Modul Kuliah Statistik Bidang Sosial Ekonomi

Modul 4
STATISTIKA PARAMETRIK DAN NON PARAMETRIK

TUJUAN INSTRUKSIONAL UMUM

Dengan mempelajari modul ini diharapkan mahasiswa mampu memahami dan menerapkan tehnik
uji kenormalan.

TUJUAN INSTRUKSIONAL KHUSUS

Setelah mempelajari dan memahami pendahuluan mahasiswa dapat:
1. Mengerti dan memahami uji kenormalan
2. Menerapkan tehnik Uji kenormalan dengan Uji liliefors.
3. Mengerti tentang Uji Validitas dan Reabilitas

KEGIATAN BELAJAR

Banyak uji statistika yang dapat digunakan dalam rangka penarikan kesimpulan,
misalnya uji t, uji F, regresi dan kolerasi, yang kesemuanya didasarkan atas asumsi
parameter populasi diketahui atau dapat diduga dari nilai contoh (sampel) yang ada.
Dengan menggunakan pengetahuan tentang sebaran contohnya, maka dapat disusun kaidah
keputusan uji hipotetsis yang akan dilakukan. Metode statistika seperti ini disebut dengan
PARAMETRIK, sebab dalam hal ini diperlukan identifikasi parameter dari populasi,
penduga, dan sebaran dari contohnya. Pada umumnya ada anggapan bahwa contoh kita
tersebut tersebar normal atau mendekati sebaran normal berdasarkan Dalil Limit Pusat.
Jika sebaran contoh atau populasi tidak dapat diduga atau diketahui distribusi
datanya, maka kita tidak dapat melakukan uji parametrik. Oleh karena itu, agar dapat
melakukan uji parametrik, kita harus dapat menduga atau menguji terlebih dahulu apakah
data berasal dari populasi yang sebarannya normal (dengan menggunakan uji-uji
kenormalan) atau tidak.
Pengambilan keputusan melalui uji hipotesis dapat juga dilakukan tanpa
mengetahui kenormalan sebaran, yaitu dengan menggunakan statistika non parametrik.
Pfaffenberger dan Patterson (1981) menyatakan bahwa statistika non parametrik adalah
yang memenuhi paling sedikit satu dari tiga persyaratan sebagai berikut :
1. Data yang ada merupakan data nominal
2. Data merupakan data ordinal
3. Data yang ada merupakan data interval atau ratio tetapi sebaran populasinya tidak
diketahui
Steel dan Torrie (1980), dan Jhonson (1976) menyatakan bahwa dibandingkan
dengan statistik parametrik, statistika non parametrik mempunyai keunggulan yaitu :
1. Dapat digunakan untuk data dengan berbagai sebaran
2. Lebih tepat digunakan bagi data dengan skala nominal atau ordinal
3. Lebih cepat dan lebih mudah digunakan, sebab data dapat tanda pangkat.
Walaupun demikian statistika non parametrik mempunyai kelemahan, yaitu
hilangnya informasi dari data yang ada sehingga memperbesar kesalahan tipe ke-2 (lebih
besar kemungkinan menerima Ho padahal Ho itu salah).

Jurusan Sosial Ekonomi Pertanian Fakultas Pertanian Unsri 33

-Modul 4-
 Modul Kuliah Statistik Bidang Sosial Ekonomi

Skala Pengukuran
Penggunaan metode statistika, apakah metode statistika Parametrik atau Non
Parametrik ditentukan juga oleh skala pengukuran data yang akan diuji. Hasil pengukuran
tersebut berada pada salah satu tingkatn pengukuran menurut kompleksitasnya. Skala
pengukuran tersebut adalah nominal, ordinal, interval dan rasio.

1. Skala Nominal
Suatu angka pengukuran disebut berada pada tingkat nominal atau skala nominal
apabila angka tersebut berfungsi untuk identifikasi, yaitu membedakan antara satu subjek
dengan subjek lainnya. Perbedaan angka hanya menunjukkan adanya objek atau subjek
yang terpisah dan tidak sama. Sebagai contoh adalah nomor punggung pemain sepak bola.
Nomor punggung ini digunakan hanyalah untuk identifikasi pemain, sama sekali tidak
untuk menunjukkan bahwa pemain yang bernomor punggung satu lebih berkualitas dari
pada pemain lainnya.
Selain untuk identifikasi, skala nominal juga dapat digunakan untuk klasifikasi atau
kategorisasi. Sebagi contoh adalah untuk kategorisasi jenis kelamin dan warna. Untuk
jenis kelamin, misalnya pria diberi angka 1 dan wanita angka 0. Untuk warna, misalnya
warna merah diberi angka 1, hijau angka 2 dan putih angka 3 dan seterusnya.
Pengukuran dengan skala nominal merupakan alat identifikasi atau kategorisasi,
oleh karena itu pengubahan dan pergantian angka nominal dapat dilakukan dengan bebas
selama tidak mengaburkan indentifikasi atau kategori semula. Ini berarti kita dapat
mengganti angka 1 untuk merah menjadi angka 9. Demikian juga kita dapat mengganti
wanita dari semula diberi angka 0 menjadi angka 2 atau 3.

2. Skala Ordinal
Suatu hasil pengukuran disebut berada pada skala ordinal apabila angkanya
berfungsi selain identifikasi atau kategorisasi juga terdapat perankingan (penjenjangan)
kualitatif. Namun perbedaan angka ini tidak menunjukkan adanya perbedaan ranking
kuantitatif. Apabila terdapat ranking 1, 2 dan 3, maka kita tidak dapat mengatakan bahwa
jarak antara 3 dan 2 adalah sama dengan jarak antara 2 dan 1. Kita hanya dapat
mengatakan bahwa 3 > 2, 2 > 1 dan 3 > 1. Jarak ranking antara dua angka yang berurutan
tidak selalu sama. Angka nol (0) pada skala ini tidak memiliki angka mutlak (angka nol
tidak mutlak).
Contoh penggunaan skala ordinal adalah pada pemberian nomor pemenang pada
kejuaraan tinju. Ranking kualitatif antara juara pertama dengan juara kedua belum tentu
sama dengan jarak ranking kualitatif antara juara kedua dengan juara ketiga. Ini berarti
dalam suatu ranking kita dapat mengganti setiap angka ranking yang sudah ada dengan
angka lain, selama urutan ranking yang satu dengan ranking yang lain yang telah terjadi
tadi tidak berubah. Angka boleh berubah, namun urutan objek masih tetap.
Sebagai contoh, kita mengurutkan bunga berdasarkan kualitas keharumannya, yaitu
Mawar, Melati, Anggrek dan Cempaka. Dari deretan ini kita hanya mengetahui bahwa dari
sisi keharuman bahwa Mawar > Melati > Anggrek > Cempaka. Kita tidak mengetahui
seberapa lebih harumnya Mawar dibandingkan Melati dan apakah selisih keharuman
Melati dan Anggrek sama dengan selisih keharuman antara Anggrek dan Cempaka. Oleh
karena itu kita boleh memberi ranking kuantitatif sebagai berikut:

Jurusan Sosial Ekonomi Pertanian Fakultas Pertanian Unsri 34

-Modul 4-
 Modul Kuliah Statistik Bidang Sosial Ekonomi

Mawar 1
Melati 2
Anggrek 3
Cempaka 4
Kita dapat mengganti angka ranking tersebut tanpa mengubah urutan rankingnya
seperti berikut:
Mawar 2
Melati 4
Anggrek 7
Cempaka 8
Atau dengan membalik urutan menjadi
Mawar 7
Melati 6
Anggrek 3
Cempaka 1

3. Skala Interval
Hasil pengukuran pada skala interval adalah hasil pengukuran dengan skala ordinal
yang memiliki jarak ranking yang sama (tetap). Jadi, dalam deretan angka 2, 3, 4, 5, 6, dan
7, kita dapat menyatakan bahwa jarak antara 6 dan 4 adalah sama dengan jarak antara 5
dan 3 dan sama pula dengan jarak antara 7 dan 5. Sebagaiman hasil pengukuran ordinal,
skala interval juga tidak memiliki angka nol (0) mutlak, sehingga kita tidak boleh
menyatakan bahwa 6 adalah dua kali 3. Sebagai contoh angka-angka pada termometer
merupakan skala interval, dimana kita dapat mengatakan bahwa 360C adalah 60 lebih panas
dibandingkan dengan suhu 300C, sedangkan 120C adalah lebih dingin 60 dibandingkan
suhu 180C. Namun, kita tidak dapat mengatakan bahwa suhu 36 0C adalah tiga kali lebih
panas dibandingkan suhu 120C.
Perbedaan angka pada skala interval sudah mempunyai arti perbedaan kuantitatif
dan kualitatif. Data ini sudah dapat menggunakan operasi matematis penambahan dan
pengurangan.

4. Skala Rasio
Skala pengukuran yang paling tinggi adalah skala rasio. Skala ini merupakan skala
pada level interval yang memiliki harga nol mutlak, yaitu nilai nol menunjukkan bahwa
atribut yang diukur sama sekali tidak ada pada objek yang bersangkutan. Kalau pada skala
interval, 00C bukan berati tidak ada suhu, tetapi suhunya nol derajat celcius. Pengukuran
berat, panjang, pendapatan dan lain-lain merupakan contoh untuk skala rasio. Pada skala
ini dapat diterapkan operasi matematis selain penambahan dan pengurangan, juga
perkalian dan pembagian.

Berikut ini disajikan ringkasan penggunaan empat skala pengukuran yang dikaitkan
dengan uji statistika yang sesuai. Ringkasan ini diambil dari buku Siegel (1994).

Jurusan Sosial Ekonomi Pertanian Fakultas Pertanian Unsri 35

-Modul 4-
 Modul Kuliah Statistik Bidang Sosial Ekonomi

Tabel: Empat tingkatan skala pengukuran dan statistik yang sesuai untuk masing-masing skala
Hubungan-hubungan yang Contoh-contoh Uji statistik yang
Skala
membatasi statistik yang cocok sesuai
Nominal Ekivalensi Modus Statistika
Frekuensi Nonparametrik
Koefisien Kotingensi
Ordinal 1. Ekuivalensi Median Statistika
2. Lebih besar dari Persentil Nonparametrik
Spearman
Kendall
Konkordansi Kendall
Interval 1. Ekuivalensi Mean Statistika
2. Lebih besar dari Standar deviasi Parametrik dan
3. Rasio sembarang dua Korelasi Pearson Nonparametrik
interval diketahui
Rasio 1. Ekuivalensi Mean Statistika
2. Lebih besar dari Koefisien variasi Parametrik dan
3. Rasio sembarang dua Nonparametrik
interva; diketahui
4. Rasio sembarang dua
harga skala diketahui

Uji Kenormalan

Untuk melihat apakah data yang ada berasal dari populasi yang menyebar normal,
dapat dilakukan dengan beberapa cara, yaitu uji statistika, goodness of fit, dan grafis. Uji
statistika dapat digunakan antara lain : Uji Liliefors dan D'Agustino. Goodness of fit
dilakukan dengn cara membandingkan data yang ada dengan data yang seharusnya jika
data berasal dari populasi yang menyebar normal. Cara grafis dilakukan dengan
membandingkan grafik frekuensi kumulatif dari data yang ada dengan grafik frekuensi
kumulatif seandainya data tersebar secara normal. Namun kepada anda hanya akan
diperkenalkan satu metode yang sering dipergunakan dalam menguji kenormalan suatu
data sebelum dilakukan uji statistika, yaitu uji Liliefors.

Uji Liliefors
Untuk melihat apakah data yang ada menyebar normal atau tidak, pertama-tama
harus dirumuskan dahulu hipotesis dalam pengujian ini. Hipotesis yang digunakan adalah :

Ho : Sampel berasal dari populasi normal

Ha : Sampel bukan berasal dari populasi normal

Dengan kaidah keputusan :

Jika : L ≤ L (n) Terima Ho

Jurusan Sosial Ekonomi Pertanian Fakultas Pertanian Unsri 36

-Modul 4-
 Modul Kuliah Statistik Bidang Sosial Ekonomi

L > L (n) Tolak Ho

Dimana : L = Maks  F(zi) - S(zl) 
= Nilai beda mutlak maksimum diantara F(zi) - S(zl), untuk i = 1, 2, 3....n

( xi  x )
Zi =
S
banyaknya  zi  Zmaks
Szi =
n
Contoh :
Hasil pengamatan terhadap pendapatan petani (Rp000/bulan) di desa A adalah sebagai
berikut : 1000 1500 1600 1450 1725 1560 1650 1700. Lakukanlah uji
hipotesis nol bahwa data tersebut berasal dari populasi dengan sebaran normal pada taraf
uji  = 0,05 dan  = 0,1.

Jawab :
Ho : data menyebar normal
H1 : data tidak menyebar normal
 = 0,05 dan  = 0,01
L0,05(8) = 0,285
L0,01(8) = 0,331
Diketahui : x = 1523,125 s = 231,493

Tabel data untuk uji Liliefor

No Xi Zi F(zi) S(zi) F(zi)-S(zi) 
1 1000 -2,26 0.0119 0,125 0,1131
2 1500 -0,10 0.4602 0,375 0,0852
3 1600 0,33 0,6293 0,625 0,0043
4 1450 -0,32 0,3745 0,250 0,1245
5 1725 0,87* 0,8078 1,000 0,1922**
6 1560 0,16 0,5636 0,500 0,0636
7 1650 0,55 0,7088 0,750 0,0412
8 1700 0,76 0,7704 0,875 0,1046
Keterangan : * = nilai zi maksimum ** = nilai L

Jika L pada tabel uji Liliefors yang sebesar 0,1922 dan dibandingkan dengan L tabel
(L0,05(8) = 0,285, maka L < L 0,05(8)), ini berarti kita memutuskan untuk menerima Ho, yang
berarti bahwa data pendapatan petani contoh berasal dari populasi dengan sebaran normal,
sehingga uji statistika parametrik dapat kita terapkan.

Uji Validitas dan Reliabilitas

Dalam penelitian, data mempunyai kedudukan yang paling tinggi, karena data merupakan
penggambaran variabel yang diteliti dan berfungsi sebagai alat pembuktian hipotesis.

Jurusan Sosial Ekonomi Pertanian Fakultas Pertanian Unsri 37

-Modul 4-
 Modul Kuliah Statistik Bidang Sosial Ekonomi

Benar tidaknya data, sangat menentukan bermutu tidaknya hasil penelitian. Sedang benar
tidaknya data, tergantung dari baik tidaknya instrumen pengumpulan data.  Pengujian
instumen biasanya terdiri dari uji validitas dan reliabilitas.
Definisi Validitas dan Reliabilitas
Validitas adalah tingkat keandalan dan kesahihan alat ukur yang digunakan. Intrumen
dikatakan valid berarti menunjukkan alat ukur yang dipergunakan untuk mendapatkan data
itu valid atau dapat digunakan untuk mengukur apa yang seharusnya di ukur (Sugiyono,
2004). Dengan demikian, instrumen yang valid merupakan instrumen yang benar-benar
tepat untuk mengukur apa yang hendak di ukur.
Penggaris dinyatakan valid jika digunakan untuk mengukur panjang, namun tidak valid
jika digunakan untuk mengukur berat. Artinya, penggaris memang tepat digunakan untuk
mengukur panjang, namun menjadi tidak valid jika penggaris digunakan untuk mengukur
berat.
Uji validitas berguna untuk mengetahui apakah ada pernyataan-pernyataan pada kuesioner
yang harus dibuang/diganti karena dianggap tidak relevan. Teknik untuk mengukur
validitas kuesioner adalah sebagai berikut dengan menghitung korelasi antar data pada
masing-masing pernyataan dengan skor total, memakai rumus korelasi product moment,
sebagai berikut :

Item Instrumen dianggap Valid jika lebih besar dari 0,3 atau bisa juga dengan
membandingkannya dengan r tabel. Jika r hitung > r tabel maka valid.
Uji reliabilitas berguna untuk menetapkan apakah instrumen yang dalam hal ini kuesioner
dapat digunakan lebih dari satu kali, paling tidak oleh responden yang sama akan
menghasilkan data yang konsisten. Dengan kata lain, reliabilitas instrumen mencirikan
tingkat konsistensi. Banyak rumus yang dapat digunakan untuk mengukur reliabilitas
diantaranya adalah  rumus Spearman Brown

Ket :
r11 adalah nilai reliabilitas
rb adalah nilai koefisien korelasi
Nilai koefisien reliabilitas yang baik adalah diatas 0,7 (cukup baik), di atas 0,8 (baik).
Pengukuran validitas dan reliabilitas mutlak dilakukan, karena jika instrument yang
digunakan sudah tidak valid dan reliable maka dipastikan hasil penelitiannya pun tidak
akan valid dan reliable. Sugiyono (2007) menjelaskan perbedaan antara penelitian yang
valid dan reliable dengan instrument yang valid dan reliable sebagai berikut :
Jurusan Sosial Ekonomi Pertanian Fakultas Pertanian Unsri 38
-Modul 4-
 Modul Kuliah Statistik Bidang Sosial Ekonomi

Penelitian yang valid artinya bila terdapat kesamaan antara data yang terkumpul dengan
data yang sesungguhnya terjadi pada objek yang diteliti. Artinya, jika objek berwarna
merah, sedangkan data yang terkumpul berwarna putih maka hasil penelitian tidak valid.
Sedangkan penelitian yang reliable bila terdapat kesamaan data dalam waktu yang berbeda.
Kalau dalam objek kemarin berwarna merah, maka sekarang dan besok tetap berwarna
merah.
Data dan Output Uji Validitas dan Reliabilitas

X1 X2 X3 X4 X5
4 4 4 4 4
3 3 3 3 3
4 4 4 4 4
4 4 4 3 4
3 3 3 3 3
3 3 4 3 3
4 4 4 4 4
5 4 4 4 4
3 4 3 3 4
4 4 4 4 4
4 4 4 4 4
3 3 3 3 3
4 4 4 3 4
4 4 4 4 4
3 3 3 4 3
3 3 3 3 3
4 4 4 4 4
3 3 3 3 3
3 3 3 3 3
4 3 4 3 3
4 3 3 3 3
4 4 4 4 4
3 3 4 4 3
4 3 4 4 3
4 4 4 4 4
4 4 4 4 4
4 4 4 4 4
2 2 3 2 2
4 4 4 4 2
4 4 4 3 3

OUTPUT

Jurusan Sosial Ekonomi Pertanian Fakultas Pertanian Unsri 39

-Modul 4-
 Modul Kuliah Statistik Bidang Sosial Ekonomi

Case Processing Summary

N %
Cases Valid 30 100.0
Excludeda 0 .0
Total 30 100.0
a. Listwise deletion based on all
variables in the procedure.

Reliability Statistics

Cronbach's
Alpha N of Items
.900 5

Item Statistics

Mean Std. Deviation N

X1 3.6333 .61495 30
X2 3.5333 .57135 30
X3 3.6667 .47946 30
X4 3.5000 .57235 30
X5 3.4333 .62606 30

Item-Total Statistics

Scale Corrected Cronbach's

Scale Mean if Variance if Item-Total Alpha if Item
Item Deleted Item Deleted Correlation Deleted
X1 14.1333 3.637 .808 .866
X2 14.2333 3.702 .855 .855
X3 14.1000 4.231 .734 .885
X4 14.2667 3.995 .693 .891
X5 14.3333 3.816 .695 .892

Scale Statistics

Mean Variance Std. Deviation N of Items

17.7667 5.909 2.43088 5

Validitas dan Reliabilitas

Reliabilitas adalah ukuran yang menujukkan bahwa alat ukur yang digunakan dalam
penelitian keperilakukan mempunyai keandalan sebagai alat ukur, diantaranya diukur
melalui konsistensi hasil pengukuran dari waktu ke waktu jika fenomena yang diukur tidak
berubah (Harrison, dalam Zulganef, 2006). Sementara validitas adalah suatu ukuran yang
menunjukkan bahwa variabel yang diukur memang benar-benar variabel yang hendak
diteliti oleh peneliti (Cooper dan Schindler, dalam Zulganef, 2006)
Penelitian memerlukan data yang betul valid dan reliabel. Dalam rangka urgensi ini, maka
kuesioner sebelum digunakan sebagai data penelitian primer, terlebih dahulu diujicobakan
Jurusan Sosial Ekonomi Pertanian Fakultas Pertanian Unsri 40
-Modul 4-
 Modul Kuliah Statistik Bidang Sosial Ekonomi

ke sampel uji coba penelitian. Uji coba ini dilakukan untuk memperoleh bukti sejauh mana
ketepatan dan kecermatan alat ukur dalam melakukan fungsi ukurnya
Contoh Kasus
Akan di uji validitas dan reliabilitas variabel motivasi kerja. Variabel ini berjumlah 5
indikator yang diadaptasi dari intrinsic factor dari teori dua factor Herzberg meliputi
pekerjaan itu sendiri, keberhasilan yang diraih, kesempatan bertumbuh, kemajuan dalam
karier dan pengakuan orang lain.
Skala yang digunakan adalah skala Likert 1 – 5 dengan jumlah sampel sebanyak 30.
Setelah angket ditabulasi maka diperoleh data sbb
PENYELESAIAN
Pilih Analyze > Scale > Reliability Analysis
Masukkan semua variabel (item 1 s/d 5) ke kotak items

Klik Kotak Statistics, lalu tandai ITEM, SCALE, dan SCALE IF ITEM DELETED pada
kotak DESCRIPTIVES FOR > Continue
Klik OK
Maka akan tampil output sebagai berikut :

Interpretasi

Jurusan Sosial Ekonomi Pertanian Fakultas Pertanian Unsri 41

-Modul 4-
 Modul Kuliah Statistik Bidang Sosial Ekonomi

Reliabilitas
Sekarang dalam Zulganef (2006) yang menyatakan bahwa suatu instrumen penelitian
mengindikasikan memiliki reliabilitas yang memadai jika koefisien alpha Cronbach lebih
besar atau sama dengan 0,70. Sementara hasil uji menunjukkan koef cronbach alpha
sebesar 0.900, dengan demikian dapat disimpulkan bahwa variabel ini adalah reliabel.
Validitas Item
Model pengujian menggunakan pendekatan korelasi item-total dikoreksi (corrected item-
total correlation) untuk menguji validitas internal setiap item pernyataan kuesioner yang
disusun dalam bentuk skala. Untuk menentukan apakah sebuah item dinyatakan valid atau
tidak maka para ahli menetapkan patokan besaran koefisien korelasi item total dikoreksi
sebesar 0,25 atau 0,30 sebagai batas minimal valid tidaknya sebuah ítem. Artinya, sama
atau lebih besar dari 0,25 atau 0,30 mengindikasikan item tersebut memiliki validitas yang
memadai.
Kriteria penafsiran validitas instrument setelah didapatkan hasil perhitungan adalah jika r
hitung > r tabel. r tabel didapatkan dari Tabel Nilai Product Moment didapatkan dari
derajat kebebasan (dk) = n – 2, n adalah jumlah responden dan signifikansi (taraf
kesalahan) yang dipergunakan yaitu 5%, sehingga diperoleh r tabel = 0.374
Berdasarkan hasil uji yang diperlihatkan seluruh item pernyataan yang diberikan memiliki
nilai koefisien korelasi lebih besar dari 0,30 maupun dengan cara membandingkannya
dengan r tabel. Dengan demikian, item-item pernyataan yang diberikan dalam kuesioner
telah memenuhi syarat valid dan dapat diikutsertakan dalam analisis data selanjutnya.

Jurusan Sosial Ekonomi Pertanian Fakultas Pertanian Unsri 42

-Modul 4-