Statistika Non Parametrik

Statistika Inferensi
Hlm. 691 buku walpole
 Uji dan Statistika Non-Parametrik
• Uji tanda
• Uji rang tanda
• Uji jumlah rang
• Uji kruskal wallis
• Uji runtun
• Koefisien korelasi rank
 • Data Nominal biasa disebut data skala nominal adalah data yang diperoleh
dengan cara kategorisasi atau klasifikasi. Contoh: Jenis pekerjaan
D • Data berskala ordinal adalah data yang diperoleh dengan cara kategorisasi
atau klasifikasi, tetapi diantara data tersebut terdapat hubungan. Contoh:
A Kepuasan pelanggan
• Data interval adalah data yang diperoleh dengan cara pengukuran, dimana
jarak antar dua titik pada skala, sudah diketahui. Berbeda dengan skala
T
ordinal, dimana jarak dua titik tidak diperhatikan (seperti berapa jarak
antara puas dan tidak puas, yang sebenarnya menyangkut perasaan orang
A saja). Contoh: Temperatur ruangan
• Data berskala rasio adalah data yang diperoleh dengan cara pengukuran,
dimana jarak dua titik pada skala sudah diketahui, dan mempunyai titik
nol yang absolut. Ini berbeda dengan skala interval, dimana taka da titik
nol mutlak/absolut. Seperti titik 0°C tentu beda dengan titik 0°F. atau
pergantian tahun pada system kalender Masehi (setiap 1 Januari) berbeda
dengan pergantian tahun Jawa, China dan lainnya. Sehingga tak ada tahun
baru dalam artian diakui oleh semua kalender sebagai tahun baru.
Contoh:Jumlah buku di kelas: Jika 5, berarti ada 5 buku. Jika 0, berarti tak
ada buku (absolut 0)
Macam Data Bentuk Hipotesis
Deskriptif Komparatif (dua sampel) Komparatif (lebih dari 2 Asosiatif
(satu sampel) (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 Median Spearman Rank
Wilcoxon Mann-Whitney Two Way- Extension Correlation
matched parts U test Anova
Kruskal-Wallis Kendall Tau
Kolmogorov One Way
Simrnov Anova

Wald-
Woldfowitz

Interval T Test* T-test of* T-test of* One-Way One-Way Pearson

Related independent Anova* Anova* Product
Rasio Moment *
Two Way Two Way
Anova* Anova* Partial
Correlation*

Multiple
Correlation*
 Penggunaan Non Parametrik
TES PENGGUNAAN FUNGSI
Chi Square Menggunakan data nominal untuk menguji Tes independensi variabel
independensi satu sampel atau dua sampel atau
lebih dari 2 sampel
Codran Q Untuk menguji hubungan lebih dari 2 sampel Membantu pada data yang memberikan
pada skala nominal jawaban 2 kategori
Uji Tanda Untuk menguji hubungan 2 sampel pada skala Tes yang baik untuk data berjenjang
ordinal (rangking)
Uji median -Pada satu sampel untuk melihat randomisasi pada -Untuk melihat kesimetrisan distribusi
data dari populasi - Tes independensi variabel
- untuk menguji independensi lebih dari 2 sampel
pada skala ordinal
Uji Mann-Whitney U Untuk menguji independensi 2 sampel pada skala Analog pada independensi 2 sampel t-
ordinal Test
Uji Kruskal- Untuk menguji independensi lebih dari 2 sampel Alternatif dari uji One-Way ANOVA di
Wallis pada skala ordinal mana asumsi distribusi normal tidak
digunakan
Uji Fiedman Uji menguji hubungan lebih dari 2 sampel pada Alternatif dari uji Two-Way ANOVA
skala ordinal dimana asumsi distribusi normal tidak
digunakan
Uji Kolmogorov- Untuk menguji independensi dari satu sampel Uji ini lebih powerful dibanding uji chi-
Smirnov atau 2 sampel pada skala ordinal. square atau uji Mann-Whitney
 Statistik Parametrik
• Teknik-teknik statistika yang didasarkan atas asumsi
mengenai populasi yang diambil sampelnya.
• Contoh: pada uji t diasumsikan populasi terdistribusi
normal. Sebutan parametrik digunakan karena pada
uji t ini yang diuji adalah parameter (yaitu rata-rata
populasi)
• Membutuhkan data kuantitatif dengan level interval
atau rasio yang diambil dari populasi yang
berdistribusi normal.
 Statistik Non Parametrik
• Cocok untuk data yang tidak memenuhi asumsi
statistika parametrik atau yang berjenis kualitatif
• Disebut juga distribution-free statistics
• Didasarkan atas lebih sedikit asumsi mengenai
populasi dan parameter dibandingkan dengan
statistika parametrik.
• Ada yang dapat digunakan untuk data nominal
• Ada yang dapat digunakan untuk data ordinal
• Populasi bebas distribusi.
 Keuntungan Statistik Non Parametrik
• Kadang-kadang tidak ada alternatifnya pada statistika
parametrik
• Uji nonparametrik tertentu dapat digunakan untuk
analisis data nominal
• Uji nonparametrik tertentu dapat digunakan untuk
analisis data ordinal
• Proses perhitungan pada statistika non parametrik
biasanya lebih sederhana dibandingkan pada
statistika parametrik, khususnya untuk sampel kecil
 Kerugian Statistik Non Parametrik
• Uji nonparametrik menjadi tak berguna
apabila uji parametrik untuk data yang sama
tersedia
• Uji nonparametrik pada umumnya tidak
tersedia secara luas dibandingkan dengan uji
parametrik
• Untuk sampel besar, perhitungan untuk
statistika nonparametrik menjadi rumit
 Uji Tanda (Sign test)
• Digunakan untuk menguji hipotesis bahwa dua
variabel yang merupakan dua sampel berkaitan
mempunyai distribusi yang sama/berkorelasi
apabila datanya berbentuk ordinal
• Contoh pengunaan:
1. Untuk menguji tingkat keberhasilan suatu
sistem diet baru.
2. Untuk menguji keberhasilan penggunaan
resep baru pada perusahaan ayam goreng
 METODE

Hipotesis yang diuji dengan uji tanda adalah

p XA  XB   p X A  XB  1 2
XA = penilaian/skor di bawah salah satu kondisi
(setelah diberikan suatu pelakuan)
XB = penilaian/skor di bawah kondisi lainnya
(sebelum diberikan perlakuan)
Dg demikian, XA dan XB adalah skor untuk pasangan yang
dijodohkan
Untuk menyatakan Ho  median selisih skor = 0
 PROSEDUR
1. Tentukan tanda selisih antara kedua anggota setiap pasangan.
2. Dengan mencacah, tentukan harga N=banyak pasangan yang selisihnya
menunjukkan suatu tanda.
3. Metode untuk menentukan kemungkinan yang berkaitan dengan
terjadinya, di bawah Ho, suatu harga yang seekstrim harga x observasi
tergantung pada ukuran N
a. Jika N≤10 dan np=nq < 5, Tabel binomial menyajikan p satu sisi yang
berkaitan dg suatu harga yang sekecil harga x observasi = banyak tanda
yang lebih lebih sedikit.
b. Jika N>10 dan np=nq > 5, hitunglah

x x  N 2 2x  N x+0,5 jika H1 <

z   X-0,5 jika H1 >
 0,5 N N
Uji satu sisi : Jika p yang dihasilkan ≤ α, tolak Ho
Uji dua sisi : Jika 2p yang dihasilkan ≤ α, tolak Ho
 Contoh Uji Tanda Sampel Kecil
Sebuah perusahaan ayam goreng menerapkan resep baru dan
mencobakan kepada 10 orang responden untuk mengukur
keberhasilan resepnya. Data yang diperoleh sebagai berikut:

Konsumen Resep Lama Resep Baru Tanda

1 3 9 +
2 5 5 0
+=6 n=8
3 3 6 + - =2
4 1 3 + 0=2 r
5 5 10 + Menggunakan
tabel binom
6 8 4 -
7 2 2 0
8 8 5 -
9 4 6 +
10 6 7 +
 Contoh Uji Tanda Sampel Kecil
H0 : resep baru sama dengan resep lama (p = 0.5)
H1 : resep baru lebih baik dari resep lama (p > 0.5)

P(X≤2) = 0,1445 > (=0.05), maka terima H0 .

Tidak da[at dikatakan bahwa resep baru lebih baik dari
resep lama
 LATIHAN
Untuk meningkatkan penjualan sabun colek
“bersih kemilau” yang akhir-akhir ini semakin
menurun seorang manajer membuat program
sales promotion, yaitu memberikan hadiah gratis. Hasil pada 7 outlet sebagai
berikut :

Outlet Sebelum Sesudah Tentukan

apakah
1 1200 1230 program
2 1350 1450 berhasil!

3 1500 1525
4 1300 1400
5 1390 1400
6 1290 1350
7 1540 1540
 Contoh UJI TANDA SAMPEL BESAR
Misalkan seorang pembuat eksperimen ingin menetapkan apakah
suatu film tentang kenakalan remaja akan mengubah pendapat
anggota masyarakat tertentu mengenai seberapa berat kenakalan
remaja harus mendapatkan hukuman. Dia menarik suatu sampel
random terdiri dari 100 orang dewasa Hasilnya sbb:

Jml hukuman yg diinginkan

sesudah nonton film
Kurang Lebih

Jml hukuman yg Lebih 59 7

diinginkan sblm nonton
film Kurang 8 26
 Contoh SAMPEL BESAR (Lanjutan)
Dengan α=0,01 ujilah hipotesis nol bahwa film itu tidak mempunyai akibat yang
sistematis, artinya bahwa di antara mereka yang pandangannya berubah setelah
menonton film, orang yang mengubah pandangan dari yang lebih keras ke lebih lunak
sama banyak dengan mereka yang mengubah pandangan dari yang lebih lunak ke lebih
keras.
SOLUSI
Ho : Film tidak memiliki akibat yang sistematis
H1 : Film mempunyai akibat yang sistematis

Taraf signifikansi:
Digunakan α=0,01. N=banyak subyek yang menunjukkan perubahan
pendapat.

Daerah penolakan:
Karena H1 tidak menyatakan arah perbedaan, maka daerah penolakannya
dua sisi. Tolak Ho jika p≤α
 SOLUSI (Lanjutan)

Adakah akibat dari film itu?

Dari data : Tidak terpengaruh  15 orang
Terpengaruh  85 orang

Hipotesis studi berlaku hanya bagi ke-85 orang yang

terpengaruh.

Perhatikan 59 orang decreased dan 26 increased, untuk

data 59, x > 0,5N yakni 59 > 42,5
Maka z = [(59-0,5)–(0,5)(85)] / (0,5)(85)1/2 = 3,47
 SOLUSI (Lanjutan)

Tabel Normal menunjukkan bahwa kemungkinan di

bawah Ho untuk z ≥ 3,47 adalah p = 2 (0,0003) = 0,0006.
Karena p < 0,01 maka Ho ditolak.

Kesimpulan:
Film memiliki akibat sistematis yang signifikan terhadap
pendapat orang dewasa mengenai beratnya hukuman
yang diinginkan untuk para pelaku kenakalan remaja.
 LATIHAN 2

Suatu sampel random konsumen yang ambil bagian

dalam pengujian pemutih pakaian. Masing-masing
konsumen mencuci pakaian putih dengan menggunakan
dua jenis pemutih A dan B. Kadar/tingkat putih pakaian
dinyatakan dengan skala 1 s/d 4 dimana skala 4 adalah
tingkat yang paling putih. Ujilah hipotesis bahwa dalam
populasi tingkat pemutih A lebih putih dibandingkan
dengan B lebih dari separuhnya dengan α=0,05.
Data selangkapnya adalah sbb:
 LATIHAN 2 (Lanjut)

TINGKAT TINGKAT TINGKAT

A B A B A B
2 3 4 2 2 4
1 2 3 2 3 1
3 2 4 3 4 2
2 2 3 3 4 1
4 2 3 2 4 3
4 3 1 3 3 2
4 1 4 2 4 2
1 3 4 1 3 2
3 3 3 2 1 3
3 1 3 3 4 1
 Uji Rank Tanda (Rang-Tanda Wilcoxon)

• Digunakan untuk menguji hipotesis bahwa

dua variabel yang merupakan dua sampel
berkaitan mempunyai distribusi yang sama
bila datanya berbentuk ordinal dengan
memperhatikan tanda dan selisish antar
pengamatan
Contoh Uji Rank Tanda
Uji Rank Tanda Sampel Besar
 Uji Jumlah Rank
• Digunakan untuk menguji hipotesis bahwa
dua variabel yang merupakan dua sampel
berkaitan mempunyai distribusi yang sama
bila datanya berbentuk ordinal dan tidak ada
pengamatan yang berpasangan
• Contoh: Untuk menguji rata-rata kadar nikotin
dari dua rokok yang berbeda
Uji Jumlah Rank Sampel Besar
 Uji Kruskal-Wallish H
• Merupakan altarnatif dari analisis varian satu
jalur (One-way ANOVA) di mana nilai data
diganti dengan rank.
 Contoh Uji Kruskal Wallis
1. Membandingkan Empat jenis rokok, cap A,
B, C dan D hendak dibandingkan kadar
tarnya.
2. Membandingkan laju pembakaran bahan
bakar 3 sistem rudal
Sollution
 Uji runs
• Untuk melihat apakah data tersebut acak atau
tidak
• Prosedur run test untuk menyelidiki keacakan
biasanya didasarkan pada banyaknya dan sifat
rangkaian yang terdapat di dalam data dengan
data berbentuk ordinal.
 UJI RUN
• Pengujian terhadap keacakan sampel yang dimaksud digunakan Uji
Runtun (Run).
• Runtun (run) adalah barisan huruf ( lambang atau tanda-tanda) yang
identik yang didahului atau diikuti sebuah huruf (lambang atau tanda)
yang berbeda.
• Uji Runtun (run) membagi data menjadi dua penggolongan yang tidak
berpotongan (laki-laki atau perempuan, cacat atau utuh, diatas atau
dibawah median, dan sebagainya ).
• Barisan hasil pengamatan terdiri dari dua lambang. Misalkan n1
adalah banyaknya lambang pertama atau yang lebih sedikit dan n2
adalah banyaknya lambang kedua atau yang lebih banyak, maka
ukuran sampelnya adalah n= n1+ n2

5/9/2018 37
 Contoh


5/9/2018 38
 Penyelesaian (1)

5/9/2018 39
 Penyelesaian (2)

5/9/2018 40
 Penyelesaian (3)

5/9/2018 41
 Uji Mann-Whitney U
• Untuk menguji signifikansi hipotesis komparatif 2
sampel independen bila datanya berbentuk ordinal
dan untuk 2 sampel yang berukuran tidak sama.
• Penelitian untuk mengetahui apakah ada perbedaan
berapa lama hidup pasien leukimia yang diberi serum
dengan yang tidak diberi serum penghambat
pertumbuhan leukimia.
 Uses of Mann-Whitney U test
 Mainly used to analyse the difference between the
medians of two data sets.
 You want to know whether two sets of measurements
genuinely differ.

Mann Whitney U-test can be used to compare any two data

sets that are not normally distributed .
As long as the data is capable of being ranked, then the test
can be applied.
 Mann Whitney U Test
• To compute the Mann
Whitney U: Income
25
Rank
12
No Income
27
Rank
10
– Rank the scores in 32
36
5
3
19
16
17
20
both groups 40 1 33 4
22 14 30 7
(together) from 37 2 17 19
highest to lowest. 20 16 21 15
18 18 23 13
– Sum the ranks of the 31 6 26 11
29 8 28 9
scores for each group. 85 125
– The sum of ranks for
each group are used
to make the statistical
comparison.
 Non-Directional Hypotheses
• Null Hypothesis: There is no
difference in scores of the two
groups (i.e. the sum of ranks
for group 1 is no different
than the sum of ranks for
group 2).
• Alternative Hypothesis: There
is a difference between the
scores of the two groups (i.e.
the sum of ranks for group 1 is
significantly different from the
sum of ranks for group 2).
 Computing the Mann Whitney U Using
SPSS
• Enter data into SPSS spreadsheet; two columns
 1st column: groups; 2nd column: scores
(ratings)
• Analyze  Nonparametric  2 Independent
Samples
• Select the independent variable and move it to
the Grouping Variable box  Click Define Groups
 Enter 1 for group 1 and 2 for group 2
• Select the dependent variable and move it to the
Test Variable box  Make sure Mann Whitney is
selected  Click OK
 Interpreting the Output
Ranks

Income Status N Mean Rank Sum of Ranks

Equal Rights Attitudes Income Producing 10 12.50 125.00
No Income 10 8.50 85.00
Total 20

Test Statisticsb

Equal Rights The output provides a z

Attitudes score equivalent of the
Mann-Whitney U 30.000
Wilcoxon W 85.000 Mann Whitney U statistic.
Z -1.512
Asymp. Sig. (2-tailed) .131 It also gives significance
Exact Sig. [2*(1-tailed
.143
a levels for both a one-
Sig.)]
a. Not corrected for ties .
tailed and a two-tailed
b. Grouping Variable: Income Status
hypothesis.
 Generating Descriptives for Both Groups

• Analyze  Descriptive
Statistics  Explore
• Independent variable 
Factors box
• Dependent variable 
Dependent box
• Click Statistics  Make sure
Descriptives is checked 
Click OK
 Wilcoxon Signed-Rank Test
• Nonparametric
equivalent of the
dependent (paired-
samples) t test
– Two dependent groups
(within design)
– Ordinal level
measurement of the DV.
– The test statistic is T, and
the sampling distribution
is the T distribution.
 Wilcoxon Test
• To compute the Wilcoxon
T: Pretest Posttest Difference Rank
36 21 15 11
– Determine the differences 23 24 -1 -1
between scores. 48 36 12 10
54 30 24 12
– Rank the absolute values of 40 32 8 7
the differences. 32 35 -3 -3
50 43 7 6
– Place the appropriate sign 44 40 4 4
with the rank (each rank 36 30 6 5
retains the positive or 29 27 2 2
33 22 11 9
negative value of its 45 36 9 8
corresponding difference)
– T = the sum of the ranks
with the less frequent sign
 Non-Directional Hypotheses
• Null Hypothesis: There is no
difference in scores before
and after an intervention (i.e.
the sums of the positive and
negative ranks will be similar).
• Non-Directional Research
Hypothesis: There is a
difference in scores before
and after an intervention (i.e.
the sums of the positive and
negative ranks will be
different).
 Computing the Wilcoxon Test Using SPSS

• Enter data into SPSS spreadsheet; two columns  1st

column: pretest scores; 2nd column: posttest scores
• Analyze  Nonparametric  2 Related Samples
• Highlight both variables  move to the Test Pair(s)
List  Click OK
To Generate Descriptives:
• Analyze  Descriptive Statistics  Explore
• Both variables go in the Dependent box
• Click Statistics  Make sure Descriptives is checked
 Click OK
 Interpreting the Output
Ranks

N Mean Rank Sum of Ranks

POSTTEST - PRETEST Negative Ranks 10a 7.40 74.00
Pos itive Ranks 2b 2.00 4.00
Ties 0c
Total 12
a. POSTTEST < PRETEST
b. POSTTEST > PRETEST The T test statistic is the sum
c. POSTTEST = PRETEST
of the ranks with the less
Test Statisticsb frequent sign.
POSTTEST -
PRETEST
The output provides the
Z -2.746 a equivalent z score for the test
Asymp. Sig. (2-tailed) .006
a. Bas ed on pos itive ranks.
statistic.
b. Wilcoxon Signed Ranks Test
Two-Tailed significance is
given.
 Calculation of Mann-Whitney U test
 To calculate the value of Mann-Whitney U test, we
use the following formula:

Where:
U=Mann-Whitney U test
N1 = sample size one
N2= Sample size two
Ri = Rank of the sample size
The U test is included in most modern statistical
packages which do the calculations
 Referensi
• Walpole, Ilmu Peluang dan Statistika untuk
Insinyur dan Ilmuwan, Ed. 4. Bandung:
Penerbit ITB
• Beberapa sumber dari Internet