Uji Satu Sampel Z serangkaian nilai sampel (skor yang diobservasi)

H0 :p=q, H1 H0 dengan suatu distribusi teoretis tertentu. Tes ini

1. Tes Binomial (X-BIN(N,p)) :p>q atau ditolak
Digunakan untuk populasi yang dipandang terdiri H0 :p≤q, H1 jika menguji apakah skor dalam sampel berasal dari suatu
atas dua kategori “sukses” atau gagal dengan peluang :p>q Pvalue populasi dengan distribusi teoretis itu atau tidak Tes
<= alfa
sukses adalah p dan peluang gagal adalah q=1-p ini menghitung penyimpangan (deviasi) antara
Atau
a. Untuk sampel kecil <=25 Zhit > distribusi frekuensi komulatif secara teoretis dan
Hipotesis Stat Uji Kriteria Z
Keputusan distribusi frekuensi komulatif hasil observasi.
H0 :p=q, H1 P (X ≤ x) H0 ditolak jika
:p≠q Dengan P(X=x)= 2Pvalue <= 
2. Uji Chi-Kuaadrat . Hipotesis Statistik Uji Kriteria
H0 :p=q, H1 (𝑁) 𝑝 𝑥 𝑞𝑁−𝑥 H0 ditolak jika
𝑥 Hipotesis Stat Uji Kriteria
:p<q atau Pvalue <=  Keputusa
Keputusan
H0 :p≥q, H1 X= variabel
n
:p<q diskret H0 : Tdk trdpt 𝑋2 Ho ditolak jika
𝑘
H0 :p=q, H1 x=frekuensi H0 ditolak jika perbedaan (𝑂𝑖 − 𝐸𝑖) 2 Pvalue<= D : Deviasi maksimum
terkecil antar kategori =∑
:p>q atau Pvalue <=  𝐸𝑖 dengan
p=peluang sukses H1 : trdpt 𝑖=1
H0 :p≤q, H1
q=peluang gagal perbedaan Dengan 𝑫 𝐻0 ditolak
:p>q
antar kategori k>2
Notes: Nilai p db=k-1 = 𝒎𝒂𝒌𝒔𝒊𝒎𝒖𝒎 |𝑭𝟎 (𝑿) jika,
dapat jg Oi= frek. Yg
− 𝑺𝑵 (𝑿)|
diperoleh dg diamati dalam
menggnkn tabel kategori i untuk 𝑁 ≤
D jk N<= 25 dan Ei= frek. Yang 𝐻0 : 𝑓1 = 𝑓2 = 𝐹0 (𝑋):fungsi kumulatif 35,
p=q=0,5 nilai p diharapkan
dalam tabel D dalam kategori i ⋯ = 𝑓𝑘 (tidak teoretis dibawah 𝑝𝑣𝑎𝑙𝑢𝑒 ≤ 𝛼
untuk satu sisi. dibawah Ho
terdapat H0
Untuk kasus dua Ei= N/k
sisi , nilai p perbedaan 𝑆𝑁 (𝑋): distribusi untuk 𝑁 >
dikalikan 2 Catatan :
antar kategori) frekuensi 35,
Gunakan tabel C
b. Untuk sampel besar>25 (hal 196) memperoleh kumulatif yang 𝐷ℎ𝑖𝑡𝑢𝑛𝑔
Pvalue yang
Hipotesis Stat Uji Kriteria diobservasi dari ≥ 𝐷𝑡𝑎𝑏𝑒𝑙
bersesuaian
Keputusa
dengan X^2 𝐻1 : 𝑓1 , 𝑓2 , … , 𝑓𝑘 suatu sampel
n
hitung
H0 :p=q, H1 (𝑥 ± 0,5) − 𝑁𝑝 H0 tidak random dengan N
𝑧= Jika lebih dari
:p≠q √𝑁𝑝𝑞 ditolak
20persen dari semuanya observasi.
jika
X= variabel kontinu Ei<5, gabungkan
2Pvalue sama (terdapat
x+0,5 jika x<Np kategori yan
<= alfa
x-0,5 jika x>Np berdekatan jika perbedaan Catatan:
Atau
p=peluang sukses memungkinkan
(Zhit antar kategori) X adalah sembarang
q=peluang gagal Jika k=2 uji chi
<Z/2 kuadrat dpt skor yang
Notes: Nilai p dapat atau Zhit digunakan jika
mungkin SN(X) = k/N ,
jg diperoleh dg > Z/2 Ei>=5
H0 :p=q, H1 menggnkn tabel A, H0 dengan :
:p<q atau nilai p dalam tabel A ditolak 3. Uji Kolmogorov Smirnov k = banyak observasi
H0 :p≥q, H1 untuk satu sisi. jika
Uji Kolmogorov-Smirnov merupakan Uji Goodness-
:p<q Untuk kasus dua sisi Pvalue yang sama atau kurang
,nilai p dikalikan 2 <= alfa of-fit (Uji Kebaikan Suai). Artinya, yang diperhatikan
Atau dari X.
Zhit > adalah tingkat kesesuaian antara distribusi
 Sesudah 𝐴+𝐷 2 𝐴+𝐷 2
(𝑂 − 𝐸)2 (𝐴 − ) (𝐷 − )
𝑋2 = ∑ = 2 + 2
𝐸 𝐴+𝐷 𝐴+𝐷
- + 𝐴.𝐷
2 2
4. Uji Run satu sampel
Sebelum + A B Dapat dijabarkan maka diperoleh :
a. Untuk sample kecil ( n1 dan n2 ≤ 20 )

- C D (𝐴 − 𝐷)2
Hipotesis StatistikUji KriteriaKeputusan 𝑋2 =
𝐴+𝐷
H0 :Urutan Lihat Table FI
tambah dan untuk mencari
dengan db = 1.
kurang terjadi batas terkecil r
dalam urutan
 A: perubahan dari “positif” ke “negatif". Artinya, distribusi sampling 𝑋 2 di bawah 𝐻0
random. Lihat Table FII H0 ditolak jika r ≤ FI
untuk mencari
atau r ≥ FII  D: perubahan dari “negatif” ke “positif”. sebagaimana dihasilkan dengan rumus di atas kira-kira
H1 :Urutan batas terbesar r. berdistribusi chi-kuadrat dengan db = 1.
tambah dan Ket :  B: tetap “positif”.
kurang r : jumlah urutan  C: tetap “negatif”. Kontinu ke Diskrit (Koreksi Kontinuitas)
menyimpang n1 : banyak
dalam elemen suatu
kerandoman. jenis Rumus Koreksi kontinuitas dilakukan karena suatu distribusi kontinu
n2 : banyak (chi-square) digunakan untuk memperkirakan suatu distribusi
elemen jenis lain Dari bab sebelumnya diingat bahwa :
diskrit. Jika semua frekuensi yang diharapkan kecil , pendekatan
𝑘 itu akan menjadi pendkatan yang buruk. Jadi koreksi ini
b.Untuk sample besar ( n1 dan n2 ≥ 20 ) 2
(𝑂𝑖 − 𝐸𝑖 )2
𝑋 =∑ merupakan suatu upaya untuk menghilangkan sumber kesalahan
𝐸𝑖
𝑖=1
Hipotesis Statistik Uji Kriteria ini (Yates, 1934). Dengan koreksi kontinuitas maka:
Keputusan
H0 : tambah 𝑟 − 𝜇𝑟 Dimana 𝑂𝑖 = banyak kasus yang diobservasi dalam kategori
𝑧= (|𝐴 − 𝐷| − 1)2
dan kurang 𝜎𝑟 ke-i 𝑋2 =
terjadi dalam 𝐴+𝐷
urutan Dimana :
random. 2𝑛1 𝑛2 H0 ditolak 𝐸𝑖 = banyak kasus yang diharapkan di dengan db = 1.
𝜇𝑟 = +1
𝑛1 + 𝑛2 jika|𝑧ℎ𝑖𝑡𝑢𝑛𝑔 | ≥ bawah H0 dalam kategori ke-i
H1 :Urutan 𝑧𝛼⁄2 Signifikansi setiap nilai 𝑋 2 yang diperoleh dengan
tambah dan 𝜎𝑟 rumus di atas ditetapkan dengan menggunakan Tabel C. Jika
kurang keterangan: koefisien chi square
menyimpang 2𝑛1 𝑛2 (2𝑛1 𝑛2 − 𝑛1 − 𝑛2 ) nilai 𝑋 2 observasi sama atau lebih besar dari yang ditunjukkan di
=√
dalam (𝑛1 +𝑛2 )2 (𝑛1 +𝑛2 − 1)
Dalam uji McNemar untuk signifikansi perubahan ini kita hanya Tabel C untuk suatu tingkat signifikansi tertentu dengan db = 1,
kerandoman.
Ket : berkepentingan terhadap sel A dan sel D. Jika : A= maka implikasinya ialah bahwa suatu efek yang “signifikansi”
r : jumlah urutan banyak kasus yang diobservasi dalam sel A telah ditunjukka dalam jawabnya “sebelum” dan “sesudah”.
n1 : banyak elemen suatu jenis
n2 : banyak elemen jenis lain
D = banyak kasus yang diobservasi Hipotesis Statistik Uji Kriteria
dalam sel D Keputusan

Kasus dua sampel yang berhubungan 𝐻0 ∶ tidak ada (|𝐴 − 𝐷| − 1)2 Tolak 𝐻0 jika
½ (A+D) = banyak kasus yang perbedaan antar 𝑋2 =
1. Uji Mc. Nemar 𝐴+𝐷 𝑋 hitung ≥ 𝑋 2
2
kategori
diharapkan baik di sel A maupun D, maka
Dengan db = 1 pada tabel
Sebagai panduan untuk menguji signifikansi setiap perubahan
𝐻1 ∶ terdapat
maka data perlu disusn kedalam tabel segi empat ABCD. perbedaan antar
kategori A= banyak kasus yang 𝐻0
ditolak 3. Uji Ranking wilcoxon
diobservasi dalam sel 𝐻0 : 𝑝(+)
jika Untuk kasus sampel kecil 𝐍 ≤ 𝟐𝟓
= 𝑝(−) 𝑃(𝑋 ≤ 𝑥)
A
𝐻1 : 𝑝(+) dengan 2𝑝𝑣𝑎𝑙𝑢𝑒
D = banyak kasus ≠ 𝑝(−) 𝑃(𝑋 = 𝑥) Hipotesis Statistik Uji Kriteria
≤𝛼
yang diobservasi 𝑁 Keputusan
= ( ) 𝑝 𝑥 𝑞𝑁−𝑥
𝑥 H0 ∶ p1 = p2 Menghitung Thit
dalam sel D 𝐻0
ditolak tidak ada
𝐻0 : 𝑝(+) Catatan: perbedaan
Nilai 𝑝 dapat juga jika
Catatan : = 𝑝(−) pada tiap pasangan
𝐻1 : 𝑝(+) diperoleh dengan
- Gunakan Tabel menggunakan Tabel D 𝑝𝑣𝑎𝑙𝑢𝑒
> 𝑝(−) H1 ∶ p1 ≠ p2
(Hal 302) jika 𝑝(+) = ≤𝛼
C untuk ada perbedaan
𝑝(−). Nilai 𝑝 dalam pada tiap pasangan Ket :
menentukan Tabel D untuk satu 𝐻0 N = banyaknya
sisi. Untuk kasus dua ditolak
𝑋 2 pada table 𝐻0 : 𝑝(+) pasangan
sisi, nilai 𝑝 dari Tabel jika Thit = jumlah
= 𝑝(−)
yang D dikali 2. yang lebih kecil H0 ditolak jika
𝐻1 : 𝑝(+)
𝑝𝑣𝑎𝑙𝑢𝑒
bersesuaian < 𝑝(−) diantara dua Thit ≤ Ttab
≤𝛼 kelompok
H0 ∶ p1 = p2
dengan ranking yang
tidak ada perbedaan
𝑋 2 hitung pada tiap pasangan bertanda sama (T
jumlah ranking
Untuk kasus sampel besar 𝑁 ≥ 25 H1 ∶ p1 < p2 positif atau
Kriteri ada perbedaan jumlah ranking
Ringkasan Prosedur. Langkah-langkah dalam perhitungan tes a pada tiap pasangan negatif, yang
Hipotesis Statistik Uji jumlah itu lebih
McNemar: Keputu
san kecil)
1. Letakan frekuensi-frekuensi observasi dalam suatu 𝐻0
tabel empat-sisi seperti yang dicontohkan ditolak
𝐻0 : 𝑝(+)
2. Tentukan frekuensi-frekuensi yang diharapkan dalam jika
= 𝑝(−) (𝑥 ± 0,5) − 1/2𝑁 H0 ∶ p1 = p2
sel A dan D 𝐻1 : 𝑝(+) 𝑧= tidak ada perbedaan
1 1/2√𝑁 2𝑝𝑣𝑎𝑙𝑢𝑒
≠ 𝑝(−) pada tiap pasangan
𝐸 = (𝐴 + 𝐷) ≤𝛼
2 Catatan :
Jika frekuensi yang diharapkan kurang dari 5, 𝑋 = variable kontinu H1 ∶ p1 > p2
1 Untuk mencari
pakailah tes binomial dan bukannya tes McNemar 𝑥 + 0,5 jika 𝑥 < 𝑁 𝐻0 ada perbedaan Ttab gunakan
2
3. Jika frekuensi yang diharapkan sama dengan 5 atau 1 ditolak pada tiap pasangan tabel G pada hal
𝐻0 : 𝑝(+) 𝑥 − 0,5 jika 𝑥 > 𝑁
2 jika
lebih besar, hitunglah nilai 𝑋 2 dengan rumus = 𝑝(−) 306.
Kontinu ke Diskrit 𝐻1 : 𝑝(+) Catatan: 𝑝𝑣𝑎𝑙𝑢𝑒
4. Tentukan kemungkinan di bawah Ho yang dikaitkan > 𝑝(−) Nilai 𝑝𝑣𝑎𝑙𝑢𝑒 yang ≤𝛼
dengan suatu nilai 𝑋 2 observasi dengan melihat bersesuaian denagn
Tabel C. 𝑥 + 0,5 jika 𝑧 dapat
2. Uji Tanda diperoleh dengan
Untuk kasus sampel kecil 𝑁 ≤ 25 menggunakan Tabel A 𝐻0 Catatan : Tabel G tidak dapat digunakan untuk menghitung
Kriteri (Hal 299) Nilai 𝑝𝑣𝑎𝑙𝑢𝑒 ditolak data dengan sampel yang besar yaitu N > 25
𝐻0 : 𝑝(+) dalam Tabel A untuk
a jika
Hipotesis Statistik Uji = 𝑝(−) satu sisi. Untuk kasus
Keputu
𝐻1 : 𝑝(+) dua sisi, nilai 𝑝𝑣𝑎𝑙𝑢𝑒
san 𝑝𝑣𝑎𝑙𝑢𝑒
< 𝑝(−) dari Tabel A dikali 2. ≤𝛼
 4. Uji Walsh Ringkasan Prosedur:
A. Persyaratan Data
Untuk kasus sampel besar 𝐍 > 𝟐𝟓
Data yang digunakan paling tidak memiliki skala 1. Tentukan N, atau banyaknya pasangan dari anggota
Hipotesis Statistik Uji Kriteria kelompok sampel pertama dan kedua.
interval, dengan ukuran sampel ≤ 15 2. Tentukan nilai beda (di) untuk setiap pasangan
Keputusan
anggota kelompok sampel pertama dan kedua.
H0 ∶ p1 = p2 H0 ditolak Metode 3. Buat urutan untuk setiap di . Dalam membuat
tidak ada jika rangking di tanda + dan – turut dipertimbangkan, jadi
perbedaan T − μT 2Pvalue ≤
Z= bukan harga mutlaknya. Selain itu, dalam melakukan
pada tiap pasangan σT 𝛼 Hipotesis Statistik Uji Kriteria Keputusan
perankingan tidak perlu mencari rata – rata.
H1 ∶ p1 ≠ p2 N(N + 1) Atau 4. Gunakan Tabel H (halaman 307) untuk menentukan
T−
ada perbedaan = 4 apakah H0 ditolak atau diterima dengan nilai-nilai d1,
𝐻0 : 𝜇0 = 0 di = skor selisih d2, d3, d4, …, dN diobservasi.
pada tiap pasangan √N(N + 1)(2N + 1) H0 ditolak
24 jika (median selisih pasangan yang
Zhit ≥ Ztab adalah 0) dijodohkan Lihat Tabel H (halaman
B. Contoh penggunaan Tabel H
𝐻1 : 𝜇1 ≠ 0 307) untuk menentukan
(median selisih d1≤d2≤d3≤d4≤ apakah H0 dapat ditolak 1. Misalkan N = 5. Untuk tes dua sisi, kita dapat
tidak sama ⋯ ≤ dN dan menerima H1 menolak H0 pada tingkat 𝛼 = 0,125 jika
Ket : dengan 0) dengan: dengan nilai-nilai d1, d2, ½(d4+d5) lebih kecil dari nol atau jika ½(d1+d2)
N = banyaknya d1= skor selisih d3, d 4, …, dN lebih besar daripada nol. Dan kita dapat
pasangan 𝐻0 : 𝜇0 = 0 yang terendah diobservasi.
H0 ∶ p1 = p2 H0 ditolak (median selisih menolak H0 pada 𝛼 = 0,062 jika d5 lebih kecil
T = jumlah yang lebih d2 = skor yang dari nol atau jika d1 lebih besar dari nol.
tidak ada perbedaan jika adalah 0)
kecil diantara dua kedua dari yang Tabel H menyajikan
pada tiap pasangan Pvalue ≤ 𝛼 𝐻1 : 𝜇1 > 0 2. Misalkan N = 5 dan telah meramalkan
kelompok ranking yang paling rendah, dan nilai-nilai signifikansi
bertanda sama (T (median selisih seterusnya. baik untuk tes satu-sisi sebelumnya bahwa skor-skor selisih kita akan
H1 ∶ p1 < p2 Atau positif) maupun dua-sisi. lebih besar dari nol. Kemudian, jika 1/2 (d1+d2)
jumlah ranking positif
ada perbedaan lebih besar daripada nol, kita dapat menolak H0
atau jumlah ranking N = banyak
pada tiap pasangan H0 ditolak
negatif, yang jumlah itu 𝐻0 : 𝜇0 = 0 pasangan yang Kedua kolom sebelah pada 𝛼 = 0,062. Dan bila d1 lebih besar dari
jika
lebih kecil) (median selisih dijodohkan kanan menyajikan nilai- nol, kita dapat menolak H0 pada 𝛼 = 0,031.
Zhit ≥ Ztab nilai yang
adalah 0) 3. Misalkan kita telah membuat ramalan
𝐻1 : 𝜇1 < 0 memungkinkan kita
Catatan : untuk menolak H0 pada sebelumnya bahwa skor-skor selisih kita nanti
(median selisih
Untuk mencari Ztab tingkat signifikansi yang akan negatif. Artinya, H1 adalah 𝜇1 < 0. Maka,
negatif)
atau 𝛼 gunakan tabel A dinyatakan. nilai N = 5, jika ½(d4+d5) lebih kecil dari nol,
H0 ∶ p1 = p2 pada hal 299. H0 ditolak kita dapat menolak H0 pada 𝛼 = 0,062. Dan
tidak ada perbedaan jika Kolom sebelah kiri kalau d5 lebih kecil dari nol, kita dapat menolak
pada tiap pasangan Pvalue ≤ 𝛼 menyajikan berbagai
H0 pada 𝛼 = 0,031.
harga N, dari 4 sampai
15. Disamping kolom 4. Pada N = 6, kita umpamakan H1 adalah 𝜇1 < 0.
H1 ∶ p1 > p2 Atau Kita dapat menolak H0 dan menerima H1 pada
itu ada dua kolom yang
ada perbedaan
menyajikan tingkat- 𝛼 = 0,047 jika d5 atau ½(d4+d6), yang lebih
pada tiap pasangan H0 ditolak
jika tingkat signifikansi yang besar diantara keduanya, adalah lebih kecil dari
berkaitan dengan nol.
Zhit ≥ Ztab
kemungkinan untuk
menolak nilai-nilai yang
ditabelkan itu. 5. Uji Randomisasi

Persyaratan Data
Data yang digunakan sekurang – kurangnya memiliki skala
interval.
Kekuatan Uji Randomisasi Dua Data Berpasangan
Uji Randomisasi ini memiliki kekuatan efisiensi sebesar 100% Dengan syarat 𝑑𝑚𝑎𝑘𝑠2Σ𝑑𝑖2≤52𝑁 (umumnya tidak terpenuhi).
karena pada uji ini menggunakan semua informasi yang ada
dalam data. Contoh pada halaman:96

Prosedur Pengujian
Langkah-langkah dalam penggunaan Uji Randomisasi untuk
Dua Data Berpasangan: :
1. Tentukan nilai di dan tandanya
2. Tentukan banyak hasil yang mungkin di bawah H0 untuk nilai
tersebut yaitu 2𝑁
3. Tentukan banyak hasil yang mungkin di dalam daerah
penolakan yaitu 𝛼2𝑁
4. Tunjukkan hasil-hasil yang mungkin yang terdapat dalam
daerah penolakan dan pilih yang mempunyai Σdi yang terbesar.
a)Untuk uji satu sisi, hasil-hasil yang ada di daerah
penolakan itu semuanya ada di satu arah (Σdi positif terbesar
atauΣdi negatif terkecil).
b) ntuk uji dua sisi, separuh dari hasil-hasil yang ada pada
daerah penolakan itu adalah hasil yang memiliki Σdi positif
terbesar,
dan separuhnya adalah hasil yang memiliki Σdi negatif
terkecil.

5. Jika skor observasi adalah salah satu di antara hasil-hasil yang

terdaftar dalam daerah penolakan, tolaklah H0 pada tingkat
signifikansi α.

i ii. Sampel besar (N>12)

Untuk memudahkan perhitungan maka untuk sampel besar, uji
randomisasi data berpasangan tidak lagi digunakan. Maka
disarankan agar menggunakan uji ranking bertanda Wilcoxon.
Alternatif lainnya adalah dengan menggunakan nilai z yaitu,
𝑧=Σ𝑑𝑖√Σ𝑑𝑖2