Statistik Non Parametrik

• Uji Non Parametrik digunakan jika syarat parametrik tidak terpenuhi,

yaitu bila distribusi data tidak normal
1. Alternatif uji t tidak berpasangan adalah uji Mann-Whitney
2. Alternatif uji t berpasangan adalah uji Wilcoxon
3. Alternatif one way Anova adalah uji Kruskal –Wallis
4. Alternatif repeated (two way) Anova adalah uji Friedman
Uji Normalitas
Uji normalitas (saphiro-wilk), sample < 30
• Setelah data dimasukkan
• Klik Analyze......Descriptive Statistic........explore
• Masukkan variabel dependent ke dependent list
• Pilih Both pada display
• Aktifkan kotak Plots.....faktor levels together pada box plots
• Aktifkan histogram pada descriptive
• Centang normality plots with test
• Data normal jika p > 0,05
Uji normalitas Kolmogorov-mirnov 1 sampel,
untuk sample > 30
• Setelah data dimasukkan
• Klik analyze.........nonparametrik test........1-sample K-S
• Masukkan variabel....centang normal di test distribution......klik OK
• Jika p > α = 0,05 H0 diterima berarti data berdistribusi normal
WILCOXON SIGN RANK
TEST (uji komparasi satu
sampel)
UJI NON PARAMETRIK
• Uji ini digunakan untuk membandingkan dua pengamatan yang
berasal dari satu sampel
• Prinsip dari uji ini menguji apakah ada perbedaan dampak 2
perlakuan pada unit pasangan
• Uji yang bisa digunakan untuk data ordinal adalah Wilcoxon Sign Rank
Test
Contoh
• Membandingkan skor sikap antara sebelum dan sesudah perlakuan
Output
• Menunjukkan tingkat signifikansi (p) = 0,655 > α = 0,05
• H0 diterima
• Kesimpulan : tidak ada perbedaan sebelum dan sesudah perlakuan
FRIEDMAN TEST (uji
komparasi satu sampel
berpasangan/dua pengamatan)
UJI NON PARAMETRIK
• Uji ini digunakan untuk membandingkan lebih dari dua pengamatan
yang berasal dari satu sampel
• Prinsip dari uji ini menguji apakah ada perbedaan dampak lebih dari
dua perlakuan pada unit pasangan
• H0 : tidak ada perbedaan dampak perlakuan
• Uji yang bisa digunakan untuk data ordinal
Contoh soal
• Membandingkan skor sikap antara sebelum, saat perlakuan dan
sesudah perlakuan
Output
• Menunjukkan tingkat signifikansi (p) = 0,230 > α = 0,05
• H0 diterima
• Kesimpulan : tidak ada perbedaan skor sikap sebelum, saat dan
setelah perlakuan
Uji Komparasi Dua Sampel
Bebas
Uji non parametrik
• Uji ini digunakan untuk membandingkan dua sampel bebas yang
berasal dari dua populasi yang berbeda
• Uji yang dapat digunakan:
1. Kolmogorov smirnov z
2. Mann whitney u
3. Moses extreme reactions
4. Wald wolfowitz runs
Contoh kasus
• Membandingkan skor sikap perlakuan yang berasal dari kelompok
pria dan kelompok wanita
catatan
• Pada Test Type pilih statistik yang peneliti kehendaki.....untuk latihan
semua statistik yang ada harap ditandai
output
1. Mann-Whitney
• P = 0,702
2. Moses test
• P = 0,881
3. Two Sample Kolmogorov-smirnov Test
• P = 0,999
4. Wald-Wlofowitz Test
• P min = 0,262
• P max = 0,992
Hasilnya semua p > α, H0 diterima
Kesimpulan : tidak ada perbedaan tingkat skor sikap pada wanita dan laki-
laki
Kruskal-Wallis (uji komparasi
lebih dua sampel bebas)
Uji non parametrik
• Uji ini digunakan untuk membandingkan dua sampel bebas yang
berasal yang berasal lebih dari dua populasi yang berbeda
Contoh kasus
• Membandingkan skor sikap yang berasal dari 3 kelompok, yaitu
kelompok pertama, kelompok kedua dan kelompok ketiga
• Apakah ada perbedaan sikap?
Output
• Tingkat signifikan (p) = 0,350 > α = 0,05
• H0 diterima
• Kesimpulan : tidak ada perbedaan tingkat skor sikap antara kelompok
1, kelompok 2 dan kelompok 3
ANALISIS DATA NOMINAL,
TABEL KONTINGENSI DAN
DATA KATEGORI
CHI-SQUARE (uji komparasi
satu sampel)
Uji non parametrik
• Uji komparasi satu sampel digunakan sebagai goodness-of fit-test,
membandingkan distribusi dari sampel (yang didapat dari
pengamatan dengan data berskala minimal nominal) dengan suatu
distribusi teoritis
Contoh kasus
• Dari suatu penelitian pada 100 orang diperoleh distribusi golongan
darah sebagai berikut:
• Gol O : 60 orang
• Gol A : 20 orang
• Gol B : 15 orang
• Gol AB : 5 orang
Bila diketahui distribusi pada populasi untuk golongan darah O 50%, gol. A 20%,
gol. B 20%, gol. AB 10%.
Apakah distribusi hasil penelitian ini sesuai dengan distribusi di populasi?
Lakukan pembobotan data, sebagai variabel pembobot adalah
frekuensi...artinya program komputer tiap sel akan dibobot sesuai
frekuensinya
Output
• Tingkat signifikansi (p) = 0,124 > α = 0,05
• H0 diterima
• Kesimpulan : tidak ada perbedaan distribusi golongan darah sampel
dengan distribusi teoritis
Mc. NEMAR (uji komparasi 1
sampel berpasangan/2
pengamatan)
Uji non parametrik
• Uji ini digunakan untuk membandingkan dua pengamatan yang
berasal dari satu sampel
• Prinsip dari uji ini, menguji apakah ada perbedaan dampak 2
perlakuan pada unit pasangan
Contoh soal
• Secara random didapatkan 63 responden penyakit X yang diterapi
dengan obat Y
• Didapatkan data tabel setelah dibuat tabulasi silang sbb
Sebelum Berobat Sesudah berobat total
Masih sakit Tidak sakit
Sakit 10 28 38
Tidak sakit 3 22 25
TOTAL 13 50 63

• Apakah ada perbedaan hasil sebelum dan sesudah pengobatan?

• α = 0,05
• Hasil menunjukkan p = 0,000 < α
• H0 ditolak
• Kesimpulan : terdapat perbedaan kesembuhan antara sebelum dan
setelah pengobatan
COCHRAN Q (uji komparasi 1
sampel berpasangan/lebih dari 2
pengamatan)
Uji non parametrik
• Uji ini digunakan bila berhadapan dengan data yang terhimpun dalam
satu sampel
• Selanjutnya data tersebut diperoleh dari > 2 pengamatan
• Skala data minimal nominal (dikotomi)
• Mirip dengan uji Mc Nemar tetapi pengamatannya > 2
• Pada analisis menggunaka tanda :
• (+) : untuk variabel yg mengandung karakteristik yang diinginkan
• (-) : untuk variabel yg mengandung krakteristik yang tidak diinginkan
Contoh
• Dilakukan penelitian respons dari sekelompok masyarakat terhadap
hasil kinerja pemerintahan setempat (pengamat 1), wakil rakyat
(pengamat 2), dan penegak hukum (pengamat 3). Jawaban yang
diberikan adalah baik atau tidak
• Baik diberi kode 0, dan tidak diberi kode 1
Output
• Hasil menunjukkan p = 0,779 > α
• H0 diterima
• Kesimpulan : tidak ada perbedaan
Tabulasi Silang (kontingensi) 2x2
bukan berpasangan
Uji non parametrik
• Uji yang dapat digunakan adalah Chi Square Yate’s Correction
continuty dan Fisher’s exact test
• Chi square digunakan (setiap sel) tidak boleh < 1, dan tidak boleh
lebih dari 20% jumlah kategori yang ada (jumlah sel) yang ada
mempunyai nilai harapan < 5
• Bila terjadi bahwa ada sel yang lebih dari 20% jumlah sel mepunyai
nilai harapan < 5, maka yang digunakan adalah Fisher’s Exact test
• Apabila hasilnya menunjukkan hasil tingkat signifikan < α = 0,05, H0
ditolak berarti ada keterkaitan 2 variabel, maka dapat dibaca koefisien
phi and cramer’s v untuk melihat seberapa besar tingkat keterkaitan
Contoh soal 2x2
• Secara random didapatkan 100 responden mengenai status sosial asal
tempat dengan jenis kelamin pada mahasiswa yang kuliah di Jember.
Didapatkan data setelah dibuat tabulasi silang sbb
Tempat Tinggal Jenis kelamin Total
perempuan Laki-laki
Urban 15 28 43
Rural 35 22 57
TOTAL 50 50 100

• Apakah ada keterkaitan distribusi mengenai asal tempat tinggal

dengan jenis kelamin responden pada mahasiswa yang kuliah di
Jember?
• Gunakan α= 0,05
• Untuk tabel 2x2 nilai chi square yang dibaca adalah Continuity
correction.
• Tidak ada sel yg nilai expected < 5 (seandainya ada sel yang
mempunyai nilai expected < 5, mk yang dibaca adalah uji Fisher’s
exact)
• Hasilnya menunjukkan x2 hitung = 5,875 p= 0,015 < α
• H0 ditolak
• Kesimpulan : ada keterkaitan antara jenis kelamin dengan asal tempat
tinggal dengan koefisien phi sebesar 0,263
Tabulasi Silang (Kontingensi) >
2x2
Uji non parametrik
• Uji yang dapat digunakan adalah chi square
• Apabila hasilnya menunjukkan tingkat signifikansi < α, H0 ditolak
• Berarti ada keterkaitan 2 variabel maka dapat dibaca Contingency
coefficient untuk melihat seberapa besar keterkaitan
Contoh soal 3x4
• Secara random didapatkan 300 responden mengenai status pekerjaan
dengan ideologi partai. Didapatkan data setelah dibuat tabulasi silang sbb
Partai Jenis pekerjaan TOTAL
PNS SWASTA LAIN
A 36 84 18 138
B 8 72 8 88
C 14 18 10 42
D 2 26 4 52
TOTAL 60 200 40 300
• apakah ada keterkaitan distribusi status pekerjaan dengan ideologi partai?
Gunakan α=0,05
• Untuk tabel > 2x2 hasil yg dibaca adalah Pearson Chi square yng
menunjukkan 27,540 dengan p 0,000
• Berarti H0 ditolak
• Kesimpulan : ada keterkaitan status pekerjaan dengan ideologi partai
• Besar hubungan contingency coefficient : 0,290