BAB I

PENDAHULUAN
1.1 Latar Belakang
Dalam materi-materi sebelumnya, metode ststistika telah digunakan untuk persoalan di
mana populasinya dimisalkan mempunyai atau mengikuti distribusi tertentu yang diketahui
bentuknya. Pada umumnya telah dimisalkan bahwa populasinya berdistribusi normal. Uji
kenormalan tentunya perlu dilakukan untuk memastikan bahwa asumsi tersebut dipenuhi.
Caranya teleh kita pelajari pada materi-materi sebelumnya. Akan tetapi tidak selalu kita dapat
memperoleh kepastian kenormalan, sehingga dengan demikian asumsi kenormalan tidak selalu
dapat dijamin penuh. Kalau metode statistika bersifat ajeg terhadap kenormalan, yaitu
pelanggaran moderat terhadap syarat kenormalan, tetapi tidak akan mengganggu banyak dan
tidak membahayakan kesimpulan-kesimpulan yang dibuat apabila metoda ststistika itu
digunakan, barangkali tidak terlalu dipermasalahkan. Namun sayang, bahwa tidak semua metode
atau teknik statistika itu ajeg. Karenanya teknik lain perlu dikembangkan dan digunakan. Metode
statistika non-parametrik, atau kadang-kadang disebut pula metoda statistika bebas distribusi,
adalah merupakan metoda yang berlaku untuk ini. Sebenarnya metoda nonparametrik sudah kita
bahas dalam materi yang lalu, yakni mengenai uji chi-kuadrat untuk uji kecocokan dan uji
independen.
Statistik Non-Parametrik merupakan alternatif dari statistik parametrik ketika asumsiasumsi yang mendasari dalam statistik parametrik tidak dapat terpenuhi. Untuk mengenal lebih
jauh mengenai statistik non-parametrik. Sebelum berbicara mengenai statistik nonparametrik,
ada baiknya kita bahas apa itu statistik parametrik. Pada umumnya, setelah data dikumpulkan,
1

langkah selanjutnya adalah mencari nilai tengahnya (mean) dan simpangannya (variance),
kemudian dilakukan uji-z atau uji-t. Semua tindakan yang dilakukan di atas merupakan prosedur
umum statistik parametric yang mengacu pada suatu parameter yang dipunyai oleh sebuah
distribusi. Berbeda dengan statistik parametrik, statistik nonparametrik adalah prosedur statistik
yang tidak mengacu pada parameter tertentu. Itulah sebabnya, statistik nonparametrik sering
disebut sebagai prosedur yang bebas distribusi (free-distibution procedures). Banyak orang
berpendapat, jika data yang dikumpulkan terlalu kecil maka prosedur statistik nonparametrik
lebih baik digunakan. Pendapat ini bisa benar dan bisa pula salah. Masalahnya adalah,
bagaimana mendefinisikan besar-kecilnya suatu data? Bukankah hal ini sangat relatif? Yang
jelas, kita pasti menggunakan statistik nonparametrik bila kita tidak mengetahui dengan pasti
distribusi dari data yang kita amati.
1.2 Rumusan Masalah
1) Apa yang dimaksud dengan ststistika non-parametrik?
2) Apa yang dimaksud dengan uji tanda?
3) Bagaimana menyelesaikan soal dengan menggunakan uji tanda?
4) Apa kelebihan dan kekurangan dari statistika non-parametrik?

BAB II
PEMBAHASAN

2.1 Statistika Non-Parametrik

Statistik Non-Parametrik merupakan alternatif dari statistik parametrik ketika asumsiasumsi yang mendasari dalam statistik parametrik tidak dapat terpenuhi. Untuk mengenal lebih
jauh mengenai statistik non-parametrik. Sebelum berbicara mengenai statistik nonparametrik,
ada baiknya kita bahas apa itu statistik parametrik. Pada umumnya, setelah data dikumpulkan,
langkah selanjutnya adalah mencari nilai tengahnya (mean) dan simpangannya (variance),
kemudian dilakukan uji-z atau uji-t. Semua tindakan yang dilakukan di atas merupakan prosedur
umum statistik parametric yang mengacu pada suatu parameter yang dipunyai oleh sebuah
distribusi. Berbeda dengan statistik parametrik, statistik nonparametrik adalah prosedur statistik
yang tidak mengacu pada parameter tertentu. Itulah sebabnya, statistik nonparametrik sering
disebut sebagai prosedur yang bebas distribusi (free-distibution procedures). Banyak orang
berpendapat, jika data yang dikumpulkan terlalu kecil maka prosedur statistik nonparametrik
lebih baik digunakan. Pendapat ini bisa benar dan bisa pula salah. Masalahnya adalah,
bagaimana mendefinisikan besar-kecilnya suatu data? Bukankah hal ini sangat relatif? Yang
jelas, kita pasti menggunakan statistik nonparametrik bila kita tidak mengetahui dengan pasti
distribusi dari data yang kita amati. Statistik Non Parametrik adalah bagian statistik yang
parameter dari populasinya tidak mengikuti suatu distribusi tertentu atau memilki distribusi yang
bebas persyaratan dan variannya tidak perlu homogen. Berikut beberapa keuntungan yang dapat
diperolah apabila kita memilih prosedur nonparametrik daripada prosedur parametrik :
1) Jika ukuran sampel kita kecil, tidak ada pilihan lain yang lebih baik daripada
menggunakan metode statistika nonparametrik, kecuali jika distribusi populasi jelas
normal.

2) Karena memerlukan sedikit asumsi, umunya metode nonparametrik lebih relevan pada
situasi situasi tertentu, sehingga kemungkinan penerapannya lebih luas. Disamping itu,
kemungkinan digunakan secara salah (karena pelanggaran asumsi) lebih kecil daripada
metode parametrik.
3) Metode nonparametrik dapat digunakan meskipun data diukur dalam skala ordinal.
4) Metode nonparametrik dapat digunakan meskipun data diukur dalam skala nominal
(katagorikal). Sebaliknya tidak ada teknik parametrik yang dapat diterapkan untuk data
nominal.
5) Beberapa uji statistik nonparametrik dapat menganalisis perbedaan sejumlah sampel.
Beberapa uji statistik parametrik dapat dipakai untuk menganalisi persoalan serupa tetapi
6)

menuntut pemenuhan sejumlah asumsi yang hampir tidak mungkin diwujudkan.

Uji statistik nonparametrik mudah dilakukan meskipun tidak terdapat komputer (dapat
dianalisa secara manual). Analisis data dapat diselesaikan hanya dengan menggunakan
kalkulator tangan. Oleh karena itu, metode nonparametrik pantas disebut teknologi tepat

guna yang masih dibutuhkan di negara negara berkembang (dan terbelakang).

7) Pada umumnya para peneliti dengan dasar matematika yang kurang merasakan bahwa
konsep dan metode nonparametrik mudah dipahami.
Selain kelebihan metode nonparametrik diatas, ditemukan pula kelemahan dari metode ini, yaitu
1) Fleksibilitas terhadap skala pengukuran variabel kadang kadang mendorong peneliti
memilih

metode

nonparametrik,

meskipun

situasinya

memungkinkan

untuk

menggunakan metode parametrik. Karena didasarkan asumsi yang lebih sedikit, metode
nonparametrik secara statistik kurang kuat dibandingkan metode parametrik.
2) Jika asumsi untuk metode parametrik terpenuhi, dengan ukuran sampel yang sama,
metode nonparametrik kurang memiliki kuasa dibandingkan metode parametrik.
3) Penyederhanaan data dari skala rasio atau interval ke dalam ordinal atau nominal
meskipun merupakan pemborosan (detail) informasi yang sudah dikumpulkan.

4) Meski konsep dan prosedur nonparametrik sederhana, tetapi pekerjaan hitung

menghitung bisa membutuhkan banyak waktu jika ukuran sampel yang dianalisis besar.
2.2 Uji Tanda
Uji tanda digunakan untuk menguji hipotesis mengenai median populasi. Dalam banyak
kasus prosedur nonparametrik, rataan digantikan oleh median sebagai parameter lokasi yang
relevan untuk diuji. Uji tanda juga mempunyai asumsi dimana asumsinya adalah distribusinya
bersifat binomial. Binomial artinya mempunyai dua nilai. Nilai ini dilambangkan dengan tanda,
yaitu positif dan negatif. Ini mengapa ia disebut uji tanda. Uji tanda banyak digunakan karena uji
ini paling mudah untuk dilakukan pengujiannya dan tidak memakan waktu yang lama.
Pengerjaan pengujian ini terbilang cukup mudah. Apabila setiap nilai pengamatan memiliki nilai
lebih besar dari nilai rataannya maka diganti dengan tanda (+). Sedangkan, apabila setiap nilai
pengamatan memiliki nilai kurang dari nilai rataannya maka diganti dengan tanda (-). Dan,
apabila nilai pengamatannya sama dengan nilai rataannya maka nilai pengamatan tersebut harus
dibuang. Pengujian uji tanda yang pertama dilakukan adalah menentukan hipotesis nolnya
beserta dengan hipotesis tandingannya. Tentukan pula taraf nyatanya beserta nilai proporsi
peubah binomial X-nya. Kemudian melakukan penghitungan Z hitung (apabila jumlah sampel
lebih dari 30) dengan nilai n merupakan jumlah data pengamatan setelah dibandingkan dengan
nilai rataannya dan nilai x adalah jumlah data pengamatan dengan tanda (+). Dengan begitu nilai
Z akan didapat dan nilai P (proporsi)nya dapat ditentukan. Keputusan H 0 akan ditolak apabila
nilai P yang didapat lebih kecil atau sama dengan nilai taraf nyatanya.
Dalam banyak eksperimen,peneliti sering ingin membandingkan pengaruh hasil dua
perlakuan. Untuk data yang berpasangan, satu sebagai hasil perlakuan A dan satu yang lain
merupakan hasil perlakuan B. untuk membandingkan kedua hasil perlakuan yang ditinjau dari

niali rata-rata, peneliti dapat menggunakan Uji tanda (Sign Test). Uji Tanda diguunakan untuk
menguji hipotesis dengan dua komparatif dan datanya berbentuk data ordinal. sangat baik bila
syarat-syarat berikut terpenuhi:
1) Pasangan hasil pengamatan yang sedang dibandingkan bersifat independen
2) Masing-masing pengamatan dari tiap pasang terjadi karena pengaruh kondisi yang serupa
3) Pasangan yang berlainan teerjadi karena kondisi yang berbeda

Langkah-langkah Uji Tanda

1) Menentukan hipotesis
Hipotesis merupakan langkah pertama yang harus ditentukan. Hipotesis dapat ditentukan
satu arah atau dua arah, apabila H0mengandung tanda sama dengan (=), berarti uji
satu arah, sedang hipotesis yang mengandung tanda ketidaksamaan (, ) berarti uji dua
arah. Hipotesis nol untuk uji tanda biasanyamenyatakan bahwa tidak ada perbedaan,
sedang hipotesis alternatif menyatakan adanya perbedaan.
2) Memilih taraf nyata
Taraf nyata ini merupakan tingkat toleransi terhadap kesalahan.
Pada umumnya dapat digunakan taraf nyata 1%, 5% atau 10% tergantung pada kep
entingan dan bidang ilmu.
3) Menghitung frekuensi tanda
Pada langkah ini dilakukan perhitungan untuk jumlah observasi yang relevan (n) y
aitu observasi yang mempunyai tanda + dan- sedang tanda 0 tidak dipergunakan.
4) Menentukan probabilitas hasil sampel yang diobservasi.
Pada langkah ini perlu diketahui berapa probabilitas suatu kejadian dari n sampel
observasi yang relevan dengan r kejadian secara bersamaan. Nilai r biasanya dipilih berda
sarkan tanda + atau yang paling kecil dari n observasi yang relevan. Untuk keperlu
an ini kita dapat menentukan tabel probabilitas binomial atau menghitung manual deng
an rumus : P (r) = (nCr)prq n-r.
5) Manarik kesimpulan

Aturan umum dalam menentukan menerima atau menolak H0,adalah : menerima H0 apab
ila probabilitas hasil sampel, dan menolak H0 apabila probabilitas hasil sampel.

Uji Tanda akan dilakukan berdasarkan tanda, yaitu (+) dan (-) yang didapat dari selisih nilai
penngamatan. Misalkan hasil pengamatan Xi dan Yi masing-masing terjadi karena perlakuan A
dan B.
1) Sampel berukuran n dapat ditulis sebagai (X1, Y1), (X2, y2), , (Xn, Yn).
2) Bentuk selisih-selisih (X1-Y1), (X2-Y2), , (Xn, Yn).
3) Penentuan tanda (+) atau (-)
( + ) jika Xi > Yi
( ) jika Xi < Yi
Saat Xi = Yi, abaikan pasangan tersebut
Nyatakan banyak tanda ( + ) atau ( ) yang paling sedikit dalam h. Bilangan h dapat
dipakai untuk menguji hipotesis:
H0
: Tidak ada perbedaan penngaruh kedua perlakuan.
H1
: Terdapat pengaruh kedua perbedaan perlakuan.
Dalam hal ini, pengaruh diukur oleh arata-rata, sehingga uju tanda dapat digunakan untuk
menguji kesamaan dua rata-rata populasi. Kriteria penolakan diperoleh berdasarkan dari hargaharga h sebagai batas criteria pengujian untuk harga n yang didapat.
h hitung h tabel , tolak H0
Contoh Soal
1) Data berikut adalah mengenai hasil dua macam daging sapi (dinyatakan dalam Kg) untuk
tiap kandang dari berbagai lokasi.
7

Daftar
Hasil Dua Macam Daging Sapi Per Kandang
Dari 20 Lokasi (dalam Kg)

Kandang

Macam A

Macam B

Tanda (Xi Yi)

3,4

3,0

3,7

3,9

2,8

3,2

4,2

4,6

4,6

4,3

3,8

3,4

3,6

3,5

2,9

3,0

3,0

2,9

10

3,8

3,7

11

4,0

3,7

12

3,9

4,0

13

3,8

3,5

14

4,2

4,5

15

4,7

3,9

16

4,0

3,7

17

3,6

3,2

18

3,2

2,9

19

3,4

3,0

20

2,9

3,6

Dari tabel di atas, dapat kita ketahui h hitung = 7 untuk tanda yang paling sedikit, yaitu ( ),
dengan n = 20 dan = 0,05 dapat diperoleh h tabel = 5. Sehingga kita memperoleh h hitung h
tabel. Oleh karena itu, kita menerima H0 pada taraf nyata 0,05, yaitu hasil kedua macam daging
sapi adalah sama. Apabila n > 95, maka harga h tabel dapat dihitung dengan mengambil bilangan
bulat terdekat yang lebih kecil dari:
Keterangan:
Nilai k untuk = 0,01 adalah k = 1, 2879

Nilai k untuk = 0,05 adalah k = 0,9800

2) Misalkan hasil penelitian menghasilkan n = 150 dan h hitung = 60 untuk = 0,05, maka:
h tabel 1/2 (n 1) k ( n + 1) 1/2 = (60 1) (0,9800) = 62, 4578. Dari sini dapat kita lihat
bahwasannya, h tabel = 62, sehingga h hitung < h tabel, dengan demikian H 0 yang menyatakan
tidak terdapat perbedaan antara kedua pengaruh kedua perlakuan dapat kita tolak.
2.3 Uji Tanda Satu Sampel
Untuk mengetahui apakah sampel yang kita peroleh berasal dari populasi dengan median
atau patokan nilai tertentu. Untuk menguji hipotesis, data sampel disusun sedemikian rupa
sehingga untuk nilai yang > median populasi kita beri tanda (+), untuk nilai yang < median
populasi diberi tanda (-) dan untuk yang = median populasi diberi tanda (0). H 0 : jumlah tanda
(+) = jumlah tanda (-) Bila hasil pengamatan menunjukkan adanya perbedaan tanda, maka kita
ingin mengetahui apakah perbedaan tersebut memang berbeda atau hanya karena faktor
kebetulan saja.
Contoh Soal
1. Misalkan, diketahui bahwa pods day cream untuk memutihkan wajah mempunyai
median (Me) waktu penyembuhan 7 hari. Bila pods day cream dikombinasi dengan pods
night cream apakah dapat mempercepat waktu pemutihan ? Untuk mengetahui hal ini
maka kombinasi pods day cream dan pods night cream diberikan pada 11 orang.
Pengujian hipotesis dilaukan pada derajat kepercayaan 95 %
Jawab :
Ho = Me populasi = Me sampel ( median waktu pemutihan kombinasi pods day cream
dan pods night cream = 7 hari)
Ha = Me populasi # Me sampel
= 0,05
10

Hasil pengamatan terhadap 11 orang tersebut sebagai berikut.

Waktu

Median

Tanda

pemutihan
5
6
7
8
8
8
8
9
9
9
10

7
7
7
7
7
7
7
7
7
7
7

0
+
+
+
+
+
+
+
+

Dari hasil tersebut tampak bahwa 2 orang denga tanda (-) dan satu orang dengan
tanda 0. Apa yang dapat kita simpulakn dengan 2 ( - ), sedangkan kita berharap terdapat 5
( - ) ? Untuk menyelesaikan soal di atas dapat digunakan table 10 untuk Uji Tanda. Pada
n=10 ( 1 tidak digunakan karena hasilnya 0 ) dengan derajat kemaknaan 5% dihasilkan
nilai h=1. Agar kombinasi pons ( D+N ) berbeda secara bermakna dibandingkan obat A
atau untuk menolak hipotesis nol maka jumlah tanda (-) harus = 1. Dari hasil pengamatan
diperoleh 2 orang dengan tanda (-) maka kita tidak dapat meniloak hipotesis nol yang
berarti secara statistic tidak terdapat perbedaan efek kombinasi obat tersebut atau efek
ponds dey cream tidak berbeda dengan kombinasi ponds D+N pada derajat kemaknaan
5% ( p >0,05 ).

2. Misalkan, diketahui bahwa obat A untuk menghilangkan rasa nyeri mempunyai median
(Me) waktu penyembuhan 8 jam. Bila obat A dikombinasi dengan obat C apakah dapat

11

mempercepat waktu kesembuhan ? Untuk mengetahui hal ini maka kombinasi obta A dan
C diberikan pada 11 orang.
Pengujian hipotesis dilaukan pada derajat kepercayaan 95 %
Jawab :
Ho

= Me populasi = Me sampel ( median waktu penyembuhan kombinasi obat A dan

C =8jam)
Ha

= Me populasi # Me sampel

= 0,05
Hasil pengamatan terhadap 11 orang tersebut sebagai berikut.
Waktu

Median

Tanda

Penyembuhan
6
7
8
9
10
10
10
11
11
12
12

8
8
8
8
8
8
8
8
8
8
8

0
+
+
+
+
+
+
+
+

Dari hasil tersebut tampak bahwa 2 orang denga tanda (-) dan satu orang dengan
tanda 0. Apa yang dapat kita simpulakn dengan 2 ( - ), sedangkan kita berharap terdapat 5
(-)?
Untuk menyelesaikan soal di atas dapat digunakan table 10 untuk Uji Tanda. Pada
n=10 ( 1 tidak digunakan karena hasilnya 0 ) dengan derajat kemaknaan 5% dihasilkan
nilai h=1 .
12

Agar kombinasi obat ( A+C ) berbeda secara bermakna dibandingkan obat A atau
untuk menolak hipotesis nol maka jumlah tanda (-) harus = 1
Dari hasil pengamatan diperoleh 2 orang dengan tanda (-) maka kita tidak dapat meniloak
hipotesis nol yang berarti secara statistic tidak terdapat perbedaan efek kombinasi obat
tersebut atau efek obat A tidak berbeda dengan kombinasi obat A+C pada derajat
kemaknaan 5% ( p >0,05 )
2.4 Uji Sampel Berpasangan
Uji tanda dipakai untuk data yang berpasangan dengan kategori/perlakuan dua (P=2) dan
terbaik

jika

digunakan

pada

data

dengan

skala

pengukuran

nominal

(ada/tidak,

mati/hidup,sakit/sehat dan sebagainya). Bila digunakan dua buah sampel, biasanya penelitian
dilakukan pada dua kelompok penderita yang dianggap sama atau sampel yang berpasangan.
Pada statistika parametric, untuk membandingkan dua proporsi pada sampel yang berpasangan
digunakan Mc.Nemars test. Untuk membandingkan dua proporsi melalui dua sampel yang
berpasangan atau setiap penderita diperlakukan dua kali pada statistika non-parametrik
digunakan sign test.
Contoh
1. Berikut adalah nilai preferensi konsumen terhadap 2 Merk Sabun Mandi. Dengan taraf
nyata 1%, ujilah apakah proporsi preferensi konsumen pada kedua merk bernilai sama?
Tabel 1. Preferensi sabun LUXE Vs GIVE

No. Responden
1.
2.
3.
4.

LUXE

GIVE

Tanda

4
2
3
2

2
3
3
3

13

5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.

3
1
2
3
3
2
4
1
4
3
4

2
2
3
4
2
1
1
1
2
2
3

+
+
+
0
+
+
+

Ket:
Banyak tanda (+) = 8
Banyak tanda () = 5
Banyak tanda (0) = 2
Jika kita asumsikan LUXE lebih disukai dibanding GIVE maka SUKSES dalam sampel
adalah p = proporsi banyak tanda (+) dalam sampel
p=

banyaknya positif 8
= =0,62
n
13

q = 1 p = 1 - 0.62 = 0.38
Karena ingin diuji proporsi yang suka LUXE = GIVE maka p0=q0= 0.50

2. Kita akan mengadakan penelitian untuk membandingkan dua macam obat penghilangkan
nyeri pada dismenero. Untuk itu diambil sampel sebanyak 30 orang.
No Urut
1
2
3
4
5

Obat A
3
4
3
2
4

Obat B
2
2
4
3
3
14

Tanda
+
+
+

6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
Keterangan :
13 tanda ( + )
11 tanda ( )
6 tanda 0
Pada tahap pertama diberi

3
3
4
4
3
2
3
2
4
2
4
3
3
2
1
2
4
3
4
3
2
3
1
3
4

4
1
5
3
3
3
3
3
2
3
5
4
3
2
2
2
3
2
2
3
1
2
2
2
2

_
+
+
0
0
+
0
0
0
+
+
+
0
+
+
+
+

obat A yang lazim digunakan sebagai control, dicatat waktu

hilangnya nyeri, dan sebulan kemudian diberi obat B pada orang yang sama dan dicatat
waktu hilangnya rasa nyeri. Kedua hasil kemudian dibandingkan. Bila obat B lebih cepat
menghilangkan rasa nyeri daripada obat A maka diberi tanda (+) dan bila obat B lebih
lama daripada obat A maka diberi tanda (-) atau bila sama diberi tanda ), hasil ini tidak
dianalisis. Bila efek obat A sama dengan efek obat B maka kita harapkan 50% (+) dan
50% (-).
Bila obat A sama dengan obat B maka kita harapkan 50 % dengan tanda (+) dan 50% (-)
Ho = Efek obat A = Obat B
Ha = Efek obat A # obat B
15

a = 0,05
Tanda yang diperoleh dari hasil pengamatan dengan tanda negative (-) adalah 11. Untuk
menolak hipotesis nol maka tanda ( - ) hasil pengamatan harus dari nila yang terdapat
dalam table 11 uji tanda. Pada contoh di atas, jumlah tanda (-) 11, sedangkan dari tabel
Uji Tanda dengan n=24 diperoleh h = 6. Ini berarti bahwa untuk menolak hipotesis nol
jumlah tanda (-) hasil pengamatan harus lebih kecil daripada nilai yang terdapat dalam
table. Perbedaan tersebut dianggap belum cukup besar untuk menyatakan bahwa kedua
obat tersebut memang berbeda. Oleh karena itu, secara statistic kita tidak dapat menolak
hipotesist nol yang berarti obat B tidak berbeda dengan obat A pada derajat kemaknaan
0,05.

BAB III
PENUTUP
3.1 Kesimpulan
Pada bab III ini akan diberikan kesimpulan mengenai makalah yang sudah ditulis.

16

 Statistik Non-Parametrik merupakan alternatif dari statistik parametrik ketika asumsiasumsi yang mendasari dalam statistik parametrik tidak dapat terpenuhi.
Kelebihan statistika nonparametrik dari parametrik adalah perhitungannya lebih
sederhana, data tidak harus kuantitatif, dan asumsi tidak mengikat.
Kelemahan statistika nonparametrik adalah tidak terlalu efisien karena jumlah contoh
atau sampel lebih besar.
Uji tanda digunakan untuk menguji hipotesis mengenai median populasi. Dalam banyak
kasus prosedur nonparametrik, rataan digantikan oleh median sebagai parameter lokasi
yang relevan untuk diuji.
Uji tanda juga mempunyai asumsi dimana asumsinya adalah distribusinya bersifat
binomial. Binomial artinya mempunyai dua nilai. Nilai ini dilambangkan dengan tanda,
yaitu positif dan negatif. Ini mengapa ia disebut uji tanda. Uji tanda banyak digunakan
karena uji ini paling mudah untuk dilakukan pengujiannya dan tidak memakan waktu
yang lama. Pengerjaan pengujian ini terbilang cukup mudah.
Apabila setiap nilai pengamatan memiliki nilai lebih besar dari nilai rataannya maka
diganti dengan tanda (+). Sedangkan, apabila setiap nilai pengamatan memiliki nilai
kurang dari nilai rataannya maka diganti dengan tanda (-). Dan, apabila nilai
pengamatannya sama dengan nilai rataannya maka nilai pengamatan tersebut harus
dibuang.
3.2 Saran
Kami mengharapkan makalah ini bisa bermanfaat bagi para pembaca. Adapun kritik dan
saran yang membangun kami sangat harapkan dari para pembaca dalam rangka melengkapi
makalah ini. Diucapkan terimakasih.

17

18