Nama : Ervina Agmarita

NIM : 18080694030

Kelas : Ak 2018 B

Resume Statistika II

Non-Parametrik

Statistik Non-Parametrik

Statistik non-parametrik, yaitu statistik tanpa distribusi (terlepas dari apakah normal atau
tidak, parameter tidak perlu didistribusikan dalam bentuk keseluruhan). Selain itu, statistik non
parametrik biasanya menggunakan standar pengukuran sosial yaitu standar nominal dan ordinal,
dan biasanya tidak menunjukkan distribusi yang normal.

Syarat penggunaan statistik non-parametrik:

 Distribusi data tidak normal

 Skala yang digunakan nominal dan ordinal
 Digunakan pada penelitian sosial
 Jumlahnya cenderung kecil

Motode statistik non-parametrik:

 Sign test
 Wilcoxon
 Spearman
 Fisher Probability Exact Tesr
 Chi-square

Keunggulan dan kelemahan statistik non-parametrik:

 Keunggunan
 o Tidak diperlukan normalitas.
o Dibandingkan dengan statistik parametrik, metode statistik non parametrik lebih
mudah digunakan dan dipahami, karena tidak memerlukan perhitungan
matematika yang rumit seperti statistik parametrik.
o Statistik non-parametrik dapat diganti dengan data digital level (standar)
(nominal).
o Tidak diperlukan urutan atau peringkat formal, karena biasanya ditemukan bahwa
pengamatan diwakili oleh data kualitatif.
o Pengujian hipotesis statistik non parametrik dilakukan langsung pada observasi
nyata.Meskipun statistik non-parametrik tidak bergantung pada populasi
berdistribusi normal, namun statistik non parametrik dapat digunakan pada
populasi berdistribusi normal.
 Kelemahan
o Statistik non-parametrik terkadang mengabaikan beberapa informasi.
o Hasilnya tidak sejelas analisis menggunakan statistil parametrik
o Hasilnya tidak dapat diekstrapolasi ke populasi penelitian karena merupakan
statistik parameter. Ini karena metode statistik non-parametrik adalah eksperimen
pada sejumlah kecil sampel, dan biasanya membandingkan dua kelompok tertentu

Uji Chi-Square

Uji chi-square merupakan uji goodness-of-fit, artinya uji tersebut dapat digunakan untuk
menguji apakah terdapat kesesuaian yang benar antara jumlah atau frekuensi objek yang diamati
dengan frekuensi objek yang diharapkan pada setiap kategori.

Teknik ini merupakan goodness of fit, yaitu tes dapat digunakan untuk menguji apakah
terdapat perbedaan yang signifikan antara jumlah objek yang diamati atau jawaban yang masuk
ke dalam setiap kategori (berdasarkan nilai yang diharapkan dari Ho).

Apabila kita memiliki hipotesis tentang populasi yang menyatakan kemungkinan bahwa
sampel observasi akan masuk ke dalam setiap kategori yang ada. Pengamatan dalam sampel
digunakan untuk menguji hipotesis. Jika jumlah nilai sampel di setiap kategori mendekati nilai
yang diharapkan dalam hipotesis, fakta ini dapat mendukung hipotesis tersebut. Dalam hal ini,
kita dapat mengatakan bahwa data tersebut sangat dekat dengan nilai yang dipasang dalam
distribusi probabilitas populasi hipotetis.

Jika hipotesis nol benar, yaitu ada kecocokan / korespondensi antara nilai yang diamati
dan nilai yang diharapkan, dan ukuran sampel cukup besar (jika setiap nilai yang diharapkan
setidaknya 5, perkiraan ini akan berfungsi dengan baik), maka variabel acak akan mengikuti
kartu Distribusi kuadrat (chi-square). Pengujian hipotesis nol dan hipotesis alternatif
menunjukkan bahwa kebalikannya adalah kemungkinan tingkat kesalahan α salah.

Keterbatasan Metode Chi-Kuadrat

 Tes ini peka terhadap jumlah sampel yang digunakan. Jika nilai frekuensi yang
diharapkan dalam sel tabel kontingensi kurang dari 5, akurasi pengujian ini akan
berkurang. Jika frekuensi yang diharapkan kurang dari 5, yang menyumbang lebih dari
20% dari total, atau nilai frekuensi yang diharapkan kurang dari 1, frekuensi tersebut
tidak dapat digunakan meskipun pengujian ini digunakan. Hal ini menunjukkan bahwa
pengujian tersebut sesuai untuk ukuran sampel yang cukup besar, tetapi tidak untuk
sampel yang besar. Efektif untuk sampel kecil. Ada beberapa metode alternatif untuk
mengatasi masalah ini.
 Uji chi-square hanya memberikan informasi tentang apakah terdapat hubungan antara
kedua variabel. Pengujian tersebut tidak memberikan informasi tentang seberapa besar
hubungan yang ada antara kedua variabel dan ke arah mana hubungan tersebut. Oleh
karena itu, diperlukan alat analisis sebagai informasi tambahan untuk mendukung analisis
dengan menggunakan uji chi-square. Untuk mengetahui seberapa besar hubungan ini,
Anda dapat menggunakan peluang dan risiko relatif.
 Uji chi-square hanya berlaku untuk ukuran data nominal dari dua variabel yang diuji. Jika
skala kedua variabel sudah sesuai, pengujian sulit digunakan. Uji chi-square bergantung
pada bilangan marjinal, bukan pada urutan baris dan kolom.

Uji Z

Uji mean populasi Z adalah uji statistik yang digunakan untuk menentukan apakah mean
populasi sama atau kurang dari mean tertentu berdasarkan asumsi yang telah ditentukan. Berikut
syarat-syarat yang harus dipenuhi untuk melakukan Uji Z:
  Sampel yang digunakan dalam pengujian adalah sampel acak sederhana.
 Varian populasi diketahui
 Sampel berasal dari kelompok sampel yang berdistribusi normal, atau ukuran sampel
(jumlah) sangat besar (biasanya, ukuran sampel yang cukup besar lebih dari 30 sering
digunakan).

Dalam uji yang dilakukan diperlukan adanya hipotesis, penentuan hipotesis merupakan
langkah awal sebelum uji dilakukan. Hipotesis yang digunakan umumnya adalah hipotesis dua
arah dan satu arah.

 Hipotesis uji 1 arah

 Hipotesis uji 2 arah

 Statistik uji

Tabel Kontingensi

Tabel kontingensi adalah tabel yang digunakan untuk mengukur hubungan (korelasi)
antara dua variabel kategorik, dimana tabel tersebut merangkum frekuensi observasi bersama
pada setiap kategori variabel. Misalkan sampel diklasifikasikan silang menurut dua atribut dalam
tabel ukuran I x J, di mana I adalah kategori variabel X, dan J adalah kategori variabel Y. Jual di
tabel merupakan kemungkinan terjadinya IJ.

Analisis Data Peringkat

Uji Median

Uji median umunya digunakan untuk menganalisis perbedaan mean dari dua atau lebih
kelompok independen, dengan kata lain, apakah dua atau lebih sampel independen berasal dari
suatu populasi dengan median yang sama atau dari populasi yang sama. Data yang digunakan
setidaknya berurutan.

 Uji Median 2 Sampel Independent

H0 adalah kedua sampel berasal dari suatu populasi dengan median yang sama.
H1 merupakan median dua populasi berbeda atau median satu populasi lebih besar dari
median populasi lain. Jika H0 benar, maka sekitar setengah dari skor di setiap kelompok
berada di atas median gabungan dan separuh lainnya berada di bawah median gabungan.

Tahapan :

a. Tentukan median gabungan, yang merupakan median dari semua skor di dua
sampel
b. Pisahkan skor masing-masing kelompok sesuai median kombinasi dan masukkan
frekuensi
c. Jika terdapat nilai dengan skor sama dengan gabungan median:
i. Terdapat beberapa kasus dimana skor sama dengan gabungan median dan
n besar, nilai tersebut tidak dapat digunakan dalam analisis.
ii. Skor sama dengan median gabungan dapat dibelah dua menjadi skor di
atas median dan skor di bawah median
d. Jika n≤20 menggunakan tes pasti Fisher (tabel Fisher hanya berlaku untuk n≤15),
tes Fisher akan dibahas dalam pertemuan tertulis lainnya. Jika n> 20, gunakan uji
chi-square dengan koreksi kontinuitas
 Uji Median K Sampel

Tes ini dapat digunakan untuk menentukan apakah k kelompok independen

berasal dari populasi yang sama atau populasi dengan median yang sama. Data yang
digunakan setidaknya berurutan. Tes median yang diperpanjang ini pada dasarnya adalah
 uji chi-square dari k sampel. Frekuensi yang ada dimasukkan ke dalam tabel kontingensi
2 x k (frekuensi yang diharapkan harus ≥5). Prosesnya mirip dengan tes median 2 sampel.

Uji Peringkat Bertanda Wilcoxon

Tes ini digunakan untuk menguji kondisi (variabel) dalam sampel berpasangan, dan juga
dapat digunakan sebelum dan sesudah penelitian. Dalam tes ini, kami ingin tahu mana yang lebih
hebat dari mitra. Metode ini sekarang disebut tes Wilcoxon atau tes peringkat tanda tangan
Wilcoxon. Ini merupakan perbaikan dari tes simbol. Uji Wilcoxon hampir sama dengan uji
Tanda, tetapi selisih antara bilangan positif dan negatif dihitung dan digunakan untuk menguji
hipotesis perbandingan dua sampel berpasangan. Saat menentukan selisih mean populasi, uji
Wilcoxon lebih sensitif dibandingkan uji tanda, sehingga akan dibahas secara mendalam.
Apabila sampel berpasangan yang akan diuji lebih dari 25 maka dianggap mendekati distribusi
data normal, distribusi dianggap mendekati distribusi normal. Oleh karena itu, Z digunakan
sebagai uji statistik.

a. Asumsi
a. Data berpasangan dan berasal dari populasi yang sama
b. Pasangan dipilih secara acak dan independen
c. Skala pengukuran adalah urutan terkecil, dan tidak diperlukan asumsi normal
b. Langkah Pengujian
a. Menurut besarnya selisih, tingkat (level) setiap perbedaan dalam sepasang
pengamatan (yi-xi) diberikan dari yang terkecil sampai yang terbesar, terlepas
dari tanda perbedaannya (selisih mutlak)
b. Jika ada dua atau lebih perbedaan yang identik, tingkat setiap perbedaan adalah
tingkat rata-rata Bergantung pada tanda perbedaannya, tambahkan tanda positif
atau negatif untuk setiap perbedaan di tangga. Tidak memperhatikan perbedaan 0
c. Tambahkan semua level yang ditandai sebagai positif atau negatif, tergantung
mana yang memberikan angka yang lebih rendah setelah elipsis
d. Jumlah level yang lebih kecil ini diwakili oleh T Bandingkan nilai T yang
diperoleh dengan nilai uji t Wilcoxon

Uji Spearman
 Uji korelasi Spearman adalah uji statistik yang dirancang untuk menentukan hubungan
(secara berurutan) antara dua variabel atau lebih. Kecuali Spearman, D.A. de Vaus menunjukkan
bahwa tes terkait yang mirip dengannya adalah Kendall-Tau. Hipotesis uji korelasi Spearman
adalah: (1) data tidak berdistribusi normal; (2) data diukur pada skala ordinal.

a. Langkah Pengujian
a. Tambahkan skor item di setiap variabel untuk mendapatkan skor total variabel
(misalnya, temukan skor total X dengan menjumlahkan item variabel X).
b. Beri peringkat skor total x (rx), dan beri peringkat skor total y (ry).
c. Tentukan nilai d, yang merupakan selisih antara rx-ry.
d. Temukan nilai dari d2, yang merupakan kuadrat dari d (selisih antara rx-ry)

Uji Kruskal Wallis

Analisis varian satu arah berdasarkan peringkat Kruskal-Wallis adalah teknik non-
parametrik yang digunakan untuk menguji hipotesis nol, yang menunjukkan bahwa beberapa
sampel telah diambil dari populasi yang sama atau sama. Dibandingkan dengan tes median, tes
Kruskal-Wallis menggunakan lebih banyak informasi. Uji Kruskal-Wallis juga mengasumsikan
bahwa perbedaan populasi k adalah sama, tetapi populasi k tetap terdistribusi dan memiliki
bentuk yang sama.

a. Asumsi-asumsi
a. Data yang digunakan untuk analisis terdiri dari k sampel acak ukuran n1, n2, ...,
nk
b. Pengamatan gratis di dalam dan di antara sampel
c. Variabel yang diamati kontinu
d. Skala yang digunakan minimal ordinal
e. Populasinya sama, kecuali dalam kasus setidaknya satu lokasi di mana
populasinya mungkin berbeda.
b. Langkah Pengujian
a. Perhatikan urutan (pangkat) pengamatan yij dari kecil ke besar, dan gantikan
pengamatan yij dengan pangkat Rij
b. Hitung banyaknya level untuk setiap perlakuan yaitu Ri. Untuk i = 1, 2, ..., a
c. Hitung uji statistik

d. Nilai statistik uji yang diperoleh kemudian dibandingkan dengan tabel kruskal
wallis khusus. bisa didownload disini. Tapi ada beberapa penelitimengatakan
bahwa jika nilai per kelompok >= 5, nilai H tabel dapat didekati dengan tabel
chisquare dengan derajat bebas df = a - 1.