BAB II

LANDASAN TEORI

1.1 Pengertian Statistik Non Parametrik

Statistik nonparametrik adalah yang berhubungan dengan data yang
berbentuk ranking atau data kualitatif (skala nominal atau ordinal) atau data
kuantitatif yang tidak berdistribusi normal. Oleh karena itu statistik nonparametrik
seringkali disebut dengan statistik bebas distribusi. Pada statistik nonparametrik, kita
akan menguji karakteristik populasi tanpa menggunakan spesifik parameter. Oleh
karena itu statistik uji ini disebut dengan statistik nonparametrik yaitu akan menguji
apakah lokasi populasi berbeda dari pada menguji apakah rata-rata populasi berbeda.
Contoh metode statistik non-parametrik adalah sebagai berikut [1]:
1. Uji tanda (sign test)
2. Rank sum test (wilcoxon)
3. Rank correlation test (spearman)
4. Fisher probability exact test.
5. Chi-square test, dll
Ciri-ciri statistik non-parametrik adalah sebagai berikut:
1. Data tidak berdistribusi normal
2. Umumnya data berskala nominal dan ordinal
3. Umumnya dilakukan pada penelitian social
4. Umumnya jumlah sampel kecil

1.2 Keunggulan dan kelemahan statistik non-parametrik

1. Keunggulan:
a. Tidak membutuhkan asumsi normalitas.
b. Secara umum metode statistik non-parametrik lebih mudah dikerjakan
dan lebih mudah dimengerti jika dibandingkan dengan statistik
parametrik karena ststistika non-parametrik tidak membutuhkan
perhitungan matematik yang rumit seperti halnya statistik parametrik.
c. Statistik non-parametrik dapat digantikan data numerik (nominal) dengan
jenjang (ordinal).

4
 5

d. Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan

atau jenjang secara formal karena sering dijumpai hasil pengamatan yang
dinyatakan dalam data kualitatif.
e. Pengujian hipotesis pada statistik non-parametrik dilakukan secara
langsung pada pengamatan yang nyata.
f. Walaupun pada statistik non-parametrik tidak terikat pada distribusi
normal populasi, tetapi dapat digunakan pada populasi berdistribusi
normal.
2. Kelemahan:
a. Statistik non-parametrik terkadang mengabaikan beberapa informasi
tertentu.
b. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam
statistik parametrik.
c. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi
studi seperti pada statistik parametrik. Hal ini dikarenakan statistik non-
parametrik mendekati eksperimen dengan sampel kecil dan umumnya
membandingkan dua kelompok tertentu.

2.3 Metode Statistika Nonparametrik

Berikut ini akan dijelaskan beberapa metode pengambilan keputusan yang
termasuk dalam uji statistika nonparametric [2].

2.3.1 Uji Tanda

Uji tanda digunakan untuk menguji hipotesis mengenai median populasi.
Dalam banyak kasus prosedur nonparametrik, rataan digantikan oleh median sebagai
parameter lokasi yang relevan untuk diuji.
Uji tanda juga mempunyai asumsi dimana asumsinya adalah distribusinya
bersifat binomial. Binomial artinya mempunyai dua nilai. Nilai ini dilambangkan
dengan tanda, yaitu positif dan negatif. Ini mengapa ia disebut uji tanda.
Uji tanda banyak digunakan karena uji ini paling mudah untuk dilakukan
pengujiannya dan tidak memakan waktu yang lama. Pengerjaan pengujian ini
terbilang cukup mudah. Apabila setiap nilai pengamatan memiliki nilai lebih besar
dari nilai rataannya maka diganti dengan tanda (+). Sedangkan, apabila setiap nilai
 6

pengamatan memiliki nilai kurang dari nilai rataannya maka diganti dengan tanda (-).
Dan, apabila nilai pengamatannya sama dengan nilai rataannya maka nilai
pengamatan tersebut harus dibuang.
Pengujian uji tanda yang pertama dilakukan adalah menentukan hipotesis
nolnya beserta dengan hipotesis tandingannya. Tentukan pula taraf nyatanya beserta
nilai proporsi peubah binomial X-nya. Kemudian melakukan penghitungan Z hitung
(apabila jumlah sampel lebih dari 30) dengan nilai n merupakan jumlah data
pengamatan setelah dibandingkan dengan nilai rataannya dan nilai x adalah jumlah
data pengamatan dengan tanda (+). Dengan begitu nilai Z akan didapat dan nilai P
(proporsi)nya dapat ditentukan. Keputusan H 0 akan ditolak apabila nilai P yang
didapat lebih kecil atau sama dengan nilai taraf nyatanya.
2.3.2 Uji Dua Tanda
Tidak memperhitungkan besarnya selisih-selisih tersebut. Definisi uji 2 tanda
yaitu memanfaatkan hanya untuk tanda-tanda plus dan minus yang diperoleh dari
selisih antara pengamatan dalam kasus satu contoh, atau tanda plus dan minus yang
diperoleh dari selisih antara pasangan pengamatan dan kasus contoh berpasangan,
tetapi
Setelah uji yang memanfaatkan baik arah maupun besar diajukan pada tahun
1945 oleh Frank Wilcoxon dan sekarang uji ini dikenal sebagai uji perangkat
bertanda wilcoxon atau dalam kasus pengamatan berpasangan disebut juga uji
wilcoxon bagi pengamatan berpasangan. (Sprent, 1999:79).
Untuk menguji hipotesa bahwa N=N0 bagi suatu populasi yang kontinyu
dengan uji peringkat bertanda wilcoxon. Pertama-tama kita harus membuang selisih
yang sama dengan N0 dan kemudian memberi peringkat pada diyang tidak sama
dengan nol tanpa memperhatikan tandanya peringkat 1 diberikan pada d i dengan nilai
absolute terkecil. Peringkat dua pada terkecil berikutnya dan demikian seterusnya
dan apabila ada nilai yang sama, maka kita beri peringkat rata-rata untuk tiap nilai
yang sama tersebut [3].

2.3.3 Uji Jumlah Peringkat Wilcoxon

Dalam pasal ini kita mempelajari prosedur non parametrik yang sangat
sederhana yang diajukan oleh wilcoxon dengan membandingkan nilai tangan dari
suatupopulasi yang tidak kontinu. Uji non parametrik ini disebut dengan uji
 7

peringkat wilcoxon. Langkah-langkah pengujian hipotesis uji peringkat Wilcoxon

adalah [3] :
1. Menentukan formulasi hipotesis.
2. Menentukan taraf nyata dan nilai tabel.
3. Menentukan criteria pengujian.
4. Menentukan nilai uji statistik (kriteria pengujian Ho diterima apabila
T0>Ttabel dan Ho ditolak apabila To< TtabeI)
5. Membuat kesimpulan.

2.3.4 Uji Dua Sampel Wilcoxon

Uji dua sampel berpasangan wilcoxon adalah satu uji yang memperhitungkan
tanda + (plus) dan - (minus) dan besarnya selisih dari pasangan - pasangan data. Uji
wilcoxon diajukan oleh Frank Wilcoxon pada tahun 1945 dan dikenal sebagai uji
peringkat bertanda wilcoxon atau dalam kasus berpasangan disebut Uji Wilcoxon
bagi pengamatan berpasangan (William, 1997: hal 57).
Untuk menguji hipotesa atau kelompok sample yang diberi dua perlakuan
yang berbeda dengan uji rangking bertanda wilcoxon maka pertama-tama kita cari
nilai di, dimana di adalah skor selisih sembarang pasanan dibawah dua perlakuan
yang berlainan, setiap pasangan memiliki satu di, hilangkan di kemudian berikan
harga rangking 1 untuk harga di terkecil dan seterusnya. Jika data n > 30, kita dapat
menggunakan fakta bahwa distribusi w mendekati normal dengan rata-rata dapat
dihitung dengan cara sebagai berikut :
n(n+ 1)
μn=
4 ........................................................................................(2.1)
Untuk mencari standar deviasi dapat digunakan cara dibawah ini :

√
σ 2 ω+ = 24
n(n+1)(2 n+2 )
...................................................................(2.2)
Maka pengujian tersebut dapat didasarkan pada statistik dengan
menggunakan cara :
W + −μw ..................................................................................(2.3)
+
Z=
σ w+

Dan dengan daerah kritis yang sesuai dapat diperoleh dari distribusi
normal standar.
 8

Untuk menggunakan metode non-parametrik, asumsi dasar yang digunakan

adalah bahwa sample 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 non-parametrik dapat digunakan
untuk melakukan suatu uji statistik sebagai alat untuk mengambil keputusan. Karena
bentuk distribusi yang mengatur populasi untuk menjadi prasyarat asumsi awal,
maka metode ini sering juga disebut sebagai metode bebas-distribusi. Secara umum,
ketika kedua metode parametrik dan non-parametrik dapat digunakan untuk suatu
masalah tertentu, prosedur parametric akan lebih efisien.
Dengan karakteristik yang dijelaskan diatas, metode non-parametrik
kebanyakan digunakan dalam menangani data kualitatif. Metode ini khususnya
digunakan dalam menangani situasi berikut:
1. Jika ukuran sample terlalu kecil sehingga distribusi sampling dari statistik
tidak mendekati distribusi normal dan ketika bentuk distribusi populasi asal
sampel tersebut tidak dapat diasumsikan.
2. Jika digunakan jenis data ordinal (atau data peringkat).
3. Jika digunakan jenis data nominal.