Uji Friedman - Riwayat revisi

Maintenance script: Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

2026-08-25T09:03:23Z

Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

← Revisi sebelumnya		Revisi per 25 Agustus 2026 09.03
Baris 1:		Baris 1:
	'''Uji Friedman''' adalah uji [[statistika nonparametrik]] yang dikembangkan oleh [[Milton Friedman]]. Mirip dengan [[ANOVA]] pengukuran berulang [[statistika parametrik\|parametrik]], uji ini digunakan untuk mendeteksi perbedaan perlakuan di beberapa percobaan pengujian. Prosedurnya melibatkan [[peringkat\|pemeringkatan]] setiap baris (atau "blok") secara bersamaan, dan kemudian mempertimbangkan nilai peringkat berdasarkan kolom. Berlaku untuk desain blok lengkap, sehingga merupakan kasus khusus dari uji Durbin.		'''Uji Friedman''' adalah uji [[statistika nonparametrik]] yang dikembangkan oleh [[Milton Friedman]].<ref>Milton Friedman. [https://archive.org/details/sim_journal-of-the-american-statistical-association_1937-12_32_200/page/675 The use of ranks to avoid the assumption of normality implicit in the analysis of variance]. ''Journal of the American Statistical Association''. December 1937. Vol. 32 (200). hlm. 675–701. doi:10.1080/01621459.1937.10503522.</ref><ref>Milton Friedman. [https://archive.org/details/sim_journal-of-the-american-statistical-association_1939-03_34_205/page/109 A correction: The use of ranks to avoid the assumption of normality implicit in the analysis of variance]. ''Journal of the American Statistical Association''. March 1939. Vol. 34 (205). hlm. 109. doi:10.1080/01621459.1939.10502372.</ref><ref>Milton Friedman. [https://archive.org/details/sim_annals-of-mathematical-statistics_1940-03_11_1/page/86 A comparison of alternative tests of significance for the problem of ''m'' rankings]. ''The Annals of Mathematical Statistics''. March 1940. Vol. 11 (1). hlm. 86–92. doi:10.1214/aoms/1177731944.</ref> Mirip dengan [[ANOVA]] pengukuran berulang [[statistika parametrik\|parametrik]], uji ini digunakan untuk mendeteksi perbedaan perlakuan di beberapa percobaan pengujian. Prosedurnya melibatkan [[peringkat\|pemeringkatan]] setiap baris (atau "blok") secara bersamaan, dan kemudian mempertimbangkan nilai peringkat berdasarkan kolom. Berlaku untuk desain blok lengkap, sehingga merupakan kasus khusus dari uji Durbin.

	Contoh penggunaan klasik adalah:		Contoh penggunaan klasik adalah:
Baris 12:		Baris 12:
	#Diberikan data <math>\{x_{ij}\}_{n\times k}</math>, yaitu [[matriks (matematika)\|matriks]] dengan <math>n</math> baris ("blok"), <math>k</math> kolom (perlakuan) dan satu pengamatan pada irisan setiap blok dan perlakuan, hitung peringkat di dalam setiap blok. Jika terdapat nilai yang sama, berikan nilai rata-rata peringkat yang seharusnya diberikan tanpa adanya nilai yang sama kepada setiap nilai yang sama tersebut. Gantikan data dengan matriks baru <math>\{r_{ij}\}_{n \times k}</math> di mana entri <math>r_{ij}</math> adalah peringkat <math>x_{ij}</math> dalam blok <math>i</math>.		#Diberikan data <math>\{x_{ij}\}_{n\times k}</math>, yaitu [[matriks (matematika)\|matriks]] dengan <math>n</math> baris ("blok"), <math>k</math> kolom (perlakuan) dan satu pengamatan pada irisan setiap blok dan perlakuan, hitung peringkat di dalam setiap blok. Jika terdapat nilai yang sama, berikan nilai rata-rata peringkat yang seharusnya diberikan tanpa adanya nilai yang sama kepada setiap nilai yang sama tersebut. Gantikan data dengan matriks baru <math>\{r_{ij}\}_{n \times k}</math> di mana entri <math>r_{ij}</math> adalah peringkat <math>x_{ij}</math> dalam blok <math>i</math>.
	#Temukan nilai <math>\bar{r}_{\cdot j} = \frac{1}{n} \sum_{i=1}^n {r_{ij}}</math>		#Temukan nilai <math>\bar{r}_{\cdot j} = \frac{1}{n} \sum_{i=1}^n {r_{ij}}</math>
	#Statistik uji diberikan oleh <math>Q = \frac{12n}{k(k+1)} \sum_{j=1}^k \left(\bar{r}_{\cdot j}-\frac{k+1}{2}\right)^2</math>. Perhatikan bahwa nilai <math display="inline">Q</math> perlu disesuaikan untuk nilai yang sama dalam data.		#Statistik uji diberikan oleh <math>Q = \frac{12n}{k(k+1)} \sum_{j=1}^k \left(\bar{r}_{\cdot j}-\frac{k+1}{2}\right)^2</math>. Perhatikan bahwa nilai <math display="inline">Q</math> perlu disesuaikan untuk nilai yang sama dalam data.<ref>[https://www.itl.nist.gov/div898/software/dataplot/refman1/auxillar/friedman.htm FRIEDMAN TEST in NIST Dataplot]. August 20, 2018.</ref>
	#Terakhir, ketika <math display="inline">n</math> atau <math display="inline">k</math> besar (yaitu <math display="inline">n>15</math> atau <math display="inline">k> 4</math>), [[sebaran probabilitas\|distribusi probabilitas]] <math display="inline">Q</math> dapat didekati dengan [[distribusi khi-kuadrat]]. Dalam hal ini, [[nilai p\|nilai ]] diberikan oleh <math>\mathbf{P}(\chi^2_{k-1} \ge Q)</math>. Jika <math display="inline">n</math> atau <math display="inline">k</math> kecil, pendekatan terhadap khi-kuadrat menjadi buruk dan nilai harus diperoleh dari tabel <math display="inline">Q</math> yang khusus disiapkan untuk uji Friedman. Jika nilai signifikan, uji perbandingan berganda ''[[post hoc]]'' yang sesuai akan dilakukan.		#Terakhir, ketika <math display="inline">n</math> atau <math display="inline">k</math> besar (yaitu <math display="inline">n>15</math> atau <math display="inline">k> 4</math>), [[sebaran probabilitas\|distribusi probabilitas]] <math display="inline">Q</math> dapat didekati dengan [[distribusi khi-kuadrat]]. Dalam hal ini, [[nilai p\|nilai ]] diberikan oleh <math>\mathbf{P}(\chi^2_{k-1} \ge Q)</math>. Jika <math display="inline">n</math> atau <math display="inline">k</math> kecil, pendekatan terhadap khi-kuadrat menjadi buruk dan nilai harus diperoleh dari tabel <math display="inline">Q</math> yang khusus disiapkan untuk uji Friedman. Jika nilai signifikan, uji perbandingan berganda ''[[post hoc]]'' yang sesuai akan dilakukan.

Baris 21:		Baris 21:
	*[[Uji peringkat bertanda Wilcoxon]] adalah uji nonparametrik data yang tidak independen dari hanya dua kelompok.		*[[Uji peringkat bertanda Wilcoxon]] adalah uji nonparametrik data yang tidak independen dari hanya dua kelompok.
	*Uji Skillings–Mack adalah statistika tipe Friedman umum yang dapat digunakan di hampir semua rancangan blok dengan struktur data yang hilang yang sembarang.		*Uji Skillings–Mack adalah statistika tipe Friedman umum yang dapat digunakan di hampir semua rancangan blok dengan struktur data yang hilang yang sembarang.
	*Uji Wittkowski adalah statistika tipe Friedman umum yang mirip dengan uji Skillings-Mack. Ketika data tidak mengandung nilai yang hilang, pengujian ini memberikan hasil yang sama dengan uji Friedman. Namun jika data mengandung nilai yang hilang, maka uji ini lebih tepat dan sensitif daripada uji Skillings-Mack.		*Uji Wittkowski adalah statistika tipe Friedman umum yang mirip dengan uji Skillings-Mack. Ketika data tidak mengandung nilai yang hilang, pengujian ini memberikan hasil yang sama dengan uji Friedman. Namun jika data mengandung nilai yang hilang, maka uji ini lebih tepat dan sensitif daripada uji Skillings-Mack.<ref>Knut M. Wittkowski. [https://archive.org/details/sim_journal-of-the-american-statistical-association_1988-12_83_404/page/1163 Friedman-Type statistics and consistent multiple comparisons for unbalanced designs with missing data]. ''Journal of the American Statistical Association''. 1988. Vol. 83 (404). hlm. 1163–1170. doi:10.1080/01621459.1988.10478715.</ref>

	==Analisis ''post hoc''==		==Analisis ''post hoc''==
	Uji ''[[post hoc]]'' diusulkan oleh Schaich dan Hamerle (1984) serta Conover (1971, 1980) untuk menentukan kelompok mana yang berbeda secara signifikan satu sama lain, berdasarkan perbedaan peringkat rata-rata kelompok. Prosedur ini dirinci dalam Bortz, Lienert dan Boehnke (2000, hlm. 275). Eisinga, Heskes, Pelzer dan Te Grotenhuis (2017) menyediakan uji eksak untuk perbandingan berpasangan dari jumlah peringkat Friedman, yang diimplementasikan dalam [[R (bahasa pemrograman)\|R]]. Uji eksak Eisinga c.s. menawarkan peningkatan substansial dibandingkan uji perkiraan yang tersedia, terutama jika jumlah kelompok (<math>k</math>) besar dan jumlah blok (<math>n</math>) kecil.		Uji ''[[post hoc]]'' diusulkan oleh Schaich dan Hamerle (1984)<ref>Schaich, E. & Hamerle, A. (1984). Verteilungsfreie statistische Prüfverfahren. Berlin: Springer. .</ref> serta Conover (1971, 1980)<ref>Conover, W. J. (1971, 1980). Practical nonparametric statistics. New York: Wiley. .</ref> untuk menentukan kelompok mana yang berbeda secara signifikan satu sama lain, berdasarkan perbedaan peringkat rata-rata kelompok. Prosedur ini dirinci dalam Bortz, Lienert dan Boehnke (2000, hlm. 275).<ref>Bortz, J., Lienert, G. & Boehnke, K. (2000). Verteilungsfreie Methoden in der Biostatistik. Berlin: Springer. .</ref> Eisinga, Heskes, Pelzer dan Te Grotenhuis (2017)<ref>R. Eisinga. [http://rdcu.be/oOf9 Exact ''p''-values for pairwise comparison of Friedman rank sums, with application to comparing classifiers]. ''BMC Bioinformatics''. 2017. Vol. 18 (1). hlm. 68. doi:10.1186/s12859-017-1486-2.</ref> menyediakan uji eksak untuk perbandingan berpasangan dari jumlah peringkat Friedman, yang diimplementasikan dalam [[R (bahasa pemrograman)\|R]]. Uji eksak Eisinga c.s. menawarkan peningkatan substansial dibandingkan uji perkiraan yang tersedia, terutama jika jumlah kelompok (<math>k</math>) besar dan jumlah blok (<math>n</math>) kecil.

	Tidak semua paket statistik mendukung analisis ''post-hoc'' untuk uji Friedman, tetapi kode kontribusi pengguna tersedia yang menyediakan fasilitas ini (misalnya di [[SPSS]], dan di R.). Paket R berjudul PMCMRplus berisi banyak metode non-parametrik untuk analisis ''post-hoc'' setelah Friedman, termasuk dukungan untuk uji Nemenyi.

	~~== Referensi ==~~

			Tidak semua paket statistik mendukung analisis ''post-hoc'' untuk uji Friedman, tetapi kode kontribusi pengguna tersedia yang menyediakan fasilitas ini (misalnya di [[SPSS]],<ref>[http://timo.gnambs.at/en/scripts/friedmanposthoc Post-hoc comparisons for Friedman test].</ref> dan di R.<ref>[https://www.r-statistics.com/2010/02/post-hoc-analysis-for-friedmans-test-r-code/ Post hoc analysis for Friedman's Test (R code)]. February 22, 2010.</ref>). Paket R berjudul PMCMRplus berisi banyak metode non-parametrik untuk analisis ''post-hoc'' setelah Friedman,<ref>[https://cran.r-project.org/web/packages/PMCMRplus/index.html PMCMRplus: Calculate Pairwise Multiple Comparisons of Mean Rank Sums Extended]. 17 August 2022.</ref> termasuk dukungan untuk uji Nemenyi.

	== Bacaan lanjutan ==		== Bacaan lanjutan ==
	*		*
	*		*
	*		*
	*		*

			== Referensi ==
			<references />

	== Sumber dan atribusi ==		== Sumber dan atribusi ==

	Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Uji+Friedman&oldid=29592331 Wikipedia bahasa Indonesia], revisi 29592331 (2026-08-17T13:24:54Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.		Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Uji+Friedman&oldid=29592331 Wikipedia bahasa Indonesia], revisi 29592331 (2026-08-17T13:24:54Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.

			<!-- WIKI_UNISSULA_PRESENTATION_V4 -->

Maintenance script: Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29592331; atribusi sumber disertakan.

2026-08-25T08:35:17Z

Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29592331; atribusi sumber disertakan.

Halaman baru

'''Uji Friedman''' adalah uji [[statistika nonparametrik]] yang dikembangkan oleh [[Milton Friedman]]. Mirip dengan [[ANOVA]] pengukuran berulang [[statistika parametrik|parametrik]], uji ini digunakan untuk mendeteksi perbedaan perlakuan di beberapa percobaan pengujian. Prosedurnya melibatkan [[peringkat|pemeringkatan]] setiap baris (atau "blok") secara bersamaan, dan kemudian mempertimbangkan nilai peringkat berdasarkan kolom. Berlaku untuk desain blok lengkap, sehingga merupakan kasus khusus dari uji Durbin.

Contoh penggunaan klasik adalah:
*<math display="inline">n</math> juri [[minuman anggur|wine]] masing-masing menilai k wine yang berbeda. Apakah ada di antara <math display="inline">k</math> wine tersebut yang secara konsisten diberi peringkat lebih tinggi atau lebih rendah daripada yang lain?
*<math display="inline">n</math> tukang las masing-masing menggunakan <math display="inline">k</math> obor las, dan hasil las dinilai kualitasnya. Apakah ada di antara <math display="inline">k</math> obor tersebut yang secara konsisten menghasilkan las yang lebih baik atau lebih buruk?

Uji Friedman digunakan untuk analisis varians satu arah berulang berdasarkan peringkat. Dalam penggunaan peringkatnya, uji ini mirip dengan [[analisis varians satu arah]] [[Uji Kruskal–Wallis|Kruskal–Wallis]] berdasarkan peringkat.

Uji Friedman didukung secara luas oleh [[daftar perangkat lunak statistika|banyak paket perangkat lunak statistika]].

==Metode==
#Diberikan data <math>\{x_{ij}\}_{n\times k}</math>, yaitu [[matriks (matematika)|matriks]] dengan <math>n</math> baris ("blok"), <math>k</math> kolom (perlakuan) dan satu pengamatan pada irisan setiap blok dan perlakuan, hitung peringkat di dalam setiap blok. Jika terdapat nilai yang sama, berikan nilai rata-rata peringkat yang seharusnya diberikan tanpa adanya nilai yang sama kepada setiap nilai yang sama tersebut. Gantikan data dengan matriks baru <math>\{r_{ij}\}_{n \times k}</math> di mana entri <math>r_{ij}</math> adalah peringkat <math>x_{ij}</math> dalam blok <math>i</math>.
#Temukan nilai <math>\bar{r}_{\cdot j} = \frac{1}{n} \sum_{i=1}^n {r_{ij}}</math>
#Statistik uji diberikan oleh <math>Q = \frac{12n}{k(k+1)} \sum_{j=1}^k \left(\bar{r}_{\cdot j}-\frac{k+1}{2}\right)^2</math>. Perhatikan bahwa nilai <math display="inline">Q</math> perlu disesuaikan untuk nilai yang sama dalam data.
#Terakhir, ketika <math display="inline">n</math> atau <math display="inline">k</math> besar (yaitu <math display="inline">n>15</math> atau <math display="inline">k> 4</math>), [[sebaran probabilitas|distribusi probabilitas]] <math display="inline">Q</math> dapat didekati dengan [[distribusi khi-kuadrat]]. Dalam hal ini, [[nilai p|nilai ]] diberikan oleh <math>\mathbf{P}(\chi^2_{k-1} \ge Q)</math>. Jika <math display="inline">n</math> atau <math display="inline">k</math> kecil, pendekatan terhadap khi-kuadrat menjadi buruk dan nilai harus diperoleh dari tabel <math display="inline">Q</math> yang khusus disiapkan untuk uji Friedman. Jika nilai signifikan, uji perbandingan berganda ''[[post hoc]]'' yang sesuai akan dilakukan.

==Pengujian terkait==
*Saat menggunakan desain semacam ini untuk respons biner, kita menggunakan uji Q Cochran.
*Uji tanda (dengan alternatif dua sisi) setara dengan uji Friedman pada dua kelompok.
*W Kendall adalah normalisasi statistik Friedman antara <math display="inline">0</math> dan <math display="inline">1</math>.
*[[Uji peringkat bertanda Wilcoxon]] adalah uji nonparametrik data yang tidak independen dari hanya dua kelompok.
*Uji Skillings–Mack adalah statistika tipe Friedman umum yang dapat digunakan di hampir semua rancangan blok dengan struktur data yang hilang yang sembarang.
*Uji Wittkowski adalah statistika tipe Friedman umum yang mirip dengan uji Skillings-Mack. Ketika data tidak mengandung nilai yang hilang, pengujian ini memberikan hasil yang sama dengan uji Friedman. Namun jika data mengandung nilai yang hilang, maka uji ini lebih tepat dan sensitif daripada uji Skillings-Mack.

==Analisis ''post hoc''==
Uji ''[[post hoc]]'' diusulkan oleh Schaich dan Hamerle (1984) serta Conover (1971, 1980) untuk menentukan kelompok mana yang berbeda secara signifikan satu sama lain, berdasarkan perbedaan peringkat rata-rata kelompok. Prosedur ini dirinci dalam Bortz, Lienert dan Boehnke (2000, hlm. 275). Eisinga, Heskes, Pelzer dan Te Grotenhuis (2017) menyediakan uji eksak untuk perbandingan berpasangan dari jumlah peringkat Friedman, yang diimplementasikan dalam [[R (bahasa pemrograman)|R]]. Uji eksak Eisinga c.s. menawarkan peningkatan substansial dibandingkan uji perkiraan yang tersedia, terutama jika jumlah kelompok (<math>k</math>) besar dan jumlah blok (<math>n</math>) kecil.

Tidak semua paket statistik mendukung analisis ''post-hoc'' untuk uji Friedman, tetapi kode kontribusi pengguna tersedia yang menyediakan fasilitas ini (misalnya di [[SPSS]], dan di R.). Paket R berjudul PMCMRplus berisi banyak metode non-parametrik untuk analisis ''post-hoc'' setelah Friedman, termasuk dukungan untuk uji Nemenyi.

== Referensi ==

== Bacaan lanjutan ==
*
*
*
*

== Sumber dan atribusi ==

Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Uji+Friedman&oldid=29592331 Wikipedia bahasa Indonesia], revisi 29592331 (2026-08-17T13:24:54Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.