160 likes | 685 Views
Kuswanto, 2007. Statistika Non-Parametrik. Statistika non parametrik. Metode-metode statistik sebelumnya didasarkan pada anggapan-anggapan tertentu dari gugus data, misal berdistribusi normal atau distribusi yang lain statistika parametrik
E N D
Kuswanto, 2007 Statistika Non-Parametrik
Statistika non parametrik • Metode-metode statistik sebelumnya didasarkan pada anggapan-anggapan tertentu dari gugus data, misal berdistribusi normal atau distribusi yang lain statistika parametrik • Apabila peubah tidak menyebar normal, atau tidak diketahui sebarannya – Statistika non parametrik • Misal peubah acar berupa bilangan indeks, pangkat, skor atau tanda (+ -), maka parameter dari sebaran menjadi tidak penting • Disebut juga metode statistika bebas distribusi
Kelebihan dan kekurangan • Kelebihan • Pengumpulan data sederhana • Penarikan contoh dapat dari bbrp pop dengan sebaran berlainan, atau parameter berbeda • Kekurangan • Kurang tepat digunakan untuk menyelidiki data yang diketahui sebarannya
Beberapa metode • Uji tanda • Uji Wilcoxon • Koefisien korelasi berpangkat (Spearman) • Uji Kruskal-Wallis • Uji Kenormalan Liliefors • Uji runtun
Uji tanda • Untuk membandingkan rata-rata data berpasangan (bilangan indeks, pangkat, skor, tak diketahui sebarannya • Syarat yang harus dipenuhi • Pasangan hasil pengamatan harus independen • Masing-masing pengamatan dalam tiap pasang terjadi karena pengaruh kondisi yang serupa • Pasangan yang berlainan terjadi karena kondisi yang berbeda • Uji hipotesis (m menunjukkan median selisih 2 peubah acak) • Ho : m = 0 • H1 : m ≠ 0
Contoh skor hasil uji organoleptik 2 galur kacang panjang • Ho : m = 0, nilai organoleptik galur 1 tidak berbeda dengan galur 2 • H1 : m ≠ 0, nilai organoleptik galur 1 berbeda dengan galur 2
Cara perhitungan • Bila n1 dan n2 adalah banyaknya tanda positip dan negatip, (nilai 0 tidak ikut dihitung) (|n1-n2| - 1)² ((16-5) – 1)² • χ² = -------------------- = ----------------- = 4,76 n1 + n2 16+5 • Nilai χ² = 4,76 > χ²(0,05) = 3,84, maka menolak H0 artinya antara galur 1 dan galur 2 mempunyai rasa yang berbeda • Uji antar pengaruh 2 perlakuan (galur) tersebut juga dapat dikerjakan dengan menguji banyakknya tanda + dan – (h) berdasarkan tabel nilai kritis h untuk uji tanda (tabel tersedia di buku-buku statistik)
Uji Wilcoxon • Merupakan perbaikan dari uji tanda • Yang diuji bukan hanya tanda tetapi juga nilai selisih (Y-X) • Caranya : • Beri no urut pada harga mutlak selisih (X-Y) mulai kecil sampai terbesar • Tambah tanda negatip atau positip pd setiap no urut • Hitung tanda positip dan negatip • Untuk masing2 tanda, ambil yg harga mutlaknya terkecil untuk uji hipotesis
Uji Wilcoxon • Uji hipotesisnya : • Ho : tidak ada beda antar 2 perlakuan • H1 : terdapat beda antar 2 perlakuan • Untuk uji Wilcoxon tersedia tabel nilai kritis (tersedia di buku2 statistik) • Cara perhitungan sama deangan uji tanda • Uji Wilcoxon juga dapat untuk menguji median populasi
Koefisien korelasi berpangkat • Korelasi antar 2 variabel berbeda korelasi pangkat • Ukuran korelasinya disebut koefisien korelasi pangkat atau koefisien korelasi Spearman (r’) atau rs. Ingat korelasi Pearson (r) • Nilai r’ untuk serentetan pasangan X, Y : 6 ∑bi² • r’ = 1 - --------------- n(n² - 1) • Selain korelasi berpangkat Spearman, juga dikenal korelasi ℸ Kendall (tidak dibahas)
Contoh Dinyatakan dalam peringkat hasilnya terlihat seperti tabel
Dari rumus korelasi • r’ = 1 – { (6 x 28)/ 8 (64-1)} = 0,6667 • Hipotesis • Ho : tidak terdapat korelasi, melawan • H1 : terdapat korelasi. • Dibandingkan tabel nilai kritis uji korelasi rank (tersedia di buku-buku statistik) • Dari tabel, untuk n=8 nilai kritis = 0,833(0,01) dan 0,643(0,05). Kesimpulan H1 diterima, terdapat korelasi
Untuk n>30, pengujian dilakukan dengan uji kira-kira berdasar kenyataan bahwa t = r’ √(n-2)/(1-r’²) menyebar mendekati sebaran t student dengan db = (n-2) • Apabila ada data yang nilainya sama, diberikan peringkat yang sama dg rata-rata dari peringkat data yang sama tsb
Uji Kruskal-Wallis • Untuk membandingkan >3 contoh yang tidak menyebar normal atau tidak diketahui sebarannya • Berasal dari populasi yang identik • Cara • Semulai nilai pengamatan diberi pangkat tanpa menghiraukan contoh • Semua pangkat dijumlahkan • Kalau Ho benar (nilai tengah tidak berbeda), jumlah pangkat tiap contoh adalah sama • JK jumlah pangkat adalah minimum, makin besar nilainya, berarti main menyimpang dari Ho