Uji sample berpasangan WIlcoxon Test Rank

 

Ia merupakan paired test atau uji berpasangan dari variable yang tidak berhubungan variable bebas . Uji ini seperti paired t test atau uji t berpasangan. Hanya saja uji ini adlaah alternative dalam mengatasi data yang tidak normal. Untuk melaksanankan ujian ini anda dapat melakukan hal ini .

> library(readxl)

> Wilcoxon_Rank_Test <- read_excel("stat campur/Wilcoxon Rank Test.xlsx")

Registered S3 methods overwritten by 'tibble':

  method     from 

  format.tbl pillar

  print.tbl  pillar

> View(Wilcoxon_Rank_Test)

> Firstwill=Wilcoxon_Rank_Test$`Sale 1`

> SecondWill=Wilcoxon_Rank_Test$`Sale 2`

> boxplot(Firstwill,SecondWill,col=c(3,4))

> wilcox.test(Firstwill,SecondWill,paired=TRUE)

 

            Wilcoxon signed rank test with continuity correction

 

data:  Firstwill and SecondWill

V = 48.5, p-value = 0.03651

alternative hypothesis: true location shift is not equal to 0

 

Warning message:

In wilcox.test.default(Firstwill, SecondWill, paired = TRUE) :

  cannot compute exact p-value with ties

 

> Firstwill

 [1]  10  20  25  50  45  30  50  60 100  20  50  90  60  40  20  45  65  56  38  28

> #Wilcoxon Rank Test

> library(readxl)

> boxplot(Firstwill,SecondWill,col=c(3,4))

> wilcox.test(Firstwill,SecondWill,paired=TRUE)

 

            Wilcoxon signed rank test with continuity correction

 

data:  Firstwill and SecondWill

V = 48.5, p-value = 0.03651

alternative hypothesis: true location shift is not equal to 0

 

Warning message:

In wilcox.test.default(Firstwill, SecondWill, paired = TRUE) :

  cannot compute exact p-value with ties

> wilcox.test(Firstwill,SecondWill,paired=FALSE)

 

            Wilcoxon rank sum test with continuity correction

 

data:  Firstwill and SecondWill

W = 127.5, p-value = 0.05089

alternative hypothesis: true location shift is not equal to 0

 

Warning message:

In wilcox.test.default(Firstwill, SecondWill, paired = FALSE) :

  cannot compute exact p-value with ties

> View(Wilcoxon_Rank_Test)

> describe(Firstwill)

   vars  n mean    sd median trimmed   mad min max range skew kurtosis   se

X1    1 20 45.1 23.15     45   42.62 22.24  10 100    90 0.66    -0.14 5.18

> describe(SecondWill)

   vars  n mean    sd median trimmed   mad min max range skew kurtosis   se

X1    1 20 61.8 28.47     62   60.38 37.06  20 120   100 0.31    -0.89 6.37

Jenis Data Dalam Statistik

Kita mengetahui bahwa data itu adalah sesuatu. Sesuatu yang menggambarkan sesuatu. Adalah bentuk penggolongan data tersebut karena ada beberapa data tidak bisa diolah dalam bentu statistik deskriptif.

Seperti data yang tidak terhitung warna. Kita tidak akan bisa membuat rata-rata warna dari sekumpulan kulit manusia. Oleh karena itu ada beberpa data yang bisa kita kenal sebelum kita bisa mengenal dalam mengelola data-data tersebut. 

1. Data  Kualitatif adalah data yang menunjukan kualitas dari suatau keadaan tertentu.  Bisa jadi data tersebut mengenai warna, rasa, sikap dan lain-lain.

2. Data Kuantitatif

Data yang berupa angka atau menunjukkan satuan bilangan

3. Data diskrit 

Data yang tidak bisa dipecah. Data ini hanya bisa menunjukkan pada satu bilangan saja

 

4. Data kontinue data yang bisa ada dalam bilangan interval atau diantara bilangan

5. Data Nominal 

Suatu Data yang tidak bisa dihitung tetapi mempunyai nama seperti warna kulit dan rasa 

6. Data Ordinal

Data ini mempunyai urutan atau rangking seperti halnya rangking mahasiswa dalam ujian 

Dala data nominal kita tidak bisa membuat rata-rata karena hal itu tidak terhitung akan tetapi kita bisa melakukan pengolahan seperti di bawah ini

1. Modus data kualitatif dapat dicari yang mana yang paling banyak data yang muncul 

2. Distribusi frekuensi kita membagi data ke dalam Distribusi frekuensi . 

3. Tabel kontingensi ada tabel dari kategori dengan variabel yang lainnya untuk mencari hubungan 

One Sample Test Uji untuk mencari perbandingan rata -rata

 

One Sample adalah uji untuk mencari perbadingan antara rata-rata dengan rata-rata hypothesis. Hal ini dilakukan pada uji hipotesis. Kalau uji Hipotesis satu akan menunjukkan perbedaan antara rata-rata hipotesis dan rata-rata hitung.

Untuk mencari soal maka kita bisa menghtung dengan nilai. Ini disebut juga one sample test

> x1=rnorm(100,mean=500,sd=50)

> t.test(x1,mu=450)

 

                One Sample t-test

 

data:  x1

t = 10.232, df = 99, p-value < 2.2e-16

alternative hypothesis: true mean is not equal to 450

95 percent confidence interval:

 490.0691 509.3493

sample estimates:

mean of x

 499.7092

The formula for a one-sample t-test in LaTeX format is:

\[ t = \frac{{\bar{x} - \mu}}{{\frac{{s}}{{\sqrt{n}}}}}, \]

where:

- \( t \) is the t-statistic,

- \( \bar{x} \) is the sample mean,

- \( \mu \) is the population mean (the value being tested against),

- \( s \) is the sample standard deviation, and

- \( n \) is the sample size.

You can use this LaTeX code within your Blogspot post to display the formula.

Adapun  foumula rumusnya adalah sebagai berikut:

t = \frac{{\bar{x} - \mu}}{{\frac{{s}}{{\sqrt{n}}}}}

Membuat Grafik Pie di RStudio

 

Sesuai dengan namnaya grafik Pie atau donat adalah salah satu penyajian dalambentuk grafik seperti pie atau donat. Kalau kue pie hakilatnya adalah berbentuk lingkaran dengan potongan yang sesuai dengan proporsi data yang kita tampilkan. Kalau kue pie akan terpotong sama merata maka grafik berlainan dengan hal yang seperti itu.

Banyak porsi akan bergantung dengan porsi data yang dimiliki oleh masing-masing dari variabel data. Untuk Grafik pie diperuntukkan data cross section karena ingin membandingkan individu. Tentu boleh saja kalau kita menggunakan data time series sekalipun untuk grafik tersebut. Misalanya untuk memperbandingkan kinerja anatara tahun ke tahun. Tahun mana yang lebih banyak menghasilkan padi.

DAlam grafik pie yang ditampilkan adalah presentase atau bagian. Jadi fungsi ini akan memberikan ptongan pie yang besar bagi invidu atau

Kemudian saya akan membuat seperti ini dari data yang sudah dibuat maka akan menghasilakn seperti ini :

 

Grafik Pie atau Pie Chart

> stocktoko=c("Poly","Genius","Doma","Color","Beski")

> jumlahstock=c(110,20,30,40,50)

>  pie(stoko$jumlahstock,labels = stoko$jumlahstock)

Hasilnya adalah seperti ini . Syntax diatas adalh sederhana belum mencakup untuk bagian judul dan legend atau petunjuk dalam data 

Grafik diatas belum lengkap karenanya kita perlu untuk menambah dengan judul yang ada di atas dan juga legend. 

Untuk melengkapi kita harus melengkapi dengan judul dan legend dari grafik tersebut.

> pie(stoko$jumlahstock,labels=stoko$jumlahstock, main="Stok Toko Sepeda Suka",col=colors(5))

> legend("topright",c("Poly","Genius","Doma","Color","Beski"),cex=0.7,fill=colors(5))

 

 

 

Membuat Grafik Bar di RStudio

 

Grafik Batang

 

Setelah kita mempelajari grafik garis yang sederhana, kita belajar menegnai grafik batang. sesuai dengan namanaya grafik ini menunjukkan indikator batang. grafik ini dapat menggambarkan baik itu data dari time series maupun data dari cross section.

 

Untuk mmebuat data ini kita membuat terlebih datu set data yang berupa data frame, Kita gabungkan dulu dua data (maksudnya atomic vector) dan kemudian kita akan membuat suatau data framne dari gabungan tersebut misalnya saya akan mmebuat satu atomic vector dari stok toko :

stock toko <-c(Poly, Genius, Doma, Color, Beski)

jumlah stock<-c(110,20,30,40,50)

 

kemudian saya akan buat data fraem bernama stotoko<-dataframe(stock toko, jumlahstock)

Setelah itu saya mendapatkan datraframe

saya bisa menampilkan seperti ini

view(stoctpko)

> barplot(stoko$jumlahstock,main="stok toko sepeda suka", xlab="nama stock", ylab="jumlahstock",names.arg=stoko$stocktoko)

> barplot(stoko$jumlahstock,main="stok toko sepeda suka", xlab="nama stock", ylab="jumlahstock",names.arg=stoko$stocktoko,col=heat.colors(5))

Kemudian saya akan mmebuat seperti ini dari data yang sudah dibuat maka akan menghasilakn seperti ini :