.

1 STATISTIK NONPARAMETRIK

Kelebihan Uji Non Parametrik:

- Perhitungan sederhana dan cepat

- Data dapat berupa data kualitatif (Nominal atau Ordinal)

- Distribusi data tidak harus Normal

Kelemahan Uji Non Parametrik:

- Tidak memanfaatkan semua informasi dari sampel (Tidak efisien)

Kelemahan diperbaiki dengan menambah ukuran sampel

Beberapa Uji Non Parametrik yang akan dipelajari :

- Uji tanda berpasangan

- Uji Peringkat 2 Sampel Mann-Whitney

- Uji Peringkat 2 Sampel Wilcoxon

- Uji Korelasi Peringkat Spearman

- Uji Konkordansi Kendall

- Uji Run(s)

a) Uji Tanda Berpasangan

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 Notasi yang digunakan :

n = banyak tanda (+) dan tanda (–) dalam sampel

p= proporsi SUKSES dalam sampel.

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 (–)

Nilai disesuaikan dengan nilai pengujian p yang diinginkan dalam soal p0

atau jika ingin diuji proporsi sampel 1 = proporsi sampel 2 maka = = 0.50 p0q0

Penetapan Penetapan H0 dan H:

Ø Terdapat 3 alternatif H0 dan H1:

(a) H0: p = dan p0H1: p< p0

Ø Uji 1 arah dengan daerah penolakan H0: z < −zα

(b) H0: p = dan p0H1: p > p0

Ø Uji 1 arah dengan daerah penolakan H0: z > zα

(c) H0: p = dan p0H1: p ≠ p0

Ø Uji 2 arah dengan daerah penolakan H0: z < −zα/2 dan z > zα/2

Contoh 1a:

Berikut adalah nilai preferensi konsumen terhadap 2 Merk Sabun Mandi. Dengan taraf nyata 1%, ujilah
apakah proporsi preferensi konsumen pada kedua merk bernilai sama? No. Responden

LUXE

GIVE

Tanda

1.

4
2

2.

3.

4.

5.

2
+

6.

7.

8.

9.

+
10.

11.

12.

13.

+
14.

15.

Banyak tanda (+) = 8

Banyak tanda (–) = 5

n = 8 + 5 = 13

Jika kita asumsikan LUXE lebih disukai dibanding GIVE maka SUKSES dalam sampel adalah p= proporsi
banyak tanda (+) dalam sampel.

p= banyak positifn==813062.

q = 1 –p = 1 - 0.62 = 0.38

Karena ingin diuji proporsi yang suka LUXE = GIVE maka = = 0.50 p0q0

Langkah Pengujian:

1. H0: p = 0.50 H1: p ≠ 0.50

2. Statistik Uji : z

3. Uji: 2 Arah

4. Taraf Nyata Pengujian = α = 1% → α/2 = 0.5% = 0.005

5. Daerah Penolakan H0
z < −z → z < -2.575 z > → z > 2.575

Nilai statistik Uji :

o 0,62- 0,50 0.12 0.12 0.12

Zhitung= = = = = 0.13867= 0.8653

N 13 13

0.87

7. Kesimpulan:

z hitung = 0.87 ada di daerah penerimaan H0 H0 diterima

Proporsi konsumen yang menyukai LUXE masih sama dengan yang menyukai

GIVE.

Contoh :

Dengan menggunakan data pada Tabel 1 dan taraf nyata 1% ujilah apakah proporsi preferensi konsumen
pada sabun LUXE dibanding sabun GIVE sudah lebih dari 0.30?

p0 = 0.30

0q = 1 - 0.30 = 0.70

1. H0: p = 0.30 H1: p > 0.30

2. Statistik Uji : z

3. Uji 1 Arah

4. Taraf Nyata Pengujian = α = 1% = 0.01

5. Daerah Penolakan H0

z > z→ z > 2.33

Luas daerah ini = α Daerah Penolakan H0

2.33

1.2 Penggunaan Statistika Nonparametrik

Berikut ini akan dijelaskan pedoman penggunaan uji statistika nonparametrik dalam pengambilan
keputusan.

APLIKASI

TEST PARAMETRIK

TEST NONPARAMETRIK

Dua sampel saling berhubungan

Uji T

Uji Z

 Sign Test

 Wilcoxon Signed-Rank

 Mc Nemar Change Test

Dua sampel tidak berhubungan

Uji T

Uji Z

 Mann-whitney U test

 Moses Extreme Reactions

 Chi-square test

 Kolmogorov-Smirnov Test
 Walt-Wolfowitz runs

Beberapa sampel berhubungan

 Freidman test

 Kendall W test

 Cochran’s Q

Beberapa sampel tidak berhubungan

Uji ANOVA (Uji F)

 Kruskal-Wallis test

 Chi-square test

 Median test

1.3 Metode Statistika Nonparametrik

Berikut ini akan dijelaskan beberapa metode pengambilan keputusan yang termasuk dalam uji statistika
nonparametrik.

a. Uji Tanda

Uji tanda digunakan untuk menguji hipotesis mengenai median populasi. Dalam banyak kasus
prosedur nonparametrik, 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.

b. Uji Rang-Tanda

Uji Rang-Tanda dicetuskan oleh Frank Wilcoxon pada tahun 1945 dan saat ini disebut sebagai uji rang-
tanda Wilcoxon. Uji ini memanfaatkan baik tanda maupun besarnya selisih. Uji rang-tanda Wilcoxon
digunakan untuk kasus dua sampel yang dependen bila skala ukur memungkinkan kita menentukan
besar selisih yang terjadi, jadi bukan sekedar hasil pengamatan yang berbeda saja. Uji rang-tanda
Wilcoxon cocok digunakan bila kita dapat mengetahui besarnya selisih antara pasangan-pasangan harga
pengamatan X1 dan Y1 berikut arah selisih yang bersangkutan. Apabila kita dapat menentukan besarnya
setiap selisih, maka kita dapat menetapkan peringkat untuk masing-masing selisih itu. Melalui
penyusunan peringkat selisih – selisih inilah uji Wilcoxon memanfaatkan informasi tambahan yang
tersedia.

Asumsi :

 Data untuk analisis terdiri atas n buah beda. D1 = Y1 – X1

 Sampel X dan sampel Y adalah Variabel- variable acak kontinyu dan beda X1 - Y1, X2 -Y2…dst
bersifat kontinyu pula.

 Hipotesis nol yang di uji menyatakan bahwa median perbedaan pasangan nilai pengamatan kedua
sampel sama dengan nol.

1.4 Langkah – langkah uji rang-tanda Wilcoxon :

1. Asumsikan bahwa populasi perbedaan pasangan nilai pengamatan kedua sampel adalah variable
acak kontinyu.

2. Hipotesis
Uji satu sisi :

a. Ho : W (+) = W (-) Hi : W (+) > W (-)

b. Ho : W (+) = W (-) Hi : W (+) < W (-)

Uji dua sisi :

Ho : W (+) = W (-) Hi : W (+) ≠ W (-)

W (+) : Jumlah semua peringkat selisih pasangan pengamatan (Wi, Yi) yang bertanda positif.

W (-) : Jumlah semua peringkat selisih pasangan pengamatan (Wi, Yi) yang bertanda negative

3. Untuk setiap pasangan nilai pengamatan (Xi, Yi), hitung perbedaannya (di = Xi – Yi).

4. Berikan peringkat terhadap perbedaan nilai pasangan pengamatan, mulai dari peringkat 1 untuk
perbedaan terkecil hingga peringkat n untuk perbedaan terbesar. Bila terdapat perbedaan nilai pasangan
yang sama, perbedaan pasangan nilai yang sama di beri peringkat rata-ratanya . untuk beda nol, tidak
diperhatikan.

5. Bubuhkan tanda kepada peringkat yang sudah dibuat itu: positif atau negative sesuai dengan tanda
perbedaan nilai pengamatan aslinya.

6. Hitung banyaknya di yang bertanda positif (disebut W+) dan negative (disebut W_).

7. Statistik uji peringkat bertanda Wilcoxon ialah W. M yang dipakai ialah W+ atau W_ yang nilainya
lebih kecil :

8. W+ = ∑ Ri (Semua peringkat positif) dan │W-│= │∑Ri│(Semua peringkat Negatif)

Hipotesa nol ditolak apabilai nilai W+, W-, atau W lebih kecil atau sama dengan nilai di tabel yang sesuai.

c. Uji Jumlah-rang

Uji ini dilakukan apabila ingin menguji kesamaan rataan dua distribusi yang kontinu yang jelas tidak
normal dan sampelnya bebas.

Menguji

H0

Tandingan

H1
Hitunglah

μ1 = μ2

μ1 < μ2

μ1 > μ2

μ1 μ2

μ1

μ2

Misalkan n1 banyaknya pengamatan dalam sampel yang lebih kecil, dan n2 banyaknya pengamatan
dalam sampel yang lebih besar. Urutkanlan n1 dan n2 pengamatan dari kecil ke besar dan beri peringkat.
Bila terdapat yang seri, maka pengamatan tersebut diganti dengan dengan rataan rangnya jika keduanya
dapat dibedakan (tidak seri).

Jumlah rang yang berasal dari n1 pengamatan dalam sampel yang lebih kecil dinyatakan dengan w1. Dan
w2 merupakan jumlah rang yang berasal dari n2 pengamatan dalam sampel yang lebih besar.

Apabila nilai w1 sudah ditemukan maka nilai w2 dapat dicari. Seperti rumus dibawah ini,

w1 + w2 = w2

Untuk pengujian ekasisi, hipotesis nol μ1 = μ2 ditolak dan diterima tandingannya μ1 < μ2 apabila w1
kecil dan w2 besar. Begitu pula, tandingan μ1 > μ2 dapat diterima jika w1 besar dan w2 kecil. Untuk
pengujian dwisisi, tandingan μ1 μ2 diterima bila minimum dari w1 dan w2 cukup kecil.

d. Uji Kruskal – Wallis

Uji Kruskal – Wallis sering pula disebut Uji H Kruskal – Wallis, adalah rampatan uji jumlah rang
(dwisampel Wilcoxon) untuk sejumlah sampel k>=2. Uji ini digunakan untuk menguji hipotesis nol bahwa
k sampel bebas berasal dari populasi yang sama. Diperkenalkan oleh W.H. Kruskal dan W.A. Wallis pada
tahun 1945, uji ini merupakan padanan cara nonparametrik untuk menguji kesamaan rataan dalam
analisis variansi ekafaktor bila si pencoba ingin menghindari bahwa sampel berasal dari populasi normal.

Uji ini mirip dengan uji Anova pada data parametrik hanya saja tidak dipenuhi anggapan k kenormalan
dari data. Analisis yang digunakan berdasarkan Rij yaitu ranking data, bukan data itu sendiri.

Langkah – langkah uji Kruskal - Wallis :

1. H0 : Semua K populasi adalah identik

2. H1 : Tidak semua K populasi identik

3. Tentukan taraf nyatanya.

4. Tentukan daerah kritisnya dengan menggunakan tabel chi-kuadrat. Dengan derajat kebebasan v =
k-1

5. Melakukan perhitungan uji kruskal – wallis dengan rumus dibawah ini

dengan ni merupakan jumlah data pengamatan disetiap sampel dan ri merupakan jumlah rang dalam
satu sampel data pengamatan.