MAKALAH STATISTIKA

STATISTIK NON PARAMETRIK dan UJI CHI SQUARE (X KUADRAT)

Disusun Oleh :

Anisa Atika Putri (4193220011)

Kiki Imelda Sirait (4193220012)

Rangga Adinata (4193220013)

Tessa Togatorop (4193520022)

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI MEDAN

2021
 KATA PENGANTAR

Dengan memanjatkan puji syukur kehadirat Tuhan Yang Maha Esa atas berkat dan
rahmatNya, sehingga kami dapat menyelesaikan makalah ini tepat pada waktunya. Makalah
berjudul statistik non parametrik, uji chi square (X kuadrat) ini disusun untuk memenuhi
tugas mata kuliah Statistika.

kami mengucapkan terima kasih kepada pihak–pihak yang telah mendukung dan
memberikan bimbingan dalam penyusunan makalah ini. Kami menyadari bahwa dalam
penulisan makalah ini masih terdapat banyak kesalahan dan kekurangan. kami dengan senang
hati menerima kritik dan saran yang bersifat membangun demi kesempurnaan makalah ini.

Semoga hasil dari penyusunan makalah ini dapat bermanfaat. Akhir kata melalui
kesempatan ini kami mengucapkan terima kasih.

Medan, April 2021

Kelompok 6
 BAB I

Pendahuluan

Macam-Macam Uji Non-Parametrik

 Uji Tanda Berpasangan

Uji tanda adalah uji nonparametrik yang digunakan pada situasi dimana data tidak
dianggap normal atau datanya bersifat ordinal. Asumsinya adalah distribusinya bersifat
binomial. Binomial artinya dua nilai. Nilai ini dilambangkan dengan tanda, yaitu positif (+)
dan negative(-).Uji ini sangat baik apabila syarat-syarat berikut dipenuhi :

a. Pasangan hasil pengamatan yang sedang dibandingkan bersifat independen

b. Masing-masing pengamatan dalam tiap pasang terjadi karena pengaruh kondisi yang
serupa
c. Pasangan yang berlainan terjadi karena kondisi yang berbeda

Uji dilakukan pada 2 sampel terpisah (independen)

 Tanda (+) → data pada sampel 1 > pasangannya sampel 2

 Tanda (–) → data pada sampel 1 < pasangannya sampel 2
 Tanda Nol (0) → data pada sampel 1 = pasangannya sampel 2
Tanda Nol tidak digunakan dalam perhitungan

SUKSES tergantung dari apa yang ditanyakan (ingin diuji) dalam soal.

 Jika yang ingin diuji sampel 1 > sampel 2 maka SUKSES adalah banyak tanda (+)
  Jika yang ingin diuji sampel 1 < sampel 2 maka SUKSES adalah banyak tanda (–)

Contoh :

Berikut adalah nilai preferensi konsumen terhadap 2 Merk Sabun Mandi. Dengan
taraf nyata 1%, ujilah apakah proporsi preferensi konsumen pada kedua merk bernilai sama?

 Uji Wilcoxon

Uji ini merupakan perbaikan dari uji tanda yang dijelaskan dalam bagian yang lalu. Dalam
uji Wilcoxon , bukan saja tanda yang diperhatikan tetapi juga nilai selisih (X − Y). Caranya
adalah sebagai berikut :

a. Beri nomor urut untuk setiap harga mutlak selisih (Xi − Yi). Harga mutlak yang terkecil
diberi nomor urut atau peringkat 1, harga mutlak selisih berikutnya diberi nomor urut 2,
dan akhirnya harga mutlak terbesar diberi nomor urut n. Jika terdapat selisih yang harga
mutlaknya sama besar, untuk nomor urut diambil rata-ratanya.
b. Untuk nomor urut berikan pula tanda yang didapat dari selisih (X − Y)
 c. Hitunglah jumlah nomor urut yang bertanda positif dan juga jumlah nomor urut yang
bertanda negatif.
d. Untuk jumlah nomor urut yang didapat di c, ambillah jumlah yang harga mutlaknya
paling kecil. Sebutlah jumlah ini sama dengan J, jumlah J inilah yang dipakai untuk
menguji hipotesis :
Ho : tidak ada perbedaan pengaruh kedua perlakuan
Hi : terdapat perbedaan pengaruh kedua perlakuan

Prinsip pengerjaannnya sama dengan Uji Peringkat 2 Sampel Mann-Whitney, hanya fokus kini
dialihkan sampel dengan ukuran terkecil. Notasi yang digunakan :

Contoh :

Berikut adalah data pendapatan di 2 kelompok pekerja

  Uji Korelasi Peringkat Spearman

Dua uji terakhir (Mann-Whitney dan Wilcoxon) ditujukan untuk 2 sampel yang saling bebas
(independen), sedangkan Uji Peringkat Spearman ditujukan untuk penetapan peringkat data
berpasangan. Konsep dan interpretasi nilai Korelasi Spearman (Rs) sama dengan konsep
Koefisien Korelasi pada Regresi (Linier Sederhana).

Peringkat diberikan tergantung kategori penilaian. Jika ada item yang dinilai ber-
peringkat sama, maka penetapan peringkat seperti dalam Mann-Whitney dapat dilakukan (ambil
rata-rata peringkatnya!)
Contoh :

Dua orang pakar (ahli) diminta memberikan peringkat kinerja pada 10 Bank di Indonesia.
Peringkat diberikan mulai dari bank terbaik = peringkat 1 sedang yang terburuk diberi peringkat
10. Hasilnya disajikan dalam Tabel 4.

Tabel 4. Hasil peringkat 10 Bank oleh 2 Pakar

Dengan taraf nyata 5% ujilah apakah apa korelasi antara peringkat yang diberikan kedua pakar?
 Uji Runtun
Runs test digunakan untuk menguji hipotesis deskriptif(satu sample),bila datanya
berbentuk ordinal.Pengujian dilakukan dengan cara mengukur kerandoman populasi yang
didasarkan atas data hasil pengamatan melalui data sampel.

Pengamatan terhadap data dilakukan dengan mengukur banyaknya ”run” dalam suatu
kejadian.Sebagai contoh ,misalnya: melempar sekeping logam yang mukanya diberi
tanda R dan C setelah dilempar sebanyak lima belas kali maka menghasilkan data sebagai
berikut:

RRR(1)  CCC(2)  R(3)  CCCC(4)  RR(5)  C(6)  R(7)

Kejadian di atas terdiri atas 7 run,yaitu run pertama memberikan data R ,kedua C,ketiga
R,keempat C,kelima R,keenam C,ketujuh R.Urutan run itu adalah data ordinal.

Bila run observasi berada di antara table yang kecil(tabelVIIa) dan run besar (tabelVIIb)
maka Ho diterima dan Ha ditolak

Mengigat pemahaman akan run,maka variable yang cocok untuk digunakan dalam uji ini
adalah variable dikotomi(hanya mempunyai dua macam value).Uji run(Wald-Wolfowitz
runs test) ini akan mengkonversi banyaknya run ke dalam statistik Z dengan pendekatan
distribusi normal.

Bila anda menggunakan table Z dengan taraf kepercayaan 5%,maka diperoleh

Ztabel=1,96.Ho akan diterima apabila -1,96 Zhitung 9

Prosedur Runs test digunakan untuk menguji apakah urutan kejadian dari dua value suatu
variable adalah random.

Semua variable numerik pada file data anda akan ditampilkan pada kotak daftar
variable.Pindahkan sebuah variable ke kotak Test Variabel List dan klik tombol OK      
untuk mendapatkan default uji run yang menggunakan median untuk mendikotomikan
varaibel-variabel yang anda uji.
Pada kotak Cut Point, anda dapat menandai minimal sebuah check box dari 4 check box
yang tersedia untuk menentukan cut point yang akan mendikotomikan data anda.Case-
case yang mempunyai value yang lebih kecil dari cut point akan dijadikan sebagai
kategori pertama,dan sisanya(lebih besar atau sama dengan cut point) akan dijadikan
kategori kedua.

Contoh :

Sebuah lembaga survey ingin mengetahui apakah pilihan para pemilih di  TPS wilayah 3 
DKI JAKARTA bersifat random atau tidak random .Selanjutnya,didapatkan sebanyak 40
pemilih di wilayah 3 ,kemudian diwawancarai .Dalam wawancara, pemilih ditanya
mengenai pasangan nomor urut yang dipilih oleh mereka antar nomor urut 1 dan
2.Berdasarkan pengamatan, didapatkan urutan dari yang paling depan sampai yang paling
belakang , dengan data sebagai berikut:

Pemili Pilihan Pemilih Pilihan Pemiilih Pilihan

h
1 1 16 1 31 1
2 2 17 2 32 1
3 2 18 2 33 2
4 1 19 1 34 1
5 1 20 1 35 1
6 2 21 2 36 2
7 1 22 2 37 1
8 2 23 2 38 2
9 2 24 1 39 2
10 1 25 2 40 2
11 1 26 1    
12 2 27 2    
13 2 28 1    
14 1 29 2    
15 2 30 1    

Pembahasan :

Hasil Runs Test

 Jumlah pemilih no urut  1  Jumlah pemilih no urut  2 Jumlah Run Asymp.sig

 19  21  26  0,144
 Rumusan hipotesis :

Ho:Barisan bersifat acak (random)

H1:Barosan bersifat tidak acak (non random)

Taraf Signifikasi

Statistik Uji

Z= =1,461

Daerah Kritik

H0 ditolak jika Asmp.sig<

Kesimpulan :

Dari hasil analisis diperoleh nilai Asym.sig = 0,144>

Maka dapat diputuskan,Ho gagal ditolak sehingga dapat disimpulkan.Data tersebut

berasal dari barisan bersifat acak(random). Jadi, Pemilih di wilayah 3 DKI JAKARTA
berdasarkan One-Sample Runs Test didapatkan hasil, bahwa barisan pemilih bersifat
acak.

 Uji Median

Uji median adalah metode nonparametrik yang paling sederhana. Uji median ini
adalah merupakan prosedur pengujian apakah dua atau lebih populasi dari mana sampel
independen diambil mempunyai median yang sama.Untuk menyederhanakannya hanya
akan dibatasi pada dua sampel saja (sebenarnya prosedur ini dapat dengan mudah
diperluas untuk tiga sampel atau lebih). Uji nonparametrikini dipergunakan untuk
menentukan signifikansi perbedaan antara median dari duapopulasi yang
independen.Hipotesa nihil yang akan diuji menyatakan bahwa populasi dari mana dua
sampel itu diambil mempunyai median yang sama.Hipotesa alternatifnya menyatakan
bahwa dua populasi itu mempunyai median yang berbeda. Uji median tidak memerlukan
anggapan-anggapan tertentu tentang dua populasi darimana sampel diambil.Untuk
keperluan uji median ini perlu ditentukan/dihitung lebih dahulu median dari kombinasi
distribusi sampelnya (overall median). Kemudian untuk setiap grup dihitung frekuensi
nilai yang terletak pada/diatas overall median dan yang terletak dibawah overall median.
Bila n1 dan n2adalah jumlah pengamatan dalam dua sample,dapatlah dipergunakan tabel
2 x 2 sebagai berikut:

Apabila hipotesa nihil benar, berarti bahwa dua populasi dari mana sampel diambil
mempunyai median yang sama, dapat diharapkan bahwa setengah dari scoremasing-
masing sampel akan terletak diatas dan setengahnya akan jatuh dibawahmedian.Dengan
perkataan lain dapat diterapkan bahwa a = c = 0,5 n1 dan b = d = 0,5 n2. Kemudian bila n
= n1+ n2 lebih besar frekuensi yang diharapkan dalam salah satu sel sekurang-kurangnya
5, dapatlah dipergunakan uji dengan uji statistik yang dinyatakan dengan rumus sebagai
berikut:

Ujian median adalah mudah dan sederhana penggunaannya. Karena kesederhanaannya,

prosedurnya hanya dipergunakan apabila uji parametrik tidak dapat diterapkan. Uji
median dikenal sebagai “ low powered test” terutama dibandingkan dengan ujia
 parametrik. Agar memiliki keampuhan yang sama bila dibandingkan dengan uji
parametrik maka ukuran sampel harus diperbesar.

Contoh :

Jawab :

 Uji Normalitas
 Uji normalitas digunakan untuk mengetahui apakah populasi data berdistribusi
normal atau tidak. Uji ini biasanya digunakan untuk mengukur data berskala ordinal,
interval, ataupun rasio. Jika analisis menggunakan metode parametrik, maka persyaratan
normalitas harus terpenuhi yaitu data berasal dari distribusi yang normal. Jika data tidak
berdistribusi normal, atau jumlah sampel sedikit dan jenis data yaitu nominal atau ordinal
maka metode yang digunakan yaitu statistik non parametrik. Dalam pembahasan ini akan
digunakan uji One Sample Kolmogorov-Smirnov dengan menggunakan taraf signifikansi
0,05. Data dinyatakan berdistribusi normal kalau signifikansi lebih besar dari 5% atau
0,05.

Contoh :
Seorang mahasiswa berjulukan Bambang melaksanakan penelitian perihal faktor-faktor
yang mensugesti harga saham pada perusahaan di BEJ. Data-data yang di dapat berupa
data rasio dan ditabulasikan sebagai berikut:

Tabulasi Data (Data Fiktif)

Tahun Harga Saham (Rp) PER (%) ROI (%)
1990 8300 4.90 6.47
1991 7500 3.28 3.14
1992 8950 5.05 5.00
1993 8250 4.00 4.75
1994 9000 5.97 6.23
1995 8750 4.24 6.03
1996 10000 8.00 8.75
1997 8200 7.45 7.72
1998 8300 7.47 8.00
1999 10900 12.68 10.40
2000 12800 14.45 12.42
2001 9450 10.50 8.62
2002 13000 17.24 12.07
2003 8000 15.56 5.83
2004 6500 10.85 5.20
2005 9000 16.56 8.53
2006 7600 13.24 7.37
2007 10200 16.98 9.38
 Hasil Uji Normalitas dengan Kolomogorov-Smirnov

Dari hasil di atas kita lihat pada kolom Kolmogorov-Smirnov dan dapat diketahui bahwa
nilai signifikansi untuk harga saham sebesar 0,05; untuk PER sebesar 0,200; dan untuk
ROI sebesar 0,200. Karena signifikansi untuk seluruh variabel lebih besar dari 0,05 maka
dapat disimpulkan bahwa data pada variabel harga saham, PER, dan ROI berdistribusi
normal. Angka Statistic menyampaikan semakin kecil nilainya maka distribusi data
semakin normal. df = jumlah data.