NonParametrik

Uji statistika parametrik adalah suatu uji yang modelnya menetapkan

adanya syarat-syarat tentang parameter populasi yang merupakan sumber
sampel penelitiannya (Siegel, 1994: 38). Penggunaan analisis statistika
parametrik, tergantung dari asumsiasumsi dasar berkaitan dengan distribusi
dan jenis skala data yang diperoleh dari populasi maupun sampel
penelitiannya. Ada beberapa persyaratan asumsi dasar untuk menggunakan
statistik parametrik, yaitu:
1. Data yang diperoleh dari observasi harus bersifat independent,
dimana pemilihan salah satu kasus tidak tergantung pada pemilihan
kasus lainnya.
2. Sampel yang diperoleh dari populasi berdistribusi normal, dan
diambil secara random.
3. Sampel-sampelnya memiliki varians yang sama atau mendekati sama,
terutama jika sampelnya kecil.
4. Variabel-variabel yang digambarkan berupa skala interval atau rasio.
Data yang berskala nominal dan atau ordinal tidak memenuhi syarat
untuk diolah dengan statistik parametrik. 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 (freedistibution
procedures). Banyak orang berpendapat, jika data yang dikumpulkan terlalu
kecil maka prosedur statistik nonparametrik lebih baik digunakan. Pendapat
ini bisa benar dan bisa pula salah. Masalahnya adalah, bagaimana
mendefinisikan besar-kecilnya suatu data? Bukankah hal ini sangat relatif?
Yang jelas, kita pasti menggunakan statistik nonparametrik bila kita tidak
mengetahui dengan pasti distribusi dari data yang kita amati. Namun jika kita
yakin data yang diamati berdistribusi normal, misalkan dibuktikan dengan
memakai uji statistik, maka kita bisa memakai prosedur statistik parametrik
untuk distribusi normal. Sebaliknya, walaupun data yang dikumpukan
berjumlah besar, tetapi tidak dapat dipastikan distribusinya, maka sebaiknya
dipakai prosedur statistik nonparametrik. Statistik nonparametrik
mempunyai beberapa kelebihan dan kekurangan. Kelebihannya antara lain
adalah:
1. Tingkat kesalahan penggunaan prosedur statistik nonparametrik
relatif kecil karena statistik jenis ini tidak memerlukan banyak asumsi.
2. Perhitungan yang harus dilakukan pada umumnya sederhana dan
mudah, khususnya untuk data yang kecil.
3. Konsep dalam statistik nonparametrik mudah untuk dimengerti.
4. Dapat digunakan untuk menganalisa data yang berbentuk hitungan
maupun peringkat (rank).
Sebaliknya, kekurangan statistik non parametrik yang paling utama
adalah hasil tidak selalu sesuai dengan yang diharapkan karena
kesederhanaan perhitungannya. Namun, walaupun perhitungan dalam
statistik nonparametrik sangat sederhana, bila jumlah datanya sangat besar
maka dibutuhkan perhitungan yang sangat lama. Untuk kasus yang demikian,
prosedur statistik parametrik lebih tepat untuk digunakan.
Uji Parametrik (menggunakan asumsi distribusi Normal) Uji non-
parametrik yang bersesuaian tujuan Uji - t untuk sample bebas Uji Mann-
Whitney U; Uji Wilcoxon jumlah peringkat Membandingkan dua sample
bebas Uji - t berpasangan Uji Wilcoxon pasangan dengan peringkat yang
cocok Meneliti perbedaan dalam suatu grup Koefisien korelasi Pearson
Koefisien korelasi peringkat Spearman Mengetahui hubungan korelasi linier
antara dua peubah Analisa varians satu arah (Uji F) Analisa varians dengan
menggunakan peringkat Kruskal-Wallis Membandingkan tiga grup atau lebih
Analisa varians dua arah Analisa varians dua arah Friedman membandingkan
tiga grup atau lebih dengan menggunakan dua faktor yang berbeda. Jadi
dapat disumpulkan bahwa penggunaan statistik non-parametrik lebih
diutamakan jika hipotetis 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.
Keunggulan-keunggulan uji statistika non-parametrik antara lain:
 1. Jika sampel terlalu kecil, maka tidak ada alternatif lain menggunakan
uji statistika non-parametrik, kecuali distribusi populasi diketahui
dengan pasti.
2. Uji non-parametrik ini memiliki asumsi yang lebih sedikit berkaitan
dengan data dan mungkin lebih relevan pada situasi tertentu.
Hipotesis yang diuji dengan non-parametrik ini mungkin lebih sesuai
dengan tujuan penelitian.
3. Uji non-parametrik dapat digunakan untuk menganalisis data yang
pada dasarnya adalah data dalam bentuk ranking. Jadi peneliti hanya
dapat mengatakan terhadap subyek penelitian bahwa yang satu
memiliki lebih atau kurang karakteristik dibandingkan lainnya, tanpa
dapat mengatakan seberapa besar lebih atau kurang itu.

2.1. VARIABEL DAN DATA STATISTIKA

Variabel merupakan konsep yang mempunyai variasi nilai dengan
minimal ada dua variasi. Dalam statistika, nilai-nilai dari variabel tersebut
merupakan data yang akan diolah dengan prosedur statistika.
Ukuran-ukuran dari variabel dapat dibedakan dalam empat tingkatan ,
yaitu :
2.1.1. Ukuran Nominal
Ukuran nominal hanya mendasarkan diri pada konsep
penggolongan kategori yang tidak tumpang tindih (mutually
exclusive) dan tuntas (exhaustive). Angka yang diberikan tidak
merefleksikan kedudukan dan tingkatan satu kategori terhadap
kategori yang lain. Di sini tidak berlaku operasi matematis.
Contoh :
Jenis Kelamin diberi nilai 1 untuk wanita dan 2 untuk pria.
Agama diberi nilai 1 untuk Islam, 2 untuk Nasrani, 3 untuk Yahudi, 4
untuk Hindu dan 5 untuk Budha.
2.1.2. Ukuran Ordinal
Ukuran odinal mendasarkan diri pada pengurutan (order) yang
merupakan tingkatan-tingkatan dimulai dari yang terendah sampai
 yang tertinggi. Urutan ini tidak mencerminkan suatu proses operasi
matematis.
Contoh :
Variabel kelas ekonomi, 1 untuk miskin, 2 untuk menengah dan 3
untuk kaya.
Tingkat penghasilan penduduk, 1 rendah, 2 sedang dan 3 tinggi.

2.1.3. Ukuran Interval

Ukuran interval merupakan ukuran yang tidak hanya
mengurutkan obyek berdasarkan suatu atribut saja tetapi juga
memberi informasi tentang interval antara satu obyek dengan obyek
yang lain. Dalam ukuran ini, operasi matematis dapat dilakukan.
Tetapi informasi absolut suatu obyek tidak dapat diperoleh.
Contoh :
Berat balita yang diukur dari berat bayi minimal atau berat rata-
ratanya dan bukan dari titik nol yang sesungguhnya.

2.1.4. Ukuran Ratio

Ukuran rasio diperoleh apabila selain informasi tentang urutan
dan interval antara obyek, dipunyai juga informasi tambahan
tentang jumlah absolut atribut yang dimiliki oleh salah satu dari
obyek tersebut. Jadi ukuran ratio mirip dengan ukuran interval
hanya jaraknya diukur tidak dari angka rata-rata atau angka
minimal tetapi dari titik nol yang sesungguhnya.
Contoh :
Hasil panen yang diukur dari nol sejati.
Banyaknya hasil produksi yang diukur dari nol sejati juga.
Data merupakan bagian yang sangat penting. Sebab, apa yang
akan dikumpulkan, apa yang akan disajikan, apa yang akan diolah,
disimpulkan, diuji dan diinterpretasikan adalah kumpulan data.
Sehingga keberadaan data menjadi mutlak. Beberapa pengertian
berkaitan dengan data adalah sebagai berikut :
 1. Data Intern dan Ekstern
Yang dimaksud dengan data intern adalah data yang
dikumpulkan oleh badan-badan tentang aktifitas dirinya dan
hasilnya dipakai untuknya juga. Sedangkan data ekstern
adalah data yang diambil oleh badan-badan dari luar dirinya.
2. Data Primer dan Sekunder
Data primer merupakan data yang diambil oleh badan-
badan / orang-orang secara langsung dari sumbernya.
Sedangkan data sekunder adalah data yang diambil oleh
badan / orang-orang tidak langsung dari sumbernya, dapat
dari data yang sudah ada maupun mengutip dari literatur.
3. Data diskrit dan Kontinu
Data diskrit merupakan data yang diperoleh dengan
jalan menghitung data yang ada. Sedangkan data kontinu
merupakan data yang mempunyai nilai hanya jika berada
dalam interval.

2.2. Uji Kruskal-Wallis

Uji ini umumnya digunakan jika skala pengukuran datanya ordinal
dan skala interval maupun rasional yang tidak memenuhi syarta untuk uji
t atau uji f. kategori/perlakuan yang diteliti lebih besar dari dua (P>2)
dan termasuk klasifikasi satu arah (tidak ada peubah lain selain
perlakuan ) atau tidak berpasangan atau dalam rancangan
percobaan/lingkungan terkenal dengan nama Rancangan Acal Lengkap
(RAL).
Rumus uji Kuskal-Wallis adalah sebagai berikut :
12 k
Ri 2
K 
N ( N  1) i 1 ni
 3( N  1)

Keterangan:
K; Nilai Kruskal-Wallis dari hasil perhitungan.
Ri: Jumlah rank dari kategori/perlakuan ke i.
Ni: Banyaknya ulangan pada kategori/perlakuan ke-i.
 k: Banyaknya kategori/perlakuan (i=1,2,3,…..,k).
N: Jumlah seluruh data (N=n1+n2+n3+………..+nk).

Hipotesis:
Ho : r1 =r2=r3=……=rk
H1 : ri≠ri’,untuk suatu pasangan ri ( i≠i)
Disini ri adalah rata-rata rangking ke-I dalam hal ini dugaan untuk ri
Ri
adalah
ni
Kriteria penerimaan Ho adalah sebagai berikut :
Jika K<X2(0,05:db=(k-1),maka Ho diterima (P>0,05)
Jika K>X2(0,05:db=(k-1),maka Ho diterima (P<0,05)
Jika K>X2(0,01:db=(k-1),maka Ho diterima (P<0,01)
Jika Ho ditolak berarti ada pasangan rata-rata rangking yang berbeda
untuk mencari pasangan rata-rata rangking yang berbeda, untuk mencari
pasangan mana yang berbeda maka kita harus malakukan uji lanjutan
yaitu uji rata-rata rangking dengan rumus sebagai berikut :

N 1 K 1 1
t H  t / 2; db  N  k ( S 2 ) ( 
N k ni n'i

N ( N  1)
S2 
12
Jika ri  ri '  t H pada α=0,05, maka Ho diterma berarti pasangan rata-rata

rangking perlakuan tersebut tidakberbeda nyata (P>0,05) sedangkan jika

ri  ri '  t H pada α=0,05, maka Ho ditolak berarti pasangan rata-rata

rangking perlakuan tersebut berbeda nyata (P<0,05) dan jika ri  ri '  t H

pada α=0,01, maka Ho ditolak berarti pasangan rata-rata rangking

perlakuan tersebut berbeda sangat nyata (P>0,01).

2.3. Uji Tanda

Uji tanda dipakai untuk data yang berpasangan dengan
kategori/perlakuan dua (P=2) dan terbaik jika digunakan pada data
 dengan skala pengukuran nominal (ada/tidak, mati/hidup,
sakit/sehat dan sebagainya).
Hipotesis:
Ho : p 1 = p 2 lawan H1 : p1≠p2
Disini p1 adalah jumlah pasangan positip dan p2 adalah jumlah
pasangan negative. Dalam hal ini pi diperoleh jika Xi1>Xi2 dan p2
diperoleh jika Xi1<Xi2 jika Xi1 =Xi2 maka pasangan data tersebut
tidak dipakai sehingga n= p1+p2
Jika p1=p2 maka p1/n=p2/n-0,5 jadi jika p1/n=p2/n=0,5 maka
Ho diterima dan jika p1/n atau p2 dekat dengan 0,5 maka Ho
mungkin diterima, sedangkan jika p1/n atau p2/n jauh lebih besar
atau lebih kecil dari dari 0,5 maka Ho kemungkinan ditolak untuk
membuat kriteria penerimaan Ho(diterimaatau ditolak) maka telah
dibuat tabel (tabel uji tanda) sehingga :
Jika p1 atau p2 berada di dalam daerah peneriman Ho pada
tingkat kepercayaan 95% (α=0,05) maka Ho diterima (P>0,05)
sedangkan jika berada di luar daerah penerimaan α=0,05 maka Ho
ditolak (p<0,05) dan jika berada di luar daerah penerimaan untuk
α=0,01 maka Ho ditolak (P<0,01).

2.4. Uji Validitas

Secara umum adalah mengukur apa yang seharusnya diukur.
Validitas berasal dari kata validity yang mempunyai arti sejauh mana
ketepatan dan kecermatan suatu instrumen pengukur (tes) dalam
melakukan fungsi ukurnya (Sudjana, 1996).
Suatu tes dapat dikatakan memiliki validitas yang tinggi jika tes
tersebut menjalankan fungsi ukurnya, atau memberikan hasil ukur
yang tepat dan akurat sesuai dengan maksud dikenakannya tes
tersebut. Suatu tes yang menghasilkan data yang tidak relevan
dengan tujuan diadakannya pengukuran dikatakan sebagai tes yang
memiliki validitas rendah. Sisi lain yang berkaitan dengan konsep
validitas adalah masalah kecermatan. Suatu tes yang validitasnya
tinggi selain dapat menjalankan fungsi ukurnya dengan tepat, juga
memiliki kecermatan tinggi. Artinya kecermatan didalam mendeteksi
perbedaan-perbedaan kecil yang ada pada atribut yang diukurnya.
Validitas pengukuran dalam ilmu sosial dikelompokkan dalam
dua bentuk, yaitu validitas eksternal dan validitas internal. Validitas
eksternal menunjukkan kemampuan pengukuran untuk diterapkan
secara umum pada berbagai obyek, tempat, dan waktu pengukuran.
Sedangkan validitas eksternal berkaitan dengan kemampuan
instrumen penelitian untuk mengukur apa yang ingin kita ukur.
Sementara itu menurut Sudjana (1996), validitas dibagi aatas
validitas isi, validitas kontruk, dan validitas berdasar kriteria.
Validitas pada umumnya dipermasalahkan berkaitan dengan
hasil pengukuran psikologis atau non fisik. Berkaitan dengan
karakteristik psikologis, hasil pengukuran yang diperoleh
sebenarnya diharapkan dapat menggambarkan atau memberikan
nilai suatu karakteristik lain yang menjadi perhatian utama. Macam
validitas umumnya digolongkan dalam tiga katageri besar yaitu :
1. Validitas Isi (Content Validity)
Validitas isi merupakan validitas yang menyangkut tingkatan
item-item skala yang mencerminkan domain konsep yang
diteliti.
2. Validitas berdasarkan kriteria (Criterion-Related Validity)
Validitas berdasarkan kriteria merupakan validitas yang
menyangkut masalah tingkatan dimana skala yang digunakan
mampu memprediksi atau variabel yang dirancang sebagai
kriteria.
3. Validitas Konstruk (Construct Validity)
Validitas konstruk merupakan validitas yang berkaitan dengan
tingkatan dimana skala mencerminkan dan berperan sebagai
konsep yang sedang diukur. Dua aspek pokok dalam validitas
konstruk secara alamiah bersifat teoritis dan statistik.
 Uji validitas dilakukan dengan mengukur korelasi antara
variabel dengan skor total variabel. Cara mengukur validitas
konstruk yaitu dengan mencari korelasi antara masing-masing
pertanyaan dengan skor total menggunakan rumus teknik korelasi
product moment sebagai berikut:

Dimana :
r : Koefisien korelasi product moment
X : Skor tiap pertanyaan
Y : Skor Total
N : Jumlah Responden

2.5. Uji Reliabilitas

Reliabilitas diterjemahkan dari kata reliability. Pengukuran
yang memiliki reliabilitas yang tinggi maksudnya adalah pengukuran
yang dapat menghasilkan dataa yang reliabel. Walaupun reliabilitas
mempunyai berbagai nama lain seperti keterpercayaan,
keterandalan, keajegan, konsistensi, kestabilan, dan sebagainya,
namu ide pokok dalam konsep reliabilitas adalah sejauh mana hasil
suatu pengukuran dapat dipercaya. Hasil ukur dapat dipercaya
apabila dalam beberapa kali pengukuran terhadap kelompok subjek
yang sama diperoleh hasil relatif yang sama, kalau aspek yang diukur
dalam diri subjek memang belum berubah. Pengertian relatif
menunjukkan bahwa ada toleransi terhadap perbedaan-perbedaan
kecil diantara hasil pengukuran. Bila perbedaan itu besar dari waktu
ke waktu, maka hasil pengukuran itu tidak dapat dipercaya atau tidak
variabel.
Validitas juga dapat menunjukkan konsistensi pengukuran
yang dilakukan yang meliputi stabilitas, ekivalen, dan konsistensi
internaal. Reliabilitas ini sangat erat kaitannya dengan ketepatan dan
ketelitian pengukuran. Pengukuran dikatakan stabil jika pengukuran
pada sebuah objek dilakukan berulan-ulang pada waktu yang
berbeda, menunjukkan hasil yang sama, dikatakan ekibalen jika
pengukuran menunjukkan hasil pengukuran yang sama jika
dilakukan peneliti lain atau memakai contoh item lain, serta
dikatakan konsisten internal jika item-item atau indikator yang
digunakan adlaah konsisten satu sama lain.
Ada beberapa metode atau teknik untuk mengukur reliabilitas
instrument, dan pada praktikum ini dititikberatkan dengan
menggunakan metode Cronbach Alpha, dengan rumus :

Dimana :
k = Jumlah butir dalam skala pengukuran
S2i = Ragam/ Varian dari butir ke-i
S2p = Ragam/ Varian dari skor total