uji statistik instrumen
TRANSCRIPT
INSTRUMEN UJI STATISTIKA
Dalam pengujian hipotesis sangat berhubungan dengan distribusi data populasi yang akan
diuji. Bila distribusi data populasi yang akan diuji berbentuk normal/simetris/Gauss, maka proses
pengujian dapat digunakan dengan pendekatan uji statistik parametrik. Sedangkan, bila distribusi
data populasinya tidak normal atau tidak diketahui distribusinya maka dapat digunakan
pendekatan uji statistik nonparametrik.
Statistik parametrik, pengujian hipotesisnya dan pengambilan keputusannya dipengaruhi
oleh beberapa asumsi yang apabila tidak terpenuhi maka validitas hasil penelitian diragukan.
Asumsi tersebut adalah :
a. Normalitas distribusi populasi,
b. Independensi pemilihan unit sampel dari populasi,
c. Independensi pengamatan unit observasi,
d. Kesamaan varians jika membandingkan dua atau sejumlah sampel,
e. Variabel diukur paling sedikit dalam skala interval.
STATISTIK PARAMETRIK
Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis sebaran atau distribusi
data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain, data yang akan
dianalisis menggunakan statistik parametrik harus memenuhi asumsi normalitas. Pada umumnya,
jika data tidak menyebar normal, maka data seharusnya dikerjakan dengan metode statistik non-
parametrik, atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti
sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik.
Contoh metode statistik parametrik :
a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or two-way anova parametrik), dll.
Ciri-ciri statistik parametrik :
- Data dengan skala interval dan rasio
- Data menyebar/berdistribusi normal
Keunggulan dan kelemahan statistik parametrik
Keunggulan :
1. Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji dan
dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.
2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta
memiliki varian yang homogen.
Kelemahan :
1. Populasi harus memiliki varian yang sama.
2. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.
3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal dan
bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang ditimbulkan.
Jenis-Jenis Uji Statistik Parametrik:
1. Uji-t Uji-t digunakan untuk menguji signifikansi dalam satu kelompok sampel (satu rerata) atau dua kelompok sampel (dua rerata).Uji-t satu kelompok sampel menggunakan One Sample t-test. Uji-t dua kelompok sampel dibedakan menjadi dua, independent sample t-test dan paired t-test.
Independen sample t-test digunakan untuk menghitung dua kelompok sample yang tidak saling berhubungan. Sedangkan paired sample t-test digunakan untuk menghitung dua kelompok sample yang bepasangan/berkorelasi.
2. ANOVA ANOVA adalah analisis yang digunakan untuk menguji signifikansi perbedaan dua rerata atau lebih. Jenis-jenis ANOVA meliputi ANOVA satu jalan dan ANOVA dua jalan.
3. Regresi Regresi digunakan untuk uji asosiatif, lebih ditujukan untuk mengestimasi/memprediksikan variabel bebas terhadap variabel terikat.
4. Korelasi Korelasi digunakan untuk menguji hubungan antar variabel.
5. Analisis Jalur Analisis jalur digunakan untuk menguji hubungan kausal (sebab akibat) yang didapatkan melalui kajian teori yang telah dirumuskan.Analisis jalur digunakan dalam rangka mempelajari saling ketergantungan antar variabel.
STATISTIK NON-PARAMETRIK
Statistika Nonparametrik
Istilah nonparametrik sendiri pertama kali digunakan oleh Wolfowitz, 1942. Istilah lain yang
sering digunakan antara lain distribution-free statistics dan assumption-free test. Dari istilah-
istilah ini, dengan mudah terlihat bahwa metode statistik nonparametrik merupakan metode
statistik yang dapat digunakan dengan mengabaikan segala asumsi yang melandasi metode
statistik parametrik, terutama yang berkaitan dengan distribusi normal.
Prosedur nonparametrik atau bebas-distribusi sekarang ini semakin banyak digunakan
karena data yang disajikan tidak dalam sebagai nilai pada kontinu tetapi dalam skala ordinal
sehingga wajar menyajikannya dalam bentuk rang. Pada statistika nonparametrik dapat
digunakan untuk menganalisis data yang berskala ordinal dan nominal.
Skala ordinal yaitu lambang – lambang bilangan hasil pengukuran menunjukkan urutan atau
tingkatan obyek yang diukur menurut karakteristik yang dipelajari. Sedangkan skala nominal
adalah skala yang merupakan kategori atau kelompok dari suatu subyek. Misal, variabel jenis
kelamin responden dikelompokkan menjadi dua, yaitu L dan P, masing – masing diberi kode 1
dan 2.
Kebanyakan statistik uji nonparametrik menggunakan konsep count dan rank dalam
perhitungannya. Untuk pengujian dengan sampel berukuran kecil, tiap pengujian memiliki tabel
pembanding masing – masing. Tabel eksak dari tiap tabel pembanding ini belum tentu mudah
untuk dibuat. Untuk pengujian dengan ukuran contoh yang besar, beberapa statistik uji
nonparametrik memiliki sebaran asimtotik yang biasanya normal baku atau chi-kuadrat.
Kelebihan dan Kekurangan Statistika Nonparametrik
Keuntungan :
a. Jika ukuran sampel kita kecil, tidak ada pilihan lain yang lebih baik daripada menggunakan
metode statistika nonparametrik, kecuali jika distribusi populasi jelas normal.
b. Karena memerlukan sedikit asumsi, umunya metode nonparametrik lebih relevan pada situasi –
situasi tertentu, sehingga kemungkinan penerapannya lebih luas. Disamping itu, kemungkinan
digunakan secara salah (karena pelanggaran asumsi) lebih kecil daripada metode parametrik.
c. Metode nonparametrik dapat digunakan meskipun data diukur dalam skala ordinal.
d. Metode nonparametrik dapat digunakan meskipun data diukur dalam skala nominal
(katagorikal). Sebaliknya tidak ada teknik parametrik yang dapat diterapkan untuk data
nominal.
e. Beberapa uji statistik nonparametrik dapat menganalisis perbedaan sejumlah sampel. Beberapa
uji statistik parametrik dapat dipakai untuk menganalisi persoalan serupa tetapi menuntut
pemenuhan sejumlah asumsi yang hampir tidak mungkin diwujudkan.
f. Uji statistik nonparametrik mudah dilakukan meskipun tidak terdapat komputer (dapat dianalisa
secara manual). Analisis data dapat diselesaikan hanya dengan menggunakan kalkulator
tangan. Oleh karena itu, metode nonparametrik pantas disebut teknologi tepat guna yang masih
dibutuhkan di negara – negara berkembang (dan terbelakang).
g. Pada umumnya para peneliti dengan dasar matematika yang kurang merasakan bahwa konsep
dan metode nonparametrik mudah dipahami.
Kelemahan :
a. Fleksibilitas terhadap skala pengukuran variabel kadang – kadang mendorong peneliti memilih
metode nonparametrik, meskipun situasinya memungkinkan untuk menggunakan metode
parametrik. Karena didasarkan asumsi yang lebih sedikit, metode nonparametrik secara
statistik kurang kuat dibandingkan metode parametrik.
b. Jika asumsi untuk metode parametrik terpenuhi, dengan ukuran sampel yang sama, metode
nonparametrik kurang memiliki kuasa dibandingkan metode parametrik.
c. Penyederhanaan data dari skala rasio atau interval ke dalam ordinal atau nominal meskipun
merupakan pemborosan (detail) informasi yang sudah dikumpulkan.
d. Meski konsep dan prosedur nonparametrik sederhana, tetapi pekerjaan hitung – menghitung
bisa membutuhkan banyak waktu jika ukuran sampel yang dianalisis besar.
Penggunaan Statistika Nonparametrik
Berikut ini akan dijelaskan pedoman penggunaan uji statistika nonparametrik dalam
pengambilan keputusan.
APLIKASITEST
PARAMETRIKTEST NONPARAMETRIK
Dua sampel saling berhubungan Uji T
Uji Z
Sign Test
Wilcoxon Signed-Rank
Mc Nemar Change Test
Dua sampel tidak berhubungan Uji T
Uji Z
Mann-whitney U test
Moses Extreme Reactions
Chi-square test
Kolmogorov-Smirnov Test
Walt-Wolfowitz runs
Beberapa sampel berhubungan Freidman test
Kendall W test
Cochran’s Q
Beberapa sampel tidak
berhubungan
Uji ANOVA
(Uji F)
Kruskal-Wallis test
Chi-square test
Median test
Macam Data BENTUK HIPOTESA
1 sampel Komparatif 2 sampel Komparatif lebih dari 2
sampel
Asosiatif/hubungan
Dependen Independen Dependen Independe
n
NOMINAL Binomial McNemar Fisher Cochran Chi- Koefisien
Chi-
square
Exact
Chi-
square
Q square Kontingensi
(C)
ORDINAL Run test
Wilcoxon
Matched
Pairs
Sign test
Mann
Whitney U
test
Kolmogorov-
Smirnov
Wald
Wolfowitz
Median
test
Friedman
Median
Extention
Kruskal-
Wallis
Korelasi
Sparman
Rank
Korelasi
Kendal Tau
Metode Statistika Nonparametrik
Berikut ini akan dijelaskan beberapa metode pengambilan keputusan yang termasuk dalam
uji statistika nonparametrik.
a. Uji Tanda
Uji tanda digunakan untuk menguji hipotesis mengenai median populasi. Dalam banyak
kasus prosedur nonparametrik, rataan digantikan oleh median sebagai parameter lokasi yang
relevan untuk diuji.
Uji tanda juga mempunyai asumsi dimana asumsinya adalah
distribusinya bersifat binomial. Binomial artinya mempunyai dua nilai. Nilai
ini dilambangkan dengan tanda, yaitu positif dan negatif. Ini mengapa ia
disebut uji tanda.
Uji tanda banyak digunakan karena uji ini paling mudah untuk
dilakukan pengujiannya dan tidak memakan waktu yang lama. Pengerjaan
pengujian ini terbilang cukup mudah. Apabila setiap nilai pengamatan
memiliki nilai lebih besar dari nilai rataannya maka diganti dengan tanda
(+). Sedangkan, apabila setiap nilai pengamatan memiliki nilai kurang dari
nilai rataannya maka diganti dengan tanda (-). Dan, apabila nilai
pengamatannya sama dengan nilai rataannya maka nilai pengamatan
tersebut harus dibuang.
Pengujian uji tanda yang pertama dilakukan adalah menentukan
hipotesis nolnya beserta dengan hipotesis tandingannya. Tentukan pula taraf
nyatanya beserta nilai proporsi peubah binomial X-nya. Kemudian
melakukan penghitungan Z hitung (apabila jumlah sampel lebih dari 30)
dengan nilai n merupakan jumlah data pengamatan setelah dibandingkan
dengan nilai rataannya dan nilai x adalah jumlah data pengamatan dengan
tanda (+). Dengan begitu nilai Z akan didapat dan nilai P (proporsi)nya dapat
ditentukan. Keputusan H0 akan ditolak apabila nilai P yang didapat lebih kecil
atau sama dengan nilai taraf nyatanya.
b. Uji Rang-Tanda
Uji Rang-Tanda dicetuskan oleh Frank Wilcoxon pada tahun 1945 dan
saat ini disebut sebagai uji rang-tanda Wilcoxon. Uji ini memanfaatkan baik
tanda maupun besarnya selisih. Uji rang-tanda Wilcoxon digunakan untuk
kasus dua sampel yang dependen bila skala ukur memungkinkan kita
menentukan besar selisih yang terjadi, jadi bukan sekedar hasil pengamatan
yang berbeda saja. Uji rang-tanda Wilcoxon cocok digunakan bila kita dapat
mengetahui besarnya selisih antara pasangan-pasangan harga pengamatan
X1 dan Y1 berikut arah selisih yang bersangkutan. Apabila kita dapat
menentukan besarnya setiap selisih, maka kita dapat menetapkan peringkat
untuk masing-masing selisih itu. Melalui penyusunan peringkat selisih –
selisih inilah uji Wilcoxon memanfaatkan informasi tambahan yang tersedia.
Asumsi :
Data untuk analisis terdiri atas n buah beda. D1 = Y1 – X1
Sampel X dan sampel Y adalah Variabel- variable acak kontinyu dan beda
X1 - Y1, X2 -Y2…dst bersifat kontinyu pula.
Hipotesis nol yang di uji menyatakan bahwa median perbedaan pasangan
nilai pengamatan kedua sampel sama dengan nol.
Langkah – langkah uji rang-tanda Wilcoxon :
1. Asumsikan bahwa populasi perbedaan pasangan nilai pengamatan kedua
sampel adalah variable acak kontinyu.
2. Hipotesis :
Uji satu sisi :
a. Ho : W (+) = W (-) Hi : W (+) > W (-)
b. Ho : W (+) = W (-) Hi : W (+) < W (-)
Uji dua sisi :
Ho : W (+) = W (-) Hi : W (+) ≠ W (-)
W (+) : Jumlah semua peringkat selisih pasangan pengamatan (Wi, Yi) yang
bertanda positif.
W (-) : Jumlah semua peringkat selisih pasangan pengamatan (W i, Yi) yang
bertanda negative
3. Untuk setiap pasangan nilai pengamatan (Xi, Yi), hitung perbedaannya (di
= Xi – Yi).
4. Berikan peringkat terhadap perbedaan nilai pasangan pengamatan, mulai
dari peringkat 1 untuk perbedaan terkecil hingga peringkat n untuk
perbedaan terbesar. Bila terdapat perbedaan nilai pasangan yang sama,
perbedaan pasangan nilai yang sama di beri peringkat rata-ratanya .
untuk beda nol, tidak diperhatikan.
5. Bubuhkan tanda kepada peringkat yang sudah dibuat itu: positif atau
negative sesuai dengan tanda perbedaan nilai pengamatan aslinya.
6. Hitung banyaknya di yang bertanda positif (disebut W+) dan negative
(disebut W_).
7. Statistik uji peringkat bertanda Wilcoxon ialah W. M yang dipakai ialah W+
atau W_ yang nilainya lebih kecil :
8. W+ = ∑ Ri (Semua peringkat positif) dan │W-│= │∑Ri│(Semua peringkat Negatif)
Hipotesa nol ditolak apabilai nilai W+, W-, atau W lebih kecil atau sama
dengan nilai di tabel yang sesuai.
c. Uji Jumlah-rang
Uji ini dilakukan apabila ingin menguji kesamaan rataan dua distribusi
yang kontinu yang jelas tidak normal dan sampelnya bebas.
Menguji
H0
Tandingan
H1
Hitunglah
μ1 = μ2 μ1 < μ2
μ1 > μ2
μ1 μ2
μ1
μ2
u
Misalkan n1 banyaknya pengamatan dalam sampel yang lebih kecil,
dan n2 banyaknya pengamatan dalam sampel yang lebih besar. Urutkanlan
n1 dan n2 pengamatan dari kecil ke besar dan beri peringkat. Bila terdapat
yang seri, maka pengamatan tersebut diganti dengan dengan rataan
rangnya jika keduanya dapat dibedakan (tidak seri).
Jumlah rang yang berasal dari n1 pengamatan dalam sampel yang
lebih kecil dinyatakan dengan w1. Dan w2 merupakan jumlah rang yang
berasal dari n2 pengamatan dalam sampel yang lebih besar.
Apabila nilai w1 sudah ditemukan maka nilai w2 dapat dicari. Seperti
rumus dibawah ini,
w1 + w2 =
w2 = - w1
Untuk pengujian ekasisi, hipotesis nol μ1 = μ2 ditolak dan diterima
tandingannya μ1 < μ2 apabila w1 kecil dan w2 besar. Begitu pula, tandingan μ1
> μ2 dapat diterima jika w1 besar dan w2 kecil. Untuk pengujian dwisisi,
tandingan μ1 μ2 diterima bila minimum dari w1 dan w2 cukup kecil.
d. Uji Kruskal – Wallis
Uji Kruskal – Wallis sering pula disebut Uji H Kruskal – Wallis, adalah
rampatan uji jumlah rang (dwisampel Wilcoxon) untuk sejumlah sampel
k>=2. Uji ini digunakan untuk menguji hipotesis nol bahwa k sampel bebas
berasal dari populasi yang sama. Diperkenalkan oleh W.H. Kruskal dan W.A.
Wallis pada tahun 1945, uji ini merupakan padanan cara nonparametrik
untuk menguji kesamaan rataan dalam analisis variansi ekafaktor bila si
pencoba ingin menghindari bahwa sampel berasal dari populasi normal.
Uji ini mirip dengan uji Anova pada data parametrik hanya saja tidak
dipenuhi anggapan k kenormalan dari data. Analisis yang digunakan
berdasarkan Rij yaitu ranking data, bukan data itu sendiri.
Langkah – langkah uji Kruskal - Wallis :
1. H0 : Semua K populasi adalah identik
2. H1 : Tidak semua K populasi identik
3. Tentukan taraf nyatanya.
4. Tentukan daerah kritisnya dengan menggunakan tabel chi-kuadrat. Dengan derajat
kebebasan v = k-1
5. Melakukan perhitungan uji kruskal – wallis dengan rumus dibawah ini
dengan ni merupakan jumlah data pengamatan disetiap sampel dan ri merupakan jumlah rang
dalam satu sampel data pengamatan.
6. Bila nilai h jatuh dalam daerah kritis pada tabel, dengan derajat kebebasan v = k – 1, tolak H0
pada taraf nyata. Dan terima H0 jika tidak jatuh dalam daerah kritis pada tabel.
Pengolahan data nonparametrik k = 2
Pengolahan data nonparametrik independen k =2
1. Uji Mann-Whitney
Uji digunakan untuk menguji ada tidaknya perbedaan yang significant untuk 2 sampel yang
independent. Uji Mann-Witney disebut juga uji U, beraku untuk kasus dua sample independent
dengan skor yang berskalaordinal. Uji Mann- Whitney dipakai untuk menguji apakah dua
kelompok independent telahmditarikdari populasi yang sama. Uji ini merupakan pengembangan
dari uji Wilcoxon dengan dua sample berukuran tidak sam, dan pemberian jenjang didasarkan
pada skor gabungan. Uji Mann-hitney tidak memerlukan anggapan tertentu mengenai populasi
dari mana sampel diambil(seperti uji-uji non-parametrik lainnya). Asumsi yang diperlukan
hanyalah bahwa nilai dari variable random dari dua kelompok yang diperbandingkan adalah
berditribusi kontinyu. Hipotesis nihil yang akan diuji mengatakan bahwa dua sample
independent diambil dari populasi yang memiliki distribusi yang sama. Uji ini dapat digunakan
untuk pengujian dua sisi ataupun satu sisi. Uji tersebut merupakan alternatif lain dari uji
tparametrik, bila anggapan yang diperlukan bagi uji t tidak dijumpai.
Pengolahan data nonparametrik k > 2
Pengolahan data nonparametrik independen k > 2
1. Uji Kruskal Wallis
Uji Kruskal-Wallis, sering pula disebut Uji H Kruskal Wallis, adalah rampatan uji
jumlah rang (dwi sampel Wilcoxon) untuk sejumlah sampel k > 2. Uji ini digunakan untuk
menguji hipotesis Ho bahwa k sampel bebas berasal dari populasi yang sama. Diperkenalkan di
tahun 1952 oleh W.H. Kruskal dan W.A. Wallis, uji ini merupakan padanan cara non parametrik
untuk menguji kesamaan rataan dalam analisis variansi ekafaktor bila ingin mengehindari
anggapan bahwa sampel berasal dari populasi normal. Jika dari populasi yang sama, maka rata-
rata ke-k sampel tersebut tentu relatif sama atau tidak berbeda secara signifikan.
2. Uji Friedman
Uji yang dilakukan untuk mengetahui adanya perbedaan yang significant dimana jumlah
sampel lebih dari 2 yang dependent. Uji Friedman sebenarnya adalah analog dengan uji analisis
varians dua arah pada uji parametric. Uji ini dpat digunakan apabila penerapan analisis varians
dua arah parametric tidak dikehendaki dikarenakan pertimbangan tertentu, misalkan seorang
peneliti tidak ingin berasumsi bahwa sampel yang diperolehnya adalah berdistribusi normal,
dimana distribusi normal merupakan persyaratan sahihnya (valid) uji dalam penggunaan uji
parametric.