Tes Run Satu Sampel

Fungsi dan Dasar Pemikiran Dalam tahun-tahun belakangan ini telah dikembangkan beberapa teknik yang memungkinkan kita menguji hipotesis bahwa suatu sampel adalah sampel random. Teknik-teknik ini didasarkan atas urutan (order) dimana skor-skor atau observasi-observasi itu satu per satu diperoleh. Teknik yang akan disajikan di sini berdasarkan pada banyak run yang ditampilkan oleh suatu sampel. Run didefinisikan sebagai suatu urutan lambang-lambang yang sama, yang diikuti serta mengikuti lambing-lambang yang berbeda, atau tidak mengikuti atau diikuti lambing apapun. Sebagai contoh, kita misalkan suatu rangkaian skor tambah atau kurang yang muncul dalam urutan ini: + + + + + + Sampel skor ini bermula dengan suatu run yang terdiri dari 2 tambah. Suatu run yang terdiri dari 3 kurang mengikutinya. Kemudian muncul suatu run lagi yang terdiri dari 1 tambah. Ini kemudian diikuti dengan sebuah run terdiri dari 4 kurang, dan sesudahnya datang sebuah run terdiri dari 2 tambah, dan seterusnya. Kita dapat mengelompokkan skor-skor itu menjadi beberapa run dengan menggarisbawahi serta memberikan nomor pada tiap-tiap urutan lambang yang sama: + + + + + + 1 2 3 4 5 6 7

Kita lihat bahwa seluruhnya ada 7 run : r = banyak run = 7. Jumlah keseluruhan run dalam sampel sembarang ukuran member petunjuk tentang mungkin tidaknya sampel yang kita hadapi adalah sampel random. Jika hanya sedikit sekali run, maka kiranya ada trend waktu sebagai akibat dari kurangnya independensi. Jika terjadi run yang banyak sekali, kemungkinannya ialah bahwa skor-skor itu terpengaruh oleh fruktuasi (perubahan terus menerus) jangka pendek yang siklis dan sistematis.

Sebagai contoh, misalkan sebuah mata uang dilemparkan 20 kali dan kita saksikan munculnya urutan muka (M) dan belakang (B) sebagi berikut : MMMMMMMMMMBBBBBBBBBB Hanya dua run yang terjadi dalam 20 kali lemparan. Tampaknya ini terlalu sedikitkalau mata uangnya baik (atau pelemparannya baik). Disini terlihat kurangnya independensi. Sebaliknya kita misalkan sekarang terjadi urutan sebagai berikut: MBMBMBMBMBMBMBMBMBMB Disini terdapat terlalu banyak run. Dalam kasus ini, dengan r = 20 ketika N = 20 akan beralasan juga untuk menolak hipotesis bahwa mata uangnya baik. Tidak satu pun dari kedua urutan di atas itu yang tampaknya merupakan rangkaian random M dan B. Perhatikanlah bahwa analisis kita yang berlandaskan urutan kejadian-kejadian itu memberikan kepada kita petunjuk yang tidak diberikan oleh frekuensi kejadian-kejadian itu. Dalam kedua kasus ini, muncul 10 M dan 10 B. Jika skor-skor itu dianalisis menurut frekuensinya yakni dengan menggunakan tes X2 atau tes binomial, tidak kita dapatkan alasan untuk mencurigai kebaikan (keseimbangan) mata uang itu. Hanya tes run yang memusatkan perhatian pada urutan kejadian, yang dapat mengungkapkan kurangnya kerandoman (keacakan) skor-skor itu, dan dengan demikian menyingkapkan pula kemungkinan kurangnya kebaikan (keseimbangan) mata uang itu. Distribusi sumpling harga-harga r yang dapat kita harapkan dari sampel-sampel random yang diulang kita ketahui. Dengan menggunakan distribusi sampling ini kita dapat memutuskan apakah suatu sampel tertentu yang kita observasi memiliki run yang lebih atau kurang jika dibandingkan dengan run yang mungkin terjadi dalam suatu sampel random. Metode Misalkan n1 =banyak elemen suatu jenis, dan n2 = banyak elemen jenis yang lain. Yaitu, n1 mungkin banyak sisi muka (M) dan n2 banyak sisi belakang (B). Atau, mungkin pula n1 banyak tanda tambah dan n2 banyak tanda kurang. N = jumlah total kejadian yang diamati = n1 + n2.

Untuk menggunakan tes run satu-sampel, pertama-tama kita amati kejadian-kejadian n1 dan n2 dalam urutan dimana kejadian-kejadian itu muncul, dan kita tentukan harga r, yakni banyak run yang ada. Sampel-sampel Kecil. Jika, baik n1 maupun n2 sama dengan atau lebih kecil daripada 20 maka Tabel F pada lampiran memberikan harga-harga kritis r dibawah H0 untuk = 0,05. Ini merupakan harga kritis distribusi sampling r dibawah H0. Jika harga r observasi jtuh diantara kedua harga kritis, H0 diterima. Jika harga r observasi sama atau lebih ekstrem dari satu diantara harga kritis itu, Ho ditolak. Ada dua tabel yang disajikan: FI dan FII. Tabel FI memberikan harga-harga r yang sedemikian kecil hingga kemungkinan yang berkaitan dengan harga-harga dibawah Ho adalah = 0, 025. Tabel FII memberikan harga-harga r yang begitu besarnya sehingga kemungkinan yang berkaitan dengan munculnya harga-harga di bawah Ho adalah = 0, 025. Sembarang harga r observasi yang sama atau lebih kecil daripada harga yang ditunjukkan dalam table FI atau yang sama, atau lebih besar daripada harga yang ditunjukkan dalam Tabel FII ada di dalam daerah penolakan untuk = 0,05. Sebagai contoh, dalam lemparan pertama mata uang yang kita bicarakan di atas, kita dapatkan dua run : satu run yang terdiri dari 10 M yang diikuti dengan satu run yang terdiri dari 10 B. Di situ n1 = 10, dan r = 2. Table menunjukkan bahwa untuk harga-harga n1 dan n2 ini, suatu sampel random diharapkan memuat lebih dari 6 run tetapi kurang dari 16. ada di dalam daerah penolakan untuk = 0,05. Harga r observasi, yakni 2, adalah lebih kecil dari 6; jadi pada tingkat signifikansi 0,05 kita menolak Ho yang menyatakan bahwa mata uang itu menghasilkan urutan M dan B yang random. Jika kita menggunakan tes satu sisi, yakni apabila arah penyimpangan dari kerandoman (keacakan) itu telah kita ramalkan, maka hanya satu dari dua tabel itu yng kita periksa. Jika ramalan kita akan diobservasi run yang telah sedikit, maka Tabel FI memberikan harga-harga kritis bagi r. jika r yang diobservasi di bawah tes satu sisi semacam itu sama atau lebih kecil dari yang ditunjukkan dalam tabel FI, Ho dapat ditolak pada tingkat signifikansi = 0, 025. Jika ramalan kita akan terjadi terlalu banyak run, Tabel FII memberikan harga-harga kritis r yang signifikan pada tingkat 0,025.

Kita ambil sebagai contoh kasus urutan kedua lemparan mata uang tadi. Misalkan kita telah membuat ramakan karena alasan apa pun bahwa mata uang itu akan menghasilkan terlalu banyak run. Kita amati bahwa r = 20 untuk nI = 10 dan n2 = 10. Karena harga r yang kita amati sama atau lebih besar daripada yang ditunjukkan dalam tabel FII maka kita dapat menolak Ho pada tingkat = 0, 025 dan menyimpulkan bahwa mata uang itu tidak baik lebih berat kearah yang diramalkan. Contoh untuk sampel-sampel kecil Dalam suatu studi mengenai dinamika agresi dalam diri kanak-kanak, pembuat eksperimen mengamati pasangan kanak-kanak dalam suatu situasi permainan yang dikontrol. Sebagian besar dari ke-24 kanak-kanak yang bertindak selaku subyek penelitian ini berasal dari sekolah yang sama dan dengan demikian, mereka biasa bermain bersama sehari-hari. Karena pembuat eksperimen dapat mengatur untuk hanya mengamati dua orang anak dalam setiap harinya, maka dia pun khawatir bahwa mungkin terjadi bias dalam studi ini sebagai akibat telah terjadinya perbincangan antara anak yang telah melaksanakan tugas tugas sebagai subyek penelitian dengan anak yang akan mendapatkan giliran sesudahnya. Kalau perbincangan-perbincangan semacam itu ada pengaruhnya terhadap tingkat agresi dalam waktu bermain, pengaruh ini akan tampak sebagai kurangnya kerandoman skor agresi dalam urutan pengumpulan skor itu. Sesudah studi selesai, kerandoman skor itu diuji dengan menggantikan skor tiap-tiap anak menjadi tanda tambah atau kurang bergantung pada apakah skor itu jatuh di atas atau di bawah median kelompok, dan kemudian tes run satu sampel diterapkan terhadap urutan tanda tambah dan tanda kurang yang diamati. i. Hipotesis Nol. Ho: tambah dan kurang terjadi urutan random. HI : urutan tambah dan kurang menyimpang dari kerandoman. ii. Tes Statistik. Karena hipotesis ini berkaitan dengan kerandoman satu urutan observasi, dipilihlah tes run satu sampel. iii. Tingkat Signifikansi. Kita pilih = 0,05. N = banyak subyek = 24. Karena skor-skor ini akan ditandai dengan tambah atau kurang bergantung pada apakah skor itu ada di atas atau di bawah skor tengah dalam kelompok itu, maka nI = 12 dan n2 =12. iv. Distribusi Sampling. Tabel F menyajikan harga-harga kritis r dari distribusi samplingnya.

v.

Daerah Penolakan. Karena HI tidak meramalkan arah deviasi dari kerandoman, maka digunakan tes dua sisi. Ho akan ditolak pada tingkat signifikansi 0,05 jika r observasi sama atau lebih kecil daripada harga yang sesuai dengan tingkat signifikansinya yang tersaji dalam Tabel FII. Untuk nI = 12 dan n2 = 12, tabel F menunjukkan bahwa daerah penolakan terdiri dari semua harga r yang sama atau lebih kecil daripada 7 dan semua harga r yang sama atau lebih besar daripada 19.

vi.

Keputusan. Tabel 4.5 menunjukkan skor agresi untuk masing-masing anak dalam urutan terjadinya skor-skor itu. Median himpunan skor ini adalah 24,5. Semua skor yang jatuh di bawah median ditandai dengan tambah. Dari kolom yang menunjukkan urutan tambah dan kurang, dapat segera diketahui bahwa ada 10 run yang terdapat dalam rangkaian ini; dengan demikian r = 10.

Dengan melihat Tabel F maka terungkaplah bahwa r = 10 untuk n I = 12 dan n2 = 12 tidaklah termasuk dalam daerah penolakan, dan dengan demikian keputusan kita adalah: hipotesis nol bahwa sampel skor itu terjadi dalam urutan random, dapat kita terima.
Tabel 4.5. Skor Agresi dalam Urutan Kemunculannya

Kanakkanak

Skor

Posisi

Skor Kanakkanak

Skor

Posisi skor terhadap median + + + +

terhadap median

1 2 3 4 5 6 7 8 9 10 11

31 23 36 43 51 44 12 26 43 75 2

+ + + + + + + +

13 14 15 16 17 18 19 20 21 22 23

15 18 78 24 13 27 86 61 13 7 6

12

24

Sampel-sampel besar, jika baik n1 ataupun n2 lebih besar dari 20, Tabel F tidak dapat digunakan. Untuk sampel-sampel besar semacam itu bentuk pendekatan yang baik distribusi sampling r adalah distribusi normal dengan

Mean = r =

+1

Dan Deviasi standar = r =

Oleh sebab itu kalau n1 atau n2 lebih besar dari 20, Ho dapat diuji dengan:

z=

( )

(4.7)

Karena harga-harga z yang dihasilkan oleh rumus (4.7) di bawah Ho kira-kira berdistribusi normal dengan mean nol dan varian satu, signifikansi setiap harga z observasi yang dihitung dengan rumus itu dapat ditetapkan dengan memakai tabel kurva normal, yakni Tabel A pada lampiran. Tabel A menyajikan kemungkinan-kemungkinan satu sisi yang berkaitan dengan terdapatnya di bawah Ho harga-harga yang sama ekstremnya dengan harga z observasi. Contoh sampel besar berikut ini menggunakan pendekatan kurve normal untuk distribusi sampling r.

Contoh untuk Sampel-sampel Besar Penulis ingin meyakinkan apakah urutan pria-wanita dalam barisan orang yang berada di depan loket penjualan karcis di suatu gedung bioskop adalah susunan random. Data diperoleh dengan mencatat jenis kelamin masing-masing dari 50 orang yang berderet menuju ke loket itu. i. Hipotesis nol. Ho : Urutan pria dan wanita dalam barisan itu adalah random, H1 : urutan pria-wanita tidak random. ii. Tes Statistik. Tes run satu sampel dipilih karena hipotesis ini berkepentingan dengan ke-random-an satu kelompok kejadian-kejadian. iii. Tingkat signifikansi. Dipilih = 0,05. N = 50 = banyak orang yang diobservasi. Harga n1 dan n2 baru ditetapkan nanti sesudah data terkumpul. iv. Distribusi Sumpling. Untuk sampel-sampel besar, harga z yang dihitung dari rumus (4.7) di bawah Ho adalah kira-kira berdistribusi normal. Tabel A memberikan kemungkinan satu sisi yang dikaitkan dengn terjadinya harga-harga itu di bawah Ho adalah sama atau lebih kecil dari = 0.05. dengan demikian, daerah penolakan itu mencakup semua harga z yang sama atau lebih ekstrim dari 1,96. v. Keputusan. Pria (P) dan Wanita (W) yang berbaris de depan loker itu ada dalam urutan seperti yang ditunjukkan dalam Tabel 4.6 Tabel. 4.6. Urutan 30 Pria (P) dan 20 Wanita (W) dalan Barisan di Depan Loket Penjualan Karcis Bioskop (Run ditandai dengan Garis Bawah) P W P W P P P W W P W P W P W P P P P W P W P W P P W W W P W P W P W P P W P P W P P P P W P W P P Kita ketahui bahwa dalam sampel ini terdapat 30 pria dan 20 wanita. Dengan meneliti data yang ada dalam Tabel 4.6 pembaca akan segera pula menetapkan bahwa r = 35 = banyak run.

Untuk menetapkan bahwa r 35 memang dapat serta-merta terjadi di bawah Ho, kita hitung harga z sebagaimana ditentukan oleh rumus (4.7). Misalkan n1 = banyak pria = 30, dan n2 = banyak wanita = 20. Kemudian:

Z =

( )

). oleh

) ( )

) ( )

= 2,98

Tabel A menunjukkan bahwa kemungkinan terjadinya di bawah Ho harga z 2,98 adalah p = 2 (0,0014) =0,0028. ( kemungkinannya adalah dua kali p yang diberikan di tebel, karena yang dipakai adalah tes dua-sisi. Oleh karena kemungkinan yang dikaitkan dengan kejadian yang diamati, yaitu p = 0,0028, ternyata kurang dari tingkat signifikansi = 0,05 maka keputusan kita adalah menolak Ho untuk menerima hipotesis penggantinya. Kita simpulkan bahwa dalam barisan di depan loket bioskop itu urutan pria dan wanita tidaklah random. Ringkasan Prosedur. Inilah langkah-langkah yang dilakukan dalam tes run satu sampel: 1. Susunlah observasi-observasi n1 dan n2 menurut urutan terjadinya. 2. Hitunglah banyak run (r). 3. Hitunglah kemungkinan di bawah Ho yang dikaitkan dengan suatu harga yang seekstrem r yang diobservasi. Jika probabilitas itu sama atau kurang dari , tolaklah Ho. Teknik itu untuk menetapkan p bergantung pada ukuran kelompok n1 dan n2: a. Kalau n1 dan n2 keduanya 20 atau kurang, pakailah Tabel F. Tabel F menyajikan harga-harga r yang sedemikian kecilnya sehingga kemungkinannya di bawah Ho adalah p = 0,025. Tabel FII menyajikan harga r yang begitu besarnya sehingga kemungkinan di bawah Ho adalal p = 0,025. Untuk tes dua sisi, daerah

penolakan dengan = 0,05 terdiri dari kedua harga r yang ditabelkan dan semua harga yang lebih ekstrem. Untuk tes satu-sisi, daerah penolakan pada tingkat = 0,025 terdiri dari harga r yang ditabelkan dalam arah yang diramalkan (apakah terlalu kecil atau terlalu besar) dan semua harga yang lebih ekstrem. b. Jika n1 atau n2 > 20, hitunglah harga z dengan menggunakan rumus (4.7). Tabel A menyajikan kemungkinan satu-sisi yang dikaitkan dengan terjadinya di bawah Ho harga-harga yang seekstrem harga z observasi. Untuk tes dua sisi, kalikan harga p yang diberikan tabel itu. Jika p yang dikaitkan harga r observasi sama atau lebih kecil daripada , tolaklah Ho.