Upload
others
View
6
Download
0
Embed Size (px)
Citation preview
Statistik
Non
Parametrik
EDISI KETIGA
Pusat Pendidikan dan Pelatihan
Badan Pusat Statistik
MODUL
STATISTIK NON PARAMETRIK
Penyusun
Dr. M. Ari Anggorowati, MT.
Editor
Dewita Nasution, M.Sc.
Edisi Ketiga
Desember, 2013
Badan Pusat Statistik
Jakarta
Sta ti s t ik Non Parametr ik | i
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
KATA PENGANTAR
Sejalan dengan upaya mewujudkan Pegawai Negeri Sipil yang profesional
melalui jalur pendidikan dan pelatihan (Diklat), pembinaan diklat khususnya
Diklat Fungsional Statistisi Tingkat Ahli berbasis kompetensi terus dilakukan
sesuai dengan ketentuan-ketentuan yang diatur dalam Peraturan Pemerintah
Nomor 101 Tahun 2000 Tentang Pendidikan dan Pelatihan Jabatan Pegawai
Negeri Sipil; Keputusan Menteri Pendayagunaan Aparatur Negara Nomor
37/KEP/M.PAN/4/2003 Tentang Jabatan Fungsional Statistisi Dan Angka
Kreditnya; serta Keputusan Bersama Kepala Badan Pusat Statistik dan Kepala
Badan Kepegawaian Negara Nomor 003/KS/2003 Nomor 25 Tahun 2003 Tentang
Petunjuk Pelaksanaan Jabatan Fungsional Statistisi Dan Angka Kreditnya. Salah
satu upaya pembinaan yang ditempuh adalah melalui penerbitan modul Diklat.
Kehadiran modul Statistik Non Parametrik untuk Diklat Fungsional
Statistisi Tingkat Ahli ini memiliki nilai strategis karena menjadi acuan dalam
proses pembelajaran, sehingga kebijakan standarisasi penyelenggaraan Diklat
dapat terlaksana dengan baik. Modul ini dapat membantu widyaiswara atau
fasilitator Diklat dalam mendisain pengajaran yang akan disampaikan pada
peserta Diklat; membantu pengelola dan penyelenggara Diklat dalam
Penyelenggaraan Diklat; dan membantu peserta Diklat dalam mengikuti proses
pembelajaran.
Seiring dengan perkembangan lingkungan strategis yang berlangsung
dengan cepat khususnya terhadap dinamika kompetensi pegawai dalam tugasnya
melaksanakan tugas-tugas perstatistikan, maka kualitas modul utamanya
kesesuaian isi dengan persyaratan kompetensi pegawai yang mengalami
perkembangan perlu terus dipantau dan dilakukan penyempurnaan jika ditemukan
hal-hal yang tidak relevan lagi atau dianggap perlu untuk menambahkan isi dari
modul.
Untuk maksud tersebut diatas serta sebagai tindak lanjut dari Peraturan
Kepala Lembaga Administrasi Negara RI Nomor 5 Tahun 2009 Tentang Pedoman
Penulisan Modul Pendidikan dan Pelatihan, maka dilakukan penyempurnaan
terhadap keseluruhan modul Statistik Non Parametrik untuk Diklat Fungsional
Statistisi Tingkat Ahli yang meliputi substansi dan format.
ii | Sta ti st ik Non Parame tr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Modul ini merupakan bahan ajar minimal dalam Diklat dalam artian
bahwa setelah substansinya telah disesuaikan, widyaiswara atau fasilitator dapat
mengembangkan selama masih relevan dengan hasil belajar yang akan dicapai
dalam modul ini.
Selamat menggunakan modul ini, semoga melalui modul ini, kompetensi
statistik bagi peserta Diklat Fungsional Statistisi Tingkat Ahli dapat tercapai.
Jakarta, Desember 2013
KEPALA PUSAT PENDIDIKAN
DAN PELATIHAN
BADAN PUSAT STATISTIK
Dr. HERU MARGONO, M.Sc
NIP. 19610214 198312 1 001
Sta ti s t ik Non Parametr ik | iii
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
DAFTAR ISI
KATA PENGANTAR ............................................................................................ i
DAFTAR ISI .................................................................................................... iii
Tujuan Pembelajaran Umum ............................................................................. v
Tujuan Pembelajaran Khusus ........................................................................... v
Bab 1 Pendahuluan ........................................................................................ 1
1.1 Kelebihan dan Kekurangan Metode Non-Parametrik ........................ 1
1.2 Pedoman Umum Memilih Metode Non-Parametrik .......................... 2
1.3 Menentukan Ukuran Sampel ............................................................ 3
2.1 Uji Binomial ...................................................................................... 6
2.2 Pearson Khi Kuadrat ........................................................................ 7
2.3 Kolmogorov-Smirnov Uji Satu Sampel ........................................... 10
2.4 Uji Run Satu Sampel ...................................................................... 11
Bab 3 Uji Komparatif Dua Sampel ............................................................... 13
3.1 Uji Komparatif Dua Sampel Berpasangan ..................................... 13
3.1.1 Mc Nemar Test ............................................................................ 13
3.1.2 Sign Test (Uji Tanda) .................................................................. 16
3.1.3 Wilcoxon Match Pairs Test .......................................................... 18
3.1.4 Uji Walsh ..................................................................................... 20
3.1.5 Uji Randomisasi 2 Sampel Berhubungan .................................... 21
3.2 Uji Komparatif Dua Sampel Independen ........................................ 22
3.2.1 Uji Exact Fisher ........................................................................... 22
3.2.2 Uji Independensi Sampel Besar .................................................. 26
3.2.3 Uji Median ................................................................................... 28
3.2.4 Uji U Mann-Whitney .................................................................... 30
3.2.5 Uji Randomisasi untuk Dua Sampel Independen ......................... 32
iv | Sta ti s t ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Bab 4 Uji Komparatif k-Sampel Independen dan Berpasangan................. 34
4.1 k-Sampel Berpasangan ................................................................. 34
4.1.1 Uji Q-Cochran ................................................................................ 34
4.1.2 Analisis Varian Ranking Dua Arah Friedman. .............................. 34
4.2 k- Sampel Independen .................................................................. 35
4.2.1 Uji Khi-Kuadrat k-sampel Independen. ........................................ 35
4.2.2 Perluasan Uji Median .................................................................. 36
4.2.3 Analisis Varian Ranking Satu Arah Kruskal-Wallis. ...................... 36
Bab 5. Uji Kenormalan ..................................................................................... 38
5.1 Uji Kolmogorov–Smirnov ................................................................ 38
5.2 Uji Normal Lilliefors untuk Sampel Besar ........................................ 41
5.3 Uji Shapiro Wilks ............................................................................ 43
Daftar Pustaka .................................................................................................. 55
Sta ti s t ik Non Parametr ik | v
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Tujuan Pembelajaran Umum
Setelah mempelajari materi ini peserta dapat memahami konsep
metode non parameterik secara umum dan mampu
mengaplikasikannya.
Tujuan Pembelajaran Khusus
Setelah mempelajari materi ini secara khusus, peserta dapat:
1. Memahami penggunaan metode non-parametrik;
2. Melakukan uji non-parametrik untuk satu sampel
3. Melakukan uji non-parametrik untuk data sampel berpasangan
4. Melakukan uji non-parametrik untuk data sampel tidak
berpasangan (independent)
Sta ti s t ik Non Parametr ik | 1
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Bab 1 Pendahuluan
Beberapa metode statistik yang menyangkut pendugaan parameter,
pengujian hipotesis, pembentukan selang kepercayaan (confidence
interval) dan hubungan antara beberapa sifat sudah umum digunakan.
Metode-metode itu berlandaskan pada asumsi-asumsi tertentu yang
telah disusun terlebih dahulu. Jika seandainya asumsi-asumsi ini tidak
sesuai dengan keadaan sebenarnya, apalagi kalau menyimpang, maka
metode tersebut tidak dapat dijamin atau bahkan dapat menyesatkan.
Salah satu asumsi yang umum dianggap berlaku adalah bahwa
variabel acak atau populasi yang diselidiki mempunyai sebaran
tertentu yang diketahui, untuk ini biasanya diambil sebaran normal.
Karena sebaran variabel acak itu telah dianggap diketahui, maka
masalah yang dihadapi akan tersangkut-paut dengan pendugaan,
pengujian hipotesis atau pembentukan selang kepercayaan bagi
parameter-parameter dari sebaran tersebut, sehingga dinamakan
metode parametrik.
Menurut kenyataan, ada kalanya variabel-variabel acak yang dihadapi
tidak dapat dianggap menyebar normal, atau bahkan sama sekali tidak
diketahui sebarannya. Ini dapat terjadi kalau nilai variabel acak yang
diamati dalam bentuk data skala nominal dan skala ordinal dan tidak
dilandasi persyaratan data harus sebaran normal, atau memang bentuk
sebaran variabel acak itu tidak dapat diketahui. Dengan demikian,
parameter dari sebaran itu pun tidak lagi menjadi pokok persoalan.
Metode statistik yang tidak memerlukan suatu anggapan tertentu
mengenai bentuk sebaran atau parameter yang diselidiki disebut
metode non-parametrik.
1.1 Kelebihan dan Kekurangan Metode Non-Parametrik
Beberapa keuntungan yang dapat diperoleh jika kita memilih metode
non-parametrik ialah :
1. Jika ukuran sampel kecil, tak ada pilihan lain yang lebih baik
daripada menggunakan metode non-parametrik.
2. Karena memerlukan sedikit asumsi, metode non-parametrik
penerapannya lebih luas. Disamping itu, kemungkinan
digunakan secara salah (karena pelanggaran asumsi) lebih kecil
daripada metode parametrik.
2 | Stati st ik Non Parame tr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
3. Metode non-parametrik dapat digunakan meskipun data diukur
dalam skala ordinal atau peringkat.
4. Beberapa metode non-parametrik dapat digunakan meskipun
data diukur dalam skala nominal.
5. Beberapa uji non-parametrik dapat membedakan sejumlah
sampel. Beberapa uji parametrik dapat dipakai untuk
menganalisis persoalan serupa, tetapi menuntut asumsi yang
hampir tidak mungkin dipenuhi.
6. Para peneliti dengan dasar sedikit matematika yang kurang akan
merasakan bahwa metode non-parametrik mudah dipahami.
Metode non-parametrik bukan tanpa kekurangan. Beberapa
kekurangan yang perlu diketahui ialah :
1. Metode non-parametrik secara ilmu statistik kurang kuat
(rigorous) dibandingkan metode parametrik.
2. Jika asumsi untuk metode parametrik terpenuhi, dengan ukuran
sampel yang sama, metode non-parametrik kurang memiliki
kuasa (power) dibanding metode parametrik.
3. Penyederhanaan skala data (data reduction) dari skala rasio atau
interval ke skala ordinal atau nominal merupakan pemborosan
(detail) informasi yang sudah dikumpulkan.
1.2 Pedoman Umum Memilih Metode Non-Parametrik
Untuk menentukan Metode Non-parametrik mana yang akan
digunakan, maka perlu diketahui terlebih dahulu skala data yang akan
dianalisis (nominal, ordinal) dan bentuk uji (deskriptif, komparatif,
asosiatif). Tabel 1.1 berikut merupakan pedoman umum yang dapat
digunakan untuk menentukan Metode Non-parametrik yang akan
digunakan dalam penelitian.
Sta ti s t ik Non Parametr ik | 3
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Tabel 1. Pedoman Umum Memilih Metode Non Parametrik
Bentuk Hipotesis
Skala Data Deskriptif
Komparatif 2 Sampel Komparatif Banyak Sampel Hubungan
(1 sampel) Berpasangan Independen Berpasangan Independen
Nominal binomial Mc. Nemar Fisher Q-Cochran Chi koefisien Exact Kuadrat konti-
Probability k Sampel ngensi (C)
chi kuadrat Chi 1 sampel
Kuadrat
2 sampel
Ordinal Kolmogorov- Sign Test Median Friedman Median Korelasi Smirnov Test Extension Spearman
1 Sampel U Mann Rank
Whitney
Wilcoxon Test Kruskal
Run Test Matched Kolmogorov- Wallis Korelasi Pairs Smirnov Kendal
Wald Tau Wolfowits
Interval - Uji Walsh Uji - - - Uji Randomisasi Randomisasi
1.3 Menentukan Ukuran Sampel
Sampel yang baik adalah sampel yang representatif/mewakili.
Banyaknya sampel yang akan digunakan sebagai sumber data
tergantung pada tingkat kepercayaan yang dikehendaki. Bila tingkat
kepercayaan 95 %, maka sampel akan lebih kecil dari jumlah anggota
Populasi. Jika sampel besar akan besar pula non sampling error.
(Modul Teknik Sampling)
Krejcie dan Morgan (1970) telah memberikan panduan kepada kita
dalam menentukan jumlah anggota sampel dari tertentu dengan taraf
kepercayaan 95 %. Lihat Tabel 2
Dari tabel 2 terlihat bahwa, bila jumlah anggota populasi N = 100,
maka jumlah anggota (s) yang diperlukan = 80. Bila jumlah anggota
populasi 1.000, maka jumlah sampel yang diperlukan = 285.
Selanjutnya bila jumlah anggota populasi N = 100.000, maka jumlah
sampel yang diperlukan = 384
Roscoe dalam bukunya, Research Methods for Bussiness (1992: 253)
memberikan saran-saran tentang ukuran sampel sebagai berikut:
4 | Stati st ik Non Parame tr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
1. Ukuran sampel yang layak digunakan dalam penelitian adalah
lebih dari 30.
2. Bila sampel dibagi dalam kategori (pria–wanita, pegawai
negeri–swasta) maka sampel setiap kategori minimal 30.
3. Bila dalam penelitian akan melakukan analisis dengan
multivariabel, maka jumlah sampel minimal 10 kali dari jumlah
variabel yang diteliti. Misal variabel penelitiannya ada 5
(independen + dependen) maka sampel = 10 x 5 x 30 = 1500
4. Untuk penelitian eksperimen yang sederhana, yang
menggunakan kelompok eksperimen dan kelompok kontrol,
eksperimen akan lumpuh (poliomyelitis satu juta bocah)
5. Uji Normal Shapiro Wilks dengan Software SAS atau SPSS
Base menjalankan sampel sedang < 2000 dan sampel kecil <
100
Sta ti s t ik Non Parametr ik | 5
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Tabel 2. Penentuan Sampel Dengan Taraf Kepercayaan 95 % (Krejcie
dan Morgan 1970)
(N)
Jumlah
Anggota
Populasi
(s)
Sampel
(N)
Jumlah
Anggota
Populasi
(s)
Sampel
(N)
Jumlah
Anggota
Populasi
(s)
Sampel
10 10 220 140 1.200 291
15 14 230 144 1.300 297
20 19 240 141 1.400 302
25 24 250 152 1.500 306
30 28 260 155 1.600 310
35 32 270 159 1.700 313
40 36 280 162 1.800 317
45 40 290 165 1.900 320
50 44 300 169 2.000 322
55 48 320 175 2.200 327
60 52 340 181 2.400 331
65 56 360 186 2.600 335
70 59 380 191 2.800 338
75 63 400 196 3.000 341
80 66 420 201 3.500 346
85 70 440 205 4.000 351
90 73 460 210 4.500 354
95 76 480 214 5.000 357
100 80 500 217 6.000 361
110 86 550 226 7.000 364
120 92 600 234 8.000 367
130 97 650 242 9.000 368
140 103 700 248 10.000 370
150 108 750 254 15.000 375
160 113 800 260 20.000 377
170 118 850 265 30.000 379
180 123 900 269 40.000 380
190 127 950 274 50.000 381
200 132 1.000 278 75.000 382
210 136 1.100 285 100.000 384
6 | Stati st ik Non Parame tr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Bab 2 Uji Satu Sampel
Dalam uji deskriptif, dugaan terhadap nilai satu variabel dalam satu
sampel walaupun di dalamnya bisa terdapat beberapa kategori.
Metode Non-parametrik yang digunakan untuk uji deskriptif satu
sampel bila data nominal adalah Uji Binomial dan Khi Kuadrat ( 2).
Selanjutnya untuk menguji satu sampel bila datanya ordinal adalah
Kolmogorov-Smirnov uji satu sampel dan Run Test.
2.1 Uji Binomial
Sebaran Binomial merupakan salah satu sebaran peluang yang paling
banyak dijumpai pada statistik terapan. Sebaran itu merupakan hasil
dari suatu proses yang disebut percobaan Bernoulli. Jika sebuah
percobaan menghasilkan satu dari dua kemungkinan hasil yang saling
terpisah (mutually exclusive), misal mati atau hidup, sakit atau sehat,
laki-laki atau perempuan, percobaan itu disebut percobaan Bernoulli.
Percobaan Bernoulli dilakukan pada keadaan yang tiga hal berikut
terpenuhi:
1. Setiap percobaan menghasilkan salah satu dari dua
kemungkinan hasil yang saling terpisah, yaitu “sukses” atau
“gagal”. Sebutan “ sukses” dan “gagal” ditentukan menurut
kehendak kita.
2. Peluang “sukses”, ditulis sebagai p, adalah tetap dari satu
percobaan ke percobaan lain. Peluang “gagal” adalah 1 - p,
ditulis sebagai q.
3. Percobaan-percobaan bersifat independen, artinya hasil dari satu
percobaan tidak mempengaruhi hasil percobaan lain.
Bagaimana cara mengetahui peluang untuk memperoleh sejumlah
“sukses” dari satu seri observasi berukuran n ? Jika jumlah objek
berelemen “sukses” dari satu seri observasi berukuran n, kita sebut x,
maka peluang untuk memperoleh sejumlah k objek berelemen
“sukses” (x), adalah sebagai berikut:
knk
r
n qpCkxP 00)( , k= 0, 1, 2, … , n
Dengan :
p0 = proporsi “sukses” dalam populasi
q0 = proporsi “gagal” dalam populasi
Sta ti s t ik Non Parametr ik | 7
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Contoh 2.1:
Misalkan 0,3 bagian dari populasi menderita Sarkoma Kaposi
meninggal dalam tempo satu tahun, dan 0,7 bagian lainnya bertahan
hidup dalam waktu yang sama. Kita dapat mengetahui peluang suatu
sampel acak penderita Sarkoma Kaposi berukuran n=5, dengan k=4
orang diantaranya akan meninggal dalam waktu satu tahun,. Caranya
sebagai berikut :
0283,0)7,0)(0081,0(!1!4
!5)7,0()3,0()4( 14
4
5CxP
Dalam praktek, nilai peluang yang dibutuhkan untuk menjawab
pernyataan-pernyataan hipotesis tentang proporsi baik dalam uji satu
sisi maupun dua sisi, adalah peluang untuk memperoleh suatu nilai
teramati plus nilai-nilai lainnya yang lebih ekstrem dari nilai itu.
Peluang demikian disebut peluang komulatif. Dalam contoh diatas
kita dapat menentukan peluang untuk memperoleh suatu sampel acak
penderita Sarkoma Kaposi berukuran n = 5, dengan k 4 orang akan
meninggal dalam tempo satu tahun. Caranya adalah dengan
menjumlahkan peluang-peluang P(x = 4), P(x= 3), P(x=2), P(x=1),
P(x=0), Jadi:
P(x 4) = P(x = 4) + P(x= 3) + P(x=2) + P(x=1) + P(x=0)
P(x 4) = 0.0283 + 0.1323 + 0.3087 + 0.3601 = 0.9975
Kita juga dapat menghitung besarnya peluang untuk memperoleh
suatu sampel acak penderita Sarkoma Kaposi berukuran n = 5, dengan
k > 4 orang akan meninggal dalam tempo satu tahun, sebagai berikut :
P ( x > 4) = 1 - P(x 4) = 1 – 0.9975 = 0.0025
2.2 Pearson Khi Kuadrat
Khi Kuadrat (2) satu sampel adalah metode yang digunakan untuk uji
deskriptif bila dalam populasi terdiri atas dua atau lebih kelas, data
skala nominal dan sampel besar. Yang dimaksud uji deskriptif di sini
bisa merupakan dugaan terhadap ada tidaknya perbedaan frekuensi
antara kategori satu dan kategori lain dalam sebuah sampel.
8 | Stati st ik Non Parame tr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Uji Khi Kuadrat berguna untuk tiga macam kebutuhan yaitu :
1. uji kesesuaian (test of goodness of fit). Dengan uji kesesuaian,
suatu sebaran sampel dievaluasi apakah sesuai (fit) dengan tabel
kontingensi (lihat Tabel 3),
2. uji independensi (test of independence). Dengan uji
independensi diperiksa apakah dua buah variabel dari sebuah
sampel saling tergantung atau tidak saling tergantung,
3. uji homogenitas (test of homogenity). Dengan uji homogenitas,
beberapa sampel dievaluasi apakah berasal dari populasi-
populasi yang sama (homogen) dalam hal variabel tertentu.
Dalam uji Khi Kuadrat, satu hal yang perlu diingat ialah bahwa cara
kategorisasi, baik frekuensi observasi maupun frekuensi harapan harus
sama, agar memungkinkan perbandingan secara proporsional. Yang
dimaksud dengan frekuensi harapan ialah :
1. Frekuensi teoritis yang diharapkan muncul pada keadaan yang
diduga harus sama dalam tiap kategori.
2. Frekuensi dari suatu sebaran sampel harus sama dalam tiap
kategori.
Format data untuk uji Khi Kuadrat.
Tabel 3. Format Data Tabel Kontingensi
Rumus Khi Kuadrat adalah sebagai berikut :
ji ij
ijij
E
EO
,
2
2)(
Variabel 1 Variabel 2
Total Kategori 1 Kategori 2 … Kategori c
Kategori 1 O11 O12 … O1c n1.
Kategori 2 O21 O22 … O2c n2.
… … … Oij … ni.
Kategori r Or1 Or2 … Orc nr.
Total n.1 n.2 n.j n.c n
Sta ti s t ik Non Parametr ik | 9
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
dimana:
O ij = frekuensi teramati dari sel baris ke–i dan kolom ke–j
ijE = frekuensi harapan dari sel baris ke–i dan kolom ke-j
n
xnnE
ji
ij
..
Contoh untuk 2 kategori:
Salah satu organisasi perempuan ingin mengetahui apakah wanita
berpeluang yang sama dengan pria untuk menjadi kepala desa. Untuk
itu maka perlu dilakukan penelitian. Populasi penelitian adalah
masyarakat desa. Calon yang satu adalah Wanita dan calon yang
kedua adalah Pria. Sampel sebagai sumber data diambil secara random
sebanyak 300 orang dari sampel tersebut ternyata 200 orang memilih
pria dan 100 orang memilih wanita.
1. Peluang Pria dan Wanita Untuk Menjadi Kepala Desa adalah
sama (hipotesis) alternative (
Peluang pria untuk menjadi kepala desa tidak sama dengan
peluang wanita untuk menjadi kepala desa.
2. Data :
Tabel 4. Perolehan Suara Calon Pria dan Calon Wanita
Kepala Desa Frekuensi yang
diperoleh
Frekuensi yang
diharapkan
Calon Pria 200 150
Calon Wanita 100 150
Jumlah 300 300
3. Uji yang diajukan :
frekuensi masyarakat yang memilih calon Kades Pria dan
Wanita adalah sama
4. Untuk dapat menghitung Khi Kuadrat ( 2), maka diperlukan
tabel penolong seperti yang ditunjukkan pada Tabel 5.
10 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Tabel 5. Tabel Operasi Penghitungan
Pilihan
fo
fe
fo – fe
(fo – fe)2 e
eo
f
ff2
Pria 200 150 50 2.500 16.67
Wanita 100 150 -50 2.500 16.67
Jumlah 300 300 0 33.33
Berdasarkan perhitungan dengan menggunakan tabel penolong
Khi Kuadrat = 33.33
Dengan taraf keyakinan 95 % atau = 5 % maka 2tabel =
3.84, karena 2
hitung > 2
tabel maka dugaan ditolak ditolak.
4. Kesimpulan: peluang untuk terpilih sebagai kepala desa antara
pria dan wanita tidak sama.
2.3 Kolmogorov-Smirnov Uji Satu Sampel
Kolmogorov-Smirnov uji satu sampel adalah suatu tes goodness of fit. Tes ini
berkaitan dengan derajat kesesuaian antara distribusi sampel dan beberapa teori
distribusi. Tes ini menggunakan cumulative frequency distribution (cfd) dan
membandingkan cfd dari data observasi.
Jika adalah fungsi cdf dari , untuk suatu nilai nilai adalah
proporsi untuk suatu nilai sama dengan atau lebih kecil dari . adalah cfd
dari data observasi dari sampel obeservasi. Dengan adalah nilai yang
mungkin, maka dengan nilai observasi sama dengan atau lebih
kecil dari .
Pada hipotesis nol, sampel sudah digambarkan dalam suatu teori distribusi
tertentu, dan diharapkan bahwa setiap nilai dari , mendekati nilai
Dengan demikian, pada dapat diharapkan perbedaan nilai antara dan
adalah kecil dalam limit dari error. Kosmogorov-Smirnov fokus pada
deviasi terbesar. Deviasi terbesar dari disebut sebagai deviasi
maksimum, D:
Distribusi sampel dari pada diketahui. Nilai kritis dapat mengacu pada
“tabel nilai kritis Kolmogorov-Smirnov uji satu sampel” (Siegel, 1992). Nilai
signifikansi tergantung pada N.
Sta ti s t ik Non Parametr ik | 11
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
2.4 Uji Run Satu Sampel
Pada beberapa tahun terakhir dikembangkan metoda dimana uji hipotesis
dilakukan pada suatu sampel yang random. Teknik yang dilakukan adalah
berdasarkan urutan dari observasi. Teknik ini ditunjukkan dengan sejumlah run
yang dilakukan oleh sampel. Sebuah run didefinisikan sebagaikeberhasilan dari
identifikasi symbol yang diikuti oleh symbol yang berbeda dengan symbol yang
lain. Sebagai contoh serangkaian urutan seri dari symbol plus dan minus adalah
sebagai berikut:
++ --- + ---- ++ - +
Urutan tersebut dimulai dengan run 2 positif kemudian diikuti oleh run berikutnya
run tiga minus, kemudian diikuti dengan satu positif danseterusnya. Sehingga
barisan tersebut dapat dituliskan:
+ + - - - + - - - - + + - +
1 2 3 4 5 6 7
Sehingga terdapat 7 runs : jumlah dari runs . Jika adalah jumlah suatu
elemen dan adalah jumlah dari elemen yang lain, maka dengan
adalah jumlah dari observasi.
Data kecil:
Jika kedua dan sama dengan atau lebih kecil dari 20 maka pada Tabael F
menunjukkan nilai kritis dari pada untuk Nilai kritis dari distribusi
sampel dibawah . Jika r ada adalah sama atau lebihdari nilai kritis, maka
dterima. Tetapi jika r ada pada antara daerah kritis, maka ditolak.
Data besar:
Jika dan lebih dari 20, maka tabel tidak dapat digunakan. Estimasi terbaik
pada distribusi sampel dari adalah distribusi normal dengan:
Mean +1 dan
Standar deviasi
12 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Kemudian ketika atau lebih besar dari 20 maka dapat diuji dengan:
Sta ti s t ik Non Parametr ik | 13
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Bab 3 Uji Komparatif Dua Sampel
3.1 Uji Komparatif Dua Sampel Berpasangan
Menguji ada tidaknya perbedaan yang signifikan antara nilai variabel
dari dua sampel yang berpasangan. Sampel yang berpasangan dapat
berupa :
1. Satu sampel yang diukur dua kali
2. Dua sampel berpasangan diukur bersama.
Metode non parametrik yang digunakan untuk uji komparatif sampel
berpasangan bila data skala nominal adalah Mc Nemar Test dan untuk
data skala ordinal adalah Sign Test
3.1.1 Mc Nemar Test
Uji komparatif dua sampel yang berpasangan bila data skala nominal.
Mc Nemar Test mengikuti sebaran Khi Kuadrat (2), Oleh karena itu
digunakan rumus Khi Kuadrat (sampel besar).
ei
eii
f
ff 2
02 )(
Dimana:
f0= Banyaknya frekuensi yang diamati dalam kategori ke-i
fe= Banyaknya frekuensi yang diharapkan di bawah Ho dalam
kategori ke-i
Sebagai panduan untuk menguji signifikansi setiap perubahan, maka
data perlu disusun ke dalam tabel segi empat ABCD seperti berikut :
Tabel 6. Signifikansi Perubahan Banyaknya Kejadian
Sebelum Sesudah
- +
+ A B
- C D
14 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Uji signifikansi hanya berkenan dengan A dan D karena hanya sel A
dan D yang mengalami perubahan. Jika A = banyak kasus yang
diamati dalam sel A, dan D banyak kasus yang diamati dalam sel D,
serta ½ ( A+D ) banyak kasus yang diharapkan baik di sel A maupun
D, rumus tersebut dapat lebih disederhanakan menjadi rumus :
)(
)( 22
DA
DA
Rumus tersebut akan semakin baik dengan adanya koreksi kontinuitas
yang diberikan oleh Yates dengan mengurangi nilai 1, maka rumus
disempurnakan menjadi sebagai berikut :
)(
)1( 2
2
DA
DA
Contoh :
Suatu perusahaan ingin mengetahui pengaruh sponsor yang diberikan
dalam suatu pertandingan olah raga terhadap nilai penjualan
barangnya. Dalam penelitian ini digunakan sampel yang diambil
secara acak sebesar 200. Sebelum sponsor diberikan, terdapat 50
orang yang membeli barang tersebut, dan 150 orang tidak membeli.
Setelah sponsor diberikan dalam pertandingan olah raga, ternyata dari
200 0rang tersebut terdapat 125 orang yang membeli dan 75 orang
tidak membeli. Dari 125 orang tersebut terdiri atas pembeli tetap 40,
dan yang berubah dari tidak membeli menjadi membeli ada 85.
Selanjutnya dari 75 orang yang tidak membeli itu terdiri atas orang
yang berubah dari membeli menjadi tidak membeli ada 10 orang, dan
yang tetap tidak membeli ada 65 orang. Untuk mudahnya data disusun
dalam tabel 4.1
Jawab:
Tabel 7. Penjualan Perusahaan Setelah ada Sponsor
Sebelum ada
sponsor
Setelah ada sponsor
Membeli 50 125 = 40 + 85
Tidak
Membeli
150
75 =
65
+ 10
Jumlah 200 200 105 95
Sta ti s t ik Non Parametr ik | 15
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
a. : Tidak terdapat perbedaan jumlah penjualan sebelum dan
sesudah ada sponsor
: ada perbedaan jumlah penjualan sebelum dan sesudah ada
sponsor
b. Uji Statistik
2 hitung
2 tabel tidak ada perbedaan
> 2 tabel ada beda
Untuk memudahkan perhitungan, maka isi Tabel 7 disusun
kembali menjadi Tabel 8
Tabel 8. Perubahan Penjualan Terkait dengan Sponsor
Perilaku Konsumen Membeli Tidak membeli
Tidak membeli 85 ( A ) 65 ( B ) Tanpa Sponsor
Membeli 40 ( C ) 10 ( D )
Dengan Sponsor
Jadi 642.57
95
11085122
2
DA
DA
2
tabel = 3.84
c. Keputusan :
Karena 2 hitung > 2tabel tolak atau terima
d. Kesimpulan :
Jadi terdapat perbedaan penjualan setelah dan sebelum ada
sponsor, dimana setelah ada sponsor pembeli meningkat. Karena
pembeli sesudah ada sponsor meningkat berarti sponsor yang
diberikan pada pertandingan olah raga mempunyai pengaruh
yang nyata terhadap penjualan.
16 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
3.1.2 Sign Test (Uji Tanda)
Sign Test digunakan untuk uji komparatif dari dua kondisi yang
berbeda untuk dua sampel yang berpasangan, bila data berskala
ordinal. Uji ini dinamakan uji tanda (sign test) karena data yang
dianalisis dinyatakan dalam bentuk tanda-tanda, yaitu tanda positif
dan negatif. Jadi, dalam hal ini tidak menanyakan berapa pengaruhnya
secara kuantitatif, tetapi hanya pernyataan mempunyai pengaruh
positif atau negatif.
Untuk sampel yang kecil (n 30) pengujian dilakukan dengan meng-
gunakan prinsip-prinsip sebaran Binomial dengan p = q = 0,5.
Sedangkan untuk sampel yang besar (>30) dapat dilakukan pengujian
Khi Kuadrat, yang rumusnya adalah :
)(
)1(
21
2
212
nn
nn
Dimana :
n1 = Banyak data positif
n2 = Banyak data negatif
Contoh :
Suatu perusahaan ingin mengetahui pengaruh adanya kenaikan uang
insentif terhadap kesejahteraan karyawan. Dalam penelitian itu dipilih
20 pegawai beserta istrinya secara random. Jadi terdapat 20 pasangan
suami istri. Masing-masing suami dan istri diberi angket untuk diisi,
dengan menggunakan pertanyaan sebagai berikut :
Berilah penilaian tingkat kesejahteraan keluarga bapak/ibu sebelum
dan sesudah adanya kenaikan insentif dari perusahaan dimana bapak
bekerja. Rentang nilai adalah 1 s/d 10. Nilai 1 berarti tidak sejahtera
dan 10 berarti sangat sejahtera.
Nilai sebelum ada kenaikan insentif ------------------------
Nilai setelah ada kenaikan insentif
------------------------------------
Sta ti s t ik Non Parametr ik | 17
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Penelitian di perusahaan X didapatkan data sebagai berikut :
Tabel 9. Data Tingkat Kesejahteraan Keluarga Menurut Istri dan
Suami
Data dari Istri Data dari Suami
Sebelum Sesudah Beda Rank Peruba
han
Sebelum Sdh Beda Rank Perubah
an
2 4 2 4 1 6 5 1
2 3 1 5 4 6 2 4
4 6 2 4 2 3 1 5
5 7 2 4 6 7 1 5
4 5 1 5 2 4 2 4
2 4 2 4 3 6 3 3
1 3 2 4 1 4 3 3
2 6 4 2 2 7 5 1
1 6 5 1 1 4 3 3
7 9 2 4 2 3 1 5
4 7 3 3 4 8 4 2
5 9 4 2 6 9 3 3
2 4 2 4 2 7 5 1
3 5 2 4 2 6 4 2
6 9 3 3 5 9 4 2
3 7 4 2 1 6 5 1
2 4 2 4 4 5 1 5
3 8 5 1 2 6 4 2
1 2 1 5 1 3 2 4
2 3 1 5 2 4 2 4
Jawab :
a. Tidak ada pengaruh insentif terhadap kesejahteraan
keluarga baik menurut istri maupun suami.
Ada pengaruh insentif terhadap kesejahteraan keluarga baik
menurut istri maupun suami.
b. Uji statistik
45.220
49
137
113712
21
2
212
nn
nn
2 tabel = 3.841
18 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Tabel 10. Peringkat Perubahan Kesejahteraan Keluarga Menurut
Pasangan Istri dan Suami
No Tingkat Perubahan
Arah Tanda Istri Suami
1. 4 1 4 > 1 -
2. 5 4 5 > 4 -
3. 4 5 4 < 5 +
4. 4 5 4 < 5 +
5. 5 4 5 > 4 -
6. 4 3 4 > 3 -
7. 4 3 4 > 3 -
8. 2 1 2 > 1 -
9. 1 3 1 < 3 +
10. 4 5 4 < 5 +
11. 3 2 3 > 2 -
12. 2 3 2 < 3 +
13. 4 1 4 > 1 -
14. 4 2 4 > 2 -
15. 3 2 3 > 2 -
16. 2 1 2 > 1 -
17. 4 5 4 < 5 +
18. 1 2 1 < 2 +
19. 5 4 5 > 4 -
20. 5 4 5 > 4 -
d. Keputusan
Karena 2
hitung < 2tabel terima
e. Kesimpulan :
Tidak ada pengaruh yang positif dan signifikan kenaikan
insentif terhadap kesejahteraan keluarga baik menurut suami
maupun istri. Kalaupun dalam data terlihat ada pengaruh positif,
tetapi adanya pengaruh itu hanya terjadi pada sampel tersebut.
3.1.3 Wilcoxon Match Pairs Test
Uji ini merupakan penyempurnaan dari uji tanda (sign test). Kalau
dalam uji tanda besarnya selisih nilai angka antara positif dan negatif
tidak diperhitungkan, sedangkan dalam uji Wilcoxon ini
diperhitungkan. Seperti dalam uji tanda, uji ini digunakan untuk dua
sampel yang berpasangan bila data skala ordinal (berjenjang).
Sta ti s t ik Non Parametr ik | 19
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Bila sampel pasangan (n > 25 ) maka sebaran akan mendekati sebaran
normal. Untuk itu digunakan rumus z.
T
TTZ
Dimana: T = jumlah jenjang/rangking yang kecil.
Contoh :
Pada suatu kantor Pemerintah dilakukan penelitian untuk mengetahui
pengaruh ruangan yang diberi AC terhadap produktivitas kerja.
Pengumpulan data terhadap produktivitas kerja pegawai dilakukan
pada waktu AC sebelum dan sesudah dipasang. Data produktivitas
kerja pegawai sebelum AC dipasang adalah Xa dan sesudah dipasang
adalah Xb. Jumlah pegawai yang digunakan sebagai sumber data = 10.
Jawab :
a. Uji pernyataan:
Tidak terdapat perbedaan produktivitas kerja pegawai sebelum
dan sesudah memakai AC. Jadi AC tidak berpengaruh terhadap
produktivitas kerja pegawai.
b. Tabel 11. Pengaruh AC pada Produktivitas Kerja
No. Xa Xb Beda Tanda Jenjang
Xa Xb Jenjang + -
1. 100 105 + 5 7.5 7.5
2. 98 94 - 4 5.5 0.0 5.5
3. 76 78 + 2 2.5 2.5
4. 90 98 + 8 9.0 9.0
5. 87 90 + 3 4.0 4.0
6. 89 85 - 4 5.5 0.0 5.5
7. 77 86 + 9 10.0 10.0
8. 92 87 - 5 7.5 0.0 7.5
9. 78 80 + 2 2.5 2.5
10. 82 83 + 1 1.0 1.0
Jumlah T = 36.5 18.5
T= tanda jenjang yang nilainya terkecil
20 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Dimana :
T = jumlah jenjang/rangking yang kecil pada contoh di atas =
18.5 Karena jumlah sampelnya kecil (n=10) maka tabel referensi
yang dipakai adalah Tabel G. Berdasarkan Tabel G untuk n=10
maka T tabel=4, karena T hitung = 18.5 lebih dari T tabel=4
maka keputusannya adalah tolak untuk .
Kesimpulan: AC tidak berpengaruh pada produktivitas kerja
pegawai.
Untuk n= 25 maka rumus yang digunakan adalah:
5.274
11010
4
1nn
811.924
12011010
24
121 nnn
918.811.9
5.275.18z
z tabel = 1.96 maka tidak ada perbedaan produktifitas, karena z
hitung < z tabel -.918 < -1.96
3.1.4 Uji Walsh
Jika dalam eksperimen dapat dianggap bahwa skor-skor selisih yang
diobservasi dalam dua sampel yang berhubungan berasal dari populasi
simetris, pembuat eksperimen dapat menggunakan tes yang
dikembangkan oleh Walsh, yang sangat tinggi kekuatannya.
Perhatikanlah bahwa anggapannya bukanlah bahwa id berasal dari
populasi normal (yang merupakan anggapan uji t parametrik), dan
perlu diingat pula bahwa id tidak harus dari populasi yang sama.
Asumsi pada uji ini ialah bahwa populasinya simetris, sehingga mean-
nya merupakan gambaran yang akurat dari nilai tengah, dan sama
dengan median. Uji Walsh ini menuntut pengukuran sekurang-
kurangnya dalam skala interval.
Metode:
Pertama kali tentukan skor selisih dari masing-masing N pasangan
( id ). Harga-harga id itu kemudian diatur dalam urutan besarnya.
Sta ti s t ik Non Parametr ik | 21
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Dalam tanda tiap-tiap id diperhatikan. Tetapkan 1d = skor selisih yang
terendah (mungkin saja bernilai negatif), kemudian 2d = skor yang
kedua dari yang paling rendah, dan seterusnya hingga Nd .
Hipotesis nol yang diuji adalah bahwa harga-harga id itu ditarik dari
populasi yang mediannya = 0 (atau dari sekelompok populasi yang
memiliki median bersama yang = 0), Dalam suatu distribusi simetris,
mean dan median berimpit. Uji Walsh menganggap bahwa sejumlah
id itu adalah dari populasi dengan distribusi nol. Oleh karena itu, 0H
ialah rata-rata skor selisih ( 0 ) adalah nol. Untuk uji dua sisi, 1H ialah
1 > 0 atau bahwa 1 < 0. Keputusan tolak ataupun tidak tolaknya 0H ,
dilakukan dengan menggunakan bantuan Tabel H ( Tabel Uji Walsh).
3.1.5 Uji Randomisasi 2 Sampel Berhubungan
Uji ini membantu memperoleh kemungkinan yang eksak akan
munculnya data yang ada dalam observasi kita dibawah 0H . Selain
itu, kita tidak memerlukan asumsi kenormalan dan juga homogenitas
varian. Dengan persyaratan-persyaratan tertentu, uji ini merupakan uji
nonparametrik yang paling kuat di antara yang lain, dan dapat
digunakan apabila pengukurannya sedemikian rupa sehingga harga
skor bermakna numerik.
Metode:
1. Hitung nilai beda (di) untuk setiap pasangan anggota kelompok
sampel pertama dan kedua.
2. Tentukan jumlah peluang semua kombinasi (di) yang memiliki
kemungkinan akan muncul di bawah Ho, yaitu sebesar 2n (n =
jumlah pasangan yang menjadi anggota kelompok sampel
pertama dan kedua)
3. Tentukan jumlah peluang sebagian kombinasi (di) yang
memiliki kemungkinan akan muncul di daerah penolakan, yaitu
sebesar ( x 2n).
22 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
4. Buat ilustrasi berbagai kombinasi (di) yang berpeluang muncul
di daerah penolakan dengan cara memilih kombinasi peluang
dengan ( di) paling besar (positif) dan ( di) paling kecil
(negatif).
5. Untuk pengujian satu sisi, peluang kombinasi (di) yang ada di
daerah penolakan hanya menempati satu sisi, yaitu di wilayah
sekitar ( di) paling besar (positif) atau wilayah sekitar ( di)
paling kecil (negatif negatif).
6. Sedangkan untuk pengujian dua sisi, peluang kombinasi (di)
yang ada di daerah penolakan berada di dua sisi, yaitu di
wilayah sekitar ( di) paling besar (positif) dan di wilayah
sekitar ( di) paling kecil (negatif).
7. Tentukan, apakah kombinasi/distribusi data dari hasil penelitian
berada di daerah penolakan atau tidak. Jika berada di daerah
penolakan, maka tolak Ho dan terima H1
3.2 Uji Komparatif Dua Sampel Independen
Menguji dua sampel independen berarti menguji perbedaan nilai dua
sampel yang tidak berpasangan. Sampel independen biasa digunakan
dalam penelitian survey. Sedangkan sampel berpasangan banyak
digunakan dalam eksperimen.
Metode Non parametrik yang digunakan untuk menguji dua sampel
independen bila data berskala nominal adalah : Khi Kuadrat, Uji
Exact Fisher, dan bila data berskala ordinal adalah Median test, Uji U-
Mann Whitney.
3.2.1 Uji Exact Fisher
Uji Exact Fisher menguji hubungan antara dua variabel nominal,
menggunakan pendekatan peluang pasti (Exact probability). Uji ini
merupakan alternatif yang bisa dipakai untuk ukuran sampel kecil,
biasanya nilai harapan tiap sel ada yang kurang dari 5.
Contoh 3.2.1:
Sta ti s t ik Non Parametr ik | 23
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Sebuah studi kasus kontrol meneliti jumlah kematian orang-orang
berusia 50-54 tahun di sebuah kabupaten dalam 1 bulan. Ditemukan
bahwa dari 30 orang yang meninggal karena penyakit serebrovaskuler
(CVD), 4 orang mempunyai riwayat diet tinggi garam. Sedang dari 20
orang yang meninggal karena sebab lain, 2 orang mempunyai riwayat
diet tinggi garam. Data tersebut disajikan pada tabel 3.2.1.
Tabel 12 Data Tentang Kemungkinan Hubungan Antara Kematian
Karena CVD dan Konsumsi Garam
Sebab Kematian
Konsumsi Garam Total
Tinggi Rendah
CVD 4 26 30
Non-CVD 2 18 20
Total 6 44 50
Kita dapat menghitung nilai harapan dari tabel itu sebagai berikut :
E11 = 6(30)/50 = 3.6 E21 = 6 (20) /50 = 2.4
Ternyata dua dari empat sel berisi frekuensi harapan kurang dari 5,
sehingga uji Khi kuadrat tidak boleh digunakan. Uji pasti Fisher
merupakan alternatif yang bisa dipakai untuk ukuran sampel kecil.
Andaikata peluang bahwa seorang dengan riwayat diet tinggi garam
akan meninggal karena CVD = p1, sedang peluang bahwa seorang
dengan riwayat diet tinggi garam akan meninggal karena non-CVD =
p2. Tabel 3.2.1.1 menampilkan format tabel 2x2 dalam uji pasti Fisher.
Peluang pasti dengan sel a, b, c, d adalah sebagai berikut :
!!!!!
)!()!()!()!(),,,(
dcban
dbcadcbadcbaP
Andaikata kita buat tabel dengan konfigurasi berbeda tetapi dengan
jumlah tepi tabel yang sama dengan tabel teramati pada contoh soal di
atas, maka salah satu diantaranya akan berbentuk seperti yang
disajikan pada Tabel 13.
Tabel 13. Data Tentang Kemungkinan Hubungan Antara Kematian
Karena CVD dan Konsumsi Tinggi
Sebab Kematian
Konsumsi Garam Total
Tinggi Rendah
CVD 0 30 30
24 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Non-CVD 6 14 20
Total 6 44 50
00244.0!14!6!30!0!50
!44!60!20!30)14,6,30,0(P
Tabel 14. Pembuatan semua konfigurasi tabel dengan jumlah tepi
tetap, dari contoh soal di atas, serta peluang pasti masing-
masing tabel.
0 30 1 29 2 28 3 27
6 14 5 15 4 16 3 17
0.00244
0.02928 0.13267 0.29135
4 26 5 25 6 24
2 18 1 19 0 20
0.32777 0.17937 0.03737
Penghitungan peluang untuk mendapatkan tabel-tabel tersebut cukup
memakai rumus ulangan, ditulis sebagai berikut:
)1)(1()()1(
da
bcaPaP
Hipotesis dan Statistik Uji
1. Hipotesis H0 : P1 = P2 dan H1 : P1 ≠ P2
Statistik Uji:
p = 2 x min [ P(0) + P(1)+…..+ P(a), P(a) +P(a+1) +….+ P(k)]
2. Hipotesis H0 : P1 = P2 dan H1 : P1 < P2
Statistik Uji p = P(0) + P(1)+ …..+ P(a)
3. Hipotesis H0 : P1 = P2 dan H1 : P1 > P2
Statistik Uji p = P(a) + P(a+1) + …..+ P(k)
Sta ti s t ik Non Parametr ik | 25
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Contoh 3.3
1. Uji dua sisi :
Hipotesis H0 : P1 = P2 dan H1 : P1 ≠ P2
Luas area sebelah kiri
= P(0) + P(1) + P(2) + P(3) + P(4)
= 0.00244 + 0.02928 + 0.13267+ 0.29135+ 0.32777
= 0.78351
Luas area sebelah kanan
= P(4) + P(5) + P(6)
= 0.32777+0.17937+0.03737
= 0.54451
Maka nilai p = 2 x Min (0.54451;0.78351)
= 2 x 0.54451
= 1.08902
(dengan kata lain, nilai p dua sisi = 1)
2. Uji satu sisi
Hipotesis H0 : P1 = P2 dan H1 : P1 > P2
Nilai p = P(4) + P(5) + P(6)
= 0.32777+0.17937+0.03737
= 0.54451
Jadi, peluang seorang dengan diet tinggi garam untuk meninggal
karena CVD dan non-CVD tidak berbeda secara bermakna, baik
dengan uji dua sisi maupun satu sisi. Dengan demikian kita
dapat menyimpulkan bahwa antara konsumsi garam dan sebab
kematian karena CVD tidak terdapat hubungan.
26 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
3.2.2 Uji Independensi Sampel Besar
Dengan uji Independensi Khi Kuadrat dapat diketahui, apakah dua
variabel saling berhubungan (tergantung, mempengaruhi, dependen)
atau tidak saling berhubungan (tidak tergantung, tidak mempengaruhi,
independen). Dengan uji itu dapat diketahui apakah hubungan yang
teramati antara kedua variabel secara statistik bermakna.
Data yang dianalisis berasal dari sebuah sampel acak dari sebuah
populasi.
Data dianalisis menurut dua variabel. Variabel pertama dibagi menjadi
c kategori. Variabel kedua dibagi menjadi r kategori. Jadi data tersebut
dapat dipresentasikan ke dalam tabel r x c. Karena tabel r x c
menunjukkan tingkat ketergantungan antara dua kriteria, tabel itu
disebut tabel kontingensi r x c. Tiap-tiap sel tabel berisi frekuensi
observasi (Oij) maupun frekuensi harapan (Eij), sebagaimana disajikan
pada Tabel 3.2.2
Statistik uji Khi Kuadrat ialah :
ji ij
ijij
E
EO
,
2
2)(
Dimana:
Oij = frekuensi teramati pada sel ke- ij
Eij = frekuensi harapan pada sel ke- ij
Dengan derajat independen = (r-1)(c-1
Tabel 15. Format Data Tabel Kontingensi
Varaiabel 1
Variabel 2
Total Kategori 1
Kategori 2
… Kategori c
Kategori 1 O11 O12 … O1c n1.
Kategori 2 O21 O22 … O2c n2.
… … … Oij … ni.
Kategori r Or1 Or2 … Orc nr.
Total n.1 n.2 n.j n.c n
Sta ti s t ik Non Parametr ik | 27
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Jika masing-masing dari kedua variabel dibagi menjadi hanya dua
kategori, tabel r x c lebih dikenal sebagai tabel 2 x 2 (lihat Tabel
3.2.2.1 ). Dalam hal ini, statistik 2
dapat dihitung lebih cepat dengan
rumus alternatif, sebagai berikut :
Dalam pengambilan keputusan statistik, 2teramati (
2hitung)
dibandingkan dengan 2
harapan ( 2 tabel) pada derajat independen yang
sesuai dan tingkat kekeliruan .
Contoh:
Sebuah studi berminat meneliti hubungan antara persepsi tentang
kerentanan terhadap penyakit dan pemilihan jenis pemberi pelayanan
kesehatan. Dari populasi pemakai pelayanan kesehatan modern dan
tradisional dicuplik sebuah sampel. Persepsi kerentanan dibagi dua
kategori, sangat serius dan kurang serius. Hasilnya disajikan
Tabel 3.2.2.1
Tabel 16. Persepsi Kerentanan Terhadap Penyakit pada Pasien yang
Berobat ke Rumah Sakit dan ke Dukun
Pelayanan Persepsi Kerentanan Terhadap
Penyakit Total Sangat serius Kurang serius
Rumah sakit 24 6 30
Dukun 8 12 20
Total 32 18 50
Berdasarkan data tersebut, dapatkah kita simpulkan bahwa terdapat
hubungan antara persepsi kerentanan terhadap penyakit dan pemilihan
jenis pemberi pelayanan kesehatan, pada =0.05?
Asumsi : Sebuah sampel dipilih secara acak dari populasi dan
observasi dilakukan independen.
1. Uji Pernyataan (Hipotesis)
Kedua variabel (persepsi kerentanan terhadap penyakit dan
pemilihan jenis pemberi pelayanan kesehatan) tidak saling
tergantung.
Kedua variabel (persepsi kerentanan terhadap penyakit dan
pemilihan jenis pemberi pelayanan kesehatan) saling
tergantung.
2. Tingkat kekeliruan, = 0.05
28 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
3. Statistik uji ialah :
E11 = (30 x 32)/50 = 19.2 E12 = (30 x 18)/50 = 10.8
E21 = (20 x 32)/50 = 12.8 E22 = (20 x 18)/50 = 7.2
Statistik uji 2 adalah :
33.8
2.7
)2.712(
8.12
)8.128(
8.10
)8.106(
2.19
)2.1924( 22222
Sebaran statistik uji, bila tidak ada hubungan, maka 2
akan
mengikuti sebaran 2 dengan derajat bebas (2-1)(2-1) = 1,
dimana 2
tabel=2
1;0.05 = 3.84 untuk sampel besar.
4. Karena 2
hitung 2 tabel, maka tolak .
5. Kesimpulan; terdapat hubungan yang bermakna antara persepsi
pasien tentang kerentanan terhadap penyakit dan jenis pemberi
pelayanan kesehatan yang dipilih.
3.2.3 Uji Median
Uji median ada kemiripan dengan uji t. Jika uji t mengandalkan mean
sebagai parameter populasi dalam menentukan perbedaan kedua
populasi, uji median memanfaatkan median dalam membandingkan
kedua populasi.
Statistik uji yang digunakan ialah Khi Kuadrat dengan formula :
Contoh 3.2.3
Sebuah studi hendak meneliti apakah terdapat penurunan kemampuan
eliminasi obat pada penderita penyakit hati.
Sta ti s t ik Non Parametr ik | 29
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Tabel 17. Waktu konsentrasi plasma tertinggi (jam) setelah diberikan
phenylbutazone pada subjek normal dan subjek dengan
cirrhosis hepatis
normal
penderita
45.6 8.8 20.1 11.2
49.0 17.4 14.0 18.0
13.7 13.8 42.3 27.9
37.9 26.3 29.7
26.8 14.4 17.8
30.6
22.6
4.0
15.0
35.0
10.7
41.3
21.5
32.5 7.0
Data: hati adalah tempat utama metabolisme obat. Diperkirakan
penderita penyakit hati mengalami gangguan eliminasi obat-obatan di
hati. Sebuah penelitian hendak mempelajari respons eliminasi obat
phenylbutazone pada penderita hati. Dua sampel diteliti: sampel
normal (sehat) dan sampel penderita cirrhosis hepatis. Setiap subjek
mendapat phenylbutazone per orang 19 mg/kg berat badan. Melalui
analisis darah, waktu konsentrasi plasma tertinggi (dalam jam) diukur
pada masing-masing subjek. Hasilnya terlihat pada Tabel 6.3.
Dapatkah kita tarik kesimpulan bahwa kedua populasi mempunyai
perbedaan waktu konsentrasi plasma tertinggi?
1. Asumsi:
a. Kedua populasi mempunyai bentuk sama (meskipun median
mungkin berbeda)
c. Variabel yang menjadi perhatian penelitian kontinu.
2.
MA: median sampel normal sama dengan cirrhosis hepatis
MB: median sampel penderita cirrhosis hepatis.
3. Taraf signifikansi = 0.05
4. Statistik uji
30 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Dilakukan penghitungan median gabungan. Dan dari Tabel 17
didapatkan frekuensi observasi yang terletak di atas dan di bawah
median gabungan sebagai berikut:
S
t
a
Statistik uji 2 = 0.574 dengan derajat bebas =1
2tabel =
21;0.05=3.84
5. Keputusan, karena 2 hitung= 0.574 <
2 1,95 = 3.84, maka median
terima
6. Kesimpulan; tidak terdapat perbedaan waktu puncak konsentrasi
plasma phenylbutazone antara subjek normal dan subjek cirrhosis
hepatis.
3.2.4 Uji U Mann-Whitney
Untuk menguji apakah 2 sampel yang independen berasal dari
populasi yang sama, test yang dapat digunakan adalah U Mann-
Whitney. Asumsi yang digunakan pada uji Mann-Whitney ialah :
1. Variabel adalah kontinu
Langkah-langkah uji U Mann-Whitney sebagai berikut :
1. Menentukan Hipotesis awal bahwa kedua sampel berasal dari
populasi yang sama.
2. Statistik uji U Mann-Whitney, yaitu :
1
11211
2
1R
nnnnU
222
2122
1R
nnnnU
Dimana :
n1, n2 = jumlah sampel 1, 2
U1, U2 = jumlah peringkat 1,2
R1, R2 = jumlah rangking pada sampel n1, n2
Normal Cirrhosis
Skor di atas median gab.
9(A)
5(B)
14(A+B)
Skor di bawah median gab. 6(C) 8(D)
14(C+D)
15(A+C) 13(B+D) 28 (N)
Sta ti s t ik Non Parametr ik | 31
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
3. Keputusan
Untuk masing-masing hipotesis, tolak H0 bila U hitung terkecil
lebih kecil daripada U .
Dimana U adalah nilai tabel Mann-Whitney U-Test untuk
tingkat kekeliruan , ukuran sampel pertama n1, dan besar
sampel kedua n2.
Apabila sebaran kedua populasi simetris, maka kesimpulan yang
kita ambil tentang median populasi berlaku pula untuk mean
populasi.
Contoh 3.2.4:
Dilakukan penelitian untuk mengetahui adakah perbedaan kualitas
manajemen antara Bank yang dianggap favorit oleh masyarakat dan
Bank yang tidak favorit. Penelitian menggunakan sampel 12 Bank
yang dianggap tidak favorit dan 15 Bank yang dianggap favorit.
Selanjutnya ke dua kelompok Bank tersebut diukur kualitas
manajemennya dengan menggunakan sebuah instrumen, yang terdiri
beberapa butir pertanyaan. Skor penilaian tertinggi adalah 40 dan
terendah 0
Jawab :
a. Uji bahwa :
Tidak terdapat perbedaan kualitas manajemen antara bank yang
favorit dan tidak favorit.
b. Statistik uji :
U2 < U1 21 < 184. Dengan demikian yang
digunakan untuk membandingkan dengan Utabel adalah U2. U
tabel = 42. Ternyata harga U hitung < U tabel (21 < 42) → tolak
.
32 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Tabel 18. Penyajian Data
Kel. A Nilai
Kualitas Peringkat Kel. B
Nilai
Kulaitas Peringkat
1. 16 9.0 1. 19 15.0 2. 18 10.5 2. 19 15.0 3. 10 1.5 3. 21 16.5 4. 12 4.5 4. 25 19.5 5. 16 9.0 5. 26 21 6. 14 6.0 6. 27 22.5 7. 15 7.5 7. 23 18 8. 10 1.5 8. 27 22.5 9. 12 4.5 9. 19 15
10. 15 7.5 10. 19 15 11. 16 9.0 11. 25 19.5 12. 11 3.0 12. 27 22.5 13. 13. 23 18 14. 14. 19 15 15. 15. 29 24
Jumlah
R1= 74
Jumlah
R2= 279
184742
1121215121 xU
212792
1151515122 xU
c. Kesimpulan :
Terdapat perbedaan kualitas manajemen yang signifikan antara
Bank yang favorit dan tidak favorit. Bank yang favorit kualitas
manajemennya sudah baik.
3.2.5 Uji Randomisasi untuk Dua Sampel Independen
Merupakan uji nonparametrik yang berguna dan sangat kuat untuk
menguji signifikansi perbedaan antara means dua sampel independen
apabila n1 dan n2 kecil. Uji ini mempergunakan harga- harga numerik
skor, dan oleh karena itu menuntut sekurang-kurangnya pengukuran
interval atas variabel yang dipelajari. Dengan Uji randomisasi ini, kita
dapat menentukan kemungkinan yang eksak, di bawah H0, yang
berkaitan dengan observasi kita, dan kita tidak memerlukan asumsi
distribusi normal atau homogenitas varian dalam populasi yang
dipelajari (kita harus membuat asumsi semacam itu jika kita
Sta ti s t ik Non Parametr ik | 33
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
menggunakan Uji t, yakni uji parametrik yang ekuivalen dengan uji
ini.)
Metode:
1. Tentukan banyak hasil yang mungkin dalam daerah penolakan:
1 2
1
n n
n( )C
2. Nyatakanlah yang termasuk dalam daerah penolakan banyak
hasil yang mungkin dan paling ekstrem dari kedua kelompok
sampel tersebut (A dan B). Hasil-hasil ekstrem adalah yang
mempunyai selisih A dan B yang terbesar. Untuk uji satu
sisi, semua harga itu ada dalam arah yang diramalkan. Untuk uji
dua sisi, setengah dari hasil yang mungkin dan paling ekstrem
dalam satu arah dan setengahnya lagi hasil-hasil yang mungkin
dan paling ekstrem dalam arah lain.
3. Jika skor observasi adalah salah satu diantara hasil-hasil yang
ada dalam daerah penolakan, maka tolak Ho pada signifikansi .
34 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Bab 4 Uji Komparatif k-Sampel Independen dan
Berpasangan
4.1 k-Sampel Berpasangan
4.1.1 Uji Q-Cochran
Uji ini merupakan uji nonparametrik untuk k-sampel berhubungan
yang sering pula disebut sebagai pengembangan dari Uji Mc Nemar.
Uji ini mensyaratkan skala pengukuran data yang dipakai berupa
nominal atau ordinal yang terpisah-dua ( dikotomi).
Metode:
Data penelitian diatur dalam suatu tabel dua arah yang terdiri atas
N baris dan k kolom, kemudian uji hipotesis bahwa proporsi (atau
frekuensi) karakteristik/jawaban tertentu adalah sama dalam masing-
masing kolom, kecuali karena perbedaan-perbedaan yang terjadi
secara kebetulan saja.
Rumus:
2
2
1 1
2
1 1
1k k
j j
j j
N N
i i
i i
k k G G
Q
k L L
jG = jumlah keseluruhan “sukses” dalam kolom ke-j
G = mean jG
iL = jumlah keseluruhan “sukses” dalam baris ke-i.
Q mengikuti distribusi Khi Kuadrat dengan derajat bebas k-1.
4.1.2 Analisis Varian Ranking Dua Arah Friedman.
Analisis ini digunakan bila data k-sampel berpasangan dalam skala
sekurang-kurangnya ordinal, dan bertujuan untuk menguji hipotesis-
nol bahwa sampel ditarik dari populasi yang sama.
Sta ti s t ik Non Parametr ik | 35
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Metode
Untuk Uji Friedman, data dituangkan ke dalam suatu tabel dua arah
yang memiliki N baris dan k kolom. Baris merepresentasikan berbagai
subyek atau berbagai himpunan subyek yang berpasangan, dan kolom-
kolom merepresentasikan bermacam-macam kondisi. Kalau skor
subyek-subyek di bawah semua kondisi dipelajari, maka tiap-tiap
baris memberikan skor-skor suatu subyek di bawah k-kondisi.
Rumus:
22
1 1
123 ( 1)
1
k k
r j
j j
R N kNk k
Dimana:
N = banyak baris
k = banyak kolom
jR = jumlah ranking dalam kolom j
2
rberdistribusi Khi-Kuadrat dengan derajat bebas k-1
4.2 k- Sampel Independen
4.2.1 Uji Khi-Kuadrat k-sampel Independen.
Merupakan perluasan dari Uji Khi-Kuadrat untuk dua sampel
independen yang berguna untuk menentukan signifikansi perbedaan-
perbedaan antara k-kelompok independen. Sedangkan untuk skala
pengukuran data yang dipakai, berupa data nominal atau ordinal.
Metode:
Menyusun frekuensi-frekuensi amatan dalam suatu tabel k r .
Hipotesis-nol yang diuji adalah sampel frekuensi atau proporsi berasal
dari populasi yang sama atau populasi-populasi yang identik.
Rumus:
2
2
1 1
r kij ij
i j ij
O E
E
Dengan:
ijO = banyak kasus yang diobservasi yang dikategorikan dalam baris
ke-I pada kolom ke-j
ijE = banyak kasus yang diharapkan di bawah 0H untuk dikategorikan
dalam baris ke-i dan kolom ke-j.
36 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
4.2.2 Perluasan Uji Median
Perluasan uji median ini menentukan apakah k-kelompok independen
(tidak harus berukuran sama) telah ditarik dari populasi yang sama
atau dari populasi-populasi dengan median sama. Sedangkan data
yang digunakan adalah data berskala pengukuran ordinal.
Metode:
Mula-mula tetapkan skor median bersama dari gabungan k-sampel,
seperti pada prosedur penghitungan pada uji median dua sampel.
Kemudian mengganti tiap skor pada tiap kelompok dengan tanda
tambah (+) jika skor tersebut ada di atas median gabungan dan dengan
tanda kurang(-) jika skor lebih kecil dari median gabungan. (jika
terjadi satu skor atau lebih jatuh pada median gabungan, maka skor-
skor tersebut dapat dipisah-duakan dengan membubuhkan tanda (+)
untuk skor-skor yang lebih besar dari median gabungan, dan tanda (-)
untuk skor-skor yang sama atau dibawah niali median gabungan).
Rumus:
2
2
1 1
r kij ij
i j ij
o E
E
Dimana:
ijO = banyak kasus-kasus observasi yang dikategorikan pada baris ke-
I dan kolom ke-j
ijE = banyaknya kejadian yang diharapkan di bawah 0H , yang akan
dikategorikan dalam baris ke-i dan kolom ke-j 2 berdistribusi Khi-Kuadrat dengan derajat bebas (k-1), dimana k
adalah jumlah kolom.
4.2.3 Analisis Varian Ranking Satu Arah Kruskal-Wallis.
Analisis ini sangat berguna untuk menentukan apakah k sampel
independen berasal dari populasi-populasi yang berbeda. Harga-harga
sampel hampir selalu berbeda, persoalannya adalah apakah perbedaan-
perbedaan antara harga sampel-sampel itu menandai perbedaan-
perbedaan populasi yang sesungguhnya, atau perbedaan itu semata-
mata karena variasi yang terjadi secara kebetulan sebagaimana yang
diharapkan dapat terjadi di antara sampel-sampel random dari
populasi yang sama. Teknik ini menguji hipotesis-nol bahwa k-sampel
Sta ti s t ik Non Parametr ik | 37
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
berasal dari populasi sama atau populasi-populasiidentik, dalam hal
harga rata-ratanya. Sementara untuk skala pengukuran datanya, uji ini
mengharuskan data yang dipakai berskala palign rendah berupa data
ordinal.
Metode:
Masing-masing N observasi digantikan dengan ranking-nya. Yaitu
semua skor dalam seluruh k sampel yang digunakan, diurutkan dalam
satu rangkaian. Skor yang terkecil digantikan dengan ranking 1, yang
setingkat di atasnya dengan ranking 2, hingga yang terbesar yaitu
ranking ke-N. Kemudian jumlahkan ranking dalam masing-masing
sampel (kolom). Uji Kruskal-Wallis menentukan apakah jumlah
ranking itu sangat berlainan sehingga sangat kecil kemungkinan
bahwa sampel-sampel tersebut berasal dari populasi yang sama.
Rumus:
2
1
123 1
1
kj
j j
RH N
N N n
Di mana
k banyak sampel
jn = banyak kasus dalam sampel ke-j
N =jn = banyak kasus dalam semua sampel.
1
k
j
= menjumlahkan seluruh k-sampel (kolom-kolom) mendekati
distribusi Khi-kuadrat dengan derajat bebas (k-1) untuk ukuran-
ukuran sampel (harga jn ) yang cukup besar.
38 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Bab 5. Uji Kenormalan
5.1 Uji Kolmogorov–Smirnov
Untuk Sampel Besar
Dengan uji Kolmogorov–Smirnov dapat diperiksa apakah sebaran
nilai-nilai sampel yang teramati sesuai dengan sebaran normal
tertentu. Uji Kolmogorov–Smirnov beranggapan bahwa sebaran
variabel yang sedang diuji bersifat kontinu dan sampel diambil dari
populasi secara acak sederhana. Dengan demikian uji ini hanya dapat
digunakan, bila variabel diukur paling sedikit dalam skala ordinal.
Terdapat beberapa keuntungan dan kerugian relatif uji kesesuaian
Kolmogorov-Smirnov yaitu :
1. Data dalam uji Kolmogorov-Smirnov tidak perlu dilakukan
kategorisasi. Dengan demikian semua informasi hasil observasi
terpakai.
2. Uji Kolmogorov-Smirnov bisa dipakai untuk semua ukuran
sampel, sedang uji Khi Kuadrat membutuhkan ukuran sampel
minimum tertentu.
3. Uji Kolmogorov-Smirnov tidak bisa dipakai untuk
memperkirakan parameter populasi.
4. Uji Kolmogorov-Smirnov memakai asumsi bahwa sebaran
populasi bersifat kontinu.
Uji Kolmogorov–Smirnov dapat diterapkan pada dua keadaan:
1. Menguji apakah suatu sampel mengikuti suatu bentuk sebaran
normal.
2. Menguji apakah dua buah sampel berasal dari dua populasi yang
sama sebarannya.
Hipotesis yang diuji dinyatakan sebagai berikut (dua sisi) :
Ho : F(x) = Ft(x) untuk semua x dari (– tak hingga) sampai (+ tak
hingga)
Hi : F(x) Ft(x) untuk paling sedikit sebuah x
Sta ti s t ik Non Parametr ik | 39
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Dengan F(x) ialah fungsi sebaran kumulatif populasi observasi.
Statistik uji Kolmogorov-Smirnov merupakan selisih absolut terbesar
antara Fs(x) dan Ft(x), yang kita sebut deviasi maksimum D. Statistik
D ditulis sebagai berikut:
D = Max |Fs(xi) - Ft(xi)|; i = 1,2, ………., n
Langkah-langkah prinsip uji Kolmogorov-Smirnov:
1. Susun frekuensi-frekuensi dari tiap nilai teramati, berurutan dari
nilai terkecil sampai nilai terbesar.
2. Susun frekuensi kumulatif dari nilai-nilai teramati itu.
3. Konversikan frekuensi kumulatif itu ke dalam peluang, yaitu ke
dalam fungsi sebaran frekuensi kumulatif [Fs(x)]. Sekali lagi
ingat bahwa sebaran frekuensi teramati harus merupakan hasil
pengukuran variabel paling sedikit dalam skala ordinal (tidak
bisa dalam skala nominal).
4. Hitung nilai z untuk masing-masing nilai teramati di atas dengan
rumus z = (xi – x )/s. Dengan mengacu kepada Tabel sebaran
normal baku carilah peluang (luas area) kumulatif untuk setiap
nilai teramati. Hasilnya apa yang kita sebut Ft(xi).
5. Susun Fs(x) berdampingan dengan Ft(x). Hitung selisih absolut
antara Fs(xi) dan Ft(xi) pada masing-masing nilai teramati.
6. Statistik uji Kolmogorov–Smirnov ialah selisih absolut terbesar
Fs(xi) dan Ft(xi) yang juga disebut deviasi maksimum D, ditulis
sebagai berikut :
D = Max |Fs(xi) - Ft(xi)|; i = 1,2…, n
7. Keputusan; tolak H0 bila D>Dtabel, Dtabel adalah nilai tabel
Mann-Whitney, pada ttingkat signifikansi .
Contoh 3.5
Sebuah studi berminat memeriksa apakah berat otak 15 orang dewasa
penderita penyakit tertentu disebarkan secara normal. Datanya sebagai
berikut
40 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Tabel 19. Berat Otak Penderita Penyakit Tertentu.
Dapatkah, berdasarkan data itu, kita menarik kesimpulan bahwa
populasi asal sampel disebarkan secara normal, dengan mean 1.083
dan simpang baku 129 ? Tentukan p untuk uji ini dengan asumsi:
sampel yang tersedia ialah sampel acak sederhana dari sebuah sebaran
populasi kontinu.
1. : Berat otak orang dewasa mengikuti sebaran normal.
Berat otak orang dewasa tidak mengikuti sebaran normal.
2. Statistik Uji; untuk mendapatkan stastik uji dilakukan langkah
seperti pada Tabel 20
Tabel 20. Langkah-langkah menghitung nilai-nilai Fs(xi)
Xi F FK Fs(xi)Kum s
xxZ i )( Ft (xi)Kum
|Fs(xi)- Ft (xi) |
904 1 1 0.0667 -1.39 0.0823 0.0156
920 1 2 0.1333 -1.26 0.1038 0.0295
973 1 3 0.2000 -0.85 0.1977 0.0023
1.001 1 4 0.2667 -0.64 0.2611 0.0056
1.002 1 5 0.3333 -0.63 0.2643 0.0690
1.012 1 6 0.4000 -0.55 0.2912 0.1088
1.016 1 7 0.4667 -0.52 0.3015 0.1652
1.039 1 8 0.5333 -0.34 0.3669 0.1664
1.086 1 9 0.6000 0.02 0.5080 0.1080
1.140 1 10 0.6667 0.44 0.6700 0.3367
1.146 1 11 0.7333 0.49 0.6879 0.0454
1.168 1 12 0.8000 0.66 0.7454 0.0546
1.233 1 13 0.8667 1.16 0.8770 0.0103
1.255 1 14 0.9333 1.33 0.9082 0.0251
1.348 1 15 1.0000 2.05 0.9798 0.0202
D = |Fs(x) - Ft(x)| = 0.1664
Dtabel = D15; 0.05 = 0.338
3. Keputusan; karena D < Dtabel maka data dari populasi normal
4. Kesimpulan; sampel berat otak orang berasal dari populasi
dengan sebaran normal.
Berat Otak (Gram)
1,348 1,140 1,086 1,039 1,039
1,233 1,146 1,002 1,012 920
1,255 1,168 1,016 1,001 973
Sta ti s t ik Non Parametr ik | 41
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
5.2 Uji Normal Lilliefors untuk Sampel Besar
Kalau ada suatu sampel berukuran n dengan nilai observasi y1, y2,
…,yn, kadang-kadang timbul pertanyaan apakah populasi asal sampel
itu dapat dianggap normal ataukah tidak.
Dengan kata lain apakah variabel acak Y yang diamati itu menyebar
normal ataukah tidak. Keragu-raguan terhadap kenormalan suatu
variabel acak perlu diperiksa, kalau kita bermaksud menggunakan
metode statistika parametrik yang memerlukan anggapan bahwa
variabel acak itu menyebar normal.
Dengan mengingat kembali variabel acak Z yang mempunyai fungsi
kepekaan normal baku yang didefinisikan sebagai : F (z) = P( Z z).
Nilai F(z) untuk berbagai nilai z dapat diperoleh dengan
mempergunakan Tabel Z (Normal)
n
i
iyy1
dan
2
.
11
1yy
ns
n
i
i = n
yyn
ii2
1
1 2
Kemudian menentukan nilai syyz i / untuk setiap I = 1,2,…n.
Maka fungsi sebaran empirik baku didefinisikan sebagai :
n
zzzS
n
z
........,.........2,1 yang z
Karena nilai-nilai z1, z2, ……………………..zn dapat dihitung
berdasarkan nilai observasi sampel, maka nilai S (z) pun dapat
ditentukan untuk berbagai nilai z
Uji Kenormalan Liliefors disusun bedasarkan besaran :
nn zSzFzSzFzSzFmaksL .....,........., 2211
Atau beda mutlak maksimum antara F(zi) – S(zi), untuk I = 1,2, …..n.
Dengan Hipotesa :
L (n), sampel dari populasi normal
Jika L
L (n), bukan dari normal
Nilai L (n) dapat diperoleh dari Tabel Uji Kenormalan Liliefors.
42 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Contoh : Pengeluaran rata-rata perbulan (dalam ratusan ribu) dari 6
rumah tangga di suatu daerah A adalah sebagai berikut :
20, 23, 16, 20, 24, 17
yang ingin diuji hipotesis : populasi berdistribusi normal.
Jawab :
;206
120y s = 3.16228
z1 = (20 – 20)/3.16228 = 0 F (z1) = F(0) = 0.5
z2 = (23 – 20)/3.16228 = 0.9487 F (z2) = F(0.95)= 0.5 + 0.3289
z3 = (16 – 20)/3.16228 = - 1.265 F (z3) = F(-1.26)= 0.5 – 0.3962
z4 = (20 – 20)/3.16228 = 0 F(z4) = F(0)= 0.5
z5 = (24 – 20)/3.16228 = 1.265 F(z5) = F(1.26)= 0.5 + 0.3962
z6 = (17 – 20)/3.16228 = - 0.9487
F(z6) = F(-0.95) = 0.5 – 0.3289
Demikian pula, dapat diperoleh :
S (z1) = S (0) = 1/6 = 0.16667 S(z2) =S(0.95)=2/6=0.3333
S (z3) = S (-1.265) = 3/6 = 0.5 S(z4) = S (0) = 4/6 = 0.6667
S (z5) = S (0) = 5/6 = 0.8333 S(z2) = S (0.95) = 6/6 = 1
Selanjutnya diperoleh :
38333.016667.05.011 zSzF
4989.033.08289.022 zSzF
3962.05.01038.033 zSzF
1667.06667.05.044 zSzF
0629.0833.08962.055 zSzF
8289.000.11711.066 zSzF
Sta ti s t ik Non Parametr ik | 43
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Jadi L maks = 0.8289. Karena L = 0.8289 > L 0.05 (6) = 0.319, maka
kesimpulan populasi yang dihadapi tidak menyebar normal.
5.3 Uji Shapiro Wilks
Uji kenormalan yang lain adalah Shapiro Wilks, merupakan uji formal
untuk kenormalan yang direkomendasikan di dalam Modul SPSS dan
prosedur SAS. Uji ini dirancang khusus untuk mendeteksi kenormalan
tanpa melihat rata-rata atau varians dari hipotesis sebaran normal. Uji
ini lebih baik daripada Kolmogorov-Smirnov, tetapi sebagai uji klas
tidak mengidentifikasikan bentuk dari ketidak normalan, dapat
dikatakan bisa kelihatan tidak simetris atau ekornya tebal. Uji
Shapiro-Wilks kegunaannya adalah :
a. Sampel kecil < 100 dan Sampel Sedang< 2000
Uji Shapiro – Wilks untuk Sebaran Normal dengan rata-rata
dan varians tidak diketahui dari sampel kecil ( 2 < n < 51)
Uji Shapiro – Wilks untuk sebaran Exponential dengan
alpha dan betha tidak diketahui dari sampel kecil ( 2 < n <
51)
Shapiro-Francia W (modifikasi Shapiro-Wilk W) untuk uji
sebaran Normal dengan rata-rata dan varians tidak diketahui
dari sampel kecil ( 2 < n < 100 )
Shapiro-Wilks juga direkomendasikan untuk sampel
medium dengan n < 2000, sedangkan untuk sampel besar
dianjurkan menggunakan uji Kolmogorov-Smirnov yang
direkomendasikan oleh SAS.
b. Tidak memerlukan asumsi
Uji Shapiro-Wilks
n
i
i
n
i
ii
XX
Xw
W
1
2
2
1
1
44 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Dengan :
X’ = adalah data Xi yang telah ditranspose
w' = (w1, w2, …..,wn) atau 1/2
1 1 1 1
iw MV M V V M
M = nilai harapan dari sigma
V = koresponden matrik kovarian
W = koefisien R2 antara nilai (X’) dan wi
= dihitung dari garis lurus plot peluang normal
wi = dengan pendekatan proporsi dari nilai Mi
Contoh (lihat Modul program SPSS Base)
Sta ti s t ik Non Parametr ik | 45
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Latihan soal-soal :
1. Dari 200 tenaga ahli di sebuah reaktor, diketahui 80 orang di
antaranya didiagnosis mengalami mutasi genetik akibat
pengaruh radiasi bahan radioaktif. Sementara yang lainnya
masih normal. Jika diambil sampel sebanyak 10 orang dari 200
orang tersebut, berapakah peluang 6 orang yang terambil
sebagai sampel, terdiagnosis mengalami mutasi genetik?
2. Dibandingkan jangka waktu penyembuhan pasien yang
mengalami pembedahan dengan cara A terhadap cara B. Dari 16
orang pasien tercatat data sebagai berikut :
Tabel 21. Perbedaan Jangka Waktu Penyembuhan
No Pasien Cara A Cara B
1 16 18
2 20 19
3 15 15
4 19 16
5 22 21
6 15 17
7 22 17
8 19 14
Tentukan dengan tingkat kepercayaan 95%, apakah ada
perbedaan jangka waktu penyembuhan antara cara A dengan
cara B?
3. Sebuah perusahaan penyedia layanan internet ( Internet Service
Provider) ingin mengetahui respon pelanggan terhadap
kebijakan barunya. Kebijakan tersebut adalah dengan
menaikkan biaya bulanan kepada pelanggan, tetapi disertai
dengan penambahan kuota data sebesar 50GB per bulan dan
juga penambahan kecepatan akses hingga 2 kali lipat kecepatan
semula. Dari 100 pengguna internet yang diambil sebagai
sampel, 18 orang konsumen berhenti berlangganan, 40 orang
tetap berlangganan, terdapat 35 orang menjadi pelanggan baru,
dan sisanya merupakan pelanggan setia dari perusahaan lain dan
tetap tidak mengganti layanan internet yang mereka pakai.
Berdasarkan hasil penelitian tersebut, apa yang seharusnya
dilakukan oleh perusahaan?
4. Penilaian tentang rias wajah dan prestasi terhadap 100 orang
peserta pemilihan ratu kampus tercatat seperti pada tabel
berikut:
46 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Tabel 22. Hubungan Rias Wajah dan Prestasi pada Pemilihan Ratu
Kampus.
Rias Wajah Prestasi Jumlah
Pandai Biasa
Cantik 20 40 60
Biasa 30 10 40
Jumlah 50 50 100
Apakah prestasi tidak ada hubungan dengan rias wajah ?
(α = 5%)
5. Tersedia data laju pertumbuhan penduduk dalam 10 tahun (%)
pada tiap kabupaten di Jawa Tengah dan Jawa Timur
(2000 – 2010). Bandingkan laju pertumbuhan penduduk dari
kedua propinsi tersebut! (α =5%)
Tabel 23. Laju Pertumbuhan Penduduk Tiap Kabupaten di
Jawa Tengah Tahun 2000-2010
6. Berikut data penerimaan rupiah pada kuartal pertama dari
sampel 9 outlet pada sebuah areal perdagangan (dalam jutaan) :
16, 18, 11, 17, 13, 10, 22, 15, 16.
Apakah data ini berasal dari suatu Populasi Normal?
(α =5%)
Jawa Tengah
Jawa Timur
1,68 5,49 7,53 2,19
2,81 6,95 0,47 10,59
6,41 -3,98 11,59 10,19
1,60 7,25 3,74 8,29
7,69 6,72 6,41 14,84
3,79 9,00 6,23 13,29
3,61 1,32 5,77 7,20
6,45 10,51 -0,16 10,69
-0,67 2,92 6,10 2,21
4,82 24,46 17,08 10,28
-1,37 1,96 3,87
6,42 12,72 12,70 4,21
2,03 5,74 -0,74
1,29 6,62 16,92 6,39
7,22 3,15 0,08
4,29 4,41 15,42
3,83 9,59 1,25
7,26 3,45 5,67
1,84 11,90 1,30
4,45 0,80 9,37
Sta ti s t ik Non Parametr ik | 47
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Jawaban Soal
1. Uji Binomial
Peluang terdiagnosis mengalami mutasi genetik:
( 6)P x =10 6 4
6 (0,4) (0,6)C
= 6 410!(0,4) (0,6) 0,1115
6!4!
2. a. Uji Pangkat bertanda Wilcoxon.
Tabel 24. Pengujian Wilcoxon
No
Pasien
Cara A Cara B Beda Pangkat
1 16 18 -2 - 3.5
2 20 19 1 1.5
3 15 15 10 8
4 19 16 3 5
5 22 21 1 1.5
6 15 17 -2 -3.5
7 22 17 5 6.5
8 19 14 5 6.5
T (+) = 29 T (-) = 7
b. Uji pernyataan bahwa :
Tidak ada perbedaan jangka waktu penyembuhan pasien yang
mengalami pembedahan usus buntu.
c. Uji Statistik :
Jika T ≥ T α, berarti tidak ada beda
< Tα, maka ada perbedaan
Nilai T mutlak yang terkecil adalah Thitung = 7
Ttabel= T =0.05 = 4, berarti tidak ada beda
d. Kesimpulan bahwa tidak ada perbedaan jangka waktu
penyembuhan pasien pembedahan baik dengan cara A,
maupun Cara B.
48 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
3. Uji Mc Nemar
a. Apakah penerapan kebijakan baru memberikan pengaruh?
b. Statistik Uji
2 hitung
2 tabel tidak ada pengaruh
> 2 tabel ada pengaruh
c. Pengujian
Isi tabel di atas, disusun ulang menjadi tabel berikut:
2 2
2( 1) ( 35 18 1)
4,830253
A D
A D
2 3,84tabel
d. Keputusan
2 2
hitung tabel ada pengaruh.
c. Kesimpulan
Terdapat pengaruh yang nyata terhadap penjualan, setelah
diterapkannya kebijakan baru, dimana pelanggan menjadi
bertambah. Sehingga perusahaan dapat terus menerapkan
kebijakan baru tersebut kepada pelanggannya.
Sebelum Ada Kebijakan Setelah Ada Kebijakan
Berlangganan 58 75 = 35 + 40
Tidak Berlangganan 42 25 = 18 + 7
Jumlah 100 100 53 47
Perilaku
Konsumen Berlangganan
Tidak
Berlangganan
Tidak
Berlangganan 35 7
Sebelum Ada Kebijakan
Berlangganan 40 18
Sesudah ada Kebijakan
Sta ti s t ik Non Parametr ik | 49
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
4. Uji Khi Kuadrat
a. Apakah kepandaian tidak ada hubungan dengan rias wajah.
b. Statistik Uji :
E11 = (60 x 50 )/100 = 30
E12 = (60 x 50 )/100 = 30
E21 = (40 x 50 )/100 = 20
E22 = (40 x 50 )/100 = 20
67.1620
2010
20
2030
30
3040
30
302022222
2
tabel = 3.84 ada hubungan
c. Kesimpulan ada hubungan antara prestasi dan rias wajah
5. a. Median Test :
MJB = MJT ; Apakah median sama besar?
b. Statistik Uji :
2
272 15 15 22 20
1,98435 37 37 35
x x
x x x
2 tabel = 3.84
2<
2 tabel
Keputusan: Tolak Ho. tidak ada perbedaan
c. Kesimpulan laju pertumbuhan penduduk Jawa Timur tidak
berbeda secara nyata dengan Jawa Tengah.
Jateng Jatim
Skor di atas median 15 22 37
Skor di bwh median 20 15 35
35 37 72
50 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
5. Lilliefors
Xi syyz ii / F(zi) S(zi) ii zSzF
18 0.7015 0.7580 0.125 0.633
11 -1.084 0.1401 0.250 0.1099
17 0.446 0.6700 0.375 0.295
13 -0.57 0.2843 0.500 0.2157
10 -1.34 0.0901 0.625 0.5349
22 1.72 0.9573 0.750 0.2073
15 -0.064 0.4761 0.875 0.3989
16 0.19 0.5077 1.000 0.4923
a. Uji normal Liliefors :
Diduga data berasal dari populasi normal
b. Uji Statistik :
Lmaks = 0.633 Lα = 0.05 = 0.285
Karena Lmaks > L tabel, bukan dari normal
c. Kesimpulan:
Data bukan berasal dari populasi normal.
Sta ti s t ik Non Parametr ik | 51
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Soal-soal:
1. Dalam suatu studi yang digunakan untuk identifikasi kemungkinan sub
kultural, etnik, dan keterlibatan keluarga pada mobilitas tenaga kerja setelah
pelatihan, Lieberman menghasilkan data seperti tabel 7.1. Apakah data
tersebut cukup untuk menolak hipotesis nol bahwa peluang tingkat mobilitas
adalah independen. Tentukan pula nilai -valuenya :
Tabel 7.1 Tingkat kemungkinan mobilitas tenaga kerja
Mobilitas Tenaga Kerja
Tingkat Mobilitas Rendah Sedang Total
Rendah 45 19 64
Sedang 6 43 49
Total 51 62 113
2. Data pada tabel 5.2 yang dilaporkan oleh Monteiro bahwa 2764 penduduk
pulau Rhode digolongkan pada klasifikasi pendapatan dan saat terakhir
mereka konsultasi kepada seorang dokter. Kita ingin mengetahui apakah ada
hubungan antara pendapatan dan jarak waktu konsultasi mereka kepada
seorang dokter. Dengan kata lain, kita ingin melihat apakah kedua variable
tersebut saling bebas.
Tabel 7.2 Jarak waktu semenjak konsultasi terakhir dengan dokter berdasarkan
pendapatan
Waktu terakhir konsultasi
Tingkat mobilitas < 6 bulan 7-12 bulan 1 tahun Total
<$30000 186 38 35 259
$3000-$4999 227 54 45 326
$5000-$6999 219 78 78 375
$7000-$9999 355 112 140 607
>$10000 653 285 259 1197
Total 1640 567 557 2764
3. Hall dkk membandingkan tiga metode untuk membandingkan tiga serum
pada penderita sakit pancreas. Tabel pengamatan seperti ditunjukkan oleh
Tabel 7.3. kita berharap bisa membedakan tiga metode tersebut berbeda.
52 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Tabel 7.3 Nilai serum pada pasien dengan sakit pankreas
Metode pembedaan
sampel A B C
1 4000 3120 6120
2 1600 1040 2410
3 1600 647 2060
4 1200 570 2060
5 840 445 1400
6 352 156 249
7 224 155 224
8 200 99 208
9 184 70 227
4. Pada pawai angkatan darat 34 orang laki-laki dibariskan, yang tertinggi di
sebelah kanan, yang terendah di sebelah kiri, dan diberi nomor: 1 untuk
yang tertinggi dan 34 yang terendah. Rank ini mengenai ukuran tinggi
laki-laki tersebut. Setiap laki-laki kemudian ditanyai oleh sersan mayor
apakah ia perokok atau peminum. Sersan mayor mencatat rank jumlah
laki-laki dalam berbagai kategori sebagai berikut:
Peminum dan perokok 3, 8, 11, 13, 14, 19, 21, 22, 26,
27, 28, 31, 33
Bukan perokok dan bukan
peminum 2, 12, 25, 32, 34
Peminum dan bukan
perokok 1, 7, 15, 20, 23, 24, 30
Bukan perokok dan bukan
peminum 4, 5, 6, 9, 10, 16, 17, 18, 29
Apakah ada bukti mengenai adanya hubungan antara ukuran tinggi dan
kebiasaaan minum minuman keras dan merokok?
4. Lima orang diminta membuat rank empat jenis buah prambors dalam
susunan pilihan rasa. Nilai yang sama dapat ditentukan sebagai mid-rank
jika seorang penguji merasakan tidak ada perbedaan antara dua jenis atau
lebih. Apakah hasilnya menunjukkan sebuah pilihan rasa yang konsisten?
Sta ti s t ik Non Parametr ik | 53
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Penguji 1 2 3 4 5
Jenis
Malling interprise 3 3 1 2 4
Malling jewel 2 1,5 4 2 2
Glen clova 1 1,5 2 1 2
Norflok Giant 4 4 3 4 2
5. Cohen (1983) memberikan data untuk jumlah kelahiran di suatu Negara
untuk setiap hari pada tahun 1975. Diberikan data dibawah ini untuk
jumlah kelahiran pada setiap hari minggu ke-10, ke-20, ke-30, ke-40 dari
tahun tersebut.
Hari Senin Selasa Rabu Kamis Jumat Sabtu Minggu
Minggu ke
10 108 106 100 85 85 92 96
20 82 99 89 125 74 85 100
30 96 101 108 103 108 96 110
40 124 106 111 115 99 96 111
Buatlah analisis Friedman yang sesuai untuk menentukan apakah data
menunjukkan: (i) perbedaan tingkat kelahiran antara hari-hari dari minggu
yang menunjukkan konsistensi selama empat minggu yang dipilih, (ii)
setiap perbedaan antara tingkat kelahiran pada minggu ke-10, ke-20, ke-30
dan ke-40.
6. Dalam mempelajari situasi kecenderungan orang untuk bunuh diri atau
tidak dengan melompat dari gedung-gedung, jembatan atau menara.
Terdapat bahwa dengan ejdekan atau pancingan dari masa berhasil
membuat orang tersebut bunuh diri dalam beberapa kasus. Beberapa teori
mengemukakan bahwa pernyatan para ahli tentang rasa rendah diri dan
kewaspadaan yang diketahui sebagai deinduation dapat menambah
permasalahan. Faktor yang mendatangkan reaksi akibat massa adalah
temperature suara dan kelelahan. Man menguji 21 orang penerbit laporan
tentang bunuh diri dan menguji hubungan antara pancingan dari massa
pada bulan-bulan apa sajapada tahun-tahun tertentu. Hipotesanya adalah
54 | Stati st ik Non Parametr ik
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
aka nada peningkatan pancingan dari massa ketika suasana/musim panas.
Berdasarkan hasil pengamatan siperoleh data sebagai berikut:
Baiting Nonbaiting Jumlah
Juni-September 8 4 12
Oktober - Mei 2 7 9
Jumlah 10 11 21
Lakukan uji dan jelaskan kesimpulannya.
7. Rektor universitas A akan mengevaluasi suatu peraturan mengenai
kehidupan kampus. Menurut pendapat rector dan stafnya bahwa kalau
peraturan dikeluarkan, nantinya ada pihak yang setuju dan tidak ada yang
tidak setuju. Situasi lain, bahwa kelompok mahasiswa social akan lebih
banyak yang tidak setuju dibandingkan dengan kelompok mahasiswa ilmu
ilmiah. Untuk keperluan menguji dugaan tersebut, maka di universitas A
mahasiswa dibagi menjadi dua strata yaitu kelompok mahasiswa ilmu
sosial dan kelompok mahasiswa ilmu alamiah dan diperoleh data sebagai
berikut:
Baiting Nonbaiting Jumlah
Juni-September 8 4 12
Oktober - Mei 2 7 9
Jumlah 10 11 21
Ilmu Sosial Ilmu Alam Jumlah
Setuju 45 103 143
Tida ada pendapat 12 15 27
Tidak setuju 193 32 225
Jumlah 250 150 400
Silahkan uji apakah pendapat tersebut dapat dibenarkan?
Sta ti s t ik Non Parametr ik | 55
Modul Diklat Fungsional Statistisi Tingkat Ahli – Badan Pusat Statistik
Daftar Pustaka
Setiawan, Nugraha. (2005). Statistik Nonparametrik untuk Penelitian
Sosial Ekonomi Peternakan. Bandung: Fakultas Peternakan
Universitas Padjajaran.
Siegel, Sidney.(1992). Statistik Nonparametrik untuk Ilmu-Ilmu
Sosial. Jakarta : Gramedia.
Walpole, Ronald. E.(1992). Pengantar Statistika. Jakarta: PT
Gramedia Pustaka Utama
Prent, J. (1991.) Metode Statistik Nonparametrik Terapan. Jakarta: UI-
PRESS
Daniel, W. (1990). Applied Nonparametric Statistics. Canada: Nelson
Education.