UJI DUA SAMPEL POPULASI SALING BEBAS

Tujuan Pratikum

Materi praktikum ini bertujuan untuk membekali mahasiswa agar dapat menggunakan prosedur statistika nonparametrik yang benar tentang uji dua sampel populasi saling bebas:
a. Mann-Whitney
b. Kolomogorov-Smirnov
c. Wald-Wolfowitz

Dasar Toeri

KAWAN-KAWAN BACA SENDIRI AJA DI MODUL YAAA… (soalnya laptop abng gak kuat… abng sedih… abng sedih banget3x… hahaha)

Program R

Teladan 1

Langkah-Langkah:
1. Kita akan melakukan Uji Mann-Whitney untuk membandingkan distribusi dua kelompok data ini.
2. Uji Mann-Whitney, juga dikenal sebagai Wilcoxon rank-sum test, digunakan untuk menguji apakah dua kelompok data berasal dari distribusi yang sama. Ini adalah uji nonparametrik yang tidak mengasumsikan distribusi normal.

# Data 
kesehatan <- c(21.20, 21.20, 23.46, 19.85, 23.00, 24.06, 21.85)
pendidikan <- c(27.29, 24.98, 26.60, 22.74, 25.95, 26.40, 25.22, 24.55)

# Melakukan Uji Mann-Whitney
test_result <- wilcox.test(kesehatan, pendidikan)
## Warning in wilcox.test.default(kesehatan, pendidikan): cannot compute exact
## p-value with ties
# Menampilkan hasil
print(test_result)
## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  kesehatan and pendidikan
## W = 3, p-value = 0.004542
## alternative hypothesis: true location shift is not equal to 0

Hipotesis:
\(H_0\) = Pada populasi pekerja di bidang kesehatan dan pendidikan,kedua populasi pekerja memperoleh besar kompensasi yang sama.
\(H_1\) = Pada populasi pekerja di bidang kesehatan dan pendidikan,kedua populasi pekerja memperoleh besar kompensasi yang tidak sama.

Teladan 2

Langkah-langkah:
1. Kita akan melakukan Uji Kolmogorov-Smirnov dua sampel untuk membandingkan distribusi antara kedua sampel.
2. Hasil dari uji ini akan menunjukkan apakah ada perbedaan signifikan antara distribusi kedua kelompok.

# Data 
koran1 <- c(361, 326, 341, 337, 390, 289, 300, 309, 311)
koran2 <- c(402, 338, 397, 346, 339, 383)

# Melakukan Uji Kolmogorov-Smirnov dua sampel
ks_test <- ks.test(koran1, koran2)

# Menampilkan hasil
print(ks_test)
## 
##  Exact two-sample Kolmogorov-Smirnov test
## 
## data:  koran1 and koran2
## D = 0.66667, p-value = 0.06114
## alternative hypothesis: two-sided

Hipotesis:
\(H_0\) = Promosi koran ke_1 dan ke_2 sama.
\(H_1\) = Promosi koran ke_1 dan ke_2 tidak sama.

Teladan 3

Langkah-langkah:
1. Gabungkan kedua kelompok data menjadi satu urutan.
2. Buat indikator biner: misalnya, 1 untuk data dari “Roti 1” dan 0 untuk data dari “Roti 2”.
3. Lakukan Uji Wald-Wolfowitz Runs menggunakan indikator ini untuk menguji keacakan urutan gabungan.

# Memuat paket 'randtests'
library(randtests)

# Data 
roti1 <- c(262, 266, 254, 267, 262, 265, 270, 268)
roti2 <- c(270, 272, 276, 275, 262, 261, 261, 264)

# Menggabungkan kedua sampel menjadi satu urutan
data <- c(roti1, roti2)

# Membuat variabel indikator: 1 untuk roti1 dan 0 untuk roti2
indicator <- c(rep(1, length(roti1)), rep(0, length(roti2)))

# Melakukan Uji Wald-Wolfowitz Runs pada dua sampel
test_result <- runs.test(indicator)

# Menampilkan hasil
print(test_result)
## 
##  Runs Test
## 
## data:  indicator
## statistic = -3.6228, runs = 2, n1 = 8, n2 = 8, n = 16, p-value =
## 0.0002914
## alternative hypothesis: nonrandomness

Hipotesis:
\(H_0\) = Produksi roti ke_1 dan ke_2 sama.
\(H_1\) = Produksi roti ke_1 dan ke_2 tidak sama.

DONE GA BANG???























BELUM LAH…. SILAHKAN KAWAN-KAWAN TERAPKAN PADA TELADAN DI BAWAH INI YAAA

UNTUK LAPSEM SILAHKAN KERJAKAN DIRUMAH (Yang Asprak Sama Abng) yaa..