I.

PENDAHULUAN

Statistika adalah ilmu tentang data, yaitu suatu disiplin ilmu yang mempelajari
sekumpulan konsep dan metode pengumpulan, penyajian, analisis, dan iterpretasi
data, sampai pada pengambilan keputusan pada situasi di mana terdapat ketidak-
pastian.

Jika yang dibahas hanya terbatas pada pengumpulan, penyajian, dan inter-
pretasi data, seperti pembuatan tabel-tabel, diagram-diagram, grafik-grafik, dan
perhitungan-perhitungan untuk menentukan nilai-nilai statistik, disebut statistik
deskriptif. Jika semua dibahas dengan penekanan pada interpretasi data dan
pengambilan kesimpulan, seperti penaksiran tentang karakteristik populasi, penentuan
ada tidaknya hubungan karakteristik-karakteristik dalam populasi, pembuatan
prediksi, dan lain sebagainya disebut statistik inferensial.

Statistik parametrik mensyaratkan asumsi tertentu terhadap

data pada proses pengujian hipotesis, terutama asumsi distri-
busi normal. Sedangkan statistik nonparametrik bebas atau
tidak mensyaratkan asumsi tertentu. Diperkenalkan pertama
kali oleh Frank Wilcoxon (1892-1965) pada tahun 1945 dengan
memperkenalkan uji tanda peringkat yang dikenal dengan
Wilcoxon rank-sum test dan Wilcoxon signed-rank test sebagai
alternatif uji-t untuk data tidak berpasangan dan data berpa-
sangan pada statistik parametrik.

1
1.1 Penggunaan Statistik Nonparametrik

Jika prosedur statistik parametrik sudah tidak dapat dilakukan, maka statistik nonpa-
rametrik dapat digunakan. Apapun bentuk datanya, tipe data apapun, dan ukuran data
berapa pun.

1.1.1 Prosedur Statistik Nonparametrik

1. Pastikan tipe data yang akan dianalisis. Jika data bertipe nominal atau ordinal,
maka gunakan statistik nonparametrik. Jika data bertipe interval atau rasio, lanjut
ke langkah dua.
2. Selidiki distribusi datanya. Jika data tidak berdistribusi normal, lakukan transfor-
masi agar data berdistribusi normal. Namun jika data tetap tidak berdistribusi
normal, gunakan statistik nonparametrik. Jika data berdistribusi normal atau data
yang telah ditransformasi berdistribusi normal, gunakan statistik parametrik.

Catatan:

Untuk data berukuran kecil (n < 30), jika data tidak berdistribusi normal, tidak perlu
proses transformasi dan langsung menggunakan statistik nonparametrik.

Diagram Alur Penggunaan Statistik Nonparametrik

2
1.1.2 Kelebihan dan Kekurangan Statistik Nonparametrik

Kelebihan Statistik Nonparametrik

1. dapat menyelesaikan proses uji hipotesis untuk data bertipe nominal dan ordinal
yang tidak dapat diselesaikan oleh statistik parametrik.
2. tidak mensyaratkan data berasal dari populasi berdistribusi normal.
3. proses perhitungan lebih sederhana, mudah dan cepat.

Kekurangan Statistik Nonparametrik, di antaranya: tidak banyak memanfaatkan

informasi dalam data sehingga dipandang kurang efisien. Pengujian dengan statistik
nonparametrik membutuhkan data sampel lebih banyak dibanding pengujian statistik
parametrik padanannya untuk mengurangi peluang kesalahan tipe II.

1.2 Beberapa Konsep Penting

Statistik nonparametrik dapat digunakan untuk tipe data nominal atau ordinal, serta
tipe data interval atau rasio yang asumsi distribusi normal tidak terpengaruh.
1.2.1 Tipe Data
1. Skala nominal
2. Skala ordinal
3. Skala interval
4. Skala rasio
1.2.2 Distribusi Normal
Distribusi normal sering juga disebut distribusi Gauss untuk menghormati Karl
Friedrich Gauss (1777-1855) yang telah menemukan persamaannya waktu meneliti
residual atau galat dalam pengukuran berulang-ulang mengenai bahan yang sama.
Fungsi peluang distribusi normal suatu variabel acak X mean  dan varians 2 biasa
ditulis X ~ N (  ,  2 ) dengan persamaan
2
 x 
1  1 
f ( x;  ,  ) 
2
e
2  
,  < x <  (1.1)
2 2

3
Untuk keseragaman dan kemudahan dalam menyelesaikan berbagai masalah ber-
kaitan distribusi normal, maka distribusi normal dapat ditrnasformasikan ke distribusi
normal standar (distribusi normal dengan mean 0 dan varians 1).
Bentuk transformasinya adalah
X 
Z ~ N (0,1) (1.2)

Sehingga fungsi peluang distribusi normal standar dapat ditulis
z2
1 
f ( z)  e 2 ,  < z <  (1.2)
2

Uji normalitas data dapat dilakukan dengan 3 metode, yaitu: grafik, ukuran statistik
(skewness dan kurtosis), dan uji hipotesis (uji normalitas). Beberapa uji normalitas
yang dapat digunakan adalah uji KolmogorovSmirnov, uji ShapiroWilks, uji
Chikuadrat (Chisquare), dan lain sebagainya.

1.2.3 Uji Hipotesis

Uji hipotesis adalah suatu prosedur yang digunakan untuk menguji kevalidan hipote-
sis statistic suatu populasi dengan menggunakan data dari sample pupulasi. Uji
hipotesis merupakan bagian terpenting dalam statistik inferensial, karena berdasarkan
uji tersebut, suatu keputusan atau pemecahan permasalahan dari suatu penelitian
dapat terselesaikan.

Langkah-langkah uji hipotesis:

1. Merumuskan hipotesis
Ada 2 macam hipotesis, yaitu hipotesis nol (H0) dan hipotesisi alternatif (H1).
Berdasarkan rumusan hipotesisnya, uji hipotesis dapat dibedakan menjadi 3
jenias, yaitu:

4
 a. Uji hipotesis dua pihak
Uji hipotesis dua pihak adalah pengujian hipotesis di mana hipotesis nol (H0)
berbunyi “sama dengan” dan hipotesis alternative (H1) berbunyi “tidak sama
dengan”.
b. Uji hipotesis satu pihak kiri
Uji hipotesis satu pihak kiri adalah pengujian hipotesis di mana hipotesis nol
(H0) berbunyi “lebih besar atau sama dengan” dan hipotesis alternatif (H1)
berbunyi “lebih kecil”.
c. Uji hipotesis satu pihak kanan
Uji hipotesis satu pihak kanan adalah pengujian hipotesis di mana hipotesis
nol (H0) berbunyi “lebih kecil atau sama dengan” dan hipotesis alternatif (H1)
berbunyi “lebih besar”.
2. Menentukan tingkat signifikan
Kalau statistik inferensial berdasarkan data sampel dilakukan, ada kemungkinan
terjadi suatu kesalahan (error). Kesalahan dalam statistik inferensial dibagi
menjadi dua tipe kesalahan, yaitu kesalahan tipe I dan keslahan tipe II. Kesalahan
tipe I dinotasikan dengan  dan kesalahan tipe II dinotasikan dengan .
Peluang terjadinya kesalahan tipe II dapat diturunkan dengan membuat daerah
penolakan yang lebih besar, yaitu mempermudah terjadinya penolakan. Apabila 
diturunkan, maka akan memperbesar .  = 0, berarti H0 tidak akan pernah
ditolak, dan  = 0 berarti H0 selalu ditolak.
Tingkat signifikan sutu uji hipotesis adalah peluang terbesar untuk menolak H0
yang benar (peluang terjadi kesalahan tipe II).
Keadaan Sebenarnya
Kesimpulan H0 benar H0 salah
Menerima H0 Keputusan tepat Kesalahan jenis II
Menolak H0 Kesalahan Jenis I Keputusan tepat
Alasan menggunakan  (tidak menggunakan ) karena kesalahan tipe I adalah
“prime concern” sehingga pernyataan hipotesis harus diatur sehingga kesalahan
tipe I lebih berharga. Tingkat signifikan ditentukan dengan memperhatikan
dampak dari kesalahan itu.  didefinisikan sebagai peluang nilai hitungan statistik
uji berada di daerah penolakan padahal H0 benar. Karena  (memenjarakan orang
baik) lebih sensitive dibanding  (membebaskan orang bersalah).

5
 Hipotesis nol biasanya menggambarkan situasi normal, yaitu hipotesis yang akan
diterima jika tidak ada tindakan sehingga kesalahan tipe I (H0 benar tetapi H0
ditolak) menjadi lebih berharga daripada kesalahan tipe II. Jika H0 benar tetapi H0
ditolak, maka situasi normal akan diubah. Pengubahan situasi normal ini
membutuhkan banyak konsekuensi sehingga tingkat signifikan  dipilih yang
sekecil mungkin.
3. Menentukan nilai kritis
Setelah H0, H1, dan tingkat signifikan  ditentukan, selanjutnya adalah membuat
criteria yang disebut nilai kritis sebagai pedoman menerima atau menolak H0.
Caranya adalah membandingkan  tabel distribusinya (nilai kritis) dengan nilai
statistik ujinya, sesuai bentuk pengujiannya.
4. Menghitung statistik uji
Statistik uji adalah suatun statistik sampel yang distribusi samplingnya dapat
digolongkan pada kasus hipotesis nol dan hipotesis alternatif. Statistika uji
merupakan rumus yang digunakan dalam perhitungan untuk menduga parameter
data sampel yang diambil secara acak dari sebuah populasi. Misalkan akan diuji
parameter populasi (), maka yang pertama-tama dihitung adalah statistik sampel
( ˆ ) yang bersangkutan.
5. Membuat kesimpulan
Ada 2 macam kesimpulan yang dapat diambil, yakni H0 ditolak atau H0 diterima.
Penolakan suatu hipotesis nol berarti menyimpulkan bahwa hipotesis nol tersebut
tidak benar, sedangkan penerimannya hanya menunjukkan bahwa tidak cukup
petunjuk untuk mempercayai hipotesis alternatif. Keputusan menolak atau
menerima H0 dilakukan setelah membandingkan nilai hasil perhitungan statistik
uji dengan nilai kritis. Jika nilai statistik uji berada dalam daerah penolakan, maka
H0 ditolak.
1.3 Latihan
1. Jelaskan kedudukan statistik nonparametrik dalam statistika.
2. Gambar dan jelaskan diagram alur penggunaan statistik parametrik dan statistik
nonparametric dalam analisis data.
3. Sebutkan kelebihan dan kelemahan statistik nonparametrik disbanding statistik
parametrik dalam analisis data.