Uji Beda Dua Sampel Independent pada Statistik Non Parametrik

Uji beda dua sampel independent dipergunakan untuk menguji perbedaan dua sampel yang tidak berkorelasi, bisa parametrik atau non parametrik.  Untuk statistik non parametrik, setidaknya ada dua kemungkinan, yaitu dua sampel tersebut mungkin diambil secara random dari populasi atau dua sampel ini berasal dari pemberian dua perlakuan secara random terhadap anggota sampel. Kedua metode ini tidak mensyaratkan adanya jumlah data yang sama pada kedua sampel tersebut.

Simulasi Uji Beda Dua Sampel Independent pada Statistik Non Parametrik

Daftar Isi

  1. Pendahuluan
  2. Median Test
  3. Mann Whitney U Test
  4. Kolmogorov Smirnov
  5. Wald Wolfowitz
  6. Kesimpulan


Pendahuluan

Banyak kasus di mana kita berhadapan denga dua buah kelompok atau sampel data yang tidak berasal dari populasi yang sama atau mempunyai jumlah atau anggota sampel yang tidak sama. Untuk statistik parametrik, maka harus ada beberapa asumsi, misalnya normalitas dan juga skala pengukuran juga harus interval atau rasio. Tetapi banyak data yang tidak berskala itu, misalnya nominal atau ordinal. Oleh karena itu, statistik non parametrik menjadi sangat penting ketika kita bekerja dengan data berskala nominal atau ordinal.

Sebagai contoh adalah data yang berbentuk biner, atau data yang berkala ordinal. Beberapa metode statistik non parametrik untuk dua sampel yang tidak berhubungan justru lebih banyak dari pada metode statistik parametrik untuk dua sampel yang tidak berhubungan. Beberapa di antaranya kita bahas bersama di artikel ini.


Median Test

Independent Sample T Test adalah uji untuk melihat apakah terdapat perbedaan antara dua sampel yang tidak berhubungan (berkorelasi) berdasarkan nilai median. Dua sampel ini bisa berasal dari populasi yang berbeda atau bisa juga berasal dari satu sampel tetapi dengan perlakuan (treatment) yang berbeda. Jika lebih dari dua sampel maka bisa menggunakan K Independent sample t test. Dalam hal ini K independent sample t test juga akan memberikan hasil yang konsisten jika dikenakan pada dua sampel.

Karena menggunakan median, maka metode statistik ini dapat dikenakan pada data rasio atau interval, tetapi tidak memenuhi asumsi parametrik. Metode ini dapat diaplikasikan pada dua sampel, tetapi juga bisa diterapkan pada banyak sampel (atau k). Simulasi selengkapnya tentang Median test kami berikan di sini. Dalam simulasi tersebut diberikan contoh median test dengan menggunakan SPSS Versi 23.


Mann Whitney U Test

Mann Whitney U Test dapat diterapkan pada data yang berbentuk ordinal atau rangking. Dalam data ordinal, maka jelas dipergunakan statistik non parametrik, karena data ordinal tidak bisa dikenai uji normalitas seperti data berskala interval atau rasio. Tetapi metode ini juga sering dipergunakan pada data berskala interval atau rasio tetapi tidak memenuhi asumsi normalitas sehingga data tersebut dianggap berbentuk ordinal.

Metode Mann Whitney U test sering dipergunakan dalam test non response bias di mana kuesioner yang diberikan bisa saja berbentuk interval, misalnya dengan skala 1 sampai dengan 7 atau bahkan skala 1 sampai dengan 10. Artikel tentang Mann Whitney U Test selengkapnya kami tampilkan di sini.


Kolmogorov Smirnov

Uji Kolmogorov Smirnov Z adalah uji untuk menguji perbedaan dua sampel yang tidak berhubungan berdasarkan distribusi frekuensi pada statistik non parametrik. Mungkin kita lebih familier uji Kolmogorov Smirnov untuk uji normalitas. Uji itu merupakan perluasan penggunaan dan pada satu sampel. Diperluas oleh Liliefors sebagai uji normalitas dan akhirnya populer dipergunakan untuk menguji normalitas suatu distribusi data.

Uji Kolmogorov Smirnov pada dua sampel juga menggunakan prinsip dasar yang sama dengan satu sampel yang berdasarkan frekuensi atau frekuensi kumulatif. Kalau satu sampel dibandingkan dengan frekuensi kumulatif data normal, kalau untuk dua sampel, keduanya dibandingkan, berbeda atau tidak. Simulasi uji non parametrik dua sampel independen dengan Kolmogorov Smirnov dibahas di sini. 


Wald Wolfowitz

Metode yang keempat yang kita bahas di sini adalah metode Wald Wolfowitz. Sering juga disebut dengan Wald Wolfowitz Runs, karena memang merupakan pengembangan dari uji Run atau Run test yang telah kita bahas di uji satu sampel non parametrik. Jumlah Run atau Run(s) (jamak) menjadi penentu apakah satu sampel tersebut acak atau tidak. Uji ini juga diadopsi di uji asumsi klasik menjadi uji autokorelasi yang juga sangat populer atau sering dipergunakan.

Karena merupakan pengembangan dari run test, maka uji ini juga menghitung jumlah runs dari masing-masing sampel lalu dibandingkan apakah mempunyai perbedaan atau tidak. Simulasi uji Wald Wolfowitz selengkapnya kami bahas di sini dengan SPSS Versi 26.


Kesimpulan

Bekerja dengan statistik non parametrik memang membuat wawasan kita menjadi semakin luas. Banyak pengukuran di masyarakat luas yang tidak dengan serta merta kita gunakan sebagai data apa adanya. Bobot orang suka dengan sangat suka akan bias ketika berbeda orang dan juga berbeda selisihnya dengan tidak suka dengan sangat tidak suka. Hal inilah yang membuat statistik parametrik tetap dipergunakan sampai dengan sekarang.

Jika dihitung-hitung maka jumlah metode pada statistik non parametrik sering lebih banyak dibandingkan statistik parametrik dalam kasus yang sama. Statistik juga mempunyai keunikan lain yaitu dapat dikenakan pada jumlah sampel yang kecil dan sering kali dapat kita hitung secara manual atau menggunakan spread sheet saja. 

Share:

Tidak ada komentar:

Posting Komentar

Baca dulu sebelum tulis komentar:

Sebelum menuliskan pertanyaan, mohon disimak tanya jawab yang ada terlebih dahulu. Pertanyaan yang sama atau senada biasanya tidak terjawab. Untuk pengguna Blogger mohon profil diaktifkan agar tidak menjadi dead link. Atau simak dulu di Mengapa Pertanyaan Saya Tidak Dijawab?
Simak juga Channel kami di Statistik TV
Komentar akan kami moderasi dulu sebelum ditampilkan. Aktifkan Akun Google Anda.

Terima kasih.

Translate

Artikel Populer Seminggu Terakhir

Komentar Terbaru

`

Ingin menghubungi kami untuk kerja sama?

Nama

Email *

Pesan *