belajar ilmu statistika

statistikawan

kolmogorov Smirnov One sample

Tinggalkan komentar

1 Statsitik Non parametrik
Dalam statsitik inferensi,dua hal yang menjadi pokok pembicaraan adalah perkiraan parameter populasi dan pengujian hipotesis.Teknik inferensi yanh pertama dikembangkan adalah mengenai pembuatan sejumlah besar asumsi sifat populasi di mana sampel telah diambil.Teknik statistik ini kemudain dikenal dengan Statistik Paramterik,Karena harga-harga populasi merupakan “parameter”.Misalnya ,suatu teknik inferensi mungkin didasarkan pada asumsi bahwa skor-skor telak ditarik dari populasi yang berdistribusi normal dengan parameter mean dan proporsi yang tidak diketahui.Jadi, pada statitik parametrik,distribusi populasi atau ditribusi variable randomnya mempunyai model matematik yang diketahui,akan tetapi memuat beberapa parameter yang belum diketahui.(Andi,1998).
Pembicaraan lebih lanjut dalam statistik inferensi adalah bilamana kita hendak menguji atau menaksir niali karateristik suatu populasi (seperti median,kwartil,jangkauan,dan lain-lain) yang sama sekali tidak kita ketahui distribusi populasinya,atau bahakan kita ingin mengetahui distribusi F(x) sendiri dar populasi,maka kita sedang dihadapkan dengan permasalahan statistik non parametrik atau biasa disebut juga dengan statistik bebas distribusi.Jadi,dalam statistik non parametrik tidak memerlukan asumsi-asumsi tertentu menegenai populasinya,dan juga tidak memerlukan hipotesis-hipotesis yang berhubungan dengan parameter-parameter tertentu.Pengujian non parametrik banyak sekali digunakan untuk analisis data dari ilmu-ilmu sosial yang pada umumnya sulit untuk memenuhi asumsi-asumsi sebagaimana statistik parametrik,seperti kenormalan distribusi dan kesamaan varainsi sampel dari populasi.(Andi,1998).
Statistik-statistik non-parametrik merupakan kumpulan alat-alat untuk analisis data yang menawarkan sebuah pendekatan yang berbeda dengan cara-cara pengambilan keputusan yang selama ini kita pelajari.Pendekatan ini tidak menekankan kepada asumsi—asumsi sebagaimana terdapat pada statistik parametrik,seperti distribusi sampel dari parameter populasi dianggap normal. (Sarwoko,2007).

2.1.1 Kolmogorof smirnov
Tes K-S(Kolmogorov-Smirnov)termasuk tes kasus atau sampel.Tes ini membandingkan distribusi satu variable dengan distribusi normal,poisson atau uniform.Untuk menguji hipotesis nol dimana nilai-nilai teramati disampel dari suatu distribusi yang disebutkan:
a.Normal :Tes terhadap distribusi normal.Parameter default adalah mean dan standar deviasi teramati.
b.Poisson :Tes terhadap poisson.Parameter default adalah mean teramati.
c.Uniform :Tes terahadap distribusi uniform.Parameter default adalah nilai minimum dan maksmum.(Paryono,1994).

2.1.1.1 Deskripsi Uji Kolmogorof-Smirnov Satu-Sampel.
Uji kolmogorof smirnov digunakan untuk menentukan seberapa baik sebuah sampel random data menjajangi distribusi teoritis tertentu(Normal,Uniform,Poisson). Uji ini didasarkan pada perbandingan fungsi distribusi kumulatif sampel dengan fungsi distribusi kumulatif hipotesis.(Paryono,1994).
Sebagai contoh ,misalnya anda ingin menganalisis data dari evaluasi kebaikan kelulusan 101 mahasiswa suatu program studi ,dimana kebaikan kelulusan tersebut dinilai melalui indekx prestasi kelompok mata kuliah keahlian,parameter keaktifan kampus,dan lama studi.Dengan menggunakan uji kolmogorof-Smirnov satu sampel,Anda bisa melihat apakah ada alasan untuk mengasumsikan bahwa variable lama studi mahasiswa didistribusikan secara normal.(Paryono,1994).

2.1.1.2 Prosedur One-Sample Kolmogorov-Smirnov
Prosedur One-Sample Kolmogorov-Smirnov akan membandingkan fungsi distribusi kumulatif observasi untuk sebuah variable dengan sebuah distribusi teoritis yang telah ditentukan,misalnya distribusi normal,uniform,atau Poison.Z dari Kolmogorov-Smirnov dihitung dari selisih terbesar(dalam harga absolut) antara observasi dan fungsi distribsusi teoritis.(Paryono,1994).
Dalam prakteknya,distribusi Normal,Uniform,dan Poisson bisa digunakan untuk distribusi pembanding pada One-sampel Kolmogorov-Smirnov,berikut penjelasanya:
a.Normal.Pengujian distribusi normal dengan parameter mean dan deviasi standar.
b.Uniform.Pengujian distribusi Unidform(seragam) dengan range distribusi didefinisikan oleh harga maksimum dan harga minimum observasi.
c.Poisson.Pengujian distribusi Poisson dengan mean sebagai Parameter.(Paryono,1994).

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s