STATISTIK NON-

PARAMETRIK
N

 ix    2

2  i 1
N

Aminullah MSi
1. Statistik non parametrik digunakan untuk
melengkapi metode statistik parametrik, agar
tidak terjadi kesalahan memilih metode
statistik yang akan digunakan untuk kegiatan
inferensi.

• Hal ini disebabkan ada jenis-jenis data dengan

ciri tertentu yang tidak memenuhi asumsi-
asumsi pada penggunaan metode parametrik.
2. Review: asumsi-asumsi yang harus dipenuhi pada
penggunaan metode parametrik:
• Sampel (data) diambil dari populasi yang mempunyai
distribusi normal.
• Pada uji t dan uji F untuk dua sampel atau lebih,
kedua sampel diambil dari dua populasi yang
mempunyai varians sama.
• Variabel (data) yang diuji haruslah data bertipe
interval atau rasio, yang tingkatnya lebih tinggi dari
data tipe nominal atau ordinal.
• Jika ditinjau dari sumber perolehan, maka
data dapat dibagi menjadi data primer dan
sekunder.
• Jika ditinjau dari skala data, maka ada 4
jenis data, yaitu data nominal, ordinal,
interval dan rasio
DATA NOMINAL
• Data yang diperolehdengan cara kategorisasi
atau klasifikasi
Contoh: Jenis pekerjaan, diklasifikasi sebagai:
1. Pegawai negeri, diberi tanda 1,
2. Pegawai swasta, diberi tanda 2,
3. Wiraswasta, diberi angka 3
Ciri Data Nominal
• Posisi data setara. Dalam contoh tersebut,
pegawai negeri tidak lebihtinggi/lebih rendah
dari pegawai swasta.
• Tidak bisa dilakukan operasi matematika (X, +, -
atau : ). Contoh,tidak mungkin 3-2=1
(Wiraswasta dikurangi pegawai swasta=pegawai
negeri
DATA ORDINAL
• Data yang diperoleh dengan cara kategorisasi atau klasifikasi,
tetapi diantara data tersebut terdapat hubungan
Contoh: Kepuasan pelanggan, diklasifikasikan sebagai:
•  Sangat puas, diberi tanda 1,
•  Puas, diberi tanda 2,
•  Cukup puas, diberi tanda 3,
•  Tidak puas diberi tanda 4,
•  Sangat tidak puas diberi tanda 5
Ciri Data Ordinal
• Posisi data tidak setara. Dalam kasus di atas, sikap
pelanggan yang sangat puas, lebih tinggi dari yang
puas. Sikap pelanggan yang puas, lebih tinggi dari
yang cukup puas, dst. Angka/tanda bisa dibalik dari 5
hingga 1, tergantung kesepakatan.
• Tidak bisa dilakukan operasi matematika. Tidak
mungkin 1+2=3 (yang berarti sangat puas ditambah
puas = cukup puas)
DATA INTERVAL
• data yang diperoleh dengan cara pengukuran,
dimana jarak antar dua titik pada skala, sudah di
ketahui. 
• Berbeda dengan skala ordinal, dimana jarak dua
titik tidak diperhatikan (seperti berapa jarak
antara puas dan tidak puas, yang sebenarnya
menyangkut perasaan orang saja)
Contoh: Temperatur ruangan. Bisa diukur dalam
Celsius, atau Fahrenheit, dengan masing-masing
punya skala sendiri. Untuk air membeku dan
mendidih:
• Celcius pada 0° C sampai 100° C. Sakala ini jelas
jaraknya, bahwa100-0=100
• Fahreinheit pada 32° F sampai 212°F. Skala ini
jelas jaraknya, 212-32=180
Ciri Data Interval
• Tidak ada kategorisasi atau pemberian kode
seperti terjadi pada data nominal dan ordinal.
• Bisa dilakukan operasi matematika. (panas 40
derajad adalah dua kali panas disbanding 20
derajad)
DATA RASIO
• Data yang diperoleh dengan cara pengukuran,dimana jarak
dua titik pada skala sudah diketahui, dan mempunyai titik
nolyang absolut.
• 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) berbedadengan 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)

Ciri Data Rasio

• Tak ada kategorisasi atau pemberian kode.
• Bisa dilakukan operasi matematika. Missal: 100 cm + 35 cm =
135cm; 5 mangga + 2 mangga = 7 mangga.

Catatan:
•  pengolahan data kuantitatif sebagian besar
menggunakan data rasio.
 JENIS DATA
Nominal Ordinal Interval Rasio
Bilangan menunjukkan    
perbedaan
Pengukuran dapat digunakan   
untuk membuat peringkat
atau mengurutkan obyek
Perbedaan bilangan  
mempunyai arti
Mempunyai nol mutlak dan 
rasio antara dua bilangan
mempunyai arti
 TIPE SKALA PADA EVSE
• Kategori (Category Scaling)
Skala dari metode pengukuran dimana panelis diminta
menilai intensitas stimulus tertentu dengan
menetapkan suatu nilai pada skala numerik yang
terbatas (9 skala tingkat kesukaan)  data ordinal /
data interval
 TIPE SKALA PADA EVSE
• Garis (Line Scales)
Skala yang menggunakan garis dimana panelis diminta
menilai intensitas stimulus tertentu dengan menandai
garis tersebut data interval.
 TIPE SKALA PADA EVSE
• Magnitude Estimation Scaling
Skala proporsi yang diperoleh dengan membandingkan
terhadap referensi (with or without modulus)  data
interval/rasio
3. Untuk data yang tidak memenuhi salah satu dari
asumsi tersebut, lebih baik menggunakan prosedur
statistik non parametrik untuk memproses datanya.

4. Kelebihan prosedur Non Parametrik adalah bisa

digunakan pada data yang tidak bisa diproses
dengan prosedur Parametrik.
• Jadi pada bentuk data apapun, tipe data apapun,
jumlah data berapa pun, prosedur Non Parametrik
bisa digunakan.
5. Oleh karena bisa digunakan dengan asumsi
yang minimal untuk memproses data, maka
kesimpulan yang diambil dengan prosedur
Non Parametrik akan lebih lemah
dibandingkan menggunakan prosedur
Parametrik.
• Oleh karena asumsi diperlonggar maka hasil
yang didapat akan lebih bersifat umum dan
lemah, dibandingkan dengan jika asumsinya
diperketat.
6. Bagaimana memilih prosedur Parametrik dan Non
Parametrik?
a) Jika data masih memenuhi asumsi parametrik,
seharusnya digunakan prosedur Paremetrik untuk
mengolah datanya.
b) Jika ada asumsi yang tidak terpenuhi, maka
sebenarnya masih bisa dilakukan transformasi
datadan tetap menggunakan prosedur Parametrik.
c) Jika sudah tidak ada jalan lain, penggunaan prosedur
Non Par bisa dipertimbangkan.
7. Gambar
proses
pemilihan
prosedur
statistik
8.Pembagian Metode Statistik
Non Parametrik
• Sistematika metode NonPar pada prinsipnya sama saja
dengan metode Parametrik, yaitu:
1. STATISTIK DESKRIPTIF(sebagai pengantar ke statistik
inferensi)
2. STATISTIK INFERENSI, dengan tujuan utama yaitu ESTIMASI
dan UJI HIPOTESIS.
a) Uji Satu Sampel
b) Uji Dua Sampel
c) Uji Lebih dari Dua Sampel
d) Pengukuran Asosiasi (Hubungan) Variabel
 KRUSKAL WALLIS
• Uji Kruskal Wallis.pdf
• kruskal wallis.docx
 CHI SQUARE
• Uji Chi-square adalah salah satu uji statistik
NP yang sering dipakai.
• Uji ini dipakai pada kasus dimana akan diuji
apakah frekuensi yang diamati (data
observasi) berbeda secara nyata atautidak
dengan frekuensi yang diharapkan
(expected value).
Kegunaan utama dari Uji Chi-
square
• Test Independensi,yaitu uji untuk menentukan
apakah ada hubungan antara dua faktor.
• Test Proporsi, yaitu uji untuk mengetahui
perbedaan proporsi satu populasi thdpopulasi
lainnya.
• Test ‘Goodness of Fit’,yaitu uji untuk melihat
apakah ada kesesuaian antara distribusi data
suatu sampel dengan distribusi teoritis.
A. UJI INDEPENDENSI
KASUS:
• Perusahaan permen dengan tiga rasa (manis, pedas, asam) ingin
mengetahui apakah konsumen permen dipengaruhi oleh tiga
kelompok usia (anak-anak, remaja, dewasa). Untuk itu diambil sample
365 orang dari berbagai
usia yang mengkon-
sumsi ketiga jenis per-
men.
9. Bagan Statistik Inferensi Uji
Satu Sampel
10. Bagan Statistik Inferensi Uji
Dua Sampel
11. Bagan Statistik Inferensi Uji
> 2 Sampel
12. Korelasi Non Parametrik