1
A. Statistika Non Parametrik
Prosedur pengolahan data berdasarkan parameter yang ada statistik
dibagi menjadi 2 yaitu: statistik parametrik: berhubungan dengan
inferensi statistik yang membahas parameter-parameter populasi; jenis
data interval atau rasio; distribusi data normal atau mendekati normal.
Statistik nonparametrik: inferensi statistik tidak membahas parameter-
parameter populasi; jenis data nominal atau ordinal; distribusi data tidak
diketahui atau tidak normal. Ada beberapa Keunggulan Statistik
Nonparametrik antara lain.
1. Asumsi dalam uji-uji statistik nonparametrik relatif lebih longgar.
Jika pengujian data menunjukkan bahwa salah satu atau beberapa
asumsi yang mendasari uji statistik parametrik. (misalnya mengenai
sifat distribusi data) tidak terpenuhi, maka statistik nonparametrik
lebih sesuai diterapkan dibandingkan statistic parametrik.
2. Perhitungan-perhitungannya dapat dilaksanakan dengan cepat dan
mudah, sehingga hasil penelitian segera dapat disampaikan.
3. Untuk memahami konsep-konsep dan metode-metodenya tidak
memerlukan dasar matematika serta statistika yang mendalam.
4. Uji-uji pada statistik nonparametrik dapat diterapkan jika kita
menghadapi keterbatasan data yang tersedia, misalnya jika data
telah diukur menggunakan skala pengukuran yang lemah (nominal
atau ordinal).
5. Efisiensi statistik nonparametrik lebih tinggi dibandingkan dengan
metode parametrik untuk jumlah sampel yang sedikit.
B. Uji Binomial
Tes binomial digunakan untuk menguji hipotesis bila populasi
terdiri atas dua kelompok, datanya berbentuk nominal dan jumlah
sampelnya kurang dari 25. Selanjutnya, dari populasi itu akan diteliti
menggunakan sampel yang diambil dari populasi tersebut. Bila data
sampel dijadikan data populasi, maka peneliti akan menguji hipotesis
statistik yaitu menguji ada tidaknya perbedaan menguji ada tidaknya
perbedaan antara data yang ada dalam populasi dengan data yang ada
pada sampel dari pupulasi tersebut. Pengujian semacam ini digunakan
tes binomial. Tes binomial digunakan untuk menguji hipotesis
deskriptif (satu sampel) bila datanya nominal berbentuk dua kelas. Tes
ini dikatakan sebagai tes binomial karena distribusi dalam populasi
berbentuk binomial, jadi bila dalam suatu populasi dengan jumlah 𝑁,
terdapat satu kelas yang berkategori 𝑥 maka kategori yang lain adalah
𝑁 − 𝑥. Probabilitas untuk memperoleh 𝑥 objek dalam satu kategori dan
𝑁 − 𝑥 dalam kategori lain adalah
𝑁
𝑃(𝑥) = ( ) 𝑝 𝑥 𝑞 𝑁−𝑥
𝑥
Keterangan :
N = Banyaknya eksperimen
 2

x = 0, 1, 2, 3, .... , n 2. Taraf signikasi, 𝛼 = 0,01

P = proporsi kasus yang diharapkan dalam salah satu kategori 3. Tes Statistik tes binomial
𝑞 = proporsi kasus yang diharapkan dalam kategori lainnya 𝑞 = 1 − 𝑝 4. Perhitungan menggunakan spss

𝑁 𝑁!
( )=
𝑥 𝑥! (𝑁 − 𝑥)!

𝑁! = 𝑁(𝑁 − 1)(𝑁 − 2) … 3. 2. 1
4! = 4(4 − 1)(4 − 2)(4 − 3) = 24 atau 4! = 4.3.2.1 = 24
Contoh Soal:
Dilakukan penelitian untuk mengetahui kecenderungan masyarakat
dalam memilih perawatan kecantikan Berdasarkan 20 anggota sampel
yang dipilih secara acak ternyata 8 orang memilih perawatan kecantikan
di salon dan 12 lainnya lebih memilih klinik kecantikan Ujilah bahwa
peluang masyarakat dalam memilih perawatan kecantikan di salon dan
di klinik kecantikan adalah sama Taraf nyata yang digunakan adalah
1%.
Penyelesaian :
1. Hipotesis Nol
Ho: P=0,5 (tidak ada perbedaan antara kemungkinan
masyarakat dalam memilih perawatan kecantikan di salon dan
di klinik kecantikan). 5. Interpretasi

𝐻1 : 𝑃 ≠ 0,5 (ada perbedaan antara kemungkinan masyarakat Output dari penghitungan SPSS menghasilkan exact sig 0,503 > 0,01
dalam memilih perawatan kecantikan di salon dan di klinik maka Ho diterima. Dapat disimpulkan bahwa peluang masyarakat
kecantikan). memilih salon dan klinik kecantikan sama (50%)
 3

6. Kesimpulan tidak ada perbedaan antara kemungkinan Contoh Soal:

masyarakat dalam memilih perawatan kecantikan di salon dan 1. Seorang manajer pemasaran sebuah pabrik kartu olahraga
di klinik kecantikan
C. Uji Chi Kuadrat merencanakan membuat seri kartu dengan gambar pemain

Uji Chi Kuadrat bisanya digunakan untuk menguji hipotesis sepakbola terkenal. Pemain terkenal tersebut adalah Messi,

deskriptif 1 sampel, data terdiri atas 2 kategori atau lebih. Biasanya Ronaldo, Sneijder, Torres, Xavi, dan Gerrand. Dihari terakhir, ia

digunakan untuk sampel berukuran besar. Uji ini disebut juga Chi- berhasil menjual sebanyak 120 kartu. Lakukan pengujian hipotesis

Square. Chi Square adalah salah satu jenis uji komparatif non dengan ∝ = 5%
parametrik dimana dilakukan pada dua variabel. Skala data kedua 9 Penyelesaian:
variabel adalah nominal. Berikut data yang didapatkan :
Uji ini digunakan untuk menguji hipotesis disrtribusi data pada Sneijde
Pemain Messi Ronaldo Torres Xavi Gerrand
satu populasi. Uji chi-square juga merupakan uji yang paling banyak r
digunakan. Uji kesesuaian Chi Kuadrat mirip dengan uji binomial, yang Kartu Terjual 13 33 14 7 36 17
membedakan adalah uji binomial hanya ada dua kemungkinan jawaban Manual
sedangkan uji kai kuadrat ada lebih dari dua kemungkinan jawaban.
• Hipotesis
Rumus dasar chi kuadrat:
H0 = Peluang Popularitas pemain mempengaruhi tingkat
𝑘
2
(𝑓𝑜 − 𝑓ℎ ) penjualan kartu
𝑥2 = ∑
𝑓ℎ
𝑖=1 H1 = Peluang Popularitas pemain tidak mempengaruhi tingkat
Keterangan: penjualan kartu
2
𝑥 : Chi kuadrat • Taraf Signifikansi : 𝛼 = 5%
𝑓0 : frekuensi yang diobservasi (𝑓𝑜−𝑓ℎ)2
• Statistik Uji = 𝑋 2 = ∑𝑘𝑖=1 𝑓ℎ
𝑓ℎ : frekuensi yang diharapkan
 4

• Komputasi
Data yang diperoleh disusun dalam tabel berikut :
(𝒇𝟎 (𝒇𝟎 (𝒇𝟎 − 𝒇𝒉 )𝟐
Pemain 𝒇𝒐 𝒇𝒉
− 𝒇𝒉 ) − 𝒇𝒉 )𝟐 𝒇𝒉
Messi 13 20 -7 49 2,45
Ronaldo 33 20 13 169 8,45
Sneidjer 14 20 -6 36 1,8 Dari tabel diatas kita peroleh 11,07

Torres 7 20 -13 169 8,45 • Kriteria Keputusan H0 akan ditolak jika chi kuadrat hitung > Chi

Xavi 36 20 16 256 12,8 kuadrat tabel.

Gerrand 17 20 -3 9 0,45 • Chi kuadrat hitung = 34,4 > Chi kuadrat tabel =11,07 maka H0=

Jumlah 120 120 0 688 34,4 Ditolak.

Berdasarkan perhitungan tabel di atas diperoleh nilai Chi • Kesimpulan: Popularitas pemain tidak mempengaruhi tingkat

Kuadrat adalah 34,4 penjualan kartu.

Sedangkan nilai chi kuadrat tabel dengan SPSS

∝ = 𝟓% = 𝟎, 𝟎𝟓
(𝒅𝒌) = 𝟔 − 𝟏 = 𝟓
5
 6

2. Suatu penelitian di Curug Silawe dilakukan untuk melihat tanaman Merah 80 70 10 100 1,42
lumut dari warnanya, berdasarkan hasil pengamatan selama 1 Hijau 60 70 -10 100 1,42
minggu, di temukan ada 90 lumut berwarna biru, 80 berwarna Kuning 50 70 -20 400 5,71
merah, 60 berwarna hijau dan 50 berwarna kuning. Peneliti ingin Jumlah 280 280 0 1800 14,26
mengetahui ada tidaknya kecenderungan warna lumut yang ada di Berdasarkan perhitungan tabel di atas diperoleh nilai chi kuadrat adalah
curug silawe tersebut. Lakukan pengujian hipotesis dengan ∝ = 14,26
5%. Sedangkan nilai chi kuadrat tabel dengan
Penyelesaian: ∝ = 𝟓% = 𝟎, 𝟎𝟓
Manual (𝒅𝒌) = 𝟒 − 𝟏 = 𝟑
• Hipotesis
H0 = Peluang kecenderungan keempat warna lumut untuk hidup
adalah sama
H1 = Peluang kecenderungan keempat warna lumut untuk hidup
adalah tidak sama
• Taraf Signifikansi : 𝛼 = 5%
(𝑓𝑜−𝑓ℎ)2
• Statistik Uji = 𝑋 2 = ∑𝑘𝑖=1 𝑓ℎ

• Komputasi Dari tabel diatas kita peroleh 7,81

Data yang diperoleh disusun dalam tabel berikut : • Kriteria Keputusan H0 akan ditolak jika chi kuadrat hitung > Chi

(𝒇𝟎 (𝒇𝟎 kuadrat tabel.

(𝒇𝟎 − 𝒇𝒉 )𝟐
Warna 𝒇𝒐 𝒇𝒉
− 𝒇𝒉 ) − 𝒇𝒉 )𝟐 𝒇𝒉 • Chi kuadrat hitung = 14,26 > Chi kuadrat tabel =7,81 maka H0=

Biru 90 70 20 400 5,71 Ditolak

 7

• Kesimpulan : Peluang kecenderungan keempat warna lumut untuk

hidup adalah tidak sama
SPSS
 8

distribusi normal baku. Distribusi normal baku adalah data yang telah
ditransformasikan kedalam bentuk z-score dan telah diasumsikan
normal.
Untuk menguji apakah sampel berasal dari populasi yang
mempunyai distribusi yang sama atau berbeda. Uji Kolmogorov
Smirnov juga digunakan untuk menentukan seberapa baik sebuah
sampel random data menjajagi distriusi teoritis tertentu (normal,
poisson, dan eksponensial). Uji Kolmogorov Smirnov juga digunkan
untuk menguji keselarasan pada data yang kontinu.

Statistik uji:
D. Uji Kolmogorov Smirnov 𝐷 = |𝐹𝑆 (𝑥) − 𝐹𝑡 (𝑥)|
Uji Komogorov smirnov memiliki kelebihan yaitu sederhana Hipotesis :
dan tidak menimbulkan perbedaan persepsi diantara satu pengamat 𝐻0 : Sampel diambil dari populasi dengan distribusi tertentu.
dengan pengamat lainnya sehingga uji ini menjadi salah satu uji yang 𝐻1 : Sampel diambil bukan dari populasi dengan distribusi tertentu.
banyak digunakan dalam perhitungan uji nonparametrik. Uji Kriteria Pengujian :
Komogorov smirnov merupakan uji kecocokan, yaitu pengujian tingkat 𝐻0 ditolak bila sign < 𝛼
kesesuaian antara sebaran serangkaian nilai sampel/skor yang diamati Contoh Soal :
dengan suatu sebaran tertentu. Tabel di bawah merupakan data berat ginjal dari 36 hewan. Sebelum
Uji ini digunakan untuk menguji perbedaan satu sampel. Jenis dilakukan analisis lebih lanjut, data disyaratkan harus berdistribusi
normal Ujilah apakah data tersebut sudah memenuhi syarat (𝛼 = 5%)
data pada uji ini adalah skala ordinal. Konsep dasar yang digunakan
80 68 82 104 92 112 84 98 80
dalam uji ini adalah membandingkan distribusi normal data dengan
 9

68 93 70 94 70 67 110 75 68

58 78 84 90 97 70 90 86 80

• Dari menu utama pilih Analyze -> pilih submenu Non-Parametric

84 88 76 90 83 74 70 90 59 Test, kemudian pilih 1- sample K-S
• Tampak dilayar tampilan windows One Sample Kolmogorov
Penyelesaian :
Smirnov Test.
• Siapkan data dalam SPSS Data Editor, dengan menginput data
• Isikan pada Test Variabel List, variabel yang akan diuji yaitu
penjualan dan pilih juga Test Distribution Normal. Pilihan distribusi
normal.
• Abaikan yang lain dan klik OK
 10

Output spss : puas. Untuk mengujinya, diambil sampel sebanyak 26 orang dan
diketahui 14 orang puas dan 12 orang tidak puas.
Penyelesain :
1. Hipotesis yang diajukan:
Ho: P=0,5
𝐻1 : 𝑃 ≠ 0,5
2. Uji Statistik: Uji Binomial, karena data nominal dan sampel
kecil
3. 𝛼=0,05
4. Distribusi sampling: Distribusi Binomial
5. Perhitungan menggunakan spss

Interpretasi Output Dari tampilan output SPSS tampak bahwa jumlah

observasi 36 dengan nilai rata-rata (mean) sebesar 82,28 dan standar
deviasi 13,097. Nilai sig. 0.200 > α = 0,05. Sehingga Ho diterima.
Kesimpulan Jika Ho diterima maka, Data berat ginjal 36 hewan
mempunyai distribusi Normal
E. Latihan Soal
1. Polres X ingin mengetahui kepuasan pemohon SIM pada suatu hari
tertentu: puas atau tidak puas. Ingin diketahui apakah pemohon SIM
lebih banyak yang puas dengan pelayanan SIM dari pada yang tidak
 11

6. Interpretasi Data yang diperoleh disusun dalam tabel berikut :

Output dari penghitungan SPSS menghasilkan exact sig 0,845 > (𝒇𝟎 (𝒇𝟎 (𝒇𝟎 − 𝒇𝒉 )𝟐
0,05 maka Ho diterima. Artinya Frekuensi pemohon SIM yang puas Hobi 𝒇𝒐 𝒇𝒉
− 𝒇𝒉 ) − 𝒇𝒉 )𝟐 𝒇𝒉
dan tidak puas adalah sama, yaitu 50% menyatakan puas dan 50%
menyatakan tidak puas. Olahraga 15 22 -7 49 3,26
7. Kesimpulan pemohon SIM puas dengan layanan kapolres X Komputer 27 22 5 25 1,13
2. Pada suatu penelitian yang melibatkan antara mahasiswa kelas 02
Berkebun 17 22 -5 25 1,13
Pendidikan Matematika Untidar dengan hobi. Para peneliti ingin
Belanja 29 22 7 49 3,26
melihat adakah Kecenderungan mahasiswa dalam memilih hobi
Jumlah 88 88 0 148 8,78
meliputi Olahraga, Komputer, berkebun, belanja. Lakukan pengujian
Berdasarkan perhitungan tabel di atas diperoleh nilai chi kuadrat
hipotesis dengan ∝ = 5%.
adalah 8,78
Mahasiswa hobi berolahraga = 15
Sedangkan nilai chi kuadrat tabel dengan ∝ = 𝟓% = 𝟎, 𝟎𝟓
Mahasiswa hobi komputer = 27
(𝒅𝒌) = 𝟒 − 𝟏 = 𝟑
Mahasiswa hobi berkebun = 17
Dari tabel chi Square kita peroleh 7,81
Mahasiswa hobi belanja = 29
• Kriteria Keputusan H0 akan ditolak jika chi kuadrat hitung > Chi
Penyelesaian:
kuadrat table.
• Hipotesis
• Chi kuadrat hitung = 8,78 > Chi kuadrat tabel =7,81 maka H0=
H0 = Terdapat kecenderungan mahasiswa dalam memilih hobi
Ditolak
H1= Tidak Terdapat kecenderungan mahasiswa dalam memilih
• Kesimpulan: Tidak Terdapat kecenderungan mahasiswa dalam
hobi
memilih hobi
• Taraf Signifikansi 𝛼 = 5%
(𝑓𝑜−𝑓ℎ)2
• Statistik Uji = 𝑋 2 = ∑𝑘𝑖=1 𝑓ℎ 3. Diketahui data penjualan Computer selama 25 hari (dalam ribuan
• Komputasi dolar)

210 201 180 181 170 252 240 219 150 154 215 197
198 235 181 182 237 167 209 214 165 221 176 243 224
Ujilah apakah data tersebut berdistribusi normal (α = 5%) ?
Penyelesaian:
Langkah-langkah pengolahan data dengan SPSS :
• Siapkan data dalam SPSS Data Editor, dengan menginput data
• Dari menu utama pilih Analyze -> pilih submenu Non-Parametric
Test, kemudian pilih 1- sample K-S
12
• Tampak dilayar tampilan windows One Sample Kolmogorov
Smirnov Test.
• Isikan pada Test Variabel List, variabel yang akan diuji yaitu
penjualan dan pilih juga Test Distribution Normal. Pilihan distribusi
normal.
• Abaikan yang lain dan klik OK
Output spss:
Interpretasi Output Dari tampilan output SPSS tampak bahwa jumlah
observasi 25 dengan nilai rata-rata (mean) sebesar 200,84 dan standar
deviasi 29,280. Nilai sig. 0.226 > α = 0,05. Sehingga Ho diterima.
Kesimpulan Jika Ho diterima maka, Data penjualan harian Computer
mempunyai distribusi Normal.