Asistensi Modul 5 - Prak Statind - Fairuz Majid, Tasya Mursalina, Rifatul Ngatiqoh - Kelompok 5 - Kelas ARegB2 - Riza Gustiar

LAPORAN ASISTENSI
PRAKTIKUM STATISTIKA INDUSTRI

MODUL 5
STATISTIKA NON PARAMETRIK
Instruktur : Ima Ratnasari S.T., M.T.

Asisten : Aliyah Mira K
Muhammad Riza Gustiar
Disusun Oleh :
Tasya Mursalina (0518103007)

Fairuz Majid (0518104001)
Rifatul Ngatiqoh (0518104012)
LABORATORIUM SISTEM INFORMASI DAN KEPUTUSAN

PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS WIDYATAMA
BANDUNG
2020
BAB I
PENDAHULUAN
1.1 LATAR BELAKANG
1.1.1 STATISTIK NON PARAMETRIK
Perkembangan yang pesat bagi suatu perusahaan di bidang industri tentunya

memerlukan suatu perhitungan yang sederhana dan dapat diselesaikan dengan
cepat. Hal itu dimaksud agar perusahaan lebih meminimalisir waktu yang
digunakan dalam menarik sebuah kesimpulan mengenai pengujian suatu hipotesis
atau pengujian terhadap pengaruh variabel tertentu yang dilakukan oleh
perusahaan. Keadaan tersebut tentunya memerlukan jalan keluar yang dapat
diselesaikan dengan melakukan perhitungan statistik non paramaterik.
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
digunakan memiliki asumsi-asumsi yang jauh tidak mengikat dibanding dengan

uji parametrik padanannya.
Modul 5 ini membahas tentang pengumpulan data Statistik Non-Parametrik

dilakukan pengukuran terhadap sampel 1 dan sampel 2, dan sampel 3 untuk di
hitung menggunakan metode Uji Kolmogorov Smirnov Sampel 2, Uji
Kolmogorov Smirnov Sampel 3 dan Uji Tanda Sampel 1 dengan nilai α1%, α5%,
α10%, Menggunakan Tabel Z.
1.2 TUJUAN PRAKTIKUM
1.1.1 Statistika Parametrik
Tujuan dilakukan kegiatan praktikum pada modul Statistik Non Parametrik,

praktikan diharapkan mampu:
1. Memahami konsep Statistika Non Parametrik
2. Mampu menghitung dan mengolah data statistika non parametric dengan
metode Uji Kruskal Wilis Sampel, Uji Dwi Wilcoxon, Uji tanda
1. Memahami Uji Kolmogorov-Smirnov dan Uji Tanda
MODUL 5 Statistika Non Parametrik

2
BAB II
LANDASAN TEORI
2.1 STATISTIKA NON PARAMETRIK
Istilah non parametrik pertama kali digunakan oleh Wolfowitz, pada tahun

1942. Metode statistik non parametrik 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 non parametrik 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.
Statistik nonparametrik tidak mensyaratkan bentuk sebaran parameter populasi
berdistribusi normal. Statistik non parametrik dapat digunakan untuk menganalisis
data yang berskala nominal atau ordinal karena pada umumnya data berjenis
nominal dan ordinal tidak menyebar normal. Dari segi jumlah data, pada
umumnya statistik non parametrik digunakan untuk data berjumlah kecil (n <30).
Statistika non-parametrik biasanya digunakan untuk melakukan analisis pada data
berjenis Nominal atau Ordinal. Data berjenis Nominal dan Ordinal tidak
menyebar normal. Contoh metode Statistika non-parametrik:Binomial test, Chi-
square test, Median test, Friedman Test, dll.
2.2 Metode Statistika Non Parametrik
Berikut ini akan dijelaskan beberapa metode pengambilan keputusan yang

termasuk dalam uji statistika non parametrik.
2.2.1 Uji Tanda
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
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.
2.2.2 Uji Rang-Tanda (wilcoxon)
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
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.
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.
2.2.3 Uji Kruskal – Wallis
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.
2.2.4 Kolgomorov smirnov goodness of fit test
Uji Kolmogorov Smirnov adalah pengujian normalitas yang banyak dipakai,

terutama setelah adanya banyak program statistik yang beredar. Kelebihan dari uji
INDUSTRI
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:
a. Kelompok data tidak berdistribusi normal
b. Umumnya data yang dimiliki memiliki skala nominal dan ordinal
c. Sering ditemukan pada kasus penelitian ilmu sosial
d. Ukuran sampel kecil dan tidak berdistribusi normal
2.4 Kelebihan Statistik Non-Parametrik
a. Mudah dilakukan karena tidak membutuhkan asumsi normalitas

b. Secara umum metode perhitungan yang digunakan tidak menggunakan
perhitungan perhitungan matematik yang rumit.
c. pengujian hipotesis dilakukan secara langsung pada pengamatan nyata
d. Karena data umumnya bersifat kualitatif sehingga terkadang tidak
dibutuhkan jenjang atau urutan
e. Dapat juga digunakan untuk kelompok populasi berdistribusi normal
sebagai uji pembanding statistik parametrik
2.5 Kelemahan Statistik Non-Parametrik
a. Pengujian dengan menggunakan metode statistik non parametrik
seringkali mengabaikan beberapa informasi.
b. Kemampuan Uji metode Statistik non parametrik tidak sekuat metode
parametrik
c. Hasil uji metode statistik non parametrik tidak dapat digunakan untuk
mengestimasi karakter populasi. Karena prosesnya sederhana dan
cenderung menggunakan sampel kecil dan tidak berdistribusi normal.
INDUSTRI
Selain itu penggunaan metode statistik non parametrik hanya

membandingkan dua kelompok tertentu.
d. Tidak melibatkan parameter populasi dalam uji hipotesis
e. Skala yang digunakan bersifat lebih lemah.
INDUSTRI
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
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
INDUSTRI
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
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
INDUSTRI
26 25.43 -0.40 0.34 0.52 0.18

27 22.66 -0.90 0.18 0.54 0.36
28 23.54 -0.74 0.23 0.56 0.33
29 25.64 -0.36 0.36 0.58 0.22
30 20.77 -1.25 0.11 0.6 0.49
31 29.96 0.42 0.66 0.62 0.04
32 28.44 0.15 0.56 0.64 0.08
33 31.19 0.65 0.74 0.66 0.08
34 34.78 1.30 0.90 0.68 0.22
35 33.26 1.02 0.85 0.7 0.15
36 27.96 0.06 0.52 0.72 0.20
37 37.05 1.71 0.96 0.74 0.22
38 21.38 -1.13 0.13 0.76 0.63
39 38.77 2.02 0.98 0.78 0.20
40 35.17 1.37 0.91 0.8 0.11
41 27.74 0.02 0.51 0.82 0.31
42 24.94 -0.49 0.31 0.84 0.53
43 27.60 -0.01 0.50 0.86 0.36
44 30.61 0.54 0.71 0.88 0.17
45 16.33 -2.05 0.02 0.9 0.88
46 27.12 -0.09 0.46 0.92 0.46
47 24.85 -0.50 0.31 0.94 0.63
48 22.01 -1.02 0.15 0.96 0.81
49 24.13 -0.64 0.26 0.98 0.72
50 26.38 -0.23 0.41 1.00 0.59
(Sumber : Pengolahan Data)
Contoh Perhitungan
- Menghitung rata-rata
x́
= ∑ Xi
x́ = ∑ n1381,62
x́ = 50
27,63
- Menghitung standar deviasi
∑ 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
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
H0 = data distribusi normal

H1 = data tidak berdistribusi normal
α= 5%, n = 50
Ktabel = 0,188
- Daerah Kritis
H0 diterima jika Dmax < Ktabel

H0 ditolak jika Dmax > Ktabel
- Kesimpulan
H0 diterima jika Dmax< Ktabel
H0 ditolak jika Dmax> Ktabel
Nilai Dmax = 0,88 dan Nilai Ktabel = 0,188
Kesimpulannya H0 ditolak, H1Diterima karena nilai Dmax> dari nilai Ktabel,
maka data tidak berdistribusi normal.
INDUSTRI
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
Tabel 4. 5 Uji Kolmogorov Smirnov Sampel 2 (lanjutan)

INDUSTRI
31 34.18 0.42 0.66 0.62 0.04

32 32.67 0.15 0.56 0.64 0.08
33 35.42 0.65 0.74 0.66 0.08
34 39.01 1.30 0.90 0.68 0.22
35 37.49 1.03 0.85 0.7 0.15
36 32.19 0.06 0.53 0.72 0.19
37 41.27 1.71 0.96 0.74 0.22
38 25.60 -1.13 0.13 0.76 0.63
39 42.99 2.02 0.98 0.78 0.20
40 39.40 1.37 0.91 0.8 0.11
41 31.97 0.02 0.51 0.82 0.31
42 29.16 -0.49 0.31 0.84 0.53
43 31.83 0.00 0.50 0.86 0.36
44 34.84 0.54 0.71 0.88 0.17
45 20.56 -2.05 0.02 0.9 0.88
46 31.34 -0.09 0.46 0.92 0.46
47 29.08 -0.50 0.31 0.94 0.63
48 26.24 -1.02 0.15 0.96 0.80
49 28.36 -0.63 0.26 0.98 0.72
50 30.60 -0.23 0.41 1.00 0.59
Contoh Perhitung
x́ =
∑ Xi
n
1591, , 85
x́ = 50
x́ = 31,84
∑ Xi
σ = √ n−1
∑1591,26
σ =
√ 50−1
σ = 5,51
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
- Rumusan Hipotesis

α= 5%, n = 50
Ktabel = 0,188
- Daerah Kritis

- Kesimpulan
Kesimpulannya H0 ditolak, H1 Diterima karena nilai Dmax> dari nilai Ktabel,
INDUSTRI


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
26 25.43 -0.40 0.34 0.52 0.18
27 22.66 -0.90 0.18 0.54 0.36
28 23.54 -0.74 0.23 0.56 0.33
29 25.64 -0.36 0.36 0.58 0.22
30 20.77 -1.25 0.11 0.6 0.49
31 29.96 0.42 0.66 0.62 0.04
32 28.44 0.15 0.56 0.64 0.08
33 31.19 0.65 0.74 0.66 0.08
34 34.78 1.30 0.90 0.68 0.22
35 33.26 1.02 0.85 0.7 0.15
36 27.96 0.06 0.52 0.72 0.20
37 37.05 1.71 0.96 0.74 0.22
38 21.38 -1.13 0.13 0.76 0.63
39 38.77 2.02 0.98 0.78 0.20
40 35.17 1.37 0.91 0.8 0.11
41 27.74 0.02 0.51 0.82 0.31
42 24.94 -0.49 0.31 0.84 0.53
43 27.60 -0.01 0.50 0.86 0.36
44 30.61 0.54 0.71 0.88 0.17
45 16.33 -2.05 0.02 0.9 0.88
46 27.12 -0.09 0.46 0.92 0.46
47 24.85 -0.50 0.31 0.94 0.63
48 22.01 -1.02 0.15 0.96 0.81
49 24.13 -0.64 0.26 0.98 0.72
50 26.38 -0.23 0.41 1.00 0.59
INDUSTRI

Contoh Perhitungan
x́
= ∑ Xi
x́ = ∑ n1202,29
x́ = 50
24,05
∑ 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
- Rumusan Hipotesis

INDUSTRI

α= 5%, n = 50
Ktabel = 0,188
- Daerah Kritis

- Kesimpulan
4.) Uji Tanda Sampel 1
Tabel 4.9 Uji Tanda Sampel 1
INDUSTRI
No x1 xbar Tanda No x1 xbar Tanda

1 24,49 27,63 - 26 25,43 27,63 -
2 33,02 27,63 + 27 22,66 27,63 -
3 20,50 27,63 - 28 23,54 27,63 -
4 22,85 27,63 - 29 25,64 27,63 -
5 24,17 27,63 - 30 20,77 27,63 -
6 34,48 27,63 + 31 29,96 27,63 +
7 37,04 27,63 + 32 28,44 27,63 +
8 30,52 27,63 + 33 31,19 27,63 +
9 21,18 27,63 - 34 34,78 27,63 +
10 25,30 27,63 - 35 33,26 27,63 +
11 34,61 27,63 + 36 27,96 27,63 +
12 36,27 27,63 + 37 37,05 27,63 +
13 29,66 27,63 + 38 21,38 27,63 -
14 31,7 27,63 + 39 38,77 27,63 +
15 29,66 27,63 + 40 35,17 27,63 +
16 15,00 27,63 - 41 27,74 27,63 +
17 35,51 27,63 + 42 24,94 27,63 -
18 18,62 27,63 - 43 27,6 27,63 -
19 29,71 27,63 + 44 30,61 27,63 +
20 26,88 27,63 - 45 16,33 27,63 -
21 26,81 27,63 - 46 27,12 27,63 -
22 29,19 27,63 + 47 24,85 27,63 -
23 24,11 27,63 - 48 22,01 27,63 -
24 26,29 27,63 - 49 24,13 27,63 -
25 26,34 27,63 - 50 26,38 27,63 -
Jumlah Nilai Positif 23
Jumlah Nilai Negatif 27
1. Uji Statistika
a. Nilai x́
X́ =
∑ xi
n
1381,62
X́ =
50
X́ =¿ 27,63
b. Nilai µ
1
µ= n
2
1
µ= 50
2
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
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
Zhit = 0,744
-1,645 +1,645
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
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.
5.) Uji Tanda Sampel 2 dan 3

Tabel 4.10 Uji Tanda Sampel 1 dan 2
INDUSTRI
No x1 xbar Tanda No x2 xbar Tanda

1 24,49 29,73 - 51 28,71 29,73 -
2 33,02 29,73 + 52 37,25 29,73 -
3 20,50 29,73 - 53 24,73 29,73 -
4 22,85 29,73 - 54 27,08 29,73 -
5 24,17 29,73 - 55 28,40 29,73 -
6 34,48 29,73 + 56 38,71 29,73 +
7 37,04 29,73 + 57 41,27 29,73 +
8 30,52 29,73 + 58 34,75 29,73 +
9 21,18 29,73 - 59 25,41 29,73 -
10 25,30 29,73 - 60 29,33 29,73 -
11 34,61 29,73 + 61 38,83 29,73 +
12 36,27 29,73 + 62 40,50 29,73 +
13 29,66 29,73 - 63 35,92 29,73 +
14 31,7 29,73 + 64 33,88 29,73 +
15 29,66 29,73 - 65 19,23 29,73 -
16 15,00 29,73 - 66 33,26 29,73 +
17 35,51 29,73 + 67 39,46 29,73 +
18 18,62 29,73 - 68 22,84 29,73 -
19 29,71 29,73 - 69 33,94 29,73 +
20 26,88 29,73 - 70 31,11 29,73 +
21 26,81 29,73 - 71 31,04 29,73 +
22 29,19 29,73 - 72 33,42 29,73 +
23 24,11 29,73 - 73 28,33 29,73 -
24 26,29 29,73 - 74 30,52 29,73 +
25 26,34 29,73 - 75 30,56 29,73 +
26 25,43 29,73 - 76 29,65 29,73 -
27 22,66 29,73 - 77 26,88 29,73 -
28 23,54 29,73 - 78 27,77 29,73 -
29 25,64 29,73 - 79 29,87 29,73 +
30 20,77 29,73 - 80 25,00 29,73 -
31 29,96 29,73 + 81 34,18 29,73 +
32 28,44 29,73 - 82 32,67 29,73 +
33 31,19 29,73 + 83 35,42 29,73 +
34 34,78 29,73 + 84 39,01 29,73 +
35 33,26 29,73 + 85 37,49 29,73 +
36 27,96 29,73 - 86 32,19 29,73 +
37 37,05 29,73 + 87 41,27 29,73 +
38 21,38 29,73 - 88 25,60 29,73 -
39 38,77 29,73 + 89 42,99 29,73 +
40 35,17 29,73 + 90 39,40 29,73 +
41 27,74 29,73 - 91 31,97 29,73 +
42 24,94 29,73 - 92 29,16 29,73 -
43 27,6 29,73 - 93 31,83 29,73 +
44 30,61 29,73 + 94 34,84 29,73 +
45 16,33 29,73 - 95 20,56 29,73 -
46 27,12 29,73 - 96 31,34 29,73 +
47 24,85 29,73 - 97 29,08 29,73 -
48 22,01 29,73 - 98 26,24 29,73 -
49 24,13 29,73 - 99 28,36 29,73 -
50 26,38 29,73 - 100 30,60 29,73 -
Jumlah Nilai Positif 45
Jumlah Nilai Negatif 55
1. Uji Statistika
a. Nilai x́
INDUSTRI
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
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
INDUSTRI
Zhit = -4,045
-1,96 +1,96
Zhit = -4,045
-1,645 +1,645
h. Kesimpulan
Karena nilai Zhit = -4,045 tidak berada diantara ± 2,575, ±1,96, dan ± 1,645
maka H0 ditolak
INDUSTRI
6.) Uji Dwi Wilcoxon Sampel 2 dan Sampel 3

Tabel 4.11 Uji Dwi Wilcoxon Sampel 2 dan 3
Beda Tanda Jenjang
I Sampel 2 Sampel 3
Sampel 2 Sampel 3 Rank + -
1 28,71 11,45 - 17,26 46 46
2 37,25 18,38 - 18,87 47 47
3 24,73 20,58 - 4,15 15 14
4 27,08 22,09 - 4,99 18 17
5 28,40 23,28 - 5,12 19 18
6 38,71 24,05 - 14,66 39 39
7 41,27 26,10 - 15,17 41 41
8 34,75 27,65 - 7,10 23 23
9 25,41 29,76 + 4,35 16 15
10 29,33 31,74 + 2,41 8 6
11 38,83 12,77 - 26,06 50 50
12 40,50 18,45 - 22,05 49 49
13 35,92 20,62 - 15,30 42 42
14 33,98 22,10 - 11,88 31 31
15 19,23 23,32 + 4,09 14 13
16 33,26 24,18 - 9,08 28 27
17 39,46 26,11 - 13,35 35 35
18 22,84 27,72 + 4,88 17 16
19 33,94 29,94 - 4,00 13 12
20 31,11 31,82 + 0,71 4 2
21 31,04 14,50 - 16,54 44 43
22 30,60 18,46 - 12,14 33 32
23 28,33 20,87 - 7,46 25 28
24 30,52 22,35 - 8,17 27 26
25 30,56 23,32 - 7,24 24 25
26 29,65 24,24 - 5,41 20 22
27 26,88 26,16 - 0,72 5 19
28 27,77 29,08 - -1,31 2 10
29 29,87 30,01 - -0,14 3 4
30 25,00 32,63 - -7,63 1 1
31 34,18 14,76 - 19,42 48 48
32 32,67 19,05 - 13,62 36 36
33 35,42 20,92 - 14,50 38 38
34 39,01 22,51 - 16,50 43 44
35 37,49 23,40 - 14,09 37 37
36 32,19 24,41 - 7,78 26 24
37 41,27 26,40 - 14,87 40 40
38 25,60 28,14 + 2,54 9 7
39 42,99 30,44 - 12,55 34 34
40 39,40 32,71 - 6,69 22 21
41 31,97 15,06 - 16,91 45 45
42 29,16 19,10 - 10,06 29 29
43 31,83 21,14 - 10,69 30 30
44 34,84 22,73 - 12,11 32 33
45 20,56 23,48 + 2,92 12 11
46 31,34 24,88 - 6,46 21 20
47 29,08 26,80 - 2,28 7 5
48 26,24 28,21 + 1,97 6 3
49 28,36 30,93 + 2,57 10 8
50 30,60 33,49 + 2,89 11 9
Jumlah 90 1185
INDUSTRI

1. Uji Statistika
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
H0 Ditolak jika Zhit > Zα

α =1 %
α
= 0,5% = 0,005
2
1 – α = 1 – 0,005
= 0,9950
Z 0,9950 = 2,575
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.
INDUSTRI
5.) Uji Kruskal Wilis Sampel 2 dan Sampel 3

Tabel 4.12 Uji Kruskal Wilis Sampel 1, 2 dan 3
INDUSTRI
i Sampel 1 Rank i Sampel 2 Rank i Sampel 3 Rank

1 24,49 47 51 28,71 84 101 11,45 1
2 33,02 119 52 37,25 139 102 18,38 8
3 20,50 15 53 24,73 48 103 20,58 17
4 22,85 33 54 27,08 70 104 22,09 26
5 24,17 43 55 28,40 82 105 23,28 34
6 34,48 127 56 38,71 141 106 24,05 40
7 37,04 137 57 41,27 148 107 26,10 58
8 30,52 100 58 34,75 129 108 27,65 73
9 21,18 23 59 25,41 54 109 29,76 94
10 25,30 53 60 29,33 89 110 31,74 111
11 34,61 128 61 38,83 143 111 12,77 2
12 36,27 136 62 40,50 147 112 18,45 9
13 29,66 91 63 35,92 135 113 20,62 18
14 31,7 110 64 33,88 124 114 22,10 27
15 29,66 91 65 19,23 14 115 23,32 35
16 15,00 5 66 33,26 120 116 24,18 44
17 35,51 134 67 39,46 146 117 26,11 59
18 18,62 11 68 22,84 32 118 27,72 74
19 29,71 93 69 33,94 125 119 29,94 96
20 26,88 68 70 31,11 107 120 31,82 112
21 26,81 67 71 31,04 106 121 14,50 3
22 29,19 88 72 33,42 122 122 18,46 10
23 24,11 41 73 28,33 80 123 20,87 20
24 26,29 62 74 30,52 100 124 22,35 28
25 26,34 63 75 30,56 102 125 23,32 35
26 25,43 55 76 29,65 90 126 24,24 45
27 22,66 30 77 26,88 68 127 26,16 60
28 23,54 39 78 27,77 76 128 29,08 85
29 25,64 57 79 29,87 95 129 30,01 98
30 20,77 19 80 25,00 52 130 32,63 116
31 29,96 97 81 34,18 126 131 14,76 4
32 28,44 83 82 32,67 117 132 19,05 12
33 31,19 108 83 35,42 133 133 20,92 21
34 34,78 130 84 39,01 144 134 22,51 29
35 33,26 120 85 37,49 140 135 23,40 37
36 27,96 77 86 32,19 115 136 24,41 46
37 37,05 138 87 41,27 148 137 26,40 65
38 21,38 24 88 25,60 56 138 28,14 78
39 38,77 142 89 42,99 150 139 30,44 99
40 35,17 132 90 39,40 145 140 32,71 118
41 27,74 75 91 31,97 114 141 15,06 6
42 24,94 51 92 29,16 87 142 19,10 13
43 27,6 72 93 31,83 113 143 21,14 22
44 30,61 104 94 34,84 131 144 22,73 31
45 16,33 7 95 20,56 16 145 23,48 38
46 27,12 71 96 31,34 109 146 24,88 50
47 24,85 49 97 29,08 85 147 26,80 66
48 22,01 25 98 26,24 61 148 28,21 79
49 24,13 42 99 28,36 81 149 30,93 105
50 26,38 64 100 30,60 103 150 33,49 123
Jumlah Sampel 1 3696 Jumlah Sampel 2 5142 Jumlah Sampel 3 2480
a. Rumusan Hipotesis
INDUSTRI
H0 : μ1 = μ2 = μ3 , H1 : μ1 ≠ μ2 ≠ μ3
b. Daerah Kritis
Apabila H < Htab maka terima H0

Apabila H > Htab maka terima H1
c. Uji Statistika
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
5.1 STATISTIKA NON PARAMETRIK
Praktikum modul 4 statistik non parametrik digunakan 3 jenis sample data,

berdasarkan hasil Uji Tanda (Sign Test)ke 1 dan 2, di dapatkan hasil
Uji Hipotesis α:1% α : 5 α : 10 Kesimpulan

% %
Uji Tanda 1 0,005 0,9750 0,9500 Karena nilai Zhit = 0,744 berada
Jumlah positif : 23 diantara ± 2,575, ±1,96, dan ±
Jumlah negative : 27 1,645 maka H0 diterima karena
data berdistribusi normal
Uji Tanda 2 dan 3 0,005 0,9750 0,9500 Karena nilai Zhit = -4,045 tidak
Jumlah positif : 45 berada diantara ± 2,575, ±1,96,
Jumlah negative : 55 dan ± 1,645 maka H0 ditolak.
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
INDUSTRI
6
INDUSTRI
BAB VI
KESIMPULAN
Kesimpulan dari praktikum Statistika Industri pada modul 5 mengenai Statistika

Non Parametrik dari 3 sampel data yaitu diperoleh data hipotesis dengan
menggunkan metode pengujian Uji Kolmogorov-Smirnov, Uji tanda dan Uji Dwi
Wilcoxon. Manfaat dari penaksiran dalam statistka Non parametrik adalah
membuat sebuah inferensi (kesimpulan) mengenai populasi, berdasarkan hasil
pengolahan data sampel didapat hasil sebagai berikut :
a. Nilai α untuk Uji Kolmogorov-Smirnov Sampel 1 adalah 5% (Menggunakan
Ktabel)
b. Nilai α untuk Uji Kolmogorov-Smirnov Sampel 2 adalah 5% (Menggunakan
Ktabel)
Kesimpulannya H0 ditolak, H1 Diterima karena nilai Dmax> dari nilai Ktabel,
c. Nilai α untuk Uji Kolmogorov-Smirnov Sampel 3 adalah 5% (Menggunakan
Ktabel)
INDUSTRI
d. Nilai α untuk Uji Tanda Sampel 1 adalah 1% , 5% , 10% (Menggunakan

Ztabel)
Karena nilai Zhit = 0,744 berada diantara ± 2,575, ±1,96, dan ± 1,645 maka H0
diterima karena data berdistribusi normal
e. Nilai α untuk Uji Tanda Sampel 1dan Sampel 2 adalah 1% , 5% , 10%
(Menggunakan Ztabel) Karena nilai Zhit = -4,045 tidak berada diantara ±
2,575, ±1,96, dan ± 1,645 maka H0 ditolak.
f. Nilai α untuk Uji Dwi Wilcoxon Sampel 2dan Sampel 3 adalah 1% , 5% ,
10% (Menggunakan Ztabel)
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 = 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.
g. Nilai α untuk Uji Kruskal Wallis Sampel 1,Sampel 2 dan Sampel 3 adalah 5%
(Menggunakan H tabel)
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 ≠ μ
6.2 SARAN
Berdasarkan praktikum yang telah dilakukan, saran yang dapat kami sampaikan
adalah:
1. Sebelum melakukan praktikum, peraktikan terlebih dahulu harus memahami

modul yang akan di bahas.
2. Lebih memperhatikan ketika instruktur atau asisten instruktur sedang
menjelaskan agar lebih memahami terutama mengenai rumus dan perhitungan.
3. Lebih teliti dalam perhitungan dan pengolahan data seingga didapat hasil yang
efisien.
DAFTAR PUSTAKA
Anita, Febri. (2015). STATISTIKA INFERENSIAL. https://febrianita25.

wordpress.com/2015/06/27/statistik-inferensial/ (Diakses tanggal 13 Mei
2019, pukul 22.00)

Asistensi Modul 5 - Prak Statind - Fairuz Majid, Tasya Mursalina, Rifatul Ngatiqoh - Kelompok 5 - Kelas ARegB2 - Riza Gustiar

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Asistensi Modul 5 - Prak Statind - Fairuz Majid, Tasya Mursalina, Rifatul Ngatiqoh - Kelompok 5 - Kelas ARegB2 - Riza Gustiar

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN ASISTENSI

PRAKTIKUM STATISTIKA INDUSTRI

Instruktur : Ima Ratnasari S.T., M.T.

Tasya Mursalina (0518103007)

LABORATORIUM SISTEM INFORMASI DAN KEPUTUSAN

1.1 LATAR BELAKANG

1.1.1 STATISTIK NON PARAMETRIK

Perkembangan yang pesat bagi suatu perusahaan di bidang industri tentunya

digunakan memiliki asumsi-asumsi yang jauh tidak mengikat dibanding dengan

Modul 5 ini membahas tentang pengumpulan data Statistik Non-Parametrik

1.2 TUJUAN PRAKTIKUM

1.1.1 Statistika Parametrik

Tujuan dilakukan kegiatan praktikum pada modul Statistik Non Parametrik,

MODUL 5 Statistika Non Parametrik

2.1 STATISTIKA NON PARAMETRIK

Istilah non parametrik pertama kali digunakan oleh Wolfowitz, pada tahun

2.2 Metode Statistika Non Parametrik

Berikut ini akan dijelaskan beberapa metode pengambilan keputusan yang

2.2.1 Uji Tanda

2.2.2 Uji Rang-Tanda (wilcoxon)

2.2.3 Uji Kruskal – Wallis

2.2.4 Kolgomorov smirnov goodness of fit test

Uji Kolmogorov Smirnov adalah pengujian normalitas yang banyak dipakai,

a. Kelompok data tidak berdistribusi normal

b. Umumnya data yang dimiliki memiliki skala nominal dan ordinal

c. Sering ditemukan pada kasus penelitian ilmu sosial

d. Ukuran sampel kecil dan tidak berdistribusi normal

2.4 Kelebihan Statistik Non-Parametrik

a. Mudah dilakukan karena tidak membutuhkan asumsi normalitas

Selain itu penggunaan metode statistik non parametrik hanya

26 25.43 -0.40 0.34 0.52 0.18

H0 = data distribusi normal

H0 diterima jika Dmax < Ktabel

Tabel 4. 5 Uji Kolmogorov Smirnov Sampel 2 (lanjutan)

31 34.18 0.42 0.66 0.62 0.04

H0 = data distribusi normal

H0 diterima jika Dmax < Ktabel

maka data tidak berdistribusi normal.

Tabel 4. 6 Uji Kolmogorov Smirnov Sampel 3

(Sumber : Pengolahan Data)

H0 = data distribusi normal

H1 = data tidak berdistribusi normal

H0 diterima jika Dmax < Ktabel

No x1 xbar Tanda No x1 xbar Tanda

5.) Uji Tanda Sampel 2 dan 3

No x1 xbar Tanda No x2 xbar Tanda

6.) Uji Dwi Wilcoxon Sampel 2 dan Sampel 3

(Sumber : Pengolahan Data)

H0 Ditolak jika Zhit > Zα

5.) Uji Kruskal Wilis Sampel 2 dan Sampel 3

i Sampel 1 Rank i Sampel 2 Rank i Sampel 3 Rank

Apabila H < Htab maka terima H0

5.1 STATISTIKA NON PARAMETRIK

Praktikum modul 4 statistik non parametrik digunakan 3 jenis sample data,

Uji Hipotesis α:1% α : 5 α : 10 Kesimpulan

6.1.1 STATISTIKA NON PARAMETRIK

Kesimpulan dari praktikum Statistika Industri pada modul 5 mengenai Statistika

d. Nilai α untuk Uji Tanda Sampel 1 adalah 1% , 5% , 10% (Menggunakan

6.2.1 STATISTIKA NON PARAMETRIK

1. Sebelum melakukan praktikum, peraktikan terlebih dahulu harus memahami

Anita, Febri. (2015). STATISTIKA INFERENSIAL. https://febrianita25.

Anda mungkin juga menyukai