KULIAH 2 :
UJI NON PARAMETRIK 1 SAMPEL
What is Statistics
¨
Science of gathering, analyzing, interpreting, and
presenting data
¨
Branch of mathematics
¨
Facts and figures
¨
Measurement taken on a sample
Pembagian Statistik
Statistik Sosial
Statistik Deskriptif
Statistik Inferensial
Descriptive vs. Inferential Statistics
¨
Descriptive Statistics
— using data gathered on a
group to describe or reach conclusions about that
same group only
¨
Inferential Statistics
— using sample data to reach
STATISTIK PARAMETRIK
Merupakan bagian dari
statistika inferensia yang
mempertimbangkan nilai dari
satu atau lebih parameter
populasi (seperti rata-rata
hitung, standar deviasi atau
variasi, dan korelasi)
Digunakan apabila akan
menguji data yang berskala
interval atau rasio dan
biasanya variabel bersifat
kontinu.
Menunjuk pada pengujian
berdasarkan penarikan
sampel dari populasi yang
STATISTIK NON PARAMETRIK
Tidak memperhatikan nilai
dari satu atau lebih
parameter populasi (tidak
memerlukan asumsi
mengenai parameter
populasi).
Pengujian dilakukan untuk
data variabel yang berskala
nominal atau ordinal,
biasanya variabelnya
bersifat diskret.
Biasanya dilakukan untuk
menguji sampel yang relatif
kecil (<30).
Menyediakan metode
statistika untuk menganalisis
data yang distribusinya tidak
dapat diasumsikan
SKALA
Bentuk Hipotesis
Deskripti
f (satu
variabel)
Komparatif (dua sampel)
Komparatif (lebih dari 2
sampel)
Asosiatif
(hubungan)
Related
Independen
Related
Independen
Nominal Binomial
χ2 One Sample
Mc Nemar Fisher Exact Probability
χ2 Two Sample
χ2 for k sample
Cochran Q
χ2 for k sample
Contingency Coefficient C
Ordinal Run Test Sign test Wilcoxon matched parts
Median test
Mann-Whitney U test
Kolmogorov Smirnov
Wald-Woldfowitz
Friedman Two Way-Anova
Median Extension
Kruskal-Wallis One Way Anova
Spearman Rank Correlation
Kendall Tau
Interval Rasio
T Test* T-test of* Related
T-test of* independent
One-Way Anova*
Two Way Anova*
One-Way Anova*
Two Way Anova*
Pearson Product Moment *
Partial
Correlation*
Uji Non Parametrik
PENGGUNAAN FUNGSI
Chi Square Menggunakan data nominal untuk menguji independensi satu sampel atau dua sampel atau lebih dari 2 sampel
Tes independensi variabel
Codran Q Untuk menguji hubungan lebih dari 2 sampel pada skala nominal
Membantu pada data yang memberikan jawaban 2 kategori
Uji Tanda Untuk menguji hubungan 2 sampel pada skala ordinal
Tes yang baik untuk data berjenjang (rangking)
Uji median - Pada satu sampel untuk melihat randomisasi
pada data dari populasi
- untuk menguji independensi lebih dari 2
sampel pada skala ordinal
- Untuk melihat kesimetrisan distribusi - Tes independensi variabel
Uji Mann-Whitney U
Untuk menguji independensi 2 sampel pada skala ordinal
Analog pada independensi 2 sampel t-Test
Uji Kruskal- Wallis
Untuk menguji independensi lebih dari 2 sampel pada skala ordinal
Alternatif dari uji One-Way ANOVA di mana asumsi distribusi normal tidak digunakan
Uji Fiedman Uji menguji hubungan lebih dari 2 sampel pada skala ordinal
Alternatif dari uji Two-Way ANOVA dimana asumsi distribusi normal tidak digunakan
Uji
Kolmogorov-Smirnov
Untuk menguji independensi dari satu sampel atau 2 sampel pada skala ordinal.
SATU KELOMPOK:
Chi-Square Goodness of Fit Test
Salah satu jenis
dari uji
goodness of
fit
adalah chi
square dengan
notasi
χ
2.
Bertujuan untukmenentukan seberapa
tepat frekuensi yang diamati cukup
mendekati (homogen) dengan
frekuensi yang diharapkan atau
seberapa homogen proporsi pada
setiap kategori
SATU KELOMPOK:
Chi-Square Goodness of Fit Test
¨
Ho: p1 = p2 = pn = 1/jumlah kategori
¨
Ha: p1 = p2
≠
pn = 1/jumlah kategori
(
)
∑
−
=
E
E
O
χ
2
2
¨
O = Observed Value diperoleh
dari nilai hasil penelitian
¨
E = Expected Value diperoleh
d a r i j u m l a h d a t a d i b a g i
dengan jumlah kategori
n
Hasil perhitungan
chi-square bandingkan
dengan tabel chi-square,
dengan df (degree of
freedom) = k - 1
¨
Jika nilai signifikansi
≤
α
,
maka Ho ditolak
¨
Jika nilai signifikansi >
α
,
CONTOH:
Chi-Square Goodness of Fit Test dengan Frekuensi yang diharapkan sama
Afiliasi masyarakat pada parpol
Jumlah
A
31
B
19
C
19
D
25
E
41
Jumlah
135
(
)
(
)
(
)
(
)
(
)
CONTOH:
Chi-Square Goodness of Fit Test dengan Frekuensi yang diharapkan sama
df = 5-1 = 4
Nilai
χ²
untuk alpha 5% = 9,488
0,05
Daerah Ho
ditolak
9,488
Test Statistics
12,741
4
,013
Chi-Square
adf
Asymp. Sig.
nama partai
CONTOH :
Chi-Square Goodness of Fit Test dengan Frekuensi yg diharapkan tidak sama
109,75
Presiden
% dukungan
nasional
Jumlahdi
daerah
E
Tes t St atistics
10 9.7 50 5 .000
Ch i-Squa rea
df
Asymp. Sig.
pe ma in
RUN TEST UNTUK KERANDOMAN
W M M M W W W M M W M M M M W W W W M
+ - + + + + - + + + + + - - - +
1
2
3
1
2
3
4
5
6
7
1
2
3
4
5
6
Tujuan pengujian dengan run test adalah untuk
menentukan apakah urutan yang terpilih adalah random
Pengujiannya didasarkan pada banyaknya run (urutan
lambang-lambang yang sama) dalam urutan sampel.
RUN TEST UNTUK KERANDOMAN
Menentukan
hipotesis penelitian
•
Ho : urutan simbol
adalah random
•
Ha : urutan simbol
adalah tidak random
Menentukan
nilai kritis
Menentukan
nilai Z
statistik
SOAL
Seorang pengamat kebijakan publik mencatat tanda plus
jika pertumbuhan APBD suatu daerah lebih tinggi jika
dibandingkan dengan tahun sebelumnya, dan sebaliknya
mencatat tanda minus jika pertumbuhan APBD suatu
daerah lebih rendah jika dibandingkan dengan tahun
sebelumnya. Catatan yang terkumpul dari 34 Kota/Kab
adalah sebagai berikut :
(lihat tabel pada slide 17)
NO KAB/
KOTA Tahun 2012 Tahun 2013 Tanda NO KOTA KAB/ Tahun 2012 Tahun 2013 Tanda
1 A 10 12 + 18 R 21 22 +
2 B 11 13 + 19 S 22 24 +
3 C 12 10 - 20 T 21 20 -
4 D 9 8 - 21 U 21 19 -
5 E 10 11 + 22 V 21 22 +
6 F 10 12 + 23 W 11 9 -
7 G 11 13 + 24 X 11 14 +
8 H 12 13 + 25 Y 12 14 +
9 I 14 15 + 26 Z 14 12 -
10 J 15 18 + 27 AA 15 12 -
11 K 16 17 + 28 BB 16 14 -
12 L 21 17 - 29 CC 17 12 -
13 M 10 15 + 30 DD 18 14 -
14 N 13 15 + 31 EE 19 22 +
15 O 14 15 + 32 FF 21 20 -
16 P 19 21 + 33 GG 19 17 -
17 Q 29 32 + 34 HH 20 17 -
¨
Hipotesis
Ho : urutan tanda adalah random
Ha : urutan tanda tidak random
¨
Daerah kritis adalah 5 %, z = + 1,96
¨
Nilai statistik Z :
n
1
(tanda +) = 20 ; n
2
(tanda minus )= 14 ;
n
r
(perubahan tanda + ke – dan sebaliknya) = 12 ;
Tanda
Jumlah
Tanda Perubahan Tanda Perubahan
Jawaban :
17.47
1
34
2(20)(14)
µr
=
+
=
1.97
2.78
17.47
12
Zr
=
−
=
2.78
1)
(34
34
34)
2x20x14
2(20)(14)(
σ
2
r