STATISTIK PARAMETRIK DAN NON PARAMETRIK

A. Statistika parametric
Statistik Parametrik yaitu ilmu statistik yang mempertimbangkan jenis
sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau
tidak. Dengan kata lain, data yang akan dianalisis menggunakan statistik
parametrik harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak
menyebar normal, maka data seharusnya dikerjakan dengan metode statistik non-
parametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar
data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik
parametrik.
Parametrik berarti parameter. Parameter adalah indikator dari suatu
distribusi hasil pengukuran. Indikator dari distribusi pengukuran berdasarkan
statistik parametrik digunakan untuk parameter dari distribusi normal. Distribusi
normal dikenal juga dengan istilah Gaussian Distribution. Distribusi normal
mengandung dua parameter, yaitu rata-rata (mean) dan ragam (varians).
Parameter-parameter ini memberikan karakteristik yang unik pada suatu
distribusi berdasarkan “lokasi”-nya (central tendency). Berbagai metode statistik
mendasarkan perhitungannya pada kedua parameter tersebut. Penggunaan
metode statistik parametrik mengikuti prinsip-prinsip distribusi normal.
1. Prinsip-prinsip dari distribusi normal adalah:
a. Distribusi dari suatu sampel yang dijadikan obyek pengukuran berasal dari
distribusi populasi yang diasumsikan terdistribusi secara normal.
b. Sampel diperoleh secara random, dengan jumlah sampel yang dianggap
dapat mewakili populasi.
c. Distribusi normal merupakan bagian dari distribusi probabilitas yang
kontinyu (continuous probability distribution).
 2. Contoh metode statistik parametrik :
a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or two-way anova parametrik), dll.
3. Ciri-ciri statistik parametrik :
a. Data dengan skala interval dan rasio
b. Data menyebar/berdistribusi normal
4. Keunggulan dan kelemahan statistik parametrik
a. Keunggulan :
 Syarat syarat parameter dari suatu populasi yang menjadi sampel
biasanya tidak diuji dan dianggap memenuhi syarat, pengukuran
terhadap data dilakukan dengan kuat.
 Observasi bebas satu sama lain dan ditarik dari populasi yang
berdistribusi normal serta memiliki varian yang homogen.
b. Kelemahan :
 Populasi harus memiliki varian yang sama.
 Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam
skala interval.
 Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi
harus normal dan bervarian sama, dan harus merupakan kombinasi
linear dari efek-efek yang ditimbulkan.

B. Statistika Non Parametrik

Statistik Non-Parametrik, 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.
1. Contoh metode statistik non-parametrik :
a. Uji tanda (sign test)
b. Rank sum test (wilcoxon)
c. Rank correlation test (spearman)
d. Fisher probability exact test.
e. Chi-square test, dll
2. Ciri-ciri statistik non-parametrik :
a. Data tidak berdistribusi normal
b. Umumnya data berskala nominal dan ordinal
c. Umumnya dilakukan pada penelitian social
d. Umumnya jumlah sampel kecil.
3. Keunggulan dan kelemahan statistik non-parametrik :
a. Keunggulan :
 Tidak membutuhkan asumsi normalitas.
 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.
 Statistik non-parametrik dapat digantikan data numerik (nominal)
dengan jenjang (ordinal).
 Kadang-kadang pada statistik non-parametrik tidak dibutuhkan
urutan atau jenjang secara formal karena sering dijumpai hasil
pengamatan yang dinyatakan dalam data kualitatif.
 Pengujian hipotesis pada statistik non-parametrik dilakukan secara
langsung pada pengamatan yang nyata.
  Walaupun pada statistik non-parametrik tidak terikat pada distribusi
normal populasi, tetapi dapat digunakan pada populasi berdistribusi
normal.
b. Kelemahan :
 Statistik non-parametrik terkadang mengabaikan beberapa informasi
tertentu.
 Hasil pengujian hipotesis dengan statistik non-parametrik tidak
setajam statistik parametrik.
 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
C. Uji-uji Dalam Statistika Non Parametrik
1. Test For Binary Sequences
Terjadinya peristiwa secara random atau acak merupakan sesuatu yang
penting dalam analisis ststistika. Dalam prosedur statistik parametrik asumsi
yang harus dipenuhi adalah bahwa sampel yang kita miliki adalah sampel
random. Jika sampel kerandoman dari sebuah sampel diragukan, maka kita
perlu satu cara atau prosedr untuk mengetahui sifat tersebut seblum analisis
selanjutnya dikerjakan. Proses penyidikan kerandoman akan didasarkan pada
banyaknya runtun (bariasan peristiwa,item, atau symbol dari bentuk yang
berbeda) yang muncul dari data. Kerandoman suatu rangkaian akan
diragukan kalau banyaknya runtun terlalu besar atau terlalu kecil.
a. Prosedur Pelaksanaan Uji Random
 Merumuskan hipotesis nol dan hipotesis alternative (H0 dan H1).
 Menentukan taraf keberartian ( )
 Menentukan bentuk statistik uji (ststistik hitung).
 Menghitung jumlah deret (r).
  Menghitung frekuensi kejadian (n1 dan n2).
 Menghitung nilai ststistik uji
 Menarik kesimpulan ststistik (tolak atau terma H0)
b. Penarikan Kesimpulan Statistik
 Untuk ukuran sampel n1 dan n2 masing-masing > 20
 Uji random ini akan mengkonversi banyaknya run kedala statistik Z
dengan pendekatan distribusi nomal.

Pengujian dilakukan dengan bentuk

H0 : urutan objek random
H1 : urutan objek tidak random
= …..% Daerah kritis

Statistik hitung
Z=
Dimana : r = banyaknya run
= mean =
standar deviasi =
 Kesimpulan
Untuk ukuran sampel n1 dan n2 masing-masing 20
Pengujian dilakukan dengan bentuk :
 H0 : urutan objek random
 H1 : urutan objek tidak random
 Tentukan banyaknya run (r), n1,dan n2
 Tentukan nilai kritis r dari tabel harga-harga kritis r dalam tes run
Terima H0, jika r observasi nilai kritis atau r observasi nilai kritis
2. Uji 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.
a. Prosedur Uji wilcoxon Untuk Pengamatan Berpasangan
 Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).
 Memilih tarap keberartian ( ).
 Menentukan daerah kritis W (bila dist Z digunakan).
 Menyusun peringkat tanpa memperhatikan tanda.
 Pemberian tanda atas peringkat yang telah ditetapkan.
 Menjumlahkan peringkat dengan jumlah terkecil sebagai W.
 Penarikan kesimpulan statistic tentang hipotesis nol (tolak H0 atau
terima H0)
b. Penarikan Kesimpulan Statistik
 Untuk menguji hipotesis nol (H0) dari uji Wilocoxon ini, selain dapat
meggunakan tabe 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
Hipotesis
1. Satu sisi
H0 :W(+) = (-)
H1 : W(+) > (-)
H0 :W(+) = (-)
 H1 : W(+) < (-)

2. Dua sisi
H0 :W(+) = (-)
H1 : W(+) ≠ (-)
Dimana :
 W(+) = jumlah semua peringkat selisih pasangan pengamatan
(xi,yi) yang bertanda positif
 W(-)= jumlah semua peringkat selisih pasangan pengamatan (xi,yi)
yang bertanda negative
 α = …% 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
Distribusi Normal
Dari nilai Zhit yang diperoleh tentukan nilai peluang (P)
padanannya, untuk tes dua sisi kalikan dua P, bila P sama dengan atau
kirang dari α, maka tolak H0.
Statistik hitung
 Untuk setiap pasangan nilai pengamatan (xi,yi), hitung perbedaannya
(di = xi-ui)
 Berikan peringkat terhadap perbedaan nilai pasangan pengamatan,
mulai dari peringkat 1 untuk perbedaan nilai terkecil hingga
peringkat n untuk perbedan terbesar. Bila terdapat perbedaan nilai
pasangan yang sama, perbedaan nilai yang sama diberi nilai rata-
 ratanya. Bila ditemukan perbedaan nol, kita beri peringkat 1 dengan
tanda yang kemungkinanya menolak H0.
 Beri tanda (+/-) kepada peringkat yang telah dibuat.
 Hitung jumlah di yang brtanda positif (W+) dan negative (W-).
 Statistika uji peringkat bertanda wilcoxon ialah W.W yang dipakai
ialah W+ atau W- yang nilainya “lebih kecil”.
Menggunakan tabel-Wilcoxon
W+ = (semua peringkat positif)

W- = (semua peringkat negatif)

Mengunakan Pendekatan Distribusi Normal (Z)

Zhit =

3. Mann Whiney U Test

Dalam pengujian ini digunakan data dari dua sampel independen yang
masing-masing berasal dari populasi yang independent. Dua sampel masing-
masing berukuran n1 dan n2 dikatakan independent apabila pemilihan unit
untuk kedua sampel tidak saling mempengaruhi. Jadi apapun dan siapapun
yang terpilih dari sampel pertama tidak mempengaruhi pemilihan pada
sampel kedua populasi yang independent. Salah satu pengujian yang dapat
dilakukan adalah pengujian Mann-Whitney.
a. Prosedur Pengujian Mann-Whitney
 Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).
 Memilih tarap keberartian ( ).
 Menyusun peringkat data tanpa memperhatikan katagori sampel.
 Menjumlahkan peringkat menurut tiap katagori sampel dan
menghitung ststistik U (dipilih nilai U terkecil)
  Penarikan kesimpulan ststistik mengenai hipotesis nol (tolak atau
terima H0)
b. Penarikan Kesimpulan Statistik
Hipotesis
 Satu sisi
H0 :U1(+) = U2(-)
H1 : U1 (+) < U2 (-)
H0 : U1 (+) = U2 (-)
H1 : U1 (+) > U2 (-)
 Dua sisi
H0 :U1(+) =U2 (-)
H1 : U2(+) ≠ U1(-)
Dimana U adalah nilai ststistik yang dipakai dalam tes ini, nilainya diperoleh
dari beberapa kali suatu skor dalam kelompok n2 mendahului skor dalam
kelompok n1 (atau sebaliknya, pilih nilai U minimum).
 α = …%
 daerah kritis
Tabel Mann – Whitney
 Utuk n2 < 8 : jika harga α hitung yang diperoleh dari tabel (dengan n2,n1
dan Umin diketahui) adalah sama dengan atau kurang dari harga α yang
telah ditentukan, maka tolak H0.
 Untuk n2 diantara 9 dan 20 : jika harga U min adalah sama dngan atau
kurang dari harga U yang diberikan dalam tabel untuk satu signifikan
tertentu, maka tolak H0.
 Dist. Normal Dari nilai Z hit yang diperoleh tentukan nilai peluang (P)
padananya, untuk tes dua sisi kalikan dua P, bila P sama dengan atau
kurang dari α, maka tolak H0.
1. Statistika Hitung
2. Statistik U yang dihasilkan dari uji ini diperoleh dari persamaan :

U = n1.n2+

3. Persamaan diatas ekivalen dengan:

U = n1.n2+

Dimana :
n1= banyaknya sampel dalam salah satu grup
n2= bayaknya sampel dalam grup yang lain
R1= jumlah skor rangking yang diberikan pada grup dengan ukuran sampel
n1
R2= jumlah skor rangking yang diberikan pada grup dengan ukuran sampel
n2
4. Pilih nilai U min, dari dua nilai U diatas
5. Bila n2 > 20 gunakan distribusi Z

Zhit =

Dimana :
=
=

4. Kruskall-Wallis
Kruskal-Wallis test dikembangkan oleh Kruskal dan Wallis. Uji
Kruskal-Wallis adalah uji nonparametrik yang digunakan untuk
membandingkan tiga atau lebih kelompok data sampel. Uji Kruskal-Wallis
digunakan ketika asumsi ANOVA tidak terpenuhi. ANOVA adalah teknik
analisis data statistik yang digunakan ketika kelompok-kelompok variabel
bebas lebih dari dua. Pada ANOVA, kita asumsikan bahwa distribusi dari
masing-masing kelompok harus terdistribusi secara normal. Dalam uji
Kruskal-Wallis, tidak diperlukan asumsi tersebut, sehingga uji Kruskal-Wallis
adalah uji distribusi bebas. Jika asumsi normalitas terpenuhi, maka uji
Kruskal-Wallis tidak sekuat ANOVA. Penyusunan hipotesis dalam uji
Kruskal Wallis adalah sebagai berikut:
1. H0 : sampel berasal dari populasi yang sama (µ1 = µ2 = … = µk
2. Ha : sampel berasal dari populasi yang berbeda (µi = µj)

 Uji Kruskal Wallis harus memenuhi asumsi berikut ini:

1. Sampel ditarik dari populasi secara acak
2. Kasus masing-masing kelompok independen
3. Skala pengukuran yang digunakan biasanya ordinal