UJI NON PARAMETRIK

SATU SAMPEL
Disiapkan oleh Lina Miftahul Jannah
miftahul@ui.ac.id

Commitment, Integrity, Transformative, Accountable | fia.ui.ac.id

Materi perkuliahan
• Mengingatkan kembali materi dasar statistik
• Jenis-jenis uji statistik
• Chi-Square Goodness of Fit Test
• Randomness Run Test

Kelengkapan perkuliahan
• Alat tulis, Kalkulator
• Tabel distribusi normal (z) dan distribusi t
 Facts and figures
Science of gathering, Measurement taken on
analyzing, interpreting, a sample
and presenting data

Type of
Branch of distribution
mathematics being used to
What is analyze data

Statistics?
 Pembagian
Statistik

Statistik
Statistik

Deskriptif
Descriptive Statistics — using data
Non parametrik gathered on a group to describe or
Statistik reach conclusions about that same
Inferensial group only
Parametrik Inferential Statistics — using sample
data to reach conclusions about the
population from which the sample
was taken
 berskala interval atau
rasio dan biasanya Tidak memperhatikan nilai dari
STATISTIK satu atau lebih parameter populasi
variabel bersifat
PARAMETRIK kontinu. (tidak memerlukan asumsi
mengenai parameter populasi)
mempertimbangkan
nilai dari satu atau berskala nominal atau
lebih parameter ordinal, biasanya STATISTIK
populasi (seperti rata- variabelnya bersifat NON
rata hitung, standar diskrit, dengan
sampel relatif kecil
PARAMETRIK
deviasi atau variasi,
dan korelasi) (<30).

diasumsikan distribusinya tidak

berdistribusi secara dapat diasumsikan
normal normal-uji bebas
distribusi (distribution
free test)
 Bentuk Hipotesis
SKALA Deskriptif Komparatif (dua sampel) Komparatif (lebih dari 2 sampel) Asosiatif
(satu (hubungan)
variabel) Related Independen Related Independen
Nominal Binomial Mc Nemar Fisher Exact 2 for k sample 2 for k sample Contingency
Probability Coefficient C
Cochran Q
2 One 2 Two Sample
Sample
Ordinal Run Test Sign test Median test Friedman Two Median Spearman Rank
Way-Anova Extension Correlation
Wilcoxon Mann-Whitney U
matched test Kruskal-Wallis Kendall Tau
parts One Way Anova
Kolmogorov
Smirnov

Wald-Woldfowitz
Interval T Test* T-test of* T-test of* One-Way One-Way Pearson Product
Rasio Related independent Anova* Anova* Moment *

Two Way Two Way Partial Correlation*

Anova* Anova*
Multiple
Correlation*
 Uji Non
PENGGUNAAN FUNGSI
Parametrik
Menggunakan data nominal untuk menguji Tes independensi variabel
Chi Square
independensi 1, 2 atau > 2 sampel
Untuk menguji hubungan > 2 sampel pada skala nominal Membantu pada data yang memberikan
Codran Q
jawaban 2 kategori
Untuk menguji hubungan 2 sampel pada skala ordinal Tes yang baik untuk data berjenjang
Uji Tanda
(rangking)
- Pada satu sampel untuk melihat randomisasi pada data - Untuk melihat kesimetrisan distribusi
dari populasi - Tes independensi variabel
Uji median
- untuk menguji independensi lebih dari 2 sampel pada
skala ordinal
Uji Mann- Untuk menguji independensi 2 sampel pada skala Analog pada independensi 2 sampel t-Test
Whitney U ordinal
Uji Kruskal- Untuk menguji independensi > 2 sampel pada skala Alternatif dari uji One-Way ANOVA di mana
Wallis ordinal asumsi distribusi normal tidak digunakan
Uji menguji hubungan > 2 sampel pada skala ordinal Alternatif dari uji Two-Way ANOVA dimana
Uji Fiedman
asumsi distribusi normal tidak digunakan
Uji Kolmogorov- Untuk menguji independensi dari 1 atau 2 sampel pada Uji ini lebih powerful dibanding uji chi-square
Smirnov skala ordinal. atau uji Mann-Whitney
Salah satu jenis dari uji seberapa tepat frekuensi
goodness of fit adalah yang diamati cukup
chi square dengan notasi mendekati (homogen) dengan
2 . frekuensi yang diharapkan

Nilai χ2 selalu positif SATU KELOMPOK: Chi-Square

Goodness of Fit Test
 2
Ho: p1 = p2 = pn = 1/jumlah kategori 2 𝑂−𝐸
Ha: p1 = p2 ≠ pn = 1/jumlah kategori 𝜒 =σ
𝐸

O = Observed Value diperoleh dari nilai hasil penelitian

E = Expected Value diperoleh dari jumlah data dibagi dengan
jumlah kategori
Hasil perhitungan chi-square
bandingkan dengan tabel chi- ▪ Jika nilai chi-square ≥ nilai kritis, maka
square, dengan df (degree of
Ho ditolak
freedom) = k - 1
▪ Jika nilai chi-square < nilai kritis, maka
Ho tidak ditolak

SATU KELOMPOK: Chi- Atau jika menggunakan SPSS

▪ Ho ditolak jika nilai sig. ≤ 𝛼
Square Goodness of Fit Test ▪ Ho tidak ditolak jikan nilai sig. > 𝛼
 CONTOH:
Chi-Square Goodness of Fit Test dengan Frekuensi yang diharapkan SATU KELOMPOK:
sama
Chi-Square
• Ho: p1 = p2 = pn = 1/5 Goodness of Fit Test
Afiliasi masyarakat Jumlah
pada parpol Ha: p1 = p2 ≠ pn = 1/5
A 31
Nilai O E = 135/5 = 27
B 19
2
C 19 31 − 27 19 − 27 2 19 − 27 2
+ + +
D 25 𝜒 2 ℎ𝑖𝑡𝑢𝑛𝑔 = 27 27 27
25 − 27 2 41 − 27 2
E 41 +
27 27
Jumlah 135
𝜒 2 ℎ𝑖𝑡𝑢𝑛𝑔 = 12,74

Lakukan pengujian hipotesis jika alpha 5%

 Perhatikan tabel distribusi chi-square

SATU KELOMPOK:
Chi-Square
Goodness of Fit Test
𝛼 = 0,05

Daerah Ho
ditolak
df = 5-1 = 4 Nilai kritis 𝝌² untuk alpha 5% = 9,49

Bandingkan nilai 𝝌²hitung dengan nilai kritis 𝝌².

0,05
nilai 𝝌²hitung =12,74 nilai kritis 𝝌²=9,49.
9,488
Menggunakan pengujian dengan SPSS:
Test Statistics SATU KELOMPOK:
nama partai Jika menggunakan SPSS, cukup Chi-Square
Chi-Squarea 12,741
lihat asymp. sig. saja dan Goodness of Fit Test
bandingkan dengan nilai alpha
df 4
Asymp. Sig. ,013 ▪ Nilai significance 0,013
a. 0 cells (,0%) have expected frequencies less than ▪ Nilai alpha 0,05
▪ Nilai significance 0,013 < Nilai alpha 0,05 artinya Ho
5. The minimum expected cell frequency is 27,0. ditolak
Cukup bukti untuk menyatakan bahwa ada perbedaan
proporsi afiliasi masyarakat pada parpol
 CONTOH :
Chi-Square Goodness of Fit Test dengan Frekuensi yg diharapkan tidak sama
Calon % dukungan Jumlah di E Nilai O
Presiden nasional daerah
AA 40 13 40%x120=48 120 diperoleh
dari total O
BB 20 33 20%x120=24
CC 14 14 14%x120=16,8 Test Statistics

DD 10 7 10%x120=12 pemain
Chi-Square a 109.750
EE 8 36 8%x120=9,6 df 5
FF 8 17 8%x120=9,6 Asymp. Sig. .000
a. 0 cells (.0%) have expected frequencies less than
(13 − 48) 2
(33 − 24) 2
(14 − 16,8) 2
χ2 = + + + 5. The minimum expected cell frequency is 9.6.
48 24 16,8 ▪ Nilai significance 0,000 < Nilai 𝛼 = 0,05
(7 − 12) 2 (36 − 9,6) 2 (17 − 9,6) 2 ▪ Ho ditolak: cukup bukti untuk menyatakan bahwa
+ + = 109,75 ada perbedaan proporsi dukungan masyarakat
12 9,6 9,6 terhadap calon presiden
 RUN TEST UNTUK KERANDOMAN

WMMMW WWMMWMMMMWWWW M

1 2 3 1 2 3 4 5 6
+-++++-+++++---+
1 2 3 4 5 6 7

Tujuan pengujian dengan run test adalah untuk menentukan apakah urutan yang
terpilih adalah random

Pengujiannya didasarkan pada banyaknya run (urutan lambang-lambang yang

sama) dalam urutan sampel.

A run is a sequence of identical occurrences preceded and followed by different occurrences

or by none at all
 RUN TEST UNTUK KERANDOMAN

Menentukan Menentukan nilai Menentukan Membuat

hipotesis penelitian kritis. nilai uji Z Kesimpulan

Perhatikan arah
• Ho : urutan simbol
adalah random
pengujian.
• Ha : urutan simbol • Tidak ada informasi maka
adalah tidak random 𝛼/2, lebih besar 𝛼 sebelah
kanan, dan lebih kecil 𝛼
sebelah kiri

2𝑛1 𝑛2 2𝑛1 𝑛2 − 𝑁 2𝑛1 𝑛2 𝑛𝑟 − 𝜇 𝑟

𝜎𝑟 = 𝜇𝑟 = +1 𝑧𝑟 =
𝑁2 𝑁 − 1 𝑁 𝜎𝑟
 Contoh Kasus Run Test
NO KAB/KOTA Tahun Tahun NO KAB/KOTA Tahun Tahun
2012 2013 2012 2013
Seorang pengamat kebijakan 1 A 10 12 18 R 21 22
publik mencatat tanda plus jika 2 B 11 13 19 S 22 24
pertumbuhan APBD suatu
3 C 12 10 20 T 21 20
daerah lebih tinggi jika
4 D 9 8 21 U 21 19
dibandingkan dengan tahun
sebelumnya, dan sebaliknya 5 E 10 11 22 V 21 22
mencatat tanda minus jika 6 F 10 12 23 W 11 9
pertumbuhan APBD suatu 7 G 11 13 24 X 11 14
daerah lebih rendah jika 8 H 12 13 25 Y 12 14
dibandingkan dengan tahun 9 I 14 15 26 Z 14 12
sebelumnya. Catatan yang 10 J 15 18 27 AA 15 12
terkumpul dari 34 Kota/Kab 11 K 16 17 28 BB 16 14
sebagaimana data di bawah. 12 L 21 17 29 CC 17 12
Dengan  sebesar 5 % tentukan 13 M 10 15 30 DD 18 14
apakah urutan tanda plus dan 14 N 13 15 31 EE 19 22
minus adalah random ?
15 O 14 15 32 FF 21 20
16 P 19 21 33 GG 19 17
17 Q 29 32 34 HH 20 17
 • Hipotesis Daerah kritis lihat pada tabel distribusi normal
Ho : urutan tanda adalah random atau tabel distribusi t.
Ha : urutan tanda tidak random
Pada alpha 5%, uji
menggunakan dua
arah maka
𝛼/2=2,5%=0,025

-z(α/2) 0 z(α/2)

• Jika menggunakan tabel distribusi normal

0,5000-0,025= 0,475
• Lihat pada tabel pada kolom 1 angka 1,9 dan
pada kolom 8 angka 0,06 sehingga angka didapat
+ 1,96
 Contoh Kasus Run Test
NO KAB/KOTA Tahun Tahun Tanda Peruba NO KAB/KOTA Tahun Tahun Tanda Peruba
Perkembangan APBD Kab/Kota 2012 2013 han 2012 2013 han
1 A 10 12 + 18 R 21 22 +
Lihat Kab A 1
2 B 11 13 + 19 S 22 24 +
Tahun 2012 angka 10
3 C 12 10 - 20 T 21 20 -
Tahun 2013 angka 12, berarti 2 6
4 D 9 8 - 21 U 21 19 -
dianggap meningkat, diberi
tanda + 5 E 10 11 + 22 V 21 22 + 7
6 F 10 12 + 23 W 11 9 - 8
Lihat Kota HH 7 G 11 13 + 24 X 11 14 +
Tahun 2012 angka 20 9
8 H 12 13 + 3 25 Y 12 14 +
Tahun 2013 angka 12, berarti
9 I 14 15 + 26 Z 14 12 -
dianggap menurun, diberi
tanda - 10 J 15 18 + 27 AA 15 12 -
11 K 16 17 + 28 BB 16 14 - 10
• n1 (tanda +) = 20 ; 12 L 21 17 - 4 29 CC 17 12 -
• n2 (tanda minus )= 14 ; 13 M 10 15 + 30 DD 18 14 -
• nr (perubahan tanda + ke – 14 N 13 15 + 31 EE 19 22 + 11
dan sebaliknya) = 12 ; 15 O 14 15 + 5 32 FF 21 20 -
• N (jumlah tanda + dan -) = 34 16 P 19 21 + 33 GG 19 17 - 12
17 Q 29 32 + 34 HH 20 17 -
 2𝑛1 𝑛2 2(20)(14)
𝜇𝑟 = +1= + 1 = 17,47
𝑁 34
2𝑛1 𝑛2 2𝑛1 𝑛2 − 𝑁 2 20 14 2𝑥20𝑥14 − 34
𝜎𝑟 = 2
= 2
= 2,78
𝑁 𝑁−1 34 34 − 1

𝑛𝑟 − 𝜇𝑟 12 − 17,47
𝑧𝑟 = = = −1,97
𝜎𝑟 2,78
Daerah Ho ditolak
▪ nilai Z statistik (-1,97) lebih kecil dari
nilai Z kritis (-1,96), maka Ho ditolak
▪ kesimpulannya adalah cukup bukti
-1,97 -1,96 0 1,96
untuk menyatakan bahwa urutan tanda
adalah tidak random
 Latihan
PT ABC adalah BUMD yang bergerak dalam berbagai bidang jasa Unit Usaha Keuntungan
konstruksi. Sebagai BUMD dengan pendapatan terbesar, PT ABC (milyar)
memiliki 5 unit usaha, yaitu ABC 1, ABC 2, ABC 3, ABC4, ABC 5. ABC 1 41
Tahun 2013 setiap unit ditargetkan akan memberikan keuntungan ABC 2 84
sebesar 50 miliar. Pada akhir tahun didapatkan laporan sebagaimana ABC 3 28
tabel warna biru. Ujilah apakah keuntungan yang diharapkan sama
ABC 4 52
dengan keuntungan sebenarnya jika menggunakan  = 5% ?
ABC 5 59
BUMD Keuntungan yang Keuntungan yang
diharapkan sebenarnya
A 900 850 Perhatikan tabel warna hijau.
B 100 120 Berdasarkan data tersebut, dengan
C 260 230 menggunakan =10%, ujilah apakah
D 500 500 keuntungan yang diharapkan sesuai
E 100 100 dengan keuntungan yang sebenarnya ?
F 120 100
 Latihan

Perhatikan catatan tanda + dan – berikut ini :

+ + - - - + + + + + + - - + + + + + + - - + - + + - - - - - + - - - ++
Dengan tingkat kesalahan sebesar 10% tentukan apakah urutan tanda plus dan minus
adalah random ?

19 10 9 12 Lihat data warna oren. Berdasarkan data tersebut,

22 11 14 9 dengan menggunakan =8 %, ujilah apakah jumlah
14 10 12 11 bantuan sosial (dalam triliun) yang diberikan 20
pemerintah daerah sudah lebih tinggi dari nilai rata-
12 10 14 12
rata secara acak? Perhatikan dengan teliti arah
12 14 14 15 pengujian.