METODE

STATISTIKA NON PARAMETRIK

UJI DUA SAMPEL

BEBAS
(INDEPENDENT)
UJI DUA SAMPEL BEBAS ( INDEPENDENT )

• UJI RUN WALD-WOLFOWITZ

• UJI U_MANN-WHITNEY
• UJI MEDIAN
Uji 
2
•
• UJI EKSAK FISHER
Uji Run Wald-Wolfowitz
 Uji ini dimaksudkan untuk memeriksa keidentikan dari
populasi-populasi asal dimana kedua sampel diambil.
 Asumsi :
 Data merupakan sampel acak yang berasal dari populasi I
dan populasi II dengan :
 Sampel 1 : X 1 , X 2 , X 3 ,  , X n1
 Sampel 2 : Y1 , Y2 , Y3 ,  , Yn 2
 Kedua sampel saling bebas
 Variabel yang diamati adalah kontinyu
 Perumusan Hipotesis :
H0 : Nilai-nilai X dan Y berasal dari populasi-populasi dengan
distribusi yang identik
H1 : Populasi asal X dan Y tidak berdistribusi secara identik
STATISTIK UJI :
r = banyak rangkaian yang terjadi dari gabungan dua sampel secara
terurut
Catatan :
jika ada beberapa angka sama antara x dan y maka dibuat beberapa
susunan rangkaian yang berbeda sehingga diperoleh
r’ = banyak rangkaian terkecil dan r” = banyak rangkaian terbesar
statistik uji menjadi r ' r"
r
2
Daerah Kritis : Tolak Ho jika r < r n1,n2
r n1,n2 diperoleh dari tabel harga-harga kritis untuk r
dalam uji rangkaian/keacakan
Aproksimasi sampel besar statistik uji
menjadi :
 2n1 n 2 
r    1
 n1  n 2 
Z
2n1 n 2 (2n1 n 2  n1  n 2 )
(n1  n 2 ) 2 (n1  n 2  1)

 Tolak Ho jika Z  Z 1

2
UJI U_MANN-WHITNEY

ASUMSI – ASUMSI :
• Data merupakan sampel acak masing-masing dari dua populasi ;
populasi 1 dengan pengamatan X1,X2,..........,Xn1
populasi 2 dengan pengamatan Y1,Y2,..........,Yn1
• Kedua sampel independen
• Variabel pengamatan adalah variabel acak kontinyu
• Skala pengukuran minimal ordinal
• Fungsi distribusi kedua populasi hanya berbeda dalam hal
PARAMETER lokasi
Perumusan Hipotesis :

A. Uji Dua Sisi

Ho : Kedua populasi yang diamati memiliki distribusi yang identik
H1 : Kedua populasi yang diamati berbeda dalam hal lokasi
B. Satu Sisi (Arah Kiri)
Ho : Kedua populasi yang diamati memiliki distribusi yang identik
H1 : Nilai-nilai X cenderung lebih kecil daripada nilai Y
C. Satu Sisi (Arah Kanan)
Ho : Kedua populasi yang diamati memiliki distribusi yang identik
H1 : Nilai-nilai X cenderung lebih besar daripada nilai Y
 Statistik Uji :
n1 (n1  1)
T S
2
S = jumlah peringkat dari sampel populasi 1

DAERAH PENOLAKAN :
A. Dua Sisi
Tolak Ho jika T < W α/2 atau T > W 1- α/2
W α/2 dari tabel kuantil-kuantil statistik uji mann-whitney W 1- α/2 = n1n2 - W α/2
B. Satu Sisi (Arah Kiri )
Tolak Ho jika T < Wα
C. Satu Sisi (Arah Kanan)
Tolak Ho jika T > W 1- α
CATATAN :
Cara menentukan peringkat adalah dengan menggabungkan data kedua sampel, diurutkan
baru dilakukan perinhkat. Kemudian peringkat tersebut disesuaikan lagi ke masing-masing
sampel. Hanya peringkat pada sampel 1 saja yang dijumlahkan.
APROKSIMASI SAMPEL BESAR :
 Bila n1 atau n2 > 20 maka diterapkan :
n1 n 2
T
Z 2
n1 n 2 (n1  n 2 )( n1  n 2  1)

 Bila ada angka-angka sama dalam kelompok yang berbeda, dilakukan

koreksi dengan :
n1n2  t   t 
3

12n1  n2 n1  n2  1

dengan t : banyaknya angka sama untuk satu peringkat, sehingga bentuk aproksimasi
menjadi :
T   n1n2 
Z  2

 

n1n2 (n1  n2  1)   n1n2  t 3   t   
  12n1  n2 n1  n2  1 
 2   

DAERAH PENOLAKAN :
A. Dua Sisi,
tolak Ho jika Z < Z α/2 atau Z > Z 1-α/2
B. Satu Sisi (arah kiri)
tolak Ho jika Z < Zα
C. Satu Sisi (arah kanan)
tolak Ho jika Z > Z 1- α

CATATAN :
Cara menentukan peringkat adalah dengan menggabungkan data
kedua sampel, diurutkan baru dilakukan perinhkat. Kemudian
peringkat tersebut disesuaikan lagi ke masing-masing sampel.
Hanya peringkat pada sampel 1 saja yang dijumlahkan.
CONTOH :
Berikut data PRS (Prognostive Rating Scale) sebelum terapi untuk subyek-
subyek yang telah pulih dan setelah pulih.

Subyek Telah Pulih Subyek Belum Pulih

ke Skor (X) ke Skor (Y)
apakah dapat disimpulkan bahwa
1 11.9 1 6.6 kedua populasi yang diwakili berbeda
2 11.7 2 5.8 dalan hal lokasi ?
3 9.5 3 5.4
4 9.4 4 5.1
5 8.7 5 5
6 8.2 6 4.3
7 7.7 7 3.9
8 7.4 8 3.3
9 7.4 9 2.4
10 7.1 10 1.7
11 6.9
12 6.8
13 6.3
14 5
15 4.2
16 4.1
17 2.2
 PENYELESAIAN :

Ho: Kedua populasi yang diamati memiliki distribusi yang identik

H1 : Kedua populasi yang diamati berbeda dalam hal lokasi

Statistik Uji : n1 ( n1  1) 17(17  1)

T S S
2 2

Tolak Ho jika T < W α/2 atau T > W 1- α/2

Untuk α = 0.05 n1 = 17 n2 = 10
Dengan W α/2 = 46 , W 1- α/2 = n1n2 -W α/2 = (17)(10) – 46 = 124
Perhitungan :
data disusun atau diurutkan dibuat peringkat
Skor X Peringkat Skor Y Peringkat Skor X Peringkat Skor Y Peringkat
1.7 1 6.6 15
2.2 2 6.8 16
2.4 3 6.9 17
3.3 4 7.1 18
3.9 5 7.4 19
4.1 6 7.4 20
4.2 7 7.7 21
4.3 8 8.2 22
5 9.5 8.7 23
5 9.5 9.4 24
5.1 11 9.5 25
5.4 12 11.7 26
5.8 13 11.9 27
6.3 14 Jumlah 296.5 = S
Maka statistik uji
n1 (n1  1) 17(17  1)
T S  296,5   143,5
2 2

Keputusan : Ternyata T = 143.5 > W 1- α/2 berarti tolak Ho dan

dapat disimpulkan kedua parameter lokasi berbeda
pada α = 0.05.
 UJI MEDIAN untuk dua sampel merupakan uji untuk dua sampel independen yang
paling sederhana.

ASUMSI-ASUMSI YANG HARUS DIPENUHI :

Kedua sampel diambil secara acak dari dua populasi independen
 Sampel I dengan pengamatan X1,X2,.....,Xn

 Sampel II dengan pengamatan Y1,Y2,....,Yn

 Variabel pengamatan keduanya adalah kontinyu

 Skala pengukuran minimal ordinal

 Bila median kedua populasi adalah sama maka peluang p (banyaknya pengamtan diatas
median gabungan (grand median)) adalah sama untuk keduanya
 Kelompok I Kelompok II Jumlah

Diatas median A B A+B

Dibawah median C D C+D

Jumlah n1 = A+C n2 = B+D n=n1+n2

A = banyaknya pengamatan diatas nilai median gabungan (grand median) dari kel I
B = banyaknya pengamatan diatas nilai median gabungan (grand median) dari kel II
C = banyaknya pengamatan dibawah nilai median gabungan (grand median) dari kel I
D = banyaknya pengamatan dibawah nilai median gabungan (grand median) dari kel II
n = banyak pengamatan keseluruhan
Ho : kedua populasi identik
H1 : Kedua populasi tidak identik
atau
H1 : nilai – nilai X cenderung lebih besar daripada nilai Y
atau
nilai – nilai X cenderung lebih kecil daripada nilai Y
STATISTIK UJI :
Statistik Uji yang digunakan dengan menggunakan aproksimasi (n ≥ 10)

( A / n1 )  ( B / n2 ) ( A  B)
T dengan pˆ 
pˆ (1  pˆ )( n1  n2 )
1 1 N
Tolak Ho jika T > Z1-α/2 atau T < Z1-α

CATATAN :
Jika jumlah pengamatan kecil maka dapat dilakukan
pengambilan kesimpulan dengan melihat perbedaan
antara proporsi hasil amatan diatas dan dibawah median
sangat jauh berbeda dari yang diharapkan dengan Ho,
maka Ho ditolak.
 2

  2
Uji untuk dua sampel dimaksudkan untuk
memeriksa homogenitas (keserupaan) dari populasi-
populasi asal kedua sampel itu diambil.
Asumsi :
 Sampel-sampel yang diamati merupakan sampel acak
yang diambil dari populasi I dan populasi II
 Kedua sampel saling bebas
 Masing-masing subyek dalam populasi dapat
diklasifikasikan kedalam salah satu dari 2 karakteristik
dan tidak tumpang tindih
 Adanya karakteristik yang diamati
Sampel Jumlah
Ya Tidak
1 A B A+B
2 C D C+D
Jumlah A+C B+D n

Perumusan Hipotesis :
H0 : Populasi-populasi asal sampel homogen
H1 : Populasi-populasi asal sampel tidak homogen
n( AD  BC ) 2
Statistik Uji :  
2
( A  C )( B  D)(C  D)( A  B)

Daerah kritis : tolak Ho jika  2   2 , 1

Suatu penelitian terhadap 2 kelompok bayi melaporkan ada tidaknya
respiratory distress syndrome (RDS).
Kel 1 tdd 42 bayi yang ketubannya pecah dalam waktu < 24 jam sebelum
kelahiran,
kel 2 tdd 22 bayi yang ketubannya pecah dalam waktu > 24 jam sebelum
kelahiran.
Ingin diketahui apakah RDS pada kedua kelompok itu homogen ?

RDS
Kelompok Jumlah
Ya Tidak
1 27 15 42
2 7 15 22
Jumlah 34 30 64
Perumusan Hipotesis
H0 : Populasi-populasi asal sampel dua kelompok bayi homogen
H1 : Populasi-populasi asal sampel dua kelompok bayi tidak homogen
Statistik uji
n( AD  BC ) 2 64[(27)(15)  (15)(7)]2
 
2
  6,112
( A  C )( B  D)(C  D)( A  B) (34)(30)(22)(42)

Untuk   0,05 maka 2 ,1  3,841 berarti  2  2 ,1

Sehingga dapat disimpulkan bahwa kedua populasi asal sampel bayi diambil
tidak homogen
Uji ini digunakan untuk mengetahui apakah dua kelompok yang
diamati memiliki proporsi berbeda (untuk suatu karakteristik
tertentu)
Uji ini untuk mengantisipasi sampel-sampel yang beitu kecil
sehingga uji tidak dapat digunakan.
ASUMSI
 Data sampel berasal dari populasi I dengan ukuran “A” dan
populasi II dengan ukuran “B”
 Kedua sampel saling bebas

 Tiap subyek hasil pengamatan dapat digolongkan kedalam

salah satu dari 2 karak-teristik yang diamati dan tidak saling
tumpang tindih
Sampel Dengan Bukan Jumlah
Karakteristik Karakteristik
1 a A-a A
2 b B-b B
Jumlah a+b (A + B) – (a+b) A+B

Untuk dapat menganalisis data maka data harus tersusun

sedemikian hingga memenuhi kedaan dimana A > B dan
karakteristik yang diamati
Uji dua sisi
H0 : P1 = P2
H1 : P1 ≠ P2
Uji Satu sisi
H0 : P1 < P2
H1 : P1 > P2
STATISTIK UJI
b = banyak subyek dengan karakteristik yang diamati dalam sampel 2
DAERAH PENOLAKAN
 Tolak Ho jika b < btab

 Tolak Ho dengan taraf nyata P = 2x nilai peluang pada tabel

(uji dua sisi )

 Tolak Ho dengan taraf nyata P = nilai peluang pada tabel

(uji satu sisi )


 Statistik Uji :

 DAERAH KRITIS
Tolak Ho apabila untuk uji 2 sisi

untuk uji 1 sisi

 Apabila a, b, A-a, dan B-b nilai > 5 maka uji

dapat digunakan.
Tabel . Data lokasi hunian kelompok sosial tertentu dan kesatuan pendapat
dalam pemilihan Pada suatu referendum tentang pendidikan.
Pola lokasi Kesatuan pendapat diantara
hunian anggota kelompok
kelompok sosial Jumlah
Rendah Tinggi
Tinggal 1 9 10
terpisah-pisah
Tinggal dalam 3 1 4
kelompok
Jumlah 4 10 14
Dari Tabel lokasi hunian tersebut tampak
bahwa : A > B = 10 > 4

Tetapi berarti Tabel harus

disesuaikan lagi sehingga memenuhi

persyaratan A > B dan
Pola lokasi hunian Kesatuan pendapat diantara anggota Jumlah
kelompok sosial kelompok

Tinggi Rendah

Tinggal terpisah-
pisah 9 1 10

Tinggal dalam
kelompok 1 3 4

Jumlah 10 4 14

A > B = 10 > 4 dan (persyaratan terpenuhi)

Sehingga berdasarkan data pada Tabel yang baru
ini , apakah dapat disimpulkan bahwa proporsi
kota-kota dengan kesatuan pendapat yang tinggi
diantara anggota kelompok dalam populasi kota-
kota dengan kelompok kelas sosial tinggal
terpisah-pisah lebih besar dibandingkan dalam
populasi kota-kota dengan kelompok kelas sosial
tinggal dalam kelompok ?
 Populasi 1 = populasi anggota kelompok dalam kota-kota dengan kelompok
kelas sosial tinggal terpisah
 Populasi 2 = populasi anggota kelompok dalam kota-kota dengan kelompok
kelas sosial tinggal dalam kelompok
PERUMUSAN HIPOTESIS :
 H0 :

 H1 :
STATISTIK UJI : b = 1
DAERAH KRITIS :
Dengan A = 10, B = 4 dan a = 9 dari Tabel A. 11 diperoleh btab = 1,
ternyata b = btab berarti tolak Ho, sehingga dapat disimpulkan bahwa
memang benar proporsi kota-kota dengan kesatuan pendapat yang
tinggi diantara anggota kelompok dalam populasi kota-kota dengan
kelompok kelas sosial tinggal terpisah lebih tinggi dibandingkan dalam
populasi kota-kota dengan kelompok kelas sosial tinggal dalam
kelompok. Dengan P= 0,05