Anda di halaman 1dari 6

BAB I

PENDAHULUAN

A. Latar Belakang

Istilah nonparametrik pertama kali digunakan oleh Wolfowitz, pada tahun 1942.

Metode statistik nonparametrik merupakan metode statistik yang dapat digunakan

dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode statistic

parametrik, terutama yang berkaitan dengan distribusi normal. Istilah lain yang sering

digunakan untuk statistik nonparametrik adalah statistik bebas distribusi (distribution free

statistics) dan uji bebas asumsi (assumption-free test). Statistik nonparametric banyak

digunakan pada penelitian-penelitian sosial. Data yang diperoleh dalam penelitian sosial

pada umunya berbentuk kategori atau berbentuk rangking.

Uji statistik nonparametrik ialah suatu uji statistik yang tidak memerlukan

adanya asumsi - asumsi mengenai sebaran data populasi. Uji statistik ini disebut juga

sebagai statistik bebas sebaran (distribution free). Statistik nonparametrik tidak

mensyaratkanbentuk sebaran parameter populasi berdistribusi normal. Statistik

nonparametrik dapat digunakan untuk menganalisis data yang berskala nominal atau

ordinal karena pada umumnya data berjenis nominal dan ordinal tidak menyebar normal.

Dari segi jumla data, pada umumnya statistik nonparametrik digunakan untuk data

berjumlah kecil (n <30).

B. Rumusan Masalah

Perumusan masalah yang diambil dari penyusunan makalah ini adalah :


a. Apa definisi kasus dua sampel bebas?

b. Bagaimana uji uji Friedman pada K sampel?

C. Tujuan Masalah

Adapun yang menjadi tujuan masalah berdasarkan rumusan masalah di atas adalah :

a. Apa pengertian K sampel?

b. Bagaimana uji Friedman pada K sampel?


BAB II

PEMBAHASAN

A. Pengertian K Sampel

K sampel artinya jumlah kategori atau kelompok data lebih dari 2. Contoh dalam hal

ini adalah data ujian, dimana ada 4 data yaitu nilai ujian mid semester 1, semester 1, mid

semester 2 dan semester. Berdasarkan beberapa istilah yang sudah kami jelaskan di atas,

maka dapat disimpulkan, berdasarkan contoh kasus atau hipotesis: Apakah ada perbedaan

nilai ujian IPS siswa kelas A, kelas B dan kelas C, dapat disimpulkan bahwa hipotesis

tersebut termasuk ke dalam uji beda k sampel independen.

Selanjutnya adalah istilah non parametris, yaitu data yang berupa data ordinal atau

nominal, sehingga dalam pengujian tidak diperlukan asumsi normalitas melalui uji

normalitas. Untuk memahami tentang skala data, baca artikel kami tentang: Pengertian

Data Penelitian, Skala Data, Sumber Data. Oleh karena dalam kasus di atas yang

digunakan adalah data interval atau rasio, maka kasus di atas tidak tepat untuk tutorial uji

beda k sampel independen non parametris ini. Kami beri contoh yang tepat adalah:

Apakah ada perbedaan minat belajar antara siswa kelas A, kelas B da kelas C. Dalam

contoh ini, minat siswa diukur dengan kuesioner skala likert, sehingga skala data adalah

ordinal bukan interval.

Jenis analisis pada Uji Komparatif K Sampel Independen Non Parametris antara lain

adalah: uji median test dan uji kruskal wallis. Untuk penjelasan lebih detail tentang uji

kruskal wallis, silahkan baca artikel kami tentang kruskall wallis, sebab disini kita hanya
memberikan contoh saja. Di dalam contoh penelitian ini kelompok sampel dapat diambil

lebih dari dua dengan karakter sampel yang tidak berkorelasi, Misal misal pegawai dengan

dengan golongan I, II dan III, atau Pegawai negeri sipil, tentara dan swata.

B. Uji Friedman

Uji Friedman dilakukan untuk mengetahui perbedaan lebih dari dua kelompok

sampel yang saling berhubungan. Data yang dianalisis adalah data ordinal, sehingga jika

data berbentuk interval atau ratio sebaiknya dirubah dulu ke bentuk ordinal. Pengujian

dengan uji Friedman sama sepertidalam uji analisis dua arah dalam statistik parametrik.

Uji ini diperkenalkan oleh Milton Friedman tahun 1937 dan termasuk dalam uji

nonparametrik yang tidak membutuhkan asumsi distribusi normal dan varians populasi

tidak diketahui. Skala data yang digunakan dapat berupa ordinal. Uji Friedman

merupakan alternatif yang dilakukan apabila pengujian dalam anova tidak terpenuhi

asumsi-asumsi seperti tersebut di atas. Setiap sampel mendapatkan perlakukan yang

berbeda (repeated measurement). Pegambilan data pada setiap sampel dilakkan sebelum

(pre test) dan sesudah (post test).

Formula uji Friedman :


Dimana :

= Nilai chi-kuadrat jenjang dua arah Friedman

n = jumlah sampel

k = banyaknya kelompok sampel

1, 3, 12 = konstanta

1.1 Asumsi-Asumsi pada Uji Friedman

Terdapat beberapa asumsi yang perlu diperhatikan dalam uji Friedman, asumsi-

asumsi ini ada yang perlu dipenuhi dan ada pula asumsi yang tidak perlu dipenuhi,

asumsi yang perlu dipenuhi antara lain:

1. Data diukur paling sedikit dalam skala ordinal.

2. Data terdiri atas r buah sampel (blok) berukuran t yang saling bebas. Nilai

pengamatan ke-i dalam sampel atau blok ke-j kita sebut Xij.

3. Variabel yang diambil harus kontinu.

4. Tidak ada interaksi antara blok-blok dan perlakuan-perlakuan.

5. Nilai-nilai pengamatan dalam masing-masing blok boleh diperingkat

menurut besarnya.
6. Sampel-sampel yang mendapat perlakuan tidak saling bebas terdapat pada

dua keadaan, yaitu sebuah sampel mengalami beberapa t kali pengukuran,

atau beberapa sampel mengalami pencocokan (Murti, 1996).