Metode Non-Parametrik
Secara umum statistik dibagi menjadi statistik parametrik dan statistik non-parametrik.
1. STATISTIK PARAMETRIK
Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah data menyebar secara normal atau tidak.
Ciri-ciri statistik parametrik :
– Data dengan skala interval dan rasio
– Data menyebar/berdistribusi normal
2.STATISTIK NON-PARAMETRIK
Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk sebaran parameter populasi, baik normal atau tidak).
Ciri-ciri statistik non-parametrik :
– Data tidak berdistribusi normal
– Umumnya data berskala nominal dan ordinal
– Umumnya dilakukan pada penelitian sosial
– Umumnya jumlah sampel kecil
Metode- Metode yang termasuk statistik non-parametrik diantanya ialah:
1. Uji Chi-square
Chi-square adalah pengujian hipotesis mengenai perbandingan antara frekuensi observasi atau yang benar-benar terjadi atau aktual dengan frekuensi harapan. Yang dimaksud dengan frekuensi harapan adalah frekuensi yang nilainya dapat di hitung secara teoritis (e). Sedangkan dengan frekuensi observasi adalah frekuensi yang nilainya di dapat dari hasil percobaan (o). Menurut Walpole chi-square adalah uji yang didasarkan pada seberapa baik kesesuaian antara frekuensi yang teramati dalam data contoh dengan frekuensi harapan yang didasarkan pada sebaran yang dihipotesiskan (Wallpole, 1992).
Uji chi-square digunakan untuk mengadakan estimasi, sebagai alat estimasi chi-square yang digunakan untuk menaksir apakah ada perbedaan signifikan atau tidak antara frekuensi yang di observasi dalam sampel dengan frekuensi yang diharapkan dalam populasi. Frekuensi yang diharapkan dalam populasi ini kadang-kadang disebut juga frekuensi hipotetik, karena digunakan sebagai hipotesa yang akan diuji dengan frekuensi yang akan diperoleh dari sampel (Hasan, 2002).
Tujuan dari chi-square:
- Menguji kebebasan (independensi) antar faktor dari data dalam daftar kontingensi atau uji kebebasan.
- Menguji kesesuaian antara data hasil pengamatan dengan model distribusi dari mana data itu di peroleh.
- Menguji apakah frekuensi yang diamati (di observasi) berbeda secara signifikan dengan frekuensi teoritis atau frekuensi yang diharapkan.
- Menguji apakah data sampel mempunyai distribusi yang mendekati distribusi teoritis atau hipotesis atau populasi tertentu seperti distribusi binomial, poison, dan normal.
Batas-batas tentang Penggunaan Chi – Square
1. Chi-square pada dasarnya hanya dapat digunakan untuk menganalisa data yang berwujud frekuensi. Frekuensi adalah bilangan sebagai hasil daripada penghitungan atau counting.
2. Untuk pengetesan korelasi chi-square hanya dapat menunjukan apakah korelasi antara dua gejala atau lebih signifikan ataukah tidak. Dengan chi square sama sekali tak dapat diungkapkan kenyataan tentang besar-kecilnya korelasi yang diselidiki.
3. Pada dasarnya chi-square belum dapat menghasilkan kesimpulan yang memuaskan untuk menyelidiki tabel-tabel kontingensi dengan petak-petak kecil. Jika jumlah individu dan jumlah sampel cukup banyak, cara atau mengkombinasikan kategori-kategori yang mempunyai petak kecil memberikan hasil yang lebih memuaskan.
4. Chi-square paling tepat untuk digunakan pada data yang diperoleh dari sampel-sampel dan kategori-kategori yang terpisah satu sama lain. Data semacam ini disebut data kategorik, data diskrit, atau data nominal.
2. Sign Test (Uji Tanda)
Sign Test (Uji Tanda) merupakan metode analisis untuk menguji hipotesis komparatif dua sampel yang berkorelasi, dimana datanya mempunyai skala pengukuran ordinal. Metode analisis ini menggunakan data yang dinyatakan dalam bentuk tanda-tanda positif dan negatif, dari perbedaan antara pengamatan yang berpasangan. Teknik ini dinamakan uji tanda (sign Test) karena data yang akan dianalisis dinyatakan dalam bentuk tanda-tanda positfi-negatif. Misalnya dalam suatu eksperimen, hasilnya tidak dinyatakan berapa besar perubahannya secara kuantitatif, tetapi dinyatakan dalam bentuk perubahan yang positif dan negatif.
Sampel yang digunakan dalam penelitian adalah sampel yang berpasangan, misalnya suami-isteri, pria-wanita, pegawai negeri-swasta dan lain-lain.Tanda positif dan negatif akan dapat diketahui berdasarkan perbedaan nilai antara satu dengan yang lain dalam pasangan itu.sebagai contoh perbedaan data yang diberikan oleh suami-isteri.
Hipotesis nol (H0) yang diuji adalah : P (XA > XB) = p (XA B) = 0,5 peluang berubah dari XA ke XB = peluang berubah dari XAke XB = 0,5 atau peluang untuk memperoleh beda yang bertanda sama dengan peluang untuk memperoleh beda yang negatif. jadi kalau tanda positif jauh lebih banyak dari negatifnya dan sebaliknya, maka H0 ditolak. XA = nilai setelah ada perlakuan (treatment) dan XB = nilai sebelum ada perlakuan. H0 dapat diketahui berdasarkan median dari kelompok yang diobservasi. bila jarak antara median dengan tanda positif dan negatif sama nol, maka H0 diterima.
Jika (XA – XB) menunjukan nilai perbedaan dan m merupakan median dari perbedaan ini, maka uji tanda dapat digunakan untuk menguji H0 : m= 0 dan Ha ≠ 0 dengan peluang masing-masing = 0,5, jadi H0 : p = Ha; p=0,5.
untuk sampel yang kecil ≤ 25 pengujian dilakukan dengan menggunakan prinsip-prinsip distribusi binomial dengan P = Q= 0,5 (lihat test binomial) dimana N=banyak pasangan. bila suaktu pasangan observasi tidak menunjukan adanya perbedaan yakni selisih = 0, maka pasangan itu dicoret dari analisis. dengan demikian N-nya akan berkurang. untuk pengujian hipotesis dapat membandingkan dengan tabel, dimana X dalam tabel itu adalah nilai bertanda positif atau negatif yang jumlahnya lebih kecl. sedang untuk sampel besar >25 dapat dilakuakn pengujian Chi kuadrat yang rumusnya adalah :
c 2 = [ (n1 – n2)- 1]2
n1 + n 2
dimana :
n1 = banyak data positif
n 2 = banyak data negatif
SUMBER:
http://skripsimahasiswa.blogspot.com/2010/11/model-model-analisis-statistik-non.html
Walpole, E. Ronald. 1995. Pengantar statistika, Edisi 3. Jakarta. GRAMEDIA PUSTAKA UTAMA
Hasan, M. Iqbal. 2001. Statistika 1. Jakarta. BUMI AKSARA.