BAB IPENDAHULUAN
1.1 Latar BelakangPada kenyataannnya sangatlah sulit untuk
mendapatkan sampel yang memenuhi asumsi mempunyai distribusi
tertentu. Kebanyakan sampel yang diperoleh hanyalah sebatas
menedekati tertentu. Oleh karena itu, kemudian dikembangkan suatu
teknik inferensi yang tidak memerlukan uji asumsi-asumsi tertentu
memgenai distribusi sampelnya,dan juga tidak memerlukan uji
hipotesis yang berhubungan dengan parameter populasinya. Teknik ini
dikenal dengan parametri bebas distribusi atau statistika non
parametrik.Sedangkan Statistik Parametrik yaitu ilmu statistik yang
mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah
data menyebar secara normal atau tidak. Dengan kata lain, data yang
akan dianalisis menggunakan statistik parametrik harus memenuhi
asumsi normalitas. Pada umumnya, jika data tidak menyebar normal,
maka data seharusnya dikerjakan dengan metode statistik
non-parametrik, atau setidak-tidaknya dilakukan transformasi
terlebih dahulu agar data mengikuti sebaran normal, sehingga bisa
dikerjakan dengan statistik parametrik.Dalam dunia statistika
banyak cara mengumpulkan data sebagai dasar dalam melakukan
penelitian. Pengumpulan data ini dilakukan agar peneliti dapat
memperoleh data-data yang dibutuhkan, mencari hubungan dari
variabel-variabel yang diteliti, memprediksi masa depan dan
sebagainya untuk kebutuhan penelitian. Metode Statistika Non
Parametrik pengambilan kesimpulan dapat ditarik tanpa memperhatikan
bentuk distribusi populasi. Sedangkan Penelitian Survei, disgunakan
untuk pengambilan data dari suatu populasi dengan menggunakan media
kuesioner sebagai alat pengumpul data yang pokok. Statistika
menggunakan metode penelitian survei dalam mengumpulkan data
sebagai dasar penelitian dan menggunakan Statistika Non Parametrik
untuk mengatasi pemecahan data yang memiliki ukuran sampel kecil
dan asumsi-asumsi yang kurang dimiliki oleh peneliti.Ini digunakan
agar pendapat dari suatu populasi tersebut dapat diolah sebagai
data statistik dan kita dapat memprediksi masa depan dan sebagainya
seperti yang disebutkan di atas.
1.2.Rumusan Masalah1. Apa yang dimaksud dengan uji statistik?2.
Bagaimana pembagian dari uji statistik ?3. Apa yang di maksud
dengan dengan uji parametrik ?4. Apa yang dimaksud dengan uji non
parametrik ?
1.3.Tujuan Makalah1. Mampu mengetahui pengertian uji statistik2.
Mampu mengetahui pembagian dari uji statistik 3. Mampu mengetahui
uji parametrik4. Mampu mengetahui uji non parametrik
1.4.Manfaat MakalahManfaat penulisan makalah ini adalah untuk
mengetahui tentang uji statistik serta pembagian nya dan mengetahui
uji parametrik dan non parametrik.
BAB IIPEMBAHASAN
2.1. Pengertian Uji StatistikStatistika adalah pengetahuan yang
berhubungan dengan cara-cara pengumpulan data, pengolahan atau
penganalisaannya, dan penarikan kesimpulan berdasarkan kumpulan
data dan penganalisaan yang dilakukan.
2.2.Klasifikasi Uji StatistikStatistika dikelompokkan dalam dua
kelompok yaitu statistika deskriptif dan statistika inferensia.
Statistika deskriptif adalah statistik yang berkenaan dengan metode
atau cara mendeskripsikan, menggambarkan, menjabarkan, atau
menguraikan data. Statistik deskriptif mengacu pada bagaimana
menata atau mengorganisasi data, menyajikan, dan menganalisis data.
Menata, menyajikan, dan menganalisis data dapat dilakukan misalnya
dengan menentukan nilai rata-rata hitung dan persen / proposisi.
Cara lain untuk menggambarkan data adalah dengan membuat tabel,
distribusi frekuensi, dan diagram atau grafik.Sedangkan pengertian
Statistik inferensial adalah statistik yang berkenaan dengan cara
penarikan kesimpulan berdasarkan data yang diperoleh dari sampel
untuk menggambarkan karakterisktik atau ciri dari suatu populasi.
Dengan demikian dalam statistik inferensial dilakukan suatu
generalisasi (perampatan atau memperumum) dan hal yang bersifat
khusus (kecil) ke hal yang lebih luas (umum). Oleh karena itu,
statistik inferensial disebut juga statistik induktif atau
statistik penarikan kesimpulan. Pada statistik inferensial biasanya
dilakukan pengujian hipotesis dan pendugaan mengenai karakteristik
(ciri) dari suatu populasi, seperti mean dan Uji t.Statistika
inferensia ada dua macam, yaitu statistika parametrik dan
statistika non parametrik. Suatu hipotesis statistika merupakan
pernyataan tentang fungsi peluang dari suatu atau lebih peubah
acak. Hipotesis dikatakan sederhana apabila pernyataan menunjukkan
ciri populasi secara lengkap. Bila tidak, hipotesis dikatakan
majemuk. Hipotesis yang dipelajari yaitu hipotesis nol (H0) dan
hipotesis yang merupakan konklusi apabila hipotesis nol ditolak
adalah hipotesis tandingan (H1).Secara umum ada tiga bentuk
hipotesis:1. Hipotesis dua pihak (two tailed)H0 : = 0H1 : 02.
Hipotesis sepihak (kanan)H0 : 0H1 : > 03. Hipotesis sepihak
(kiri)H0 : 0H1 : < 0
Data dalam StatistikData adalah ukuran dari variabel. Data
diperoleh dengan mengukur nilai satu atau lebih variabel dalam
sampel (atau populasi). Data dapat diklasifikasikan menurut jenis,
menurut dimensi waktu, dan menurut sumbernya. Menurut jenisnya,
data terdiri dari data kuantitatif dan data kualitatif. a.Data
kuantitatif adalah data yang diukur dalam suatu skala numerik
(angka). Data kuantitatif dapat dibedakan menjadi: 1)Data interval,
yaitu data yang diukur dengan jarak di antara dua titik pada skala
yang sudah diketahui. Sebagai contoh: IPK mahasiswa (interval 0
hingga 4); usia produktif (interval 15 hingga 55 tahun); suhu udara
dalam Celcius (interval 0 hingga 100 derajat). 2)Data rasio, yaitu
data yang diukur dengan suatu proporsi. Sebagai contoh: persentase
jumlah pengangguran di Propinsi Sumatera Utara; tingkat inflasi
Indonesia pada tahun 2000; persentase penduduk miskin di Sumatera
Utara; pertumbuhan ekonomi Sumatera Utara b.Data kualitatif, adalah
data yang tidak dapat diukur dalam skala numerik. Namun karena
dalam statistik semua data harus dalam bentuk angka, maka data
kualitatif umumnya dikuantifikasi agar dapat diproses. Kuantifikasi
dapat dilakukan dengan mengklasifikasikan data dalam bentuk
kategori. Data kualitatif dapat dibedakan menjadi: 1)Data nominal,
yaitu data yang dinyatakan dalam bentuk kategori. Sebagai contoh,
industri di Indonesia oleh Biro Pusat Statistik digolongkan
menjadi: a) Industri rumah tangga, dengan jumlah tenaga kerjanya
1-4 orang, yang diberi kategori 1. b)Industri kecil, dengan jumlah
tenaga 5-19 orang, yang diberi kategori 2. c)Industri menengah,
dengan jumlah tenaga kerja 20-100 orang, yang diberi kategori 3.
d)Industri besar, dengan jumlah tenaga kerja lebih dari 100 orang,
yang diberi kategori 4. Angka yang menyatakan kategori ini
menunjukkan bahwa posisi data sama derajatnya. Dalam contoh di
atas, angka 4 tidak berarti industri besar nilainya lebih tinggi
dibanding industri kecil yang angkanya 1. Angka ini sekedar
menunjukkan kode kategori yang berbeda. 2)Data ordinal, yaitu data
yang dinyatakan dalam bentuk kategori, namun posisi data tidak sama
derajatnya karena dinyatakan dalam skala peringkat. Sebagai contoh,
dalam skala likert.Berdasarkan cara perolehannya data kuantitatif
dibedakan menjadi data diskrit dan data kontinu. Data-data yang
diperoleh dari hasil menghitung atau membilang termasuk dalam data
diskrit, sedangkan data-data yang diperoleh dari hasil mengukur
termasuk dalam data kontinu.Menurut sumbernya kita mengenal data
intern dan data ekstern. Data intern adalah data yang diperoleh
dari perusahaan atau instansi yang bersangkutan. Sedangkan data
ekstern diperoleh dari luar instansi atau perusahaan tersebut. Data
ekstern dibedakan menjadi data primer dan data sekunder. Data
primer adalah data yang dikeluarkan oleh badan sejenis. Sedangkan
data lainnya termasuk data sekunder. Semua data-data yang beru
dikumpulkan dan belum pernah diolah disebut sebagai data
mentah.
Populasi dan sampelPopulasi adalah keseluruhan pengamatan yang
menjadi perhatian kita baik yang berhingga maupun tak berhingga
jumlahnya. Seringkali tidak praktis mengambil data dari keseluruhan
populasi untuk menarik suatu kesimpulan. Untuk itu dilakukan
pengambilan sampel yaitu sebagian atau himpinan bagian dari
populasi. Sampel yang diambil haris dapat merepresentasikan
populasi yang ada. Prosedur pengambialan sampel yang menghasilkan
kesimpulan yang konsisten terlalu tinggi atau terlalu rendah
mengenai suatu ciri populasi dikatakan berbias. Untuk menghindari
kemungkinan bias ini perlu dilakukan pengambian contoh acak atau
contoh acak sederhana. Contoh acak sederhana didefinisikan sebagai
contoh yang dipilih sedemikian rupa sehingga setiap himpunan bagian
yang berukuran n dari populasi mempunyai peluang terpilih yang
sama.
Penyajian DataSuatu data yang telah diperoleh dan telah diolah,
maka dilakukan interpretasi dan penyajian data tersebut. Secara
garis besar ada dua macam cara penyajian data dalam statistika
yaitu:a.Tabel atau daftar yang dapat berbentuk:- Daftar baris kolom
- Daftar kontingensi- Daftar distribusi frekuensi
b.Grafik atau diagram yang terbagi menjadi:- Diagram batang atau
balok - Diagram garis atau grafik- Diagram lingkaran, dll
Pengolahan dataSetelah data kuantitatif diperoleh, maka
dilakukan pengolahan data dan pengujian beberapa hipotesis.
Pengolahan data yang dilakukan adalah mencari ukuran pemusatan
data, dalam hal ini adalah mean dan mencari ukuran penyebaran data
dalam hal ini variance dan simpangan baku. Setelah itu, baru
dilakukan pengujian normalitas, homogenitas dan uji hipotesis.
Ketika data terdistribusi normal maka dapat dilakukan pengujian
parametik dan sebaliknya ketika data tidak terdistribusi normal
maka dapat dilakukan pengujian nonparametik
2.3.Uji Non ParametrikIstilah nonparametrik sendiri pertama kali
digunakan oleh Wolfowitz, 1942. Istilah lain yang sering digunakan
antara lain distribution-free statistics dan assumption-free test.
Dari istilah-istilah ini, dengan mudah terlihat bahwa metode
statistik nonparametrik merupakan metode statistik yang dapat
digunakan dengan mengabaikan segala asumsi yang melandasi metode
statistik parametrik, terutama yang berkaitan dengan distribusi
normal.Prosedur nonparametrik atau bebas-distribusi sekarang ini
semakin banyak digunakan karena data yang disajikan tidak dalam
sebagai nilai pada kontinu tetapi dalam skala ordinal sehingga
wajar menyajikannya dalam bentuk rang. Pada statistika
nonparametrik dapat digunakan untuk menganalisis data yang berskala
ordinal dan nominal.Skala ordinal yaitu lambang lambang bilangan
hasil pengukuran menunjukkan urutan atau tingkatan obyek yang
diukur menurut karakteristik yang dipelajari. Sedangkan skala
nominal adalah skala yang merupakan kategori atau kelompok dari
suatu subyek. Misal, variabel jenis kelamin responden dikelompokkan
menjadi dua, yaitu L dan P, masing masing diberi kode 1 dan
2.Kebanyakan statistik uji nonparametrik menggunakan konsep count
dan rank dalam perhitungannya. Untuk pengujian dengan sampel
berukuran kecil, tiap pengujian memiliki tabel pembanding masing
masing. Tabel eksak dari tiap tabel pembanding ini belum tentu
mudah untuk dibuat. Untuk pengujian dengan ukuran contoh yang
besar, beberapa statistik uji nonparametrik memiliki sebaran
asimtotik yang biasanya normal baku atau chi-kuadrat.
Ciri-ciri Uji Non Parametrik Ciri-ciri statistik non-parametrik
:- Data tidak berdistribusi normal- Umumnya data berskala nominal
dan ordinal- Umumnya dilakukan pada penelitian sosial- Umumnya
jumlah sampel kecil.
Kelebihan dan Kekurangan Statistika NonparametrikBerikut
beberapa keuntungan yang dapat diperolah apabila kita memilih
prosedur nonparametrik daripada prosedur parametrik :a. Jika ukuran
sampel kita kecil, tidak ada pilihan lain yang lebih baik daripada
menggunakan metode statistika nonparametrik, kecuali jika
distribusi populasi jelas normal.b. Karena memerlukan sedikit
asumsi, umunya metode nonparametrik lebih relevan pada
situasi-situasi tertentu, sehingga kemungkinan penerapannya lebih
luas. Disamping itu, kemungkinan digunakan secara salah (karena
pelanggaran asumsi) lebih kecil daripada metode parametrik.c.
Metode nonparametrik dapat digunakan meskipun data diukur dalam
skala ordinal.d. Metode nonparametrik dapat digunakan meskipun data
diukur dalam skala nominal (katagorikal). Sebaliknya tidak ada
teknik parametrik yang dapat diterapkan untuk data nominal.e.
Beberapa uji statistik nonparametrik dapat menganalisis perbedaan
sejumlah sampel. Beberapa uji statistik parametrik dapat dipakai
untuk menganalisi persoalan serupa tetapi menuntut pemenuhan
sejumlah asumsi yang hampir tidak mungkin diwujudkan.f. Uji
statistik nonparametrik mudah dilakukan meskipun tidak terdapat
komputer (dapat dianalisa secara manual). Analisis data dapat
diselesaikan hanya dengan menggunakan kalkulator tangan. Oleh
karena itu, metode nonparametrik pantas disebut teknologi tepat
guna yang masih dibutuhkan di negara negara berkembang (dan
terbelakang).g. Pada umumnya para peneliti dengan dasar matematika
yang kurang merasakan bahwa konsep dan metode nonparametrik mudah
dipahami.Selain kelebihan metode nonparametrik diatas, ditemukan
pula kelemahan dari metode ini, yaitu:a. Fleksibilitas terhadap
skala pengukuran variabel kadang kadang mendorong peneliti memilih
metode nonparametrik, meskipun situasinya memungkinkan untuk
menggunakan metode parametrik. Karena didasarkan asumsi yang lebih
sedikit, metode nonparametrik secara statistik kurang kuat
dibandingkan metode parametrik.b. Jika asumsi untuk metode
parametrik terpenuhi, dengan ukuran sampel yang sama, metode
nonparametrik kurang memiliki kuasa dibandingkan metode
parametrik.c. Penyederhanaan data dari skala rasio atau interval ke
dalam ordinal atau nominal meskipun merupakan pemborosan (detail)
informasi yang sudah dikumpulkan.d. Meski konsep dan prosedur
nonparametrik sederhana, tetapi pekerjaan hitung menghitung bisa
membutuhkan banyak waktu jika ukuran sampel yang dianalisis
besar.
Penggunaan Statistika NonparametrikBerikut ini akan dijelaskan
pedoman penggunaan uji statistika nonparametrik dalam pengambilan
keputusan.
APLIKASITEST PARAMETRIKTEST NONPARAMETRIK
Dua sampel saling berhubunganUji TUji Z Sign Test Wilcoxon
Signed-Rank Mc Nemar Change Test
Dua sampel tidak berhubunganUji TUji Z Mann-whitney U test Moses
Extreme Reactions Chi-square test Kolmogorov-Smirnov Test
Walt-Wolfowitz runs
Beberapa sampel berhubungan Freidman test Kendall W test
Cochrans Q
Beberapa sampel tidak berhubunganUji ANOVA (Uji F)
Kruskal-Wallis test Chi-square test Median test
Macam DataBENTUK HIPOTESA
1 sampelKomparatif 2 sampelKomparatif lebih dari 2
sampelAsosiatif/hubungan
DependenIndependenDependenIndependen
NOMINALBinomial
Chi-squareMcNemarFisher Exact
Chi-squareCochran QChi-squareKoefisien Kontingensi (C)
ORDINALRun test
Wilcoxon Matched PairsSign test
Mann Whitney U test
Kolmogorov-Smirnov
Wald WolfowitzMedian test
FriedmanMedian Extention
Kruskal-WallisKorelasi Sparman Rank
Korelasi Kendal Tau
Metode Statistika NonparametrikBerikut ini akan dijelaskan
beberapa metode pengambilan keputusan yang termasuk dalam uji
statistika nonparametrik.a. Uji TandaUji tanda digunakan untuk
menguji hipotesis mengenai median populasi. Dalam banyak kasus
prosedur nonparametrik, rataan digantikan oleh median sebagai
parameter lokasi yang relevan untuk diuji.Uji tanda juga mempunyai
asumsi dimana asumsinya adalah distribusinya bersifat binomial.
Binomial artinya mempunyai dua nilai. Nilai ini dilambangkan dengan
tanda, yaitu positif dan negatif. Ini mengapa ia disebut uji
tanda.Uji tanda banyak digunakan karena uji ini paling mudah untuk
dilakukan pengujiannya dan tidak memakan waktu yang lama.
Pengerjaan pengujian ini terbilang cukup mudah. Apabila setiap
nilai pengamatan memiliki nilai lebih besar dari nilai rataannya
maka diganti dengan tanda (+). Sedangkan, apabila setiap nilai
pengamatan memiliki nilai kurang dari nilai rataannya maka diganti
dengan tanda (-). Dan, apabila nilai pengamatannya sama dengan
nilai rataannya maka nilai pengamatan tersebut harus
dibuang.Pengujian uji tanda yang pertama dilakukan adalah
menentukan hipotesis nolnya beserta dengan hipotesis tandingannya.
Tentukan pula taraf nyatanya beserta nilai proporsi peubah binomial
X-nya. Kemudian melakukan penghitungan Z hitung (apabila jumlah
sampel lebih dari 30) dengan nilai n merupakan jumlah data
pengamatan setelah dibandingkan dengan nilai rataannya dan nilai x
adalah jumlah data pengamatan dengan tanda (+). Dengan begitu nilai
Z akan didapat dan nilai P (proporsi)nya dapat ditentukan.
Keputusan H0 akan ditolak apabila nilai P yang didapat lebih kecil
atau sama dengan nilai taraf nyatanya.
b. Uji Rang-TandaUji Rang-Tanda dicetuskan oleh Frank Wilcoxon
pada tahun 1945 dan saat ini disebut sebagai uji rang-tanda
Wilcoxon. Uji ini memanfaatkan baik tanda maupun besarnya selisih.
Uji rang-tanda Wilcoxon digunakan untuk kasus dua sampel yang
dependen bila skala ukur memungkinkan kita menentukan besar selisih
yang terjadi, jadi bukan sekedar hasil pengamatan yang berbeda
saja. Uji rang-tanda Wilcoxon cocok digunakan bila kita dapat
mengetahui besarnya selisih antara pasangan-pasangan harga
pengamatan X1 dan Y1 berikut arah selisih yang bersangkutan.
Apabila kita dapat menentukan besarnya setiap selisih, maka kita
dapat menetapkan peringkat untuk masing-masing selisih itu. Melalui
penyusunan peringkat selisih selisih inilah uji Wilcoxon
memanfaatkan informasi tambahan yang tersedia.
Asumsi : Data untuk analisis terdiri atas n buah beda. D1 = Y1
X1 Sampel X dan sampel Y adalah Variabel- variable acak kontinyu
dan beda X1 - Y1, X2 -Y2dst bersifat kontinyu pula. Hipotesis nol
yang di uji menyatakan bahwa median perbedaan pasangan nilai
pengamatan kedua sampel sama dengan nol.Langkah langkah uji
rang-tanda Wilcoxon :1. Asumsikan bahwa populasi perbedaan pasangan
nilai pengamatan kedua sampel adalah variable acak kontinyu.2.
Hipotesis Uji satu sisi :a. Ho : W (+) = W (-) Hi : W (+) > W
(-)b. Ho : W (+) = W (-) Hi : W (+) < W (-) Uji dua sisi :Ho : W
(+) = W (-) Hi : W (+) W (-)W (+) : Jumlah semua peringkat selisih
pasangan pengamatan (Wi, Yi) yang bertanda positif.W (-) : Jumlah
semua peringkat selisih pasangan pengamatan (Wi, Yi) yang bertanda
negative
3. Untuk setiap pasangan nilai pengamatan (Xi, Yi), hitung
perbedaannya (di = Xi Yi).4. Berikan peringkat terhadap perbedaan
nilai pasangan pengamatan, mulai dari peringkat 1 untuk perbedaan
terkecil hingga peringkat n untuk perbedaan terbesar. Bila terdapat
perbedaan nilai pasangan yang sama, perbedaan pasangan nilai yang
sama di beri peringkat rata-ratanya . untuk beda nol, tidak
diperhatikan.5. Bubuhkan tanda kepada peringkat yang sudah dibuat
itu: positif atau negative sesuai dengan tanda perbedaan nilai
pengamatan aslinya.6. Hitung banyaknya di yang bertanda positif
(disebut W+) dan negative (disebut W_).7. Statistik uji peringkat
bertanda Wilcoxon ialah W. M yang dipakai ialah W+ atau W_ yang
nilainya lebih kecil :8. W+ = Ri (Semua peringkat positif) dan W-=
Ri(Semua peringkat Negatif)Hipotesa nol ditolak apabilai nilai W+,
W-, atau W lebih kecil atau sama dengan nilai di tabel yang
sesuai.
c. Uji Jumlah-rangUji ini dilakukan apabila ingin menguji
kesamaan rataan dua distribusi yang kontinu yang jelas tidak normal
dan sampelnya bebas.MengujiH0TandinganH1Hitunglah
1 = 21 < 21 > 21 212u
Misalkan n1 banyaknya pengamatan dalam sampel yang lebih kecil,
dan n2 banyaknya pengamatan dalam sampel yang lebih besar.
Urutkanlan n1 dan n2 pengamatan dari kecil ke besar dan beri
peringkat. Bila terdapat yang seri, maka pengamatan tersebut
diganti dengan dengan rataan rangnya jika keduanya dapat dibedakan
(tidak seri).Jumlah rang yang berasal dari n1 pengamatan dalam
sampel yang lebih kecil dinyatakan dengan w1. Dan w2 merupakan
jumlah rang yang berasal dari n2 pengamatan dalam sampel yang lebih
besar.Apabila nilai w1 sudah ditemukan maka nilai w2 dapat dicari.
Seperti rumus dibawah ini,w1 + w2 = w2 = - w1Untuk pengujian
ekasisi, hipotesis nol 1 = 2 ditolak dan diterima tandingannya 1
< 2 apabila w1 kecil dan w2 besar. Begitu pula, tandingan 1 >
2 dapat diterima jika w1 besar dan w2 kecil. Untuk pengujian
dwisisi, tandingan 1 2 diterima bila minimum dari w1 dan w2 cukup
kecil.d. Uji Kruskal WallisUji Kruskal Wallis sering pula disebut
Uji H Kruskal Wallis, adalah rampatan uji jumlah rang (dwisampel
Wilcoxon) untuk sejumlah sampel k>=2. Uji ini digunakan untuk
menguji hipotesis nol bahwa k sampel bebas berasal dari populasi
yang sama. Diperkenalkan oleh W.H. Kruskal dan W.A. Wallis pada
tahun 1945, uji ini merupakan padanan cara nonparametrik untuk
menguji kesamaan rataan dalam analisis variansi ekafaktor bila si
pencoba ingin menghindari bahwa sampel berasal dari populasi
normal.Uji ini mirip dengan uji Anova pada data parametrik hanya
saja tidak dipenuhi anggapan k kenormalan dari data. Analisis yang
digunakan berdasarkan Rij yaitu ranking data, bukan data itu
sendiri.Langkah langkah uji Kruskal - Wallis :1. H0 : Semua K
populasi adalah identic2. H1 : Tidak semua K populasi identic3.
Tentukan taraf nyatanya.4. Tentukan daerah kritisnya dengan
menggunakan tabel chi-kuadrat. Dengan derajat kebebasan v = k-15.
Melakukan perhitungan uji kruskal wallisDengan ni merupakan jumlah
data pengamatan disetiap sampel dan ri merupakan jumlah rang dalam
satu sampel data pengamatan.6. Bila nilai h jatuh dalam daerah
kritis pada tabel, dengan derajat kebebasan v = k 1, tolak H0 pada
taraf nyata. Dan terima H0 jika tidak jatuh dalam daerah kritis
pada tabel.
Contoh metode analisis non parametrikKedua metode ini tentu
memiliki konsekuensi terhadap pendekatan analisis yang digunakan.
Untuk menganalisis pengaruh suatu variabel penyebab terhadap
variabel respon, biasanya kita menggunakan analisis regresi linier
sederhana atau berganda. Dalam metode non parametrik, metode
tersebut tidak lagi relevan. Pendekatan yang cocok adalah regresi
non parametrik.Begitu pun ketika kita menganalisis hubungan antara
dua variabel. Biasanya kita menggunakan analisis korelasi Pearson
Product Moment. Namun, dalam metode non parametrik analisis
korelasi lebih dikenal dengan korelasi Rank spearman. Teknik
perhitungannya berbeda. Dalam Rank spearman, kita terlebih dahulu
membuat ranking dari data yang akan dikorelasikan sementara dalam
Pearson product moment tidak dilakukan. Metode korelasi non
parametrik populer lainnya adalah Kendall Tau.Ketika kita hendak
melakukan uji perbandingan antara kelompok, maka metode analisis
yang digunakan dalam statistik parametrik adalah uji t (ketika yang
kita bandingkan 2 kelompok), atau uji anova (ketika kelompok yang
kita bandingkan lebih dari 2). Berbeda dengan statistik parametrik,
dalan non parametrik ada uji Kruskall wallis yang sebaiknya
digunakan.
Keterbatasan Statistik Nonparametrik Disamping keunggulan,
statistik nonparametrik juga memiliki keterbatasan. Beberapa
keterbatasan statistik nonparametrik antara lain: a.Jika asumsi uji
statistik parametrik terpenuhi, penggunaan uji nonparametrik
meskipun lebih cepat dan sederhana, akan menyebabkan pemborosan
informasi. b.Jika jumlah sampel besar, tingkat efisiensi
nonparametrik relatif lebih rendah dibandingkan dengan metode
parametrik. c.Statistik nonparametrik tidak dapat dipergunakan
untuk membuat prediksi (peramalan).
2.4.Uji ParametrikParametrik berarti parameter. Parameter adalah
indikator dari suatu distribusi hasil pengukuran. Indikator dari
distribusi pengukuran berdasarkan statistik parametrik digunakan
untuk parameter dari distribusi normal. Distribusi normal dikenal
juga dengan istilah Gaussian Distribution. Distribusi normal
mengandung dua parameter, yaitu rata-rata (mean) dan ragam
(varians). Parameter-parameter ini memberikan karakteristik yang
unik pada suatu distribusi berdasarkan lokasi-nya (central
tendency). Berbagai metode statistik mendasarkan perhitungannya
pada kedua parameter tersebut. Statistik Parametrik yaitu ilmu
statistik yang mempertimbangkan jenis sebaran atau distribusi data,
yaitu apakah data menyebar secara normal atau tidak. Dengan kata
lain, data yang akan dianalisis menggunakan statistik parametrik
harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak
menyebar normal, maka data seharusnya dikerjakan dengan metode
statistik non-parametrik, atau setidak-tidaknya dilakukan
transformasi terlebih dahulu agar data mengikuti sebaran normal,
sehingga bisa dikerjakan dengan statistik parametrik.
Karateristik Uji ParametrikCiri-ciri statistik parametrik
:a.Data dengan skala interval dan rasiob.Data
menyebar/berdistribusi normal
Penggunaan metode statistik parametrik mengikuti prinsip-prinsip
distribusi normal. Prinsip-prinsip dari distribusi normal adalah:
A. Distribusi dari suatu sampel yang dijadikan obyek pengukuran
berasal dari distribusi populasi yang diasumsikan terdistribusi
secara normal. B. Sampel diperoleh secara random, dengan jumlah
sampel yang dianggap dapat mewakili populasi. C. Distribusi normal
merupakan bagian dari distribusi probabilitas yang kontinyu
(continuous probability distribution). Implikasinya, skala
pengukuran pun harus kontinyu. Skala pengukuran yang kontinyu
adalah skala rasio dan interval. Kedua skala ini memenuhi syarat
untuk menggunakan uji statistik parametrik. Bila syarat-syarat ini
semua terpenuhi, maka metode statistik parametrik dapat digunakan.
Namun, jika data tidak menyebar normal maka metode statistik
nonparametrik dapat digunakan. Apa yang dapat dilakukan jika data
tidak menyebar normal, namun statistik parametrik ingin tetap
digunakan. Untuk kasus ini data sebaiknya ditransformasikan
terlebih dahulu. Transformasi data perlu dilakukan agar data
mengikuti sebaran normal. Transformasi dapat dilakukan dengan
mengubah data ke dalam bentuk logaritma natural, menggunakan
operasi matematik (membagi, menambah, atau mengali dengan bilangan
tertentu), dan mengubah skala data dari nominal menjadi
interval.
Konsep dalam statistikaSebelum menggunakan statistika
nonparametrik ada beberapa konsep atau pengertian dasar yang perlu
diketahui. Hal ini sangat dibutuhkan dalam rangka memudahkan
memahami proses, teknik-teknik, dan prosedur yang tersedia. Selain
itu, akan memudahkan pula manakala kita harus memilih dan
menggunakan teknik-teknik yang paling tepat serta sesuai dengan
disain penelitian yang dilaksanakan, sehingga tidak akan terjadi
kesalahan dalam menginterpretasikan hasil-hasil pengujiannya.
Beberapa konsep dan pengertian-pengertian yang perlu dipahami
antara lain:a.Obyek Penelitian : Merupakan suatu obyek yang kita
teliti karakteristiknya. Misalnya, penduduk seandainya semua orang
yang menempati wilayah tertentu yang kita teliti.b.Variabel :
Adalah karakteristik dari obyek penelitian yang memiliki nilai
bervariasi. Misalnya, jenis kelamin: laki-laki dan perempuan.
Status ekonomi: tinggi, sedang, rendah.c.Variabel Bebas/Independent
: Dalam hubungan antar dua atau lebih variabel, variable bebas
merupakan variabel yang dapat mempengaruhi variabel lainnya.
Misalnya; variabel X dengan variabel Y, yang menggambarkan variabel
X mempengaruhi variabel Y, maka X disebut variabel bebas.d.Variabel
Tak Bebas/Dependent : Dalam hubungan antar dua atau lebih variabel,
variable tak bebas merupakan variabel yang dipengaruhi oleh
variabel lainnya. Misalnya; variabel X dengan variabel Y, yang
menggambarkan variabel Y dipengaruhi oleh variabel X, maka Y
disebut variabel tak bebas.e.Data : fakta, baik berbentuk
kualitatif maupun kuantitatif. Data kualitatif diperoleh melalui
pengamatan, misalnya pemilikan lahan petani di suatu desa cukup
tinggi. Data kuantitatif diperoleh melalui pengukuran.f.Pengukuran
: suatu proses kuantifikasi atau mencantumkan bilangan kepada
variabel tertentu. Misalnya, berat badan secara kualitatif bisa
dibedakan sebagai ringan, sedang, atau berat, dan melalui proses
pengukuran dengan cara menimbang kita dapat menyatakan berat badan:
50 kg, 60 kg, 70 kg.g.Skala Pengukuran : bilangan yang dicantumkan
kepada variabel berdasarkan aturan-aturan yang telah ditentukan dan
disepakati. Dikenal 4 macam skala pengukuran yaitu: nominal,
ordinal, interval, dan rasio. Skala nominal hanya dipakai untuk
membedakan, skala ordinal mengisyaratkan adanya peringkat, skala
interval menunjukkan adanya jarak yang tetap tetapi tidak memiliki
titik nol mutlak, dan skala rasio memiliki titik nol mutlak. h.Unit
Penelitian : satuan atau unit yang diteliti baik berupa individu
maupun kelompok yang dapat memberikan informasi tentang aspek-aspek
yang dipelajari atau diteliti.i.Populasi : himpunan yang lengkap
dan sempurna dari semua unit penelitian. Lengkap dan sempurna,
artinya harus ada pernyataan sedemikian rupa dalam
mendefinisikannya populasi agar tidak menimbulkan salah pengertian.
Misalnya, kita menyebutkan bahwa populasi adalah peternak ayam.
Dalam kaitan ini, batasan populasi belum bisa menjelaskan; peternak
ayam di wilayah mana, apakah peternak ayam ras, broiler, atau ayam
buras. Sehingga lebih baik disebutkan misalnya , peternak ayam ras
di desa X.j.Populasi Sampel : Misalnya kita ingin meneliti tentang
pendapatan petani tembakau dikabupaten X dengan mengambil 3
kecamatan A, B, dan C di kabupaten tersebut sebagai tempat
penelitian yang dipilih. Populasinya adalah seluruh petani tembakau
yang ada di kabupaten X, sedangkan yang ada di kecamatan A, B, dan
C disebut populasi sampel.k.Sampel : Adalah himpunan unit
penelitian yang memberikan informasi atau data yang diperlukan
dalam penelitian. Jadi, sampel merupakan himpunan bagian dari
populasi. Misalnya dalam contoh di atas petani tembakau yang ada di
kecamatan A, B, dan C merupakan populasi sampel, dan sampelnya
adalah hanya petani tembakau yang terpilih untuk diteliti setelah
melalui proses sampling.l.Sampling : Sampling adalah suatu proses
memilih n buah obyek dari sebuah populasi berukuran N.m.Validitas :
Istilah validitas dipakai berkaitan dengan kriteria hasil
pengukuran. Apakah kategori/skor/nilai yang diperoleh benar-benar
menyatakan hasil pengukuran? Pada umumnya validitas
dipermasalahakan pada pengukuran-pengukuran non fisik, seperti
dalam pengukuran, sikap dan minat.n.Reliabilitas : Istilah
reliabilitas dipakai berkaitan dengan kriteria alat pengukuran
Misalnya untuk mengukur minat, sehingga kita memperoleh angka-angka
skor untuk menyatakan minatnya rendah, minatnya sedang, atau
minatnya tinggi, alat pengukuran yang menghasilkan skor-skornya
tersebut sering dipermasalahkan.
Contoh metode statistik parametrik :a. Uji-z (1 atau 2 sampel)b.
Uji-t (1 atau 2 sampel)c. Korelasi pearson,d. Perancangan percobaan
(one or two-way anova parametrik), dll.
Kelebihan dan Kekurangan Uji ParametrikKelebihan :1.Syarat
syarat parameter dari suatu populasi yang menjadi sampel biasanya
tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data
dilakukan dengan kuat.2. Observasi bebas satu sama lain dan ditarik
dari populasi yang berdistribusi normal serta memiliki varian yang
homogen.Kekurangan :1. Populasi harus memiliki varian yang sama.2.
Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam
skala interval.3. Dalam analisis varian ditambahkan persyaratan
rata-rata dari populasi harus normal dan bervarian sama, dan harus
merupakan kombinasi linear dari efek-efek yang ditimbulkan.
BAB IIIPENUTUP
Demikian yang dapat kami paparkan mengenai materi yang menjadi
pokok bahasan dalam makalah ini, tentunya masih banyak kekurangan
dan kelemahannya, kerena terbatasnya pengetahuan dan kurangnya
rujukan atau referensi yang ada hubungannya dengan judul makalah
ini.Kami banyak berharap para pembaca yang budiman dapat memberikan
kritik dan saran yang membangun kepada kamidemi sempurnanya makalah
ini dan penulisan makalah di kesempatan-kesempatan berikutnya.
Semoga makalah ini berguna bagi kami pada khususnya juga para
pembaca.
3.1.KesimpulanKesimpulan yang dapat kami tarik berdasarkan
pembahasan di atas adalah :A. Statistika dikelompokkan dalam dua
kelompok yaitu statistika deskriptif dan statistika inferensia.B.
Statistika deskriptif adalah statistik yang berkenaan dengan metode
atau cara mendeskripsikan, menggambarkan, menjabarkan, atau
menguraikan data.C. Statistik inferensial adalah statistik yang
berkenaan dengan cara penarikan kesimpulan berdasarkan data yang
diperoleh dari sampel untuk menggambarkan karakterisktik atau ciri
dari suatu populasi.D. Statistika inferensial dibedakan menjadi dua
yaitu statistika parametrik dan statistika nonparametrik.
Statistika nonparametrik dapat digunakan untuk menganalisis data
yang berskala ordinal dan nominal.E. Kelebihan statistika
nonparametrik dari parametrik adalah perhitungannya lebih
sederhana, data tidak harus kuantitatif, dan asumsi tidak
mengikat.F. Kelemahan statistika nonparametrik adalah tidak terlalu
efisien karena jumlah contoh atau sampel lebih besar.G. Beberapa
metode pengambilan keputusan yang biasanya dilakukan menggunakan
uji statistika nonparametrik adalah uji tanda, uji rang-tanda, uji
jumlah-rang, uji kruskal-wallis, dll.H. Uji statistika
nonparametrik lebih banyak menggunakan sistem rang atau peringkat
dalam penentuan daerah kritisnya beserta dalam penarikan
keputusan.
3.2SaranDalam penyelesaian makalah ini kami juga memberikan
saran bagi para pembaca dan mahasiswa/i yang akan melakukan
pembuatan makalah berikutnya.Kombinasikan pembuatan makalah
berikutnyaPembahasan secara langsung dengan informasi yang
benar-benar up to dateBeberapa poin diatas merupakan saran yang
kami berikan apabila ada pihak-pihak yang ingin melanjutkan
penelitian terhadap makalah ini, dan demikian makalah ini disusun
serta besar harapan nantinya makalah ini dapat berguna bagi pembaca
khususnya mahasiswa/i Fakultas Kedokteran Universitas Islam
Sumatera Utara Semester V/2015 dalam penambahan wawasan dan ilmu
pengetahuan.
DAFTAR PUSTAKA
1. Fardi, Adnan, dkk. Silabus dan Hand-Out Mata Kuliah
Statistik. Padang : UNP; 2012.2. Bogdan, Robert, C., Biklen, Sari,
K. Qualitative Research in Education, an Introduction toTheory and
Methods, Third Edition, Boston, Allyn and Bacon; 1998.3. Murti,
Bhisma. Penerapan Metode Statistik Non Parametrik Dalam Ilmu-ilmu
Kesehatan. Jakarta: PT.Gramedia Pustaka Utama; 1996. 4. Sabri, L.,
Hastono, SP. Statistik Kesehatan.Edisi Revisi. Jakarta: Rajawali
Pers; 2008 5. Siegel, Sidney. Statistik Non Parametrik Untuk
Ilmu-ilmu Sosial. Jakarta: PT.Gramedia Pustaka Utama; 1992.
FAKULTAS KEDOKTERAN UISU24