METODE NON

PARAMETRIK
Sumber: Harinaldi, Prinsip-Prinsip Statistik untuk Teknik dan Sains,
Erlangga, Jakarta, 2005
1. ARTI PENTING METODE NON PARAMETRIK
2. UJI TANDA
3. UJI PERINGKAT BERTANDA WILCOXON
4. UJI MANN-WHITNEY
5. UJI KRUSKAL-WALLIS
6. KOEFISIEN KORELASI PERINGKAT SPEARMAN
1. ARTI PENTINGNYA METODE NON PARAMETRIK
 Pembahasan terdahulu pada dasarnya adalah metode untuk
mendapatkan nilai-nilai parameter dengan menggunakan data dari
sampel (metode parametric).
 Untuk menggunakan teknik tersebut, asumsi dasar yang digunakan
adalah bahwa sampel berasal dari populasi yang mengikuti
distribusi tertentu, misalnya distribusi normal.
 Namun dalam banyak hal, asumsi tersebut sulit dilakukan karena
tidak ada informasi yang cukup memberi petunjuk mengenai
bentuk distribusi populasi yang dikaji  Dalam kondisi sperti ini
digunakan metode non-parametric.
 Dalam uji non parametric, bentuk distribusi populasi tidak menjadi
prasyarat asumsi awal.
 Jika kondisi memenuhi, metode parametrik lebih efisien.
 Umumnya metode non parametric digunakan untuk penelitian
kualitatif.
 Metode non parametric umumnya digunakan:
1. Jika ukuran sampel terlalu kecil
2. Jika digunakan jenis data ordinal
3. Jika digunakan jenis data nominal.
2. UJI TANDA (SIGN TEST)
2.1. Tujuan Penggunaan Uji Tanda:
 Uji tanda (sign test) digunakan untuk mengetahui ada tidaknya
perbedaan (tanpa memandang besar kecilnya perbedaan) dari data-
data ordinal pasangan yang diperoleh dari subyek yang sama atau
subyek yang berpasangan (sampel yang saling terikat).
 Uji tanda ini didasari atas tanda negative atau positif dari perbedaan
antara pasangan data ordinal tersebut.
2.2.Prosedur Uji Tanda:
1. Pernyataan hipotesis nol dan hipotesis alternative (bisa satu
ujung atau 2 ujung).
2. Pemilihan tingkat kepentingan, α
3. Pencacahan tanda dari perbedaan antara hasil pengamatan yang
berpasangan:
Langkah ini dimulai dengan secara sistematis mengurangi nilai suatu
pengamatan dari pengamatan lainnya, dan mencatat perbedaan tersebut
sebagai bertanda positif atau negative, atau nol. Banyaknya observasi yang
relevan (tidak menghasilkan tanda nol)bisanya dilambangkan dengan n,
banyaknya tanda positif dilambangkan sebagai R, sedangkan banyaknya
tanda negative dilambangkan sebagai r.
4. Penentuan distribusi pengujian yang digunakan.
Meskipun metode non parametric ini tidak menggunakan asumsi mengenai
bentuk distribusi populasinya, perhitungan dengan metode ini
mensyaratkan penggunaan distribusi binomial jika sampel berukuran kecil
(≤ 30) atau pendekatan distribusi normal terhadap distribusi binomial jika
sampel bisar (>30).
5. Pernyataan aturan keputusan
Perhitungan data keputusan jika sampel berukuran kecil atau perhitungan
rasio uji jika data berukuran besar adalah sebagai berikut:
RU =
6. Pengambilan keputusan secara statistic.
FLOW CHART UJI TANDA:
CONTOH-1 (13-1)
Seorang insinyur ingin mengganti film pelapis kaca yang digunakan
pada suatu gedung perkantoran. Untuk mengetahui apakah terdapat
perbedaan performa, dia melakukan perbandingan bukan hanya
sekedar kemampuan mengurangi intensitas cahaya yang masuk,
namun juga menyangkut masalah harga, estetika, dan kemudahan
pemasangannya. Insinyur ini meminta kepada 10 penyewa ruangan
di gedung itu untuk melakukan penilaian dengan memberikan nilai
skala 1 sampai 10 untuk performa dari dua jenis film pelapis kaca.
Hasilnya ditunjukkan dalam table berikut:
CONTOH-2 (13-2)
Jika pada contoh-1, sampel yang diambil sebanyak 35 dan penilaian
terhadap performa film pelapis kaca memberikan hasil pengamatan
pasangan sebagai berikut: perbedaan positif (+) = 19; perbedaan
negative (-) = 13; tidak ada perbedaan = 3.
3. UJI PERINGKAT BERTANDA WILCOXON
3.1. Tujuan Penggunaan Uji Peringkat Bertanda
Wilcoxon:
 Uji tanda hanya menunjukkan ada tidaknya perbedaan, tidak
memberikan petunjuk mengenai besarnya perbedaan.
 Uji peringkat bertanda Wilcoxon menggunakan arah dan besar
perbedaan untuk mengetahui apakah benar-benar terdapat
perbedaan data ordinal pasangan tersebut.
2.2.Prosedur Uji Peringkat Bertanda Wilcoxon:
1. Pernyataan hipotesis nol dan hipotesis alternative (bisa satu ujung
atau 2 ujung).
Uji 2 ujung Ho: kedua pengamatan sama (tidak ada perbedaan); H1: kedua pengamatan
berbeda.
Uji 1 ujung  Ho: kedua pengamatan sama (tidak ada perbedaan); H1: pengamatan-2 > (atau
<) pengamatan-1

2. Pemilihan tingkat signifikansi, α.

3. Penentuan besar dan tanda dari perbedaan antara hasil pengamatan
yang berpasangan dan membuat peringkat dari perbedaan tanpa
tergantung tanda:
Ini dilakukan dengan mempertimbangkan harga mutlaknya saja.Penetapan
peringkat dimulai dengan perbedaan yang harga mutlaknya terkecil
(ditetapkan sebagai peringkat-1), dan dilanjutkan dengan harga mutlak yang
semakin besar. Jika terdapat harga yang sama, peringkatnya adalah rata-
ratanya. Mis. Jika peringkat 3 dan 4 bernilai mutlak sama, keduanya
dinyatakan sebagai peringkat 3,5.
4. Penentuan distribusi pengujian yang digunakan.
Untuk uji ini digunakan suatu distribusi baru yang disebut distrbusi-T
(berbeda dengan distribusi-t yang telah digunakan untuk uji parametric).
Nilai kritis untuk α = 0,01 atau 0,05 diberikan pada table di bawah.
5. Pernyataan aturan keputusan
Tolak Ho dan terima H1 jika nilai ≤
6. Perhitungan data keputusan:
Perhitungan dilakukan dengan langkah-langkah sebagai berikut:
a. Membubuhkan tanda perbedaan (+ atau -) pada setiap angka peringkat
b. Menjumlah seluruh angka peringkat yang positif dan angka peringkat yang
negative
c. Menentukan nilai T perhitungan dengan ketentuan sbb:
• Uji ujung kanan : = harga mutlak jumlah angka peringkat negative
• Uji ujung kiri : = harga mutlak jumlah angka peringkat positif
• Uji dua ujung : = harga mutlak jumlah angka peringkat yang lebih kecil

7. Pengambilan keputusan secara statistic

Prosedur uji tanda dapat digambarkan dalam diagram sbb.:

CONTOH: (13-3_
Soal 13-1 di atas diselesaikan dengan uji peringkat bertanda Wilcoxon:
4. UJI MANN-WHITNEY
4.1. Tujuan Penggunaan Uji Mann-Whitney
 Uji Mann-Whitney digunakan untuk mengetahui ada atau tidaknya
perbedaan dari dua himpunan data yang berasal dari sampel yang
independen.
 Uji Mann-Whitney adalah uji non parametric yang menjadi alternative
dari uji t (parametric).
 Uji Mann-Whitney tidak memerlukan asumsi populasi-populasi
terdistribusi normal, namun hanya mengasumsikan bahwa populasi-
populasi tersebut mempunyai bentuk yang sama.
 Kelebihan uji ini dibandingkan dengan uji-t adalah dapat digunakan
pada data ordinal.
 Uji ini sering disebut uji-U, karena statistic yang digunakan untuk
menguji hipotesis nolnya disebut U.
4.2.Prosedur Uji Mann-Whitney:
1. Pernyataan hipotesis nol dan hipotesis alternative (bisa satu ujung
atau 2 ujung).
Uji 2 ujung Ho: kedua pengamatan sama (tidak ada perbedaan); H1: kedua pengamatan
berbeda.
Uji 1 ujung  Ho: kedua pengamatan sama (tidak ada perbedaan); H1: pengamatan-1 >
(atau <) pengamatan-2

2. Pemilihan tingkat signifikansi, α.

3. Pembuatan peringkat data tanpa membedakan kategori sampel:
Penetapan peringkat dimulai dari data terkecil sebagai peringkat
pertama.
4. Penentuan distribusi pengujian yang digunakan  Untuk uji ini
digunakan suatu distribusi baru yang disebut distribusi-U. Nilai
diberikan dalam table dengan mengetahui dan α
5. Pernyataan aturan keputusan  Tolak dan terima jika nilai ≤
nilai . Jika tidak demikian terima .
6. Perhitungan data keputusan dilakukan dengan langkah sebagai
berikut:
a. Menghitung jumlah total peringkat untuk setiap kategori data
( dan )
b. Menghitung nilai U sebagai berikut:
= + -
= + -
 Dimana = jumlah peringkat pada sampel dengan ukuran n1.
 Dimana = jumlah peringkat pada sampel dengan ukuran n2.
C. Menentukan nilai U perhitungan dengan ketentuan sebagai
berikut:
 Uji Ujung Kanan : =
 Uji Ujung Kiri : =
 Uji 2 ujung : nilai U yag lebih kecil.

7. Pengambilan keputusan secara statistic

Flow chart 
CONTOH 13-4
 Sebuah artikel mengenai kajian emisi particular dari tungku kayu pada suatu
jurnal melaporkan data mengenai waktu pembakaran (dalam jam) dari sampel-
sampel kayu pinus dan kayu oak. Pengujian dengan tingkat kepentingan 0,05
dilakukan untuk mengetahui apakah sesungguhnya terdapat perbedaan dari
waktu pembakaran dari kedua jenis kayu tersebut;

Pinus 0,98 1,40 1,33 1,52 0,73 1,20

Oak 1,72 0,67 1,55 1,56 1,42 1,23 1,77 0,48

 Karena bentuk distribusi populasi asal sampel tersebut tidak dapat

diasumsikan, maka dilakukan uji Mann-Whitney dengan tahap sbb:
5. UJI KRUSKAL-WALLIS
5.1. Tujuan Penggunaan Uji Kruskal-Wallis
 Uji Kruskal-Wallis yang sering juga disebut sebagai Uji H, berkaitan
dengan tiga atau lebih sampel acak yang independen dengan tujuan
untuk mengetahui apakah sampel-sampel tersebut berasal dari
populasi yang memiliki mean yang sama.
 Pada uji parametric, uji yang sejenis adalah uji ANOVA yang
mensyaratkan bahwa populasi yang dikaji memiliki distribusi normal
dan varians yang sama.
 Uji Kruskal-Wallis juga mengasumsikan varians yang sama, tetapi uji
ini hanya mensyaratkan bahwa populasi-populasi yang dikaji bersifat
kontinyu dan mempunyai bentuk yang sama.
 Uji Kruskal-Wallis mempunyai kelebihan dapat digunakan untuk
menangani data ordinal atau data peringkat.
4.2.Prosedur Uji Kruskal-Wallis:
1. Pernyataan hipotesis nol dan hipotesis alternative.
: seluruh mean populasi sama (= = = … =
: tidak seluruh mean populasi sama
2. Pemilihan tingkat signifikansi, α.
3. Pembuatan peringkat data tanpa membedakan kategori sampel:
Penetapan peringkat dimulai dari data terkecil sebagai peringkat
pertama (sama dgn Mann-Whitney).
4. Penentuan distribusi pengujian yang digunakan  Untuk uji ini
digunakan suatu distribusi chi-kuadrat ( ). Nilai diberikan dalam
table, dengan mengetahui tingkat kepentingan, α, dan derajat
kebebasan, ѵ = k-1, (k jumlah populasi yang dikaji).
5. Pernyataan aturan keputusan  Tolak dan terima jika nilai >
nilai . Jika tidak demikian terima .
6. Perhitungan data keputusan
Nilai yang diperlukan untuk pengambilan keputusan dihitung dengan
rumus berikut:

H = ( +K + ) – 3 (N + 1)

N = jumlah total pengamatan di seluruh sampel

k = jumlah kategori sampel dalam pengujian
Rk = jumlah peringkat dalam sampel ke-k
Nk = ukuran sampel ke-k

7. Pengambilan keputusan secara statistic.

 Flow-chart:
CONTOH-13.5
Untuk mengetahui apakah 4 buah mesin yang beroperasi mempunyai efisiensi
yang sama, seorang insinyur produksi mengambil 6 sampel acak terdiri dari 100
produk yang dihasilkan oleh setiap mesin dan mencatat jumlah produk yang
tidak memenuhi spesifikasi dari setiap batch tersebut. Datanya diberikan dalam
table berikut:
6. KOEFISIEN KORELASI PERINGKAT
SPEARMAN
6.1. Kegunaan Koefisien Korelasi Peringkat Spearman
 Koefisien korelasi peringkat Spearman () adalah suatu ukuran dari
kedekatan hubungan antara dua variable ordinal.
 Dengan demikian koefisien koefisien korelasi peringkat Spearman
berfungsi mirip dengan koefisien korelasi linier (r) , hanya saja
yang digunakan adalah nilai-nilai peringkat dari variable x dan y,
bukan nilai sebenarnya.
6.2.Prosedur Perhitungan Koefisien Korelasi Peringkat
Spearman:

Perhitungan koefisien korelasi peringkat Spearman dilakukan melalui

tahap-tahap sebagai berikut:
1. Penyusunan peringkat dari data.
2. Penentuan perbedaan peringkat dari pasangan data
3. Perhitungan koefisien korelasi peringkat, dengan rumus sebagai berikut:

=1– [ ]
D = perbedaan peringkat
n = banyak pasangan data
CONTOH 13.6

PT Modern Mfg., mengadakan pelatihan kepada 11 sales

enggineernya debgan tujuan untuk meningkatkan kemampuan
pemasaran produk-produk perusahaan tersebut. Manajer SDM ingin
mengetahui apakah ada hubungan antara prestasi dalam pelatihan
tersebut dengan kinerja sesungguhnya dari kemampuan memasarkan
produk. Pada tahun berikutnya, kinerja para sales engineer tersebut
dicatat, dan hasilnya dibuat dalam peringkat.
 Koefisien korelasi peringkat Spearman untuk hal ini dapat dihitung
sebabgi berikut:
6.3. Uji Kepentingan Nilai
1. Pernyataan hipotesis nol dan hipotesis alternative:
Ho : = 0
H1 : # 0
>0
<0
2. Pemilihan tingkat kepentingan, α
3. Penentuan distribusi pengujian yang digunakan 
digunakan suatu distribusi-t.
4. Penentuan daerah kritis.
Nilai diberikan dalam table, dengan mengetahui tingkat kepentingan, dan
derajat kebebasan, df = n – 2 (krn mengkaji 2 variable).
5. Pernyataan aturan keputusan:
Tolak Ho dan terima h1 jika Rut > Jika tidak demikian, terima Ho.
6. Perhitungan Rasio Uji:
Jika ukuran sampel > 10:
RUt = =
7. Pengambilan keputusan statistik
Flow chart:
 Contoh 13-7
 Jika terhadap koefisien korelasi peringkat Spearman pada contoh
13-6 di atas akan dilakukan uji kepentingan nilainya, maka
dilakukan langkah sbb.: