LAPORAN MODUL III

STATISTIKA INDUSTRI II

“Statistika Non Parametrik”

Disusun untuk memenuhi tugas mata kuliah Statistika Industri II pada Program
Studi Teknik Industri Fakultas Teknik Universitas Singaperbangsa Karawang
Semester Ganjil Tahun Akademik 2019/2020

Disusun oleh :
Indira Rahmadhany NPM. 1610631140068

FAKULTAS TEKNIK
UNIVERSITAS SINGAPERBANGSA KARAWANG
Jl. H. S. Ronggowaluyo Telukjambe Telp./Fax. (0267) 641177 Ext. 102 -
Karawang 41361
20119/2020
 LEMBAR PENGESAHAN

Laporan Makalah Statistika Industri II ini telah diperiksa dan disetujui

sebagai tugas mata kuliah Statistika Industri II pada Program Studi Teknik
Industri, Fakultas Teknik Universitas Singaperbangsa Karawang Semester Ganjil
Tahun Akademik 2019/2020

Disusun Oleh :
Indira Rahmadhany NPM. 1610631140068

Karawang, 23 Oktober 2019

Menyetujui,
Dosen Penanggungjawab
Mata Kuliah Statistika Industri II,

Sarah Dampang, S. T., M. T.

NIDN. 0015067408

ii
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT yang Maha Pengasih lagi Maha
Penyayang, karena atas nikmat, rahmat serta karunia-Nya, penyusun dapat
menyelesaikan Makalah Modul I Statistika Industri 2 tepat pada waktunya.
Makalah ini disusun dengan tujuan untuk memenuhi salah satu syarat
kelulusan dari Mata Kuliah Statistika industri 2 pada Program Studi Teknik
Industri, Fakultas Teknik Universitas Singaperbangsa Karawang, Tahun Akademik
2018/2019.
Selesainya penyusunan Makalah Statistika Industri 2 ini tidak lepas dari
bantuan berbagai pihak. Oleh karena itu, penyusun menyampaikan ucapan terima
kasih kepada:
1. Bapak H. Wahyudin, ST., MT. Selaku Koordinator Program Studi Teknik
Industri Fakultas Teknik Universitas Singaperbangsa Karawang;
2. Ibu Sarah Dampang, ST., MT. Selaku Dosen Mata Kuliah Statistika Industri
2 Fakultas Teknik Universitas Singaperbangsa Karawang;
3. Kedua orang tua yang selalu memberikan doa dan dukungan baik secara
moral maupun spiritual;
4. Semua pihak yang telah mendukung sehingga laporan ini bisa terselesaikan.
Makalah ini masih memiliki banyak kekurangan baik dari tata penulisan
maupun isi dalam penyusunannya. Oleh karena itu, penyusun mengharapkan
kritik dan saran yang membangun demi kesempurnaan penulisan di masa yang
akan datang. Penyusun berharap, makalah ini dapat menjadi sumber referensi
guna menambah ilmu pengetahuan dan bermanfaat bagi semua pihak.

Karawang, Oktober 2019

Penyusun

iii
 2

BAB I
PENDAHULUAN

1.1 Latar Belakang

Pada kenyataannnya sangatlah sulit untuk mendapatkan sampel yang
memenuhi asumsi mempunyai distribusi tertentu. Kebanyakan sampel yang
diperoleh hanyalah sebatas menedekati tertentu. Oleh karena itu, kemudaian
dikembangkan suatu teknik inferensi yang tidak memerlukan uji asumsi-
asumsi tertentu memgenai distribusi sampelnya,dan juga tidak memerlukan
uji hipotesis yang berhubungan dengan parameter populasinya. Teknik ini
dikenal dengan parametri bebas distribusi atau statistika non parametrik.
Istilah nonparametrik pertama kali digunakan oleh Wolfdwitz, pada tahun
1942. Metode statistik nonparametrik merupakan metode statistik yang dapat
digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan
metode statistic 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 non parametrik banyak digunakan
pada penelitian-penelitian sosial. Data yang diperoleh dalam penelitian sosial
pada umunya berbentuk kategori atau berbentuk rangking.
Dalam dunia statistika banyak cara mengumpulkan data sebagai dasar
dalam melakukan penelitian. Pengumpulan data ini dilakukan agar peneliti
dapat memperoleh data-data yang dibutuhkan, mencari hubungan dari
variabel-variabel yang diteliti, memprediksi masa depan dan sebagainya
untuk kebutuhan penelitian. Untuk memprediksi hal tersebut, kita
menggunakan metode Statistika Non parametrik dan Penelitian Survei.
Metode Statistika Non Parametrik pengambilan kesimpulan dapat ditarik
tanpa memperhatikan bentuk distribusi populasi. Sedangkan Penelitian
Survei, disgunakan untuk pengambilan data dari suatu populasi dengan
menggunakan media kuesioner sebagai alat pengumpul data yang pokok.
Statistika menggunakan metode penelitian survei dalam mengumpulkan data
sebagai dasar penelitian dan menggunakan Statistika Non Parametrik untuk
 3

mengatasi pemecahan data yang memiliki ukuran sampel kecil dan asumsi-
asumsi yang kurang.

1.2 Permasalahan
Berdasarkan latar belakang, permasalahan yang dapat dirumuskan yaitu :
1. Mengerti konsep statistika non parametrik.
2. Memiliki kompetensi untuk dapat mengolah data secara uji statistik non
parametrik.
3. Memiliki kompetensi untuk mampu menginterpretasikan hasil pengolahan
data uji statistik non parametrik.

1.3 Batasan dan Asumsi

Untuk mempermudah pemahaman dan penyampaian materi, maka perlu
adanya batasan masalah. Pada laporan ini masalah yang dibahas terbatas pada
pengolahan data statistik non parametrik, baik dependen maupun independen
dengan satu sampel, maupun dua sampel, dengan pengolahan menggunakan
software SPSS.

1.4 Tujuan
Tujuan dari pembuatan makalah ini adalah :
1. Mengerti konsep statistika non parametrik.
2. Memiliki kompetensi untuk dapat mengolah data secara uji statistik non
parametrik.
3. Memiliki kompetensi untuk mampu menginterpretasikan hasil pengolahan
data uji statistik non parametrik.

1.5 Manfaat
Manfaat yang dapat diperoleh :
1. Dapat memahami dan mengetahui konsep pengambilan data mengenai
ilmu statistika.
2. Bisa menjadi sarana belajar bagi mahasiswa calon jenjang strata satu
(S.1) mengenai ilmu statistik dengan menggunakan perhitungan manual
maupun dengan menggunakan software.
 4

BAB II
TINJAUAN PUSTAKA

2.1 Statistika Non Parametrik

Suatu pengujian populasi seringkali dihadapkan pada suatu uji yang
harus dilakukan tanpa kebergantungan asumsi-asumsi yang kaku karena
bersifat khusus. Uji statistik nonparametrik merupakan alternatif untuk
memenuhi kebutuhan tersebut dikarenakan menghasilkan kesahihan dan
validitas meskipun hanya berdasar pada asumsi-asumsi umum. Tipe utama
prosedur statistik yang dimasukkan dalam nonparametrik adalah prosedur-
prosedur nonparanetrik murni dan prosedur-prosedur bebas distribusi
(distribution free procedures).

2.2 Ciri-ciri data dari Non Parametrik

1. Distribusi populasi dan tempat pengambilan sampel tidak diketahui
menyebar secara normal
2. Digunakan untuk menguji data nominal atau data ordinal
3. Jumlah data kurang dari sama dengan 30 (n ≤ 30)
4. Untuk pengambilan sampel yang singkat dan penyelesaiannya cepat

2.3 Kelebihan Statistika Non Paarametrik

Beberapa keuntungan dalam penggunaan statistik non parametrik adalah:
1. Menggunakan asumsi-asumsi uji statistik yang relatif lebih sedikit
dibandingkan dengan uji statistik parametrik.
2. Perhitungan-perhitungannya dapa dilaksanakan dengan cepat dan mudah,
sehingga hasil pengkajian dapat cepat disampaikan.
3. Tidak memerlukan dasar matematika dan statistika yang mendalam untuk
memahami metode-metode dan konsep-konsep uji statistik non-
parametrik.
4. Prosedurnya dapat digunakan meskipun dengan skala pengukuran
terendah.
5. Efisiensinya lebih tinggi disbanding dengan uji statistik parametrik jika
jumlah sampelnya sedikit, n<30.

2.4 Kelemahan Statistika Non Parametrik

Penggunaan statistik non parametrik juga mempunyai kelemahan di
antaranya :
 5

1. Jika asumsi uji statistik parametrik terpenuhi, penggunaan uji non-

parametrik meskipun lebih cepat dan sederhana, akan menyebabkan
pemborosan informasi.
2. Meskipun perhitungannya sederhana tetapi pada umumnya menjemukan.
3. Jika sampel besar, maka tingkat efisiensi non-parametrik relatif lebih
rendah dibanding dengan metode parametrik.

2.5 Uji-uji Statistika Non Paraemtrik

Kebanyakan cara pengujian hipotesis pada uji parametrik adalah
didasarkan pada anggapan bahwa sampel acak diambil dari populasi normal.
Padahal tidak semua data yang digunakan pada pengujian-pengujian tersebut
diatas berdistribusi normal. Untuk mengatasi hal tersebut lalu digunakan uji
non parametrik. Uji non parametrik adalah uji yang mengabaikan asumsi dari
kenormalan data populasi.
Yang tercakup didalam uji non parametrik adalah Uji Tanda, Uji Dwi
Sampel Kolmogorov-Smirnov, Wilcoxon, Uji Runtun dan Uji Kruskal Walls.
2.3.1 Uji Kolmogorov-Smirnov
Uji ini digunakan untuk menguji ada tidaknya perbedaan yang
significant untuk 2 sampel yang independent. Uji Kolmogorof Smirnov
juga dapat digunakan untuk melakukan uji lokasi dan uji bentuk. Kedua
uji tersebut berkontribusi pada perbedaan nilai 2 kelompok. Dengan
melakukan centering atau pemusatan nilai data sample, setiap kelompok
disekitar rata-ratanya akan menghilangkan perbedaan dan
memungkinkan melakukan perbandingan bentuk (uji bentuk) antara
kedua kelompok tersebut.

2.3.2 Uji Tanda (Sign Test)

Uji tanda boleh dikatakan uji statistik yang tertua dari semua uji
statistik non-paramertik. Uji statistik ini disebut Uji Tanda, karena
seperti yang akan dianalisis, data untuk analisis diubah manjadi
serangkaian tanda plus “+” dan tanda minus “-“. Dengan demikian,
statistik uji yang digunakan adalah jumlah tanda plus atau jumlah tanda
minus.
2.3.3 Uji Wilcoxon
Uji Wilcoxon dikembangkan oleh Frank Wilcoxon pada tahun
1945, beliau mengusulkan suatu cara nonparametrik yang sederhana
untuk membandingan dua populasi kontinu bila hanya tersedia sampel
 6

bebas yang sedikit dan kedua populasi asalnya tidak normal. Uji ini
digunakan untuk menguji kondisi (variabel) pada sampel yang
berpasangan atau dapat juga penelitian sebelum dan sesudah (related).
Dalam uji ini ingin diketahui manakah yang lebih besar diantara
pasangan.
Uji Wilcoxon hampir sama dengan uji tanda (Sign test) namun
selisih nilai angka antara positif dan negatif diperhitungkan dan
digunakan untuk menguji hipotesis komparatif 2 sampel berpasangan.
Uji Wilcoxon lebih peka daripada uji tanda dalam menentukan
perbedaan antara rataan populasi.
2.3.4 Uji Runtun
2.3.5 Uji Kruskal Wallis
2.6 Pengolahan Data dengan SPSS
Untuk mengolah data tersebut kami menggunakan program SPSS
(Statistical Product and Service Solution). Program SPSS adalah program
yang bertujuan untuk memperkecil kesalahan penghitungan dalam
pengolahan data. Data yang diolah dalam SPSS harus memenuhi syarat-
syarat yang meliputi kecukupan data, kualitas data, dan memenuhi sifat-sifat
keacakan. Setelah proses pengumpulan dan pengolahan data dilakukan,
maka analisa output SPSS data dapat langsung diketahui.
 BAB III
METODOLOGI PENELITIAN

3.1 Tahap Pelaksanaan

Adapun tahapan dalam pelaksanaan ini adalah sebagai berikut :
1. Mengumpulkan sampel data berjumlah minimal 30 yang berasal dari data
sekunder.
2. Melakukan pengolahan data dengan bantuan software MS Excel dan
Minitab, yaitu :
a. Membuat histogram dari data (Histogram dan Graphical Summary
pada Minitab)
b. Tentukan harga-harga berikut : Mean, variansi, standar deviasi,
median, kuartil 1, kuartil 2, kuartil 3, jumlah, nilai maksimum, nilai
minimum, dan range.

3.2 Contoh Kasus

Contoh kasus diambil dari contoh data modul menggunakan bilangan
acak sebanyak 30 sampel dengan variabel Nilai dan Mata Pelajaran. Berikut
data nilai antara bahasa indonesia dan ipa :
Tabel 3.1 Data ujian nasional SMP provinsi jawa tengah tahun 2018/2019 antara mata
pelajaran bahasa indonesia dan ipa

7
 8

Sumber: asiapulppaper.com (diakses 12 Mei 2019)

 BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Pengumpulan Data

Data yang dibahas dalam makalah ini adalah data nilai ujian nasional
tingkat SMP antara mata pelajaran bahasa indonesia dan ipa se-provinsi Jawa
Tengah 30 sampel, data tersebut sebagai berikut :
Tabel 4.1 Data ujian nasional SMP provinsi Jawa Tengah 2018/2019 antara mata
pelajaran bahasa indonesia dan ipa

Sumber: magelang.go.id (diakses 12 Mei 2019)

9
 10

4.2 Pengolahan Data

1. Pengujian menggunakan aplikasi Microsoft Excel
Data diolah menggunakan MS Excel dengan tools Formula untuk
menentukan harga-harga untuk distribusi frekuensi (jumlah kelas, nilai
maksimum, nilai minimum, range, dan interval kelas), untuk ukuran rata-
rata (mean, median, dan modus), untuk ukuran letak (kuartil, desil, dan
persentil), serta untuk ukuran penyebaran (simpangan baku dan variansi).
Berikut merupakan hasil perhitungan dengan bantuan MS Excel :

Gambar 4.1 Gambar Ouput Perhitungan Menggunakan MS Excel

2. Pengujian menggunakan aplikasi Minitab

Data diolah menggunakan Minitab dengan tools Statistics untuk
membuat histogram dan graphical summary. Berikut merupakan hasil
output dengan bantuan Minitab :
11
 12

Gambar 4.4 Output of Display Descriptive Statistics

Histogram (with Normal Curve) of NILAI by MATPEL

42 48 54 60 66 72
B.INDO IPA B.INDO
9 Mean 67,92
StDev 2,472
8
N 13
7 IPA
Mean 48,17
6 StDev 3,062
Frequency

N 17
5

0
42 48 54 60 66 72
NILAI
Panel variable: MATPEL

Gambar 4.5 Output of Histogram

Summary Report for NILAI

MATPEL = B.INDO
Anderson-Darling Normality Test
A-Squared 0,70
P-Value 0,050
Mean 67,925
StDev 2,472
Variance 6,112
Skewness 1,21071
Kurtosis 1,00197
N 13
Minimum 64,920
1st Quartile 65,975
Median 67,310
3rd Quartile 68,715
Maximum 73,210
95% Confidence Interval for Mean
45 50 55 60 65 70 75
66,431 69,419
95% Confidence Interval for Median
66,040 68,695
95% Confidence Interval for StDev
1,773 4,081

95% Confidence Intervals

Mean

Median

66 67 68 69
 13

Summary Report for NILAI

MATPEL = IPA
Anderson-Darling Normality Test
A-Squared 1,25
P-Value <0,005
Mean 48,168
StDev 3,062
Variance 9,377
Skewness 1,54982
Kurtosis 1,83682
N 17
Minimum 44,870
1st Quartile 46,130
Median 47,240
3rd Quartile 49,475
Maximum 55,710
95% Confidence Interval for Mean
45 50 55 60 65 70 75
46,593 49,742
95% Confidence Interval for Median
46,175 49,397
95% Confidence Interval for StDev
2,281 4,660

95% Confidence Intervals

Mean

Median

46 47 48 49 50

Gambar 4.6 Output of Graphical Summary

 BAB V
ANALISA DAN INTERPRETASI

5.1 Analisis Hasil Ms. Excel

Dari perhitungan untuk menentukan harga-harga statistika deskritif
dengan bantuan MS Excel pada 30 sampel yang ada, maka didapatkan jumlah
kelas sebanyak 5.8745, nilai maksimum adalah 73.21, nilai minimum adalah
44.87, range adalah 28.34, dan interval kelas adalah 4.8242 untuk ukuran
distribusi frekuensi. Kemudian untuk ukuran rata-rata didapatkan nilai mean
adalah 166.67, median adalah 167.5, dan modus adalah 177.
Lalu untuk ukuran letak didapatkan nilai kuartil 0 adalah 44.87, kuartil 1
adalah 46.79, kuartil 2 adalah 52.635, kuartil 3 adalah 67.215, kuartil 4 adalah
73.21, desil 1 adalah 46.077, desil 2 adalah 46.454, desil 3 adalah 47.24, desil
4 adalah 49.194, desil 5 adalah 52.635, desil 6 adalah 56.22, desil 7 adalah
66.429, desil 8 adalah 67.328, desil 9 adalah 68.671, desil 10 adalah 73.21,
persentil 10 adalah 46.077, persentil 25 adalah 46.79, persentil 50 adalah
52.635, persentil 75 adalah 67.215, persentil 90 adalah 68.671. Terakhir untuk
ukuran penyebaran didapatkan nilai simpangan baku adalah 10.3372 dan
variansi adalah 106.857.

5.2 Analisis Hasil Minitab

Dari pengolahan data menggunakan bantuan software Minitab dengan
tools statistics. Didapatkan nilai-nilai untuk statistika deskriptif berdasarkan
gender masing-masing. Untuk bahasa indonesia, nilai jumlah sampel adalah
13, mean adalah 67.925, median adalah 67.310, modus adalah , SE of mean
adalah 0.686, standar deviasi adalah 2.476, variansi adalah 6.112, nilai
maksimum adalah 73.210, nilai minimum adalah 64.920, kuartil 1 adalah
65.975, kuartil 3 adalah 68.715. Sedangkan untuk ipa, nilai jumlah sampel
adalah 17, mean adalah 48.168, median adalah 47.240 modus adalah , SE of
mean adalah 0.743, standar deviasi adalah 3.062, variansi adalah 9.377, nilai
maksimum adalah 55.710, nilai minimum adalah 44.870, kuartil 1 adalah
46.130, kuartil 3 adalah 49.475.
BAB VI
PENUTUP

6.1 Kesimpulan

14
 Perhitungan dengan cara software akan lebih memudahkan dalam waktu
singkat, dan jika dengan cara manual akan lebih menyita waktu, tetapi lebih
kreatif karena hasil pemikiran sendiri. Dan perhitungan dengan
cara software Ms. Excel 2010 dan Minitab 18 ini juga memiliki hasil yang
hampir sama, berbeda sedikit untuk pembulatan angka dibelakang koma,
untuk software Minitab 18, banyak data yang tidak bisa dihitung
menggunakan software Minitab 11, yaitu untuk perhitungan modus dan
persentil (5%, 35%, 75%, 95%).

15
 DAFTAR PUSTAKA

Hasan, Muhammad Iqbal (1999), Pokok-pokok Materi Statistik 2 (statistik

inferensia), Bumi Aksara, Jakarta

Iriawan, Nur & Septin Puji Astuti (2006), Mengolah Data Statistik dengan Mudah
Menggunakan MINITAB 14, Penerbit ANDI, Yogyakarta

Modul Praktikum Statistika Industri (2016), Jurusan Teknik Industri, Fakultas

Teknologi Industri, UNSIKA, Karawang

Santoso, Singgih (1999), Aplikasi Excel dalam Statistik Bisnis, PT Elex Media
Komputindo, Jakarta

http://www.magelangkota.go.id/home/detail/120519kominsta1/kota-magelang-
meraih-peringkat-pertama-rata-rata-nilai-un-tingkat-jawa-tengah [Accesed on 12
Mei 2019]

16