‘’ TUGAS STATISTIKA’’

DISUSUN OLEH :

AFIFAH NUR
PO.71.4.241.15.1.001

POLTEKKES KEMENKES MAKASSAR

JURUSAN FISIOTERAPI
TAHUN AJARAN 2018

1. Statistik Deskriptif
 Statistik deskriptif adalah metode-metode yang berkaitan dengan pengumpulan
dan penyajian suatu gugus data sehingga menaksir kualitas data berupa jenis variabel,
ringkasan statistik (mean, median, modus, standar deviasi, etc), distribusi, dan
representasi bergambar (grafik), tanpa rumus probabilistik apapun (Walpole, 1993;
Correa-Prisant, 2000; Dodge, 2006).
2. Ukuran pemusatan
Ukuran pemusatan Data adalah sembarang ukuran yang menunjukkan pusat
segugus data, yang telah diurutkan dari yang terkecil sampai yang terbesar atau
sebaliknya dari yang terbesar sampai yang terkecil.Adapun yang termasuk ukuran
pemusatan yaitu mean,median,modus,dan ukuran letak.
Salah satu kegunaan dari ukuran pemusatan data adalah untuk membandingkan
dua ( populasi ) atau contoh, karena sangat sulit untuk membandingkan masing-
masing anggota dari masing-masing anggota populasi atau masing-masing anggota
data contoh.
3. Ukuran penyebaran
Ukuran Penyebaran Data adalah ukuran yang digunakan untuk menyatakan
sebaran atau variasi dari suatu kelompok data.
4. Uluran letak
Ukuran letak suatu rangkaian data adalah ukuran yang didasarkan pada letak
ukuran tersebut dalam suatu distribusi.Adapun yang termasuk ukuran lerak adalah
kuarti,desil,dan persentil.
5. Mean
Mean adalah teknik penjelasan kelompok yang didasarkan atas nilai rata-rata dari
kelompok tersebut. Rata-Rata (mean) ini didapat dengan menjumlahkan data seluruh
individu dalam kelompok itu, kemudian dibagi dengan jumlah individu yang ada pada
kelompok tersebut.
6. Median
a. Definisi
Median adalah salah satu teknik penjelasan kelompok yang didasarkan atas
nilai tengah dari kelompok data yang telah disusun urutannya dari yang terkecil
sampai yang terbesar, atau sebaliknya dari yang terbesar sampai yang terkecil.
b. Kelemahan dan kelebihan
Kelemahan :
 Tidak mempertimbangkan semua nilai data.
  Kurang menggambarkan rata-rata populasi.
 Peka terhadap penambahan jumlah data.

Kelebihan :

 Tidak dipengaruhi oleh data ekstrim.

 Dapat digunakan untuk data kualitatif maupun kuantitatif.
 Cocok untuk data heterogen.
7. Modus
a. Definisi
Modus adalah teknik penjelasan kelompok yang didasarkan atas nilai yang
sedang populer (yang sedang menjadi mode) atau nilai yang sering muncul dalam
kelompok tersebut.Mode atau modus adalah nilai variabel (atribut) yang memiliki
frekuensi tertinggi. Mode dapat dipakai terhadap data kuantitatif dan data
kualitatif.
b. Kelemahan dan kelebihan
Kelemahan :
 Modus tidak selalu ada dalam satu set data.
 Kadang dalam satu set data terdapat dua atau lebih modus. Jika hal itu terjadi
modus menjadi sulit digunakan.
 Kurang mempertimbangkan semua nilai.
 Peka terhadap penambahan jumlah data

Kelebihan

 Tidak dipengaruhi oleh data ekstrim.

 Cocok digunakan untuk data kuantitatif maupun kualitatif.

8. Range
a. Definisi
Range yang biasa diberi lambang R adalah salah satu ukuran statistik yang
menunjukkan jarak penyebaran antara skor (nilai) yang terendah (Lowest Score)
sampai skor (nilai) yang tertinggi (Highest Score). Rentang (range) atau disebut
juga dengan jangkauan adalah selisih antara data dengan nilai yang terbesar
dengan data denga nilai yang terkecil tersebut. Dengan singkat dapat dirumuskan
dengan

R = H-L
 Range kita gunakan sebagai ukuran apabila di dalam waktu yang sangat
singkat kita ingin memperoleh gambaran tentang penyebaran data yang sedang
kita selidiki dengan mengabaikan faktor ketelitian atau kecermatan.
b. Kelemahan dan kelebihan Range :
a. Kelebihan range sebagai suatu ukuran penyeabran data ialah dengan
menggunakan range dalam waktu singkat kita dapat memperoleh
gambaran umum mengenai luas penyebaran data yang sedang kita hadapi.
b. kelemahannya adalah sebagai berikut:
1) Range akan sangat bergantung pada nilai-nilai ekstrimnya. Dengan kata
lain besar-kecilnya range akan sangat ditentukan oleh nilai tertinggi
dan terendah yang terdapat dalam data distribusinya, dengan demikian
range sifatnya sangat labil dan kurang teliti.
2) Range sebagai ukuran penyebaran data tidak memperhatikan distribusi
yang terdapat dalam range itu sendiri, sehingga apabila yang diketahui
hanya nilai tertinggi dan terendahnya saja, kita tidak akan tahu nilai-
nilai yang didapat oleh setiap orangnya dari masing-masing tes yang
dilalui.
9. Simpangan baku
a. Definisi
Simpangan baku atau deviasi standar adalah ukuran sebaran statistik yang
paling lazim. Singkatnya, ia mengukur bagaimana nilai-nilai data tersebar. Bisa
juga didefinisikan sebagai, rata-rata jarak penyimpangan titik-titik data diukur dari
nilai rata-rata data tersebut.
Simpangan baku didefinisikan sebagai akar kuadrat varians. Simpangan baku
merupakan bilangan tak-negatif, dan memiliki satuan yang sama dengan data.
Misalnya jika suatu data diukur dalam satuan meter, maka simpangan baku juga
diukur dalam meter pula.
Dalam Statistik, wilayah data yang berada di antara +/- 1 simpangan baku
akan berkisar 68.2%, wilayah data yang berada di antara +/- 2 simpangan baku
akan berkisar 95.4%, dan wilayah data yang berada di antara +/- 3 simpangan
baku akan berkisar 99.7%,

b. Kekurangan dan kelebihan

 Sebagai ukuran untuk mengetahui variabilitas data sekaligus untuk
mengetahui homogenitas data. Jika deviasi rata-rata atau deviasi standar makin
besar, maka berarti semakin besar variabilitas datanya atau semakin kurang
homogen, dan sebaliknya.
10. Varians
Varians adalah ukuran seberapa tersebarnya data. Varians yang rendah
menandakan data yang berkelompok dekat satu sama lain. Varians yang tinggi
menandakan data yang lebih tersebar. Konsep ini memiliki banyak kegunaan di dalam
statistik. Misalnya, membandingkan varians dari dua kelompok data (seperti hasil dari
pasien laki-laki dan perempuan) adalah salah satu cara untuk menguji apakah sebuah
variabel memiliki efek yang dapat diamati. [1] Varians juga berguna saat membuat
model statistik, karena varians yang rendah menandakan data yang over-fitting
Rumus untuk varians sampel ini menjadi penting untuk dipelajari ketika seorang
peneliti ingin mengetahui keragaman data atau variasi data. Dilihat dari
pengertiannya. Varians data sampel adalah adanya data dari rata rata sampel yang
digunakan. Semakain kecil varians data yang kita miliki, maka artinya data tersebut
semakin tidak bervariasi. Sebaliknya semakin besar varians sebuah data maka
semakin bervariasi data tersebut. Adapun rumus varians adalahh :
 Keterangan dari rumus varians di atas yaitu :

11. Koefisien variasi

Koefisien variasi adalah "perbandingan antara simpangan baku dengan rata-rata
suatu data dan dinyatakan dalam %".
Koefisien variasi dirumuskan sebagai berikut :

KV = (S / x) . 100%

Keterangan :

KV = Koefisien variasi

S = Simpangan baku

x = Rata-rata

12. Standar error

Standar error adalah standar deviasi dari rata-rata. Bila kita mempunyai beberapa
kelompok data, misalnya tiga kelompok, maka kita akan mempunyai tiga buah nilai
rata-rata. Bila kita hitung nilai standar deviasi dari tiga buah nilai rata-rata tersebut,
maka nilai standar deviasi dari nilai rata-rata tersebut disebut nilai standar error.
Simbol standar error untuk sampel adalah SE.
13. Quartil
Kuartil adalah nilai yang membagi suatu data terurut menjadi empat bagian yang
sama. Kuartil dialmbangkan dengan Q . Jenis kuartil ada 3, yaitu kuartil pertama (Q1)
, kuartil kedua (Q2), dan kuartil ketiga (Q3).

14. Desil
Desil merupakan nilai yang membagi data menjadi sepuluh bagian sama besar.
Desil sering dilambangkan dengan D. jenis ada 9, yairu D1 , D2 , D3, ….,…,…,D9.
15. Persentil
Persentil merupakan nilai yang membagi data menjadi serratus bagian sama
besar. Persentil sering dilambangakan dengan P. jenis persentil ada 99, yaitu P1, P2,
P3 … P99.
16. Statistik inferensial
Statistika inferensial mencakup semua metode yang berhubungan dengan analisis
sebagian data (contoh ) atau juga sering disebut dengan sampel untuk kemudian
sampai pada peramalan atau penarikan kesimpulan mengenai keseluruhan data
induknya(populasi)
Dalam statistika inferensial diadakan pendugaan parameter, membuat hipotesis,
serta melakukan pengujian hipotesis tersebut sehingga sampai pada kesimpulan yang
berlaku umum.
17. Statistik parametrik
a. Definisi
Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis
sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak.
Dengan kata lain, data yang akan dianalisis menggunakan statistik parametrik
harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak menyebar
normal, maka data seharusnya dikerjakan dengan metode statistik non-
parametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar
data mengikuti sebaran normal, sehingga bisa dikerjakan dengan statistik
parametrik.
b. Syarat
 Data dengan skala interval dan rasio
 Distribusi normal
c. Kelebihan dan kekurangan statistik parametrik
 Kelebihan dari statistik parametrik adalah sebagai berikut.
1. Syarat-syarat parameter dari suatu populasi yang menjadi sampel biasanya
tidak diuji dan dianggap memenuhi syarat, Pengukuran terhadap data
dilakukan dengan kuat.
2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi
normal serta MemilIki varian yang homogeny.
Sedangkan kekurangan dari statistik parametrik adalah
1. Populasi harus memiliki varian yang sama.
2. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala
interval.
3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus
normal dan bervarian sama, dan harus merupakan kombinasi linear dari efek-
efek yang ditimbulkan.

18. Statistik non parametrik

a. Definisi
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.
b. Syarat
 Data berdistribusi tidak normal
 Data dalam skala ukur ordinal dan beberapa yang lain dapat diterapkan
untuk data dalam skala ukur nominal.
c. Kelebihan dan kelemahan
Statistik nonparametrik memiliki kelebihan dan kekurangan, adapun
keuntungan dari penggunaan prosedur-prosedur dari Statistik Non Parametrik
adalah sebagai berikut.
 Pernyataan kemungkinan yang diperoleh dari sebagian besar tes statistik non
parametrik adalah kemungkinan yang eksak. Dimana tes nonparametrik
 menggangap bahwa distribusi yang mendasarinya dalah kontinyu sama
dengan anggapan yang dibuat tes-tes parametrik.
 Terdapat tes-tes Statistik Non Parametrik untuk mengarap sampel-sampel
yang terdiri dari observasi-observasi dari beberapa populasi yang berlainan,
selain itu statistik non parametrik dapat digunakan pada sampel yang sifat
distribusinya tidak diketahui secara pasti.
 Tes- tes Statistik Non Parametrik dapat menggarap data yang berupa
rangking dan data yang skor-skornya sepintas memilkik kekuatan rangking.
Selain itu juga dapat menggarap data berupa klasifikasi semata yang diukur
dalam skala nominal.
 Tes-tes Statistik Non Parametrik lebih muda dipelajari dibandingkan dengan
Parametrik, dan juga memiliki kemungkinan untuk digunakan secara salah
juga kecil karena memerlukan asumsi dalam jumlah minimum.
Sedangkan kekurangan dari pengunaan prosedur-prosedur model Statistik Non
Parametrik adalah :
 Penggunaan Statistik Non Parametrik akan menjadi penghamburan data jika
data memenuhi syarat model statistik parametrik,
 Belum ada satu pun dalam metode Statistik Non Parametrik untuk mengukur
interaksi-interaksi dalam model analisis varian,
 Penggunanaan Statistik Non Parametrik memerlukan banyak tenaga serta
menjemukan.
19. Uji t
a. Definisi
Uji-t digunakan untuk menguji signifikansi dalam satu kelompok sampel (satu
rerata) atau dua kelompok sampel (dua rerata). Uji-t satu kelompok sampel
menggunakan One Sample t-test, Uji-t dua kelompok sampel dibedakan menjadi
dua, independent sample t-test dan dependent /paired t-test.
Uji t untuk satu sampel dalam istilah lain biasanya disebut dengan One Sample
t-test Method, merupakan prosedur uji t untuk sampel tunggal jika rata-rata suatu
variabel tunggal dibandingkan dengan suatu nilai konstanta tertentu. Uji t dipakai
jika jumlah data sampel di bawah 30.
Dependent sample t-test atau sering diistilakan dengan Paired Sampel t-Test,
adalah jenis uji statistika yang bertujuan untuk membandingkan rata-rata dua grup
yang saling berpasangan. Sampel berpasangan dapat diartikan sebagai sebuah
 sampel dengan subjek yang sama namun mengalami 2 perlakuan atau pengukuran
yang berbeda, yaitu pengukuran sebelum dan sesudah dilakukan sebuah treatment.
Independent sample t-test adalah jenis uji statistika yang bertujuan untuk
membandingkan rata-rata dua grup yang tidak saling berpasangan atau tidak
saling berkaitan. Tidak saling berpasangan dapat diartikan bahwa penelitian
dilakukan untuk dua subjek sampel yang berbeda.
b. Syarat
1. Syarat uji t satu sampel :
 Data merupakan data kuantitatif
 Memenuhi asumsi berdistribusi normal
2. Syarat uji t dependent :
 Data berdistribusi normal
 Kedua kelompok data adalah dependen (saling
berhubungan/berpasangan)
 Jenis data yang digunakan adalah numeric dan kategorik (dua
kelompok).
3. Syarat uji t independent :
 Data yang diuji adalah data kuantitatif (data interval dan data rasio)
 Data harus di uji normalitas dan hasilnya berdistribusi normal.
 Data harus sejenis (homogen)
 Uji ini dilakukan dengan jumlah data yang sedikit
c. Kekurangan dan kelebihan
Kekurangan :
Membuat kehilangan efek-efek tertentu jika saja level alpha lebih liberal. Karena
terlalu hati-hati, akan cenderung menyimpulkan bahwa tidak ada perbedaan
keefektifan antar program. Uji T tidak mengenal istilah Numerator dan
Denumerator, yang ada hanyalah nilai T pada Degree Of Freedom tertentu.
Misalnya pada Uji Paired T Test, Degree of Freedom sebesar jumlah observasi
pada kedua kelompok. Sedangkan pada Independen T Test, degree of freedom
adalah sebesar jumla hsampel.

Kelebihan :
Menguji bagaimana pengaruh masing-masing variabel bebasnya secara sendiri-
sendiri terhadap variabel terikatnya. Uji ini dapat dilakukan dengan
mambandingkan t hitung dengan t tabel atau dengan melihat kolom signifikansi
pada masing-masing t hitung, proses uji t identik denganUji F (lihat
 perhitungan SPSS pada Coefficient Regression Full Model/Enter). Atau bisa
diganti dengan Uji metode Stepwise.

20. Anova
a. Definisi
Anova adalah analisis yang digunakan untuk menguji perbedaan mean (rata-
rata) data lebih dari dua kelompok. Misalnya kita ingin mengetahui apakah ada
perbedaan rata-rata IQ antara siswa kelas SMP kelas I, II, dan kelas III. Ada dua
jenis Anova, yaitu analisis varian satu faktor (one way anova) dan analisis varian
dua faktor (two ways anova).
b. Syarat
 Data berskala minimal interval
 Varian antar kelompok harus homogen
 Data masing-masing kelompok berdistribusi normal

c. Kekurangan dan kelebihan

Kekurangan :
Tidak bias menunjukkan grup mana yang sesungguhnya berbeda. Tidak bias
digunakan untuk membandingkan banyak parameter untuk banyak grup (tidak
dapat digunakan untuk variable dengan banyak respon).

Kelebihan :
Metode penelitian yang paling akurat dalam melakukan eksperimen yang
berusaha membuktikan atau menolak hipotesis secara matematika dengan
menggunakan analisastatistik. Hal yang menonjol dari metode ini adalah adanya
variabel dan control grup (Shuttleworth, 2008). Kontrol adalah perlakuan yang
dijadikan sebagai standar (benchmark) untuk mengevaluasi efektifitas dari
perlakuan-perlakuan yang diberikan dalam eksperimen (Kuehl, 2000). Anova
digunakan sebagai alat analisis untuk menguj ihipotesis penelitian yang mana
menilai adakah perbedaan rerata antara kelompok. Hasil akhir dari analisis
ANOVA adalah nilai F test atau F hitung. Nilai F Hitung ini yang nantinya akan
dibandingkan dengan nilai pada tabel f. Jika nilai f hitung lebih dari f tabel, maka
dapat disimpulkan bahwa menerima H1 dan menolak H0 atau yang berarti ada
perbedaan bermakna rerata pada semua kelompok.
21. Korelasi pearson
a. Definisi
Korelasi Pearson adalah suatu bentuk rumus yang digunakan untuk mencari
hubungan antara dua variabel, yaitu variabel bebas atau independent
variable dan variabel terikat atau dependent variable. Di mana umumnya variabel
terikat diberi notasi Y dan variabel bebas diberi notasi X, di mana variabel bebas
ini merupakan pemberian dari hasil suatu pengamatan sehingga variabel bebas
tersebut tidak lagi Random atau acak. Untuk penelitian lebih lanjut perlu
dilakukan uji kerandoman data sampel.
b. Syarat
 Sampel diambil dengan teknik random (acak)
 Data yang akan diuji harus homogen
 Data yang akan diuji juga harus berdistribusi normal
 Data yang akan diuji bersifat linier

c. Kelebihan
Korelasi ini menghitung data apa adanya, tidak membuat ranking atas data yang
digunakan seperti pada korelasi Rank Spearman. Ketika kita memiliki data
numeric seperti nilai tukar rupiah, data rasio keuangan, tingkat pertumbuhan
ekonomi, data berat badan dan contoh data numeric lainnya, maka Korelasi
Pearson Product Moment cocok digunakan. 

22. Regresi linier sederhana dan berganda

a. Definisi
Regresi linier sederhana
Analisis regresi linier sederhana adalah hubungan secara linear antara satu
variabel independen (X) dengan variabel dependen (Y). Analisis ini untuk
mengetahui arah hubungan antara variabel independen dengan variabel dependen
apakah positif atau negatif dan untuk memprediksi nilai dari variabel dependen
apabila nilai variabel independen mengalami kenaikan atau penurunan.Data yang
digunakan biasanya berskala interval atau rasio.

Regresi linier berganda

 Regresi linear berganda atau disebut juga dengan multiple linear regression
adalah regresi linear dengan satu variabel terikat dan beberapa variabel bebas.

b. Syarat
Regresi linear sederhana :
 Data interval atau rasio,
 Linearitas,
 Normalitas,
 Heteroskedastisitas,
 Outlier,
 Autokorelasi (Hanya untuk data time series atau runtut waktu).

Regresi linear berganda :

 Data interval atau rasio,

 Linearitas,
 Normalitas,
 Heteroskedastisitas,
 Outlier,
 Multikollinearitas,
 Autokorelasi (Hanya untuk data time series atau runtut waktu).

c. Kekurangan dan kelebihan

Kekurangan :
Tidak mampu menunjukkan titik jenuh fungsi yang sedang diselidiki akibatnya
selalu timbul kemungkinan kesalahan prediksi.

Kelebihan :
Dengan menggunakan regresi lianer berganda maka dapat menganalisis dengan
menggunakan beberapa variabel bebas (X) sehingga hasil prediksi yang
didapatkan lebih akurat dibandingkan dengan regrasi linear sederhana yang hanya
menggunakan satu variabel bebas (X).

23. Uji wilcozon

a. Definisi
Uji wilcoxon digunakan untuk menganalisis hasil-hasil pengamatan yang
berpasangan dari dua data apakah berbeda atau tidak. Wilcoxon signed Rank test
ini digunakan hanya untuk data bertipe interval atau ratio, namun datanya tidak
mengikuti distribusi normal.
b. Syarat
  Variabel dependen berskala data ordinal atau interval/rasio tetapi
berdistribusi tidak normal. Oleh karenanya anda perlu melakukan uji
normalitas terlebih dahulu pada selisih antara kedua kelompok. Selisih yang
dimaksud adalah misal: nilai pretest atau sebelum pelajaran dikurangi nilai
posttest atau setelah pelajaran. Apabila memenuhi asumsi normalitas maka
sebaiknya menggunakan uji parametris yang sesuai yaitu uji paired t test.
Dan apabila tidak memenuhi maka uji Wilcoxon Signed Rank Test dapat
digunakan sebagai alternatif.
 Variabel independen terdiri dari 2 kategori yang bersifat berpasangan. Seperti
yang sudah dijelaskan di atas, berpasangan artinya subjek sebagai sumber
data adalah 1 individu atau observasi yang sama. Apabila subjeknya beda,
misal nilai ujian kelas A dan kelas B, maka uji yang tepat apabila memenuhi
asumsi normalitas adalah uji Independen T Test. Dan apabila tidak
memenuhi asumsi normalitas, maka uji yang tepat adalah Mann Whitney U
Test atau yang disebut juga Wilcoxon Rank Sum Test.
 Bentuk dan sebaran data antara kedua kelompok yang berpasangan adalah
simetris. Jika tidak memenuhi asumsi ini maka gunakanlah alternatif uji yang
lain, yaitu uji Sign Test.
c. Kekurangan dan kelebihan
Kekurangan :
Wilcoxon signed Rank test ini digunakan hanya untuk data bertipe interval atau
ratio, namun datanya tidak mengikuti distribusi normal.

Kelebihan :
menguji  kondisi  (variabel)  pada  sampel  yang berpasangan  atau  dapat  juga 
untuk  penelitian  sebelum  dan  sesudah.  Dalam  uji  ini ingin diketahui manakah
yang lebih besar dari antara pasangan.  Cara ini sekarang dinamakan uji Wilcoxon
atau Uji Ranking Bertanda Wilcoxon. Merupakan penyempurnaan dari uji tanda. 

24. Uji man whitney

a. Definisi
Mann Whitney U Test adalah uji non parametris yang digunakan untuk
mengetahui perbedaan median 2 kelompok bebas apabila skala data variabel
terikatnya adalah ordinal atau interval/ratio tetapi tidak berdistribusi normal.
Mann Whitney U Test disebut juga dengan Wilcoxon Rank Sum Test.
Merupakan pilihan uji non parametris apabila uji Independent T Test tidak dapat
 dilakukan oleh karena asumsi normalitas tidak terpenuhi. Tetapi meskipun bentuk
non parametris dari uji independent t test, uji Mann Whitney U Test tidak menguji
perbedaan Mean (rerata) dua kelompok seperti layaknya uji Independen T Test,
melainkan untuk menguji perbedaan Median (nilai tengah) dua kelompok.
b. Syarat
 Skala data variabel terikat adalah ordinal, interval atau rasio. Apabila skala
interval atau rasio, asumsi normalitas tidak terpenuhi. (Normalitas dapat
diketahui setelah uji normalitas).
 Data berasal dari 2 kelompok. (Apabila data berasal dari 3 kelompok atau
lebih, maka sebaiknya gunakan uji Kruskall Wallis).
 Variabel independen satu dengan yang lainnya, artinya data berasal dari
kelompok yang berbeda atau tidak berpasangan.
 Varians kedua kelompok sama atau homogen. (Karena distribusi tidak
normal, maka uji homogenitas yang tepat dilakukan adalah uji Levene’s Test.
Di mana uji Fisher F diperuntukkan bila asumsi normalitas terpenuhi).
c. Kekurangan dan kelebihan
Kekurangan :
Analisisnya tidak berdasarkan pada nilai datanya langsung tetapi pada peringkat
dari datanya. Jika analisisnya didasarkan pada peringkatdari datanya bukan dari
nilai datanya langsung, maka adain formasi yang dikandung oleh data yang tidak
dilibatkan dalam analisis.

Kelebihan :
Metode ini dapat diterapkan terhadap data yang diukur dengan skala ordinal dan
dalam kasus tertentu, dengan skala nominal. Pengujian non parametric bermanfaat
untuk digunakan apabila sampelnya kecil dan lebih mudah dihitung dari pada
metode parametrik. Metode nonparametric juga digunakan secara luas guna
mengenalisis data di bidang ilmu sosial (Supranto dalam Sriwidadi Teguh, 2011:
752).Uji  Mann-Whitney adalah uji terkuat yang digunakan sebagai alternative uji
parametrik T test. Uji test Mann- Whitney ini digunakan unutuk menguji hipotesis
komparatif dua sampelin dependen bila datanya berbentuk ordinal.

25. Uji mc nemar

a. Definisi
Uji McNemar merupakan salah satu alat statistik nonparametrik yang
digunakan untuk menguji perbedaan dua sampel berpasangan (anggita sampel
 yang sama), bentuk skala data yang digunakan yaitu skala nominal atau dikotomi.
Pada umumnya uji McNemar ini dugunakan untuk mengukur sebelum dan
sesudah diberikan suatu perlakuan pada sampel tersebut, bentuk isian data hanya
ada dua pilihan yaitu "Ya" atau "Tidak", "suka" atau "tidak suka", "Berminat" atau
"tidak berminat" dan lain sebagainya, bentuk isiannya di berikan pengkodean dari
masing-masing pemilihan yaitu 1 atau 2, contoh: 1=Ya, dan 2= tidak.
b. Syarat
 Data nominal dan ordinal
 Dapat digunakan untuk variabel dikotomi
 Dua sampel berhubungan dengan tipe “sebelum dan sesudah”
c. Kelebihan
- Rancangan penilaian berbentuk pre-post
- Untuk signifikansi perubahan yang dapat diterapkan teristimewa terhadap
rancangan – rancangan sebelum dan sesudah dimana setiap orang digunakan
sebagai pengontrol dirinya sendiri dan kekuatan pengukurannya adalah skala
nominal atau ordinal.
26. Uji kruskal wallis
a. Definisi
Uji Kruskal Wallis adalah uji nonparametrik berbasis peringkat yang
tujuannya untuk menentukan adakah perbedaan signifikan secara statistik antara
dua atau lebih kelompok variabel independen pada variabel dependen yang
berskala data numerik (interval/rasio) dan skala ordinal.
b. Syarat
Syarat untuk memilih uji ini yaitu:
 Data merupakan sampel acak
 Skala data minimal ordinal
 Kedua sampel saling bebas
c. Kekurangan dan kelebihan
Kekurangan ;
Uji Kruskal-Wallis digunakan ketika asumsi ANOVA tidak terpenuhi. ANOVA
adalah teknik analisis data statistik yang digunakan ketika kelompok-kelompok
variabel bebas lebih dari dua. Pada ANOVA, kita asumsikan bahwa distribusi dari
masing-masing kelompok harus terdistribusi secara normal. Dalam ujiKruskal-
Wallis, tidak diperlukan asumsi tersebut, sehingga ujiKruskal-Wallis adalah uji
 distribusi bebas. Jika asumsi normalitas terpenuhi, maka uji Kruskal-Wallis tidak
sekuat ANOVA

Kelebihan :
Uji kruskal wallish merupakan uji alternative untuk uji F dan uji one way Anova
untuk pengujian kesamaan beberapa nilai Tengah dan analisis ragam yang dapat
kita gunakan jika asumsi kenormalan tidak terpenuhi.Kruskall Wallis dapat
digunakan pada lebih dari 2 kelompok misal 3, 4 atau lebih.

27. Uji friedman

a. Definisi
Uji friedman adalah metode non parametrik yang digunakan untuk untuk
mengetahui perbedaan lebih dari dua kelompok sampel yang saling berhubungan.
data yang dianalisis adalah data ordinal, sehingga jika data berbentuk interval atau
ratio sebaiknya dirubah dulu ke bentuk ordinal.
b. Syarat
 Data berbentuk peringkat
 Data tidak harus mengikuti distribusi normal
 Variabel terikat minimal berskala ordinal.skala data rasi/interval juga dapat
dilakukan uji friedman,bila syarat untuk melakukan uji parametrik dengan
repated ANOVA tidak terpenuhi.
 Menguji lebih dari 2 kelompok yang berpasangan

28. Korelasi spearmen

a. Definisi
Uji korelasi Spearman adalah uji statistik yang ditujukan untuk mengetahui
hubungan antara dua atau lebih variabel berskala Ordinal.
b. Syarat
 Data tidak berdistribusi normal.
 Data diukur dalam skala Ordinal
 Mencari hubungan antara dua variabel ( Untuk melihat kuat lemahnya
hubungan dan arah hubungan antara dua variabel )
 Sampel > 30
29. Chisquare test
 a. Definisi
Chi Square adalah suatu ukuran menyangkut perbedaan yang terdapat di
antara frekwensi pengamatan dengan frekwensi teoritis/frekwensi harapan yang
dinyatakan dengan simbol  . Statistik nomparametrik yang digunakan untuk
menanalisis data yang berupa frekwensi atau persentase serta yang berbentu
prporsi yang bisa dikonversi menjadi persentase. Chi square digunakan untuk
membandingkan frekwensi yang muncul pada kategori  atau kelompok berbeda.
Dikenal dua kategori, yaitu; true categoryadalah apabila orang atau objek bersifat
bebas pada setiap penelitian (laki-laki dan perempuan),
dan artificial category yakni kategori yang secara operasional diartikan sebagai
peneliti itu sendiri. Contohnya, mencari hubungan antara gender dengan
keterampilan membaca pada sekolah A. Karena adanya variabel nominal (gender
dan keterampilan membaca), maka data tersebut dianalisis dengan statistik
nonparametrik dengan menggunakan teknik chi square.

b. Syarat
 Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual
Count (F0) sebesar 0 (Nol).
 Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja
yang memiliki frekuensi harapan atau disebut juga expected count (“Fh”)
kurang dari 5.
 Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell dengan
frekuensi harapan yang kurang dari 5 tidak boleh lebih dari 20%.
30. Regresi logistik
a. Definisi
Regresi logistik merupakan salah satu jenis regresi yang menghubungkan
antara satu atau beberapa variabel independen (variabel bebas) dengan variabel
dependen yang berupa kategori; biasanya 0 dan 1. Jenis variabel independen
berupa kategori inilah yang membedakan regresi logistik dengan regresi berganda
atau regresi linear lainnya.
b. Syarat
 variabel bebas berskala Interval /Rasio, sedangkan variabel terikat berskala
Nominal dengan nilai 1 dan 0.
 Berbasis distribusi chi-square sehingga tak memerlukan persyaratan
normalitas data.
c. Kekurangan dan kelebihan
 Walaupun analisis diskriminan dapat menganalisis variabel dependen yang
bersifat nonmetrik, regresi logistik juga memiliki dua alasan mengapa variabel
dependen berpasangan. Pertama analisis diskriminan mempercayakan dengan
pertemuan asumsi kewajaran multivariat dan kesamaan matriks varian-kovarian
jarak asumsi kelompok dimana tidak akan ditemukan dalam semua situasi.Regresi
logistik tidak menggambarkan secara jelas sebuah asumsi dan lebih kuatketika
asumsi tidak mencukupi, membuat aplikasi secara tetap dalam banyak situasi.
Kedua ketika asumsi tidak mencukupi, banyak peneliti lebihmenggunakan regresi
logistik karena hampir mirip dengan regresi berganda.Regresi logistik merupakan
pilihan nilai yang lebih baik. Masalah penelitianyang muncul kategori variabel
dependen sederhana dan beberapa variabeldependen metrik atau nonmetrik.
Kelebihan relatif atas kemampuan jarak yang fleksibel sesuai dengan aturan
peneliti, mendapatkan ketahanan dari asumsi yangmendasari dan hubungan regresi
berganda untuk interpretasi tujuan. Hasilnyaakan memberikan implikasi luas
terhadap bidang akademisi dan praktisi.