by Wawan Hermawan, SE., MT. 1 15 Desember 2004
STATISTIKA
NONPARAMETRIK
BUKU:
1. SIDNEY SIEGEL & JOHN CASTELLAN, JR.
“NONPARAMETRIC STATISTICS FOR THE BEHAVIORAL SCIENCES”, SECOND EDITION, MCGRAW-HILL
INTERNATIONAL EDITIONS 1988.
2. RONALD M. WEIERS, “INTRODUCTION TO BUSINESS STATISTICS”, THIRD EDITION, INTERNATIONAL
THOMPSON PUBLISHING, 1998.
3. W.J. CONOVER, “PRACTICAL NONPARAMETRIC
STATISTIKA DESKRIPTIF
Menjelaskan atau menggambarkan berbagai karakteristik data.
STATISTIK INFERENS
Membuat berbagai inferensi terhadap sekumpulan data yang berasal dari suatu sampel. Tindakan
inferensi tersebut seperti melakukan perkiraan, peramalan, pengambilan keputusan dsb.
Atau,
KONSEP DASAR
POPULASI:
Keseluruhan objek penelitian yang dibatasi oleh kriteria tertentu. Misal, rata-rata IPK mahasiswa unpar.
SAMPLING:
Proses pengambilan sebagian anggota populasi SAMPEL:
KONSEP DASAR
PARAMETER:
Konstanta yang dihitung dengan rumus tertentu dari populasi.
PENGUKURAN:
Proses kuantifikasi terhadap karakteristik yang diamati berdasarkan aturan tertentu. Contoh: menentukan
Kegunaan Tes Statistik dalam
Penelitian
HIPOTESIS PENELITIAN
DATA
DITERIMA DITOLAK
LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
1. Nyatakan Hipotesis Nol (H0)
Pada umumnya adalah suatu hipotesis tentang tidak adanya perbedaan.
LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
Hipotesis Alternatif (H1)
Contoh
Berdasarkan suatu teori sosial tertentu, kita membuat prediksi bahwa jumlah waktu untuk membaca surat kabar dari kelompok A berbeda dengan kelompok B. Pernyataan tersebut merupakan hipotesis penelitian. Ho : A = B
LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
2. Tingkat Signifikansi (Level of Significance)
Dua kekeliruan
1. Tipe I : menolak hipotesis yang seharusnya diterima (
)2. Tipe II: menerima hipotesis yang seharusnya ditolak (
)P(kesalahan tipe I) =
LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
3. Pemilihan Tes Statistik
Dilakukan untuk menguji hipotesis Yang harus diperhatikan:
- Model penelitian
LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
4. Tentukan daerah penolakan (daerah kritis)
Daerah untuk menolak Ho pada tingkat
tertentu 5. KesimpulanSkala pengukuran data
Merupakan indikator yang penting dalam
menentukan metode statistik yang digunakan. Parametrik Statistik (minimal Interval)
Skala Nominal atau Skala
Klasifikasi
• Pengukuran pada tingkatan paling rendah
• Digunakan untuk mengklasifikasi suatu objek, orang, sifat.
• Tes paling cocok adalah Nonparametrik, seperti Chi Square, Binomial (memusatkan pada frekuensi dalam kategori)
Skala Ordinal atau Skala
Urutan
• Merupakan pengukuran data yang mengandung pengertian urutan/ranking.
• Statistik yang cocok adalah yang melukiskan harga tengah, seperti median, spearman, Kendal
SKALA INTERVAL
• Mempunyai sifat nominal dan ordinal
• Jarak antara dua angka diketahui ukurannya • Mempunyai nol yang tidak mutlak
• Uji statistik yang cocok adalah Parametrik, seperti uji t dan uji F
Skala Rasio
• Mempunyai semua ciri Interval • Mempunyai nol yang mutlak
Statistik Parametrik
• Adanya syarat tertentu tentang parameter populasi dan distribusi populasi
Statistik Nonparametrik
• Tidak menetapkan syarat tentang parameter populasi
• Distribusi data bisa diabaikan
• Skala pengukuran mulai dari Nominal
UJI NORMALITAS
Melakukan pengujian apakah data berdistribusi normal atau tidak.
H0 : Sampel berasal dari populasi yang berdistribusi normal
UJI NORMALITAS
Statistik Uji:
1. Jika n 30 maka digunakan Uji Liliefors
Uji Lilliefors
Misalkan sampel dengan data:
23 27 33 40 48 48 57 59 62 68 69 70 telah diambil dari suatu populasi
Uji Lilliefors
1. Tentukan H0:
H0 : Sampel berasal dari populasi yang berdistribusi normal
H1 : Sampel tidak berasal dari populasi yang berdistribusi normal
Uji Lilliefors
3. Hitung Rata-rata dan simpangan baku sampel
Uji Lilliefors
5. Hitung F(Zi) = P(Z Zi)
0.5 - Ztabel
Uji Lilliefors
Uji Lilliefors
Uji Lilliefors
8. Ambil harga terbesar dari |F(Zi) – S(Zi)| atau disebut Lo 9. Kriteria Uji : Ho ditolak jika Lo L tabel
Lo = 0.12
Uji Chi Square
Untuk uji normalitas jika n > 30 digunakan Chi Square Dengan rumus:
Chi Square
Contoh:Upah yang diterima oleh 300 pekerja (US$) yang dipilih secara acak dari pekerja yang tinggal di suatu daerah industri disajikan dalam tabel berikut apakah berdistribusi normal atau tidak?
Upah Jumlah pekerja
550 - <650 20
650 - <750 54
750 - <850 130
850 - <950 68
950 - <1050 28
Chi Square
1. Tentukan H0:
H0 : Sampel berasal dari populasi yang berdistribusi normal
H1 : Sampel tidak berasal dari populasi yang berdistribusi normal
Chi Square
Chi Square
Upah Fi Xi FiXi 550 - <650 20 600 12000 650 - <750 54 700 37800 750 - <850 130 800 104000 850 - <950 68 900 61200 950 - <1050 28 1000 28000
Jumlah 300 243000
Chi Square
Upah Fi Xi Fi (Xi-x)2
550 - <650 20 600 882000 650 - <750 54 700 653400 750 - <850 130 800 13000 850 - <950 68 900 550800 950 - <1050 28 1000 1010800
Jumlah 300 3110000
Chi Square
950 - <1050 1.37Chi Square
Upah Z Ztabel Luas Luas* Fe
(NxLuas) 550 - <650 -2.55 .4946 .0054 .0528 15.84 650 - <750 -1.57 .4418 .0582 .2194 65.82 750 - <850 -0.59 .2224 .2776 .3741 112.23 850 - <950 0.39 .1517 .6517 .2630 78.90 950 - <1050 1.37 .4147 .9147 .0759 22.77
<1050 2.35 .4906 .9906
Chi Square
8
.
74
1
2 2
k
i i
i i
fe
fe
fo
Chi Square
Kriteria Uji : Ho ditolak jika Nilai Hitung > Nilai tabel d.f = k- 1 jika menggunakan dan
d.f. = k – 1 –1 –1 jika menggunakan x dan s K = banyaknya kelas interval
d.f = 5 – 3 = 2 maka chi kuadrat tabel = 5.99 Atau 8.74 > 5.99 maka Ho ditolak
15 Desember 2004 by Wawan Hermawan, SE., MT. 41
CHAPTER 4
Uji Nonparametrik untuk
Kasus Satu Sampel
• Menggunakan satu sampel
Uji Nonparametrik untuk
Kasus Satu Sampel
Uji satu sampel dapat menjawab beberapa pertanyaan berikut:
• Apakah ada perbedaan gejala pusat antara sampel dan populasi?
• Apakah ada perbedaan yang signifikan antara frekuensi observasi dengan frekuensi yang diharapkan berdasarkan teori tertentu?
Uji Nonparametrik untuk
Kasus Satu Sampel
4. Adakah alasan untuk percaya bahwa sampel ini ditarik dari suatu populasi tertentu bentuknya atau bangunnya?
5. Apakah ada alasan untuk percaya bahwa sampel tersebut sampel random dari populasi yang
Uji Nonparametrik untuk
Kasus Satu Sampel
1. Tes Binomial
2. Tes Satu Sampel Chi-Kuadrat
Tes Binomial
• Terbagi ke dalam dua kelompok (bagian) (laki-laki & perempuan ; ya & tidak ; baik & rusak) • Data Diskrit
• Tesnya bertipe Goodness of Fit
• Peluang kejadian sukses Populasi = P
Tes Binomial sampel kecil
Jika n 35 Gunakan tabel D • k adalah frekuensi terkecil
Tes Binomial sampel kecil
Contoh:
Tes Binomial sampel kecil
Ho : (P<=q) p = q = 0.5 (tidak ada perbedaan
kemungkinan menggunakan metode yang dipelajari di bawah stress)
H1 : p > q (peluang menggunakan metode pertama lebih besar daripada menggunakan metode kedua)
Tes Binomial sampel kecil
Daerah penolakan terdiri dari semua harga x (x=banyak subjek yang menggunakan metode yang diajarkan,
kedua dalam keadaan stress)
Metode yang dipilih
Jumlah Yang
Dipelajari Pertama
Yang Dipelajari
Kedua
Tes Binomial sampel kecil
•N = 18
•X Frekuensi yang lebih kecil =2 (cara kedua)
•Kemungkinan berkaitan dengan x 2 adalah p = 0.001 •P dilihat dari Tabel D
•Karena P < , maka H0 ditolak.
•Kesimpulan p1 > p2 atau orang-orang yang berada di bawah stress kembali ke metode yang dipelajari
Tes Binomial sampel kecil
Tes Binomial sampel kecil
Frekuensi terkecil (X) = pria = 10 H0 : p ≥ q ; p ≥ 0.5
H1 : p < q ; q > 0.5 ;p = peluang pria
=5%
Stat Uji :
Lihat Tabel D didapat 0.049
0.049 < 0.05 sehingga Ho ditolak Kesimpulan:
Tes Binomial sampel besar
Jika n > 35
Semakin besar n akan cenderung mendekati dist. Normal Dengan :
Rata-rata = NP
Simpangan Baku = akar kuadrat NPQ
NPQ
NP
X
X
Z
Tes Binomial sampel besar
Karena Distr. Binomial adalah data diskrit dan distr. Normal data kontinyu, maka disesuaikan untuk X: Jika X < ditambah 0.5
Jika X > dikurangi 0.5
NPQ
NP
X
Tes Binomial sampel besar
Jika n >35 Gunakan tabel A • X adalah frekuensi terkecil
Tes Binomial sampel besar
Menurut bagian pemasaran sejenis Shampo, Shampo merknya lebih disukai oleh kaum pria. Kepada 600 konsumen yang dipilih secara acak ternyata 280
Tes Binomial sampel besar
Z= -1.59
Lihat Tabel A didapat 0.0559
0.0559 > 0.05 sehingga Ho tidak ditolak Kesimpulan:
Tes Satu sampel Chi-Kuadrat
• Merupakan uji perbedaan
• Sampel dilihat berdasarkan kategori (k) • K 2
Tes Satu sampel Chi-Kuadrat
• Jika Frekuensi Harapan tidak diketahui, maka frekuensi harapan didapat dari rata-rata frekuensi observasi
• Jika lebih dari 20% Frekuensi yang diharapkan lebih kecil dari 5 maka harus digabung kategorinya.
Tes Satu sampel Chi-Kuadrat
Sebuah Mall yang dibuka memberi hadiah kepada para pembeli dengan 3 pilihan yaitu: T-shirt, giwang dan
Tes Satu sampel Chi-Kuadrat
Ho : P1 = P2 = P3 = 0.333 atau frekuensi = 166.7 H1 : P1 P2 P3
= 5%
Statistik Uji:
Hadiah T-Shirt Giwang Mug
Obs 183 142 175
Est 166.7 166.7 166.7
Tes Satu sampel Chi-Kuadrat
67
.
5
2
Lihat tabel C dengan d.f = k –1 = 3 – 1 =2
5.67 terletak di antara p(=0.10) dan p(=0.05), sehingga:
0.05 < * < 0.10 atau Ho tidak ditolak Kesimpulan:
Tes Satu sampel Chi-Kuadrat
Berdasarkan pengalaman, konsumen yang membeli
produk A dengan 4 kualitas, tersebar dengan distribusi: 21% kualitas 1, 24% kualitas 2, 35% kualitas 3 dan
sisanya kualitas 4. Apakah pola tersebut masih berlaku jika diperoleh data hasil penjualan sebagai berikut:
Tes Satu sampel Chi-Kuadrat
Kualitas 1 2 3 4 Jumlah
Fo 68 104 155 73 400
Fe 0.21x400=84 0.24x400=96 0.35x40=140 0.2x400=80
Ho : P1=0.21 P2=0.24 P3=0.35 P4=0.2 H1 : P10.21 P20.24 P30.35 P40.2
= 5%
Statistik Uji:
Tes Satu sampel Chi-Kuadrat
93
.
5
2
Lihat tabel C dengan d.f = k –1 = 4 – 1 =3
5.67 terletak di antara p(=0.20) dan p(=0.10), sehingga:
0.10 < * < 0.20 atau Ho diterima Kesimpulan:
Tes Satu-Sampel Kolmogorov-Smirnov
• Skala pengukuran ordinal
• Melihat tingkat kesesuaian antara skor sampel yang diobservasi (kumulatif frekuensi) dengan distribusi teoritisnya (kumulatif frekuensi).
• Perbedaan dengan Chi-kuadrat adalah tidak
Tes Satu-Sampel Kolmogorov-Smirnov
Seorang ahli pembuat kue ingin megkaji apakah ada kecenderungan selera terhadap kadar gula campuran kuenya. Dia membuat 8 macam campuran kue yang berbeda kadar gulanya dimana campuran A mempunyai kadar gula paling rendah, sedangkan kue H mempunyai kadar gula paling tinggi. Terhadap 19 penguji, dipersilakan memilih kue yang paling disukai. Hasilnya sbb:
A B C D E F G H Jumlah
Tes Satu-Sampel Kolmogorov-Smirnov
Ho : Kadar gula tidak mempengaruhi pilihan seseorang H1 : Kadar gula mempengaruhi pilihan seseorang
= 5%
Stat Uji:
Tes Satu-Sampel Kolmogorov-Smirnov
A B C D E F G H
Frek 0 1 5 2 5 2 1 3 19
Fo(x) 1/8 2/8 3/8 4/8 5/8 6/8 7/8 8/8
Sn(x) 0 1/19 6/19 8/19 13/19 15/19 16/19 19/19
Tes Satu-Sampel Kolmogorov-Smirnov
Lihat tabel F, 0.197 terletak di sebelah kiri p(0.2) pada N = 19. Sehingga dengan =5%, maka Ho tidak
ditolak.
* > 0.20 > 0.05
Kesimpulan:
Tes Run Satu-Sampel
•Proses sampling dari suatu populasi harus random/acak •Tes Run digunakan untuk mengetahui tingkat keacakan
suatu sampel
Ho : Sampel bersifat acak (random)
Tes Run Satu-Sampel
m = banyak elemen suatu jenis
n = banyak elemen suatu jenis yang lain N = m + n
r = jumlah run Contoh:
(- -) (++) (- - -) (+ + + +) (- -) (+ +) 1 2 3 4 5 6 m = 8 (+)
Tes Run Satu-Sampel
Sampel Kecil
Jika, baik m, n 20 Gunakan tabel F
Kriteria Penolakan Ho :
•Jika r terletak di antara kedua harga kritis, Ho diterima
Tes Run Satu-Sampel
Contoh:
Diperoleh sampel sebanyak 20 buah lampu pijar yang dinotasikan sebagai G (produk Gagal) dan B (produk Baik)
Tes Run Satu-Sampel
Ho : Sampel bersifat acak (random)
H1 : Sampel tidak bersifat acak (random)
= 5%
Statistik Uji:
(G) (B B B) (G) (B) (G) (B) (G) (B B B B B B B) (G) (B) (G) (B) 1 2 3 4 5 6 7 8 9 10 11 12
Tes Run Satu-Sampel
r = 12 m (B) =14 n (G) = 6
Lihat tabel FI =5 dan tabel FII = (tidak ada nilai) Kriteria penolakan Ho:
Tabel FI =5
Tabel FII Terima Ho
Tolak Ho Tolak Ho
Tes Run Satu-Sampel
Contoh:
Diperoleh sampel sebanyak 24 buah lampu pijar yang dinotasikan sebagai G (produk Gagal) dan B (produk Baik)
B G B B B B G B B B G G G G B G G B B B G G G G Apakah sampel tersebut bersifat acak?
Tes Run Satu-Sampel
Ho : Sampel bersifat acak (random)
H1 : Sampel tidak bersifat acak (random)
= 5%
Statistik Uji:
(B) (G) (B B B B) (G) (B B B) (G G G G) (B) (G G) (B B B) (G G G G) 1 2 3 4 5 6 7 8 9 10
Tes Run Satu-Sampel
r = 10 m (B) =12 n (G) = 12
Lihat tabel FI =7 dan tabel FII = 19 Kriteria penolakan Ho:
Tabel FI =7
Tabel FII=19 Terima Ho
Tolak Ho Tolak Ho
Tes Run Satu-Sampel
Jika, baik m, n > 20 Gunakan tabel A
Tes Run Satu-Sampel
Tes Run Satu-Sampel
Ho : Tidak terdapat perbedaan distribusi masa pakai H1 : Terdapat perbedaan distribusi masa pakai
Tes Run Satu-Sampel
15 Desember 2004 by Wawan Hermawan, SE., MT. 87
CHAPTER 5
The Case of One Sample, Two
Measures or Paired Replicates
The Case of One Sample, Two
Measures or Paired Replicates
McNemar
Sign Test
Ciri-ciri kasus
Tes McNemar untuk
Signifikansi Perubahan
• Skala pengukuran data Nominal atau Ordinal • Diterapkan terutama untuk sampel dengan
rancangan “Sebelum-Sesudah”.
• Contoh: untuk menguji keefektifan perlakuan tertentu (Pertemuan, pamflet, kunjungan, dsb)
Tes McNemar untuk
Signifikansi Perubahan
A B C D +
Sebelum
-Sesudah
- +
• Sel A (+ -) dan D ( - +) menunjukkan
perubahan
Tes McNemar untuk
Signifikansi Perubahan
Tes McNemar untuk
Signifikansi Perubahan
Koreksi Kontinuitas:
D
A
D
A
2
2
1
Tes McNemar untuk
Signifikansi Perubahan
Contoh:
Dalam kampanye pemilihan presiden di US, dilakukan debat antara calon presiden Reagan dengan Carter. Debat ini diharapkan akan merubah pilihan para pemilih terhadap calon presiden jika salah satu dari kandidat presiden lebih efektif dan persuasif dalam debatnya dibandingkan yang lain.
Tes McNemar untuk
Signifikansi Perubahan
HIPOTESIS NOL
Ho : P(Reagan Carter) = P(Carter Reagan)
H1 : P(Reagan Carter) P(Carter Reagan)
TES STATISTIK
Tes McNemar untuk Signifikansi Perubahan digunakan karena:
- sampel berhubungan (untuk orang yang sama) - desain sebelum dan sesudah
Tes McNemar untuk
Signifikansi Perubahan
SIGNIFICANCE LEVEL
= 5% N = 75
DISTRIBUSI SAMPLING
Gunakan tabel C dengan d.f. = 1
Pilihan sebelum
Debat ReagenPilihan Setelah DebatCarter
Tes McNemar untuk
Signifikansi Perubahan
DAERAH PENOLAKAN
Merupakan satu sisi (Chi-kuadrat)
KEPUTUSAN
Dari tabel C dengan d.f=1 dan =5% maka kemungkinan bahwa
2 3.84 adalah 0.05
2 (1.25) hitung lebih kecil dari 3.84, maka Ho tidak ditolak,
Tes McNemar untuk
Signifikansi Perubahan
Jika Frekuensi harapan yaitu (A+D)/2 kurang dari 5, maka digunakan uji binomial.
Pilihan sebelum
Debat ReagenPilihan Setelah DebatCarter
Carter A = 3
Reagen D = 6
(3+6)/2=4.5 < 5. Dengan k =3, maka dari tabel
Tes Tanda
• Variabel yang diamati memiliki distribusi selisih observasi (selisih X dengan Y apakah + atau -.
• X skor sebelum perlakuan tertentu, dan Y skor setelah perlakuan tertentu.
• Sampel boleh dari populasi berlainan
Tes Tanda
P(X > Y) = P(X < Y) = 0.5
X : Penilaian atau skor di bawah suatu kondisi
(sebelum diberikan suatu perlakuan)
Tes Tanda
Sampel Kecil
Jika N 35 mengacu pada distribusi binomial dengan peluang terjadi tanda (-) = peluang terjadinya tanda (+) atau p= q = 0.5
Dengan N adalah jumlah pasangan dan x jumlah tanda terkecil.
Tes Tanda
Contoh:
Tes Tanda
HIPOTESIS NOL
Ho : Suami dan Istri setuju akan tingkat pengaruh masing-masing terhadap pengambilan keputusan membeli rumah
H1 : Suami merasa harus lebih besar pengaruhnya dalam pengambilan keputusan membeli rumah.
STATISTK UJI
Uji Tanda
LEVEL SIGNIFIKAN
Pasangan Skor Pengaruh Tanda
Suami Istri
A 5 3 +
B 4 3 +
C 6 4 +
D 6 5 +
E 3 3 0
F 2 3
-G 5 2 +
H 3 3 0
I 1 2
-J 4 3 +
K 5 2 +
L 4 2 +
M 4 5
-N 7 2 +
O 5 5 0
Tes Tanda
+ = 11 - = 3 0 = 4 N = 14
k = 3 dari tabel D didapat 0.029 Ho : P Suami = P istri = 0.5
H1 : p suami > P istri, atau H1 : p istri < P suami
Maka Ho ditolak, atau suami yakin harus mempunyai pengaruh yang lebih besar dari isterinya dalam
Tes Tanda
Sampel Besar
Tes Tanda
Misalnya seorang peneliti ingin mengetahui dampak dari sebuah film tentang kenakalan remaja yang menceritakan hukuman terhadap Juvenile, akan mengubah pendapat masyarakat tertentu mengenai seberapa berat kenakalan remaja harus mendapat hukuman. Diambil 100 orang
Tes Tanda
Ho : Film tersebut tidak mempunyai efek yang sistematik terhadap sikap seseorang {P(+) = p(-)}
H1 : Film tersebut mempunyai efek yang sistematik terhadap sikap seseorang {P(+) p(-)}
Judged Attitude Number
Peningkatan hukuman 26
Pengurangan hukuman 59
Tes Tanda
Statistik Uji
Adalah uji Tanda karena skalanya ordinal dan
perbedaannya bisa diperlihatkan dengan tanda + dan –
LEVEL SIGNIFIKAN
Tes Tanda
Z = 3.47 Tabel A didapat 0.0003
Karena dua sisi menjadi 2(0.0003) = 0.0006 Ho ditolak
Uji Ranking-Bertanda
Wilcoxon untuk Data
Berpasangan
• Data ordinal
• Data kuantitatif bisa berbentuk skor (bisa dibuat ranking)
• Seperti uji tanda, tetapi dengan mempertimbangkan besar relatif perbedaannya.
Uji Ranking-Bertanda
Wilcoxon untuk Data
Berpasangan
Metode:
Ho : P(A) = P(B)
H1 : P(A) ; < ; > P(B)
: taraf signifikansi
- di adalah selisih skor tiap pasangan
- di dibuat ranking Ascending tanpa memperdulikan tanda
Uji Ranking-Bertanda
Wilcoxon untuk Data
Berpasangan
Contoh:
Uji Ranking-Bertanda
Wilcoxon untuk Data
Berpasangan
Pasangan Skor
sebelum SesudahSkor d Ranking d T+
A 82 63 -19 7
B 69 42 -27 8
C 73 74 1 1 1
D 43 37 -6 5
E 58 51 -7 6
F 56 52 -4 3.5
G 76 80 4 3.5 3.5
H 85 82 -3 2
Uji Ranking-Bertanda
Wilcoxon untuk Data
Berpasangan
Jika A adalah kepuasan berkurang dan B kepuasan bertambah Ho : P(A) = P(B)
H1 : P(A) P(B)
T+ = 4.5 ~ 5 Dari Tabel H dengan N = 8 didapat 0.5273 Maka 0.5273 > 0.05 Ho tidak ditolak
Uji Ranking-Bertanda
Wilcoxon untuk Data
Berpasangan
Sampel Besar
Jika N > 15, T+ mendekati distribusi normal
Uji Ranking-Bertanda
Wilcoxon untuk Data
Berpasangan
Misalkan X adalah output/jam sebelum ada kenaikan upah dan Y output/jam setelah ada kenaikan upah. Apakah kenaikan upah meningkatkan output?
Jawab:
Ho : P(+) P(-)
H1 : P(+) > P(-) Kenaikan upah menaikan output
= 5%
Uji Ranking-Bertanda
Wilcoxon untuk Data
Berpasangan
Ho : P(+) P(-)
Ho : P(+) > P(-) Kenaikan upah menaikan output
Atau
Ho : P(X) P(Y) H1 : P(X) < P(Y)
Z = 0.34 Dari tabel A didapat 0.3669 Maka Ho tidak ditolak
CHAPTER 6
TWO INDEPENDENT SAMPLES
Uji Eksak Fisher
Uji Chi-Square untuk 2 Sampel
Independen
Uji Median
Tes Mann-Whitney
Tes Wilcoxon-Mann-Whitney
Dua sampel dapat diperoleh
dengan cara:
1. Ditarik secara random dari dua populasi
Uji Eksak Fisher
tabel 2 x 2
Fungsi:
Untuk menguji apakah ada perbedaan dua perlakuan yang mungkin dari dua populasi
Spesifikasi:
- Data diskrit Skala ukur nominal atau ordinal (dichotomous)
- Data disusun dalam tabel kontigensi 2 x 2 - Berdistribusi Hypergeometris
- N 20
Ho : P(I) = P(II)
Uji Eksak Fisher
tabel 2 x 2
Tabel 2 x 2 Fisher
Variabel
Group
Gabungan
I II
+ A B A + B
- C D C + D
Uji Eksak Fisher
tabel 2 x 2
Statistik Uji:
Uji Eksak Fisher
tabel 2 x 2
Seandainya bayi yang lahir dengan berat 2Kg dianggap kurang, akan diselidiki proporsi banyaknya bayi dengan predikat kurang yang lahir di RS A = RS B dengan = 5%.
Data RS A
3.41 2.72 4.04 3.21 2.30 2.45 1.96 3.04 Data RS B
Uji Eksak Fisher
tabel 2 x 2
Ho : P (RS A) = P (RS B) H1 : P (RS A) P (RS B)
= 5%
RS A RS B
2 Kg 1 4 5
> 2Kg 7 6 13
Uji Eksak Fisher
Ho tidak ditolakUji Eksak Fisher
tabel 2 x 2
Untuk soal di atas jika dipertimbangkan
penyimpangan-penyimpangan yang lebih ekstrim, maka dibuat tabel berikut:
RS A RS B
2 Kg 0 5 5
> 2Kg 8 5 13
Uji Eksak Fisher
Kemungkinan lebih ekstrim adalah:
Uji Chi-Square untuk 2 Sampel
Independen
Fungsi:
Untuk menguji apakah ada perbedaan dua perlakuan yang mungkin dari dua populasi
Spesifikasi:
- Data diskrit Skala ukur nominal atau
- Data disusun dalam tabel kontigensi (baris x kolom) - Untuk menguji independensi
Ho : P(I) = P(II) Kedua kelompok independen
Uji Chi-Square untuk 2 Sampel
Independen
0.95
Do Not Reject H0 Reject H0
Uji Chi-Square untuk 2 Sampel
Independen
• Jika N < 20 Uji eksak Fisher
• Jika N 20 dan frekuensinya 5 (jika <5 gunakan Eksak Fisher) Uji Chi-Kuadrat, dengan rumus:
•Jika N > 40 gunakan Chi-Kuadrat, gunakan rumus:
Uji Chi-Square untuk 2 Sampel
Independen
Contoh:
Uji Chi-Square untuk 2 Sampel
Independen
• Actual values
Short Tall Totals
Follower 22 14 36
Unclassifiable 9 6 15
Leader 12 32 44 Totals 43 52 95
Expected values
Short Tall Totals
Follower (36)(43)/95 (36)(52)/95
=16.3 =19.7 36
Unclassifiable (15)(43)/95 (15)(52)/95
=6.8 =8.2 15
Leader (44)(43)/95 (44)(52)/95
=19.9 =24.1 44
Chi-Square Tests of Independence
•
I. Hypotheses:
H0: tinggi badan dan kualitas kepemimpinan adalah independen.
H1: tinggi badan dan kualitas kepemimpinan adalah tidak independen.
•
II. Rejection Region:
= 0.05
df = (r – 1) (k – 1) = (3 – 1)• (2 – 1) = 2 • 1 = 2
0.95
Do Not Reject H0 Reject H0
Chi-Square Tests of Independence
Chi-Square Tests of
Independence
•
First, arrange the data in a table.
Car and Motor Road &
Driver (1) Trend (2) Track (3) Totals
Import (Imp) 54 25 32 111
Domestic (Dom) 19 22 23 64 Totals 73 47 55 175
•
Second, compute the expected values and
contributions to
2for each of the six cells.
Calculating expected values
• Actual values
Car and Motor Road &
Driver (1) Trend (2) Track (3)Totals
Import (Imp) 54 25 32 111
Domestic (Dom) 19 22 23 64
Totals 73 47 55 175
• Expected values
Car and Motor Road &
Driver (1) Trend (2) Track (3)Totals
Import (Imp) (111)(73)/175 (111)(47)/175 (111)(55)/175 111 =46.3029 =29.8114 =34.8857
Domestic (Dom) (64)(73)/175 (64)(47)/175 (64)(55)/175 64 =26.6971 =17.1886 =20.1143
Chi-Square Tests of Independence
Car and Motor Road & Driver (1) Trend (2) Track (3)
Import (Imp): O - 54 25 32
E - 46.3029 29.8114 34.8857
2 contribution - 1.2795 0.7765 0.2387
Domestic (Dom) : O - 19 22 23
E - 26.6971 17.1886 20.1143
2 contribution - 2.2192 1.3468 0.4140
Chi-Square Tests of Independence
•
I. Hypotheses:
H0: Type of magazine and auto ownership are independent.
H1: Type of magazine and auto ownership are not independent.
•
II. Rejection Region:
= 0.05
df = (r – 1) (k – 1) = (2 – 1)• (3 – 1) = 1 • 2 = 2
If 2 > 5.991, reject H 0.
0.95
Do Not Reject H0 Reject H0
Uji Median
Fungsi:
Untuk menguji apakah dua kelompok independen berbeda dalam nilai tengahnya.
Skala Data Minimal Ordinal
Atau:
Apakah dua kelompok independen telah ditarik dari suatu populasi yang mempunyai median sama.
Ho : Kelompok itu berasal dari populasi yang bermedian sama
Uji Median
Metode:
1. Hitung Median gabungannya 2. Buat tabel 2 x 2 :
Group
Gabungan
I II
> Med A B A + B
Med C D C + D
Uji Median
Distribusi data akan mendekati distribusi
Hypergeometris. Oleh karena itu diperhitungkan: • Jika N = m + n lebih besar dari 20, gunakan
Chi-kuadrat dengan koreksi kontinuitas
Uji Median
Jika score sama tepat dengan Median Gabungan, maka ada dua alternatif yang bisa dipilih:
1. Kelompok itu dibagi dua menjadi score yang melebihi median dan score yang kurang dari median.
Uji Median
Contoh:
Sampel acak dari nilai IPK 20 mahasiswa dan 20 mahasiswi adalah sebagai berikut:
Mahasiswa:
3.42 3.54 3.21 3.63 3.22 3.80 3.70 3.20 3.75 3.31 2.86 4.00 2.86 2.92 3.59 2.91 3.78 2.70 3.06 3.30
Mahasiswi:
Uji Median
Letak Median ½(N + 1) = ½(20 + 1) = 10.5
Data ke 10 adalah 3.30 (Mahasiswa) dan 3.72 (Mahasiswi) Data ke 11 adalah 3.31 (Mahasiswa) dan 3.76 (Mahasiswi) Median:
Mahasiswa 3.30 + ½(3.72 – 3.30) = 3.51 Mahasiswi 3.31 + ½(3.76 – 3.31) = 3.54
Median Gabungan:
Uji Median
Group
Gabungan Mahasiswa Mahasiswi
Uji Median
Ho : IPK Median Mahasiswa sama dengan IPK Median Mahasiswi
Ho : IPK Median Mahasiswa tidak sama dengan IPK Median Mahasiswi
Chi-kuadrat hitung = 2.53 dengan d.f. = 1 dengan
=5% ada pada penerimaan Ho.
Tes Mann-Whitney
Fungsi:
Untuk menguji apakah ada perbedaan dua keadaan dalam skala ukur nominal dan ordinal
Spesifikasi:
- Skala ukur ordinal - Data diurutkan
Tes Mann-Whitney
Ho : I = , , II H1 : I ; < ; > II
Buat urutan dari kelompok I dan kelompok II dari kecil ke besar, kemudian hitung:
Tes Mann-Whitney
U = Nilai terkecil antara U1 dan U2 n1 = ukuran sampel kelompok I n2 = ukuran sampel kelompok II
Tes Mann-Whitney
Kriteria Uji:
Gunakan pendekatan distribusi normal
2
2 1
n
n
U
U
n
1n
2
n
112
n
2
1
U
U
U
Z
Tes Mann-Whitney
Jika ada angka yang sama (t):
Kriteria tolak Ho:
P (1 arah) atau P /2 (2 arah)
12
3
t
t
Tes Wilcoxon-Mann-Whitney
Merupakan penyempurnaan dari uji Man-Whitney Ho : X = Y
H1 : X ; < ; > Y Tentukan m dan r:
m = ukuran sampel kelompok yang kecil r = ukuran sampel kelompok yang besar
Tes Wilcoxon-Mann-Whitney
Statistik Uji:
Kriteria Uji:
Contoh
Tes Wilcoxon-Mann-Whitney
Contoh
Tes Wilcoxon-Mann-Whitney
Ho : A B (Volume Ekspor ke negara maju = volume ekspor ke negara berkembang
H1 : A > B (Volume Ekspor ke negara maju > volume ekspor ke negara berkembang
Contoh
Tes Wilcoxon-Mann-Whitney
Cara Mann-Whitney
M Ri B Ri
R1 139.5
Contoh
Tes Wilcoxon-Mann-Whitney
Contoh
Tes Wilcoxon-Mann-Whitney
31
Maka diambil U yang terkecil
Contoh
Tes Wilcoxon-Mann-Whitney
Cara Mann-Whitney-Wilcoxon
Ho : A B (Volume Ekspor ke negara maju = volume ekspor ke negara berkembang
H1 : A > B (Volume Ekspor ke negara maju > volume ekspor ke negara berkembang
= 5%
m = 10 (negara berkembang) n = 11 (negara maju)
Contoh
Tes Wilcoxon-Mann-Whitney
Wx = 91.5
Uji Kolmogorov-Smirnov untuk
dua sampel
Fungsi:
Untuk menguji apakah dua sampel independen telah ditarik dari populasi yang sama atau dari populasi-populasi yang berdistribusi sama.
Uji Kolmogorov-Smirnov untuk
dua sampel
Ho : Kedua sampel mempunyai distribusi yang sama H1 : Kedua sampel mempunyai distribusi yang berbeda Ho : P(I) = P(II)
H1 : P(I) ; < ; > P(II)
Susun masing-masing kelompok skor dalam distribusi kumulatif dengan menggunakan interval atau klasifikasi yang sama untuk kedua distribusi
Uji Kolmogorov-Smirnov untuk
dua sampel
Uji Satu Arah:
Dm,n = Maks [Sm (x) – Sn (x)]
Uji Dua Arah:
Dm,n = Maks |Sm (x) – Sn (x)|
Sm(x) : Fungsi jenjang kumulatif observasi pada salah satu sampel
k/m dengan k = banyaknya skor yang sama atau kurang dari x
Uji Kolmogorov-Smirnov untuk
dua sampel
Sampel Kecil:
Jika m dan n kurang dari atau sama dengan 25 gunakan tabel LI untuk uji satu arah dan tabel LII untuk uji dua arah.
Contoh:
2 kelas masing-masing terdiri dari 12 mahasiswa, kelas A diberi penerangan cara menggunakan sebuah alat sehingga tidak terdapat kesalahan, sedangkan B tidak diberi
penerangan. Kemudian untuk kedua kelas tersebut
dicobakan alat tersebut dan dicatat terjadinya kesalahan pertama dalam waktu (detik).
Uji Kolmogorov-Smirnov untuk
dua sampel
Kelas FA FB Sm Sn Dm,n = |Sm (x) – Sn (x)| 2-11 4 2 4/12 2/12 2/12
12-21 3 4 7/12 6/12 1/12 22-31 3 1 10/12 7/12 3/12 * 32-41 1 1 11/12 8/12 3/12 * 42-51 0 3 11/12 11/12 0 52-61 0 1 11/12 1 1/12
Ho : Sebaran kedua kelompok sama
Uji Kolmogorov-Smirnov untuk
dua sampel
Uji Dua Arah:
Dm,n = Maks |Sm (x) – Sn (x)|=3/12
Dm,n =3/12 mnDm,n=(12)(12)(3/12)=36
Lihat Tabel LII didapat untuk m=12 dan n=12 dengan
=5% adalah 84
mnDm,n=36 < Tabel LII=84 Ho tidak ditolak
Uji Kolmogorov-Smirnov untuk
dua sampel
Sampel Besar: Uji Dua Arah
Jika m dan n lebih besar dari 25 gunakan tabel LIII.
Cari Dm,n kemudian bandingkan dengan tabel. Contoh di atas jika dirubah jumlah sampelnya: m=55 dan n=60 dengan =5%, angka kritis diperoleh (lihat tabel):
55 60 0.254Maka Ho baru kita tolak jika Dm,n > 0.254 untuk
Uji Kolmogorov-Smirnov untuk
dua sampel
Sampel Besar: Uji Satu Arah
didekati oleh distribusi Chi-Kuadrat dengan d.f.=2 :
n
m
mn
D
m n
2,2
4
Dari contoh sebelumnya, tetapi dengan n yang diperbesar dan uji satu pihak:
Uji Kolmogorov-Smirnov untuk
dua sampel
Kelas FA FB Sm Sn Dm,n = Maks [Sm (x) – Sn (x)] 2-11 15 6 15/60 6/60 9/60
12-21 18 12 33/60 18/60 15/60*
22-31 9 10 42/60 28/60 14/60
32-41 6 24 48/60 52/60 -4/60
42-51 7 4 55/60 56/60 -1/60 52-61 3 2 58/60 58/60 0
Uji Kolmogorov-Smirnov untuk
dua sampel
7
.
5
Chapter 7
Kasus k Sampel Berhubungan
Konsep Dasar
• Merupakan prosedur pengujian untuk 3 sampel atau lebih yang berhubungan.
• Menguji perbedaan-perbedaan dari k (3 atau lebih) sampel yang berhubungan.
Tes Q Cochran
Fungsi:
Menguji perbedaan atas data dengan sampel 3 atau lebih yang bersifat dikotomi
Skala Data: Minimal Nominal
Prosedur:
- Skor 1 untuk sukses dan 0 untuk gagal - Tentukan Q
Tes Q Cochran
Contoh:Ingin diteliti pengaruh keramahan seorang pewawancara atas jawaban ibu rumah tangga dalam survey pendapat. Kemudian dilatih pewawancara dalam tiga tipe mewawancarai, yaitu: perhatian, formal dan terburu-buru. Sampel terdiri dari tiga kelompok yang masing-masing terdiri dari 18 ibu rumah tangga, yang mana 3 ibu rumah tangga dipasangkan berdasarkan kriteria tertentu dan diwawancara masing-masing kelompok untuk jenis wawancara tertentu.
Tes Q Cochran
Hipotesis Nol:
Ho : p (jawaban Ya) = p (jawaban Tidak) untuk ke-3 jenis wawancara
H1 : p (jawaban Ya) p (jawaban Tidak)
untuk ke-3 jenis wawancara
Tes Statistik:
dipilih Q Cochran karena:
- terdiri dari 3 data berhubungan - dikotomi data (Ya dan Tidak)
Tingkat Signifikansi:
Tes Q Cochran
Dengan Q = 16.7 dan d.f.=3-1=2 dari tabel C didapat p-value = 0.001, sehingga Ho ditolak.
Kesimpulan:
Tes Q Cochran
Empat orang peramal saham masing-masing diminta agar meramalkan 10 hari yang terpilih secara acak. Apakah 100 indeks saham akan naik atau turun pada hari berikutnya. Jika ramalannya tepat diberi skor satu dan nol jika salah. Apakah skor di bawah ini menunjukkan perbedaan kemampuan meramal secara tepat?
Tes Q Cochran
Hipotesis Nol:
Ho : p (1) = p (0)
untuk ke-10 hari H1 : p (1) p (0)
untuk ke-10 hari
Tes Statistik:
dipilih Q Cochran karena:
- terdiri dari 10 data berhubungan - dikotomi data (Ya dan Tidak)
Hari Peramal 1 Peramal 2 Peramal 3 Peramal 4 Gi
1 1 1 1 1 4
2 0 1 1 1 3
3 0 1 0 0 1
4 1 1 1 0 3
5 1 0 1 0 2
6 1 1 1 1 4
7 1 1 1 1 4
8 0 0 1 1 2
9 1 0 0 0 1
10 1 0 1 1 3
L 7 6 8 6 27
Tes Q Cochran
Dengan Q = 12.81 dan d.f.=10 – 1 = 9 dari tabel C, dengan = 5% didapat 16.92 sehingga Ho tidak
ditolak.
Kesimpulan:
Analisis Varian Dua-Arah
Friedman
Fungsi:
- Data k berpasangan minimal ordinal
- Menentukan apakah mungkin kolom-kolom ranking
yang berlainan berasal dari populasi yang sama atau suatu populasi berasal dari median yang sama
Prosedur:
- Sama seperti Cochran, tapi menggunakan rank
- Masukkan skor-skor ke dalam tabel dua arah yang memiliki k kolom (kondisi) dan N baris (subjek)
- Beri ranking skor tersebut pada masing-masing baris - Tentukan jumlah ranking di tiap kolom
Analisis Varian Dua-Arah
N = Jumlah baris (subjek)
k = jumlah kolom (variabel atau kondisi) R = jumlah rank pada kolom j
Analisis Varian Dua-Arah
Friedman
Suatu lembaga periklanan menduga bahwa faktor yang menentukan tingkat penjualan produk adalah jenis periklanan. Untuk mendukung pendapat tersebut, seorang peneliti mengambil 6 kota dengan menanyakan sumber informasi suatu produk terhadap masing-masing responden yang membeli produknya. Apakah secara rata-rata sumber informasi memberi pengaruh yang berbeda terhadap jumlah penjualan?
Analisis Varian Dua-Arah
Friedman
Penjualan TV Radio S.K Papan
Reklame
A 12 (3) 14 (4) 6 (1) 9 (2)
B 20 (4) 15 (2) 16 (3) 4 (1)
C 23 (4) 10 (1) 16 (2) 18 (3)
D 10 (1) 19 (2.5) 20 (4) 19 (2.5)
E 17 (1) 22 (2) 23 (3.5) 23 (3.5)
F 18 (4) 9 (2) 5 (1) 14 (3)
Analisis Varian Dua-Arah
Friedman
Dengan nilai hitung sebesar 0.67 maka lihat tabel C untuk d.f.= 3
Ho tidak ditolak
Analisis Varian Dua-Arah
Friedman
15 Desember 2004 by Wawan Hermawan, SE., MT. 195
CHAPTER 8
TES
2untuk k Independen Sampel
Fungsi:
- Merupakan perluasan dari uji 2 dua sampel independen.
- Untuk menentukan signifikansi perbedaan-perbedaan antara k kelompok independen.
TES
2untuk k Independen Sampel
Hipotesis Nol:
Ho : k sampel frekuensi atau proporsi berasal dari
populasi yang sama atau populasi-populasi yang identik
Contoh:
TES
2untuk k Independen Sampel
Contoh:
Dalam suatu penelitian penyelidikan mengenai sifat dan akibat stratifikasi sosial dalam suatu masyarakat kecil di Barat Tengah Amerika Serikat. Hollingshead menemukan bahwa anggota-anggota masyarakat itu membagi mereka ke dalam lima kelas sosial: I, II, III, IV dan V.
Ramalannya adalah para remaja dalam kelas-kelas sosial yang berlainan (Persiapan PT, Umum dan Perdagangan) akan mencatatkan diri dalam mengikuti
Contoh:
TES
2untuk k Independen Sampel
Ho : proporsi siswa yang tercatat dalam ketiga
kemungkinan kurikulum itu adalah sama untuk
semua kelas
H1 : proporsi siswa yang tercatat dalam ketiga kemungkinan kurikulum itu adalah berbeda untuk semua kelas
Tes Statistik:
Kelompok yang dipelajari adalah independen dan lebih dari dua, maka digunakan Chi kuadrat
Contoh:
TES
2untuk k Independen Sampel
Kurikulum Kelas Total
I & II III IV V
Persiapan PT 23 40 16 2
81
7.3 30.3 38.0 5.4
Umum 11 75 107 14
207
18.6 77.5 97.1 13.8
Perdagangan 1 31 60 10
102
9.1 38.2 47.9 6.8