Anda di halaman 1dari 21

“STATISTIKA NON PARAMETRIK”

Diajukan dalam Rangka Memenuhi Tugas Perkuliahan

“Statistika Terapan”

Dosen Pengampu :

Di Susun Oleh:

1. Siti Rifatul Mahmudah (D04217023)


2. Mamlu’atul Hikmah
3. Putri Royani Baihaqi

Program Studi Pendidikan Matematika


Fakultas Tarbiyah dan Keguruan
Universitas Islam Negeri Sunan Ampel Surabaya
Tahun Akademik 2019-2020

1
DAFTAR ISI

KATA PENGANTAR ............................................................................................ ii


DAFTAR ISI .......................................................................................................... iii
BAB I PENDAHULUAN
A. Latar Belakang Masalah ................................................................... 4
B. Rumusan Masalah ............................................................................. 5
C. Tujuan Pembahasan .......................................................................... 5
BAB II PEMBAHASAN
A. Proses penciptaan manusia berdasarkan Al-Qur’an........................ 6-12
BAB III PENUTUP
A. Kesimpulan .......................................................................................13
B. Saran .................................................................................................13
DAFTAR PUSTAKA 14

2
KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa, karena atas
limpahan rahmat-Nya kami dapat menyelesaikan penyusunan makalah ini. Di dalam
makalah yang berjudul “Statistika Nonparametris” ini akan dibahas tentang pengertian
statistika nonparametris, uji binominal, Uji Kolmogorov-Smirnov, uji Chi Kuadrat.
Tak lupa kami ucapkan terimakasih kepada semua pihak yang telah terlibat
dalam proses penyusunan makalah ini. Sepeti kata pepatah, tak ada gading yang tak
retak. Begitupun dalam makalah ini tak luput dari kesalahan. Untuk itu kami mohon
maaf atas bentuk kesalahan apapun dalam makalah ini. Dan demi menghasilkan
makalah yang lebih baik lagi ke depannya, kami mengharapakan kritik dan saran dari
para pembaca yang budiman. Semoga makalah ini dapat bermanfaat bagi kita
semua,dalam mempelajari tentang statistika.

Surabaya, 13 Oktober 2019

                                                         
                               
Penyusun

3
DAFTAR ISI

KATA PENGANTAR ............................................................................................ ii


DAFTAR ISI .......................................................................................................... iii
BAB I PENDAHULUAN
D. Latar Belakang Masalah ................................................................... 4
E. Rumusan Masalah ............................................................................. 5
F. Tujuan Pembahasan .......................................................................... 5
BAB II PEMBAHASAN
B. Proses penciptaan manusia berdasarkan Al-Qur’an........................ 6-12
BAB III PENUTUP
C. Kesimpulan .......................................................................................13
D. Saran .................................................................................................13
DAFTAR PUSTAKA 14

BAB I

PENDAHULUAN

A. LATAR BELAKANG

Dalam terminologi ilmu statistika, terdapat statistik parametrik dan non


parametrik yang merupakan dua hal yang sering digunakan. Lantas apa perbedaan
keduanya? Secara sederhana sebetulnya antara statistik parametrik dan non
parametrik mudah dibedakan dari istilahnya saja. Statistik non parametrik adalah
statistik yang ditidak mendasarkan pada parameter-parameter statistik. apa itu
parameter-parameter statistik? jika anda melakukan penelitian, tentu anda
melakukan pengukuran-pengukuran, nah ukuran-ukuran tersebut diistilahkan
dengan parameter. dalam statistik kita mengenal mean, median, modus dan standar
deviasi. itulah parameter-parameter statistik. dalam statistik non parametrik,
parameter tersebut tidak dijadikan acuan. Mengapa? ketika kita menggunakan skala
data nominal atau ordinal, parameter-parameter tersebut menjadi tidak relevan. itu

4
lebih kepada membuat ranking pada data. selain itu, statistik non parametrik tidak
mendasakan pada distribusi data tertentu.

B.  RUMUSAN MASALAH
1. Apa yang dimaksud dengan statistik nonparametrik ?
2. Apa saja ciri-ciri statistik  nonparametrik ?
3. Apa metode-metode pada Statistika  Non Parametrik?
4. Apa keunggulan dan kelemahan pada statistik  nonparametrik?
C.  TUJUAN
1. Mengetahui maksud dari  statistik  nonparametrik
2. Mengetahui apa saja ciri-ciri statistik  nonparametrik
3. Mengetahui  metode-metode pada Statistika  Non Parametrik
4. mengetahui keunggulan dan kelemahan pada statistik  nonparametrik

D.

5
E.

BAB II

PEMBAHASAN

A. Statistika Nonparametris

Berikut ini dikemukakan statistika nonparametris yang dapat digunakan untuk


menguji hipotesis deskriptif (satu sampel) baik untuk data nominal/ diskrit maupun
untuk data ordinal/peringkat/ rangking.

Statistika nonparametris yang digunakan untuk menguji hipotesis satu sampel


bila datanya nominal adalah “Test Binominal”dan Chi Kuadrat ( x 2) satu sampel.
Selanjutnya test yang digunakan untuk menguji hipotesis satu sampel dara ordinal akan
diberikan “Run Test”.

Uji parametrik memerlukan pemenuhan asumsi-asumsi tentang distribusi populasi.


Sedangkan uji nonparametrik tidak memerlukan pemenuhan asumsi-asumsi tentang
distribusi populasi. Sehingga uji nonparametrik disebut juga uji bebas distribusi.
Keuntungan Metode Nonparametrik
1. Metode nonparametrik dapat diaplikasikan secara meluas karena tidak memerlukan
pemenuhan asumsi-asumsi seperti pada metode parametrik. Metode nonparametrik
tidak memerlukan pemenuhan populasi berdistribusi normal.
2. Metode nonparametrik dapat diaplikasikan pada data kategorik
3. Metode nonparametrik biasanya menggunakan komputasi yang relatif lebih mudah
dibandingkan metode parametrik, lebih mudah dipahami dan digunakan.

Kelemahan Metode Nonparametrik


1. Metode nonparametrik cenderung membuang informasi karena perhitungan secara
eksak seringkali diubah dalam bentuk kualitatif. Sebagai contoh, pada uji tanda,
kehilangan berat badan akibat diet dinotasikan dengan tanda negatif.
2. Uji nonparametrik tidak seefisien uji parametrik, sehingga memerlukan bukti yang
lebih kuat
Skala Pengukuran

6
1. Nominal: penggolongan
Contoh: jenis kelamin: 1 pria 0 wanita, nomor induk mahasiswa, kode pos,
2. Ordinal: penggolongan, urutan Jarak antara 2 angka yang berurutan tidak perlu sama.
Contoh: skala sikap: 1 sangat setuju, 2 setuju, 3 kurang setuju, 4 tidak setuju;
peringkat karyawan,
3. Interval: penggolongan, urutan, ukuran
Dua angka yang berurutan memiliki jarak yang sama tapi angka-angka tersebut tidak
dapat diperbandingkan.
Contoh: Suhu, nilai tes
Suhu 40°C bukan berarti sama dengan dua kalinya suhu 20°C.
Tidak mempunyai nol mutlak, contoh: suhu 00C bukan berarti tidak mempunyai suhu
4. Rasio: penggolongan, urutan, ukuran, mempunyai nol mutlak
Dua angka yang berurutan mempunyai jarak sama yang dapat dibandingkan.
Berat beras 20 kg = 2 ´ berat beras 10kg.
Contoh: berat badan, tinggi badan
Nol Mutak, Pertumbuhan: 0 cm (berarti tidak ada pertumbuhan)
Uji nonparametrik dapat digunakan bila data berbentuk
1. nominal
2. ordinal
3. interval atau rasio dan tidak diketahui bentuk distribusi populasinya
Ujistatistik non-parametrik dapat dikelompokkan menjadi 3 kategori, yaitu:

1. Uji sebuah sampel yang dibandingkan dengan menggunakan suatu distribusi


tertentu, misalnya, distribusi chi-kuadrat, binomial, normal dan distribusi lainnya.
2. Uji untuk dua grup independen (bebas) atau lebih
3. Uji variabel-variabel berpasangan (paired) atau berhubungan (related)

Tabel 1. Tabel Keputusan untuk pengujian hipotesis dengan data ordinal atau data
peringkat
Jumlah Sampel Hipotesis yang diujikan Uji
Satu Sampel Hipotesis tentang median Uji Peringkat Bertanda Wilcoxon
populasi atau distribusi data Uji Kolmogorov-Smirnov (Uji
Kelayakan model untuk satu sampel)

7
Uji Liliefors untuk normalitas
Uji Satu Sampel untuk Median
Dua Sampel Hipotesis tentang dua Uji U Mann Whitney
saling bebas median populasi saling Uji Keacakan untuk dua sampel saling
bebas atau karakteristik bebas
lainnya Uji Kolmogorov-Smirnov untuk dua
sampel saling bebas
Uji Median untuk sampel saling bebas
Uji Van der Waerden Skor Normal
untuk k sampel saling bebas
Hipotesis tentang Uji Siegel-Tukey
keragaman dalam dua Uji Moses
populasi saling bebas
Dua sampel Hipotesis tentang Uji Peringkat Bertanda Berpasangan
saling pengurutan data dalam dua Berhubungan Wilcoxon
berhubungan populasi saling Uji Tanda Binomial untuk dua sampel
berhubungan tidak saling bebas

1. Uji Kolmogorov-Smirnov

Uji Kolmogorov-Smirnov termasuk Uji Kebaikan Suai (Goodness of Fit).


Dalam hal ini yang diperhatikan adalah tingkat kesesuaian antara distribusi nilai
sampel (skor hasil diobservasi) dengan distribusi teoritis tertentu (normal, Seragam,
atau Poisson). Oleh karenanya uji ini dapat digunakan untuk uji kenormalan.

Contoh:

Data upah mingguan (dalam puluhan ribu rupiah) dari sampel sebanyak 15
karyawan suatu perusahaan sebagai berikut: 24, 22, 37, 39, 28, 32, 27, 26, 28, 40,
35, 52, 51, 62, 43. Ingin diketahui dengan taraf nyata 5%, apakah sampel tersebut
berasal dari populasi yang berdistribusi normal

Hipotesis:

Ho: Sampel berasal dari populasi yang berdistribusi normal

8
H1: Sampel tidak berasal dari populasi yang berdistribusi normal

Taraf signifikansi: α = 0,05

Statistik Uji:

Kolmogorov-Smirnov D = maks | F0(x) – SN(X) |

H0 ditolak jika Dhitung > Dtabel untuk n = 15

o Perhitungan:
(1) Data sampel diurutkan dari yang terkecil, kemudian ditransformasikan ke

x i − x̄
Zi=
dalam nilai baku s , xi = data ke i, x̄ = rata-rata nilai data, s
= simpangan baku data.
(2) Dari nilai baku Z ditentukan nilai probabilitas kumulatif SN(Xi)= P(Z ¿ Zi)
berdasarkan distribusi normal baku
i
(3) Tentukan nilai probabilitas harapan/teoritis kumulatif F0(xi). F0(xi)= n , n
= banyak data

(4) Tentukan nilai maksimum dari | F0(x) – SN(X) | , sebagai nilai D


hitung
Nilai D tabel dilihat dari tabel Nilai Kritis D untuk Uji Normalitas Kolmogorov-
Smirnov (p.303)

x̄ = 36,4., s = 11,636

xi x x SN(Xi)= P(Z i
Zi  i F0(x) – SN(X)
s  Zi)
(diurutkan) F0(xi)= n

22 -1,24 0,1075 0,0667 0,0408


24 -1,07 0,1423 0,1333 0,0090
26
27
Lanjutkan

9
Tentukanlah nilai selisih F0(x) dan SN(X) yang paling besar dan dinyatakan
sebagai D hitung.

Tentukanlah nilai D tabel dengan n = 15 Kolmogorov-Smirnov (p.303)


H0 ditolak jika Dhitung > Dtabel untuk n = 15

2. Uji Wilcoxon
Digunakan untuk membandingkan 2 variabel pada sampel yang sama.

Misal : ada dua kelompok data X dan Y

Langkah-langkah pengujian :
 Pasangkan data
 Hitung harga mutlak selisih skor pasangan |X1-Y1|
 Tentukan rangking tiap pasangan data
 Isi kolom positif dan positif dengan rangking tiap pasangan sesuai dengan
tanda selisih pasangan data : jika selisihnya posistif masukkan rankingnya ke
kolom positif, dan sebaliknya
 Jumlahkan ranking pada kolom positif dan negatf
 Ambil jumlah yang paling kecil (Whitung) lalu bandingkan dengan tabel nilai
kritis Wilcoxon (Wtabel)

Hipotesis :

H0 : tidak ada perbedaan pengaruh kedua perlakuan

H1 : ada perbedaan pengaruh kedua perlakuan

Kriteria pengujian :

H0 diterima jika Whitung > Wtabel

H0 ditolak jika Whitung ≤ Wtabel

DAFTAR NILAI KRITIS WILCOXON

Ukuran Sampel Taraf Nyata


0,01 0,05
6 - 1

10
7 - 2
8 0 4
9 2 6
10 3 8
11 5 11
12 7 14
13 10 17
14 13 21
15 16 25
16 20 30
17 23 35
18 28 40
19 32 46
20 38 52
21 43 59
22 49 66
23 55 73
24 61 81
25 68 89

Contoh

Produksi dua macam kacang tanah di 20 lokasi

Lokasi X1 Y1 Selisih Rank Tanda Rank


X1-Y1 |X1-Y1| Positif Negatif
1 3,4 3,0
2 3,7 3,9
3 2,8 3,2
4 4,2 4,6
5 4,6 4,3
6 3,8 3,4
7 3,6 3,5
8 2,9 3,0
9 3,0 2,9
10 3,8 3,7
11 4,0 3,7
12 3,9 4,0
13 3,8 3,5
14 4,2 4,5
15 4,7 3,9
16 4,0 3,7
17 3,6 3,2
18 3,2 2,9
19 3,4 3,0

11
20 2,9 3,6
JUMLAH

Jawab :

Lokasi X1 Y1 Selisih Rank Tanda Rank


X1-Y1 |X1-Y1| Positif Negatif
1 3,4 3,0 0,4 0,4 15,5 +15,5
2 3,7 3,9 -0,2 0,2 6 -6
3 2,8 3,2 -0,4 0,4 15,5 -15,5
4 4,2 4,6 -0,4 0,4 15,5 -15,5
5 4,6 4,3 0,3 0,3 9,5 +9,5
6 3,8 3,4 0,4 0,4 15,5 +15,5
7 3,6 3,5 0,1 0,1 3 +3
8 2,9 3,0 -0,1 0,1 3 -3
9 3,0 2,9 0,1 0,1 3 +3
10 3,8 3,7 0,1 0,1 3 +3
11 4,0 3,7 0,3 0,3 9,5 +9,5
12 3,9 4,0 -0,1 0,1 3 -3
13 3,8 3,5 0,3 0,3 9,5 +9,5
14 4,2 4,5 -0,3 0,3 9,5 -9,5
15 4,7 3,9 0,8 0,8 20 +20
16 4,0 3,7 0,3 0.3 9,5 +9,5
17 3,6 3,2 0,4 0,4 15,5 +15,5
18 3,2 2,9 0,3 0,3 9,5 +9,5
19 3,4 3,0 0,4 0,4 15,5 +15,5
20 2,9 3,6 -0,7 0,7 19 -19
JUMLAH 138,5 -71,5

Whitung = 71,5
α = 0,05
Wtabel = 52
Whitung > Wtabel
Maka H0 diterima
Untuk taraf nyata = 0,05 Tidak Ada Perbedaan Produksi Kacang Tanah

3. Test Binominal
Test Binominal digunakan untuk menguji hipotesis bila dalam polusi terdiri
atas dua kelompok klas, datanya berbentuk nominal dan jumlah sampelnya kecil
(kurang dari 25). Dua kelompok klas itu misalnya klas pria dan wanita, senior dan
yunior, sarjana dan bukan sarjana, kaya dan miskin, pemimpin dan bukan

12
pemimpin dsb. Selanjutnya, dari populasi itu akan diteliti dengan menggunakan
sampel yang diambil dari populasi tersebut.
Bila dari data sampel itu akan diberlakukan untuk populasi, maka peneliti
akan menguji hipotesis statistik yaitu menguji ada tidaknya perbedaan antara data
yang ada dalam populasi itu dengan data yang ada pada sampel yang diambil dari
populasi tersebut. Untuk pengujian semacam ini maka digunakan test binomial. Jadi
test binomial digunakan untukmenguji hipotesis deskriptif (satu sampel) bila
datanya nominal berbentuk dua kategori atau duaklas. Test ini sangat cocok
digunakan sebagai alat pengujian hipotesis bila ukuran sampelnya kecil, sehingga
Chi kuadrat tidak dapat digunakan.
Test inidikatakan sebagai test binominal, karena distribusi data dalam
populasi itu berbentuk binominal. Distribusi binomial adalah suatu distribusi yang
terdiri dari dua klas. Jadi bila dalam suatu populasi dengan jumlah N, terdapat 1
klas yang berkategori x, maka kategori yang lain adalah N – x . probabilitas untuk
memperoleh x obyek dalam satu kategori dan N – x dalam kategori lain adalah :

P(X )= N p x q N −x
( )
x

Dimana P adalah proporsi kasus yang diharapkan dalam salah satu kategori dan
kategori lainnya adalah q, besarnya q adalah 1 – p.

Harga ( Nx ) dalam rumus dapat dihitung dengan rumus sebagai berikut:


N!
( Nx )= x ! ( N−x )!

N ! adalah N faktorial, yang nilainya = N(N – 1)(N – 2) ... [N – (N – 1)]. 4! = 4(4


– 1)(4 – 2)(4 – 3) = 24

Dalam prakteknya test binomial dapat dilakukan dengan cara yang lebih
sederhana, dimana untuk membuktikan Ho dilakukan dengan cara membandingkan
nilai p dalam tabel yang didasarkan pada N dan nilai yang terkecil dalam tabel itu
dengan taraf kesalahan yang kita tetapkan sebesar 1%. Misalnya jumlah sampel
dalam pengamatan ada 20, dan kategori yang terkecil (x) pada sampel itu = 4, maka
berdasarkan tabel harga p = 0,006. Selanjutnya bila taraf keslahan α =0,01 , maka

13
ketentuan yang digunakan dalam pengujian hipotesis adalah apabila harga p lebih
besar dari α maka Ho diterima dan Ha ditolak. Ho suatu hipotesis yang
menunjukkantidak adanya perbedaan data sampel dengan data populasi.

Contoh :

Dilakukan penelitian untukmengetahui bagaimanakecenderungan masyarakatdalam


memilih mobil untuk keluarga. Berdasarkan 24 anggota sampel yang dipilih secara
random ternyata 14 orang memilih mobil berbahan bakar bensin dan 10 orang
memilih mobil berbahan bakar solar.

Hipotesis nol yang ditunjukkan adalah bahwa peluang masyarakat dalam memilih
dua jenis mobil yaitu jenis bensin dan solar adalah sama, yaitu 50%

Ho : p1= p2=0,5

Ha : p1 ≠ p2 ≠ 0,5

Hasil pengumpulan data tersebut dapat disusun ke dalam Tabel berikut.

TABEL 5.2

KECENDERUNGAN MASYARAKAT DALAM

MEMILIH MOBIL UNTUK KELUARGA

Alternatif Pilihan Frekuensi yang memilih


Mobil jenis bensin 14
Mobil jenis solar 10
Jumlah 24

Dalam kasus ini jumlah sampel independen (N) = 24, karena yang memilih jenis
mobil bensin ada 14 dan diesel ada 10. Frekuensi terkecilnya (x) = 10. Berdasarkan
pada tabel IV lampiran dengan N = 24, x = 10, maka koefisisen binomialnya =
0,271. Bila taraf kesalahan ∝ ditetapkan 1% yang berarti = 0,01, maka ternyata
harga p sebesar 0,271 lebih besar dari 0,01 (0,271¿0,01), maka H 0 diterima dan
H a ditolak. Jadi kesimpulannya adalah kemungkinan masyarakat dalam memilih
dua jenis mobil adalah sama yaitu 50%.

14
4. Chi Kuadrat ( x 2)

Chi Kuadrat ( x 2) satu sampel adalah teknik statistik yang digunakan untuk
menguji hipotesis bila dalam populasi terdiri atas dua atau lebih klas dimana data
berbentuk nominal dan sampelnya besar.

Rumus dasar Chi Kuadrat adalah seperti Rumus 5.4 berikut

k
( f 0−f h )2
x 2= ∑
i=1 fh

Dimana:

x 2=¿ Chi Kuadrat

f 0=¿ Frekuensi yang diobservasi

f h=¿ Frekuensi yang diharapkan

Berikut ini dikemukakan Chi Kuadrat untuk menguji hipotesis deskriptif


(satu sampel) yang terdiri atas dua kategori dan tiga kategori/kelas.

Contoh 1 untuk dua kategori:

Telah dilakukan pengumpulan data untuk mengetahui bagaimana


kemungkinan rakyat dikabupaten Pringgondani dalam memilih dua calon Kepala
Desa. Calon yang satu adalah Wanita dan calon yang kedua adalah Pria. Sampel
sebagai sumber data diambil secara random sebanyak 300 orang. Dari sampel
tersebut ternyata 200 orang memilih pria dan 100 orang memilih wanita.

Hipotesis yang diajukan adalah:

H0 : Peluang calon pria dan wanita adalah sama untuk dapat dipilih menjadi
kepala desa.

H a : Peluang calon pria dan wanita adalah tidak sama untuk dapat dipilih menjadi
kepala desa.

15
Untuk dapat membuktikan hipotesis dengan Rumus 5.4 tersebut, maka data yang
terkumpul perlu disusun kedalam tabel seperti tabel 5.3 berikut:

TABEL 5.3

KECENDERUNGAN RAKYAT DIKABUPATEN

PRINGGODANI DALAM MEMILIH KEPALA DESA

Alternatif Calon Frekuensi yang Frekuensi yang


Kepala Desa diperoleh diharapkan
Calon Pria 200 150
Calon Wanita 100 150
Jumlah 300 300
Catatan: Jumlah frekuensi yang diharapkan adalah sama yaitu 50% : 50% dari
seluruh sampel.

Untuk dapat menghitung besarnya Chi Kuadrat ( x 2) dengan menggunakan Rumus


5.4, maka diperlukan tabel penolong seperti yang ditunjukkan pada Tabel 5.4
berikut.

TABEL 5.4

TABEL PENOLONG UNTUK MENGHITUNG CHI

KUADRAT DARI 300 ORANG SAMPEL

f 0 f h f 0−f h

( f 0−f h )2

(f 0−f h )2
Alt
fh
ernatif
pilihan
Pria 200 150 50 2500 16,67
Wanita 100 150 -50 2500 16,67
Jumlah 300 300 0 5000 33,33
Catatan: Di sini frekuensi yang diharapkan ( f h) untuk kelompok yang
memilih pria dan wanita = 50%. Jadi 50% x 300 = 150

16
Harga Chi Kuadrat dari perhiyungan dengan rumus 5.4 ditunjukkan pada tabel di
atas yakni jalur paling kanan yang besarnya 33,33.

Untuk dapat membuat keputusan tentang hipotesis yang diajukan diterima


atau ditolak, maka harga Chi Kuadrat tersebut perlu dibandingkan dengan Chi
Kuadrat tabel dengan dk dan taraf kesalahan tertentu. Dalam hal ini berlaku
ketentuan :

 Chi Kuadrat hitung lebih kecil (˂) dari tabel, maka H0 diterima.
 Chi Kuadrat hitung lebih besar atau sama dengan (≥) harga tabel maka
H0 ditolak.

Derajat kebebasan untuk Chi Kuadrat tidak tergantung pada jumlah individu
dalam sampel. Derajat kebebasan akan tergantung pada kebebasan dalam mengisi
kolom-kolom pada frekuensi yang diharapkan (fh) setelah disusun ke dalam tabel
berikut ini.

Kategori

I a m
II b n
(a+b) (m+n)

Dalam hal ini frekuensi yang diobservasikan (f 0) harus sama dengan


frekuensi yang diharapkan (fh). Jadi (a+b) = (m+n), dengan demikian kita
mempunyai kebebasan untuk menetapkan frekuensi yang diharapkan (f h) = (m+n).
Jadi kebebasan yang dimiliki tinggal satu yaitu kebebasan dalam menetapkan m
atau n. Jadi untuk model ini derajat kebebasannya (dk) = 1.

Berdasarkan dk = 1 dan taraf kesalahan yang kita tetapkan 5% mka harga


Chi Kuadrat tabel = 3,841. (Lihat tabel VI Lampiran). Ternyata harga Chi Kuadrat
hitung lebih besar dari tabel (33,33 > 3,841). Sesuai ketentuan kalau harga Chi
Kuadrat hitung lebih besar dari tabel, maka H0 ditolak fan Ha diterima. Jadi
kesimpulannya, hipotesis nol diajukan bahwa peluang pria dan wanita sama untuk
dipilih menjadi kepala desa di kabupaten itu ditolak. Hasil penelitian menunjukkan
bahwa masyarakat di kabupaten itu cenderung memilih menjadi Kepala Desa.

17
Contoh 2 untuk 4 kategoi/kelas :

Telah dilakukan penelitian untuk mengetahui bagaimana kemungkinan


beberapa warna mobil dipilih oleh masyarakat Madura. Berdasarkan pengamatan
selama 1 minggu terhadap mobil-mobil pibadi ditemukan 1000 berwarna biru, 900
berwarna merah, 600 berwarna putih, dan 500 berwarna yang lain.

H0 : Peluang masyarakat Madura untuk memilih empat warna mobil adalah sama

Ha : Peluang masyarakat Madura untuk memilih empat warna mobil tidak sama

Untuk menguji hipotesis tersebut di atas, maka data hasil pengamatan perlu
disusun ke dalam tabel penolong, seperti ditunjukkan pada Tabel 5.5 berikut.
Karena dalam penelitian ini terdiri 4 kategori, maka derajat kebebasannya adalah
(dk) = 4-1 = 3.

TABEL 5.5
FREKUENSI YANG DIPEROLEH DAN DIHARAPKAN DARI 3000
WARNA MOBIL YANG DIPILIH OLEH MASYARAKAT MADURA
Warna f0 fh f0-fh (f0-fh)2 (f0-fh)2/fh
Mobil
Biru 1.000 750 250 62.500 83,33
Merah 900 750 150 22.500 30,00
Putih 600 750 -150 22.500 30,00
Warna lain 500 750 -250 62.500 83,33
Jumlah 3000 3000 0 170.000 226,67

Catatan : Frekuensi yang diharapkan (fh) untuk setiap kategori adalah 3000 :
4 = 750

Berdasarkan dk = 3 dan kesalahan 5%, maka diperoleh harga Chi Kuadrat


Tabel = 7,815 (lihat Tabel VI Lampiran tentang Chi kuadrat). Ternyata harga Chi
Kuadrat hitung lebih besar dari harga Chi Kuadrat tabel (226,67 > 7,815). Karena
(x2) hitung > dari (x2) tabel, maka h0 ditolak dan ha diterima. Ini berarti peluang
masyarakat Madura untuk memilih empat warna mobil berbeda atau tidak sama.
Berdasarkan data sampel ternyata warna mobil biru yang mendapat peluang

18
tertinggi untuk dipilih masyarakat Madura. Ini juga berarti mobil warna biru yang
paling laku di masyarakat itu.

19
BAB III

PENUTUP

A. KESIMPULAN
Statistika Parametrik yaitu ilmu statistika yang mempertimbangkan
jenis  sebaran/distribusi data, yaitu apakah data menyebar normal atau tidak.
Pada umumnya, Jika data tidak menyebar normal, maka data harus
dikerjakan dengan metode Statistika non-parametrik, atau setidak2nya dilakukan
transformasi agar data mengikuti sebaran normal, sehingga bisa dikerjakan dg
statistika parametrik. Statistika parametrik juga adalah prosedur yang pengujian
yang dilakukan berlandaskan distribusi. Salah satu karakteristiknya penggunaan
prosedur ini melibatkan asumsi-asumsi tertentu. Contoh dari statistik parametrik
adalah analisis regresi, analisis korelasi, analisis varians.
Statistik Non-Parametrik adalah test yang modelnya tidak menetapkan
syarat-syaratnya yang mengenai parameter-parameter populasi yang merupakan
induk  sampel penelitiannya. Oleh karena itu observasi-observasi independent dan
variabel yang diteliti pada dasarnya memiliki kontinuitas. Uji metode non
parametrik atau bebas sebaran adalah prosedur pengujian hipotesa yang tidak
mengasumsikan pengetahuan apapun mengenai sebaran populasi yang
mendasarinya kecuali selama itu kontinu.
Pendeknya: Statistik Non-Parametrik adalah 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.

20
DAFTAR PUSTAKA

Sidney Siegel (1997). STATISTIK NONPARAMETRIK Untuk Ilmu-Ilmu


Sosial. Jakarta: Gramedia

21