PAPER

STATISTIK NON PARAMETRIK

Mata Kuliah : Manajemen Data

Kordinator : Ns. Sumiati Sinag, M.Kep

Disuse Oleh :

FUTRI ERMAYANTI

15.0133.568.01

PROGRAM STUDI ILMU KEPERAWATAN

SEKOLAH TINGGI ILMU KESEHATAN WIYATA HUSADA
SAMARINDA
2019
 PEMBAHASAN

A. Definisi
Statistik Non-Parametrik adalah test yang modelnya tidak menetapkan syarat-
syaratnya yang mengenai parameter-parameter populasi yang merupakan induk sampel
penelitiannya. Oleh karena itu observasi-observasi independent dan variabel yang diteliti
pada dasarnya memiliki kontinuitas. Uji metode non parametrik atau bebas sebaran
adalah prosedur pengujian hipotesa yang tidak mengasumsikan pengetahuan apapun
mengenai sebaran populasi yang mendasarinya kecuali selama itu kontinu.
Pendeknya: Statistik Non-Parametrik adalah 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.
Sampai saat ini para akhli statistik belum memberikan difinisi yang jelas mengenai
arti dari statistik nonparametrik dan juga ketegasan kapan suatu uji atau tes statistik
parametrik maupun yang nonparametrik digunakan. Seigel (1985) mengatakan bahwa
tes statistik parametrik adalah suatu tes yang modelnya menghendaki diketahuinya
syarat-syarat tertentu mengenai paramater populasi yang merupakan sumber sampel
penelitiannya. Syarat ini umumnya tidak diuji dan dianggap sudah terpenuhi, seperti
misalnya anggapan bahwa data yang diambil berasal dari populasi yang berdistribusi
normal. Seberapa jauh validitas hasil suatu tes parametrik sangat tergantung dari validitas
anggapan-anggapan tadi. Tes-tes parametrik juga menuntut bahwa angka-angka yang
dianalisis merupakan hasil suatu pengukuran yang sedikitnya berukuran skala interval.
Sedangkan tes nonparametrik adalah tes yang modelnya tidak menetapkan syarat-syarat
mengenai paramater populasi yang merupakan induk sampelnya. Anggapan tertentu dari
beberapa tes statistik nonparametrik adalah bahwa observasi-observasi yang diamatai
adalah independen dan bahwa variabel yang diteliti pada dasarnya memliliki
kontinyuitas. Tetapi anggapan-anggapan tadi lebih sedikit dan lebih lemah daripada
anggapan yang berkaitan dengan tes parametrik. Terlebih lagi tes nonparametrik tidak
menuntut pengukuran sekuat yang dituntut tes-tes parametrik, dimana sebagian tes
nonparametrik dapat diterapkan untuk data dalam skala ordinal, dan beberapa data malah
dapat diterapkan untuk skala nominal
Pendapat lain seperti yang dikemukakan oleh Walsh (1962) adalah bahwa titik
pandang dari prosedur tipe statistik nonparamterik adalah dimilikinya kekuatan tertentu
yang dapat memuaskan dan rasional, karena beberapa asumsi yang sifatnya umum
diminimalkannya. Seperti misalnya suatu distribusi sample yang berasal dari suatu
populasi yang berdistribusi normal dan mempunyai standar deviasinya tertentu. Dengan
mengurangi anggapan bahwa suatu data sampel yang berasal dari suatu populasi yang
berdistribusi normal itu, beberapa pakar statistik mengkaitkan analisis nonparametrik ini
dalam analisis ”distribusi bebas” atau “distribution-free“.
Untuk memilih metode statistik mana yang dipakai (parametrik ataukah
nonparametrik) dalam pembuatan keputusan tentang pengujian hipotesis penelitian
Seigel (1985) juga mengharuskan melihat beberapa kriteria:yaitu:
1) kekuatan yang bagaimana yang dipunyai tesnya;
2) kemungkinan penerapan model statistik yang menjadi dasar tes pada data diteliti
3) kekuatan efesiensi;
4) tingkat pengukuran yang ingin dicapai dalam penelitian tersebut.

Sudah disebutkan juga bahwa tes statistik parametrik adalah paling kuat apabila
asumsi model statistiknya dipenuhi dan variabel-variabel yang dianalisis, diukur
setidaknya dalam skala interval. Meskipun semua anggapan tes parametrik mengenai
keadaan populasi dan “syarat-syarat” kekuatan pengukurannya terpenuhi, tetapi dari segi
efesiensi tes nonparametrik masih lebih baik, karena dengan sampel yang lebih sedikit
masih mempertahankan kekuatan yang sama untuk menguji hipotesis tertentu. Sudah
tentu kekuatan tes nonparametrik dapat ditingkatkan dengan memperbesar sampel. Oleh
karena statistik nonparametrik dapat digunakan untuk menggarap data yang sifatnya
kualitatif, maka tes nonparamtrik ini banyak digunakan untuk penelitian-penelitian
sosial.

Dalam beberapa tes statistik nonparamtrik datanya banyak dirubah dari data absolut
menjadi skor, atau peringkat (rank) atau bahkan menjadi tanda (sign). Metode semacam
ini mulanya menimbulkan kritik bahwa metode ini tidak menggunakan segala informasi
yang ada dalam sampel, atau bahkan ada mengatakan “membuang-buang
informasi”. Berhubungan dengan hal itu, agar informasi yang ada dalam sampel dapat
digunakan secara maksimal dan memadai, maka sangat tergantung dari tingkat
pengukuran yang diperoleh dan pengetahuan peneliti tentang populasinya. Apabila
tingkat ukuran data lebih rendah dari skala interval, menggunakan tes parametrik
menuntut peneliti untuk menambah informasi. Dengan demikian mungkin akan terjadi
 penyimpangan yang sama besar dan mungkin sama rusaknya sebagai akibat dari
membuang informasi pada waktu merubah skor mendai rangking. Terlebih lagi,
anggapan yang dibuat dalam pembenaran penggunaan tes statistik biasanya hanya
didasarkan atas dugaan dan anggapan, tetapi pengetahuan sifat-sifat mengenai paramater
populasinya hampir selalu tidak ada. Oleh karena itu untuk berbagai distribusi populasi,
tes non paparemtrik jelas lebih unggul kekuatannya dibandingkan dengan tes parametrik
(Whitney, 1948)

B. Jenis Analisis Statistik Non Parametrik

1. Uji tanda
2. Uji Mann-Whitney U; Uji Wilcoxon jumlah peringkat
3. Analisa varians dengan menggunakan peringkat Kruskal-Wallis
4. Analisa varians dua jalur Friedman
5. Koefisien korelasi peringkat Spearman

C. Ciri-ciri Statistik Nonparametrik

Statistik Nonparametrik
a. Data tidak berdistribusi normal
b. Umumnya data berskala nominal dan ordinal
c. Umumnya dilakukan pada penelitian sosial
d. Umumnya jumlah sampel kecil

D. Metode-Metode statistic nonparametric

Metode statistik non parametrik :
a. Uji tanda (sign test)
Uji tanda digunakan untuk membandingkan data yang berpasangan. Adapun syarat-
syarat pada uji tanda yang harus dipenuhi, yaitu:
1) Pasangan hasil pengamatan yang sedang dibandingkan bersifat independent
2) Masing-masing pengamatan dalam tiap pasang terjadi karena pengaruh kondisi
yang serupa.
3) Pasangan yang berlainan terjadi karena kondisi yang berbeda. Rumus Uji Tanda
½ (n–1)–K
b. Rank sum test (wilcoxon)
Merupakan suatu uji yang menghitung tanda dan besarnya selisih dari dua buah rataan
populasi. Uji ini lebih peka dari pada uji tanda dalam menemukan perbedaan antara
populasi. Dengan kata lain, uji peringkat bertanda wilcoxon digunakan jika besaran
maupun arah perbedaan relevan, untuk menentukan apakah terdapat perbedaan yang
sesungguhnya antara pasangan data yang diambil dari dua sampel yang berkait.
1) Prosedur Uji wilcoxon Untuk Pengamatan Berpasangan:
a) Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).
b) Memilih tarap keberartian.
c) Menentukan daerah kritis W (bila dist Z digunakan).
d) Menyusun peringkat tanpa memperhatikan tanda.
e) Pemberian tanda atas peringkat yang telah ditetapkan.
f) Menjumlahkan peringkat dengan jumlah terkecil sebagai W.
g) Penarikan kesimpulan statistic tentang hipotesis nol (tolak H0 atau terima H0)
2) Penarikan Kesimpulan Statistik
Untuk menguji hipotesis nol (H0) dari uji Wilocoxon ini, selain dapat meggunakan
tabel harga-harga kritis W dalam uji jenjang bertanda data berpasangan wilcoxon
khususnya untuk sampel kecil, juga dapat menggunakan pendekatan distribusi
normal. Sedangkan untuk sampel besar digunakan pendektan distribusi normal.
Pengujian dilakukan dengan langkah-langkah sebagai berikut:
1) Hipotesis
1) Satu sisi
H0 :W(+) = (-)
H1 : W(+) > (-)
H0 :W(+) = (-)
H1 : W(+) < (-)
2) Dua sisi
H0 :W(+) = (-)
H1 : W(+) ≠ (-)
Keterangan :
W(+) = jumlah semua peringkat selisih pasangan pengamatan (xi,yi) yang
bertanda positif
W(-)= jumlah semua peringkat selisih pasangan pengamatan (xi,yi) yang
bertanda negatif
 α = …%

3) Daerah kritis
Tabel Wilcoxon
Jika harga W adalah sama dengan atau kurang dari harga yang diberikan
dalam tabel, untuk satu tingkat signifikasi tertentu dengan N tertetu, maka
tolak H0.
Jika harga α hit yang diperoleh dari tabel (dengan N dan W tertentu) adalah
sama dengan atau kurang dari harga yang telah ditentukan,maka tolak H0.

c. Koefisien korelasi pangkat

Keofisien korelasi pangkat atau koefisien Spearman adalah derajat hubungan
yang mengukur korelasi pangkat. Yang dimana korelasi pangkat bersimbol r’ ( baca:
er aksen ).
Misalkan pasangan data hasil pengamatan ( X1, Y1), ( X2, Y2 ), …..,( Xn,Yn)
kita susun menurut urutan besar nilainya dalam tiap Variabel. Nilai X1 disusun
menurut urutan besarnya, yang terbesar diberi nomor urut atau peringkat 1, terbesar
kedua diberi peringkat 2, terbesar ketiga diberi peringkat 3, dan seterusnya sampai
kepada nilai X1 terkecil diberi peringkat n demikian pula untuk Variabel Y1. Sekarang
kita bentuk selisih atau beda peringkat X1 dan Y1 yang data aslinya berpasangan.
Sebutlah beda ini b1.
Maka Koefesien korelasi peringkat r’ antara serentetan pasangan X1 dan Y1
dihutung dengan rumus :
Harga r’ bergerak dari -1 sampai dengan +1 , sebagaimana halnya koefisien
korelasi r biasa. Harga r’ = +1 berarty terdapat persesuaian yang sempurna antara Xi
dan Yi sedangkan r’ = -1 menyatakan penilaian yang betul-betul bertentangan antara
Xi dan Yi.

d. Uji runtun
Uji Runtun adalah pengujian yang berdasarkan adanya keruntunan. Runtun
adalah barisan huruf-huruf atau tanda-tanda yang identic yang didahului atau didikuti
oleh sebuah huruf atau sebuah tanda yang berbeda. Untuk runtun permulaan, barisan
dimaksud tidak tidak didahului oleh huruf atau tanda apapun. Demikian pula untuk
 runtun terakhir, barisan itu tidak diakhiri oleh huruf atau tanda yang berbeda. Panjang
runtun ditentukan oleh banyak huruf atau tanda dalam setiap runtun.
Dengan adanya runtun ini , kita dapat menguji hipotesis tentang :
1) Data pengamatan telah diambil secara acak dari sebuah populasi, atau sampel yang
diambil dari sebuah populasi adalah acak.
2) Dua sampel acak berasal dari populasi yang sama atau dua populasi mempunyai
distribusi yang sama.

e. Uji median
Hipotesis yang dihadapi :
H0 : Dua sampel acak telah diambil dari dua populasi dengan median yang sama atau
telah diambil dari populasi yang sama.
H1 : kedua sampel itu berasal dari dua populasi dengan median yang berlainan atau
dari dua populasi yang berlainan.

f. Uji kenormalan
Uji kenormalan secara parametric dengan menggunakan penaksiran rata-
rata dan simpangan baku. Misalkan kita mempunyai sampel acak dengan hasil
pengamatan X1, X2,…Xn. Berdasarkan sampel ini akan diuji hipotesis nol bahwa
sampel tersebut berasal dari populasi berdistribusi normal melawan hipotesis
tandingan bahwa distribusi tidak normal.
Untuk pengujian hipotesis nol tersebut kita tempuh prosedur berikut :
1) Pengamatan x1,x2,….,xn dijadikan bilangan baku z1,z2,….,zn dengan
menggunakan rumus z1 = ( x dan s masing-masing merupakan rta-rata
dan simpangan baku sampel ).
2) Untuk tiap bilangan baku ini dan menggunakan daftar distribusi normal baku,
kemudian dihitung peluang F(z1) = P (z zi ).
3) Selanjutnya dihitung propporsi zi , z2,……..zn yang lebih kecil atau sama dengan
zi. jika proporsi ini dinyatakan oleh S (zi ), maka S( zi ) =
4) Hitung selisih F (zi) –S (zi) kemudian tentukan harga mutlaknya.
Ambil harga yang paling besar di antara harga-harga mutlak selisih tersebut. Harga
terbesar di beri lambing L0.
E. Keunggulan dan Kelemahan Statistik Nonparametrik
Statistik Nonparametrik
a. Keunggulan :
1) Tidak membutuhkan asumsi normalitas.
2) Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih
mudah dimengerti jika dibandingkan dengan statistik parametrik karena ststistika
non-parametrik tidak membutuhkan perhitungan matematik yang rumit seperti
halnya statistik parametrik.
3) Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang
(ordinal).
4) Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau
jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan
dalam data kualitatif.
5) Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada
pengamatan yang nyata.
6) Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal
populasi, tetapi dapat digunakan pada populasi berdistribusi normal.

b. Kelemahan :
1) Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.
2) Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik
parametric.
3) Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi
seperti pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik
mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua
kelompok tertentu.