Dua sampel, misalkan X dan Y, digabung dan disusun dalam satu peringkat
Keterangan :
U1 = Jumlah peringkat 1
Pilih nilai u U2 = Jumlah peringkat 2
terkecil
n1 = Jumlah sampel 1
n2 = Jumlah sampel 2
R1 = Jumlah rangking
pada sampel 1
R2 = Jumlah rangking pada
sampel 2
Nilai Statistik Uji U untuk n>20
5 29 12.5 27 10.5
9 18 3
10 14 1
n1 =10 R1 = 73 n2 =7 R2 = 80
U2 = n1n2+ [ n2(n2 + 1 )/2] – R2
U1 = n1n2+ [n1(n1 + 1)/2] – R1
= (10)(7) + [7(7+1)/2] – 80
= (10)(7) + [10(10+1)/2] – 73
= 70 + 28 – 80
= 70 + 55 – 73
= 18
= 52
n2 = 7;
α= 0,05 diperoleh harga U tabel adalah 17
U Hitung > U tabel maka Ho diterima dan H1 ditolak
Kesimpulan
Tidak ada perbedaan penjualan antara wiraniaga
yang mendapat pelatihan dan tidak mendapat
pelatihan
Contoh 1 untuk n >20
Ujian matematika diberikan kepada
sebanyak 21 orang mahasiswa Universitas
Terbuka yang dipilih secara random untuk
wilayah DKI dan ujian yang sama pula
diberikan kepada 15 orang mahasiswa
Universitas Terbuka yang dipilih secara
random di wilayah Ujung Pandang (Sulsel).
Dari hasil ujian yang diperoleh di dua
tempat (daerah) diatas DKI dan sulsel
menunjukkan nilai ujian tiap
mahasiswanya sebagai berikut :
Penyelesaian
• Hipotesis
H0: Tidak ada perbedaan tingkat kepandaian yang signifikan antara
mahasiswa universitas terbuka di wilayah DKI dan mahasiswa
universitas terbuka di wilayah Sulsel.
Data tunggal
N>50
Prosedur Analisis Uji Kolmogorof-Smirnov Dua Sampel
Adapun prosedur dalam analisis Uji Kolmogorof-Smirnov Dua
sampel adalah sebagai berikut :
2.Tentukan selisih antara kedua distribusi kumulatif sesuai dengan titik-titik interval
kelas yang ada.
3.Tentukan selisih terbesar atau deviasi terbesar, selanjutnya identifikasi selisih terbesar
itu sebagai D.
D=|S(x) – Fo(x)|
S(x)=fungsi ditribusi kumulatif sampel
Fo(x)=fungsi distribusi frekuensi kumulatif teoritis
Contoh Kasus Penerapan!!!
Jawab:
1. HIPOTESIS
Hipotesis yang diuji dinyatakan sebagai berikut (dua sisi):
Karena 0,722 > 0,309, maka Ho ditolak, maka kita simpulkan bahwa sampel
yang berasal dari populasi tidak dengan distribusi normal.
Kelebihan
Kelebihan dari uji ini adalah sederhana dan tidak
menimbulkan perbedaan persepsi di antara satu
pengamat dengan pengamat yang lain, yang sering
terjadi pada uji normalitas dengan menggunakan grafik
Terima Kasih