STATISTIK NON PARAMETRIK

“Pengujian Hipotesis Deskriptif (Satu Sampe) dengan

Uji Run dan Kolmogorov-Smirnov”

Dosen Pengampu:
Dr. Ni Made Sri Mertasari, M.Pd.

Oleh Kelompok 1:
Kadek Riana Martionsi NIM. 1813011026
Kadek Dedy Indrawan Prayoga NIM. 1813011038
Ni Kadek Asri Rumiartini NIM. 1813011087

PROGRAM STUDI S1 PENDIDIKAN MATEMATIKA

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN GANESHA
SINGARAJA
2021

i
 DAFTAR ISI

COVER .............................................................................................................. i
DAFTAR ISI ...................................................................................................... ii
BAB I KAJIAN TEORI
1.1 Pengujian Hipotesis Deskriptif (Satu Sampel)........................................... 1
1.2 Pengujian Hipotesis Deskriptif dengan Uji Run. ....................................... 2
1.3 Pengujian Hipotesis Deskriptif dengan Uji Kolmogorov. ......................... 4
BAB II IMPLEMENTASI
2.1 Implementasi Pengujian Hipotesis dengan Uji Run................................... 6
2.2 Implementasi Pengujian Hipotesis dengan Kolmogorov-Smirnov. ........... 8
BAB III PENUTUP
3.1 Kesimpulan. ............................................................................................... 11
3.2 Saran. .......................................................................................................... 12
DAFTAR PUSTAKA
LAMPIRAN
EVALUASI

ii
 BAB I

KAJIAN TEORI

1.1 Pengujian Hipotesis Deskriptif (Satu Sempel)

Menurut Suciptawati (2010), hipotesis deskriptif merupakan dugaan
terhadap nilai satu peubah dalam satu sampel walaupun di dalamnya bisa
terdapat beberapa kategori. Pengujian dapat menyatakan apakah suatu sampel
berasal dari suatu populasi tertentu. Bentuk uji satu sampel biasanya
merupakan uji kecocokan (goodness of fit). Uji ini dapat dipakai untuk
menjawab pertanyaan-pertanyaan berikut:
a. Adakah perbedaan yang berarti (nyata) antara frekuensi-frekuensi yang
diamati dan frekuensi yang kita harapkan berdasarkan prinsip tertentu?
b. Adakah perbedaan yang berarti dalam lokasi (kecenderungan sentral)
antara sampel dengan populasinya?
c. Adakah perbedaan yang berarti antara proporsi yang diamati dengan
proporsi yang diharapkan?
d. Apakah beralasan bahwa data yang diamati berasal dari populasi yang
berbentuk tertentu?

Dalam perumusan hipotesis statistik, antara hipotesis nol ( H 0 ) dan

hipotesis alternatif ( H1 ) selalu berpasangan, bila salah satu ditolak, maka

yang lain pasti diterima sehingga dapat dibuat keputusan yang tegas, yaitu jika
( H 0 ) ditolak pasti ( H1 ) diterima. Hipotesis statistik dirumuskan

dengan simbol – simbol statistik. Berikut ini diberikan contoh berbagai

pernyataan yang dapat dirumuskan hipotesis deskriptif statistiknya: Suatu
perusahaan minuman harus mengikuti ketentuan, bahwa salah satu unsur
kimia hanya boleh dicampurkan paling banyak 1% (paling banyak berarti
lebih kecil atau sama dengan). Dengan demikian rumusan hipotesis statistik
adalah: H 0 :   0,01 dan H1 :   0,01 . Dapat dibaca: Hipotesis nol untuk

parameter populasi berbentuk proporsi (1%: proporsi) lebih kecil atau

sama dengan 1%, dan hipotesis alternatifnya, untuk populasi yang
berbentuk proporsi lebih besar 1%.

1
 Dalam kasus satu sempel, statistik parametrik akan digunakan adalah uji t
pada perbedaan antara rata-rata (sampel) yang diamati dengan rata-rata populasi
yang diharapkan. Dalam uji t digunakan asumsi bahwa pengamatan-pengamatan
atau skor-skor dalam sampelnya diukur dalam skala interval dan menyebar
normal. Statistik non-parametrik biasanya digunakan untuk melakukan analisis
pada data berjenis nominal atau ordinal pada hipotesis deskriptif satu sampel. Bila
datanya nominal maka dapat dilakukan dengan uji binomial, chi kuadrat satu
sampel, dan uji kolmogorov-smirnov. Sedangkan bila datanya berbentuk ordinal
digunakan uji run

1.2 Pengujian Hipotesis Deskriptif dengan Uji Run

Uji run merupakan salah satu prosedur uji statistik untuk menguji apakah
sampel yang mewakili suatu populasi sudah terambil acak (random) atau
tidak. Run test digunakan untuk menguji hipotesis deskriptif (satu sampel),
bila datanya berbentuk ordinal. Pengujian dilakukan dengan cara mengukur
kerandoman populasi yang didasarkan atas data hasil pengamatan melalui
sampel.
Apabila dalam sebuah penelitian dengan menggunakan uji run, ditemukan
bahwa distribusi populasi tidak terambil secara random, maka dapat dijelaskan
bahwa sampel tidak mewakili populasi. Dalam uji run, setiap percobaan
hasilnya harus menjadi k = 2 alternatif. Satu alternatif disebut sebagai
percobaan n1 dan alternatif lainnya disebut percobaan n2 , sehingga

n1 + n2 = N
Pengamatan terhadap data dilakukan dengan mengukur banyaknya “run”
dalam suatu kejadian. Sebagai contoh misalnya melempar sekeping logam
yang mukanya diberi tanda ® dan © setelah dilempar sebanyak lima belas kali
maka menghasilkan data sebagai berikut.

®®® ©©© ® ©©©© ®® © ®

Kejadian di atas terdiri dari 7 run, yaitu pertama memberikan data ®, kedua
©, ketiga ®, keempat ©, kelima ®, keenam © dan ketujuh ®. Urutan itu
adalah bentuk data ordinal.

2
Dalam penggunaannya, uji run dibagi menjadi 2 kelompok yaitu

1. Untuk Sampel Kecil

Uji sampel kecil digunakan untuk sampel n  20 baik itu n1 dan n2 .
Langkah-langkah pengujian uji run yaitu
a. Menentukan Hipotesis:
H 0 : Kejadian bersifat random

H 1 : Kejadian tidak random

b. Uji Statistik
Dalam uji statistika yaitu menentukan n1 dan n2 , menentukan R
(jumlah runs) dan membandingkan R dengan nilai tabel F (Lampiran
1).
c. Mengambil Keputusan
1. Gagal tolak H 0 jika F1  R  F11

2. Tolak H 0 jika R  F1 atau R  F11

d. Membuat Kesimpulan
2. Untuk Sampel Besar
Uji sampel besar digunakan untuk sampel n  20 baik itu n1 dan n2 .
Langkah-langkah pengujian uji run yaitu
a. Menentukan Hipotesis
H 0 : Kejadian bersifat random

H 1 : Kejadian tidak random

b. Uji Statistik
Karena nilai n1 dan nilai n2 lebih dari 20 maka menguji H 0

menggunakan rumus Z.
 2n n 
 r =  1 2 + 1 − 0,5
 n1 + n2 

2n1 n2 (2n1 n2 − n1 − n2 )
r =
(n1 + n2 )2 (n1 + n2 − 1)

3
  2n n 
R −  1 2 + 1 − 0,5
Z=
R − r
=  n1 + n2 
r 2n1 n2 (2n1 n2 − n1 − n2 )
(n1 + n2 )2 (n1 + n2 − 1)
Keterangan:
 r = Simpangan baku
 r = Harga (mean)
R = Jumlah runs
n1 = jumlah kelompok pertama
n2 = julah kelompok kedua

c. Mengambil Keputusan
1. H 0 diterima jika Z hitung  Z tabel

2. H 0 ditolak jika Z hitung  Z tabel

d. Membuat Kesimpulan
1.3 Pengujian Hipotesis Deskriptif dengan Kolmogorov-Smirnov
Uji ini merupakan uji kecocokan (goodness of fit), yaitu pengujian tingkat
kesesuaian antara sebaran serangkaian nilai sample/skor yang diamati dengan
suatu sebaran tertentu. Uji ini menetapkan apakah skor-skor dalam sampel
dapat secara masuk akal dianggap berhasil dalam suatu populasi dengan
sebaran teoretis itu. Secara singkat uji ini membandingkan frekuensi kumulatif
sebaran data pengamatan dengan frekuensi kumulatif sebaran data yang
berdasarkan pada . Tekniknya dengan menghitung selisih yang tersebar
antara kedua himpunan frekuensi kumulatif tersebut.
Misalkan sebaran frekuensi teoretik berdasarkan . Untuk setiap
harga , merupakan proporsi harapan yang nilainya sama atau lebih
kecil dari . sebaran komulatif yang diamati dari suatu sampel acak
dengan N pengamatan. sembarang skor yang mungkin, k/N, k =
banyak pengamatan yang sama atau dengan nilai . Menurut sampel
diambil dari suatu populasi tertentu dan diharapkan bahwa untuk setiap nilai
akan mendekati nilai . Ini berarti selisih antara dan
diharpkan nilainya sedemikian kecilnya, sehingga berada antara batas-

4
batas kesalahan acak (random). Dalam penggunaan uji Kolmogorov-Smirnov
menitik beratnya pada selisih terbesar. Selisih terbesar disebut
simpangan maksimum, disingkat dengan D.

D = Simpangan Maksimum

Sebaran sampel dari D menurut dapat dilihat pada tabel E, yang taraf
nyatanya tergantung pada nilai N. Bila gunakan tabel E yang
dikoreksi dengan membagi nilaiya dengan seperti yang tercantum pada
baris terakhir. Misalkan seorang peneliti menggunakan N = 43 dengan
. Tabel E memperlihatkan nilai D yang sama atau lebih besar dari
1,36 akan nyata, pada taraf nyata (uji dua arah).

Langkah-langkah penggunaan Uji satu Sampel Kolmogorov-Smirnov

1. Tentukan nilia teoretik kumulatif menurut .

2. Susun nilai pengamatan dalam sebaran kumulatif sesuai dengan pasangan
dari
3. Dari setiap pasangan hitung
4. Gunakan rumus menghitung D
5. Bandingkan hasil dengab Tabel E untuk menemukan kemungkinan (dua
arah ) menurut . Jika nilai-p sama atau kurang dari tolak . Atau
ditolak jika .

5
 BAB II
IMPLEMENTASI
2.1 Implementasi Pengujian Hipotesis Deskriptif dengan Uji Run
a. Untuk n1 , n2  20
Seorang guru Matematika mengirim 30 muridnya (dari 6 kelas yang
berbeda) untuk mengikuti seminar di Jakarta. Dari 30 murid tersebut,
ternyata hanya 10 siswa laki-laki saja yang diikutkan. Urutan siswa
sebagai berikut:
L L L P P P P P P P P P P P P P P L L P L L
L L LP P P P P
Apakah urutan dalam pemilihan peserta yang dilakukan oleh guru
tersebut sudah acak?
Penyelesaian:
1. Hipotesis
a. H 0 : peluang terpilihnya siswa laki-laki dan perempuan adalah

sama yaitu 50% (urutab bersifat acak/random)

b. H1 : peluang terpilihnya siswa laki-laki dan perempuan adalah
tidak sama (urutan bersifat tidak acak)
2. Uji Statistik
Penelitian ini menggunakan statistik uji run.
n1 = 20 (jumlah siswa perempuan)
n2 = 10 (jumlah siswa laki-laki)
runs = 6
Berdasarkan tabel F (harga-harga kritis r), untuk n1 = 20 dan n2 = 10

maka r yang kecil = 9 (Tabel F1 ) dan r yang besar = 20 (Tabel F11 ).

3. Keputusan
Karena jumlah runs tidak berada di dalam interval 9 sampai 20 maka
H 0 ditolak.

4. Kesimpulan
Pengiriman murid untuk mengikuti seminar di sekolah tersebut tidak
acak (berdasarkan jenis kelamin)

6
b. Untuk n  20
Guru matematika mengirimkan 40 muridnya untuk berpartisipasi dalam
seminar. Berdasarkan pengamatan dari absensi untuk kegiatan tersebut,
diperoleh urutan sebagai berikut:
P L L P P L P L L P P L L P L P L L P P L L L P L P L
P L P P P L P P L P L L L

Apakah urutan dalam pemilihan peserta yang dilakukan oleh guru

tersebut sudah acak? (Taraf signifikan ( ) = 5% )

Penyelesaian:
a. Hipotesis
H 0 : peluang terpilihnya siswa laki-laki dan perempuan adalah sama

yaitu 50% (urutab bersifat acak/random)

H1 : peluang terpilihnya siswa laki-laki dan perempuan adalah tidak
sama (urutan bersifat tidak acak)
b. Uji Statistik
n1 = 21 (jumlah siswa laki-laki)
n2 = 19 (jumlah siswa perempuan)
R = 26
Taraf signifikan =  = 5%
Z  / 2 = Z 2,5% = 1,96 (untuk nilai dari Z tabel dapat dilihat pada

lampiran 2)
 2n n   2  21  19 
R −  1 2 + 1 − 0,5 26 −  + 1 − 0.5
Z=  n1 + n2  =  21 + 19  = 1.78
2n1 n2 (2n1 n2 − n1 − n2 ) 2  21  19(2  21  19 − 21 − 19 )
(n1 + n2 )2 (n1 + n2 − 1) (21 + 19 )2 (21 + 19 − 1)
c. Keputusan
Karena nilai Z hitung = 1.78  1,96 = Z tabel , maka H 0 tidak ditolak

d. Kesimpulan
Pengiriman murid untuk mengikuti seminar disekolah tersebut yaitu
secara acak (berdasarkan jenis kelamin)

7
2.2 Implementasi Pengujian Hipotesis Deskriptif dengan Kolmogorov-
Smirnov

Contoh 1:

Suatu perusahaan penerbangan ingin mengetahui apakah kelambatan

waktu take-off pesawat-pesawat terbangan di Bandar Udara Ngurah Rai
menhikuti sebaran normal. Dari sampel 11 keterlambatan yang telah
terjadi diketaui (dalam jam): 2,1 , 1,9 , 3,2 , 2,8 , 1,0 , 5,1 , 1,9 , 4,2 , 3,9 ,
3,6 , dan 2,7 . Dengan tingkat signifikasi (α=10%) ,berdasarkan studi-studi
di bandara lainnya, dipertimbangkan bahwa keterlambatan take-off di
Bandara Ngurah Rai akan mempunyai mean jam dengan simpangan
baku jam.

Penyelesaian

1. Hipotesis

: selambatan waktu take-off pesawat udara adalah menyebar normal

dengan jam dan jam.

: Kelambatan waktu take-off pesawat udara tidak mengikuti

sebaran normal.

2. Nilai Statistik
N = 11, α=0,10, jam , jam

3. Uji Statistik

8
 Sehingga D maksimum dari tabel tersebut adalah 0,1795

4. Wilayah Kritis
Tabel Nilai Kritis Uji Kolmograv-Smirnov menunjukkan untuk N=11
dan α=0,10, maka DTabel = 0,352
5. Keputusan
Karena DHitung  DTabel maka gagal tolak H 0
6. Kesimpulan
Dengan tingkat signifikasi 10% dan berdasarkan data sampel yang ada,
dapat dinyatakan bahwa tidak cukup alasan untuk menolak .
Keterlambatan waktu take-off pesawat udara menyebar normal dengan
jam dan jam.
Contoh 2:

Terdapat 20 pengamatan yang diambil secara acak dari suatu sebaran

seragam (uniform) pada interval (0,1) yang ditunjukkan pada tabel 2.5
yang dinotasikan dengan y. akan diteliti bahwa akar kuafrat dari
pengamatan-pengamatan yang diambil secara acak tidak mengubah bentuk
sebarannya.

Penyelesaian:

9
Hipotesis statistik untuk khasus di atas sebagai berikut:

: mengukuti sebaran seragam (0,1)

: tidak mengukuti sebaran seragam (0,1)

Karena ada 20 pengamatan, maka frekuensi harapan masing-masing x

sebesar 1/20 = 0,05

Nilai maksimum adalah 0,362. Tabel D menunjukkan

untuk N = 20, dan (pengujian dua arah), maka adalah
0,265. Nilai ini lebih kecil dari 0,362, maka ditolak. Kesimpulan

tidak mengikuti sebaran seragam (0,1).

10
 BAB III

PENUTUP

3.1 Kesimpulan

Berdasarkan pemaparan diatas dapat disimpulkan bahwa:

1. Hipotesis deskriptif merupakan dugaan terhadap nilai satu peubah

dalam satu sampel walaupun di dalamnya bisa terdapat beberapa
kategori.
2. Uji run merupakan salah satu prosedur uji statistik untuk menguji
apakah sampel yang mewakili suatu populasi sudah terambil acak
(random) atau tidak. Run test digunakan untuk menguji hipotesis
deskriptif (satu sampel), bila datanya berbentuk ordinal. Pada
sampel kecil ( n  20 ) keputusan dapat diambil dengan ketentuan
yaitu gagal tolak H 0 jika F1  R  F11 dan tolak H 0 jika R  F1

atau R  F11 sedangkan pada sampel besar keputusan dapat

diambil dengan ketentuan yaitu H 0 diterima jika Z hitung  Z tabel

dan H 0 ditolak jika Z hitung  Z tabel . Dengan rumus Z hitung yaitu:

 2n n 
R −  1 2 + 1 − 0,5
Z=
R − r
=  n1 + n2 
r 2n1 n2 (2n1 n2 − n1 − n2 )
(n1 + n2 )2 (n1 + n2 − 1)
3. Uji Kolmogorov merupakan uji kecocokan (goodness of fit), yaitu
pengujian tingkat kesesuaian antara sebaran serangkaian nilai
sample/skor yang diamati dengan suatu sebaran tertentu.
Tekniknya dengan menghitung selisih yang tersebar antara kedua
himpunan frekuensi kumulatif tersebut. Dalam penggunaan uji
Kolmogorov-Smirnov menitik beratnya pada selisih terbesar.
Selisih terbesar disebut simpangan maksimum,
disingkat dengan D.

D = Simpangan Maksimum

11
3.2 Saran
Dengan adanya makalah ini, kami menyarankan agar para
pembaca dapat memahami mengenai isi dari makalah ini
yaitu membahas mengenai “Pengujian Hipotesis Deskriptif
(Satu Sampel) dengan Uji Run dan Kolmogorov - Smirnov” serta
dapat menambah wawasan dan pengetahuan pembaca.

12
 DAFTAR PUSTAKA

Ghozali, I dan Castellan, J. 2002. Statistik Non-Parametrik. Semarang:

Universitas Diponegoro.

Soleh, S. 1996. Statistik Non Parametrik (Edisi kedua). Yogyakarta: Penerbit

BPFE-Yogyakarta.

Suciptawati, P. 2009. Metode Statistika Non Parametrik. Denpasar: Udayana

University Press.

Sugiyono. 2007. Statistik Non Parametrik Untuk Penelitian. Bandung: Penerbit

CV Alvabeta.

Suyanto dan Prana Ugiana Gio. 2017. Statistika Nonparametrik Dengan SPSS,
Minitab, dan R. Medan: USU Pess

13
 LAMPIRAN

Lampiran 1 :

Tabel F1

Tabel F11

14
Lampiran 2:

15
16
17
Lampiran3

18
Lampiran 4

19
SOAL EVALUASI

UJI KOLMOGOROV- SMIRNOV

1. Berikut ini merupakan data ujian nasional matematika siswa SMA Negeri
1 Gerokgak: 90,86,88,67,68,76,84,82,75. Dengan tingkat signifikasi
(α=5%). Bila mean dari data tersebut dan simpangan baku
. Selidiki apakah data di atas diambil dari populasi berdistribusi
normal?
Uji RUN
1. Suatu penelitian tentang sanitasi rumah telah dilakukan. Diambil sebanyak
42 rumah.Masing-masing rumah diukur kelembaban udaranya didapatkan
data urutan sampel berdasarkan kelembaban pada tabel
dibawah.Selidikilah dengan α = 10 %, apakah sampel rumah tersebut
random (acak) berdasarkan kelembabannya (Mean=60,93).

20
 Kelembaban Kelembaban
Nomor Nomor
Rumah Rumah
1 68 22 59
2 56 23 48
3 78 24 53
4 60 25 63
5 70 26 60
6 72 27 63
7 65 28 51
8 55 29 58
9 60 30 68
10 64 31 65
11 48 32 54
12 52 33 79
13 66 34 58
14 59 35 70
15 75 36 59
16 64 37 60
17 53 38 55
18 54 39 54
19 62 40 60
20 68 41 54
21 70 42 50

21