Kekurangan statistik nonparametrik (skripsi dan tesis)

Kekurangan statistik nonparametrik dibandingkan dengan statistik parametrik ialah : 1. Bila digunakan pada data yang dapat diuji menggunakan statistika parametrik maka hasil pengujian menggunakan statistika nonparametrik menyebabkan pemborosan informasi.  2. Pekerjaan hitung menghitung (aritmetik) karena memerlukan ketelitian terkadang menjemukan. 3. Jika jumlah sampel besar, tingkat efisiensi nonparametrik relatif lebih rendah dibandingkan dengan metode parametrik. 4. Statistik nonparametrik tidak dapat digunakan untuk membuat prediksi (peramalan).

Kelebihan statistik nonparametrik (skripsi dan tesis)

Kelebihan statistik nonparametrik adalah sebagai berikut (Tavi, Supriana,2010): 1. Asumsi –asumsi dalam statistik nonparametrik relatif lebih longgar. Jika pengujian data menunjukkan bahwa salah satu atau beberapa asumsi yang mendasari uji statistik parametrik (misalnya mengenai sifat distribusi data), tidak terpenuhi, maka statistik nonparametrik lebih sesuai diterapkan dibandingkan statistik parametrik. 2. Perhitungan-perhitungan dapat dilakukan dengan cepat dan mudah, sehingga hasil penelitian dapat dengan cepat diselesaikan. 3. Untuk memahami konsep-konsep dan metode-metodenya tidak memerlukan dasar matematika yang mendalam. 4. Uji-uji pada statistik nonparametrik dapat diterapkan jika kita menghadapi keterbatasan data yang tersedia, misalnya jika data telah diukurmenggunakan skala pengukuran yang lemah. 5. Efisiensi statistik nonparametrik lebih tinggi jika dibandingkan dengan metode parametrik untuk jumlah sampel yang sedikit. 6. Asumsi yang digunakan minimum sehingga mengurangi kesalahan penggunaan. 7. Dapat diterapkan pada skala peubah kualitatif (nominal dan ordinal).

Statistik Nonparametrik (skripsi dan tesis)

Metode nonparametrik pertama kali digunakan ketika J.Arbuthnot (1710) mengetahui bahwa pada tahun 1629 sampai tahun 1710 jumlah laki-laki yang diberi nama baptis di London melebihi jumlah wanita. Ia memandang hal ini sebagai kenyataan yang kuat bahwa probabilita dari setiap kelahiran bayi laki-laki atau wanita tidak tepat sama, suatu ketidakcocokan yang dianggap oleh Arbuthnot berasal dari sesuatu yang aneh (Sprent, 1991). Statistik nonparametrik disebut juga statistik bebas sebaran. Statistik nonparametrik tidak mensyaratkan bentuk sebaran parameter populasi. Statistik nonparametrik dapat digunakan pada data yang memiliki sebaran normal atau tidak. Statistik nonparametrik biasanya digunakan untuk melakukan analisis pada data nominal atau ordinal. Universitas Sumatera Utara Metode statistik nonparametrik merupakan metode statistik yang dapat digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode statistik parametrik, terutama yang berkaitan dengan distribusi normal. Nama lain yang sering digunakan untuk statistik nonparametrik adalah statistik bebas distribusi. Contoh regresi nonparametrik adalah uji tanda (sign test), uji jenjang bertanda wilcoxon, metode theil, metode deret fourer, uji square, uji mann-whitney dan lain- lain. Perbandingan statistik nonparametrik dan statistik parametrik. Kekurangan dan kelebihan setiap pemilihan prosedur pengujian data, apakah itu menggunakan nonparametrik atau parametrik memiliki kelebihan dan kekurangan masing-masing

Statistik Parametrik (skripsi dan tesis)

 Suatu tes statistik parametrik adalah suatu tes yang modelnya menetapkan adanya syaratsyarat tertentu tentang parameter populasi yang merupakan sumber sampel penelitinya. Syarat-syarat itu biasanya tidak diuji dan dianggap sudah dipenuhi. Seberapa jauh makna hasil suatu tes parametrik bergantung pada validitas anggapan-anggapan tadi. Tes-tes parametrik juga menuntut bahwa skor-skor yang dianalisis merupakan hasil suatu pengukuran yang sedikitnya berkekuatan sebagai skala interval (Siegel, Sidney,1986:38). Pada statistik parametrik, pengujian hipotesis (uji parametrik) atau aturan pengambilan keputusan dipengaruhi oleh asumsi-asumsi tertentu. Misalnya, distribusi probabilitas untuk pengambilan sampel dan bentuk varians. Asumsi untuk distribusi misalnya distribusi normal, binomial, distribusi F, dan distribusi student t. Asumsi untuk varians, misalnya memiliki varians yang homogen, seperti pada korelasi dan regresi. Asumsi-asumsi tersebut tidak diuji lagi sudah dianggap sudah terpenuhi (Iqbal, Hasan, 2002).

Uji Chi-Square (skripsi dan tesis)

Chi-square atau kai kuadrat (X2 ) merupakan salah satu jenis uji komparatif nonparametrik yang dilakukan pada dua variabel, dimana skala data kedua variabel adalah nominal atau ordinal. Dasar dari uji chi-square adalah membandingkan perbedaan antara frekuensi observasi dengan frekuensi ekspektasi atau frekuensi yang diharapkan. Frekuensi observasi adalah frekuensi yang nilainya didapat dari hasil percobaan. Sedangkan frekuensi harapan adalah frekuensi yang nilainya dapat dihitung secara teoritis. Perbedaan tersebut untuk meyakinkan apabila harga dari chi-square sama atau lebih besar dari suatu harga yang telah ditetapkan pada taraf signifikan tertentu. Uji chi-square sangat bermanfaat dalam melakukan analisis statistik apabila asumsi-asumsi yang 29 dipersyaratkan untuk penggunaan statistik parametrik tidak dapat terpenuhi. Syarat-syarat dalam menggunakan uji ini adalah frekuensi responden atau sampel yang digunakan besar, karena ada beberapa syarat dimana chi-square dapat digunakan yaitu: a. Tidak ada cell dengan nilai frekuensi kenyataan (actual count) sebesar nol. b. Apabila bentuk tabel kontingensi 2x2, maka tidak boleh ada satu cell saja yang memiliki frekuensi harapan (expected count) kurang dari lima. c. Sedangkan apabila bentuk tabel lebih dari 2x2, maka jumlah cell dengan frekuensi harapan yang kurang dari lima tidak boleh lebih dari 20%. Adapun kegunaan dari uji chi-square sebagai berikut: a. Untuk mengetahui ada tidaknya asosiasi antara dua variabel. b. Untuk mengetahui homogenitas antar-sub kelompok. c. Untuk uji kenormalan data dengan melihat distribusi data. d. Untuk menganalisis data yang berbentuk frekuensi. e. Untuk menentukan besar kecilnya korelasi dari variabel-variabel yang dianalisis. Bentuk distribusi chi-square tergantung dari derajat kebebasan atau yang biasa dilambangkan d.f. (degree of freedom). Chi-square memiliki masing-masing nilai derajat kebebasan yaitu distribusi (kuadrat standard normal) yang merupakan distribusi chi-square dengan d.f. = 1 dan nilai variabel tidak bernilai negatif. Karakteristik dari chi-square yaitu nilainya selalu positif karena nilai chi-square adalah nilai kuadra

Crosstabs (skripsi dan tesis)

Crosstabs atau tabulasi silang merupakan suatu metode analisis deskriptif yang berbentuk tabel, dimana menampilkan tabulasi silang atau tabel kontingensi yang digunakan untuk mengidentifikasi serta mengetahui apakah ada korelasi atau hubungan sebab-akibat antara satu variabel dengan variabel yang lainnya ke dalam suatu matriks. Hasil crosstabs disajikan ke dalam suatu tabel dengan variabel yang tersusun sebagai kolom dan baris serta berisi nilai frekuensi dan persentase. Tabel yang dianalisis pada crosstabs ini adalah hubungan antara variabel dalam baris dengan variabel dalam kolom. Penyajian data pada umumnya adalah data kualitatif. Ciri dari penggunaan crosstabs yaitu data input yang pada umumnya berskala nominal atau ordinal. Pembuatan crosstabs dapat disertai dengan pengolahan atau perhitungan tingkat keeratan hubungan (asosiasi) antar variabel pada crosstabs. Alat statistik yang sering digunakan untuk menguji ada tidaknya hubungan antara baris dan kolom dari sebuah crosstabs adalah uji chi-square. Selain uji chi-square, ada beberapa alat uji lainnya yang dapat digunakan seperti kendall, kappa, dan lain sebagainya

Uji Tanda (Sign Test) (skripsi dan tesis)

Uji tanda atau sign test merupakan uji non-parametrik yang digunakan untuk menguji ada tidaknya perbedaan dari dua buah populasi yang saling berkorelasi, dimana datanya memiliki skala pengukuran ordinal. Metode analisis ini menggunakan data yang dinyatakan dalam bentuk tanda (+) positif dan (-) negatif dari perbedaan antara pengamatan yang berpasangan. Sedangkan nilai 0 tidak diikut sertakan dalam analisis karena nilai 0 berarti tidak terdapat perubahan sebelum dan sesudah perlakuan. Pada prinsipnya, uji tanda memiliki tujuan untuk menghitung selisih nilai dari kedua pasang sampel. Apabila Ho diterima, maka jumlah selisih pasangan data yang positif kurang lebih akan sama dengan pasangan data yang negatif, sehingga sangat diharapkan jumlah selisih pasangan data yang positif dan negatif adalah setengah dari total sampel yang ada. Sedangkan Ho ditolak, jika jumlah selisih pasangan data yang negatif dengan data yang positif memiliki perbedaan nilai yang sangat tinggi. Supranto 26 (2002)