STATISTIKA NON PARAMETRIK.rar
STATISTIKA NONPARAMETRIK BUKU: 1. SIDNEY SIEGEL & JOHN CASTELLAN, JR.
“NONPARAMETRIC STATISTICS FOR THE BEHAVIORAL
SCIENCES”, SECOND EDITION, MCGRAW-HILL2. RONALD M. WEIERS, “INTRODUCTION TO BUSINESS STATISTICS”, THIRD EDITION, INTERNATIONAL THOMPSON PUBLISHING, 1998.
3. W.J. CONOVER, “PRACTICAL NONPARAMETRIC STATISTICS”, THIRD EDITION, JOHN WILEY & SONS, INC. 15 Desember 2004 by Wawan Hermawan, SE., MT. 1999. 1
STATISTIKA DESKRIPTIF
Menjelaskan atau menggambarkan berbagai karakteristik data.
Seperti bagaimana rata-rata, dispersi, nilai max, nilai min dsb.
STATISTIK INFERENS
Membuat berbagai inferensi terhadap sekumpulan data yang berasal dari suatu sampel. Tindakan inferensi tersebut seperti melakukan perkiraan, peramalan, pengambilan keputusan dsb.
Atau, Perkiraan atau generalisasi tentang suatu populasi berdasarkan informasi yang terkandung dari suatu sampel
KONSEP DASAR
POPULASI: Keseluruhan objek penelitian yang dibatasi oleh kriteria tertentu. Misal, rata-rata IPK mahasiswa unpar.
SAMPLING: Proses pengambilan sebagian anggota populasi SAMPEL: Hasil pengambilan sampling
KONSEP DASAR
PARAMETER: Konstanta yang dihitung dengan rumus tertentu dari populasi.
PENGUKURAN: Proses kuantifikasi terhadap karakteristik yang diamati berdasarkan aturan tertentu. Contoh: menentukan upah A, B, C dinyatakan dengan angka (Rp).
Kegunaan Tes Statistik dalam
PenelitianHIPOTESIS PENELITIAN DATA DITERIMA DITOLAK PROSEDUR STATISTIK
LANGKAH-LANGKAH PENGUJIAN HIPOTESIS
1. Nyatakan Hipotesis Nol (H ) Pada umumnya adalah suatu hipotesis tentang tidak adanya perbedaan.
Diformulasikan untuk ditolak. =, ,
LANGKAH-LANGKAH PENGUJIAN HIPOTESIS
Hipotesis Alternatif (H1) Merupakan hipotesis penelitian dari si pembuat eksperimen. , <, >
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 H1 : A B
LANGKAH-LANGKAH PENGUJIAN HIPOTESIS
2. Tingkat Signifikansi (Level of Significance) Berkenaan dengan tingkat kesalahan dalam pengujian hipotesis ( )
Dua kekeliruan
1. Tipe I : menolak hipotesis yang seharusnya diterima ( )
2. Tipe II: menerima hipotesis yang seharusnya ditolak ( )
P(kesalahan tipe I) =
P(kesalahan tipe II) =
LANGKAH-LANGKAH PENGUJIAN HIPOTESIS
3. Pemilihan Tes Statistik Dilakukan untuk menguji hipotesis Yang harus diperhatikan:
- Model penelitian
- Asumsi-asumsi dasar
- Skala pengukuran data
LANGKAH-LANGKAH PENGUJIAN HIPOTESIS
4. Tentukan daerah penolakan (daerah kritis) Daerah untuk menolak Ho pada tingkat tertentu
5. Kesimpulan Jika hasil tes menunjukkan pada daerah penolakan, maka tolak Ho.
Skala pengukuran data
Merupakan indikator yang penting dalam menentukan metode statistik yang digunakan.
Parametrik Statistik (minimal Interval) Nonparametrik Statistik (Nominal, Ordinal, 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)
- Contoh: laki-laki, perempuan / merk mobil / nama propinsi
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 • Contoh: SS-S-R-TS-STS SD-SLTP-SMU-S1-S2-S3
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 • Contoh: suhu dimana 0 derajat masih ada suhunya.
Skala Rasio
- Mempunyai semua ciri Interval • Mempunyai nol yang mutlak
- Contoh: Berat Badan mahasiswa (0 Kg berarti tidak ada mahasiswa)
Statistik Parametrik
Adanya syarat tertentu tentang parameter populasi • dan distribusi populasi Skala pengukuran minimal interval •
Statistik Nonparametrik
- Tidak menetapkan syarat tentang parameter populasi
- Distribusi data bisa diabaikan
- Skala pengukuran mulai dari Nominal • Bisa digunakan untuk sampel kecil (n = 6)
UJI NORMALITAS
Melakukan pengujian apakah data berdistribusi normal atau tidak.
H : Sampel berasal dari populasi yang berdistribusi normal H : Sampel tidak berasal dari populasi yang 1 berdistribusi normal
Statistik Uji:
2. Jika n > 30 maka digunakan uji Chi Square
Uji Lilliefors
Misalkan sampel dengan data: 23 27 33 40 48 48 57 59 62 68 69 70 telah diambil dari suatu populasi Akan diuji apakah sampel ini berasal dari distribusi normal atau bukan.
Uji Lilliefors
1. Tentukan H : H : Sampel berasal dari populasi yang berdistribusi normal H : Sampel tidak berasal dari populasi yang 1 berdistribusi normal
Uji Lilliefors
3. Hitung Rata-rata dan simpangan baku sampel
55 .16
11 3012 67 .
1
33 .50
12 604
2
n
X X s n
X X i i Uji Lilliefors
1 55 .
16 33 .
50
23
1
Z contoh s
X X Z i i Uji Lilliefors
5. Hitung F(Z i ) = P(Z Z i
) 0.5 - Z tabel
0.5 + Z tabel Uji Lilliefors
6. Hitung S(Z i )
Uji Lilliefors
7. Hitung |F(Z i ) – S(Z i )| Uji Lilliefors
8. Ambil harga terbesar dari |F(Z ) – S(Z )| atau disebut Lo i i
Lo = 0.12
Dengan =5% maka Ltabel = 0.242
Sehingga Ho tidak ditolak (Lo < Ltabel) Kesimpulan : Populasi berdistribusi normal
Uji Chi Square
Untuk uji normalitas jika n > 30 digunakan Chi Square Dengan rumus:
2 k fo fe
2 i i
fe i
1 i
Fo = Nilai observasi Fe = nilai harapan i = jumlah kriteria
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 Jumlah 300 Chi Square
1. Tentukan H : H : Sampel berasal dari populasi yang berdistribusi normal H : Sampel tidak berasal dari populasi yang 1 berdistribusi normal
Chi Square
3. Hitung Rata-rata dan simpangan baku sampel
1 2
n
X X F s F
X F
X i i i i i
Chi Square
Upah F i
X i F i
X i 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
810 300 243000
i i i
F
X F
X
Chi Square
Upah F i
X i F i (X i -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
101 99 .
299 3110000
1 2
n
X X F s i i Chi Square
2 101 99 . 810 550
1
Z contoh
X Z i i
Upah z i 550 - <650 -2.55
650 - <750 -1.57 750 - <850 -0.59 850 - <950
0.39 950 - <1050 1.37 1050
2.35
Chi 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
Luas* : 0.0582-0.0054=0.0528
Chi Square
2 k fo fe
2 i i 8 .
74
fe i1 i 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 Kesimpulan: Upah pegawai tersebut tidak berdistribusi normal
CHAPTER 4 THE SINGLE-SAMPLE CASE
Uji Nonparametrik untuk Kasus Satu Sampel
- Menggunakan satu sampel
- Biasanya bertipe Goodness of Fit • Menguji perbedaan-perbedaan
- Skala data nominal atau ordinal
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?
- Apakah ada perbedaan yang signifikan antara proporsi yang diamati dengan proporsi yang diharapkan?
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 diketahui?
Uji Nonparametrik untuk Kasus Satu Sampel
1. Tes Binomial
2. Tes Satu Sampel Chi-Kuadrat
3. Tes Satu Sampel Kolmogorov-Smirnov
4. Tes Run Satu Sampel
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 • Peluang kejadian gagal Populasi = Q = 1 – P • Ho = hipotesis nilai populasinya adalah P
Tes Binomial k n k
Q P k n Y k p
! ! ! k n k n k n
N k Y P k Y p
Jika P = 1/2 Tes Binomial sampel kecil
Jika n 35 Gunakan tabel D
- k adalah frekuensi terkecil
- Untuk uji satu sisi gunakan langsung dari tabel
- Untuk uji dua sisi hasil tabel dikalikan dua
Tes Binomial sampel kecil
Contoh: Dalam suatu studi mengenai akibat stress, seorang pembuat eksperimen mengajarkan kepada 18 mahasiswa dua metode yang berbeda untuk membuat simpul dengan tali yang sama. Separuhnya disuruh mempelajari metode A terlebih dahulu, separuhnya metode B terlebih dahulu. Pada malam hari (keadaan stress) mereka diminta untuk membuat simpul, dan diperkirakan akan menggunakan metode pertama yang diajarkan. Ujilah perkiraan tersebut.
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) Ditetapkan sebesar 1%
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 Yang Dipelajari Dipelajari
Pertama Kedua Frekuensi
16
2
18 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 ditolak.
- Karena P < , maka H > p atau orang-orang yang berada di
- Kesimpulan p 1 2 bawah stress kembali ke metode yang dipelajari pertama diantara dua metode yang ada.
- X adalah frekuensi terkecil
- Untuk uji satu sisi gunakan langsung dari tabel
- Untuk uji dua sisi hasil tabel dikalikan dua
- Merupakan uji perbedaan
- Sampel dilihat berdasarkan kategori (k)
- K 2
- 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.
- Jika mulai dari 2 kategori dan frekuensi yang diharapkan kurang dari 5, atau jika setelah digabung kategori yang berdekatan akhirnya hanya mendapat 2 kategori, maka digunakan tes Binomial.
- Skala pengukuran ordinal
- Melihat tingkat kesesuaian antara skor sampel yang diobservasi (kumulatif frekuensi) dengan distribusi teoritisnya (kumulatif frekuensi).
- Perbedaan dengan Chi-kuadrat adalah tidak terpengaruh dengan data/skor yang kurang dari 5, sehingga lebih baik.
- Proses sampling dari suatu populasi harus random/acak
- Tes Run digunakan untuk mengetahui tingkat keacakan suatu sampel
- Jika r terletak di antara kedua harga kritis, Ho diterima
- Jika r sama atau lebih ekstrim dari satu di antara harga kritis, Ho ditolak
- Menguji subjek dengan pembanding dirinya sendiri.
- Skala pengukuran data Nominal atau Ordinal • Diterapkan terutama untuk sampel dengan rancangan “Sebelum-Sesudah”.
- Contoh: untuk menguji keefektifan perlakuan tertentu (Pertemuan, pamflet, kunjungan, dsb) terhadap kecenderungan pemilih atas berbagai calon
- Sebelum -
- Sel A (+ -) dan D ( - +) menunjukkan perubahan
- A+D = jumlah total yang berubah
- sampel berhubungan (untuk orang yang sama)
- desain sebelum dan sesudah
- data nominal
- 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
- Jika Ho tidak ditolak, diharapkan jumlah pasangan tanda antara X>Y(-) akan sama dengan X<Y (+).
- Ho ditolak jika terdapat perbedaan 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 mengambil keputusan membeli rumah.
- Data ordinal
- Data kuantitatif bisa berbentuk skor (bisa dibuat ranking)
- Seperti uji tanda, tetapi dengan mempertimbangkan besar relatif perbedaannya.
- Ada kriteria “lebih besar dari”
- d adalah selisih skor tiap pasangan i
- d dibuat ranking Ascending tanpa memperdulikan i tanda
- Buat tanda untuk tiap ranking
- d = 0 dikeluarkan dari analisis +
- T adalah jumlah ranking + -
- T adalah jumlah ranking -
- 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) H1 : P(I) ; < ; > P(II)
- A B A + B
- C D C + D Total A + C B + D N
- 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 H1 : P(I) ; < ; > P(II) Kedua kelompok dependen
- Jika N < 20 Uji eksak Fisher • Jika N 20 dan frekuensinya 5 (jika <5 gunakan
- Jika N > 40 gunakan Chi-Kuadrat, gunakan rumus:
- Actual values
Tes Binomial sampel kecil
Menurut bagian pemasaran sejenis Shampo, Shampo merknya lebih disukai oleh kaum pria. Kepada 30 konsumen yang dipilih secara acak ternyata 20 diantaranya adalah wanita. Apakah pernyataan bagian pemasaran tersebut dapat didukung dengan =5%?
Tes Binomial sampel kecil
Frekuensi terkecil (X) = pria = 10 H : p ≥ q ; p ≥ 0.5 H : p < q ; q > 0.5 ;p = peluang pria 1
=5%
Stat Uji : Lihat Tabel D didapat 0.049 0.049 < 0.05 sehingga Ho ditolak Kesimpulan: Dengan resiko 5% dab p-value 0.049 ternyata shampo
Tes Binomial sampel besar
Jika n > 35 Semakin besar n akan cenderung mendekati dist. Normal Dengan : Rata-rata = NP Simpangan Baku = akar kuadrat NPQ
X X NP
Z
NPQ 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 X .
5 NP
Z
NPQ
Tes Binomial sampel besar
Jika n >35 Gunakan tabel A
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 diantaranya adalah pria. Apakah pernyataan bagian pemasaran tersebut dapat didukung dengan =5%?
Tes Binomial sampel besar
X = pria H
: p 0.5 H : p > 0.5 1
=5%
Stat Uji : X .
5 NP 280 . 5 600 .
5
Z 1 .
59 NPQ 600 . 5 .
5
Tes Binomial sampel besar
Z= -1.59 Lihat Tabel A didapat 0.0559 0.0559 > 0.05 sehingga Ho tidak ditolak Kesimpulan: Dengan resiko 5% dab p-value 0.0559 ternyata shampo tersebut sama-sama disukai oleh pria maupun wanita
Tes Satu sampel Chi-Kuadrat
k i i i i fe fe fo
1
2
2
Fo = Nilai observasi Fe = nilai harapan i = jumlah kriteria
Tes Satu sampel Chi-Kuadrat
Tes Satu sampel Chi-Kuadrat
Sebuah Mall yang dibuka memberi hadiah kepada para pembeli dengan 3 pilihan yaitu: T-shirt, giwang dan mug. Jika dari 500 total hadiah yang dipilih pembeli ternyata yang memilih T-shirt 183 orang, giwang 142 orang dan mug 175 orang. Apakah ketiga pilihan hadiah sama-sama disukai oleh pembeli?
Tes Satu sampel Chi-Kuadrat
Hadiah T-Shirt Giwang Mug Obs 183 142 175Est 166.7 166.7 166.7
Ho : P1 = P2 = P3 = 0.333 atau frekuensi = 166.7 H1 : P1 P2 P3
= 5% Statistik Uji: k 2 2 2 2 fo fe 183 166 . 7 175 166 .
7 i i .. 5 .
67
i 1 fe 166 . i 7 166 .
7
Tes Satu sampel Chi-Kuadrat
2 5 .
67
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: Ketiga hadiah sama-sama disukai oleh konsumen
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: Kualitas 1 = 68 Kualitas 2 = 104 Kualitas 3 = 155 Kualitas 4 = 73
Tes Satu sampel Chi-Kuadrat
Kualitas
1
2
3
4 Jumlah Fo 68 104 155 73 400 0.21x400 0.24x400 0.35x40 0.2x400
Fe =84 =96 =140 =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: k 2 2 2
2
fo fe68
84
73
80 i i .. 5 .
93
i 1 fe i
84
80
Tes Satu sampel Chi-Kuadrat
2 5 .
93
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: Terdapat indikasi bahwa konsumen membeli produk A seperti pola yang sudah terjadi.
Tes Satu-Sampel Kolmogorov-Smirnov
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 Frek
1
5
2
5
2
1
3
19 Tes Satu-Sampel Kolmogorov-Smirnov
Ho : Kadar gula tidak mempengaruhi pilihan seseorang H1 : Kadar gula mempengaruhi pilihan seseorang
= 5% Stat Uji:
D = Maksimum | Fo (x) – Sn (x) |
Tes Satu-Sampel Kolmogorov-Smirnov
A B C D E F G H Frek
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) 1/19 6/19 8/19 13/19 15/19 16/19 19/19 D .125 0.197 0.059 0.079 0.059 0.04 0.033 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: Kadar Gula tidak mempengaruhi pilihan seseorang
Tes Run Satu-Sampel
Ho : Sampel bersifat acak (random) H1 : Sampel tidak 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 (+) n = 7 (-) N = 15
Tes Run Satu-Sampel
Sampel Kecil
Jika, baik m, n 20 Gunakan tabel F
Kriteria Penolakan Ho :
Tes Run Satu-Sampel
Contoh: Diperoleh sampel sebanyak 20 buah lampu pijar yang dinotasikan sebagai G (produk Gagal) dan B (produk Baik) G B B B G B G B G B B B B B B B G B G B Apakah sampel tersebut bersifat acak? Gunakan = 5%
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 r = 12 m (B) =14 n (G) = 6
Tes Run Satu-Sampel
r = 12 m (B) =14 n (G) = 6 Lihat tabel F =5 dan tabel F = (tidak ada nilai) I II
Kriteria penolakan Ho: Terima Ho
Tolak Ho Tolak Ho
Tabel Tabel r =12
F F =5 I II
Maka terima Ho, atau data tersebut bersifat acak
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? Gunakan = 5%
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 10r = 10 m (B) =12 n (G) = 12
Tes Run Satu-Sampel
r = 10 m (B) =12 n (G) = 12 Lihat tabel F =7 dan tabel F = 19 I II
Kriteria penolakan Ho: Terima Ho
Tolak Ho Tolak Ho
Tabel Tabel r =10
F =19 F =7 I II
Maka terima Ho, atau data tersebut bersifat acak
Tes Run Satu-Sampel
Jika, baik m, n > 20 Gunakan tabel A
2 mn 2 mn N 2 mn
1 2
N N
1
N r h
H = +0.5 jika r<
Z
H = - 0.5 jika r>
Tes Run Satu-Sampel
Diambil sampel 40 batere secara acak dari tempat percobaan pada pabrik A, dan 30 dari pabrik B. Ke 70 batere tersebut secara bersama diberi beban listrik dengan arus sama. Setelah diurut batere yang tidak berfungsi, maka didapat r sebesar 42. Dengan =10% apakah terdapat perbedaan distribusi masa pakai batere?
Tes Run Satu-Sampel
Ho : Tidak terdapat perbedaan distribusi masa pakai H1 : Terdapat perbedaan distribusi masa pakai r = 42, m = 40, n = 30
2 mn 2 . 40 .
30
1
1 35 .
29
N
70 2 mn 2 mn N 2 . 40 .
30 2 . 40 .
30
70
4 .
07 2 2
N N
1
70
70
1
Tes Run Satu-Sampel r h
40 .
5 35 .
29
Z 1 .
53 4 .
07
* = 2 x tabel, karena 2 sisi * = 2 x 0.063 * = 0.1260 * > atau 0.126 > 0.10 Ho tidak ditolak Tidak terdapat perbedaan distribusi maka pakai.
The Case of One Sample, Two
Measures or Paired Replicates McNemar
Sign Test
Uji Ranking-Bertanda Wilcoxon Ciri-ciri kasus • Ingin melihat dua perlakuan apakah sama atau tidak.
Tes McNemar untuk Signifikansi Perubahan
Tes McNemar untuk Signifikansi Perubahan
A B C D
Sesudah
Tes McNemar untuk Signifikansi Perubahan
2
2
2
2
2
2
2
1
2
2
D A D A D D A D A A fe fe fo k i i i i
D A D A
Dengan d.f = 1 Tes McNemar untuk Signifikansi Perubahan
Koreksi Kontinuitas: 2 A D
1 2
Dengan d.f. = 1
A D
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.
Diambil 75 orang sampel acak dan ditanya pilihannya sebelum debat. Setelah debat selesai 75 orang tadi ditanya ulang pilihannya.
Tes McNemar untuk Signifikansi Perubahan
Ho : P(Reagan Carter) = P(Carter Reagan) H1 : P(Reagan Carter) P(Carter Reagan)
Tes McNemar untuk Signifikansi Perubahan digunakan karena:
Tes McNemar untuk Signifikansi Perubahan
N = 75 = 5%
Gunakan tabel C dengan d.f. = 1 Pilihan sebelum Pilihan Setelah Debat
Debat Reagen Carter
Carter A = 13 B = 28 Reagen C = 27 D = 7 Tes McNemar untuk Signifikansi Perubahan
Merupakan satu sisi (Chi-kuadrat)
KEPUTUSAN 2 2 A D
1
13
7
1
2 25 1 .
25
20 A D
13
7 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,
maka para kandidat mempunyai efektivitas yang sama dalam merubah pilihan para pemilih.
Tes McNemar untuk Signifikansi Perubahan
Jika Frekuensi harapan yaitu (A+D)/2 kurang dari 5, maka digunakan uji binomial.
Pilihan sebelum Pilihan Setelah Debat Debat
Reagen Carter Carter A = 3
Reagen D = 6
(3+6)/2=4.5 < 5. Dengan k =3, maka dari tabel Didapat 0.254 karena uji dua sisi menjadi 0.508 >0.05 sehingga Ho tidak ditolak.
Tes Tanda
Tes Tanda
P(X > Y) = P(X < Y) = 0.5 X : Penilaian atau skor di bawah suatu kondisi (sebelum diberikan suatu perlakuan) Y : Penilaian atau skor di bawah suatu kondisi lainnya (setelah 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.
Jika tidak terdapat tanda atau X-Y=0 maka dicoret dari jumlah pasangan N.
Tes Tanda
Contoh: Sebuah penelitian ingin melihat bagaimana proses keputusan dilakukan oleh pasangan suami istri dalam membeli rumah. Tiap pasangan yang diberi kuesioner akan diberi tanda + bila suami lebih dominan dalam memutuskan, sedangkan jika istri lebih dominan, diberi tanda -. Jika suami istri mempunyai persetujuan yang sama maka diberi tanda 0.
Tes Tanda
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.
Uji Tanda
=5%
Pasangan Skor Pengaruh Tanda Suami Istri A 5
3 + B C 4
3 + D 6
4 + 6
5 + E 3 3 F G 2
3 - 5
2 + H 3 3 I J 1
2 - 4
3 + K L 5
2 + M 4
2 + 4
5 - N O 7
2 + 5 5 P 5
3 + Q 5
1 + Tes Tanda
Tes Tanda Sampel Besar
Jika N > 35 Rata-rata = = Np = N/2 2
= Npq = N/4 Varians =
x x N
2 2 x N Z
.
x .
2
2 x1 N
.
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 dewasa dan ditanya apakah hukuman terhadap remaja harus diperberat atau diperingan dari yang sudah dijalani. Kemudian dipertontonkan film tersebut, setelah selesai pertanyaan diulang terhadap mereka.
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 Tidak berubah
15 Tes Tanda Statistik Uji
Adalah uji Tanda karena skalanya ordinal dan perbedaannya bisa diperlihatkan dengan tanda + dan –
=1% Uji dua sisi 2 x
2
59
1
85
Z 3 .
47 N
85
Tes Tanda
Z = 3.47 Tabel A didapat 0.0003 Karena dua sisi menjadi 2(0.0003) = 0.0006 Ho ditolak Sehingga film tersebut memberikan akibat yang sistematis terhadap tingkat hukuman terhadap remaja.
Uji Ranking-Bertanda
Wilcoxon untuk Data Berpasangan
Uji Ranking-Bertanda Wilcoxon untuk Data Berpasangan
Metode:
Ho : P(A) = P(B) H1 : P(A) ; < ; > P(B) : taraf signifikansi
Wilcoxon untuk Data Berpasangan
Contoh: Ingin diketahui bagaimana perkembangan persepsi konsumen terhadap kualitas dari suatu jenis produk manufaktur setelah dilakukan perombakan sistem manajemennya, dimana diharapkan akan meningkatkan image positif terhadap produk tersebut. Diambil sekelompok sampel kemudian ditanya pendapat kepuasan dia terhadap barang tersebut sebelum dan setelah perubahan tersebut. Hasilnya dibuat dalam bentuk skor sebagai berikut:
Uji Ranking-Bertanda
Wilcoxon untuk Data Berpasangan
82
63 -19
56
52 -4
50
2 I
85
82 -3
3.5 H
3.5
4
80
76
3.5 G
6 F
7 B
Pasangan Skor sebelum Skor Sesudah d Ranking d T+ A
5 E
43
37 -6
1 D
1
1
74
73
8 C
69
42 -27
58
51 -7 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 Kepuasan Konsumen terhadap barang tersebut tidak berbeda setelah perombakan manajemen.
Uji Ranking-Bertanda Wilcoxon untuk Data Berpasangan
Sampel Besar
Jika N > 15, T+ mendekati distribusi normal
N N
1
2 N
1
N N
1
24
4
T
T
Z
T 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% X > Y - ; X < Y +
Uji Ranking-Bertanda Wilcoxon untuk Data Berpasangan X 91 83 70 64 85 70 86 91
72
80 80 82 75 78 79 81 92 75 Y 88 77 87 69 83 70 81 9476
80 83 79 71 81 76 85 87 93 di -3 -6 17 5 2 -5 3 4 3 -3 -4 3 -3 4 -5 18 Rd 4.5 14 15 12 1 12 4.5 9 4.5 4.5 9 4.5 4.5 9 12 16 T+ = 74.5 N = 161
T T T Z74
68 5 .
19
34 . 34 .
16
16
2
24 1 ) 16 (
19
34 .
16
16
1
4
68
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 Kenaikan upah tidak menaikan kenaikan output
CHAPTER 6 TWO INDEPENDENT SAMPLES (DUA SAMPEL INDEPENDEN)
Uji Eksak Fisher
Uji Chi-Square untuk 2 Sampel Independen
Uji Median
Tes Mann-Whitney
Tes Wilcoxon-Mann-Whitney
Uji Kolmogorov-Smirnov untuk dua sampel
Dua sampel dapat diperoleh dengan cara:
1. Ditarik secara random dari dua populasi
2. Diterapkannya secara random dua perlakuan terhadap anggota-anggota sampel yang asal- usulnya sembarang.
Uji Eksak Fisher tabel 2 x 2 Fungsi:
Untuk menguji apakah ada perbedaan dua perlakuan yang mungkin dari dua populasi
Spesifikasi:
Tabel 2 x 2 Fisher
Uji Eksak Fisher tabel 2 x 2
Variabel Group Gabungan
I II
Statistik Uji:
A B !. C D !. A C ! B D !
p
N !. A !. B !. C !. D !
Tolak Ho jika p < (1 arah) atau p /2 (2 arah)
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 3.24 2.71 1.85 3.44 1.95 1.86 2.47 1.60 2.40 2.60
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
1
4
5
2 Kg
7
6
13
> 2Kg
Total
8
10
18 Uji Eksak Fisher tabel 2 x 2 5 !. 13 !. 8 !. 10 ! p
. 196 1 18 !. 1 !. 4 !. 7 !. 6 !
Karena uji 2 sisi, ternyata p = 0.196 > /2 (0.025)
Ho tidak ditolak Artinya: Proporsi banyak bayi dengan predikat “kurang” di RSA = RSB
Uji 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
5
5
2 Kg
8
5
13
> 2Kg
Total
8
10
18 Uji Eksak Fisher tabel 2 x 2 5 !. 13 !. 8 !. 10 ! p
. 029
2 18 !. !. 5 !. 8 !. 5 !
Kemungkinan lebih ekstrim adalah: P = P1 + P2 = 0.196 + 0.029 = 0.225 Maka Ho diterima pada P = 0.225 Uji Chi-Square untuk 2 Sampel Independen Fungsi:
Untuk menguji apakah ada perbedaan dua perlakuan yang mungkin dari dua populasi
Spesifikasi:
Uji Chi-Square untuk 2 Sampel
Independen Do Not Reject H Reject H
0.95
2 =7.815 Uji Chi-Square untuk 2 Sampel Independen
Eksak Fisher) Uji Chi-Kuadrat, dengan rumus: 2 N AD BC N
2 2
A B C D A C B D
2 k fo fe
2 i i
fe i
1 i Uji Chi-Square untuk 2 Sampel Independen Contoh:
Ingin dilakukan pengujian tentang hubungan pengaruh dari tinggi badan terhadap kualitas kepemimpinan seseorang. Diambil sampel sebanyak 95 orang dan hasilnya adalah 43 orang dengan tinggi badan yang pendek dan 52 orang yang tinggi, kemudian masing- masing kelompok tinggi badan dikategorikan terhadap kualitas kepemimpinan menjadi: leader, unclassifiable dan Follower. Uji Chi-Square untuk 2 Sampel Independen
Short Tall Totals Follower
22