STATISTIKA NON PARAMETRIK UNTUK UJI TANDA PENELITIAN

A. Pengertian Statistik Nonparametrik

Istilah nonparametrik pertama kali digunakan oleh Walfowitz, pada tahun 1942.
Metode statistik nonparametrik merupakan metode statistik yang dapat digunakan dengan
mengabaikan asumsi-asumsi yang melandasi penggunaan metode statistik parametrik,
terutama yang berkaitan dengan distribusi normal. Istilah lain yang sering digunakan
untuk statistik nonparametrik adalah statistik bebas distribusi (distribution free statistics)
dan uji bebas asumsi (assumption-free test). Statistik nonparametrik banyak digunakan
pada penelitian-penelitian sosial. Data yang diperoleh dalam penelitian sosial pada
umumnya berbentuk kategori atau berbentuk rangking.
Uji statistik nonparametrik ialah suatu uji statistik yang tidak memerlukan adanya
asumsi-asumsi mengenai sebarab data populasi. Uji statistik ini disebut juga sebagai
statistik bebas sebaran (distribution free). Statistik nonparametrik tidak mensyaratkan
bentuk sebaran parameter populasi berdistribusi normal. Statistik nonparametrik dapat
digunakan untuk menganalisis data yang berskala nominal dan ordinal karena pada
umumnya data berjenis nominal dan ordinal tidak menyebar normal. Dari segi jumlah
data, pada umumnya statistik nonparametrik digunakan untuk data berjumlah kecil
(n<30).

Keunggulan Statistik Nonparametrik

a. Asumsi dalam uji-uji statistik nonparametrik relatif lebih longgar. Jika pengujian
data menunjukkan bahwa salah satu atau beberapa asumsi yang mendasari uji
statistik parametrik. (misalnya mengenai sifat distribusi data) tidak terpenuhi, maka
statistik nonparametrik lebih sesuai diterapkan dibandingkan statistik parametrik.
b. Perhitungan-perhitungan dapat dilaksanakan dengan cepat dan mudah, sehingga
hasil penelitian segera dapat disampaikan.
c. Untuk memahami konsep-konsep dan metode-metodenya tidak memerlukan dasar
matematika serta statistik yang mendalam.
d. Uji-uji pada statisti nonparametrik dapat diterapkan jika kita menghadapi
keterbatasan data yang tersedia, misalnya jia data telah diukur menggunakan skala
pengukuran yang lemah (nominal atau ordinal).
e. Efisiensi statistik nonparametrik lebih tinggi dibandingkan dengan metode
parametrik untuk jumlah sampel yang sedikit.
Keterbatasan Statistik Nonparametrik
Disamping keunggulan, statistik nonparametrik juga memiliki keterbatasan.
Beberapa keterbatasan statistik nonparametrik antara lain:
a. Jika asumsi uji statistik parametrik terpenuhi, penggunaan uji nonparametrik
meskipun lebih cepat dan sederhana, akan menyebabkan pemborosan informasi.
b. Jika jumlah sampel besar, tingkat efisiensi nonparametrik relatif lebih rendah
dibandingkan dengan metode parametrik.
1. UJI TANDA (SIGN TEST)
Uji tanda ( sign-test ) merupakan uji statistika non parametrik yang sederhana
dan merupakan uji non-parametrik paling awal digunakan. Dinamakan “uji tanda”
karena hasil pengamatan didasarkan atas tanda (positif atau negatif) dan bukan pada
besarnya nilai numerik. Uji tanda dapat dilakukan pada satu sampel dan sampel
berpasangan (paired sample). (Eko Budiarto, 2001 : 252)

Fungsi:
Digunakan pada penelitian dimana :
1. Pengukuran kuantitatif tdk mungkin atau tdk dapat dilakukan.
2. Unit observasi adalah data pasangan yg masih mungkin ditentukan tingkatannya
berdasarkan hubungan antara kedua pasangan.
3. Dapat diterapkan pada kasus dua sampel berhubungan dgn asumsi bahwa
terjadinya perbedaan karena adanya dua kondisi yg berbeda.

Prinsip
1. Variabel yg diamati memiliki selisih distribusi observasi.
2. Unit observasi tdk selalu ditarik dari satu populasi yg sama , tetapi (pasangan
observasi bisa berasal dari populasi yg berbeda).
3. Tiap subyek dipasangkan sedemikian rupa sehingga memberi kesamaan (ciri
tertentu sma) dan berlaku sebagai pengontrol terhadap dirinya sendiri.
Syarat Penggunaan
1. Pasangan hasil pengamatan yg sedang dibandingkan bersifat independen.
2. Masing-masing pengamatan dalam tiap pasang terjadi karena pengaruh kondisi yg
serupa.
3. Pasangan yg berlainan terjadi karena kondisi yg berbeda.
Prinsip Penyelesaian
Apabila hasil dari suatu pengamatan X dan Y terjadi karena perlakuan A dan
B, dengan sampel yg berukuran N, maka dapat ditulis (X1, Y1), (X2, Y2)…….(Xn, Yn)
Hasil perlakuan A dan B menghasilkan selisih dalam bentuk :
(X1 - Y1), (X2 - Y2)…….(Xn - Yn)
Apabila X1 > Y1 diberi tanda “ + “ (positif)
Apabila X1< Y1 diberi tanda “ - “ (negatif)
Apabila X1 = Y1 pasangan ini diabaikan
N = menyatakan banyaknya pasangan sampel, setelah dihilangkan pasangan X1 = Y1
H = menyatakan banyaknya tanda negatif atau positif yg paling sedikit
D = Ho ditolak atau diterima pada nilai  , berdasarkan daftar nilai kritis untuk uji
tanda (tabel D).
Pernyataan hipotesis
Ho : tidak ada perbedaan pengaruh pada kedua perlakuan
Ha : terdapat perbedaan pengaruh pada kedua perlakuan
Penolakan hipotesis
Ho ditolak atau diterima pada nilai  = 0,01 atau 0,05, berdasarkan daftar nilai
kritis untuk uji tanda (tabel D).

LANGKAH-LANGKAH YANG DIPERLUKAN DALAM

MELAKUKAN UJI TANDA:
1. Menentukan hipotesis
Hipotesis merupakan langkah pertama yang harus ditentukan. Hipotesis dapat
ditentukan satu arah atau dua arah, apabila Hmengandung tanda sama dengan (=
), berarti uji satu arah, sedang hipotesis yang mengandung tanda ketidaksamaan (≤,
≥) berarti uji dua arah. Hipotesis nol untuk uji tanda biasanyamenyatakan bahwa ti
dak ada perbedaan, sedang hipotesis alternatif menyatakan adanya perbedaan.
2. Memilih taraf nyata
Taraf nyata ini merupakan tingkat toleransi terhadap kesalahan kita terha
dap sampai. Pada umumnya dapat digunakan taraf nyata 1%, 5% atau 10% terg
antung pada kepentingan dan bidang ilmu.
3.Menghitung frekuensi tanda
Pada langkah ini dilakukan perhitungan untuk jumlah observasi yang rel
evan (n) yaitu observasi yang mempunyai tanda + dan , sedang tanda 0 tidak d
ipergunakan. Setelahmenentukan nilai observasi, maka perlu mengetahui nilai r yaitu
jumlah obyek untuk saat yang bersamaan, dimana jumlah r bisa sama dengan n atau le
bih kecil dari n.
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 biasany
a dipilih berdasarkan tanda + atau yang paling kecil dari n observasi yang releva
n. Untuk keperluan ini kita dapat menentukan tabel probabilitas binomial atau men
ghitung manual dengan rumus : P (r) = (nCr)prq n-r.
5. Manarik kesimpulan
Aturan umum dalam menentukan menerima atau menolak H0,adalah : meneri
ma H0 apabila α≤probabilitas hasil sampel, dan menolak H0 apabila α≥
probabilitas hasil sampel.

HIPOTESISNYA
Ho : p1 = p2 lawan H1 : p1≠p2
Disini p1 adalah jumlah pasangan positip dan p2 adalah jumlah pasangan
negative. Dalam hal ini pi diperoleh jika Xi1>Xi2 dan p2 diperoleh jika Xi1<Xi2 jika
Xi1 =Xi2 maka pasangan data tersebut tidak dipakai sehingga n= p1+p2
Jika p1=p2 maka p1/n=p2/n-0,5 jadi jika p1/n=p2/n=0,5 maka Ho diterima dan
jika p1/n atau p2 dekat dengan 0,5 maka Ho mungkin diterima, sedangkan jika p1/n
atau p2/n jauh lebih besar atau lebih kecil dari dari 0,5 maka Ho kemungkinan ditolak
untuk membuat kriteria penerimaan Ho(diterimaatau ditolak) maka telah dibuat tabel
(tabel uji tanda) sehingga :
Jika p1 atau p2 berada di dalam daerah peneriman Ho pada tingkat kepercayaan
95% (α=0,05) maka Ho diterima (P>0,05) sedangkan jika berada di luar daerah
penerimaan α=0,05 maka Ho ditolak (p<0,05) dan jika berada di luar daerah
penerimaan untuk α=0,01 maka Ho ditolak (P<0,01)
 a. Uji tanda (sign test) satu sampel
Uji tanda satu sampel digunakan bila kita ingin mengetahui apakah sampel
yang kita peroleh berasal dari populasi dengan median tertentu.
Untuk menguji hipotesis, data sampel disusun sedemiian rupa sehingga untuk nilai
yang lebih besar dari nilai median populasi kita beri tanda positif ( + ), untuk nilai
lebih kecil dari median populasi diberi tanda negatif ( - ), dan bila nilai sampel
sama dengan median populasi maka diberi tanda 0, nilai ini tidak digunakan
dalam analisis.
Pada hipotesis nol kita harapkan tanda (+) sama dengan tanda (-) atau 50%
dengan tanda positif dan 50% dengan tanda negatif. Bila hasil pengamatan
menunjukkan adanya perbedaan tanda dengan yang kita harapkan maka kita ingin
mengetahui apakah perbed aan tersebut disebabkan karena memang berbeda atau
hanya karena faktor kebetulan.
Contoh :
1. Misalkan, diketahui bahwa obat A untuk menghilangkan rasa nyeri
mempunyai median (Me) waktu penyembuhan 8 jam. Bila obat A
dikombinasikan dengan obat C apakah dapat mempercepat waktu
kesembuhan? Untuk mengetahui hal ini maka kombinasi obat A dan C
diberikan pada 11 orang. Pengujian hipotesis dilakukan pada derajat
kepercayaan 95%.
H0 : Me populasi = Me sampel (median waktu penyembuhan kombinasi obat
A dan C = 8 jam)
Ha : Me populasi ≠ Me sampel
Α = 0,05
Hasil pengamatan terhadap 11 orang tersebut adalah sebagai berikut.

Waktu Penyembuhan Median Tanda

6 8 -
7 8 -
8 8 0
9 8 +
10 8 +
10 8 +
10 8 +
11 8 +
11 8 +
12 8 +
12 8 +

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

2. 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 dilakukan 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
 α = 0,05

Hasil pengamatan terhadap 11 orang tersebut sebagai berikut.

Waktu pemutihan Median Tanda

5 7 -

6 7 -

7 7 0

8 7 +

8 7 +

8 7 +

8 7 +

9 7 +

9 7 +

9 7 +

10 7 +

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 )

b. Uji sampel berpasangan

Di bidang kedokteran, kita sering mengadakan penelitian untuk mengetahui
efisiensi dua macam obat atau untuk mengetahui keefektifan satu obat
dibandingkan dengan plasebo. Cara ini dapat dilakukan dengan dua sampel
berpasangan atau sampel diperlakukan dua kali.
Bila digunakan dua buah sampel, biasanya penelitian dilakukan pada dua
kelompok penderita yang dianggap sama atau sampel yang berpasangan. Pada
statistika parametrik, untuk membandingkan dua proporsi pada sampel yang
berpasangan digunakan McNemar’s test.
Untuk membandingkan dua proporsi melalui dua sampel yang berpasangan
atau setiap penderita diperlakukan dua kali pada statistika nonparametrik
digunakan sign test.
Contoh :
1. Kita akan mengadakan penelitian untuk membandingkan dua macam obat
penghilang nyeri pada disminorea. Untuk itu diambil sampel sebanyak 15
orang.

No Urut Obat A Obat B Tanda

1 3 2 +
2 4 2 +
3 3 4 -
4 2 3 -
5 4 3 +
6 3 4 _
7 3 1 +
8 4 5 -
9 4 3 +
10 3 3 0
11 2 3 -
12 3 3 0
13 2 3 -
14 4 2 +
15 2 3 -
16 4 5 -
17 3 4 -
18 3 3 0
19 2 2 0
20 1 2 -
21 2 2 0
22 4 3 +
23 3 2 +
24 4 2 +
25 3 3 0
26 2 1 +
27 3 2 +
28 1 2 -
29 3 2 +
30 4 2 +

Keterangan :
13 tanda ( + )
11 tanda ( – )
6 tanda 0
Pada tahap pertama diberi 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
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.

2. 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 LUXE GIVE Tanda

1. 4 2 +
2. 2 3 –
3. 3 3 0
4. 2 3 –
5. 3 2 +
6. 1 2 –
7. 2 3 –
8. 3 4 –
9. 3 2 +
10. 2 1 +
11. 4 1 +
12. 1 1 0
 13. 4 2 +
14. 3 2 +
15. 4 3 +
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
Dalam inferensia statistika, dikenal dengan dua metode yaitu metode
parametrik dan metode nonparametrik. Perbedaan mendasar antara keduanya terletak
pada penggunaan asumsi mengenai populasi. Dalam melakukan pendugaan
parameter, inferensia atau penarikan kesimpulan mengenai populasi, metode
parametrik memberikan asumsi bahwa populasi menyebar menurut sebaran tertentu.
Sebagai contoh, analisis ragam (ANOVA) memberikan asumsi bahwa contoh
berasal dari populasi yang menyebar normal dengan ragam yang homogen. Jika
asumsi ini tidak terpenuhi, kesimpulan yang diperoleh menjadi tidak valid. Jika
asumsi yang mendasari metode parametrik tidak terpenuhi, kita dapat menggunakan
metode inferensia lain yang tidak terlalu bergantung pada asumsi baku.
Metode nonparametrik pada banyak kasus dapat digunakan untuk keperluan
ini. Metode nonparametrik tidak membutuhkan asumsi mengenai sebaran data
populasi. Karena itu, metode ini sering disebut distribution-free method. Statistika
nonparametrik mencakup pemodelan statistika, pengujian hipotesis dan inferensia
atau penarikan kesimpulan tentang populasi.
Meskipun demikian, jika asumsi yang mendasari metode statistika parametrik
dapat dipenuhi, penggunaan statistika nonparametrik tidak begitu disarankan.
Kelebihan metode nonparametrik antara lain :
(1) asumsi yang diperlukan sangat minimum
 (2) pada beberapa prosedur, perhitungan dapat dilakukan dengan mudah dan
cepat,
(3) konsep dan metode lebih mudah dipahami dan
(4) dapat diterapkan pada data dengan skala yang lebih rendah.

Sedangkan kekurangan dari metode nonparametrik antara lain :

(1) karena sangat sederhana dan cepat, perhitungan dalam prosedur
nonparametrik terkadang dapat ‘membuang’ informasi dari data,
(2) meskipun perhitungan sangat sederhana, prosedur nonparametrik akan
sangat membosankan terutama ketika data yangdigunakan berukuran besar.

CONTOH SOAL
1. Seorang peneliti ingin mengetahui perbedaan kelainan ginjalkanan dan kiri pada
ternak kelinci akibat pemberian insektisida pada pakannya. Dari 10 ekor kelinci yang
diperiksa diperoleh data sebagai berikut :

Kelinci 1 2 3 4 5 6 7 8 9 10
Ginjal kanan 1 1 1 0 1 0 0 1 1 1
Ginjalkiri 0 0 1 1 0 1 1 1 0 1
Xi1 –Xi2 1 1 0 -1 1 -1 -1 -1 1 -1

Hipotesisnya:
Ho : p1 = p2 lawan H1 : p1≠p2
Dari tabel diatas dapat ditentukan p1= 4 dan p2 =5 sehingga n = 4 +5=9.
Untuk n =9 pada α=0,05 daerah penerimaa Ho adalahantara 1-8 dan pada α=0,01
antara 0-9.
Oleh karena p1 dan p2 berada di dalam daerah penerimaan Ho maka Ho diterima
(P>0,05) sehingga dapat disimpulkan bahwa kelainan ginjal kelinci tidak terdapat
perbedaan yang nyata (P>0,05) antara yang kanan dengan yang kiri.

2. Dua buah kelompok mahasiswa diukur tingkat pengetahuannya tentang

HIV/AIDS. Kelompok A adalah Mahasiswa yang tidak diberi penyuluhan kesehatan
tentang HIV/AID, sedangkan Kelompok B adalah Mahasiswa yang diberi penyuluhan
 kesehatan tentang HIV/AIDS. Banyaknya pasangan mahasiswa tersebut adalah 21
orang. Hasilnya disusun dalam tabel berikut :
Tabel. Hasil Pengukuran Tingkat Pengetahuan tentang HIV/AIDS Pasangan
Mahasiswa
Pasangan
Kelompok A Kelompok B Arah Perbedaan Tanda
Observasi
1 42 35 A>B +
2 37 40 A<B -
3 38 39 A<B -
4 34 33 A<B +
5 36 41 A>B -
6 32 40 A<B -
7 45 43 A>B +
8 42 50 A<B -
9 42 43 A<B -
10 41 49 A<B -
11 39 39 A=B 0
12 39 47 A<B -
13 43 34 A>B +
14 41 50 A<B -
15 40 49 A<B -
16 37 31 A>B +
17 34 39 A<B -
18 45 47 A<B -
19 43 51 A<B -
20 41 40 A>B +
21 34 39 A<B -
22 45 47 A<B -
23 43 51 A<B -
24 41 40 A>B +
25 40 38 A>B +
26 40 38 A>B +
Penyelesaian:
1) H0 = Tidak ada Perbedaan Pengaruh Penyuluhan antara Mahasiswa Kelompok A
dengan Kelompok B.
Ha = Ada Perbedaan Pengaruh Penyuluhan antara Mahasiswa Kelompok A
dengan Kelompok B.
2) Titik Kritis pada α = 0,05
3) Daerah Penolakan:
H0 ditolak bila ptabel<α = 0,05
H0 diterima bila ptabel>α = 0,05
4) Perhitungan Uji Tanda (Sign Test) :
X = (Banyaknya tanda dengan jumlah lebih sedikit) = 10
N = (Banyaknya pasangan yg menunjukkan perbedaan) = 25
D = (Tabel D yg menunjukkan nilai penolakan atau penerimaan Ho)
Interpretasi: Menurut tabel D, untuk X = 7 dengan N = 20 maka nilai “ p ” (p tabel)
= 0,132 > dari nilai “  ” = 0,05. Dengan demikian Ho diterima dan Ha ditolak.
Sampel > 25, maka dilakukan pendekatan Uji Chi-Square:
Misalkan dari contoh soal di atas, diketahui:
n1 = banyaknya data positif = 10
n2 = banyaknya data negatif = 15
Interpretasi: Untuk X² dengan  = 0,05, DF = K-1 nilai X²tabel = 3,841. Dari
hasil perhitungan X² = 1,44. Artinya, X² hitung < X² tabel, dengan demikian Ho
diterima dan Ha ditolak.
5) Kesimpulan: Tidak ada Perbedaan Pengaruh Penyuluhan antara Mahasiswa
Kelompok A dengan Kelompok B.

c. Prosedur Uji Tanda dengan Sampel Kecil

Contoh :
Texas Fried Chicken telah mengembangkan sebuah resep baru untuk adonan
tepung ayamnya dan dapartemen pemasaran hanya ingin melihat apakah resep
baru tersebut lebih enak daripada resep sebelumnya. Pada tahap pengembangan
produk baru ini, dapartemen tersebut tidak tertarik pada tingkat rasa atau
kenikmatan.
 Sepuluh orang konsumen dipilih secara acak diminta untuk menguji rasa.
Setiap konsumen mencicipi dulu sepotong daging ayamyang disajikan dengan
resep lama dan memberian nilai rasa mulai dari 1 sampai 10, dimana 1 berarti
sangat tidak enak dan 10 berarti sangat enak. Kemudian konsumen tersebut
mencicipi sepotong deaging ayam yang digoreng dengan resep baru dan memberi
nilai mulai 1 sampai 10, kemudian data tersebut dikumpulkan, sebagaimana
tampak pada tabel.
Informasi apa yang akan kita peroleh dari data penelitian pasar tersebut? Jika
benar-benar tidak ada perbedaan rasa, melalui survei yang besar, kta dapat
memperkirakan bahwa jumlah konsumen yang menilai rasa resep baru lebih enak
daripada rasa resep lama akan sama dengan jumlah konsuen yang menganggap
bahwa resep baru tersebut kurang enak daripada resep lama. Dengan kata lain, jika
benar-benar tidak ada perbedaan antara resep lama dengan resep baru, maka kita
dapat mengatakan bahwa perbedaan median antara kedua nilai rasa tersebut
adalah nol. Ini berarti bahwa probabilitas mendapatkan konsumen yang akan
mengatakan rasa yang lebih enak akan sama dengan probabilitas memilih
konsumen yang akan mengatakan rasa yang lebih tidak enak.
Prosedur pengujian yang akan kita lakukan adalah :
a. Menyatakan Hipotesis Nol dan Hipotesis Alternatif.
Sebagaimana halnya dalam setiap pengujian hipotesis, langkah
pertama dalam prosedur uji tanda adalah menyatakan hipotesis nol dan
hipotesis alternativ. Pengujian tanda dua-arah (two tailed test) ataupun satu-
arah (one-tailed) dapat dilakukan, dan fakta ini tentunya akan menentukan
bentuk hipotesis alternatif.
Hipotesis nol yang akan diuji dalam contoh kita adalah bahwa resep baru tidak
mempengaruhi rasa daging ayam. Jumlah tanda positif yang menunjukkan
perbaikan
NILAI RASA
Konsumen Resep Lama (x) Resep Baru (y) Tanda
1 3 9 +
2 5 5 0
3 3 6 +
4 1 3 +
 5 5 10 +
6 8 4 -
7 2 2 0
8 8 5 -
9 4 6 +
10 6 7 +

n = jumlah observasi yang relevan

= jumlah tanda positif + jumlah tanda negatif
=6+ 2
=8
r = jumlah tanda yang paling sedikit
rasa sama banyaknya dengan jumlah tanda negatif yang menunjukkan
merosotna kelezatan, dalam penentuan beda antara kedua nilai rasa tersebut.
Hipotesis alternatif dalam contoh kita adalah bahwa resep baru memberikan
rasa yang lebih enak/lezat daripada resep lama. Dengan demikian, kita
memiliki pengujian ke arah kanan dan hipotesis alternatifnya adalah terdapat
probabilitas bahwa lebih dari 50% konsumen akan mengatakan bahwa resep
baru lebih lezat daripada resep lama.
Dengan demikian, hipotesis statistiknya adalah :
H0 : p = 0,5
Ha : p > 0,5
Dimana p adalah probabilitas adanya perbaikan rasa.
b. Memilih Taraf Nyata
Setelah menetapkan hipotesis nol dan hipotesis alternatif, langkah
kedua adalah menetapkan kriteria penolakan ataupun penerimaan hipotesis
nol. Misalnya dalam contoh, risiko menolak hipotesis nol secara salah padahal
sebenarnya hipotesis tersebut benar, tidak lebih dari 5%. Dengan demikian,
tarafnyatana adalah α = 0,05.
c. Menghitung Frekuensi Tanda
Langkah berikutnya ialah menghitung tanda positif, tanda negatif dan
nol. Tabel diatas menunjukkan 6 tanda positif, 2 tanda negatif, dan 2 nol, yang
berarti bahwa 6 orang konsumen menganggap terdapat perbaikan rasa, 2 orang
menganggap kelezatan berkurang, dan 2 orang menganggap sama saja. Setelah
 perhitungan, kita tetapkan jumlah tanda yang terkecil sebagai r. Untuk tabel
tersebut, r = 2 karena hanya ada 2 tanda negatif relatif terhadap 6 tanda positif.
d. Menentukan Tanda Beda antara Pasangan Observasi.
Setelah hipotesis nol dan hipotesis alternatif ditentukan, dan setelah
taraf nyata dipilih, langkah selanjutnya ialah menghitung selisih antara satu
observasi dengan observasi lainnya secara sistematis, dan kemudian mencatat
apakah perbedaan tersebut positif (perbaikan rasa) atau negatif (merosotnya
kenikmatan).
Kolom terakhir pada tabel menunjukkan tanda perbedaan untuk setiap
responden jika nilai rasa untuk resep lama dikurangkan dari nilai rasa untuk
resep baru . untuk responden pertama, nilai rasa untuk resep yang baru lebih
besar atau lebih baik daripada nilai rasa untuk resep lama; dengan demikian,
terdapat tanda positif. Dalam situasi di mana tidak terdapat perubahan nilai
rasa, dicatat angka nol.
e. Menentukan Probabilitas Hasil Sampel yang Diobservasi
Responden atau pasangan observasi yang relevan bagi analisis
hanyalah responden atau observasi yang perbedaan rasanya (positif atau
negatif) telah dicatat. Dalam kasus kita, hanya 8 dari 10 pasang data yang
relevan bagi analisis, dan dengan demikian kita memperoleh n = 8.
(Tanggapan responden kedua dan ketujuh tidak dimasukkan dalam analisis
karena tidak menunjukkan perbedaan rasa satu sama lain).
Dari 8 responden atau pasangan observasi yang relevan tersebut, kita
akan mengharapkan bahwa empat dari perbedaan tersebut adalah positif dan
empat lagi negatif pada tabel dan sifat pengujian satu arah ke kanan, kita harus
mengajukan pertanaan berikut: Berapa probabilitas untuk mendapatkan paling
banyak 2 dari 8 responden yang menganggap adanya perubahan rasa negatif
jika hipotesis nol benar (di mana 50% akan mencatat perubahan negatif)?
Perumusan jawaban atas pertanyaan ini dimulai dengan mengacu pada
distribusi probabilitas Binomial (jika n kecil) dalam bagian lampiran.
Karena kita memilik 8 responden yang relevan, maka kita mencari
bagian tebel di mana n = 8 dan r = 2. Setelah menemukannya, cari dalam
kolom tersebut p = 0,05 nilai yang berasal dari hipotesis nol. Kita lihat bahwa
probabilitas mendapatkan paling banyak 2 dari 8 responden yang melaporkan
perubahan negatif adalah 0,1445, yang merupakan hasil penjumlahan dari
 probabilitas mendapatkan 0 dari 8 (0,0039),1 dari 8 (0,0312), dan 2 dari 8
(0,1094).
Dengan kata lain, jika benar-benar tidak terdapat perbedaan rasa
antara resep baru dan resep lama, maka probabilitas untuk mendapatkan paling
banyak 2 dari 8 responden yang melaporkan penurunan rasa hanyalah 14,5%.
f. Penarikan Kesimpilan Statistik tentang Hipotesis Nol
Pertanyaan yang muncul kini ialah apakah hasil probabilitas sampel
sebesar 0,1445 tadi cukup menjamin kita untuk menerima hipotesis nol bahwa
tidak terdapat perbedaan yang berarti dalam nilai rasa konsumen? Meskipun
probabilitas mendapatkan paling banyak 2 dari 8 konsumen yang memberikan
tanggapan negatif terhadap adonan resep yang baru tidaklah terlalu tinggi,
yaitu sebesar 0,1445, namn angka ini lebih tinggi dari taraf nyata sebesar 0,05
yang telah ditetapkan. Ini berarti bahwa hasil probabilitas sampel tersebut
harus kurang dari 0,05 agar kita dapat menolak hipotesis ini.
Dengan demikian, secara ringkas dapat dikatakan bahwa peraturan
pengambilan keputusan yang harus diikuti dalam melakukan pengujian tanda
dengan sampel keil guna mengambil keputusan statistik adalah:
Menerima H0 jika α ≤ probabilitas hasil sampel.
Atau
Menolak H0 dan menerima Ha jika α > probabilitas hasil sampel.
Karena dalam contoh , 0,05 < 0,1445, maka kita menerima hipotesis nol;
adonan resep baru tidak dapat dikatakan sebagai perbaikan rasa atas resep
lama. (resep baru = resep lama, tidak berbeda)
d. Prosedur Uji Tanda dengan Sampel Besar
Jika jumlah sampel cukup besar dan jika pendekatan normal menerima
terhadap distribusi binomial, maka aturan pengambilan keputusan yang berlaku
sesuai dengan aturan distibusi Z dimana rasio kritis (CR dari nilai Z dihitung
sebagai : 2𝑅−𝑛
CR =
√𝑛

Dimana: R = jumlah tanda positif

r = jumlah pasangan observasi yang relevan
sebagai contoh anggaplah terdapat 33 konsumen di dalam sampel. Asumsikan
pula bahwa hasil berikut telah diperoleh:
beda bertanda + = 18
beda bertanda - = 13
beda bertanda 0 = 3
total = 33 → n = 33
jika pengujian satu arah (ke) kanan akan dibuat, maka kedua hipotesis tidak akan
berubah. Dan jika taraf nyata sebesar 0,05 digunakan, aturan pengambilan
keputusan dapat dinyatakan dengan format yang serupa sebagai berikut:
terima H0 jika CR ≤ 1,64
atau
tolak H0 dan terima Ha jika CR > 1,64.
Rasio kritis dihitung sebagai berikut :
2𝑅 − 𝑛
𝐶𝑅 =
√𝑛
2(18)− 30
=
√30
36−30
= 5,477

= 1,095
Karena 1,095 < 1,64, maka hipotesis nol akan diterima. Dalam hal ini,
kesimpilannya menjadi, tidak terdapat perbedaan nyata antara nilai rasa kedua
resep tersebut.
 aturan pengambilan keputusan dapat dinyatakan dengan format yang serupa
sebagai berikut:

Start

Nyatakan hipotesis nol dan

hipotesis alternatif serta
tetapkan α

Susun pasangan observasi dan

tentukan tanda perbedaan
antara observasi

Jumlahkan masing-masing tanda

positif, tanda negatif, dan nol

Apakah
jumlah
sampel kecil?

Rumuskan aturan Misalkan r = jumlah tanda

pengambilan keputusan yang paling sedikit dan
misalkan n = jumlah pasangan
observasi yang relevan
Hitung rasio kritis

2𝑅−𝑛 Lihat tabel probabilitas

CR =
√𝑛 binomial dan cari n dan r

Bandingkan CR dengan Lihat dibawah p = 0,50 dan

aturan pengambilan jumlahkan probabilitas yang
keputusan relevan

Bandingkan jumlah
probabilitas dengan α

Nyatakan kesimpulan statistik

mengenai hipotesis nol

Stop