0% menganggap dokumen ini bermanfaat (0 suara)
20 tayangan19 halaman

Uji Hipotesis Non-Parametrik

Statistika nonparametrik digunakan untuk menguji hipotesis tanpa asumsi distribusi normal dan ukuran sampel kecil. Beberapa uji nonparametrik meliputi uji tanda, uji rang tanda Wilcoxon, uji jumlah-rank Wilcoxon, dan uji Kruskal-Wallis.

Diunggah oleh

Abdul Aziz
Hak Cipta
© All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
0% menganggap dokumen ini bermanfaat (0 suara)
20 tayangan19 halaman

Uji Hipotesis Non-Parametrik

Statistika nonparametrik digunakan untuk menguji hipotesis tanpa asumsi distribusi normal dan ukuran sampel kecil. Beberapa uji nonparametrik meliputi uji tanda, uji rang tanda Wilcoxon, uji jumlah-rank Wilcoxon, dan uji Kruskal-Wallis.

Diunggah oleh

Abdul Aziz
Hak Cipta
© All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd

STATISTIKA NON

PARAMETRIK
Utriweni Mukhaiyar
BI5106 Analisis Biostatistik
4 Desember 2012
Prosedur Ujij Hipotesis
p

Prosedur Uji
Hipotesis

Parametrik Non-parametrik

Uji Z Uji Tanda


Uji Wilcoxon
Uji t ANOVA Uji Rang Rank Sum
one way Tanda Ujij
Kruskal-
Wallis
UJI MENYANGKUT RATAAN
UJI MENYANGKUT MEDIAN
Asumsi distribusi normal
Tidak memiliki distribusi UJI MENYANGKUT
dan/atau ukuran sampel kecil RATAAN
k 2
Ujij Parametrik

1. Melibatkan parameter populasi (Rataan)


2. Ada asumsi kenormalan
3. Contoh : Z Test, t Test, 2 Test, F test
Ujij Nonparametrik
p

1. Tidak melibatkan parameter-parameter distribusi


2. Dapat digunakan untuk berbagai jenis observasi
( i atau iinterval,l ordinal,
(rasio di l nominal)
i l)
3. Contoh : Uji Wilcoxon Rank Sum Test
Kekuatan Ujij Nonparametrik
p
1. Digunakan untuk sebarang skala
2. Mudah dihitung
3. S dikit penggunaan asumsii
Sedikit
4. Tidak perlu melibatkan banyak parameter populasi
5. Hasil bisa sama persis dengan uji parametrik
1. Memungkinkan adanya informasi yang terbuang
2
2. Susah perhitungan untuk ukuran sampel yang besar
(khususnya untuk perhitungan manual)
3
3. Tabel tidak mudah diperoleh (khususnya untuk
perhitungan manual)
Ujij Tanda
 Uji tanda digunakan untuk menguji hipotesis
mengenai median populasi.
 H0 : , H1 bersesuaian
 Setiap sampel acak (ukuran n), ganti sampel <
dengan tanda ‘minus’
minus dan > dengan tanda
‘positif
 Prinsip dasar: tolak H0 jika salah satu tanda muncul
lebih sering daripada yang wajar (disesuaikan
dengan H1)
Uji Tanda
M hit
Menghitung p-value
l d dengan distribusi
di t ib i Bi
Binomial
i l

 Uji statistika yang sesuai ialah peubah acak


binomial , yang menyatakan banyaknya tanda
tambah dalam sampel p acak dengang peluang
p g
suksesnya ½
Contoh 1
 Berikut adalah data lama hidup (dalam jam) sebuah
baterai sebelum dilakukan recharge.

1 5 2,2
1,5 2 2 0,9
0 9 1,3
1 3 2,0
2 0 1,6
1 6 1,8
1 8 1,5
1 5 2,0
2 0 1,2
1 2 1,7
17

Uji bahwa median dari poulasi lama hidup baterai


t
tersebut
b t sebelum
b l recharge
h adalah
d l h11,8
8 jam.
j
Solusi :
H0 :
H1 :
Uji statistik
t ti tik : peubah
b h Binomial
Bi i l X dengan
d p=½
 Perhitungan :

1,5 2,2 0,9 1,3 2,0 1,6 1,8 1,5 2,0 1,2 1,7
      ?    

? : dibuang
 X : banyak tanda positif,
positif X ~ B(10,
B(10 ½) dimana: x = 3
dan n/2 = 5. Sehingga
(  3)) =
p = 2 P(X

Karena H0 tidak ditolak untuk semua 1%  %


Data yang ada mendukung hipotesis bahwa median
lama hidup baterai sebelum recharge adalah 1,8 jam
Ujij Rang
g Tanda
 Suatu uji yang memanfaatkan baik tanda maupun
besar selisihnya diusulkan oleh Frank Wilcoxon
yyangg dikenal dengan
g ujij rang-tanda
g Wilcoxon.
 Uji rang tanda Wilcoxon berlaku untuk kasus
distribusi kontinu setangkupp (simetris)
Prosedur Ujij Rang
g Tanda
1. Setiap nilai sampel dikurangi dengan , buang selisih yang
sama dengan
d nol.l
2. Selisih yang tinggal di-rang tanpa menghiraukan tandanya.
3. Rang 1 diberikan pada selisih terkecil (yakni, tanpa tanda), rang
d untukk yang (ter)kecil
dua ( )k il berikutnya,
b ik d seterusnya. bila
dan bil dua
d
atau lebih selisih nilai mutlaknya sama, masing-masing diberi
rang yang sama dengan rata-rata rang seandainya nilai itu
berbeda.
4. Bila hipotesis nol benar maka jumlah rang selisih yang positif
seharusnya hampir sama dengan jumlah rang dari selisih yang
negatif.
5. Nyatakanlah masing-masing jumlah ini dengan w+ dan w- dan
yang terkecil dari keduanya dengan w.
Uji Rang Tanda
Dua sampel dengan pengamatan berpasangan

 Tabel Ujij rang-tanda


g

 Hipotesis
p nol ditolak bila nilai hitungan
g w+, w-, dan
w lebih kecil atau sama dengan nilai di tabel yang
sesuai.
Contoh 2
 Berikut ini data yang menggambarkan tekanan darah sistolik 16 pelari
sebelum dan setelah lari 8 km.
km
Pelari Sebelum Sesudah Pelari Sebelum Sesudah
1 158 164 9 165 173
2 149 158 10 145 147
3 160 163 11 150 156
4 155 160 12 161 164
5 164 172 13 132 133
6 138 147 14 155 161
7 163 167 15 146 154
8 159 169 16 159 170
 Gunakan uji tanda pada taraf keberartian 0,05 untuk menguji
hipotesis nol bahwa lari 8 km menaikkan median tekanan darah
sistolik sebesar 8 angka lawan tandingan bahwa kenaikan dalam
median kurang dari 8 angka.
angka
Contoh 2
S l i
Solusi

 H0 :
 H1 :

 Misal  = 0,05 (uji satu sisi)

 Daerah kritis : karena n = 13 (setelah membuang


tiga pengukuran yang sama dengan 8), 8) menunjukkan
daerah kritis adalah w+  21 .
(gunakan Tabel Rank
Rank-Sum
Sum Test)
 Perhitungan
g : kurangkan
g 8 dari setiappppengukuran
g
dan kemudian rangking selisihnya tanpa
menghiraukan tandanya.

 Sekarang w+ = 15, w- = 67 dan w = 15 .


 K t
Keputusan: T l k H0 dan
Tolak d simpulkan
i lk bahwa
b h dengan
d
lari 8 km tidaklah menaikkan tekanan darah sistolik
sebesar 8 angka.
g
Ujij Jumlah-Rank Wilcoxon
 Digunakan untuk menguji median dari 2 populasi
yang berbeda (bukan data berpasangan).
Ujij Kruskal-Wallis
 Untuk menguji rataan dari 3 populasi atau lebih,
yang ukuran sampelnya sedikit.
 Uji ini mempunyai peranan yang sama dengan
ANOVA, bedanya di sini ukuran sampel kecil dan
tidak ada asumsi kenormalan
Referensi
 Walpole, Ronald E., [Link], Statistic for Scientist
and Engineering, 8th Ed., 2007.

Anda mungkin juga menyukai