Kel. 3(B) - Statistik Non Parametrik.pdf
Transcript of Kel. 3(B) - Statistik Non Parametrik.pdf
-
MAKALAH STATISTIKA
STATISTIK NON PARAMETRIK
Disusun Guna Memenuhi Tugas Mata Kuliah Statistika
Oleh:
NO NAMA NIM
1.
2.
3.
4.
5.
6.
M Afrizal Danar
Panji Prabowo M.
Merliana K. W.
Randi Hidayat
T. B. Suryaman
M. Reza K.
3334130800
3334131786
3334132309
3334132475
3334140204
3334130281
JURUSAN TEKNIK METALURGI
FAKULTAS TEKNIK
UNIVERSITAS SULTAN AGENG TIRTAYASA
CILEGON BANTEN
2015
-
STATISTIK NONPARAMETRIK
A. Pendahuluan
Uji statistik nonparametrik ialah suatu uji statistik yang tidak memerlukan adanya
asumsi-asumsi mengenai sebaran data populasinya (belum diketahui sebaran datanya dan
tidak perlu berdistribusi normal). Oleh karenanya statistik ini juga dikemukakan sebagai
statistik bebas sebaran (tdk mensyaratkan bentuk sebaran parameter populasi, baik normal
atau tidak). Statistika non-parametrik dapat digunakan untuk menganalisis data yang berskala
Nominal atau Ordinal. Data berjenis Nominal dan Ordinal tidak menyebar normal. Selain itu
statistik ini dapat digunakan pada data yang berjumlah kecil, yakni kurang dari 30 data.
Banyak alternatif uji statistik nonparametrik seperti yang ditunjukkan pada Lampiran.
Berbagai literatur memberikan pengelompokan kategori statistik nonparametrik dengan
berbagai cara yang berbeda. Namun demikian, secara sederhana dan berdasarkan prosedur
yang sering digunakan, uji-uji tersebut dapat dikelompokkan atas kategori berikut:
Prosedur untuk data dari sampel tunggal
Prosedur untuk data dari dua kelompok atau lebih sampel bebas (independent)
Prosedur untuk data dari dua kelompok atau lebih sampel berhubungan
(dependent)
Korelasi peringkat dan ukuran-ukuran asosiasi lainnya
1. Prosedur untuk Data dari Sampel Tunggal
Prosedur sampel tunggal biasanya bertipe goodness of fit. Dalam hal ini kita menarik
suatu sampel random dan kemudian menguji hipotesis apakah sampel sampel berasal dari
suatu populasi dengan distribusi tertentu. Dengan demikian prosedur ini dapat menjawab
pertanyaan-pertanyaan: Adakah perbedaan kecenderungan antara sampel dengan populasi?
Adakah perbedaan antara frekuensi yang diamati dengan frekuensi yang diharapkan? Dan
sejenisnya.
Pada statistik parametrik pertanyaan-pertanyaan tersebut dapat diuji dengan uji t. Pada
statistik nonparametrik pertanyaan-pertanyaan tersebut antara lain dapat dijawab dengan
menggunakan uji Binomial, uji Chi-Kuadrat satu sampel, dan uji Kolmogorof-Smirnov.
2. Prosedur untuk Sampel Independen
Prosedur ini digunakan untuk membandingkan suatu variabel yang diukur dari sampel
yang tidak sama (bebas). Misalnya rata-rata pendapatan dari sampel yang diambil berasal dari
pedagang sate dan pedagang bakso. Atau kepuasan kerja dari karyawan golongan II, III, dan
IV. Dalam statistik parametrik, untuk membandingkan membandingkan nilai rata-rata dua
kelompok independen digunakan uji t (t-test). Jika yang dibandingkan lebih dari 2 kelompok
maka digunakan uji F (dalam ANOVA).
Dalam statistik nonparametrik, alternatif yang dapat digunakan untuk
membandingkan suatu variabel dari dua kelompok sampel independen antara lain adalah: uji
kemungkinan eksak dari Fisher, uji Chi-Kuadrat dua sampel, uji Media, uji U Mann-Whitney,
uji Kolmogorov-Smirnov dua sampel. Jika kelompok yang dibandingkan lebih dari dua,
-
maka dapat digunakan uji Chi-Kuadrat k sampel, uji Median, analisis varians Ranking satu
arah, dan uji Kruskal-Wallis.
3. Prosedur untuk Sampel Dependen
Prosedur ini digunakan ketika ingin membandingkan suatu variabel yang diukur dari
sampel sama (berhubungan). Misalnya ingin mengetahui perbedaan produktivitas kerja,
dengan pengukuran dilakukan pada sampel pekerja yang sama baik sebelum maupun sesudah
pelatihan dilakukan. Atau membandingkan produktivitas kerja karyawan sebelum sebelum
ada insentif, setelah ada insentif, dan setelah ada insentif plus makan siang di kantor.
Pada statistik parametrik, jika ingin membandingkan dua variabel yang diukur dari
sampel yang sama, dapat menggunakan uji t data berpasangan. Jika yang dibandingkan lebih
dari 2 kelompok maka digunakan uji F (dalam ANOVA). Pada statistik nonparametrik jika
kelompok yang dibandingkan ada dua alternatif untuk uji yang dapat digunakan adalah uji
Tanda (Sign test), uji Wilcoxon, dan uji McNemar. Jika kelompok yang dibandingkan lebih
dari dua kelompok maka uji statistik nonparametrik yang dapat digunakan adalah Friedmans
two-way analysis of variance dan Cochran Q test.
4. Korelasi Peringkat dan Ukuran-Ukuran Asosiasi Lainnya
Dalam statistik parametrik ukuran korelasi yang umum digunakan adalah korelasi
Product Moment Pearson. Diantara korelasi nonparametrik yang ekuivalen dengan koefisien
korelasi standar ini dan umum digunakan adalah koefisien kontingensi C, Spearman R,
Kendal Tau dan coefficien Gamma. Selain ketiga pengukuran tersebut, Chi square yang
berbasiskan tabel silang juga relatif populer digunakan dalam mengukur korelasi antar
variabel.
B. Contoh Uji Statistik Nonparametrik
Karena banyaknya uji statistik nonparametrik, maka tidak mungkin dibahas semua
dalam waktu singkat. Berikut ini hanya akan dikemukakan babarapa contoh saja.
1. Prosedur untuk Data dari Sampel Tunggal dengan Chi-Kuadrat
Akan diuji distribusi frekuensi kategori variabel motivasi hasil amatan dengan
distribusi frekuensi kategori variabel sama yang diharapkan. Hipotesis nol uji tersebut adalah:
tidak terdapat perbedaan distribusi variabel motivasi hasil amatan dengan distribusi harapan.
Prosedur ini banyak digunakan pada uji normalitas variabel. Rumus yang digunakan dalam
uji tersebut adalah:
k
i i
ii
E
EO
1
2
2 )(
dengan keterangan:
iO = banyaknya kasus yang diamati dalam kategori i.
iE = banyaknya kasus yang diharapkan
k
i 1 = penjumlahan semua kategori k.
-
Prosedur untuk Sampel Independen
Hollingshead (1949) meneliti pilihan kurikulum oleh pelajar di kota Elmtown ditinjau
dari kelas sosialnya. Kurikulum yang ada mencakup persiapan ke PT, umum, dan
perdagangan. Sedangkan kelas sosial yang ada dikelompokkan menjadi 4. Hipotesis nol yang
diajukan Hollingshead adalah: proporsi siswa yang tercatat dalam ketiga kemungkinan
kurikulum adalah sama untuk semua kelas sosial. Dengan 2 untuk k sampel independen,
rumus yang digunakan adalah sebagai berikut:
r
i
k
j ij
ijij
E
EO
1 1
2
2)(
dengan keterangan:
ijO = jumlah kasus yang diobservasi dalam baris ke i pada kolom ke j
ijE = jumlah kasus yang diharapkan dalam baris ke i pada kolom ke j
r
i
k
j1 1 = jumlah semua sel
Prosedur untuk Sampel Dependen
Uji McNemar dua sampel dependen dapat diperluas untuk dipakai dalam penelitian
yang mempunyai lebih dari dua kelompok sampel. Perluasan ini, yakni uji Q Cochran k
sampel berhubungan memberi suatu metode untuk menguji apakah tiga himpunan atau lebih
mempunyai frekuensi atau proporsi saling berbeda atau tidak.
Rumus yang digunakan dalam uji Q Cochran adalah:
N
i
i
N
i
i
k
j
k
j
jj
LLk
GGkkk
Q
1
2
1
2
1 1
2)()1(
dengan keterangan:
jG = jumlah keseluruhan sukses dalam kolom ke j
iL = jumlah keseluruhan sukses dalam barir ke i.
2. Korelasi Peringkat dan Ukuran-Ukuran Asosiasi Lainnya
Koefisien kontingensi C adalah suatu ukuran kadar asosiasi atau relasi antara dua
himpunan variabel. Ukuran ini berguna khususnya kalau kita hanya mempunyai data variabel
dalam skala nominal. Koefisien kontingensi yang dihitung berdasarkan suatu tabel
kontingensi akan mempunyai harga yang sama bagaimanapun katogori yang ada disusun
dalam baris-baris dan kolom-kolomnya.
Rumus yang digunakan untuk menghitung koefisien kontingensi adalah sebagai
berikut:
2
2
NC
-
dimana
r
i
k
j ij
ijij
E
EO
1 1
2
2)(
3. Uji tanda (bivariate)
Uji tanda adalah uji nonparametrik yang digunakan pada situasi dimana data tidak
dianggap normal atau datanya bersifat ordinal. Asumsinya adalah distribusinya bersifat
binomial. Binomial artinya dua nilai. Nilai ini dilambangkan dengan tanda, yaitu positif (+)
dan negative ().
Uji ini sangat baik apabila syarat-syarat berikut dipenuhi :
a. pasangan hasil pengamatan yang sedang dibandingkan bersifat independen
b. masing-masing pengamatan dalam tiap pasang terjadi karena pengaruh kondisi yang
serupa
c. pasangan yang berlainan terjadi karena kondisi yang berbeda
Uji dilakukan pada 2 sampel terpisah (independen)
tanda (+) data pada sampel 1 > pasangannya sampel 2
tanda () data pada sampel 1 < pasangannya sampel 2
tanda Nol (0) data pada sampel 1 = pasangannya sampel 2
Tanda Nol tidak digunakan dalam perhitungan
SUKSES tergantung dari apa yang ditanyakan (ingin diuji) dalam soal.
Jika yang ingin diuji sampel 1 > sampel 2 maka SUKSES adalah banyak tanda (+)
Jika yang ingin diuji sampel 1 < sampel 2 maka SUKSES adalah banyak tanda ()
-
SILABUS STATISTIKA NON PARAMETRIK:
I. Prosedur untuk Data Sampel Tunggal
1. Uji Binomial (data Nominal dan
sampel kecil N < 25)
2. Uji Z (untuk N > 25)
3. Uji Chi Kuadrat (data nominal,
dan sampel besar)
4. Uji Run Test (untuk data Ordinal
5. Uji Kolmogorov-Smirnov
II. Kasus Dua Sampel Berkaitan
(Related)
1. Uji Mc Nemar
2. Uji Tanda (Sign Test)
3. Wilcoxon Match Pairs Test atau
Wilcoxon Signed-Rank Test
III. Kasus Dua Sampel Independen
1. Uji Eksak Fisher
2. Chi Kuadrat Dua Sampel
3. Uji Median
4. Mann-Whitney U Test
5. Uji Kolmogorov-Smirnov Dua
Sampel
6. Test Run Wald-Wolfowitz
7. Wilcoxon Rank Sum Test
IV. Kasus k Sampel Berkaitan
1. Friedmans Analysis of Variance
2. Cohran Q Test
V. Kasus k Sampel Independen
1. Chi Kuadrat k Sampel
2. Uji Median Ekstensi
3. Uji Kruskal-Wallis
VI. Korelasi/Asosiasi
1. Koefisien Kontingensi
2. Sperman Rank Order
3. Kendal Ta ()
4. Koefisien Gamma
-
METODE SPEARMAN Suatu logam mengalami pemanasan selama waktu tertentu untuk memperbaiki ductility nya.
Maka dengan waktu pemanasan yang berbeda-beda logam akhirnya memiliki ductility yang
berbeda-beda pula
Jika rs hitung < rs tabel maka H0 diterima
rs hitung > rs tabel maka H1 diterima
dimana:
H0 : Terdapat hubungan yang positif antara Pemanasan dan Ductility
H1 :Tidak terdapat hubungan yang positif antara Pemanasan dan Ductility
Nilai = 0,05
Pemanasan
(jam)
Ductility (Mpa)
12 16
13 23
10 13
15 25
17 28
19 30
14 24
11 15
20 35
18 29
Untuk menghitung nilai , maka harus disusun tabel sebagai berikut :
No Pemanasan
(jam)
Ductility
(Mpa)
rX rY d d2
1 12 16 5,5 3,5 2 4
2 13 23 2 5 -3 9
3 10 13 4 7 -3 9
4 15 25 3,5 1 2,5 6,5
5 17 28 1 6 -5 25
6 19 30 9,5 8 1,5 2,25
7 14 24 7,5 4 3,5 12,25
8 11 15 10 6,5 3,5 12,25
9 20 35 7 10 -3 9
10 18 29 6 9 -3 9
jumlah 98,25
Cara Manual
Dimana, n = 10; d2 = 98,25
= 1 6 2
(21)
= 1 6 (98,5)
10 (1021)
= 1 589,5
990
= 1 0,5954 = 1 0,5954 = 0,4045
-
Cara SPSS
Menggnakan metode spearman untuk mengetahui hubungan pemanasan dengan ductility dari
suatu logam. Untuk itu diambil 10 sampel untuk menguji hubungan antara pemanasan dengan
tingkat ductility dari logam. Mula-mula masukkan data yang ada ke dalam SPSS
Kemudian pilih nalyze
Maka akan muncul kotak dialog dengan nama Bivariate correlations, lalu masukkan
pemanasan dan ductility ke dalam Variables, kemudian centang speaman dan klik OK.
Maka akan muncul output seperti dibawah ini:
-
Kesimpulan :
Nilai korelasi Spearman hitung ini (rs) lalu diperbandingkan dengan Spearman Tabel
(rs tabel). Keputusan diambil dari perbandingan tersebut. Jika rs > rs tabel, H0 ditolak dan H1
diterima. Jika rs hitung rs tabel, H0 diterima, H1 ditolak. Dari hasil perhitungan cara manual dan acara SPSS, diketahui rs tabel> rs hitung, maka Ho diterima. Dimana Ho adalah
adanya hubungan positif antara pemanasan dengan ductility.
Tabel Interpretasi Koefisien Korelasi Versi de Vaus
Dalam contoh, hasil rs hitung adalah sebesar 0,4045, sedangkan rs tabel adalah 1.
Berdasarkan tabel interpretasi koef. Korelasi versi de vaus, maka dapat disimpulkan secara
manual korelasi antara pemanasan dengan ductility memiliki hubungan moderat.
Korelasi antara pemanasan dan ductility bernilai 1, menandakan hubungan antara
pemanasan dan ductility sempurna.
METODE UJI TANDA Contoh soal:
Dilakukan sebuah survey pemahaman murid TK terhadap pelajaran jika diajarkan
menggunakan gambar dan tanpa gambar. Dengan taraf nyata ( = 0,5 %)
Jika sampel tanpa gambar < dengan gambar = + (positif)
tanpa gambar > dengan gambar = - (negatif)
Ho = murid TK dapat lebih mudah memahami pelajaran dengan gambar
Hi = murid TK tidak lebih mudah memahami pelajaran dengan gambar
Jika probabilitas > 0.05 maka Ho diterima
Jika probabilitas < 0.05 maka Ho ditolak
Cara Manual:
No. Responden Tanpa Gambar Dengan Gambar Tanda
1 1 4 +
2 4 1 -
3 2 2 0
4 1 3 +
-
5 1 4 +
6 3 1 -
7 3 2 -
8 3 4 +
9 4 3 -
10 1 2 +
11 2 3 +
12 4 4 0
Banyak tanda (+) = 6 banyak tanda (-) = 4 n = 7+3 = 10
Jika kita asumsikan Produk A lebih disukai orang dibanding produk B, maka SUKSES adalah
ketika = banyak tanda (+) dalam sampel
=
= 6
10= 0,6
= 1 = 1 0,6 = 0,4 Karna ingin melakukan pengujian jumlah yang menyukai produk A = Produk B, maka = = 0,5
=
= 0,6 0,5
0,5 0,5
10
= 0,1
0,25
10
= 0,1
0,025=
0,1
0,15811= 0,632455 0,63
Kesimpulan:
Maka, dapat disimpulkan jika produk A jauh lebih disukai masyarakat dibanding produk B.
Cara SPSS:
Masukkan data perbandingan pemahaman murid TK terhadap pelajaran, jika diajarkan tanpa
gambar. Masukkan data yang ada ke dalam SPSS, seperti yang terlihat pada gambar dibawah:
Kemudian pilih nalyze 2
-
Maka akan muncul kotak dialog dengan nama Two-Related-Samples Test, lalu masukkan
TanpaGambar dan DenganGambar ke dalam Test Pair(s) List, kemudian centang sign dan klik OK.
Output yang didapat kan dapat dilihat pada gambar dibawah ini:
-
Kesimpulan:
Jika probabilitas > 0.05 maka Ho diterima
Jika probabilitas < 0.05 maka Ho ditolak
Dari kedua cara yang digunakan, baik manual dan SPSS memiliki nilai probabilitas yang
lebih besar dari 0,05. Untuk cara manual memiliki nilai sebesar 0,63 dan untuk cara SPSS
memiliki nilai sebesar 0,754. Jika probabilitas memiliki nilai lebih dari 0,05, maka Ho
diterima. Dimana Ho adalah murid TK dapat lebih mudah memahami pelajaran dengan
gambar.
METODE KAI KUADRAT
Contoh Kasus:
Suatu survey ingin mengetahui apakah ada hubungan antara kelulusan mata kuliah
Termodinamika Metalurgi kelas pagi dengan sarapan pada mahasiswa teknik metalurgi yang
mengambil mata kuliah termonidamika metalurgi kelas pagi. Kemudian diambil sampel
sebanyak 50 orang yang terdiri dari 18 orang sarapan dan 32 orang yang tidak sarapan.
Setelah akhir semester, ada 18 mahasiswa yang sarapan dengan 9 mahasiswa dinyatakan
lulus. Sedangkan dari 42 mahasiswa yang tidak sarapan ada 14 orang yang dinyatakan lulus.
Ujilah apakah ada perbedaan proporsi kelulusan mata kuliah termodinamika metalurgi kelas
pagi dengan sarapan?
HIPOTESIS :
Ho : P1 = P2 (Tidak ada perbedaan proporsi kelulusan mata kuliah termodinamika metalurgi
kelas pagi dengan sarapan)
Ho : P1 P2 (Ada perbedaan proporsi kelulusan mata kuliah termodinamika metalurgi kelas
pagi dengan sarapan)
Cara Manual:
Sarapan Kelulusan Termodinamika Metalurgi Jumlah
Lulus Tidak Lulus
Ya 9 9 18
Tidak 14 18 32
Jumlah 23 27 50
O1 = 9 , 1 = 1823
50= 8,28
O2 = 9 , 2 = 1827
50= 9,72
O3 = 14 , 3 = 3223
50= 14,72
O4 = 18 , 4 =3227
50= 17,28
Selanjutnya dimasukkan ke dalam rumus berikut :
2 = (9 8,28)2
8,28+
(9 9,72)2
9,72+
(14 14,72)2
14,72
(18 17,28)2
17,28
-
2 = 0,18116
Perhitungan selesai, selanjutnya menentukan nilai tabel pada taraf nyata/alfa = 0.05.
Sebelumnya kita harus menentukan nilai df-nya. Karena tabel kita 2x2, maka nilai df = (2-
1)*(2-1)=1.
Dari tabel kai kudrat di atas pada df=1 dan alfa=0.05 diperoleh nilai tabel = 3.841.
Bila dilihat nilai x2
lebih kecil dari nilai tabel maka Ho diterima. Jadi, kesimpulannya
adalah tidak ada perbedaan proporsi kelulusan mata kuliah termodinamika metalurgi
kelas pagi dengan sarapan.
Cara SPSS:
Memasukkan data ke dalam SPSS seperti dibawah ini:
1. Setelah diinput, kemudian melakukan penegasan bahwa variabel perhitungan
mewakili frekuensi untuk masing-masing unik pengkodean baris dan kolom, dengan
menerapkan perintah DATA WEIGHT CASE
2. Setelah muncul kotak dialog, pindahkan variabel PERHITUNGAN dengan mengklik
tanda panah
3. Setelah itu pilih ANALYZE DESCRIPTIVE STATISTIC CROSSTABS,
kemudian setelah muncul kotak dialog, masukkan variabel BARIS ke ROW dan
KOLOM ke COLUMN, sedangkan untuk variabel perhitungan tidak perlu lagi,
karena sudah dilakukan pada tahap 3,
4. Setelah itu pilih button STATISTIC, kemudian CHECKLIST CHI- SQUARE
5. Maka akan didapatkan hasil seperti dibawah ini :
-
Berdasarkan hasil pada SPSS didapatkan bahwa nilai kai kuadrat 0,181. Jika kita bandingkan
dengan nilai kritiknya yaitu 3,841 maka 3,841>0,181. Dengan demikian Ho diterima. Jadi,
kesimpulannya adalah tidak ada perbedaan proporsi kelulusan mata kuliah
termodinamika metalurgi kelas pagi dengan sarapan.
Sumber:
Siegel, S. (1988). Statistik nonparametrik untuk ilmu-ilmu sosial. Jakarta: Gramedia.
Alabama University. CHS 627: Multivariate Methods in Health Statistics. Choosing the
correct statistical test. Diambil pada tanggal 18 Juli 2010, dari
http://bama.ua.edu/~jleeper/627/choosestat.html.