PENGUJIAN HIPOTESIS DENGAN UJI

NON PARAMETRIK DENGAN DUA

SAMPEL ATAU LEBIH

Mata Kuliah : Aplikasi Statistik Untuk Bisnis

Kelas D Magister Manajemen Ekonomi
 2
TUJUAN
• Memahami berbagai jenis skala pengukuran
• Memahami persamaan dan perbedaan statistik parametrik
dan statistik non-parametrik
• Mengenal, memilih dan menggunakan jenis uji statistik
non-parametrik yang sesuai untuk penguji berbagai tipe
kasus:
• Kasus dua atau lebih sample (berhubungan dan independen)
• Kasus asositif
• Statistik: penduga parameter
• Statistika:
• lmu yang mempelajari tentang pendugaan parameter
• Ilmu yang mempelajari dan mengusahakan agar data
mempunyai makna yang lebih luas
• Salah satu permasalahan pokok dalam statistika modern adalah
inferensi statistik, yaitu bagaimana menarik kesimpulan tentang
sejumlah kejadian berdasarkan pada pengamatan sebagian saja dari
kejadian tersebut (dengan cara sampling).

• Statistika menyediakan alat bantu untuk menformalkan dan

membakukan prosedur-prosedur untuk menarik kesimpulan,
yaitu dengan memperkenalkan langkah-langkah untuk mengambil
kesimpulan dari fakta yang diperoleh dari sample.
• Data: keterangan mengenai suatu hal, dapat berbentuk kategori
(misalnya: rusak, baik, dll) maupun bilangan misalnya: 0.5, 7, 8,
dll)

• Informasi: sekumpulan data yang telah diolah, dianalisis,

disimpulkan, dan disajikan dalam bentuk yang mudah dimengerti
• Data kuantitatif: data yang yang berwujud angka-angka yang
diperoleh dari hasil pengukuran atau perhitungan.

• Data kualitatif: data yang tidak berbentuk angka-angka;

biasanya berbentuk data verbal yang diperoleh dari
pengamatan atau wawancara, atau dari bahan tertulis
(misalnya: merah, rusak, baik, dll)
SKALA PENGUKURAN

• Jenis data:
• Data nominal
• Data Ordinal
• Data interval
• Data ratio
• Data nominal/diskrit:
• Adalah angka yang berfungsi sebagai pengganti nama atau sebagai
sebutan saja; hanya merupakan lambang

• Disebut juga skala klasifikasi, karena ia hanya merupakan angka-

angka yang digunakan untuk mengklasifikasikan suatu benda,
sifat, atau jenis.

• Misalnya: pria = 1 dan wanita = 2; ya = 1 dan tidak = 0

• Jenis statistik yang cocok untuk mengolah data ini adalah statistik
deskriptif, misalnya perhitungan frekuensi pemunculannya,
persentase, mode, dan proporsi
Data ordinal:
• Adalah angka yang selain berfungsi sebagai pengganti nama,
juga menunjukkan peringkat.
• Disebut juga skala peringkat atau ranking.
• Misalnya: Peringkat 1, 2, dan 3, atau
baik = 3, sedang = 2, dan kurang = 1
• Bila dinyatakan dalam nilai, jarak satu nilai dengan nilai lainnya
tidak sama, atau tidak ada.
• Jenis statistik yang cocok untuk mengolah data ini adalah statistik
deskriptif, atau statistik non-parametrik.
Data Interval:
• Data yang mempunyai ciri-ciri skala ordinal, jarak antar bilangan
diketahui, tetapi tidak memiliki nilai nol absolut (nol yang
sebenarnya).

• Jarak data interval bersifat pasti atau tetap.

• Contoh: skala termometer; Air bersuhu 80 oC tidak berarti 2 x

lebih panas dari air bersuhu 40 oC, air dengan suhu 0 oC tidak
berarti air tersebut tidak memiliki suhu

• Semua operasi matematik dapat digunakan pada data interval,

misalnya perhitungan rata-rata, simpangan baku, tingkat
persentil, uji hipotesis, uji korelasi, prediksi/regresi, dll.
Data rasio:
• Data yang memiliki ciri-ciri skala interval, namum memiliki
bilangan nol absolut, yang digunakan sebagai titik awal
perhitungan

• Berbentuk interval yang jaraknya dibandingkan dengan nilai

nol absolut.

• Contoh: hasil pengukuran berat. Misalnya, bayi A memiliki

berat badan 8 kg, dan bayi B memiliki berat badan 4 kg, maka
dapat disimpulkan bahwa bayi A dua kali lebih berat daripada
bayi B.
• Merupakan bilangan yang sebenarnya dan semua operasi
matematik dapat digunakan untuk pengolahan data berskala
ratio
 Contoh skala pengukuran nominal, ordinal, interval dan rasio
No Nama Kelas Nilai Total Juara ke- Hadiah
1. Adit 3 233 1 Rp 25 jt
2. Irma 3 229 2 Rp 15 jt
3. Ika 4 228 3 Rp 10 jt
4. Desi 3 214 4 Rp 7,5 jt
5. Eko 4 212 50 buku
6. Uun 4 206 50 buku
7. Ani 5 200 50 buku
8. Lia 5 196 50 buku
9. Iin 6 182 50 buku
10. Ana 6 176 50 buku

Skala
Skala Skala Skala ordinal Skala rasio
Nominal ordinal interval
STATISTIKA NON-PARAMETRIK

• Metode bebas distribusi

• Dipakai jika n < 30 dan populasi berdistribusi
tidak normal
• Bila uji parametrik dan uji non-parametrik
keduanya dapat diterapkan, maka diterapkan
metode parametrik karena lebih efisien
• Uji statistik non-parametrik menitik-beratkan pada
urutan atau rengking skor-skor, tidak pada nilai
“keangkaan”-nya.
• Statistik non-parametrik juga sangat berguna untuk
data yang tidak mungkin dibuatkan urutan atau
tingkatannya (data klasifikasi).
HIPOTESIS
• Kata hipotesis berasal dari kata:
• hypo = sebelum
• thesis = pernyataan atau pendapat

• Hipotesis: suatu pernyataan yang pada saat diungkapkan

belum terbukti kebenarannya, tetapi memungkinkan
untuk dilakukan pengujian.

• Hipotesis merupakan jawaban sementara (tentative)

terhadap rumusan masalah, dan mengemukakan
pernyataan tentang harapan peniliti mengenai variabel atau
hubungan antara variabel-variabel dalam suatu persoalan.
• Hipotesis berbentuk kalimat deklaratif positif, bersifat
operasional (dapat diamati dan diukur), dan dengan
susunan menyatakan hubungan

• Berdasarkan variabel yang diteliti, hipotesis dapat

dibagi menjadi tiga yaitu
• Hipotesis deskriptif,
• Hipotesis komparatif, dan
• Hipotesis asosiatif
HIPOTESIS DESKRIPTIF

• Merupakan dugaan terhadap nilai suatu variabel dalam

suatu sample, walaupun di dalamnya bisa terdapat beberapa
kategori

Contoh:
• Ho: Ada kecenderungan masyarakat memilih warna mobil
cerah
• H1: Tidak ada kecenderungan masyarakat memilih warna
mobil cerah
HIPOTESIS KOMPARATIF
• Merupakan dugaan terhadap nilai parameter dua atau lebih sample.
• Ada dua hal dalam komparasi tersebut, yaitu:
• Pembandingan berhubungan (related) antara dua atau lebih sample, dan
• Pembandingan independen antara dua atau lebih sample.
• Contoh (i):
• Ho: Tidak ada perbedaan nilai penjualan antara sesudah dan sebelum progran
promosi
• H1 : Ada perbedaan nilai penjualan antara sesudah dan sebelum progran
promosi
• Contoh (ii):
• Ho: Tidak ada perbedaan antara akademisi, birokrat, dan pebisnis dalam memilih partai
• H1 : Ada perbedaan antara akademisi, birokrat, dan pebisnis dalam memilih partai
 HIPOTESIS ASOSIATIF

• Merupakan dugaan terhadap hubungan antara dua variabel atau lebih.

• Contoh:

Ho: Tidak ada perbedaan antara jenis profesi dengan jenis olah
raga yang disenanginya
H1 : Ada perbedaan antara jenis profesi dengan jenis olah
raga yang disenanginya
JENIS UJI STATISTIK NON-PARAMETRIK
• Uji hepotesis deskriptif (1 sampel)
• Uji tanda
• Uji ranking tanda
• Uji runtun
• Uji 2
• Uji hepotesis Komparatif
• Uji tanda
• Uji ranking tanda
• Uji jumlah ranking
• Uji Freadman
• Uji Kruskal Walis
• Uji hepotesis asosiatif
• Koefisien kontingensi
• Koefisien ranking
• Koefisien Kendall 
• Koefisien Kendall W
 Bentuk Hipotesis
Deskriptif Komparatif (dua sampel) Komparatif (lebih dari 2 Asosiatif
Macam Data
(satu sampel) (hubungan)
variabel)
Related Independen Related Independen
Binomial Mc Nemar Fisher Exact 2 for k sample 2 for k sample Contingency
Probability Coefficient C
Nominal 2 One
Cochran Q
2 Two
Sample Sample

Run Test Sign test Median test Friedman Median Spearman Rank
Wilcoxon Mann-Whitney Two Way- Extension Correlation
matched parts U test Anova
Kruskal-Wallis Kendall Tau
Ordinal Kolmogorov One Way
Simrnov Anova

Wald-
Woldfowitz

T Test* T-test of* T-test of* One-Way One-Way Pearson Product

Related independent Anova* Anova* Moment *

Interval Two Way Two Way Partial

Anova* Anova* Correlation*
Rasio
Multiple
Correlation*