Klarifikasi Istilah :
1. Nonparametrik
- Statistik nonparametrik adalah cabang statistik yang tidak hanya didasarkan pada
keluarga parametrized dari distribusi probabilitas. Statistik nonparametrik didasarkan
pada distribusi bebas atau memiliki distribusi yang ditentukan tetapi dengan
parameter distribusi tidak ditentukan.
- Istilah nonparametrik sendiri pertama kali digunakan oleh Wolfowitz, 1942. Istilah
lain yang sering digunakan antara lain distribution-free statistics dan assumption-free
test. Dari istilah-istilah ini, dengan mudah terlihat bahwa metode statistik non
parametrik merupakan metode statistik yang dapat digunakan dengan mengabaikan
segala asumsi yang melandasi metode statistik parametrik, terutama yang berkaitan
dengan distribusi normal.
- Metode non-parametrik banyak digunakan untuk mempelajari populasi yang
mengambil urutan peringkat (seperti ulasan film menerima satu hingga empat
bintang). Penggunaan metode non-parametrik mungkin diperlukan ketika data
memiliki peringkat tetapi tidak ada interpretasi numerik yang jelas, seperti ketika
menilai preferensi . Dalam hal tingkat pengukuran, metode non-parametrik
menghasilkan data ordinal .
- Arti pertama dari nonparametrik mencakup teknik yang tidak bergantung pada data
milik keluarga distribusi probabilitas parametrik tertentu.
Ini termasuk, antara lain:
metode bebas distribusi, yang tidak bergantung pada asumsi bahwa data diambil
dari keluarga distribusi probabilitas parametrik tertentu. Karena itu kebalikan
dari statistik parametrik.
statistik nonparametrik (statistik didefinisikan sebagai fungsi pada sampel; tidak
ada ketergantungan pada parameter).
- Arti kedua dari non-parametrik mencakup teknik yang tidak mengasumsikan bahwa
struktur model tetap. Biasanya, model bertambah besar untuk mengakomodasi
kompleksitas data. Dalam teknik ini, variabel individu biasanya diasumsikan milik
distribusi parametrik, dan asumsi tentang jenis koneksi antar variabel juga dibuat.
Teknik-teknik tersebut antara lain:
Regresi non-parametrik, yaitu pemodelan di mana struktur hubungan antar
variabel diperlakukan secara non-parametrik, namun terdapat asumsi parametrik
tentang distribusi residual model.
model Bayesian hierarkis non-parametrik, seperti model yang didasarkan pada
proses Dirichlet, yang memungkinkan jumlah variabel laten bertambah sesuai
kebutuhan agar sesuai dengan data, tetapi di mana variabel individu masih
mengikuti distribusi parametrik dan bahkan proses yang mengendalikan laju
pertumbuhan variabel laten mengikuti distribusi parametrik.
- Uji statistik non parametrik tidak membutuhkan parameter khusus dari populasi yang
akan diamati dan tidak mensyaratkan distribusi data normal. Metode uji ini dapat
digunakan untuk analsis data baik skala nominal maupun ordinal karena biasanya
data berbentuk ini tidak berdistribusi normal. Dari segi jumlah data, statistik non
parametrik umumnya digunakan untuk data berjumlah kecil (n<30).
2. Interpretasi
- Interpretasi atau tafsiran adalah proses komunikasi melalui lisan atau gerakan antara
dua atau lebih pembicara yang tak dapat menggunakan simbol-simbol yang sama,
baik secara simultan atau berurutan. Menurut definisi, interpretasi hanya digunakan
sebagai suatu metode jika hal tersebut dibutuhkan.
- pemberian kesan, pendapat, atau pandangan teoretis terhadap sesuatu; tafsiran;
- Tujuan interpretasi biasanya adalah untuk meningkatkan pengertian, tetapi kadang,
seperti pada propaganda atau cuci otak, tujuannya justru untuk mengacaukan
pengertian dan membuat kebingungan.
3. Intervensi
- Intervensi adalah sebuah istilah dalam dunia politik di mana ada negara yang
mencampuri urusan negara lainnya yang jelas bukan urusannya. Adapula definisi
intervensi adalah campur tangan yang berlebihan dalam urusan politik, ekonomi,
sosial, dan budaya.
- Dimana arti intervensi disini sendiri merupakan suatu perlakuan atau tindakan yang
diberikan kepada subjek penelitian
4. Whithin group design (pre eksperimental design)
- Penelitian pre-eksperimen atau pre-experimental designs merupakan rancangan
penelitian yang belum dikategorikan sebagai eskperimen sungguhan. Ketiga
rancangan pre-eksperimen menggunakan cara yang berbeda-beda, akan tetapi setiap
rancangan diberikan perlakuan atau treatment.
- Hal tersebut karena pada rancangan ini belum dilakukan pengambilan sampel secara
acak atau random serta tidak dilakukan kontrol yang cukup terhadap variabel
penganggu yang dapat mempengaruhi variabel terikat.
c. Intact-Group Comparison.
Ada satu kelompok yang diteliti, tetapi kelompok tersebut kemudian dibagi
menjadi dua. Setengah kelompok pertama disebut kelas eksperimen karena
menerima perlakuan, sedangkan setengah kelompok selanjutnya disebut kelas
kontrol karena tidak diberikan perlakuan.
6. Uji McNemar
- 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.
- Uji Mc Nemar diperkenalkan pertama kali pada tahun 1947 oleh Quinn McNemar.
Uji ini dilakukan pada dua kelompok sampel yang berhubungan, skala
pengukurannya nominal (Binary respon), tujuannya adalah membandingkan sebelum
dan sesudah peristiwa atau perlakuan dimana tiap objek digunakan sebagai
pengontrol dirinya sendiri. Jenis data pada uji ini berskala nominal dan jenis
penelitian komparasi atau membandingkan.
- Uji McNemar merupakan uji nonparametrik yang digunakan untuk menguji dua buah
populasi yang saling berpasangan (dependen). Pada uji McNemar, sekelompok
subjek penelitian (misalkan sekelompok orang) memberikan suatu penilaian sebelum
dan sesudah perlakuan. Masing-masing subjek penelitian hanya memiliki dua macam
penilaian (dichotomous outcomes) untuk setiap perlakuan yang diberikan. Dua
penilaian tersebut bersifat saling berlawanan atau dikotomi. Contoh dari dua
penilaian yang bersifat saling berlawanan, yakni “benar atau salah”, “sukses atau
gagal”, “ikut atau tidak ikut”, “datang atau tidak datang”
Question :
1. Metode non parametrik kurang memiliki kuasa dibandingkan parametrik jika asumsi
untuk penggunakan uji parametrik terpenuhi dengan ukuran sampel yang sama
besarnya.
2. Metode non parametrik secara statistik kurang kuat dibandingkan metode parametrik
karena didasarkan pada asumsi yang lebih sedikit sehingga fleksibilitas terhadap
skala pengukuran variabel kadang-kadang mendorong peneliti memilih metode non-
parametrik, meskipun situasinya memungkinkan untuk menggunakan metode
paramerik.
3. Penyederhanaan data dari skala baik rasio dan interval ke dalam data skala ordinal
atau nominal dapat menimbulkan pemborosan informasi yang telah dikumpulkan.
4. Meski memiliki konsep dan prosedur yang sederhana, pekerjaan hitung menghitung
manual dalam statistik non parametrik membutuhan waktu yang banyak aalagi jika
ukuran sampel yang akan di analisis relatif besar.
5. Tidak dapat digunakan untuk menguji interaksi seperti dalam model analisis variansi
dan tidak bisa digunakan untuk membuat prediksi seperti dalam analisis regresi krn
asumsi distribusi normal tidak dipenuhi.
1. Uji Binomial
Uji binomial biasa digunakan untuk jenis penelitian deskriptif dan tujuan uji statistik
untuk menguji perbedaan proporsi pada populasi yang hanya memiliki dua buah
kategori (skala nominal) berdasarkan proporsi yang berasal dari sampel tunggal. Uji
binomial menguji hipotesis yang berhubungan ddengan proporsi suatu populasi
tertentu. Jenis data pada uji ini adalah Nominal 2 kategori (variabel dikotomi).
2. Uji Kesesuaian Kai Kuadrat
Uji ini disebut juga Chi-Square. Chi Square adalah salah satu jenis uji komparatif non
parametrik dimana dilakukan pada dua variabel. Skala data kedua 9 variabel adalah
nominal. Uji ini digunakan untuk menguji hipotesis disrtribusi data pada satu
populasi.
3. Uji Kolmogorov Smirnov 1 Sampel
Uji Komogorov smirnov memiliki kelebihan yaitu sederhana dan tidak menimbulkan
perbedaan persepsi diantara satu pengamat dengan pengamat lainnya sehingga uji ini
menjadi salah satu uji yang banyak digunakan dalam perhitungan uji nonparametrik.
Merupakan uji kecocokan (goodness of fit), yaitu pengujian tingkat kesesuaian antara
sebaran serangkaian nilai sampel/skor yang diamati dengan suatu sebaran tertentu.
Uji ini digunakan untuk menguji perbedaan satu sampel. Jenis data pada uji ini
adalah skala ordinal.
4. Uji Median*
Uji median merupakan uji yang digunakan untuk jenis penelitian komparatif dan
memiliki prosedur yang paling sederhana untuk menguji signifikansi hipotesis
komparatif 2 sampel independen dengan melihat apakah populasi tempat sampel
berasal mempunyai media (nilai tengah) yang sama atau tidak. Data pada uji ini
paling tidak memiliki skala ordinal. Hubungan antara kelompok pada uji ini bersifat
independent.
5. Uji Mann Whitney
Uji ini diperkenalkan oleh Mann Whitney pada tahun 1947. Uji ini merupakan
alternatif uji beda dua rata-rata parametrik dengan menggunakan referensi distribusi t
(sampel-sampel berukuran kecil). Uji ini digunakan pada jenis penelitian komparatif
untuk menguji hipotesis mengenai median dari dua populasi yang saling bebas
(independent). Jenis data pada uji ini berskala ordinal
6. Uji Peringkat Bertanda Wilcoxon
Uji Wilcoxon dapat digunakan sebagai alternatif dari uji Paired sampel T-test atau
dependen sampel t-test. Uji wilcoxon bertujuan untuk mengetahui ada atau tidaknya
perbedaan rata-rata dua sampel yang berpasangan dan berasal dari dua populasi yang
tidak diketahui distribusinya atau dapat dikatakan untuk menguji perbedaan median
dua populasi berdasarkan median dua sampel berpasangan
6. Skala pengukuran apa yang hanya bisa menggunakan uji statistik non parametrik?
Jawab :
Skala pengukuran variabel penting untuk penentuan uji statistik yang
sesuai: skala nominal dan ordinal hanya bisa menggunakan uji statistik non parametrik,
sedangkan skala interval dan rasio bisa menggunakan statistik parametrik.
7. Bagaimana ciri kelompok data yang dapat diuji dengan statistik non parametrik?
Jawab :
- Statistik nonparametrik adalah cabang statistik yang tidak hanya didasarkan pada
keluarga parametrized dari distribusi probabilitas. Statistik nonparametrik didasarkan
pada distribusi bebas atau memiliki distribusi yang ditentukan tetapi dengan
parameter distribusi tidak ditentukan.
- Istilah nonparametrik sendiri pertama kali digunakan oleh Wolfowitz, 1942. Istilah
lain yang sering digunakan antara lain distribution-free statistics dan assumption-free
test. Dari istilah-istilah ini, dengan mudah terlihat bahwa metode statistik non
parametrik merupakan metode statistik yang dapat digunakan dengan mengabaikan
segala asumsi yang melandasi metode statistik parametrik, terutama yang berkaitan
dengan distribusi normal.
- Metode non-parametrik banyak digunakan untuk mempelajari populasi yang
mengambil urutan peringkat (seperti ulasan film menerima satu hingga empat
bintang). Penggunaan metode non-parametrik mungkin diperlukan ketika data
memiliki peringkat tetapi tidak ada interpretasi numerik yang jelas, seperti ketika
menilai preferensi . Dalam hal tingkat pengukuran, metode non-parametrik
menghasilkan data ordinal .
- Arti pertama dari nonparametrik mencakup teknik yang tidak bergantung pada data
milik keluarga distribusi probabilitas parametrik tertentu.
Ini termasuk, antara lain:
metode bebas distribusi, yang tidak bergantung pada asumsi bahwa data diambil
dari keluarga distribusi probabilitas parametrik tertentu. Karena itu kebalikan
dari statistik parametrik.
statistik nonparametrik (statistik didefinisikan sebagai fungsi pada sampel; tidak
ada ketergantungan pada parameter).
- Arti kedua dari non-parametrik mencakup teknik yang tidak mengasumsikan bahwa
struktur model tetap. Biasanya, model bertambah besar untuk mengakomodasi
kompleksitas data. Dalam teknik ini, variabel individu biasanya diasumsikan milik
distribusi parametrik, dan asumsi tentang jenis koneksi antar variabel juga dibuat.
Teknik-teknik tersebut antara lain:
Regresi non-parametrik, yaitu pemodelan di mana struktur hubungan antar
variabel diperlakukan secara non-parametrik, namun terdapat asumsi parametrik
tentang distribusi residual model.
model Bayesian hierarkis non-parametrik, seperti model yang didasarkan pada
proses Dirichlet, yang memungkinkan jumlah variabel laten bertambah sesuai
kebutuhan agar sesuai dengan data, tetapi di mana variabel individu masih
mengikuti distribusi parametrik dan bahkan proses yang mengendalikan laju
pertumbuhan variabel laten mengikuti distribusi parametrik.
- Uji statistik non parametrik tidak membutuhkan parameter khusus dari populasi yang
akan diamati dan tidak mensyaratkan distribusi data normal. Metode uji ini dapat
digunakan untuk analsis data baik skala nominal maupun ordinal karena biasanya
data berbentuk ini tidak berdistribusi normal. Dari segi jumlah data, statistik non
parametrik umumnya digunakan untuk data berjumlah kecil (n<30).
Keuntungan
- Metode statsitik nonparametrik memberi keleluasaan yang luas kepada peneliti dalam
melakukan inferensi karena walaupun dalam keterbatasan data sampel atau informasi
mengenai populasi, metode ini tetap dapat digunakan meskipun tidak seefisien
statistik parametrik. Metode ini juga lebih mudah untuk dipahami dan
perhitungannya relatif lebih sederhana dibandingkan statistik parametrik.
Kerugian
- Keterbatasan yang dimiliki oleh metode statistik nonparametrik ini adalah jika jenis
data yang digunakan berskala ordinal atau nominal maka keseluruhan data hasil
pengukuran yang tersedia diabaikan sehingga kurang kuat dan kurang sensitif
dibandingkan jika menggunakan metode statistik parametrik.
1. Metode non parametrik kurang memiliki kuasa dibandingkan parametrik jika asumsi
untuk penggunakan uji parametrik terpenuhi dengan ukuran sampel yang sama
besarnya.
2. Metode non parametrik secara statistik kurang kuat dibandingkan metode parametrik
karena didasarkan pada asumsi yang lebih sedikit sehingga fleksibilitas terhadap
skala pengukuran variabel kadang-kadang mendorong peneliti memilih metode non-
parametrik, meskipun situasinya memungkinkan untuk menggunakan metode
paramerik.
3. Penyederhanaan data dari skala baik rasio dan interval ke dalam data skala ordinal
atau nominal dapat menimbulkan pemborosan informasi yang telah dikumpulkan.
4. Meski memiliki konsep dan prosedur yang sederhana, pekerjaan hitung menghitung
manual dalam statistik non parametrik membutuhan waktu yang banyak aalagi jika
ukuran sampel yang akan di analisis relatif besar.
5. Tidak dapat digunakan untuk menguji interaksi seperti dalam model analisis variansi
dan tidak bisa digunakan untuk membuat prediksi seperti dalam analisis regresi krn
asumsi distribusi normal tidak dipenuhi.
1. Uji Binomial
Uji binomial biasa digunakan untuk jenis penelitian deskriptif dan tujuan uji statistik
untuk menguji perbedaan proporsi pada populasi yang hanya memiliki dua buah
kategori (skala nominal) berdasarkan proporsi yang berasal dari sampel tunggal. Uji
binomial menguji hipotesis yang berhubungan ddengan proporsi suatu populasi
tertentu. Jenis data pada uji ini adalah Nominal 2 kategori (variabel dikotomi).
4. Uji Median*
Uji median merupakan uji yang digunakan untuk jenis penelitian komparatif dan
memiliki prosedur yang paling sederhana untuk menguji signifikansi hipotesis
komparatif 2 sampel independen dengan melihat apakah populasi tempat sampel
berasal mempunyai media (nilai tengah) yang sama atau tidak. Data pada uji ini
paling tidak memiliki skala ordinal. Hubungan antara kelompok pada uji ini bersifat
independent.
Sumber : Jurnal Ilmu Pendidikan Teknik Kejuruan, Vol. X No. 2, Juli 2017
6. Preeksperimental design
Jawab :
c. Intact-Group Comparison.
Ada satu kelompok yang diteliti, tetapi kelompok tersebut kemudian dibagi
menjadi dua. Setengah kelompok pertama disebut kelas eksperimen karena
menerima perlakuan, sedangkan setengah kelompok selanjutnya disebut kelas
kontrol karena tidak diberikan perlakuan.
1. Pengumpulan data.
Statistika adalah suatu alat yang akan kita gunakan untuk mempelajari gambaran
tentang fakta (dunia nyata), mempelajari hubungan antara beberapa sifat, pengaruh
satu faktor dengan faktor lainnya, yang semuanya dilakukan terlebih dulu
memindahkan gambaran tentang fakta ke dalam bentuk data-data tertulis. Dengan hal
ini, maka pengumpulan data merupakan satu hal yang harus dilakukan dengan baik
dan benar. Kesalaahan atau tidak baiknya tahap proses pengumpulan data akan
menyebabkan terjadinya kesimpulan yang juga tidak baik atau bahkan menyesatkan.
2. Pengaturan (organisasi) data.
Data yang baru saja dikumpulkan yang belum diolah sama sekali kita namakan data
mentah (raw data). Untuk bisa digunakan untuk berbagai keperluan,maka raw data
ini harus terlebih dulu diedit untuk menghilangkan berbagai kesalahan, kemudian
digolong-golongkan (diklasifikasikan) ke dalam beberapa kelas data untuk tiap nama
variabel yang sesuai. Hingga kemudian kita catat dalam sebuah tabel yang mudah
dibaca untuk keperluan analisis lebih lanjut.
3. Presentasi data.
Penyajian data agar lebih mudah dipahami, dan memberikan visual yang menarik,
perlu kita bentuk ke dalam grafik atau diagram. Bentuk grafik atau diagram apa yang
harus dibuta disesuaikan dengan tujuan penyajiannya dan subyektifitas penyaji.
Dalam hal ini, kita bisa membuat diagram batang, diagram garis, diagram lingkran,
dan sebagainya.
4. Analisis Data.
Bentuk paling sederhana dari analisis data adalah mengukur (menghitung) nilai rata-
rata data, standar deviasi, dan bentuk distribusi data. Analisis lebih lanjut yang
banyak diperlukan misalnya Penaksiran karakter populasi dari data sampel, uji
hipotsis, uji pengaruh antar variabel, dan sebagainya. Dari tiap jenis analisis,
biasanya terdapat beberapa metode statistik ayng bisa digunakan. Metode mana
yangb harus digunakan, kita sesuaikan dengan sifat data yang kita hadapi dan
kepentingan analisis.
5. Interpretasi Data.
Dengan mengamati data (dan hasil olahan data) ditambah dengan informasi dan
pengetahuan lain dari si pengamat (interpreter) akan diambil kesimpulan tertentu atas
sifat-sifat data tersebut. Proses ini dikatakan sebagai interpretasi karena dalam
mengambil kesimpulan, memasukkan juga unsur subyektifitas sesuai dengan
pengetahuan, pengalaman, dan informas
Sumber : Jurnal Ilmu Pendidikan Teknik Kejuruan, Vol. X No. 2, Juli 2017
1. editing data,
Pengertian dari editing data adalah proses meneliti hasil survai untuk meneliti apakah
ada response yang tidak lengkap, tidak komplet atau membingungkan, dan apabila
ada kasus seperti ini ada beberapa cara untuk mengatasinya
2. pengembangan variabel,
Yang dimaksud dengan pengembangan variabel ialah spesifikasi semua variable yang
diperlukan oleh peneliti yang tercakup dalam data yang sudah terkumpul atau dengan
kata lain apakah semua variable yang diperlukan sudah termasuk dalam data. Jika
belum ini berarti data yang terkumpul belum lengkap atau belum mencakup semua
variable yang sedang diteliti.
3. pengkodean data,
Koding merupakan kegiatan merubah data berbentuk huruf menjadi data berbentuk
angka/ bilangan. Misalnya untuk variabel pekerjaan dilakukan koding 1 = Pegawai
Negeri, 2 = Wiraswasta, 3 = Pegawai Swasta dan 4 = Pensiunan. Jenis kelamin: 1 =
Pria dan 2 = Wanita, dsb. Kegunaan dari koding adalah untuk mempermudah pada
saat analisis data dan juga mempercepat pada saat entry data. Entry data, adalah
transfer coding data dari kuisioner ke software. Pengkodean data dilakukan untuk
memberikan kode yang spesifik pada respon jawaban responden untuk memudahkan
proses pencatatan data.
4. cek kesalahan,
Peneliti melakukan pengecekan kesalahan sebelum dimasukkan kedalam komputer
untuk melihat apakah langkah-langkah sebelumnya sudah diselesikan tanpa kesalahan
yang serius.
7. tabulasi
Tabulasi merupakan kegiatan menggambarkan jawaban responden dengan cara
tertentu. Tabulasi juga dapat digunakan untuk menciptakan statistik deskriptif
variable-variable yang diteliti atau yang variable yang akan di tabulasi silang
Adapun macam-macam penyajian data dengan tabel dan diagram/grafik yang dikenal
antara lain:
Sumber :