STATISTIKA NON PARAMETRIK

TUGAS XXX

Diajukan UntukMemenuhi
Syarat Kelulusan Mata Kuliah Statistik Dasar

Oleh:
A.P
(123.456.002)

N.R
(123.456.003)

E.P
(123.456.004)

PROGRAM STUDI TEKNIK PERMINYAKAN

FAKULTAS TEKNIK DAN DESAIN

INSTITUT TEKNOLOGI DAN SAINS

BANDUNG
2016

DAFTAR ISI

Kata Pengantar
Daftar Isi
BAB I PENDAHULUAN
1.1
1.2
1.3
1.4

Perumusan Masalah
Tujuan Penelitian
Alat yang Digunakan
Sistematika Penulisan

BAB II LANDASAN TEORI

2.1 Data diskrit
2.2 Data Kontinyu
2.3 Distribusi Frekuensi
2.4 Standar Deviasi
2.5 Chi Square Good of Fit Test
2.5.1 Test Satu Sampel Chi square
2.5.2 Test Dua Sampel Chi Square
2.6 Tes Kolmogorov-Smirnov
2.7 Distribusi Poisson
2.8 Uji Kerandoman
2.9 Uji Tanda (Sign Test)
2.10 Poligon Frekuens
BAB III PROSEDUR PERCOBAAN
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
4.1 Pengumpulan Data
4.2 Pengolahan Data
4.2.1 Chi Square
4.2.2 Kolmogorov Smirnov
4.2.3 Uji Random
BAB V PERTANYAAN DAN JAWABAN

5.1 Pertanyaan
5.2 Jawaban
BAB VI KESIMPULAN DAN SARAN
6.1 Kesimpulan
6.2 Saran

BAB I
PENDAHULUAN

1.1

Perumusan Masalah

Dalam tugas kelompok ini, pokok permasalahan yang akan dibahas

adalah

mengenai

uji

suatu

populasi,

apakah

populasi

tersebut

mempunyai kesesuaian untuk berdisrtibusi atau tidak, dimana dalam

pengujian ini digunakan dua test yaitu test Chi-square dan test
Kolmogorov-Smirnov. Suatu populasi yang diamati untuk berdistribusi
tertentu.
Pada tugas kelompok ini pula digunakan pengujian kerandoman untuk
menentukan apakah urutan yang terpilih adalah random atau bukan.
Dan uji tanda yang merupakan uji non parametric yang didasarkan pada
pengklasifikasian data terhadap dua atribut yaitu tanda positif (+) dan
tanda negative (-).
Dalam tugas ini terdapat dua macam data yaitu :

Data diskrit
Data kontinyu
Data diskrit biasanya disajikan dalam bentuk kelompok saja dan tidak
dibuat interval selama data yang didapat nilainya belum besar.
Sedangakan data kontinyu biasanya disajikan dalam bentuk interval
seperti LCL (Batas Kelas Bawah), UCL (Batas kelas Atas) dan LCB (Tepi
Kelas Bawah) UCB (Tepi Kelas Atas) maupun CM (Class Mark).
1.2

Tujuan Penulisan
Membuktikan bentuk distribusi dari hasil observasi dengan
menggunakan test Chi-Square

Smirnov Goodness of Fit Test

Mengerti tentang uji mean non parametrik dengan menggunakan

uji tanda (sign test)

Mengerti tentang uji random.
1.3

of Fit Test dan Kolmogorov

Sistematika Penulisan

BAB I PENDAHULUAN
1.1Perumusan masalah
1.2Tujuan
1.3 Sistematika Penulisan
BAB II LANDASAN TEORI
2.1Data Diskrit
2.2Data Kontinyu
2.3Distribusi Frekuensi

2.4Standar Deviasi
2.5 Chi Square Good of Fit Test
2.5.1 Test Satu Sample Chi Square
2.5.2Test Dua Sample Chi Square
2.6 Test Kolmogorov-Smirnov
2.7 Distribusi Poisson
2.8 Uji Kerandoman
2.9 Uji Tanda (Sign Test)
2.10

Poligon Frekuensi

BAB III PROSEDUR PERHITUNGAN

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
4.1Pengumpulan Data
4.2Pengolahan Data
4.2.1 Chi Square
4.2.2 Kolmogorov Smirnov
4.2.3 Uji Random
BAB V TUGAS
BAB IV KESIMPULAN DAN SARAN
Lampiran Daftar Pustaka

BAB II
LANDASAN TEORI
2.1 Data Diskrit
Data diskrit merupakan data yang satuannya selalu bulat dalam bilangan asli, tidak
berbentuk pecahan. Data diskrit adalah data yang diperoleh dari hasil menghitung
atau membilang (bukan mengukur). Data diskrit juga sering disebut data nominal.
Data nominal biasanya diperoleh dari penelitian yang besifat eksploratif dan survei.
Selain itu, data nominal juga bersifat tidak memperhatikan urutan. Contohnya
adalah 2 buah dadu yang dilemparkan dan 27 propinsi di Indonesia.
2.2 Data Kontinyu
Data kontinyu adalah data yang nilainya ada pada suatu interval tertentu atau
berada pada nilai yang satu ke nilai yang lainnya. Data kontinyu merupakan data
yang diperoleh dari hasil mengukur. Misalkan berat badan seseorang 55,5 kg, serta
contoh lain luas lingkaran 50,8 cm. Data kontinyu disajikan dalam bentuk interval
dengan menentukan LCL, UCL, LCB, UCB, dan CM.
Dalam data kontinyu grafik yang digunakan adalah model histogram dan polygon
frekuensi. Digunakannya grafik polygon frekuensi sebab dalam data kontinyu tidak
didapat blank.
2.3 Distribusi Frekuensi
Distribusi frekuensi adalah pengelompokan data ke dalam beberapa kelas dan
kemudian dihitung banyaknya pengamatan yang masuk ke dalam tiap kelas.
Distribusi frekuensi disebut juga tabel frekuensi, terdiri atas data diskrit dan data
kontinyu.

Langkah-langkah distribusi frekuensi:

a. Mengurutkan data dari yang terkecil hingga yang terbesar
b. Menentukan jumlah kelas. Caranya dapat diperoleh dengan rumus Sturges:
k = 1 + 3,3 log n
Dimana: k = jumlah kelas

n = jumlah data
c. Menentukan interval kelas atau rentang data (R) dengan rumus:
R = data tertinggi data terendah
d. Membagi rentang data dengan banyaknya kelas untuk menduga lebar interval
(C)
dengan rumus: C = R / k
e. Menentukan batas kelas dan tepi kelas.
LCL dan UCL adalah nilai batas kelas dalam suatu distibusi yang digunakan
sebagai patokan dalam memasukkan data hasil penelitian agar menempati kelas
sesuai.LCB dan UCB adalah nilai yang menunjukkan batas teoritis nilai khayal
yang tidak akan dicapai oleh data. Penentuan nilai ini biasanya merupaka skala
terkecil dari batas kelas. Rumus :
LCB = LCL skala terkecil
UCB = UCL + skala terkecil
f. Menentukan titik tengah kelas / CM (Class Mark) dari jumlah kedua batas diatas
kemudian

dibagi.

CM =

LCLUCL
2

h. Menentukan frekuensi masing-masing kelas.

i. Menjumlahkan kolom frekuensi dan periksa apakah hasilnya sama dengan
banyaknya total pengamatan (n).
2.4 Standar Deviasi
Standar deviasi atau yang lebih dikenal dengan simpangan baku adalah akar
kuadarat dari varian ( nilai rata-rata nilai). Bilangan tersebut dipergunakan untuk
mengetahui nilai ekstrim suatu data. Penggunaan standar deviasi biasa digunakan
bersama nilai rata-rata. Rumus standar deviasi:

S=

S=

( xix ) 2 fi
n1

untuk n < 30

( xix ) 2 fi
n

untuk n > 30

Rumus tersebut digunakan untuk data yang dikelompokkan. Untuk data yang tidak
dikelompokkan, tidak dikalikan dengan frekuensinya.

2.5 Chi Square Good of Fit Test

Sebuah metode statistika nonparametric yang paling terkenal dan banyak
digunakan ialah uji Chi kuadrat. Uji ini tidak dibatasi oleh asumsi-asumsi ketat
tentang jenis populasi maupun parameter populasi, yang dibutuhkan hanya derajat
bebas.
2.5.1 Test Satu Sample Chi Square
Uji Chi kuadrat menggunakan teknik goodness of fit, yaitu dapat digunakan untuk
menguji apakah terdapat perbedaan yang nyata antara banyak yang diamati
(observed) yang masuk dalam masing-masing kategori dengan banyak yang
diharapkan (expected) berdasarkan hipotesis-nol. Metode Chi kuadrat menguji
apakah frekuensi yang diamati cukup mendekati frekuensi yang diharapkan
sehingga mempunyai kemungkinan besar untuk terjadi di bawah hipotesis-nol.

Nilai dihitung dengan rumus :

Dimana:
oi = frekuensi data yang diamati (frekuensi observasi) untuk kategori ke-i
ei = frekuensi data yang diharapkan (frekuensi ekspektasi) untuk kategori ke-i
Derajat bebas (db) = (k-1)

Dalam melakukan uji Chi kuadrat, ada syarat-syarat yang perlu dipenuhi:
a. Sampel dipilih secara acak
b. Semua pengamatan dilakukan bebas
c. Setiap sel paling sedikit berisi frekuensi harapan sebesar 1. Sel-sel dengan
frekuensi harapan kurang dari 5 tidak boleh melebihi 20% dari total sel.
d. Meskipun dapat diterapkan pada sampel berukuran kecil, ukuran sampel
sebaiknya > 40.
Langkah-langkah penggunaan Uji Satu Sampel Chi Kuadrat:
a. Letakkan frekuensi-frekuensi pengamatan dalam k kategori.
b. Dari Ho tentukan frekuensi yang diharapkan (ei) untuk tiap-tiap sel. Jika k =
2, maka frekuensi setiap kategori yang diharapkan sekurang-kurangnya = 5.
Jika k > 2, dan lebih dari 20% dari ei < 5, gabungkan kategori-kategori yang
berdekatan.
c. Hitung nilai dengan derajat bebas = k 1
d. Tentukan daerah penolakan, Ho ditolak jika nilai sedemikian rupa
sehingga peluang meurut kejadian Ho dengan derajat bebas = k 1 sama
atau lebih kecil . Ho dapat juga ditolak, jika untuk yang telah ditetapkan
nilai hitung lebih besar dari tabel.
2.5.2 Test Dua Sample Chi Square
Uji ini digunakan untuk menguji hipotesis komparatif dua sampel bila datanya
berbentuk nominal dan ukuran sampelnya besar.
Hipotesis nol dapat diuji dengan:

Dimana:
r = banyak baris
k = banyak kolom
oij = frekuensi observasi baris ke-i, kolom ke-j
eij = frekuensi ekspektasi baris ke-i, kolom ke-j
derajat bebas = (r-1) (k-1)

Langkah-langkah penggunaan uji Chi kuadrat untuk dua sampel:

a. Masukkan

frekuensi-frekuensi

pengamatan

dalam

suatu

tabel

kontingensi kx r.
b. Tentukan nilai frekuensi harapan tiap sel, yaitu:
eij = (oi.) (o.j) / n
Untuk tabel kontingensi 2 x 2 nilai frekuensi harapan tidak perlu dicari.
c. Hitung nilai .
d. Untuk menentukan daerak penolakan gunakan tabel. Untuk uji satu sisi
bandingkan dengan taraf nyatanya. Jika peluang yang ditunjukkan
tabel maka tolak Ho.

2.6 Tes kolomogorov - Smirnov

Uji Kolmogorov-Smirnov (Chakravart, Laha, dan Roy, 1967) biasa digunakan
untuk memutuskan jika sampel berasal dari populasi dengan distribusi
spesifik/tertentu.
Uji Kolmogorov-Smirnov digunakan untuk menguji goodness of fit antar
distribusi sampel dan distribusi lainnya, Uji ini membandingkan serangkaian data
pada sampel terhadap distribusi normal serangkaian nilai dengan mean dan standar
deviasi yang sama. Singkatnya uji ini dilakukan untuk mengetahui kenormalan
distribusi beberapa data. Uji Kolmogorov-Smirnov merupakan uji yang lebih kuat
daripada uji chi-square ketika asumsi-asumsinya terpenuhi. Uji KolmogorovSmirnov juga tidak memerlukan asumsi bahwa populasi terdistribusi secara
normal.

Langkah Pengerjaan Tes Kolmogorov-Smirnov :

a. Urutkan data sampel dari kecil ke besar dan tentukan frekuensi tiap-tiap data (X)

b. Hitung frekuensi absolut (f)

c. Hitung f kumulatif (f kum)
d. Hitung probabilitas frekuensi (P) dengan membagi frekuensi dengan banyak
dengan
rumus:(

f
n )

e. Hitung probabilitas frekuensi kumulatif (KP) dengan membagi frekuensi

kumulatif dengan banyak data dengan rumus:

fk
)
n

f. Tentukan nilai z dari tiap-tiap data tersebut dengan rumus :

g. Tentukan besar peluang untuk masing-masing nilai z berdasarkan tabel z
dandiberi nama F(z) lihat tabel z. jika nilai z minus, maka 0,5 dikurangi (-)
luaswilayah pada tabel z. Sebaliknya, jika nilai z posiif, maka 0,5 ditambah (+) luas
nilai z pada tabel, sehingga diperoleh nilai-nilai F(z)
h. Hitung selisih antara kumulatif proporsi (KP) dengan nilai z pada batas bawah
(lihat nilai F(z) dibawahnya)
i. Selanjutnya, nilai Dn maksimum dibandingkan dengan harga pada table D, yang
diperoleh dari harga kritik Kolmogorov-Smirnov satu sampel.
j. Jika Dn maksimum harga tabel D (lihat tabel D), maka Ho diterima,
sehinggadapat disimpulkan bahwa sampel berasal dari populasi yang berdistribui
normal.
2.7 Distribusi Poisson
Distribusi poisson disebut juga distribusi peristiwa yang jarang terjadi, ditemukan
oleh S.D. Poisson (17811841), seorang ahli matematika berkebangsaan Perancis.
Distribusi Poisson termasuk distribusi teoritis yang memakai variabel random
diskrit. Distribusi poisson adalah distribusi nilai-nilai bagi suatu variabel random X
(X diskret), yaitu banyaknya hasil percobaan yang terjadi dalam suatu interval
waktu tertentu atau di suatu daerah tertentu.
2.8 Uji Kerandoman

Jika kita membicarakan sampel random, kita mendapatkan metoda metoda yang
diantaranya adalah sampel random. Yang dibutuhkan adalah suatu data hasil
seleksi, itu digunakan untuk mengetes sampel yang dapat diperoleh dan manapun
secara nyata. Caranya, harga sampel yang lainnya telah terdapat, dapat juga
didasarkan pada pengurutan di dalam hasil sampel.
Langkah pengerjaan Uji Kerandoman:
a. Membuat hipotesis dalam uraian berikut:
Ho: Proses pengambilan data merupakan proses random (acak)
Ha: Proses pengambilan data merupakan bukan proses random (acak)
b. Menentukan resiko kesalahan atau taraf signifikan
c. Menentukan nilai rhitung dengan menentukan nilai median Me = (1+n), lalu
membuat tanda (+) untuk setiap data yang > Me, dan tanda (-) untuk setiap data
yang < Me.
Didapatlah nilai rhitung yang diperoleh berdasarkan run (jumlah perpindahan dari
setiap tanda).
d. Menentukan nilai rtabel.
Nilai rtabel terdiri dari n1 untuk tanda (+) dan n2 untuk tanda (-), menjadi rtabel(,n1,n2).
Apabila nilai n1 atau n2 lebih besar dari 20, tentukan nilai Z dengan rumus:
1
u+ )E (u)
(
2
Z=

Var ( u )

Dimana:

E ( u )=

2 n1 n2
+1
n1 +n2

Var ( u )=

2 n1 n 2 (2 n1 n2n 1n2 )
2
( n 1+ n2 ) (n1 +n21)

e. Kaidah pengujian.
Jika Z/2<Zhit<Z/2, maka Ho diterima

2.9 Uji Tanda (Sign Test)

Uji tanda adalah uji yang dilakukan dengan memberi tanda pada perbedaan antara
pasangan nilai nilai pengamatan dari satu atau dua sampel yang berhubungan
atau sebelum dan sesudah suatu perlakuan. Uji tanda berisi informasi tentang
apakah satu pengamatan lebih besar (positif) atau lebih kecil (negatif) dari
pengamatan lainnya, tanpa mengetahui seberapa besar perbedaan tersebut.

2.10 Poligon Frekuensi

Cara lain untuk menyajikan data dari table frekuensi dalam bentuk grafik dengan
menggunakan poligon frekuensi. Untuk membuat sebuah polygon frekuensi kita
tuliskan dahulu frekuensi tersebut pada garis vertiksl dan nilai variable dari hasil
pengukuran pada garis horizontal kemudian dibuat histogram dengan mengambil
lebar kelas yang sama. Di atas tiap titik tengah kelas dicantumkan satu titik dalam
ketinggian yang sesuai dengan frekuensi kelas. Kemudian titik-titik tersebut
dihubungkan dengan garis lurus yang membentuk polygon.
Perlu diketahui bahwa poligon frekuensi harus tertutup. Jadi tengah tengah sisi
pendek empat pesergi panjang terkiri harus disambungkan dengan tengah-tengah

skala yang sama besar yang ada pada sumbu data. Demikian juga untuk yang
terkanan harus dihubungkan dengan tengah-tengah skala yang sama besar yang ada
pada sumbu data yang berdekatan dengan empat persegi panjang.
Hubungan antara histogram dan polygon frekuensi adalah bahwa jumlah luas
persegi panjang sama dengan luas di atas sumbur datar itu.

BAB III
PROSEDUR PERHITUNGAN

Pada

penelitian

ini,

kami

dalam

mengerjakan

dibantu

dengan

perangkat komputer dalam pengolahan data. Setiap observasi dilakukan

untuk mendapatkan data baik itu data diskrit maupun data kontinyu
yang kemudian akan diolah.Pengolahan data yang dilakukan pada
penelitian ini ialah dengan test Chi Square, test Kolmogorov Smirnov,
serta pengujian data Random. Langkah-langkah dalam pengerjaan ini
adalah:
1. Kumpulkan data dari observasi kemudian dicatat.
2. Ambil data dari lapangan lain.
3. Olah data tersebut baik data diskrit maupun data kontinyu dengan
cara :

Uji Chi Square

Uji Kolmogorov Smirnov
Uji Random

Dimana langkah-langkah pengerjaannya adalah :

a. Uji hipotesa
b. pendataan
c. Test Statistik
d. Kriteria penerimaan

e. Perbandingan perhitungan dengan tabelf. Kesimpulan

BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Pengumpulan Data

4.1.1. Data Diskrit
1. Untuk n = 20
9

12

10

14

15

10

15

15

13

11

15

14

10

15

12

14

2. Untuk n = 30
12 15

15

14

11

11

14

10

14

15 12

12

14

12

14

10

14

14

15

14

10

15

14

12

10

14

3. Untuk n = 40
11 14

11

15

15

12

12

10

14

14 8

10

15

11

11

11

10

15 14

12

12

14

14

12

14

14

10

14

14

14

11

10

4 9

4.1.2 Data Kontinyu

1. Untuk n = 20
18.8

18.8 18.8

18.4

18.4

21.0

19.1

18.6

18.5 18.1

18.1

18.2 18.2

18.5

18.2

18.7

18.4

19.0

18.3 18.8

2. Untuk n = 30
19.1

18.7 18.9

20.1

18.9

18.8

18.6

18.7

18.1 18.6

21.2

19.0 18.4

19.8

18.1

18.1

20.8

21.2

18.7 18.0

18.1

21.5 18.7

18.9

20.6

18.9

18.8

18.5

18.2 18.1

3. Untuk n = 40

18.4

18.5 18.4

18.7

18.7

18.3

18.0

18.6

18.0 18.4

18.3

18.1 18.8

18.7

18.5

18.9

19.0

18.1

18.6 18.4

19.2

19.8 18.0

18.3

18.6

18.0

21.9

18.5

18.7 18.9

18.4

18.4

18.7

18.6

18.7

18.8 18.9

18.5

18.8

18.4

4.2 Pengolahan Data

4.2.1. Chi Square Satu Sample Diskrit
n = 20
1. Ho = sample mengikuti distribusi Poisson
H1 = sample tidak mengikuti distribusi Poisson
2. n = 20
3. Test Statistik
...

x = 11,95

S = 2,67

= 1% dan 5%

n = 30
1. Ho = sample mengikuti distribusi Poisson
H1 = sample tidak mengikuti distribusi Poisson
2.
3.
4.
5.

n = 30
x = 12,27
S = 2,67
= 1% dan 5%
Test Statistik
Kriteria : Ho diterima jika X2 hitung < X2 ;v
X2 hitung = ...19,8000 dengan derajat V = k-1-p = 2
X2 tabel = X2 ;v dimana = 1%; X2 tabel = 9,210
= 1%; X2 tabel = 5,991
6. Kesimpulan
Pada tingkat signifikansi = 1% dan 5% Ho tidak dapat diuji,
derajat kebebasan yang didapat = 0

BAB V
PERTANYAAN DAN JAWABAN
5.1 Pertanyaan
1. Bagaimana pengaruh n terhadap ketepatan pengujian ?
2. Bagaimana pengaruh terhadap ketepatan pengujian ?
3. Bandingkan hasil pengujian antara metode Chi-Square dengan
Kolmogorov-Smirnov dan

buatlah resumenya !

4. Bagaimana hasil mean yang anda dapatkan, bandingkan dengan

parameter populasi?

5. Apa hasil yang anda dapatkan dari uji kerandoman ? Apa arti dari
kesimpulan
anda?

BAB IV
KESIMPULAN DAN SARAN