MAKALH

STATISTIK INFERENSIAL
“Analisis Non Parametrik”

Dosen pengampu :
Yuanita Dwi Krisphianti, M.Pd

Disusun Oleh :

1. Diana Bunga Manuri (2014010052)

2. Siti Fatimatuz Zahro’ (2014010057)
3. Emilia Putri (2014010058)

PRODI BIMBINGAN DAN KONSELING

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS NUSANTARA PGRI KEDIRI
2021/2022
 KATA PENGANTAR

Segala puji bagi Allah SWT yang telah memberikan Taufik dan hidayah-Nya kepada kita
semua, sehingga kami dapat menyelesaikan makalah ini tepat pada waktunya – shalawat dan
salam selalu kita curahkan kepada junjungan kita Nabi Muhammad saw beserta keluarga,
sahabat dan pengikut beliau hingga akhir zaman

Dalam kesempatan ini kami menyampaikan ucapan terimakasih yang sebesar-besarnya

kepada Ibu  Yuanita Dwi Krisphianti, M.Pd yang telah memberikan pengetahuan, arahan dan
bimbingan kepada penulis sehingga dapat menyelesaikan tugas ini dengan baik dan tepat pada
waktunya dengan judul “Analisis Non Parametrik”. Serta dalam penyempurnaan makalah ini.

Penulis menyadari bahwa dalam tulisan ini masih terdapat banyak kekurangan, baik dari
segi penulisan maupun isi dari makalah ini. Oleh karena itu penulis mengharapkan kritik dan
saran yang bersifat konstruktif dan membangun demi kesempurnaan makalah ini bermanfaat
bagi penulis khususnya dan bagi pembaca umumnya.

Kediri 24 Maret 2022

Penyusun
 DAFTAR ISI

JUDUL 1
KATA PENGANTAR 2
DAFTAR ISI 3
BAB I PENDAHULUAN
1. Latar Belakang 4
2. Rumusan Masalah 4
3. Tujuan Masalah 4
BAB II PEMBAHASAN
a. Pengertian Analisis non parametrik 5
b. Jenis-jenis analisis non parametrik 5
c. Kelebihan Analisis non parametrik 5
d. Kekurangan Analisis non parametrik 5
BAB III PENUTUP
Kesimpulan 8
Saran 8
DAFTAR PUSTAKA 9
 BAB I
PENDAHULUAN

A. Latar Belakang
Analisis non paramtrik dikenal sebagai alat analisis statistik alternatif di saat peneliti
tidak dapat menggunakan analisis parametrik. Meskipun pendapat ini tidak seluruhnya
benar, namun nyatanya putar haluan analisis ke nonparametrik merupakan tindakan
alternatif penyelamatan data yang dilakukan para peneliti. Tidak dapat menggunakan
parametrik di sini bukan berarti tidak tahu analisis apa yang hendak digunaan, tetapi justru
peneliti tahu tetapi menyadari bahwa sebaran data yang dimiliki tidak memenuhi syarat
sebagai populasi untuk dianalisis lebih lanjut. Adapun tentang prasyarat sebagai populasi
tidak di bahas di sini (khawatir malah tidak fokus, dan itulah kelemahan penulis, kelemahan
itu bukan disadari penulis tetapi kritik yang selalu bertubi-tubi tentang hal ini).
Analisis nonparametrik adalah prosedur statistik yang tidak mengacu pada parameter
tertentu. Itulah sebabnya, statistik nonparametrik sering disebut sebagai prosedur yang bebas
distribusi (free-distibution procedures). Banyak orang berpendapat, jika data yang
dikumpulkan terlalu kecil maka prosedur statistik nonparametrik lebih baik digunakan.
Pendapat ini bisa benar dan bisa pula salah. Masalahnya adalah, bagaimana mendefinisikan
besar-kecilnya suatu data? Bukankah hal ini sangat relatif? Yang jelas, kita pasti
menggunakan statistik nonparametrik bila kita tidak mengetahui dengan pasti distribusi dari
data yang kita amati. Namun jika kita yakin data yang diamati berdistribusi normal,
misalkan dibuktikan dengan memakai uji statistik, maka kita bisa memakai prosedur statistik
parametrik untuk distribusi normal. Sebaliknya, walaupun data yang dikumpukan berjumlah
besar, tetapi tidak dapat dipastikan distribusinya, maka sebaiknya dipakai prosedur statistik
nonparametrik.
B. Rumusan Masalah
1. Apa definisi analisis non parametrik?
2. Apa saja jenis-jenis analisis non parametrik
3. Apa saja kelebihan dan kekurangan analisis non parametrik?
C. Tujuan Masalah

1. Untuk mengetahui definisi analisi non parametrik

2. Untuk mengetahui jenis-jenis analisis non parametrik

3. Untuk mengetahui kelebihan dan kekurangan analisi non parametrik

 BAB II

PEMBAHASAN

A. DEFINISI ANALISIS NON PARAMETRIK

Istilah nonparametrik pertama kali digunakan oleh Wolfowitz, pada tahun 1942.
Metode statistik nonparametrik merupakan metode statistik yang dapat digunakan
dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode statistic
parametrik, terutama yang berkaitan dengan distribusi normal. Istilah lain yang sering
digunakan untuk statistik nonparametrik adalah statistik bebas distribusi (distribution
free statistics) dan uji bebas asumsi (assumption-free test). Statistik nonparametric
banyak digunakan pada penelitian-penelitian sosial. Data yang diperoleh dalam
penelitian sosial pada umunya berbentuk kategori atau berbentuk rangking.
Uji statistik nonparametrik ialah suatu uji statistik yang tidak memerlukan adanya
asumsi-asumsi mengenai sebaran data populasi. Uji statistik ini disebut juga sebagai
statistik bebas sebaran (distribution free). Statistik nonparametrik tidak
mensyaratkanbentuk sebaran parameter populasi berdistribusi normal. Statistik
nonparametrik dapat digunakan untuk menganalisis data yang berskala nominal atau
ordinal karena pada umumnya data berjenis nominal dan ordinal tidak menyebar
normal. Dari segi jumla data, pada umumnya statistik nonparametrik digunakan untuk
data berjumlah kecil (n <30).
B. JENIS-JENIS ANALISIS NON PARAMETRIK
Ada beberapa jenis non parametric salah satunya sebagai berikut:
a) Uji Tanda (Sign Test)
Di dalam menggunakan t test, populasi dari mana sampel diambil harus
didistribusikan normal. Untuk pengujian perbedaan mean dari dua populasi
didasarkan pada anggapan bahwa variance populasinya harus identik/sama. Dalam
banyak hal bila salah satu atau dua anggapan tersebut tidak dapat diketahui, maka t
test tidak dapat dipergunakan. Dalam hal demikian dapatlah dipergunakan uji
nonparametrik yang umum dikenal sebagai uji tanda (sign test). Uji tanda didasarkan
atas tanda-tanda, positif atau negatif, dari perbedaan antara pasangan pengamatan.
Budan didasarkan pada besernya perbedaan. Uji tanda dapat dipergunakan untuk
 mengevaluasi efek dari suatu treatment tertentu. Efek dari variabel eksperimen atau
treatment tidak dapat diukur melainkan hanya dapat diberi tanda positif atau negatif
saja.
Sebagai contoh misalnya: apakah penerangan akan kebersihan dan kesehatan ada
manfaatnya untuk menyadarkan penduduk dalam hal kebersihan dan kesehatan.
Untuk itu perlu diamati sebelum dan sesudah beberapa minggu diadakan penerangan.
Efek penerangan kesadaran penduduk tidak dapat diukur, tetapi hanya dapat diberi
tanda positif atau negatif saja. Apabila (X-Y) menunjukkan beda dari kedua variabel
random dan m menunjukan median dari beda ini, maka uji tanda dapat dipergunakan
untuk menuji hipotesa nilil m = 0 dengan hepotesa alternatif m ≠ 0. Bila benar
haruslah probabilitas untuk memperoleh suatu beda yang bertanda positif sama
dengan probabilitas untuk memperoleh beda tanda yang bertanda negatif yaitu
masing-masing sebesar 0,5. Uji tanda bertitik-tolak pada kenyataan ini, karena
apabila benar, dapatlah diharapkan bahwa beda yang bertanda positif kira-kira sama
dengan banyaknya beda yang bertanda negatif dari n buah beda yang diamati. Dengan
demikian dapatlah hipotesa nihil dinyatakan dengan P = 0,5, di mana P menunjukan
probabilitas untuk memperoleh beda yang bertanda positif. Hipotesa alternatif
dinyatakan dengan P ≠ 0,5 bila dipergunakan pengujian dua arah, atau P 0,5 bila
dipergunakan pengujian satu arah. Bila n1 menunjukkan banyaknya beda bertanda
positif dan n2 menunjukkan beda yang bertanda negatif maka Ho benar, variabel
random.

b) Metode Korelasi Jenjang Spearman (Rank-Correlation Method)

Metode korelasi jenjang ini dikemukakan oleh Carl Spearman pada tahun 1904.
Metode ini diperlukan untuk mengukur keeratan hubungan antara dua variabel 145
dimana dua variabel itu tidak mempunyai joint normal distribution dan conditional
variance tidak diketahui sama. Korelasi rank dipergunakan apabila pengukuran
 kuantitatif secara eksak tidak mungkin/sulit dilakukan. Misalnya: mengukur tingkat
moral, tingkat kesenangan, tingkat motivasi. Untuk mengukur tingkat rank-
correlation coefficient-nya, yang dinotasikan dengan rs , dilakukan langkah-langkah
sebagai berikut:
1. Nilai pengamatan dari dua variabel yang akan diukur hubungannya diberi jenjang.
Bila ada nilai pengamatan yang sama dihitung nilai rata-ratanya.
2. Setiap pasangan jenjang dihitung perbedaannya
3. Perbedaan setiap pasang jenjang tersebut dikuadratkan dan dihitung jumlahnya.
4. Nilai rs (koefisien korelasi Spearman) dihitung dengan rumus: rs = 1 - ( 1) 6 2 1 2
  n n d n i i di mana : di menunjukkan perbedaan setiap pasang rank n
menunjukkan jumlah pasangan rank Hipotesa nihil yang akan diuji menyatakan
bahwa dua variabel yang diteliti dengan nilai jenjangnya itu independen, tidak ada
hubungan antara jenjang variabel yang satu dengan jenjang dari variabel lainnya. H0 :
rs = 0 H1 : rs  0 Kriteria pengambilan keputusannya adalah: H0 diterima apabila rs 
 s  H0 ditolak apabila rs >  s  Untuk n < 30 dapat dipergunakan tabel nilai t,
dimana nilai t sampel dapat dihitung dengan rumus: t = rs 2 1 2 s r n   Ho diterima
apabila – t ; n-2 ≤ t ≤ t t ; n-2 Ho ditolak apabila t ; n-2 atau t < - t  / 2 ; n-2
c) Uji Chi Square
Uji χ2 hanya digunakan untuk data diskrit. Uji ini adalah uji independensi, dimana
suatu variable tidak dipengaruhi atau tidak ada hubungan dengan variable lain.χ2
bukan merupakan ukuran derajat hubungan. Uji ini hanya digunakan untuk
mengestimate barangkali bahwa beberapa factor, disamping sampling error,
dipandang mempengaruhi adanya hubungan. Selama hipotesa nihil menyatakan
bahwa tidak ada hubungan(variable-variabelnya independen), uji ini hanya
mengevaluasi kemungkinan bahwa hubungan dari nilai pengamatan disebabkan oleh
sampling error. Hipotesa nihil ditolak bila nilai χ2 yang dihitung dari sampel lebih
besar dari nilai χ2 dalam tebel berdasarkan level of significance tertentu. Ho diterima
apabila: χ2 χ 2 ; derajat bebas tertentu Ho ditolak apabila: χ2 χ 2 ; derajat bebas
tertentu 133 Diketemukan nilai χ2 yang signifikan belum tentu menunjukkan adanya
hubungan sebab akibat (seperti halnya pada korelasi). Diketemukan nilai χ2 yang
signifikan menunjukkan bahwa variabel-variabelnya dependen.
d) Rank sum test (wilcoxon)
Merupakan suatu uji yang menghitung tanda dan besarnya selisih dari dua buah
rataan populasi. Uji ini lebih peka dari pada uji tanda dalam menemukan perbedaan
antara populasi. Dengan kata lain, uji peringkat bertanda wilcoxon digunakan jika
besaran maupun arah perbedaan relevan
Untuk menentukan apakah terdapat perbedaan yang sesungguhnya antara pasangan
data yang diambil dari dua sampel yang berkait.
§      Prosedur Uji wilcoxon Untuk Pengamatan Berpasangan
1.  Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).
2.   Memilih tarap keberartian.
3.   Menentukan daerah kritis W (bila dist Z digunakan).
4.   Menyusun peringkat tanpa memperhatikan tanda.
5.    Pemberian tanda atas peringkat yang telah ditetapkan.
6.    Menjumlahkan peringkat dengan jumlah terkecil sebagai W.
7.   Penarikan kesimpulan statistic tentang hipotesis nol (tolak H0 atau terima H0)
§      Penarikan Kesimpulan Statistik
Untuk menguji hipotesis nol (H0) dari uji Wilocoxon ini, selain dapat meggunakan
tabel harga-harga kritis W dalam uji jenjang bertanda data berpasangan wilcoxon
khususnya untuk sampel kecil, juga dapat menggunakan pendekatan distribusi
normal. Sedangkan untuk sampel besar digunakan pendektan distribusi normal.
Pengujian dilakukan dengan langkah-langkah sebagai berikut:
§      Hipotesis
v  Satu sisi
H0 :W(+) = (-)
H1 : W(+) > (-)
H0 :W(+) = (-)
H1 : W(+) < (-)
v  Dua sisi
H0 :W(+) = (-)
 H1 : W(+) ≠ (-)
Keterangan :
W(+) = jumlah semua peringkat selisih pasangan pengamatan (xi,yi) yang bertanda
positif
W(-)= jumlah semua peringkat selisih pasangan pengamatan (xi,yi) yang bertanda
negatif
 α = …%
§      Daerah kritis
Tabel Wilcoxon
Jika harga W adalah sama dengan atau kurang dari harga yang diberikan dalam
tabel, untuk satu tingkat signifikasi tertentu dengan N tertetu, maka tolak H0.
Jika harga α hit yang diperoleh dari tabel (dengan N dan W tertentu) adalah sama
dengan atau kurang dari harga yang telah ditentukan,maka tolak H0.
C. KELEBIHAN DAN KEKURANGAN ANALISIS NON PARAMETRIK
a. Kelebihan Uji Non Parametrik
Ada beberapa kelebihan uji ini salah satunya adalah kecilnya tingkat kesalahan
karena tidak diperlukan banyak asumsi. Selain itu, perhitungan uji non parametrik
cenderung sederhana dan konsepnya mudah dipahami. Ditambah lagi, analisis non
parametrik bisa diaplikasikan ke data rank maupun hitungan.
b. Kelemahan Uji Non Parametrik
Kelemahan dari uji ini adalah pada kelompok data yang lebih luas, hasil analisis
cenderung tidak bisa digeneralisasikan. Selain itu, pada jumlah yang sangat besar
akan terjadi perhitungan yang lama walaupun perhitungannya sederhana. Kemudian,
uji non parametrik belum bisa digunakan untuk uji anova atau analisis varian.
Kelemahan lainnya adalah untuk menyimpulkan hasil, diperlukan tabel statistik
khusus yang mana perolehannya juga tidak mudah. Melakukan uji non parametrik
juga merupakan pemborosan jika data sudah memenuhi syarat uji parametrik.
 BAB III
PENUTUP

KESIMPULAN
uji statistik non parametrik adalah sebuah metode statistik untuk menguji data yang
distribusinya tidak normal, dengan mengabaikan semua asumsi. Digunakan pada pada data yang
kecil atau data yang lebih besar dengan perhitungan yang sederhana. Jika memerlukan panduan
lebih dalam mengenai uji non parametrik, konsultasikan langsung dengan Gama Statistik.

SARAN
Kami sebagai penulis menyadari bahwa dalam makalah ini masih banyak ada kesalahan
serta kekurangan, dan juga makalah ini masih jauh dari kata sempurna. Tentunya kami sebagai
penulis akan terus memperbaiki makalah dengan berpatokan pada sumber yang bisa
dipertanggungjawabkan nantinya. Kami sebagai penulis sangat mengharapkan adanya respons
ataupun kritik saran mengenai pembahasan materi di makalah ini yaitu tentang “ Analisis Non
Parametrik”
 DAFTAR PUSTAKA

https://repository.unsri.ac.id/6823/1/PENGGUNAAN_STATISTIK_NON-
PARAMETRIK_DALAM_PENELITIAN.pdf
https://gamastatistika.com/2020/09/04/mengenal-uji-statistik-non-parametrik/
#:~:text=Analisis%20non%20parametrik%20digunakan%20ketika%20peneliti
%20tidak%20tahu,data%20berjumlah%20besar%20yang%20distribusinya%20tidak
%20bisa%20dipastikan