MAKALAH BIOSTATISTIK

UJI WILCOXON

OLEH :

KELOMPOK 1 (B12C)

1. ANAK AGUNG ARI WIRASTUTI (193223162)

2. ANAK AGUNG DEWI UNTARI (193223163)
3. ANAK AGUNG PUTRI DIARI (193223164)
4. DEWA AYU MADE DWI WAHYUNI (193223165)
5. I DEWA NYOMAN ALIT YUDI PRAMANA P (193223168)

PROGRAM STUDI S1 ILMU KEPERAWATAN

STIKES WIRA MEDIKA PPNI BALI
2020

1
 BAB I
PENDAHULUAN

A. Latar Belakang Masalah

Dalam terminologi ilmu statistika, terdapat statistik parametrik dan

nonparametrik 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 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

2
 BAB II

PEMBAHASAN

1. Statistik Nonparametrik

Statistik nonparametik merupakan bagian statistik yang parameter

populasinya atau datanya tidak mengikuti suatu distribusi tertentu atau
memiliki distribusi yang bebas dari persyaratan dan variansnya tidak
perlu homogen.Statistika nonparametik biasanya digunakan untuk
melakukan analisis pada data berjenis nominal atau ordinal.1

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.2

2. Ciri-Ciri Statistik  Nonparametrik

Statistik Nonparametrik

3
 1. Data tidak berdistribusi normal 
2. Umumnya data berskala nominal dan ordinal
3. Umumnya dilakukan pada penelitian sosial
4. Umumnya jumlah sampel kecil 

3. Metode – Metode Statistika Nonparametik

Metode statistik non parametrik :

a. Uji tanda (sign test)

Uji tanda digunakan untuk membandingkan data yang berpasangan.

Adapun syarat-syarat pada uji tanda yang harus dipenuhi, yaitu:

1. Pasangan hasil pengamatan yang sedang dibandingkan bersifat

independent
2. Masing-masing pengamatan dalam tiap pasang terjadi karena
pengaruh kondisi yang serupa.
3. Pasangan yang berlainan terjadi karena kondisi yang berbeda.3

Rumus Uji Tanda ½  ( n – 1 ) – K 

Uji t untuk satu variable/sampel

Uji ini digunakan untuk mengetahui kebenaran pernyataan atau

dugaan yang dihipotesiskan oleh sipeneliti. Uji t untuk satu variabel
dibagi kedalam dua kategori, yaitu:4

1. Uji – t untuk satu variable dengan satu arah kiri atau knan ( One Tail
)
2. Uji – t untuk satu variable dengan dua arah ( two tail )

Rumus yang dapat diigunakan dalam melakukan Uji t ini adalah:

3

4
 x−μ ˳
t=
s̸ √ n

di mana:

x = Rata-rata hasil pengambilan data

µ˳ = Nilai yang dihipotesiskan

𝑠 = Standar deviasi sampel

𝑛 = Jumlah sampel

1) Uji – t untuk satu variable dengan satu arah ( kiri )

Penelitian ini uji satu pihak, yaitu pihak kiri yang digunakan, bila
rumusan hipotesis Ho menyatakan paling kecil, paling sedikit dan
paling rendah atau sama dengan, tandanya ( ¿ ) maka untuk
rumusan hipotesis alternatifnya ( Ha ) dinyatakan dengan bunyi
kalimat kebalikan dari Ho, misalnya paling besar, paling tinggi
paling banyak dengan tanda ( ≤ ).5

Prosedur Uji – t

a) Membuat hipotesis dengan uraian kalimat

Ho : pernyataan atau dugaan yang menyatakan nilai paling
rendah atau sama
dengan Dari suatu objek penelitian.
Ha : pernyataan yang menyatakan nilai paling tinggi maksimum
dari objek
Penelitian.
b) Membuat hipotesis dalam bentuk model statistic
Ho :µ≥ µ ˳ Di mana:
µ : nilai dugaan
µ˳ : objek penelitian
c) Menentukan syarat signifikan ( α )
d) Kaidah pengujian

5
 Ho diterima, jika - ttabel (α ,n-1 )≤ thitung’
Ho tolak, jika - ttabel (α ,n-1 )> thitung’
e) Menghitung thitung dan ttabel
(1)Tahapan menghitung nilai thitung
(a) Membuat table penolong

Responden X1 x (X1 - x)2

1 ….. ….. ……
2 …… ….. …..
3 …… ….. …..
. ….. …… …..
N

(b)Menentukan nilai rata-rata pengamatan

Rumus :
Ʃ Xi
x= n
di mana:
X1 = hasil pengamatan
n = jumlah pengamatan
(c) Menentukan nilai standar deviasi sampel
Rumus:
√ Ʃ [ X 1−x ] ❑2
s=
n−1
di mana:
x : rata-rata pengamatan
(d)Menentukan nilai thitung
Rumus:

x−μ ˳
t=
s̸ √ n

(2)Menentukan nilai ttabel

Nilai ttabeldicari pada tabel distribusi – t dengan ketentuan: db = n
– 1, sehingga ttabel (α , db)

CONTOH :

6
 Dekan Fakultas Sains dan Tekhnologi Universitas “UIN” menduga
bahwa kualitas mengajar dosen statistic paling tinggi 70 % dari nilai
idealnya. Untuk membuktikan dugaan tersebut dilakukan
penyebaran kuesioner dengan mengambil sampel 20 orang
mahasiswa untuk mengisi kuesioner dengan jujur dan adil sesuai
dengan kualitas dan professional dosen ketika mengajar. Jumlah
pertanyaan yang diajukan dalam kuesioner ada 10 pertanyaan,
instrumen penelitian kualitas mengajar diberi skala : (5) = sangat
baik, ( 4 ) baik, ( 3 ) cukup, ( 2 ) kurang baik, ( 1 ) sangat tidak baik.
Taraf signifikan 𝜶 = 5%

Data total hasil jawaban setiap mahasiswa diperoleh sebagai berikut:

40 35 40 36 32 39 40 32 33 38 40 40
37 37

34 40 40 40 40 39

Langkah-langkah menjawab:

1) Menghitung nilai idealnya

Nilai idealnya = 10 x 4 x 20 = 800
Rata-rata nilai idealnya = 800/20 = 40
Jadi, 70% dari nilai rata-rata idealnya = 0,7 x 40 = 28 atau ( µ˳ ) =
28
2) Membuat hipotesis penelitian
Hipotesis penelitian dibuat dalam uraian kalimat berdasarkan dari
dugaan bahwa kualiatas mengajar dosen statistic paling tinggi 70%.
Ho : kualitas mengajar dosen statistik paling rendah atau sama
dengan 70% dari nilai
Rata-rata idealnya
Ha : kualitas mengajar dosen statistik paling tinggi 70% dari rata-
rata nilai idealnya

7
3) Membuat hipotesis dalam model statistik
Ho : µ ≥ 28
Ha : µ < 28
4) Menentukan risiko kesalahan ( taraf signifikan )
Pada kasus ini = 5%
5) Kaidah pengujian
Jika: - ttabel(α ,n-1 )<thitung, maka Ho diterima dan Ha diterima
6) Menghitung thitungdab ttabel
a) Tahapan menentukan nilai thitung
( 1 ) membuat tabel penolong

No Xi x (X1- x)2 No Xi x (X1- x)2

1 40 37.6 5.76 11 38 37.6 0.16
2 35 37.6 6.76 12 40 37.6 5.76
3 40 37.6 5.76 13 40 37.6 5.76
4 36 37.6 2.56 14 37 37.6 0.36
5 39 37.6 1.96 15 37 37.6 0.36
6 32 37.6 31.36 16 34 37.6 12.96
7 39 37.6 1.96 17 40 37.6 5.76
8 40 37.6 5.76 18 40 37.6 5.76
9 32 37.6 31.36 19 40 37.6 5.76
10 33 37.6 21.16 20 40 37.6 5.76
ƩXi = 752 ƩXi = 162.8

( 2 ) menentukan nilai rata-rata pengamatan

Rumus:

Ʃ Xi
x= n
Ʃ Xi 752
x= n
= 20
= 37,6
( 3 ) menghitung nilai standar deviasi ( s )
Rumus:

√ Ʃ [ X i−x ] ❑2
s=
n−1

8
 =√ ¿ ¿ ¿

162,8
=√ =2,9272
19

( 4 ) menghitung thitung
Rumus:
x−μ ˳ 37,6−28 9,6
t= = =
s̸ √ n 2,9272̸ √ 20 2,9272̸ 4,47

9,6
= =14,7
0,6545
b) Menghitung ttabel ( 𝜶)
Dengan taraf signifikan 𝜶 = 0.05. kemudian dicari nilai ttabelpada
tabel distribusi – t dengan ketentuan: db = n – 1, db = 20 – 1 =
19.
Sehingga ttabel (𝜶, db ) = t( 0.05, 19) = 1,729

9
7) Membandingkan ttabel dan thitung
ttabel ( 𝜶 ) = 1.729 dan thitung= 14.7
ternyata: ttabel ( 𝜶 )< thitung= - 1.729 < 14.7 maka Ho diterima.

8) Kesimpulannya: karena ttabel< thitungmaka Ho diterima dan Ha ditolak

dengan demikian kualitas mengajar dosenstatistik paling rendah
atau sama dengan 70% dari nilai rata-rata idealnya.

10
 daerah penolakan Ho daerah penerimaan Ho

;’..;

- 1,729 - 14,7

2) Uji Satu Arah Pihak Kanan

Penelitian uji satu pihak yaitu pihak kanan, bila rummusan hipotesis Ho
dinyatakan paling besar, paling banyak dan aling tinnggi dengan tanda
( ≤ )nmaka rumusan hipotesis alternatifnya (Ha) dinyatakan dengan
bunyi kkalimat kebalikan darai Ho, misalnya palling kecil, paling rendah,
paling sedikit dengan tanda ( > ).6

CONTOH

Dekan Fakultas Sains dan Tekhnologi Universitas “UIN” menduga

bahwa kualitas mengajar dosen statistic paling rendah 80 % dari nilai
idealnya. Untuk membuktikan dugaan tersebut dilakukan penyebaran
kuesioner dengan mengambil sampel 20 orang mehasiswa untuk
mengisi kuesioner dengan jujur dan adil sesuai dengan kualitas dan
professional dosen ketika mengajar. Jumlah pertanyaan yang diajukan
dalam kuesioner ada 10 pertanyaan, instrumen penelitian kualitas
mengajar diberi skala : ( 5 ) = sangat baik, ( 4 ) baik, ( 3 ) cukup, ( 2 )
kurang baik, ( 1 ) sangat tidak baik. Taraf signifikan 𝜶 = 5%

Data total hasil jawaban setiap mahasiswa diperoleh sebagai berikut:

11
40 35 40 36 32 39 40 32 33 38 40 40
37 37

34 40 40 40 40 39

Langkah-langkah menjawab:

1) Menghitung nilai idealnya

Nilai idealnya = 10 x 4 x 20 = 800
Rata-rata nilai idealnya = 800/20 = 40
Jadi, 80% dari nilai rata-rata idealnya = 0,8 x 40 = 32 atau ( µ˳ ) =
32
2) Membuat hipotesis ( Ha dan Ho ) dalam uraian kalimat
Ho : kualitas mengajar dosen statistik paling tinggi atau sama
dengan 80% dari nilai
Rata-rata idealnya
Ha : kualitas mengajar dosen statistik paling rendah 80% dari rata-
rata nilai idealnya
3) Membuat hipotesis dalam model statistik
Ho : µ ≤ 32
Ha : µ > 32
4) Menentukan risiko kesalahan ( taraf signifikan )
Pada kasus ini = 5%
5) Kaidah pengujian
Jika: - ttabel(α ,n-1 )<thitung, maka Ho diterima
Jika: - ttabel(α ,n-1 )≥ thitung, maka tolak Ho
6) Menghitung thitung dab ttabel
a) Tahapan menentukan nilai thitung
( 1 ) membuat tabel penolong

No Xi x (X1- x)2 No Xi x (X1- x)2

1 40 37.6 5.76 11 38 37.6 0.16
2 35 37.6 6.76 12 40 37.6 5.76
3 40 37.6 5.76 13 40 37.6 5.76
4 36 37.6 2.56 14 37 37.6 0.36
5 39 37.6 1.96 15 37 37.6 0.36
6 32 37.6 31.36 16 34 37.6 12.96

12
 7 39 37.6 1.96 17 40 37.6 5.76
8 40 37.6 5.76 18 40 37.6 5.76
9 32 37.6 31.36 19 40 37.6 5.76
10 33 37.6 21.16 20 40 37.6 5.76
ƩXi = 752 ƩXi = 162.8

( 2 ) menentukan nilai rata-rata pengamatan

Rumus:

Ʃ Xi
x= n
Ʃ Xi 752
x= n
= 20
= 37,6
( 3 ) menghitung nilai standar deviasi ( s )
Rumus:
Ʃ [ X i−x ] ❑2
s= √
n−1
=√ ¿ ¿ ¿

162,8
=√ =2,9272
19

( 4 ) menghitung thitung
Rumus:
x−μ ˳ 37,6−32 5,6
t= = =
s̸ √ n 2,9272̸ √ 20 2,9272/4.47

5.6
= =8.6
0,6545

b) Menghitung ttabel ( 𝜶)
Dengan taraf signifikan 𝜶 = 0.05. kemudian dicari nilai ttabelpada
tabel distribusi – t dengan ketentuan: db = n – 1, db = 20 – 1 =
19.
Sehingga ttabel (𝜶, db ) = t( 0.05, 19) = 1,729

13
 7) Membandingkan ttabel dan thitung
ttabel ( 𝜶 ) = 1.729 dan thitung= 8.6
ternyata: ttabel ( 𝜶 )< thitung = - 1.729 < 8.6 sehingga Ho ditolak.

9) Kesimpulannya: karena ttabel< thitungmaka Ho diterima dengan

demikian kualitas mengajar dosenstatistik paling rendah atau sama
dengan 80% dari nilai rata-rata idealnya.

daerah penerimaan Ho daerah

penolakanHo

;;.;’. …

-1.729
8.6

3) Uji – T Untuk Satu Variabel Dengan Dua Arah

Uji dua arah ( two tail ), bila rumusan null hipotesys Ho dinyatakan
dengan kalimat sama dengan ( = ) maka rumusan Ha harus dinyatakan
dengan bunyi kalimat tidak sama dengan ( =).7

Prosedur uji statistiknya sama denngan uji satu arah ( pihak kiri )

CONTOH

Dekan Fakultas Sains dan Tekhnologi Universitas “UIN” menduga bahwa

kualitas mengajar dosen statistic sama dengan 90 % dari nilai idealnya.

14
Untuk membuktikan dugaan tersebut dilakukan penyebaran kuesioner
dengan mengambil sampel 20 orang mehasiswa untuk mengisi kuesioner
dengan jujur dan adil sesuai dengan kualitas dan professional dosen
ketika mengajar. Jumlah pertanyaan yang diajukan dalam kuesioner ada
10 pertanyaan, instrumen penelitian kualitas mengajar diberi skala : ( 5 )
= sangat baik, ( 4 ) baik, ( 3 ) cukup, ( 2 ) kurang baik, ( 1 ) sangat tidak
baik. Taraf signifikan 𝜶 = 5%

Data total hasil jawaban setiap mahasiswa diperoleh sebagai berikut:

40 35 40 36 32 39 40 32 33 38 40 40
37 37

34 40 40 40 40 39

Langkah-langkah menjawab:

1) Menghitung nilai idealnya

Nilai idealnya = 10 x 4 x 20 = 800
Rata-rata nilai idealnya = 800/20 = 40
Jadi, 90% dari nilai rata-rata idealnya = 0,9 x 40 = 36 atau ( µ˳ ) =
36
2) Membuat hipotesis ( Ha dan Ho ) dalam uraian kalimat
Ho : kualitas mengajar dosen statistik sama dengan 90% dari nilai
Rata-rata idealnya
Ha : kualitas mengajar dosen statistik tidak sama dengan 90% dari
rata-rata nilai idealnya
3) Membuat hipotesis dalam model statistik
Ho : µ ≤ 36
Ha : µ > 36
4) Menentukan risiko kesalahan ( taraf signifikan )
Pada kasus ini = 5%
5) Kaidah pengujian
Jika: - ttabel≤thitung≤ttabel (𝜶 /2)’ maka Ho diterima

15
 Jika: - ttabel ,>ttabel (𝜶 /2) maka Ho ditolak
6) Menghitung thitung dab ttabel
c) Tahapan menentukan nilai thitung
( 1 ) membuat tabel penolong

No Xi x (X1- x)2 No Xi x (X1- x)2

1 40 37.6 5.76 11 38 37.6 0.16
2 35 37.6 6.76 12 40 37.6 5.76
3 40 37.6 5.76 13 40 37.6 5.76
4 36 37.6 2.56 14 37 37.6 0.36
5 39 37.6 1.96 15 37 37.6 0.36
6 32 37.6 31.36 16 34 37.6 12.96
7 39 37.6 1.96 17 40 37.6 5.76
8 40 37.6 5.76 18 40 37.6 5.76
9 32 37.6 31.36 19 40 37.6 5.76
10 33 37.6 21.16 20 40 37.6 5.76
ƩXi = 752 ƩXi = 162.8

( 2 ) menentukan nilai rata-rata pengamatan

Rumus:

Ʃ Xi
x= n
Ʃ Xi 752
x= n
= 20

= 37,6
( 3 ) menghitung nilai standar deviasi ( s )
Rumus:

Ʃ [ X 1−x ] ❑2
s= √
n−1
=√ ¿ ¿ ¿

162,8
=√ =2,9272
19

( 4 ) menghitung thitung
Rumus:

16
 x−μ ˳ 37,6−36 1.6
t= = =
s̸ √ n 2,9272̸ √ 20 2,9272̸ 4.47

1.6
= =2.5
0,6545
d) Menghitung ttabel ( 𝜶)
Dengan taraf signifikan 𝜶 = 0.05/2 = 0.025 (dua sisi). kemudian
dicari nilai ttabelpada tabel distribusi – t dengan ketentuan: db = n
– 1, db = 20 – 1 = 19.
Sehingga ttabel (𝜶, db ) = t( 0.025, 19) = 2,093

7) Membandingkan ttabel dan thitung

ttabel ( 𝜶 ) = 2.093 dan thitung= 2.5
ternyata: ttabel ( 𝜶 )< thitung= - 2.093 < 2.5 > 2.093 sehingga Ho
ditolak.
8) Kesimpulannya: karena ttabel< thitungmaka Ho ditolak dengan demikian
kualitas mengajar dosenstatistik sama dengan 90% dari nilai rata-
rata idealnya.

daerah penolakan Ho daerah penerimaan Ho daerah

penolakanHo

…..; ;;.;’. …

- 2.093 -2.093 2.5

b. Uji Wilcoxon ( Wilcoxon Test )

17
 Wilcoxon test merupakan pengembangan dari The Sign Test,
ketelitian hasil analisis Wilcoxon Test dibandingkan The Sign Test adalah
tidak hanya bias menunjukkan arah perbedaan tetapi juga menunjukkan
perbedaan antara kelompok-kelompok yang dibandingkan. Prosedur
pembangunan rumusan ini menurut HJohn W. best, disarankan untuk
mengikuti langkah-langkah berikut:8

1) Mencari besarnya d yang menunjukkan selisih skor antara

pasangan-pasangan yang diberi perlakuan eksperimen dan
perlakuan control, harus ada saatu d untuk setiap satu pasang skor.
2) Jejak atau rangking d tanpa mengindahkan tandanya (+ ataupun -),
dengan memberikan jenjang kesatu untuk selisih seterusnya,
jumlah jenjang harus sama dengan jumlah pasangan.

3) Untuk setiap jenjang diberi tanda perbedaan plus ( + ) atau minus

( - ).
4) Jumlahkan jenjang untuk perbedaan plus sama dengan jumlah
jenjang minus. Jika jumlah jenjang plus sama dengan jumlah jenjang
minus, hal ini dapat disimpulakan bahwa tidak adaa perbedaan
antara dua kelompok.

Yang perlu diperhtikan adalah, jika skor suatu pasangan tertentu ternyata
sama, maka pasangan itu dibuang. Dalam formulasi rumus Wilcoxon Test
terdapat tanda T ini adalah tanda untuk jumlah rangking yang berkonotasi
+ atau – yang paling sedikit ( minoritas ).

Adapun formulasi rumusnya adalah sebagai berikut:

N ( N +1)
Z=T–
4

N ( N + 1)(2 N +1)
√ 24
rumus 17 c: tes wilcoxon

18
Keterangan:

N : jumlah pasangan yang dijenjangkan

T : jumlah jenjang minoritas yang tandanya sama

CONTOH PERHITUNGAN:

Suatu penelitian hendak mengetahui ada tidaknya perbedaan berformansi

13 pasangan anak berdasarkan tingkat kecerdasannaya (IQ), pasangan
tersebut dipisahkan, yang satu diberi latihan dengan metode A dan yang
satunya lagi diberi latihan dengan metode B, setelah latihan selesai kedua
pasangan tersebut diberi tes keterampilan. Dalam persoalan ini peneliti
mengemukakan hipotesis nihil sebagai berikut:

“ tidak ada perbedaan keterampilan kedua pasangan sampel pada tingkat

signifikansi o,o5%”.

Data Hasil Tes Keterampilan Anak Yang Ber-Iq Sama Yang Dilatih
Dengan Metode A Dan Metode B

Pasangan Metode A Metode B d Jenjang d

A 70 80 +10 11
B 62 69 +7 8
C 85 90 +5 6
D 70 68 -2 2
E 54 58 +4 4.5
F 49 58 +9 10
G 80 74 -6 7
H 87 87 0 0
I 79 80 +1 1
J 90 93 +3 3
K 64 75 +11 12
L 75 79 +4 4.5
M 81 89 +8 9

19
Dari tabel diatas ternyata ada pasangan yang memiliki skor keterampilan
sama , yaitu pasangan h dengan skor 87, oleh karenanya pasangan ini
diibuang tidak dimasukkan dalam perhitungan. Sehingga jumlah
pasangan (N) tinggal 12. Sedangkan jumlah jenjang minoritas (T) yang
memiliki tanda sama (-) yaitu pada jenjang 2 dan jenjang 7, sehingga T =
2 + 7 = 9. Selanjutnya dilakukan analisis tes wilcoxon, sebagai berikut:

N ( N +1)
Z = T-
4

N ( N + 1)(2 N +1)
√ 24

12(12+ 1)
Z =9-
4

12(13)(2(12)+1)
√ 24

156
Z = 9-
4

3900
√ 24

9−39
Z=
√162.5
−30
Z=
12.74

Z = -2.35

Tes signifikansi Tes Wilcoxon menggunakan harga kritik Z, untuk tes dua
ekor pada tingkat signifikansi 0.05% atau pada taraf kepercayaan 95%
diperoleh harga Z sebesar – 1.96. jika harga kritik ini dibandingkan
dengan harga Z perhitungan (-2.35), ternyata harga Z terhitung jauh lebih
besar dari pada harga kritiknya, oleh karenanya hipotesis nihil yang
diajukan ditolak pada taraf signifikansi 0.05%. sehingga dengan demikian
hipotesis alternatifnya diterima, dan peneliti dalam hal ini dapat membuat
kesimpulan, bahwa ada perbedaan tingkat keterampilan antara anak
yang mempunyai IQ sama, setelah dilatih dengan mengunakan metode

20
 yang berbeda. Yaitu metode A dan metode B, atau dengan antara lain,
bahwa metode pelatihan mempunyai pengaruh secara signifikan terhadap
tingkat keterampilan anak.

4. Keunggulan dan Kelemahan Statistik Nonparametrik

        

a) Keunggulan
1. Tidak membutuhkan asumsi normalitas.
2. 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.
3. Statistik non-parametrik dapat digantikan data numerik (nominal)
dengan jenjang (ordinal).
4.  Kadang-kadang pada statistik non-parametrik tidak dibutuhkan
urutan atau jenjang secara formal karena sering dijumpai hasil
pengamatan yang dinyatakan dalam data kualitatif.
5. Pengujian hipotesis pada statistik non-parametrik dilakukan secara
langsung pada pengamatan yang nyata.
6. Walaupun pada statistik non-parametrik tidak terikat pada distribusi
normal populasi, tetapi dapat digunakan pada populasi berdistribusi
normal.9

b) Kelemahan :
1. Statistik non-parametrik terkadang mengabaikan beberapa
informasi tertentu.
2. Hasil pengujian hipotesis dengan statistik non-parametrik tidak
setajam statistik parametrik.
3. 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.10

21
 BAB III

PENUTUP

1. Kesimpulan

Statistika non 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

22
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. 

DAFTAR PUSTAKA

Siregar Syofian, 2010. Statistika Deskriptif Untuk Penelitian, Jakarta :

PT. Raja Grafindo Persada

Soepeno Bambang, 1997. Statistik Terapan, Jakarta : PT. Rineka

Citra

Sudijono, Anas, 1987. Pengantar  statistic pendidikan, Jakarta:

Rajawali Pers

Sudjana, 1992. Metode Statistika, Bandung: Tarsito

W.W. Daniel, 1978. Statistika Non Parametrik Terapan, Jakarta: PT.

Gramedia

23
24