PARAMETRIK DAN NON PARAMETRIK

MAKALAH
Untuk Memenuhi Tugas Mata Kuliah
Statistika
yang dibina oleh Bapak Dr. Purnomo, S.T., M.Pd

Oleh:

Seno Isbiyantoro (160551800727)

UNIVERSITAS NEGERI MALANG

PASCASARJANA
PROGRAM STUDI S2 PENDIDIKAN KEJURUAN
MEI 2017
 DAFTAR ISI

Halaman
DAFTAR ISI ............................................................................................ i
BAB I PENDAHULUAN
1.1. Latar Belakang................................................................... 1
1.2. Topik Bahasan ................................................................... 2
1.3. Tujuan ................................................................................ 2

BAB II PEMBAHASAN
2.1. Statistika dan Penelitian Ilmiah ......................................... 4
2.2. Statistik dan Parameter ...................................................... 4
2.2.1 Statistik Deskriptif ...................................................... 4
2.2.2 Statistik Inferensi ....................................................... 6
2.3. Uji Normalitas .................................................................. 10
2.4. Statistik Parametrik .......................................................... 11
2.5. Statistik Non-Parametrik ................................................... 13
2.6. Skala Pengukuran ............................................................. 18
2.6.1. Skala Nominal ........................................................... 19
2.6.2. Skala Ordinal ............................................................. 19
2.6.3. Skala Interval ............................................................ 20
2.6.5 Skala Rasio ................................................................ 21
2.7. Uji asumsi ......................................................................... 22
2.8. Uji Hipotesis ..................................................................... 24

BAB III PENUTUP

3.1 Kesimpulan ......................................................................... 26
3.2 Saran ................................................................................... 26

DAFTAR RUJUKAN ............................................................................. 27

 BAB I
PENDAHULUAN

1.1 Latar Belakang

Pada era globalisasi, hampir semua bidang tidak terlepas dengan
mengunakan angka, data, dan fakta. Hal ini menunjukan bahwa statistika sangat
dibutuhkan. Statistika sebagai sarana mengembangkan cara berfikir logis, lebih dari
itu statistika mengembangkan berpikir secara ilmiah untuk merencanakan
(forcasting) penyelidikan, menyimpulakan dan membuat keputan yang diteliti dan
meyakinkan. Baik disadari atau tidak, statistika merupakan bagian subtansi dari
latihan profesional dan menjadi landasan dari kegiatan-kegiatan penelitian.
Seringkali penelitian bertujuan untuk melihat kondisi di waktu yang akan
datang dengan suatu dasar keadaan sekarang, atau ingin melihat kondisi di waktu
lalu dengan dasar keadaan sekarang. Sifat ini memerlukan prediksi atau taksiran
yang sekarang banyak dilakukan di dunia pendidikan. Dengan melakukan prediksi
keadaan siswa untuk waktu yang akan datang merupakan kondisi yang dibutuhkan
dalam dunia pendidikan. Melalui prediksi yang baik, perencanaan pendidikan yang
menyangkut kurikulum, metode mengajar, dan fasilitas ruang dan guru dapat
direalisasikan seefisien mungkin. Statistik adalah suatu disiplin ilmu yang
mempelajari sekumpulan konsep dan metode pengumpulan, penyajian, analisis,
dan interprestasi data, sampai pengambilan keputusan pada situasi dimana terdapat
ketidakpastian (Thoifah, 2013:3).
Statistik dalam dunia pendidikan dapat dirasakan manfaatnya oleh para
pemakai (seperti pendidik, mahasiswa, peneliti,dll) apabila banyak menujang
kelancaran tugas para “Petugas” pendidikan tadi. Dalam kegiatan evaluasi,
statitistik menjadi alat bantu untuk menanalisis dan menyimpulkan data hasil
evaluasi. Sebagai contoh, ketika para guru mengevaluasi ketercapaian hasil
pendidikan, biasanya data yang terkumul berbentuk data kuantitaif sebelum
diinterprestasikan menjadi data kuantitatif. Pengolahan data kuantitatif tersebut
diuji dengan menggunakan statistik ukuran yang tepat sehingga diperoleh
kesimpulan bahwa test (subjek yang dievaluasi) itu berukuran tinggi-rendah, baik-
jelek, atau berhasil gagal. Dalam kehiatan penelitian (pendidikan), statistik banyak
dipakai sebagai pendeskripsian data kuantitatif yang terkumpul, melalui ukuran
rata-rata, simpangan baku, dan sejenisnya. Selain itu statistik sangat berperan untuk
menguji keberlakuan suatu hipotesis melalui alur pengujian hipotesis (Subana &
Sudrajat, 2000:15).
Metode statistika adalah prosedur-prosedur yang digunakan dalam
pengumpulan, penyajian, analisis dan penafsiran data. Metode-metode tersebut
dikelompokkan ke dalam dua kelompok, yaitu statistika deskriptif dan statistika dan
statistik inferensia. Statistik deskriptif adalah metode yang berkaitan dengan
pengumpulan dan penyajian suatu gugus nilai pengamatan (data) diantaranya
mempelajari ukuran nilai pengamatan (data), diantaranya mempelajari ukuran nilai
sentral meliputi mean, median, modus, standar deviasi dan kuartil. Sehingga
memberikan informasi yang berguna. Statistika inferensia mencakup semua metode
yang berhubungan dengan analisis sebagian data (sampel) untuk kemudian sampai
pada kesimpulan mengenai keseluruhan data induknya (populasi). Dalam statistika
inferensia sering dipakai istilah parameter dan statistik. Parameter yaitu ringkasan
data yang dapat menggambarkan secara keseluruhan populasi, sedangkan statisti
merupakan ringkasan data yang berasal dari sampel.
1.2 Topik Bahasan
Berdasarkan latar belakang tersebut, maka ada beberapa topik bahasan yang
akan dibahas dalam makalah ini, yaitu:
1.2.1 Bagaimanakah pengertian Statistika dan Penelitian ilmiah?
1.2.2 Bagaimanakah pengertian Statitik dan Parameter?
1.2.3 Bagaimanakan Uji Normalitas?
1.2.4 Bagaimanakah Statistik Parametrik?
1.2.5 Bagaimanakah Statistik Non-Parametrik?
1.2.6 Bagaimanakah Skala pengukuran?
1.2.7 Bagaimanakah Uji Asumsi?
1.2.8 Bagaimanakah Uji Hipotesis?

1.3 Tujuan
Adapun tujuan dari pembuatan makalah ini adalah:
1.3.1 Untuk mengetahui Statistika dan Penelitian ilmiah.
1.3.2 Untuk mengetahui Statitik dan Parameter.
1.3.3 Untuk mengetahui Uji Normalitas.
1.3.4 Untuk mengetahui Statistik Parametrik.
1.3.5 Untuk mengetahui Statistik Non-Parametrik.
1.3.6 Untuk mengetahui Skala pengukuran.
1.3.7 Untuk mengetahui Uji Asumsi.
1.3.8 Untuk mengetahui Uji Hipotesis.
 BAB II
PEMBAHASAN

2.1 Statistika dan Penelitian Ilmiah

Menurut Kerlinger (1986), mendefinisikan penelitian ilmiah menjadi suatu
penyelidikan yang sistematis, terkontrol, empiris, dan kritis tentang fenomena-
fenomena alami dengan dipandu teori dan hipotesis-hipotesis tentang hubungan
yang diperkirakan terdapat diantara fenomena-fenomena tersebut. Penelitian ilmiah
adalah penelitian terhadap sampel (contoh), tetapi kesimpulannya akan
digeneralisasikan pada populasi dimana sampel diambil (Hadi, 1999). Jadi
penelitian ilmiah sebagai mengungkapkan dugaan/hipotesis yang terjadi pada
hubungan antar variabel penelitian.
Ketika penelitian pada sampel telah dilaksanakan, maka akan dihasilkan data.
Data yang terkumpul, kemudian analisis dengan metode statistik dan hasilnya akan
digeneralisasikan pada populasi. Dengan demikian, statistika juga dapat diartikan
sebagian suatu cara untuk memahami populasi berdasarkan informasi yang
diperoleh dari sampel.Tingkat keandalan generalisasi suatu hasil uji statistik pada
sampel dinyatakan dalam taraf signifikasi. Seorang peneliti harus menyadari bahwa
sampel yang diambil, sedikit atau banyak, pasti mengandung unsur kesalahan
sampling) sampling error.
Sumber sampling, antara lain: populasi yang ada tidak pernah homogen secara
sempurna dan juga dapat dipengaruhi karena kekuranganmampuan peneliti dalam
menyusun instrumen yang benar-benar bebas kesalahan (Nisfiannoor, 2009:3).
Menurut Herinaldi (2005:2) Secara umum statistik adalah suatu metode-metode
ilmiah dalam mengumpulkan, mengklasifikasikan, meringkas, menyajikan,
menginterprestasikan, dan menganalisis data guna mendukung pengambilan
kesimpulan yang valid dan berguna sehingga dapat menjadi dasar pengambilan
keputusan yang masuk akal.
2.2 Statistik dan Parameter
Dalam penelitian, istilah statistik digunakan apabila yang dibicarakan
adalah ukuran sejumlah sampel, sedangkan istilah parameter digunakan untuk
menunjukan ukuran populasi yang ada. Ukuran membedakan apakah ukuran yang
diambil merupakan data dari sampel atau data dari populasi, maka digunakan
simbol-simbol tertentu untuk membedakan antara statistik dan parameter. Simbol
huruf) untuk statistik berasal dari huruf-huruf latin, sedangkan untuk parameter
digunakan huruf-huruf Yunani. Berikut ini merupakan beberpa contoh simbol yang
dipergunakan untuk statistik dan parameter :
Statistik Parameter Keterangan
N N Banyaknya subjek
X μ Rata-rata (mean)
S σ Simpangan baku (standar deviasi)
S2 σ2 Varians
analisis statistik terhadap satu perlakukan yang dimaksud disini adalah analisis
secara statistik untuk menguji hipotesis yang berkenaan dengan kualitas sebuah
perlakuan (seperti, baik/jelek, berhasil/gasal, memuaskan/mengecewakan) atau
rata-rata normal/tidak normalnya.
Menurut Santoso (2010:10), pada prinsipnya ilmu statistik bisa diartikan
sebagai sebuah kegiatan untuk Mengumpulkan data, Meringkas/menyajikan data,
Menganalis data dengan metode tertentu, menginterprestasi hasil analisis tersebut.
Dalam kehidupan sehari-hari Secara metode, ilmu statistik dibagi menjadi dua
bagian:
2.2.1 Statistik Deskriptif/Deduktif
Statistik deskriptif, yaitu metode statistik yang digunakan untuk
mengumpulkan, meringkas, menyajikan, dan mendekripsikan data sehingga dapat
memberikan informasi yang berguna. Data yang disajikan dalam statistika
deskriptif biasanya dalam bentuk ukuran pemusatan data (mean, median, dan
modus), ukuran penyebaran data (standar deviasi dan varians), tabel, serta grafik
(histogram, pie, dan bar) (Nisfiannoor, 2009:4).
Sedangkan menurut Santoso (2010:2) mengemukakan statistik deskriptif
menjelaskan bagaimana data dikumpulkan dan diringkas pada hal-hal yang penting
pada data tersebut. Kegiatan yang berhubungan dengan statistik deskriptif seperti
menghitung mean (rata-rata hitung), media, modus, mencari sdeviasi standar,
melihat kemencengan distribusi data, dan sebagainya.
Tahapan statistik yang meliputi kegiatan mengumpulkan, mengklasifikan,
meringkas, menginterprestasikan, dan menyajikan data dari suatu kelompok yang
terbatas, tanpa mengaalisis dan menarik kesimpula yang bisa berlaku bagi
kelompok yang lebih luas merupakan ruang lingkup dari statistik deskriptif atau
statistik deduktif( Herinaldi, 2005:4).
2.2.2 Statistik inferensi/statistik induktif
Statistik inferensial yaitu metode yang berhubungan dengan analisis data
pada sampel dan hasilnya digunakan untuk generalisasi terhadap populasi.
Penggunaan statistik inferensial didasarkan pada peluang (probability) dan sampel
yang dianalisi diperoleh secara acak (random). Naga (2008) menyatakan bahwa
tugas dari statitika inferensial adalah melakukan estimasi, menguji hipotesis, dan
mengambil keputusan (Nisfiannoor, 2009:4). Sedangkan menurut Santoso
(2010:2), mengatakan setelah data dikumpulkan, dilakukan berbagai metode
statistik untuk menganalisi data, kemudian menginterprestasikan hasil anaisis
tersebut. Kegiatan penting yang terkait dengan proses inferensi adalah uji beda data
uji hubungan antara dua variabel data; metode yang sering ditemui adalah uji-t,
pembuatan model regresi, anova dan statistik parametrik maunpun non parametrik.
Proses pengambilan kesimpulan mengenai parameter populasi (biasanya
adalah kuantitas yang tidak diketahui nilainya) berdasarkan informasi yang
diperoleh dari statistik sampel (kuantitas yang diketahui nilainya) merupakan ruang
lingkup dari statistik inferensial atau statistik induktif (Herinaldi, 2005:4)

Gambar proses inferensi secara statistik

 Konsep statistik inferensial memungkinkan seorang melakukan analisis
dengan menggunakan data dari sampel untuk memperkirakan (mengetimasi)
sebuah parameter populasi yang tidak diketahui. Karena pengambilan kesimpulan
dengan cara seperti itu tidaklah mutlak kepastiannya, maka kata
“kemungkinan/probabilitas” sering digunakan dalam menyatakan kesimpulan.
Dalam kaidah pengeambilan kesimpulan secara statistik yang akan dibahas
kemudian, pernyataan “kemungkinan/probabilitas” ini tersirat dalam termilogi
“derajat keercayaan (level of confidance)”.
 Statistika inferensial dapat digolongkan menjadi dua, yaitu:
1) Statistik parametrik
Penggunaan teknik statistik parametrik didasarkan pada didasarkan pada
asumsi bahwa data yang diambil mempunyai distribusi normal dan jenis data yang
digunakan interval atau rasio.
2) Statistika nonparametrik
Penggunaan statistika nonparametrik tidak megharuskan data yang diambil
mempunyai distribusi normal dan jenis data yang digunakan dapat nominal dan
ordinal.
a. Penggolongan analisis statistik parametrik dan nonparametrik
Pada dasarnya, baik statistik parametrik maupun nonparametrik dapat
digunakan untuk analisis statistik yang bersifat:
1) Korelatif
Teknik analisis korelatif digunakan untuk mengetahui hubungan atau korelasi
dari sebuah variabel yang lain. Misalnya variabel X dan variabel Y. Teknik
analisis yang sering dipakai adalah korelasi Pearson dan regresi.
2) Komparatif
Teknik analisis komparatif digunakan untuk mengetahui perbedaan nilai rata-
rata dari suatu kelompok dengan kelompok lainya. Misalnya perbedaan
kecemasan antara kelompok pria dan wanita, serta perbedaan motivasi kerja
antara bagian produksi, pemasaran, dan keungan. Teknik analisis yangsering
digunakan adalah T-test dan anova.
  Jenis-jenis Statistika dan Teknik Analisinya

Univariat
Deskriptif
Korelatif

Pearson, Multivariat
Regresi

Parametrik
Statistika
-Normal,
Interval; 2 Sampel
rasio
Komparatif
Inferensia
K sampel
T-test, Anava

Spearman Univariat
kendal, Kai
Kuadrat dll.
Korelatif

Multivariat

Nonparametri
k
Non-Normal,
Nominal, 2 sampel
ordinal
Komparatif

Mann-whitney,
Kruskal- K Sampel
wallis,dll

Menurut Santoso (2010:2), mengatakan dari sudut pandang statistik, data bisa
dibagi menjadi:
 Data Kualitatif
Data kualitatif adalah sebuah data yang dinyatakan dalam bentuk bukan angka.
Sebagai contoh: jenis pekerjaan seseorang (bisa petani, Nelayan, Pegawai dan
sebagainya), status pernikahan (belum menikah, menikah Duda, janda), Gender
(Pria, Wanita), kepuasan sesorang (tidak Puas, Cukup Puas, sangat Puas) dan
sebagainya. Data jenis ini harus dikuantifikasi agar bisa diolah dengan statistik.
 Data Kuantitatif
Data kuantitatif adalah data yang dinyatakan dalam bentuk angka. Sebagai
contoh: usia seseorang, tinggi badan seseorang, tingkat penjualan barang X dalam
sebulan, jumlah bakteri dalam sebuah percobaan biologi tertentu dan sebagainya.

DATA

KUALITATIF KUANTITATI
JENIS F
DATA

-Interval -Nominal
-Rasio -Ordinal

Data kualitatif tidak berupa angka, sedangkan statistik hanya bisa memproses data
yang berupa angka. Karena itu, data kualitatif harus dikuantifikasi atau diubah menjadi
data kuantitatif. Pengubahan bisa dengan cara memberi skor tertentu (seperti Pria diberi
skor 1, sementara wanita diberi skor 2), memberi rangking (tidak puas 1, puas 2 dan
seterusnya) dan sebagainya.

 Perbedaan statistik parametrik dan statistik non parametrik

o Statistik Parametrik:
− Teknik-teknik statistika yang didasarkan atas asumsi mengenai populasi
yang diambil sampelnya.
− Contoh: pada uji t diasumsikan populasi terdistribusi normal.
 − Sebutan parametrik digunakan karena pada uji t ini yang diuji adalah
parameter (contoh: rata-rata populasi)
− Membutuhkan data kuantitatif dengan level interval atau rasio
o Statistik Non Parametrik:
− Cocok untuk data yang tidak memenuhi asumsi statistika parametrik atau
yang berjenis kualitatif
− Disebut juga distribution-free statistics
− Didasarkan atas lebih sedikit asumsi mengenai populasi dan parameter
dibandingkan dengan statistika parametrik
− Ada yang dapat digunakan untuk data nominal
− Ada yang dapat digunakan untuk data ordinal
2.3 Uji Normalitas
Subana & Sudrajat (2000:123) mengatakan bahwa menguji normalitas data
kerapkali disertakan dalam suatu analisis statistika inferensial untuk asatu atau lebih
kelompok sampel. Normalitas sebaran data menjadi sebuah asumsi yang menjadi
syarat untuk menentukan jenis statistik apa yang dipakai dalam penganalisa
selanjutnya.
Asumsi normalitas senantiasa disertakan dalam penelitian pendidikan
karena kaitannya dengan sifat dari subjek/objek penelitian pendidikan, yaitu
berkenaan dngan kemampuan seseorang dalam kelompoknya. Galton, seorang ahli
dalam teori pembelajaran, mengatakan bahwa: apabila sejumlah anak/orang
dikumpulkan dalam sebuah kelas kemudian diukur kemampuannya (kekepandaian
,kebiasaan, ketrampilan), hasil pengukuurannya yang berupa skor kemampuan akan
beristribusi menyerupai kurva normal.
Meskipun demikian, apabila sebaran data suatu penelitian yang
mengungkapkan kemampuan siswa ternyata diketahui tidak normal hal itu bukan
berarti harus berhenti penelitian itu sebab masih ada fasilitas statistik nonparametrik
yang dapat dipergunakan apabila data tadi tidak berditribusi normal.
 Namun untuk memberikan kepastian, data yang dimiliki berdistribusi
normal atau tidak, sebaiknya digunakan uji statistik normalitas. Karena belum tentu
data yang lebih dari 30 bisa dipastikan berdistribusi normal, demikian sebaliknya
data yang banyaknya kurang dari 30 belum tentu tidak berdistribusi normal, untuk
itu perlu suatu pembuktian. uji statistik normalitas yang dapat digunakan
diantaranya Chi-Square, Kolmogorov Smirnov, Lilliefors, Shapiro Wilk, Jarque
Bera.

Metode untuk mengetahui suatu set data memiliki distribusi normal

atau tidak menurit Dahlan (:200513)

2.4. Statistik Parametrik

Menurut Sulaiman ( 2005:1) mengatakan Tes parametrik adalah suatu tes
yang modelnya menetapkan syarat-syarat tertentu tentang parameter populusai yag
menjadi sama penelitiannya. Terhadap syarat-syarat tersebut biasanya tidak
dilakukan pengujian terlebih darhulu dan dianggap sudah memenuhi syarat.
Seberapa jauh makna hasil tes parametrik tersebut tergantung pada validitas
anggapan tadi. Tes-test parametrik juga memnuntut bahwa nilai-nilai yang
dianalisis merupakan hasil dari suatu pengukuran minimal dengan skala interval.
Sugiyono (2013:79) mengemukakan statistik parametris itu bekerja
berdasarkan asumsi bahwa data setiap variabel yang akan dianalisis berdasarkan
berdistribusi normal. Untuk itu sebelum peneliti menggunkan teknik statistik
parametris, maka kenormalan data harus diuji terlebih dahulu. Bila data tidak
normal, maka statitik parametris tidak dapat digunakan, untuk itu perlu digunakan
statistik nonparametris. Tetapi perlu diingat bahwa yang menyebabkan tidak
normal itu apanya. Misalnya ada kesalahan instrumen dan pengumpulan data, maka
dapat mengakibatkan data diperoleh menjadi tidak akan normal. Supardi (2013:8)
mengatakan Statistik parametrik adalah bagian statistik yang parameter
populasinya harus memnuhi syarat-syarat tertentu seperti syarat data berkala
intervak/rasio, styarat penagambilan sampel harus random, berdisribusi normal atau
normalitas dan syarat memiliki varian yang homogen ata homogenitas, model regsi
lineier, dan sebagainya. Dalam statistika parametrik, inidikator-indikator yang
dianalisis adalah parameter-parameter dari ukuran objek yang digunakan. Menurut
(Nisfiannoor,2009:15) mengatakan statistik inferensial dengan model parametrik
(independent Sample T test, Paired Sample T test, One Way ANOVA, Korelasi
Pearson, Analisis Regresi, dll.
Beberapa metode statistik parametrik (uji T dan Uji F/Anova) mensyaratkan
asumsi (Santoso, 2005:3) :
 Sampel (data) diambil dari populasi yang mempunyai berdistribusi normal. Jika
10 sampel Tinggi badan diambil dari populasi 5000 mahasiswa sebuah
perguruan tinggi, data tinggi badan 5000 mahasiswa haruslah berdistribusi
normal.
 Pada Uji t dan uji F untuk dua sampel atau lebih, kedua sampel diambil dari dua
populasi yang mempunyai varian sama. Jadi jika diambil sampel 10 tinggi badan
pria dan 10 tinggi badan wanita dari 3000 pria dan 2000 wanita, maka varian
3000 tinggi badan pria dan varian 2000 tinggi badan wanita harusla sama atau
bisa diangga sama.
 Variabel (data) yang diuji haruslah data bertipe interval atau rasio, yang
tingkatannya lebih tinggi dari data tipe nominal atau ordinal. Tinggi Badan Pria
atau Wanita (sentimeter) jelas bertipe rasio, karena dapat dari proses mengukur.
Namun pendapat atau sikap pria dan wanita (suka atau tidak suku yang diukur
dengan skala Likert) bukanlah data interval atau rasio, namun data Ordinal.
 Jumlah (sampel) data singkat kecil, sedangkan distribusi data populasinya tidak
diketahui kenormalannya. Mislanya hanya diambil masing-masing 5 sampel
 untuk data Berat Badan Knosumen remaja, Konnsumen Mud dan konsumen
Dewasa, maka jumlah data terlalu sedikit untuk diproses dengan uji F (uji lebih
dari dua sampel), walaupun tipe data rasio.Untuk data yang tidak memenuhi
salah satu asumsi tersebut, lebih baik menggunakan prosedur statistik non
parametrik untuk proses data.
Menurut Santoso(2010:10) Metode statistik parametrik digunakan untuk:
 Data dalam jumlah besar, biasanya diatas 30.
 Distribusi data adalah normal atau dapat dianggap normal
 Data bertipe interval atau rasio.
Jika salah satu asumsi diatas tidak terpenuhi, seperti jika data cukup banyak,
namun tidak berdistribusi normal, atau tipe data adalah nominal atau ordinal, maka
metode statistik nonparametrik dapat digunakan.
Dengan demikian, metode parametrik secara natur lebih kuat (powerful) dibanding
nonparametrik; jika pada data yang sama dilakukan pengolahan data dengan
metode parametrik kemudian nonparametrik, dan keduanya mengahsilkan
kesimpulan yang berbeda, maka hasil dari metode parametrik dapat jadi patokan.
Pada umumnya, penggunaan metode parametrik dijadikan alternatif awal untuk
mengolah data; jika data memang tidak dapat diolah dengan parametrik, maka
barulah digunakan metode nonparametrik.
Namun demikian, dalam praktik banyak data atau kasus yang justru tidak bisa
memenuhi kritera pengguna metode paramerik. Karena itu berkembanglah
sejumlah besar metode statistik nonparametrik untuk inferensi pada data yang tidak
memenuhi syarat parametrik. Walaupun tidak powerful seperti metode parametrik,
namun pengguna metode nonparametrik dalam praktik sangat membantu banyak
pengambilan keputusan secara statistik
2.5. Statistik Non-Parametrik
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 mensyaratkan bentuk 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).
Sulaiman (2000:1) mengatakan bahwa Tes statistik Nonparametrik adalah tes
yang modelnya tidak menetapkan syarat-syarat menegenai parameer-parameter
populasi. Anggapan-anggapan tertentu dikaitkan dengan sejumlah besar tes-tes non
paramerik, yakni bahwa obeservasinya-observasinya independen dan bahwa
variabel yang diteliti pada dasarnya memiliki kontinuitas. Namun anggapan-
anggapan ini lebih sedikit dan jauh lebih lemah dari pada anggapan-anggapan yang
ini lebih sedikit dan jauh lebih lemah daripada anggapan-anggapan yang berkaitan
dengan tes parametrik.
Selanjutnya bahwa tes non-parametrik tidak menuntut sekuat yang dituntut
tes-tes parametrik; sebagian besar tes non-parametrik dapat diterakan untuk data
dalam skala ordinal, dan beberapa yang lain juaga dapat diterapkan untuk data
dalam skala nominal. Kekuatan tes non-parametrik mungkin dapat ditingkatkan
dengan hanya memperbesar ukuran jumla sampel, dan karena ilmuan sosial jarang
mencapai jenis pengukuran yang memungkinkan penggunaan secara berarti tes
parametrik, maka tes non-paramerik memainkan peran penting dalam penelitian
dilapangan ilmu sosial. Menurut (Nisfiannoor,2009:15) mengatakan statistik
inferensial dengan model parametrik (Mann-Whitney, wilcoxon, kruskal-wallis,
Moses, Wald wolfowitz, Runs, Kendal, Spearman, dan lain-lain.
Suciptawati (2009:3) mengemukakan kelebihan-kelebihan statistik
nonparametrik, yaitu:
1) Perhitungannya sederhana dan dapat dikerjakan dengan cepat, karna
analisisnya menggunakan cacahan, peringkat (rank) bahkan dapat
 menggunakan tanda dari selisih pengamatan berpasangan.
2) Datanya tidak harus merupakan data kuantitatif, tetapi dapat berupa kualitatif
(skala nominal/ordinal).
3) Nilai peluang dari sebagian besar uji statistika nonparametrik diperoleh dalam
bentuk yang lebih pasti (kecuali untuk kasus sampel yang besar), tidak peduli
bagaimana bentuk sebaran populasi yang merupkan induk dari sampel-
sampelnya. Ketepatan nilai peluang itu tidak tergantung pada bentuk sebaran
populasinya, meskipun beberapa uji statistika nonparametrik menganggap
adanya kesamaan bentuk dua sebaran populasi atau lebih, dan beberapa uji
yang lain menganggap sebaran populasi simetris. Dalam kasus-kasus uji
nonparametrik tertentu menganggap sebaran yang mendasarinya adalah
kontinyu, suatu anggapan yang juga digunakan pada parametrik.
4) Dapat digunakan untuk sampel berukuran kecil n=6.
Kekurangan kekurangan statistika nonparametrik, yaitu:
1) Uji-uji nonparametrik tidak memanfaatkan semua informasi yang terkandung
dalam sampel. Akibatnya, uji nonparametrik memerlukan ukuran sampel yang
lebih besar dibandingkan uji parametrik untuk mencapai peluang kesalahan
jenis II yang sama.
2) Uji nonparametrik tidak dapat digunakan untuk menguji adanya interaksi
seperti dalam model analisis ragam.
3) Metode nonparametrik tidak dapat digunakan untuk membuat ramalan seperti
dalam analisis regresi, karena asumsi sebaran normal tidak dapat dipenuhi.
4) Macam uji statistika nonparametrik terlalu banyak sehingga menyulitkan
peneliti dalam memilih uji yang sesuai.
Informasi dari penggunaan tes Non-Parametrik
Tes Penggunaan fungsi
Chi-square Menggunakan data nominal untuk Tes independensi variabel
menguji indepedensi satu sampel
atau lebih dari 2 sampel
Cochran Q Untuk menguji hubungan lebih dari Membantu pada data yang
2 sampel pada skala nominal memberikan jawaban 2 kategori
Uji tanda Untuk menguji hubungan 2 sampel Tes yang baik untuk data
pada skala ordinal berjenjang (rangking)
Uji median - Pada satu sampel, untuk
melihat randomisasi pada
data dari populasi
- Untuk menguji
independensi lebih dari 2
sampel pada skala ordinal
Uji Mann- Untuk menguji independensi lebih Analog pada independensi 2
Whitney U dari 2 sampel pada skala oridinal sampel t-test
Uji Kruskal - Untuk menguji independesi lebih Alternatif uji One-Way Anova
walls dari 2 sampel pada skala ordinal dimana asumsi distribusi normal
tidak digunakan
Uji friedman Uji menguji hubungan lebih dari 2 Alternatif dari uji Two-way
sampel pada skala ordinal ANOVA diamana asumsi
distribusi normal tidak
digunakan
Kolmogorov- Untuk menguji independensi dari Uji ini lebih powerful
smirnov satu sampel atau 2 sampel pada dibandingkan uji chi-square atau
skala ordina uji Mann-Whitney

PARAMETRIK NONPARAMETRIK
Deskriptif
Asumsi Distribusi Normal -
Asumsi Varian Homogen -
Jenis Data Rasio atau Interval Ordinal atau Nominal
Hubungan data set Independent -
Ukuran central Mean Median
Manfaat Lebih banyak kesimpulan Sederhana dan sedikit
outlier
Tes
Uji korelasi Pearson, Regresi Spearman
Uji 2 Kelompok, berbeda Independent Sample t test Mann-Whitney
Uji 2 Kelompok lebih, Independent One Way Kruskal-Wallis
berbeda ANOVA
Uji berulang, 2 kondisi Paired Sample t Test Wilcoxon
 Uji berulang, 2 kondisi Repeated One Way ANOVA Friedman
lebih

Menurut Dahlan (2005:12) mengemukakan bahwa uji nonparametrik

digunakan untuk keadaan sebagai berikut:

 Jika masalah skala pengukuran variabel adalah kategorik (ordinal dan

nomilnal).
 Jika data dengan masalah skala pengukuran numerik tetapi tidak memenuhi
syarat untuk uji parametrik( misalnya distribusi data tidak normal), maka
dilakukan uji nonparametrik yang menrupakan alternatif dari uji
parametriknya.
- Alternatif uji t berpasangan adalah uji wilcoxon.
- Alternatif uji t tidak berpasangan adalah uji Mann-Whitney.
- Alternatif uji repeated ANOVA adalah uji Friedman.
- Alternatif Uji one Way ANOVA adalah uji Kruskal-Wallis.

 Konsep dan Pengertian

Sebelum menggunakan statistika nonparametrik ada beberapa konsep atau
pengertian dasar yang perlu diketahui. Hal ini sangat dibutuhkan dalam rangka
memudahkan memahami proses, teknik-teknik, dan prosedur yang tersedia. Selain
itu, akan memudahkan pula manakala harus memilih dan menggunakan teknik-
teknik yang paling tepat serta sesuai dengan desain penelitian yang dilaksanakan,
sehingga tidak akan terjadi kesalahan dalam menginterpretasikan hasil-hasil
pengujiannya. Beberapa konsep dan pengertian-pengertian yang perlu dipahami
antara lain:
 Obyek Penelitian : Merupakan suatu obyek yang diteliti karakteristiknya.
Misalnya, penduduk seandainya semua orang yang menempati wilayah tertentu
yang diteliti, atau peternak seandainya yang diteliti karakteristiknya hanya
peternak, atau peternak sapi seandainya yang diteliti karakteristiknya hanya
peternak sapi.
 Variabel : Adalah karakteristik dari obyek penelitian yang memiliki nilai
bervariasi. Misalnya, jenis kelamin: laki-laki dan perempuan. Status ekonomi:
tinggi, sedang, rendah. Berat badan: 50 kg, 60 kg, 70 kg.
 Variabel Bebas/Independent : Dalam hubungan antar dua atau lebih variabel,
variabel bebas merupakan variabel yang dapat mempengaruhi variabel lainnya.
 Misalnya; variabel X dan variabel Y, yang menggambarkan variabel X
mempengaruhi variabel Y, maka X disebut variabel bebas.
 Variabel Tak Bebas/Dependent : Dalam hubungan antar dua atau lebih
variabel, variabel tak bebas merupakan variabel yang dipengaruhi oleh variabel
lainnya. Misalnya; variabel X dan variabel Y, yang menggambarkan variabel Y
dipengaruhi oleh variabel X, maka Y disebut variabel tak bebas.
 Data : Adalah fakta, baik berbentuk kualitatif maupun kuantitatif. Data kualitatif
diperoleh melalui pengamatan, misalnya pemilikan lahan petani di suatu desa
cukup tinggi. Data kuantitatif diperoleh melalui pengukuran, misalnya pemilikan
lahan di suatu desa antara 2-5 ha tiap petani.
 Pengukuran : Adalah suatu proses kuantifikasi atau mencantumkan bilangan
kepada variabel tertentu. Misalnya, berat badan secara kualitatif bisa dibedakan
sebagai ringan, sedang, atau berat, dan melalui proses pengukuran dengan cara
menimbang kita dapat menyatakan berat badan: 50 kg, 60 kg, 70 kg.
 Skala Pengukuran : Adalah bilangan yang dicantumkan kepada variabel
berdasarkan aturan-aturan yang telah ditentukan dan disepakati. Dikenal 4
macam skala pengukuran yaitu: nominal, ordinal, interval, dan rasio. Skala
nominal hanya dipakai untuk membedakan, skala ordinal mengisyaratkan
adanya peringkat, skala interval menunjukkan adanya jarak yang tetap tetapi
tidak memiliki titik nol mutlak, dan skala rasio memiliki titik nol mutlak.
Pemahaman terhadap skala pengukuran sangat penting, karena itu akan
diterangkan lebih rinci pada bahasan selanjutnya.
 Unit Penelitian : Adalah satuan atau unit yang diteliti baik berupa individu
maupun kelompok yang dapat memberikan informasi tentang aspek-aspek yang
dipelajari atau diteliti. Misalnya, petani, keluarga petani, atau kelompok petani.

2.6 Skala Pengukuran

Berdasarkan jenis skala pengukuran data, data kuantitaif dikelompokan ke
dalam empat jenis yang memiliki sifat berbeda. Sedangkan definisi dari skala
pengukuran adalah merupakan prosedur pemberian anagka pada suatu objek agar
dapat menyatakan karakterisktik dari objek tersebut. Keemat jenis skala
pengukuran data, antara lain sebagai berikut:
2.6.1 Skala nominal
Skala nominal adalah suatu skala yang diberkan pada suatu objek atau kategori
yang tidak menggambarkan kedudukan objek atau atergori tersebut terhadap objek
atau kategori lainnya, tetapi hanya sekedar label atau kode saja. Skkala ini hanya
mengelompokkan objek/kategori ke dalam kelompok tertentu.
Misalnya:
 Gender : 1 = Laki-laki
2 = Perempuan
 Pendidikan : 1 = untuk Tingakat SLTP
2 = Untuk tingkat SMU
3 = Untuk tingkat perguruan tinggi
Angka 1 dan 2 atau 3 pada skala pengukuran ini tidak berarti, bahwa angka 3
lebih tinggi kedudukannya dari pada anga 2, begitu juga sebalikanya. Angka
tersebut hanya sebatas identifikasi saja terhaadp suatu objek. skala ini mempunyai
dua ciri, yaitu:
o Kategori data bersifat saling lepas (satu objek hanya masuk pada satu
kelompok saja)
o Kategori data tidak disusun secara logis

2.6.2 Skala ordinal

Skala ordinal adalah data yang berasala dari kategori yang disusun secara
berjenjang muai dari tingkat terendah sampai tingat tertinggi atau sebaliknya
dengan jara/rentang yang tidak harus sama. Diabandingkan dengan datata nominal,
data ordianal setiap jenjang memiliki sifat yang berbeda. Data jenis ini berlaku
perbandingan dengan menggunakan fungsi berbeda > atau <
Misalnya: Tingkat pendidikan diurutkan berdasarkan jenjang pendidikan
Taman kanak-kanak =1
Sekola dasar (SD) =2
Sekolah menengah pertama (SMP) =3
Sekolah menengah atas (SMA) =4
Sarjana =5
 Analisis data diatas menunjukan pendidikan TIK dengan normor urut 1 lebih
rendah dibanding dengan tingkat pendidikan SD nomor urut 2 dan SD lebih rendah
dibanding SMP.
2.6.3 Skala Interval
Skala interval adalah suatu skala di mana objek/kategori dapat diurutkan
berdasarkan suatu atribut tertentu, dimana jarak/interval antara tiap objek/kategori
sama. Besarnya interval dapat ditambah satu ciri lagi, yaitu, urutan kategori data
mempunyai jarak yang sama. Pada skala ini yag dijumlahkan bukanlah kuantitas
atau besran, melainkan interval dan tidak terdapat nilai nol. Berikut diberka tiga
contoh data berskala interval.
a. Pengukuran Temperatur
Hasil pengukuran temperatu dengan menggunakan termometer yang dinyakan
dalam ukuran derajat. Rentang temperatur antara 10C sampai 20C memiliki jarak
yang sama dengan 20 samapai 30 dengan demikian berlaku hukum matematik (+.-
) misalanya 30C = 30C = 60C tapi disini tidak berlaku hukum perbanding (rasio)
misalnya benda suhu 60C tidak dapat dinyatakann memiliki separuh panas benda
bersuhu 120C.
b. Pengukuran Kecerdasan
Kecerdasan intelektualnya dinyatakan IQ. Rentang IQ 90 sampai dengan 100
memiliki rentang yang sama dengan IQ 100 sampai 110. Namun demikia, orang
yang memiiki IQ 150 tidak dapat dinyatakan tingkat kecerdasannya 1,5 kali dari
orang ber IQ 100
c. Pengukuran instrumen Penelitian
Dalam banyak kegiatan penelitian data diperoleh sering melalui kuesioner untuk
menilai sikap atau perilaku sering dinyatakan dengan data interval, setelah alternatif
jawabannya diberi skala yang setara dengan data interval.
Contoh:
Jawaban : STS TS N S ST
1 2 3 4 5
Interval antara STS dan TS atau S da ST adalah sama.
2.6.4 Skala Rasio
Skala rasio adalah suatu skala yang memiliki sifat-sifat skala nominal, skala
ordinal dan skala interval dilengakapi dengan nol absolut dengan makna empiris.
Karena terdapat angka nol maka skala ini dapat dibuat perkalian atau pembagian.
Angka pada skala menunjukann ukuran yang sebanrnya dari objek/ kategori yang
diukur. Sifatnya yang membedakan data rasio denagn nominal, ordinal dan interval
dapat dilihat melalui contoh ini.
Contoh: panjang suatu benda dalam ukuran meter dinyatakan dalam rasio
a. Panjang benda 1 meter denagn 2 meter sanagat berbeda nyata, sehingga dapat
dibuat kategori benda yang berukuran 1 meter dan 2 meter (sifat data nomina;)
b. Ukuran panjang bend mulain dari yang terpendek sampai yang aling panjang
(sifat data ordianal).
c. Perbedaan anatar panjang benda 1 meter dengan 2 meter memilii perbdedaan
yang sama antar panjang benda 2 meter dengan 3 meter (sifat data interval)
d. Kelebihan sifat yang dimiliki data rasio ada dua hal , yaitu data rasio memilki
angka 0 meter, artinya tidak ada benda yang diukur dan benda yang memiliki
panajang 4 meter, 2 kali leibih panjang dari benda yang memiliki panjang 2
meter. Kedua hal tersebut tidak memiliki oleh jenis data nominal, ordinal, dan
interval.
Seperti diketahui Uji statistik dalam analisis deskrpitif adalah bertujuan untuk
menguji hipotesis(pernyataan sementara) dari penelitian yang bersifat deskriptif.
Penerapan jenis uji statistik untuk penelitianyang bersifat deskriptif. Sangat
tergantung dari skala pengukurannya, seperti: nominal, ordinal dan interval/rasio.
Berikut ini disajikan dalam tabel yang berisikan jenis data penelitian dan uji statistik
yang cocok untuk digunakan.
Seperti diketahui, kegiatan statistik pada prinsipnya bisa dibagi dalam dua tahapan,
yakni:
1. Statistik deskrptif , yang berkaitan dengan pencatatan dan peringkasan data,
dengan tujuan menggambarkan hal-hal penting pada kelompok data, seperti
berapa rata-ratanya, variasi data dan sebagainya.
2. Statisti inferensi, yang berkaitan dengan pengambilan keputusan dari data yang
telah dicatat dan diringkas tersebut.
 Dalam praktek,statistik inferensi dapat dilakukan dengan metode
parametrik ataupun metode non parametrik. Statistik Non Parametrik digunakan
untuk melengkapi metode statistik parametrik, agar tidak terjadi kesalahan dalam
memilih metode statistik yang akan digunakan untuk kegiatan inferensi. Hal ini
disebabkan ada data-data dengan ciri tertentu yang tidak bisa memenuhi asumsi-
asumsi pada penggunaan metode paramtrik.

2.7 Uji asumsi

Teknik statistik parametrik menghendaki data yang diperoleh merupakan
hasil pengambilan data secara random(acak). Bila data telah diambil secara random,
maka masih ada beberapa asumsi yang seharusnya dipenuhi sebelum melakukan
analisis dengan teknik statistik parametrik, yaitu sebagai berikut:

Teknik Normal Linier Homogen Multi Auto Heteros

statistik Kolinieritas korelasi Kedasitas
Korelasi √ √
Regresi √ √ √ √ √
T Test √ √
Anava √ √
Anakova √ √ √ √ √ √

 Uji Normalitas
Uji Normalitas dilakukan untuk mengetahui apakah distribusi sebuah data yang
di didapatkan mengikuti atau mendekati hukum sebaran normal baku dari Gauss.
Distribusi data yang normal jika digambarkan dengan grafik poligon akan
menyerupai bentuk bel, lonceng atau genta. Distribusi data tersebut tidak:
 Positively Skewed (miring ke kiri), memiliki frekuensi yang relatif lebih banyak di
sebelah kiri dan ujung kurva cenderung meruncing ke kanan.
 Negatively Skewed (mirip ke kanan), memiliki frekuensi yang relatif banyak
disebelah kanan dan ujung kurva cenderung meruncing ke kiri.
Segala sesuatu yang ada di dunia ini mengikuti hukum distribusi normal, seperti
skor IQ, tinggi badan, berat badan, dll. Orang yang skor IQ rendah sekali (kurva
 sebelah kiri) dan tinggi sekali (kurva sebelah kanan) lebih sedikit dibanding skor
IQ rata-rata (puncak kurva ditengah).
 Uji Linieritas
Uji linieritas dilakukan untuk mengetahui apakah hubungan antara variabel
independen (IV) dengan variabel dependen (DV) bersifat linier (garis lurus). Jika
tidak linier atau tetap dianalisis dengan teknik statistik parametrik, maka korelasi
yang didapatkan bisa sangat rendah, meskipun sebenarnya korelasinya bisa tinnggi
kalau teknik statistik parametriknya diganti dengan statistik nonparametrik.
 Uji homogenitas
Uji homogenitas dilakukan untuk mengetahui variansi antara kelompok yang diuji
berbeda atau tidak, variansinya homogen atau heterogen. Data yang diharapkan
adalah homogen.
 Uji multikolinieritas
Uji multikolinieritas dilakukan untuk mengetahui apakah ada korelasi
antarvariabel independen (IV) pada model regresi. Korelasi antarvariabel
independen (IV) sebaliknya kecil. Korelasi antar-IV (r<0,8), lebih baik lagi kalau
(r<0,5). Makin kecil korelasi antar-IV makin baik untuk model regresi yang
dipergunakan.
Deteksi adanya multikolinieritas:
- Nilai R2 sangat tinggi, tetapi secara sendiri-sendiri regresi antara variabel-variabel
independen (IV) dengan dependen (DV) tidak signifikan.
- Korelasi antara variabel-variabel independen (IV) sangat tinggi (di atas 0,80)
 Uji Autokorelasi
Uji autokorelasi dilakukan untuk mengetahui apakah ada korelasi kesalahan
pengganggu pada periode t dengan kesalahan pada periode t sebelumnya pada
model regresi linier yang dipergunakan. Jika terjadi korelasi, maka dinamakan ada
problem autokorelasi. Dalam model regresi yang baik adalah tidak terjadi
autokorelasi.
 Uji homoskedastisitas (homosedatistisitas) vs. Uji heteroskedastisitas
(heteroskedastisitas)
Uji homoskedastisitas dilakukan untuk mengetahu apakah sebuah data
(group) mempunyai variansi yang sama di antara data (group) tersebut. Data yang
 diharapkan adalah yang memiliki variansi yang sama, dan disebut dan disebut
homoskedastisitas. Sedangkann jika variansi tidak sama, disebut
heteroskedastisitas.
 Uji Levene Test
Melihat grafik Plot antara nilai prediksi variabep terikat (dependen), yaitu
ZPRED (sumbu X) dengan residualnya SRESID (sumbu Y). Jika ada pola tertentu
seperti titik-titik yang ada membentuk pola tertentu yang teratur (bergelombang,
melebar kemudia menyempit) maka mengindikasikan telah terjadi
heteroskedastisitas. Jika tidak ada pola yang jelas atau teratur, serta titik-titik
menyebar di atas dan dibawah angka 0 pada sumbu Y, maka tidak terjadi
heteroskedastisitas.
Mulai

Dua atau Lebih

Satu
Analisis Jumlah
Analisis
Univariat Variabel? Multivariat

Interval Nominal
Statistik Jenis Statistik Non
Parametrik Data Parametrik
Rasio Ordinal

Pembagian Metode Statistik

2.8 Uji Hipotesis

Pada esensinya, inferensi statistik mempelajari pengambilan keputusan
tentang parameter populasi (rata-rata, proporsi) berdasar karakteristik sampel yang
ada. Statistik non parametrik, kegiatan inferensi statistik atau biasa disebut statistik
induktif adalah berkaitan dengan uji hipotesis.
Menurut Dahlan (2005:8), uji hipotesis adalah metode untuk mengetahui
hubungan (association) antara variabel yang bisa dilakukan dua cara, yaitu secara
komparatif (comparation) dan korelatif (correlation). Hal tu yang mendasari
pembagian uji hipotesi menjadi hipotesis komparatif dan korelatif. Perbedaan
mendasar pada kedua uji di atas adalah pada output yang ingin diperoleh. Bila
peneliti ingin mengetahui asosiasi itu dengan parameter koefisien korelasi (r), maka
gunakanlah hipotesis korelatif. Namun apabila parameter yang dinginkan bukan
koefisien korelasi tetapi ‘parameter yang lain’ maka gunakanlah hipotesis
komparatif. Perlahan-perhalan anda akan belajar kapan memilih hipotesis korelatif
dan kapan memilih hipotesis komparatif.
Tujuan uji hipotesis statistik adalah untuk menguji apakah data dari sampel
yang ada sudah cukup kuat untuk menggambarkan populasinya, atau apakah bisa
dilakukan generalisasi tentang populasi berdasar hasil sampel.
Sebagai contoh, jika 20 remaja sebagai sampel mempunyai sikap sangat suka
terhadap permen merk XYZ, maka apakah semua remaja sebagai populasi juga
menyukai permen merk XYZ tersebut?
Ada beberaapa tahapan Uji Hipotesis, yaitu:
 Menentukan Ho dan Hi, yang pada prisipnya adalah menguji karakteristik
populasi berdasar informasi yang diterima dari suatu sampel.
 Menentukan tingkat signifikansi (a), yaitu probabilitas kesalahan menolak
hipotesis yang ternyata benar. Jika dikatakan a=5% berarti resiko kesalahan
mengambil keputusan adalah 5% semakin keci a berarti semakin mengurangi
resiko salah
 Menentukan apakah akan dilakukan uji sisi atau dua sisi.
 Menentukan statistik tabel dan statistik uji. Jika alat analisis adala Chi square
test, maka akan dicari Chi square tabel dan Chi Square hitung. (Santosom,
2006:21)
 BAB III
PENUTUP

3.1 Kesimpulan
Bagaimana memilih uji statistik? Walaupun ini persoalan yang tidak sulit, akan
tetapi ada saja mahasiswa yang bingung dan tidak memahami cara-cara memilih uji
statistik yang benar, yang sesuai dengan karakteristik data dan besarnya sampel
penelitian yang di tenturkan pada saat pengambilan data. Secara ringkas dan
sederhana dibawah ini dijelaskan cara-cara memilih uji statistik.
Pertama, apabila kita mencoba mencari hubungan, maka itu maksudnya kita
mencari korelasi. Untuk itu digunakan statistik korelasi. Apabila kita mencari
perbedaan, maka kita harus menggunakan uji satistik untuk perbedaan. Selanjutnya,
kita juga harus menentukan apakah menggunakan statistik parametrik atau non-
parametrik. Secara umum apabila data yang telah dikumpulakan melalui instrumen
adalah jenis data berupa skor berskala (interval) dengan kurva normal, dengan besar
sampel diatas 25, maka kita mungkin perlu menggunkan statistik parametrik.
Apabila menggunkan survei atau uji yang dikembangkan sendiri atau ukuran
sampelnya di bawah 23, maka kita mungkin perlu menggunkan statistik non-
parametrik. Apabila kita memiliki data campuran, maka kita lebih baik
menggunakan statistik non-parametrik. Kedua jenis statistik itu mampu menjawab
masalah kita. Kebutuhan untuk menggunkan statistik terletak kepada uji statistik
mana yang kita anggap tepat.
Tanpa menguasai statistika adalah tak mungkin untuk dapat menarik
kesimpulan induktif dengan sah. Statistika harus mendapat tempat yang sejajar
dengan matematika agar keseimbangan berpikir deduktif dan induktif yang
merupakan ciri dari berpikir ilmiah dapat dilakukan dengan baik. Statistika
merupakan sarana berpikir yang diperlukan untuk memproses pengetahuan secara
ilmiah. Statistika membantu untuk melakukan generalisasi dan menyimpulkan
karakteristik suatu kejadian secara lebih pasti dan bukan terjadi secara kebetulan.
3.2 Saran
Ada satu hal yang perlu diperhatikan, yaitu bahwa dikalangan ilmuan sendiri
terjadi pro-kontra tentang uji statistik mana yang paling tepat. Jangan terlalu
khawatir tentang hal itu. Masing-masing perguruan tinggi mungkin sudah memiliki
peraturan untuk menentukan pemilihan uji-uji statistik tertentu. Peraturan intern
tersebut tentunya tetap berdasarkan teori dan ketentuan baku dalam analisis
statistik. Jika hal ini sudah ada, tentunya akan sangat memudahkan anda ketika
bekerja untuk menganalisis data.
 DAFTAR RUJUKAN

Dahlan, S.2010. Statistik untuk Kedokteran dan Kesehatan. Jakarta:Penerbit

Saleba Medika.
Herinaldi. 2005. Prinsip-prinsip Statistik untuk Teknikni dan Sains. Jakarta:
Penerbit Erlangga.
Nisfiannoor, M. 2009. Pendekatan Statitika Modern untuk Ilmu sosial. Jakarta:
Penerbit Salemba humanika.
Santoso,S.2005. Seri Solusi bisnis Berbasis IT: menggunakan SPSS untuk
Statistika Non Parametrik. Jakarta: PT Elex Media Komputindo.
Santoso,S.2010. Statistik Nonparametrik Konsep dan Aplikasi dengan SPSS.
Jakarta: PT Elex Media Komputindo.
Santoso,S.2010. Statistik Parametrik Konsep dan Aplikasi dengan SPSS. Jakarta:
PT Elex Media Komputindo.
Siregar, S.2010. Statistika Deskrpitif untuk Penelitian dilengkapi Perhitungan
Manual dan Aplikasi SPSS versi 17.Jakarta: Rajawali Pers.
Subana&Sudarajat.2000. Statistika Pendidikan. Bandung: Pustaka Setia.
Suciptawati, N.L. 2010. Metode Statistika Non Parametrik. Bali.Udayana
University Press.
Sugiyono. (2013). Statistika untuk Penelitian. Bandung: CV Alfabeta.
Supardi, 2013. Aplikasi Statitiska dalam Penelitian Edisi revisi, Konsep Statitiska
yang lebih Komprehensif. Jakarta : CHANGE PUBICATION.
Thoifah, I. 2016. Statitiska Pendidikan dan Metode Penelitian Kuantitatif. Malang:
Madani