Anda di halaman 1dari 10

STATISTIK NON-PARAMETRIK

NAMA : NURUL CHAIRUNNISA UTAMI PUTRI


NIM : 1620070008
FAK / JUR : SAINS & TEKNOLOGI / MATEMATIKA

http://roelcup.wordpress.com

UNIVERSITAS ISLAM AS-SYAFI’IYAH


JAKARTA TIMUR
2010
Anova (analysis of varience)
Statistic parametric
 ONE WAY ANOVA (RAL)
Asumsi :
 Normalitas
 Data
 Homogenitas varians.

Jika asumsi tidak di penuhi maka menggunakan “statistika non parametric - UJI KRUSKALL
WALLIS”

Misal : Suatu Percobaan

% Cotton (kapas)
#
15 20 25 30 35

7 12 14 19 7

Daya 7 17 18 15 10
Kekuatan 15 12 18 22 11
Kain 11 18 19 19 15
9 18 19 23 11

Ket :
X = non numeric (klasifikasi) % cotton.
Y = Daya kekuatan kain (metrik)
Value untuk X :
o 1 = 15%
o 2 = 20%
o 3 = 25%
o 4 = 30%
o 5 = 35%
Pertanyaan :
Apakah ada perbedaan % cotton (kapas) dalam mempengaruhi kekuatan kain?

Statistic:
1 ( + 1)
= −
4
Uji Kruskall-Wallis ( pada program SPSS) :

 ANALYZE
 NON PARAETRIC TESTS
 K- independent sample
 (ceklis/klik) kruskall wallis
 Test variable list : daya kekuatan kain (Y)
 Grouping : kapas (? ?)
 Define range : minimum : 1
Maximum : 5
 continue

Maka hasilnya adalah :

Ranks
% kapas N Mean Rank
Daya Kekuatan Kain 15 % 5 5.50
20 % 5 13.20
25 % 5 17.00
30 % 5 22.60
35 % 5 6.70
Total 25

Test Statistics(a,b)

Daya Kekuatan
Kain
Chi-Square 19.064
df 4
Asymp. Sig. .001

a Kruskal Wallis Test


b Grouping Variable: % kapas
% Kapas N Mean Jumlah ( N x Mean )

15% 5 5.50 27.50


20% 5 13.20 66
25% 5 17.00 85
30% 5 22.60 113
35% 5 6.70 33.5

Hipotesis:
∶ µ1 = µ2 = µ3 = µ4 = µ5

= 19.064
=4
, ”( ) = 9.488
, ”( ) = 13.277

Karena = 19.064 > , ”( ) = 13.277


Maka Tolak Ho

Kesimpulan :
Terdapat perbedaan % kapas dalam mempengaruhi daya kekuatan kain .
Cara II : nilai P (p value)

Nilai ( . ) = 0,001
Bandingkan dengan = 1%
Nilai (0,001) < = 1% →

FOUR CATALYST THAT MAY EFFECT THE CONCENTRATION. OF ONE COMPONENT IN A


THREE-COMPONENT. LIQUID MIXTURE ARE BEING INVESTIGATED. THE FOLLOWING
CONCONTRATIONS ARE.
OBTAINED:

# CATALYST
1 2 3 4
58.2 56.3 50.1 52.9
57.2 54.5 54.2 49.9
CONCENTRATION
58.4 57.0 55.4 50.0
55.8 55.3 51.7
54.9

Hasilnya :

Kruskal-Wallis Test
Ranks

katalis N Mean Rank


consentrasi catalyst 1 5 12.80
catalyst 2 4 10.25
catalyst 3 3 6.33
catalyst 4 4 3.00
Total 16

Test Statistics(a,b)

consentrasi
Chi-Square 10.579
df 3
Asymp. Sig. .014
a Kruskal Wallis Test
b Grouping Variable: katalis

NPAR TESTS
/K-W=CONCENTRATION BY CATALYST(1 4)
Cara Manual : /MISSING ANALYSIS.
Urutan (K-B) No. urut Rank
7 1 2
7 2 2
7 3 2
9 4 4
10 5 5
11 6 7
11 7 7
11 8 7
12 9 9.5
12 10 9.5
14 11 11
15 12 12.5
15 13 12.5
17 14 14
18 15 16.5
18 16 16.5
18 17 16.5
18 18 16.5
19 19 20.5
19 20 20.5
19 21 20.5
19 22 20.5
22 23 23
23 24 24
25 25 25

# % Cotton ( Kapas )

Daya 15 20 25 30 35
Kakuatan
Kain 7 2 12 9.5 14 11 19 20.5 7 2
7 2 17 14 18 16.5 25 25 10 5
15 12.5 12 9.5 18 16.5 22 23 11 7
11 7 18 16.5 19 20.5 19 20.5 15 12.5
9 4 18 16.5 19 20.5 23 24 11 7
Total 27.5 66 85 113 33.5
12 ∙
= − 3( + 1) ; = 25
( + 1)

12 27,5 66 85 113 33,5


= + + + + − 3(25 + 1)
25(25 + 1) 5 5 5 5 5

H = 18,843

Normalitas data :

Ada beberapa metode:


1. Kolmogorov – Smirnov
2. Lillietors
3. Chi-Square
4. Plot Kenormalan
5. Kurtosis & Skewness

Hipotesis

Ho : data sampel berdistribusi normal


H1 : data sampel berdistribusi tidak normal

Terdapat data “Lamanya Kelambatan (delay)” pesawat dalam jam. Dari sampel 11
penerbangan yang mengalami kelambatan sebagai berikut:

2.1 0.9
1.9 4.2
3.2 3.9
2.8 3.6
1.0 2.7
5.1

Pertanyaan :
Apakah data kelambatan penerbangan berdistribusi normal?
Caranya adalah : (dengan menggunakan SPSS)
 Analyze
 Non parametric test
 1 sample K-S
 Test Variable list, masukkan kelambatan
 Test Distribution Normal
 OK

= 11
= 10%
/2 = 5% ( ℎ)

. ( ) = 0,352
− = 0,338

Cara 2
= ( (2 )) = 1,000 > 5 %

Cara manual

Langkahnya adalah :

1. Urutkan data dari yang terkecil ke terbesar

2. Tuliskan frekuensinya (frekuensi data)

3. Hitung mean dan standar deviasinya

4. Hitung nilai = ( − )/

5. Hitung distribusi kumulatif dari Z, disebut sebagai ( )

6. Hitung frekuensi kumulatif masing-masing data → ( )

7. Hitung nilai = ( )– ( )

8. Bandingkan nilai

= 10% → / ( ) = %( ) = 0,352
S = 1.3186
= 2,855
Data (x) ƒ = ( − )/ ( ) ( ) D

(0.9-2.8545)
0.9 1 -1.4823 1/11=0.0909
/1.3186
(0.9-2.8545)
1.0 1 -1.4065 2/11=0.1818
/1.3186

(0.9-2.8545)
1.9 1 -0.7239 3/11=0.2727
/1.3186

(0.9-2.8545)
2.1 1 -0.5722 4/11=0.3636
/1.3186

(0.9-2.8545)
2.7 1 -0.1172 5/11=0.4545
/1.3186

(0.9-2.8545)
2.8 1 -0.0414 6/11=0.5455
/1.3186

(0.9-2.8545)
3.2 1 0.2620 7/11=0.6364
/1.3186

(0.9-2.8545)
3.6 1 0.5653 8/11=0.7273
/1.3186

(0.9-2.8545)
3.9 1 0.7929 9/11=0.8182
/1.3186

(0.9-2.8545)
4.2 1 1.0204 10/11=0.9091
/1.3186

(0.9-2.8545)
5.1 1 1.7029 11/11=1.0000
/1.3186
Nurul Chairunnisa Utami Putri :

http://roelcup.wordpress.com

roelcup@gmail.com

cup_13@yahoo.co.id