UJI STATISTIK

PARAMETRIK & NONPARAMETRIK

Dwi Pasca Cahyawati

N 111 18 089

PEMBIMBING
dr. Indah P. Kiay Demak,.M.Med,.Ed
• Indikator dari suatu distribusi hasil pengukuran
• Mengikuti prinsip-prinsip distribusi normal
• Syarat penerapan statistik parametrik:
a. Distribusi sampel diambil dari dari distribusi populasi
yang terdistribusi secara normal Sampel diperoleh
secara random (mewakili populasi)
b. Skala pengukuran harus kontinyu (rasio/interval) atau
skala nominal yang diubah menjadi proporsi
c. Seperti uji-z, uji-t, korelasi pearson, anova

PENGERTIAN UJI PARAMETRIK

Kelebihan Statistika Parametrik antara lain :
• Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya
tidak diuji dan dianggap memenuhi syarat.
• Sampel berasal populasi yang berdistribusi normal dan memiliki varian yang
homogen.

Kekurangan Statistika Nonparametrik yang paling utama adalah :

• Populasi harus memiliki varian yang sama.
• Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala
interval.
• Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus
normal dan bervarian sama, dan harus merupakan kombinasi linear dari
efek-efek yang ditimbulkan
Adalah Prosedur Statistik yang tidak mengacu pada
parameter tertentu, yaitu Statistik bebas sebaran (tidak
mensyaratkan bentuk sebaran parameter populasi baik
normal atau tidak). Statistika non parametrik biasanya
digunakan untuk melakukan Analisis pada data berjenis
Nominal tu Ordinal. Data berjenis Nominal dan Ordinal
tidak menyebar normal.

PENGERTIAN UJI NONPARAMETRIK

Kelebihan Statistika Nonparametrik antara lain :
• Tingkat kesalahan penggunaan prosedur Statistik Nonparametrik relatif kecil
karena Statistik jenis ini tidak memerlukan banyak Asumsi.
• Perhitungan yang harus di lakukan pada umumnya sederhana dan
mudah,khususnya data yang kecil.
• Konsep data Statistik Nonparametrik mudah untuk di mengerti.
• Dapat digunakan untuk menganalisa data yang berbentuk hitungan maupun
peringkat (Rank)

Kekurangan Statistika Nonparametrik yang paling utama adalah :

• Hasil tidak selalu sesuai dengan yang di harapkan karena kesederhanaan
perhitungannya .
• Penggunaan Statistik Nonparametrik lebih di utamakan jika Hipotesis yang
akan di uji tidak melibatkan Parameter dari Populasi
• Uji Parametrik :
1. Standarisasi Data Bilamana data dalam penelitian memiliki satuan
berebeda dalam skala heterogen, maka satuannya dapat dihilangkan
(menjadi sama) dan skala menjadi homogen (-4 - +4) dengan cara
transformasi menjadi data Z score merupakan perbedaan antara raw
score (skor asli) dan rata-rata dengan mengguanakan unit-unit
simpangan baku (stansard deviation) untuk mengukur perbedaan
tersebut.
Z skor mempunyai dua bagian: (a) tanda (bisa positif atau negatif), (b)
nilai numerik. Kondisi diatas rata-rata diberi tanda positif dan kondisi
di bawah rata-rata diberi tanda negatif. Nilai numerik Z skor diperoleh
dari perbeaan antara nilai asli dengan rata-ratanya dibagi dengan
simpangan baku

MACAM-MACAM UJI PENELITIAN

2. Uji Normalitas Data
• Uji normalitas data adalah uji prasyarat tentang
kelayakan data untuk di analisis dengan menggunakan
statistik parametrik atau non parametrik. Uji normalitas
ini bertujuan untuk mengetahui distribusi data dalam
variabel yang akan digunakan dalam penelitian. Data
yang baik dan layak digunakan dalam penelitian adalah
data yang memiliki distribusi normal.Untuk mengetahui
apakah data berdistribusi normal atau tidak dapat peneliti
menggunakan metode Kolmogorov-smirnov.
• Uji kolmogorovsmirnov merupakan uji nonparametrik bagian Chi Square
test goodness of fit yaitu menguji kecocokan atau kesesuaian antara data
obsevasi dengan data harapan (FO = Fe). Uji kolmogorov-smirnov dalam
melakukan pengujian data mempergunakan data continue. Metode
Kolmogorovsmirnov prinsip kerjanya adalah membandingkan frekuensi
komulatif distribusi teoritik dengan frekuensi kumulatif distribusi empirik
(observasi).
Contohnya :
Berikut ini adalah banyak mil yang ditempuh pada suatu liburan yang
dilaporkan dari 15 keluarga yang dipilih secara acak yang terdaftar pada pusat
selamat datang dipemerintah daerah.
Jadi H0 : Populasi contoh menyebar normal, H1 : populasi contoh tidak
menyebar normal, a= 0,05
3. Uji Asumsi Klasik Pengujian asumsi klasik dilakukan untuk
memastikan bahwa multikolinieritas, heterokedastisitas, dan
autokorelasi tidak terdapat dalam penelitian ini atau data yang
dihasilkan berdistribusi normal. Apabila hal tersebut tidak ditemukan
maka asumsi klasik regresi telah terpenuhi. Adapun pengujian asumsi
klasik ini terdiri dari:
• Uji Multikolinearitas
Pada dasarnya uji multikolinieritas adalah adanya suatu hubungan linier
yang sempurna (mendekati sempurna) antara beberapa atau semua
variabel bebas.Uji multikolinearitas diperlukan untuk mengetahui ada
tidaknya variabel independen yang memiliki kemiripan antar variabel
independen dalam suatu model.
• Uji Heteroskedastisitas
Heteroskedastisitas menguji terjadinya perbedaan variance residual suatu
periode pengamatan ke periode pengamatan yang lain. Cara memprediksi
ada tidaknya heteroskedastisitas pada suatu model dapat dilihat dengan
pola gambar Scatterplot, regresi yang tidak terjadi heteroskedastisitas
jika:
• Titik-titik data menyebar di atas dan di bawah atau di sekitar angka 0.
• Titik-titik data tidak mengumpul hanya di atas atau di bawah saja. 3
• Penyebaran titik-titik data tidak boleh membentuk pola bergelombang
melebar kemudian menyempit dan melebar kembali.
• Penyebaran titik-titik data tidak berpola.
• Uji Autokorelasi
Menguji autokorelasi dalam suatu model bertujuan untuk mengetahui ada
tidaknya korelasi antara variabel pengganggu pada periode tertentu dengan
variabel sebelumnya, untuk data time series autokorelasi sering terjadi. Tetapi
untuk data yang sampelnya crossection jarang terjadi karena variabel
pengganggu satu berbeda dengan yang lain. Adapun panduan mengenai
pengujian ini dapat dilihat dalam besaran nilai Durbin-Watson atau nilai D-W.
Pedoman pengujiannya adalah :
• 1) Angka D-W di bawah -2 berarti ada autokorelasi yang positif.
• 2) Angka D-W di antara -2 dan 2 berarti tidak ada autokorelasi yang positif.
• 3) Angka D-W di atas 2 berarti ada autokorelasi yang negatif.
4. Uji Regresi Linear Berganda Regresi yang memiliki satu variabel
dependen dan lebih dari satu variabel independen. Analisis regresi berganda
digunakan untuk mengetahui keeratan hubungan antara profitabilitas
(variabel dependen) dengan faktorfaktor yang mempengaruhinya (variabel
independen). Adapun bentuk persamaannya adalah sebagai berikut:
• Harga saham = α + b1X1 + b2X2 + b3X3+e
Dimana,
• Α = konstanta
• b1, b2, b3, b4 = koefisien regresi masing-masing variabel
• X1 = Return On Assets
• X2 = Return Of Equity
• X3 = Earning Per Share e = error term (variabel pengganggu) atau residual
5. Uji Hipotesis
a. Pengujian secara parsial atau individu dengan t-test
Tujuan dari pengujian ini adalah untuk mengetahui apakah masing-
masing variabel independen mempengaruhi variabel dependen secara
signifikan.Pengujian dilakukan dengan uji t atau t-test, yaitu
membandingkan antara t-hitung dengan t-tabel. Uji ini dilakukan
dengan syarat:
• Jika thitung< ttabel, maka hipotesis tidak teruji yaitu variabel
independen tidak berpengaruh signifikan terhadap variabel
dependen.
• Jika thitung> ttabel, maka hipotesis teruji yang berarti variabel
independen berpengaruh signifikan terhadap variabel dependen.
Pengujian juga dapat dilakukan melalui pengamatan nilai signifikansi t
pada tingkat α yang digunakan (penelitian ini menggunakan tingkat α
sebesar 5%). Analisis didasarkan pada perbandingan antara nilai
signifikansi t dengan nilai signifikansi 0,05, dimana syarat-syaratnya
adalah sebagai berikut
• Jika signifikansi t < 0,05 maka hipotesis teruji yang berarti variabel
independen berpengaruh signifikan terhadap variabel dependen.
• Jika signifikansi t > 0,05 maka hipotesis tidak teruji yaitu variabel
independen tidak berpengaruh signifikan terhadap variabel dependen
6. Uji Koefisien Determinasi
• Koefisien determinasi adalah bagian dari keragaman total variabel
tak bebas Y (variabel yang dipengaruhi atau dependent) yang dapat
diterangkan atau diperhitungkan oleh keragaman variabel x (variabel
yang mempengaruhi atau independent). Niali R2 akan berkisar 0
sampai 1. Apabila nilai R2 = 1 menunjukkan bahwa 100% total
variasi diterangkan oleh varian persamaan regresi, atau variabel X1
maupun X2 mampu menerangkan variabel Y sebesar 100%.
Sebaliknya apabila nilai R2 = 0 menunjukkan bahwa tidak ada total
varians yang diterangkan oleh varian bebas dari persamaan regresi
baik X1 maupun X2
• Uji Nonparametrik :
1. Skala Nominal Data Nominal diperoleh dari hasil pengamatan atau
observasi. Jadi hasilnya berbentuk kualitatif. Apabila datanya disimbolkan
menjadi data numerik (kuantitatif) maka bilangan yang digunakan bersifat
diskrit dan tidak mengenal urutan. Artinya tiap usulnya tidak mempunyai arti
menurut besarnya atau posisinya. Datanya dapat secara bebas disusun tanpa
memperhatikan urutan, dan dapat dipertukarkan.
Contoh :
• 14 Dalam sebuah rumah sakit Daerah Istimewa Yogyakarta seorang peneliti
ingin mengetahui jenis penyakit apakah yang paling sering di derita oleh
pasien dalam rumah sakit tersebut, untuk memudahkanya peneliti
mengambil 5 jenis penyakit yang akan diteliti yaitu kangker, TBC, patah
tulang, demam berdarah, polio. Untuk memudahkan proses pengolahan,
peneliti meberikan angka 1 untuk kangker, 2 untuk TBC, 3 untuk patah
tulang, 4 untuk demam berdarah, dan 5 untuk polio
2. Skala Ordinal Data ordinal berasala dari hasil pengamatan, observasi atau
angket berskala dari satu variabel. Hasil observasi berbentuk data kualitatif.
Apabila datanya disimbolkan menjadi data numerik maka bilangan yang
digunakan bersifat diskrit dan mengenal urutan menurut kualitas atributnya.
Contoh :
• Penelitian mengenai kepuasan pasien terhadap layanan rumah sakit
mengenai kebersihan di dalam ruang tunggu rumah sakit, peneliti
menggunakan kuesioner dengan pertanyaan “Ruang tunggu passien di
dalam rumah sakit gueteng sangat bersih“, dengan opsi jawaban sangat
setuju, setuju, biasa saja, kurang setuju, tidak setuju. Kemudian dari opsi di
atas diberikan point terhadap jawaban dari kuesioner yang diberikan yaitu,
nilai 5 untuk 15 jawaban sangat setuju, 4 untuk jawaban setuju, 3 untuk
jawaban biasa saja, 2 kurang setuju, 1 tidak setuju.
3. Skala kardinal Data kardinal berasal dari hasil membilang
atau menghitung suatu variabel. Data berbentuk kualitatif
bilangan diskrit, umumnya dinyatakan dalam bidang kardinal.
Contoh :
• Jumlah pasien yang masuk kedalam ruang rawat inap dalam
waktu tiap harinya, jumlah suntikan yang digunakan oleh
dokter pada tiap harinya.
4. Skala Interval Data interval berasal dari hasil mengukur suatu variabel.
Data diasumsikan berbentuk bilangan kontinu mempunyai ukuran urutan,
seperti dengan data nominal. Dalam skala interval tidak memiliki nol mutlak,
artinya jika suatu responden variabelnya bernilai nol, bukan berarti tidak
memiliki sibstansi sama sekali. Diartikan juga titik nol pada skala interval
adalah posisinya.
Contoh :
• Seorang petugas penyimpanan alat medis akan menyimpan peralatan
medis rumah sakit, agar peralatan medis dapat selalu terjaga keawetanya,
maka suhu ruang dalam tempat penyimpanan harus bersuhu minimal 100
C. Suhu disini adalah contoh skala data 16 interval karena, ketika suhu
menunjukan nilai 00C, bukan berarti 0 mutlak, 00C merupakan kondisi
dari suatu keadaan.
5. Skala Ratio Data rasio berasal dari hasil mengukur suatu variabel. Data
diasumsikan berbentuk bilangan kontinu hampir sama dengan sklala interval,
perbedaanya terletak pada nilai nol. Pada skala rasio memiliki nilai nol mutlak,
artinya jika suatu responden variabelnya bernilai nol berarti tidak memiliki
substansi sama sekali. Titik nol skala ratio adalah tetap. Dalam skala interval
tidak memiliki nilai nol mutlak. Oleh karena itu tidak cocok apabila hasil
pengukuran interval digolongkan sebagai rasio.
Contoh :
• Dalam kegiatan posyandu di desa ada beberapa data balita yang harus
didapatkan, diantaranya adalah mengenai tinggi badan, dan berat badan.
Tinggi dan berat badan balita merupakan contoh dari skala data ratio, karena
ketika hasil dari berat badan adalah 0, maka berarti tidak ada substansi atau
bayi yang ada ditempat ukur, begitu juga dengan tinggi badan.
TERIMA KASIH