Pertemuan ke-1

Statistik Nonparametrik
Pendahuluan
• Uji parametrik memerlukan pemenuhan asumsi-asumsi tentang
distribusi populasi. Sedangkan uji nonparametrik tidak memerlukan
pemenuhan asumsi-asumsi tentang distribusi populasi. Sehingga uji
nonparametrik disebut juga uji bebas distribusi.
Keuntungan Metode Nonparametrik
• Metode nonparametrik dapat diaplikasikan secara meluas karena tidak
memerlukan pemenuhan asumsi-asumsi seperti pada metode parametrik. Metode
nonparametrik tidak memerlukan pemenuhan populasi berdistribusi normal.
• Metode nonparametrik dapat diaplikasikan pada data kategorik
• Metode nonparametrik biasanya menggunakan komputasi yang relatif lebih
mudah dibandingkan metode parametrik, lebih mudah dipahami dan digunakan.

Kelemahan Metode Nonparametrik

• Metode nonparametrik cenderung membuang informasi karena perhitungan
secara eksak seringkali diubah dalam bentuk kualitatif. Sebagai contoh, pada uji
tanda, kehilangan berat badan akibat diet dinotasikan dengan tanda negatif.
• Uji nonparametrik tidak seefisien uji parametrik, sehingga memerlukan bukti yang
lebih kuat
Uji nonparametrik dapat digunakan bila data berbentuk
• Nominal
• Ordinal
• interval atau rasio dan tidak diketahui bentuk distribusi populasinya

Uji statistik non-parametrik dapat dikelompokkan menjadi 3 kategori,

yaitu:
• Uji sebuah sampel yang dibandingkan dengan menggunakan suatu
distribusi tertentu, misalnya, distribusi chi-kuadrat, binomial, normal
dan distribusi lainnya.
• Uji untuk dua grup independen (bebas) atau lebih
• Uji variabel-variabel berpasangan (paired) atau berhubungan (related)
1. Uji satu sampel
Uji binomial
Uji Runs
Uji chi square 1 sampel
Uji kolmogorov smirnov 1 sampel
2. Uji dependent sampel (uji data berpasangan/berhubungan)
2 sampel berpsangan
K sampel berpasangan (lebih dari 2 sampel berpasangan
3. Uji independent sampel (uji data bebas)
2 sampel bebas
K sampel bebas (lebih dari 2 sampel bebas
Pertemuan ke-1

Uji Satu Sample

 Uji Binomial

Uji binomial menguji hipotesis suatu proporsi populasi yang terdiri atas dua
kelompok kelas.
Distribusi binomial adalah distribusi sampling dari proporsi-proporsi yang
mungkin diamati dalam sampel-sampel random yang ditarik dari populasi
yang terdiri dari dua kelas.
Data berskala nominal yang memiliki dua kategori, misal ‘gagal’ dan ‘sukses’
 Studi Kasus
• Seorang pengusaha restoran ingin melakukan penelitian terhadap
masyarakat mengenai selera masakan tradisional yang mereka sukai.
Hasil penelitian terhadap 20 responden di restoran tradisional
memberikan data sebagai berikut :
Responden Masakan Responden Masakan
1 1 11 1
2 1 12 1
3 1 13 2
4 1 14 2
5 1 15 2
6 1 16 2
7 1 17 2
8 1 18 2
9 1 19 2
10 1 20 2
Kelompok Keterangan

1 Masakan Jawa

2 Masakan Padang
 Interpretasi
 Hipotesis
H0 = p1=p2=1/2 , artinya tidak ada perbedaan antara kemungkinan
masyarakat menyukai masakan Jawa dan kemungkinan masyarakat
menyukai masakan Padang.
H1 = p1≠p2, artinya ada perbedaan antara kemungkinan masyarakat
menyukai masakan Jawa dan kemungkinan masyarakat menyukai masakan
Padang
• H0: p1=p2=1/2 , artinya tidak ada perbedaan antara kemungkinan
masyarakat menyukai masakan Jawa dan kemungkinan masyarakat
menyukai masakan Padang.
• H1: p1<p2 kemungkinan masyarakat menyukai masakan Jawa lebih
besar daripada kemungkinan masyarakat menyukai masakan Padang.
 Pengambilan Keputusan

• Berdasarkan Signifikansi/ Probabilitas

Jika Prob./ Sig. > 0,05  Maka H0 diterima, menolak H1

Jika Prob. / Sig. < 0,05  Maka H0 ditolak, menerima H1
 Hasil

•Nilai Asymp. Sig 0.503> 0.05  Maka H0 diterima Artinya tidak ada
perbedaan proporsi masyarakat menyukai masakan jawa dan masakan
padang
•Kesimpulan......
 Uji Runs

• Digunakan untuk menguji apakah sebuah sampel yang mewakili

sebuah populasi telah diambil secara acak.
• Teknik yang digunakan berdasarkan pada banyak Run yang
diberikan oleh sampel.
• Run didefinisikan sebagai suatu urutan lambang-lambang yang
sama, yang diikuti serta mengikuti lambang-lambang yang
berbeda.
 Case Study
• Penelitian dilakukan untuk mengetahui apakah antrian pria dan
wanita dalam sebuah kantin bersifat random/acak atau tidak. Hasil
pengamatan terhadap antrian dari depan sampai belakang sebagai
berikut:
•PPWWWPWPWWPPWPPWWWWP
 Antrian kedatangan kantin

No Resp No Resp
1. 1 11. 1
Kelompok Keterangan
2. 1 12. 1
1 Laki-laki
3. 2 13. 2
2 perempuan
4. 2 14. 1
5. 2 15. 1
6. 1 16. 2
7. 2 17. 2
8. 1 18. 2
9. 2 19. 2
10. 2 20. 1
  Hipotesis

• H0 = antrian bersifat acak

• H1 = antrian tidak bersifat acak

 Pengambilan Keputusan

• Berdasarkan Nilai Probabilitas (Exact Sig.)

 Jika Prob < 0.05, H0 ditolak
 Jika Prob > 0.05, H0 diterima  1 > 0,05
Kesimpulan
• Karena hasil nilai probabilitas=
1,0> 0,05  H0 diterima
karena nilaiprobabilitas lebih
besar dari 0,05

• Kesimpulan antrian pria dan

wanita bersifat acak
 Uji Chi-Square Satu Sampel

• digunakan untuk menguji hipotesis deskriptif bila dalam populasi terdiri

atas dua atau lebih kelas.
• hipotesis deskriptif merupakan estimasi/dugaan terhadap ada tidaknya
perbedaan frekuensi antara kategori satu dengan kategori lain dalam
sebuah sampel (uji goodness of fit)
• uji goodness of fit pada prinsipnya bertujuan untuk mengetahui apakah
sebuah distribusi data dari sampel mengikuti sebuah distribusi teoritis.
 Case Study
• Selama ini manajer pemasaran sabun mandi ‘HARUM’menganggap
bahwa konsumen sama-sama menyukai tiga warna sabun mandi
yang di prosuksi yaitu putih, hijau, dan kuning. Untukmengetahui
apakah pendapat manajer tersebut benar, kepada dua belas
responden ditanya warna sabun mandi yaang paling disukai, berikut
data kuesioner
No Responden Warna Pilihan
1. Renny 1
Kelompok Keterangan
2. Ronny 2
3. Rani 3 1 Putih

4. Desy 3 2 Hijau

5. Shinta 2 3 Kuning

6. Susi 3
7. Lili 3
8. Lani 3
9. Liana 1
10. Ruben 1
  Hipotesis

• H0 = p1 = p2 = p3 = 1/3, semua warna dipilih merata

• H1 = p1 ≠ p2 ≠ p3 ≠ 1/3, tidak semua warna dipilih merata
 Pengambilan Keputusan

• Berdasarkan Nilai Probabilitas (Exact Sig.)

 Jika Prob < 0.05, H0 ditolak
 Jika Prob > 0.05, H0 diterima
Penarikan Kesimpulan
• Probabilitas= 0,779
Sig (0,779) > 0,05  H0 diterima

Kesimpulan: jadi semua warna dipilih merata

 Pengambilan Keputusan

• Berdasarkan perbandingan Chi square hitung dan

chi square tabel
 jika chi square hitung < chi square tabel, H0 diterima
 jika chi square hitung > chi square tabel, H0 ditolak
Penarikan Kesimpulan
• Chi square hitung = 0,5
• Chi square tabel = 5,99
Chi square hitung (0,5) < Chi Square Tabel
(5,9)  H0 diterima

Kesimpulan: jadi semua warna dipilih merata

 Uji Kolmogorov - Smirnov
• Sebuah uji yang digunakan untuk mengetahui apakah sebuah
distribusi normal atau mendekati normal atau bisa dianggap normal.
 Case Study
• Dari profil data konsumen yang disajikan akan diuji apakah variabel
income berdistribusi normal atau tidak?
Responden Income ($US) Responden Income ($US)
1 300 21 900
2 250 22 850
3 289 23 845
4 298 24 862
5 275 25 315
6 452 26 219
7 415 27 220
8 478 28 129
9 893 29 482
10 569 30 275
11 952 31 265
12 689 32 296
13 800 33 296
14 645 34 286
15 990 35 875
16 75 36 833
17 159 37 620
18 132 38 621
19 200 39 655
20 254 40 288
 Interpretasi
 Hipotesis
H0 = data income berdistribusi normal.
H1 = data income tidak berdistribusi normal
 Pengambilan Keputusan

• Berdasarkan Signifikansi/ Probabilitas

Jika Prob./ Sig. > 0,05  Maka H0 diterima, menolak H1

Jika Prob. / Sig. < 0,05  Maka H0 ditolak, menerima H1
 Hasil

•Nilai Asymp. Sig 0.503> 0.05  Maka H0 diterima Artinya tidak ada
perbedaan proporsi masyarakat menyukai masakan jawa dan masakan
padang
•Kesimpulan......