Statistika non parametrik

• Metode-metode statistik sebelumnya didasarkan

pada anggapan-anggapan tertentu dari gugus
data, misal berdistribusi normal atau distribusi
yang lain  statistika parametrik
• Apabila peubah tidak menyebar normal, atau
tidak diketahui sebarannya – Statistika non
parametrik
• Misal peubah acar berupa bilangan indeks,
pangkat, skor atau tanda (+ -), maka parameter
dari sebaran menjadi tidak penting
• Disebut juga metode statistika bebas distribusi
 Kelebihan dan kekurangan
• Kelebihan
– Pengumpulan data sederhana
– Penarikan contoh dapat dari bbrp pop dengan
sebaran berlainan, atau parameter berbeda
• Kekurangan
– Kurang tepat digunakan untuk menyelidiki
data yang diketahui sebarannya
 Beberapa metode

• Uji tanda
• Uji Wilcoxon
• Koefisien korelasi berpangkat
(Spearman)
• Uji Kruskal-Wallis
• Uji Kenormalan Liliefors
• Uji runtun
 Uji tanda
• Untuk membandingkan rata-rata data
berpasangan (bilangan indeks, pangkat, skor,
tak diketahui sebarannya
• Syarat yang harus dipenuhi
– Pasangan hasil pengamatan harus independen
– Masing-masing pengamatan dalam tiap pasang
terjadi karena pengaruh kondisi yang serupa
– Pasangan yang berlainan terjadi karena kondisi yang
berbeda
• Uji hipotesis (m menunjukkan median selisih 2
peubah acak)
– Ho : m = 0
– H1 : m ≠ 0
 Contoh skor hasil uji organoleptik 2 galur kacang panjang

No Galur 1 (X) Galur2 (Y) (Y –X) No Galur1 (X) Galur2 (Y – X)

1 3 5 + (Y)

2 4 5 + 14 4 2 -

3 3 4 + 15 4 4 0

4 2 3 + 16 2 3 +

5 3 3 0 17 3 4 +

6 5 4 - 18 3 5 +

7 3 4 + 19 3 2 -

8 4 3 - 20 4 5 +

9 3 4 + 21 4 5 +

10 3 2 - 22 2 3 +

11 1 2 + 23 3 4 +

12 1 3 + 24 3 3 0

13 2 3 + 25 2 2 0

Ho : m = 0, nilai organoleptik galur 1 tidak berbeda dengan galur 2

H1 : m ≠ 0, nilai organoleptik galur 1 berbeda dengan galur 2
 Cara perhitungan
• Bila n1 dan n2 adalah banyaknya tanda positip dan
negatip, (nilai 0 tidak ikut dihitung)
(|n1-n2| - 1)² ((16-5) – 1)²
• χ² = -------------------- = ----------------- = 4,76
n1 + n2 16+5
• Nilai χ² = 4,76 > χ²(0,05) = 3,84, maka menolak H0 artinya
antara galur 1 dan galur 2 mempunyai rasa yang
berbeda
• Uji antar pengaruh 2 perlakuan (galur) tersebut juga
dapat dikerjakan dengan menguji banyakknya tanda +
dan – (h) berdasarkan tabel nilai kritis h untuk uji tanda
(tabel tersedia di buku-buku statistik)
 Uji Wilcoxon
• Merupakan perbaikan dari uji tanda
• Yang diuji bukan hanya tanda tetapi juga nilai
selisih (Y-X)
• Caranya :
– Beri no urut pada harga mutlak selisih (X-Y) mulai
kecil sampai terbesar
– Tambah tanda negatip atau positip pd setiap no urut
– Hitung tanda positip dan negatip
– Untuk masing2 tanda, ambil yg harga mutlaknya
terkecil untuk uji hipotesis
 Uji Wilcoxon
• Uji hipotesisnya :
• Ho : tidak ada beda antar 2 perlakuan
• H1 : terdapat beda antar 2 perlakuan
• Untuk uji Wilcoxon tersedia tabel nilai kritis
(tersedia di buku2 statistik)
• Cara perhitungan sama deangan uji tanda
• Uji Wilcoxon juga dapat untuk menguji
median populasi
 Koefisien korelasi berpangkat
• Korelasi antar 2 variabel berbeda  korelasi
pangkat
• Ukuran korelasinya disebut koefisien korelasi
pangkat atau koefisien korelasi Spearman (r’)
atau rs. Ingat korelasi Pearson (r)
• Nilai r’ untuk serentetan pasangan X, Y :
6 ∑bi²
• r’ = 1 - ---------------
n(n² - 1)
• Selain korelasi berpangkat Spearman, juga
dikenal korelasi ℸ Kendall (tidak dibahas)
 Contoh
1. Penilaian dua juri 2. Peringkat dari 2 orang juri
Peserta Juri 1 Juri 2 Pes Peringka Peringka Beda bi²
A 70 80 erta t juri 1 t juri 2 (bi)
B 85 75 A 5 3 2 4
C 65 55 B 2 4 -2 4
D 50 60 C 6 8 -2 4
E 90 85 D 8 7 1 1
F 80 70 E 1 2 -1 1
G 75 90 F 3 5 -2 4
H 60 65 G 4 1 3 9
H 7 6 1 1
Dinyatakan dalam
Juml - - - 28
peringkat  hasilnya ah
terlihat seperti tabel
 Dari rumus korelasi
• r’ = 1 – { (6 x 28)/ 8 (64-1)} = 0,6667
• Hipotesis
– Ho : tidak terdapat korelasi, melawan
– H1 : terdapat korelasi.
• Dibandingkan tabel nilai kritis uji korelasi
rank (tersedia di buku-buku statistik)
• Dari tabel, untuk n=8  nilai kritis =
0,833(0,01) dan 0,643(0,05). Kesimpulan
H1 diterima, terdapat korelasi
• Untuk n>30, pengujian dilakukan dengan
uji kira-kira berdasar kenyataan bahwa t =
r’ √(n-2)/(1-r’²) menyebar mendekati
sebaran t student dengan db = (n-2)
• Apabila ada data yang nilainya sama,
diberikan peringkat yang sama dg rata-
rata dari peringkat data yang sama tsb
 Uji Kruskal-Wallis
• Untuk membandingkan >3 contoh yang tidak
menyebar normal atau tidak diketahui
sebarannya
• Berasal dari populasi yang identik
• Cara
– Semulai nilai pengamatan diberi pangkat tanpa
menghiraukan contoh
– Semua pangkat dijumlahkan
– Kalau Ho benar (nilai tengah tidak berbeda), jumlah
pangkat tiap contoh adalah sama
– JK jumlah pangkat adalah minimum, makin besar
nilainya, berarti main menyimpang dari Ho