NIM : 211810470
Kelas : 2ST10
Run test berguna untuk mengetahui keacakan (random) dari suatu sampel
yang merupakan syarat yang harus dipenuhi dalam pengambilan sampel suatu populasi
dalam eksperimen.Run test ialah test yang tekniknya berdasarkan urutan dari observasi-
observasi satu per satu yang diperoleh yaitu banyaknya run yang ditampilkan suatu
sampel.Sedangkan run adalah suatu urutan lambang-lambang yang sama yang diikuti
serta mengikuti lambing-lambang yang berbeda.Fungsi melakukan uji run test ialah
untuk menguji kerandoman data yang berasal dari sampel tunggal dengan skala
nominal,namun dapat juga digunakan untukdata yang berskala ordinal.
Contoh :
+++ -- + -- ++ --- +++ ---- +++ -
1 2 3 4 5 6 7 8 9 10
Jika
2𝑚𝑛 2𝑚𝑛
𝑟< + 1, 𝑚𝑎𝑘𝑎 𝑡 = +0,5, dan jika 𝑟 > + 1, 𝑚𝑎𝑘𝑎 𝑡 = −0,5
𝑁 𝑁
b. Hipotesis
H0: Kejadian yang diamati bersifat random
H1 : Kejadian yang diamati tidak random
Jika Ho benar, maka banyaknya Runs tidak terlalu banyak dan tidak terlalu
sedikit
c. Prosedur
1. Tentukanlah H0, H1, dan taraf signifikansinya (α).
2. Susunlah observasi-observasi m dan n menurut urutan terjadinya, hitunglah
banyaknya run (r) berdasarkan pengamatan yang terjadi.
3. Hitunglah p-value nya.Itu tergantung dari ukuran keompok n1 dan n2 :
Jika n1 dan n2 ≤ 20,pakailah Tabel run (siegel,1997) untuk alpha 0.05
Jika (n1 atau n2) > 20 hitunglah dengan pendekatan Z dengan
rumus,lalu lihat tabel normal.Tabel yang ada di siegel menyajikan
kemungkinan satu sisi untuk kemunculan harga 𝑍𝑜𝑏𝑠 di bawah Ho. Uji
satu sisi digunakan apabila telah memiliki perkiraan frekuensi mana
yang lebih kecil. Jika belum memiliki perkiraan,harga p-value dalam
tabel normal dikaliakn dua(p-value tabel z × 2).
4. Buatlah keputusan : jika p-value yang didapat sama atau kurang dari α,maka
Ho ditolak.
5. Buatlah kesimpulan
C. CONTOH SOAL
1. Sebuah perusahaan cokelat ingin melakukan voting terhadap 16 direksi yang ada
untuk menentukan warna bungkus cokelat dari dua warna yang tersedia yaitu biru
dan putih. Keenambelas direksi diwawancarai warna apa yang cocok untuk bungkus
cokelatsehingga diharapkan perusahaan memperoleh keuntungan maksimal. Hasil
wawancara tersebut adalah sebagai berikut.
No Direksi Warna Pilihan No Direksi Warna Pilihan
1 Asep Biru 9 Henry Biru
2 Joko Biru 10 Napoleon Putih
3 Samsul Putih 11 Vasco Biru
4 Bambang Putih 12 Alfonso Putih
5 Wati Putih 13 Dewi Biru
6 Hera Biru 14 Ferguso Putih
7 Lia Putih 15 Joni Putih
8 Herman Putih 16 Adul Putih
Apakah data diatas tersusun secara random?
Penyelesaian :
H0 : data tersusun secara random
H1 : data tersusun tidak random
Tingkat signifikansi (α) = 5%
Statistik Uji : Run Test
Dari data diperoleh :
BB PPP B PP B P B P B PPP
1 2 3 4 5 6 7 8 9 10
Maka :
𝑅𝑜𝑏𝑠 = banyak runtun = 10.
Pada Tabel 𝐹1 (Siegel,1997) untuk 𝑛1 = 10 dan 𝑛2 = 6.
Jadi, setelah liat di tabel nilai 𝐹1 = 4 dan nilai 𝐹11 = 13
Keputusan : karena nilai 𝑅𝑜𝑏𝑠 terletak diantara nilai 𝐹1 dan nilai 𝐹11 ;maka gagal
tolak Ho.
Kesimpulan : dengan tingkat kepercayaan 5% dan berdasarkan data sampel yang
ada, dapat dikatakan bahwa tidak terdapat cukup bukti secara statistic untuk
menyatakan bahwa wawancara yang dilakukan terhadap direksi tidak terurut secara
acak.
2. Suatu penelitian tentang sanitasi rumah telah dilakukan.Diambil sebanyak 42
rumah.Masing-masing rumah diukur kelembaban udaranya didapatkan data urutan
sampel berdasarkan kelembaban pada tabel dibawah.Selidikilah dengan α = 5 %,
apakah sampel rumah tersebut random (acak) berdasarkan kelembabannya.
2(24)(18)(2(24)(18)−24−18)
𝜎𝑟 = √ (24+18)2 (24+18−1)
𝜎𝑟 = 3,13
Didapat nilai Z
(𝑟+𝑡)−𝜇𝑟
𝑍= 𝜎𝑟
(24−0,5)−21,57
𝑍= 3,13
𝑍 = 0,616
Nilai 𝑍∝⁄2 = 1,96
Keputusan : karena |0,616| < 1,96 maka gagal tolak H0
Kesimpulan : dengan α = 5% tidak cukup bukti secara statistik untuk menerima
H1 bahwa sampel tersebut tidak acak dari kelembabannya.
2. UJI KOLMOGOROV-SMIRNOV
A. LATAR BELAKANG
Test Uji kolmogorov Smirnov merupakan suatu goodness-of-fit artinya, yang
diperhatikan adalah tingkat kesesuaian antara distribusi serangkaian harga sampel (skor
yang diobservasi) dengan suatu distribusi teoritis tertentu.Tes Uji ini menetapkan
apakah skor dalam sampel dapat secara masuk akal dianggap berasal dari suatu populasi
dengan distribusi teoritis itu.
Uji Kolmogorov Smirnov merupakan suatu uji yang sangat bermanfaat,
karena uji ini digunakan untuk menguji hipotesis tentang kecocokan (goodness of fit )
data ordinal pada suatu distribusi yang memiliki dua atau lebih kategori.Dan untuk
menguji perbedaan proporsi populasi,yaitu antara frekuensi kumulatif yang diamati
dengan frekuensi kumulatif teoritisnya,berdasarkan data yang berasal dari sampel
tunggal.
B. METODELOGI
Uji Kolmogorov-Smirnov bertujuan untuk menguji tingkat kesesuaian
antara distribusi hasil observasi dengan suatu distribusi teoritis tertentu. Uji ini
menetapkan apakah skor-skor dalam sampel yang diambil secara acak dari suatu
populasi sesuai dengan distribusi teoritis tertentu.
Fungsi pengujian : untuk menguji tingkat kesesuaian antara distribusi hasil
observasi dengan suatu distribusi teoritis tertentu
Persyaratan data : setidaknya berskala ordinal
Prosedur pengujian :
a. Awalan
Dalam uji Kolmogorov-smirnov ada simbol 𝐹0 (𝑋),dimana simbol
tersebut memiliki arti suatu fungsi distribusi frekuensi kumulatif yang
sepenuhnya ditentukan, yakni distribusi kumulatif teoritis di bawah 𝐻0 .Artinya
untuk harga N yang sembarang besarnya, harga 𝐹0 (𝑋) adalah proporsi kasus
yang diharapkan mempunyai skor yang sama atau kurang daripada X.
Dan dalam uji ini juga terdapat simbol 𝑆𝑁 (𝑋),dimana simbol ini
memiliki arti distribusi frekuensi kumulatif yang diobservasi dari suatu sampel
acak dengan N observasi. Dimana X adalah sembarang skor yang mungkin,
𝑆𝑁 (𝑋) = k/N, dimana k sama dengan banyak observasi yang sama atau kurang
dari X atau bisa juga k sama dengan jumlah frekuensi kumulatif dari X.
Jika Ho benar (bahwa sample memang berasal dari populasi yang
mengikuti distribusi teoritis tertentu), maka diharapkan bahwa untuk setiap nilai
X , 𝑆𝑁 (𝑋) akan relative dekat dengan 𝐹0 (𝑋). Jadi jika Ho benar kita berharap
bahwa 𝐹0 (𝑋) – 𝑆𝑁 (𝑋) akan kecil dan ada dalam batas random error .Uji
Kolmogorov Smirnov memusatkan pada penyimpangan (deviasi) yang
terbesar.Oleh karena itu, maka Uji Kolmogorov –Smirnov menggunakan nilai
maksimum absolut perbedaan 𝐹0 (𝑋)- 𝑆𝑁 (𝑋):
𝐷ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑚𝑎𝑘𝑠𝑖𝑚𝑢𝑚|𝐹0 (𝑋) − 𝑆𝑁 (𝑋)|
b. Hipotesis dan statistik ujinya
Hipotesis
𝐻0 : Distribusi variable X mengikuti distribusi teoritis tertentu
𝐻1 : Distribusi variable X tidak mengikuti distribusi teoritis tertentu yang
dihipotesiskan di Ho
Statistik Ujinya
𝐷ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑚𝑎𝑘𝑠𝑖𝑚𝑢𝑚|𝐹0 (𝑋) − 𝑆𝑁 (𝑋)|
Tolak 𝐻0 bila nilai 𝐷ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐷𝑡𝑎𝑏𝑒𝑙
Gagal Tolak 𝐻0 bila nilai 𝐷ℎ𝑖𝑡𝑢𝑛𝑔 < 𝐷𝑡𝑎𝑏𝑒𝑙
c. Prosedur
1. Buatlah Hipotesis Nol (𝐻0 ) dan Hipotesis Alternatifnya (𝐻1 ) terlebih
dahulu serta tingkat signifikansinya atau bisa disebut juga dengan alpha
(α).
2. Tentukanlah 𝐹0 (𝑋) atau disebut dengan fungsi distribusi frekuensi
kumulatif teoritis dibawah 𝐻0 .
3. Hitunglah 𝑆𝑁 (𝑋) yang didapat dengan membagi frekuensi pada X
tersebut dengan total frekuensinya (N),dimana setiap X nya
berubah,maka nilainya sama dengan jumlah frekuensi
kumulatifnya.Akan terlihat dari contoh soalnya.
4. Untuk setiap jenjang pada distribusi kumulatif,kurangilah 𝐹0 (𝑋) dengan
𝑆𝑁 (𝑋).
5. Hitunglah nilai 𝐷ℎ𝑖𝑡𝑢𝑛𝑔 .
6. Lalu buatlah keputusan,lihatlah pada tabel (Siegel,1997) untuk
menemukan 𝐷𝑡𝑎𝑏𝑒𝑙 nya yang nanti akan dibandingkan dengan 𝐷ℎ𝑖𝑡𝑢𝑛𝑔 .
Tolak 𝐻0 bila nilai 𝐷ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐷𝑡𝑎𝑏𝑒𝑙 .Bisa juga dilihat dari p-value(Nilai
dari 𝐷𝑡𝑎𝑏𝑒𝑙 ) nya dengan dibandingkan dengan α,jika p-value(Nilai dari
𝐷𝑡𝑎𝑏𝑒𝑙 ) sama atau kurang dari α maka tolak 𝐻0 .
7. Buatlah kesimpulan.
C. CONTOH SOAL
1. Ujilah dengan α = 5%,apakah data berikut berdistribusi normal dengan rata-rata
µ=3 dan σ = 1
2,1 1,9 3,2 2,8 1,0 5,1 0,9 4,2 3,9 3,6 2,7
Penyelesaian :
Hipotesis :
𝐻0 : variabel random X berdistribusi normal N(3,1)
𝐻1 : variabel random X tidak berdistribusi normal N(3,1)
Tingkat signifikansi = 5%
Datanya jangan lupa diurutkan terlebih dahulu
Penyelesaian :
Hipotesis :
𝐻0 : frekuensinya sama semua /fA = fB = fC = fD = fE = fF = fG
𝐻1 : minimal ada 1 frekuensi yang berbeda
Tingkat signifikansi = 0,05
A B C D E F G
f 0 1 2 3 5 2 1
Fo(X) 1/7 2/7 3/7 4/7 5/7 6/7 1
SN(X) 0 1/14 3/14 6/14 11/14 13/14 1
D 0.14 0.21 0.21 0.14 0.07 o.07 0