NONPARAMETRIK
BUKU:
1. SIDNEY SIEGEL & JOHN CASTELLAN, JR.
NONPARAMETRIC STATISTICS FOR THE BEHAVIORAL
SCIENCES, SECOND EDITION, MCGRAW-HILL
INTERNATIONAL EDITIONS 1988.
2. RONALD M. WEIERS, INTRODUCTION TO BUSINESS
STATISTICS, THIRD EDITION, INTERNATIONAL
THOMPSON PUBLISHING, 1998.
3. W.J. CONOVER, PRACTICAL NONPARAMETRIC
STATISTICS, THIRD EDITION, JOHN WILEY & SONS,
INC. 1999.
15 Desember 2004
STATISTIKA DESKRIPTIF
Menjelaskan atau menggambarkan berbagai
karakteristik data.
Seperti bagaimana rata-rata, dispersi, nilai max,
nilai min dsb.
15 Desember 2004
STATISTIK INFERENS
Membuat berbagai inferensi terhadap
sekumpulan data yang berasal dari suatu
sampel. Tindakan inferensi tersebut seperti
melakukan perkiraan, peramalan, pengambilan
keputusan dsb.
Atau,
Perkiraan atau generalisasi tentang suatu
populasi berdasarkan informasi yang
terkandung dari suatu sampel
15 Desember 2004
KONSEP DASAR
POPULASI:
Keseluruhan objek penelitian yang dibatasi oleh
kriteria tertentu. Misal, rata-rata IPK mahasiswa
unpar.
SAMPLING:
Proses pengambilan sebagian anggota populasi
SAMPEL:
Hasil pengambilan sampling
15 Desember 2004
KONSEP DASAR
PARAMETER:
Konstanta yang dihitung dengan rumus tertentu
dari populasi.
PENGUKURAN:
Proses kuantifikasi terhadap karakteristik yang
diamati berdasarkan aturan tertentu. Contoh:
menentukan upah A, B, C dinyatakan dengan
angka (Rp).
15 Desember 2004
PROSEDUR STATISTIK
15 Desember 2004
LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
1. Nyatakan Hipotesis Nol (H0)
Pada umumnya adalah suatu hipotesis tentang
tidak adanya perbedaan.
Diformulasikan untuk ditolak.
=, ,
15 Desember 2004
LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
Hipotesis Alternatif (H1)
Merupakan hipotesis penelitian dari si
pembuat eksperimen. , <, >
15 Desember 2004
Contoh
Berdasarkan suatu teori sosial tertentu, kita
membuat prediksi bahwa jumlah waktu untuk
membaca surat kabar dari kelompok A berbeda
dengan kelompok B.
Pernyataan tersebut merupakan hipotesis
penelitian.
Ho : A = B
H1 : A
15 Desember 2004
LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
2. Tingkat Signifikansi (Level of Significance)
Berkenaan dengan tingkat kesalahan dalam
pengujian hipotesis ()
15 Desember 2004
10
Dua kekeliruan
1. Tipe I : menolak hipotesis yang seharusnya
diterima ()
P(kesalahan tipe I) =
15 Desember 2004
11
LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
3. Pemilihan Tes Statistik
Dilakukan untuk menguji hipotesis
Yang harus diperhatikan:
- Model penelitian
- Asumsi-asumsi dasar
- Skala pengukuran data
15 Desember 2004
12
LANGKAH-LANGKAH
PENGUJIAN HIPOTESIS
4. Tentukan daerah penolakan (daerah kritis)
Daerah untuk menolak Ho pada tingkat
tertentu
5. Kesimpulan
Jika hasil tes menunjukkan pada daerah
penolakan,
maka tolak Ho.
15 Desember 2004
13
15 Desember 2004
14
15
15 Desember 2004
16
SKALA INTERVAL
15 Desember 2004
17
Skala Rasio
Mempunyai semua ciri Interval
Mempunyai nol yang mutlak
Contoh: Berat Badan mahasiswa (0 Kg berarti
tidak ada mahasiswa)
15 Desember 2004
18
Statistik Parametrik
15 Desember 2004
19
Statistik Nonparametrik
Tidak menetapkan syarat tentang parameter
populasi
Distribusi data bisa diabaikan
Skala pengukuran mulai dari Nominal
Bisa digunakan untuk sampel kecil (n = 6)
15 Desember 2004
20
UJI NORMALITAS
Melakukan pengujian apakah data berdistribusi
normal atau tidak.
H0 : Sampel berasal dari populasi yang
berdistribusi
normal
H1 : Sampel tidak berasal dari populasi yang
berdistribusi normal
15 Desember 2004
21
UJI NORMALITAS
Statistik Uji:
1. Jika n 30 maka digunakan Uji Liliefors
2. Jika n > 30 maka digunakan uji Chi Square
15 Desember 2004
22
Uji Lilliefors
Misalkan sampel dengan data:
23 27 33 40 48 48 57 59 62 68 69 70
telah diambil dari suatu populasi
Akan diuji apakah sampel ini berasal dari
distribusi normal atau bukan.
15 Desember 2004
23
Uji Lilliefors
1. Tentukan H0:
H0 : Sampel berasal dari populasi yang berdistribusi
normal
H1 : Sampel tidak berasal dari populasi yang
berdistribusi normal
2. Tentukan = 5%
15 Desember 2004
24
Uji Lilliefors
3. Hitung Rata-rata dan simpangan baku sampel
X
15 Desember 2004
604
50.33
12
i
n 1
3012.67
16.55
11
25
Uji Lilliefors
4. Hitung angka baku Z
Xi X
Zi
s
contoh
23 50.33
Z1
1.65
16.55
15 Desember 2004
26
Uji Lilliefors
5. Hitung F(Zi) = P(Z Zi)
0.5 - Ztabel
0.5 + Ztabel
15 Desember 2004
27
Uji Lilliefors
6. Hitung S(Zi)
15 Desember 2004
28
Uji Lilliefors
7. Hitung |F(Zi) S(Zi)|
15 Desember 2004
29
Uji Lilliefors
8. Ambil harga terbesar dari |F(Zi) S(Zi)| atau
disebut Lo
9. Kriteria Uji : Ho ditolak jika Lo L tabel
Lo = 0.12
Dengan =5% maka Ltabel = 0.242
Sehingga Ho tidak ditolak (Lo < Ltabel)
Kesimpulan : Populasi berdistribusi normal
15 Desember 2004
30
foi fei
i 1
fei
Fo = Nilai observasi
Fe = nilai harapan
i = jumlah kriteria
15 Desember 2004
31
Chi Square
Contoh:
Upah yang diterima oleh 300 pekerja (US$) yang dipilih
secara acak dari pekerja yang tinggal di suatu daerah
industri disajikan dalam tabel berikut apakah berdistribusi
normal atau tidak?
Upah
Jumlah pekerja
550 - <650
20
650 - <750
54
750 - <850
130
850 - <950
68
950 - <1050
28
Jumlah
300
15 Desember 2004
32
Chi Square
1. Tentukan H0:
H0 : Sampel berasal dari populasi yang berdistribusi
normal
H1 : Sampel tidak berasal dari populasi yang
berdistribusi normal
2. Tentukan = 5%
15 Desember 2004
33
Chi Square
3. Hitung Rata-rata dan simpangan baku
sampel
FX
X
F
F X
i
15 Desember 2004
i X
n 1
34
Chi Square
Upah
Fi
550 - <650
20
600 12000
650 - <750
54
700 37800
750 - <850
13
0
800 10400
0
850 - <950
68
900 61200
950 - <1050
28
100 28000
0
Jumlah
30
0
24300
0
15 Desember 2004
Xi
FiXi
FX
X
F
i
243000
300
810
35
Chi Square
Upah
Fi
Xi
Fi (Xix)2
550 - <650
20
600 882000
650 - <750
54
700 653400
750 - <850
13
0
800
850 - <950
68
900 550800
950 - <1050
28
100 101080
0
0
Jumlah
30
0
311000
0
15 Desember 2004
13000
F X
i
n 1
3110000
299
101.99
36
Chi Square
Upah
zi
550 - <650
-2.55
Xi
Zi
contoh
550 810
Z1
2.55
101.99
650 - <750
-1.57
750 - <850
-0.59
850 - <950
0.39
950 - <1050
1.37
1050
2.35
15 Desember 2004
37
Chi Square
Upah
Ztab
el
Luas
Luas*
Fe
(NxLuas)
550 - <650
.4946 .0054
2.55
.0528
15.84
650 - <750
.
1.57 4418
.
058
2
.2194
65.82
750 - <850
.
0.59 2224
.
277
6
.3741
112.23
.
.2630
1517 651
by Wawan Hermawan, 7
SE.,
78.90
Luas*
: 0.0582-0.0054=0.0528
850
- <950
0.39
.
15 Desember 2004
MT.
38
Chi Square
k
foi fei
i 1
15 Desember 2004
fei
8.74
39
Chi Square
Kriteria Uji : Ho ditolak jika Nilai Hitung > Nilai tabel
d.f = k- 1
40
CHAPTER 4
THE SINGLE-SAMPLE
CASE
15 Desember 2004
41
15 Desember 2004
42
43
15 Desember 2004
44
15 Desember 2004
45
Tes Binomial
Terbagi ke dalam dua kelompok (bagian)
(laki-laki & perempuan ; ya & tidak ; baik
& rusak)
Data Diskrit
Tesnya bertipe Goodness of Fit
Peluang kejadian sukses Populasi = P
Peluang kejadian gagal Populasi = Q = 1
P
Ho = hipotesisbynilai
adalah P
Wawanpopulasinya
Hermawan, SE.,
15 Desember 2004
MT.
46
Tes Binomial
n k nk
p Y k P Q
k
n
n!
k k! n k !
Jika P = 1/2
p Y k P Y N k
15 Desember 2004
47
15 Desember 2004
48
15 Desember 2004
50
16
Jumlah
18
51
15 Desember 2004
53
15 Desember 2004
MT.
54
X X NP
Z
NPQ
15 Desember 2004
55
X 0.5 NP
Z
NPQ
15 Desember 2004
56
15 Desember 2004
57
15 Desember 2004
58
1.59
600 0.5 0.5
NPQ
15 Desember 2004
59
15 Desember 2004
60
i 1
foi fei
fei
Fo = Nilai observasi
Fe = nilai harapan
i = jumlah kriteria
15 Desember 2004
61
MT.
62
15 Desember 2004
63
183
142
175
Est
166.7
166.7
166.7
15 Desember 2004
166.7
166.7
5.67
64
15 Desember 2004
65
15 Desember 2004
66
Jumlah
Fo
68
104
155
73
400
Fe
0.2x400
=80
2
i 1
15 Desember 2004
foi fei 2 68 84 2 .. 73 80 2
fei
84
80
5.93
67
15 Desember 2004
68
15 Desember 2004
69
15 Desember 2004
19
70
15 Desember 2004
71
Frek
Fo(x)
1/8
2/8
3/8
4/8
5/8
6/8
7/8
8/8
Sn(x)
1/19
6/19
8/19
13/19
15/19
16/19
19/19
.125
0.197
0.059
0.079
0.059
0.04
0.033
15 Desember 2004
19
72
15 Desember 2004
73
15 Desember 2004
74
75
Gunakan tabel F
Kriteria Penolakan Ho :
Jika r terletak di antara kedua harga kritis, Ho
diterima
Jika r sama atau lebih ekstrim dari satu di
antara harga kritis, Ho ditolak
15 Desember 2004
76
15 Desember 2004
77
78
Terima
Ho
r =12
Tolak Ho
Tabel
FII
79
15 Desember 2004
80
r = 10
15 Desember 2004
10
81
Terima
Ho
r =10
Tolak Ho
Tabel
FII=19
82
2mn 2mn N
N 2 N 1
2mn
1
N
r h
Z
15 Desember 2004
Gunakan tabel A
83
15 Desember 2004
84
2mn
2.40.30
1
1 35.29
N
70
2mn 2mn N
2.40.30 2.40.30 70
4.07
2
2
N N 1
70 70 1
15 Desember 2004
85
r h 40 0.5 35.29
Z
1.53
4.07
15 Desember 2004
86
CHAPTER 5
The Case of One Sample, Two
Measures or Paired Replicates
Kasus Dua-sampel yang
Berhubungan
15 Desember 2004
87
Sign Test
Uji Ranking-Bertanda Wilcoxon
15 Desember 2004
88
Ciri-ciri kasus
Ingin melihat dua perlakuan apakah sama atau
tidak.
Menguji subjek dengan pembanding dirinya
sendiri.
15 Desember 2004
89
15 Desember 2004
90
Sebelum
Sel A (+ -) dan D ( - +) menunjukkan
perubahan
A+D = jumlah total yang berubah
15 Desember 2004
91
foi fei
2
i 1
fei
A A D 2
A D 2
2
A D
A D
15 Desember 2004
D A D 2
A D 2
Dengan d.f = 1
by Wawan Hermawan, SE.,
MT.
92
A D 1
A D
15 Desember 2004
Dengan d.f. = 1
93
94
15 Desember 2004
95
Reagen
Carter
Carter
A = 13
B = 28
Reagen
15 Desember 2004
C = 27
D=7
96
A D 1
A D
13 7 1
13 7
25
20
1.25
97
Carter
Carter
A=3
(3+6)/2=4.5
Reagen < 5. Dengan k =3, maka
D dari
=6
tabel Didapat 0.254 karena uji dua sisi menjadi
0.508 >0.05 sehingga Ho tidak ditolak.
15 Desember 2004
98
Tes Tanda
Variabel yang diamati memiliki distribusi selisih
observasi (selisih X dengan Y apakah + atau -.
X skor sebelum perlakuan tertentu, dan Y skor
setelah perlakuan tertentu.
Sampel boleh dari populasi berlainan
Jika Ho tidak ditolak, diharapkan jumlah
pasangan tanda antara X>Y(-) akan sama
dengan X<Y (+).
Ho ditolak jika terdapat perbedaan tanda.
15 Desember 2004
99
Tes Tanda
P(X > Y) = P(X < Y) = 0.5
X : Penilaian atau skor di bawah suatu
kondisi (sebelum diberikan suatu
perlakuan)
Y : Penilaian atau skor di bawah suatu
kondisi lainnya (setelah diberikan suatu
perlakuan.
15 Desember 2004
100
Tes Tanda
Sampel Kecil
Jika N 35 mengacu pada distribusi binomial
dengan peluang terjadi tanda (-) = peluang
terjadinya tanda (+) atau p= q = 0.5
Dengan N adalah jumlah pasangan dan x jumlah
tanda terkecil.
Jika tidak terdapat tanda atau X-Y=0 maka
dicoret dari jumlah pasangan N.
15 Desember 2004
101
Tes Tanda
Contoh:
Sebuah penelitian ingin melihat bagaimana
proses keputusan dilakukan oleh pasangan
suami istri dalam membeli rumah. Tiap
pasangan yang diberi kuesioner akan diberi
tanda + bila suami lebih dominan dalam
memutuskan,
sedangkan
jika
istri
lebih
dominan, diberi tanda -. Jika suami istri
mempunyai persetujuan yang sama maka diberi
tanda 0.
15 Desember 2004
102
Tes Tanda
HIPOTESIS NOL
Ho : Suami dan Istri setuju akan tingkat
pengaruh masing-masing terhadap pengambilan
keputusan membeli rumah
H1 : Suami merasa harus lebih besar
pengaruhnya dalam pengambilan keputusan
membeli rumah.
STATISTK UJI
Uji Tanda
LEVEL SIGNIFIKAN
=5%
15 Desember 2004
103
Pasangan
Skor Pengaruh
Tanda
Suami
Istri
15 Desember 2004
104
Tes Tanda
+ = 11
-=3
0=4
N = 14
105
Tes Tanda
Sampel Besar
Jika N > 35
Rata-rata = = Np = N/2
Varians = 2 = Npq = N/4
x x N 2 2x N
Z
0.5 N
N
x 0.5 N 2 2 x 1 N
0.5 N
N
15 Desember 2004
106
Tes Tanda
Misalnya seorang peneliti ingin mengetahui
dampak dari sebuah film tentang kenakalan
remaja yang menceritakan hukuman terhadap
Juvenile, akan mengubah pendapat masyarakat
tertentu mengenai seberapa berat kenakalan
remaja harus mendapat hukuman. Diambil 100
orang dewasa dan ditanya apakah hukuman
terhadap remaja harus diperberat atau diperingan
dari yang sudah dijalani. Kemudian dipertontonkan
film tersebut, setelah selesai pertanyaan diulang
terhadap mereka.
15 Desember 2004
107
Tes Tanda
Ho : Film tersebut tidak mempunyai efek yang
sistematik terhadap sikap seseorang {P(+) = p(-)}
H1 : Film tersebut mempunyai efek yang sistematik
terhadap sikap seseorang {P(+) p(-)}
Judged Attitude
Number
Peningkatan hukuman
26
Pengurangan
hukuman
59
Tidak berubah
15
15 Desember 2004
108
Tes Tanda
Statistik Uji
Adalah uji Tanda karena skalanya ordinal dan
perbedaannya bisa diperlihatkan dengan tanda +
dan
LEVEL SIGNIFIKAN
2 x 1 N 2 59 1 85
Z
3.47
N
85
15 Desember 2004
109
Tes Tanda
Z = 3.47
15 Desember 2004
110
Uji Ranking-Bertanda
Wilcoxon untuk Data
Data
ordinal
Berpasangan
Data kuantitatif bisa berbentuk skor (bisa dibuat
ranking)
Seperti uji tanda, tetapi dengan
mempertimbangkan besar relatif perbedaannya.
Ada kriteria lebih besar dari
15 Desember 2004
111
Uji Ranking-Bertanda
Wilcoxon untuk Data
Metode:
Ho : P(A) = P(B)
Berpasangan
H1 : P(A) ; < ; > P(B)
: taraf signifikansi
- di adalah selisih skor tiap pasangan
- di dibuat ranking Ascending tanpa
memperdulikan
tanda
- Buat tanda untuk tiap ranking
- d = 0 dikeluarkan dari analisis
- T+ adalah jumlah ranking +
by Wawan Hermawan, SE.,
- T adalah
jumlah ranking
15 Desember
2004
MT.
112
Uji Ranking-Bertanda
Wilcoxon untuk Data
Contoh:
Berpasangan
Ingin
diketahui
bagaimana
perkembangan
persepsi konsumen terhadap kualitas dari suatu
jenis produk manufaktur setelah dilakukan
perombakan sistem manajemennya, dimana
diharapkan akan meningkatkan image positif
terhadap produk tersebut. Diambil sekelompok
sampel kemudian ditanya pendapat kepuasan
dia terhadap barang tersebut sebelum dan
setelah perubahan tersebut. Hasilnya dibuat
dalam bentuk skor
sebagai berikut:
by Wawan Hermawan, SE.,
15 Desember 2004
MT.
113
Uji Ranking-Bertanda
Wilcoxon untuk Data
Pasangan
Skor
Skor
d
Ranking
Berpasangan
sebelum
Sesudah
d
A
82
63
-19
69
42
-27
73
74
43
37
-6
58
51
-7
56
52
-4
3.5
76
80
3.5
85
82
-3
50
50
15 Desember 2004
T+
3.5
T+ = 4.5
114
Uji Ranking-Bertanda
Wilcoxon untuk Data
Jika Berpasangan
A adalah kepuasan berkurang dan B kepuasan
bertambah
Ho : P(A) = P(B)
H1 : P(A) P(B)
T+ = 4.5 ~ 5 Dari Tabel H dengan N = 8 didapat
0.5273
Maka 0.5273 > 0.05 Ho tidak ditolak
Kepuasan Konsumen terhadap barang tersebut tidak
berbeda setelah perombakan manajemen.
15 Desember 2004
115
Uji Ranking-Bertanda
Wilcoxon untuk Data
Sampel
Besar
Berpasangan
N N 1
N N 1 2 N 1
24
T T
Z
T
15 Desember 2004
116
Uji Ranking-Bertanda
Wilcoxon untuk Data
Misalkan
X adalah output/jam sebelum ada
Berpasangan
X<Y+
117
91
88
di
Rd
Uji Ranking-Bertanda
Wilcoxon untuk Data
Berpasangan
83
70
64
85
70
86
91
72
80
80
82
75
78
79
81
92
75
77
87
69
83
70
81
94
76
80
83
79
71
81
76
85
87
93
-3
-6
17
-5
-3
-4
-3
-5
18
4.
5
14
15
12
12
4.
5
4.
5
4.
5
4.
5
4.
5
12
16
T+ = 74.5 N = 16
1616 1
68
4
15 Desember 2004
1616 1 2(16) 1
19.34
24
T T 74.5 68
Z
0.34
T
19.34
by Wawan Hermawan, SE.,
MT.
118
Uji Ranking-Bertanda
Wilcoxon untuk Data
Ho Berpasangan
: P(+) P(-)
119
CHAPTER 6
TWO INDEPENDENT SAMPLES
(DUA SAMPEL INDEPENDEN)
15 Desember 2004
120
TWO INDEPENDENT
SAMPLES
15 Desember 2004
121
15 Desember 2004
122
MT.
123
II
Gabungan
A+B
C+D
Total
A+C
B+D
15 Desember 2004
124
A B !. C D !. A C ! B D !
p
N !.A!.B!.C!.D!
15 Desember 2004
125
126
RS B
2
Kg
>
2Kg
13
Total
10
18
15 Desember 2004
127
15 Desember 2004
128
RS B
2
Kg
>
2Kg
13
Total
10
18
15 Desember 2004
129
15 Desember 2004
130
131
15 Desember 2004
132
N AD BC N 2
A B C D A C B D
i 1
15 Desember 2004
foi fei
fei
133
134
Tall
14
6
22
9
12
Totals
43
Totals
36
15
32
52
44
95
Expected values
Short
Totals
Follower
(36)(43)/95
(36)(52)/95
=16.3
=19.7
36
Unclassifiable
(15)(43)/95
(15)(52)/95
=6.8
=8.2
15
Leader
(44)(43)/95
(44)(52)/95
=19.9
=24.1
44
Totals
43
52
95
15 Desember 2004
Tall
135
Chi-Square Tests of
Independence
I. Hypotheses:
H0:
adalah
H1:
adalah
1
=
2
15 Desember 2004
MT.
136
Chi-Square Tests of
Independence
An Example, Researchers in a California
community have asked a sample of 175 automobile
owners to select their favorite from three popular
automotive magazines. Of the 111 import owners in
the sample, 54 selected Car and Driver, 25 selected
Motor Trend, and 32 selected Road & Track. Of the
64 domestic-make owners in the sample, 19 selected
Car and Driver, 22 selected Motor Trend, and 23
selected Road & Track.
At the 0.05 level, is
import/domestic ownership independent of magazine
preference? Based on the chi-square table, what is
the most accurate statement that can be made
by the
Wawantest?
Hermawan, SE.,
about the p-Value for
15 Desember 2004
MT.
137
Chi-Square Tests of
Independence
First, arrange the data in a table.
Car and
Driver (1)
Import (Imp)
111
Domestic (Dom)
Totals
175
19
73
Motor
Road &
Trend (2)
Track (3)
54
25
32
22
47
Totals
23
64
55
138
Import (Imp)
Domestic (Dom)
64
Totals
Car and
Driver (1)
54
73
Motor
Road &
Trend (2)
Track (3)
25
32
19
22
23
47
55
Totals
111
175
Expected values
Import (Imp)
Car and
Motor
Road &
Driver (1)
Trend (2)
Track (3)
Totals
(111)(73)/175 (111)(47)/175
(111)(55)/175
111
=46.3029
=29.8114
=34.8857
Chi-Square Tests of
Independence
Car and
Motor
Road &
Driver (1)
Trend (2)
Track (3)
Import (Imp):
O54
25
32
E46.3029
29.8114
34.8857
2 contribution 1.2795
0.7765
0.2387
Domestic (Dom) :
19
22
23
26.6971
17.1886
20.1143
2.2192
1.3468
2 contributions = 6.2747
15 Desember 2004
140
Chi-Square Tests of
Independence
I. Hypotheses:
H0:
H1:
independent.
Type of magazine and auto ownership are
not
independent.
141
Uji Median
Fungsi:
Untuk menguji apakah dua kelompok independen
berbeda dalam nilai tengahnya.
Skala Data Minimal Ordinal
Atau:
Apakah dua kelompok independen telah ditarik dari
suatu populasi yang mempunyai median sama.
Ho : Kelompok itu berasal dari populasi yang
bermedian
sama
H1 : Kelompok itu tidak
by Wawan
berasal
Hermawan, dari
SE.,
populasi yang
15 Desember 2004
MT.
142
bermedian sama
Uji Median
Metode:
1. Hitung Median gabungannya
2. Buat tabel 2 x 2 :
Group
I
II
Gabungan
> Med
A+B
Med
C+D
Total
N=m+
n
15 Desember 2004
143
Uji Median
Distribusi data akan mendekati distribusi
Hypergeometris. Oleh karena itu
diperhitungkan:
Jika N = m + n lebih besar dari 20, gunakan
Chi-kuadrat dengan koreksi kontinuitas
Jika N = m + n kurang dari atau sama dengan
20, gunakan Uji Eksak Fisher
15 Desember 2004
144
Uji Median
Jika score sama tepat dengan Median Gabungan,
maka ada dua alternatif yang bisa dipilih:
1. Kelompok itu dibagi dua menjadi score yang
melebihi median dan score yang kurang dari
median.
2. Jika M = m + n besar, dan jika sedikit kasus
saja yang jatuh tepat pada median
gabungan, kasus yang sedikit itu mungkin
digugurkan
dari
analisis.dipilih
Alternatif
pertama
biasanya
15 Desember 2004
145
Uji Median
Contoh:
Sampel acak dari nilai IPK 20 mahasiswa dan 20
mahasiswi adalah sebagai berikut:
Mahasiswa:
3.42 3.54
3.31 2.86
3.06 3.30
3.21
4.00
3.63
2.86
3.22
2.92
3.80
3.59
3.70
2.91
3.20
3.78
3.75
2.70
Mahasiswi:
3.50 4.00
3.76 3.87
3.72 3.91
3.43
2.93
3.85
4.00
3.84
3.37
3.21
3.72
3.58
4.00
3.94
3.06
3.46
3.92
146
Uji Median
Letak Median (N + 1) = (20 + 1) = 10.5
Data ke 10 adalah 3.30 (Mahasiswa) dan 3.72
(Mahasiswi)
Data ke 11 adalah 3.31 (Mahasiswa) dan 3.76
(Mahasiswi)
Median:
Mahasiswa 3.30 + (3.72 3.30) = 3.51
Mahasiswi 3.31 + (3.76 3.31) = 3.54
Median Gabungan:
Letak Median (N + 1) = (40 + 1) = 20.5
by Wawan
Hermawan,
SE., adalah 3.58
Data
ke
20
adalah
3.54
data
ke
21
15 Desember 2004
MT.
147
Uji Median
Group
Mahasiswa
> Med
Mahasiswi
12
18
(A)
Med
14
(B)
8
22
(C)
Total
Gabungan
(D)
20
20
N AD BC N 2
40 120 20
40
2
A B C D A C B D 18 22 20 20
15 Desember 2004
2.53
148
Uji Median
Ho : IPK Median Mahasiswa sama dengan IPK
Median
Mahasiswi
Ho : IPK Median Mahasiswa tidak sama dengan
IPK
Median Mahasiswi
Chi-kuadrat hitung = 2.53 dengan d.f. = 1
dengan =5% ada pada penerimaan Ho.
Maka IPK Median Mahasiswa sama dengan IPK
Median Mahasiswi
15 Desember 2004
149
Tes Mann-Whitney
Fungsi:
Untuk menguji apakah ada perbedaan dua
keadaan dalam skala ukur nominal dan ordinal
Spesifikasi:
- Skala ukur ordinal
- Data diurutkan
- Data bersifat kontinyu
15 Desember 2004
150
Tes Mann-Whitney
Ho : I = , , II
H1 : I ; < ; > II
Buat urutan dari kelompok I dan kelompok II dari
kecil ke besar, kemudian hitung:
R1 = jumlah urutan kelompok I
R2 = jumlah urutan kelompok II
15 Desember 2004
151
Tes Mann-Whitney
U = Nilai terkecil antara U1 dan U2
n1 = ukuran sampel kelompok I
n2 = ukuran sampel kelompok II
n1 n1 1
U1 n1n2
R1
2
n2 n2 1
U 2 n1n2
R2
2
15 Desember 2004
152
Tes Mann-Whitney
Kriteria Uji:
Gunakan pendekatan distribusi normal
n1n2
U
2
n1n2 n1 n2 1
U
12
U U
Z
U
15 Desember 2004
153
Tes Mann-Whitney
Jika ada angka yang sama (t):
n1n2
U
N N 1
N3 N
T
12
t t
T
12
3
N = n1 +n2 = m + n
Kriteria tolak Ho:
P (1 arah) atau P /2 (2 arah)
15 Desember 2004
154
Tes Wilcoxon-MannWhitney
Merupakan penyempurnaan dari uji ManWhitney
Ho : X = Y
H1 : X ; < ; > Y
Tentukan m dan r:
m
= ukuran sampel kelompok yang kecil
r
= ukuran sampel kelompok yang besar
Wx = Jumlah rank dari kelompok sampel yang
kecil
15 Desember 2004
155
Tes Wilcoxon-MannWhitney
Statistik Uji:
Wx 0.5 WX
Z
wx
WX
WX
m N 1
mn N 1
U
12
Kriteria Uji:
Tolak Ho jika P (1 arah) atau P /2 (2 arah)
15 Desember 2004
156
Contoh
Tes Wilcoxon-MannGuna
Whitney
meningkatkan devisa dari ekspor,
maka
Deperindag menerapkan subsidi untuk ekspor.
Deperindag berpendapat bahwa oleh karena
daya beli dan kebutuhan untuk produk tersebut
di negara maju lebih besar dari pada negara
berkembang
maka
rata-rata
pertambahan
volume ekspor (volume ekspor setelah subsidivolume ekspor sebelum subsidi) negara maju
akan
lebih
besar
dibandingkan
negara
berkembang. Apakah pendapat dari departemen
tersebut dapat terbukti?
15 Desember 2004
157
Contoh
Tes Wilcoxon-MannHoWhitney
: A B
(Volume Ekspor ke
maju
negara
=
volume ekspor ke negara berkembang
H1 : A > B
(Volume Ekspor ke negara
maju
>
volume ekspor ke negara berkembang
= 5%
15 Desember 2004
158
Contoh
Tes Wilcoxon-MannCara
Whitney
Mann-Whitney
M
-1
13
11
-5
35
11
-2
10
0
29
17
R1
Ri
6
17
15
2.5
21
15
4.5
13
7.5
20
18
139.5
15 Desember 2004
B
8
4
-2
0
-9
5
7
-5
11
22
R2
Ri
12
9
4.5
7.5
1
10
11
2.5
15
19
91.5
x
-5
-2
0
11
t
2
2
2
3
(t3 - t)/12
0.5
0.5
0.5
2
= 3.5
159
Contoh
Tes Wilcoxon-MannWhitney
n1n2
U
N N 1
N3 N
1110
T
21 21 1
12
213 21
3.5 14.1686
12
n1n2 11.10
U
55
2
2
15 Desember 2004
160
U1
Contoh
Tes Wilcoxon-Mannn n 1
1111 1
Whitney
nn
R (11)(10)
139.5 36.5
1 2
2
2
n2 n2 1
1010 1
U 2 n1n2
R2 (11)(10)
91.5 73.5
2
2
Maka diambil U yang terkecil
U U 36.5 55
Z
1.31
U
14.1686
MT.
161
Contoh
Tes Wilcoxon-MannCara Mann-Whitney-Wilcoxon
HoWhitney
: A B
(Volume Ekspor ke
maju
negara
=
volume ekspor ke negara berkembang
H1 : A > B
(Volume Ekspor ke negara
maju
>
volume ekspor ke negara berkembang
= 5%
m = 10 (negara berkembang)
n = 11 (negara maju)
15 Desember 2004
162
Contoh
Tes Wilcoxon-MannWx
= 91.5
Whitney
wx = 14.1686
m N 1 10 21 1
WX
110
2
2
1.27
wx
14.1686
P value = 0.1020 > 0.05 maka Ho tidak
ditolak
by Wawan Hermawan, SE.,
15 Desember 2004
MT.
163
Uji Kolmogorov-Smirnov
untuk dua sampel
Fungsi:
Untuk menguji apakah dua sampel independen
telah ditarik dari populasi yang sama atau dari
populasi-populasi yang berdistribusi sama.
Sejalan dengan uji satu sampel KolmogorovSmirnov, uji ini memperhatikan kesesuaian
antara dua distribusi kumulatif.
15 Desember 2004
164
Uji Kolmogorov-Smirnov
untuk dua sampel
Ho : Kedua sampel mempunyai distribusi yang
sama
H1 : Kedua sampel mempunyai distribusi yang
berbeda
Ho : P(I) = P(II)
H1 : P(I) ; < ; > P(II)
Susun masing-masing kelompok skor dalam
distribusi kumulatif dengan menggunakan
interval atau klasifikasi yang sama untuk kedua
distribusi
by Wawan Hermawan, SE.,
Tentukan
selisih antara kedua
distribusi kumulatif
15 Desember 2004
MT.
165
Uji Kolmogorov-Smirnov
untuk dua sampel
Uji Satu Arah:
Dm,n = Maks [Sm (x) Sn (x)]
Uji Dua Arah:
Dm,n = Maks |Sm (x) Sn (x)|
Sm(x) : Fungsi jenjang kumulatif observasi pada salah
satu sampel
k/m dengan k = banyaknya skor yang sama
atau kurang dari x
Sn(x) : Fungsi jenjang kumulatif observasi sampel lain
k/n
15 Desember 2004
166
Uji Kolmogorov-Smirnov
untuk dua sampel
Sampel Kecil:
Jika m dan n kurang dari atau sama dengan 25
gunakan tabel LI untuk uji satu arah dan tabel LII
untuk uji dua arah.
Contoh:
2 kelas masing-masing terdiri dari 12 mahasiswa,
kelas A diberi penerangan cara menggunakan sebuah
alat sehingga tidak terdapat kesalahan, sedangkan B
tidak diberi penerangan. Kemudian untuk kedua kelas
tersebut dicobakan alat tersebut dan dicatat
terjadinya kesalahan pertama dalam waktu (detik).
A: 2 7 14 25 16 5by 30
66 34 10 29 19
Wawan Hermawan, SE.,
Desember
167
B:1514
20 2004
27 43 51 21 6 MT.
9 35 17 49 60
Uji Kolmogorov-Smirnov
untuk dua sampel
Ho : Sebaran kedua kelompok sama
H1 : Sebaran kedua kelompok tidak sama
Kelas
FA
FB
Sm
Sn
2-11
4/12
2/12
2/12
12-21
7/12
6/12
1/12
22-31
10/12
7/12
3/12 *
32-41
11/12
8/12
3/12 *
42-51
11/12
11/12
52-61
11/12
1/12
62-71
15 Desember 2004
168
Uji Kolmogorov-Smirnov
untuk dua sampel
Uji Dua Arah:
Dm,n = Maks |Sm (x) Sn (x)|=3/12
Dm,n =3/12 mnDm,n=(12)(12)(3/12)=36
15 Desember 2004
169
Uji Kolmogorov-Smirnov
untuk dua sampel
Sampel Besar: Uji Dua Arah
Jika m dan n lebih besar dari 25 gunakan tabel LIII.
Cari Dm,n kemudian bandingkan dengan tabel.
Contoh di atas jika dirubah jumlah sampelnya:
m=55 dan n=60 dengan =5%, angka kritis
diperoleh (lihat tabel):
mn
55 60
1.36
1.36
0.254
55 60
mn
Maka Ho baru kita tolak jika Dm,n > 0.254 untuk
=5%,
15 Desember 2004
170
Uji Kolmogorov-Smirnov
untuk dua sampel
Sampel Besar: Uji Satu Arah
didekati oleh distribusi Chi-Kuadrat dengan
d.f.=2 :
4D
2
2
m,n
mn
mn
171
Uji Kolmogorov-Smirnov
untuk dua sampel
Kelas
FA
FB
Sm
Sn
2-11
15
15/60
6/60
9/60
12-21
18
12
33/60
18/60
15/60*
22-31
10
42/60
28/60
14/60
32-41
24
48/60
52/60
-4/60
42-51
55/60
56/60
-1/60
52-61
58/60
58/60
62-71
15 Desember 2004
172
Uji Kolmogorov-Smirnov
untuk dua sampel
4D
2
2
m,n
2 60 60
mn
4 15
7.5
60 60 60
mn
173
Chapter 7
Kasus k Sampel Berhubungan
The Case of k Related
Samples
15 Desember 2004
174
Konsep Dasar
Merupakan prosedur pengujian untuk 3 sampel
atau lebih yang berhubungan.
Menguji perbedaan-perbedaan dari k (3 atau
lebih) sampel yang berhubungan.
Data mempunyai skala nominal atau ordinal
15 Desember 2004
175
Tes Q Cochran
Fungsi:
Menguji perbedaan atas data dengan sampel 3 atau
lebih yang bersifat dikotomi
Skala Data: Minimal Nominal
Prosedur:
- Skor 1 untuk sukses dan 0 untuk gagal
- Tentukan Q
- Mendekati distribusi Chi-Kuadrat, maka Lihat tabel
C
dengan d.f. = k 1
15 Desember 2004
176
Tes Q Cochran
k k 1 G j G
k
j 1
i 1
i 1
k Li L2i
j 1
j 1
k 1 k G 2j G j
15 Desember 2004
i 1
i 1
k Li L2i
by Wawan Hermawan, SE.,
MT.
177
Tes Q Cochran
Contoh:
Ingin diteliti pengaruh keramahan seorang pewawancara
atas jawaban ibu rumah tangga dalam survey pendapat.
Kemudian
dilatih
pewawancara
dalam
tiga
tipe
mewawancarai, yaitu: perhatian, formal dan terburu-buru.
Sampel terdiri dari tiga kelompok yang masing-masing
terdiri dari 18 ibu rumah tangga, yang mana 3 ibu rumah
tangga dipasangkan berdasarkan kriteria tertentu dan
diwawancara masing-masing kelompok untuk jenis
wawancara tertentu.
Apakah ada perbedaan dalam menjawab wawancara
(Jawaban Ya dan Tidak) untuk masing-masing tipe
wawancara?
15 Desember 2004
178
Tes Q Cochran
Hipotesis Nol:
Ho : p (jawaban Ya) = p (jawaban Tidak)
untuk ke-3 jenis wawancara
H1 : p (jawaban Ya) p (jawaban Tidak)
untuk ke-3 jenis wawancara
Tes Statistik:
dipilih Q Cochran karena:
- terdiri dari 3 data berhubungan
- dikotomi data (Ya dan Tidak)
Tingkat Signifikansi:
= 5%
15 Desember 2004
179
Set
Respon thd
wawancara 1
Respon thd
wawancara 2
Respon thd
wawancara 3
L2
10
11
12
13
14
15
16
17
18
G1= 13
G2 = 13
G3 = 3
29
63
15 Desember 2004
180
Tes Q Cochran
Q
j 1
j 1
k 1 k G 2j G j
i 1
i 1
k Li L2i
3 1 3132 132 32 29 2
3 29 63
16.7
15 Desember 2004
181
Tes Q Cochran
Dengan Q = 16.7 dan d.f.=3-1=2 dari tabel C
didapat p-value = 0.001, sehingga Ho ditolak.
Kesimpulan:
Kemungkinan jawaban Ya berbeda untuk
wawancara 1, wawancara 2 dan wawancara 3.
15 Desember 2004
182
Tes Q Cochran
Empat orang peramal saham masing-masing
diminta agar meramalkan 10 hari yang terpilih
secara acak. Apakah 100 indeks saham akan naik
atau turun pada hari berikutnya. Jika ramalannya
tepat diberi skor satu dan nol jika salah. Apakah
skor di bawah ini menunjukkan perbedaan
kemampuan meramal secara tepat?
Peramal : Hari 1 2 3 4 5 6 7 8
10
Peramal 1
1
0 0 1
1 1 1 0
1
by Wawan Hermawan, SE.,
Peramal
2
1
1 1 MT.1
0 1 1 0
15 Desember 2004
9
1
0 183
Tes Q Cochran
Hipotesis Nol:
Ho : p (1) = p (0)
untuk ke-10 hari
H1 : p (1) p (0)
untuk ke-10 hari
Tes Statistik:
dipilih Q Cochran karena:
- terdiri dari 10 data berhubungan
- dikotomi data (Ya dan Tidak)
Tingkat Signifikansi:
= 5%
15 Desember 2004
184
Hari
Peramal
1
Peramal
2
Peramal
3
Peramal
4
Gi
10
27
L2
49
36
64
36
185
15 Desember 2004
185
Tes Q Cochran
k 1 k G
Q
j1
2
j
i 1
i 1
G
j1
k L i L2i
10
1
10
85
27
10 27 185
12.81
15 Desember 2004
186
Tes Q Cochran
Dengan Q = 12.81 dan d.f.=10 1 = 9 dari tabel
C, dengan = 5% didapat 16.92 sehingga Ho
tidak ditolak.
Kesimpulan:
Kemampuan meramal secara tepat sama untuk
tiap peramal.
15 Desember 2004
187
15 Desember 2004
MT.
188
12
R 3 N k 1
Nk k 1
k
j 1
2
j
12 R 3 N k k 1
j 1
2
j
Nk T
Nk k 1
k 1
T tij
189
12 (3)
14 (4)
6 (1)
9 (2)
20 (4)
15 (2)
16 (3)
4 (1)
23 (4)
10 (1)
16 (2)
18 (3)
10 (1)
19 (2.5)
20 (4)
19 (2.5)
17 (1)
22 (2)
23 (3.5)
23 (3.5)
18 (4)
9 (2)
5 (1)
14 (3)
R1 = 17
R2 = 13.5
R3 = 14.5
R4 = 15
15 Desember 2004
191
12 R 2j 3 N 2 k k 1
j 1
Nk T
k 1
2
2
2
2
2
2
12 17 13.5 14.5 15 3 6 4 5
6 4 36
6 4 5
4 1
0.67
3
T tij rk ties t 3
Nk k 1
6 4 4 23 23 36
15 Desember 2004
192
15 Desember 2004
193
15 Desember 2004
194
CHAPTER 8
KASUS K SAMPEL
INDEPENDEN
15 Desember 2004
195
fo
fei
fei
Metode:
k
- Susun
2 dalam tabelik x r.
i 1
15 Desember 2004
2
d.f = (k-1)(r-1)
196
197
Contoh:
TES 2 untuk k Independen
Sampel
Contoh:
Dalam suatu penelitian penyelidikan mengenai
sifat dan akibat stratifikasi sosial dalam suatu
masyarakat kecil di Barat Tengah Amerika Serikat.
Hollingshead menemukan bahwa anggota-anggota
masyarakat itu membagi mereka ke dalam lima
kelas sosial: I, II, III, IV dan V. Ramalannya adalah
para remaja dalam kelas-kelas sosial yang
berlainan (Persiapan PT, Umum dan Perdagangan)
akan mencatatkan diri dalam mengikuti kurikulumkurikulum yang berbeda di sekolah menengah
by Wawan Hermawan, SE.,
atas Elmtown,
15 Desember 2004
MT.
198
Contoh:
TES 2 untuk k Independen
Sampel
199
Contoh:
TES 2 untuk k Independen
Sampel
Kelas
Kurikulum
Persiapan
PT
I & II
23
III
40
11
30.3
75
18.6
Perdagang
an
2
38.0
107
77.5
31
5.4
14
97.1
60
13.8
207
10
102
9.1
Total
16
V
81
7.3
Umum
IV
Total
35
15 Desember 2004
38.2
146
47.9
183
6.8
26
390
200
Contoh:
TES 2 untuk k Independen
Sampel
2 hitung = 69.2
201
Contoh:
Perluasan Tes Median
Misalkan seorang peneliti bidang pendidikan
ingin mempelajari pengaruh banyak pendidikan
yang diperoleh terhadap tingkat minat ibu dalam
hal sekolah anaknya. Peneliti itu mengambil
tingkat sekolah tertinggi yang ditamatkan oleh
seorang ibu sebagai indeks banyak pendidikan
yang diperolehnya. Sedangkan, sebagai indeks
minat dan perhatian terhadap sekolah anaknya
digunakan jumlah kunjungan suka rela setiap ibu
ke sekolah selama satu tahun ajaran.
Hipotesis peneliti adalah banyak kunjungan ibu
akan bervariasi menurut
banyak tahun yang
by Wawan Hermawan, SE.,
15 Desemberibu-ibu
2004
203
dilewati
itu untukMT.
bersekolah.
Contoh:
Perluasan Tes Median
Hipotesis Nol:
Ho : Tidak ada perbedaan dalam frekuensi
kunjungan ke
sekolah diantara para ibu yang berlainan
tingkat
pendidikan yang mereka terima,
atau:
Frekuensi tingkat kunjungan ibu ke sekolah
adalah
independen terhadap tingkat pendidikan yang
diperoleh si ibu
by Wawan Hermawan, SE.,
MT.
H115:Desember
Frekuensi
2004 kunjungan ke sekolah oleh ibu
204
Contoh:
Perluasan Tes Median
Tes Statistik:
- Kelompok ibu yang berpendidikan tertentu
saling
independen.
- Jumlah pendidikan sekolah paling tinggi
merupakan
skala ordinal.
- Maka digunakan tes median untuk melihat
perbedaan
dalam nilai tengah.
= 0.05
15 Desember 2004
205
SLTP
SLTA
AKADE
MI
S1
S2 & S3
6
5
15 Desember 2004
206
SLTP
SLTA
> Med
5
5
4
5.5
Medi
5
5
TOTAL
10
15 Desember 2004
AKAD
EMI
S1
S2 &
S3
TOTAL
7
6.5
3
2
2
2
1
1
22
7
5.5
6
6.5
1
2
2
2
1
1
22
11
13
44
207
SLTP
SLTA
> Med
5
5
4
5.5
Medi
5
5
TOTAL
10
15 Desember 2004
Perguruan
Tinggi
TOTAL
7
6.5
6
5
22
7
5.5
6
6.5
4
5
22
11
13
10
44
208
Contoh:
Perluasan Tes Median
2 hitung = 1.295
d.f. = ( k 1) = 4 1= 3
= 5% 2 tabel = 7.82
(2 hitung = 1.295) < (2 tabel = 7.82) Ho tidak
ditolak
Maka:
Frekuensi tingkat kunjungan ibu ke sekolah adalah
independen terhadap tingkat pendidikan yang
diperoleh si ibu
15 Desember 2004
209
MT.
210
12
2
KW
n j R j 3 N 1
N N 1 j 1
(8.3)
k = banyak sampel
nj = banyak kasus dalam sampel ke-j
N = banyak kasus dalam semua sampel = nj
Rj = jumlah ranking pada sampel atau grup j
R j = (N+1)/2 Rata-rata ranking
15 Desember 2004
212
T 1
N3 N
12
2
n j R j 3 N 1
N N 1 j 1
KW
T
15 Desember 2004
(8.5)
213
214
MT.
215
Guru berorientasi
Administratif
Administratif
96
82
115
128
124
149
83
132
166
61
135
147
101
109
15 Desember 2004
216
Guru berorientasi
pengajaran
Guru berorientasi
Administratif
Administratif
13
10
14
11
12
R1=22
R j = 4.4
15 Desember 2004
R2=37
by R
Wawan
Hermawan, SE.,
j =7.4
MT.
R3=46
R j = 11.5
217
12
2
KW
n j R j 3 N 1
N N 1 j 1
12
2
2
2
314 1
6.4
15 Desember 2004
218
Maka:
Ketiga kelompok pendidik yang ditunjuk itu berbeda
dalam tingkat keotoriteran mereka.
15 Desember 2004
219
Chapter 9
Ukuran Korelasi dan Tes
Signifikannya
15 Desember 2004
220
Korelasi
Merupakan ukuran hubungan antar variabel
Angka korelasi 0 (tidak terdapat hubungan sama
sekali)
Angka korelasi 1 (terdapat hubungan negatif
sempurna)
Angka korelasi +1 (terdapat hubungan positif
sempurna)
Angka korelasi mendekati -1 atau +1 maka
hubungan kuat
15 Desember 2004
221
Koefisien Kontigensi: C
The Cramer Coefficient C
Fungsi:
- Ukuran kadar hubungan antara dua himpunan
atribut
- Skala pengukuran nominal
- Dipergunakan bila frekuensi tidak berurut
- data diskrit atau kontinyu
15 Desember 2004
222
Metode Cramer
Coefficient:
Aturlah frekuensi-frekuensi observasi dalam
suatu tabel kontigensi k x r
Hitung nilai Chi-kuadrat
Hitunglah nilai C
Uji signifikansinya dengan tabel C dan d.f.=(k-1)
(r-1)
15 Desember 2004
223
Rumus Cramer
C
2
N L 1
2 = Chi kuadrat
N = jumlah data
L = angka terkecil untuk jumlah baris atau
kolom
15 Desember 2004
224
MT.
225
MT.
226
I & II
23
III
40
11
75
V
2
38.0
107
77.5
31
5.4
14
97.1
60
13.8
207
10
102
9.1
Total
16
30.3
18.6
Perdagang
an
IV
81
7.3
Umum
Total
Kelas
35
15 Desember 2004
38.2
146
47.9
183
6.8
26
390
227
2
69.2
0.30
N L 1
390(3 1)
228
Kelemahan Asosiasi
Cramer
1. Asosiasi ini sama dengan nol bila tidak terdapat
hubungan sama sekali, namun tidak dapat
mencapai satu.
2. Batas-batas C tergantung k dan r
3. Keterbatasan pada aturan penggunaan Chikuadrat
4. C tidak dapat dibandingkan secara langsung
pada ukuran asosiasi manapun
15 Desember 2004
229
rs 1
6 d
i 1
3
2
i
N N
15 Desember 2004
rs 1
6 di2
i 1
2
N ( N 1)
230
rs
x y d
2 x y
2
Dimana:
3
N
N
2
x 12 Tx
t3 t
T
12
15 Desember 2004
N3 N
y 12 T y
2
t = Ranking
kembar
by Wawan Hermawan, SE.,
MT.
231
Menguji Signifikansi rs
Ho : = 0 tidak terdapat korelasi
H1 : 0 terdapat korelasi
Digunakan distribusi student dengan d.f.= N 2
rs N 2
1 r
2
s
15 Desember 2004
232
15 Desember 2004
233
15 Desember 2004
234
15 Desember 2004
235
6 d i2
6(14)
rs 1
1 3
0.833
N N
8 8
i 1
3
15 Desember 2004
236
8
2
2
2
2
8 8
2
2
x 12 0 y 12 12 12
42
41
rs
42 41 14
2
42 . 41
0 , 831
15 Desember 2004
2
2
2
x
2
2
x
y
3
N
N
2
x
Tx
12
t3 t
N3 N
12
2
y
12
T y
237
rs N 2
1 r
2
s
1 0 , 83
3, 645
0.83 8 2
238
Fungsi:
Sama dengan Spearman dengan kelebihan bisa
dilakukan secara parsial
Metode:
- Beri ranking Variabel X dan Y dari 1 hingga N
- Susun ranking X secara wajar, yakni 1, 2, 3, , N
- Tentukan harga S
- Tentukan apakah ada ranking yang kembar atau
tidak
- Uji signifikansi dengan pendekatan distribusi
normal
15 Desember 2004
239
Rumus Koefisien
Korelasi Rank Kendall:
skor sebenarnya
2S
N N 1
2S
N N 1 TX
15 Desember 2004
N N 1 TY
T t t 1
240
Pengujian Koefisien
Korelasi Rank Kendall:
t
Z
T
2 2 N 5
T
9 N N 1
Simpangan Baku =
15 Desember 2004
241
Contoh Koefisien
Korelasi Rank Kendall:
10
15 Desember 2004
11 10
12
12
11
242
Contoh Koefisien
Korelasi Rank Kendall:
Urutkan ranking juri X secara wajar
Subje
k
10 11 12
10 11
12
S = (11 0) + (7 3) + (9 0) + (6 2) + (5 2) + (6
0)
+ (5 0) + (2 2) + (1 2) + (2 0) + (1 0) = 44
15 Desember 2004
243
Contoh Koefisien
Korelasi Rank Kendall:
2S
2(44)
0.67
N N 1 12(12 1)
Ho : p = 0
H1 : p 0
2 2 N 5
9 N N 1
0.67
3.03
2 212 5
91212 1
244
Contoh Koefisien
Korelasi Rank Kendall:
1.
5
1.
5
3.
5
3.
5
15 Desember 2004
11 10
12
10.
5
10. 12
5
245
Contoh Koefisien
Korelasi Rank Kendall:
Urutkan ranking juri X secara wajar
Subje
k
10 11
3.
5
3.
5
1.
5
1.
5
10.
5
12
J
12
10.
5
S = (8 2) + (8 2) + (8 0) + (8 0) + (1 5) + (3
3)
+ (2 3) + (4 0) + (0 3) + (1 1) + (1 0) = 25
15 Desember 2004
246
Contoh Koefisien
Korelasi Rank Kendall:
T t t 1 2(2 1) 2(2 1) 2(2 1) 6
Y
2S
N N 1 TX
N N 1 TY
2(25)
(12)(12 1) 0 (12)(12 1) 6
0.39
15 Desember 2004
247
xy. z
xy zy zx
1 1
2
zy
15 Desember 2004
zx
249
15 Desember 2004
250
251
xy.z
Ranking dari skor tiap variabel:
subjek
Produktivitas
X
A
B
C
D
E
F
G
H
I
J
K
L
3
4
2
1
8
11
10
6
7
12
5
9
15 Desember 2004
Ketenangan
Ruang Kerja
Y
2
6
5
1
10
9
8
3
4
12
7
11
Emosi
Z
1.5
1.5
3.5
3.5
5
6
7
8
9
10.5
10.5
12
252
xy. z
xy zy zx
1 1
2
zy
xy.z:
zx
15 Desember 2004
1 0.39
0.63
253
Koefisien Konkordasi
Kendall
Fungsi:
Merupakan pengukuran derajat asosiasi untuk k
variabel
Metode:
- N banyak individu yang diberi ranking dan k
banyak
penilai yang memberi ranking
- Tetapkan jumlah masing-masing ranking Rj
- Tentukan rata-rata Rj
- Apabila proporsi angka sama dalam k himpunan
by Wawan Hermawan, SE.,
ranking
itu
besar,
hitung
W (9.16) kalau tidak
15 Desember 2004
MT.
254
Koefisien Konkordasi
Kendall
s
9.15
1 2 3
k (N N )
12
s
1 2 3
k (N N ) k T
12
T
s R j
15 Desember 2004
12
255
Uji Signifikansi
Jika k=3 sampai dengan k =20 dan N dari 3
sampai dengan 7 Gunakan tabel R di buku Edisi
1 (coklat)
Bila N lebih dari 7 gunakan chi Kuadrat dengan
D.F2= N 1 :
k N 1W
15 Desember 2004
256
Contoh: Koefisien
Konkordasi Kendall
Misalkan tiga eksekutif perusahaan diminta untuk
mewawancarai 6 pelamar kerja dan memberi
ranking kepada mereka secara terpisah menurut
urutan ketepatan mereka dalam mengisi suatu
lowongan.
Bagaimana derajat kecocokan ketiga eksekutif
tersebut dalam memberi ranking Keenam
pelamar pekerjaan.
15 Desember 2004
257
Contoh: Koefisien
Pelamar
Konkordasi
Kendall
a
b
c
d
Eksekutif X
Eksekutif Y
Eksekutif Z
R
1
1
6
8
6
5
3
14
3
6
2
11
2
4
5
11
e
5
2
4
11
f
4
3
1
8
0.16
1 2 3
1
k (N N )
(3) 2 63 6
12
12
15 Desember 2004
258
Contoh Koefisien
Korelasi Rank Kendall:
Ho : k ranking tidak berhubungan
H1 : k ranking berhubungan
K=3
N =6
W = 0.16
s = 25.5
= 5%
Dari tabel R buku Ed 1 (coklat) kita dapatkan
103.9
Sehingga 25.5 < 103.9 Ho diterima
15 Desember 2004
259
Contoh: Koefisien
Konkordasi Kendall
Jika dari soal di atas kita rubah datanya,
sehingga terdapat ranking yang sama.
Pelamar
Eksekutif X
Eksekutif Y
Eksekutif Z
R
a
1
2.5
2
5.5
b
4.5
1
1
6.5
c
2
2.5
4.5
9
d
4.5
4.5
4.5
13.5
e
3
4.5
4.5
12
f
7.5
8
4.5
20
g
6
9
8
23
h
9
6.5
8
23.5
I
7.5
10
8
20.5
j
10
6.5
10
26.5
Rata-rata R =
(5.5+6.5+9+13.5+12+20+23+23.5+25.5+26.5)/10 = 16.5
S = (5.5 16.5)2 + (6.5 16.5)2 + + (26.5 16.5)2 = 591
15 Desember 2004
260
Contoh: Koefisien
Konkordasi Kendall
t t 2 2 2 2
1
3
Ty
Tz
12
3
t
t
12
3
t
t
12
15 Desember 2004
2
4
12
2 23 2 23 2
1.5
12
4 3 3
7
12
261
Contoh: Koefisien
Konkordasi Kendall
s
1 2 3
k (N N ) k T
12
T
591
1 2 3
3 10 10 31 1.5 7
12
0.828
15 Desember 2004
262
Contoh: Koefisien
Konkordasi
Kendall
Ho : k ranking tidak berhubungan
H1 : k ranking berhubungan
K=3
591
N =10
W = 0.828 s =
=k 5%
N 1W 310 1 0.828 22.356
2
MT.
263
n XY X Y
n X X . n Y Y
2
Koefisien determinasi: r2
Statistik Uji:
t
15 Desember 2004
r n2
1 r2
264
Contoh Pearson
Misal kita ingin melihat hubungan yang terjadi
antara variabel biaya tetap dengan variabel
laba yang dicapai pada suatu perusahaan X.
Ho : Tidak terdapat keeratan hubungan yang
signifikan dari variabel Biaya Tetap (X) dengan
Laba yang dicapai (Y).
H1:
Terdapat
keeratan
hubungan
yang
signifikan dari variabel Biaya Tetap (X) dengan
Laba yang dicapai (Y).
15 Desember 2004
265
Contoh Pearson
15 Desember 2004
266
Contoh Pearson
r
r
n X
n X iYi X i Yi
2
i
X i . n Yi 2 Yi
2
7(15829198233) (253958)(375285)
0,99
R 2 r 2 0,919023
15 Desember 2004
267
Contoh Pearson
t
t
r n2
1 r 2
0,958657 7 2
1 0,958657
7,532976
15 Desember 2004
268
Nominal
Ordinal
Interval
Cramer
Teta
Eta
Rank
Spearman
Rank Kendal
Jaspen
Interval
15 Desember 2004
Pearson
269
Wilcoxons Theta,
Fungsi:
Untuk mengukur korelasi dengan satu variabel
skala datanya nominal dan ordinal untuk variabel
lainnya.
T2
270
MT.
271
Sex
Laki-laki
Perempuan
total
0
12
29
41
1
16
22
38
Tingkat keramahan
2
3
18
22
24
15
42
37
4
28
12
40
5 total
35
131
9
111
44
242
Fa = (12)(0)+(16)(29)+(18)(29+22)+(22)
(29+22+24)+
(28)(29+22+24+15)+(35)(29+22+24+15+12)
= 9122
Fb = (12)(22+24+15+12+9)+(16)(24+16+12+9)+
(18)(15+12+19)+(22)(12+9)+(28)(9)+(35)(0)
by Wawan Hermawan, SE.,
=
3306
15 Desember 2004
MT.
272
Di
T2
15 Desember 2004
5816
0.40
14541
273
15 Desember 2004
274
15 Desember 2004
275
15 Desember 2004
276
15 Desember 2004
277
Rata-rata
15 Desember 2004
Y2
28
35
42
39
41
47
62
58
41
33
29
47
49
42
593
31
Rata-rata
Grand Rata-rata
36.9
Totalby
Kuadrat
39544 SE.,
Wawan Hermawan,
MT.
Y22
784
1,225
1,764
1,521
1,681
2,209
3,844
3,364
1,681
1,089
841
2,209
2,401
1,764
26,377
42.4
278
Y N Y N Y
1
Y N N Y
2
2
T
2
T
39544 13 31 14 42.4
1
2
39544 13 14 36.9
2
0.57
15 Desember 2004
279
15 Desember 2004
280
N k
F
2
1 k 1
2
281
2 N k
F
1 2 k 1
0.57 27 2
2
1 0.57 2 1
2
11.76
15 Desember 2004
282
Ho : = 0
H1 : 0
dengan = 0.01 didapat tabel F sebesar 7.77
dan F hitung 11.43, maka Ho ditolak.
Maka koefisien eta berbeda dari nol
15 Desember 2004
283
Asumsi Eta
Acak
15 Desember 2004
284
Jaspens M
Fungsi:
Untuk mengukur korelasi dengan satu variabel
skala datanya ordinal dan interval untuk variabel
lainnya.
15 Desember 2004
285
Jaspens M
Misalnya ingin diteliti bagaimana degree of
community development (X) keterkaitannya
dengan lamanya tinggal atau years in the
community (Y)
Dimana X adalah ordinal dan Y adalah
interval/rasio
15 Desember 2004
286
15
17
19
23
14
28
22
12
9
15
22
21
16
12
8
3
20
14
13
12
10
10
5
10
12
4
10
9
8
10
12
10
8
2
7
5
5
5
2
5
11
4
6
4
7
9
6
18.1
12
11.8
10
8.3
7
7.1
9
6.0
9
rata-rata
N
15 Desember 2004
287
Jaspens M
Rank
5
4
3
2
1
oa
0.0000
0.3244
0.3978
0.3808
0.2714
15 Desember 2004
Y
18.08
11.80
8.29
7.11
6.00
p
0.26
0.21
0.15
0.19
0.19
Cp
0.26
0.47
0.62
0.81
1.00
ob
0.3244
0.3978
0.3808
0.2714
0
288
Jaspens M - Simpangan
Baku
Sy
Sy
NT
NT
15 Desember 2004
NT
NT
511
7275
47
47
6.05
289
Jaspens M
Y o
M
o
S
i
oa
o
b
a
4.1915
M
6.05 0.8834
0.78
15 Desember 2004
290
ob oa 2
p
r 0.78 0.8834
0.73
Ho : M = 0
H1 : M 0
Lihat tabel A7 dengan df = N - k = 47 - 2 = 45,
maka dengan = 1% didapat 0.372 sehingga
Ho ditolak
by Wawan Hermawan, SE.,
15 Desember 2004
MT.
291
Jaspens M
15 Desember 2004
292
Jaspens M
15 Desember 2004
293
Jaspens M
15 Desember 2004
294