Statistik Non Parametik - Metematika
Dilihat dari segi asumsi/ Aspek asumsi
Asal kata parametrik “Parameter”
Terdapat ukuran deskriptif dari fenomena bagi Populasi “Parameter”
Terdapat juga ukuran deskriptif bagi sampel “Statistik”
# Statistik Parametrik (Parameter) = Adanya asumsi : Normalitas Data, Homogenitas Varians, Untuk data besar (N>30) Dan Skala Pengukuran data umumnya adalah skala Interval / Rasio.
# Statistik non Parametrik = Tidak perlu adanya Asumsi, Datanya bisa Interval atau Ordinal Dan Untuk n kecil, sangat dimungkinkan.
Keeratan hubungan menurut Guilford :
http://roelcup.wordpress.com
roelcup@gmail.com
cup_13@yahoo.co.id
1. STATYSTIC NON-PARAMETRIC
NAMA : NURUL CHAIRUNNISA UTAMI PUTRI
NIM : 1620070008
FAK / JUR : SAINS & TEKNOLOGI / MATEMATIKA
http://roelcup.wordpress.com
UNIVERSITAS ISLAM AS-SYAFI’IYAH
JAKARTA TIMUR
2010
2. STATISTIK NON PARAMETIK
Dilihat dari segi asumsi/ Aspek asumsi
Asal kata parametrik → “Parameter”
Terdapat ukuran deskriptif dari fenomena bagi Populasi → “Parameter”
Contoh : Mean →
Varians →
Simpangan baku →
Terdapat juga ukuran deskriptif bagi sampel → “Statistik”
Contoh : Mean →
Varians →
Simpangan baku →
Statistik Parametrik (Parameter)
Adanya asumsi :
Normalitas Data
Homogenitas Varians
Untuk data besar ( > 30)
Skala Pengukuran data → umumnya adalah skala Interval / Rasio.
Skala interval :
Adanya Pengelompokan (Klasifikasi)
Adanya Pengurutan (Orde)
Kesamaan Jarak (Equality of Interval)
Contoh Skala Interval : 50kg
70kg
30kg
3. Statistik non Parametrik
Tidak perlu adanya Asumsi.
Datanya bisa Interval atau Ordinal
Contoh data Interval : 30kg – 50kg
50kg – 70kg
70kg – 90kg
Contoh data Ordinal : 1. SD
2. SMP
3. SMA
4. PT
Untuk kecil, sangat dimungkinkan.
Contoh : untuk data Nominal atau Ordinal
o Uji chi-square ( )
Digunakan untuk uji asosiatif(hubungan antara variabel yang berskala
nominal/ordinal dengan variabel nominal/ordinal.
Rumus :
( − )
=
Ket : → Observation / Observasi / Pengamatan / Frekuensi nilai
pengamatan
→ Expection / Nilai harapan
Nilai E dapat ditentukan dengan :
∙ × ∙
=
∙∙
Ket : → baris (row)
→ kolom (column)
∙ → jumlah marginal baris ke-i
∙ → jumlah marginal kolom ke-j
∙∙ → jumlah sampel secara keseluruhan
o Pengujian hipotesis
4. Jika ℎ > , maka tolak
→ ( )
= ( − 1)( − 1)
Selanjutnya jika terdapat hubungan antara 2 variabel tersebut , dapat
ditentukan keeratan hubungannya. Atau biasa disebut “(koefisien Kontingansi)”
Rumus :
=
+
Ket : = ∙∙
Ukuran keeratannya dengan membandingkan nilai C dengan
Dimana nilai adalah :
−1
=
→ nilai yang paling Minimum ( dalam jumlah baris / kolom)
Contoh :
1. Seorang peneliti ingin melakukan studi hubungan antara tingkat pendapatan
dengan frekuensi rekreasi keluar kota.
Frekuensi rekreasi keluar kota
Tingkat pendapatan
sesekali jarang Sering
Rendah 77 13 8
Menengah 145 58 27
tinggi 21 32 19
Apakah terdapat hubungan antara tingkat pendapatan dengan frekuensi
rekreasi keluar kota ?
Jawab :
5. Frekuensi rekreasi keluar kota
Tingkat pendapatan total
sesekali jarang Sering
Rendah 77 13 8 98
Menengah 145 58 27 230
tinggi 21 32 19 72
total 243 103 54 400
Didapat :
∙ = 243 O = 77 O = 13 O =8
∙ = 103 O = 145 O = 58 O = 27
∙ = 54 O = 21 O = 32 O = 19
∙ = 98
∙ = 230
∙ = 72
∙∙ = 400
Jawab :
∙ × ∙ 98 × 243
= = = 59.535
∙∙ 400
∙ × ∙ 98 × 103
= = = 25.235
∙∙ 400
∙ × ∙ 98 × 54
= = = 13.23
∙∙ 400
∙ × ∙ 230 × 243
= = = 139.725
∙∙ 400
∙ × ∙ 230 × 103
= = = 59.225
∙∙ 400
∙ × ∙ 230 × 54
= = = 31.05
∙∙ 400
7. = (3 − 1)(3 − 1)
=4
Jika nilai = 5% → = 95%
. ( ) = 9.4877
Ternyata ℎ > , maka tolak
Artinya : Terdapat hubungan yang significant antara tingkat pendapatan dengan frekuensi
rekreasi keluar kota.
Atau jika nilai = 1% → = 99%
. ( ) = 11.14
Ternyata ℎ > , maka tolak
Dengan = 99% terdapat hubungan yang sangat significant antara tingkat pendapatan
dengan frekuensi rekreasi keluar kota.
= =
+ + ∙∙
44.3299 44.3299
= = = √0.0996 = 0.136
44.3299 + 400 444.239
: = 3 → maka =3
= 3
−1 3−1 2
= = = = 0.816
3 3
Semakin dekat nilai C dengan maka semakin erat hubungannya.
0.316
Dalam = % → × 100% = 38.73% = 0.3873
0.816
Keeratan hubungan menurut Guilford :
8. Koef.korelasi /
keterangan
kontingensi
0-0.199 Sangat Lemah / Sangat Rendah
0.200-0.399 Lemah / Rendah
0.400-0.599 Sedang
0.600-0.799 Kuat
0.800-1.000 Sangat Kuat
Keeratan hubungan dari contoh diatas dibilang lemah, berarti ada faktor lain yang
mempengaruhinya.