Disusun Oleh :
Statistika inferensial saat ini banyak berkembang kepada teknik-teknik yang tidak
berlandaskan pada asumsi-asumsi (data sampel harus diambil dari suatu populasi
yang berdistribusi normal), yang dikenal sebagai Statistika Nonparametrik.
Penggunaan statistika nonparametrik dalam penelitian sosial sudah sangat umum.
Hal tersebut antara lain diakselerasi oleh makin banyaknya ilmuwan sosial yang
menggunakan kajian kuantitatif dalam penelaahannya. Peneliti ilmu sosial saat ini,
sering membuat dugaan-dugaan atau hipotesis-hipotesis tentang suatu fenomena,
dan hipotesis tersebut masih perlu diuji apakah bisa diterima atau ditolak dengan
berbagai penelitian melalui suatu proses yang objektif.
Selain itu, statistika non parametrik tidak didasarkan atas asumsi distribusi
pada data sehingga analisis ini sering disebut sebagai analisis statistika bebas
distribusi (distribution free statistical anaysis). Kondisi ini biasanya
diberlakukan pada data dengan ukuran kecil dan dengan skala pengukuran
yang jauh dari skala interrval. Karena ukuran data yang kecil, ukuran
pemusatan yang menjadi fokus tidak lagi rata‐rata atau rerata, tetapi median
Staitistik nonparamatrik ini dapat diaplikasikan dalam studi kasus yang berupa.
Tujuan penggunaan dengan menerapkan statistik non parametrik dalam studi
kasus ini dapat memiliki kegunaan tertentu misalnya untuk perhitungan yang
dilakukannya sedarhana sehingga dapat diselesaikan dengan cepat dan uji-uji yang
1
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
Uji tanda digunakan untuk menguji hipotesis mengenai median populasi. Dalam
banyak kasus prosedur non parametrik, 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
3
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
negatif. 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 H0 akan
ditolak apabila nilai P yang didapat lebih kecil atau sama dengan nilai taraf
nyatanya
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 (-). 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.
Uji Rang-Tanda dicetuskan oleh Frank Wilcoxon pada tahun 1945 dan saat ini
disebut sebagai uji rang-tanda Wilcoxon. Uji ini memanfaatkan baik tanda
maupun besarnya selisih. Uji rang-tanda Wilcoxon digunakan untuk kasus dua
sampel yang dependen bila skala ukur memungkinkan kita menentukan besar
selisih yang terjadi, jadi bukan sekedar hasil pengamatan yang berbeda saja. Uji
rang-tanda Wilcoxon cocok digunakan bila kita dapat mengetahui besarnya selisih
antara pasangan-pasangan harga pengamatan X1 dan Y1 berikut arah selisih yang
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
bersangkutan. Apabila kita dapat menentukan besarnya setiap selisih, maka kita
dapat menetapkan peringkat untuk masing-masing selisih itu. Melalui penyusunan
peringkat selisih – selisih inilah uji Wilcoxon memanfaatkan informasi tambahan
yang tersedia.
Asumsi :
a. Data untuk analisis terdiri atas n buah beda. D1 = Y1 – X1
b. Sampel X dan sampel Y adalah Variabel- variable acak kontinyu dan beda X1 -
Y1, X2 -Y2…dst bersifat kontinyu pula.
c. Hipotesis nol yang di uji menyatakan bahwa median perbedaan pasangan nilai
pengamatan kedua sampel sama dengan nol.
2.2.2.1 Langkah – langkah uji rang-tanda Wilcoxon :
1. Asumsikan bahwa populasi perbedaan pasangan nilai pengamatan kedua
sampel adalah variable acak kontinyu.
2. Hipotesis
2.1 Uji satu sisi :
a. Ho : W (+) = W (-) Hi : W (+) > W (-)
b. Ho : W (+) = W (-) Hi : W (+) < W (-)
2.2 Uji dua sisi :
Ho : W (+) = W (-) Hi : W (+) ≠ W (-)
W (+) : Jumlah semua peringkat selisih pasangan pengamatan (W i, Yi) yang
bertanda positif.
W (-) : Jumlah semua peringkat selisih pasangan pengamatan (W i, Yi) yang
bertanda negative
3. Untuk setiap pasangan nilai pengamatan (Xi, Yi), hitung perbedaannya (di = Xi
– Yi).
4. Berikan peringkat terhadap perbedaan nilai pasangan pengamatan, mulai dari
peringkat 1 untuk perbedaan terkecil hingga peringkat n untuk perbedaan
terbesar. Bila terdapat perbedaan nilai pasangan yang sama, perbedaan
pasangan nilai yang sama di beri peringkat rata-ratanya . untuk beda nol, tidak
diperhatikan.
5. Bubuhkan tanda kepada peringkat yang sudah dibuat itu: positif atau negative
sesuai dengan tanda perbedaan nilai pengamatan aslinya.
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
6. Hitung banyaknya di yang bertanda positif (disebut W+) dan negative (disebut
W_).
7. Statistik uji peringkat bertanda Wilcoxon ialah W. M yang dipakai ialah
W+ atau W_ yang nilainya lebih kecil :
8. W+ = ∑ Ri (Semua peringkat positif) dan │W-│= │∑Ri│(Semua peringkat Negatif)
Hipotesa nol ditolak apabilai nilai W+, W-, atau W lebih kecil atau sama dengan
nilai di tabel yang sesuai.
Uji Kruskal – Wallis atau Uji H Kruskal – Wallis, adalah rampatan uji jumlah
rang (dwisampel Wilcoxon) untuk sejumlah sampel k>=2. Uji ini digunakan
untuk menguji hipotesis nol bahwa k sampel bebas berasal dari populasi yang
sama. Diperkenalkan oleh W.H. Kruskal dan W.A. Wallis pada tahun 1945, uji ini
merupakan padanan cara non parametrik untuk menguji kesamaan rataan dalam
analisis variansi ekafaktor bila si pencoba ingin menghindari bahwa sampel
berasal dari populasi normal.
Uji ini mirip dengan uji Anova pada data parametrik hanya saja tidak dipenuhi
anggapan k kenormalan dari data. Analisis yang digunakan berdasarkan R ij yaitu
ranking data, bukan data itu sendiri.
Langkah – langkah uji Kruskal - Wallis :
1. H0 : Semua K populasi adalah identik
2. H1 : Tidak semua K populasi identik
3. Tentukan taraf nyatanya.
4. Tentukan daerah kritisnya dengan menggunakan tabel chi-kuadrat. Dengan
derajat kebebasan v = k-1
5. Melakukan perhitungan uji kruskal – wallis
6. Bila nilai h jatuh dalam daerah kritis pada tabel, dengan derajat kebebasan v =
k – 1, tolak H0 pada taraf nyata. Dan terima H0 jika tidak jatuh dalam daerah
kritis pada tabel.
ini adalah sederhana dan tidak menimbulkan perbedaan persepsi di antara satu
pengamat dengan pengamat yang lain, yang sering terjadi pada uji normalitas
dengan menggunakan grafik. Konsep dasar dari uji normalitas Kolmogorov
Smirnov adalah dengan membandingkan distribusi data (yang akan diuji
normalitasnya) dengan distribusi normal baku. Distribusi normal baku adalah data
yang telah ditransformasikan ke dalam bentuk Z-Score dan diasumsikan normal.
Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data yang diuji
normalitasnya dengan data normal baku.
2.3 Ciri- kelompok data yang dapat diuji dengan statistik non parametrik:
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
1.
4.1 PENGUMPULAN DATA
4.1.1 STATISTIKA NON PARAMETRIK
1.) Sample 1
Tabel 4. 1 Data Sampel Satu
No Xi No Xi No Xi No Xi No Xi
1 24,48 11 34,60 21 26,80 31 29,95 41 27,73
2 33,01 12 36,26 22 29,18 32 28,43 42 24,93
3 20,49 13 29,65 23 24,10 33 31,18 43 27,59
4 22,84 14 31,69 24 26,28 34 34,77 44 30,60
5 24,16 15 29,65 25 26,33 35 33,25 45 16,32
6 34,47 16 14,99 26 25,42 36 27,95 46 27,11
7 37,03 17 35,50 27 22,65 37 37,04 47 24,84
8 30,51 18 18,61 28 23,53 38 21,37 48 22,00
9 21,17 19 29,70 29 25,63 39 38,76 49 24,12
10 25,29 20 26,87 30 20,76 40 35,16 50 26,37 (Sumbe
r : Pengumpulan Data)
2.) Sample 2
Tabel 4. 2 Data Sampel 2
No Xi No Xi No Xi No Xi No Xi
1 28,70 11 38,82 21 31,03 31 34,17 41 31,96
2 37,24 12 40,49 22 33,41 32 32,66 42 29,15
3 24,72 13 35,91 23 28,32 33 35,41 43 31,82
4 27,07 14 33,87 24 30,51 34 39,00 44 34,83
5 28,39 15 19,22 25 30,55 35 37,48 45 20,55
6 38,70 16 33,25 26 29,64 36 32,18 46 31,33
7 41,26 17 39,45 27 26,87 37 41,26 47 29,07
8 34,74 18 22,83 28 27,76 38 25,59 48 26,23
9 25,40 19 33,93 29 29,86 39 42,98 49 28,35
10 29,32 20 31,10 30 24,99 40 39,39 50 30,59
(Sumber : Pengumpulan Data)
3.) Sample 3
Tabel 4. 3 Data Sampel 3
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
No Xi No Xi No Xi No Xi No Xi
1 11.44 11 12.76 21 14.49 31 14.75 41 15.05
2 18.37 12 18.44 22 18.45 32 19.04 42 19.09
3 20.57 13 20.61 23 20.86 33 20.91 43 21.13
4 22.08 14 22.09 24 22.34 34 22.5 44 22.72
5 23.27 15 23.31 25 23.31 35 23.39 45 23.47
6 24.04 16 24.17 26 24.23 36 24.4 46 24.87
7 26.09 17 26.1 27 26.15 37 26.39 47 26.79
8 27.64 18 27.71 28 29.07 38 28.13 48 28.2
9 29.75 19 29.93 29 30 39 30.43 49 30.92
10 31.73 20 31.81 30 32.62 40 32.7 50 33.48
(Sumber : Pengumpulan Data
4.2 PENGOLAHAN DATA
4.2.2 STATISTIKA NON PARAMETRIK
1.) Uji Kolmogorov Smirnov Sampel 1
Tabel 4. 4 Uji Kolmogorov Smirnov Sampel 1
No Xi Z Ft Fs D
1 24.49 -0.57 0.28 0.02 0.26
2 33.02 0.98 0.84 0.04 0.80
3 20.50 -1.29 0.10 0.06 0.04
4 22.85 -0.87 0.19 0.08 0.11
5 24.17 -0.63 0.27 0.1 0.17
6 34.48 1.24 0.89 0.12 0.77
7 37.04 1.70 0.96 0.14 0.82
8 30.52 0.52 0.70 0.16 0.54
9 21.18 -1.17 0.12 0.18 0.06
10 25.30 -0.42 0.34 0.2 0.14
11 34.61 1.26 0.90 0.22 0.68
12 36.27 1.57 0.94 0.24 0.70
13 29.66 0.37 0.64 0.26 0.38
14 31.70 0.74 0.77 0.28 0.49
15 29.66 0.37 0.64 0.3 0.34
16 15.00 -2.29 0.01 0.32 0.31
17 35.51 1.43 0.92 0.34 0.58
18 18.62 -1.63 0.05 0.36 0.31
19 29.71 0.38 0.65 0.38 0.27
20 26.88 -0.14 0.45 0.4 0.05
21 26.81 -0.15 0.44 0.42 0.02
22 29.19 0.28 0.61 0.44 0.17
23 24.11 -0.64 0.26 0.46 0.20
24 26.29 -0.24 0.40 0.48 0.08
25 26.34 -0.23 0.41 0.5 0.09
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
∑ Xi
σ = √ n−1
∑1381,62
σ =
√ 50−1
σ = 5,52
- Menghitung Z
Xi− X́
Z1 = σ
Z1 = -0,57
24,49−27,63
5,52
Xi− X́
σ
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
Z50 =
26,38−27,63
Z 50 =
5,52
Z50 = -0,23
- Menghitung Fs
Urutan Xi
Fs=
N
1
Fs=
50
¿ 0,02
- Dmaks = ¿ Ft−Fs∨¿
- Ft lihat table Z (Bisa juga dicari rumusnya di Excel)
- Rumusan Hipotesis
No Xi Z Ft Fs D
1 28.71 -0.57 0.28 0.02 0.26
2 37.25 0.98 0.84 0.04 0.80
3 24.73 -1.29 0.10 0.06 0.04
4 27.08 -0.86 0.19 0.08 0.11
5 28.40 -0.62 0.27 0.1 0.17
6 38.71 1.25 0.89 0.12 0.77
7 41.27 1.71 0.96 0.14 0.82
8 34.75 0.53 0.70 0.16 0.54
9 25.41 -1.17 0.12 0.18 0.06
10 29.33 -0.46 0.32 0.2 0.12
11 38.83 1.27 0.90 0.22 0.68
12 40.50 1.57 0.94 0.24 0.70
13 35.92 0.74 0.77 0.26 0.51
14 33.88 0.37 0.64 0.28 0.36
15 19.23 -2.29 0.01 0.3 0.29
16 33.26 0.26 0.60 0.32 0.28
17 39.46 1.38 0.92 0.34 0.58
18 22.84 -1.63 0.05 0.36 0.31
19 33.94 0.38 0.65 0.38 0.27
20 31.11 -0.13 0.45 0.4 0.05
21 31.04 -0.15 0.44 0.42 0.02
22 33.42 0.29 0.61 0.44 0.17
23 28.33 -0.64 0.26 0.46 0.20
24 30.52 -0.24 0.41 0.48 0.07
25 30.56 -0.23 0.41 0.5 0.09
26 29.65 -0.40 0.35 0.52 0.17
27 26.88 -0.90 0.18 0.54 0.36
28 27.77 -0.74 0.23 0.56 0.33
29 29.87 -0.36 0.36 0.58 0.22
30 25.00 -1.24 0.11 0.6 0.49
(Sumber : Pengolahan Data)
Contoh Perhitung
- Menghitung rata-rata
x́ =
∑ Xi
n
1591, , 85
x́ = 50
x́ = 31,84
- Menghitung standar deviasi
∑ Xi
σ = √ n−1
∑1591,26
σ =
√ 50−1
σ = 5,51
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
- Menghitung Z
Xi− X́
Z1 = σ
Z1 = 28,71−31,84
5,51
Z1 = -0,57
Xi− X́
Z50 = σ
30,60−31,84
Z50 =
5,51
Z50 = -0,23
- Menghitung Fs
Urutan Xi
Fs=
N
1
Fs=
50
¿ 0,02
- Dmaks = ¿ Ft−Fs∨¿
- Ft lihat table Z (Bisa juga dicari rumusnya di Excel)
- Rumusan Hipotesis
∑ Xi
σ = √ n−1
∑1202,29
σ
σ
=
=
√ 50−1
5,38
- Menghitung Z
Xi− X́
Z1 = σ
Z1 = 11,45−24,05
5,38
Z1 = -2,34
Z50 = Xi− X́
σ
Z 50 = 33,49−24,05
Z50 = 0,965,38
- Menghitung Fs
Urutan Xi
Fs=
N
1
Fs=
50
¿ 0,02
- Dmaks = ¿ Ft−Fs∨¿
- Ft lihat table Z (Bisa juga dicari rumusnya di Excel)
- Rumusan Hipotesis
X́ =
∑ xi
n
1381,62
X́ =
50
X́ =¿ 27,63
b. Nilai µ
1
µ= n
2
1
µ= 50
2
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
µ = 25
c. Standar Deviasi Populasi
1
σ= n
2√
1
σ= 50
2√
1
σ= 7.0710
2
σ = 3.5355
d. Nilai Z
x−µ
Z=
σ
27,63−25
Z=
3,5355
Z = 0.744
e. Uji Hipotesis
α =1 %
α
= 0,5% = 0,005
2
1 – α = 1 – 0,005
= 0,9950
Z 0,9950 = 2,575
α =5 %
α
= 2,5% = 0,025
2
1 – α = 1 – 0,025
= 0,9750
Z 0,9950 = 1,96
α =10 %
α
= 5% = 0,05
2
1 – α = 1 – 0,05
= 0,9500
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
Z 0,9950 = 1,645
Zhit = 0,744
-2,575 +2,575
Gambar 4.1 Kurva Distribusi Normal 1%
(Sumber: Pengolahan Data)
Zhit = 0,744
-1,96 +1,96
Gambar 4.2 Kurva Distribusi Normal 5%
(Sumber: Pengolahan Data)
Zhit = 0,744
-1,645 +1,645
Gambar 4.3 Kurva Distribusi Normal 10%
(Sumber: Pengolahan Data)
2. Uji Hipotesis
Rumusan Hipotesis
H0 diterima jika µ = X́
H1 ditolak jika µ ≠ X́
3. Daerah Kritis
H0 ditolak jika Zhit < Ztabel, H0 ditolak jika Zhit > Ztabel
α =1 % = 0,01
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
Z α /2 = ± 2,575
α =5 % = 0,05
Z α /2 = ±1,96
α =10 % = 0,1
Z α /2 = ± 1,645
4. Kesimpulan
Karena nilai Zhit = 0,744 berada diantara ± 2,575, ±1,96, dan ± 1,645 maka H0
diterima karena data berdistribusi normal.
x 1+ x 2
X́ =
2
1381,62+1591,85
X́ =
2
X́ =¿ 29.73
b. Nilai µ
1
µ= n
2
1
µ= 100
2
µ = 50
c. Standar Deviasi Populasi
1
σ= n
2√
1
σ= 100
2√
1
σ= 10
2
σ =5
d. Nilai Z
x−µ
Z=
σ
29,73−50
Z=
5
Z = -4,054
e. Uji Hipotesis
α =1 %
α
= 0,5% = 0,005
2
1 – α = 1 – 0,005
= 0,9950
Z 0,9950 = 2,575
α =5 %
α
= 2,5% = 0,025
2
1 – α = 1 – 0,025
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
= 0,9750
Z 0,9950 = 1,96
α =10 %
α
= 5% = 0,05
2
1 – α = 1 – 0,05
= 0,9500
Z 0,9950 = 1,645
f. Uji Hipotesis
Rumusan Hipotesis
H0 diterima jika rata-rata > X́
H1 ditolak jika rata-rata < X́
g. Daerah Kritis
H0 ditolak jika Zhit < Ztabel, H0 ditolak jika Zhit > Ztabel
α =1 % = 0,01
Z α /2 = ± 2,575
α =5 % = 0,05
Z α /2 = ±1,96
α =10 % = 0,1
Z α /2 = ± 1,645
Zhit = -4,045
-2,575 +2,575
Gambar 4.4 Kurva Distribusi Normal 1%
(Sumber: Pengolahan Data)
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
Zhit = -4,045
-1,96 +1,96
Gambar 4.5 Kurva Distribusi Normal 5%
(Sumber: Pengolahan Data)
Zhit = -4,045
-1,645 +1,645
Gambar 4.6 Kurva Distribusi Normal 10%
(Sumber: Pengolahan Data)
h. Kesimpulan
Karena nilai Zhit = -4,045 tidak berada diantara ± 2,575, ±1,96, dan ± 1,645
maka H0 ditolak
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
X´ 2=
∑xi
n
1591,85
X´ 2=
50
X´ 2=¿ 31,84
X´ 3=
∑xi
n
1202,29
X´ 3=
50
X´ 3=¿ 24,05
N ( N +1 ) 100(100+1) 10100
μt = = = =2525
4 4 4
n ( n+1 ) ( 2 n+1 )
σ= ¿
√ 24
¿
100 ( 100+1 ) ( 2 x 100+ 1 )
¿
√
¿ ¿
2030100
24
¿
=84587,5
24
t−μ 1185−2525
Z= = =−0,016
σ 84587,5
2. Rumusan Hipotesis
H0 : μ1 = μ2 , H1 : μ1 ≠ μ2
3. Daerah Kritis
α
= 0,5% = 0,005
2
1 – α = 1 – 0,005
= 0,9950
Z 0,9950 = 2,575
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
α =5 %
α
= 2,5% = 0,025
2
1 – α = 1 – 0,025
= 0,9750
Z 0,9950 = 1,96
α =10 %
α
= 5% = 0,05
2
1 – α = 1 – 0,05
= 0,9500
Z 0,9950 = 1,645
Z hit =−0,016
4. Kesimpulan
Untuk α = 1%, Ztabel 2,575 H0 ditolak apabila Zhitung < Ztabel. Zhitung yang
diperoleh yaitu −0,016> -2,575 dan −0,016< 2,575 Maka H0 ditolak yang
menyatakan H0 : μ1 ≠ μ2.
Untuk α = 5%, Ztabel 1,96 H0 ditolak apabila Zhitung < Ztabel. Zhitung yang
diperoleh yaitu −0,016> -1,96 dan −0,016< 1,96 Maka H0 ditolak yang
menyatakan H0 : μ1 ≠ μ2.
Untuk α = 10%, Ztabel 1,645 H0 ditolak apabila Zhitung < Ztabel. Zhitung yang
diperoleh yaitu −0,016> -1,645 dan −0,016< 1,645 Maka H0 ditolak yang
menyatakan H0 : μ1 ≠ μ2.
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
H0 : μ1 = μ2 = μ3 , H1 : μ1 ≠ μ2 ≠ μ3
b. Daerah Kritis
12
H=
¿¿
12
H=
¿¿
H=0.00053 x 925020−453
H=490.077−453=37,0766
1
H tab= ( N−1 )−0,98 √ N +1
2
1
H tab= ( 150−1 )−0,98 √150+1
2
H tab=74.5−11,96=62.54
Kesimpulan
H0 ditolak apabila H < Htabel. H yang diperoleh yaitu 2481,24 dan Htab yang
diperoleh yaitu 0.6064. Maka H1 diterima yang menyatakan H1 : μ1 ≠ μ2
BAB V
ANALISIS
Uji tanda digunakan untuk membandingkan dua sampel berpasangan dengan skala
ordinal antara sampel 1 dan 2,
Pada uji tanda sampel 1 didapata selisih jumlah positif dan negative sebanyak 4
dan didapat nilai Z sebesar 0,744,berada diantara nilai diantara ± 2,575, ±1,96,
dan ± 1,645 maka H0 diterima karena data berdistribusi normal.
Sedangkan pada uji tanda sampe 2 dan 3 menunjukan hasil maka hipotesis nol
ditolak karena jumlah selisih pasangan data yang negatif atau jumlah selisih
pasangan yang positif berbeda jauh yaitu 10. Bentuk uji hipotesis satu sisi(one-
sided atau one-tailed test) untuk sisi bawah (lower tailed) dengan hipotesis: Ho :
μ> 0,5 Ha : μ < 0,5 Dalam pengujian hipotesis, kriteria untuk menolak atau tidak
menolak Ho berdasarkan P- value adalah sebagai berikut: Jika P-value (Sig.) < α,
maka Ho ditolak Jika P-value (Sig.) > α, maka Ho diterima .
33
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
6
UNIVERSITAS WIDYATAMA PRAKTIKUM STATISTIKA
INDUSTRI
BAB VI
KESIMPULAN
Berdasarkan praktikum yang telah dilakukan, saran yang dapat kami sampaikan
adalah: