ANALISIS VARIANS 4.1. PENDAHULUAN Analisis Varians merupakan suatu uji perhitungan yang diterapkan untuk data yang dihasilkan oleh eksperimen yang dirancang atau pada kasus dimana data dikumpul pada variabel yang terkontrol. Tujuan analisis varians adalah untuk melokalisasi variabel-variabel bebas yang penting dalam suatu penclitian dan menentukan bagaimana mereka berinteraksi dan mempengaruhi respons. Keragaman (variabilitas) schimpunan n pengukuran a kuadrat simpangan (square of deviations) : alah proposional terhadap jumlah a SS, = ¥ (x, — X)! —> untuk sampel tunggal il Kuatitas ini digunakan untuk menghitung varians sampel. Analisis varians memecah keragaman SS, atau total jumlah kuadrat simpangan, menjadi bagian-bagian, yang masing- masingnya dikaitkan dengan satu dari variabel-variabel bebas dalam eksperimen (percobaan), dan sisanya dikaitkan dengan kesalahan random (galat acak = random error), 744.2, ANALISIS VARIANS SATU ARAH (Anova sederhana) Analisis satu arah untuk menganalisis satu macam karakteristik dari populasi yang diambil dari sampel Membandingkan 2 rerata sampel dari sampel n, dan n, Uji Hipotesis nol HL: = Uji Hipotesis altematif H,: W, # Hy MST Fe—— MSE ‘Total jumlah kuadrat simpangan dari semua nilai (n, + n,)x di sekitar rerata umum_ adalah dimana % adalah rata-rata (average) dari semua (n, + n,) pengamatan yang berada dalam dua sampel itu, Rumus total kuadrat simpangan dapat dijabarkan sb : 75adalah rata-rata dari pengamatan dalam sampel ke-i, i = 1, 2. jumlah kuadrat perlakuan (sum of squares for treatment), berfungsi untuk mengukur keragaman antara rerata sampel. ~ SSE = jumlah kuadrat kesalahan (sum of squares for error), berfungsi untuk mengukur keragaman dalam sampel. ~ CM — = Correction Mean (koreksi untuk nilai rata-rata), = GT — = General Toral (total seluruh nilai observasi). - = banyaknya treatment/perlakuan Rumus SST bisa dibuktikan dengan : nn, , ssp =—1—_( i, -% n, +n, * SSE = SS,,., — SST Sst * MST = k-1 MST Fry =e MSE ssT Fou "Vee MSE SSE * MSE = —— (n, +n) - Fagg dibandingkan dengan F, Tuning tak , ‘orbelanyengy » Bila F,,.,. 2 Fs. Gapat diinterpretasikan bahwa hipotesiss nol ditolak. Ada perbedaan yang nyata diantara kedua rerata sampel, ada pengaruh terhadap respons. 76Ulangan Treatment n Xx, x, I X Xi, 2 a xX, hom ssT = ———- (%, - %, a +n, : 2 cr =S T =I 2n SSE = SS,,,.~ SST Contoh 4.1. . Seorang investor ingin mengetahui apakah ada perbedaan yang nyata antara rata-rata keuntungan yang diberikan olch Bank dan industri, Investor tersebut melihat data rata-rata bunga yang diberikan oleh Bank dan industri sesuai dengan jatuh temponya. Adapun data yang diperoleh terlihat pada Tabel 4.1. Tabel 4.1. Rata-rata bunga yang diberikan sesuai jatuh tempo Jatuh tempo Bank Industri 1 9.14 9.69 2 8.85 894 3 9.52 8.85 4 10,16 9.45 5 8.90 9.15 77Penyelesaian : Langkah pertama, menentukan uji hipotesisnya, yaitu : Hipotesis nol —-H, : 1, = |, ——> tidak berbeda nyata Hipotesis alt. HH, : |, # , > ada perbedaan nyata Langkah kedua, melengkapi Tabel 4.1, dengan total masing-masing dan total keseluruhannya. Tabel 4.2. Total rerata yang diberikan sesuai dengan jatuh tempo Jatuh tempo Bank Industri 1 914 9,69 2 8.85 8.94 3 952 8.85 4 10,16 9.45 5 8.90 9.15 Total 46,57 46,08 GT = 92,65 aa a. GT. S845 = 2, 2 x,-CM= x- “isl jel" i=1 j=l ” kn (92,65)° = O14) + 9,69) +... + (915) - - @) (5) = 60,0953 ~ 858.40225 = 1.69305 Dt cr ssp = 2 et 2*, n kn (46.57) + 46.08" (92.65 5 Q) 6) = 858.42626 — 858,40225 = 0.02401 SSE = SS,,,,~ SST 1.69305 ~ 0,02401 = 1,66904 SST 0,02401 MST = er = 8 = 0,02401 SSE 1,66904 MSE = -Snismish 78<+——_ Daerah ——_+) Penerimaan 0,11508. §,32 Nilai kritis dari statistik F untuk 0 = 0,05 dengan derajad bebas sebesar k-1; (n, + n,) = 2, atau F,,.,4 = 5.32. Karena nilai Fy, < Fox atau 0.11508 < 5,32, maka H, diterima. Dengan demikian rata- rata bunga yang diberikan oleh Bank maupun industri tidak ada perbedaan nyata. Jadi inves- tor bisa memilih diantara keduanya yang mana saja. Membandingkan Lebih 2 Rerata Populasi Jumlah Sampel sama — Ulangan Treatment n Xx, —————— 1 Xx, ee eee XG 2 X, 1X, 9Uji F untuk membandingkan rerata populasi p Hipotesis nol How =p, =H, H, Hipotesis altematif H, ; satu atau lebih pasangan rerata populasi berbeda. MST Statistik uji F = ——., dimana F didasarkan pada derajad bebas k-1; k(n-1). MSE Untuk memudahkan, biasanya perhitungan analisis varians ditunjukkan atau disajikan dalam Tabel ANOVA. Perhatikan Tabel 4.3. yang merupakan Tabel ANOVA untuk lebih dari 2 rerata dengan jumlah sampel sama. Tabel 4.3. Tabel ANOVA untuk > 2 rerata dengan jumlah sampel sama SSeS Sumber at Ss MS Fran Treatment kl ssT SST/AH MST/MSE Envor kum) SSE SSE/Kk(n-1) TOTAL nk-1 8s, otal ne Jumlah sampel tidak sama Ulangan Treatment n x, x, 1 X,, B X,, 3 X,, n X, 80dimana : Uji F untuk membandingkan. rerata populasi p Hipotesis nol. =H, : fl, = Hy = Hy = H Hipotesis altematif H, : satu atau lebih pasangan rerata populasi berbeda MST Statistik uji F = ———. dimana F didasarkan pada derajad bebas k-1; N — k. MSE Tabel 4.4. Tabel ANOVA untuk > 2 rerata dengan jumlah sampel tidak sama ———— Sumber df ss MS Farag Treatment kl ssT SSTA-1 MST/MSE Error NK SSE SSE/N-k TOTAL N-l SS Contoh 4.2. : Empat kelompok karyawan bagian penjualan (salesman) sebuah agen penjualan majalah diharuskan mengikuti program pelatihan penjualan yang berbeda. Karena ada beberapa yang keluar (drop-out) selama program pelatihan, jumlah orang yang dilatih berbeda-beda dalam setiap kelompok. Pada akhir program pelatihan setiap karyawan penjualan secara random diberi tugas di suatu wilayah penjualan dari sekelompok wilayah penjualan yang dinilai ‘mempunyai potensi penjualan yang sama, Jumlah penjualan yang dibuat oleh setiap orang dari empat kelompok karyawan penjualan selama minggu pertama setelah menyelesaikan program pelatihan dituliskan dalam Tabel 4.5. Apakah data tersebut menyajikan bukti yang cukup untuk menunjukkan perbedaaan dalam rerata prestasi kerja untuk empat program pelatihan itu? 81Penyelesaian : SS SST SSE 4a 4 cor ey ne ill i=l j=l” N (7799 (65) + (87) + (73F + ... + (88 — = 139.511 — 137.601,8 = 1.909,2 ke Te cor “isla N (454% (459) (425~ 351% (1.779)? “6 7 6 a = 138.314,4 — 137.6018 = 712,6 = SS, — SST = 1.1966 Tabel 45. Banyaknya penjualan yang dibuat oleh setiap orang dari setiap kelompok pelatihan Kelompok Pelatihan 1 2 3 4 4 65 15 539 94 87 9 B 89 B 83 67 80 7) 81 2 88 81 2 83 69 79 6 90 — Total 454 549 425 351 82SST 7126 MST = = = 2375 kl SSE 1,96,6 MSE = = —— = 63, N-K 19 Maka : MST FO =—— tome = TSE 4— Daerah ———»+ |¢— Daerah ———> Penerimaan Penolakan 3,13, 3,77 Nilai kritis F untuk ot = 0,05, adalah Fogsy.1yx = 3.13. Karena nilai F yang dihitung = 3,77, melebihi atau lebih besar dati Fogs,.yx = 3:13, maka kita menolak hipotesis nol dan menyimpulkan bahwa bukti tersebut cukup untuk menunjukkan perbedaan dalam rerata prestasi kerja untuk keempat program pelatihan. Tabel 4.6. Tabel ANOVA untuk Contoh 4.2. Sumber ar ss Ms Fvsang Treatment 3 172,6 237,5 ae Error 19 1,196,6 63.0 TOTAL 22. 1,909,2 834.3. ANALISIS VARIANS DUA ARAH (Rancangan Blok Acak) Analisis Varians Dua Arah, adalah suatu bentuk analisis dengan menggunakan rancangan Blok teracak. Disini yang akan dianalisis adalah 2 karakter saja dalam populasi yang diambil dengan cara sampling. Maksud dari rancangan (desain) ini adalah membuat perbandingan antara sehimpunan perlakuan dalam kelompok (blok) yang mengandung bahan eksperimen yang relatif homogen. Perbedaan antara rancangan blok teracak dengan rancangan yang teracak (Analisis satu arah) secara lengkap dapat didemonstrasikan dengan memperhatiken eksperimen yang membandingkan efek dari peragaan produk (yaitu perlakuan) terhadap penjualan dalam suatu analisis pemasaran Peragaan produk (product display) dapat didefinisikan sebagai keragaman pengemasan atau pengaturan di pasar. Misalkan empat rancangan kemasan dipilih sebagai perlakuan (treatment) dan kita ingin mempelajari efek pengaruh mereka terhadap penjualan dengan menggunakan 12 pasar swalayan, Setiap pasar swalayan akan memperagakan hanya satu dari empat rancangan kemasan. Jadi kedua belas pasar swalayan tersebut secara random dapat dianggap sebagai penyalur, 3 penyalur untuk setiap dari empat rancangan kemasan, seperti yang diperlihatkan pada tabel di bawah ini, yaitu tabel 4.7. Tabel 4.7. Rancangan eksperimen yang teracak secara lengkap Perlakuan Pasar Swalayan 1 an 2 13.5 3 2.6.12 4 8.7.10 Penetapan random dari pasar swalayan bagi perlakuan (atau sebaliknya) akan menyebarkan kesalahan secara random karena adanya keragaman dari pasar swalayan terhadap empat perlakuan dan menghasilkan empat contoh (sampel) yang untuk praktisnya adalah random dan independen. Ini merupakan rancangan eksperimen yang didesain secara lengkap. Kesalahan eksperimen random terdiri dari sejumlah Komponen. Beberapa di antaranya disebabkan oleh Perbedaan-perbedaan diantara pasar-pasar swalayan, kegagalan catatan penjualan yang berturutan untuk produk tersebut dalam satu pasar swalayan agar menjadi identik (disebabkan oleh keragaman dalam periklanan dan perubahan pola kelakuan membeli dari pelanggan Pasar swalayan), kegagalan direktur peneliti pemasaran untuk mengatur program secara Konsisten dari suatu pasar swalayan ke pasar swalayan lainnya, dsb. Keragaman/variasi dari toko ke toko dalam eksperimen dapat dihapus dengan menggunakan pasar swalayan sebagai blok (kelompok). Jadi setiap pasar swalayan akan menerima setiap dari empat rancangan kemasan (perlakuan) yang disusun dalam suatu urutan random. 84Perhatikan diagram di bawah ini : 1 2 3 4 n 2 4 1 i 2 1 a 3 4 3 4 1 2 3 4 3 3 4 2 1 Perhatikan bahwa setiap perlakuan hanya muncul satu kali dalam setiap kelompok, Blok (kelompok) dapat mewakili waktu, lokasi, atau bahan eksperimen. Jika tiga perlakuan akan dibandingkan dan terdapat kecenderungan dalam rerata respons dengan berjalannya waktu, bagian terbesar dari keragaman akibat waktu dapat dihilangkan dengan pengelompokkan. Scluruh tiga perlakuan tersebut dapat diterapkan secara acak (random) pada unit-unit eksperimen dalam kelompok waktu yang kecil. Prosedur ini dapat diulang dalam kelompok-kelompok waktu berikutnya sampai jumlah data yang diperlukan terkumpul. Adapun bentuk rancangan blok teracak yang berulang-ulang dapat dilihat pada bentuk rancangan eee Blok * — Ulangan Total n Xx, x, Blok 1 1 X,, xX, B, 2 xX, Xx B, n Xu Xe B, Total Treatment T,, Ty T,, GT, i 1 X, x, X, B,, 2 Xy Xx By a Xe x, Xx By, Total Treatment Ty T GT, 85N 1 Oe xX; Xe By, 2 X, X,, Xx B, n X, x, Xy By, Total Treatment Ty nai Ty, GT, ‘Namun bentuk tabel seperti di atas, dapat disederhanakan setelah seluruh nilai yang sama dari hasil pengulangan, kita cari nilai rata-ratanya. Setelah diperoleh nilai rata-rata untuk seluruh karakteristik, baru dapat disajikan dalam bentuk tabel yang lebih sederhana dan mudah dibaca untuk tujuan analisis selanjutnya. Adapun bentuk rancangannya dapat dirubah sebagai berikut : a Treatment Total Blok Xx, Xx, x, Blok Z Xi xX B, 1 Xn Xn B, N Xx, Xx B, Total Treatment Maka, untuk mencari rumus keragaman masing-masing adalah : k bok cor x -CM= b SSro = 2 i 2 x - jl jel ° kb ssT => 1 b bi eBee | =GT? SSB = - il k kb SSE = SS,,,, ~ SST - SSB 86Tabel 4.8. Tabel ANOVA untuk Rancangan Blok Teracak (Dua Arah) ee Sumber af ss MS Fsung Treatment kl ssT SST/K-1 MST/MSE Blok bl SSB SSB/b-1 MSB/MSE Error -1Xb-1) SSE SSEMK-1)(b-1) TOTAL kn Sone Ce — Dari Tabel 4.8. tampak jelas perbedaan antara Anova satu arah dan Anova dua arah. Dalam Anova dua arab, F,,., ada dua, MST/MSE adalah untuk melihat pengaruh dari perlakuan dan MSB/MSE untuk melihat pengaruh dari blok. Uji F untuk membandingkan rerata populasi p Hipotesis nol H,: _rerata perlakuan dan blok populasi adalah sama Hipotesis altematif H, : satu atau lebih pasangan rerata perlakuan dan blok dalam populasi berbeda. Ree MST . . Statistik uji F = dimana F,,, didasrkan pada derajad bebas k-1; (k-1)(b-1) , MSB Statistik ujiF =———, dimana F,,., didasarkan pada derajat bebas b-1; (k-1)(b-1). MSE Contoh 4.3. : ‘Suatu studi tentang preferensi konsumen yang melibatkan tiga rancangan kemasan yang berbeda (perlakuan) diatur dalam rancangan blok yang teracak di antara empat pasar swalayan (blok/kelompok). Data diperoleh merupakan jumlah unit yang dijual untuk setiap rancangan kemasan dalam setiap pasar swalayan selama masing-masing tiga minggu yang ditetapkan. Aapakah data pada Tabel 4.6. menyajikan bukti yang cukup untuk menunjukkan perbedaan dalam rerata penjualan untuk setiap rancangan kemasan (perlakuan)? ‘Apakah cukup bukti untuk menunjukkan perbedaan dalam rerata penjualan untuk pasar- pasar swalayan? 87Tabel 4.9, Data Jumlah unit terjuan dari Rancangan Blok Teracak Pasar Swalayan ______Kemasan TOTAL A B c BLOK 1 17 44 2 4 2 15 26 2 62 3 1 23 8 32 4 6 22 16 44 Total 39 105 68 Penyelesaian : SSru = (2127 = (17 + Q3P +... + OP = 4.686 - 3,745,33 = 940,67 k 2 ssT = 1 ~-—— FI—) kb b (39)? + (105) + (68) (212)? eae 2 = 4,292,5 - 3.745,33 = 547,17 db BO Gr SSB = > = isl k kb (212) u (74)? + (62)? + (32) + (44)? — = 4,093,33 — 3.745,33 = 348,00 SSE = SS,,,,- SST - SSB ot = 940.67 = 547,17 - 348,00 = 45,50. 88Tabel 4.10. Tabel ANOVA untuk Rancangan Blok Teracak (Dua Arah) Sumber at ss MS Fsang Treatment 2 547,17 273,58 36,09 Blok 3 348,00 116,00 15,30 Error 6 45,50 758 TOTAL IL 940,67 1 +—— Daerah ———» Penerimaan $,14 15,30 36,09 Nilai kritis statistik F (0 = 0,05) untuk perlakuan dengan derajad bebas 2;6 adalah 5,14 Karena F,,.. > F,,4.» terdapat cukup bukti untuk menolak hipotesis nol dan menyimpulkan bahwa perbedaan yang nyata memang ada dalam penjualan yang diharapkan untuk ketiga rancangan kemasan tersebut. Nilai kritis statistik F (c. = 0,05) rerata penjualan untuk pasar-pasar swalayan dengan derajad bebas 3;6 adalah 4.76, kita menolak hipotesis nol dan menyimpulkan bahwa perbedaan yang nyata ada dalam penjualan yang diharapkan dalam empat pasar swalayan, yaitu data tersebut menyajikan bukti yang cukup untuk mendukung keputusan kita untuk mengelompokkan pasar-pasar swalayan. 89LATIHAN SOAL Dalam kondisi bagaimana kita dapat melakukan suatu analisis varians? Apakah yang dimaksud dengan kata “teracak” pada rancangan teracak lengkap maupun rancangan blok teracak ? Sebutkan asumsi yang mendasari model-model rancangan eksperimen betikut : a. Rancangan acak (random) b. Rancangan blok (kelompok) yang teracak Pada waktu memilih rancangan eksperimen : a. Bahas keuntungan dari bloking (pengelompokkan) b. Apa yang terjadi pada keuntungan tersebut jika anda menambah ukuran kelompok (banyaknya unit eksperimen per kelompok) ! Ketahuilah, j1, dan j1, melambangkan rerata biaya variabel per km pengoperasian sebuah tuk merek A dan merek B. a. Cari selang keyakinan 95 % untuk jt, b. Cari selang keyakinan 95 % untuk p., c. Cari selang keyakinan 95 % untuk (jt, — {ly ) d. Apakah tepat untuk mengasumsikan bahwa selang keyakinan yang dihitung dalam butir c adalah sama dengan perbedaan antara selang-selang keyakinan yang ditemukan dalam butir a dan b ? Jelaskan ! ‘Sebuah perusahaan transportasi ingin membandingkan tiga merek truk sebelum memesan satu armada lengkap dari salah satu merek itu. Harga beli masing-masing buatan itu sama dan dengan demikian diabaikan dalam perbandingan ini, Lima truk dari masing- masing buatan dijalankan 5.000 km dan rata-rata biaya variabel operasi per km dicatat per setiap truk. Namun, karena kerusakan ban, kecelakaan dan supir yang sakit, dua truk merek B dan dua truk merek C tidak dapat menyelesaikan uji 5.000 km ini, Untuk mereka yang berhasil menyelesaikan 5.000 km, hasilnya dicatat dalam tabel. Merek A Merek B Merek C 27,3 25,4 279 28,3 274 29.5 27,6 27,1 28,7 26,8 28,0 a. Lakukan analisis varians untuk eksperimen ini !| b. Apakah data ini memberikan bukti yang cukup untuk menunjukkan perbedaan dalam rata-rata biaya variabel per-km operasi untuk tiga merek truk tersebut ? c. Apakah ada keuntungannya dalam menggunakan jumlah pengukuran yang sama dalam setiap perlakuan dalam rancangan yang teracak secara lengkap ? Jelaskan ! 7. Suatu telaah dilakukan untuk menentukan kecepatan relatif mengetik yang dapat dicapai dengan menggunakan empat merk mesin tik yang berbeda. Setiap mesin tik diberikan kepada masing-masing dari delapan sekretaris, urutan pemberian tugas dilakukan secara random. Kecepatan mengetik, yang diukur dalam kata per-menit untuk 10 menit pengetikan | dicatat untuk setiap kombinasi mesin tik-sekretaris. Data yang diperoleh dicantumkan dalam tabel di bawah ini : Mesin Sekretari Tik | 1 2 3 4 5 6 [7] 8 A ae 80, 71 75 82 7 78 76 B 74 fel ce: 70 76 wi) 72 14 Cc 82 86 80 719 81 80 80 84 D 79 81 71 wi) 82 7 (Ke B Identifikasikan rancangan yang digunakan dan jelaskan diagnosa anda! b. Lakukan analisis varians terhadap data tersebut. c. Apakah data tersebut memberikan bukti yang cukup untuk menunjukkan bahwa rerata kecepatan mengetik sekretaris bervariasi dari merk ke merk mesin tik? Ujilan dengan menggunakan 0 = 0,10. 8. Suatu komisi penetapan wilayah dibentuk untuk menghitung rata-rata hasil penilaian atas rumah-rumah di daerah pemukiman luar kota. Komisi ity mempertimbangkan untuk menggunakan salah satu dari tiga model penilaian yang berbeda dalam upaya itu. Dalam salah satu uji untuk adanya konsistensi anatara tiga model penilaian, setiap model digunakan secara terpisah untuk mendapatkan hasil penilaian dari masing-masing dari tiga dacrah pemukiman yang berbeda, Hasilnya sebagai berikut : Model Daerah ( $ 1.000) Penilaian 1 2 3 A 50 7 68 B 42 69 47 Cc a 47 66, Saudara diminta untuk membuat analisis varians (c. = 0,10) dan buatlah kesimpulan saudara ! 91Setelah diberikan suatu paket program sadar lingkungan selama lima tahun. Disini tidak bisa kita dapatkan langsung suatu data yang berupa angka-angka, tetapi mungkin hanya suatu data yang berisi ya dan tidak, naik turun dan tetap, dan sebagainya yang biasanya digunakan dengan jawaban berupa kata-kata dari responden, Data kualitatip semacam ini dapat dianalisis bila data tersebut dirubah ke dalam bentuk data kuantitatip dengan cara memberikan suatu rangking/urutan. Dengan dimikian akan diperoleh suatu data yang berupa angka-angka, Defi Statistik nonparametrik adalah statistik yang tidak memerlukan pembuatan asumsi tentang bentuk distribusi dan karena itu merupakan statistik yang bebas distribusi. 5.2. UJI TANDA (Sign Test) Uji tanda digunakan untuk membandingkan dua populasi apakah dua populasi tersebut berbeda atau tidak. Uji tanda didasarkan atas tanda-tanda, positip atau negatip, dari perbedaan antara pasangan pengamatan. Bukan didasarkan atas besamya perbedaan. Uji tanda dapat dipergunakan untuk mengevaluasi efek dari suatu eksperimen (treament) tertentu. Efek dari Variabel ekperimen tidak dapat diukur melainkan hanya dapat diberi tanda positip atau negatip Saja. Sebagai contoh : apakah penerangan tentang kebersihan dan kesehatan ada manfaatnya untuk menyadarkan penduduk dalam hal kebersihan dan kesehatan. Untuk ini perlu diamati Sebelum dan sesudah beberapa minggu diadakan penerangan. Efek penerangan terhadap kesadaran penduduk tidak dapat diukur, tatapi hanya diberi tanda positip dan negatip saja. 5.2.1. PENGUJIAN DENGAN SAMPEL KECIL Misalkan X, dan X, merupakan variabel random dan kita mengemukakan sebuah hipotesis bahwa distribusi populasi X, identik dengan distribusi X,. Guna menguji hipotesis di atas, kita memilih dua sampel random yang memiliki besaran n yang sama (n, = n, ) masing-masing dari populasi X, dan X, . Andaikan hipotesis hipotesis nol yang menyatakan bahwa distribusi Populasi X, dani X, identik memang beriar, maka kita dapat mengharapkan beda antara hasil Observasi sampel X, dan X, atau X,—~ X, akan memiliki jumlah tanda positip dan negatip yang sama. Hal tersebut bahwa proporsi tanda + dan — seharusnya sama dan sebesar 0.50 atau 50 %, sehingga bisa digunakan pendekatan pengujian proporsi populasi binomial dimana H, : p= p, atau H, : p= 0,50. Contoh 5.1: Pada suatu eksperimen penelitian pasar sebuah perusahaan pengolah pangan melakukan Studifelaah untuk menentukan mengenai dapat diterimanya bahan pengganti gula pada ait Jeruk dalam kaleng yang diproduksi mereka, Kepada sebelas keluarga diberikan sejumlah Produk yang sekarang ini ada (X,) dan satunya lagi yang baru (X,) dan meminta mereka untuk ‘menggunakannya selama periode 4 minggu dan menyatakan preferensi mereka dengan 96menilainya ke dalam bentuk ranking (pada skala | sampai 10). Nilai 10 adalah nilai yang “paling disukai”, Hasilnya ditunjukkan pada Tabel 5.2.1. Tabel 5.1. Data preferensi dari scbelas keluarga terhadap dua jenis minuman jeruk dalam jumlah + dan -. Produksi Keluarga Tanda wCxydauneona Deer] xurns ' + WIAawrwegagnuranrn oe Oo Penyelesaian : Andaikan jumlahnya memang sama besamya, maka tanda + sama banyak dengan tanda —. Secara singkat, andaikan p, = probabilitas (proporsi) hipotesis untuk memperoleh tanda +, maka hipotesis nol-nya dapat dinyatakan sebagai H, : p = p, atau H, : p = 0,50 dan hipotesis altematiinya sebagai H, : p # 0.50. Scsuai contoh di atas. preferensi masyarakat terhadap produk baru temyata lebih besar, maka jumlah tanda + diharapkan lebih banyak daripada tanda — sehingga H, : p = 0,50 sedangkan hipotesis altematifnya dapat dinyatakan sebagai H, : p > 0,50. Bene Proses pengujian langkah demi langkah adalah sebagai berikut : H, : p= 0.50 H, : p > 0.50 a = 0.05 Statistik uji jumlah tanda positip +) : Daerah krtis ditentukan oleh nilai-nilai X yang sesuai dengan luas distribusi binomfal kumulatif dimana oc = 0,05 dalam uji searah atas bagi n = 10 ( karena terdapat 10 beda bertanda, angka 0 ditiadakan). Pada tabel binomial kumulatif, luas probabilitas binomial secara kumulatif dengan n= 10 dan yang mendekati ct = 0,05 searah atas ialah 0 = 0,033. 97Bagi luas probabilitas binomial kumulatif sebesar 0,055, nilai r kumulatif ialah 2 8 sehingga daerah kritis ialah r 2 8. 5. Hasil observasi sampel r = 8 Karena 8 > 8 maka H, : p = 0,50 ditolak. Hal tersebut berarti cukup beralasan guna menerima hipotesis yang menyatakan bahwa preferensi konsumen terhadap produk bara lebih tinggi dibanding dengan produk yang ada. 5.2.2. PENGUJIAN DENGAN SAMPEL BESAR Andaikan besaran sampel cukup besar, katakantah lebih besar dari 30, maka cara perkiraan distribusi binomial dengan distribusi normal dapat digunakan untuk menguji hipotesis proporsi populasi p. Dalam banyak hal, jika n > 10 dan p = 0.50, penggunaan distribusi nomal untuk memperkirakan distribusi binomial sudah akan memperoleh hasil yang memuaskan, Contoh 5.2.: Suatu telah terhadap keetektifan 2 tipe kelas dalam tes panel : kelas yang besar dengan seorang profesor yang berupa diskusi umum dan kelas yang kecil dengan tenaga pengajar asisten senior yang berupa diskusi kelompok terbatas. Pengukuran diukur secara ranking dari 4 sampai 1. Nilai 4 adalah yang terbaik dan 1 adalah nilai yang terjelek. Evaluasi dilakukan terhadap 40 mahasiswa, Misalkan tanda + berarti elas besar yang disukai mahasiswa, tanda — berarti preferensi mahasiswa terhadap kelas kecil, dan 0 berarti tidak ada yang disukai. Hasil dari Tabel 5.2.3, adalah : Jumlah tanda+ = 19 Jumlah tanda~ = Jumlah nilai0 = = 10 Total sampel = 40 Jumlah sampel yang digunakan adalah yang bertanda, yaitu 19 ditambah I1 = 30. pH = 0,5 6 => hipotesis proposi populasi yang merasa bahwa dua tipe kelas tersebut adalah sama gH = 0.5 6 => hipotesis proposi populasi yang merasa bahwa dua tipe Kelas tersebut adalah berbeda (gH, = | — pH,) n = 30 => jumlah sampel B= 0,633 = proporsi sukses dalam sampel ( 19/30 ) q = 0,367 => proporsi kegagalan dalam sampel ( 11/30 ) 98Tabel 5.2. Evaluasi 40 mahasiswa terhadap 2 tipe kelas jumlah mahasiswa skor kelas besar (1) skor kelas kecil (2) uji tanda | 1-2 SoBe ew aMaene e ae 14 15 16 7 18 19 20 21 22 23 24 25 26 a 28 29 30 31 32 33, 35 37 38 39 WOE NNN VAWVAUNLYAALANN ER RARWEH KNEWWERARAN WR EEO RENNYRK HE ENNYOEHEWONWNORAONE LE NNAWNNY btoocotrottee 1 +4 LoOltete+Oto+ottI OC! +1041 99Penyelesaian : Statistik uji diberikan dengan pendekatan kedalam distribusi normal standard, dengan standar error proporsi : {2 50) 050) oa Vt ey SO” D 30 = “(0,083 = .091 (standar error proporsi) Proporsi sampel = 0,633 0,322 P,,,=05 0,678 Ho" Dengan menggunakan distribusi normal o: = 0,05, diketahui nilai z adalah 1,96 pada nvo tailed test. Maka bisa kita tentukan daerah penerimaan H, yang terletak pada interval pH, + 1,96 6, * PH, + 1.96.6, = 0,50 + (1,96) (0,091) = 0,50 + 0,178 = 0,678 (batas atas) PH, ~ 1.96.6, = 0,50 — (1,96) (0,091) = 0,50 - 0,178 = 0,322 (batas bawah) Karena proporsi sampel adalah 0,633, maka masuk daerah penerimaan H,. Hipotesis nol diterima dengan kata lain tidak ada perbedaan antara dua tipe kelas menurut mahasiswa tersebut.Vv ee 1 Pergunakan uji tanda dengan 0. = 0.05. LATIHAN SOAL Apakah bedanya statistik parametrik dengan statistik non parametrik ? Apakah kegunaan dari statistik nonparametrik ? Apakah yang dimaksud dengan prosedur uji tanda ? ‘Apakah yang dimaksud dengan hipotesis nol dalam prosedur uji tanda ? Distribusi probabilitas apa yang digunakan dalam menguji hipotesis pada prosedur uji tanda, jika jumJah sampel kecil ? Dan jika sampel besar ? Sctiap n = 27 ekonom yang terkemuka ditanyai apakah dia percaya pengendalian pemerintah terhadap perusahaan-perusahaan minyak dalam negeri akan membantu perekonomian Amerika. Empat belas ekonom menyatakan bahwa mereka menyetujui pengendalian terhadap perusahaan minyak. 11 menentang adanya pengendalian, dan dua orang mengatakan tidak menentukan sikap. Apakah respons tersebut menunjukkan bahwa pata ekonom secara umum menyetujui adanya pengendalian pemerintah terhadap perusahaan demi membantu perekonomian Amerika ? Ujilah dengan menggunakan taraf nyata sedekat mungkin dengan 5 % ! Dari data di bawah ini ujilah hipotesis nihil bahwa periode liburan tidak mempunyai efek yang favorable atas produktivitas kerja. Output Mingguan Pekerja Sebelum liburan Sesudah liburan A 83 nD B 85 87 “2 75 70 D 1 93 E 80 85 F 75 75 G 90 80, H 65 1 1 78 80 J 85 88 K 83 7 uF 5 15 M 78 85, N 80 86 1018. Di suatu daerah pedalaman telah diadakan kampanye tentang makanan bergizi. Untuk meneliti apakah kampanye tersebut mempunyai efek positip, diadakan pengamatan terhadap 20 keluarga yang dipilih secara acak. Penilaian sebelum dan sesudah kampanye memberikan informasi sebagai berikut : Keluarga Nilai Sebelum Nilai Sesudah ROK KUNANROWNNAREAWWHAL 58 WERNRNEOARUNNE HNL KNB wD Pergunakan uji tanda dengan o = 0.01. 9, Kita ingin menentukan efektivitas suatu diet yang dinamakan diet harimau. Tujuh belas orang dicoba untuk melaksanakan diet tersebut. Berat badan mereka sebelum dan sesudah menjalankan diet adalah : 102Berat Berat Berat Berat Orang Sebelum Sesudah Orang, Sebelum Sesudah A 110 108 J 95 85 B 97 96 K 54 50 2 103 95 L 19 3 D 75 75 M 143 135, E 134 129 N 95 104 F 78 70 oO 98 93 G 152 142 P 69 69 H 130 121 Q 117 110 I 90, 113 Ujilah hipotesis nihil bahwa diet tersebut tidak efektif (P = 0.5) lawan hipotesis altematip bahwa diet tersebut efektip (P > 0.5) dengan menggunakan uji tanda pada a = 0,01 Seperti pertanyaan a, tetapi pergunakan metode pendekatan kurva normal. 1035.3. UJI MANN - WHITNEY ( U,,,) test Ini merupakan uji nonparametrik yang digunakan untuk membandingkan dua populasi didasarkan pada sampel acak yang bebas dengan menggunakan jumlah peringkat dari kedua sampel tersebut, Asumsikan bahwa kita mempunyai sampel acak yang independen berukuran n, dan n, dari dua populasi, A dan B. Langkah pertama untuk mencari statistik Mann- Whitney (U,,,). adalah membuat peringkat (menjenjang) semua (n, + n,) pengamatan sesuai dengan urutan besarannya. Peringkat ke-L untuk pengamatan yang terkecil. 2 untuk yang kedua. dan seterusnya. Kemudian hitunglah jumlah dari peringkat R, dan R, untuk kedua sampel Uji Mann-Whitney : Untuk uji dua arah gunakan U,_. mana yang lebih kecil dari n(n, +1) U,= na, +R, dan dimana : n, = jumlah observasi dalam sampel | jumlah observasi dalam sampel 2 jumlah seluruh ranking dalam sampel jumlah seluruh ranking dalam sampel 2 PRS Contoh 5.3. : Tabel 5.3. merupakan data jumlah akuntan yang lulus ujian negara dari 8 kantor akuntan yang masing-masing dipilih 50 akuntan yunior. Para akuntan dari 4 kantor dilatih dengan program A dan akuntan dari 4 kantor Jainnya dilatih dengan program B Tabel 5.3. Jumlah akuntan yang lulus ujian negara A B 28 33 31 fs) 7 Le 25 30Untuk memberikan cukup bukti bahwa ada perbedaan dalam distribusi populasi latihan program A dan B, digunakan uji Mann-Whitney dengan melakukan peringkat setiap nilai observasi dengan mengurut data dari yang terkecil sampai yang terbesar. Tabel 5.4. Data dan peringkat untuk contoh 5.3 A B 28 (3) 31 (6) 27:2) 25 () Penyelesaian : Peringkat (rank) ditunjukkan pada Tabel 5.4. bersama-sama dengan (n, + n,) = 8 pengukuran. Jumlah peringkat untuk kedua sampel juga diperlihatkan. Maka : 4) (4 OED lig 2 U, = @) (4) + 2 U, =n, - U, = 16-14 Misalkan kita menginginkan suatu nilai ot yang dekat dengan 0,05, maka pada Tabel Mann-Whitney untuk n, = n, = 4, kita peroleh nilai U,,,, sebesar 1. Temyata nilai U,,, lebih besar dari nilai U,_,, maka dapat dikatakan bahwa ada kecenderungan perbedaan dalam distribusi populasi antara latihan program A dan program B. Uji Mann-Whitney (U,,,,) Hipotesis nol H,:u, =p, —> Tidak ada perbedaan antara kedua populasi, dan memiliki rata-rata yang sama, Hipotesis altematif H,: 1, #4, © —> Ada perbedaan antara kedua populasi, dan memiliki rata-rata yang berbeda. @=015 —> level significance 105Contoh 5.4. : Kita ambil contoh 5.3. Kita anggap sampel yang digunakan adalah lebih besar dari 10, sehingga distribusinya mendekati normal. Buktikan apakah benar pendapat yang mengatakan bahwa kedua program tersebut ada perberbedaan yang nyata. Gunakan significant level sebesar a= 015. Penyelesaian : Sebelum melakukan suatu hipotesis, kita cari terlebih dahulu nilai rata-rata U statistic dan standard error dari U statistic, dengan mencari dari : 4+4 2 nn, m+n, +1 Standard enor: oy = Yee D 12 [@aa+4+d y= V— 12 Oy = i2 = 3.464 Setelah itu, kita lakukan langkah-langkah sebagai berikut : 1. Bentuk uji hipotesis. Hipotesis nol: H,: ul, =H, tidak ada perbedaan nyata antara kedua program A dan B. n+ Rerata Hipotesis alt. : H,:m,#m, ada perbedaan nyata antara kedua program A dan B. 2. a= 0.15 —> level significance Daerah penerimaan H, adalah t, + Z,. - 6, atau: 4+ (1.44) B,464) 4 £ 4.98816 atau 4 + 4.988 1064, Harga U,,, tenyata masuk dalam daerah penerimaan H,, Atau kala lain U,_ = 2, terletak diantara nilai 4 + 4,988. Jadi masuk daerah penerimaan H,, 5. Kesimpulan yang bisa diambil adalah tidaklah benar yang mengatakan bahwa kedua program A dan B ada perbedaan yang nyata. Kedua program tersebut temyata tidak berbeda. 107108 LATIHAN SOAL Apakah yang dimaksud dengan uji U atau uji Mann-Whitney ? Bagaimanakah prosedur menganalisis data dengan uji U ? Suatu perusahaan akuntansi rubrik yang besar, dengan kantor-kantor cabang pada ibu kota propinsi, merencanakan dua program lokakarya akuntansi yang berbeda untuk membimbing akuntan yunior dalam menghadapi ujian ujian negara yang akan datang. Untuk membandingkan keefektivitasan dari program studi ini, perusahaan memilih 8 kantor cabang utama, dan 50 akuntan yunior dipilih dari setiap kantor. Para akuntan dari 4 yunior dilatih dengan program A. akuntan dari 4 kantor lainnya dengan program B. Setelan menyelesaikan ujian, jumlah akuntan yang lulus dicatat sebagai berikut : A B 28 33 31 29 27 35 25 30 Apakah data di atas memberikan cukup bukti untuk menunjukkan adanya perbedaan dalam distribusi populasi latihan program A dan B ? Misalkan dari dua sampel I dan 11, menunjukkan data sebagai berikut Ujilah dengan U,,, ! Sampel I Sampel I 3 7 8 1 2 ul 5 9 4 105.4, UJI KRUSKAL - WALLIS Metode nonparametrik ini merupakan kelanjutan dari uji Mann-Whitney, tetapi yang diuji adalah lebih dari 2 populasi. Atau dengan kata lain, uji Kruskal-Wallis digunakan untuk melihat apakah 3 atau lebih sampel acak yang independen berasal dari populasi yang sama. Uji Kruskal-Wallis juga tergantung pada jumlah ranking tiap-tiap sampel, seperti halnya dengan uji Mann-Whitney. Rumus yang digunakan : 12 2 58 ena) n, -3+ 1) jumlah nilaifunit dalam sampel ke-j jumlah ranking dalam sampel ke-j jumlah seluruh nilai observasi seluruh sampel. Contoh 5.5.: Pimpinan sekolah ingin mengevaluasi keefektifan dari 3 metode perkuliahan, yaitu dengan menggunakan video cassette, Audio cassette, dan metode tatap muka. Untuk itu pimpinan mengambil secara random nilai ujian akhir semester dari 20 orang mahasiswa yang mewakili ketiga metode perkuliahan tersebut. Nilai ujian akhir semester dari 20 orang mahasiswa disajikan dalam Tabel 5.5. Tabel 5.5. Nilai ujian akhir semester 20 mahasiswa dengan perbedaan metode perkuliahan. Video cassette 74 88 «82 93855 0 Audio cassette 7 80 65 57 89 Tatap muka 6 83 (50s BLD Penyelesaian : Langkah pertama adalah kita membuat rangking untuk masing-masing nilai sesuai dengan urutan nilai yang terkecil seperti pada Tabel 5.6.Tabel 5.6. Rangking nilai ujian dari kecil ke besar Rangking | Nilai Metode | Rangking | Nilai | Metode 1 50 ™ n 81 ™ 2 55 ve 12 82 ve 3 37 AC 13 83 ™ 4 65 AC 4 84 ™ 5 68 ™ 15 88 vc 6 70 vc 16 89 AC 7 4 vc 7 91 ™ 8 1 ™ 18 92 ™ 9 ty AC 19 93 ve 10 80 AC 20 94 ™ Langkah kedua adalah mencari jumlah rangking untuk masing-masing metode perkuliahan. Untuk memudahkan bisa kita gunakan Tabel 5.6. Tabel 5.7. Susunan data dan rangking untuk setiap metode Video Rangking | Audio | Rangking | Tatap | Rangking cassette cassette muka 74 7 8 9 68 5 88 80 10 83 13 82 65 4 50 1 93 37 3 a1 7 55 89 16 84 14 70 R, = 42 7 8 94 20 81 92 110Langkah ketiga, mencari nilai Uji Kruskal Wallis (K-statistik) dengan rumus : 12 R? —— 1-3 (n+ 1) n+l 0. 2 (2p 107 K=——__. — + ]- 30041 20 (20 + 1 [ 6 5 8 ]- 320 +0 K = (0.2857)(620.2 + 352,8 + 1272.1) - 63 K= 1,143 Uji Hipotesis : Langkah terakhir, menentukan uji hipotesis sebagai berikut : 1. Hipotesis nol H,: 1, =, =}, tidak ada perbedaan diantara antara ketiga populasi, atau ketiganya mempunyai rata-rata yang sama. ketiga Hipotesis alt. H,: 1, #},#H, ada perbedaan nyata antara ketiga populasi. Atau ketiganya mempunyai rerata yang tidak sama. 3. a= 0,10 —> level sginificance. 4. Daerah kritis dicari pada tabel chi-square (X2) dengan derajat bebas k-1 (dalam hal ini, k = 3), yaitu Myc) = Xagoar =Xauvg = 4605. unset 01034 102 BR <— Daerah Penerimaan ——* 0,10 0 K = 1,143 4,605 5. Karena nilai K-statistik < X’,,,, alau'l,143 < 4,605, maka hipotesis nol kita terima. 6. Kesimpulannya, tidak ada perbedaan yang nyata antara ketiga metode perkuliahan yang diterapkan di sekolah tersebut. Jadi, tidak efektif menerapkan tiga metode perkuliahan di sekolah tersebut. iiv Apakah yang dimaksud dengan uji Kruskal-Wallis ? Bagaimana konsep dasar uji statistik ini ! Empat kelompok A, B, C. dan D dilibatkan dalam suatu eksperimen. Data-data setiap LATIHAN SOA kelompok dipilih secara random. Hasil eksperimen adalah seperti di bawah ini A B Cc D 57 B 87 60) 81 él 69 70 67 a 58 i 64 45 82 2 96 39 90 1” 80 OL EA! 68 56 Pergunakan uji Kruskal-Wallis untuk menentukan apakah populasi empat kelompok itu mempunyai mean yang sama pada o = 0,05 Suatu percobaan untuk membandingkan umur rata-rata tiga merck bola lampu telah dilakukan serta memberikan data sebagai berikut : Merek X Merek Y Merek Z B 84 82 64 80 79 67 81 7 62 7 ae 70 83 74 68 Dengan © = 0,05, ujilah hipotesis nihil bahwa rata-rata umur ketiga merek bola lampu itu tidak berbeda ! Lima club olah raga A. B. C, D, dan E diteliti rata-rata umur para pemainnya, Pemain setiap club diambil secara random, Data tentang umur pemainnya adalah : moaAw> 20 el 24 17 22 18 IS 23 2 23, 16 17 25 16 ea We 18 20 18 eu 29 26 aa 24 16 a) 20 25 18 Dengan o. = 0,05 ujilah hipotesis nihil yang mengatakan umur rata-rata pemain lima club olah raga tersebut sama.5.5. UJI SPEARMAN (Rank Correlation Coefficient) Uji Spearman digunakan untuk melihat derajat hubungan antara 2 variabel dalam bentuk ranking. Selain itu juga, uji Spearman banyak digunakan oleh para statistisi, karena lebih mudah penghitungannya daripada menggunakan analisis korelasi_ biasa apabila jumlah datanya sangat besar setiap variabel. Di sini penghitungan berdasarkan ranking, bukan nilai angka dalam data. Koetisien korelasi berjenjang disimbolkan dengan r, Nilai r, terletak antara —1 dan +1 atau dirumuskan sebagai -1 <¥, < +1. Rumus : 6Le n(@- 1) dimana : — 1, = koefisien korelasi berjenjang — n = jumlah pasangan observasi d_ = selisih jenjang (ranking) dari pasangan observasi. Contoh 5.6. : Misalkan kita ingin mengetahui hubungan ranking dari dua variabel dari 5 orang siswa. Ranking diperoleh dari sekolah dan dari perusahaan dimana mereka kerja 10 tahun kemudian. Data diperoleh pada tabel 5.8. ‘Tabel 5.8. Perbandingan ranking dari 5 orang siswa Siswa ranking di sekolah ranking di perusahaan John 4 4 Margareth 3 3 Debbie 1 1 Steve 2 2 Lisa 5 5 Penyelesaian : Data pada tabel 5.8. dapat kita hitung dengan mudah dalam bentuk data tabulasi seperti pada tabel 5.9. 113Tabel 5.9. Informasi umum perhitungan untuk koefisien korelasi berjenjang Ranking Ranking di Selisih | Selisih kuadrat Siswa di sekolah | perusahaan | 2 ranking a Q) @)-@) | i-@a John 4 4 0 0 Margareth 3 3 0 0 Debbie 1 1 0 0 Steve 2 2 0 0 Lisa 5 5 0 0 i? =0 Maka koefisien korelasi berjenjang dapat dicari dengan : = | > koefisen korelasi berjenjang Koefisien korelasi adalah 1 atau positip, hal ini berarti Korelasinya sempuma, Atau dengan kata lain kedua ranking untuk setiap siswa adalah identik. 5.5.1. PENGUJIAN DENGAN SAMPEL KECIL Untuk jumlah sampel kecil (n < 30), distribusi r, tidak normal. Untuk itu hasil perhitungan kita bandingkan dengan tabel r, (tabel Spearman). Untuk pengujian kita anggap koefisien korelasi populasi (p, = rho-sub-s) adalah mendekati 0. Tabel Spearman digunakan untuk menentukan daerah penerimaan dan penolakan hipotesis nol (H.). Contoh 5.7 : Misalkan kita ingin menentukan apakah nilai dalam suatu test tertentu yang diperoleh pekerja-pekerja mempunyai hubungan dengan hasil pekerjaan yang dinyatakan dengan jumlah satuan_ yang diprodusir dalam jangka waktu tertentu. Sepuluh pekerja telah dipilih. Nilai test dinyatakan dengan X dan jumlah satuan yang diprodusir dinyatakan dengan Y. Hasil penelitian ditunjukkan dalam tabel 5.10. 114‘Tabel 5.10. Ilustrasi untuk metode korélasi berjenjang Nilai Test Satuan yang diprodusir Pekerja a & x Jenjang Y Jenjang | (X-Y) A 65 1 30 2 -I 1 B 70 2 25 1 1 1 c 16 4 35 3 1 1 D 15 3 40 5 2 4 E 80 6 38 4 2 4 F B 5 a2 6 -1 1 G 83 7 48 8 -I 1 Hq 84 8 50 9 1 1 I 85 9 55 10 -1 1 J 90 10 45 7 3 9 Téa Penyelesaian : Dari data di atas koefisien korelasi Spearman dapat dihitung : 6 (24) . 10 (10 - 1) 1 990 = 0,855 —> koefisien korelasi berjenjang Uji hipotesis nol H, : p, = 0 —> Tidak ada korelasi dalam data berjenjang dari populasi Uji hipotesis alt H,: p, #0 —> Ada Korelasi dalam data berjenjang dari populasi © = 0,05 Kemudian kita lihat pada tabel Spearman dengan baris untuk n = 10 dan kolom untuk ot = 0,05, Pada tabel kita temukan harga r, sebesar + 0.6364. Daerah penerimaan hipotesis nol terletak antara -0,6364 (batas bawah) dan 0,6364 (batas atas). Jadi bisa disimpulkan bahwa r, hasil perhitungan temyata lebil. cesar dari batas atas penerimaan H,, maka kita menolak hipotesis nol yang menyatakan tidak ada korelasi antara dua jenjang dalam populasi. 115' 1 1a ole to r, hitung = 0,855 10,6364 p: 40,6364 5.5.2. PENGUJIAN DENGAN SAMPEL BESAR Jika n > 30 distribusi sampel dari r, akan mendekati normal dengan nilai tengah nol dan standard deviasi 1/-Yn — T. Jadi standard error untuk rot Uji Hipotesis Uji Korelasi Berjenjang : H,: p, = 0—> tidak ada korelasi di dalam data berjenjang Spearman. H,: p, # 0—> ada korelasi nyata dalam data berjenjang Spearman. Contoh 5.8. : Kita ambil contoh 5.7, dimana dianggap sampel yang ditarik jumlahnya besar dengan r, = 0,855. Dengan o = 0.01, ujilah apakah ada korelasi positip antara nilai test dengan jumlah yang diprodusir dari seluruh pekerja-pekerja. Penyelesaian : 1. Menentukan bentuk uji hipotesis : H,:p, =0 tidak ada korelasi antara nilai test dengan jumlah yang diprodusir setiap pekerja. H,:p,>0 ada korelasi positip antara nilai test dengan jumlah yang diprodusir setiap pekerja. (Bentuk uji hipotesis satu arah) a= 001 116NR Meneari standard error dari uji Spearman : 1 1 6, = = 0,333 * n-1 Yio-1 Mencari nilai z pada Tabel Distribusi Nomal dengan & = 0,01, yaitu 2.33. Interval atau batas limit daerah penerimaan H, adalah : Pay £2.33 6 = 042,33) 0,333) = 0.£0,77589 = 0 £0,776 Je 042.330, Karena r, hitung lebih besar dari batas_penerimaan H,, atau r, = 0,855 lebih besar dari batas penerimaan H,, maka hipotesis altematif dapat diterima. Dengan kata Jain ada korelasi positip antara nilai test dengan jumlah yang diprodusir’ setiap pekerja. Ja: hipotesis nol kita tolak. 17118 LATIHAN SOAL ‘Apakah kegunaan daripada uji koefisien korelasi berperingkat ? ‘Tentukan apakah pemyataan-pemyataan berikut ini benar atau salah, jika salah betulkan pemyataan tersebut ! a. Jika r,= 1, maka r yang dihitung dari data yang sama akan sama dengan 1 b. Jika r= 1, maka r, yang dihitung dari data yang sama akan sama dengan -1. cc. Jika suatu analisis terhadap dua variabel memberikan petunjuk bahwa ada hubungan antara dua variabel pada taraf nyata = 0,10, hubungan tersebut juga akan terbukti nyata pada taraf nyata 0 = 0,05. d. Rumus pintas untuk r, dapat digunakan untuk menentukan ada atau tidaknya pasangan untuk x pengamatan dan y pengamatan. Pembantu Dekan I Fakultas Ekonomi sebuah universitas swasta di Jakarta ingin menguji apakah terdapat Korelasi positip antara kemampuan matematika di SMA dengan indeks prestasi (IP) mahasiswa-mahasiswa tingkat persiapan. Untuk itu diambil sebuah sampel random sebanyak 10 orang mahasiswa tingkat persiapan. Tabel : Kemampuan Matematika dan IP Mahasiswa : 1 2 3 4 5 6 7 8 9 10 Math : 75 84 18 68 69 88 rR 92 91 74 IP : 1,70 181 1,84 217 242 245 2,32 341 3,64 » 3,69 Saudara diminta untuk menguji korelasi antara kedua variabel tersebut dengan metode speamman (0. = 0,1), Bagaimana kesimpulan suadara ?MULTIPLE CHOICE Suatu uji Mann-Whitney (U,.,) mempunyai rata-rata U = 15. n(o, + D Hasil perhitungan dari U,,, dengan nin, + aD —R = 22,5 dengan cepat bisa ne, (m+ n(n, + D) a kita hitung nilai nn, + ——"——- — R, adalah a 10 c. 75 b. 125 4. Tidak bisa dihitung Uji Kruskal Wallis (K,,,,,,) bisa dilakukan pendekatan dengan distribusi sampel dari chi square, bila : a. Ukuran sampel minimal 5 cc. Ukuran sampel tidak ditentukan b. Ukuran sampel Kurang dari d._Tidak ada pemyataan yang benar Ukuran sampel > 30 distribusi dari koefisien korelasi berperingkat bisa dilakukan pendekatan dengan distribusi aut c. chi square b. binomial d. normal Suatu uji Kruskal Wallis dari k sampel, nilai derajat bebas adalah : ak c n-l b. k-1 do n-k Jika dibandingkan dengan metode parametrik, metode non parametrik : a. kurang akurat cc. mudah dihitung b. Kurang efisien d. semua benar Korelast sempuma apabila keofisien korelasi berperingkat (7,): at c. sama dengan 0 b. antara 0 dan -1 d. Tidak ada yang benar Mana dari 3 sampel yang memiliki jumlah rangking paling tinggi bila diurut dari besar ke kecil (descending) : Sampel Aye SamplB : 5 1 8 SamplC : 9 4 2 C dengan jumlah rangking = 15 C dengan jumlah rangking = 20,5 A dengan jumlah rangking = 16 B dengan jumlah rangking = 14,5 ao ge 119(Data di bawah ini berlaku untuk soal no.8 sid no. 9) 5 pasien dari bangsal A dan 4 pasien dari bangsal B sebuah rumah sakit swasta diambil sebagai sampel secara random. Yang diperhatikan adalah lamanya masing-masing sampel dirawat di rumah sakit tersebut (dalam hari). Data yang diperoleh sebagai berikut Bangs A: 13.9 4 2 10 6 feos ) 8 Df 8 8. _ Uji Mann-Whitney dilakukan untuk melihat adanya pengaruh perbedaan lamanya dirawat di rumah sakit untuk kedua bangsal tersebut. Kalau lamanya hari dirawat dirangking dari kecil ke besar, berapa rangking untuk sampel yang dirawat selama 13 hari di bangsal A? a 9 c 91R b. 8 a 712 9. Berapa hasil dari (R, - R, )? a -12 c IR b 0 d 212 10. Uji tanda dilakukan dari 800 siswa untuk memberikan penilaian terhadap dua ma test, yaitu : benar salah dan pilihan berganda. Setelah dirangking temyata ada 13} memberikan respon kepada dua macam test tersebut sebesar 0. Ini menunjukkan bahwa 138 siswa tersebut : a. Tidak menyukai kedua macam test tersebut b. Tidak memberikan penilaian terhadap kedua macam test c. Rangking untuk kedua macam tipe test si 4. Berfikir bahwa salah satu ada yang baik dan ada yang tidak 11. 2 sampel dengan ukuran n, dan n, digunakan dalam perhitungan uji Mann-Whitney. Distribusi sampel dari U,,,,,, bisa digunakan pendekatan dengan distribusi normal dimana ukuran kedua sampel n, dan n, : a. lebih besar dari 10 c. sama dengan 10 b. lebih kecil dari 10 a 210 12. Distribusi sampel dari Kruskal Wallis K,,., dapat digunakan pendekatan distribusi chi- square, jika scluruh ukuran sampel a. lebih kecil dari 5 c. paling sedikit 5 b. lebih kecil dari 3 d. paling sedikit 3 13. Koefisien korelasi berperingkat = —1, menunjukkan bahwa : a. Korelasinya sempuma c. Tidak ada korelasi b. Korelasi tidak sempurna 4. Tidak ada yang benar 12014, Koefisien korelasi berperingkat = 1 menujukkan bahwa a. Korelasinya sempuma c. Tidak ada korelasi b. Korelasi tidak sempuma Tidak ada yang benar (Data di bawah ini berlaku untuk soal no. 15 sid no.17) Data di bawah ini adalah data pendapatan setahun dari 7 eksekutif (A - G) yang dirangking dari 1 sampai 7 dimana rengking 1 diberikan untuk eksekutif yang memiliki pendapatan paling tinggi: A 15. 16. 19. B c D CE F G 2 6 4 1 3 5 7 Mana pemyataan di bawah ini yang benar : a, E pendapalannya lebih tinggi dari 4 eksekutif lainnya b. Cdan F memperoleh pendapatan yang sama c. C penaapatannya lebih sedikit dari 4 eksekutif lainnya d. adan c benar ‘Survai kedua dilakukan untuk melihat hubungan pendapatan dengan kegembiraan yang dimiliki oleh ketujuh eksekutif tersebut, dimana rangking 1 diberikan untuk perasaan ‘gembira yang lebih tinggi. Apabila korelasi antara pendapatan dan kegembiraan adalah sempuma, maka rangking kegembiraan untuk eksekutif A bemilai : Ce cna 3 b. 2 a 6 |. Namun bila korelast antara pendapatan dan perasaan gembira adalah tidak sempuma, maka rangking kegembiraan untuk eksekutif F bernilai : a7 Gg b. 2 a3 . Apabila tak aa perbedaan antara 2 populasi, maka hipotesis nol (nihil) dalam uji tanda (sign test a Hy:p=0 c Hy: p=05 b. H,:p=0 d. Tidak ada yang benar Jika n > 30 distribusi sampel r, akan mendekati normal dengan nilai tengah nol dan standard deviasi sebesar : a Yn c wyn-l b VNn-1 a. Yn-T |. Bentuk uji hipotesis dari Koefisien korelasi berperingkat (,) untuk menguji apakah ada korelasi antara dua karakteristik yang ingin diteliti adalah : a HL:p,=0 c. HL: p,=05 b. H.:p,>0 a. H.:p+0 121