##################>###

################################################

#[
#######################bjbj################## ###8#######
5#########################################################################>#
######>################################################################
##########
################u###########i#######i#######i#######i#######D#######D#######
D########u#######u#######u#######u#######u#######u#######u######w#####/z##H####u#
#Q##########################D#######################D#######D#######D#######D#####
###u############################i###############i######eu######R######R######
R######D###22#########i##############i########u##############R##################
####################################D########u##############R######R#####o#####
#########################################################################(s######i#
##########P#3L################vN##^###p##"###########t######{u##0###u###
####q######wz######Q######wz##D###(s##############################################
########################(s#####wz#####################s##
###D#######D#######R######D#######D#######################################D#######
D#######D########u#######u######################################R#################
#####################D#######D#######D#######u######D#######D#######D#######D#####
##################################################
####################################wz######D###
####D#######D#######D#######D#######D##############################################
#################D#######D#######D#######>###
##G###:#########

###################################################################################
###################################################################################
###################################################################################
###################################################################################
###################################################################################
########SILABUS STATISTIKA NON PARAMETRIK:Prosedur untuk Data Sampel TunggalUji
Binomial (data Nominal dan sampel kecil N < 25) Uji Z (untuk N > 25) Uji Chi Kuadrat
(data nominal, dan sampel besar) Uji Run Test (untuk data OrdinalUji Kolmogorov-
SmirnovKasus Dua Sampel Berkaitan (Related) Uji Mc NemarUji Tanda (Sign Test)
Wilcoxon Match Pairs Test atau Wilcoxon Signed-Rank TestKasus Dua Sampel Independen
Uji Eksak FisherChi Kuadrat Dua SampelUji MedianMann-Whitney U TestUji Kolmogorov-
Smirnov Dua SampelTest Run Wald-WolfowitzWilcoxon Rank Sum TestKasus k Sampel
BerkaitanFriedmans Analysis of VarianceCohran Q TestKasus k Sampel Independen Chi
Kuadrat k SampelUji Median EkstensiUji Kruskal-WallisKorelasi/AsosiasiKoefisien
KontingensiSperman Rank Order
###################################################################################
###################################################################################
###############################################################################K#e#
n#d#a#l# #T#a# #(##) ##K#o#e#f#i#s#i#e#n# #G#a#m#m#a###S#T#A#T#I#S#T#I#K#
#N#O#N#P#A#R#A#M#E#T#R#I#K###P#e#n#d#a#h#u#l#u#a#n## #U#j#i# #s#t#a#t#i#s#t#i#k#
#n#o#n#p#a#r#a#m#e#t#r#i#k# #i#a#l#a#h# #s#u#a#t#u# #u#j#i# #s#t#a#t#i#s#t#i#k#
#y#a#n#g# #t#i#d#a#k# #m#e#m#e#r#l#u#k#a#n# #a#d#a#n#y#a# #a#s#u#m#s#i#-
#a#s#u#m#s#i# #m#e#n#g#e#n#a#i# #s#e#b#a#r#a#n# #d#a#t#a# #p#o#p#u#l#a#s#i#n#y#a#
#(#b#e#l#u#m# #d#i#k#e#t#a#h#u#i# #s#e#b#a#r#a#n# #d#a#t#a#n#y#a# #d#a#n#
#t#i#d#a#k# #p#e#r#l#u# #b#e#r#d#i#s#t#ribusi normal) . Oleh karenanya statistik ini
juga dikemukakan sebagai statistik bebas sebaran (tdk mensyaratkan bentuk sebaran
parameter populasi, baik normal atau tidak) . Statistika non-parametrik dapat
digunakan untuk menganalisis data yang berskala Nominal atau Ordinal. Data berjenis
Nominal dan Ordinal tidak menyebar normal. Selain itu statistik ini dapat digunakan
pada data yang berjumlah kecil, yakni kurang dari 30 data. Banyak alternatif uji
statistik nonparametrik seperti yang ditunjukkan pada Lampiran. Berbagai literatur
memberikan pengelompokan kategori statistik nonparametrik dengan berbagai cara yang
berbeda. Namun demikian, secara sederhana dan berdasarkan prosedur yang sering
digunakan, uji-uji tersebut dapat dikelompokkan atas kategori berikut:Prosedur
untuk data dari sampel tunggalProsedur untuk data dari dua kelompok atau lebih
sampel bebas (independent) Prosedur untuk data dari dua kelompok atau lebih sampel
berhubungan (dependent) Korelasi peringkat dan ukuran-ukuran asosiasi lainnya
Prosedur untuk Data dari Sampel TunggalProsedur sampel tunggal biasanya bertipe
goodness of fit. Dalam hal ini kita menarik suatu sampel random dan kemudian
menguji hipotesis apakah sampel sampel berasal dari suatu populasi dengan
distribusi tertentu. Dengan demikian prosedur ini dapat menjawab pertanyaan-
pertanyaan: Adakah perbedaan kecenderungan antara sampel dengan populasi? Adakah
perbedaan antara frekuensi yang diamati dengan frekuensi yang diharapkan? Dan
sejenisnya.Pada statistik parametrik pertanyaan-pertanyaan tersebut dapat diuji
dengan uji t. Pada statistik nonparametrik pertanyaan-pertanyaan tersebut antara
lain dapat dijawab dengan menggunakan uji Binomial, uji Chi-Kuadrat satu sampel,
dan uji Kolmogorof-Smirnov. Prosedur untuk Sampel IndependenProsedur ini digunakan
untuk membandingkan suatu variabel yang diukur dari sampel yang tidak sama (bebas) .
Misalnya rata-rata pendapatan dari sampel yang diambil berasal dari pedagang sate
dan pedagang bakso. Atau kepuasan kerja dari karyawan golongan II, III, dan IV.
Dalam statistik parametrik, untuk membandingkan membandingkan nilai rata-rata dua
kelompok independen digunakan uji t (t-test) . Jika yang dibandingkan lebih dari 2
kelompok maka digunakan uji F (dalam ANOVA) .Dalam statistik nonparametrik,
alternatif yang dapat digunakan untuk membandingkan suatu variabel dari dua
kelompok sampel independen antara lain adalah: uji kemungkinan eksak dari Fisher,
uji Chi-Kuadrat dua sampel, uji Media, uji U Mann-Whitney, uji Kolmogorov-Smirnov
dua sampel. Jika kelompok yang dibandingkan lebih dari dua, maka dapat digunakan
uji Chi-Kuadrat k sampel, uji Median, analisis varians Ranking satu arah, dan uji
Kruskal-Wallis.Prosedur untuk Sampel DependenProsedur ini digunakan ketika ingin
membandingkan suatu variabel yang diukur dari sampel sama (berhubungan) . Misalnya
ingin mengetahui perbedaan produktivitas kerja, dengan pengukuran dilakukan pada
sampel pekerja yang sama baik sebelum maupun sesudah pelatihan dilakukan. Atau
membandingkan produktivitas kerja karyawan sebelum sebelum ada insentif, setelah
ada insentif, dan setelah ada insentif plus makan siang di kantor.Pada statistik
parametrik, jika ingin membandingkan dua variabel yang diukur dari sampel yang
sama, dapat menggunakan uji t data berpasangan. Jika yang dibandingkan lebih dari 2
kelompok maka digunakan uji F (dalam ANOVA) . Pada statistik nonparametrik jika
kelompok yang dibandingkan ada dua alternatif untuk uji yang dapat digunakan adalah
uji Tanda (Sign test) , uji Wilcoxon, dan uji McNemar. Jika kelompok yang
dibandingkan lebih dari dua kelompok maka uji statistik nonparametrik yang dapat
digunakan adalah Friedmans two-way analysis of variance dan Cochran Q test.
Korelasi Peringkat dan Ukuran-Ukuran Asosiasi LainnyaDalam statistik parametrik
ukuran korelasi yang umum digunakan adalah korelasi Product Moment Pearson.
Diantara korelasi nonparametrik yang ekuivalen dengan koefisien korelasi standar
ini dan umum digunakan adalah koefisien kontingensi C, Spearman R, Kendal Tau dan
coefficien Gamma. Selain ketiga pengukuran tersebut, Chi square yang berbasiskan
tabel silang juga relatif populer digunakan dalam mengukur korelasi antar variabel.
Contoh Uji Statistik NonparametrikKarena banyaknya uji statistik nonparametrik,
maka tidak mungkin dibahas semua dalam waktu singkat. Berikut ini hanya akan
dikemukakan babarapa contoh saja.Prosedur untuk Data dari Sampel Tunggal dengan
Chi-KuadratAkan diuji distribusi frekuensi kategori variabel motivasi hasil amatan
dengan distribusi frekuensi kategori variabel sama yang diharapkan. Hipotesis nol
uji tersebut adalah: tidak terdapat perbedaan distribusi variabel motivasi hasil
amatan dengan distribusi harapan. Prosedur ini banyak digunakan pada uji normalitas
variabel. Rumus yang digunakan dalam uji tersebut adalah: # EMBED Equation.3 ###
dengan keterangan:# EMBED Equation.3 ### = banyaknya kasus yang diamati dalam
kategori i.# EMBED Equation.3 ### = banyaknya kasus yang diharapkan# EMBED
Equation.3 ### = penjumlahan semua kategori k. Misalkan hasil penelitian
memperoleh frekuensi kategori hasil observasi (kolom O) dan frekuensi kategori
harapan ditunjukkan (kolom E) pada Tabel 1, untuk menghitung # EMBED Equation.3
#### EMBED Equation.3 ###perlu dibuat kolom ((O-E) ^2) /E.Tabel 1. Uji Statistik
Nonparametrik Data dari Sampel Tunggal dengan Chi-KuadratKategori#O#E#((O-
E) ^2) /E##Sangat
Rendah#3#2#0.500##Rendah#7#8#0.125##Sedang#8#10#0.400##Tinggi#8#8#0.000##Sangat
Tinggi#4#2#2.000##Total#30#30#3.025##Dengan cara tersebut, maka diperoleh # EMBED
Equation.3 ###= 3.025. Derajad kebebasan (db) uji tersebut adalah jumlah kategori
(k) dikurangi 1 = 4. Pada taraf signifikasi (() = 5% harga # EMBED Equation.3 ###
tabel = 9,49. Karena # EMBED Equation.3 ###hitung < # EMBED Equation.3 ###tabel,
maka hipotesis nol diterima.Prosedur untuk Sampel IndependenHollingshead (1949)
meneliti pilihan kurikulum oleh pelajar di kota Elmtown ditinjau dari kelas
sosialnya. Kurikulum yang ada mencakup persiapan ke PT, umum, dan perdagangan.
Sedangkan kelas sosial yang ada dikelompokkan menjadi 4. Hipotesis nol yang
diajukan Hollingshead adalah: proporsi siswa yang tercatat dalam ketiga kemungkinan
kurikulum adalah sama untuk semua kelas sosial. Dengan # EMBED Equation.3 ###
untuk k sampel independen, rumus yang digunakan adalah sebagai berikut:# EMBED
Equation.3 ###dengan keterangan:# EMBED Equation.3 ### = jumlah kasus yang
diobservasi dalam baris ke i pada kolom ke j# EMBED Equation.3 ### = jumlah
kasus yang diharapkan dalam baris ke i pada kolom ke j# EMBED Equation.3 ###=
jumlah semua sel Dalam penelitian Hollingshead diperoleh data hasil observasi (O)
dan data yang diharapkan (O) seperti Tabel 2. Untuk menghitung # EMBED Equation.3
#### EMBED Equation.3 ###perlu dibuat kolom ((O-E) ^2) /E.Tabel 2. Uji Statistik
Nonparametrik Data dari k Sampel Independen dengan Chi-KuadratKurikulum#Kelas
Sosial#Total O###I#II#III#IV####E#O#((O-E) ^2) /E#E#O#((O-E) ^2) /E#E#O#((O-
E) ^2) /E#E#O#((O-E) ^2) /E###Persiap-an
PT#7.27#23#34.04#30.32#40#3.09#38.01#16#12.74#5.40#2#2.14#81##Umum#18.58#11#3.09#77
.49#75#0.08#97.13#107#1.00#13.80#14#0.00#207##Perdagangan#9.15#1#7.26#38.18#31#1.35
#47.86#60#3.08#6.80#10#1.51#102##Total##35#44.40##146#4.52##183#16.82##26#3.65#
390### EMBED Equation.3 ###= 44.40+4.52+16.82+3.65 = 69.39. Derajad kebebasan
dalam uji tersebut, db = (4 - 1) * (3 - 1) = 6. Dengan
###################################################################################
###################################################################################
#####################=# #5#%# #d#a#n# #d#b# #=# #6# #d#i#p#e#r#o#l#e#h# ###
#E#M#B#E#D# #E#q#u#a#t#i#o#n#.#3# # #######t#a#b#e#l# #=# #1#2#.#5#9#.#
#K#a#r#e#n#a# ### #E#M#B#E#D# #E#q#u#a#t#i#o#n#.#3# # #######h#i#t#u#n#g# #># ###
#E#M#B#E#D# #E#q#u#a#t#i#o#n#.#3#
# ####### #t#a#b#e#l#,# #m#a#k#a# #H#o# #t#i#d#a#k# #d#i#t#e#r#i#m#a#.#
#P#r#o#s#e#d#u#r# #u#n#t#u#k# #S#a#m#p#e#l# #D#e#p#e#n#d#e#n##U#j#i#
#M#c#N#e#m#a#r# #d#u#a# #s#a#m#p#e#l# #d#e#p#e#n#d#e#n# #d#a#p#a#t#
#d#i#p#e#r#l#u#a#s# #u#n#t#u#k# #d#i#p#a#k#a#i# #d#a#l#a#m penelitian yang
mempunyai lebih dari dua kelompok sampel. Perluasan ini, yakni uji Q Cochran k
sampel berhubungan memberi suatu metode untuk menguji apakah tiga himpunan atau
lebih mempunyai frekuensi atau proporsi saling berbeda atau tidak.Rumus yang
digunakan dalam uji Q Cochran adalah:# EMBED Equation.3 ###dengan keterangan:#
EMBED Equation.3 ### = jumlah keseluruhan sukses dalam kolom ke j# EMBED
Equation.3 ### = jumlah keseluruhan sukses dalam barir ke i.Misalkan diteliti
pengaruh 3 cara wawancara terhadap kemungkinan jawaban dari 10 responden. Jika
jawaban pertanyaan ya dikode 1 dan jawaban tidak dikode 0. Hipotesis nol
penelitian ini berbunyi: kemungkinan jawaban ya adalah sama untuk ketiga jenis
wawancara. Data penelitian ini ditunjukkan pada Tabel 3. Tabel 3. Uji Statistik
Nonparametrik Data dari k Sampel Dependen dengan Uji # EMBED Equation.3 ###
CochranResponden#Wawancara 1#Wawancara 2#Wawancara
3#Li1#Li2##1##0##0##1##1##1##2##1##0##1##2##4##3##1##1##1##3##9##4##1##1##0##2##4##
5##0##1##0##1##1##6##1##0##1##2##4##7##1##1##1##3##9##8##1##0##1##2##4##9##0##0##0#
#0##0##10##0##0##1##1##1###G1 =#6#G2 =#4#G3 =#7## EMBED Equation.3 ####17## EMBED
Equation.3 ####37##Berdasarkan tabel tersebut, maka # EMBED Equation.3 ###dapat
dihitung sbb: # EMBED Equation.3 ### # EMBED Equation.3 ### = 0.180
db = k 1 = 2 ( = 0.05 # EMBED Equation.3 ### tabel (# EMBED
Equation.3 ### tabel) = 5.99. # EMBED Equation.3 ### hitung < # EMBED
Equation.3 ###tabel -> Ho diterima.Korelasi Peringkat dan Ukuran-Ukuran Asosiasi
LainnyaKoefisien kontingensi C adalah suatu ukuran kadar asosiasi atau relasi
antara dua himpunan variabel. Ukuran ini berguna khususnya kalau kita hanya
mempunyai data variabel dalam skala nominal. Koefisien kontingensi yang dihitung
berdasarkan suatu tabel kontingensi akan mempunyai harga yang sama bagaimanapun
katogori yang ada disusun dalam baris-baris dan kolom-kolomnya. Rumus yang
digunakan untuk menghitung koefisien kontingensi adalah sebagai berikut:# EMBED
Equation.3 ###dimana # EMBED Equation.3 ### Misalkan digunakan data hasil
observasi pilihan kurikulum oleh pelajar di kota Elmtown ditinjau dari kelas
sosialnya seperti Tabel 2. Dengan mengetahui harga # EMBED Equation.3 ### = 69.39;
maka dapat dihitung:# EMBED Equation.3 ### = 0.39.Dengan demikian berdasarkan pada
data Tabel 2 diperoleh relasi atau asosiasi antara kelas sosial dan pilihan
kurikulum adalah 0.39. Sumber:Siegel, S. (1988) . Statistik nonparametrik untuk
ilmu-ilmu sosial. Jakarta: Gramedia.Alabama University. CHS 627: Multivariate
Methods in Health Statistics. Choosing the correct statistical test. Diambil pada
tanggal 18 Juli 2010, dari http://bama.ua.edu/~jleeper/627/choosestat.html.
Lampiran:Number of ## HYPERLINK "" \l "outcome" #Dependent*# #Variables#Number #of
## HYPERLINK "" \l "predictor" #Independent**# #Variables#Type #of #Dependent
#Variable(s) #Type #of #Independent #Variable(s) #Measure#Test(s) ##1#0 #(1
population) #continuous normal#not applicable #(none) #mean#one-sample t-
test####continuous non-normal##median#one-sample
median####categorical##proportions#Chi Square goodness-of-fit, binomial
test###1 #(2 independent populations) #normal#2 categories#mean#2 independent
sample t-test####non-normal##medians#Mann Whitney, #Wilcoxon rank sum
test####categorical##proportions#Chi square test #Fisher's Exact test###0 #(1
population measured twice) #or #1 #(2 matched populations) #normal#not applicable/
#categorical#means#paired t-test####non-normal##medians#Wilcoxon signed ranks
test####categorical##proportions#McNemar, Chi-square test###1 #(3 or more
populations) #normal#categorical#means#one-way ANOVA####non-normal##medians#Kruskal
Wallis####categorical##proportions#Chi square test###2 or more #(e.g., 2-way
ANOVA) #normal#categorical#means#Factorial ANOVA####non-normal##medians#Friedman
test####categorical##proportions#log-linear, logistic regression###0 #(1 population
measured #3 or more times) #normal#not applicable#means#Repeated measures
ANOVA###1#normal#########
##
##<
##>
##l
##n
##p
##
##
##
##
##
##
##K###t###~############
x eReRe?e?
eR######################$#h;##h;Q#0J##CJ##OJ##QJ##^J##aJ###$#h;##ht##0J##CJ##
OJ##QJ##^J##aJ###$#h;##h##0J##CJ##OJ##QJ##^J##aJ#####h;##he!
#5#CJ##OJ##QJ##^J##aJ## #h;##h##CJ##OJ##QJ##^J##aJ#####h;##hn
=#5#CJ##OJ##QJ##^J##aJ####h;##h##5#CJ##OJ##QJ##^J##aJ####h
##5#CJ##OJ##QJ##^J##aJ## #h
3##h ##CJ##OJ##QJ##^J##aJ#####h ##CJ##OJ##QJ##^J##aJ#####h) 7##h
##5#CJ##OJ##QJ##^J##aJ############F###z################### ##+ ##A ##z
##{ ## ## ## ## ## ###
###
##/
##0
##I
############################################################################
#############################################################################
#############################################################################
##########################################################
&##F##gd #####
&##F
#gd #######*#^*#gd #####
&##F #gd #####
&##F#####>^#`>gd ######gd ####I
##i
##w
##x
##
##
##
##
##
##
##
#######
##<
##>
##n
##p
##
############################################################################
############################################################################
##############################################################################
############ ###$####a$#gdg####
&##F###l####^l#gde!########gd### ###$####a$#gdt#####
&##F##gd #####
&##F#gd #####
&##F#####>^#`>gd #######*#^*#gd #####
&##F
#gd ###################;###H#################%###&###O###^######?
###B###M###~h~UAU.###$#h;##h>#
%#0J##CJ##OJ##QJ##^J##aJ###'#h;##hy##0J##6#CJ##OJ##QJ##^J##aJ##$#h;##hy##0J#
#CJ##OJ##QJ##^J##aJ###*#h;##hwo#0J##5#CJ##OJ##QJ##\#^J##aJ###*#h;##h;Q#0J##
5#CJ##OJ##QJ##\#^J##aJ###
#h;##hg#CJ##OJ##QJ##^J##aJ###$#h;##h;Q#0J##CJ##OJ##QJ##^J##aJ###
#h;##h;Q#CJ##OJ##QJ##^J##aJ###
#h;##ht##CJ##OJ##QJ##^J##aJ###$#h;##ht##0J##CJ##OJ##QJ##^J##aJ###$#h;##h3C#
#0J##CJ##OJ##QJ##^J##aJ##########+###w############&######################
######m##################################################################
#############################################################################
############################################################################
############################################### ###$####a$#gd;Q##
###$######`#a$#gd;Q#####$#
&##F###z####^z#a$#gd;Q## ###$####a$#gdg#####$#
&##F###n####^n#a$#gd;Q##
###$####a$#gdt####M##############################
###.###4###w#############u###v#############
########################l##################uuuuubbb
b######################$#h;##hA##0J##CJ##OJ##QJ##^J##aJ###$#h;##hg`##0J##CJ#
#OJ##QJ##^J##aJ###$#h;##h*(
#0J##CJ##OJ##QJ##^J##aJ###$#h;##hwo#0J##CJ##OJ##QJ##^J##aJ###*#h;##hwo#0J##5#
CJ##OJ##QJ##\#^J##aJ###*#h;##h;Q#0J##5#CJ##OJ##QJ##\#^J##aJ###$#h;##h;Q#0
J##CJ##OJ##QJ##^J##aJ###$#h;##h>#
%#0J##CJ##OJ##QJ##^J##aJ##"##############################m############
#####################}mZH#####################################
#####h;##he!
#5#CJ##OJ##QJ##^J##aJ##$#h;##h;#0J##CJ##OJ##QJ##^J##aJ#####h;#0J##CJ##OJ##Q
J##^J##aJ#####hwo#0J##CJ##OJ##QJ##^J##aJ###$#h;##hf~#0J##CJ##OJ##QJ##^J##aJ###*
#h;##h;Q#0J##5#CJ##OJ##QJ##\#^J##aJ###
#h;##h;Q#CJ##OJ##QJ##^J##aJ###$#h;##h;Q#0J##CJ##OJ##QJ##^J##aJ###$#h;##hwo
#0J##CJ##OJ##QJ##^J##aJ###$#h;##hQ#N#0J##CJ##OJ##QJ##^J##aJ#################
#S###T#######!##!!##4!##}!##!##!##"##"##
%###8########################################################################
############################################################################
###############################################################################
########################
###$####a$#gd&qw######$#########^##`#a$#gd######$#
&##F#######^#a$#gd#######$#########^##`#a$#gdH####
&##F###l####^l#gde!## ###$####a$#gdwo#############T###i###q##########
## ###!## !##
!###!###!##kWp]F],##############3#jXO
###h;##h#R#0J##CJ##OJ##QJ##U##V##^J##aJ##-
#j#####h;##h##0J##CJ##OJ##QJ##U##^J##aJ##$#h;##h##0J##CJ##OJ##QJ##^J##aJ###
$#h;##hi#2#0J##CJ##OJ##QJ##^J##aJ###'#h;##h##0J##CJ##OJ##QJ##\#^J##aJ##'#h;
##hm#0J##CJ##OJ##QJ##\#^J##aJ##*#h;##hC!
{#0J##5#CJ##OJ##QJ##\#^J##aJ###*#h;##h##0J##5#CJ##OJ##QJ##\#^J##aJ###'#h;
##h?#0J##CJ##OJ##QJ##\#^J##aJ##'#h;##hH#0J##CJ##OJ##QJ##\#^J##aJ#####!###!
## !##!!##3!##4!##5!##H!##I!##J!##K!##z!##{!##}!##~!##!
##eL8#################################'#h;##hv#C#0J##6#CJ##OJ##QJ##^
J##aJ##1#j####h;##hv#C#0J##CJ##EHOJ##QJ##U##^J##aJ##3#j5O
###h;##hv#C#0J##CJ##OJ##QJ##U##V##^J##aJ##-
#j#####h;##hv#C#0J##CJ##OJ##QJ##U##^J##aJ##$#h;##h##0J##CJ##OJ##QJ##^J##aJ###
$#h;##hv#C#0J##CJ##OJ##QJ##^J##aJ###$#h;##h[!#0J##CJ##OJ##QJ##^J##aJ###-
#j#####h;##h##0J##CJ##OJ##QJ##U##^J##aJ##1#j#####h;##h#R#0J##CJ##EHOJ##QJ##
U##^J##aJ####!##