STATISTIKA
NONPARAMETRIK (3)
Elty Sarvia, ST., MT.
Fakultas Teknik Jurusan Teknik Industri
Universitas Kristen Maranatha
Bandung
6.UJI KOLMOGOROV – SMIRNOV
Untuk menguji apakah data berdistribusi tertentu.
Ekivalen dengan Uji
2( Goodness Of Fit
) dalam Statistik
Uji Parametrik.
L T S a rv ia /2 0 1 2P
ROSEDUR
PERHITUNGAN
U
JI
K
OLMOGOROV
–S
MIRNOV
:
1.
Struktur Hipotesis
:
H
0: data tersebut mengikuti distribusi ...
H
1: data tersebut tidak mengikuti distribusi ...
2.
Tentukan nilai
a
wilayah kritis dalam Tabel Uji
Kolmogorov – Smirnov
( Leland Blank, Tabel B–7, hal
635 )
3.
Statistik Uji :
Uji Kolmogorov–Smirnov
Urutkan data pengamatan ( nilai rata-rata ) dari
terkecil sampai terbesar.
Hitung nilai S(x), dimana
Catatan :
Jika terdapat 2 atau lebih nilai rata-rata X yg sama, maka nilai
S(x) yg digunakan adalah nilai S(x) maksimum.
n
i
(x)
S
105 L T S a rv ia /2 0 1 2P
ROSEDUR
PERHITUNGAN
U
JI
K
OLMOGOROV
–S
MIRNOV
: (2)
Hitung nilai F(x) pada masing-masing nilai rata-rata
(X), dimana rumus F(x) yang digunakan disesuaikan
dengan bentuk distribusi yg dihipotesiskan.
Hitung nilai
S(x) – F(x)
pada masing-masing nilai X.
Tentukan nilai Statistik Uji :
d = max {
S(x) – F(x)
}
4. Wilayah Kritis : Bandingkan nilai d dengan Do pada
Tabel B–7 ( Leland Blank, hal. 635 )
Do
Wilayah Kritis : d > Do
106 L T S a rv ia /2 0 1 2C
ONTOH
S
OAL
13.
Berikut sampel berat sabun cuci yang diproduksi PT Wonder
(angka dalam gram). Manajer produksi ingin mengetahui
apakah data di atas berasal dari populasi (seluruh produk
sabun cuci PT Wonder) yang berdistribusi normal dengan
=
203,9 dan
=2,69 ?
a
=0,05
107No
1
2
3
4
5
6
7
8
9
Berat
200,5 203,9 204,4 204,4 205,6 205,7 207,1 208,8 208,9
No
10
11
12
13
14
15
16
17
18
Berat
205,5 200,7 200,8 200,9 201,6 201,9 202,5 203,1 205,6
L T S a rv ia /2 0 1 2J
AWAB
:
a. Struktur Hipotesis :
H
0: data tersebut mengikuti distribusi normal
= 203,9 dan
=2,69
H
1: data tersebut tidak mengikuti distribusi normal
= 203,9 dan
=2,69
b. Taraf nyata :
a
= 0,05
c. Statistik Uji : Uji Kolmogorov – Smirnov
L T S a rv ia /2 0 1 2
(
)
0
,
105
max
006
,
0
117
,
0
111
,
0
)
(
117
,
0
)
(
)
(
19
.
1
69
,
2
9
,
203
7
,
200
-x
z
:
Normal
Distribusi
0,111
18
2
n
i
(x)
S
x
F
x
S
d
x
F
x
S
z
P
x
F
Jadi
z
Contoh Perhitungan: un2uk data ke–9109 x F( x)
S
Urutkan data dari terkecil sampai terbesar
L T S a rv ia /2 0 1 2 No Berat (x) S(x) z F (x) = P(Z) S(x)-F(x) 1 200.5 1/18 0.056 -1.264 0.103 -0.048 0.048 2 200.7 2/18 0.111 -1.190 0.117 -0.006 0.006 3 200.8 3/18 0.167 -1.152 0.125 0.042 0.042 4 200.9 4/18 0.222 -1.115 0.132 0.090 0.090 5 201.6 5/18 0.278 -0.855 0.196 0.082 0.082 6 201.9 6/18 0.333 -0.743 0.229 0.105 0.105 7 202.5 7/18 0.389 -0.520 0.301 0.088 0.088 8 203.1 8/18 0.444 -0.297 0.383 0.061 0.061 9 203.9 9/18 0.500 0.000 0.500 0.000 0.000 10 204.4 11/18 0.611 0.186 0.574 0.037 0.037 11 204.4 12 205.5 12/18 0.667 0.595 0.724 -0.057 0.057 13 205.6 14/18 0.778 0.632 0.736 0.041 0.041 14 205.6 15 205.7 15/18 0.833 0.669 0.748 0.085 0.085 16 207.1 16/18 0.889 1.190 0.883 0.006 0.006 17 208.8 17/18 0.944 1.822 0.966 -0.021 0.021 18 208.9 18/18 1.000 1.859 0.968 0.032 0.032
Wilayah Kritis
: d > Do Tabel K – S (Leland
Blank, Tabel B–7, halaman 635 )
0,309
0,105
Karena :
d > Do ( 0,105 < 0,309 )
•Keputusan : Terima H
0•Kesimpulan : data sampel berat sabun cuci tersebut mengikuti
distribusi normal
= 203,9 dan
=2,69 pada taraf nyata 0,05
1 1 0 L T S a rv ia /2 0 1 2
T
ABEL
K
OLMOGOROV
S
MIRNOV
111 L T S a rv ia /2 0 1 2 n a = 0,20 a = 0,10 a = 0,05 a = 0,02 a = 0,01 1 0,900 0,950 0,975 0,990 0,995 2 0,684 0,776 0,842 0,900 0,929 3 0,565 0,636 0,708 0,785 0,829 4 0,493 0,565 0,624 0,689 0,734 5 0,447 0,509 0,563 0,627 0,669 6 0,410 0,468 0,519 0,577 0,617 7 0,381 0,436 0,483 0,538 0,576 8 0,359 0,410 0,454 0,507 0,542 9 0,339 0,387 0,430 0,480 0,513 10 0,323 0,369 0,409 0,457 0,486 11 0,308 0,352 0,391 0,437 0,468 12 0,296 0,338 0,375 0,419 0,449 13 0,285 0,325 0,361 0,404 0,432 14 0,275 0,314 0,349 0,390 0,418 15 0,266 0,304 0,338 0,377 0,404 16 0,258 0,295 0,327 0,366 0,392 17 0,250 0,286 0,318 0,355 0,381 18 0,244 0,279 0,309 0,346 0,371 19 0,237 0,271 0,301 0,337 0,361 20 0,232 0,265 0,294 0,329 0,352 21 0,226 0,259 0,287 0,321 0,344 22 0,221 0,253 0,281 0,314 0,337 23 0,216 0,247 0,275 0,307 0,330 24 0,212 0,242 0,269 0,301 0,323 25 0,208 0,238 0,264 0,295 0,317 n a = 0,20 a = 0,10 a = 0,05 a = 0,02 a = 0,01 26 0,204 0,233 0,259 0,290 0,311 27 0,200 0,229 0,254 0,284 0,305 28 0,197 0,225 0,250 0,279 0,300 29 0,193 0,221 0,246 0,275 0,295 30 0,190 0,218 0,242 0,270 0,290 35 0,177 0,202 0,224 0,251 0,269 40 0,165 0,189 0,210 0,235 0,252 45 0,156 0,179 0,198 0,222 0,238 50 0,148 0,170 0,188 0,211 0,226 55 0,142 0,162 0,180 0,201 0,216 60 0,136 0,155 0,172 0,193 0,207 65 0,131 0,149 0,166 0,185 0,199 70 0,126 0,144 0,160 0,179 0,192 75 0,122 0,139 0,154 0,173 0,185 80 0,118 0,135 0,150 0,167 0,179 85 0,114 0,131 0,145 0,162 0,174 90 0,111 0,127 0,141 0,158 0,169 95 0,108 0,124 0,137 0,154 0,165 100 0,106 0,121 0,134 0,150 0,161 Pendekatan 1,07/√n 1,22/√n 1,36/√n 1,52/√n 1,63/√nS
OAL
Sebuah peternakan ayam ingin mengetahui bentuk distribusi dari
produksi telur ayam tiap bulan dari tiap induk ayam yang dimiliki.
Untuk menjawab hal tersebut, dilakukan pengumpulan data selama 15
bulan produksi. Data hasil pengamatan tersebut adalah :
Berdasarkan data tersebut, dapatkah disimpulkan bahwa produksi telur
ayam per bulan dari peternakan ayam tersebut mengikuti distribusi
uniform dengan perkiraan produksi telur 251 s/d 270? (a = 0,05)
L T S a rv ia /2 0 1 2
247 258 261 252 258 265 267 256 273 267 272 261 280 267 270
7. UJI KOEFISIEN KORELASI
PERINGKAT SPEARMAN
Untuk menguji apakah ada hubungan korelasi antara
variabel X dengan Y ( untuk menguji konsistensi )
Digunakan untuk mencari hubungan atau untuk menguji
signifikansi hipotesis asosiatif bila masing-masing variabel
yang dihubungkan berbentuk ordinal, dan sumber data
antar variabel tidak harus sama.
Koefisien korelasi :- 1 < r < 1
113 L T S a rv ia /2 0 1 2DATA
O
RDINAL
114Data yang diperoleh dengan cara kategorisasi atau klasifikasi, tetapi di
antara data tersebut terdapat hubungan. Angka mengandung pengertian
tingkatan.
CIRI :
•
Data mempunyai tingkatan atau jenjang
•
Tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH :
Kepuasan kerja,motivasi ranking 1, 2, dan 3. Ranking 1 menunjukkan lebih tinggi dari ranking 2 dan 3.
Direktur = 1, Manajer = 2, Karyawan = 3 1 + 1 = 2 Direktur+Direktur= Manajer???
L T S a rv ia /2 0 1 2
Jika titik-titik tepat
pada satu garis namun
mengumpul mendekati
satu garis
r mendekati ± 1
hubungan ± kuat namun
tidak sempurna
Y
X
r > 0
r < 0
x x x x x x x x x x x x x x x x x x x 115 L T S a rv ia /2 0 1 2r = – 1 : punya hubungan korelasi linear negatif yang sempurna (sangat kuat )
semua titik terletak pada satu garis
r = + 1 : punya hubungan korelasi linear positif yang sempurna ( sangat kuat )
semua titik terletak pada satu garis
r = 0
: tidak ada hubungan korelasi linear antar variabel tersebut
titik – titik menyebar atau tidak ada suatu kecenderungan
L T S a rv ia /2 0 1 2
P
ROSEDUR
PERHITUNGAN
U
JI
K
OEFISIEN
K
ORELASI
P
ERINGKAT
S
PEARMAN
:
1.
Struktur Hipotesis
H
0: r
S= 0
H
1: r
S> 0
konsisten ( searah )
r
S< 0
konsisten ( berlawanan )
2. Tentukan nilai
a
wilayah kritis dalam Tabel
Koefisien Korelasi Peringkat Spearman ( Walpole, Tabel
A.14, halaman 488 )
3. Tentukan variabel X dan Y
( dalam penentuan variabel X
dan Y, boleh bebas )
4. Tentukan ranking
terkecil sampai terbesar untuk
masing-masing variabel X dan Y
5. Hitung selisih ranking variabel X dan Y untuk
masing-masing pasangan X dan Y, yang dilambangkan
dengan d
i 117 L T S a rv ia /2 0 1 26.
Hitung d
i
2
7.
Hitung nilai Statistik Uji r
S
)
1
-n
(
n
d
6
-1
r
2 n 1 i 2 i S
n = banyaknya data atau pasangan data
8.
Wilayah Kritis :
Jika :
H
1:
r
S> 0
maka Wilayah Kritis :
r
S≥ r
aH
1:
r
S< 0
maka Wilayah Kritis :
r
S≤ - r
a9.
Keputusan
10.
Kesimpulan Hipotesis
P
ROSEDUR
PERHITUNGAN
U
JI
K
OEFISIEN
K
ORELASI
P
ERINGKAT
S
PEARMAN
(2):
118 L T S a rv ia /2 0 1 2
C
ONTOH
S
OAL
14.
Sebuah perusahaan asuransi di Jakarta telah
menyelenggarakan kursus penyegaran penjualan yang
dimaksudkan untuk meningkatkan prestasi para
wiraniaganya. Beberapa kelas telah menyelesaikan
kursus tersebut. Dalam memperkirakan nilai program
tersebut, Manajer pelatihan penjualan ingin menentukan
apakah ada hubungan antara prestasi dalam
program dengan prestasi dalam menghasilkan
penjualan tahunan setelah menjalani kursus. Tabel
berikut ini menunjukkan data yang dikumpulkan oleh
manajer pelatihan penjualan dari 11 lulusan program.
119 L T S a rv ia /2 0 1 2
Tabel Data dari 11 orang yang lulus program
Wiraniaga Prestasi Kursus Penjualan Tahunan (#) Stella 38 4.000 Piere 40 6.000 Deni 55 1.000 Wulandari 60 2.000 Sari 62 7.000 Oky 63 10.000 Asrul 67 3.000 Rani 70 5.000 L T S a rv ia /2 0 1 2J
AWAB
:
121
1. Koefisien Korelasi Peringkat :
X
Prestasi Kursus
Y
Penjualan Tahunan (#)
Wiraniaga
Prestasi Rank Penjualan Rank Kursus Prestasi Tahunan (#) Penjualan di =rank X - rank Y di2
X Kursus Y (#) Stella 38 1 4000 4 -3 9 Piere 40 2 6000 6 -4 16 Deni 55 3 1000 1 2 4 Wulandari 60 4 2000 2 2 4 Sari 62 5 7000 7 -2 4 Oky 63 6 10000 10 -4 16 Asrul 67 7 3000 3 4 16 Rani 70 8 5000 5 3 9 Susan 75 9 8000 8 1 1 Synthia 88 10 9000 9 1 1 Yusraini 90 11 110000 11 0 0 Total 0 80 L T S a rv ia /2 0 1 2
0,636
0,364
-1
)
1
-11
(
11
80
*
6
-1
)
1
-n
(
n
d
6
-1
r
2 2 n 1 i 2 i S
r
S= 0, 636 menunjukkan bahwa adanya korelasi antara prestasi kursus
dengan prestasi penjualan tahunan (#)
122 L T S a rv ia /2 0 1 2
C
ONTOH
S
OAL
M
ENGUJI
S
IGNIFIKANSI
15.
Pengujian yang lebih formal bisa dilaksanakan untuk
menentukan apakah benar-benar ada hubungan statistik
seperti yang diisyaratkan oleh r
s. Karena manajer
pelatih berkeyakinan bahwa kursus tersebut akan
meningkatkan kemampuan menjual, maka pengujian
satu-arah ke kanan dapat dilakukan, dan hipotesis
alternatifnya akan menyatakan adanya
hubungan positif
antara prestasi kursus dengan prestasi penjualan yaitu
H
1: r
s>0. Ujilah hipotesis tersebut. Gunakan Taraf
nyata 0,05.
123r
s L T S a rv ia /2 0 1 2M
ENGUJI
S
IGNIFIKANSI
15.
Struktur Hipotesis
H
0: r
S= 0
H
1: r
S> 0
konsisten ( searah )
Tentukan nilai
a
=0.05
Statistik Uji
:Uji Koefisien Korelasi Peringkat Spearman
r
S= 0,636
Wilayah Kritis : r
S≥ r
aa
= 0,05
n = 11
r
a= 0,523
r
sTabel A.14 Walpole
L T S a rv ia /2 0 1 2
Catatan Uji Koefisien Korelasi
Peringkat Spearman :
Jika : n > 30 , maka digunakan pendekatan
Normal, sehingga :
r s
= 0
1
-n
1
σ
r
s
1
-n
r
1
-n
1
0
-r
Z
S
S 125 L T S a rv ia /2 0 1 2I
STILAH
-I
STILAH
P
ENTING
Statistika Nonparametrik
: statistik yang
tidak memerlukan pembuatan asumsi tentang
distribusi.
Uji Tanda (Sign Test) : Uji yang didasarkan
pada tanda negatif dan positif dari perbedaan
antara pasangan data ordinal.
Uji Peringkat Bertanda Wilcoxon
: pengujian
yang dilakukan jika besaran maupun arah
perbedaan relevan untuk menentukan apakah
terdapat perbedaan yang sesungguhnya antara
pasangan data yang diambil dari satu sampel
atau dua sampel yang saling terkait.
126L T S a rv ia /2 0 1 2
I
STILAH
-I
STILAH
P
ENTING
(2)
Uji Mann-Whitney
: pengujian dimana yang diuji
hipotesis nol yang mengatakan bahwa tidak ada
perbedaan yang sesungguhnya antara kedua
kelompok data, atau data tersebut diambil dari dua
sampel yang tidak saling terkait.
Uji H Kruskall Wallis : untuk menguji apakah k sampel
independen ( dimana : k > 2 ) memiliki rata-rata yang sama.
127 L T S a rv ia /2 0 1 2
I
STILAH
-I
STILAH
P
ENTING
(2)
Uji Runtunan/deret (Runs Test)
: Uji untuk
menentukan apakah keacakan akan terjadi atau
apakah terdapat suatu pola yang mendasari urutan
data sampel.
Uji Kolmogorov smirnov
: untuk menguji apakah
data berdistribusi tertentu.
Koefisien korelasi peringkat spearman
: ukuran
erat tidaknya kaitan antara dua variabel ordinal.
L T S a rv ia /2 0 1 2
U
JI
T
ANDING
DARI
Wilcoxon Sign Rank Test Uji T berpasangan
Wilcoxon Rank Sum Test Uji T 2 populasi
Kruskall-Wallis Test Uji F
129 L T S a rv ia /2 0 1 2
P
ERSAMAAN
S
IGN
T
EST
DAN
W
ILCOXON
S
IGN
R
ANK
T
EST
:
Keduanya digunakan untuk menguji rata-rata 1
populasi dan populasi
130 L T S a rv ia /2 0 1 2
K
ESIMPULAN
Kegiatan peneliti seringkali terganggu karena
data yang tersedia untuk analisis tidak
mempunyai “sifat” kuantitatif yang pasti.
Misalnya, data tersebut mungkin diperoleh
hanya dari jumlah sampel yang kecil, dan
barangkali bentuk distribusi populasi dan
pengaruhnya terhadap distribusi sampel tidak
diketahui. Apabila masalah semacam itu
timbul,
maka
metode
nonparametrik
digunakan. Dalam hal ini, kita baru membahas
sebagian kecil dari metode nonparametrik yang
lazim digunakan.
131 L T S a rv ia /2 0 1 2SOAL
Jika anda seorang konsultan statistik dan anda
diminta untuk menguji apakah ada kaitan
antara prestasi kerja dengan nilai masuk kerja.
Untuk itu anda melakukan pengambilan sampel
secara acak dari karyawan yang bekerja pada
perusahaan klien anda sebanyak 10 orang dan
diperoleh data peringkat karyawan yang terkena
sampel sbb :
L T S a rv ia /2 0 1 2No Peringkat Prestasi
Kerja
Peringkat Tes
Masuk
1
5
6
2
10
9
3
6
4
4
3
2
5
4
5
6
2
1
7
7
8
8
1
3
9
8
10
10
9
7
133Kesimpulan apakah yang bisa ditarik pada taraf nyata 0,05?
L T S a rv ia /2 0 1 2
DAFTAR PUSTAKA
J.Supranto, Statistik Teori dan Aplikasi, Edisi
keenam, Jilid 2, Penerbit Erlangga,2001
134 L T S a rv ia /2 0 1 2
135