Tampilkan postingan dengan label NONPARAMETRIK. Tampilkan semua postingan
Tampilkan postingan dengan label NONPARAMETRIK. Tampilkan semua postingan

05 April 2015

UJI KRUSKALL-WALLIS

Uji Kruskall-Wallis sama halnya seperti analisis varians (ANOVA) akan tetapi uji ini tidak memerlukan adanya asumsi distribusi normal. Prosedur pengujian Kruskall-Wallis dilakukan untuk menganalisa data tiga atau lebih sampel independen. Metode ini diperkenalkan oleh dua pakar statistika William H. Kruskall dan Allen Wallis pada tahun 1952.

 
Formula sebagai berikut :

Rumus Uji Krusskal Wallis

Dimana :

H     = nilai hasil perhitungan
  = kuadrat jumlah jenjang secara keseluruhan
n     = jumlah sampel keseluruhan
  = jumlah sampel pada tiap kelompok
12, 1, dan 3 = merupakan konstanta.

Contoh kasus
Seorang manajer penjualan mesin traktor pertanian ingin mengetahui apakah penjualan traktor di cabang toko yang berada di tiga kota yaitu Kebumen, Solo dan Semarang terdapat perbedaan dalam penjualan mesin traktor. Data penjulan ketiga cabang toko disajikan sebagai berikut :

Data Penjualan di 3 Kota

Keterangan.
1 = Kebumen
2 = Solo
3 = Semarang

Hipotesis
H0 = Tidak ada perbedaan penjualan traktor pertanian antara kota kebumen, Solo dan Semarang
H1 = Ada perbedaan penjualan traktor pertanian antara kota Kebumen, Solo dan Semarang

Langkah-langkah pengujian dengan Sofware Minitab.
  1. Stat > Nonparametrics > Kruskal-Wallis
  2. Masukkan variabel Penjualan ke kolom Response dan Kota ke kolom Factor
  3. Kemudian OK
Hasil output

Hasil Uji Kruskal Wallis

Hasil output menunjukkan bahwa di kota Kebumen nilai median dari penjualan traktor sebesar 98 unit, average rank (rata-rata) sebesar 30,7 dan nilai Z (normal) 0.06. Untuk penjualan di kota Solo nilai median penjualan traktor 96 unit, average rank (rata-rata) 26,9 dan nilai Z -1.13. Sedangkan penjulan dikota Semarang nilai median 101,5 unit, average rank 33,5 dan nilai Z sebesar 1.07.
Nilai H yang didapat sebesar 1,61 dan probabilitas (p) sebesar 0.447. Kriteria pengujian dengan membandingkan nilai H  (chi-square) statistik dengan chi-square tabel. Jika nilai chi-square statistik (H) < chi-square tabel maka terima H0 (Hipotesis null). Nilai chi-square tabel pada taraf signifikansi 5% dan df (degree of freedom) 2 sebesar 5,991. Karena nilai chi-square statistik (H) 1,61 < 5,991 chi-square tabel maka terima hipotesis nul (H0). Hal ini didukung juga dengan nilai (p) yang di peroleh sebesar 0.447 > 0.05. Kesimpulan : Tidak ada perbedaan penjualan traktor pertanian antara kota Kebumen, Solo dan Semarang.

Baca juga :

Referensi :

Alan Bryman and Duncan Cramer. (2005). Quantitatif Data Analysis with Minitab : A guide for Sosial Scientists. London : Taylor and Francis e-library.

Elliot,A.C and Woodward,W.A. (2007). Statistical Analysis Quick References Guidebook: with SPSS Example.London New Delhi : Sage Publications

Field,A. (2009). Discovering Statistics Using SPSS 3rd. London : Sage Publications

Fikri Lukiastusi dan Muliawan Hamdani. (2012). Statistika Non Parametris : Aplikasinya dalam Bidang Ekonomi dan Bisnis.Yogyakarta : CAPS.

Ho, Robert. (2006). Handbook of Univariate and Multivariate Data Analysis and Interpretation with SPSS.London New York : Chapman & Hall CRC

Neil. J Salkind. 2007. Encyclopedia Measurement and Statistics. Volume 1. Sage Publications.

Landau,S and Everits,B.S. (2004).A Handbook of Statistical Analysis Using SPSS. London New York Washington : CRC Press LLC

Muijs,D. (2004). Doing Quantitative research In Education. London California : Sage Publications

Yamin,S dan Kurniawan,H. (2009). SPSS Complete : Teknik Analisis Statistik Terlengkap dengan Sofware SPSS. Jakarta : Salemba Infotek




24 Juni 2013

Uji McNemar

Uji McNemar diperkenalkan oleh seorang ahli psikologi bernama Quinn McNemar pada tahun 1947. Uji ini digunakan untuk penelitian yang membandingkan sebelum dan sesudah peristiwa/treatment dimana tiap objek digunakan sebagai pengontrol dirinya sendiri ( i.e. evaluating repeated measurements of the same objects using them as their own control). Uji dilakukan pada 2 kelompok sampel yang berhubungan, skala pengukurannya berjenis nominal (binary respon) dan untuk crosstabulasi 2x2.


Formula uji MacNemar sebagai berikut :

Rumus McNemar

Dimana :
  = Nilai khai-kuadrat hasil perhitungan
A    = Objek yang menampilkan perubahan jawaban dari positif menjadi negatif
D    = Objek yang menampilkan perubaha jawaban dari negatif menjadi positif
2     = konstanta

Contoh Kasus
Diambil sampel 50 orang, mereka diminta untuk mennetukan pemlihan Kepala Desa yang akan dipilihnya. Data diambil sebelum dan sesudah debat dari 2 calon Kepala Desa. Calon A diwakili angka 1 dan calon B diwakili angka 2. Ingin diketahui apakah terdapat perbedaan atau perubahan pilihan terhadap calon Kepala Desa setelah debat dilakukan ? Data sebagai berikut :

Data Hasil Debat Calon Kepala Desa


Langkah-langkah SPSS :
  1. Klik Analyze > Nonparametrik Test > 2 Related samples
  2. Masukkan kedua variabel ke dalam kolom Test Pairs List
  3. Pilih Mcnemar, OK
Hipotesis :
H0 = Tidak terdapat perubahan yang signifikan pemilihan kepala desa sebelum dan sesudah debat
H1 = terdapat perubahan yang signifikan pemilihan Kepala Desa sebelum dan sesudah debat.
Kroteria uji : Tolak H0 jika nilai p-value < 0.05.

Hasil output SPSS terlihat di bawah ini.
Hasil Uji McNermar

Hasil Output SPSS di atas, nilai Chi-square sebesar 21.841 dan signifikansi p-value sebesar 0.000. Karena nilai sig.p-value 0.000 < 0.05 maka tolak hipotesis nol yang artinya ada perubahan yang signifikan pemilihan kepala desa sebelum dan sesudah debat dilakukan.

Baca juga :

Referensi :

Elliot,A.C and Woodward,W.A. (2007). Statistical Analysis Quick References Guidebook: with SPSS Example.London New Delhi : Sage Publications

Field,A. (2009). Discovering Statistics Using SPSS 3rd. London : Sage Publications

Ho, Robert. (2006). Handbook of Univariate and Multivariate Data Analysis and Interpretation with SPSS.London New York : Chapman & Hall CRC

Landau,S and Everits,B.S. (2004).A Handbook of Statistical Analysis Using SPSS. London New York Washington : CRC Press LLC

Muijs,D. (2004). Doing Quantitative research In Education. London California : Sage Publications

Yamin,S dan Kurniawan,H. (2009). SPSS Complete : Teknik Analisis Statistik Terlengkap dengan Sofware SPSS. Jakarta : Salemba Infotek


22 Mei 2013

UJI FRIEDMAN

Pengujian dengan uji Friedman sama sepertidalam uji analisis dua arah dalam statistik parametrik. Uji ini diperkenalkan oleh Milton Friedman tahun 1937 dan termasuk dalam uji nonparametrik yang tidak membutuhkan asumsi distribusi normal dan varians populasi tidak diketahui.  Skala data yang digunakan dapat berupa ordinal. Uji Friedman merupakan alternatif yang dilakukan apabila pengujian dalam ANOVA tidak terpenuhi asumsi-asumsi seperti tersebut di atas. Setiap sampel mendapatkan perlakukan yang berbeda (repeated measurement). Pegambilan data pada setiap sampel dilakkan sebelum (pre test) dan sesudah (post test).



Formula uji Friedman


Rumus Uji Friedman

Dimana :

   = Nilai khai-kuadrat jenjeng dua arah Friedman
n      = jumlah sampel
k      = banyaknya kelompok sampel
1,3, 12 = konstanta

Contoh kasus.
Suatu metode diet penurunan berat badan yaitu meode DASH (Dietary Approaches to Stop Hipertension) diuji coba terhadap 10 orang sebagai sampel. metode ini bertujuan menurunkan tekanan darah. Pelaku diet tidak berpantang terhadap makanan dan hanya memperbanyak sayuran dan buah-buahan. Untuk menguji apakah metode ini efektif menurunkan berat badan, dilakukan uji coba terhadap 10 orang. Pengukuran berat badan dilakukan sebelum program diet, 1 minggu melakukan program diet DASH dan 2 minggu kemudian. Apakah terdapat perbedaan antara ketiga kelompok sampel tersebut? Data sampel sebagai berikut :

Data Sampel


Langkah-langkah dalam SPSS
Pada langkah pertama, akan diuji normalitas data dengan uji Kolmogorov Smirnov. Hasilnya sebagai berikut.

Uji Normalitas

Pada tabel uji Kolmogorov-Smirnov di atas, nilai signifikansi pada sampel sebelum diet sebesar (0.152), minggu 1 (0.002) dan minggu 2 (0.200). Hanya kelompok sampel sebelum diet dan sampel minggu 2 yang berdistribusi normal sedangkan kelompok sampel minggu 1 tidak berdistribusi normal. Oleh karena tidak terpenuhi asumsi normal pada semua kelompok sampel maka digunakan uji Friedman.
Langkah-langkah :
  • Analyze Pilih Nonparametrics kemudian K Related  Samples
  • Masukkan variabel Sebelum diet, Minggu 1 dan Minggu 2 ke Test Variables
  • Pada pilihan test type centang pilihan Friedman
  • Pada menu Statistics, centang pilihan Descriptive, kemudian OK

Langkah Uji Friedman
     Hasil Output SPSS sebagai berikut.

    Nilai Mean Rank

    Nilai rata-rata rank berat badan merupakan nilai bukan sebenarnya, tetapi dilakukan rangking terhadap data aktual. Nilai mean rank sebelum diet sebesar 2.40 pada minggu 1 nilai mean rank turun menjadi 2.25 sedangkan pada minggu 2 nilai mean rank turun lagi menjadi 1.35.

    Nilai Chi-Square

    Hasil uji Friedman, nilai chi-square sebesar 6,973. Nilai df=2 (k-1), dimana k adalah banyaknya kelompok sampel yaitu 3 sampel, sedangkan nilai signifikansi p-value 0,031. Karena nilai p-value 0,031 lebih kecil dari 0,05 maka kesimpulannya adalah terdapat perbedaan nilai rata-rata rank antara sebelum diet, diet minggu 1 dan diet minggu 2.
    Untuk menguji atau membandingkan antara 2 kelompok, misalnya sampel sebelum diet dengan diet minggu 1, sebelum diet dan minggu 2 atau diet minggu 1 dengan minggu 2 dapat dilakukan dengan uji Post Hoc.

    Baca juga :

    Referensi :

    Elliot,A.C and Woodward,W.A. (2007). Statistical Analysis Quick References Guidebook: with SPSS Example.London New Delhi: Sage Publications

    Field,A. (2009). Discovering Statistics Using SPSS 3rd. London: Sage Publications

    Ho, Robert. (2006). Handbook of Univariate and Multivariate Data Analysis and Interpretation with SPSS.London New York: Chapman & Hall CRC

    Landau,S and Everits,B.S. (2004).A Handbook of Statistical Analysis Using SPSS. London New York Washington: CRC Press LLC

    Muijs,D. (2004). Doing Quantitative research In Education. London California: Sage Publications

    Yamin,S dan Kurniawan,H. (2009). SPSS Complete : Teknik Analisis Statistik Terlengkap dengan Sofware SPSS. Jakarta : Salemba Infotek

    18 April 2013

    Analisis Chi Square

    Uji Chi-square atau qai-kuadrat digunakan untuk melihat ketergantungan antara variabel bebas dan variabel tergantung berskala nominal atau ordinal. Prosedur uji chi-square menabulasi satu atau variabel ke dalam kategori-kategori dan menghitung angka statistik chi-square. Untuk satu variabel dikenal sebagai uji keselarasan atau goodness of fit test yang berfungsi untuk membandingkan frekuensi yang diamati (fo) dengan frekuensi yang diharapkan (fe). Jika terdiri dari 2 variabel dikenal sebagai uji independensi yang berfungsi untuk hubungan dua variabel. Seperti sifatnya, prosedur uji chi-square dilkelompokan kedalam statistik uji non-parametrik.
     
     
    Semua variabel yang akan dianalisa harus bersifat numerik kategorikal atau nominal dan dapat juga berskala ordinal. Prosedur ini didasarkan pada asumsi bahwa uji nonparametrik tidak membutuhkan asumsi bentuk distribusi yang mendasarinya. Data diasumsikan berasal dari sampel acak. Frekuensi yang diharapkan (fe) untuk masing-masing kategori harus setidaknya :
    Tidak boleh lebih dari dua puluh (20%) dari kategori mempunyai frekuensi yang diharapkan kurang dari 5. Jika hal diatas tersebut terjadi dan tabel silang 2x2 maka gunakan uji "Fisher Exact ".
    Ada beberapa ketentuan yang berlaku pada uji chi-square antara lain:
    1. Jika tabel silang 2x2 dan tidak ada nilai expected (harapan) < 5, maka uji sebaiknya : Continuity Correction.
    2. Jika tabel silang 2x2 dan ada nilai expected (harapan) < 5, maka uji sebaiknya : Fisher Exact Test.
    3. Jika tabel silang lebih dari 2x2 misal 2x3, 3x3, 3x4, maka uji sebaiknya : Pearson Chi Square.
    4. Untuk uji Likelihood Ratio dan Linear by linear Association digunakan lebih spesifik, misal analisis pada bidang epidemiolog dan juga untuk mengetahui hubungan linier dua kategorik.
    Formula uji Chi Square :
    Rumus Chi-Square
    Dimana :

    = Nilai khai-kuadrat
     fo = frekuensi observasi/pengamatan
    fe = frekuensi ekspetasi/harapan
     
    Contoh kasus
    Perusahaan penyalur alat elektronik AC ingin mengetahui apakah ada hubungan antara gender dengan sikap mereka terhadap kualitas produk AC. Untuk itu mereka meminta 25 responden mengisi identitas mereka dan sikap atau persepsi mereka terhadap produknya.
    Permasalahan : Apakah ada hubungan antara gender dengan sikap terhadap kualitas AC?

    Hipotesis :
    • H0 = Tidak ada hubungan antara gender dengan sikap terhadap kualitas AC
    • H1 = Ada hubungan antara gender dengan sikap terhadap kualitas AC
    Tolak hipotesis nol (H0) apabila nilai signifikansi chi-square < 0.05 atau nilai chi-square hitung lebih besar (>) dari nilai chi-square tabel.
    Data dari keduapuluh lima responden dapat dilihat pada tabel di bawah ini.

    Data Sikap Responden
    Ket. : Gender : 1 = Laki-laki; 2 = Wanita, Sikap: 1 = berkualitas, 2 = Tidak berkualitas

    Langkah-langkah Chi-Square dengan SPSS
    1. Analyze > Descriptive Statistics > Crosstab
    2. Masukkan variabel Gender ke dalam kotak Row
    3. MAsukkan variabel Sikap ke dalam kotak Column
    4. Klik untuk pilihan Statistics
    5. Pilih menu Chi-square, tekan Continue
    6. Pilih Cell, Observed, tekan Continue
    7. Klik Ascending, tekan Continue
    8. Tekan OK
    Hasil output Chi-Square dengan SPSS
    Case Processing Summary
    Pada tabel case processing summary diatas menunjukkan bahwa input data ada 25 responden  dan tidak ada data yang tertinggal.
    Gender*Sikap
    Pada tabel crossstabulasi antara gender*sikap di atas bahwa gender laki-laki berjumlah 12 responden. Dari 12 responden laki-laki bersikap/menganggap berkualitas sedangkan 5 responden bersikap tidak berkualitas. Sedangkan 13 responden  bergender wanita yang menganggap produk AC berkualitas sebanyak 6 responden dan yang bersikap tidak berkualitas ada 7 responden.

    Hasil Uji Chi-Square test
    Pada tabel menunjukan bahwa tidak ada (0%) cell expected kurang dari 5. Nilai Pearson chi-square test di atas dapat diketahui bahwa nilai signifikansi p-value sebesar 0.543 dan nilai chi-square sebesar 0.371. Karena tabel silang (cross tabulation) 2x2 dan 0% cell expected  (< 5), maka menggunakan nilai continuity correction. Pada nilai continuity correction sebesar 0.043 dan signifikansi p-value 0.835 (>0.05) maka hipotesis null (H0) diterima yang berarti bahwa tidak ada hubungan yang signifikan antara gender dengan sikap terhadap kualitas AC.

    Baca Juga :

    Referensi :

    Dunn,O.J and Clark,V.J. (2009). Basics Statistics A Primer for the Biomedical Sciences  4 Edition.New Jersey: A John Wiley & Sons

    Field, A. (2009). Discovering Statistics Using SPSS 3rd. London : Sage Publication

    Mehta,C.R and Patel,N.R. (1996). SPSS Exact tests. Chicago: SPSS Inc

    Riyanto,A. (2010). Pengolahan Dan Analisis Data Kesehatan. Yogyakarta: Nuha Medika

    Triola,M.F. (2012). Elementary Statistics 11th. London: Pearson Education Inc

    23 Januari 2012

    Uji Tanda (Sign Test)

    Uji Ttanda (Sign Test) sama halnya dengan uji WilCoxon yaitu untuk membandingkan dua kelompok sampel data yang saling berhubungan. Uji tanda menghitung 2 kelompok data untuk semua sampel dan diklasifikasikan menjadi perbedaan positif dan negatif tidak berbeda secara signifikan. 
     
     
    Uji Tanda dilambangkan dengan khai-kuadrat (). Formula uji Tanda :


    Dimana : = Hasil perhitungan, = jumlah selisih positif,  = jumlah selisih negatif.

    Contoh kasus
    Dari 15 orang siswa TK diminta untuk menyusun urutan angka dari terkecil sampai yang terbesar. Skor dihitung dari benarnya susunan. Pada hari berikutnya siswa tersebut diminta kembali untuk menyusun angka tersebut dengan diiringi musik. Data sebagai berikut :

    Data skor urut angka
    Langkah-langkah analisis :
    1. Klik Analyze>Nonparametric Test>2 Related Samples
    2. Masukkan kedua variable ke kolom Test Pair List,Pilih Sign
    3. Klik Continue, kemudian OK
    Hasil Output SPSS

    Hasil uji Sign

    Dari nilai test statistcs di atas nilai signifikansi sebesar 0.013 (<0.05) maka tolak hipotesis nol (H0). Jadi kesimpulannya, terdapat perbedaan skor yang signifikan terhadap perlakuan tanpa musik dan dengan musik.

    Baca juga :

    3. Uji Friedman

    Referensi :

    Elliot,A.C and Woodward,W.A. (2007). Statistical Analysis Quick References Guidebook: with SPSS Example.London New Delhi: Sage Publications

    Field,A. (2009). Discovering Statistics Using SPSS 3rd. London: Sage Publications

    Ho, Robert. (2006). Handbook of Univariate and Multivariate Data Analysis and Interpretation with SPSS.London New York: Chapman & Hall CRC

    Landau,S and Everits,B.S. (2004).A Handbook of Statistical Analysis Using SPSS. London New York Washington: CRC Press LLC

    Muijs,D. (2004). Doing Quantitative research In Education. London California: Sage Publications

    Yamin,S dan Kurniawan,H. (2009). SPSS Complete : Teknik Analisis Statistik Terlengkap dengan Sofware SPSS. Jakarta : Salemba Infotek

    21 Januari 2012

    UJI RUNS TEST

    Analisis Runs Test termasuk dalam statistik nonparametrik. Uji ini digunakan untuk menguji pada kasus satu sampel. Sampel yang diambil dari populasi, apakah sampel yang diambil berasal dari sampel acak atau bukan . Pengujian ini untuk kasus satu sampel. Prosedur pengujian dilakukan dengan mengurutkan data sampel dan mencari letak nilai mediannya. 
     
     

    Contoh kasus

    Nilai ujian 30 siswa diambil dari populasi. Apakah pengambilan sampel ini bersifat acak? Data sebagai berikut :
    Data Nilai Ujian

    Langkah-langkah :
    1. Klik Analyze>Nonparametric>Runs
    2. Masukkan variabel Nilai ujian ke dalam Variable (s) dan klik Mode
    3. Klik OK
    Hipotesis
    H0 = Nilai ujian siswa bersiswa acak
    H1 = Nilai ujian siswa bersifat tidak acak

    Kriteria uji
    Tolak Hipotesis nol (H0) bilai bilai asymtotic significant value uji Run Test < 0.05

    Hasil Output SPSS 

    Hasil Runs Test

    Pada hasil output SPSS tersebut di atas menunjukkan nilai asymtotic significant uji Runs test sebesar 0.320 (> 0.05), maka hipotesis nol (H0) diterima yang berarti bahwa nilai ujian siswa bersifat acak.

    Baca juga :

    Referensi :

    Elliot,A.C and Woodward,W.A. (2007). Statistical Analysis Quick References Guidebook: with SPSS Example.London New Delhi: Sage Publications

    Field,A. (2009). Discovering Statistics Using SPSS 3rd. London: Sage Publications

    Ho, Robert. (2006). Handbook of Univariate and Multivariate Data Analysis and Interpretation with SPSS.London New York: Chapman & Hall CRC

    Landau,S and Everits,B.S. (2004).A Handbook of Statistical Analysis Using SPSS. London New York Washington: CRC Press LLC

    Muijs,D. (2004). Doing Quantitative research In Education. London California: Sage Publications

    Yamin,S dan Kurniawan,H. (2009). SPSS Complete : Teknik Analisis Statistik Terlengkap dengan Sofware SPSS. Jakarta : Salemba Infotek

    08 Januari 2012

    Uji Q Cochran

    Uji Q-Cochran termasuk pengujian statistik nonparametrik yang digunakan untuk peristiwa atau perlakuan lebih dari dua. Uji ini merupakan perluasan dari uji McNemar. Data yang digunakan berbentuk binary (dikotomis). Perlakuan lebih dari dua yang dimaksud adalah sebelum, ketika dan sesudah perlakuan. Sampel diperoleh dari data yang saling berhubungan.


    Formula uji Q Cochran :

    Rumus Q Cochran
     
    Dimana :  Q = Nilai hasil perhitungan, k = jumlah kolom, = jumlah keseluruhan dalam kolom,  = jumlah keseluruhan dalam baris

    Contoh kasus.
    Peneliti sosial politik ingin mengetahui apakah terdapat perubahan preferensi pemilih terhadap calon Bupati A. Survei dilakukan sebelum kampanye, ketika kampanye dan sesudah kampanye. Data Yang diperoleh sebagai berikut :

    Data Input

     Dari data yang diperoleh, jawaban responden : 1 = pilihan calon Bupati A, 0 = Tidak calon Bupati A

    Hipotesis :
    • H0 = Tidak terdapat perubahan preferensi pemilih terhadap calon bupati A sebelum, ketika dan sesudah kampanye
    • H1= Terdapat perubahan preferensi pemilih terhadap calon bupati A sebelum, ketika dan sesudah kampanye.

    Kriteria Uji :
    Tolak hipotesis nol (H0) jika nilai signifikansi p-value (<0.05)
    Langkah-langkah analisis :

    Langkah K Related Sample

    1. Klik Analyze>Nonparametric>K Related Sampel
    2. Masukkan variabel sebelum, ketika dan sesudah ke kolom Test Variable
    3. Pilih Q-Cochran, kemudian OK 

     

    Langkah Q Cochran

    Hasil Output Uji Q Cochran 

    Ada 2 output yang dikeluarkan dari hasil uji Q-Cochran yaitu tabel frekuensi yang mana tabel frekuensi memberikan deskripsi terhadap nilai yang diperoleh dari responden pada masing-masing variabel sebelum, ketika dan sesudah kampanye dilakukan dan tabel tes Cochran Q yang memberikan nilai uji statistik dan signifikansinya.

    Frequencies

    Tabel frekuensi di atas menunjukan bahwa frekuesni responden pada hasil survei terhadap pemilihan Calon Bupati A. Responden yang tidak memilih calon Bupati A sebelum kampanye sebanyak 14 responden sedangkan yang memilih sebanyak 6 responden. Pada masa ketika kampanye, yang memilih calon Bupati A sebanyak 7 responden dan yang tidak memilih sebanyak 13 responden. Sesudah kampanye dilakukan, responden yang tidak memilih calon Bupati A sebanyak 7 responden dan yang memilih sebanyak 13 responden. 

    Test Statistics

    Dari pengujian tes Q-Cochran di atas memperolh nilai sebesar 5.375 dengan signifikansi sebesar 0.068. Karena nilai signifikansi sebesar 0.068 > 0.05 maka tolak hipotesis nol yang menyatakan bahwa "Tidak ada perubahan preferensi pemilih terhadap calon Bupati A antara sebelum, ketika dan sesudah kampanye".

    Baca juga :

    1. Uji Runtest

    2. Uji Sign test

    3. Uji Wilcoxon 

    Referensi :

    Elliot,A.C and Woodward,W.A. (2007). Statistical Analysis Quick References Guidebook: with SPSS Example.London New Delhi: Sage Publications

    Field,A. (2009). Discovering Statistics Using SPSS 3rd. London: Sage Publications

    Ho, Robert. (2006). Handbook of Univariate and Multivariate Data Analysis and Interpretation with SPSS.London New York: Chapman & Hall CRC

    Landau,S and Everits,B.S. (2004).A Handbook of Statistical Analysis Using SPSS. London New York Washington: CRC Press LLC

    Muijs,D. (2004). Doing Quantitative research In Education. London California: Sage Publications

    Yamin,S dan Kurniawan,H. (2009). SPSS Complete : Teknik Analisis Statistik Terlengkap dengan Sofware SPSS. Jakarta : Salemba Infotek

    15 Desember 2011

    Measurement of Agreement Cohen's kappa

    Ketika kita memiliki dua variabel nominal dengan nilai yang sama (biasanya dua observasi atau skor dengan kode yang sama), kamu dapat menggunakan Cohen's Kappa untuk mengetahui reliabilitas atau kesamaan dalam pengukuran. 
     
     
     "When we have two nominal variables with the same values (usually two raters' observations or scores using the same codes), you can compute Cohen's Kappa to check the reliability or agreement between the measures" (George, Nancy, Gene, Karen, 2004).
    Penerapan metode ini dalam manufaktur biasanya diterapkan di bagian quality kontrol. Barang-barang yang diproduksi akan di kontrol dibagian ini, barang diterima (accept) sesuai standard atau ditolak (reject). Ada 2 hal yang perlu diperhatikan yaitu alat ukur pengetesan yang dipakai dan karyawan yang melakukan pengetesan.  Dalam hal ini Measurement of Agreement Cohen's Kappa digunakan untuk mengukur kesesuaian antara hasil evaluasi dua buah alat ukur (alat ukur pengetesan dan karyawan pengetesan) ketika alat ukur tersebut digunakan untuk subyek yang sama.

    Contoh kasus
    Perusahaan formula memproduksi komponen piston untuk komponen sepeda motor. Dalam 2 bulan terakhir, perusahaan sering mendapatkan komplain/penolakan dari perusahaan penerima komponen hasil produksinya. Hal ini berkaitan dengan lolosnya komponen piston yang ditolak (reject). Oleh karena itu untuk mengurangi lolosnya komponen yaang ditolak dan meningkatkan kualitas pengawasan , bagian quality control perusahaan ingin mengetahui tingkat kemampuan karyawan pada bagian QC. pertama, supervisor quaity kontrol mengambil 13 komponen piston yang ditolak (reject) dan 17 piston yang diterima (accept), kemudian komponen tersebut diacak namun sebeumnya ditandai nama piston yang reject dan accept. Ada 3 karyawan bagian quality kontrol yang akan melakukan pengetesan, mereka diminta memeriksa setiap komponen 1-30 tersebut apakah termasuk kategori ditolak (reject) atau diterima (accept). Siapakah diantara ketiga karyawan tersebut memiliki tingkat pengawasan terbaik?
    Langkah-langkah analisis :
    1. Klik Analyze>Descriptive Statistics>Crosstabs
    2. Masukkan variabel komponen uji standard ke dalam Coulomn
    3. Masukkan variabel karyawan A kelom Row(s)
    4. Klik tombol Statistics dan pilih Kappa
    5. Kemudian klik Continue dan OK

    Ulangi langkah ke-2 sampai ke-5 untuk variabel karyawan B dan karyawan C.

    Baca juga :

    1. Korelasi Pearson

    2. Korelasi Rank Spearman dan Kendalls tau

    3. Statistik non Parametrik

    Referensi :

    Elliot,A.C and Woodward,W.A. (2007). Statistical Analysis Quick References Guidebook: with SPSS Example.London New Delhi: Sage Publications

    Field,A. (2009). Discovering Statistics Using SPSS 3rd. London: Sage Publications

    Ho, Robert. (2006). Handbook of Univariate and Multivariate Data Analysis and Interpretation with SPSS.London New York: Chapman & Hall CRC

    Landau,S and Everits,B.S. (2004).A Handbook of Statistical Analysis Using SPSS. London New York Washington: CRC Press LLC

    Muijs,D. (2004).Doing Quantitative research In Education.London California: Sage Publications

    Yamin,S dan Kurniawan,H. (2009). SPSS Complete :Teknik Analisis Statistik Terlengkap dengan Sofware SPSS. Jakarta : Salemba Infotek

    04 Desember 2011

    UJI WILCOXON

    Uji Wilcoxon termasuk dalam pengujian nonparametrik. Pengujian ini dilakukan untuk membandingkan antara dua kelompok data yang saling berhubungan. Uji ini memiliki kekuatan tes yang lebih dibandingkan dengan uji tanda. Asumsi-asumsi untuk uji Wilcoxon. Data yang digunakan setidaknya berskala ordinal.
     
     
    Contoh kasus.
    Dari 15 orang siswa TK diminta menyusun urutan angka dari yang terkecil sampai yang terbesar. Skor dihitung dari benarnya susunan. Pada hari berikutnya siswa-siswa tersebut diminta kembali untuk menyusun angka tersebut dengan diiringi musik.


    Hasil Nilai Urut Angka
    Langkah analisis
    1. Klik Analyze>Nonparametric Test>2 Related Sample
    2. Masukkan kedua variabel kekolom Test Pair List
    3. Pilih Wilcoxon, klik Continue
    4. Kemudian OK
    Hipotesis :
    H0 = Tidak terdapat perbedaan skor yang signifikan terhadap perlakuan tanpa musik dan dengan musik
    H1 = Terdapat perbedaan skor yang signifikan terhadap perlakukan tanpa musik dan dengan musik
    Kriteria uji : Tolak hipotesis nol (H0) jika nilai signifikansi p-value (<0.05)
    Hasil Output SPSS

    Hasil Uji Wilcoxon

    02 Desember 2011

    UJI MANN-WHITNEY U

    "The Mann-Whitney U test is a nonparametric test for beween-subjects design using two levels of an independent variable scores that are measured at least at ordinal level. It is often used in place of the t test for independent groups when there is an extreme violation of the normality assumption or when the data are scaled at a level that is not appropriate for the t test" (Robert Ho, 2006)
     

    Uji Mann-Whitney U adalah tes nonparametrik yang digunakan untuk mengetahui apakah terdapat perbedaan respon dari 2 populasi data yang saling independen ketika data lebih lemah dari skala interval. Uji ini dapat disamakan dengan t test untuk 2 kelompok yang independen ketika terjadi pelanggaran terhadap asumsi normalitas atau skala data tidak sesuai untuk uji t. Formula uji U :

    Rumus Mann Whitney

    Dimana : U = Nilai Mann Whitney,= Jumlah sampel pertama,  = Jumlah sampel kedua, 1 dan 2 = konstanta, R = Jumlah jenjang sampel.
    Contoh kasus
    Seorang guru bahasa Inggris ingin mengetahui apakah ada perbedaan nilai kemampuan conversation bahasa Inggris antara siswa laki-laki dan perempuan. Diambil 30 siswa sebagai sampel.
     
    Nilai Bahasa Inggris

    Langkah analisis :
    1. Klik Analyze > Nonparametric > 2 Sample Independent
    2. Masukkan nilai conversation ke dalam kolom Variable List
    3. Masukkan variabel jenis kelamin ke dalam kolom Grouping
    4. Klik Define group, isi angka 1 dan angka 2. Klik OK
    Hipotesis :
    H0= Tidak ada perbedaan nilai conversation bahasa Inggris antara siswa laki-laki dan perempuan
    H1= Terdapat perbedaan nilai conversation bahasa Inggris antara siswa laki-laki dan perempuan

    Kriteria uji : Tolak hipotesis nol (H0) jika nilai signifikan p-value (< 0.05)
    Hasil Output SPSS

    Nilai Rank  
    Hasil Uji Mann Whitney


    Oleh karena nilai signifikansi p-value sebesar 0.000 ( < 0.05) maka tolak hipotesis nol (H0). artinya bahwa terdapat perbedaan nilai conversation bahasa Inggris antara siswa laki-laki dan perempuan.

    Baca juga :

    3. Statistik Non Parametrik

    Referensi

    Elliot,A.c and Woodward,W.A.(2007).Statistical Analysis Quick References Guidebook: with SPSS Example.London New Delhi: Sage Publications

    Field,A. (2009). Discovering Statistics Using SPSS 3rd. London: Sage Publications

    Ho, Robert.(2006).Handbook of Univariate and Multivariate Data Analysis and Interpretation with SPSS.London New York: Chapman & Hall CRC

    Landau,S and Everits,B.S.(2004).A Handbook of Statistical Analyses Using SPSS.LOndon New York Washington: CRC Press LLC

    Muijs,D.(2004).Doing Quantitative research In Eduaction.LOndon Californis: Sage Publications

    Yamin,S dan Kurniawan,H. (2009). SPSS Complete :Teknik Analisis Statistik Terlengkap dengan Sofware SPSS. Jakarta : Salemba Infotek