STATISTIKA PARAMETRIK DAN

NON PARAMETRIK
 MEMILIH STATISTIK YANG TEPAT
• Apa tujuan pengujian?
menggambarkan, menguji perbedaan, korelasi, uji
pengaruh
• Bila untuk menguji perbedaan, ada berapa kelompok
sampel yang akan diuji?
satu, dua, atau n sampel
• Bila untuk uji perbedaan, apakah kelompok berasal dari
satu populasi yang sama atau kelompok yang saling
independen?
• Apa skala pengukurannya?
nominal atau ordinal, skala atau rasio
 Distribusi Tidak
DATA populasi
diketahui
Ya
Distribusi Tidak
populasi
normal
Ya
Sampel ditarik Tidak NON
secara random PARAMETRIK
Ya
Varian Tidak
kelompok sama
Ya
PARAMETRIK Ya Skala Tidak
pengukuran
interval/ratio
 PARAMETRIK
• Indikator dari suatu distibusi hasil pengukuran
• Mengikuti prinsip-prinsip distribusi normal
• Syarat parametrik :
– Distribusi sampel diambil dari distibusi populasi yang
terdistribusi secara normal
– Sampel diperoleh secara random (mewakili populasi)
– Skala pengukuran harus kontinyu (rasio/interval) atau
skala nominal yang diubah menjadi proporsi
– Uji z, Uji t, korelasi pearson, anova
 NON PARAMETRIK
• Digunakan dengan mengabaikan segala
asumsi yang melandasi metode statistik
parametrik, terutama yang berkaitan dengan
distribusi normal
• Digunakan apabila salah satu parameter
statistik parametrik tidak terpenuhi
 POPULASI DAN SAMPEL
• POPULASI
– Wilayah generalisasi yang terdiri atas obyek/subyek
yang mempunyai kualitas dan karakteristik tertentu
yang ditetapkan oleh peneliti dan kemudian ditarik
kesimpulannya
– Objek penelitian (orang, kebijakan, motivasi kerja,
disiplin, dll) yang akan kita teliti
• SAMPEL
– Bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi
– Sampel harus representatif (mewakili)
 TEKNIK SAMPLING
PROBABILITY SAMPLING NON PROBABILITY SAMPLING

• Sample random sampling • Sampling sistematis

• Proportonate stratified • Sampling kuota
random sampling • Sampling insidental
• Disapropriate statified • Purposive sampling
random sampling • Sampling jenuh /total
• Area (cluster) sampling • Snowball sampling
 SAMPEL PROBABILITAS

Teknik pengambilan sampel yang memberikan peluang yang sama bagi setiap
anggota populasi untuk dipilih menjadi anggota sampel
• Simple random sampling (sampel acak sederhana)
Pengambilan sampel dari populasi dilakukan secara acak tanpa
memperhatikan strata yang ada dalam populasi (populasi homogen)
• Proportionate stratified random sampling
Populasi memiliki anggota yang heterogen dan berstrata
secara proposional
• Disaproportionate stratified random sampling
Digunakan ketika populasi heterogen tetapi kurang proporsional
• Cluster sampling
Digunakan bila obyek yang diteliti sangat luas
 NONPROBABILITY SAMPLING
Teknik pengambilan sampel yang tidak memberi peluang sama bagi setiap
anggota populasi
• Sampling sistematis :Teknik pengambilan sampel berdasarkan urutan
anggota populasi yang telah diberi nomor urut
• Sampling kuota :Teknik pengambilan sampel dari populasi yang memiliki
ciri- ciri tertentu sampai jumlah kuota yang diinginkan
• Sampling insidental : Teknik penentuan sampel berdasarkan kebetulan
• Sampling purposive :Teknik penentuan sampel dengan pertimbangan
tertentu
• Sampling jenuh : Sering disebut sensus, dan mengunakan semua anggota
populasi
• Snowball sampling :Teknik penentuan sampel mulai jumlah kecil hingga
besar
 Uji Normalitas Data
• Kegunaan untuk mengetahui distribusi data normal
atau tidak
• Apabila distribusi data normal maka statistik
parametrik bisa dipergunakan
• Normalitas data juga bergantung pada instrumen dan
pengumpulan data
• Uji normalitas data dapat dilakukan dengan berbagai
cara yaitu : uji kertas peluang normal, uji liliefors, uji
Chi Kuadrat, dan uji kolmogorov-smirnov
Distrib usi Data yang akan diuji Normalitasn ya
Langkah-langkah untuk menguji normalitas datanya :

One-Sample Kolmogorov-Smirnov Test

VAR00001
N 21
Norm al Param etersa, b Mean 42,1429
Std. Deviation 14,21719
Mos t Extrem e Abs ol ute ,169
Differences Pos iti ve ,169
Negative -,095
Kol mogorov-Smi rnov Z ,772
Asym p. Si g. (2-tailed) ,590
a. Tes t dis tri bution is Norm al.
b. Cal culated from data.
 Uji homogenitas
• Membandingkan data (data harus sejenis)

• Dilakukan untuk melihat sampel berasal dari varian yang homogen

• Diperlukan seluruh sampel atau variabel

• Menggunakan Uji Bartlet atau Tabel/Uji F

• Uji homogenitas digunakan untuk mengetahui apakah dua atau lebih varian
populasi adalah sama atau tidak

• Uji ini dilakukan sebagai prasyarat dalam analisis independent sample t-test
dan anova atau bagi peneliti yang menggunakan lebih dari satu kelompok
sampel
Cara membaca gambar tersebut adalah lihat pada bagian (Sig.) di tabel Test of
Homogeneity Variances. Gambar tersebut memperlihatkan bahwa signifikansi =
0,182. Berdasarkan hasil tersebut, maka 0,182 lebih dari 0,05 (0,182 > 0,05),
berarti varian dari dua kelompok sampel data adalah sama.
Uji statisika Parametrik Uji statistika Non Parametrik

Uji beda : t-test, ANOVA Uji beda : Wilcoxon, Mann Whitney,

Uji korelasi: Product moment Pearson Uji tanda, Kruskal Wallis,
Uji pengaruh: Regressi Friedman Anova, Chi Square,
Exact Fischer, McNemar, Uji KS
Uji korelasi : Spearman, Kendall’s Tau
RATIO Koef. Phi,
Koef. Contingensi,
Jumlah INTERVAL Koef. Cramer’s V
kunjungan Uji pengaruh : Logistic Regressi,
Jumlah Ordinal Regressi
tempat tidur Temperatur
Berat badan Ukuran lensa
Tinggi badan ORDINAL

Rangking 1 = 1
Rangking 2 = 2 NOMINAL
Rangking 3 = 3
Pria = 1
Dapat dilakukan operasi aritmatik Wanita = 2

(x) (:) (+) (-) Tidak dapat dilakukan operasi aritmatik

(x) (:) (+) (-)
 Uji-t 1 sampel
• Uji-t 1 sampel biasanya digunakan untuk menguji
hipotesa deskriptif dimana kalimat hipotesanya
yang akan menentukan termasuk one tail
test/two tail test
• One tail test dibagi menjadi 2: uji pihak kiri dan
uji pihak kanan
• Two tail test biasanya digunakan bila hipotesa nol
(Ho) berbunyi “sama dengan” dan Hipotesa
altenatif (Ha) berbunyi “tidak sama dengan
• One tail test (uji pihak kiri) biasanya digunakan
bila Ho berbunyi “lebih besar/sama dengan
(=)” dan Ha berbunyi “lebih kecil (<)”
Contoh rumusan hipotesa:
• Ho = daya tahan lampu minimal 400 jam (=
400jam)
• Ha = daya tahan lampu lebih kecil dari 400 jam
(< 400jam)
• One tail test (uji pihak kanan) biasanya
digunakan apabila Ho berbunyi “lebih kecil
atau sama dengan (=)” dan Ha berbunyi “lebih
besar (>)”
Contoh rumusan hipotesa:
• Ho = pedagang labu paling banyak menjual
100kg/hari (= 100kg)
• Ha = pedagang labu dapat menjual lebih dari
100kg/hari (> 100kg)
 Contoh Uji-t two tail test
Contoh rumusan hipotesa:
• Ho = daya tahan baterai laptop sama dengan 4
jam
Ha = daya tahan baterai laptop tidak sama
dengan 4 jam
• Ho = penjualan kartu perdana dalam satu
bulan sama dengan 100 buah
Ha = penjualan kartu perdana dalam satu
bulan tidak sama dengan 100 buah
Uji-t two tail test
 Uji t 2 sampel
• Pada intinya uji t 2 sampel menggunakan 2
sampel/populasi yang berbeda untuk nantinya
dilihat perbedaannya
• Independent t test
• Paired sampel t test
 Independent t test
• Digunakan untuk membandingkan dua kelompok
mean dari dua sampel yang berbeda
(independent)
• Prinsipnya ingin mengetahui apakah ada
perbedaan mean antara dua populasi, dengan
membandingkan dua mean sample-nya
Misal:
• Melihat perbedaan antara kelas yang diberi
pelatihan dan yang tidak diberi pelatihan
• Perbedaan perlakuan orang yang diberi obat diet
dengan yang tidak
 Paired t test
• Digunakan untuk membandingkan mean dari
suatu sampel yang berpasangan (paired)
• Sampel berpasangan adalah sebuah kelompok
sampel dengan subyek yang sama namun
mengalami dua perlakuan atau pengukuran
yang berbeda
• Menguji perbedaan kondisi awal / sebelum
dan setelah perlakukan
 Anova
• Digunakan untuk menguji hipotesis rata-rata k sampel
yang berpasangan
• Data berbentuk interval atau rasio
• Jenis Anova:
– Anova satu jalan (one way anova)
untuk menguji ada tidaknya perbedaan pendapatan
antara karyawan pabrik, salesperson, pns
– Anova dua jalan (two way anova)
untuk menguji ada tidaknya perbedaan secara signifikan
antara pendapatan karyawan pabrik, sales person dan PNS
berdasarkan jenis kelamin
 Asumsi penggunaan Anova
• Sampel diambil secara random
• Data berdistribusi normal
• Varian antar sampel homogen
 One way anova
• Contoh : Dilakukan penelitian untuk mengetahui pengaruh suatu metode
belajar baru di sebuah sekolah. Sampel penelitian terdiri atas 15 orang
yang diambil secara random. Penelitian dilakukan dengan melihat hasil
belajar siswa sebelum digunakan metode baru, dan sesudah digunakan 1
bulan dan 2 bulan
• Ho = tidak terdapat perbedaan hasil belajar
siswa dengan metode baru (metode baru
tidak berpengaruh terhadap hasil belajar)
• Ha = terdapat perbedaan hasil belajar siswa
dengan metode baru (metode baru dapat
meningkatkan hasil belajar)
 Anova 2 Jalan (two way anova)
• Hampir sama dengan anova satu jalan hanya
saja disini sampelnya k-sampel tetapi memiliki
k-kategori
 KORELASI
• Product Moment Pearson : Kedua variabelnya
berskala interval
• Rank Spearman : Kedua variabelnya berskala ordinal
• Point Serial : Satu berskala nominal sebenarnya dan
satu berskala interval
• Biserial : Satu berskala nominal buatan dan satu
berskala interval
• Koefisien kontingensi : Kedua varibelnya berskala
nomina
Korelasi
 KORELASI PRODUCT MOMENT
• Analisis Korelasi merupakan suatu analisis untuk mengetahui
tingkat keeratan hubungan antara dua variabel.
• Tingkat hubungan tersebut dapat dibagi menjadi tiga kriteria,
yaitu mempunyai hubungan positif, mempunyai hubungan
negatif dan tidak mempunyai hubungan.
• E.g. ada hubungan positif antara tinggi badan dengan
kemampuan bermain basket; ada hubungan negatif antara
curah hujan dengan es yang terjual
• Kuatnya hubungan antar variabel dinyatakan dalam koefisien.
• Koefisien positif terbesar = 1; koefisien negatif terbesar = -1 (-
1 = r = +1)
• Semakin kecil koefisien korelasi, maka semakin besar error
(kesalahan)
 Besar Y Interpretasi
Product Moment (r)
0,00 – 0,20 Antara variabel X dan Y memang terdapat korelasi
tetapi sangat lemah sehingga dapat diabaikan
0,20 – 0,40 Antara variabel X dan Y terdapat korelasi yang lemah
atau rendah
0,40 – 0,70 Antara variabel X dan Y terdapat korelasi yang sedang
atau cukup
0,70-0,90 Antara variabel X dan Y terdapat korelasi yang kuat
atau tinggi
0,90 – 1,00 Antara variabel X dan Y terdapat korelasi yang sangat
kuat atau sangat tinggi
 Metode Koef. Korelasi Parametrik
(KORELASI PEARSON)

• Untuk Data berskala rasio/interval

• Data berdistribusi normal
• Tidak mempersoalkan mana var.bebas & mana
var. tergantung (pola hubungan simetris)
Contoh Kasus :
” Apakah ada hubungan antara skor pengetahuan
tentang kewarganegaraan dan skor partisipasi
politik?”
 Arti Angka Korelasi (Lihat Pearson
Correlation)
 Ada dua hal dalam penafsiran korelasi, yaitu tanda ‘+” atau ‘-“ yang
berhubungan dengan arah korelasi, serta kuat tidaknya korelasi.
 Korelasi antara Citizenship dengan Participation, didapat angka +0,969
(tanda “+” disertakan karena tidak ada tanda “-“ pada output, jadi
otomatis positif).
Hal ini berarti :
 Arah korelasi positif, artinya semakin tinggi tingkat pengetahuan
kewarganegaraan seseorang maka partisipasi politiknya cenderung
semakin besar. Demikian pula sebaliknya.
 Besaran korelasi (0,969) yang > 0,5, berarti tingkat pengetahuan
kewarganegaraan seseorang berkorelasi KUAT dengan partisipasi
politiknya.
 Signifikansi Hasil Korelasi (lihat Sig.
(2-tailed))
H0:Tidak ada hubungan (korelasi) antara dua variabel
Hi: Ada hubungan (korelasi) antara dua variabel

Maka bila kita ingin menguji hipotesis ini, kita misalnya dapat
menguji dengan melakukan uji dua sisi. Dasar pengambilan
keputusannya adalah dengan dasar probabilitas sebagai
berikut:
• Jika probabilitas > 0,05 (atau 0,01) maka Ho diterima
• Jika probabilitas < 0,05 (atau 0,01) maka Ho ditolak
• Berdasarkan perhitungan korelasi antara
dukungan keluarga dengan tingkat kecemasan
akibat hospitalisasi pada anak usia prasekolah
sebagai variabel terikat diperoleh nilai r = -
0,650 dengan nilai signifikan sebesar
0,01……..ARTINYA?
 KORELASI GANDA
• Menunjukkan arah dan kuatnya hubungan
antara dua atau lebih variabel independen
dengan satu variabel dependen

Untuk menghitung korelasi ganda, harus dihitung dulu

korelasi sederhananya dulu dengan korelasi pearson product
moment
Metode Koef.Korelasi Non Parametrik

• Spearman ORDINAL

• Kendall’s Tau
• Koef. Phi
• Koef. Contingensi NOMINAL

• Koef. Cramer’s V
 KORELASI SPEARMAN
• Korelasi Spearman merupakan pengukuran
nonparametrik.
• Koefesien korelasi ini mempuyai simbol r
(rho).
Syarat & Asumsi Korelasi Spearman
 Data harus berskala ordinal.
 Tidak memerlukan asumsi adanya hubungan
linier dalam variable variabel yang diukur
 Asumsi yang digunakan dalam korelasi ini ialah
tingkatan (rank) berikutnya harus menunjukkan
posisi jarak yang sama pada variable variabel
yang diukur.
 Jika menggunakan skala Likert, maka jarak skala
yang digunakan harus sama.
 Data tidak harus berdistribusi normal.
 Contoh Kasus
• Pada kasus ini kita akan melihat hubungan
antara variabel sikap terhadap pekerjaan
dengan kinerja
 Intepretasi :
0,76>0,05 --> tidak sig
0,329 --> kuat hubungan dan searah
Korelasi antara variable sikap terhadap pekerjaan dengan kinerja
pegawai cukup kuat, tidak signifikan dan searah.
 ANALISIS REGRESI
Prinsip dasar
• Dalam membangun suatu persamaan regresi adalah
bahwa antara variabel dependen dengan variabel
independennya mempunyai sifat hubungan sebab
akibat (hubungan kausalitas = causal relationship), baik
yang didasarkan pada teori, hasil penelitian
sebelumnya, ataupun yang didasarkan pada penjelasan
logis tertentu.
 ANALISIS REGRESI
PENGERTIAN
• Jenis uji statistika yang dipakai untuk melihat daya prediksi variabel independen
(prediktor) terhadap variabel dependen (kriterium)
JENIS ANALISIS REGRESI
• Regresi Linier. Memprediksi peranan prediktor dalam persamaan linier
• Regresi Non Linier. Memprediksi peranan prediktor dalam persamaan non-linier
yang dibuat oleh peneliti sendiri
PRASYARAT ANALISIS REGRESI
• Variabel dependen terdistribusi normal
• Korelasi antar prediktor yang rendah (tidak ada multikolinieritas)
• Hubungan antara prediktor dan kriterium adalah linier
• Homokedastisitas
 Analisis Regresi Linier Sederhana :

• adalah suatu teknik yang digunakan untuk membangun

suatu persamaan garis lurus dan menentukan nilai
perkiraannya
• Hanya ada 1 variabel X dan 1 variabel Y.
• Suatu persamaan garis lurus yang menyatakan hubungan
antara variabel bebas X dan variabel tidak bebas Y, dan
digunakan untuk memperkirakan nilai Y berdasarkan nilai X
disebut sebagai persamaan regresi
Perbedaan dasar antara korelasi dan regresi

 Korelasi hanya  Regresi

menunjukkan menunjukkan
sekedar hubungan. hubungan pengaruh.
 Dalam korelasi  Dalam regresi
variabel tidak ada terdapat istilah
istilah tergantung tergantung dan
dan variabel variabel bebas.
bebas.
UJI MULTIVARIAT