Ilmu Statistik

Secara garis besar dibagi atasto2 bagian: Click edit Master subtitle style 1. Statistik Parametrik 2. Statistik Non Parametrik

Statistik parametrik adalah ilmu statistik yang digunakan untuk datadata yang memiliki sebaran normal. Jika data tidak menyebar normal maka metode statistik nonparametrik dapat digunakan. Jika tetap menggunakan statistik parametrik, maka data harus ditransformasikan terlebih dahulu. Transformasi data perlu dilakukan agar data mengikuti sebaran normal.

Contoh: Uji-z , Uji-t , Korelasi Pearson, perancang percobaan (2-way ANOVA), dan lain-lain.

LANJUT

STATISTIK NON PARAMETRIK: Statistik nonparametrik disebut juga statistik bebas sebaran. >> tidak mensyaratkan bentuk sebaran parameter populasi. >> dapat digunakan pada data yang memiliki sebaran normal atau tidak. >> biasanya digunakan untuk melakukan analisis pada data nominal atau ordinal.

Contoh:

Metode statistik nonparametrik Chi-square test, Median test, Friedman test, Wlicoxon Test, Runs Test Kolmogorov-Smirnos Test dan lain-lain.

Kapan menggunakan statistik nonparametrik?

metode

Metode pengujian ini digunakan bila salah satu syarat dalam statistik parametrik tidak terpenuhi. Syarat-syarat ???

Syarat-syarat yang perlu diperhatikan untuk menentukan statistik apa yang akan digunakan: 1. Apakah distribusi data diketahui? Jika distribusi data tidak diketahui maka statistik yang sesuai adalah statistik nonparametrik. Jika distribusi data diketahui, maka kita harus melihat jenis distribusi data tersebut. 2. Apakah data berdistibusi normal? Jika data tidak berdistribusi normal, maka statistik yang sesuai adalah statistik nonparametrik. Jika data berdistribusi normal, maka statistik yang sesuai adalah statistik parametrik.

3.

Apakah sampel ditarik secara random? Jika sampel tidak ditarik secara random, maka statistik yang sesuai adalah statistik nonparametrik. Jika sampel ditarik secara random, maka statistik yang sesuai adalah statistik parametrik. 4. Apakah varians kelompok sama? Jika varians kelompok tidak sama, maka statistik yang sesuai adalah statistik nonparametrik. Jika varians kelompok sama, maka statistik yang sesuai adalah statistik parametrik. 5. Bagaimana jenis skala pengukuran data? Jika skala pengukuran data nominal (kategori dengan possisi data sama derajat) dan ordinal (kategori dengan posisi data tidak sama derajat), maka statistik yang sesuai adalah statistik nonparametrik. Jika skala pengukuran data interval dan rasio, maka statistik yang sesuai adalah statistik parametrik.

Dalam tinjauan selanjutnya, akan dibahas Statistik non parametrik. Uji statistik nonparametrik >> uji statistik yang tidak memerlukan adanya asumsiasumsi mengenai sebaran data populasi. Uji statistik ini disebut juga sebagai statistik bebas sebaran (distribution free). Dari segi jumlah data, pada umumnya statistik nonparametrik digunakan untuk data berjumlah kecil (n < 30).

Contoh Untuk Uji Runs: Uji Runs dignakan untuk menguji apakah urutan kejadian dari 2 jenis nilai suatu variabel dikotomi bersifat acak (random). Run(s) adalah kelompok dalam baris yang terdiri dari elemen yang sama. Misal: A A A B B B A B A A B (terdiri dari 6 runs)

Contoh Untuk Uji Runs: H0 : susunan bersifat random H1 : susunan bersifat tidak random Beberapa hal yang harus diperhatikan dalam pemakaian Uji runs Data: Variabel yang diuji dapat berupa data kategorik maupun numerik. Asumsi: Uji ini tidak memerlukan asumsi bentuk distribusi. Data hanya diasumsikan dihasilkan dari sampel random.

Persamaan Yang digunakan:

2 N1N 2 v = +1 N1 + N 2
2 2 N1N 2 ( 2 N1N 2 N1 N 2 ) v = 2 ( N1 + N 2 ) ( N1 + N 2 1)

Jika N1 dan N2 bernilai sedikitnya 8 maka distribusi sampling untuk v akan sangat mendekati sebuah distribusi norrmal, sehingga hubugannya adalah:

V v z=

Contoh Dalam 30x lemparan sekeping koin, diperoleh barisan kemunculan tanda gambar (H) dan tanda angka (T) seperti berikut:. HTTHTHHHTHHTTHT HTHHTHTTHTHHTHT Tentukan banyaknya runtunan V dalam barisan simbol. Ujilah pada tingkat signifikan 0,05 apakah barisan di atas dikatakan bersifat acak?

a.

b.

a. Banyaknya runtunan: H /T T/ H/ T/ H H H/ T /H H/ T T/ H/T H/ T/ H H /T/ H/ T T/ H/ T/ H H /T/ H/ T Jadi banyaknya runtunan dalam barisan adalah V = 22. b. Terdapat N1 (tanda gambar) = 16 dan N2 (tanda angka) = 14.

Jika dilihat dari runtunan di atas, diperoleh bahwa N1 = 16 dan N2 = 14, berarti bahwa ada batas kritis antara harga-harga runtun N1 dan N2 pada taraf nyata 0,05 (lihat tabel nilai batas kritis). Sedangkan nilai v=22, berada tidak pada range nilai N1 dan N2, berarti bahwa data tersebut diambil tidak acak. Atau dapat dilakukan dengan cara berikut:

2(16 )(14 ) v = +1 =15 ,93 16 +14

2 2(16 )(14 )( 2(16 )(14 ) 16 14 ) v = = 7,175 2

(16 + 14 ) (16 + 14 1)

22 15 ,93 z= = 2,27 2,679

Pada tingkat signifikansi 0,05, akan diterima hipotesis nol (Ho) bahwa barisan simbol di atas adalah acak jika -196 <sama z <sama 1,96 dan menolak Ho jika z berada diluar kisaran tersebut. Karena perhitungan nilai z = 2,27 > 1,96 maka dapat disimpulkan bahwa lemparanlemparan yang dilakukan tidak bersifat acak pada tingkat 0,05. Uji ini memperlihatkan bahwa terdapat terlalu banyak runtunan