MAKALAH

STASTIKA NON PARAMETRIK

DOSEN PEMBIMBING:
Ahmand Hulaimi M.E

Disusun oleh:
Hairunnisa Intan Juliantari
Nurlaili

EKONOMI SYARIAH
FAKULTAS AGAMA ISLAM
UNIVERSITAS MUHAMMADIYAH MATARAM
2023
 KATA PENGANTAR

Puji syukur kami panjatkan kehadiran Allah Swt, dimana atas rahmat
dan karunianya lah sehingga kami dapat menyelesaikan makalah kami yang berjudul ’’
STATISTIK NONPARAMETRIK ‘’ ini meskipun masih banyak kekurangan di
dalam makalah kami ini,dan juga kami berterimakasih kepada Bapak Ahmad Hulaimi
M.E selaku dosen mata kuliah statistika ekonomi yang telah memberikan tugas ini
kepada kami. Semoga makalh sederhana ini dapat di pahami bagi siapapun yang
membacanya.

Penulis menyadari bahwa dalam penyusunan dan penulisan masih melakukan banyak
kesalahan. Oleh karena itu penulis memohon maaf atas kesalahan dan
ketidaksempurnaan yang pembaca temukan dalam makalah ini. Penulis juga
mengharap adanya kritik serta saran dari pembaca apabila menemukan kesalahan
dalam makalah ini.

Penulis

Mataram,30 September 2023

 DAFTAR ISI

KATAPENGANTAR....................................................................................... i
DAFTAR ISI ii
BAB 1 PENDAHULUAN
A. LATAR BELAKANG .................................................................... 1
B. RUMUSAN
MASALAH ................................................................ 2
C. TUJUAN........................................................................................... 2
BAB II PEMBAHASAN
1.1 STATISTIK NONPARAMETRIK............................................... 3
1.2 PENGUNAAN NONPARAETRIK.............................................. 9
1.3 METODE STATISTIK NONPARAMETRIK........................... 2
1.4 LANGKAH-LANGKAH UJI RANG TANDA WILXON.......... 4
BAB III PENUTUP
3.1 KESIMPULAN ............................................................................ 14
DAFTAR PUSTAKA ....................................................................................... 15
 BAB 1

PENDAHULUAN

A. LATAR BELAKANG

Istilah nonparametrik pertama kali digunakan oleh Wolfowitz, pada tahun

1942. Metode statistik nonparametrik merupakan metode statistik yang dapat
digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode
statistic parametrik, terutama yang berkaitan dengan distribusi normal. Istilah lain yang
sering digunakan untuk statistik nonparametrik adalah statistik bebas distribusi
(distribution free statistics) dan uji bebas asumsi (assumption-free test).
Statistik nonparametric banyak digunakan pada penelitian-penelitian sosial. Data yang
diperoleh dalam penelitian sosial pada umunya berbentuk kategori atau berbentuk
rangking.
Uji statistik nonparametrik ialah suatu uji statistik yang tidak memerlukan
adanya asumsi - asumsi mengenai sebaran data populasi. Uji statistik ini disebut juga
sebagai statistik bebas sebaran (distribution free). Statistik nonparametrik tidak
mensyaratkanbentuk sebaran parameter populasi berdistribusi normal. Statistik
nonparametrik dapat digunakan untuk menganalisis data yang berskala nominal atau
ordinal karena pada umumnya data berjenis nominal dan ordinal tidak menyebar normal.
Dari segi jumla data, pada umumnya statistik nonparametrik digunakan untuk data
berjumlah kecil (n <30).

B. Perumusan Masalah
Perumusan masalah yang diambil dari penyusunan makalah ini adalah
a. Definisi Statistika Nonparametrik
b. Kelebihan dan kelemahan Statistika Nonparametrik
c. Penggunaan Statistika Nonparametrik
d. Metode Statistika Nonparametrik

C. Tujuan Penulisan
Tujuan dari penulisan makalah ini adalah untuk memenuhi persyaratan open
recruitment calon asisten laboratorium Sistem Kualitas (LSK) Jurusan Teknik Industri,
Fakultas Teknik, Universitas Sebelas Maret, Suarakarta.
 BAB II

PEMBAHASAN

1.1 STATISTIK NONPARAMETRIK

Kelebihan Uji Non Parametrik:

- Perhitungan sederhana dan cepat

- Data dapat berupa data kualitatif (Nominal atau Ordinal)

- Distribusi data tidak harus Normal

Kelemahan Uji Non Parametrik:

- Tidak memanfaatkan semua informasi dari sampel (Tidak

efisien)

Kelemahan diperbaiki dengan menambah ukuran sampel

Beberapa Uji Non Parametrik yang akan dipelajari :

- Uji tanda berpasangan

- Uji Peringkat 2 Sampel Mann-Whitney

- Uji Peringkat 2 Sampel Wilcoxon

- Uji Korelasi Peringkat Spearman

- Uji Konkordansi Kendall

- Uji Run(s)

a) Uji Tanda Berpasangan

Uji dilakukan pada 2 sampel terpisah (independen)

 tanda (+) → data pada sampel 1 > pasangannya sampel 2

tanda (–) → data pada sampel 1 < pasangannya sampel 2

tanda Nol (0) → data pada sampel 1 = pasangannya sampel 2

Tanda Nol tidak digunakan dalam perhitungan Notasi yang

digunakan :

n = banyak tanda (+) dan tanda (–) dalam sampel

p= proporsi SUKSES dalam sampel.

SUKSES tergantung dari apa yang ditanyakan (ingin diuji) dalam

soal.

Jika yang ingin diuji sampel 1 > sampel 2 maka SUKSES adalah banyak

tanda(+)

Jika yang ingin diuji sampel 1 < sampel 2 maka SUKSES adalah banyak

tanda (–)

Nilai disesuaikan dengan nilai pengujian p yang diinginkan dalam soal p0

atau jika ingin diuji proporsi sampel 1 = proporsi sampel 2 maka = = 0.50

p0q0

Penetapan Penetapan H0 dan H:

Ø Terdapat 3 alternatif H0 dan H1:

(a) H0: p = dan p0H1: p< p0

Ø Uji 1 arah dengan daerah penolakan H0: z < −zα

(b) H0: p = dan p0H1: p > p0

 Ø Uji 1 arah dengan daerah penolakan H0: z > zα

(c) H0: p = dan p0H1: p ≠ p0

Ø Uji 2 arah dengan daerah penolakan H0: z < −zα/2 dan z > zα/2

Contoh 1a:
Berikut adalah nilai preferensi LUX GIVE Tanda
konsumen terhadap 2 Merk Sabun E
Mandi. Dengan taraf nyata 1%, ujilah
apakah proporsi preferensi konsumen
pada kedua merk bernilai sama? No.
Responden
4 2 +
1.

2 3 –
2.

3 3 0
3.

2 3 –
4.

3 2 +
5.

1 2 –
6.

2 3 –
7.

3 4 –
8.

3 2 +
9.

2 1 +
10.

4 1 +
11.

1 1 0
12.

4 2 +
13.

3 2 +
14.

4 3 +
15.

Banyak tanda (+) = 8

Banyak tanda (–) = 5

n = 8 + 5 = 13

Jika kita asumsikan LUXE lebih disukai dibanding GIVE maka SUKSES

dalam sampel adalah p= proporsi banyak tanda (+) dalam sampel.

p= banyak positifn==813062.

q = 1 –p = 1 - 0.62 = 0.38

Karena ingin diuji proporsi yang suka LUXE = GIVE maka = = 0.50 p0q0

Langkah Pengujian:

1. H0: p = 0.50 H1: p ≠ 0.50

2. Statistik Uji : z

3. Uji: 2 Arah

4. Taraf Nyata Pengujian = α = 1% → α/2 = 0.5%= 0.005

5. Daerah Penolakan H0
z < −z → z < -2.575 z > → z > 2.575

Nilai statistik Uji :

o 0,62- 0,50 0.12 0.12 0.12

Zhitung= = = = = 0.13867= 0.8653

N 13 13

0.87

7. Kesimpulan:

z hitung = 0.87 ada di daerah penerimaan H0 H0 diterima

Proporsi konsumen yang menyukai LUXE masih sama dengan

yang menyukai

GIVE.

Contoh :

Dengan menggunakan data pada Tabel 1 dan taraf nyata 1% ujilah

apakah proporsi preferensi konsumen pada sabun LUXE dibanding sabun

GIVE sudah lebih dari 0.30?

 p0 = 0.30

0q = 1 - 0.30 = 0.70

1. H0: p = 0.30 H1: p > 0.30

2. Statistik Uji : z

3. Uji 1 Arah

4. Taraf Nyata Pengujian = α = 1% = 0.01

5. Daerah Penolakan H0

z > z→ z >

2.33

Luas daerah ini = α Daerah Penolakan H0

2.33

1.2 Penggunaan Statistika Nonparametrik

Berikut ini akan dijelaskan pedoman penggunaan uji statistika nonparametrik dalam
pengambilan keputusan.
APLIKASI TEST PARAMETRIK TEST NONPARAMETRIK
Dua sampel saling Uji T  Sign Test
berhubungan Uji Z  Wilcoxon Signed-Rank
 Mc Nemar Change Test
Dua sampel tidak Uji T  Mann-whitney U test
berhubungan Uji Z  Moses Extreme Reactions
 Chi-square test
 Kolmogorov-Smirnov Test
 Walt-Wolfowitz runs
Beberapa sampel  Freidman test
berhubungan  Kendall W test
 Cochran’s Q

Beberapa sampel Uji ANOVA (Uji F)  Kruskal-Wallis test

tidak berhubungan  Chi-square test
 Median test

1.3 Metode Statistika Nonparametrik

Berikut ini akan dijelaskan beberapa metode pengambilan keputusan yang
termasuk dalam uji statistika nonparametrik.
a. Uji Tanda
Uji 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-Tanda
Uji 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 X 1 -
Y1, X2 -Y2…dst bersifat kontinyu pula.
 Hipotesis nol yang di uji menyatakan bahwa median perbedaan pasangan nilai
pengamatan kedua sampel sama dengan nol.

1.4 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-rang
Uji ini dilakukan apabila ingin menguji kesamaan rataan dua distribusi yang
kontinu yang jelas tidak normal dan sampelnya bebas.
 Menguji Tandingan Hitunglah
H0 H1
µ1 = µ2 µ1 < µ2 µ1
µ1 > µ2 µ2
µ1 µ2 u

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 w2merupakan 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
Untuk pengujian ekasisi, hipotesis nol µ1 = µ2 ditolak dan diterima tandingannya
µ1 < µ2 apabila w1 kecil dan w2 besar. Begitu pula, tandingan µ1 > µ2 dapat diterima jika
w1 besar dan w2 kecil. Untuk pengujian dwisisi, tandingan µ1 µ2diterima bila
minimum dari w1 dan w2 cukup kecil.
d. Uji Kruskal – Wallis
Uji 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 identik
2. H1 : Tidak semua K populasi identik
3. Tentukan taraf nyatanya.
4. Tentukan daerah kritisnya dengan menggunakan tabel chi-kuadrat. Dengan
derajat kebebasan v = k-1
5. Melakukan perhitungan uji kruskal – wallis dengan rumus dibawah ini
dengan ni merupakan jumlah data pengamatan disetiap sampel dan ri merupakan
jumlah rang dalam satu sampel data pengamatan.
 BAB III
PENUTUP

3.1 KESIMPULAN
Pada bab III ini akan diberikan kesimpulan mengenai makalah yang
sudah ditulis.
1. Statistika dikelompokkan dalam dua kelompok yaitu statistika deskriptif dan
statistika inferensia.
2. Statistika deskriptif adalah statistik yang berkenaan dengan metode
atau cara mendeskripsikan, menggambarkan, menjabarkan, atau menguraikan data.
3. Statistik inferensial adalah statistik yang berkenaan dengan cara penarikan
kesimpulan berdasarkan data yang diperoleh dari sampel untuk menggambarkan
karakterisktik atau ciri dari suatu populasi.
4. Statistika inferensial dibedakan menjadi dua yaitu statistika parametrik dan
statistika nonparametrik. Statistika nonparametrik dapat digunakan untuk
menganalisis data yang berskala ordinal dan nominal.
5. Kelebihan statistika nonparametrik dari parametrik adalah perhitungannya lebih
sederhana, data tidak harus kuantitatif, dan asumsi tidak mengikat.
6. Kelemahan statistika nonparametrik adalah tidak terlalu efisien karena jumlah
contoh atau sampel lebih besar.
7. Beberapa metode pengambilan keputusan yang biasanya dilakukan
menggunakan uji statistika nonparametrik adalah uji tanda, uji rang-tanda, uji
jumlah-rang, uji kruskal-wallis, dll.
8. Uji statistika nonparametrik lebih banyak menggunakan sistem rang atau
peringkat dalam penentuan daerah kritisnya beserta dalam penarikan keputusan.
 Daftar Pustaka

Djarwanto. 1991. Statsitik Non Parametrik. Edisi 2. Yogyakarta: BPFE.

Nasution, S. 2006. Metode Research. Jakarta: Bumi Aksara.
Sugiyono. 2009. Metode Penelitian Kualitatif Kuantitatif dan R&D. Bandung: Alfabeta