Upload
arief-gunawan
View
258
Download
5
Embed Size (px)
DESCRIPTION
Pengujian parametrik merupakan cara menguji hipotesis secara klasik dan didasarkan pada beberapa asumsi seperti misalnya : (1) Observasi sampel yang dipilih dari populasi harus bebas stokastik dan random, (2) Observasi sampel harus dipilih dari populasi yang dianggap atau diketahui memiliki distribusi normal, (3) Dalam kasus pengujian tentang beda antara 2 parameter, (4) Parameter populasi yang di uji merupakan hasil pengaruh kombinasi linier.
Citation preview
Bab XVII
Metode Non-Parametrik
17-1. Metode Parametrik atau Non-Parametrik
Pengujian parametrik merupakan cara menguji hipotesis secara klasik dan didasarkan
pada beberapa asumsi seperti misalnya : (1) Observasi sampel yang dipilih dari populasi
harus bebas stokastik dan random, (2) Observasi sampel harus dipilih dari populasi yang
dianggap atau diketahui memiliki distribusi normal, (3) Dalam kasus pengujian tentang beda
antara 2 parameter, (4) Parameter populasi yang di uji merupakan hasil pengaruh kombinasi
linier.
Metode non-parametrik sebaliknya tidak pernah merumuskan kondisi maupun asumsi
mengenai populasi darimana sampelnya dipilih. Tidak heran jika statistik non-parametrik
acapkali dinamakan statistik bebas distribusi (distribution free statistics) karena metodenya
tidak membutuhkan asumsi tentang pola distribusi populasi.
17-2. Pengujian Tanda (The sign test)
Pengujian hipotesis tentang kesamaan dari 2 distribusi populasi tanpa harus membuat
spesifikasi tentang bentuk distribusi sedemikian itu dapat dilakukan dengan metode non-
parametrik.
Pengujian tanda sedemikian itu memiliki 2 versi yaitu, (1) Pengujian tanda yang sederhana
tanpa menghiraukan besaran beda, dan (2) pengujian tanda dengan memperhitungkan besaran
beda.
17-2.1. Pengujian Tanda yang sederhana (The Simple Test)
1. Pengujian dengan sampel kecil
Kita misalkan X1 dan X2 merupakan variabel random dan kita mengemukakan sebuah
hipotesis bahwa distribusi populasi X1 identik dengan distribusi populasi X2. Guna menguji
hipotesis diatas, kita memilih dua sampel random yang memiliki besaran n yang sama (n1 =
n2) masing-masing dari populasi X1 dan X2. Sampel dengan besaran n1 dapat saja terdiri dari
hasil observasi X1 = jumlah produk rusak per partai yang dihasilkan dengan menggunakan
m1. Sedangkan sampel dengan besaran n2 dapat saja terdiri dari hasil observasi X2 = jumlah
produk rusak per partai yang dihasilkan dengan menggunakan mesin m2.
17-3. Pengujian Korelasi Pangkat (The Rank Correlation Test)
17-3.1. Korelasi Pangkat Spearman
Andaikan terdapat 2 kelompok data observasi sampel dengan besaran n1 dan n2 yang sama
dan andaikan random variabelnya dapat diurut menurut pangkat, dan koefisien korelasi
pangkat Spearman dapat diberikan sebagai :
rs = 1 – 6∑
i=1
n
d i2
n3−n
PROSEDUR 17-3.1. Hasil ujian matematika dan bahasa dari 12 siswa sekolah lanjutan serta
hitungan disparitas pasangan hasil diatas yang telah diurut menurut pangkat.
Nomor
Siswa
Skor Pangkatdi d i
2Matematika = X
Bahasa =Y
Matematika =X*
Bahasa =Y*
01 0 42 1,5 3 -1,5 2,2502 0 46 1,5 4 -2,5 6,2503 1 39 3,5 2 1,5 2,2504 1 37 3,5 1 2,5 6,2505 3 65 5 8 -3,0 9,0006 4 88 6 11 -5,0 25,00
07 5 86 7 10 -3,0 9,0008 6 56 8 6 2,0 4,0009 7 62 9 7 2,0 4,0010 8 92 10,5 12 -1,5 2,2511 8 54 10,5 5 -5,0 30,2512 12 81 12 9 3,0 9,00
109,50
Pada variabel X, jumlah kelompok yang memiliki pangkat sama ialah sebanyak 3 dan pada
tiap kelompok terdapat 2 variabel yang memiliki pangkat sama sehingga t = 2 bagi tiap
kelompok.
∑x2 = ¿¿
∑x2 = ¿¿ - 0 = 143
rs = (141,5+143−109,5)
2√ (141,5 )(143)=0,6151
17-3.2. Pengujian Koefisien Korelasi pangkat Spearman
1. Pengujian dengan sampel kecil
Andaikan besaran sampel ≤ 25, maka pengujian koefisien korelasi pangkat Spearman dapat
diberikan sebagai berikut :
1. H0 : ρs = 0 H1 : ρs ≠ 0
Catatan: ρs = 0 berarti tidak terdapat korelasi antara data populasi yang diberi
pangkat. ρs ≠ 0 berarti ada korelasi antara data populasi yang diberi pangkat.
2. α = 0,10
3. Statistik uji = rs
4. Daerah kritis diberikan dalam tabel rs yang terdapat pada akhir buku.
5. Dari observasi sampel, rs = 0,82
Karena 0,82 > 0,5804, maka kita seharusnya menolak H0 : ρs = 0. Hal tersebut berarti bahwa
memang ada hubungan antara data populasi hasil skor uji kecerdasan dan matematika.
2. Pengujian dengan sampel besar
Pada umumnya, statistisi menggunakan stastistik uji t guna menguji koefisien korelasi
pangkat Spearman diatas. Statistik uji t sedemikian itu dapat dipakai dalam prosedur
pengujian dengan sampel kecil maupun besar.
Dalam hal tersebut, prosedur ujinya dapat diberikan tahap demi tahap sebagai berikut :
1. H0 : ρs = 0 H1 : ρs ≠ 0
2. α = 0,05
3. Statistik uji t = rs √n−2
√1−rs2 dengan d.f. = n – 2
4. Daerah kritis ialah t > t(0,025, 10) dan t < -t(0,025, 10)
Atau t > 2,228 dan t < -2,228
5. t = 0,82√10√1−¿¿¿
karena 4,53046 > 2,228, maka kita seharusnya menolak H0 : ρs = 0.