SlideShare a Scribd company logo
Statistik Parametrik
&
Non Parametrik
Dosen Pengajar:
1) Dr. Ir. Reda Rizal, M.Si. (Lektor Kepala)
2) Ir. Iswahyuni Adil, MM. (Lektor Kepala)
3) Witanti Prihatiningsih, M.Ikom
4) Ir. Drina Intyaswati, M.Si
1Red@-Statistik-FISIP-UPN Jakarta
Definisi
• Statistik PARAMETRIK : berhubungan dengan
inferensi statistik yang membahas parameter-
parameter populasi; jenis data interval atau rasio;
distribusi data normal atau mendekati normal.
• Statistik NONPARAMETRIK : inferensi statistik
tidak membahas parameter-parameter populasi;
jenis data nominal atau ordinal; distribusi data
tidak diketahui atau tidak normal.
2Red@-Statistik-FISIP-UPN Jakarta
• Istilah nonparametrik sendiri pertama kali
digunakan oleh Wolfowitz pada tahun1942.
• 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.
Red@-Statistik-FISIP-UPN Jakarta 3
Pengujian statistika non parametrik
dilakukan dengan syarat :
1. Data nominal (ada/tidak, mati/hidup, dll)
2. Data ordinal (agak sakit/sakit/sembuh,
sangat setuju/setuju/tidak setuju,dll)
3. Data interval dan rasio tidaknormal
Red@-Statistik-FISIP-UPN Jakarta 4
• 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
jumlah sampel penelitian
Red@-Statistik-FISIP-UPN Jakarta 5
• Parametrik : distribusi normal, data
interval dan rasio.
• Non Parametrik : distribusi bebas, data
kontinu.
• Data Nominal: menurut namanya saja; exp:
(PAN, PDI, PKS, GOLKAR)
• Data Ordinal: Berdasarkan urutan
peringkat (memuaskan, sedang, buruk)
Red@-Statistik-FISIP-UPN Jakarta 6
Uji Satu Sampel
Red@-Statistik-FISIP-UPN Jakarta 7
Uji Binomial
• Adalah alat untuk mengUji data numerik dan
atau variabel dikotomi
• Jika tidak dikotomi : tentukan cut point
– H0 : Frek. Observasi kategori I = frek. Observasi
kategori II
– H1 : Frek. Observasi kategori I  frek. Observasi
kategori II
Red@-Statistik-FISIP-UPN Jakarta 8
Uji Chi-Square
• Chi-Square adalah alat untuk mengUji hipotesis
proporsi relatif kasus yang dikelompokkan ke
dalam beberapa grup yang saling bebas.
– H0 : Proporsi seluruh kategori bernilai sama.
– H1 : ada proporsi dari kategori yg dibandingkan
bernilai tidak sama
– H0 : Proporsi kategori yang ada sama dgn nilai yg telah
ditentukan.
– H1 : Proporsi kategori yg ada tidak sama dengan nilai
yg telah ditentukan
Red@-Statistik-FISIP-UPN Jakarta 9
Uji Run
• Adalah alat untuk mengUji keacakan urutan
kejadian dari 2 macam harga suatu variabel
dikotomi.
– H0 : Urutan kejadian dlm suatu barisan bersifat
random.
– H1 : Urutan kejadian dlm suatu barisan bersifat
tidak random.
Red@-Statistik-FISIP-UPN Jakarta 10
Uji Kolmogorov - Smirnov
• Adalah alat untuk mengUji kesesuaian
distribusi data dengan distribusi
Teoritis.
– H0 : Data sesuai dengan salah satu
distribusi teoritis (data faktual = data
teoritis).
– H1 : tidak sesuai dengan salah satu
distribusi teoritis (data faktual ≠ data
teoritis)
Red@-Statistik-FISIP-UPN Jakarta 11
Uji Dua Sampel
Red@-Statistik-FISIP-UPN Jakarta 12
Uji Mann-Whitney
• Alternatif lain uji t dua sampel bebas
• Perhitungannya berdasarkan frekuensi yang
teramati
– H0 : Dua sampel bebas berasal dari populasi yang
identik atau mempunyai rata2 yang sama (μ1 =
μ2).
– H1 : dua sampel bebas berasal dari populasi
berbeda (μ1 ≠ μ2).
Red@-Statistik-FISIP-UPN Jakarta 13
Red@-Statistik-FISIP-UPN Jakarta 14
Uji Mann-whitney
)(
)(
UVar
UEU
Z


 
1
11
21
2
1
R
nn
nnU 


R1 : Total peringkat salah satu sampel
     
12
1var
2
)(
2
)1(
)(
2121
1
21
1
11
21




nnnnRUVar
nnRE
nn
nnUE
Red@-Statistik-FISIP-UPN Jakarta 15
 Contoh: suatu perusahaan besar diduga menerapkan diskriminasi
penggajian atas gender.
 Sebanyak 24 sampel dari antara karyawan dan gajinya ditunjukkan
tabel berikut:
Wanita 22.5 19.8 20.6 24.7 23.2 19.2 18.7
Pria 21.9 21.6 22.4 24.0 24.1 23.4 21.2
Wanita 20.9 21.6 23.5 20.7 21.6
Pria 23.9 20.5 24.5 22.3 23.6
 Berdasarkan data di atas, apakah ada alasan untuk percaya pada taraf
nyata 0.05 bahwa telah terjadi diskriminasi penggajian berdasarkan
gender?
Jawab:
Diketahui: data di atas dengan alfa () = 0.05
Ditanyakan : Uji hipotesis perbedaan gaji antara pria dan wanita
Red@-Statistik-FISIP-UPN Jakarta 16
Jawaban:
 Hipotesis Nol (H0): tidak ada perbedaan antara rata-rata
gaji wanita dengan rata-rata gaji pria, atau rata-rata gaji
wanita dan pria berasal dari populasi yang berdistribusi
sama, atau 1 = 2
 Hipotesis Alternatif (H1): ada perbedaan antara rata-
rata gaji wanita dengan rata-rata gaji pria atau 1  2
  = 0.05
 Wilayah kritis adalah : zhit<-z0.025 atau zhit>z0.025 atau zhit < -
1.96 atau zhit > 1.96
 Perhitungan:
 Pertama, urutkan data dan berikan peringkat
 Jumlah peringkat salah satu sampel (sampel wanita atau sampel
pria)
 Hitung nilai E(U), var(U) dan z
Red@-Statistik-FISIP-UPN Jakarta 17
Jenis
Kelamin
Wanita Wanita Wanita Pria Wanita Wanita Wanita Pria Pria Wanita Wanita Pria
Gaji 18.7 19.2 19.8 20.5 20.6 20.7 20.9 21.2 21.6 21.6 21.6 21.9
Peringkat 1 2 3 4 5 6 7 8 10 10 10 12
Total Peringkat Salah Satu Sampel yaitu Wanita (R1):
 R1= 1+2+3+5+6+7+10+10+15+16+18+24=117
E(u) = (12 * 12)/2=72
Var(U) = (12) * (12) * (25)/12 = 300
U=12 *12 + (12 *13)/2 =105
Z=(105-72)/300=1.91
• Keputusan Statistik : karena zhit < 1.96 dan zhit > -1.96, maka terima H0
• Kesimpulan Statistik (uji Mann-Whitney): Tidak Ada Perbedaan Antara Rata-
Rata Gaji Wanita dengan Rata-Rata Gaji Pria.
Tabulasi Data
Uji Kolmogorov – Smirnov Z
• Adalah alat untuk mengUji Sensitifitas
perbedaan dua populasi
• Perhitungannya membandingkan dist
kumulatif kedua populasi
• H0 : Dua sampel bebas berasal dari populasi yg
berdistribusi sama.
• H1 : dua sampel bebas berasal dari populasi
yang berdistribusi tidak sama.
Red@-Statistik-FISIP-UPN Jakarta 18
Uji Runs Wald Wolfowitz
 Minimum untuk skala ordinal
 Sensitif terhadap berbagai perbedaan dalam
kedua populasi.
 Kurang powerful dibandingkan Mann Whitney
 Hipotesis alternatif lebih luas dibandingkan
Mann Whitney
 H0 : Dua sampel bebas berasal dari populasi yg
berdistribusi sama.
 H1 : dua sampel bebas berasal dari populasi yg
berdistribusi tidak sama.
Red@-Statistik-FISIP-UPN Jakarta 19
Red@-Statistik-FISIP-UPN Jakarta 20
Run Woldfowitz
 
   
   1
22
1
2
21
2
21
212121
21
21






nnnn
nnnnnn
RVar
nn
nn
RE
)(
)(
RVar
RER
z


R adalah jumlah run atau pergantian antara urutan dalam
data.
Red@-Statistik-FISIP-UPN Jakarta 21
• Contoh: lakukanlah pengujian apakan urutan pengambilan sampel
pada kasus Mann Whitney di atas acak atau tidak pada taraf nyata uji
0.05?
• Jawab:
Diketahui: F = wanita dan M adalah pria
Data : F F F M F F F M M F F M M M F F M F M M M M
M F
n1 = 12 dan n2 = 12,  = 0.05
Ditanyakan : Ujilah keacakan data
Jawab:
– H0 : Urutan pengambilan sampel adalah acak
– H1 : Urutan pengambilan sampel tidak acak
–  = 0.05
– Wilayah kritis : zhit<-z0.025 atau zhit> z0.025 atau zhit < -1.96 atau zhit > 1.96
Perhitungan:
– Hitung jumlah run (R).
– R = 11, artinya ada 11 kali pergantian data antara urutan F dan M
Red@-Statistik-FISIP-UPN Jakarta 22
 
   
   
7391.5
112121212
121212122122
131
1212
)1212(2
2








RVar
RE
83.0
7391.5
1311


z
 Kesimpulan analisis statistik: karena zhit > ztabel (-
1.96), maka terima H0.
 Kesimpulan hasil penelitian : Urutan Pengambilan
Sampel adalah Acak.
Uji Dua Sampel Tidak Bebas
Red@-Statistik-FISIP-UPN Jakarta 23
Uji Tanda (Sign)
 Menghitung selisih kedua sampel berpasangan.
 Menggunakan distribusi binom
 Jika data banyak, dapat didekati menggunakan
distribusi normal
 Distribusi diasumsikan kontinu.
 Hitung S (jumlah selisih dengan tanda +)
 H0 : p=0.5
 H1 : p0.5 atau p>0.5 atau p0.5
Red@-Statistik-FISIP-UPN Jakarta 24
Red@-Statistik-FISIP-UPN Jakarta 25
Uji tanda
Pasangan 1 2 3 4 5 6 7 8 9 10
Istri
Suami
3
2
2
3
1
2
0
2
0
0
1
2
2
1
2
3
2
1
0
2
Sejumlah 10 pasangan suami istri yang baru menikah dipilih
secara acak dan ditanyakan secara terpisah pada masing-masing
istri dan suami, berapa jumlah anak yang mereka inginkan.
Informasi yang didapat adalah sebagai berikut:
Ujilah apakah kita dapat mengatakan bahwa wanita (istri) menginginkan anak lebih
sedikit dibandingkan pria (suami)? Jika taraf nyata uji 0.01 ( = 0.01)
Red@-Statistik-FISIP-UPN Jakarta 26
Penyelesaian kasus suami istri
• Diketahui : data di atas,  = 0.01
• Ditanyakan : apakah ada perbedaan jumlah anak yang
diinginkan antara istri dengan suami?
• Jawab :
– H0 : Tidak ada perbedaan jumlah anak yang diinginkan
antara suami dan istri, atau p = 0.5
– H1 : Ada perbedaan jumlah anak yang diinginkan antara
suami dan istri, p < 0.5
– Taraf nyata uji : 0.01
– Wilayah kritis : P(S  s) < 
– Perhitungan sebagai berikut:
Red@-Statistik-FISIP-UPN Jakarta 27
S = 3, distribusi Binom dengan n = 9 dan p = 0.5
– Menggunakan tabel Binom, maka akan diperoleh: P(S  3)
= 0.2539
– Keputusan, karena P(S  3) = 0.2539 > 0.05, maka terima
H0.
– Kesimpulan: Tidak ada perbedaan jumlah anak yang
diinginkan antara suami dan istri
Pasangan 1 2 3 4 5 6 7 8 9 10
Istri
Suami
Selisih
3
2
+
2
3
-
1
2
-
0
2
-
0
0
0
1
2
-
2
1
+
2
3
-
2
1
+
0
2
-
Perhitungan:
Uji McNemar
 Adalah alat untuk mengUji perbedaan sebelum
dan sesudah perlakuan (treatment).
 H0 : tidak terdapat perbedaan dari sebelum dan
sesudah perlakuan.
 H1 : Terdapat perbedaa dari sebelum dan sesudah
perlakuan
Red@-Statistik-FISIP-UPN Jakarta 28
Red@-Statistik-FISIP-UPN Jakarta 29
• Memperhitungkan tanda dan besarnya selisih.
• H0 : Tidak terdapat perbedaan dari perlakuan 1
dan 2.
• H1 : Terdapat perbedaan antara perlakuan 1 dan 2
• Rumus : E(T+) = n(n+1)/4
var(T+) = n(n+1)(2n+1)/24
 
 
 

T
TET
z
var
Uji Wilcoxon
THANK YOU
FOR YOUR ATTENTION
‫ﻭﺑﺮﮔﺘﺔ‬ ‫ﻭﺭﺣﻤﺔﺍﷲ‬ ‫ﻭﻟﺴﻼﻡﻋﻠﻴﻜﻢ‬
Red@-FISIP-UPN Jakarta 30

More Related Content

What's hot

Teknik sampling
Teknik samplingTeknik sampling
Teknik sampling
Muhammad Luthfan
 
Statistika-Uji Hipotesis
Statistika-Uji HipotesisStatistika-Uji Hipotesis
Statistika-Uji HipotesisRhandy Prasetyo
 
Pengertian dan urgensi penelitian
Pengertian dan urgensi penelitianPengertian dan urgensi penelitian
Pengertian dan urgensi penelitian
Fredika Ayu Lestari
 
Tabel t, z dan f dan chi kuadrat
Tabel t, z dan f dan chi kuadratTabel t, z dan f dan chi kuadrat
Tabel t, z dan f dan chi kuadratIr. Zakaria, M.M
 
Teori pendugaan statistik presentasi
Teori pendugaan statistik presentasiTeori pendugaan statistik presentasi
Teori pendugaan statistik presentasi
Perum Perumnas
 
Contoh tabel data interval, data nominal, data ordinal, data distribusi freku...
Contoh tabel data interval, data nominal, data ordinal, data distribusi freku...Contoh tabel data interval, data nominal, data ordinal, data distribusi freku...
Contoh tabel data interval, data nominal, data ordinal, data distribusi freku...
Sylvester Saragih
 
3 . analisis regresi linier berganda dua peubah
3 .  analisis regresi  linier berganda dua peubah3 .  analisis regresi  linier berganda dua peubah
3 . analisis regresi linier berganda dua peubahYulianus Lisa Mantong
 
Cluster & multi satge random sampling
Cluster & multi satge random samplingCluster & multi satge random sampling
Cluster & multi satge random sampling
rifansahDua1
 
10. hipotesis
10. hipotesis10. hipotesis
10. hipotesis
Hafiza .h
 
Modul statistika-ii-part-2
Modul statistika-ii-part-2Modul statistika-ii-part-2
Modul statistika-ii-part-2
apriliantihermawan
 
Uji perbedaan uji z
Uji perbedaan uji z Uji perbedaan uji z
Uji perbedaan uji z
Universitas Negeri Makassar
 
Uji Normalitas dan Homogenitas
Uji Normalitas dan HomogenitasUji Normalitas dan Homogenitas
Uji Normalitas dan Homogenitas
Putri Handayani
 
Pengantar statistika 4
Pengantar statistika 4Pengantar statistika 4
Pengantar statistika 4Az'End Love
 
Statistika Uji Rerata 2 Berpasangan
Statistika Uji Rerata 2 BerpasanganStatistika Uji Rerata 2 Berpasangan
Statistika Uji Rerata 2 Berpasangan
Siti Sahati
 
Penyajian Data ppt
Penyajian Data pptPenyajian Data ppt
Penyajian Data ppt
Aisyah Turidho
 
Contoh Review Jurnal Ilmiah (PENGARUH KEPEMIMPINAN, BUDAYA ORGANISASI DAN LIN...
Contoh Review Jurnal Ilmiah (PENGARUH KEPEMIMPINAN, BUDAYA ORGANISASI DAN LIN...Contoh Review Jurnal Ilmiah (PENGARUH KEPEMIMPINAN, BUDAYA ORGANISASI DAN LIN...
Contoh Review Jurnal Ilmiah (PENGARUH KEPEMIMPINAN, BUDAYA ORGANISASI DAN LIN...
Wulandari Rima Kumari
 

What's hot (20)

Pertanyaan presentasi
Pertanyaan presentasiPertanyaan presentasi
Pertanyaan presentasi
 
Teknik sampling
Teknik samplingTeknik sampling
Teknik sampling
 
Statistika-Uji Hipotesis
Statistika-Uji HipotesisStatistika-Uji Hipotesis
Statistika-Uji Hipotesis
 
Pengertian dan urgensi penelitian
Pengertian dan urgensi penelitianPengertian dan urgensi penelitian
Pengertian dan urgensi penelitian
 
Pengantar Statistika 2
Pengantar Statistika 2Pengantar Statistika 2
Pengantar Statistika 2
 
Tabel t, z dan f dan chi kuadrat
Tabel t, z dan f dan chi kuadratTabel t, z dan f dan chi kuadrat
Tabel t, z dan f dan chi kuadrat
 
Minggu 10_Teknik Analisis Regresi
Minggu 10_Teknik Analisis RegresiMinggu 10_Teknik Analisis Regresi
Minggu 10_Teknik Analisis Regresi
 
Teori pendugaan statistik presentasi
Teori pendugaan statistik presentasiTeori pendugaan statistik presentasi
Teori pendugaan statistik presentasi
 
Contoh tabel data interval, data nominal, data ordinal, data distribusi freku...
Contoh tabel data interval, data nominal, data ordinal, data distribusi freku...Contoh tabel data interval, data nominal, data ordinal, data distribusi freku...
Contoh tabel data interval, data nominal, data ordinal, data distribusi freku...
 
3 . analisis regresi linier berganda dua peubah
3 .  analisis regresi  linier berganda dua peubah3 .  analisis regresi  linier berganda dua peubah
3 . analisis regresi linier berganda dua peubah
 
Cluster & multi satge random sampling
Cluster & multi satge random samplingCluster & multi satge random sampling
Cluster & multi satge random sampling
 
10. hipotesis
10. hipotesis10. hipotesis
10. hipotesis
 
Modul statistika-ii-part-2
Modul statistika-ii-part-2Modul statistika-ii-part-2
Modul statistika-ii-part-2
 
Uji perbedaan uji z
Uji perbedaan uji z Uji perbedaan uji z
Uji perbedaan uji z
 
Uji Normalitas dan Homogenitas
Uji Normalitas dan HomogenitasUji Normalitas dan Homogenitas
Uji Normalitas dan Homogenitas
 
Minggu 9_Teknik Analisis Korelasi
Minggu 9_Teknik Analisis KorelasiMinggu 9_Teknik Analisis Korelasi
Minggu 9_Teknik Analisis Korelasi
 
Pengantar statistika 4
Pengantar statistika 4Pengantar statistika 4
Pengantar statistika 4
 
Statistika Uji Rerata 2 Berpasangan
Statistika Uji Rerata 2 BerpasanganStatistika Uji Rerata 2 Berpasangan
Statistika Uji Rerata 2 Berpasangan
 
Penyajian Data ppt
Penyajian Data pptPenyajian Data ppt
Penyajian Data ppt
 
Contoh Review Jurnal Ilmiah (PENGARUH KEPEMIMPINAN, BUDAYA ORGANISASI DAN LIN...
Contoh Review Jurnal Ilmiah (PENGARUH KEPEMIMPINAN, BUDAYA ORGANISASI DAN LIN...Contoh Review Jurnal Ilmiah (PENGARUH KEPEMIMPINAN, BUDAYA ORGANISASI DAN LIN...
Contoh Review Jurnal Ilmiah (PENGARUH KEPEMIMPINAN, BUDAYA ORGANISASI DAN LIN...
 

Similar to 11.statistik parametrik dan non parametrik

Statistika 1 Yang mempelajari terkait pehitungan dalam kesehatan
Statistika 1 Yang mempelajari terkait pehitungan dalam kesehatanStatistika 1 Yang mempelajari terkait pehitungan dalam kesehatan
Statistika 1 Yang mempelajari terkait pehitungan dalam kesehatan
edwinarudyarti1
 
Uji normalitas dan_homogenitas
Uji normalitas dan_homogenitasUji normalitas dan_homogenitas
Uji normalitas dan_homogenitas
fitriafadhilahh
 
Statistika non parametrik
Statistika non parametrikStatistika non parametrik
Statistika non parametrik
Scott Cracer
 
Uji hipotesis deskriptif non parametris
Uji hipotesis deskriptif non parametrisUji hipotesis deskriptif non parametris
Uji hipotesis deskriptif non parametris
Prima37
 
Kel9b Blok8skenario3
Kel9b Blok8skenario3Kel9b Blok8skenario3
Kel9b Blok8skenario3
micelia amalia
 
uji mann whitney dan uji fisher
uji mann whitney dan uji fisheruji mann whitney dan uji fisher
uji mann whitney dan uji fisher
kacangtom
 
Pengujian hipotesis
Pengujian hipotesisPengujian hipotesis
Pengujian hipotesis
Davi Conan
 
14_Pelatihan-Soal uji hipotesis.pdf
14_Pelatihan-Soal uji hipotesis.pdf14_Pelatihan-Soal uji hipotesis.pdf
14_Pelatihan-Soal uji hipotesis.pdf
SMAPLUSN2BANYUASINII
 
Bahan ajar stat non par
Bahan ajar stat non par Bahan ajar stat non par
Bahan ajar stat non par
Fuhr Heri
 
STATISTIKA_INFERENSIAL MATA KULIAH STATI
STATISTIKA_INFERENSIAL MATA KULIAH STATISTATISTIKA_INFERENSIAL MATA KULIAH STATI
STATISTIKA_INFERENSIAL MATA KULIAH STATI
sudarmin6
 
KEL 4 STATISTIKA.pptx
KEL 4 STATISTIKA.pptxKEL 4 STATISTIKA.pptx
KEL 4 STATISTIKA.pptx
MuhammadArdabFillah
 
Uji Chi Square k-sampel.pdf
Uji Chi Square k-sampel.pdfUji Chi Square k-sampel.pdf
Uji Chi Square k-sampel.pdf
AnaFNisa
 
Modul non parametrik
Modul non parametrikModul non parametrik
Modul non parametrikSyafie ALin
 
Uji Korelasi Parametrik dan Non Parametrik.pdf
Uji Korelasi Parametrik dan Non Parametrik.pdfUji Korelasi Parametrik dan Non Parametrik.pdf
Uji Korelasi Parametrik dan Non Parametrik.pdf
StatistikInferensial
 
Uji Normalitas dan Homogenitas
Uji Normalitas dan HomogenitasUji Normalitas dan Homogenitas
Uji Normalitas dan Homogenitas
silvia kuswanti
 
Uji Korelasi Parametrik dan Non parametrik .pptx
Uji Korelasi Parametrik dan Non parametrik .pptxUji Korelasi Parametrik dan Non parametrik .pptx
Uji Korelasi Parametrik dan Non parametrik .pptx
StatistikInferensial
 
1101 Pertemuan 11 Hipotesis Asosiatif (NonParametrik).pptx
1101 Pertemuan 11 Hipotesis Asosiatif (NonParametrik).pptx1101 Pertemuan 11 Hipotesis Asosiatif (NonParametrik).pptx
1101 Pertemuan 11 Hipotesis Asosiatif (NonParametrik).pptx
azkhaka123
 
5 UJI HIPOTESIS.pptx
5 UJI HIPOTESIS.pptx5 UJI HIPOTESIS.pptx
5 UJI HIPOTESIS.pptx
BaladewaCxii
 
Dasar dasar statistik inferensial
Dasar dasar statistik inferensialDasar dasar statistik inferensial
Dasar dasar statistik inferensial
Apriliani Putri
 
Uji chi square
Uji chi squareUji chi square
Uji chi square
andreani777
 

Similar to 11.statistik parametrik dan non parametrik (20)

Statistika 1 Yang mempelajari terkait pehitungan dalam kesehatan
Statistika 1 Yang mempelajari terkait pehitungan dalam kesehatanStatistika 1 Yang mempelajari terkait pehitungan dalam kesehatan
Statistika 1 Yang mempelajari terkait pehitungan dalam kesehatan
 
Uji normalitas dan_homogenitas
Uji normalitas dan_homogenitasUji normalitas dan_homogenitas
Uji normalitas dan_homogenitas
 
Statistika non parametrik
Statistika non parametrikStatistika non parametrik
Statistika non parametrik
 
Uji hipotesis deskriptif non parametris
Uji hipotesis deskriptif non parametrisUji hipotesis deskriptif non parametris
Uji hipotesis deskriptif non parametris
 
Kel9b Blok8skenario3
Kel9b Blok8skenario3Kel9b Blok8skenario3
Kel9b Blok8skenario3
 
uji mann whitney dan uji fisher
uji mann whitney dan uji fisheruji mann whitney dan uji fisher
uji mann whitney dan uji fisher
 
Pengujian hipotesis
Pengujian hipotesisPengujian hipotesis
Pengujian hipotesis
 
14_Pelatihan-Soal uji hipotesis.pdf
14_Pelatihan-Soal uji hipotesis.pdf14_Pelatihan-Soal uji hipotesis.pdf
14_Pelatihan-Soal uji hipotesis.pdf
 
Bahan ajar stat non par
Bahan ajar stat non par Bahan ajar stat non par
Bahan ajar stat non par
 
STATISTIKA_INFERENSIAL MATA KULIAH STATI
STATISTIKA_INFERENSIAL MATA KULIAH STATISTATISTIKA_INFERENSIAL MATA KULIAH STATI
STATISTIKA_INFERENSIAL MATA KULIAH STATI
 
KEL 4 STATISTIKA.pptx
KEL 4 STATISTIKA.pptxKEL 4 STATISTIKA.pptx
KEL 4 STATISTIKA.pptx
 
Uji Chi Square k-sampel.pdf
Uji Chi Square k-sampel.pdfUji Chi Square k-sampel.pdf
Uji Chi Square k-sampel.pdf
 
Modul non parametrik
Modul non parametrikModul non parametrik
Modul non parametrik
 
Uji Korelasi Parametrik dan Non Parametrik.pdf
Uji Korelasi Parametrik dan Non Parametrik.pdfUji Korelasi Parametrik dan Non Parametrik.pdf
Uji Korelasi Parametrik dan Non Parametrik.pdf
 
Uji Normalitas dan Homogenitas
Uji Normalitas dan HomogenitasUji Normalitas dan Homogenitas
Uji Normalitas dan Homogenitas
 
Uji Korelasi Parametrik dan Non parametrik .pptx
Uji Korelasi Parametrik dan Non parametrik .pptxUji Korelasi Parametrik dan Non parametrik .pptx
Uji Korelasi Parametrik dan Non parametrik .pptx
 
1101 Pertemuan 11 Hipotesis Asosiatif (NonParametrik).pptx
1101 Pertemuan 11 Hipotesis Asosiatif (NonParametrik).pptx1101 Pertemuan 11 Hipotesis Asosiatif (NonParametrik).pptx
1101 Pertemuan 11 Hipotesis Asosiatif (NonParametrik).pptx
 
5 UJI HIPOTESIS.pptx
5 UJI HIPOTESIS.pptx5 UJI HIPOTESIS.pptx
5 UJI HIPOTESIS.pptx
 
Dasar dasar statistik inferensial
Dasar dasar statistik inferensialDasar dasar statistik inferensial
Dasar dasar statistik inferensial
 
Uji chi square
Uji chi squareUji chi square
Uji chi square
 

More from Hafiza .h

14 15 pln 2020-upn d
14 15 pln  2020-upn d14 15 pln  2020-upn d
14 15 pln 2020-upn d
Hafiza .h
 
11 12 pln 2020-upn b
11 12 pln  2020-upn b11 12 pln  2020-upn b
11 12 pln 2020-upn b
Hafiza .h
 
Macam-macam Stakeholder Pada Shopee
Macam-macam Stakeholder Pada ShopeeMacam-macam Stakeholder Pada Shopee
Macam-macam Stakeholder Pada Shopee
Hafiza .h
 
Ppt jurnalistik unsur penulisan artikel kel 8
Ppt jurnalistik unsur penulisan artikel kel 8Ppt jurnalistik unsur penulisan artikel kel 8
Ppt jurnalistik unsur penulisan artikel kel 8
Hafiza .h
 
Konsep probabilitas
Konsep probabilitasKonsep probabilitas
Konsep probabilitas
Hafiza .h
 
12.analisa regresi
12.analisa regresi12.analisa regresi
12.analisa regresi
Hafiza .h
 
9.metode merubah nilai kualitatif menjadi kuantitatif
9.metode merubah nilai kualitatif menjadi kuantitatif9.metode merubah nilai kualitatif menjadi kuantitatif
9.metode merubah nilai kualitatif menjadi kuantitatif
Hafiza .h
 
7.distribusi binomial
7.distribusi binomial7.distribusi binomial
7.distribusi binomial
Hafiza .h
 
8.pengukuran skala indek
8.pengukuran skala indek8.pengukuran skala indek
8.pengukuran skala indek
Hafiza .h
 
6.konsep probabilitas
6.konsep probabilitas6.konsep probabilitas
6.konsep probabilitas
Hafiza .h
 
5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara data5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara data
Hafiza .h
 
3.diskripsi dan visualisasi data
3.diskripsi dan visualisasi data3.diskripsi dan visualisasi data
3.diskripsi dan visualisasi data
Hafiza .h
 
4 .ukuran pemusatan data
4 .ukuran pemusatan data4 .ukuran pemusatan data
4 .ukuran pemusatan data
Hafiza .h
 
Statistik pengukuran instrumen validitas
Statistik  pengukuran instrumen validitasStatistik  pengukuran instrumen validitas
Statistik pengukuran instrumen validitas
Hafiza .h
 
Statistik data
Statistik  dataStatistik  data
Statistik data
Hafiza .h
 
Statistik pengukuran instrumen reliabilitas
Statistik    pengukuran instrumen reliabilitasStatistik    pengukuran instrumen reliabilitas
Statistik pengukuran instrumen reliabilitas
Hafiza .h
 
Pengantar statistik
Pengantar statistikPengantar statistik
Pengantar statistik
Hafiza .h
 
Etika komunikasi massa
Etika komunikasi massaEtika komunikasi massa
Etika komunikasi massa
Hafiza .h
 
Teori teori komunikasi
Teori teori komunikasiTeori teori komunikasi
Teori teori komunikasi
Hafiza .h
 
Paradigma dalam teori komunikasi
Paradigma dalam teori komunikasiParadigma dalam teori komunikasi
Paradigma dalam teori komunikasi
Hafiza .h
 

More from Hafiza .h (20)

14 15 pln 2020-upn d
14 15 pln  2020-upn d14 15 pln  2020-upn d
14 15 pln 2020-upn d
 
11 12 pln 2020-upn b
11 12 pln  2020-upn b11 12 pln  2020-upn b
11 12 pln 2020-upn b
 
Macam-macam Stakeholder Pada Shopee
Macam-macam Stakeholder Pada ShopeeMacam-macam Stakeholder Pada Shopee
Macam-macam Stakeholder Pada Shopee
 
Ppt jurnalistik unsur penulisan artikel kel 8
Ppt jurnalistik unsur penulisan artikel kel 8Ppt jurnalistik unsur penulisan artikel kel 8
Ppt jurnalistik unsur penulisan artikel kel 8
 
Konsep probabilitas
Konsep probabilitasKonsep probabilitas
Konsep probabilitas
 
12.analisa regresi
12.analisa regresi12.analisa regresi
12.analisa regresi
 
9.metode merubah nilai kualitatif menjadi kuantitatif
9.metode merubah nilai kualitatif menjadi kuantitatif9.metode merubah nilai kualitatif menjadi kuantitatif
9.metode merubah nilai kualitatif menjadi kuantitatif
 
7.distribusi binomial
7.distribusi binomial7.distribusi binomial
7.distribusi binomial
 
8.pengukuran skala indek
8.pengukuran skala indek8.pengukuran skala indek
8.pengukuran skala indek
 
6.konsep probabilitas
6.konsep probabilitas6.konsep probabilitas
6.konsep probabilitas
 
5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara data5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara data
 
3.diskripsi dan visualisasi data
3.diskripsi dan visualisasi data3.diskripsi dan visualisasi data
3.diskripsi dan visualisasi data
 
4 .ukuran pemusatan data
4 .ukuran pemusatan data4 .ukuran pemusatan data
4 .ukuran pemusatan data
 
Statistik pengukuran instrumen validitas
Statistik  pengukuran instrumen validitasStatistik  pengukuran instrumen validitas
Statistik pengukuran instrumen validitas
 
Statistik data
Statistik  dataStatistik  data
Statistik data
 
Statistik pengukuran instrumen reliabilitas
Statistik    pengukuran instrumen reliabilitasStatistik    pengukuran instrumen reliabilitas
Statistik pengukuran instrumen reliabilitas
 
Pengantar statistik
Pengantar statistikPengantar statistik
Pengantar statistik
 
Etika komunikasi massa
Etika komunikasi massaEtika komunikasi massa
Etika komunikasi massa
 
Teori teori komunikasi
Teori teori komunikasiTeori teori komunikasi
Teori teori komunikasi
 
Paradigma dalam teori komunikasi
Paradigma dalam teori komunikasiParadigma dalam teori komunikasi
Paradigma dalam teori komunikasi
 

11.statistik parametrik dan non parametrik

  • 1. Statistik Parametrik & Non Parametrik Dosen Pengajar: 1) Dr. Ir. Reda Rizal, M.Si. (Lektor Kepala) 2) Ir. Iswahyuni Adil, MM. (Lektor Kepala) 3) Witanti Prihatiningsih, M.Ikom 4) Ir. Drina Intyaswati, M.Si 1Red@-Statistik-FISIP-UPN Jakarta
  • 2. Definisi • Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang membahas parameter- parameter populasi; jenis data interval atau rasio; distribusi data normal atau mendekati normal. • Statistik NONPARAMETRIK : inferensi statistik tidak membahas parameter-parameter populasi; jenis data nominal atau ordinal; distribusi data tidak diketahui atau tidak normal. 2Red@-Statistik-FISIP-UPN Jakarta
  • 3. • Istilah nonparametrik sendiri pertama kali digunakan oleh Wolfowitz pada tahun1942. • 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. Red@-Statistik-FISIP-UPN Jakarta 3
  • 4. Pengujian statistika non parametrik dilakukan dengan syarat : 1. Data nominal (ada/tidak, mati/hidup, dll) 2. Data ordinal (agak sakit/sakit/sembuh, sangat setuju/setuju/tidak setuju,dll) 3. Data interval dan rasio tidaknormal Red@-Statistik-FISIP-UPN Jakarta 4
  • 5. • 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 jumlah sampel penelitian Red@-Statistik-FISIP-UPN Jakarta 5
  • 6. • Parametrik : distribusi normal, data interval dan rasio. • Non Parametrik : distribusi bebas, data kontinu. • Data Nominal: menurut namanya saja; exp: (PAN, PDI, PKS, GOLKAR) • Data Ordinal: Berdasarkan urutan peringkat (memuaskan, sedang, buruk) Red@-Statistik-FISIP-UPN Jakarta 6
  • 8. Uji Binomial • Adalah alat untuk mengUji data numerik dan atau variabel dikotomi • Jika tidak dikotomi : tentukan cut point – H0 : Frek. Observasi kategori I = frek. Observasi kategori II – H1 : Frek. Observasi kategori I  frek. Observasi kategori II Red@-Statistik-FISIP-UPN Jakarta 8
  • 9. Uji Chi-Square • Chi-Square adalah alat untuk mengUji hipotesis proporsi relatif kasus yang dikelompokkan ke dalam beberapa grup yang saling bebas. – H0 : Proporsi seluruh kategori bernilai sama. – H1 : ada proporsi dari kategori yg dibandingkan bernilai tidak sama – H0 : Proporsi kategori yang ada sama dgn nilai yg telah ditentukan. – H1 : Proporsi kategori yg ada tidak sama dengan nilai yg telah ditentukan Red@-Statistik-FISIP-UPN Jakarta 9
  • 10. Uji Run • Adalah alat untuk mengUji keacakan urutan kejadian dari 2 macam harga suatu variabel dikotomi. – H0 : Urutan kejadian dlm suatu barisan bersifat random. – H1 : Urutan kejadian dlm suatu barisan bersifat tidak random. Red@-Statistik-FISIP-UPN Jakarta 10
  • 11. Uji Kolmogorov - Smirnov • Adalah alat untuk mengUji kesesuaian distribusi data dengan distribusi Teoritis. – H0 : Data sesuai dengan salah satu distribusi teoritis (data faktual = data teoritis). – H1 : tidak sesuai dengan salah satu distribusi teoritis (data faktual ≠ data teoritis) Red@-Statistik-FISIP-UPN Jakarta 11
  • 13. Uji Mann-Whitney • Alternatif lain uji t dua sampel bebas • Perhitungannya berdasarkan frekuensi yang teramati – H0 : Dua sampel bebas berasal dari populasi yang identik atau mempunyai rata2 yang sama (μ1 = μ2). – H1 : dua sampel bebas berasal dari populasi berbeda (μ1 ≠ μ2). Red@-Statistik-FISIP-UPN Jakarta 13
  • 14. Red@-Statistik-FISIP-UPN Jakarta 14 Uji Mann-whitney )( )( UVar UEU Z     1 11 21 2 1 R nn nnU    R1 : Total peringkat salah satu sampel       12 1var 2 )( 2 )1( )( 2121 1 21 1 11 21     nnnnRUVar nnRE nn nnUE
  • 15. Red@-Statistik-FISIP-UPN Jakarta 15  Contoh: suatu perusahaan besar diduga menerapkan diskriminasi penggajian atas gender.  Sebanyak 24 sampel dari antara karyawan dan gajinya ditunjukkan tabel berikut: Wanita 22.5 19.8 20.6 24.7 23.2 19.2 18.7 Pria 21.9 21.6 22.4 24.0 24.1 23.4 21.2 Wanita 20.9 21.6 23.5 20.7 21.6 Pria 23.9 20.5 24.5 22.3 23.6  Berdasarkan data di atas, apakah ada alasan untuk percaya pada taraf nyata 0.05 bahwa telah terjadi diskriminasi penggajian berdasarkan gender? Jawab: Diketahui: data di atas dengan alfa () = 0.05 Ditanyakan : Uji hipotesis perbedaan gaji antara pria dan wanita
  • 16. Red@-Statistik-FISIP-UPN Jakarta 16 Jawaban:  Hipotesis Nol (H0): tidak ada perbedaan antara rata-rata gaji wanita dengan rata-rata gaji pria, atau rata-rata gaji wanita dan pria berasal dari populasi yang berdistribusi sama, atau 1 = 2  Hipotesis Alternatif (H1): ada perbedaan antara rata- rata gaji wanita dengan rata-rata gaji pria atau 1  2   = 0.05  Wilayah kritis adalah : zhit<-z0.025 atau zhit>z0.025 atau zhit < - 1.96 atau zhit > 1.96  Perhitungan:  Pertama, urutkan data dan berikan peringkat  Jumlah peringkat salah satu sampel (sampel wanita atau sampel pria)  Hitung nilai E(U), var(U) dan z
  • 17. Red@-Statistik-FISIP-UPN Jakarta 17 Jenis Kelamin Wanita Wanita Wanita Pria Wanita Wanita Wanita Pria Pria Wanita Wanita Pria Gaji 18.7 19.2 19.8 20.5 20.6 20.7 20.9 21.2 21.6 21.6 21.6 21.9 Peringkat 1 2 3 4 5 6 7 8 10 10 10 12 Total Peringkat Salah Satu Sampel yaitu Wanita (R1):  R1= 1+2+3+5+6+7+10+10+15+16+18+24=117 E(u) = (12 * 12)/2=72 Var(U) = (12) * (12) * (25)/12 = 300 U=12 *12 + (12 *13)/2 =105 Z=(105-72)/300=1.91 • Keputusan Statistik : karena zhit < 1.96 dan zhit > -1.96, maka terima H0 • Kesimpulan Statistik (uji Mann-Whitney): Tidak Ada Perbedaan Antara Rata- Rata Gaji Wanita dengan Rata-Rata Gaji Pria. Tabulasi Data
  • 18. Uji Kolmogorov – Smirnov Z • Adalah alat untuk mengUji Sensitifitas perbedaan dua populasi • Perhitungannya membandingkan dist kumulatif kedua populasi • H0 : Dua sampel bebas berasal dari populasi yg berdistribusi sama. • H1 : dua sampel bebas berasal dari populasi yang berdistribusi tidak sama. Red@-Statistik-FISIP-UPN Jakarta 18
  • 19. Uji Runs Wald Wolfowitz  Minimum untuk skala ordinal  Sensitif terhadap berbagai perbedaan dalam kedua populasi.  Kurang powerful dibandingkan Mann Whitney  Hipotesis alternatif lebih luas dibandingkan Mann Whitney  H0 : Dua sampel bebas berasal dari populasi yg berdistribusi sama.  H1 : dua sampel bebas berasal dari populasi yg berdistribusi tidak sama. Red@-Statistik-FISIP-UPN Jakarta 19
  • 20. Red@-Statistik-FISIP-UPN Jakarta 20 Run Woldfowitz          1 22 1 2 21 2 21 212121 21 21       nnnn nnnnnn RVar nn nn RE )( )( RVar RER z   R adalah jumlah run atau pergantian antara urutan dalam data.
  • 21. Red@-Statistik-FISIP-UPN Jakarta 21 • Contoh: lakukanlah pengujian apakan urutan pengambilan sampel pada kasus Mann Whitney di atas acak atau tidak pada taraf nyata uji 0.05? • Jawab: Diketahui: F = wanita dan M adalah pria Data : F F F M F F F M M F F M M M F F M F M M M M M F n1 = 12 dan n2 = 12,  = 0.05 Ditanyakan : Ujilah keacakan data Jawab: – H0 : Urutan pengambilan sampel adalah acak – H1 : Urutan pengambilan sampel tidak acak –  = 0.05 – Wilayah kritis : zhit<-z0.025 atau zhit> z0.025 atau zhit < -1.96 atau zhit > 1.96 Perhitungan: – Hitung jumlah run (R). – R = 11, artinya ada 11 kali pergantian data antara urutan F dan M
  • 22. Red@-Statistik-FISIP-UPN Jakarta 22           7391.5 112121212 121212122122 131 1212 )1212(2 2         RVar RE 83.0 7391.5 1311   z  Kesimpulan analisis statistik: karena zhit > ztabel (- 1.96), maka terima H0.  Kesimpulan hasil penelitian : Urutan Pengambilan Sampel adalah Acak.
  • 23. Uji Dua Sampel Tidak Bebas Red@-Statistik-FISIP-UPN Jakarta 23
  • 24. Uji Tanda (Sign)  Menghitung selisih kedua sampel berpasangan.  Menggunakan distribusi binom  Jika data banyak, dapat didekati menggunakan distribusi normal  Distribusi diasumsikan kontinu.  Hitung S (jumlah selisih dengan tanda +)  H0 : p=0.5  H1 : p0.5 atau p>0.5 atau p0.5 Red@-Statistik-FISIP-UPN Jakarta 24
  • 25. Red@-Statistik-FISIP-UPN Jakarta 25 Uji tanda Pasangan 1 2 3 4 5 6 7 8 9 10 Istri Suami 3 2 2 3 1 2 0 2 0 0 1 2 2 1 2 3 2 1 0 2 Sejumlah 10 pasangan suami istri yang baru menikah dipilih secara acak dan ditanyakan secara terpisah pada masing-masing istri dan suami, berapa jumlah anak yang mereka inginkan. Informasi yang didapat adalah sebagai berikut: Ujilah apakah kita dapat mengatakan bahwa wanita (istri) menginginkan anak lebih sedikit dibandingkan pria (suami)? Jika taraf nyata uji 0.01 ( = 0.01)
  • 26. Red@-Statistik-FISIP-UPN Jakarta 26 Penyelesaian kasus suami istri • Diketahui : data di atas,  = 0.01 • Ditanyakan : apakah ada perbedaan jumlah anak yang diinginkan antara istri dengan suami? • Jawab : – H0 : Tidak ada perbedaan jumlah anak yang diinginkan antara suami dan istri, atau p = 0.5 – H1 : Ada perbedaan jumlah anak yang diinginkan antara suami dan istri, p < 0.5 – Taraf nyata uji : 0.01 – Wilayah kritis : P(S  s) <  – Perhitungan sebagai berikut:
  • 27. Red@-Statistik-FISIP-UPN Jakarta 27 S = 3, distribusi Binom dengan n = 9 dan p = 0.5 – Menggunakan tabel Binom, maka akan diperoleh: P(S  3) = 0.2539 – Keputusan, karena P(S  3) = 0.2539 > 0.05, maka terima H0. – Kesimpulan: Tidak ada perbedaan jumlah anak yang diinginkan antara suami dan istri Pasangan 1 2 3 4 5 6 7 8 9 10 Istri Suami Selisih 3 2 + 2 3 - 1 2 - 0 2 - 0 0 0 1 2 - 2 1 + 2 3 - 2 1 + 0 2 - Perhitungan:
  • 28. Uji McNemar  Adalah alat untuk mengUji perbedaan sebelum dan sesudah perlakuan (treatment).  H0 : tidak terdapat perbedaan dari sebelum dan sesudah perlakuan.  H1 : Terdapat perbedaa dari sebelum dan sesudah perlakuan Red@-Statistik-FISIP-UPN Jakarta 28
  • 29. Red@-Statistik-FISIP-UPN Jakarta 29 • Memperhitungkan tanda dan besarnya selisih. • H0 : Tidak terdapat perbedaan dari perlakuan 1 dan 2. • H1 : Terdapat perbedaan antara perlakuan 1 dan 2 • Rumus : E(T+) = n(n+1)/4 var(T+) = n(n+1)(2n+1)/24        T TET z var Uji Wilcoxon
  • 30. THANK YOU FOR YOUR ATTENTION ‫ﻭﺑﺮﮔﺘﺔ‬ ‫ﻭﺭﺣﻤﺔﺍﷲ‬ ‫ﻭﻟﺴﻼﻡﻋﻠﻴﻜﻢ‬ Red@-FISIP-UPN Jakarta 30