MATERI 15
STATISTIKA NONPARAMETRIS
B. Landasan Teori
Pada materi sebelumnya telah diuraikan tentang statistika untuk tujuan mengambil
kesimpulan atau dikenal dengan statistika inferensial. Namun demikian semua uji statistik
yang telah dipelajari, semuanya mempersyaratkan data berdistribusi normal. Statistik
yang mempersyaratkan data berdistribusi normal disebut statistika parametris. Jika
distribusi normal ini tidak terpenuhi, maka analisis statistika yang digunakan adalah
statistika nonparametris.
Statistika nonparametris disebut juga statistika bebas distribusi. Karena statistika
jenis ini tidak mempersyaratkan distribusi normal, maka statistika nonparametris banyak
digunakan untuk menganalisis data berbentuk nominal dan ordinal. Untuk dapat
menggunakan statistika nonparametris Sugiono (2004: 9) menguraikan berbagai jenis
statistika nonparametris sesuai dengan jenis data yang akan diolah sebagai berikut.
1. Untuk menguji hipotesis komparatif dua sampel yang berpasangan bila datanya
berbentuk nominal digunakan teknik Mc Nemar
2. Untuk menguji hipotesis komparatif dua sampel berpasangan bila datanya
berbentuk ordinal digunakan teknik statistik:
a. Sign Test (uji tanda)
b. Wilcoxon Matched Pairs
3. Untuk menguji hipotesis komparatif dua sampel independen bila datanya berbentuk
nominal digunakan teknik statistik:
a. Fisher Exact Probability
b. Chi Kuadrat Dua Sampel
4. Untuk menguji hipotesis komparatif 2 sampel independen bila datanya berbentuk
ordinal digunakan teknik statistik:
1
2
a. Median Test
b. Mann-Whitney U Test
c. Kolmogorov Smirnov
d. Wald-Wolfowitz
5. Untuk menguji hipotesis komparatif 2 sampel berpasangan bila datanya berbentuk
nominal digunakan teknik statistik Chocran Q.
6. Untuk menguji hipotesis komparatif k sampel berpasangan bila datanya berbentuk
ordinal digunakan teknik statistik Friedman Two-Way Anova.
7. Untuk menguji hipotesis komparatif k sampel independen bila datanya berbentuk
nominal digunakan teknik statistik Chi Kuadrat k sampel.
8. Untuk menguji hipotesis komparatif k sampel independen bila datanya berbentuk
ordinal digunakan teknik statistik:
a. Median Extension
b. Kruskal-Wallis One-Way Anova
9. Untuk menguji hipotesis asosiatif yang bersifat korelatif bila datanya berbentuk
nominal digunakan teknik statistik koefisien kontingensi.
10. Untuk menguji hipotesis asosias yang bersifat korelatif bila datanya berbentuk
ordinal digunakan teknik statistik:
a. Korelasi Spearman Rank
b. Korelasi Kendal Tau
2
3
1. Uji Wilcoxon
Uji Wilcoxon disebut juga uji peringkat bertanda. Uji Wilcoxon adalah uji
nonparametris sebagai alternatif dari uji t, bila syarat-syarat untuk uji t tidak terpenuhi.
Uji Wilcoxon digunakan untuk memperbandingkan dua rerata yang sampel-sampelnya
saling bergantungan, berpasangan atau berkorelasi. Asumsi yang mendasari
digunakannya uji Wilcoxon adalah data sampel kontinyu dan skalanya paling tidak
ordinal.
Uji Wilcoxon digunakan untuk data yang diperoleh melalui pengukuran beruntun
ataupun subyek berpasangan. Dalam perhitungannya, harga mutlak dari selisih skor-skor
yang berpasangan diurutkan sesuai peringkat. Peringkat yang menghasilkan selisih positif
+ −
atau selisih negatif dijumlahkan menghasilkan J dan J . Selanjutnya nilai-nilai
+ − +
J dan J sehingga diperoleh nilai J yaitu nilai terkecil di antara J dan
−
J . Bila J ini lebih kecil dari nilai J dalam tabel untuk N pasang, maka H0
ditolak. Sebagai catatan bila selisih antar kelompok nilainya 0 maka pasangan kelompok
tersebut tidak diberi peringkat. Selain itu bila tanda selisih berbeda sedangkan nilainya
sama, maka pasangan-pasangan kelompok tersebut diberi peringkat yang sama.
Perhatikan bahwa karena selisih sampel-sampel yang berpasangan nilainya 0, maka
sampel tersebut menjadi hilang dari peredaran. Bila banyaknya sampel-sampel
berpasangan yang selisihnya 0 melebihi 20% dari total sampel yang ada, maka
penggunaan uji Wilcoxon ini menjadi tidak tepat.
Untuk sampel yang berukuran 26 sampai 30, dapat digunakan rumus:
J −z α
J α=
J ( 2 N +1 )
di mana:
2
√ 6
N ( N +1 )
J=
4
3
4
Sedangkan untuk sampel yang berukuran lebih besar dari 30 dapat digunakan
pendekatan distribusi normal dengan rumus:
J α −J
z=
σJ
α
di mana:
N ( N +1 )( 2 N +1 )
Uji Tanda merupakan uji nonparametris yang digunakan sebagai alternatif uji
Wilcoxon terutama apabila prasyarat dalam uji Wilcoxon tidak terpenuhi. Uji Tanda
digunakan untuk menentukan perbandingan 2 sampel berpasangan bila datanya ordinal.
Asumsi lainnya adalah skor selisih sampel satu sama lainnya tidak terikat dan mediannya
nol.
Tanda yang biasa digunakan dalam uji Tanda adalah + dan –. Penggunaan dari
kedua tanda ini tergantung pada penentuan arah dari sampel kesatu ke sampel kedua
secara teoritis. Banyaknya tanda + dan tanda – selanjutnya dibandingkan dan diambil
tanda yang paling sedikit sebagai hasil uji tanda. Bila hasil uji tanda ini dinyatakan
ada pada tabel untuk n observasi. Bila h observasi lebih kecil atau sama dengan
harga h pada tabel, maka H0 ditolak. Dalam kondisi lain H0 diterima. Perhatikan bahwa
nilai-nilai kritis h untuk uji Tanda terbatas sampai n=95 . Untuk n yang lebih
dari 95, maka harga h dapat dihitung dengan jalan mengambil bilangan bulat terdekat
1
( n−1 )−k √ n+1 k=1,2879 α=0 ,01 dan
yang lebih kecil dari 2 dengan untuk
k=0,98 untuk α=0,05 . Penentuan nilai h kritis juga dapat menggunakan tabel
df =1 sebagai berikut.
2
2 {( n 1−n2 ) −1 }
χ =
n1 + n2
di mana:
4
5
5
6
n2 = Banyaknya unsur 2
Alternatif lain dapat digunakan rumus sebagai berikut.
1
U 1 =n1 n2 + 2 n1 ( n1 +1 ) −∑ R1 dan
1
U 2 =n1 n 2 + 2 n2 ( n2 +1 ) −∑ R2
di mana:
R1 = Peringkat unsur 1
R2 = Peringkat unsur 2
Perlu diketahui bahwa penggunaan rumus-rumus uji Mann-Whitney di atas
berlaku untuk sampel ukuran kecil. Oleh karena itu tabelnya pun terbatas. Bila ukuran
sampelnya besar dapat digunakan kurva normal sebagai pendekatan. Rumus yang
digunakan untuk sampel besar adalah
1
U − 2 n 1 n2
z=
n1 n 2 ( n1 + n2 +1 )
√ 12
Sebagai catatan, walaupun uji Mann-Whitney ini kuatnya hampir sekuat uji t, tetapi
kekuatannya itu menurun bila skor kembarnya banyak.
6
7
2
Statistika yang digunakan untuk uji median adalah χ dengan rumus:
1 2
2
χ =
{
N ( AD−BC )− 2 N }
( A+ B )( C + D )( A+C ) ( B+ D )
untuk df =k−1=1
untuk df =k−1
12
k
Rj2
H= ∑ −3 ( N +1 )
N ( N +1 ) j=1 n j
7
8
di mana:
H = Kruskal-Wallis di bawah distribusi Chi Kuadrat
N = Banyak baris dalam tabel
k = Banyak kolom
R j = Jumlah rangking dalam kolom
untuk df =k−1
( f 0 −f h )
χ 2 =∑
ij ij
fh
ij
di mana:
f0 = Banyak kasus pada baris ke-i dan kolom ke-j
fh = Banyak kasus yang diharapkan pada baris ke-i dan kolom ke-j
median dan di bawah median. Dalam hal ini yang dimaksud dengan
f h adalah rerata
dari pengelompokkan di mana banyaknya posisi data ada di atas median dan di bawah
median atau karena jumlah yang diharapkan dengan peluang tiap kelompok adalah 0,5
maka
f h=0,5∗J di mana J adalah jumlah data yang ada di atas median dan di
8
9
( Y 1 −Y 2 ) pq
rb=
u sy
dengan
rb
= Koefisien korelasi biseri
Y1 = Rerata variabel Y untuk kategori 1
Y 2 = Rerata variabel Y untuk kategori 2
p = Proporsi subyek yang ada pada ketegori 1
q = Proporsi subyek yang ada pada kategori 2
sy = Simpangan baku Y
u = Tinggi ordinat kurva normal baku pada titik z yang memotong bagian
luas normal baku menjadi bagian p dan q
Misalkan dari 145 murid diperoleh informasi bahwa ada 21 murid yang selalu
belajar dan 124 murid tidak belajar. Proporsi untuk masing-masing kelompok adalah
21 124
p= =0 , 1448 q= =0 , 8552
145 dan 145 . Tentu saja nilai p+q=1 , sehingga
q=1− p . Untuk nilai-nilai p=0 ,1448 dan q=0 ,8552 diperoleh nilai
z1 =1 , 06
( 0,8552−0 ,1448 )
2 (pada daftar luas di bawah lengkungan normal standar 0 ke z).
9
10
Dengan demikian untuk z=1,06 diperoleh u=0,2275 (pada daftar tinggi ordinat y
untuk normal standar).
rb
σr
maka untuk sampel besar b itu mendekati distribusi normal dengan rerata nol dan
deviasi baku 1. Jadi,
rb
z=
σr
b
untuk
pq
σ rb = √
u √n
( Y 1−Y 0 ) √ pq
r bt =
sy
dengan
r bt = Koefisien korelasi biseri titik
Y1 = Rerata variabel Y untuk kategori bernilai 1
10
11
C. Langkah-langkah Praktikum
Permasalahan 1
Seorang guru ingin mengetahui apakah ada perbedaan hasil belajar matematika
siswa antara siswa yang diberi pembelajaran dengan model A dan model B. Ia mengambil
sampel sebanyak 41 orang yang ia bagi ke dalam 2 kelompok secara acak. Kelompok X
terdiri dari 20 orang siswa mendapatkan model pembelajaran A dan kelompok Y terdiri
dari 21 orang siswa mendapatkan model pembelajaran B. Hasil penelitiannya dapat
dilihat pada tabel berikut.
X Y X Y
14 12 16 12
9 20 13 15
12 4 14 14
50 20 30 12
13 12 40 12
12 60 12 14
11 10 15 9
12 16 13 14
19 10 12 7
18 14 7
14 9
Tunjukkan apakah terdapat perbedaan hasil belajar antara siswa yang mendapatkan model
A dengan siswa yang mendapatkan model B!
Untuk menjawab permasalahan di atas akan digunakan program SPSS dengan
langkah-langkah pengolahan data sebagai berikut.
11
12
1. Ujilah terlebih dahulu normalitas dari kedua data di atas, misalkan dengan uji one
sample Kolmogorov-Smirnov (lihat langkah-langkah uji normalitas pada bab
sebelumnya).
2. Bila hasil uji normalitas menyatakan bahwa kedua data tidak berdistribusi normal,
tanpa melakukan transformasi data dan triming, kita akan melakukan uji statatistik
nonparametris dengan uji Mann-Whitney.
3. Seperti pada uji rerata untuk sampel bebas, langkah pertama yang dilakukan adalah
memasukkan data pada data view sesuai dengan variabel-variabel yang didefinisikan
pada variable view. Perlu diingat, pada uji perbandingan dua sampel independen,
variabel independen dan dependen harus dapat diidentifikasi dengan jelas. Misalkan
pada variabel independen kita beri nilai 1 dan 2 untuk masing-masing kelompok X
dan kelompok Y. Pada SPSS pemberian nilai ini terdapat pada value labels.
4. Apabila semua data telah di-input dengan benar, dari menu utama SPSS klik Analyze
Nonparametric Tests 2 Independent Samples sehingga muncul kotak dialog
seperti nampak di bawah ini.
5. Masukkan variabel Nilai ke kotak Test Variable List dan variabel Nilai ke dalam
Grouping Variable, kemudian klik Define Groups untuk memunculkan jendela
Define Groups
12
13
6. Masukkan nilai 1 dan 2 ke Group 1 dan Group 2, lalu tekan Continue untuk kembali
ke jendela Two Independent Samples Tests.
7. Pilih Mann Whitney U pada Test Type, abaikan yang lain kemudian tekan OK.
Analisis Output
Hasil ouput uji Mann Whitney menunjukkan bahwa nilai Asymp. Sig (2-tailed)
berada di atas 0,05, sehingga H0 diterima. Dengan demikian hasil belajar kedua kelompok
tersebut tidak berbeda secara signifikan.
Permasalahan 2
Dari sebuah laporan disebutkan bahwa ada kecenderungan perbedaan prestasi
kerja guru SMP bila ditinjau dari jarak rumah ke sekolah. Untuk menindaklanjuti laporan
tersebut seorang guru matematika di SMP tersebut telah melakukan penelitian terhadap
sejumlah guru yang dibagi ke dalam 3 kelompok, kelompok 1 untuk jarak 0 - 5 km,
kelompok 2 untuk jarak lebih dari 5 km sampai 10 km dan kelompok 3 untuk jarak lebih
dari 10 km. Data hasil penelitian dapat dilihat pada tabel berikut.
NO 0-5 km >5-10 km >10 km
1 70 75 65
2 75 86 68
3 82 53 70
4 63 62 73
5 54 67 59
6 48 83 64
7 65 85 75
8 67 45 83
9 68 67
13
14
10 69
2. Beri nilai 1 untuk jarak 0-5 km, nilai 2 untuk jarak lebih dari 5-10 km dan beri
nilai 3 untuk jarak lebih dari 10 km. Kemudian klik OK dan lanjutkan dengan peng-
input-an seluruh data hasil penelitian sesuai dengan variabel yang telah didefinisikan.
3. Dari menu utama SPSS, klik Analyze Nonparametric Test K Independent
Samples sehingga muncul jendela berikut.
14
15
Analisis Output
Pada bagian output nampak bahwa signifikansi hasil uji Kruskal-Wallis
menunjukkan nilai di atas 0,05 yang berarti H0 tidak mungkin ditolak. Dengan demikian
perbedaan itu nyatanya tidak terjadi.
D. Tugas
1. Perhatikan kembali tugas pengolahan data pada modul 4 ini. Gunakan statistika
nonparametris untuk menguji kedua data tersebut, kemudian bandingkan hasilnya
dengan uji paramteris! Apa yang dapat disimpulkan? Ujilah terlebih dahulu
normalitas datanya dengan uji Lilliefors!
2. Seorang guru di suatu SMP bermaksud ingin mengetahui korelasi antara nilai ujian
dengan persiapan belajar. Untuk maksud tersebut, ia memberikan tes kepada sejumlah
siswa yang diambil secara acak. Selesai tes, semua siswa diberi angket untuk
mengetahui kesiapan siswa sebelum mengikuti tes. Hasilnya dari penelitiannya dapat
dilihat pada tabel berikut.
15
16
E. Sumber Bacaan
1. Ruseffendi. 1993. Statistika Dasar untuk Penelitian Pendidikan. Jakarta: Dirjen
Dikti, Depdikbud
2. Sudjana. 2005. Metode Statistika. Bandung: Tarsito
3. Sugiyono. 2004. Statistik Nonparametris untuk Penelitian. Bandung: Alfabeta
--------------------------
16
17
17