Oktora, Nia Very (2007) Transformasi Rank pada Prosedur Parametrik Sebagai Alternatif Penyelesaian Masalah dari Prosedur Nonparametrik Berdasarkan P-Value. Sarjana thesis, Universitas Brawijaya.
Abstract
Hampir semua prosedur pengujian hipotesis berdasarkan asumsi bahwa sampel diambil dari populasi normal. Apabila asumsi kenormalan tidak terpenuhi maka dapat dilakukan transformasi data atau menggunakan prosedur nonparametrik. Statistika nonparametrik adalah statistik yang tidak memerlukan asumsi tentang bentuk distribusi. Transformasi rank merupakan salah satu jenis transformasi yang dapat digunakan sebagai alternatif dari prosedur nonparametrik. Penelitian ini bertujuan untuk membandingkan analisis parametrik menggunakan prosedur transformasi rank dan analisis nonparametrik berdasarkan p-value. Pada penulisan ini transformasi rank diterapkan pada uji dua sampel independen, dua sampel dependen, rancangan acak lengkap dan rancangan acak kelompok. Data yang digunakan dalam penelitian ini adalah data sekunder yang diambil dari buku statistika dan hasil penelitian mahasiswa Unibraw. Berdasarkan hasil analisis, pada penggunaan prosedur transformasi rank dengan analisis parametrik menghasilkan p-value yang lebih kecil dibandingkan dengan prosedur nonparametrik, hal ini berarti bahwa berdasarkan p-value analisis parametrik dengan menggunakan prosedur transformasi rank lebih baik dibandingkan dengan analisis nonparametrik. Dari hasil penelitian dapat disimpulkan bahwa untuk data kuantitatif yang tidak menyebar normal dan tetap tidak normal setelah dilakukan transformasi menggunakan transformasi log, akar kudrat dan acrsin data maka prosedur transformasi rank dapat menjadi alternatif agar data menyebar normal.
English Abstract
Almost all of testing hypothesis procedure is based on normality assumption. If normality assumption can not be fulfilled, data transformation or nonparametric method can be applied. Nonparametric statistics method is a method which doesn’t require any assumption of the data distribution. Rank transformation is method of transforming data which can be applied as alternative to nonparametric procedures. The aim of this research is to compare parametric analysis using rank transformation and nonparametric analysis based on p-value. The rank transformation applied to two independent samples, two dependent samples, completely randomized design and randomized complete block design. The data that used in this research is secondary data from statistic reference book and Unibraw student’s final work. The analysis of the data shows that p-value’s of Rank transformation with parametric analysis is smaller than p-value’s of nonparametric procedure, It means that based on p-value the parametric analysis with rank transformation is better than test’s nonparametric analysis. Based on this analysis we can conclude that for the quantitative data which have non-normal distribution and still non-normal after being transformed using log transformation, square root and arc sin so the rank transformation can be used as an alternative to normalize the data.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2007/78/050700846 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Unnamed user with email repository.ub@ub.ac.id |
| Date Deposited: | 03 Jun 2009 13:07 |
| Last Modified: | 09 Mar 2022 02:49 |
| URI: | http://repository.ub.ac.id/id/eprint/151748 |
Preview |
Text
050700846.pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |