Statistika
Non parametik?? apa itu??
Statistika Non
parametik digunakan jika data yang akan diolah tidak memenuhi asumsi-asumsi
statistika parametik. Jadi asumsi statistika parametiknya itu apa??
Asumsi Statistika Parametik (Santoso, 2003):
1. Data dalam
jumlah besar yaitu ≥ 30.
2. Distribusi
data dianggap normal dan metode tertentu seperti uji F (Anova).
3.
Persyaratan tambahan berupa kesamaan varians diantara kelompok data.
4. Data bertipe
interval atau rasio.
Nah, jika data yang akan diolah tidak memenuhi asumsi seperti diatas, metode pengolahan yang kita ambil adalah non parametik. Ada banyak perhitungan yang dapat dilakukan pada statistika parametik ini. contohnya:
Korelasi Spearman dan
Kendall Tau
Uji Chi Square
Uji Wilcoxon
Uji Mann-Whitney
(U Test)
Uji Kruskal-Wallis (H
Test)
Two Independent Samples
Test
Two Related Samples
Test
K Independent Sample
Test
Metode yang akan
dibahas adalah uji Chi square dan uji wilcoxon.
Definisi dari uji wilcoxon adalah sebagai berikut:
Suatu pengujian yang
digunakan untuk mengetahui ada tidaknya perbedaan antara dua sampel dependen
yang berpasangan atau berkaitan dan digunakan sebagai alternatif pengganti
uji Paired Sample T Test jika data tidak berdistribusi normal. Uji
Wilcoxon cocok digunakan apabila kita tidak hanya mengetahui besarnya setiap
beda tetapi juga arah harga pengamatan yang bersangkutan, maka kita dapat
menetapkan peringkat untuk masing-masing beda tersebut. Uji wilcoxon berfungsi
untuk menguji perbedaan antar data berpasangan, menguji komparasi antar 2
pengamatan sebelum dan sesudah (before after design) dan mengetahui efektivitas
suatu perlakuan (Priyatno,2012).
Asumsi dari uji ini
adalah:
1. Data untuk analisis
terdiri atas n buah benda.
2. Sampel X dan Y
adalah variabel-variabel acak kontinyu.
3. Data hasil
pengukuran adalah data kuantitatif yang tidak diketahui normalitas
distribusinya (data interval).
4. Berhadapan dengan
kasus sampel yang berhubungan.
Uji dengan metode ini
memiliki 2 jenis penggunaan tabel yaitu one sided dan two sided.
perbedaan dari kedua tabel ini adalah pencarian hasil yang akan kita lakukan.
jika kita hanya ingin mengetahui terdapat pengaruh yang dilakukan antara
sebelum dan sesudah inovasi dapat kita gunakan tabel two sided sedangkan jika
ingin mengetahui yang lebih spesifik yaitu lebih besar atau lebih kecil dari
sebelumnya menggunakan tabel one sided. untuk mengetahui apakah lebih besar
dari sebelumnya, nilai yang dibandingkan adalah negatif, sebaliknya untuk
mengetahui apakah lebih kecil dari sebelumya nilai yang dibandingkan
adalah nilai positif.
Uji kebebasan digunakan
untuk memeriksa hubungan (asosiasi) dari dua peubah kategorik sehingga dapat
menyimpulkan apakah kedua peubah tersebut saling bebas (tidak berpengaruh)
ataukah keduanya saling bertalian (berpengaruh). Gagasan ini didasarkan atas
anggapan bahwa nilai frekuensi observasi mendekati nilai frekuensi harapan jika
kategori-kategori independen.
Jika ada hubungan
antara dua faktor, maka dikatakan bahwa dua faktor tersebut saling
bertalian/dependen tepatnya saling bertalian secara statistik.
Jika tidak ada hubungan
antara dua faktor, maka dikatakan bahwa dua faktor tersebut saling
bebas/independen tepatnya saling bebas secara statistik.
Ciri-ciri:
Selalu positif
df = k - 1, dimana k
adalah jumlah kategori. Jadi bentuk distribusi chi square tidak
ditentukan banyaknya sampel melainkan banyaknya derajat bebas.
Bentuk distribusi chi
square menjulur positif. Semakin besar derajat bebas, semakin mendekati
distribusi normal.
Dalam melakukan uji Chi
Square, harus memenuhi syarat:
1. Sampel dipilih
secara acak.
2. Semua pengamatan
dilakukan dengan independen.
3. Setiap sel paling sedikit
berisi frekuensi harapan sebesar 1 (satu).
4. Sel-sel dengan
frekuensi harapan kurang dari 5 tidak melebihi 20% dari total sel.
(Cochran, 1954)