ANALITIK NON PARAMETRIK

UJI HUBUNGAN ( RANK SPARMAN)

OLEH KELOMPOK 1 :

1. ARI CENDANI PRABAWATI ( 17.321.2658 )

2. GDE DIPTA DHIATMIKA (17.321.2663)
3. KOMANG AYU RATIH PURBANIGRUM (17.321.2675)
4. NI KADEK ERNI WIDJAYANTI (17.321.2683)
5. NI KETUT YULIANA ( 17.321.2686 )
6. NI MADE AYU PRIYASTINI ( 17.321.2695 )
7. NI PUTU AYU WISMAYA DEWI ( 17.321.9698 )
8. NI PUTU MERRY TASIA SURYAWAN ( 17.321.2702 )
9. NI WAYAN YUNA PRATIWI ( 17.321.2705 )

PROGRAM STUDI ILMU KEPERAWATAN

SEKOLAH TINGGI ILMU KESEHATAN WIRA MEDIKA BALI
TAHUN AJARAN 2020
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Dalam penelitian, sering kali kita ingin menegtahui ada tidaknya hubungan
diantara table variable yang kita amati atau yang ingin mengtahui seberapa besar derajat
keeratan hubungan diantara table variable tersebut. Analisis korelasi merupakan studi
yang membahas tentang derajat keeratan hubungan antara dua atau lebih table
pengamatan.
Dalam statistic parametric ukuran derajat keeratan hubungan diantara dua table
yang paling dikenal adalah koefisien Moment Product atau Koefisien Hasil Kali Perason.
Penerapakan konsep kerelasi pearson menuntut bahwa table pengamatan minimal diukur
dalam skala interval. Disamping itu, didalam pengujiannya diperlukan anggapan bahwa
populasi darimana samplediambil merupakan populasi yang normal. Apabila skala
pengukuran interval dan rasio tidak tercapai dapat diterapkan ukuran derajat hubungan
(korelasi) dalam metode non parametric.
Pada statistik parametrik, pengujian hipotesis (uji parametric) atau aturan
pengambilan keputusan dipengaruhi oleh asumsi-asumsi tertentu. Misalnya, distribusi
probabilitas untuk pengambilan sampel dan bentuk varians. Asumsi untuk distribusi
misalnya distribusi normal, binomial, distribusi F , dan distribusi student t. asumsi untuk
bentuk varians misalnya memiliki varians yang homogeny, seperti pada regresi dan
korelasi. Asumsi-asumsi tersebut tidak diuji lagi dan dianggap sudah terpenuhi.
Namun dalam prakteknya, situasi yang sering muncul tidak memenuhi asumsi
yang dimaksud. Oleh karena itu, digunakan statistic nonparametric. Jadi, statistic
nonparametric merupakan alternative dalam memecahkan masalah, seperti pengujian
hipotesisn atau pengambilan keputusan apabila statistic parametric tidak dapat
dipergunakan.
1.2 Rumusan Masalah
1. Apa Yang Dimaksud Dengan Analitik Non Parametik?

1.3 Tujuan
1. Untuk mengetahui tentang analitik non parametik
 BAB II
PEMBAHASAN

2.1 Pengertian Dan Penggunaan Statistik Non Parametrik

Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan
bentuk sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-
parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan
ordinal yang umumnya tidak berdistribusi normal. Statistik non parametrik adalah
statistik yang ditidak mendasarkan pada parameter-parameter statistik. 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 mendasarkan pada distribusi data tertentu.
Statistik nonparametrik termasuk salah satu bagian dari statistik onferensi atau
statistik induktif dan disebut juga statistik bebas distribusi. Statistik nonparametrik
adalah bagian statistik yang tidak memerlukan asumsi-asumsi tertentu, misalnya
mengenai bentuk distribusi dan hipiotesis-hipotesis yang berkaitan dengan nilai-nilai
parameter tertentu. Statistik nonparametrik digunakan apabila :
a. Sampel yang digunakan memiliki ukuran yang kecil.
b. Data yang digunakan bersifat ordinal, yaitu data-data yang bisa disusun dalam
urutan atau klasifikasi rangkingnya.
c. Data yang digunakan bersifat nominal yaitu data-data yang dapat diklasifikasikan
dalam katagori dalam hitung dan frekuensinya.
d. Bentuk distribusi populasi dan tempat pengambilan sampel tidak diketahui
menyebar secara normal.
e. Ingin menyelesaikan masalah statistic secara cepat tanpa menggunakan alat
hitung.
2.2 Keunggulan Dan Kekurangan Statistik Non Parametrik
1. Keunggulan statistic non parametric diantaranya:
a. Asumsi dalam uji-uji statistik nonparametrik relatif lebih longgar. Jika
pengujian data menunjukkan bahwa salah satu atau beberapa asumsi yang
mendasari uji statistik parametrik. (misalnya mengenai sifat distribusi data)
tidak terpenuhi, maka statistik nonparametrik lebih sesuai diterapkan
dibandingkan statistic parametrik.
b. Perhitungan-perhitungannya dapat dilaksanakan dengan cepat dan mudah,
sehingga hasil penelitian segera dapat disampaikan.
c. Untuk memahami konsep-konsep dan metode-metodenya tidak memerlukan
dasar matematika serta statistika yang mendalam.
d. Uji-uji pada statistik nonparametrik dapat diterapkan jika kita menghadapi
keterbatasan data yang tersedia, misalnya jika data telah diukur menggunakan
skala pengukuran yang lemah (nominal atau ordinal).
e. Efisiensi statistik nonparametrik lebih tinggi dibandingkan dengan metode
parametrik untuk jumlah sampel yang sedikit.
2. Kekurangan statistik non parametric diantaranya :
Disamping keunggulan, statistik nonparametrik juga memiliki keterbatasan.
Beberapa keterbatasan statistik nonparametrik antara lain:
a. Jika asumsi uji statistik parametrik terpenuhi, penggunaan uji nonparametrik
meskipun lebih cepat dan sederhana, akan menyebabkan pemborosan informasi.
b. Jika jumlah sampel besar, tingkat efisiensi nonparametrik relatif lebih rendah
dibandingkan dengan metode parametrik

2.3 Pengujian Hipotesis Statik Non Parametrik

Pengujian hipotesis statistik nonparametrik pada dasarnya sama dengan pengujian
hipotesis statistik parametrik. Asumsi yang digunakan pada pengujian hipotesis
statistik nonparametrik hanyalah bahwa observasi-observasi independen dan variabel
yang diteliti memiliki kontinuitas. Asumsi bahwa variabel yang diteliti memiliki
kontinuitas yang diperlukan dalam uji parametrik, namun dalam uji non parametrik
 asumsi tersebut lebih longgar. Langkah-langkah pengujian hipotesis statistik
nonparametrik ialah sebagai berikut :
a. Menentukan formulasi hipotesis
b. Menentukan taraf nyata dan nilai table
c. Menentukan criteria pengujian
d. Menetukan nilai uji statistic
e. Membuat kesimpulan

2.4 Uji Hubungan (Rank spearman)

Korelasi rank spearman digunakan untuk menganalisis hubungan antara variabel
dengan skala ordinal atau variabel dengan data interval yang tidak berdistribusi
normal (fungsinya sperti uji korelasi product moment). Oleh karena itu uji ini tidak
senssitif terhadap nilai ekstrim. Koefisien korelasi spearman merupakan statistik
nonparametrik. Statistik ini merupakan suatu ukuran asosiasi atau hubungan yang
dapat digunakan pada kondisi satu atau kedua variabel yang diukur adalah skala
ordinal (berbentuk ranking) atau kedua variabel adalah kuantitatif namun kondisi
normal tidak terpenuhi. Simbol ukuran populasinya adalah ρ dan ukuran sampelnya
rs. Formula rs untuk korelasi Spearman adalah sebagai berikut:

Pembuatan ranking dapat dimulai dari nilai terkecil atau nilai terbesar tergantung
permasalahannya. Bila ada data yang nilainya sama, maka pembuatan ranking didasarkan
pada nilai rata-rata dari ranking-ranking data tersebut. Apabila proporsi angka yang sama
tidak besar, maka formula diatas masih bisa digunakan. Namun apabila proporsi angka yang
sama cukup besar, maka dapat digunakan suatu faktor koreksi dan formula menjadi seperti
berikut ini:
contoh:

Seorang manager produksi ingin mengetahui apakah ada hubungan antara nilai tes bakat
(aptitude test) pada waktu penerimaan kerja dengan rating tampilannya setelah satu semester
bekerja. Nilai aptitude test berkisar antara 0 sampai 100. Sedangkan rating tampilan
mempunyai skala sebagai berikut:

1 = pekerja berpenampilan sangat dibawah rata-rata

2 = pekerja berpenampilan dibawah rata-rata

3 = pekerja berpenampilan sedang (rata-rata)

4 = pekerja berpenampilan diatas rata-rata

5 = pekerja berpenampilan sangat diatas rata-rata

 BAB III

PENUTUP

3.1 Kesimpulan

Pengujian hipotesis statistik nonparametrik pada dasarnya sama dengan pengujian

hipotesis statistik parametrik. Asumsi yang digunakan pada pengujian hipotesis statistik
nonparametrik hanyalah bahwa observasi-observasi independen dan variabel yang diteliti
memiliki kontinuitas. Asumsi bahwa variabel yang diteliti memiliki kontinuitas yang
diperlukan dalam uji parametrik, namun dalam uji non parametrik asumsi tersebut lebih
longgar.

3.2 Saran
Dari hasil pembahasan diatas, maka disarankan agar mahasiswa dapat memanfaatkan
informasi yang diberikan secara baik.
 DAFTAR PUSTAKA

Sukawana, I Wayan. 2008. Pengantar Statistik untuk Perawat. Denpasar. Jurusan Keperawatan
Poltekkes Denpasar
Sugiarto, Dergibson Siagian, 2016, Metode Statistika Untuk Bisnis dan Ekonomi. Gramedia
Utama : Jakarta.

Statistika, (2018) kar. J. Supranto, jilid 1 chap.6 edisi keenam halaman 126-145.

Ronald E Walpole, (2015). Pengantar Statistika, Edisi Terjemahan, PT Gramedia : Jakarta.