Upload
lamphuc
View
243
Download
2
Embed Size (px)
Citation preview
KULIAH 2 : UJI NON PARAMETRIK 1 SAMPEL
Tim Pengajar STATSOS Lanjutan
What is Statistics
¨ Science of gathering, analyzing, interpreting, and presenting data
¨ Branch of mathematics ¨ Facts and figures ¨ Measurement taken on a sample ¨ Type of distribution being used to analyze data
Pembagian Statistik
Statistik Sosial
Statistik Deskriptif Statistik Inferensial
Non parametrik Parametrik
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
conclusions about the population from which the sample was taken
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 diasumsikan berdistribusi
secara normal
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 normal-
uji bebas distribusi (distribution free test)
SKALA Bentuk Hipotesis
Deskriptif (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* Multiple 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.
Uji ini lebih powerful dibanding uji chi-square atau uji Mann-Whitney
SATU KELOMPOK: Chi-Square Goodness of Fit Test
Salah satu jenis dari uji goodness of
fit adalah chi square dengan
notasi χ2 .
Bertujuan untukmenentukan seberapa tepat frekuensi yang diamati cukup
mendekati (homogen) dengan frekuensi yang diharapkan atau
seberapa homogen proporsi pada setiap kategori
Nilai χ2 selalu positif
SATU KELOMPOK: Chi-Square Goodness of Fit Test
¨ Ho: p1 = p2 = pn = 1/jumlah kategori ¨ Ha: p1 = p2 ≠ pn = 1/jumlah kategori
( )∑
−=
EEOχ
22
¨ O = Observed Value diperoleh dari nilai hasil penelitian
¨ E = Expected Value diperoleh dar i jumlah data d ibagi 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, maka Ho tidak ditolak
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
E = 135/5 = 27
( ) ( ) ( ) ( ) ( )
12,74χ
272741
272725
272719
272719
272731χ
2
222222
=
⎥⎦
⎤⎢⎣
⎡ −+
−+
−+
−+
−=
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
12,7414
,013
Chi-Squarea
dfAsymp. Sig.
nama partai
0 cells (,0%) have expected frequencies less than5. The minimum expected cell frequency is 27,0.
a.
CONTOH : Chi-Square Goodness of Fit Test dengan Frekuensi yg diharapkan tidak sama
109,759,69,6)(17
9,69,6)(36
1212)(7
16,816,8)(14
2424)(33
4848)(13χ
222
2222
=−
+−
+−
+−
+−
+−
=
Calon Presiden
% dukungan nasional
Jumlahdi daerah
E
AA 40 13 40%x120=48
BB 20 33 20%x120=24
CC 14 14 14%x120=16,8
DD 10 7 10%x120=12
EE 8 36 8%x120=9,6
FF 8 17 8%x120=9,6
Test Statistics
109.7505
.000
Chi-Squarea
dfAsymp. Sig.
pemain
0 cells (.0%) have expected frequencies less than5. The minimum expected cell frequency is 9.6.
a.
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.
A run is a sequence of identical occurences preceded and followed by different occurences or by none at all
RUN TEST UNTUK KERANDOMAN
r
rr
σµnZr −
= 1Nn2nµr 21 +=
1)(NNN)n(2nn2nσ 2
2121r −
−=
Menentukan hipotesis penelitian
• Ho : urutan simbol adalah random
• Ha : urutan simbol adalah tidak random
Menentukan nilai kritis
Menentukan nilai Z
statistik Membuat
Kesimpulan
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) Dengan α 5 % tentukan apakah urutan tanda plus dan minus adalah random ?
NO KAB/KOTA
Tahun 2012
Tahun 2013
Tanda NO KAB/KOTA
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 -
Perkembangan APBD Kab/Kota
¨ Hipotesis Ho : urutan tanda adalah random Ha : urutan tanda tidak random
¨ Daerah kritis adalah 5 %, z = + 1,96 ¨ Nilai statistik Z :
n1 (tanda +) = 20 ; n2 (tanda minus )= 14 ; nr (perubahan tanda + ke – dan sebaliknya) = 12 ; dan N (jumlah tanda + dan - )= 34
Tanda Jumlah Tanda
Tanda Jumlah Tanda
+ 1 + 15
+ 2 + 16
- 1 - 4
- 2 - 5
+ 3 + 17
+ 4 - 6
+ 5 + 18
+ 6 + 19
+ 7 - 7
+ 8 - 8
+ 9 - 9
- 3 - 10
+ 10 - 11
+ 11 + 20
+ 12 - 12
+ 13 - 13
+ 14 - 14
Tanda Perubahan Tanda Perubahan
+ 1 +
+ +
- 2 - 6
- -
+ 3 + 7
+ - 8
+ + 9
+ +
+ - 10
+ -
+ -
- 4 -
+ 5 -
+ + 11
+ - 12
+ -
+ -
Jawaban :
17.47134
2(20)(14)µr =+= 1.972.7817.4712Zr =−
=
2.781)(3434
34)2x20x142(20)(14)(σ 2r =−
−=
Karena nilai Z statistik lebih besar dari nilai Z kritis, maka Ho ditolak, sehinggga urutan tanda adalah tidak random