BAB II

LANDASAN TEORI

2.1 Pengertian Statistik Non Parametrik

Statistik non parametrik adalah yang berhubungan dengan data yang
berbentuk ranking atau data kualitatif (skala nominal atau ordinal) atau data
kuantitatif yang tidak berdistribusi normal. Oleh karena itu statistic non parametrik
seringkali disebut dengan statistic bebas distribusi. Pada statistic non parametrik, kita
akan menguji karakteristik populasi tanpa menggunakan spesifik parameter. Oleh
karena itu statistic uji ini disebut dengan statistic non parametrik yaitu akan menguji
apakah lokasi populasi berbeda dari pada menguji apakah rata-rata populasi berbeda.
Statistik non parametrik termasuk salah satu bagian dari statistic inferensi
atau statistic induktif dan disebut juga statistic bebas distribusi. Statistik non
parametrik adalah bagian statistik yang tidak memerlukan asumsi-asumsi tertentu,
misalnya mengenai bentuk distribusi dan hipotesis-hipotesis yang berkaitan dengan
nilai-nilai parameter tertentu.
Statistika non parametrik atau disebut juga sebagai statistic bebas di
distribusi adalah bagian statistik yang tidak memerlukan asumsi-asumsi tertentu.
Statistik non parametrik dapat digunakan adalah sebagai berikut :
1. Sampel yang digunakan memiliki ukuran yang kecil
2. Data yang digunakan bersifat ordinal, yaitu data-data yang bisa disusun dalam
urutan atau diklasifikasikan rangkingnya.
3. Data yang digunakan bersifat nominal, yaitu data-data yang dapat di
klasifikasikan dalam katagori dan dapat dihitung 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.
Adapun contoh metode statistic non parametrik adalah sebagai berikut [1] :
1. Uji tanda (sign test)
2. Rank sum test (wilcoxon)
3. Rank correlation test (spearman)

4
 5

4. Fisher probability exact test.

5. Chi-square test, dll
Adapun ciri-ciri statistic non parametric adalah sebagai berikut :
1. Data tidak berdistribusi normal
2. Umumnya data berskala nominal dan ordinal
3. Umumnya dilakukan pada penelitian social
4. Umumnya jumlah sampel kecil

2.2 Keunggulan Dan Kelemahan Statistik Non Parametrik

Adapun keunggulan dan kelemahan statistic non parametric adalah sebagai
berikut :
1. Keunggulan :
Adapun keunggulan statistic non parametric adalah sebagai berikut :
a. Tidak membutuhkan asumsi normalitas.
b. Secara umum metode statistic non parametric lebih mudah dikerjakan
dan lebih mudah dimengerti jika dibandingkan dengan statistic
parametric karena ststistik non parametric tidak membutuhkan
perhitungan matematik yang rumit seperti halnya statistic parametrik.
c. Statistik non parametric dapat digantikan data numerik (nominal) dengan
jenjang (ordinal).
d. Kadang-kadang pada statistic non parametric tidak dibutuhkan urutan
atau jenjang secara formal karena sering dijumpai hasil pengamatan yang
dinyatakan dalam data kualitatif.
e. Pengujian hipotesis pada statistic non parametrick dilakukan secara
langsung pada pengamatan yang nyata.
f. Walaupun pada statistic non parametric tidak terikat pada distribusi
normal populasi, tetapi dapat digunakan pada populasi berdistribusi
normal.
2. Kelemahan :
Adapun kelemahan statistic non parametric adalah sebagai berikut :
a. Statistik non parametric terkadang mengabaikan beberapa informasi
tertentu.
 6

b. Hasil pengujian hipotesis dengan statistic non parametric tidak setajam

statistic parametrik.
c. Hasil statistic non parametric tidak dapat diekstrapolasikan kepopulasi
studi seperti pada statistic parametrik. Hal ini dikarenakan statistic non
parametric mendekati eksperimen dengan sampel kecil dan umumnya
membandingkan dua kelompok tertentu.

2.3 Metode Statistika Non parametrik

Berikut ini akan dijelaskan beberapa metode pengambilan keputusan yang
akan digunakan dalam praktikum ini [2] :
2.3.1 Uji Tanda ( Sign Test )
Uji tanda didasarkan atas tanda-tanda positif atau negative dari perbedaan
antara pasangan pengamatan, bukan atas besarnya perbedaan. Uji tanda biasanya
digunakan untuk mengetahui pengaruh sesuatu. Adapun langkah-langkah pengujian
dengan uji tanda ialah sebagai berikut :
1. Menentukan formulasinya hipotesis
H0 : Probabilitas terjadinya tanda positif dan probabilitas terjadinya tanda
negative adalah sama.
H1 : Probabilitas terjadinya tanda positif dan probabilitas terjadinya tanda
negative adalah berbeda.
2. Menentukan taraf nyata (𝞪)
Pengujian dapat berbentuk satu sisi atau dua sisi
3. Menentukan kriteria pengujian
a. Pengujian satu sisi
H0 diterima apabila 𝞪 ≤ probabilitas hasil sampel
H0 ditolak apabila 𝞪 > probabilitas hasil sampel
b. Pengujian dua sisi
H0 diterima apabila 𝞪 ≤ 2 kali probabilitas hasil sampel
H0 ditolak apabila 𝞪 > 2 kali probabilitas hasil sampel
4. Menentukan nilai uji statistik
Menentukan nilai dari probabilitas hasil sampel. (Lihat tabel probabilitas
binomial dengan n, r tertentu dan p = 0,05 ) r = jumlah tanda yang terkecil.
5. Membuat kesimpulan
 7

Menyimpulkan H0 diterima atau ditolak.

Rumus untuk sampel besar ( n ≥ 30 ), uji statistiknya adalah:
2𝑟−𝑛
CR = ........................................................................................... Pers (2.1)
√𝑛

Keterangan:
r = jumlah tanda positif
n = jumlah tanda negatif
Uji tanda digunakan untuk menguji hipotesis mengenai median populasi.
Dalam banyak kasus prosedur non parametrik, rataan digantikan oleh median sebagai
parameter lokasi yang relevan untuk diuji.
Uji tanda juga mempunyai asumsi dimana asumsinya adalah distribusinya
bersifat binomial. Binomial artinya mempunyai dua nilai. Nilai ini dilambangkan
dengan tanda, yaitu positif dan negatif. Ini mengapa ia disebut uji tanda.
Uji tanda banyak digunakan karena uji ini paling mudah untuk dilakukan
pengujiannya dan tidak memakan waktu yang lama. Pengerjaan pengujian ini
terbilang cukup mudah. Apabila setiap nilai pengamatan memiliki nilai lebih besar
dari nilai rataannya maka diganti dengan tanda (+). Sedangkan, apabila setiap nilai
pengamatan memiliki nilai kurang dari nilai rataannya maka diganti dengan tanda (-).
Dan, apabila nilai pengamatannya sama dengan nilai rataannya maka nilai
pengamatan tersebut harus dibuang.
Pengujian uji tanda yang pertama dilakukan adalah menentukan hipotesis
nolnya beserta dengan hipotesis tandingannya. Tentukan pula taraf nyatanya beserta
nilai proporsi peubah binomial X-nya. Kemudian melakukan penghitungan Z hitung
(apabila jumlah sampel lebih dari 30) dengan nilai n merupakan jumlah data
pengamatan setelah dibandingkan dengan nilai rataannya dan nilai x adalah jumlah
data pengamatan dengan tanda (+). Dengan begitu nilai Z akan didapat dan nilai P
(proporsi)nya dapat ditentukan. Keputusan H0 akan ditolak apabila nilai P yang
didapat lebih kecil atau sama dengan nilai taraf nyatanya.

2.3.2 Uji Dua Tanda

Tidak memperhitungkan besarnya selisih-selisih tersebut. Definisi uji 2 tanda
yaitu memanfaatkan hanya untuk tanda-tanda plus dan minus yang diperoleh dari
selisih antara pengamatan dalam kasus satu contoh, atau tanda plus dan minus yang
 8

diperoleh dari selisih antara pasangan pengamatan dan kasus contoh berpasangan,
tetapi
Setelah uji yang memanfaatkan baik arah maupun besar diajukan pada tahun
1945 oleh Frank Wilcoxon dan sekarang uji ini dikenal sebagai uji perangkat
bertanda wilcoxon atau dalam kasus pengamatan berpasangan disebut juga uji
wilcoxon bagi pengamatan berpasangan. (Sprent,1999 : 79).
Untuk menguji hipotesa bahwa N=N0 bagi suatu populasi yang kontinu
dengan uji peringkat bertanda wilcoxon. Pertama-tama kita harus membuang selisih
yang sama dengan N0 dan kemudian memberi peringkat pada diyang tidak sama
dengan nol tanpa memperhatikan tandanya peringkat 1 diberikan pada di dengan nilai
absolute terkecil. Peringkat dua pada terkecil berikutnya dan demikian seterusnya
dan apabila ada nilai yang sama, maka kita beri peringkat rata-rata untuk tiap nilai
yang sama tersebut [3].

2.3.3 Uji Urutan Bertanda Wilcoxon ( The Signed Rank Test )

Dalam pasal ini kita mempelajari prosedur non parametrik yang sangat
sederhana yang diajukan oleh wilcoxon dengan membandingkan nilai tangan dari
suatupopulasi yang tidak kontinu. Uji nonparametrik ini disebut dengan uji
peringkat wilcoxon. Langkah-langkah pengujian hipotesis uji peringkat Wilcoxon
adalah [3] :
1. Menentukan formulasi hipotesis.
2. Menentukan taraf nyata dan nilai tabel.
3. Menentukan kriteriapengujian.
4. Menentukan nilai uji statistik (kriteria pengujian Ho diterima apabila
T0>Ttabel dan Ho ditolak apabila To< TtabeI)
5. Membuat kesimpulan.

2.3.4 Uji Dua Sampel Wilcoxon

Uji dua sampel berpasangan wilcoxon adalah satu uji yang memperhitungkan
data + ( plus ) dan – (minus) dan besarnya selesih dari pasangan-pasangan data. Uji
wilcoxon diajukan oleh Frank Wilcoxon pada tahun 1945 dan dikenal sebagai uji
bertanda wilcoxon atau dalam kasus berpasangan disebut uji Wilcoxon bagi
pengamat berpasangan. (William, 1997 : hal 57)
 9

Untuk menguji hipotesa atau kelompok sampel yang diberi dua perlakuan
yang berbeda dengan uji rangking bertanda wilcoxon maka pertama-tama kita cari
nilai di, dimana di adalah skor selisih sembarang pasangan dibawah dua perlakuan
yang berlainan, setiap pasangan memiliki satu di , hilangnya di kemudian berikan
hargarangking 1 untuk harga di terkecil dan seterusnya. Jika data n > 30 , kita dapat
menggunakan fakta bahwa distribusi w mendekati normal dengan rata-rata dapat
dihitung dengan cara sebagai berikut :
n(n  1)
n 
4 ..................................................................................... Pers (2.2)
Untuk mencari standar deviasi dapat digunakan cara dibawah ini :

n(n  1)(2n  2)
 2   ............................................................ Pers (2.3)
24
Maka pengujian tersebut dapat didasarkan pada statistik dengan
menggunakan cara :
W  w ............................................................................. Pers (2.4)
Z
w 

Dan dengan daerah kritis yang sesuai dapat diperoleh dari distribusi
normal standar.
Untuk menggunakan metode non parametrik, asumsi dasar yang digunakan
adalah bahwa sample berasal dari populasi yang mengikuti suatu distribusi tertentu,
misalnya distribusi normal. Namun dalam banyak hal, asumsi tersebut sulit
dilakukan karena tidak ada informasi yang cukup memberi petunjuk mengenai
bentuk distribusi populasi yang dikaji.
Dalam kondisi seperti ini metode-metode non parametrik dapat digunakan
untuk melakukan suatu uji statistik sebagai alat untuk mengambil keputusan. Karena
bentuk distribusi yang mengatur populasi untuk menjadi prasyarat asumsi awal,
maka metode ini sering juga disebut sebagai metode bebas-distribusi. Secara umum,
ketika kedua metode parametrik dan non parametrik dapat digunakan untuk suatu
masalah tertentu, prosedur parametrik akan lebih efisien.
Dengan karakteristik yang dijelaskan diatas, metode non parametrik
kebanyakan digunakan dalam menangani data kualitatif. Metode ini khususnya
digunakan dalam menangani situasi berikut :
 10

1. Jika ukuran sample terlalu kecil sehingga distribusi sampling dari statistik
tidak mendekati distribusi normal dan ketika bentuk distribusi populasi asal
sampel tersebut tidak dapat diasumsikan.
2. Jika digunakan jenisdata ordinal (atau data peringkat).
3. Jikadigunakanjenisdata nominal.