Non Parametik

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)