UJI STATISTIK NON PARAMETRIK
Skala
Pengukuran 1-Sampel
NOMINAL (1) Uji Binomial
(Goodness of fit test)
Utk menguji hipotesis yg berbentuk
binomial (p & q). Misal : Probabilitas
suatu sisi muncul dalam pelemparan
uang.
(2) X 2 2- sampel (Goodness of fit
test, lebih kuat dari uji binomial)
Utk membandingkan antara frekuensi
harapan dengan frekuensi teramati.
Misal : Pabrik permen ingin ketahui
apakah konsumen suka thd 4 jenis
produk permennya.
ORDINAL (1) Uji Kolmogorov-Smirnov
(Goodness of fit test paling kuat)
Utk menguji tingkat kesesuaian antara
skor yang diobservasi dengan distribusi
teoritis tertentu. Misal : Manajer sabun (- ). Misal : Beda pengaruh pemberian
X ingin mengetahui apakah data berat
sabun yang diproduksi berasal dari
populasi berat sabun yang berdistribusi
normal.
(2) Uji deret (Run Test)
(Tes kerandoman )
Utk tes kerandoman munculnya kejadian
menurut waktu terjadinya atau urutan
skor dalam sampel. Misal : Toko A ingin
tahu apakah pengunjung bervariasi
secara acak antara pria & wanita untuk
itu petugas mencatat pengunjung secara
berurutan.
INTERVAL
Author © 2006 BONDAN PALESTIN, Politeknik Kesehatan Depkes Yogyakarta Jurusan Keperawatan. Disarikan dari Sidney Siegel, (1997), Statistik Nonparametrik untuk Ilmu-ilmu Sosial, Jakarta: PT. Gramedia.
Berpasangan
(1) Uji perubahan tanda
Mc. Nemar
(95% utk A+D=6)
Untuk signifikansi perubahan terhadap
rancangan sebelum & sesudah. Misal :
Apakah ada beda respon subyek dalam
pilih produk sebelum / sesudah
penyuluhan.
(1) Sign Test
(95% utk n = 6 → 63%)
Untuk menguji hipotesis kom-paratif
berhubungan dalam bentuk tanda (+) &
insentif terhadap kesejahteraan keluarga (2) Uji U Mann-Whitney
menurut suami dan istri.
(2) Uji Pasangan Tanda
Wilcoxon (95,5 %)
Untuk menguji hipotesis kom-paratif
berhubungan dalam bentuk selisih.
Misal : Beda pengaruh sebelum &
sesudah berhenti merokok terhadap BB.
(1) Uji Wals (95 %)
Eksperimen utk ketahui bahwa skor
selisih 2 sampel berasal dr populasi
simetris (N ≤ 15). Misal : Beda ingatan
subyek dgn atau tanpa kejutan listrik.
(2) Uji Randomisasi (100 %)
Untuk menguji hipotesis 2 sampel
berpasangan pd N ≤ 12. Utk N >12
pakai Wilcoxon. Misal : Beda dampak
pemberian les maupun tidak thd prestasi
siswa SD.
2-Sampel
Tidak Berpasangan
(1) Uji Exact Fisher (paling kuat dian - (1) Uji Q Cochran
tara tes 1 sisi; beda nilai tengah)
Untuk menguji apakah 2 kelompok (N<20) berbeda
dalam proporsi 2 klasifikasi (2x2). Misal : Beda
kesukaan warna mobil tertentu antara dosen dan
birokrat.
(2) X 2 2- sampel (beda dispersi)
Untuk menguji apakah 2 kelompok berbeda dalam
proporsi 2 klasifikasi (2x2). Bila N>40 atau 20≤ N
≤40 (Eij ≤ 5) Æ Yates Correction ; Misal : Beda
penyembuhan penyakit dgn serum atau tidak pd 2
kelompok berbeda.
(1) Uji Median (1) Analisis Varians 2 Arah
(95 % utk n=6; beda nilai tengah )
Untuk menguji apakah 2 kelompok ditarik dari
populasi dgn median yg sama. Misal : Menguji
hipotesis 2 populasi mpy median yg sama.
(95,5 %; beda nilai tengah )
Untuk menguji apakah 2 kelompok berasal dr
populasi yg sama (ranking), N > 20 Æ uji Z. Misal :
Beda pengaruh pemberian metode kerja baru dan
lama terhadap produktivitas 2 kelompok pekerja.
(3) Uji Kolmogorov-Smirnov 2-sampel
(96%, beda nilai tengah utk one tail ;
beda dispersi utk two tail )
Untuk menguji apakah 2 kelompok ditarik dr
populasi yg sama. Misal : Apakah ada beda dlm
frekuensi tdk masuk kerja (hari - ordinal) pada klp
pria & wanita.
(4) Uji Run Wald-Wolfowitz
(75 %; beda dispersi )
Untuk menguji apakah 2 kelompok ditarik dr
populasi yg berbeda dlm segala hal dlm bentuk
RUN. Misal : Apakah ada beda tk. kekuatan
stamina antara anak pria & wnt.
(5) Uji Reaksi Ekstrem Moses
(khusus ilmu tingkah laku)
Utk menguji apakah 1 klp eksperimen akan
menunjukkan reaksi defensif atau ekstrim
dibanding klp kontrol independen. Misal : Beda tk
emosi kaum wanita ketika melihat film drama.
(1) Uji Randomisasi
(100 % ; beda nilai tengah)
Untuk menguji beda 2 mean / nilai tengah antara 2
sampel independen apabila n1 & n2 kecil.
Kebalikan dr Uji t (Parametrik). Misal : Beda rata-
rata nilai ujian biologi antara 2 klp siswa.
K-Sampel
Berpasangan Tidak Berpasangan
(1) X K – sampel (frekuensi)
2 (1) Koefisien Phi (tabel 2x2)
Uji apakah k himpunan frekuensi saling berbeda Utk menentukan signifikansi perbedaan
→ dikotomi : ya / tidak . Misal : utk mengetahui antara k-sampel independen dgn syarat :
subyek beri pendapat enak/tidak pada 3 jenis table kontingensi > 2x2; Eij < 5 minimal 20% ;
roti. tidak ada Eij < 1. Misal : Apakah proporsi
pemuda yg tercatat dlm pilihan masuk SMU
adalah sama untuk semua kelas sosial.
(1) Perluasan uji Median
Friedman (ranking) Utk menentukan apakah k-sampel yang
Perbedaan efektifitas k metode pada 1 subyek. berbeda telah diambil dari populasi yg sama
Misal : untuk mengetahui efektifitas 3 mediannya. Misal : Apakah ada perbedaan
perlakuan meÌ stress pd 1 subyek. dalam frekuensi kunjungan ke Puskesmas di
antara ibu hamil yang berlainan tingkat
pendidikannya.
(2) Analisis Varians 1 Arah
Kruskal-Wallis (95,5 %; ranking)
Utk menguji kemaknaan perbedaan (bila ada)
beberapa k sampel independen, atau apakah
k-sampel telah ditarik dari populai kontinyu
yang sama, alternatif dari Uji F. Misal : 20
subyek obeis ikut eksperimen program peÌ
BB yg dibagi dlm 4 klp, tiap klp dapat program
yg berbeda.
Pengukuran Korelasi Non Parametrik
(2) Koefisien Kontengensi C
→ suatu ukuran kadar asosiasi atau relasi
antara 2 himpunan atribut, erat hubungan -nya
dengan Chi Kuadrat (tabel r x k). Modifikasi
Koefisien Phi agar tidak koefisien asosiasinya
tak melebihi 1. Misal : Apakah ada hubungan
yang positif & bermakna antara jenis profesi
dengan jenis OR yang disenangi.
(3) Koefisien V Cramer
(1) Koef. Kor. Rank Spearman : rs
Utk mengukur keeratan hubungan antara 2
variabel dimana tidak berdistribusi normal &
homogenitas varian tidak diketahui. Misal :
Apakah ada hubungan antara volume lalin
dengan konsentrasi korban monoksida.
(2) Koef Kor. Rank Kendall : τ (91%)
Utk mengukur korelasi data ranking dari 2 jenis
himpunan suatu ranking. Misal : 2 juri X dan Y
diminta menilai 4 buah skripsi A, B, C & D.
Selanjutnya ranking diurutkan, kemungkinan
jumlah skor ranking yang dicapai serta tingkat
hubungan antara ranking X dan Y.
(3) Koef. Kor. Rank Partial Kendal :
τ xyz
Utk membandingkan korelasi antara X & Y
(dengan efek Z yang dianggap konstan) dengan
tanpa memperhitungkan efek Z. Misal :
Penelitian ingin mengetahui korelasi antara
kemampuan mengingat (X) dengan kemampuan
menyelesaikan soal statistik (Y) pd beberapa
mahasiswa. Kedua variabel tsb dpt
diasosiasikan dgn IQ (Z). Bgm perban-dingan
koef. korelasi pd hub. antara X & Y dgn tanpa
memperhitungkan efek Z.
(4) Koef. Konkordans Kendall : W
Utk ukur kadar asosiasi ant. k-himpunan ranking
dr N obyek. Berguna utk tetap-kan kecocokan
antara beberapa penilai, atau asosiasi antara k-
variabel .
Koefisien ini mpy penerapan khusus dlm
memberikan suatu metode standar pengurutan
obyek mnrt konsesus bila tdk terdapat urutan
obyektif sejumlah obyek. Misal : Apakah ada
kecocokan nilai bagi pelamar (k>2) yang
diberikan oleh 3 tim penilai dengan meranking
pelamar scr terpisah menurut ketepatan mereka
dalam mengisi form yang diberikan.