korelasi merupakan studi yang membahas tentang
derajat keeratan hubungan antara dua atau lebih table pengamatan.
Dalam statistic parametric ukuran derajat keeratan hubungan diantara dua table yang
paling dikenal adalah koefisien Moment Product atau Koefisien Hasil Kali Perason. Penerapakan
konsep kerelasi pearson menuntut bahwa table pengamatan minimal diukur dalam skala interval.
Disamping itu, didalam pengujiannya diperlukan anggapan bahwa populasi darimana
samplediambil merupakan populasi yang normal. Apabila skala pengukuran interval dan rasio
tidak tercapai dapat diterapkan ukuran derajat hubungan (korelasi) dalam metode non
parametric.
Pada statistik parametrik, pengujian hipotesis (uji parametric) atau aturan pengambilan
keputusan dipengaruhi oleh asumsi-asumsi tertentu. Misalnya, distribusi probabilitas untuk
pengambilan sampel dan bentuk varians. Asumsi untuk distribusi misalnya distribusi normal,
binomial, distribusi F , dan distribusi student t. asumsi untuk bentuk varians misalnya memiliki
varians yang homogeny, seperti pada regresi dan korelasi. Asumsi-asumsi tersebut tidak diuji
lagi dan dianggap sudah terpenuhi.
Namun dalam prakteknya, situasi yang sering muncul tidak memenuhi asumsi yang
dimaksud. Oleh karena itu, digunakan statistic nonparametric. Jadi, statistic nonparametric
merupakan alternative dalam memecahkan masalah, seperti pengujian hipotesisn atau
pengambilan keputusan apabila statistic parametric tidak dapat dipergunakan.

A. PENGERTIAN DAN PENGGUNAAN STATISTIK NONPARAMETRIK

Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan
bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-
parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal
yang umumnya tidak berdistribusi normal.Statistik non parametrik adalah statistik yang
ditidak mendasarkan pada parameter-parameter statistik. Ketika kita menggunakan skala
 data nominal atau ordinal, parameter-parameter tersebut menjadi tidak relevan.Itu lebih
kepada membuat ranking pada data.Selain itu, statistik non parametrik tidak mendasarkan
pada distribusi data tertentu.
Statistik nonparametrik termasuk salah satu bagian dari statistik onferensi atau
statistik induktif dan disebut juga statistik bebas distribusi. Statistik nonparametrik adalah
bagian statistik yang tidak memerlukan asumsi-asumsi tertentu, misalnya mengenai
bentuk distribusi dan hipiotesis-hipotesis yang berkaitan dengan nilai-nilai parameter
tertentu. Statistik nonparametrik digunakan apabila :

1. Sampel yang digunakan memiliki ukuran yang kecil.

2. Data yang digunakan bersifat ordinal, yaitu data-data yang bisa disusun dalam
urutan atau klasifikasi rangkingnya.
3. Data yang digunakan bersifat nominal yaitu data-data yang dapat diklasifikasikan
dalam katagori dalam hitung dan frekuensinya.
4. Bentuk distribusi populasi dan tempat pengambilan sampel tidak diketahui
menyebar secara normal.
5. Ingin menyelesaikan masalah statistic secara cepat tanpa menggunakan alat hitung.

B. KEUNGGULAN DAN KEKURANGAN STATISTIK NON PARAMETRIK

1. Keunggulan statistic non parametric diantaranya:
a. 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.
b. Perhitungan-perhitungannya dapat dilaksanakan dengan cepat dan mudah, sehingga
hasil penelitian segera dapat disampaikan.
c. Untuk memahami konsep-konsep dan metode-metodenya tidak memerlukan dasar
matematika serta statistika yang mendalam.
d. 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).
 e. Efisiensi statistik nonparametrik lebih tinggi dibandingkan dengan metode parametrik
untuk jumlah sampel yang sedikit.
2. Kekurangan statistik non parametric diantaranya :
Disamping keunggulan, statistik nonparametrik juga memiliki keterbatasan.
Beberapa keterbatasan statistik nonparametrik antara lain:
a. Jika asumsi uji statistik parametrik terpenuhi, penggunaan uji nonparametrik
meskipun lebih cepat dan sederhana, akan menyebabkan pemborosan informasi.
b. Jika jumlah sampel besar, tingkat efisiensi nonparametrik relatif lebih rendah
dibandingkan dengan metode parametrik

C. PENGUJIAN HIPOTESIS STATISTIK NONPARAMETRIK

Pengujian hipotesis statistik nonparametrik pada dasarnya sama dengan pengujian
hipotesis statistik parametrik. Asumsi yang digunakan pada pengujian hipotesis statistik
nonparametrik hanyalah bahwa observasi-observasi independen dan variabel yang diteliti
memiliki kontinuitas. Asumsi bahwa variabel yang diteliti memiliki kontinuitas yang
diperlukan dalam uji parametrik, namun dalam uji non parametrik asumsi tersebut lebih
longgar. Langkah-langkah pengujian hipotesis statistik nonparametrik ialah sebagai berikut :
1. Menentukan formulasi hipotesis
2. Menentukan taraf nyata dan nilai tabel
3. Menentukan criteria pengujian
4. Menetukan nilai uji statistik
5. Membuat kesimpulan

D. Uji hubungan (Rank spearman)

Korelasi rank spearman digunakan untuk menganalisis hubungan antara variabel dengan
skala ordinal atau variabel dengan data interval yang tidak berdistribusi normal (fungsinya
sperti uji korelasi product moment). Oleh karena itu uji ini tidak senssitif terhadap nilai
ekstrim. Koefisien korelasi spearman merupakan statistik nonparametrik. Statistik ini
merupakan suatu ukuran asosiasi atau hubungan yang dapat digunakan pada kondisi satu
atau kedua variabel yang diukur adalah skala ordinal (berbentuk ranking) atau kedua variabel
adalah kuantitatif namun kondisi normal tidak terpenuhi. Simbol ukuran populasinya adalah
ρ dan ukuran sampelnya rs. Formula rs untuk korelasi Spearman adalah sebagai berikut:

Pembuatan ranking dapat dimulai dari nilai terkecil atau nilai terbesar tergantung
permasalahannya. Bila ada data yang nilainya sama, maka pembuatan ranking didasarkan
pada nilai rata-rata dari ranking-ranking data tersebut. Apabila proporsi angka yang sama
tidak besar, maka formula diatas masih bisa digunakan. Namun apabila proporsi angka yang
sama cukup besar, maka dapat digunakan suatu faktor koreksi dan formula menjadi seperti
berikut ini:

contoh:

Seorang manager produksi ingin mengetahui apakah ada hubungan antara nilai tes bakat
(aptitude test) pada waktu penerimaan kerja dengan rating tampilannya setelah satu semester
bekerja. Nilai aptitude test berkisar antara 0 sampai 100. Sedangkan rating tampilan
mempunyai skala sebagai berikut:

1 = pekerja berpenampilan sangat dibawah rata-rata

2 = pekerja berpenampilan dibawah rata-rata

3 = pekerja berpenampilan sedang (rata-rata)

4 = pekerja berpenampilan diatas rata-rata

5 = pekerja berpenampilan sangat diatas rata-rata

 DAFTAR PUSTAKA

Sukawana, I Wayan. 2008. Pengantar Statistik untuk Perawat. Denpasar. Jurusan Keperawatan
Poltekkes Denpasar
https://suhartoumm.wordpress.com/2013/01/02/korelasi-spearman-rank/