NONPARAMETRIK
Dua istilah yang lazim dalam analisis statistik adalah analisis atau
teknik paramterik dan nonparametrik. Secara sederhana yang dimaksud
dengan analisis parametrik adalah parameterisasi atau perhitungan indeks
dari distribusi data.Sebagai contoh, sebuah distribusi normal atau tidak
ditentukan oleh rataan (μ) dan simpangan bakunya (σ). Istilah parametrik
dalam hal ini merujuk pada estimasi atau pengujian paramater, seperti
rataan (mean) atau proporsi dari populasi.
Analisis nonparametrik mengacu pada prosedur estimasi yang
tidak melibatkan distribusi tertentu. Lazimnya analisis dilakukan untuk
data kategorik. Sebagai contoh, persepsi konsumen terhadap kualitas dua
merek dinilai dengan menggunakan skala Likert (5 untuk sangat baik dan
1 untuk sangat buruk). Analisis terhadap data ini dilakukan dengan
membandingkan median keduanya dari data sejumlah responden. Karena
tidak melibatkan distribusi data, maka keperluan jumlah responden dapat
lebih sedikit dibandingkan dengan pengujian parametrik. Tabel berikut
mensarikan beberapa perbandingan antara analisis parametrik dan
nonparametrik.
1
Terdapat beberapa keuntungan dari penggunaan analisis
nonparamterik, yaitu:
1. Keperluan jumlah observasi lebih sedikit. Pengujian parametrik
mensyaratkan observasi harus diperoleh dari populasi yang menyebar
normal. Bahkan untuk beberapa uji tertentu, misalnya uji t untuk dua
contoh yang independen, mensyaratkan simpangan baku populasi
keduanya harus sama.
2. Proses perhitungan dalam analisis nonparametrik relatif sederhana.
Misalnya pada uji tanda untuk data contoh yang besar, statistik ujinya
diperoleh dari formula:
(plus – minus)2/(plus + minus)
dimana plus adalah jumlah nilai yang positif dan minus adalah jumlah
nilai yang negatif. Statistik tersebut kemudian dibandingkan dengan chi-
square dengan satu derajat bebas.
3. Analisis nonparametrik diterapkan untuk data kategorik, yang banyak
diobservasi untuk mengevaluasi penilaian responden terhadap suatu
obyek tertentu.
4. Tidak mensyaratkan data contoh diambil secara acak dari sebuah
populasi. Dengan kata lain tidak mengharuskan adanya populasi.
Secara umum kelemahan dari analisis nonparametrik adalah tidak
diperolehnya parameter yang menggambarkan karakteristik kuantitatif
dari populasi. Selain itu umumnya tidak tersedia selang kepercayaan
untuk statistik yang diperoleh.
2
Uji Rata-rata Populasi
Hipotesisnya adalah
H0: = 0
H1: < 0
atau > 0
Statistik uji :
3
2. Dalam kotak , Masukkan data C1 ke dalam kotak di bawah
Variables
4
Aplikasi Uji Rata-rata Populasi
Hipotesisnya adalah
H0: 1
- )=
H1: 1
- )> atau 1
- )<
Statistik uji :
5
di mana: d : Rata-rata selisih antara 2 sampel
adalah standar deviasi selisih 2 sampel
6
3. Dalam First , Masukkan variabel C1 dan dalam Second,
Masukkan variabel C2.
4. Analisis mengasumsikan varian populasi adalah sama dan beri
tanda cek (√) pada Assume equal variance
5. Pilih Graphs dan beri tanda cek (√) pada Boxplot of Data
7
Aplikasi Uji Rata-rata Dua Populasi
8
Hipotesisnya adalah
H0: =1
Statistik uji :
F= atau F =
9
3. Dalam First , Masukkan variabel C1 dan dalam Second,
Masukkan variabel C2.
4. Kemudian klik OK.
Pearson Correlation
Koefisien korelasi pearson digunakan untuk mengukur keeratan
hubungan antara dua variable yang datanya berbentuk data interval atau
rasio. Disimbolkan dengan r dan dirumuskan:
Nilai dari koefisien korelasi (r) terletak antara -1 dan +1 (-1≤ r ≤ +1)
1. Jika r=+1, terjadi korelasi positif sempurna antara variabel X dan Y
10
2. Jika r=-1. Terjadi korelasi negatif sempurna antara variabel X dan Y
3. Jika r=0. Tidak terdapat korelasi antara variabel X dan Y
4. Jika 0 ‹ r ‹ +1. Terjadi positif antara variabel X dan Y
5. Jika -1≤ r ≤ +1. Terjadi korelasi negatif antara variabel X dan Y
Prosedur dalam MINITAB:
1. Pilih pilihan ‘Stat’ pada menu toolbar yang ada di dalam minitab.
2. Kemudian pilih ‘Basic Statistics’ > ‘Correlation...’
11
5. Setelah memasukkan semua variabel, kemudian klik ‘OK”
12
korelasi. Asumsi-asumsi tersebut tidak diuji lagi dan dianggap sudah
terpenuhi.
Jika asumsi kenormalan dan asumsi lainnya tidak terpenuhi atau
sukar untuk dipenuhi walaupun berbagai upaya transformasi data telah
dilakukan, maka kita dapat menggunakan prosedur alternatif selain uji-F
pada analisis ragam. Prosedur yang dapat digunakan adalah metode
nonparametrik, karena metode ini tidak memperhatikan bentuk sebaran
data dan asumsi analisis ragam lainnya.
Uji Chi-Kuadrat ( )
Uji Statistik:
Keterangan:
= banyak kasus yang diamati dalam kategori ke-i
= banyak hasil yang diharapkan dalam kategori ke-i di bawah
13
2. Dalam Bagian Baris, Masukkan data C1. Dalam Bagian columns,
masukkan data C2.
3. Klik Chi-Square.
14
4. Tandai pilihan Chi-Square analysis, Expected cell counts dan
Standardized residuals.
5. Klik OK dalam setiap kotak.
4,4 0 0 0 1 0 0
0 0
0,1000 0,1000 0,1000 0,1000 0,1000 0,1000
0,1000 0,1000
-0,3162 -0,3162 -0,3162 2,8460 -0,3162 -0,3162 -
0,3162 -0,3162
4,6 0 0 1 0 0 0
1 0
0,3000 0,3000 0,3000 0,3000 0,3000 0,3000
0,3000 0,3000
15
-0,5477 -0,5477 1,2780 -0,5477 -0,5477 -0,5477
1,2780 -0,5477
4,7 1 0 0 0 0 1
0 0
0,2000 0,2000 0,2000 0,2000 0,2000 0,2000
0,2000 0,2000
1,7889 -0,4472 -0,4472 -0,4472 -0,4472 1,7889 -
0,4472 -0,4472
4,9 0 0 0 0 0 0
0 1
0,1000 0,1000 0,1000 0,1000 0,1000 0,1000
0,1000 0,1000
-0,3162 -0,3162 -0,3162 -0,3162 -0,3162 -0,3162 -
0,3162 2,8460
5,0 0 0 0 0 0 0
0 0
0,1000 0,1000 0,1000 0,1000 0,1000 0,1000
0,1000 0,1000
-0,3162 -0,3162 -0,3162 -0,3162 -0,3162 -0,3162 -
0,3162 -0,3162
5,1 0 1 0 0 1 0
0 0
0,2000 0,2000 0,2000 0,2000 0,2000 0,2000
0,2000 0,2000
-0,4472 1,7889 -0,4472 -0,4472 1,7889 -0,4472 -
0,4472 -0,4472
All 1 1 1 1 1 1
1 1
1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
1,0000 1,0000
* * * * * *
* *
4,4 0 0 1
0,1000 0,1000 1,0000
-0,3162 -0,3162 *
4,6 1 0 3
0,3000 0,3000 3,0000
1,2780 -0,5477 *
4,7 0 0 2
0,2000 0,2000 2,0000
-0,4472 -0,4472 *
4,9 0 0 1
0,1000 0,1000 1,0000
-0,3162 -0,3162 *
5,0 0 1 1
0,1000 0,1000 1,0000
-0,3162 2,8460 *
5,1 0 0 2
0,2000 0,2000 2,0000
16
-0,4472 -0,4472 *
All 1 1 10
1,0000 1,0000 10,0000
* * *
Uji Kolmogorov-Smirnov
17
2. Masukkan data pada kolom Variabel.
3. Tandai pilihan Kolmogorov-Smirnov.
4. Klik OK.
18
Aplikasi Uji Kolmogorov-Smirnov
19
Uji Mann-Whitney (U-Test)
Hipotesisnya adalah
H0: h1 = h2
H1: h1 ≠ h2
Statistik uji :
Atau:
Prosedur:
1. Pilih pilihan ‘Stat’ pada menu toolbar yang ada di dalam minitab.
2. Kemudian pilih ‘Nonparametrics’ > ‘Mann-Whitney...’
20
3. Pindahkan variabel yang mengandung sampel data yang mengandung
populasi ke kolom ‘first sample’ di sebelah kanan. Caranya adalah
dengan mengklik dua kali variabel yang dimaksud atau mengklik
‘select’ pada variabel yang diinginkan. Hal yang sama juga dilakukan
untuk ‘second sample’.
4.Anda dapat menentukan selang kepercayaan mulai dari 0 sampai 100%
Minitab akan secara otomatis memunculkan selang kepercayaan 95%.
Hal yang harus diingat adalah Minitab akan menghitung selang
kepercayaan pada level yang paling dekat dengan hasil estimasi. Oleh
karenanya, kita dapat memilih ‘alternatif’ jenis-jenis tes yang akan
dilakukan oleh Minitab. Pilihan tersebut tersedia di kotak ‘alternative’.
Pilihan yang dapat dipilih adalah (less than) atau selang kepercayaan
lebih rendah dari estimasi, (not equal) atau tidak sama dengan selang
kepercayaan. (greater than) atau selang kepercayaan lebih dari
estimasi.
21
5.Setelah memasukkan semua variabel, kemudian klik ‘OK”
N Median
Economic Growth 10 4,700
Industrial Growth 10 10,750
22
Uji Kruskal-Wallis (H Test)
Statistik uji :
dengan:
= banyaknya ulangan pada perlakuan ke-i
N = jumlah pengamatan
= jumlah peringkat (rank) dari perlakuan ke-i
dan
Prosedur:
1. Pilih pilihan ‘Stat’ pada menu toolbar yang ada di dalam minitab.
2. Kemudian pilih ‘Nonparametrics’ > ‘Kruskal-Wallis...’
23
1. Setelah kita pilih ‘Kruskal-Wallis’ maka kita harus
menambahkan variabel di kotak yang terdapat di sebelah kanan, yakni
kotak ‘response’ dan kotak ‘factor’. Caranya kita akan
menambahkannya dengan cara mengklik tombol ‘select’ pada variabel
di kotak sebelah kiri yang akan kita perlakukan sebagai response.
Begitu pula dengan variabel yang akan kita masukkan sebagai factor.
24
2. Setelah memasukkan semua variabel, baik untuk response dan
factor, kemudian klik ‘OK”
Industrial Ave
Growth N Median Rank Z
6,6 1 4,700 5,5 0,00
8,2 1 5,100 9,5 1,39
8,8 1 4,600 3,0 -0,87
9,5 1 4,400 1,0 -1,57
10,7 1 5,100 9,5 1,39
10,8 1 4,700 5,5 0,00
10,9 1 4,600 3,0 -0,87
13,2 1 4,900 7,0 0,52
13,3 1 4,600 3,0 -0,87
14,3 1 5,000 8,0 0,87
Overall 10 5,5
H = 8,67 DF = 9 P = 0,468
H = 9,00 DF = 9 P = 0,437 (adjusted for ties)
25
Runs Test (Uji Randomness)
Hipotesisnya:
Ho: Proses pengambilan sampel adalah proses random
H1: Proses pengambilan sampel bukan proses random
.
Prosedur:
1. Pilih pilihan ‘Stat’ pada menu toolbar yang ada di dalam minitab.
2. Kemudian pilih ‘Nonparametrics’ > ‘Run Test...’
26
‘variables’ . Caranya adalah dengan mengklik dua kali variabel yang
kita inginkan atau dengan mengklik tombol ‘select’.
4. Jika Anda menyukai, Anda dapat memilih pilihan Above and Below the
Mean yang akan berfungsi sebagai dasar untuk menentukan jumlah
‘runs’. Sedangkan, pilihan Above and Below memberikan pilihan
untuk memasukkan nilai yang nantinya digunakan untuk menentukan
jumlah ‘runs’.
27
Runs Test: Economic Growth; Industrial Growth
Hipotesisnya:
Ho: Jumlah urutan tanda positif dengan jumlah urutan tanda
negatif adalah sama (tidak ada perbedaan nyata antara
pasangan data)
H1: Jumlah urutan tanda positif dengan jumlah urutan tanda
negatif adalah berbeda (ada perbedaan nyata antara
pasangan data).
Uji statistik:
1. Menentukan tanda beda dan besarnya tanda beda antara pasangan
data.
2. Mengurutkan bedanya tanpa memperhatikan tanda atau jenjang.
28
a. Angka 1 untuk beda yang terkecil dan seterusnya
b. Jika terdapat beda yang sama, dimbil rata-ratanya
c. Beda nol tidak diperhatikan
3. Memisahkan tanda beda positif dan negatif atau tanda jenjang
4. Menjumlahkan semua angka positif dan angka negatif
5. Nilai terkecil dari nilai absolut hasil penjumlahan merupakan
nilai yaitu nilai uji statistik
Prosedur:
1. Pilih pilihan ‘Stat’ pada menu toolbar yang ada di dalam minitab.
2. Kemudian pilih ‘Nonparametrics’ > ‘Sample-Wilcoxon...’
29
4. Jika Anda menyukai, Anda dapat memilih pilihan selang kepercayaan.
Confidence
Estimated Achieved Interval
N Median Confidence Lower Upper
Economic Growth 10 4,750 94,7 4,600 4,950
30
Koefisien korelasi urutan Spearman disimbolkan :
1. Jika = 1, data sampel menunjukkan hubungan positif
sempurna, yaitu urutan untuk setiap data sama.
2. Jika = -1, data sampel menunjukkan hubungan negatif
sempurna, yaitu urutan untuk setiap data merupakan urutan
terbalik.
3. Jika = 0, data sampel tidak ada hubungan.
Keterangan:
d = beda urutan dalam satu pasangan data
n = banyaknya pasangan data
31
Selain itu, kita dapat menggunakan korelasi untuk menentukan rank
Spearman. Prosedurnya adalah
1. Hilangkan baris yang mengandung nilai missing values.
2. Pilih Data > Rank.
3. Dalam Jendela Rank data in, masukkan data C1. Dalam jendela Store
ranks in, masukkan data C3. Klik OK.
4. Pilih Data > Rank.
5. Dalam Jendela Rank data in, masukkan data C2. Dalam jendela Store
ranks in, masukkan data C4. Klik OK.
32
7. Dalam bagian Variables, masukkan data C3 C4. Hilangkan tanda (√)
Display p-values. Kemudian Klik OK.
Uji Statistik:
Keterangan:
S : Jumlah Observasi
N : Banyak objek atau individu yang diurutkan pada X dan Y
33
Prosedur dalam MINITAB:
1. Pilih Stat > Regression > Ordinal Logistic Regression.
2. Untuk response, Masukkan data C1. Dalam Bagian model, masukkan
model yang diinginkan.
3. Klik OK
34