Statistik Nonparametrik_1
Transcript of Statistik Nonparametrik_1
Pengantar Statistik Nonparametrik
P14_Statistik Inferensial_M.Jainuri, S.Pd2
Uji nonparametrik (uji bebas distribusi)
digunakan bila asumsi-asumsi pada uji parametrik
tidak dipenuhi. Asumsi yang paling lazim pada uji
parametrik adalah sampel random dari populasi
yang berdisribusi normal, data bersifat homogen
dan linier. Bila asumsi-asumsi tersebut dipenuhi,
atau paling tidak penyimpangan terhadap asumsi
kecil, maka uji parametrik masih bisa
dipergunakan. Tetapi bila asumsi-asumsi tidak
terpenuhi maka uji nonparametrik menjadi
alternatif.
Lanjutan......
P14_Statistik Inferensial_M.Jainuri, S.Pd3
Kelebihan Uji Nonparametrik :
1. Perhitungan singkat dan mudah
dikerjakan
2. Data tidak selalu berbentuk kuantitatif,
tetapi dapat berbentuk kualitatif.
3. Tidak memerlukan asumsi-asumsi :
normalitas, homogenitas dan linearitas.
Lanjutan......
P14_Statistik Inferensial_M.Jainuri, S.Pd4
Kelemahan Uji Nonparametrik :
1. Tidak menggunakan semua keterangan yang tersedia dalam sampel.
2. Kurang efisien dibandingkan dengan uji parametrik (jika kedua teknik bisa digunakan).
3. Jika uji parametrik dan nonparametrik keduanya dapat dilakukan pada himpunan data yang sama, maka gunakan teknik parametrik tetapi jika asumsi normal tidak berlaku dan data kualitatif gunakan uji nonparametrik
Pengujian Kasus Satu Sampel
1. Uji Tanda (Uji Binomial)
Prosedur pengujian parametrik tentang
pengujian rata-rata satu sampel, bahwa µ = µ0 sah
digunakan apabila populasi sekurang-kurangnya
menghampiri normal atau ukuran sampel n > 30.
Akan tetapi bila ukuran sampel kecil dan
populasinya jelas tidak normal, maka harus
menggunakan uji nonparametrik. Salah satu uji
yang paling mudah dan cepat adalah uji tanda.
P14_Statistik Inferensial_M.Jainuri, S.Pd
6
Pengujian Kasus Satu Sampel
Dalam uji tanda, menggunakan pengganti
tanda positif atau negatif untuk nilai-nilai
pengamatan. Nilai pengamatan diberi nilai
positif apabila nilai pengamatan tersebut
besar dari rata-rata hitung (untuk populasi
yang distribusinya simetris) atau lebih besar
dari median (apabila populasinya menjulur).
Sebaliknya nilai pengamatan diberi tanda
negatif apabila lebih kecil dari nilai rata-
ratanya atau mediannya.P14_Statistik Inferensial_M.Jainuri, S.Pd
7
Pengujian Kasus Satu Sampel
Statistik uji tanda adalah variabel acak
yang menyatakan tanda positif atau negatif
yang paling sedikit. Bila hipotesis nol bahwa µ
= µ0 benar, peluang bahwa suatu nilai sampel
menghasilkan tanda positif atau negatif adalah
sama ½. Akibatnya, statistik uji x memiliki
sebaran peluang Binom dengan parameter p =
½ bila H0 benar.
P14_Statistik Inferensial_M.Jainuri, S.Pd
8
Pengujian Kasus Satu Sampel
Uji signifikansi menggunakan rumus Binom :
Rumus : P(X ≤ x) = ∑b(x,n,p) = ∑b(x,n, ½)
Contoh : Misalkan pengujian pada taraf nyata
0,05 bahwa isi kaleng suatu jenis
minyak pelumas adalah 10 liter. Suatu
sampel acak 10 kaleng telah diukur
isinya, hasilnya adalah : 10,2; 9,7;
10,1;10,3;10,1;9,8;9,9;10,4;10,3;9,8
P14_Statistik Inferensial_M.Jainuri, S.Pd
9
Analisis :
1. Hipotesis statistik ; Ho : µo = 10 dan Ha : µo ≠ 10
2. Taraf nyata 0,05
3. Daerah kritik : ∑b(x,n,p) < 0,05
Dengan x = banyaknya tanda (+) atau (-) yang paling
sedikit, n = banyaknya tanda (+) atau (-) serta p = ½ =
proporsi tanda (+) dan (-).
4. Perhitungannya sebagai berikut :
Nilai pengamatan lebih dari 10 diberi tanda (+), kurang
dari 10 diberi tanda (-) dan sama dengan 10 diberi
tanda nol. Tanda nol tidak diikutkan dalam analisis.P14_Statistik Inferensial_M.Jainuri, S.Pd
10
Pengujian Kasus Satu Sampel
Banyaknya tanda (+) = 6
Banyaknya tanda (-) = 4 sehingga : x = 4, n = 10, p = ½
Dari tabel jumlah peluang binomial diperoleh : P(X ≤ x) =
∑b(x,n,p) = ∑b(x,n, ½)
P(X ≤ 4) = ∑b(4,10, ½) = 0,3770
Untuk pengujian dua pihak :
P(X ≤ 4) = 2(0,3770) = 0,754
5. Kesimpulan : terima Ho artinya pernyataan bahwa rata-
rata isi kaleng minyak pelumas sebanyak 10 liter dapat
diterima.
Nilai 10,2 9,7 10,1 10,3 10,1 9,8 9,9 10,4 10,3 9,8
Tanda + - + + + - - + + -
P14_Statistik Inferensial_M.Jainuri, S.Pd11
Pengujian Kasus Satu Sampel
2. Uji x2 (Chi Kuadrat)
Uji x2 untuk kasus satu sampel merupakan uji
kebaikan sesuai (goodnes of fit) artinya uji
tersebut dapat digunakan untuk menguji apakah
kesesuaian yang nyata antara banyaknya atau
frekuensi yang diamati (observed) dengan
banyaknya atau frekuensi objek yang diharapkan
(expected) dalam tiap-tiap kategori. Banyaknya
kategori bisa dua atau lebih. Derajat bebas untuk
x2 adalah db = k - 1P14_Statistik Inferensial_M.Jainuri, S.Pd
13
Pengujian Kasus Satu Sampel
Rumus Uji x2 (Chi Kuadrat) :
atau
Di mana :
oi = fo = Frekuansi observasi
ei = fe = Frekuensi harapan
k
i
i
fe
fefox
1
22 )(
k
i i
ii
e
eox
1
22 )(
P14_Statistik Inferensial_M.Jainuri, S.Pd14
Pengujian Kasus Satu Sampel
Contoh (1):
Dari hasil survey terhadap pengalaman 25 orang guru
diperoleh data sebagai berikut :
Pertanyaan :
Ujilah, apakah terdapat perbedaan hasil belajar siswa
berdasarkan pengalaman kerja guru !
Pengalaman Kerja Guru Hasil Belajar Siswa
Belum berpengalaman 21
Antara 0 – 3 Tahun 30
Lebih dari 3 Tahun 24
P14_Statistik Inferensial_M.Jainuri, S.Pd15
Uji x2 (Chi Kuadrat)
Catatan :
1. Jika db = 1 (jumlah kategori = 2), maka
frekuensi yang diharapkan harus ≥ 5, jika
tidak maka harus digunakan uji binomial.
2. Jika db > 1, uji ini tidak boleh dipakai jika
lebih dari 20% dari frekuensi yang
diharapkan > 5 atau sembarang
frekuensi yang diharapkan < 1.
pemecahannya dengan menggabungkan
kategori-kategori yang berdekatan.
P14_Statistik Inferensial_M.Jainuri, S.Pd
16
Jawaban :
Langkah-langkah :
1. Hipotesis Penelitian :
H0 : tidak ada perbedaan hasil belajar
siswa berdasarkan pengalaman kerja
guru.
Ha : ada perbedaan hasil belajar siswa
berdasarkan pengalaman kerja guru.
P14_Statistik Inferensial_M.Jainuri, S.Pd
17
Jawaban :
2. Hipotesis Statistik :
H0 : f1 = f2 = f3
Ha : ada perbedaan
3. Tentukan taraf signifikansi :
α = 5%
P14_Statistik
Inferensial_M.Jainuri, S.Pd
18
Jawaban :
4. Uji Statistik :
Pengalaman Kerja GuruFrekuensi
Observasi (Oi)
Frekuensi
Harapan (ei)
Belum berpengalaman 21 25
Antara 0 – 3 Tahun 30 25
Lebih dari 3 Tahun 24 25
k
i i
ii
e
eox
1
22 )(
P14_Statistik
Inferensial_M.Jainuri, S.Pd
19
Jawaban :
k
i i
ii
e
eox
1
22 )(
25
25) - (24
25
25) - (30
25
25) - (21 2222 x
25
1
25
25
25
612 x
1,68 25
422 x
P14_Statistik
Inferensial_M.Jainuri, S.Pd
20
Jawaban :
5. Menentukan x2 tabel
Dengan ketentuan :
db = k – 1 = 3 – 1 = 2
α = (1 – α)(k – 1)
= (1 – 0,05)(3 – 1)
= (0,95)(2)
Maka diperoleh x2 tabel = 5,99
P14_Statistik
Inferensial_M.Jainuri, S.Pd
21
Jawaban :
6. Menguji hipotesis
Kriteria pengambilan keputusan :
Jika x2hitung ≥ x2
tabel maka H0 ditolak dan Ha diterima
Jika x2hitung ≤ x2
tabel maka H0 diterima dan Ha ditolak
Karena x2hitung < x2
tabel maka H0 diterima dan Ha ditolak
atau 1,68 < 5,99 artinya tidak ada perbedaan hasil belajar
siswa berdasarkan pengalaman kerja guru.
P14_Statistik
Inferensial_M.Jainuri, S.Pd
22
Contoh (2):
Para pelari cepat mengemukakan bahwa di arena
balap yang berbentuk bundar, pelari yang berada
pada posisi start tertentu lebih beruntung dari posisi
lainnya. Ujilah akibat dari posisi start ini dengan
menganalisis hasil-hasil kemenangan yang ada, jika
terdapat 8 posisi dan banyaknya kemenangan pada
setiap posisi dari 48 kali pertandingan yang tercatat
adalah :
Posisi : 1 2 3 4 5 6 7 8
Kemenangan: 8 5 6 7 6 4 5 7
P14_Statistik
Inferensial_M.Jainuri, S.Pd
23
Jawaban :
Langkah-langkah :
1. Hipotesis Penelitian :
H0 : Frekuensi kemenangan pada setiap
posisi sama.
Ha : Frekuensi kemenangan tidak
semuanya sama
P14_Statistik
Inferensial_M.Jainuri, S.Pd
24
Jawaban :
2. Hipotesis Statistik :
H0 : f1 = f2 ..........= f8
Ha : salah satu tanda ≠
3. Tentukan taraf signifikansi :
α = 5%
P14_Statistik
Inferensial_M.Jainuri, S.Pd
25
Jawaban :
4. Uji Statistik :
Posisi : 1 2 3 4 5 6 7 8
Observasi(oi): 8 5 6 7 6 4 5 7
Harapan (ei) : 6 6 6 6 6 6 6 6
ei = Σoi : n
= 48 : 8
= 6
k
i i
ii
e
eox
1
22 )(
P14_Statistik
Inferensial_M.Jainuri, S.Pd
26
Jawaban :
6
6)-(7
6
6)-(6
6
6)-(5
6
)6-8( 22222 x
P14_Statistik
Inferensial_M.Jainuri, S.Pd
27
6
6)-(7
6
6)-(5
6
6)-(4
6
)6-6( 2222
000,26
122 x
Jawaban :
5. Menentukan x2 tabel
Dengan ketentuan :
db = k – 1 = 8 – 1 = 7
α = (1 – α)(8 – 1)
= (1 – 0,05)(8 – 1)
= (0,95)(7)
Maka diperoleh x2 tabel = 14,067
P14_Statistik
Inferensial_M.Jainuri, S.Pd
28
Jawaban :
6. Menguji hipotesis
Kriteria pengambilan keputusan :
Jika x2hitung ≥ x2
tabel maka H0 ditolak dan Ha diterima
Jika x2hitung ≤ x2
tabel maka H0 diterima dan Ha ditolak
Karena x2hitung < x2
tabel maka H0 diterima dan Ha ditolak
atau 2,000 < 14,067 artinya frekuensi kemenangan pada
setiap posisi sama.
P14_Statistik
Inferensial_M.Jainuri, S.Pd
29
3. Uji Runtun (Run-Test)
Run-Test adalah barisan huruf (lambang atau tanda-
tanda) yang identik dan didahului atau diikuti
sebuah huruf (lambang atau tanda) yang berbeda.
Data pengamatan dapat berupa data kuantitatif
maupun data kualitatif. Data dibagi menjadi dua
kelompok (menggunakan dua lambang). Misalnya
n1 banyaknya lambang pertama atau yang lebih
sedikit dan n2 adalah banyaknya lambang kedua
atau yang lebih banyak, maka ukuran sampelnya
adalah n = n1 + n2P14_Statistik
Inferensial_M.Jainuri, S.Pd
31
Pengujian Kasus Satu Sampel
Uji Runtun (Run-Test)
Contoh :
Sebuah mesin diukur sehingga secara otomatis
mengeluarkan minyak pelumas ke dalam kaleng.
Dapatkah kita katakan bahwa banyaknya minyak
pelumas yang dikeluarkan oleh mesin tersebut
bervariasi secara acak bila isi 10 kaleng berikut
berturut-turut :
10,2; 9,7; 10,1; 10,3; 10,1; 9,8; 9,9; 10,4; 10,3; 9,8
Gunakan taraf nyata 0,05.
P14_Statistik
Inferensial_M.Jainuri, S.Pd
32
Uji Runtun (Run-Test)
Analisis :
1. Hipotesis
Ho : barisan bersifat acak
Ha : barisan bersifat tidak acak
2. Taraf nyata : 0,05
3. Daerah kritik : r < r1 atau r > r2
4. Perhitungan : data = 10,2; 9,7; 10,1; 10,3; 10,1; 9,8;
9,9; 10,4; 10,3; 9,8, median = 10,1 dan rata-rata =
10,06
P14_Statistik
Inferensial_M.Jainuri, S.Pd
33
Uji Runtun (Run-Test)
a. Menggunakan median
Nilai pengamatan (xi) diberi tanda (+) jika xi ≥
median dan tanda (-) jika xi ≤ median.No. Pengamatan Tanda Run
1 10,2 + 1
2 9,7 -
3 10,1 + 2
4 10,3 + 3
5 10,1 + 4
6 9,8 -
7 9,9 -
8 10,4 + 5
9 10,3 + 6
10 9,8 -
P14_Statistik Inferensial_M.Jainuri, S.Pd
34
Uji Runtun (Run-Test)
Jadi banyaknya runtun (run) r = 6
Untuk n1 = tanda (-) = 4
Untuk n2 = tanda (+) = 6
Dari tabel harga kritis r dalam uji-Run
diperolah :
r1 = 2 dan r2 = 9
Kesimpulan : karena (r1 = 2) < (r = 6) < (r2 = 9)
maka Ho diterima, artinya sampel tersebut
memang diambil secara acak. P14_Statistik Inferensial_M.Jainuri, S.Pd
35
Uji Runtun (Run-Test)
b. Menggunakan rata-rata
Nilai pengamatan (xi) diberi tanda (+) jika xi ≥ rata-
rata dan tanda (-) jika xi ≤ rata-rata.No. Pengamatan Tanda Run
1 10,2 + 1
2 9,7 -
3 10,1 + 2
4 10,3 + 3
5 10,1 + 4
6 9,8 -
7 9,9 -
8 10,4 + 5
9 10,3 + 6
10 9,8 -
P14_Statistik Inferensial_M.Jainuri, S.Pd
36
Uji Runtun (Run-Test)
Jadi banyaknya runtun (run) r = 6
Untuk n1 = tanda (-) = 4
Untuk n2 = tanda (+) = 6
Dari tabel harga kritis r dalam uji-Run
diperolah :
r1 = 2 dan r2 = 9
Kesimpulan : karena (r1 = 2) < (r = 6) < (r2 = 9)
maka Ho diterima, artinya sampel tersebut
memang diambil secara acak. P14_Statistik
Inferensial_M.Jainuri, S.Pd
37