6.uji kolmogorov smirnov · 3 contoh soal 13. berikut sampel berat sabun cuci yang diproduksi pt...
TRANSCRIPT
1
STATISTIKA
NONPARAMETRIK (3)
Elty Sarvia, ST., MT. Fakultas Teknik Jurusan Teknik Industri
Universitas Kristen Maranatha Bandung
6.UJI KOLMOGOROV – SMIRNOV
Untuk menguji apakah data berdistribusi tertentu.
Ekivalen dengan Uji 2 ( Goodness Of Fit ) dalam Statistik
Uji Parametrik.
104
LT
Sa
rvia/2
01
2
2
PROSEDUR PERHITUNGAN UJI KOLMOGOROV–SMIRNOV :
1. Struktur Hipotesis : H0 : data tersebut mengikuti distribusi ................
H1 : data tersebut tidak mengikuti distribusi ................
2. Tentukan nilai a wilayah kritis dalam Tabel Uji
Kolmogorov – Smirnov ( Leland Blank, Tabel B–7, hal
635 )
3. Statistik Uji : Uji Kolmogorov–Smirnov
Urutkan data pengamatan ( nilai rata-rata ) dari
terkecil sampai terbesar.
Hitung nilai S(x), dimana Catatan :
Jika terdapat 2 atau lebih nilai rata-rata X yg sama, maka nilai
S(x) yg digunakan adalah nilai S(x) maksimum.
n
i (x) S
10
5
LT
Sa
rvia/2
01
2
PROSEDUR PERHITUNGAN UJI KOLMOGOROV–SMIRNOV : (2)
Hitung nilai F(x) pada masing-masing nilai rata-rata
(X), dimana rumus F(x) yang digunakan disesuaikan
dengan bentuk distribusi yg dihipotesiskan.
Hitung nilai S(x) – F(x) pada masing-masing nilai X.
Tentukan nilai Statistik Uji :
d = max { S(x) – F(x) }
4. Wilayah Kritis : Bandingkan nilai d dengan Do pada
Tabel B–7 ( Leland Blank, hal. 635 )
Do
Wilayah Kritis : d > Do
5. Keputusan dan Kesimpulan Hipotesis
10
6
LT
Sa
rvia/2
01
2
3
CONTOH SOAL
13. Berikut sampel berat sabun cuci yang diproduksi PT Wonder
(angka dalam gram). Manajer produksi ingin mengetahui
apakah data di atas berasal dari populasi (seluruh produk
sabun cuci PT Wonder) yang berdistribusi normal dengan = 203,9 dan =2,69 ? a =0,05
107
No 1 2 3 4 5 6 7 8 9
Berat 200,5 203,9 204,4 204,4 205,6 205,7 207,1 208,8 208,9
No 10 11 12 13 14 15 16 17 18
Berat 205,5 200,7 200,8 200,9 201,6 201,9 202,5 203,1 205,6
LT
Sa
rvia/2
01
2
JAWAB :
a. Struktur Hipotesis : H0: data tersebut mengikuti distribusi normal = 203,9 dan =2,69
H1: data tersebut tidak mengikuti distribusi normal = 203,9 dan =2,69
b. Taraf nyata : a = 0,05
c. Statistik Uji : Uji Kolmogorov – Smirnov
108
LT
Sa
rvia/2
01
2
4
105,0)(max
006,0117,0111,0)(
117,0)()(
19.169,2
9,2037,200
-x z : Normal Distribusi
0,111 18
2
n
i (x) S
xFxSd
xFxS
zPxFJadi
z
Contoh Perhitungan: un2uk data ke–9
109
)( xFxS
Urutkan data dari terkecil sampai terbesar
LT
Sa
rvia/2
01
2
No Berat (x) S(x) z F (x) = P(Z) S(x)-F(x)
1 200.5 1/18 0.056 -1.264 0.103 -0.048 0.048
2 200.7 2/18 0.111 -1.190 0.117 -0.006 0.006
3 200.8 3/18 0.167 -1.152 0.125 0.042 0.042
4 200.9 4/18 0.222 -1.115 0.132 0.090 0.090
5 201.6 5/18 0.278 -0.855 0.196 0.082 0.082
6 201.9 6/18 0.333 -0.743 0.229 0.105 0.105
7 202.5 7/18 0.389 -0.520 0.301 0.088 0.088
8 203.1 8/18 0.444 -0.297 0.383 0.061 0.061
9 203.9 9/18 0.500 0.000 0.500 0.000 0.000
10 204.4 11/18 0.611 0.186 0.574 0.037 0.037
11 204.4
12 205.5 12/18 0.667 0.595 0.724 -0.057 0.057
13 205.6 14/18 0.778 0.632 0.736 0.041 0.041
14 205.6
15 205.7 15/18 0.833 0.669 0.748 0.085 0.085
16 207.1 16/18 0.889 1.190 0.883 0.006 0.006
17 208.8 17/18 0.944 1.822 0.966 -0.021 0.021
18 208.9 18/18 1.000 1.859 0.968 0.032 0.032
Wilayah Kritis : d > Do Tabel K – S (Leland
Blank, Tabel B–7, halaman 635 )
0,309
0,105
Karena : d > Do ( 0,105 < 0,309 )
•Keputusan : Terima H0
•Kesimpulan : data sampel berat sabun cuci tersebut mengikuti
distribusi normal = 203,9 dan =2,69 pada taraf nyata 0,05
11
0
LT
Sa
rvia/2
01
2
5
TABEL KOLMOGOROV SMIRNOV
111
LT
Sa
rvia/2
01
2
n a = 0,20 a = 0,10 a = 0,05 a = 0,02 a = 0,01
1 0,900 0,950 0,975 0,990 0,995
2 0,684 0,776 0,842 0,900 0,929
3 0,565 0,636 0,708 0,785 0,829
4 0,493 0,565 0,624 0,689 0,734
5 0,447 0,509 0,563 0,627 0,669
6 0,410 0,468 0,519 0,577 0,617
7 0,381 0,436 0,483 0,538 0,576
8 0,359 0,410 0,454 0,507 0,542
9 0,339 0,387 0,430 0,480 0,513
10 0,323 0,369 0,409 0,457 0,486
11 0,308 0,352 0,391 0,437 0,468
12 0,296 0,338 0,375 0,419 0,449
13 0,285 0,325 0,361 0,404 0,432
14 0,275 0,314 0,349 0,390 0,418
15 0,266 0,304 0,338 0,377 0,404
16 0,258 0,295 0,327 0,366 0,392
17 0,250 0,286 0,318 0,355 0,381
18 0,244 0,279 0,309 0,346 0,371
19 0,237 0,271 0,301 0,337 0,361
20 0,232 0,265 0,294 0,329 0,352
21 0,226 0,259 0,287 0,321 0,344
22 0,221 0,253 0,281 0,314 0,337
23 0,216 0,247 0,275 0,307 0,330
24 0,212 0,242 0,269 0,301 0,323
25 0,208 0,238 0,264 0,295 0,317
n a = 0,20 a = 0,10 a = 0,05 a = 0,02 a = 0,01
26 0,204 0,233 0,259 0,290 0,311
27 0,200 0,229 0,254 0,284 0,305
28 0,197 0,225 0,250 0,279 0,300
29 0,193 0,221 0,246 0,275 0,295
30 0,190 0,218 0,242 0,270 0,290
35 0,177 0,202 0,224 0,251 0,269
40 0,165 0,189 0,210 0,235 0,252
45 0,156 0,179 0,198 0,222 0,238
50 0,148 0,170 0,188 0,211 0,226
55 0,142 0,162 0,180 0,201 0,216
60 0,136 0,155 0,172 0,193 0,207
65 0,131 0,149 0,166 0,185 0,199
70 0,126 0,144 0,160 0,179 0,192
75 0,122 0,139 0,154 0,173 0,185
80 0,118 0,135 0,150 0,167 0,179
85 0,114 0,131 0,145 0,162 0,174
90 0,111 0,127 0,141 0,158 0,169
95 0,108 0,124 0,137 0,154 0,165
100 0,106 0,121 0,134 0,150 0,161
Pendekatan 1,07/√n 1,22/√n 1,36/√n 1,52/√n 1,63/√n
SOAL
Sebuah peternakan ayam ingin mengetahui bentuk distribusi dari
produksi telur ayam tiap bulan dari tiap induk ayam yang dimiliki.
Untuk menjawab hal tersebut, dilakukan pengumpulan data selama 15
bulan produksi. Data hasil pengamatan tersebut adalah :
Berdasarkan data tersebut, dapatkah disimpulkan bahwa produksi telur
ayam per bulan dari peternakan ayam tersebut mengikuti distribusi
uniform dengan perkiraan produksi telur 251 s/d 270? (a = 0,05)
112
LT
Sa
rvia/2
01
2
247 258 261 252 258 265 267 256 273 267 272 261 280 267 270
6
7. UJI KOEFISIEN KORELASI
PERINGKAT SPEARMAN
Untuk menguji apakah ada hubungan korelasi antara
variabel X dengan Y ( untuk menguji konsistensi )
Digunakan untuk mencari hubungan atau untuk menguji
signifikansi hipotesis asosiatif bila masing-masing variabel
yang dihubungkan berbentuk ordinal, dan sumber data
antar variabel tidak harus sama.
Koefisien korelasi :- 1 < r < 1
113
LT
Sa
rvia/2
01
2
DATA ORDINAL
114
Data yang diperoleh dengan cara kategorisasi atau klasifikasi, tetapi di
antara data tersebut terdapat hubungan. Angka mengandung pengertian
tingkatan.
CIRI :
• Data mempunyai tingkatan atau jenjang
• Tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : Kepuasan kerja,motivasi ranking 1, 2, dan 3. Ranking 1 menunjukkan lebih
tinggi dari ranking 2 dan 3.
Direktur = 1, Manajer = 2, Karyawan = 3
1 + 1 = 2
Direktur+Direktur= Manajer???
LT
Sa
rvia/2
01
2
7
Jika titik-titik tepat
pada satu garis namun
mengumpul mendekati
satu garis
r mendekati ± 1
hubungan ± kuat namun
tidak sempurna
Y
X
r > 0
r < 0
x
x
x
x
x
x
x
x
x
x
x
x x
x x
x
x x
x
115
LT
Sa
rvia/2
01
2
116
r = – 1 : punya hubungan korelasi linear negatif yang sempurna (sangat kuat )
semua titik terletak pada satu garis
r = + 1 : punya hubungan korelasi linear positif yang sempurna ( sangat kuat )
semua titik terletak pada satu garis
r = 0 : tidak ada hubungan korelasi linear antar variabel tersebut
titik – titik menyebar atau tidak ada suatu kecenderungan
LT
Sa
rvia/2
01
2
8
PROSEDUR PERHITUNGAN UJI KOEFISIEN
KORELASI PERINGKAT SPEARMAN :
1. Struktur Hipotesis
H0 : r S = 0
H1 : r S > 0 konsisten ( searah )
r S < 0 konsisten ( berlawanan )
2. Tentukan nilai a wilayah kritis dalam Tabel
Koefisien Korelasi Peringkat Spearman ( Walpole, Tabel
A.14, halaman 488 )
3. Tentukan variabel X dan Y ( dalam penentuan variabel X
dan Y, boleh bebas )
4. Tentukan ranking terkecil sampai terbesar untuk
masing-masing variabel X dan Y
5. Hitung selisih ranking variabel X dan Y untuk
masing-masing pasangan X dan Y, yang dilambangkan
dengan d i
117
LT
Sa
rvia/2
01
2
6. Hitung d i 2
7. Hitung nilai Statistik Uji r S
) 1 - n (n
d 6
- 1 r2
n
1 i
2i
S
n = banyaknya data atau pasangan data
8. Wilayah Kritis :
Jika : H1 : r S > 0 maka Wilayah Kritis : r S ≥ r a
H1 : r S < 0 maka Wilayah Kritis : r S ≤ - r a
9. Keputusan
10. Kesimpulan Hipotesis
PROSEDUR PERHITUNGAN UJI KOEFISIEN
KORELASI PERINGKAT SPEARMAN (2):
118
LT
Sa
rvia/2
01
2
9
CONTOH SOAL
14. Sebuah perusahaan asuransi di Jakarta telah
menyelenggarakan kursus penyegaran penjualan yang
dimaksudkan untuk meningkatkan prestasi para
wiraniaganya. Beberapa kelas telah menyelesaikan
kursus tersebut. Dalam memperkirakan nilai program
tersebut, Manajer pelatihan penjualan ingin menentukan
apakah ada hubungan antara prestasi dalam
program dengan prestasi dalam menghasilkan
penjualan tahunan setelah menjalani kursus. Tabel
berikut ini menunjukkan data yang dikumpulkan oleh
manajer pelatihan penjualan dari 11 lulusan program.
119
LT
Sa
rvia/2
01
2
Tabel Data dari 11 orang yang lulus program
120
Wiraniaga Prestasi
Kursus
Penjualan
Tahunan (#)
Stella 38 4.000
Piere 40 6.000
Deni 55 1.000
Wulandari 60 2.000
Sari 62 7.000
Oky 63 10.000
Asrul 67 3.000
Rani 70 5.000
Susan 75 8.000
Synthia 88 9.000
Yusraini 90 110.000
LT
Sa
rvia/2
01
2
10
JAWAB :
121
1. Koefisien Korelasi Peringkat : X Prestasi Kursus
Y Penjualan Tahunan (#)
Wiraniaga
Prestasi Rank Penjualan Rank
Kursus Prestasi Tahunan (#) Penjualan di =rank X - rank Y di2 X Kursus Y (#)
Stella 38 1 4000 4 -3 9
Piere 40 2 6000 6 -4 16
Deni 55 3 1000 1 2 4
Wulandari 60 4 2000 2 2 4
Sari 62 5 7000 7 -2 4
Oky 63 6 10000 10 -4 16
Asrul 67 7 3000 3 4 16
Rani 70 8 5000 5 3 9
Susan 75 9 8000 8 1 1
Synthia 88 10 9000 9 1 1
Yusraini 90 11 110000 11 0 0
Total 0 80
LT
Sa
rvia/2
01
2
0,6360,364-1 ) 1 - 11 ( 11
80 * 6 - 1
) 1 - n (n
d 6
- 1 r22
n
1 i
2i
S
r S = 0, 636 menunjukkan bahwa adanya korelasi antara prestasi kursus
dengan prestasi penjualan tahunan (#)
122
LT
Sa
rvia/2
01
2
11
CONTOH SOAL MENGUJI SIGNIFIKANSI
15. Pengujian yang lebih formal bisa dilaksanakan untuk
menentukan apakah benar-benar ada hubungan statistik
seperti yang diisyaratkan oleh rs . Karena manajer
pelatih berkeyakinan bahwa kursus tersebut akan
meningkatkan kemampuan menjual, maka pengujian
satu-arah ke kanan dapat dilakukan, dan hipotesis
alternatifnya akan menyatakan adanya hubungan positif
antara prestasi kursus dengan prestasi penjualan yaitu
H1 : rs >0. Ujilah hipotesis tersebut. Gunakan Taraf
nyata 0,05.
123
rs LT
Sa
rvia/2
01
2
MENGUJI SIGNIFIKANSI 15.
Struktur Hipotesis
H0 : r S = 0
H1 : r S > 0 konsisten ( searah )
Tentukan nilai a =0.05
Statistik Uji :Uji Koefisien Korelasi Peringkat Spearman
r S = 0,636
Wilayah Kritis : r S ≥ r a
a = 0,05
n = 11
Keputusan :Tolak H0 ( r S ≥ r a 0,636 > 0,523 )
Kesimpulan : bahwa Keikutsertaan dalam kursus penjualan dengan prestasi
penjualan wiraniaga memberikan hasil yang konsisten (satu arah ke kanan), pada taraf
nyata 0,05.
atau adanya hubungan statistik antara keikutsertaan dalam kursus penjualan dengan
prestasi penjualan setelah mengikuti kursus tersebut pada taraf nyata 0,05
r a = 0,523
124
rs
Tabel A.14 Walpole
LT
Sa
rvia/2
01
2
12
Catatan Uji Koefisien Korelasi
Peringkat Spearman :
Jika : n > 30 , maka digunakan pendekatan
Normal, sehingga :
r s = 0
1 -n
1 σ sr
1 -n r
1 -n 1
0 -r Z S
S
125
LT
Sa
rvia/2
01
2
ISTILAH-ISTILAH PENTING
Statistika Nonparametrik : statistik yang
tidak memerlukan pembuatan asumsi tentang
distribusi.
Uji Tanda (Sign Test) : Uji yang didasarkan
pada tanda negatif dan positif dari perbedaan
antara pasangan data ordinal.
Uji Peringkat Bertanda Wilcoxon : pengujian
yang dilakukan jika besaran maupun arah
perbedaan relevan untuk menentukan apakah
terdapat perbedaan yang sesungguhnya antara
pasangan data yang diambil dari satu sampel
atau dua sampel yang saling terkait. 126
LT
Sa
rvia/2
01
2
13
ISTILAH-ISTILAH PENTING (2)
Uji Mann-Whitney : pengujian dimana yang diuji
hipotesis nol yang mengatakan bahwa tidak ada
perbedaan yang sesungguhnya antara kedua
kelompok data, atau data tersebut diambil dari dua
sampel yang tidak saling terkait.
Uji H Kruskall Wallis : untuk menguji apakah k sampel
independen ( dimana : k > 2 ) memiliki rata-rata yang sama.
127
LT
Sa
rvia/2
01
2
ISTILAH-ISTILAH PENTING (2)
Uji Runtunan/deret (Runs Test) : Uji untuk
menentukan apakah keacakan akan terjadi atau
apakah terdapat suatu pola yang mendasari urutan
data sampel.
Uji Kolmogorov smirnov : untuk menguji apakah
data berdistribusi tertentu.
Koefisien korelasi peringkat spearman : ukuran
erat tidaknya kaitan antara dua variabel ordinal.
128
LT
Sa
rvia/2
01
2
14
UJI TANDING DARI
Wilcoxon Sign Rank Test Uji T berpasangan
Wilcoxon Rank Sum Test Uji T 2 populasi
Kruskall-Wallis Test Uji F
129
LT
Sa
rvia/2
01
2
PERSAMAAN SIGN TEST DAN WILCOXON
SIGN RANK TEST :
Keduanya digunakan untuk menguji rata-rata 1
populasi dan populasi
130
LT
Sa
rvia/2
01
2
15
KESIMPULAN
Kegiatan peneliti seringkali terganggu karena data yang tersedia untuk analisis tidak mempunyai “sifat” kuantitatif yang pasti. Misalnya, data tersebut mungkin diperoleh hanya dari jumlah sampel yang kecil, dan barangkali bentuk distribusi populasi dan pengaruhnya terhadap distribusi sampel tidak diketahui. Apabila masalah semacam itu timbul, maka metode nonparametrik digunakan. Dalam hal ini, kita baru membahas sebagian kecil dari metode nonparametrik yang lazim digunakan.
131
LT
Sa
rvia/2
01
2
SOAL
Jika anda seorang konsultan statistik dan anda
diminta untuk menguji apakah ada kaitan
antara prestasi kerja dengan nilai masuk kerja.
Untuk itu anda melakukan pengambilan sampel
secara acak dari karyawan yang bekerja pada
perusahaan klien anda sebanyak 10 orang dan
diperoleh data peringkat karyawan yang terkena
sampel sbb :
132
LT
Sa
rvia/2
01
2
16
No Peringkat Prestasi
Kerja
Peringkat Tes
Masuk
1 5 6
2 10 9
3 6 4
4 3 2
5 4 5
6 2 1
7 7 8
8 1 3
9 8 10
10 9 7
133
Kesimpulan apakah yang bisa ditarik pada taraf nyata 0,05?
LT
Sa
rvia/2
01
2
DAFTAR PUSTAKA
J.Supranto, Statistik Teori dan Aplikasi, Edisi
keenam, Jilid 2, Penerbit Erlangga,2001
134
LT
Sa
rvia/2
01
2
17
135
Thank You
LT
Sa
rvia/2
01
2