Professional Documents
Culture Documents
Dr. Danardono
danardono@ugm.ac.id
Pokok Bahasan
1.
1. Pendahuluan
2. Data statistik (review)
3. Metode Statistik
2.
Analisis Variansi
1. Pengantar
2. ANAVA satu arah
3.
Analisis Variansi
1. Pembandingan Ganda
2. Diagnostik
4.
Analisis Variansi
Analisis Regresi
1. Pengantar
2. Regresi Linear Sederhana
3. Metode Kuadrat Terkecil
6.
Analisis Regresi
1. Inferensi
2. Korelasi
7.
Analisis Regresi
8.
Analisis Data
Kategorik
1. Data Kategorik
2. Tabel Kategorik 2 2
3. Tabel Kategorik b k
9.
Analisis Data
Kategorik
Metode
Non-parametrik
1. Pengantar
2. Dua sampel dependen
11.
Metode
Non-parametrik
1. K-sampel dependen
2. Koesien Korelasi Rank
12.
Bilangan indeks
13.
Presentasi
14.
Presentasi
Buku teks:
Soejoeti, Z. (1984). Buku Materi Pokok Metode Statistik II,
Universitas Terbuka, Penerbit Karunika, Jakarta.
Abdurakhman (2004). Modul Metode Statistika II, Program
Studi Statistika, Jurusan Matematika, FMIPA UGM.
Penilaian
Ujian Akhir Semester
Ujian Tengah Semester
Presentasi
Penilaian lisan
Tugas
Kuis
Keaktivan
Analisis Variansi
Analisis Variansi (Anava)
Perluasan dari uji mean dua populasi Normal
A
24
13
18
24
16
23
varitas
B
C
13 21
21 13
11 26
23 23
28 16
18 12
D
27
30
24
29
26
34
= i + ij
= + i + ij ,
i = 1, 2, . . . , k; j = 1, 2, . . . , ni ,
= i + ij
= + Ai + ij ,
i = 1, 2, . . . , k; j = 1, 2, . . . , ni ,
MST
MSE
dimana F F(k1,nk)
MST: mean square treatment (kuadrat rata-rata perlakuan)
MSE: mean square error (kuadrat rata-rata sesatan)
yang diperoleh dari Tabel Anava (Analisis Variansi)
Daerah Kritis
H0 ditolak jika F > F(k1,nk)
15
20
25
30
derajad
bebas
Perlakuan
k1
SST =
k
i=1
Sesatan
N k
SSE =
k
i=1 (ni
Xi =
1
ni
2
Si =
1
N
2
1)Si
ni
j=1 xij
1
ni 1
X=
ni (Xi X)2
ni
j=1 (Xij
k
i=1
X i )2
ni
j=1 xij ,
N=
ni
Rata-rata
Jumlah Kuadrat
(MS)
MST =
SST
k1
MSE =
SSE
N k
rasio F
F =
MST
MSE
B
13
21
11
23
28
18
varitas
C
21
13
26
23
16
12
D
27
30
24
29
26
34
ni
Xi
2
Si
A
24
13
18
24
16
23
6
19,67
21,87
varitas
B
C
13
21
21
13
11
26
23
23
28
16
18
12
6
6
19,00 18,50
40,40 32,30
D
27
30
24
29
26
34
6
28,33
12,27
ni
Xi
2
Si
X=
1
N
k
i=1
ni
j=1
A
24
13
18
24
16
23
6
19,67
21,87
xij =
513
24
varitas
B
C
13
21
21
13
11
26
23
23
28
16
18
12
6
6
19,00 18,50
40,40 32,30
= 21, 38
D
27
30
24
29
26
34
6
28,33
12,27
ni
Xi
2
Si
X=
1
N
A
24
13
18
24
16
23
6
19,67
21,87
k
ni
xij = 513
j=1
i=1
24
k
ni (Xi X)2
i=1
varitas
B
C
13
21
21
13
11
26
23
23
28
16
18
12
6
6
19,00 18,50
40,40 32,30
D
27
30
24
29
26
34
6
28,33
12,27
= 21, 38
SST =
= 6(19,6721,38)2 +6(19,0021,38)2 +6(18,5021,38)2 +6(28,3321,38)2
ni
Xi
2
Si
X=
1
N
A
24
13
18
24
16
23
6
19,67
21,87
k
ni
xij = 513
j=1
i=1
24
k
ni (Xi X)2
i=1
SST =
= 391, 46
varitas
B
C
13
21
21
13
11
26
23
23
28
16
18
12
6
6
19,00 18,50
40,40 32,30
= 21, 38
D
27
30
24
29
26
34
6
28,33
12,27
ni
Xi
2
Si
X=
1
N
A
24
13
18
24
16
23
6
19,67
21,87
k
ni
xij = 513
j=1
i=1
24
k
ni (Xi X)2
i=1
varitas
B
C
13
21
21
13
11
26
23
23
28
16
18
12
6
6
19,00 18,50
40,40 32,30
= 21, 38
SST =
= 391, 46
k
2
SSE = i=1 (ni 1)Si
=(61)21,87+(61)40,40+(61)32,30+(61)12,27
D
27
30
24
29
26
34
6
28,33
12,27
ni
Xi
2
Si
X=
1
N
A
24
13
18
24
16
23
6
19,67
21,87
k
ni
xij = 513
j=1
i=1
24
k
ni (Xi X)2
i=1
SST =
= 391, 46
k
2
SSE = i=1 (ni 1)Si
= 534, 17
varitas
B
C
13
21
21
13
11
26
23
23
28
16
18
12
6
6
19,00 18,50
40,40 32,30
= 21, 38
D
27
30
24
29
26
34
6
28,33
12,27
derajad
bebas
Perlakuan
k1
Sesatan
N k
SST =
SSE =
k
i=1
ni (Xi X)2
k
i=1 (ni
2
1)Si
Rata-rata
Jumlah Kuadrat
(MS)
MST =
SST
k1
MSE =
SSE
N k
rasio F
F =
MST
MSE
derajad
bebas
Rata-rata
Jumlah Kuadrat
(MS)
Varitas
SST = 391, 46
MST =
SST
k1
Sesatan
20
SSE = 534, 17
MSE =
SSE
N k
rasio F
F =
MST
MSE
derajad
bebas
Rata-rata
Jumlah Kuadrat
(MS)
Varitas
SST = 391, 46
MST =
Sesatan
20
SSE = 534, 17
MSE =
391,46
3
434,17
20
rasio F
F =
MST
MSE
derajad
bebas
Rata-rata
Jumlah Kuadrat
(MS)
rasio F
Varitas
SST = 391, 46
MST = 130, 49
130,49
26,71
Sesatan
20
SSE = 534, 17
MSE = 26, 71
derajad
bebas
Rata-rata
Jumlah Kuadrat
(MS)
rasio F
Varitas
SST = 391, 46
MST = 130, 49
4, 8856
Sesatan
20
SSE = 534, 17
MSE = 26, 71
derajad
bebas
Rata-rata
Jumlah Kuadrat
(MS)
rasio F
Varitas
SST = 391, 46
MST = 130, 49
4, 8856
Sesatan
20
SSE = 534, 17
MSE = 26, 71
Statistik Penguji
F = 4, 8856
derajad
bebas
Rata-rata
Jumlah Kuadrat
(MS)
rasio F
Varitas
SST = 391, 46
MST = 130, 49
4, 8856
Sesatan
20
SSE = 534, 17
MSE = 26, 71
Statistik Penguji
F = 4, 8856
Kesimpulan
F = 4, 8856 > 3, 10 H0 ditolak,
paling tidak ada dua mean yang
tidak sama
Yi. =
Yij
j=1
Yi. =
ni
j=1 Yij
ni
Yi.
ni
ni
Y.. =
Yij
i=1 j=1
Y.. =
k
j=1
ni
j=1 Yij
Y..
=
N
(Yij Y.. )2 =
SSTO
ni (Yi. Y.. )2 +
SST
(Yij Yi. )2
SSE
derajad
bebas
Jumlah Kuadrat
(SS)
Rata-rata Jumlah
Kuadrat (MS)
Perlakuan
k1
SST
MST =
SST
k1
Sesatan
N k
SSE
MSE =
SSE
N k
Total
N 1
SSTO
2
Yij
SSTO =
i
SST =
2
Yi.
ni
2
Yij
SSE =
i
2
Y..
2
Y..
2
Yi.
ni
rasio F
F =
MST
MSE
Y..
18
16
14
12
10
Kemasan 1
Kemasan 2
Kemasan 3
Kemasan 4
Kemasan 1
Kemasan 2
Kemasan 3
Kemasan 4
Y..
18
16
14
12
10
Kemasan 1
Kemasan 2
Kemasan 3
Kemasan 4
cukup besar
cukup besar
Metode:
Tukey
Scheff
Bonferroni
Newman - Keuls
Hipotesis
H0 : i = j
H1 : i = j
untuk i = j dan i, j = 1, 2, . . . , k
Daerah Kritik (Keputusan)
(k 1)S 2 F,k1,N k
1
ni
1
nj
Xi
A
6
19,67
varitas
B
C
6
6
19,00 18,50
D
6
28,33
MSE = 26, 71
Xi
A
6
19,67
varitas
B
C
6
6
19,00 18,50
D
6
28,33
MSE = 26, 71
vs.
vs.
vs.
vs.
vs.
vs.
B
C
D
C
D
D
| Xi Xj |
(k 1)MSEF,k1,N k
1
ni
1
nj
Kesimpulan
Xi
A
6
19,67
varitas
B
C
6
6
19,00 18,50
D
6
28,33
MSE = 26, 71
vs.
vs.
vs.
vs.
vs.
vs.
B
C
D
C
D
D
| Xi Xj |
1
ni
1
nj
Kesimpulan
Xi
A
6
19,67
varitas
B
C
6
6
19,00 18,50
D
6
28,33
MSE = 26, 71
vs.
vs.
vs.
vs.
vs.
vs.
B
C
D
C
D
D
| Xi Xj |
0,67
1,17
8,66
0,50
9,33
9,83
248, 403
1
ni
1
nj
Kesimpulan
Xi
A
6
19,67
varitas
B
C
6
6
19,00 18,50
D
6
28,33
MSE = 26, 71
vs.
vs.
vs.
vs.
vs.
vs.
B
C
D
C
D
D
| Xi Xj |
0,67
1,17
8,66
0,50
9,33
9,83
248, 403
248, 403
1
ni
1
nj
1
6
1
6
Kesimpulan
Xi
A
6
19,67
varitas
B
C
6
6
19,00 18,50
D
6
28,33
MSE = 26, 71
vs.
vs.
vs.
vs.
vs.
vs.
B
C
D
C
D
D
| Xi Xj |
0,67
1,17
8,66
0,50
9,33
9,83
248, 403
1
ni
9,1
9,1
9,1
9,1
9,1
9,1
1
nj
Kesimpulan
Xi
A
6
19,67
varitas
B
C
6
6
19,00 18,50
D
6
28,33
MSE = 26, 71
vs.
vs.
vs.
vs.
vs.
vs.
B
C
D
C
D
D
| Xi Xj |
0,67
1,17
8,66
0,50
9,33
9,83
248, 403
1
ni
9,1
9,1
9,1
9,1
9,1
9,1
1
nj
Kesimpulan
H0
H0
H0
H0
H0
H0
diterima
diterima
diterima
diterima
ditolak
ditolak
Analisis Residual
Residual:
eij
= Yij Yij
= Yij Yi.
Analisis Residual
Residual:
eij
= Yij Yij
= Yij Yi.
Residual standar:
eij
MSE
alternatif standarisasi:
eij
si
Plot Residual
0
5
residual
20
22
24
^
Y
26
28
Uji Bartlett
Uji Kesamaan variansi Bartlett:
2
2
2
H0 : 1 = 2 = . . . = k
2
H1 : tidak semua i sama i = 1, . . . , k
Uji statistik berdasarkan asumsi bahwa s2 , s2 , . . . , s2
1 2
k
merupakan variansi sampel dari k sampel random yang
amsing-masing berdistribusi Normal, dan (ni 1) adalah
derajad bebas dari masing-masing s2
i
Rata-rata aritmetik s2 adalah:
i
1
MSE =
N k
dengan N k =
k
i=1 ni
k
i=1
(ni 1)s2
i
Uji Bartlett
Uji Kesamaan variansi Bartlett:
2
2
2
H0 : 1 = 2 = . . . = k
2
H1 : tidak semua i sama i = 1, . . . , k
Uji statistik berdasarkan asumsi bahwa s2 , s2 , . . . , s2
1 2
k
merupakan variansi sampel dari k sampel random yang
amsing-masing berdistribusi Normal, dan (ni 1) adalah
derajad bebas dari masing-masing s2
i
Rata-rata geometrik dari s2 adalah:
i
GMSE =
1/(N k)
Uji Bartlett
Uji Kesamaan variansi Bartlett:
2
2
2
H0 : 1 = 2 = . . . = k
2
H1 : tidak semua i sama i = 1, . . . , k
Untuk sembarang nilai-nilai s2
i
GMSE MSE
Nilai GMSE dan MSE akan dekat jika nilai-nilai s2 saling
i
berdekatan.
MSE/GMSE akan dekat ke 1 atau
log(MSE/GMSE) = log(MSE) log(GMSE) akan dekat ke 0.
Uji Bartlett
Uji Kesamaan variansi Bartlett:
2
2
2
H0 : 1 = 2 = . . . = k
2
H1 : tidak semua i sama i = 1, . . . , k
Statistik penguji:
N k
[log(MSE) log(GMSE)]
B=
C
dengan
1
C=1+
3(k 1)
C>1
k
i=1
1
ni 1
N k
Uji Bartlett
Uji Kesamaan variansi Bartlett:
2
2
2
H0 : 1 = 2 = . . . = k
2
H1 : tidak semua i sama i = 1, . . . , k
Statistik penguji:
k
1
(ni 1) log(s2 )
(N k) log(MSE)
B=
i
C
i=1
dengan
1
C=1+
3(k 1)
i=1
1
ni 1
1
N k
C>1
Bila H0 benar, B mendekati distribusi 2 dengan derajad bebas k 1
Uji Bartlett
Uji Kesamaan variansi Bartlett:
2
2
2
H0 : 1 = 2 = . . . = k
2
H1 : tidak semua i sama i = 1, . . . , k
Daerah penolakan:
B 2
(1,k1) ,
B > 2
(1,k1) ,
H0 diterima
H0 ditolak
4
i=1
= 1, 08333
B =
1
(20) log(2,71)
C
= 1,726
1
ni 1
20
k
i=1
(ni 1) log(s2 )
i
Asumsi:
Eror ikj independen dan berdistribusi normal dengan rerata
nol dan variansi 2 ; r i = 0, c j = 0,
i=1
j=1
r
()ij = c ()ij = 0
i=1
j=1
derajad bebas
Jumlah
Kuadrat
(SS)
Rata-rata Jumlah
Kuadrat (MS)
Variabel A
a1
SSA
MSA =
SSA
a1
FA =
MSA
MSE
Variabel B
b1
SSB
MSB =
SSB
b1
FB =
MSA
MSE
Interaksi (AB)
(a 1)(b 1)
SSAB
Sesatan
ab(k 1)
SSE
MSAB =
MSE =
Tij
SSA
Yijk
1
bk
h=1
b
Ti.
SSB
Yijk
j=1 h=1
a
T.j
Yijk
T2
abk
SSE
Yijk
i=1 j=1 h=1
i=1
2
Ti. C
1
ak
i=1
b
2
T.j C
k
2
Yijk
SSTO
=
=
b
2
Tij
i=1 i=1
SSAB
MSAB
MSE
SSE
ab(k1)
i=1 h=1
FAB =
SSAB
(a1)(b1)
rasio F
2
Yijk C
Dosis
L1
L2
L3
D1
245
289
246
323
206
137
302
252
250
235
254
237
Jenis obat
D2
248 213
283 255
278 194
278 298
228 241
164 191
D3
355
218
253
326
198
165
298
315
263
234
190
231
300
220
240
260
D1
D2
D3
200
banyak platelet
280
obat
L1
L2
dosis
L3
Dosis
L1
L2
L3
Jumlah
D1
T11 = 1088
T21 = 1054
T31 = 834
T.1 = 2976
Jenis obat
D2
T12 = 999
T22 = 1048
T32 = 824
T.2 = 2871
D3
T13 = 1186
T23 = 1076
T33 = 784
T.3 = 3046
Jumlah
T1. = 3273
T2. = 3178
T3. = 2442
T = 8892
derajad
bebas
Jumlah Kuadrat
(SS)
Rata-rata Jumlah
Kuadrat (MS)
rasio F
Dosis (L)
34480, 05
17240, 03
FA = 10, 41
Obat (D)
1293, 05
646, 53
FB = 0, 39
Interaksi
3540, 12
885, 03
FAB = 0, 53
Sesatan
27
44697, 75
1655, 47
22
24
26
28
30
putera
puteri
20
32
jender
II
III
tingkat
IV
Df
1
1
1
12
50
55
60
65
70
slow
country
rock
50
55
60
65
70
58
60
62
C
B
D
A
56
64
merek
slow
country
jenis musik
rock
Regresi
Analisis Regresi digunakan untuk menyelidiki hubungan
antara variabel dependen (respon) Y dengan variabel
independen (variabel penjelas, prediktor) X .
Hubungan antara Y dan X :
fungsional
statistik
Hubungan Fungsional
Contoh:
1
Y =1+ X
2
3
2
1
0
0
Hubungan Fungsional
Contoh:
Y = (X 3)2
3
2
1
0
0
Hubungan Statistik
Contoh:
3
2
1
0
0
Hubungan Statistik
Contoh:
1
Y =1+ X
2
3
2
1
0
0
tinggi (meter)
5
4
3
2
1
0
0
4
5
6
umur (tahun)
tinggi (meter)
5
4
3
2
1
0
0
4
5
6
umur (tahun)
JKR = n e2 = n (Yi Yi )2
i
i=1
i=1
Estimasi titik dari 0 dan 1 , yaitu b0 dan b1 (sering juga ditulis
tinggi (meter)
5
4
3
2
1
0
0
4
5
6
umur (tahun)
tinggi (meter)
5
4
3
2
1
0
0
4
5
6
umur (tahun)
tinggi (meter)
5
4
3
2
1
0
0
4
5
6
umur (tahun)
1
2
1
2
yy
yi = nb0 + b1
i=1
i=1
n
xi yi = b0
i=1
xi
n
x2
i
xi + b1
i=1
i=1
Sxx =
i=1
n
(xi x)2 =
i=1
n
Syy =
i=1
n
Sxy =
i=1
(yi y ) =
1
2
xi (
n
2
yi
i=1
1
(
n
xi )2
i=1
n
y i )2
i=1
(xi x)(yi y ) =
i=1
xi yi ny
x
b1 =
b0
Penduga untuk 2
n
2
s =
i=1
(yi y )2
n2
b1 =
=
b0
=
=
=
=
Sxy
Sxx
27, 015
42
0, 6432
y b1 x
3, 03875 0, 6432(4, 5)
0, 1443
=
i=1
(yi yi )2
n2
= Syy b1 Sxy
tinggi (meter)
5
4
3
2
1
0
0
4
5
6
umur (tahun)
dengan
S(b0 ) = s
dan T tn2
n
2
i=1 xi
nSxx
dengan
s
S(b1 ) =
Sxx
dan T tn2
Yk k
T =
S(Yk )
dengan
S(Yk ) = s
dan T tn2
1 (xk x)2
+
n
Sxx
Yk Yk
T =
S(Yk Yk )
dengan
1 (xk x)2
k Yk ) = s 1 + +
S(Y
n
Sxx
dan T tn2
i=1
(yi y )2 =
i=1
(i y )2 +
y
i=1
JKReg
JKTotal
JKTotal = Syy
JKReg = b1 Sxy
2
JKE = n yi b0
i=1
n
i=1 yi
b1
(yi y )2
JKE
n
i=1 xi yi
= Syy b1 Sxy
kurang sesuai
murni
ni
JKM =
i=1 j=1
(yij yi )2
Analisis Korelasi
Koesien korelasi antara Y dan X adalah
=
Kov(X, Y )
Var(X)Var(Y )
1 1
Analisis Korelasi
menunjukkan tingkat hubungan linear antara kedua variabel.
Estimasi titik untuk adalah
r =
= b1
Sxx
Syy
Analisis Korelasi
Untuk regresi linear sederhana, kuadrat dari koesien korelasi
sama dengan Koesien determinasi
JKE
JKReg
r =1
=
JKTot
JKTot
2
Analisis Korelasi
Inferensi dapat dilakukan dengan menggunakan statistik
Z=
dengan Z N (0, 1)
n3
log
2
(1 + r)(1 + 0 )
(1 r)(1 + 0 )
Analisis Korelasi
4 5 6 7 8 9
3 4 5 6 7 8 9
11
r=0,82
10
12
14
10
12
14
10
12
10
12
14
10
10
12
12
14
16
18
nb0
(2)
.
.
.
b0
n
i=1
x1i
(k + 1)
b0
n
i=1
xki
x1i
+...
+bk
+b1
n
i=1
n
i=1
x2
1i
+...
+b1
n
i=1
xki x1i
+...
+b1
xki
+bk
n
i=1
n
i=1
x1i xki
=
.
.
.
+bk
n
i=1
x2
ki
n
i=1
n
i=1
x1i yi
n
i=1
xki yi
yi
. . . xk1
1
0
. . . xk2 1 2
. . + .
..
. . .
.
. . .
Y1
1 x11 x21
Y2 1 x12 x22
. = .
.
.
. .
.
.
.
.
. .
Yn
1 x1n x21 . . . xkn
Y
dimana N (0, 2 In )
10
30
35
40
10
20
25
10
X1
X2
20
25
30
35
40
10
X1
1.74
6.32
6.22
10.52
1.19
1.22
4.10
6.32
4.08
4.15
10.15
1.72
1.7
X2
5.3
5.42
8.41
4.63
11.60
5.85
6.62
8.72
4.42
7.60
4.83
3.12
5.30
n = 13;
Y = 377, 5;
X1 = 59.43;
X2 = 81, 82;
Y 2 = 11400, 15;
2
X1 = 394, 7255;
2
X2 = 576, 7264;
X1 Y = 1877, 567;
X1 X2 = 360, 6621
X2 Y = 2246, 661;
x1
+b2
x2
+b2
1
x1 x2 +b2
x2
=
x1 x2 =
x2
=
2
y
x1 y
x2 y
+59, 43b1
+81, 82b2
= 377, 5
13b0
59, 43b0 +394, 7255b1 +360, 6621b2 = 1877, 567
81, 82b0 +360, 6621b1 +576, 7264b2 = 2246, 661
Y 2 nY 2
438, 13 40, 01
=
438, 13
= 0, 9087
ryx2 .x1 =
1/2
1/2
2
2
(1 ryx2 )(1 rx1 x2 )
2
2
(1 ryx1 )(1 rx2 x1 )
10
0.786
30
35
0.654
40
10
20
25
0.153
0.654
X1
0.153
8
10
0.786
X2
20
25
30
35
40
10
ryx2 .x1
= 0, 0909
2
jadi Ry.x1 x2 = 0, 9091
JKReg/p
JKE/(n p 1)
dengan JK = Y 2 nY 2
dan F F(p; np1)
398, 13/2
=
40, 01/10
= 49, 754
Regresi Polinomial
Variabel X dalam bentuk polinomial berderajat lebih dari satu.
Y = 0 + 1 X +
Y = 0 + 1 X + 2 X 2 +
Y = 0 + 1 X + 2 X 2 + . . . + p X p +
1600
1400
1200
1800
1500
2000
2500
X
1600
1400
1200
1800
Y = 578.9278 + 0.5403X
1500
2000
2500
X
1600
1400
1200
1800
1500
2000
2500
X
1600
1400
1200
1800
1500
2000
2500
X
1600
1400
1200
1800
Y = 572.4012 + 0.5452X
1500
2000
2500
X
1600
1400
1200
1800
1500
2000
2500
X
Data kategorik
Tabel data cacah hasil klasikasi silang (contingency table)
Tabel Kategorik 2 2
Uji Hipotesis dalam Tabel kategorik 2 2
Uji homogenitas (dua sampel)
baris
b1
b2
Total
kolom
k1
k2
a
b
c
d
a+c b+d
total
a+b
c+d
n
Uji homogenitas
Dua sampel random masing-masing terdiri dari 100 pria dan
100 wanita. Diajukan pertanyaan, "Apakah anda setuju wanita
mempunyai hak dan kewajiban yang sama dengan pria?"
baris
pria
wanita
Total
kolom
setuju tidak
30
70
45
55
75
125
total
100
100
200
Uji homogenitas
baris
populasi 1
populasi 2
Total
kolom
sukses
gagal
a
b
c
d
m1 = a + c m2 = b + d
total
n1 = a + b
n2 = c + d
n
Uji homogenitas
H 0 : p1 = p2
H 1 : p1 = p2
Statistik penguji:
n(ad bc)2
W =
m1 m2 n1 n2
H0 ditolak jika W > 2
(1;)
Uji homogenitas
H0 : Homogenitas populasi pria dan wanita atau H0 : p1 = p2
baris
pria
wanita
Total
kolom
setuju tidak
30
70
45
55
75
125
total
100
100
200
Statistik penguji:
200(30 55 70 45)2
600
=
= 4, 8
75 125 100 100
125
Karena W > 2
(1;0,05) = 3,841 maka H0 ditolak: ada perbedaan
sikap antara dua populasi.
k1
k2
total
b1
P11
P12
b2
P21
P22
Total
penyakit jantung
ada tidak ada
16
20
32
132
48
152
total
36
164
200
Karena W > 2
(1;0,05) = 3,841 maka H0 ditolak: kedua penyakit
tersebut tidak independen
Tabel Kategorik b k
baris
B1
...
Bb
Total
kolom
K1 ... Kk
y11 ... y1k
... ... ...
yb1 ... ybk
m1 ... mk
total
n1
...
nb
n
Tabel Kategorik b k
Statistik penguji:
W =
ij
(Oij Eij )2
Eij
Tabel Kategorik b k
Uji Homogenitas untuk b populasi multinomial
baris
B1
...
Bb
kolom
K1 ... Kk
P11 ... P1k
... ... ...
Pb1 ... Pbk
total
1
...
1
kolom
setuju tidak
30
70
(37,5) (62,5)
45
55
(37,5) (62,5)
75
125
total
100
100
200
Statistik penguji:
W
=
ij
(Oij Eij )2
Eij
Tabel Kategorik b k
Uji Independensi
baris
B1
...
Bb
Total
kolom
K1 ... Kk
P11 ... P1k
... ... ...
Pb1 ... Pbk
P.1 ... P.k
total
P1.
...
Pb.
1
kolom
k1 k2
n11 n12
n21 n22
n.1 n.2
berdistribusi hipergeometrik
p(n11 = x) =
n1.
x
n2.
n.1 x
n
n.1
p(n11 = 3) =
4
3
4
1
8
4
= 0.229
kolom
k1 k2
3
1
1
3
4
4
p(n11 3) = 0, 243
(nilai dari p-value satu sisi dari
uji ini)
W
Q1 =
n(q 1)
dengan 0 Q1 1; q = min(b, k); n ukuran sampel
Pearson
Q2 =
dengan 0 Q2
q1
q
W
n+W
Uji Goodness of t
GOF distribusi multinomial
n!
1 n1 2 n2 . . . c nc
p(n1 , n2 , . . . , nc1 ) =
n1 !n2 ! . . . nc !
H0 : frekuensi observasi {y1 , y2 , . . . , yk } berdistribusi
multinomial 1 2 . . . c
Uji Goodness of t
Dalam suatu eksperimen persilangan dua macam
tanaman, Mendel memperoleh hasil seperti tabel di
bawah. Menurut teorinya, perbandingannya adalah
9:3:3:1. Apakah hasil ini cenderung bertentangan dengan
Teori Mendel?
Macam tanaman
yi
npi
pi
bulat dan kuning
32
556
34,75 1/16
556
Uji Goodness of t
H0 : frekuensi observasi {y1 , y2 , . . . , yk } berdistribusi
9 3 3 1
multinomial 16 , 16 , 16 , 16
Statistik penguji W =
(Oi Ei )2
Ei
= 0, 47
Uji Goodness of t
Uji Multinomial dengan parameter diestimasi
Bila probabilitas 1 2 . . . c tidak sepenuhnya diketahui tetapi
bergantung pada parameter-parameter 1 , 2 , . . . , q yang tidak
diketahui (q < c 1)
H0 : i = fi (1 , 2 , . . . , q ),
i = 1, 2, . . . , c
Statistik penguji W 2
c1q
Uji Goodness of t
Menurut teori genetika, keturunan suatu perkawinan tertentu
akan termasuk dalam salah satu dari tiga kelompok di bawah
ini dengan probabilitas sbb.:
Kelompok G1
G2
G3
Prob.
2 2(1 ) (1 )2
dengan 0 < < 1 dan tidak diketahui
Uji Goodness of t
H 0 : p1 = 2 ,
diketahui
p2 = (1 ),
p3 = (1 )2
= 2y1 + y2 = y1 + y2
2n
n
2n
Kelompok
Prob.
yi
G1
2
12
G2
2(1 )
56
G3
(1 )2
32
Inferensi Nonparametrik
tanpa asumsi tertentu ttg. bentuk distribusi populasinya
memanfaatkan aspek sederhana dari data (tanda,
Statistik berurut
Misalkan {X1 , X2 , . . . , Xn } suatu sampel random berukuran n
dari suatu populasi
Statistik berurut dari sampel random tersebut di atas:
X(1) X(2) . . . X(n)
Median
Median untuk variabel random kontinu X adalah suatu
bilangan M sedemikian sehingga
P (X M ) = P (X M ) = 0, 5
Median
Median untuk variabel random kontinu X adalah suatu
bilangan M sedemikian sehingga
P (X M ) = P (X M ) = 0, 5
Median
Median untuk variabel random kontinu X adalah suatu
bilangan M sedemikian sehingga
P (X M ) = P (X M ) = 0, 5
Median
Median sampel (X )
Misalkan {X1 , X2 , . . . , Xn suatu sampel random berukuran n
dari suatu populasi
x n+1
jika n ganjil
( 2 )
X= 1
x n +x n
jika n genap
2
( )
( +1)
2
Median
dengan
1
P (Y < r) = Binomial(r 1, n, )
2
r1
=
k=0
n 1 n
( )
2
k 2
Median: Contoh
Data (Xi ):
9850 7223 6421 20118 10670 4274
8641 22087 8400 11200
Data (X(i) ):
4274 6421 7223 8400 8641
9850 10670 11200 20118 22087
= 1 X(5) + X(6) = 1 [8641 + 9850] = 9245.5
X
2
2
Median: Contoh
interval kondensi
0.10
0.20
0.30
0.00
0.0547
10
n
H0 ditolak jika Y < 2 c 2n atau
Y > n + c 2n
2
dimana c = Z/2 , harga variabel random N (0, 1)
Uji Wilcoxon
H 0 : Md = 0
H 1 : Md = 0
dimana Md adalah median distribusi selisih di = (Yi Xi )
Asumsi:
di adalah sampel random berdistribusi kontinu yang simetrik
terhadap Md sedemikian sehingga Md = x y (median =
mean)
Uji Wilcoxon
H0 : x = y
H1 : x = y
Prosedur uji:
Urutkan | di | dan diberi ranking Ri untuk setiap | di |.
ui =
0
Ri
jika di = Yi Xi < 0
jika di = Yi Xi > 0
Uji Wilcoxon
Statistik uji: T + = u1 + u2 + . . . + un
Daerah kritik H0 ditolak jika T + C1 atau T + C2
C1 diperoleh dari tabel Rank Bertanda Wilcoxon
dan
C2 = n(n+1) C1
2
Uji Wilcoxon
Contoh:
Xi
2,81
2,13
2,31
2,22
2,77
3,27
2,31
2,59
2,81
2,13
Yi
2,68
1,91
2,40
1,81
2,45
2,40
2,49
2,22
2,63
1,72
di = Yi Xi
-0,13
-0,22
0,09
-0,41
-0,32
-0,87
0,18
-0,37
-0,18
-0,41
| di |
0,13
0,22
0,09
0,41
0,32
0,87
0,18
0,37
0,18
0,41
Ri
2,0
5,0
1,0
8,5
6,0
10.0
3,5
7,0
3,5
8,5
ui
0
0
1
0
0
0
3,5
0
0
0
Tabel untuk n = 10
3
.0049
4
...
...
...
...
.0244
...
...
diperoleh T + = 1 + 3, 5 = 4, 5
dari tabel P (T + 8) = 0, 0244, daerah kritik uji ini untuk
= 2 0, 0244:
T + 8 dan T + 47
29,2
31,2
2,0
+
Y =3
a
b
c
Negative Ranks
Positive Ranks
Ties
Total
tahun 2 < tahun 1
tahun 2 > tahun 1
tahun 1 = tahun 2
Test Statistics
tahun 2 - tahun 1
Z
-1,260
Asymp. Sig. (2-tailed) ,208
a
Based on positive ranks.
b
Wilcoxon Signed Ranks Test
N
5
3
0
8
Mean Rank
Sum of Ranks
5,40
27,00
3,00
9,00
K sampel dependen
Data:
Subjek
1
2
.
.
.
n
I
X11
X12
II
X21
X22
III
X31
X32
...
...
...
k
Xk1
Xk2
...
X1n
...
X2n
...
X3n
...
...
...
Xkn
K sampel dependen
Data: Ranking per subjek (baris)
Subjek
I
II
III . . .
1
R11 R21 R31 . . .
2
R12 R22 R32 . . .
.
.
...
...
... ...
.
n
jumlah
R1n
R1
R2n
R2
R3n
R3
...
...
k
Rk1
Rk2
...
Rkn
Rk
K sampel dependen
Uji Friedman
12
W =
nk(k + 1)
k
j=1
2
Rj 3n(k + 1)
K sampel dependen
Contoh:
Dua belas siswa yang dipilih secara random terlibat dalam
eksperimen belajar bahasa. Kepada setiap siswa diberikan
empat daftar (I, II, III, dan IV) kata-kata yang harus dipelajari.
Sehabis mempelajari satu daftar, kepada mereka diberikan
ujian. Hasilnya:
K sampel dependen
Data skor ujian
Siswa
I
II
1
18 14
2
7
6
3
13 14
4
15 10
5
12 11
6
11 10
7
15 16
8
10
8
9
14 12
10
11
8
11
8
6
12
10 11
III
16
5
16
12
13
9
10
11
13
9
9
13
IV
20
10
17
14
18
16
14
16
15
10
14
16
K sampel dependen
Data skor ujian
Siswa
I
II
1
18 14
2
7
6
3
13 14
4
15 10
5
12 11
6
11 10
7
15 16
8
10
8
9
14 12
10
11
8
11
8
6
12
10 11
III
16
5
16
12
13
9
10
11
13
9
9
13
IV
20
10
17
14
18
16
14
16
15
10
14
16
K sampel dependen
Data skor ujian
Siswa
I
II
1
18 14
2
7
6
3
13 14
4
15 10
5
12 11
6
11 10
7
15 16
8
10
8
9
14 12
10
11
8
11
8
6
12
10 11
III
16
5
16
12
13
9
10
11
13
9
9
13
IV
20
10
17
14
18
16
14
16
15
10
14
16
K sampel dependen
Statistik penguji
W
12
nk(k + 1)
k
j=1
2
Rj 3n(k + 1)
12
(312 + 192 + 262 + 442 ) 3(12)(5)
12(4)(5)
= 16, 7
K sampel dependen
Lima orang kontestan dalam suatu lomba dinilai oleh 7 orang
juri dengan hasil sebagai berikut:
juri
1
2
3
4
5
6
7
A
4
3
4
5
3
1
3
kontestan
B
C D
3
2
1
5
2
4
2
5
1
1
3
2
4
2
5
5
2
4
1
1
2
E
5
1
3
4
1
3
5
K sampel dependen
Lima orang kontestan dalam suatu lomba dinilai oleh 7 orang
juri dengan hasil sebagai berikut:
juri
1
2
3
4
5
6
7
A
4
3
4
5
3
1
3
23
kontestan
B
C D
3
2
1
5
2
4
2
5
1
1
3
2
4
2
5
5
2
4
1
4
2
21 20 19
E
5
1
3
4
1
3
5
22
Statistik penguji
W
=
=
12
nk(k + 1)
k
j=1
2
Rj 3n(k + 1)
12
(232 + 212 + 202 + 192
7(5)(6)
+ 222 ) 3(7)(6)
= 0, 5714
K sampel dependen
Lima orang kontestan dalam suatu lomba dinilai oleh 7 orang
juri dengan hasil sebagai berikut:
juri
1
2
3
4
5
6
7
A
4
3
4
5
3
1
3
23
kontestan
B
C D
3
2
1
5
2
4
2
5
1
1
3
2
4
2
5
5
2
4
1
4
2
21 20 19
E
5
1
3
4
1
3
5
22
K sampel dependen:SPSS
NPAR TESTS
/FRIEDMAN = d1 d2 d3 d4
/STATISTICS DESCRIPTIVES.
Test Statistics
N
12
Chi-Square 16,700
df 3
Asymp. Sig. ,001
a
Friedman Test
pemuda kota (Y ) :
7,6 11,3 8,3 6,7 3,6 1,0 2,4 6,4 9,1 18,6
X
Y
Y
X
Y
X
Y
X
Y
X
Y
Y
X
Y
X
Y
X
Y
Tx = 3 + 5 + 6 + 7 + 10 + 13 + 15 + 17 = 76
X
Y
Y
X
Y
X
Y
X
Y
...
.
.
.
...
...
.
.
.
C1
.
.
.
m=8
C2
.
.
.
56,
57,
.
.
.
96
95
.
.
.
...
p
.
.
.
.0416
.0506
.
.
.
.
.
.
...
...
.
.
.
...
.
.
.
...
...
.
.
.
C1
.
.
.
m=8
C2
.
.
.
56,
57,
.
.
.
96
95
.
.
.
...
p
.
.
.
.0416
.0506
.
.
.
.
.
.
...
...
.
.
.
Mann-Whitney Test
Test Statistics
NILAI
Mann-Whitney U
40.000
Wilcoxon W
95.000
Z
.000
Asymp. Sig. (2-tailed)
1.000
Exact Sig. [2*(1-tailed Sig.)] 1.000
a Not corrected for ties.
b Grouping Variable: GROUP
k sampel independen
sampel 1
X11
X12
Uji Kruskal-Wallis
...
X1n1
R1
N=
k
i=1 ni
sampel 2
X21
X22
...
X2n2
R2
...
...
...
...
...
...
sampel k
Xk1
Xk2
...
Xknk
Rk
k sampel independen
Hipotesis:
H0 : semua k populasi adalah identik
H1 : tidak semua k populasi adalah identik
k sampel independen
Prosedur uji:
R(Xij ) adalah rank observasi Xij
Ri = ni R(Xij )
j=1
=
=
12
N (N + 1)
k
i=1 [Ri
12
N (N + 1)
k
i=1
n1 (N + 1)/2]2
ni
2
Ri
3(N + 1)
ni
k sampel independen
Contoh:
73
82
64
Tahan hidup
84
80
79
67
81
71
62
77
73
70
k sampel independen
Contoh:
73
13
82
12
80
10
79
67
81
11
71
62
77
73
6,5
70
jumlah
84
64
Tahan hidup
6,5
16,5
42
32,5
k sampel independen
Statistik penguji:
12
T =
N (N + 1)
i=1
2
2
Ri
3(N + 1)
ni
12 16, 5
422 32, 52
=
(
+
+
) 3(14)
13(14) 5
4
4
= 8, 08
H0 ditolak jika T 5, 6176
Kesimpulan: H0 ditolak, tidak
semua tahan hidup ketiga
merek bola lampu tersebut
sama
k sampel independen
Statistik penguji:
12
T =
N (N + 1)
i=1
2
2
Ri
3(N + 1)
ni
12 16, 5
422 32, 52
=
(
+
+
) 3(14)
13(14) 5
4
4
= 8, 08
H0 ditolak jika T 5, 6176
Kesimpulan: H0 ditolak, tidak
semua tahan hidup ketiga
merek bola lampu tersebut
sama
harga
kritik
...
5.6176
4
...
0.050
r =
r =
n
i=1
n+1
2
6D
r = 1
n(n2 1)
dengan
D = n d2 dan di = R(Xi ) R(Yi )
i=1 i
kendaraan
Xi
530
400
390
390
390
370
360
280
270
270
260
260
250
240
kecelakaan
Yi
27
27
31
34
21
24
24
80
14
28
31
14
20
21
kendaraan
Xi
530
400
390
390
390
370
360
280
270
270
260
260
250
240
kecelakaan
Yi
27
27
31
34
21
24
24
80
14
28
31
14
20
21
R(Xi )
14
13
11
11
11
9
8
7
5,5
5,5
3,5
3,5
2
1
R(Yi )
8,5
8,5
11,5
13
4,5
6,5
6,5
14
1,5
10
11,5
1,5
3
4,5
kendaraan
Xi
530
400
390
390
390
370
360
280
270
270
260
260
250
240
kecelakaan
Yi
27
27
31
34
21
24
24
80
14
28
31
14
20
21
R(Xi )
14
13
11
11
11
9
8
7
5,5
5,5
3,5
3,5
2
1
R(Yi )
8,5
8,5
11,5
13
4,5
6,5
6,5
14
1,5
10
11,5
1,5
3
4,5
di
5,5
4,5
-0,5
2
6,5
2,5
1,5
-7
4
-4,5
-8
2
-1
-3,5
kendaraan
Xi
530
400
390
390
390
370
360
280
270
270
260
260
250
240
kecelakaan
Yi
27
27
31
34
21
24
24
80
14
28
31
14
20
21
R(Xi )
14
13
11
11
11
9
8
7
5,5
5,5
3,5
3,5
2
1
R(Yi )
8,5
8,5
11,5
13
4,5
6,5
6,5
14
1,5
10
11,5
1,5
3
4,5
di
5,5
4,5
-0,5
2
6,5
2,5
1,5
-7
4
-4,5
-8
2
-1
-3,5
d2
i
30,25
20,25
0,25
4
42,25
6,25
2,25
49
16
20,25
64
4
1
12,25
kendaraan
Xi
530
400
390
390
390
370
360
280
270
270
260
260
250
240
kecelakaan
Yi
27
27
31
34
21
24
24
80
14
28
31
14
20
21
R(Xi )
14
13
11
11
11
9
8
7
5,5
5,5
3,5
3,5
2
1
R(Yi )
8,5
8,5
11,5
13
4,5
6,5
6,5
14
1,5
10
11,5
1,5
3
4,5
di
5,5
4,5
-0,5
2
6,5
2,5
1,5
-7
4
-4,5
-8
2
-1
-3,5
d2
i
30,25
20,25
0,25
4
42,25
6,25
2,25
49
16
20,25
64
4
1
12,25
272
= .10
.05
.025
...
= .10
.05
4
5
.
.
.
14
.
.
.
.4593
.025
...
= .10
.05
4
5
.
.
.
14
.
.
.
.4593
.025
...
= .10
.05
4
5
.
.
.
14
.
.
.
.4593
.025
...
juri Y
S
= 1
n(n 1)
2
juri Y
S
= 1
n(n 1)
2
Skor
Total Skor
juri Y
2
S
= 1
n(n 1)
2
juri Y
S
= 1
n(n 1)
2
juri Y
S
= 1
n(n 1)
2
skor
juri Y
S
= 1
n(n 1)
2
skor
+1
juri Y
skor
+1+1
S
= 1
n(n 1)
2
juri Y
S
= 1
n(n 1)
2
skor
+1+1-1
juri Y
skor
+1+1-1
-1
S
= 1
n(n 1)
2
juri Y
skor
+1+1-1
-1-1
S
= 1
n(n 1)
2
juri Y
skor
+1+1-1
-1-1
-1
S
= 1
n(n 1)
2
juri Y
skor
+1+1-1
-1-1
-1
1
-2
S
= 1
n(n 1)
2
juri Y
skor
+1+1-1
-1-1
-1
1
-2
2
= 0, 33
= 1
4(3)
2
XY XZ .Y Z
=
2
2
[(1 XZ )(1 Y Z )]1/2
XZ.Y
XY ZY .Y Z
=
2
2
[(1 XY )(1 ZY )]1/2
Y Z.X
Y Z XZ .Y X
=
2
2
[(1 Y X )(1 ZX )]1/2
subyek X
c
XY
3
2
d
4 4 4
= 0, 67; Y Z = 0, 67; XZ = 0, 33
subyek X
c
XY
3
2
d
4 4 4
= 0, 67; Y Z = 0, 67; XZ = 0, 33
XY.Z
XY XZ .Y Z
0, 67 (0, 33)(0, 67)
=
=
2
2
1/2
[(1 XZ )(1 Y Z )]
[(1 0, 332 )(1 0, 672 )]1/2
subyek X
c
XY
3
2
d
4 4 4
= 0, 67; Y Z = 0, 67; XZ = 0, 33
XY.Z
XY XZ .Y Z
0, 67 (0, 33)(0, 67)
=
=
2
2
1/2
[(1 XZ )(1 Y Z )]
[(1 0, 332 )(1 0, 672 )]1/2
= 0, 63
Z
Correlation Coefficient
Sig. (2-tailed)
N
Correlation Coefficient
Sig. (2-tailed)
N
Correlation Coefficient
Sig. (2-tailed)
N
1.000
.
4
.667
.174
4
.333
.497
4
.667
.174
4
1.000
.
4
.667
.174
4
.333
.497
4
.667
.174
4
1.000
.
4
.800
.200
4
1.000
.
4
.800
.200
4
.400
.600
4
.800
.200
4
1.000
.
4
dua indep.
dua dep.
Hipotesis
mean populasi
variansi populasi
perbedaan mean
dua populasi
independen
perbedaan variansi
dua pop. indep.
perbedaan mean
dua populasi
dependen
Inferensi Statistik
z-test ( diketahui) P
t-test ( tidak diketahui) P
Chi-square test P
z-test P
t-test P
Anava P
F -test P
z-test P
t-test P
Anava (within-subject) P
dua atau
lebih (k) dep.
Hipotesis
perbedaan mean k
populasi indep.
perbedaan variansi k
populasi indep.
perbedaan mean k
populasi dep.
Inferensi Statistik
Anava P
Homogenitas variansi P
Anava (within-subject) P
dua dep.
dua atau
lebih (k) indep.
dua atau
lebih (k) dep.
Hipotesis
median populasi
perbedaan median
dua populasi
independen
perbedaan median
dua populasi
dependen
perbedaan median k
populasi indep.
perbedaan median k
populasi dep.
Inferensi Statistik
median-test NP
Uji jumlah rank
Wilcoxon NP atau
Mann-Whitney NP
Uji Tanda NP
Wilcoxon NP
Kruskal-Wallis NP
Friedman NP
dua dep.
dua atau
lebih (k) indep.
dua atau
lebih (k) dep.
Hipotesis
median populasi
perbedaan median
dua populasi
independen
perbedaan median
dua populasi
dependen
perbedaan median k
populasi indep.
perbedaan median k
populasi dep.
Inferensi Statistik
median-test NP
Uji jumlah rank
Wilcoxon NP atau
Mann-Whitney NP
Uji Tanda NP
Wilcoxon NP
Kruskal-Wallis NP
Friedman NP
dua
dua atau
lebih (k)
Hipotesis
distribusi populasi
independensi
variabel
homogenitas dua
pop. binomial
homogenitas k
pop. multinomial
Inferensi Statistik
GOF
Chi-square indep.
Chi-square tabel 2 2
Chi-square tabel b k
Variabel
bivariat
multivariat
ordinal/rank
berurut
bivariat
nominal/
kategorik
multivariat
dua dikotomi
dua non-dikotomi
Statistik
Pearson
korelasi berganda (Pearson)
korelasi parsial (Pearson)
Spearman r
Kendall
Kendall
koesien kontingensi
koesien phi
odds ratio
koesien kontingensi
Cramer
odds ratio