PENDALAMAN MATERI STATISTIKA

STATISTIKA NONPARAMETRIK
Karakteristik Statistika Nonparametrik dan Uji Chi-Square

Nama Penulis :
Sardi Santosa (220002031015)
Riana Multazam(xxxxxxxxxx)

PROGRAM PASCA SARJANA

UNIVERSITAS NEGERI MAKASSAR
2022
 PENDALAMAN MATERI STATISTIK
“STATISTIKA NONPARAMETRIK”

TUJUAN PEMBELAJARAN
1. Mahsiswa mampu menggunakan metode statistiika yang tepat dalam
menyelesaikan permasalahan dan penelitian Pendidikan ekonomi secara
rasional dan objektif.
2. Mahasiswa mampu melakukan analisis permasalahan da penelitian ekonomi
menggunakan program statistic yang mengutamakan objektivitas data.
SUB TUJUAN PEMBELAJARAN
1. Mahasiswa mampu memahami statistic nonparametric dan penerapannya.
2. Mahasiswa mampu menggunakan statistic nonparametric dalam analisis data.
POKOK MATERI
1. Memahami karakteristik Statistik Nonparametrik
2. Mengenal uji Chisquare
3. Penerapan uji Chisquare
URAIAN MATERI
A. Karakteristik Statistik Nonparametrik
Pada tahun 1942, istilah nonparamterik pertamakali digunakan oleh
Wolfowitz. Statistik uji nonparamterik merupakan cabang ilmu statistik yang
mempelajari prosedur-prosedur dalam statistik inferensial dimana tidak
bergantung kepada asumsi-asumsi yang khusus.
Statistik nonparamterik diartikan sebagai bagian dari statistika inferensia
yang tidak memperhatikan nilai dari satu atau lebih parameter populasi.
Sehubungan dengan kebutuhan inferensinya, umumnya validitas pada statistic
nonparametric tidak tergantung pada model peluang yang spesifik dari
populasi.(Badri 2012)
Uji statistik non-parametrik adalah uji statistik yang tidak memerlukan
asumsi tentang sebaran data populasi (sebaran data belum diketahui dan tidak
diperlu berdistribusi normal). Oleh karena itu, statistik ini juga diberikan sebagai
statistik independen (tidak mensyaratkan bentuk sebaran parameter populasi baik
normal maupun tidak). Statistik non-parametrik dapat digunakan untuk
menganalisis data pada skala nominal atau ordinal. Dari segi data, pada dasarnya
data berjumlah kecil, yakni kurang dari 30 data (Junaidi 2010).
Statistik nonparametrik menyediakan metode statistika untuk menganalisis
data yang tidak dapat diasumsikan normal. Dalam statistic non parametrik, data
yang dibutuhkan lebih banyak yag berskala ukur nominal atau ordinal. Uji
nonparametik digunakan bila asumsi-asumsi pada uji parametrik tidak terpenuhi.
 Keuntungan uji nonparametrik terutama pada tidak perlunya menegtahui
bentuk dsitribusi populasi data. Selai itu perhitungan-perhitungan biasanya singkat
dan syarat skala pengukuran datanya tidak terlalu ketat. Kelemahannya, informasi
pada sampel sering tidak masuk dalam analisis atau perhitungan.(Badri 2012)
Statistik non parametrik lebih fleksibel karena tidak memperhatikan
persyaratan yang ketat seperti statistik parametrik. Kelebihan non-parametrik dapat
digunakannya metode tersebut pada data yang tidak bisa di proses parametrik. Pada
data bentuk apapun, tipe data apapun, jumlah data berapa pun, prosedur non-
parametrik bisa digunakan. Metode non-parametrik dapat dipakai untuk infernsi
pada data nominal, ordinal, interval, maupun rasio, pada data berjumlah serratus
atau sepuluh (Singgih, 2010)
Beberapa uji nonparamterik yang seringkali dipergunakan dalam analisis
diantaranya : Chi Square untuk uji kebebasan dua varaibel, Koefisien korelasi
spearman, Uji tanda peringkat Wilcoxon, Uji U- Mann-Whitney, Uji Kruskal –
Wllis, Uji Friedman dan Uji Cohran.(Suliyanto 2014)
Ciri-ciri statistik non-parametrik (Dahri 2019)
a. Data tidak berdistribusi normal
b. Umumnya data berskala nominal dan ordinal
c. Umumnya dilakukan pada penelitian sosial
d. Umumnya jumlah sampel kecil.
Berikut beberapa kondisi data yang memungkinkan digunakannya metode
statistik non-parametrik:
a. Untuk data yang tidak berdistribusi normal atau varians tidak sama, bisa
dilakukan transformasi data ke bentuk logaritmik, akar, dan sebagainya, lalu
dilakukan pengujian normalitas dan varians sekali lagi.
b. Jika jumlah data terlalu sedikit, bisa diusahakan penambahan data sehingga
memenuhi prosedur parametrik (sekitar 30 data atau lebih), sejauh
penambahan data tidak mebebani biaya dan masih relevan dengan tujuan
penelitian.
c. Untuk data bertipe normal atau ordinal, hal ini tidak bisa diubah, karena
menyangkut ‘nature’ data. Mau tidak mau prosedur non-parametrik sangat
dianjurkan untuk tipe data nominal dan ordinal.

B. Uji Chi Square

Uji chi-kuadrat atau sering disebut chi-test kuadrat dimaksudkan untuk
menentukan hubungan antara variabel baris dan kolom. Tipe data yang digunakan
untuk uji chi-kuadrat harus berbentuk data frekuensi, bukan data metrik atau format
data skala. Dasar pengambilan keputusan dalam uji chi square dapatdilakukan
dengan melihat nilai output chi square test hasil oleh data dengan spss. Dalam
penganbilan keputusan kita dapat berpedoman pada dua hal, yakni membandingkan
nilai chi-square hitung dengan chi-square tabel (Darmawi 2001)
Chisquare, Melihat nilai Asymp. Sig :
1. Jika nilai Asymp.Sig < 0,05, maka terdapat hubungan yang signifikan antara
baris dengan kolom.
2. Jika nilai Asym. Sig > 0,05, maka tidak terdapat hubungan yang signifikan
antara baris dengan kolom.
Melihat nilai Chi Square :
1. Jika nilai Chi Square hitung > Chi Square Tabel, maka terdapat hubungan
antara baris dengan kolom.
2. Jika nilai Chi Square hitung < Chi Square Tabel, maka tidak terdapat
hubungan antara baris dengan kolom
Untuk membandingkan anatara data yang diamati atau diperoleh denga napa
yang diharapkan/teorits digunakan uji Chi Square (X2) dengan rumus :

∑𝑘𝑖=1(𝑜𝑖 − 𝐸𝑖)2
𝑥𝐻2
𝐸𝑖
Disini X2H adalah nilai Chi Square yang akan diuji atau dibandingkan X2
tabel Oi adalah frekuensi atau jumlah data yang diamati pada kategori ke-I, Ei
adalah ferekuensi atau jumlah yang diharapkan pada kategori kee I dan k adalah
banyaknya kategori ( i= 1,2,3,…k).(Suliyanto 2014)
Uji kebebasan dua varaibel kategori Chi Square, digunakan untuk mengukur
keeratan hubungan bagi variabel-variabel yang berskala ukur nominal.
Sebagaimana diketahui, skala pengukuran nominal hanya memungkinkan untuk
menggolaongkan hasil-hasil pengaatan kedalam kategori tertentu.

C. Penerapan Uji Chi Square

Contoh Studi Kasus ;
Seorang mahasiswa kebidanan yang bernama Melati, akan mengadakan
penelitian dengan judul “Hubungan pemberian ASI Eksklusif dengan status gizi
bayi usia 0-6 bulan di puskesmas X”.
Adapun data yang diperoleh dari hasil penelitian adalah sebagai berikut.
“Hubungan pemberian ASI Eklusif dengan status gizi bayi usia 0- 6 bulan”.
Pemberian ASI eksklusif terdapat 2 katagori nominal yaitu : “diberi ASI ekslusif
dengan kode 1 dan tidak diberi ASI eksklusif dengan kode 0”.
Sedangkan status gizi dibedakan menjadi 4 kategori nominal : yaitu gizi
buruk dengan kode 4, gizi kurang dengan kode 3, gizi baik dengan kode 2 dan gizi
lebih dengan kode 1.
 Dalam skala nominal yang kita gunakan pemberian kode tidak memiliki
tingkatan, hanya berfungsi sebagai koding saja, sehingga koding-koding tersebut
bisa diganti dengan angka atau huruf.

Berikut disajikan Langkah kerjanya meggunakan Aplikasi SPSS :

1. Bukalah lembar kerja SPSS
2. Copy dan pastekan koding dari status gizi bayi dan koding pemberian ASI
Eksklusif kedalm lembar kerja spss.
3. Masukkan dalam menu Variabel view untuk memberi nama variabel pana
menu label

4. Klik menu values untuk membeikan penjelasan koding variabel pemberian

ASI Eksklusif dan status gizi
 5. Masuk menu Analyze, kemudian pilih descriptive statistics, kemudian
masuk sub menu Crosstabs

6. Masukkan variabel pemberian ASI eksklusif pada kotak row(s); dan variabel
Status gizi bai 0-6 bulan kedalam kotak column(s)
7. Klik menu statistic kemudian contreng kotak che square dan Contigency
coefficient klik kotak continue
8. Masuk menu kotak Cell contreng kotak Observed dan total, hiraukan yang
lainnya. Kemudian kik Continue...dan OK

9. Berikutnya hasil uji Che Square hubungan pemberian ASI Eksklusif

Interpretasi Hasil Keluaran SPSS

Output Case Processing summary, terdapat 12 data yang semuanya

diproses (tidak ada data yang missing atau hilang), sehingga tingkat kevalidannya
100%.

Tabulasi silang diatas (cross tabulation) bertujuan untuk memberikan

gambaran kecenderungan hubungan secara kualitatif. Berdasarkan tabulasi silang
diatas kita dapat mengetahuai bahwa bayi yang tidak diberikan ASI eksklusif
memiliki kecenderungan mengalami gizi buruk (33,3%). Sedangkan bayi yang
diberikan ASI eksklusif memiliki kecenderungan memiliki status gizi baik
(33,3%). Hal tersebut dapat dilihat dari jumlah frekuensi paling banyak pada
kolom status gizi bayi usia 0-6 bulan.

Pada bagian pearson Chi-Square terlihat nilai Asimp.sig(2-tailed) sebesar

0,046. karena nlai Asimp.Sig(2-tailed) 0,046 < 0,05, maka dapat disimpulkan
bahwa Ho ditolak, yang artinya “ terdapat hubungan yang signifikan antara
pemberian ASI eksklusif dengan status gizi bayi 0-6 bulan.
 Symmetric measure memberikan informasi besarnya contingensi
coeffisient, yaitu seberapa erat hubungan antara pemberian ASI eksklusif dengan
status gizi bayi 0-6 bulan.

Hasil analisisnya tabel di atas diperoleh nilai sebesar 0,632 dengan

katagori kuat, sehingga dapat dinyatakan bahwa tingkat keeratan hubungan
antara pemberian ASI eksklusif dengan status gizi bayi 0-6 bulan dalam katagori
kuat atau memiliki hubungan yang kuat.
 DAFTAR PUSATAKA

Badri, Sutrisno. 2012. METODE STATISTIKA UNTUK PENELITIAN KUANTITATIF.

Yogyakarta: Penerbit Ombak.
Dahri, Muhammad. 2019. “Jenis Variabel Dan Skala Pengukuran, Perbedaan Statistik
Deskriptif Dan Inferensial Dan Statistik Parametrik Dan Nonparametrik.” Journal of
Chemical Information and Modeling 53(9):1–11.
Darmawi, Ahmad. 2001. “Statistik Non Parametrik Menggunakan Sofwere IBM SPSS 22
Dan Interpretasi Hasil Keluarannya.” Academia 2(7):1–29.
Junaidi, Junaidi. 2010. “Statistika Non-Paramaterik.” Fakultas Ekonomi Universitas
Jambi 1–4.
Singgih, S. (2010). STATISTIK NON PARAMETRIK, Konsep dan Aplikasi dengan SPSS.
PT Elex Media Komputindo.
Suliyanto, Dr. 2014. STATISTIKA NON PARAMETRIK Dalam Aplikasi Penelitian. 1 ed.
disunting oleh Maya. Yogyakarta: Penerbit ANDI.