Statistik nonparametrik mempunyai beberapa kelebihan

dan kekurangan. Kelebihannya antara lain adalah:

 1. Tingkat kesalahan penggunaan prosedur statistik
nonparametrik relatif kecil karena statistik jenis ini
tidak memerlukan banyak asumsi.
 2. Perhitungan yang harus dilakukan pada umumnya
sederhana dan mudah, khususnya untuk data yang
kecil.
 3. Konsep dalam statistik nonparametrik mudah untuk
dimengerti.
 4. Dapat digunakan untuk menganalisa data yang
berbentuk nominal maupun peringkat (rank)
kekurangan statistik nonparametrik yang paling utama
adalah hasil tidak selalu sesuai dengan yang
diharapkan karena kesederhanaan perhitungannya
Chi-square test
Fisher-test
McNemar test
Korelasi rank ( spearmen)
Mann Whitney
Wilcoxon
Masalah Skala Jenis Hipotesis (asosiasi)
Pengukuran Komparatif Korelatif
Tidak berpasangan Berpasangan
Numerik 2 >2 2 kelompok >2
kelompok kelompok kelompok
Uji t One way Uji t Repeated Pearson
tidak anova berpasangan ANOVA
berpasan
gan
Kategorik Mann Kruskall- Wilcoxon Friedman Spearmen
(ordinal) Whitney Wallis Sommers’d
gamma
Kategorik Chi-square; Fisher McNemar,;Cochran; Koefisien
(nominal/ Kolmogorov-Smirnov Marginal Homogeneity; Kontigensi
ordinal) (Tabel B x K) Wilcoxon; Friedman Lambda
(Tabel P x K)
1. Jika masalah skala pengukuran variabel
adalah kategorik (nominal dan ordinal)
2. Jika data dengan masalah pengukuran
numerik tetapi tidak memenuhi syarat
untuk uji parametrik
Alternatif uji t berpasangan = uji wilcoxon
Alternatif uji t tidak berpasangan = Mann
Whitney
Alternatif uji repeated ANOVa = uji Friedman
Alternatif Uji one way anova = uji cruskal will
 Dasaruji chi square adalah membandingkan
frekuensi yang diamati ( Observed/O) dengan
frekuensi yang diharapkan (expected /E).
Uji Hipotesis Komparatif Kategorik
Tidak berpasangan
 Dasaruji chi square adalah membandingkan
frekuensi yang diamati ( Observed/O) dengan
frekuensi yang diharapkan (expected /E).
Keterangan
Peneliti ingin mengetahui apakah terdapat hubungan
antara jenis kelamin dengan hobi?
Laki-laki yang suka olahraga 27
Perempuan yang suka olahraga 13
Laki-laki yang suka otomotif 35
Perempuan yang suka otomotif 15
Laki-laki yang suka shooping 33
Perempuan yang suka shooping 27
Laki-laki yang suka komputer 25
Perempuan yang suka komputer 25
1. Tulis Hipotesis Ha dan Ho
 Ho :  = o, tidak terdapat hubungan yang
signifikan antara jenis kelamin dengan hobi
 Ha :   o, terdapat hubungan yang
signifikan antara jenis kelamin dengan hobi
 Tabel kontingensi berbentuk 2 x 4 (2 baris dan 4
kolom). Setiap kotak disebut sel, setiap sebuah
kolom berisi sebuah subvariabel, setiap sebuah
baris berisi sebuah subvariabel.
Jenis Hobi TOTAL
Kelamin
Olahraga Otomotif Shopping Komputer

Laki-laki 27 35 33 25 120

Perempuan 13 15 27 25 80

TOTAL 40 50 60 50 200
 e

fe untuk setiap sel =

Misal :
fe sel pertama =

= 24
 Jenis Hobi TOTAL
Kelamin
Olahraga Otomotif Shopping Komputer
fo fe fo fe fo fe fo fe fo fe
Laki-laki 27 24 35 30 33 36 25 30 120 120

Perempuan 13 16 15 20 27 24 25 20 80 80

TOTAL 40 40 50 50 60 60 50 50 200 200

= 0,375+0,833+0,250+0,833+0,563+1,250+0,375+1,250
= 5,729
 2

 Taraf signifikansi () = 0,05

 Df = (Baris – 1) (Kolom – 1)
= (2-1) (4-1)
=3
  2Tabel = 7,815
 2

2
  2hitung(5,729)   tabel (7,815)
 Ho diterima

Kesimpulan :
Tidak terdapat hubungan yang signifikan
antara jenis kelamin dengan hobi
Rumus:

2
N (AD - BC)
X 2

(A  B) (C  D) (A  C) (B  D)
Keterangan:
A, B, C, dan D adalah sel hasil persilangan dari dua variabel

A B

C D
 contoh:
Suatu penelitian ingin mengetahui: “apakah ada hubungan genetik
dengan obesitas pada remaja

Hipotesis:
 H0 = tidak ada hubungan antara genetik dengan obesitas pada
remaja .
Tabel kerja:
Genetik Obesitas tidak Jml.
 ya 10 11 21
 Tidak 46 13 59

Jml. 56 24 80

Penghitungan:
2
N (AD - BC)
X  2

(A  B) (C  D) (A  C) (B  D)
 lanjutan Penghitungan…..

80 (10) (13) - (11) (46) 2

X 2

(21) (59) (56) (24)

2
80 (376)
X 2
 6,79
1.665.216
Besarnya degree of freedom (df) :
 df = (k-1) (b-1)
= (2-1) (2-1)
=1
Tabel Kontingensi yang memilik df >1
Bilamana kolom atau barisnya lebih besar dari 2 (df = >1), uji chi-square
TIDAK DAPAT digunakan jika:
 ≥20% sel yang ada memiliki frekuensi yang diharapkan (Hi) <5
 Ada sel yang memiliki nilai frekuensi yang diharapkan (Hi) <1

Contoh:
Hubungan antara jenis bacaan dengan tingkat pendidikan

Jenis Bacaan SD SMP SMA SM,D3 S1 Jml

 Hiburan 60 20 19 2 3 104
 Ilmu Pengt. Populer 61 76 79 69 43 328
 Ilmiah 4 4 2 4 4 18
Jumlah 125 100 100 75 50 450
Penggabungan untuk kategori tingkat pendidikan
 Rendah, Sedang, dan Tinggi

Hubungan antara jenis bacaan dengan tingkat pendidikan

Jenis Bacaan Rendah Sedang Tinggi Jml

 Hiburan 80 19 5 104
 Ilmu Pengt. Populer 137 79 112 328
 Ilmiah 8 2 8 18
Jumlah 225 100 125 450
 Syarat-syarat penggunaan Chi-Square
.
 Untuk tabel kontingensi yang memiliki df = >1, uji chi-square
dapat dipakai dengan syarat memenuhi ketentan sebagaimana
dipersyaratkan oleh Siegel.
 Bilamana besarnya N = 20 – 40, uji chi-square dapat diguna-kan
JIKA nilai seluruh frekuensi yang diharapkan (Hi) = ≥5. Jika ada
sel yang nilai Hi-nya = <5, maka uji chi-square tidak dapat
digunakan, dan disarankan menggunakan uji Fisher.
 Bilamana besarnya N = <20, gunakan uji Fisher untuk selu-ruh
kasus.
 Analyze → descriptive statistic → crosstabs
 Masukkan variabel rokok (sesuai nama variabel
independent) ke dalam Rows
 Masukkan variabel subur (sesuai nama variabel
dependent) ke dalam Coloumns
 Klik kotak Statistics, lalu pilih Chi-square dan risk,
klik continue
 Klik kotak Cells, lalu pilih observed pada kotak
Counts. Pilih rows pada kotak percentages, klik
continue
 Klik OK
Langkah
Analyze-descriptive statistic-klik statistik pilih
chisquare- klik cell pilih observed dan
expected- continue-ok

Hasil uji chi square dapat dilihat pada kotak

chi square test…..
 Bila pada tabel 2x2 dijumpai nilai expected
(harapan ) kurang dari 5 (> 20%) maka yang
digunakan adalah fisher’s exact test
 Bila tabel 2x2 dan tidak ada nilai E<5 maka uji
yang dipakai sebaiknya contunuity correction
 bila tabelnya lebih dari 2x2 misalnya 3x2, 3, 3
dsb maka digunakan uji pearson chi square
 uji :likelihood ratio dan linear-by linear
assiciation, biasanya digunakan untuk keperluan
lebih spesifik, misalnya analisis stratifikasi pada
bidang epidemiologi dan juga untuk mengetahui
hubungan linier dua variabel kategorik, sehingga
kedua jenis ini jarang digunakan.
 Tabel ….
Distribusi Responden menurut …………..
Kesuburan Total X2 P- OR
Tidak Subur value 95% CI
Perilaku subur
Merokok
n % n % n %
Merokok
Tidak Merokok
Jumlah
Uji Hipotesis Komparatif Kategorik
Tidak Berpasangan Tabel 2 x K
 Analyze → nonparametrics test → 2-independent
sample
 Masukkan variabel depresi (variabel independent 1)
ke dalam Test Variable List
 Masukkan variabel sex variabel independent 1) ke
dalam Grouping Variable
 Aktifkan pilihan Kolmogorov-Smirnov pada test type
dan non aktifkan pilihan lainnya
 Aktifkan Define Group
 Masukkan angka 1 (sebagai kode laki-laki) ke dalam
group 1, angka 2 (sebagai kode perempuan) ke
dalam group 2
 Klik Continue, Klik OK
 TABEL Bx K

Tabel selain
TABEL 2 x K 2x2
TABEL 2 x 2 Dan
Selain 2 x K

Cek syarat Uji Chi Square

Uji
Penggabunga
Kolmogorov
Uji Fisher n Sel
Smirnov
Pengujian Hipotesis

Uji Wilcoxon mencakup

 Uji median (rerata) melalui satu sampel
 Uji kesamaan dua populasi melalui sampel

berpasangan

Uji Mann-Whitney mencakup

 Uji kesamaan dua populasi melalui sampel
tidak perlu berpasangan
 Skala nominal dan ordinal
 Skala numerik tapi tidak memebuhi asumsi
uji t tidak berasangan
- Cek syarat uji t tidak berpasangan/uji t
bebas??
Makna jika p< alpha maka hipotesa nol ditolak
Penelitian bertujuan untuk mengetahui
perbedaan body mass index antara kelompok
ekonomi rendah dan ekonomi tinggi
- Langkah bagaimana yang harus dilakukan
untuk memilih uji yang tepat???
 Skala berjenis kategorik atau numerik jika
asumsi t berpasangan tidak terpenuhi
 Merupakan alternatif uji t berpasangan jika
asumsi tidak terpenuhi.
 Cek syarat asumsi uji t berpasangan???
B. Uji Wilcoxon Satu Sampel

1. Tujuan Pengujian Hipotesis

• Pengujian hipotesis dilakukan terhadap median, apakah
median sama dengan suatu nilai tertentu
M > M0 M < M0 M ≠ M0

• Pengujian dapat juga dilakukan terhadap rerata

(walaupun pengujian rerata dapat dilakukan secara
parametrik), apakah rerata sama dengan suatu nilai
tertentu
 > 0  < 0  ≠ 0
 Penelitianbertujuan untuk mengetahui
perbedaan pengetahuan sebelum dan setelah
penyuluhan
 Uji apakah yang digunakan?
 Output pertama menunjukkan perbandingan
pengetahuan sebelum dan sesudah
penyuluhan. Terdapat 26 orag dengn hasil
pengetahuan setelah penyuluhan lebih
rendah daripada sebelum penyuluhan, 18
orang tetap dan 56 orang mempunyai
pengetahuan yang lebih baik dari sebelum
penyuluhan.
 Jika signifikansi < alpha = Ho ditolak karena
0,001< 0,05 maka terdapat perbedaan
pengetahuan yang bermakna antara sebelum
penyuluhan dengan setelah penyuluhan
 Memilikikesamaan kharakteristik dengan
korelasi pearson, tetapi data yang digunakan
dalam korelasi spearman adalah data ordinal.
Variabel 1 Variabel 2 Uji korelasi
Nominal Nominal Koefisien kontigensi, lambda
Nominal Ordinal Koefisien kontigensi, lambda
Ordinal Ordinal Spearman, Gamma, somer’d
Ordinal Numerik Spearman
numerik numerik pearson

Untuk variabel numerik, memakai uji pearson dengan alternati uji

Adalah uji spearman
parameter nilai interpretasi
1. Kekuatan korelasi 0,000-0,1999 Sangat lemah
(r)
0,20-0,399 Lemah
0,40-0,599 sedang
0,60-0,799 kuat
0,80- 1 Sangat kuat
2. Nilai p P <0,05 Terdapat korelasi yg bermana
antara dua variabel yg diuji

3. Arah korelasi + (positif) Searah, semakin besar nilai satu

variabel maka semakin besar
pula variabel yg lain
- (negatif) Berlawanan arah. Semakin besar
nilai satu variabel, semakin
kecil ilai variabel laiinya.