MAKALAH STATISTIKA NON PARAMETRIK

Disusun untuk memenuhi salah satu tugas mata kuliah Statistika Industri II
Dosen Pengampu : Ir. Miftahu Babil Yasari, M.T.

Disusun oleh :
Ade Reza A NIM. 2226201029
Siti Nurparida NIM. 2226201022
Susanti NIM. 2226201010
Syahdan Syaban NIM. 22 26201026

Program Studi Tekni Industri

Universitas Sali Al-Aitaam
Bandung
2024
 KATA PENGANTAR

Dengan menyebut nama Allah SWT yang Maha Pengasih lagi Maha Penyayang. Kami
panjatkan puja dan puji syukur atas kehadirat-Nya, yang mana telah melimpahkan rahmat,
hidayah dan inayah-Nya kepada penulis sehingga penulis dapat menyelesaikan tugas makalah
Statitika ini.
Makalah ini telah kami susun dengan semaksimal mungkin yang tentunya mendapat
bantuan dan dukungan dari berbagai pihak sehingga memperlancar pembuatan Makalah ini.
Terlepas dari semua itu, penulis menyadari sepenuhnya bahwa masih banyak kekurangan baik
dari susunan kalimat maupun bahasanya. Oleh karena itu, dengan tangan terbuka penulis
menerima segala saran dan kritik yang membangun dari pembaca agar penulis dapat
memperbaiki makalah ini.
Penulis berharap semoga makalah ini dapat memberi manfaat maupun inspirasi bagi
pembaca. Akhir kata penulis ucapkan terimaksih banyak atas dukungan dan bantuannya.

Bandung, 26 Januari 2024

Penulis

i
 DAFTAR ISI

KATA PENGANTAR ....................................................................................................... i

DAFTAR ISI...................................................................................................................... ii
BAB 1 PENDAHULUAN
A. Latar Belakang Statistika .................................................................................... 1
B. Rumusan Masalah ............................................................................................... 3
BAB II PEMBAHASAN
A. Definisi Statistika Non Parametrik ..................................................................... 4
B. Syarat-syarat Statistika Non Parametrik ........................................................... 4
C. Kelebihan dan Kekurangan Statistika Non Parametrik ................................... 4
D. Uji Statistika Non Parametrik ............................................................................. 5
E. Contoh Penerapan Statistika Non Parametrik .................................................. 12
BAB III PENUTUP
A. Kesimpulan ............................................................................................................ 15
DAFTAR PUSTAKA

ii
 BAB I

PENDAHULUAN

A. Latar Belakang Penggunaan Metoda Statistika Non Parametrik

Dalam penelitian seringkali dijumpai kesulitan untuk memperoleh data kontinu yang
menyebar mengikuti distribusi normal. Data penelitian yang diperoleh kebanyakan hanya
berupa kategori yang hanya dapat dihitung frekuensinya atau berupa data yang hanya dapat
dibedakan berdasarkan tingkatan atau rankingnya. Menghadapi kasus data kategorikal atau
data ordinal, jelas peneliti tidak mungkin mempergunakan metode statistik parametrik.
Sebagai gantinya diciptakan oleh pakar metode statistik lain yang sesuai yaitu metode
statistik nonparametrik.
Metode statistik nonparametrik sering juga disebut metode bebas sebaran (distribution
free) karena model uji statistiknya tidak menetapkan syarat-syarat tertentu tentang bentuk
distribusi parameter populasinya. Artinya bahwa metode statistik nonparametrik ini tidak
menetapkan syarat bahwa observasi-observasinya harus ditarik dari populasi yang
berdistribusi normal dan tidak menetapkan syarat homoscedasticity. Dalam sejumlah uji
statistik nonparametrik hanya menetapkan asumsi/persyaratan bahwa observasi-
observasinya harus independen dan bahwa varibel yang diteliti pada dasarnya harus
memiliki kontinuitas.
Banyak di antara uji-uji statistik nonparametrik kadangkala disebut sebagai “uji
ranking”, karena teknik-teknik nonparametrik ini dapat digunakan untuk skor yang bukan
skor eksak dalam pengertian keangkaan, melainkan skor yang semata-mata berupa jenjang-
jenjang (ranks). Hasil pemikiran para pakar untuk menciptakan metode-metode statistik
nonparametrik, ternyata dapat menunjukkan hasil yang cukup baik, tidak jauh berbeda
dengan hasil yang diperoleh dengan metode statistik parametrik.
Metode statistik nonparametrik ternyata mempunyai kelebihan-kelebihan bila
dibandingkan dengan metode statistik parametrik, di samping kekurangan-kekuranganya.
Sebuah uji parametrik tergantung keabsahannya pada asumsi bahwa dalam menarik sampel
secara acak dari sebuah distribusi yang memiliki sebuah aturan tertentu. Jika terdapat

1
keraguan, maka uji nonparametrik yang sah dengan asumsi yang lebih lemah dapat
digunakan.
Metode- metode nonparametrik tidak terhingga nilainya, tentu saja metode-metode ini
biasanya hanya tersedia bila mempunyai data yang tersusun secara urut atau rank dan tidak
teliti nilai pengamatannya. Hal ini harus ditekankan bahwa asumsi yang lebih lemah tidak
berarti bahwa metode nonparametrik berasumsi bebas. Apa yang dapat disimpulkan
tergantung pada apakah asumsi dapat terbukti secara sah. Asumsi dasar yang digunakan
adalah bahwa sampel berasal dari populasi yang mengikuti suatu distribusi tertentu,
misalnya distribusi normal. Namun dalam banyak hal, asumsi tersebut sulit dilakukan
karena tidak ada informasi yang cukup memberi petunjuk mengenai bentuk distribusi
populasi yang dikaji.
Dalam kondisi seperti ini metode-metode nonparametrik dapat digunakan untuk
melakukan suatu uji statistik sebagai alat untuk mengambil keputusan. Secara umum, ketika
kedua metode parametrik dan nonparametrik dapat digunakan untuk suatu masalah tertentu,
prosedur parametrik akan lebih efisien. Dengan karakteristik yang dijelaskan diatas, metode
nonparametik kebanyakan dipakai dalam menangani data kualitatif. Metode ini digunakan
dalam menangani situasi berikut:
1. Jika ukuran sampel terlalu kecil sehingga distribusi sampling dari statistik tidak
mendekati distribusi normal dan ketika bentuk distibusi populasi asal sampel
tersebut tidak dapat diasumsikan.
2. Jika digunakan jenis data ordinal (atau data peringkat)
3. Jika digunakan jenis data nominal
Dengan demikian dapat dipahami bahwa metode non parametrik memberi keleluasan
yang lebih luas dalam melakukan inferensi statistik karena metode ini dapat digunakan
dalam keterbatasan data dari sampel dan keterbatasan informasi mengenai populasi.
Meskipun tidak seefisien metode parametrik, metode ini lebih mudah dipahami
dibandingkan dengan metode parametrik serta melibatkan perhitungan – perhitungan yang
lebih sederhana. Namun terdapat juga beberapa keterbatasan dari metode ini. Jika jenis data
yang digunakan adalah data ordinal atau data nominal, maka seluruh data hasil pengukuran
yang sudah tersedia diabaikan sehingga kurang begitu kuat dan kurang sensitif
dibandingkan dengan hasil dari uji statistik yang menggunakan metode parametrik.
Keunggulan statistika non parametrik terletak pada beberapa aspek:

2
 1. Tidak memerlukan asumsi normalitas: Sebagian besar metoda non parametrik tidak
bergantung pada asumsi bahwa data berdistribusi normal, sehingga dapat diterapkan
pada data ordinal, nominal, atau data interval yang tidak normal.
2. Lebih robust terhadap outlier: Data dengan outlier ekstrem dapat mempengaruhi hasil
uji parametrik secara signifikan. Metode non parametrik lebih tahan terhadap pengaruh
outlier tersebut.
3. Mudah dihitung dan diinterpretasikan: Perhitungan statistika dan interpretasi hasil uji
pada sebagian besar metoda non parametrik relatif lebih sederhana dibandingkan dengan
metoda parametrik.
Oleh karena itu, statistika non parametrik menjadi pilihan yang tepat ketika:
1. Data tidak memenuhi asumsi normalitas atau kesamaan varians.
2. Ukuran sampel penelitian kecil.
3. Data bersifat ordinal atau nominal.
4. Terdapat outlier ekstrem dalam data.

B. Rumusan Masalah
1. Bagaimana teori statistika non parametrik?
2. Bagaimana contoh penerapan dilapangan statistika non parametrik?

3
 BAB II

PEMBAHASAN

A. Definisi Statistika Non Parametrik

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 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. 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 distribusi data) tidak
terpenuhi, maka statistik non-parametrik lebih sesuai diterapkan dibandingkan
statistik parametrik.

4
 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.

D. Uji Statistika 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 ). Berikut uji
statistika non parametrik :

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.

5
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):
a. Masing-masing pasangan hasil pengamtan yang dibandingkan bersifat independen
b. Hasil pengamatan setiap pasangan terjadi disebabkan karena pengaruh kondisi yang
serupa
Langkah-langkah analisis uji tanda (Budiwanto & Setyo, 2017):
a. Membuat tabel persiapan uji tanda (tabel 3.13), dan mengisi kolom-kolom dengan
urutan pasangan amatan hasil amatan X dan Y yang dibedakan.
b. 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.
c. Menentukan nilai h dengan mencari tanda + atau – yang paling sedikit.
d. Menguji hipotesis: membandingkan harga h hitung dengan harga h tabel.

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
6
 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
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

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) :

7
 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
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.

8
4. Uji Man Whitney
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 n1 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:

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.
d. Bandingkan statistik U dengan nilai U pada Tabel U Mann-Whitney pada
taraf nyatayang digunakan. Kriteria uji: Tolak H0 jika p (U) ≤ α untuk Uji
satu pihak, atau p (U) ≤ α/2 untuk Uji dua pihak.

9
 e. Menarik kesimpulan

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.
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

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

10
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.
3. Menentukan nilai statistik uji (nilai H) diperoleh dengan rumus:

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

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.

11
 E. Contoh Penerapan Statistika Non Parametrik
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.
1. Rumusan Masalah
Apakah ada perbedaan denyut nadi pria dan denyut nadi wanita?
2. Hipotesis
H0 : Denyut nadi wanita sama dengan denyut nadi pria
H1 : Denyut nadi wanita berbeda dengan denyut nadi pria
3. Hasil Analisi 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 :

12
 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)

Selanjutnnya menentukan nilai U1 dan U2

𝑛2 (𝑛2 + 1)
𝑈1 = 𝑛1. 𝑛2 + − 𝛴𝑅2
2
7(7 + 1)
= 9. 7 + − 38,5
2
= 52,5
𝑈2 = 𝑛1. 𝑛2 − 𝑈1
= 9.7 − 52,5
= 10,5
Kemudia dari kedua nilai tersebut diambil nilai U yang terkecil yaitu U2 sebesar 10,5
yang digunakan untuk membandingkan dengan tabel Mann Whittney.
Selanjutnya berdasarkan tabel Mann Wihitney dengan n1 sebnayak 9 dan n2 sebanyak
12 berikut tabel Mann whitneynya :

13
 4. Kesimpulan
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.

14
 BAB III

PENUTUP

A. KESIMPULAN
Konsep utama dalam statistika non parametrik adalah pengurutan data dan pembuatan
peringkat. Metode uji non parametrik memanfaatkan peringkat data untuk menguji
perbedaan antara kelompok atau hubungan antara variabel tanpa bergantung pada parameter
populasi. Metode statistik yang tidak membuat asumsi tentang distribusi data. Metode ini
sering digunakan ketika data tidak memenuhi asumsi metode statistik parametrik, seperti
distribusi normal atau homoskedastisitas.
Secara umum, statistika non parametrik dapat digunakan sebagai alternatif metode
statistik parametrik ketika data tidak memenuhi asumsi metode parametrik. Metode ini juga
dapat digunakan ketika peneliti ingin menggunakan metode yang lebih sederhana dan
mudah dipahami.

15
 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

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

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.

16