Docstoc

WILCOXON RANK SUMSTEST = WILCOXON TWO SAMPLE TEST .._1_

Document Sample
WILCOXON RANK SUMSTEST = WILCOXON TWO SAMPLE TEST .._1_ Powered By Docstoc
					           Statistika
 Program S1 Bududaya Perairan,
  Fakultas Kedokteran Hewan,
      Universitas Airlangga
           Surabaya.


         Dr. Kusnoto, MSi., drh.
Telp.031-72.575763; HP.081.330.575763
       Dept. Parasitologi, FKH-UA
       Aplikasi                                     Uji statistik
                            Parametrik                        Nonparametrik
Satu sampel             •   Uji T                Uji Binomial
                        •   Uji Z                Uji satu sampel Chi-Kuadrat
                                                 Uji satu sampel Kolmogorov-Smirnov
                                                 Uji Run satu sampel
Dua sampel saling       •   Uji T (Paired T    Uji McNemar Signifikansi Perubahan
   berhubungan (Two         Test)              Uji Tanda (Sign Test)
   Dependent Samples)   •   Uji Z              Uji Rangking-Bertanda Wilcoxon
Dua sampel tidak        •   Uji T (Pooled T  Kemungkinan yang eksak dari Fisher
   berhubungan (Two         Test)            Uji 2 untuk 2 sampel independen
   Independent          •   Uji Z            Mann-Witney U test
   Samples)                                  Uji Median
                                             Uji 2 sampel Kolmogorov-Smirnov
                                             Uji run Walt-Wolfowitz
                                             Reaksi ekstrem Moses
Beberapa sampel         Anova (F test)         Analisis Varian Rangking dua arah Friedman
   berhubungan             sama subyek         Uji Q Cochran
Beberapa sampel tidak   Anova (F test)         Uji 2 untuk k sampel independen
   berhubungan                                 Analisis Varian Rangking satu arah Krukhal-
                                                Wallis
                                               Perluasan Tes Median
     Uji Statistik Non-Parametrik
   Distribusi tidak normal  non free
    distribution
   Tidak menguji parameter Ex:
       Goodness of fit test  uji kesesuaian data
        dengan populasi asalnya
       Test for randomness
   Fokus analisis / prinsip atau skewed….
   Keuntungan dan Kekurangan…
     Fokus analisis/prinsip atau skewed
1.   Rangking/order  peringkat/urutan  data diurut terlebih
     dahulu baru dirangking
2.   Sign  diberi tanda  when  didasarkan pada nilai
            patokan  yaitu: median atau modus
           tanda yang digunakan p.u. berupa positif (+) atau
             negatif (-)
3.   Run  runtun / deret
           means  menghitung banyaknya deret yaitu
             banyaknya data sejenis yang berurutan sebelum
             berganti ke jenis lain.
           Ex. deret  LLLLLPPPPP  deret terlalu sedikit
                 deret  LPLPLPLPLP  deret terlalu banyak
                             Data seperti diatur berarti non random
4.   Klasifikasi / Kategori                     Tinggi
                  Ex.  data pendidikan        Sedang
                                                Rendah
    Keuntungan dan Kekurangan
    Keuntungan
    1.   Mengerjakannya mudah dan juga cepat
         dibanding uji parametrik.
    2.   Nilai p yang diperoleh dari analisis itu
         merupakan nilai yang exact (nyata)
         biasanya pada sampel-sampel kecil.
    3.   Jika sampel size kecil tidak ada pilihan lain
         yaitu menggunakan statistik non-parametrik
    Keuntungan dan Kekurangan
       Kekurangan
         Jika persyaratan dengan uji parametrik terpenuhi
          kemudian digunakan uji statistik non parametrik
          maka jadi pemborosan informasi.
         Power of efficiency non-parametrik lebih rendah
          dibandingkan power of efficiency parametrik,
          sehingga perlu sampel lebih banyak untuk membuat
          kesimpulan sama.
         Jenisnya banyak  tabel untuk titik ktritisnya juga
          banyak dan bervariasi  sehingga untuk
          mempelajarinya perlu waktu yang lebih lama.
                Referensi:
   Nonparametric Statistics for Behavioral
    (Sidney Siegel & John Catelan. 2nd, 1990).
   Statistik Nonparametrik. Edisi pertama
    (Samsubar Saleh, 1986).
   Statistika Nonparametrik Terapan (Wayne W.
    Daniel, 1978 Terj. Alex Tri Kantjono W., 1989,
    PT Gramedia, Jakarta)
   Mengolah Data Statistik Secara profesional
    “SPSS versi 10.0” (Singgih Santoso, 2001).
         Why pakai “Nonparametrik”


   Jenis data 
       ordinal/nominal, atau
       Interval / rasio  yang “non free distribution”
   Sampel size  kecil
         Kasus Satu Sampel
              yang Dibahas

   Uji Binomial
   Test Satu Sampel Chi Kuadrat
                        Uji Binomial
       Uji Binomial menguji hipotesis tentang suatu
        proporsi populasi.
         Ciri binomial adalah data berupa dua (bi) macam
          unsur, yaitu „gagal‟ atau „sukses‟ yang diulang
          sebanyak n kali.
         Dalam hal ini pemakai bebas untuk mendefinisikan apa
          yang dimaksud „sukses‟ dan apa yang dikategorikan
          „gagal‟.
       Salah satu contoh yang paling populer untuk
        penerapan uji Binomial adalah
         pelemparan sebuah mata uang berkali-kali, di mana
          „sukses‟ diartikan jika hasil pelemparan adalah
          munculnya „angka‟, sedangkan „gagal‟ diartikan sebagai
          munculnya „gambar‟.
        Coso: Binomial – sampel kecil
   Dalam suatu study mengenai akibat-akibat stress, seorang
    pembuat eksperimen mengajarkan kepada 18 mahasiswa,
    dua metode yang berbeda untuk membuat simpul dengan
    tali yang sama.
   Setengah dari subyek-subyek itu (dipilih secara random)
    mempelajari metode A terlebih dahulu, dan separuhnya lagi
    metode B lebih dulu.
   Kemudian pada tengah malam setelah ujian akhir yang
    mereka tempuh selama empat jam, masing-masing subyek
    disuruh membuat simpul tali tadi.
   Ramalannya adalah stress akan mengakibatkan
    kemunduran (regresi), yakni bahwa subyek-subyek itu akan
    kebal kepada metode yang I mereka pelajari dalam hal
    membuat simpul tali.
   Setiap subyek dikategorikan menurut apakah dia
    menggunakan metode simpul tali yang mereka pelajari
    pertama kali, ataukah metode yang mereka pelajari yang
    kedua, jika subyek-subyek itu diminta untuk membuat
    simpul dibawah keadaan stress.
Tabel 1. Metode simpul tali yang dipilih
         dibawah stress
                      Metode yang dipilih
                                                       Jumlah
             Yang dipelajari I   Yang dipelajari II
Frekuensi          16                   2                18
• N = banyak observasi independen = 18
• x = frekuensi yang lebih kecil = 2
• Tabel D  untuk kemungkinan yang berkaitan dengan
              x  2 adalah p= 0,001
• Karena p ini < dari  = 0,01
• Maka H0 ditolak, H1 = diterima
• Kesimpulan = p1 > p2 , yakni bahwa :
      Orang-orang yang dibawah kondisi stress kembali ke
      metode yang dipelajari pertama diantara 2 metode yang ada.
    Untuk populasi yang terdiri dari dua kelas, jika
     diketahui proporsi kasus-kasus dalam satu kelas
     adalah p, maka kelas satunya adalah 1-p
    Probabilitas untuk memperoleh  obyek dalam
     satu kategori dan N -  obyek dalam kategori
     lainnya dihitung dengan:
                      N
                p()=          pXqN-X .................. 1
dimana:
p = Proporsi kasus yang diharapkan terdapat dlm satu kategori,
q = 1 – P, yakni proporsi kasus yang diharapkan terdapat dlm
     kategori lainnya, dan

              N!       N! adalah N faktorial,
 N
      =            artinya=N(N-1)(N-2)…… Tabel T
          x ! (N-X) !    Ex. 4! = (4) (3) (2) (1) = 24…Tabel S
                         Coso :
   Sebuah dadu dilemparkan lima kali,
    bagaimanakah secara pasti dua di antara lima
    lemparan itu akan menghasilkan enam?
   Penyelesaian :
       N = banyaknya lemparan dadu = 5
        = banyaknya muncul “enam” = 2
       p = proporsi yang diharapkan untuk “enam“ = 1/6
       q = 1 – P = 5/6
   Kemungkinan dua di antara 5 lemparan itu
    secara pasti akan menghasilkan “enam” dicari
    dengan rumus sebagai berikut:
                N
     p()=            pXqN-X

                 5!     1    2    5    3
        p(2) =                   = 0,16
               2! 3!     6         6

   Kemungkinan untuk secara pasti mendapatkan dua
    “enam” ketika melemparkan dadu yang seimbang
    sebanyak lima kali adalah p = 0,16
   Berapa kemungkinan akan diperoleh secara eksak
    nilai yang telah diamati ?
   …
   Dalam Penelitian
   “Berapakah kemungkinan untuk memperoleh
    nilai – nilai yang diobservasi atau nilai – nilai
    yang lebih ekstrim ?”
   Distribusi sampling binomialnya:

                x
                    N
                        piqN-i ................ 2
               i=0


   Dengan kata lain: Menjumlahkan kemungkinan
    nilai yang diobservasi dengan kemungkinan –
    kemungkinan nilai yang lebih ekstrim.
Misal:
 ingin mengetahui kemungkinan akan memperoleh
  paling banyak dua “enam“ jika sebuah dadu yang
  seimbang dilempar sebanyak lima kali.
 Penyelesaian :

 N = 5,  = 2, p = 6, dan q = 5/6

 Untuk mendapatkan paling banyak dua “ enam “
  adalah p (   2 )
 Kemungkinan untuk memperoleh 0 “enam“ adalah p
  (0)
 Kemungkinan mendapatkan 1 “enam“ adalah p ( 1 )

 Kemungkinan mendapatkan 2 “enam“ adalah p ( 2 )
               Dari rumus 2
   p(2)=p(0)+p(1)+p(2)
   Artinya: kemungkinan untuk memperoleh
    dua ”enam” atau kurang dari dua adalah
    jumlah tiga harga kemungkinan yang
    disebutkan di atas.
     Masing-masing kemungkinan tersebut dapat
     dihitung dengan rumus 1
                               Dengan demikian
         5!       1         0    5    5
p(0) =                              = 0,40
                                                   p(  2) = p(0) +p(1) +p(2)
       0! 5!      6              6
                                                           = 0,40 + 0,40 + 0,16
                                                           = 0,96
         4!       1         1    5    4
p(1) =                              = 0,40   Telah ditentukan bahwa
       1! 4!       6              6                kemungkinan dibawah Ho
                                                   untuk memperoleh dua
         5!       1         2    5    3            ”enam” atau kurang kalau
p(2) =                              = 0,16   sebuah dadu yang
       2! 3!      6              6                 seimbang dilemparkan
Untuk sampel kecil N  25                          lima kali adalah p = 0,96

                                                        rumus 2 Tabel D
             Sampel-sampel besar
• N  makin besar  distribusi binomial
  “cenderung mendekati distribusi normal“
 Kecenderungan :
       Kuat  jika P mendekati ½
       Lemah  jika P mendekati 0 atau 1
   Makin besar kesenjangan antara P dan Q, maka
    seharusnya N makin besar sebelum pendekatan
    distribusi normal dapat digunakan secara berarti.
   Kalau  P mendekati 0 atau 1
       NPQ  harus  9
        sampling diperkirakan normal dengan mean = NP
        dan SD =  NPQ
   Oleh karena itu H0 dapat diuji dengan :
           - µ2         - NP
     Z =         =          ............ 3
                     NPQ
     Z = kurang lebih normal dengan mean = 0 dan varian = 1

   Distribusi binomial untuk variabel diskrit
   karena distribusi normal  maka perlu koreksi
    kontinuitas.
   Koreksi kontinuitas terjadi dgn pengurangan
    0,5 terhadap selisih antara nilai  yang
    diobservasi dan nilai yang diharapkan:
    µ = NP oleh sebab itu :
       Kalau  < µ  tambahkan 0,5 pada 
       Bila  > µ  kurangkan 0,5 pada 
       Sehingga selisih yang diobservasi diperkecil
        0,5 maka  Z menjadi :

            (  0,5) - NP
    Z =  ............................................ 4
                NPQ


   Signifikansi harga Z  Tabel A
   Satu sisi  terjadinya harga – harga  yang
    seekstrim harga  observasi dibawah Ho
   Jika diperlukan ”dua sisi”  Tabel A 
    dikalikan 2
    Coso:
   Pada Data “ pembuatan simpul tali “ dalam
    kasus tersebut diketahui:
       N = 18,  = 2, dan P = Q = ½
        < NP ............ ( 2 < 9 )
   dengan rumus 4:

         ( 2 + 0,5 ) – ( 18 ) ( 0,5 )
    Z =  = - 3,07
           (18 ) ( 0,5 ) ( 0,5 )
                Cara lihat Tabel:
      Z          …           …          …          07
      …                                             
      …                                             
      …                                             
     3,0                                      0,0011
Jadi p = 0,0011, ini menunjukkan bahwa suatu z yang
seekstrem -3,07 memiliki suatu kemungkinan satu sisi yang
berkaitan dengan terjadinya p = 0,0011 di bawah Ho.
Jika diasosiasikan dengan harga x yang terobservasi atau
bahkan harga yang lebih ekstrem ternyata < , maka tolaklah
Ho.
     Test Satu Sampel Chi Kuadrat
   Tekhniknya adalah tipe goodness of fit, yakni tes
    tersebut dapat digunakan untuk menguji apakah
    terdapat perbedaan yang signifikan antara
    banyak yang diamati ( observed ) dari obyek atau
    jawaban–jawaban yang masuk dalam masing–
    masing kategori dengan banyak yang diharapkan
    ( expected ) berdasarkan Ho
   Jumlah kategori boleh dua atau lebih, misalnya :
    sikap atau respon orang mungkin dikategorikan
    menurut apakah mereka “mendukung“, “acuh
    tak acuh“ atau “menentang“ pernyataan tertentu,
    guna memungkinkankan peneliti menguji
    hipotesis bahwa jawaban itu akan berbeda dalam
    hal frekuensinya.
   Harus dapat menyatakan frekuensi manakah
    yang diharapkan itu. Hipotesis nol menyatakan
    proporsi obyek yang jatuh dalam masing–masing
    kategori dalam populasi yang ditetapkan. Ini
    berarti dari Ho-nya kita dapat membuat deduksi
    berapakah frekuensi yang diharapkan.
   Tekhnik 2 menguji apakah frekuensi yang
    diamati cukup mendekati frekuensi yang
    diharapkan sehingga mempunyai kemungkinan
    besar untuk terjadi dibawah Ho.
    Ho diuji dengan :
   k (Qi – Ei)2
=                    ...................... 5
  i=1  Ei

   Dimana :
      Qi = banyak kasus yang diamati dalam kategori ke-i
      Ei = banyak kasus yang diharapkan dalam kategori ke-i
       dibawah Ho
        k
       = penjumlahan semua kategori
       i=1
   Jika frekuensi yang diamati dan diharapkan
    ternyata tidak banyak berbeda, maka selisih (Qi
    = Ei) akan kecil, sehingga 2 kecil. Kalau
    perbedaan besar  harga 2 akan besar pula.
    Secara kasar semakin besar 2 makin besarlah
    frekuensi2 yang diamati tidak berasal dari
    populasi yang diharapkan menurut ketentuan
    Ho.
   Distribusi sampling chi–kuadrat dan harga–
    harga kritis tertentu dapat dilihat pada Tabel C.
    Setiap kolom dicantumkan kemungkinan2 harga
    tertentu terjadi (dua sisi) dibawah Ho. Untuk
    setiap db terdapat satu harga chi–kuadrat
    tersendiri.
   Besarnya db menunjukkan banyak observasi yang bebas
    untuk bervariasi sesudah batasan–batasan tertentu
    dikenakan pada data.
   db = k – 1  k = banyak kategori dalam klasifikasi.
   Jika kemungkinan yang berkaitan dengan minculnya
    dibawah H0 suatu 2 yang diperoleh untuk db = k – 1
    adalah = atau < dari harga  yang ditetapkan
    sebelumnya, maka H0 dapat ditolak.
       Kalau k = 2, maka frekuensi yang diharapkan harus
        serendah–rendahnya 5
       Kalau k > 2, tes untuk satu kasus ini tidak boleh dipakai jika
        > 20 % dari frekuensi yang diharapkan tidak boleh < 5 atau
        jika sembarang frekuensi yang diharapkan < 1 (Cocrhan,
        1945).
       Frekuensi yang diharapkan kadang–kadang dapat diperbesar
        dengan cara menggabungkan kategori–kategori yang
        berdekatan. Hal ini baik dilakukan apabila penggabungan
        dapat dilakukan secara berarti.
   Jika setelah penggabungan kategori–kategori yang yang
    berdekatan akhirnya mendapatkan dua kategori saja dan
    frekuensi yang diharapkan masih ada yang < 5, maka yang
    harus dipakai bukan 2 melainkan tes binomial, untuk
    menentukan kemungkinan yang berkaitan dengan terjadinya
    frekuensi yang diobservasi dibawah hipotesis–nol.
   Harus dicatat bahwa kalau db > 1, tes 2 tidak memiliki
    kepekaan terhadap efek urutan. Dengan demikian kalau suatu
    hipotesis juga memperhitungkan urutan, tes 2 bukanlah tes
    yang terbaik  contoh tes dengan menggunakan urutan .......
   Para penggemar balapan ikan mengemukakan bahwa diarena
    balap ikan berbentuk bundar, ikan–ikan yang berada dalam
    posisi start tertentu lebih bruntung dari yang lain. Posisi satu
    adalah yang terdekat dengan pagar pada sisi dalam arena
    pacuan, posisi delapan adalah yang paling jauh dari sisi pagar.
    Pacuan tersebut diikuti delapan ikan pacu yang berlangsung
    diarena pacuan yang berbentuk lingkaran.
 Hipotesis
    Ho: tidak terdapat perbedaan dalam hal banyak
     pemenang yang diharapkan, yang mengambil start dari
     posisi manapun, dan setiap perbedaan yang diamati
     semata–mata adalah variasi yang kebetulan
     sebagaimana dapat diharapkan dalam suatu sampel
     random dari posisi rekanguler dimana f1 = f2 = .... =
     f8.
    H1: frekuensi untuk f1, f2,.......,f8 tidak sama
     semuanya.
 Tes   statistik.
    Karena akan di : kan antara data dari suatu sampel
     dengan populasi tertentu yang ditetapkan yang cocok
     adalah tes satu sampel.
    Tes 2 dipilih karena hipotesis yang diuji berkaitan
     dengan suatu perbandingan mengenai frekuensi yang
     diamati dengan frekuensi yang diharapkan dalam
     kategori–kategori yang diskrit yaitu posisi start
    T tes2 bukanlah yang paling cocok untuk data ini,
     karena disini terlibat masalah urutan.
 Tingkat signifikansi. Kita tentukan  = 0,01 , N = 144 yakni
  banyak keseluruhan pemenang dalam 18 hari pacuan.
 Distribusi sampling. Distribusi sampling 2 sebagaimana
  dihitung dengan rumus 5, mengikuti distribusi chi–kuadrat
  dengan db= k–1.
 Daerah penolakan. Ho akan ditolak jika kemungkinan harga
  2 terjadi dibawah Ho dengan db= 7 adalah = 0,01.
 Keputusan  sampel yang terdiri dari 144 pemenang
  menghasilkan data yang terlihat pada Tabel 2.
   Tabel C menunjukkan X2 > 16,3 untuk db=7 mempunyai
    kemungkinan kemunculan antara p=0,05 dan p=0,02 
    artinya 0,05 > p > 0,02  karena kemungkinan itu lebih besar
    dari tingkat signifikansi yang telah ditetapkan sebelumnya
    (=0,01), maka kita tidak dapat menolak Ho pada tingkat
    signifikansi tersebut (0,05 > p > 0,02). Terlihatlah bahwa kita
    memerlukan lebih banyak data sebelum dapat menyimpulkan
    secara pasti yang berkaitan dengan Ho.
   Frekuensi yg diharapkan kecil.
       Kalau db=1, yaitu k=2, maka masing2 frekuensi yang diharapkan harus
        serendah2nya 5. kalau db>1 yakni bila k>2, tes X2 untuk kasus satu-
        sampel ini tidak boleh dipakai jika lebih dari 20% dari frekuensi yang
        diharapkan < 5 atau jika sembarang frekuensi yang diharapkan < 1
        (Cochran, 1954).
       Frekuensi yang diharapkan kadang dapat diperbesar dengan cara
        menggabungkan beberapa kategori yang berdekatan.
       Cth… sangat mendukung, mendukung, acuh tak acuh, menentang,
        sangat menentang.
       Jika seseorang mulai hanya dengan dua kategori
Ringkasan Penggunaan tes x2 dalam kasus satu sampel,
    prosedur penggunaan tes ini meliputi 5 langkah:
   1.   Letakkan frekuensi-frekuensi terobservasi dalam k kategori.
        Jumlah frekuensi itu seluruhnya harus N, yakni banyaknya
        observasi-observasi independen.
   2.   Dari H0 tentukan frekuensi yang diharapkan (harga E1-nya)
        untuk tiap-tiap k sel itu. Manakala k>2, dan bila lebih dari
        20% dari E1 lebih kecil dari 5, gabungkanlah kategori-kategori
        yang berdekatan apabila hal ini memungkinkan dan dengan
        demikian kita mengurangi harga k serta meningkatkan harga
        beberapa E1. apanila k = 2, tes x2 untuk kasus satu
        sampeldapat digunakan secara memadai hanya jika tiap-tiap
        frekuensi yang diharapkan adalah lima atau lebih.
   3.   Dengan memakai rumus(5) hitunglah harga x2.
   4.   Tetapkan harga db. Db = k-1
   5.   Dengan melihat tabel C, tetapkan probabilitas yang dikaitkan
        dengan terjadinya suatu harga yang sebesar harga x2
        hitungan untuk harga db yang bersangkutan. Jika harga ini
        sama atau kurang dari , tolaklah H0
Test Satu-Sampel Kolmogorov-Smirnov
Fungsi dan Dasar Pemikiran
  Tes satu sampel Kolmogorov-Smirnov adalah
  suatu tes goodness-of-fit. Artinya, yang
  diperhatikan adalah tingkat kesesuaian antara
  distribusi serangkaian harga sampel (skor yang
  diobservasi) dengan suatu distribusi teoritis
  tertentu. Tes ini menetapkan apakah skor dalam
  sampel dapat secara masuk akal dianggap
  berasal dari suatu populasi dengan distribusi
  teoritis itu.
   Contoh :
    Andaikan seorang peneliti ingin menguatkan,dengan sarana
    eksperimen observasi sosiologis bahwa orang-orang negro amerika
    tampaknya memiliki hirarki kecenderungan menyukai (preferensi)
    warna kulit menurut gelap terangnya.1 Untuk menguji seberapa
    sistematisnya kecenderungan kesukaan tingkat-tingkat warna kulit
    itu, peneliti mengadakan pemotretan satu persatu atas sepuluh
    orang negro. Fotografer memrosesnya sedemikian rupa sehingga
    dari setiap subyek yang sama didapatkan 5 cetakan yang satu dan
    yang lainnya sedikit berbeda dalam hal gelap terangnya. Kelima
    lembar foto dengan subyek yang sama itu dapat diurutkan
    tingkatannya dari warna kulit yang paling gelap sampai yang palinp
    terang. Potret yang menunjukkan warna paling gelap dari masing-
    masing subyek diletakkan ditingkat satu, yang kurang gelap
    diletakkan ditingkat lima. Selanjutnya setiap subyek diminta memilih
    diantara kelima foto wajahnya sendiri itu. Jika gelap dan terangnya
    warna wajah mereka tidak penting, maka kelima lembar foto itu
    akan dipilih sama seringnya, dengan perbedaan-perbedaan random
    saja. Jika gelap dan terang itu penting bagi mereka, maka mereka
    akan secara konsisten menyukai salah satu dari tingkat yang
    ekstrim.
i.     Hipotesis nol. H0 : tidak terdapat banyak
       perbedaaan pilihan yang diharapkan untuk
       masing-masing dari kelima tingkatan, dan setiap
       perbedaan yang terobsesi hanyalah variasi yang
       kebetulan semata-mata yang dapat diharapkan
       terjadi dalam suatu sampel random dari populasi
       rektangular dimana f1= f2= f3 …………= f5. H1 :
       frekuensi f1, f2, f3………..f5 tidak semuanya
       sama.
ii.    Tes statistik. Tes satu sampel Kolmogorov-
       Smirnov dipilih karena peniliti ingin
       membandingkan distribusi skor yang diobservasi
       pada suatu skala ordinal, dengan satu distribusi
       teoritis.
iii.   Tingkat signifikansi. Dipilih  = 0,01. N =
       banyaknya orang negro yang bertindak sebagai
       subyek penelitian = 10
iv.   Distribusi sampling. Berbagai harga kritis D dari distribusi
      sampling disajikan dalam tabel E bersama-sama dengan
      kemungkinan yang berkaitan dengan terjadinya harga-
      harga itu dibawah Ho
v.    Daerah penolakan. Daerah penolakan tediri dari semua
      harga D (dihitung dengan rumus (4.6)) yang sedemikian
      besarnya sehingga kemungkinan yang berkaitan dengan
      terjadinya harga-harga tersebut dibawah H0 sama atau
      kurang dari  = 0,01
vi.   Keputusan. Dalam studi hipotesis ini, masing-masing
      subyek negro memilih satu diantara kelima foto yang
      sama. Misalkan satu orang memilih cetakan kedua, (yang
      warnanya setingakat lebih terang daripada yang gelap)
      lima orang memilih cetakan keempat, (setingakt lebih
      hitam daripada yang paling terang), dan empat orang
      memilih cetakan kelima (cetakan yang paling terang.
      Table 4.3 menyajikan data itu dan meletakkannya dalam
      bentuk yang sesuai dengan untuk menerapkan tes satu
      sampel Kolmogorov-Smirnov.
    Langkah2 penghitungan tes Kolmogorov-Smirnov:
1.   Tetapkan fungsi kumulatif teoretisnya, yakni
     distribusi kumulatif yang diharapkan dibawah H0
2.   Aturlah skor-skor yang diobservasi dalam suatu
     distribusi kumulatif dengan memasangkan tiap
     interval SN(X) dengan interval F0(X) yang
     sebanding
3.   Untuk tiap-tiap jenjang pada distribusi kumulatif,
     kurangilah F0(X) dengan SN(X)
4.   Dengan memakai rumus (4.6) carilah D
5.   Lihatlah Tabel E untuk menemukan kemungkinan
     (dua sisi) yang dikaitkan dengan munculnya harga-
     harga sebesar harga D observasi dibawah H0. jika
     p sama atau kurang dari , tolaklah H0

				
DOCUMENT INFO
Shared By:
Categories:
Tags:
Stats:
views:106
posted:11/30/2011
language:
pages:40