roelcup.files.wordpress.com · Web viewkoefisien Kontingansi) ” Rumus : C = χ 2 χ 2 + N Ket : N...
10
STATYSTIC NON- PARAMETRIC NAMA : NURUL CHAIRUNNISA UTAMI PUTRI NIM : 1620070008 FAK / JUR : SAINS & TEKNOLOGI / MATEMATIKA http://roelcup.wordpress.com
Transcript of roelcup.files.wordpress.com · Web viewkoefisien Kontingansi) ” Rumus : C = χ 2 χ 2 + N Ket : N...
STATYSTIC NON-PARAMETRIC
NAMA : NURUL CHAIRUNNISA UTAMI PUTRI
NIM : 1620070008
FAK / JUR:SAINS & TEKNOLOGI / MATEMATIKA
http://roelcup.wordpress.com
UNIVERSITAS ISLAM AS-SYAFIIYAH
JAKARTA TIMUR
2010
STATISTIK NON PARAMETIK
Dilihat dari segi asumsi/ Aspek asumsi
Asal kata parametrik Parameter
Terdapat ukuran deskriptif dari fenomena bagi Populasi Parameter
Contoh : Mean
Varians
Simpangan baku
Terdapat juga ukuran deskriptif bagi sampel Statistik
Contoh : Mean
Varians
Simpangan baku
Statistik Parametrik (Parameter)
Adanya asumsi :
Normalitas Data
Homogenitas Varians
Untuk data besar
Skala Pengukuran data umumnya adalah skala Interval / Rasio.
Skala interval :
Adanya Pengelompokan (Klasifikasi)
Adanya Pengurutan (Orde)
Kesamaan Jarak (Equality of Interval)
Contoh Skala Interval : 50kg
70kg
30kg
Statistik non Parametrik
Tidak perlu adanya Asumsi.
Datanya bisa Interval atau Ordinal
Contoh data Interval : 30kg 50kg
50kg 70kg
70kg 90kg
Contoh data Ordinal :1. SD
2. SMP
3. SMA
4. PT
Untuk kecil, sangat dimungkinkan.
Contoh : untuk data Nominal atau Ordinal
Uji chi-square
Digunakan untuk uji asosiatif(hubungan antara variabel yang berskala nominal/ordinal dengan variabel nominal/ordinal.
Rumus :
Ket : Observation / Observasi / Pengamatan / Frekuensi nilai pengamatan
Expection / Nilai harapan
Nilai E dapat ditentukan dengan :
Ket : baris (row)
kolom (column)
jumlah marginal baris ke-i
jumlah marginal kolom ke-j
jumlah sampel secara keseluruhan
Pengujian hipotesis
Jika , maka tolak
Selanjutnya jika terdapat hubungan antara 2 variabel tersebut , dapat ditentukan keeratan hubungannya. Atau biasa disebut (koefisien Kontingansi)
Rumus :
Ket :
Ukuran keeratannya dengan membandingkan nilai C dengan
Dimana nilai adalah :
nilai yang paling Minimum ( dalam jumlah baris / kolom)
Contoh :
1. Seorang peneliti ingin melakukan studi hubungan antara tingkat pendapatan dengan frekuensi rekreasi keluar kota.
Tingkat pendapatan
Frekuensi rekreasi keluar kota
sesekali
jarang
Sering
Rendah
77
13
8
Menengah
145
58
27
tinggi
21
32
19
Apakah terdapat hubungan antara tingkat pendapatan dengan frekuensi rekreasi keluar kota ?
Jawab :
Tingkat pendapatan
Frekuensi rekreasi keluar kota
total
sesekali
jarang
Sering
Rendah
77
13
8
98
Menengah
145
58
27
230
tinggi
21
32
19
72
total
243
103
54
400
Didapat :
Jawab :
Dibandingkan dengan
Jika nilai
Ternyata , maka tolak
Artinya : Terdapat hubungan yang significant antara tingkat pendapatan dengan frekuensi rekreasi keluar kota.
Atau jika nilai
Ternyata , maka tolak
Dengan terdapat hubungan yang sangat significant antara tingkat pendapatan dengan frekuensi rekreasi keluar kota.
:
Semakin dekat nilai C dengan maka semakin erat hubungannya.
Keeratan hubungan menurut Guilford :
Koef.korelasi / kontingensi
keterangan
0-0.199
Sangat Lemah / Sangat Rendah
0.200-0.399
Lemah / Rendah
0.400-0.599
Sedang
0.600-0.799
Kuat
0.800-1.000
Sangat Kuat
Keeratan hubungan dari contoh diatas dibilang lemah, berarti ada faktor lain yang mempengaruhinya.
Nurul Chairunnisa Utami Putri :
http://roelcup.wordpress.com
