STATISTIK NON-PARAMETRIK

MAKALAH
disusun untuk memenuhi tugas mata kuliah Statistika Terapan yang diampu oleh
Prof. Dr. Yayan Sanjaya, M.Si. dan Dr. Wahyu Surakusumah, M.T.

oleh:
Kelas B 2020

Rifda Tanfiziyah (2010418)

Rival Arief Tyansha (2002302)

PASCASARJANA PENDIDIKAN BIOLOGI

FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN INDONESIA
BANDUNG
2020
 Kata Pengantar

Puji syukur kehadirat Allah SWT atas berkat, rahmat dan Hidayah-Nya,
sehingga penulis dapat menyelesaikan makalah berjudul “Statistik Non Parametrik”
sebagai salah satu tugas mata kuliah Statistika Teraplan, Program Studi Pendidikan
Biologi, Program Pascasarjana, Universitas Pendidikan Indonesia. Makalah ini
dibuat untuk lebih memahami mata kuliah statistik terapan dan mendalam terutama
dalam konsep statistik inferensia jenis non parametrik.

Selama penulisan makalah ini, Penulis berterimakasih kepada berbagai

pihak, diantaranya sebagai berikut :

1. Bapak Prof. Dr. Yayan Sanjaya, M.Si. dan Dr. Wahyu Surakusumah, M.T.selaku
dosen mata kuliah Statistika terapan;

2. Rekan-rekan kelas B Jurusan Pendidikan Biologi Program Pascasarjana

Universitas Pendidikan Indonesia yang telah memberikan motivasi kepada
penulis untuk menyelesaikan penyusunan makalah ini;
Semoga Allah SWT senantiasa memberikan balasan dan ilmu yang barokah.

Penulis menyadari bahwa dalam penyusunan makalah ini banyak

kekurangan, untuk itu saran dan kritik yang sifatnya membangun sangat penulis
harapkan. Demikian, semoga makalah ini dapat memberikan manfaat bagi penulis
khususnya dan umumnya bagi pembaca.

12 Desember 2020

Penulis

ii
 DAFTAR ISI

Kata Pengantar.................................................................................................... ii

Daftar Isi .............................................................................................................. iii

BAB I PENDAHULUAN

A. Latar Belakang. .................................................................................... 1

B. Rumusan Masalah ................................................................................ 1
C. Tujuan .................................................................................................. 1

BAB II PEMBAHASAN

A. Definisi Statistik Non Parametrik ....................................................... 2

B. Syarat-syarat statistik non parametrik .................................................. 3

C. Perbedaan statistik parametrik dan non parametrik ............................. 3

D. Kelebihan dan kekurangan statistik non parametrik ............................ 4

E. Contoh jenis uji non parametrik ........................................................... 5

1. Uji tanda ......................................................................................... 6

2. Uji Wilcoxon .................................................................................. 9

3. Uji median .................................................................................... 12

4. Uji Man Whitney ......................................................................... 15

5. Uji Friedman ................................................................................ 18

6. Uji Kruskal Wallis ....................................................................... 20

BAB III PENUTUP

Kesimpulan ................................................................................................ 24

DAFTAR PUSTAKA ..................................................................................... 26

iii
 BAB I
PENDAHULUAN

A. Latar Belakang
Dalam beberapa data yang harus diolah, seperti data penelitian, tidak semua data
berdistribusi normal dan bisa menggunakan teknik statistik parametrik untuk
mengolah datanya. Selain itu, data hasilnya pun ada yang berbentuk deskrit atau
berskala nominal ataupun ordinal. Hal tersebut menjadikan para peneliti perlu
menggunakan teknik analisis data yang tepat. Dalam fungsinya, statistika berguna
sebagai alat ukur mengumpulkan, menyajikan, menganalisis dan menginterpretasi
data. Statistika adalah pengetahuan praktis dan sebagai ilmu terapan yang berperan
penting dalam penerapan metode dan konsep dalam analisis data kegiatan
eksperimentasi, maupun observasi, dan pengambilan inferensi. Karena pentingnya
statistika dalam sebuah teknik analisis penelitian, maka harus digunakan teknik
statistik yang tepat sesuai dtaa yang diperoleh oleh peneliti. Statistik yang
penerapannya cocok untuk data yang berdistribusi bebas yakni teknik statistika non-
parametrik. Statistik non-parametrik juga baik digunakan karena tidak menerapkan
syarat parameter-parameter populasi (Budiwanto & Setyo, 2017).
B. Rumusan Masalah
1. Apa perbedaan statistik parametrik dengan non parametrik?
2. Bagaimana teknik analisis uji non parametrik beserta perbedaan dan contohnya?
C. Tujuan
1. Mengetahui perbedaan statistik parametrik dengan non parametrik
2. Mengetahui teknik analisis uji non parametrik beserta perbedaan dan contohnya

1
 BAB II
PEMBAHASAN

A. Definisi Statistik Non Parametrik

Salah satu cabang ilmu matematika yang banyak membantu kehidupan manusia
yakni statistika, kehidupan manusia yang terbantu dalam hal ini digunakan pada
aspek perdagangan, bisnis, pendidikan maupun pengambilan keputusan dalam dunia
politik. Statistika berasal dari bahasa yunani yakni dari kata state yang berarti negara
dan digunakan untuk urusan negara. Statistika dapat dibedakan menjadi dua jika
diliat dari informasi yang dihasilkan melalui data yang dianalisa, yakni statistika
deskriptif dan statistika inferensial (Jaya, Indra, & Ardat, 2013).
Statistika deskriptif merupakan statistika yang digunakan menggambarkan dan
menganalisa suatu hasil penelitian atau pengamatan tetapi tidak sampai pada suatu
penarikan kesimpulan, statistik deskriptif hanya melakukan pemaparan data apa
adanya saja, menunjukkan distribusi dari data tetapi tidak melakukan penilaian
terhadap data itu, yang termasuk dalam statistik deskripstif adalah tabel, diagram,
grafik, rata-rata, modus, median, varians, simpangan baku, dan ukuran lainnya.
Adapun statistika inferensial merupakan statistika yang digunakan untuk
menganalisis data dari suatu sampel dan hasilnya akan digeneralisasikan untuk
populasi dimana sampel tersebut diambil. Statistika inferensial terbagi menjadi dua
macam, yakni statistika parametrik dan statistika non parametrik. Statistika
parametrik digunakan terutama untuk menganalisis data interval atau rasio yang
diambil dari populasi yang berdistribusi normal, seperti korelasi product momen
pearson, ANAVA, t-tes, F-tes, regresi, dll. Adapun statistika non parametrik
digunkana terutama untuk menganalisis data nominal dan ordinal dari poupulasi yanh
bebas distribusi, jadi tidak harus normal, seperti korelasi spearman rank, kendal tau,
chi kuadrat, dll (Jaya, Indra, & Ardat, 2013).
Istilah statistik non parametrik pertama kali digunakan ileh Wolfowitz pada
tahun 1942. Pengertian dari stastistik non parametrik yaitu cabang ilmu statistik yang
mempelajari prosedur-prosedur dalam statistik inferensial dimana tidak bergantung
kepada asumsi-asumsi khusus, maka dari itu statsistik non parametrik dapat disebut
juga sebagai statistik bebas distribusi atau uji bebas asumsi. Metode statistik ini

2
 sering digunakan dalam penelitian sosial dengan data yang diperoleh yakni
berbentung kategori atau ranking. Parameter khusus dari populasi yang akan diamati
tidak dibutuhkan dalam uji statistik ini, begitupun distribusi data normal tidak
disyaratkan. Metode uji ini dapat digunakan untuk analisis data baik skala nominal
maupun ordinal karena biasanya data berbentuk ini tidak berdistribusi normal. Dari
segi jumlah data, statistik non parametrik umumnya digunakan untuk data berjumlah
kecil (n<30) (Trimawartinah, 2020).

B. Syarat-Syarat Statistik Non Parametrik

Statistik non-parametrik adalah teknik analisis statistik yang modelnya tidak
menetapkan syarat-syarat mengenai parameter-parameter populasi yang merupakan
induk sampel penelitiannya. Beberapa parameter yang dapat digunakan sebagai
dasar dalam penggunaan statistik non-parametrik adalah sebagai berikut (Budiwanto
& Setyo, 2017):
(1) Hipotesis yang diuji tidak melibatkan parameter populasi.
(2) Skala data yang digunakan adalah nominal dan ordinal.
(3) Jika asumsi-asumsi parametrik tidak terpenuhi, yaitu data tidak berdistribusi
normal.

C. Perbedaan Non Parametrik dengan Parametrik

Statistik parametrik memiliki skala interval dan rasio pada jenis data yang
dianalisisnya. Pada analisis ini, pertimbangan jenis sebaran atau distribusi data
menyebar secara normal dan mutlak. Data yang dianalisis dalam statistik parametrik
harus memenuhi normalitas, dua data kelompok atau lebih yang akan diuji harus
homogen, dta harus linier. Jika distribusi tidak normal, maka analisis harus dilakukan
dengan non-parametrik. Menganalisis hubungan antara 2 variabel interal digunakan
analisis korelasi product moment dari Pearson, dalam product moment dari Pearson
tidak perlu dilakukan penyusunan ranking. Dalam teknik analisis statistik
parametrik, untuk melakukan uji perbedaan mean antara dua kelompok data dapat
digunakan teknik statistik uji t. Teknik statistik uji t dibedakan menjadi uji t untuk
sampel yang berkorelasi, dan uji t untuk sampel yang tidak berkorelasi. Uji beda

3
 mean antara lebih dari dua kelompok data dapat digunakan teknik analisis varian
(Budiwanto & Setyo, 2017).
Statistik non-parametrik yakni statistik yang tidak mendasar pada parameter-
parameter populasi. Dalam statistik non-parametrik, parameter-parameter populasi
seperti mean, modus, median, standar deviasi tidak dijadikan acaun karena data
analisisnya menggunakan skala data nominal atau ordinal. Data yang berskala
nominal atau ordinal dalam mengukur suatu variabel penelitian, statistik
nonparametrik merupakan teknik yang cocok untuk menganalisis data
tersebut.Contoh, untuk membedakan jenis kelamin laki-laki dan perempuan
menggunakan skala 1 dan 2 adalah data nominal. Untuk membedakan urutan
pangkat tentara menggunakan skala 1, 2, dan seterusnya, sesuai dengan katagori
data pangkat tentara yang dikumpulkan tersebut adalah berupa data yang berskala
ordinal. Selain itu, statistik non-parametrik tidak mendasarkan kepada bentuk
distribusi data tertentu artinya umumnya tidak berdistribusi normal pada skala
pengukuran nominal dan ordinal. Maka statistik non-parametrik digunakan jika
distribusi data adalah tidak berdistribusi normal, bentuk grafik data tersebut
mungkin distribusi data miring ke kiri atau ke kanan. Meskipun ada upaya yang
dapat dilakukan dengan cara mereduksi atau mengeliminasi suatu data yang
ekstrim. Tetapi, jika dengan cara mengeliminasi data tidak dapat merobah
distribusi data menjadi berdistribusi normal, maka metode statistik non-
parametrik harusdigunakan. Statistik non-parametrik adalah statistik bebas
sebaran, artinya tidak menuntut persyaratan bentuk sebaran parameter populasi,
dan tidak mempermasalahkan distribusi datanya normal atau tidak. Dalam teknik
non-parametrik analisis korelasi lebih dikenal dengan korelasi tata jenjang (rank
order correlation) Spearman. Dalam analisis korelasi tata jenjang, lebih dahulu
membuat urutan (ranking) (Budiwanto & Setyo, 2017).

D. Kelebihan dan Kekurangan Non Parametrik

Kelebihan dari statistik non-parametrik yakni (Junaidi, 2010):
1. Asumsi dalam uji-uji statistik non-parametrik relatif lebih sedikit (lebih
longgar). Jika pengujian data menunjukkan bahwa salah satu atau beberapa
asumsi yang mendasari uji statistik parametrik (misalnya mengenai sifat

4
 distribusi data) tidak terpenuhi, maka statistik non-parametrik lebih sesuai
diterapkan dibandingkan statistik parametrik.
2. Perhitungan-perhitungannya dapat dilaksanakan dengan cepat dan mudah,
sehingga hasilpengkajian segera dapat disampaikan.
3. Untuk memahami konsep-konsep dan metode-metodenya tidak memerlukan
dasar matematika serta statistika yang mendalam.
4. Uji-uji pada statistik non-parametrik dapat diterapkan jika kita menghadapi
keterbatasan data yang tersedia, misalnya jika data telah diukur menggunakan
skala pengukuran yang lemah (nominal atau ordinal).
5. Efisiensi teknik-teknik non-parametrik lebih tinggi dibandingkan dengan
metode parametrik untuk jumlah sampel yang sedikit.
Adapun kelemahan dari dari statistik non-parametrik yakni (Junaidi, 2010):
1. Jika asumsi uji statistik parametrik terpenuhi, penggunaan uji nonparametrik
meskipun lebih cepat dan sederhana, akan menyebabkan pemborosan informasi.
2. Prinsip perhitungan dalam statistik non-parametrik memang relatif lebih
sederhana, namun demikian proses/tahapan perhitungannya seringkali
membutuhkan banyak tenaga serta membosankan.
3. Jika sampel besar, maka tingkat efisiensi non-parametrik relatif lebih rendah
dibandingkan dengan metode parametrik.

E. Contoh Jenis Uji Non Parametrik

Pemilihan jenis uji statistik non parametrik ditentukan oleh jenis penelitian, jumlah
kelompok/sampel, hubungan antar kelompok/sampel, tujuan penelitian, dan jenis data.
Disamping itu perlu diperhatikan jenis hubungan sampel/kelompok yang terbagi menjadi
dua yaitu dependen (berpasangan, paired ) atau independen (bebas, impaired ). Hubungan
sampel dependen yaitu 1) satu sampel dilakukan pengukuran sebanyak dua kali (sebelum
dan sesudah intervensi); atau 2) Dua sampel atau lebih diukur dalam waktu yang
bersamaan dengan mengontrol variabel yang diteliti (yang diberi intervensi atau tidak
diberi intervensi), umumnya pada penelitian eksperimen. Sedangkan hubungan sampel
independen yaitu dua sampel atau lebih yang tidak saling berkaitan diukur dua kali atau
lebih, umumnya pada penelitian survey. Contoh data sampel berpasangan: 1) penelitian
membandingkan perilaku sehat anak SD sebelum dan sesudah diberikan penyuluhan

5
kesehatan; 2) penelitian membandingkan prestasi kerja perawat sebelum dan sesudah
diberi motivasi kerja. Contoh data sampel bebas: 1) Penelitian membandingkan kualitas
pelayanan RS pemerintah dengan RS swasta; atau 2) Penelitian membandingkan prestasi
kinerja dokter umum dengan dokter spesialis (Heryana, 2017).

1. Uji Tanda
Teknik analisis uji tanda (sign test) merupakan bagian dari teknik analisis non-
parametrik yang digunakan jika asumsi distribusi populasi tidak normal, jika teknik
statistika tidak konsisten terhadap asumsi kenormalan distribusi, digunakan untuk
menganalisis data yang berskala interval tetapi datanya tidak berdistribusi normal. Uji ini
digunakan untuk menguji hipotesis komparatif terutama untuk uji beda antara dua sampel
yang tidak berhubungan (independent) yang berskala ordinal. Teknik analisis uji tanda
digunakan untuk membandingkan pengaruh hasil dua perlakuan untuk data yang
berpasangan dan berskala ordinal. Uji tanda dapat dipergunakan untuk mengevaluasi
efek dari suatu treatment tertentu. Pengaruh dari variabel eksperimen atau treatment
tidak dapat diukur melainkan hanya dapat diberi tanda positif atau negatif saja
(Budiwanto & Setyo, 2017).
Syarat yang harus dipenuhi dalam analisis menggunakan uji tanda yakni (Budiwanto
& Setyo, 2017):
1. Masing-masing pasangan hasil pengamtan yang dibandingkan bersifat
independen
2. Hasil pengamatan setiap pasangan terjadi disebabkan karena pengaruh kondisi
yang serupa
Langkah-langkah analisis uji tanda (Budiwanto & Setyo, 2017):
1. Membuat tabel persiapan uji tanda (tabel 3.13), dan mengisi kolom-kolom dengan
urutan pasangan amatan hasil amatan X dan Y yang dibedakan.
2. Mengisi kolom tanda plus (+) atau minus (–) dengan cara menghitung selisih
(X1 – Y1), (X2 – Y2)…… (XN –YN).
Jika X1>Y1 diberi tanda +, dan jika X1<Y1 diberi tanda minus (–). Tanda X1=Y1
diabaikan.
3. Menentukan nilai h dengan mencari tanda + atau – yang paling sedikit.
4. Menguji hipotesis: membandingkan harga h hitung dengan harga h tabel.

6
Contoh Kasus
Peneliti ingin mengetahui pengaruh adanya pemberian model pembelajaran Jigsaw
terhadap minat belajar biologi pada siswa SMP. Untuk menunjang penelitiannya, peneliti
melakukan survey dengan mengambil 10 sampel sebelum dan sesudah adanya model
pembelajaran Jigsaw.

Dengan tingkat signifikansi 5 %, apakah terjadi perubahan minat belajar biologi pada
siswa SMP setelah adanya model pembelajaran Jigsaw?
Penyelesaian:

Keterangan:
1. Sangat tidak berminat
2. Tidak berminat
3. Cukup
4. Berminat
5. Sangat Berminat
Jumlah :
+(T)=5

7
–=3
0=2
Hipotesis:
Ho P (+) = P (-) → Tidak ada perubahan minat belajar siswa setelah pemberian model
pembelajaran Jigsaw
H1 P (+) = P (-) → Ada perubahan minat minat belajar siswa setelah pemberian model
pembelajaran Jigsaw
Pengujian
+ (T) = 5
Gunakan tabel T untuk mencari nilai t
Dengan n (pasangan sampel + dan -) = 8, p = 0,5 mendekati α, y = 0,0352 maka t = 1
Kriteria
T < T < n-t → Ho tidak dapat ditolak
T ≤ t atau T ≥ n-t → Ho Ditolak
Ternyata, T < n-t atau 5 < 7, maka Ho tidak dapat ditolak
Kesimpulan
Jadi, dengan tingkat signifikansi 5%, tidak ada perubahan minat belajar siswa SMP
setelah pemberian model pembelajaran Jigsaw

8
2. Uji Wilcoxon
Uji wilcoxon termasuk kedalam uji parametrik 2 sampel berpasangan, dimana uji ini
dapat digunakan sebagai alternatif dari uji Paired sampel T-test atau dependen sampel t-
test. Tujuan dari uji ini yaitu untuk mengetahui ada atau tidaknya perbedaan rata-rata dua
sampel yang berpasangan dan berasal dari dua populasi yang tidak diketahui distribusinya
atau dpat dikatakan untuk menguji perbedaan median dua populasi berdasarkan dua
sampel berpasangan. Uji ini selain mempertimbangkan arah perbedaan, juga
mempertimbangkan besar relatif perbedaannya. Dengan demikian bisa dikatakan bahwa
Uji Peringkat Bertanda Wilcoxon memiliki kualitas yang lebih baik dibandingkan
dengan Uji Tanda. Data pada uji ini berskala ordinal dan jenis penelitiannya komparasi
(membandingkan) (Trimawartinah, 2020).
Langkah – langkah pengujian uji bertanda Wilcoxon ialah sebagai berikut
(Trimawartinah, 2020):
a. Menentukan formulasi hipotesis
1) (Dua arah) : H0 : MD = 0 vs. H1 : MD ≠ 0
2) (Satu arah) : H0 : MD ≤ 0 vs. H1 : MD > 0
3) (Satu arah) : H0 : MD ≥ 0 vs. H1 : MD < 0
b. Menentukan taraf nyata (α) dengan T tabelnya, Pengujian dapat berbentuk satu sisi
atau dua sisi.
c. Menentukan kriteria pengujian
1) H0 diterima apabila t hitung ≥ T tabel
2) H0 ditolak apabila t hitung < T tabel
d. Menentukan nilai uji statistik nilai (nilai t hitung)
Tahap – tahap pengujian ialah sebagai berikut:
1) Menentukan tanda beda dan besarnya tanda beda antara pasangan data
2) Mengurutkan bedanya tanpa memperhatikan tanda atau jenjang
3) Jika terdapat beda yang sama, diambil rata-ratanya
4) Beda nol tidak diperhatikan
5) Memisahkan tanda beda positif dan negatif atau tanda jenjang
6) Menjumlahkan semua angka positif dan angka negatif
7) Nilai terkecil dari nilai absolut hasil penjumlahan merupakan nilai t hitung,
yaitu uji nilai statistik

9
 8) Membuat kesimpulan
Menyimpulkan H0 diterima atau ditolak
Untuk pasangan data lebih besar dari 25 ( n 25 ), pengujiannya menggunakan
nilai z yaitu :
𝑁(𝑁+1)
T−
𝑧= 4
√𝑁 ( 𝑁 + 1 )(2𝑁 + 1)
24

Contoh kasus
Agar produksi rakitan harian meningkat, diusulkan agar dipasang lampu penerangan
yang lebih baik serta musik, kopi, dan donat gratis setiap hari, pihak manajemen setuju
untuk mencoba pola tersebut dalam waktu yang terbatas. Jumlah rakitan yang
diselesaikan oleh kelompok pekerja adalah sebagai berikut (lihat di soal). Dengan
menggunakan Uji Wilcoxon Rank Test, Apakah usul tersebut dapat meningkatkan
produksi perakitan ?
Penyelesaian:

10
Hipotesis:
H0: P(Xi) ≥ P(Yi) → Usulan tersebut tidak dapat meningkatkan produksi rakitan
H1: P(Xi) < P(Yi) → Usulan tersebut dapat meningkatkan produksi rakitan
Kriteria:
T+ / T- terkecil ≥ T tabel (Wα) → H0 tidak dapat ditolak
T+ / T- terkecil < T tabel (Wα) → H0 ditolak
Pengujian:
T hitung = Jumlah Ranking Terkecil = 34
T tabel = Dicari dengan menggunakan tabel wilcoxon dengan n (jumlah sampel tanpa
tanda nol) = 13, α=5% → T tabel = 32
Ternyata, T hitung > T tabel atau 34 > 22, maka H0 tidak dapat ditolak
Kesimpulan:
Jadi dengan tingkat signifikasi 5 %, usulan tersebut tidak dapat meningkatkan produksi
perakitan.

11
3. Uji Median
Uji median termasuk dalam uji non parametrik 2 sampel independen. Uji median
yaitu uji yang digunakan untuk jenis penelitian komparatif dan memiliki prosedur yang
paling sederhana untuk menguji signifikansi hipotesis komparatif 2 sampel independen
dengan melihat apakah populasi tempat sampel berasal mempunyai media (nilai tengah)
yang sama atau tidak. Data pada uji ini paling tidak memiliki skala ordinal. Hubungan
antara kelompok pada uji ini bersifat independen (Trimawartinah, 2020) .
Asumsi yang digunakan dalam uji ini (Trimawartinah, 2020) :
a. Data terdiri dari contoh acak X1, X2, …, Xn yang berasal dari populasi 1
dengan median Mx, dan contoh acak Y1, Y2, …, Yn dari populasi 2 dengan median
My. Nilai Mx dan My tidak diketahui.
b. Skala pengukuran ordinal
c. Bersifat kontinyu peubah yang diamatinya
d. Mempunyai bentuk sebaran yang sama pada kedua populasi

12
e. Jika dua populasi mempunyai median yang sama, untuk setiap populasi, peluang
p sebuah nilai pengamatan akan melebihi grandmedian adalah sama.
Langkah pengujian (Trimawartinah, 2020) :
a. Menggabungkan seluruh pengamatan dari kedua populasi kemudian menghitung
median dari dari n1+n2 pengamatan
b. Mengklasifikasikan pengamatan-pengamatan dalam bentuk tabel kontingensi :
1) apakah merupakan contoh 1 atau contoh 2, dan
2) apakah nilainya di atas atau di bawah median contoh.
Hubungan terhadap Contoh
median contoh 1 2 Total
Diatas A B A+B
Dibawah C D C+D
Total A + C = n1 B + D = n2 N = n1 + n2

Berdasarkan tabel kontingensi di atas, jika hipotesis awal benar maka A dan C mendekati
n1/2 serta B dan D mendekati n2/2.
c. Jika contoh mendekati sebaran normal, statistik uji dapat dihitung melalui rumus
perhitungan X2:
Jika n1+n2 < 20 dan apabila ada frekuensi yang lebih kecil daripada 5 pergunakan uji
fisher.
d. Menentukan kaidah keputusan :
1) X² hitung < X² tabel, maka Ho diterima.
2) X² hitung ≥ X² tabel, maka Ho ditolak.
Berikut contoh kasus uji median:
Dilakukan penelitian untuk mengetahui apakah nilai UTS kelas A berbeda dengan
nilai UTS kelas B berdasarkan mediannya.Dari hasil wawancara terhadap 10 siswa kelas
A dan 9 siswa kelas B diperoleh hasil sebagai berikut :

13
Penyelesaian:
Hipotesis statistik :
Ho : Tidak ada perbedaan nilai UTS kelas A dengan kelas B
H1 : ada perbedaan nilai UTS kelas A dengan kelas B
Untuk menghitung nilai media maka data diurutkan, sbb :
45 50 50 55 60 60 65 65 70 70 70 75 80 80 90 95 95 100 100
Nilai median untuk kelompok tsb adalah pada urutan 10 yaitu = 70
Maka dapat diketahui A = 6 , B = 2, C = 4, D = 7

Perhitungan:
2
 N
N  AD  BC   
2   2
( A  B)(C  D)( A  C )( B  D)
2
 19 
196.7  2.4    11404,75
2   2   1,43
(6  2)(4  7)(6  4)(2  7) 7920

Interpretasi:
Nilai tabel chi kuadrat dengan dk =1 pada taraf nyata 5% = 3,841
Dengan demikian nilai hitung < nilai tabel (1,43 < 3,841)
Maka Ho tidak dapat ditolak

14
Sehingga, tidak ada perbedaan nilai UTS kelas A dengan kelas B yang bermakna
berdasarkan mediannya

4. Uji Man Whitney

Dalam pengujian hipotesis nol yang menyatakan bahwa tidak ada perbedaan yang
sesungguhnya antara kedua kelompok data dan dimana data tersebut diambil dari
sampel yang tidak saling terkait, kita dapat melakukan pengujian Mann-Whitney.
Pengujian ini disebut juga pengujian U, karena untuk menguji hipotesis nol, kasus
dihitung angka statistik yang disebut U (Sriwidadi, 2011). Uji Mann-Whitney
merupakan bagian dari statistik non parametrik yang digunakan pada analisis
komparatif untuk menguji hipotesis komparatif dua sampel yang saling independen
yang tidak mengasumsikan distribusi normal. Adapun cara menentukan nilai uji
statistik Mann-Whitney (nilai U) manual menurut Siegel (1997); Agus (2015) sebagai
berikut:
1. Menentukan formula hipotesis
H0 : tidak terdapat perbedaan data satu dengan yang lainnya.
H1 : terdapat perbedaan data satu dengan yang lainnya.
2. Menentukan taraf nyata (α) dan U tabel.
Taraf nyata yang biasa digunakan biasanya 5% atau 1%. Nilai U dilihat dari tabel
harga-harga kritis dalam uji Mann Whitney.
3. Menentukan kriteria uji.
Tolak H0 jika U hitung < U tabel. Terima dalam hal lainnya.
4. Menentukan nilai uji statistik (uji U)
Penentuan nilai uji statistik melalui tahap-tahap sebagai berikut:
a. Nilai pengamatan (skor) kedua sampel yang berukuran n 1 dan n2 digabungkan,
kemudian diranking (nilai pengamatan yang sama, rankingnya adalah rata-
ratanya).
b. Tentukan R1 dan R2, yaitu jumlah ranking gabungan n1 dan n2.
c. Tentukan nilai U1 dan U2:
𝑛2(𝑛2+1)
U1 = n1.n2 + 2
- ∑ 𝑅2

U2 = n1.n2 – U1

15
 Keterangan:
U1 : jumlah peringkat 1
U2 : jumlah peringkat 2
n1 : jumlah sampel 1
n2 : jumlah sampel 2
R2 : jumlah ranking pada sampel n2
Nilai U yang diambil adalah nilai U terkecil.
5. Bandingkan statistik U dengan nilai U pada Tabel U Mann-Whitney pada taraf nyata
yang digunakan. Kriteria uji: Tolak H0 jika p (U) ≤ α untuk Uji satu pihak, atau p
(U) ≤ α/2 untuk Uji dua pihak.
6. Menarik kesimpulan
Contoh kasus

Misalnya seorang peneliti ingin mengetahui apakah ada perbedaaan denyut nadi pria
dan denyut nadi wanita. kemudian dilakukan penarikan sampel untuk pria dan wanita
dengan melihat denyut nadi masing-masing. Ujilah dengan tingkat kesalahan 5%.
Berikut hasil perhitungan masing-masing denyut nadi:

Tabel 1. Data hasil perhitungan denyut nadi pria dan wanita

Denyut nadi pria Denyut nadi wanita

90 79
89 82
82 85
89 88
91 85
86 80
85 80
86
84
Dari kasus tersebut, kita bisa melihat bahwa kedua kelompok adalah kelompok yang
independen artinya satu sampel hanya diberikan satu treatmen atau perlakuan.
Kemudian berdasarkan hasil dapat diketahui bahwa data yang diperoleh adalah data
nominal.

16
Rumusan masalah

Apakah ada perbedaan denyut nadi pria dan denyut nadi wanita?

Hipotesis

H0:Denyut nadi wanita sama dengan denyut nadi pria

H1:Denyut nadi wanita berbeda dengan denyut nadi pria

Hasil Analisis Data

Berdasarkan hasil yang diperoleh dari tabel 1, maka setelah kedua data digabungkan
dan diranking dari yang terendah ke tertinggi maka diperoleh hasil sebagai berikut:

Denyut nadi pria Ranking Denyut nadi wanita Ranking

90 15 79 1
89 13,5 82 4,5
82 4,5 85 8
89 13,5 88 12
91 16 85 8
86 10,5 80 2,5
85 8 80 2,5
86 10,5
84 6
Jumlah ranking 97,5 (R1) 38,5 (R2)

Selanjutnya menentukan nilai U1 dan U2

𝑛2(𝑛2+1)
U1 = n1.n2 + 2
- ∑ 𝑅2
7(7+1)
= 9.7 + 2
- ∑ 38,5

= 52,5
U2 = n1.n2 – U1
= 9.7 - 52,5
= 10,5
Kemudian dari kedua nilai tersebut diambil nilai U yang terkecil yaitu U2 sebesar
10,5 yang digunakan untuk membandingkan dengan tabel Mann Whitney.

17
 Selanjutnya berdasarkan tabel mann whitney dengan n1 sebanyak 9 dan n2 sebanyak
7 dengan nilai alpha 0,05 yaitu sebesar 12 berikut tabel Man Whitneynya:

Oleh karena nilai U statistik uji lebih kecil dari nilai U tabel Mann Whitney, sehingga
Keputusan H0 ditolak, H1 diterima. Maka dapat disimpulkan ada perbedaan antara
denyut nadi pria dan denyut nadi wanita.

5. Uji Friedman
Uji Friedman digunakan untuk menguji perbedaan rangking populasi
berdasarkan rangking k sampel berpasangan dan k lebih dari dua (k > 2). Data yang
digunakan minimal berskala ordinal. Uji Friedman merupakan alternative dari ANOVA
satu jalur. Uji ini dilakukan jika asumsi-asumsi dalam statistik parametris tidak
terpenuhi, atau juga karena sampel yang terlalu sedikit. Berikut ini langkah langkah
dalam uji friedman manual:
1. Menentukan hipotesis
Hipotesis:
Ho : r1 = r2 =....= rk
H1 : r1 ≠ r2 ≠ ..... ≠ rk
2. Data disusun ke dalam tabel berukuran k x n, di mana k menunjukkan kolom dari
kelompok sampel yang berpasangan sedangkan n menunjukkan kasus/sampel yang
disusun dalam baris.

18
3. Buat rangking ke arah baris, mulai dari rangking 1 untuk nilai terendah sampai
rangking k untuk nilai tertinggi. Jika ada angka kembar buat rangking rata-ratanya.
Jumlahkan rangking pada masing- masing kolom (Rj).
4. Mencari nilai Xr
12 𝑘
Xr = 𝑛𝑘(𝑘+1) ∑𝑗=1(𝑅𝑗)2 − 3𝑛 (𝑘 − 1)

Keterangan :
n : banyak baris
k : banyak kolom
Rj2 : Jumlah ranking dalam kolom j yang dikuadratkan
5. Mencari x2 tabel dengan menentukan nilai α (alpha) atau taraf kesalahan. Kemudian
nilai degree of freedom (df) diperoleh dari k-1 yang dimana k adalah banyaknya
variabel (bebas dan terikat).
6. Menentukan kesimpulan

Contoh kasus

Seorang guru ingin mengetahui bagaimana respon siswa dalam belajar dengan
memberikan 3 metode yang berbeda terhadap pemahaman materi. Pada minggu pertama
diberikan metode Ceramah (A), minggu kedua diberikan metode inquiry (B) minggu
ketiga diberikan metode discovery (C).Masing-masing metode dilakukan pengukuran
mengenai pemahaman materi yang diukur dengan skala skor 3 kategori yaitu tidak
memahami materi (1), memahami materi(2), sangat memahami materi (3). Berikut hasil
nilai pemahaman siswa:

Tabel 2. Data hasil perhitungan nilai pemahaman siswa yang diuji dengan metode berbeda-beda

Responden Ceramah Inquiry Discovery

1 75 69 74
2 70 64 76
3 55 56 73
4 66 59 58
5 69 55 75
6 76 70 72
7 44 46 77
8 59 66 61
9 74 62 59
10 59 58 73

19
Rumusan masalah

Apakah ada perbedaan pengaruh 3 metode pembelajaran yang diberikan terhadap

pemahaman siswa?

Hipotesis

H0 : Tidak terdapat pengaruh metode yang berbeda terhadap pemahaman siswa

H1: Terdapat pengaruh metode yang berbeda terhadap pemahaman siswa

Hasil Analisis Data

Berdasarkan tabel 2, maka setelah nilai dikonversi ke dalam skor pemahaman yang telah
ditentukan maka diperoleh hasil sebagai berikut:

Responden Ceramah Inquiry Discovery

1 1 3 2
2 2 3 1
3 3 2 1
4 3 2 1
5 2 3 1
6 1 3 2
7 3 2 1
8 3 1 2
9 3 2 1
10 2 3 1
Jumlah 23 (R1) 24 (R2) 13 (R3)

Kemudian, mencari nilai Xr

12 𝑘
Xr = 𝑛𝑘(𝑘+1) ∑𝑗=1(𝑅𝑗)2 − 3𝑛 (𝑘 − 1)
12
= 10.3(3+1) (232 + 242 + 132 ) − 3.10(3 − 1)

= 0,1 (1274)-120
= 127,4-120
= 7,4

Setelah mencari nilai Xr tentukan nilai x2 tabel alpha 0,05 dan df=3-1=2 maka diperoleh
nilai x2 tabel sebesar 5,991.

20
 Kesimpulan

Karena nilai x2 tabel lebih kecil dari nilai Xr maka H0 ditolak atau bisa ditarik
kesimpulan bahwa terdapat pengaruh ketiga metode pembelajaran yang berbeda
terhadap pemahaman siswa.

6. Uji Kruskal Wallis

Uji Kruskal-Wallis merupakan uji nonparametrik yang popular untuk

membandingkan lebih dari dua kelompok sampel independen/bebas. Uji Kruskal Wallis
digunakan untuk menguji perbedaan nilai tengah/median k populasi (k > 2) berdasarkan
nilai tengah/median dari k sampel independen. Data dalam uji Kruskal Wallis berskala
ordinal. Berikut langkah dalam melakukan uji kruskal-wallis manual:

1. Menentukan hipotesis
H0 : µ1 = µ2 = … = µk
H1 : tidak semua µj sama, j = 1, 2, … , k
2. Setelah data penelitian dimasukkan ke dalam tabel sesuai kelompok sampel, dibuat
rangking untuk semua data pada seluruh sampel dari 1 (data terkecil) hingga ke-n
(data terbesar). Jika ada angka kembar dibuat rata-ratanya. Rangking pada masing-
masing kolom (Rj) dijumlahkan.

21
3. Menentukan nilai statistik uji (nilai H) diperoleh dengan rumus:
𝑘
12 𝑅𝑗 2
H = 𝑁(𝑁+1) ∑ − 3(𝑁 + 1)
𝑗=1 𝑁𝑗

Apabila terdapat nilai yang sama, gunakan nilai H dengan rumus:

𝑘
12 𝑅𝑗2
∑ −3(𝑁+1)
𝑁(𝑁+1) 𝑁𝑗
𝑗=1
H= ∑ 3−𝑡
1− 𝑡3
𝑁 −𝑁

4. Apabila k=3 dan n1, n2, dan n3 ≥ 5, gunakan Tabel Kruskal Wallis, sedangkan di
luar ketentuan tersebut nilai H dibandingkan dengan nilai X2 untuk derajat bebas
(db) = (k-1) pada taraf uji α. Jika nilai P ≤ α, maka tolak Ho dan terima H1.

Contoh kasus

Berdasarkan Laporan Indikator Kinerja Dosen (IKID), seorang peneliti ingin mengetahui
apakah ada perbedaan nilai kinerja dosen selama tahun akademik 2012/2013 di Sekolah
Tinggi “X” menurut jabatan fungsionalnya: Asisten Ahli, Lektor, dan Lektor kepala.
Penelitian terhadap kinerja dosen dilakukan dengan menggunakan instrument IKID
selama satu tahun, dengan sampel menurut kelompok jabatan fungsional dosen masing-
masing sebanyak 6 lektor kepala, 10 lektor dan kelompok ketiga 12 asisten ahli. Data
nilai kinerja dosen menurut kelompok jabatan fungsional adalah sebagai berikut:

Ujilah apakah terdapat perbedaan nilai kinerja dosen menurut jabatan fungsional pada
taraf nyata 1 %.

Tabel 3. Data hasil nilai kinerja dosen berdasarkan jabatan fungsional

Lektor kepala Lektor Asisten ahli

74 80 782
78 76 75
72 81 82
75 73 84
72 79 74
76 75 80
80 82
72 76
74 80
83 77
85
80

22
Rumusan masalah
Apakah ada perbedaan kinerja dosen berdasarkan jabatan fungsional?
Hipotesis
H0: Kinerja dosen menurut jabatan fungsional sama
H1: Kinerja dosen menurut jabatan fungsional berbeda
Hasil Analisis Data
Berdasarkan tabel 3, maka urutkan dari nilai terkecil, dibuat rangking untuk semua data
pada seluruh sampel dari 1 (data terkecil) hingga ke-n (data terbesar). Jika ada ranking
kembar dibuat rata-ratanya. Rangking pada masing-masing kolom dijumlahkan seperti
di bawah ini:
Nilai Ranking
74 6
78 15
72 2
Lektor kepala
75 9
72 2
76 12
R1 46
80 19
76 12
81 22
73 4
79 16
Lektor 75 9
80 19
72 2
74 6
83 26
R2 135
82 24
75 9
82 24
84 27
74 6
80 19
Asisten ahli 82 24
76 12
80 19
77 14
85 28
80 19
R3 225

23
Karena terdapat nilai yang sama, maka cari dahulu jumlahnya ada berapa kemudian
dipangkatkan 3 dan dijumlahkan seperti tabel berikut:

Nilai t t3
72 3 27
74 3 27
75 3 27
76 3 27
80 5 125
82 3 27
jumlah 20 260

Menentukan nilai H dengan rumus faktor koreksi karena terdapat nilai yang sama.

𝑘
12 𝑅𝑗2
∑ −3(𝑁+1)
𝑁(𝑁+1) 𝑁𝑗
𝑗=1
H= ∑ 3−𝑡
1− 𝑡3
𝑁 −𝑁

𝑘
12 462 1352 2252
∑ ( + + 12 )−3(28+1)
28(28+1) 6 10
𝑗=1
= 260
1−
21924

= 7,574
Berdasarkan kententuan, karena k=3 maka bandingkan dengan tabel kruskal wallis.

Nilai df diperoleh dari k-1 yaitu 2. Kemudian cari titik pertemuan antara alpha 1% dan
df=2 diperoleh nilai 9,21. Oleh karena nilai tabel lebih besar dari nilai hitung maka dapat
disimpulkan bahwa H0 diterima artinya tidak ada perbedaan jabatan fungsional terhadap
kinerja dosen.

24
 BAB III
PENUTUP

Kesimpulan
1. Statistik parametrik dan non-parametrik dapat dibedakan dalam 3 aspek, yakni
bentuk distribusi, skala pengukuran dan jumlah sampelnya. Dimana dalam
stastistik parametrik harus diketahui bentuk distribusinya(normal, binomial,
poison, dsb), pengukurannya skala interval dan rasio, jumlah sampel bisa besar
atau kecil tapi harus memenuhi bentuk distribusi. Statistik non-parametrik tidak
mempermasalahkan bentuk ditribusi(bebas), skala pengukurannya nominal dan
ordinal, jumlah sampelnya kecil.
2. Ada beberapa uji non-parametrik yang dibahas yakni uji tanda (sign test) , uji
wilcoxon (non parametrik 2 sampel berpasangan), uji median (non parametik 2
sampel independen), uji friedman (lebih dari dua sampel berpasangan), uji man
whitney (2 sampel independen/bebas) dan uji kruskal wallis (lebih dari dua
kelompok sampel independen/bebas).

25
 DAFTAR PUSTAKA

Agus, H. (2015). Aplikasi statistika pada data pendampingan untuk karya tulis ilmiah.
IAARD Press. http://library1.nida.ac.th/termpaper6/sd/2554/19755.pdf
Heryana, A. (2017). Uji Statistik Non Parametrik. May, 1–21.
https://doi.org/10.13140/RG.2.2.33332.48000
Sriwidadi, T. (2011). Penggunaan Uji Mann-Whitney pada Analisis Pengaruh Pelatihan
Wiraniaga dalam Penjualan Produk Baru. Binus Business Review, 2(2), 751.
https://doi.org/10.21512/bbr.v2i2.1221
Budiwanto, & Setyo. (2017). Metode Statistika Untuk Mengolah Data Keolahragaan.
Malang: Universitas Negeri Malang
Heryana, A. (2017). Uji Statistik Non Parametrik. May, 1–21.
https://doi.org/10.13140/RG.2.2.33332.48000
Jaya, Indra, & Ardat. (2013). Penerapan Statistik untuk Pendidikan. Bandung: Cita
Pustaka Media Perintis.
Junaidi. (2010). Statistika Non-Parametrik. Fakultas Ekonomi Universitas Jambi, 1-4.
Trimawartinah, M. (2020). Bahan Ajar Statistik Non Parametrik. UHAMKA.

26