Statiska non parametik

1.Landasan teori

Pada uji statiska non parametik diterapkan / dipakai sebagai uji statistic apabila skala data/pengukurannya sekurang-kurangnya berskala interval dan data yang dimiliki berdisribusi normal. Namun apabila salah satu atau kedua syarat tersebut pada uji parametik tidak terpenuhi maka uji ini tidak dapat digunakan/diterapkan, sehingga diperlukan uji-uji lain, pada statiska parametik yakni uji-uji pada statiska paramatik.

Kelebihan statistic ini adalah :

a.Karena kebanyakan uji-uji pada statistika non parametik memerlukan asumsi dalam jumlah yang minimum/sedikit, maka kemungkinan digunakan secara salahpun kecil.

b.Untuk beberapa uji-uji pada statistika non-parametik, perhitungan-perhitungan dapat dengan cepat dan mudah, terutama bila terpaksa dikerjakan secara manual. Jadi penggunaan uji ini menghemat waktu yang diperlukan untuk diperhitungan. Ini bisa dijadikan bahan pertimbangan yang bisa hasil pengkajian harus segera tersaji atau bila mesin hitung berkemampuan tinggi tidak disediakan.

c.Para peneliti dengan dasar matekmatika serta statistika yan kurang biasanya menemukan bahwa konsep-konsep dan metode uji pada statistika non parametik mudah dipahami.

d.Uji pada statistika non parametik bisa diterapkan jika data telah diukur mengunakan skala penggukuran yang lemah , sebagaimana bila hanya data hitung dan data peringkat yag tersedia untuk dianalis.

Sedangkan kelemahan dari uji parametik adalah :

a.Kerena perhitungan-perhitungan yang dibutuhkan untuk kebanyakan uji-uji pada statistic non parametik cepat dan sederhana, uji-uji ini kadang digunakan untuk kasus-kasus yang lebih tepat bila ditangani dengan uji-uji pada statistic non parametik. Cara seperti ini sering menyebabkan pemborosan informasi.

b.Kendatipun uji-uji pada statistic no parametik terkenal prinsip perhitungan yang sederhana, pekerjaan hitung-menghitungnya sendiri acap kali membutuhkan banyak tenaga dan menjemukan.

Kapan uji parametik digunakan ?

a.Bila hipotesisi yang diuji tidak melibatkan suatu parameter populasi

b.Bila data telah diukur dengan skala yang lebih lemah disbanding dengan uang dipersyaratkan oleh uji-uji statistic non parametik yang semestinya digunakan.

c.Bila asumsi-asumsi yang diperlukan agar penggunaan suatu uji pada statistic parametik.

d.Bila hasil riset harus segera disajikan dan perhitungan terpaksa dikerjakan secara manual

Uji statistik non-parametrik dapat dikelompokkan menjadi 3 kategori, yaitu:

1.Uji sebuah sampel yang dibandingkan dengan menggunakan suatu distribusi tertentu, misalnya, distribusi chi-kuadrat, binomial, normal dan distribusi lainnya.

Untuk membandingkan frekuensi observasi dari variabel kategori dengan frekuensi harapan, digunakan uji Chi-kuadrat.

Untuk membandingkan frekuensi observasi dari variabel dikotomi dengan frekuensi harapan digunakan uji Binomial.

Untuk membandingkan distribusi kumulatif observasi suatu variabel dengan distribusi normal, uniform atau Poisson, digunakan uji Kolmogorov-Smirnov satu sampel.

Uji Runs digunakan untuk mengetahui apakah urutan suatu barisan pengamatan berubah-ubah secara random.

2.Uji untuk dua grup independen (bebas) atau lebih.

Perbandingan lokasi pemusatan dua buah distribusi yang diasumsikan mempunyai bentuk yang sama, digunakan uji 2 sampel independen U Mann Whitney yang merupakan versi non-parametrik uji T beda rata-rata. 2 sampel. Kelompok uji 2 sampel independen meliputi Uji Z Kolgomorov-Smirnov, Reaksi Ekstrem Moses dan Uji Runs Wald Wolfowitz. Untuk lebih dari 2 grup independen, digunakan Uji H Kruskal-Wallis.

3.Uji variabel-variabel berpasangan (paired) atau berhubungan (related)

Untuk membandingkan 2 variabel untuk masing-masing subyek, digunakan uji Wilcxon yang merupakan versi non-parametrik uji T berpasangan atau dependen. Kelompok uji ini meliputi uji Tanda (Sign) dan uji McNemar. Uji McNemar sangat cocok untuk membandingan 2 variabel kategori yang dikodekan dengan 2 nilai (biner). Untuk membandingkan lebih dari 2 pengukuran untuk masing-masing subyek, digunakan Uji Friedman (untuk variabel kategori tidak biner) atau uji W Kendall dan uji Q Cochran.