1

STATISTIK NON PARAMETRIK

Uji Non Parametrik Statistik

 digunakan untuk menggambarkan bentuk pengujian yang tidak melibatkan
parameter populasi.

Uji ini digunakan bila :

1. Bentuk distribusi populasinya dimana sample diambil, tidak diketahui, menyebar
secara normal.
2. Variabel dinyatakan dalam bentuk nominal (diklasifikasikan dalam kategori dan
dihitung frekuensinya)
3. Variabel dinyatakan dalam bentuk ordinal (disusun dalam urutan, dinyatakan dalam
jenjang 1, jenjang 2, jenjang 3, dst)

Pengujian Hipotesis Non Parametrik :

1. Uji Tanda (Sign Test)
2. Uji Peringkat Bertanda Wilcoxon
3. Uji Mann Whitney
4. Uji Rank Spearman (sudah dipalajari)

1. UJI TANDA (SIGN TEST)

Prosedurnya didasarkan pada tanda negatif (-) atau positif (+) dari perbedaan antara
pasangan data ordinal.

Langkah-langkah :
a. Merumuskan hipotesis.
Ho : P = Po
Ha : P > Po

Ho : P = Po
Ha : P < Po

Ho : P = Po
Ha : P ≠ Po

b. Tentukan nilai 
c. Kriteria pengujian dengan cara :
- Menghitung selisih antara satu observasi dengan observasi lain apakah
positif, negatif atau nol.
- Menghitung jumlah tanda positif dan negatif, tanda nol diabaikan. Jumlah tanda
yang terkecil diberi simbol r.
 2
d. Mencari daerah kritis dengn ketentuan :
- Sample besar (n ≥ 30)  Distribusi Normal

2R − n
CR =
√n
Dimana : R = jumlah tanda (+)
n = Jumlah pasangan observasi yang relevan

- Sampel kecil (n ≤ 30)  Distribusi Binomial

e. Kesimpulan : Jika CR > Z.

Contoh :

 Untuk Sample Kecil

Nilai rasa oleh 10 konsumen ayam goreng yang dimasak dengan resep lama dan resep
baru adalah sebagai berikut : ( 10 : rasa sangat baik ; 1 : resep sangat buruk)

Nilai Rasa
Perbedaan
Konsumen Resep Lama Resep Baru (Y- X)
(X) (Y)
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 = (+) + (-) = 6 + 2 = 8

r = jumlah tanda yang paling sedikit = 2

* Ho : p = 0,5  dianggap 50%

Ha : p > 0,5

* Gunakan Binomial karena r = 2, maka dapat dikatakan paling banyak 2 konsumen

yang melaporkan perubahan negatif.
 3

* Paling banyak 2 (X) dari 8 (n) orang yang melaporkan ada perubahan tanda negatif
(-)  P(X ≤ 2)

* P(X ≤ 2) = P(X= 0) + P(X=1) + P(X=2)

= 0,0039 + 0,0312 + 0,1094 = 0,1445

Dengan : n = 8 ; p = 0,5 ;  = 0,05

* Keputusan :  ≤ probabilita hasil sample.

0,05 ≤ 0,1445  maka Ho diterima, Ha ditolak

 Untuk Sampel Besar

Jika dengan soal yang sama, didapat data :

* Jumlah sampel : 33  = 5%
* Beda tanda (+) = 18
(-) = 12 n = 30
(0) = 3
33

2 . R − n 2(18 ) − 30 36−30
CR= = = = 1,095
* √n √ 30 5,477

* Z = 0,5 -0,05 = 0,45  1,64 atau 1,65

* Keputusan : 1,64 > 1,095  Ho diterima, Ha ditolak.
Dianggap tidak ada perbedaan antar resep lama dan resep baru.

2. Direktur PT. ANGIN RIBUT ingin mengukur peningkatan mutu kerja karyawan
diperusahaannya, setelah memberlakukan kenaikan gaji. Diambil sampel 10
karyawan dengan data sbb :

Pegawai
Skor
1 2 3 4 5 6 7 8 9 10
Sebelum
71 91 86 60 83 70 72 65 80 72
X1
Sesudah
72 88 82 67 88 67 75 75 90 76
X2

Ujilah dengan  = 5%, apakah ada peningkatan atau tidak ?

Jawab :
 4
Sampel Kecil

Karena ingin mengukur peningkatan, maka sesudah dan sebelum (X 2 – X1) :

Pegawai
Skor
1 2 3 4 5 6 7 8 9 10
Sebelum
71 91 86 60 83 70 72 65 80 72
X1
Sesudah
72 88 82 67 88 67 75 75 90 76
X2
X2 – X 1 + - - + + - + + + +

Yang bertanda (+) = 7, dan tanda (-) = 3

Ho : p = 0,5 ( Tidak ada peningkatan)

Ha : p > 0,5 (Ada peningkatan)
 = 5%,  n ≤ 20  Probabilitas Binomial kumulatif.
n = 10, r = 3 ( tanda terkecil) p = 0,5

Probabilitas sampel = P(0) + P(1) + P(2) + P(3)

= 0,0010 + 0,01 + 0,044 + 0,117 = 0,172

Kesimpulan :
Karena  = 5% ≤ 0,172  Terima Ho, Tolak Ha. Artinya : tdk ada peningkatan
mutu kerja setelah gaji naik.

Sampel Besar :
Ho : p = 0,5 ( Tidak ada peningkatan)
Ha : p > 0,5 (Ada peningkatan)
 = 5%,  Z0,05 = 1,645
Daerah Kritis :

X−μ 2R − n 2(7 )−10

Z hit = →CR = = = 1,26
σ √n √ 10
μ= n . p = 10 . 0,5 = 5
σ=√ n. p.q= √10.0,5.0,5=1,58
X = jumlah (+) = 7 - pendekatan normal dgn binomial : x ± 0,5
= 7 – 0,5 = 6,5
n = 10, r = 3 ( tanda terkecil) p = 0,5
 5
X−μ 6,5−5
Z hit = = = 0,95
σ 1,58
Zhit < Ztabel  Ho diterima, Ha ditolak.
Artinya : Tidak ada perubahan mutu kerja karyawan dengan kenaikan gaji.

3. PT. INVIR ingin melihat adakah perbedaan produktivitas kerja antara siang hari
dan malam hari. Hasil pengamatan sbb :

Karyawan Malam hari Siang Hari

1 78 84
Ujilah dengan  = 5%,
2 82 85
3 78 69
4 68 75
5 79 87
6 84 73
7 90 92
8 59 70
9 71 74
10 85 70
11 66 70
12 69 75
13 83 79
14 89 89
15 75 80

2. Uji PERINGKAT BERTANDA WILCOXON

 Selain digunakan untuk mengetahui perbedaan yang nyata atau tidak antara
sampel yang diteliti, juga digunakan untuk mengetahui berapa besar
perbedaannya.

Langkah-langkah:
1. Merumuskan hipotesis
Ho : P = Po
Ha : P > Po

Ho : P = Po
Ha : P < Po

Ho : P = Po
Ha : P ≠ Po
 6

2. Tentukan nilai 
3. Kriteria pengujian dengan cara :
- Rangking untuk tiap-tiap beda dari pasangan observasi (Y i – Xi) sesuai
dengan besarnya, dari yang terkecil sampai terbesar tanpa memperhatikan
tanda dari selisih.
- Bubuhkan tanda (+) atau (-) untuk tiap-tiap beda, beda 0 diabaikan.
- Jumlahkan semua jenjang yang lebih kecil setelah tanda dihilangkan.
Notasi kan jumlah rangking yang lebih kecil dengan T.
- Bandingkan nilai T yang diperoleh dengan nilai T untuk uji rangking
bertanda Wilcoxon.
- Tabel nilai T hanya untuk n ≤ 25, jika n > 25 menggunakan tabel normal.

Rumus :
n (n+1)
E(T ) =
4
n+(n+1 )(2n+1 )
σ .T =
√
24
T − E (T )
Z=
σ .T
4. Kesimpulan.
Ho ditolak, jika Z > Z/2.

Contoh :

1. Ingin mengetahui apakah program latihan dapat menaikan produktivitas kerja.

Untuk tujuan itu telah dipilih 15 pekerja dari suatu perusahaan industri untuk
diselidiki. Informasi tentang output mingguan sebelum dan sesudah program
tersebut adalah sbb :

Pekerja Sebelum Sesudah

Xi Yi (Yi – Xi) Rank Tanda (+) Tanda (-)

A 85 87 +2 4,5 4,5 -
B 91 93 +2 4,5 4,5 -
C 75 75 0 - - -
D 83 82 -1 1,5 - -1,5
E 85 88 +3 8,5 8,5 -
F 78 75 -3 8,5 - -8,5
G 80 85 +5 11,5 11,5 -
H 78 78 0 - - -
 7
I 81 84 +3 8,5 8,5 -
J 80 81 +1 1,5 1,5 -
K 80 87 +7 13 13 -
L 78 80 +2 4,5 4,5 -
M 82 85 +3 8,5 8,5 -
N 77 75 -2 4,5 - -4,5
O 70 75 +5 11,5 11,5 -
Jumlah 76,5 -14,5

Ada 2 yang nol, yang dihitung hanya yang bertanda (+) dan (-), jadi n = 13,  = 5%.

 Pengujian 2 arah.
Ho : p = 0 (Tidak ada perbedaan nyata antara pasangan)
Ha : p ≠ 0 (ada Perbedaan nyata antara pasangan)
 = 5%.  T0,05 = 17
T = 14,5 (yang jumlahnya sedikit)
Kesimpulan : karena 14,5 < 17 maka Ho ditolak, Ha diterima

2. Delapan orang pasien yang diambil secara ack diukur kapasitas pernafasannya sebelum
dan sesudah diberi obat tertentu. Hasilnya sbb :

Pasien
Skor
1 2 3 4 5 6 7 8

Sebelum 275 295 225 268

2360 2830 2720 2810
X 0 0 0 0
Sesudah 285 293 230 264
2380 2860 2760 2800
Y 0 0 0 0

Ujilah dengan  = 5% , apakah obat tersebut memiliki efek terhadap kapasitas

pernafasan ?

Jawab :

Ho : p = 0 (Obat tidak memiliki efek)

Ha : p ≠ 0 (Obat memiliki efek)
 = 5%.  t0,05/2 ; 8 = 3
t = 3 (yang jumlahnya sedikit)
Daerah kritis :

Perhitungan :
 8

Sebelum Sesudah
Pekerja (Yi – Xi) Rank Tanda (+) Tanda (-)
Xi Yi
A 2750 2850 +100 8 +8
B 2360 2380 +20 2,5 +2,5
C 2950 2930 -20 2,5 -2,5
D 2830 2860 +30 4 +4
E 2250 2300 +50 7 +7
F 2680 2640 -40 5,5 -5,5
G 2720 2760 +40 5,5 +5,5
H 2810 2800 -10 1 -1

Jumlah 27 -9

Dengan mengabaikan tanda (+) dan (-) yang terkecil adalah 9, maka T = 9
Kesimpulan : karena T > 3 maka Ho diterima, ditolak Ha.

Latihan :

1. Seorang direktur ingin menguji hipotesis bahwa pemberian latihan teknik

penjualan pada 8 orang salesman tidak dapat meningkatkan hasil penjualan
dengan alternatif dapat meningkatkan penjualan. Data berikut menunjukan hasil
penjualan sebelum diberi pelathan dan sesudah diberi pelatihan adalah sbb :

Hasil Penjualan Hasil Penjualan

Salesman
Sebelum Pelatihan Sesudah Pelatihan
1 30 45
2 50 50
3 32 50
4 10 30
5 50 40
6 60 45
7 40 35
8 75 88

Dengan mengunakan uji peringkat wilcoxon, uji diatas apakah pelatihan teknik
penjualan dapat meningkatkan hasil penjualan pada salesman? Dengan  = 5%.

Jawab :
 9
Uji peringkat wilcoxon

Sebelum Sesudah Tanda Tanda

Salesman (Yi – Xi) Rank
Xi Yi (+) (-)
1
2
3
4
5
6
7
8
Jumlah

2. Ibu Indah seorang wiraswasta yang sukses. Dalam usahanya, ibu Indah membuat
Ice cream yang dipasarkan ke beberapa kota di pulau Jawa. Untuk meningkatkan
penjualan, telah dikeluarkan strategi baru didalam memasarkan produknya yaitu
dengan menggunakan kereta dorong. Ibu indah yakin, bahwa dengan menggunakan
strategi baru tersebut maka penjualan ice creamnya akan meningkat sampai 40%
dibandingkan sebelum menggunakan kereta dorong. Berikut adalah data tentang
jumlah penjualan ice cream sebelum dan sesudah menggunakan kereta dorong

Kota Jumlah Penjualan

Pemasaran Sebelum Sesudah
Bekasi 2 2
Tangerang 3 2,5
Bandung 1,5 2
Cimahi 1 2
Solo 2,5 2,5
Jogya 3 2
Surabaya 3 4
Malang 2 4
Jakarta 5 4
Bogor 4 6

Dengan menggunakan  = 5%. Ujilah apakah jumlah penjualan ice ceream produk
Indah akan mengalami peningkatan setelah menggunakan strategi baru yaitu
menggunakan kereta dorong, dengan menggunakan :
a. Uji tanda
b. Uji Wicoxon
 10
3. Uji Korelasi Rank SPEARMAN

 Digunakan untuk mengukurr derajat erat tidaknya hubungan antara satu variabel
terhadap variabel lainnya, dimana pengamatan pada masing-masiing variabel
tersebut didasarkan pada pemberian rangking tertentu sesuai dengan pengamatan
serta pasangannya.

Langkah-langkah :
1. Merumukan hipotesis :
Ho : rs = 0
Ha : rs > 0
Ho : rs = 0
Ha : rs < 0
Ho : rs = 0
Ha : rs ≠ 0
2. Menentukan nilai 
3. Kriteria pengujian :
- Nilai observasi dari 2 variabel yang diukur hubungannya diberi rangking.
- Setiap pasang rangking dihitung selisihnya
- Perbedaan setiap pasang rangking dikuadratkan dan dijumlahkan.
4. Hitung :

6 . ∑ di2
r s =1− 2
n( n −1)
dimana : di = selisih dari rank x dan y
n = banyaknya pasangan rank.

5. Kesimpulan : Ho ditolak, jika rs > r.

Kemudian dilanjutkan dengan test statistik untuk koefisien korelasi yaitu :

6. Tentukan   untuk mencari t,df(n-k) atau t/2,df(n-k)

7. Hitung test statistik dengan rumus :

r . √ n−2
t o=
√(1−r 2)
8. Kesimpulan
 11
Contoh :
1. Dalam penelitian ingin menentukan apakah nilai dalam suatu test yang diperoleh
pekerja memiliki hubungan dengan hasil pekerjaan yang dinyatakan dengan jumlah
satuan yang diproduksi dalam jangka waktu tertentu. 10 pekerja telah dipilih. Nilai
tes dinyatakan dengan X dan jumlah diproduksi dinyatakan dengan Y. Hasilnya
adalah sbb :

Pekerja Nilai Tes (X) Satuan yang diproduksi (Y)

A 65 30
B 70 25
C 76 35
D 75 40
E 80 38
F 78 42
G 83 48
H 84 50
I 85 55
J 90 45

Jawab :

Pekerja X Rank X Y Rank Y di di2

A 65 1 30 2 -1 1
B 70 2 25 1 1 1
C 76 4 35 3 1 1
D 75 3 40 5 -2 4
E 80 6 38 4 2 4
F 78 5 42 6 -1 1
G 83 7 48 8 -1 1
H 84 8 50 9 -1 1
I 85 9 55 10 -1 1
J 90 10 45 7 3 9
Jumlah 24
6. ∑ di 2 6. (24 )
r s =1− 2 =1− =1−0 , 145=0,855
n( n −1 ) (10 )( 102 −1 )
Ho : rs = 0
Ha : rs ≠ 0
 = 0,05  /2 = 0,025  t0,025 (10) = 2,281
r √n−2 0,855 √. 10−2
t 0= 2
= 2
=4,6627
√1−r √1−( 0,855)
Kesimpulan : Karena t(4,6627) > t = 2,281  maka Ho di tolak, Ha diterima.
 12
2. Dengan menggunakan tingkat kesalahan sebesar 0,05, ujilah apakah ada hubungan
antara peringkat hasil penjualan dengan peringkat hasil ujian pelatihan teknik
penjualan.

Hasil Penjualan Hasil Ujian Pelatihan Teknik Penjualan

2 1
4 4,5
3 2,5
1 2,5
5,5 4,5
7 8
8 6,5
5,5 6,5
9,5 9
9,5 10

Jawab :

No (X) (Y) di di2

1 2 1 1 1
2 4 4,5 -0,5 0,25
3 3 2,5 0,5 0,25
4 1 2,5 -1,5 2,25
5 5,5 4,5 1 1
6 7 8 -1 1
7 8 6,5 1,5 2,25
8 5,5 6,5 -1 1
9 9,5 9 0,5 0,25
10 9,5 10 -0,5 0,25
Jumlah 9,5

6. ∑ di 2 6 .( 9,5)
r s =1− 2 =1− =1−0,0576=0,9424
n( n −1 ) (10 )( 102 −1 )
Ho : Ps = 0 ( Tidak ada hubungan)
Ha : Ps ≠ 0 ( Ada hubungan)
 = 0,05  t/2 = 0,025  t0,025 = 0,564
r √n−2 0,9424 √ .10−2
t 0= 2
= 2
=7,9683
√1−r √1−(0,9424)
Kesimpulan :
Ho ditolak, Ha diterima. Jadi ada hubungan antara hasil penjualan dengan
peringkat hasil ujian pelatihan teknik penjualan.
 13
Latihan :

1. Seorang berpendapat bahwa tidak ada hubungan antara jumlah peserta B dan
jumlah kelahiran di desa Suka Suka. Data yang diperoleh selama 5 tahun adalah
sbb :

Tahun 1 2 3 4 5
Peserta KB 200 250 220 300 425
Jml Kelahiran 30 40 25 35 45

Ujilah dengan menggunakan Rank Spearman hubungan tersebut diatas dengan

tingkat keyakinan sebesar 95%.

Jawab :

Tahun X Rank X Y Rank Y di di2

1
2
3
4
5
Jumlah

Ho : Ps = 0 ( Tidak ada hubungan)

Ha : Ps ≠ 0 ( Ada hubungan)
 = 0,05  /2 = 0,025  t0,025 = ………
6. ∑ di 2 6 .( ....... ......)
r s =1− 2 =1− =1−.. ........ ..=.... .........
n( n −1 ) (.....)(.....2−1)

r √n−2 ........................
t 0= =
2 .......................
=.....................
√1−r
Kesimpulan :
 14
2. Dibawah ni adalah data tentang nilai UTS dan UAS dari 10 orang mahasiswa FE
Usakti untuk mata kuliah Statistik Bisnis semester lalu adalah sbb:

Mahasiswa UTS UAS

1 100 96
2 78 87
3 80 100
4 64 84
5 70 90
6 60 94
7 82 93
8 72 86
9 50 80
10 94 98

Dekan FE ingin mengetahui apakah ada korelasi yang positif antara nilai UTS dan
UAS dari mahasiswa tsb ? Dengan  = 5%

Jawab :

Mahasiswa UTS Rank X UAS Rank Y di di2

1 100 96
2 78 87
3 80 100
4 64 84
5 70 90
6 60 94
7 82 93
8 72 86
9 50 80
10 94 98
Jumlah
 15
4. UJI MANN – WHITNEY (U-TEST)

Digunakan jika ingin mengetahui apakah ada perbedaan yang nyata atau tidak antara
sample yang diteliti, tetapi sample tersebut tidak saling terkait satu dengan yang
lainnya.

Langkah-langkah:
1. Merumuskan hipotesis
Ho : U = U0
Ha : U > U0

Ho : U = U0
Ha : U < U0

Ho : U = U0
Ha : U ≠ U0
2. Menentukan nilai 
3. Kriteria pengujian :
- Gabungkan kedua sampel independen dan beri rangking pada tiap-tiap
anggotanya mulai dari terkecil sampai dengan terbesar.
- Hitung jumlah rangking masing-masing bagi sampel satu dan sampel dua
dengan R1 dan R2.
- Hitung nilai U dengan rumus :
n1 . ( n1 +1 )
U 1 = n 1 .n 2 + − R1
2
n2 . ( n2 + 1 )
U 2 = n1 .n 2 + − R2
2

- Dari 2 nilai U , Nilai U yang dipilih dan akan digunakan sebagai U hitung
adalah U yang nilainya terkecil.
(n1. n2 )
Nilai U yang lebih besar ditandai dengan U’ bandingkan dengan 2
4. Keputusan Ho ditolak, jika U < U (Tabel Mann Whitney)

5. Kesimpulan.

Jika lebih besar (n > 20) maka gunakan distribusi normal/ table normal.
n1 . n2 n1 . n2 (n1 . n2 +1 )
E(U ) =
2
σ .U =
√ 12
 16
U −E(U )
Z=
σ .U
Keputusan : Ho ditolak jika Zhit > Ztab
 17
Contoh :
1. Manajer produksi perusahaan ingin menguji apakah iringan musik berpengaruh
terhadap produktivitas kerja. Penelitian pada output per jam terhadap sampel
random 10 pekerja tanpa iringn musik dan 18 pekerja.

Pekerja A Output/jam Pekerja A Output/jam

1 13
2 12
3 12
4 10
5 10
6 10
7 10
8 9
9 8
10 8

Pekerja B Output/jam Pekerja B Output/jam

1 17 10 13
2 16 11 13
3 15 12 12
4 15 13 12
5 15 14 12
6 14 15 12
7 14 16 11
8 14 17 10
9 13 18 8

Jwb :
Pekerja A Output/jam Rank A Pekerja B Output/jam Rank B
1 13 18,5 1 17 28
2 12 13,5 2 16 27
3 12 13,5 3 15 25
4 10 7 4 15 25
5 10 7 5 15 25
6 10 7 6 14 22
7 10 7 7 14 22
8 9 4 8 14 22
9 8 2 9 13 18,5
10 8 2 10 13 18,5
R1 81,5 11 13 18,5
12 12 13,5
13 12 13,5
14 12 13,5
15 12 13,5
16 11 10
 18
17 10 7
18 8 2
R2 324,5

 terkecil Uhit.

n1 . ( n1 +1 ) 10 (10+ 1)
U 1 = n 1 .n 2 + − R1 = (10).( 18)+ −81,5 = 153,5
2 2
n2 . ( n2 + 1 ) 18 (18+ 1)
U 2 = n1 .n 2 + − R2 = (10 ).(18 )+ −324,5=26,5
2 2
Nilai U terkecil = n1.n2 – nilai U terbesar
= 10 .(18) – 153,5 = 26,5.

Uji hipotesis : (Two Tail)

Ho : U = U’
Ha : U ≠ U’
 = 5%  n1 = 10 dan n2 = 18  Utabel = 48
Uhit = 26,5

Keputusan : Ho ditolak, Ha diterima. Karena U = 26,5 < Utabel(0,05) = 48.

Kesimpulan: Musik berpengaruh thd produktifitas, krn nilai produktifitas klp
yg mendengarkan musik berbeda dg kelompok yg tdk mendengarkan musik

Latihan :

1. Dosen Statistik akan menguji hipotesis bahwa pemberian lab statistik tidak dapat
meningkatkan hasil ujian dengan alternatif dapat meningkatan hasil ujian. Data
berikut menunjukan nilai ujian dari mahasiswa di Universitas Persada dan
Universitas Prastika adalah sbb :

Mhs Unv. Hasil Ujian Mhs Unv. Hasil Ujian

Persada Prastika
A 100 K 85
B 45 L 60
C 80 M 88
D 78 N 74
E 85 O 83
F 88 P 90
G 80 Q 100
R 90
 19

S 80

Dengan menggunakan uji Mann Whitney dengan  = 1 % ujilah hipotesis tersebut !

Jawab :

Mhs Unv. Hasil Mhs Unv. Hasil

Rank A
Persada Ujian Prastika Ujian Rank A
A 100 K 85
B 45 L 60
C 80 M 88
D 78 N 74
E 85 O 83
F 88 P 90
G 80 Q 100
R1 R 90
S 80
R2

2. Seorang pejabat BKPM berpendapat bahwa rata-rata modal perusahaan PMA dan
PMDN adalah sama dengan alternatif tidak sama. Untuk menguji pendapat
tersebut telah diteliti masing-masing 7 perusahaan untuk itu diketahui besarnya
modal yang dimiliki (dalam jutaan rupiah) adalah sbb :

PMA MODAL PMDN MODAL

A 280
B 290
C 300
D 320
E 270
F 260
H 250
I 260
J 310
K 320
L 300
M 280
 20
G 250 N 270

Dengan menggunakan tingkat keyakinan sebesar 95%, ujilah apakah pendapat

penjabat BKPM tersebut benar ? (Mann-Whitney)
 21
SPSS
1. Dibawah ini adalah data hasil printout computer SPSS

Saudara diminta untuk meng-interprestasikan hasil print out dibawah ini !

Correlations
Pupuk Air Produksi
Pupuk Pearson Correlation 1 .805** .838**
Sig. (2-tailed) .000 .000
N 20 20 20
Air Pearson Correlation .805** 1 .894**
Sig. (2-tailed) .000 .000
N 20 20 20
Produksi Pearson Correlation .838** .894** 1
Sig. (2-tailed) .000 .000
N 20 20 20
**. Correlation is significant at the 0,01 level (2 tailed)

Model Summary
Model R R Square Adjusted Std.Error of
R Square The Estimate
1 .916a .838 .819 7.11710
a. Predictors: (Constant), pupuk, air

Coefficientsa
Unstandardized Standardized
Coefficient Coefficient
Model B Std.Error Beta t Sig.
1 (Constant) -34.947 18.089 -1.932 .070
Air .775 .205 .623 3.790 .001
Pupuk .419 .205 .336 2.047 .056
a. Dependent Variable : produksi

Anovab
Model Sum of
Squares df Mean Square F Sig.
1 Regression 4470.096 2 2235.048 44.125 .000a
Residual 861.104 17 50.653
Total 5331.200 19

a. Predictors: (Constant), pupuk, air

b. Dependent Variable : produksi

Jawab :

N = 20
Y = produksi
X1 = pupuk
 22
X2 = air

r1y = 0,838  sign = 0,000  ada hubungan kuat dan positif antara X1 (Pupuk) dg Y
(Produksi)
r2y = 0,894  sign = 0,000  ada hubungan kuat dan positif antara X2(Air) dg Y
(Produksi)
r1.2 = 0,805  sign = 0.000  ada hubungan kuat dan positif antara X1 (pupuk) dg
X2 (air)
ry1.2 = 0,916  ada hubungan sangat kuat dan positif antara X1, X2 dg Y
Kriteria signifikansi dari koef korelasi: (α=0.05)
Jika Sign < 0.05, maka koef korelasi tsb signifikan

R2 = 0,838  KP = 83,8 %
Kemampuan var X1 (Pupuk) dan X2 (Air) dalam menjelaskan perubahan Y (produksi)
adalah sebesar 83,8%, sedangkan sisanya 16,2% dijelaskan oleh faktor di luar
model.
Model ini memenuhi kriteria: Goodness of fit (krn R 2 > 70%)

Untuk regresi berganda lebih baik dibaca Adjusted R 2

Adj R2 = 0.819
Kemampuan var X1 (Pupuk) dan X2 (Air) dalam menjelaskan perubahan Y (produksi)
adalah sebesar 81,9%, sedangkan sisanya 18.1% dijelaskan oleh faktor di luar model.

Uji t (One tail)

Persamaan hasil regresi:
Y = bo + b2 X1 + b2 X2 + e
Y = -34,947 + 0.419 X1 + 0.775 X2

Uji Individu :
(hub antara (x1) pupuk dg (Y) Produksi)
Jika jumlah pupuk bertambah, maka jumlah produksi meningkat
Ho : b1 ≤ 0
Ha : b1 > 0
thit : 2.047
Untuk pengujian ona tail, maka Sign 0,056 dibagi 2
Sign/2 = 0.028
Karena sign/2 < 0.05, maka Ho ditolak dan Ha diterima
Kesimpulan : b1 terbukti > 0 (atau b1 adalah positif dan signifikan)
Pupuk berpengaruh positif thd Produksi

b1= 0.419, artinya: Jika jumlah pupuk naik 1 satuan, maka produksi naik sebesar
0.419 satuan
 23

(hub antara (x2) air dg (Y) Produksi)

Jika jumlah air bertambah, maka jumlah produksi meningkat
Ho : b2 ≤ 0
Ha : b2 > 0
thit : 3,790
Untuk pengujian ona tail, maka Sign 0,001 dibagi 2
Sign/2 = 0.0005
Kesimpulan : b2 terbukti > 0 (atau b2 adalah positif dan signifikan)
Air berpengaruh positif thd Produksi

b2= 0.775, artinya: Jika jumlah air naik 1 satuan, maka produksi naik sebesar 0.775
satuan

Uji Global (Uji F)

Untuk mengetahui apakah semua variable independent berpengaruh signifikan
thd var depedent
Hipotesa
Ho: b1=b2=0 (semua var independent tdk berpengaruh thd var dependent)
Ha: bi ≠ 0 (paling tidak ada 1 var independent yang berpengaruh signifikan thd var
dependent)

Jika sign dari F stat < α, maka Ho ditolak

Sign F stat = 0.000 < 0.05  Ho di tolak, Ha diterima
Kesimpulan: paling tidak ada 1 var independent yang berpengaruh signifikan thd var
dependent
Secara Global dapat dikatakan bhw var Independent berpengaruh sign ths var dep.

2. Saudara diminta untuk meng-interprestasikan hasil printout komputer dari Program

SPSS dibawah ini !

Dimana datanya adalah dalam Ratusan Ribu rupiah.

Correlations
INCOME PAJAK KONSUMSI
INCOME Pearson Correlation 1 .969** .920**
Sig. (2-tailed) .000 .000
N 20 20 20
PAJAK Pearson Correlation .969** 1 .842**
Sig. (2-tailed) .000 . .000
N 20 20 20
 24
KONSUMSI Pearson Correlation .920** .842** 1
Sig. (2-tailed) .000 .000 .
N 20 20 20
**. Correlation is significant at the 0,01 level (2 tailed)

Model Summary
Model R R Square Adjusted Std.Error of
R Square The Estimate
1 .942a .888 .875 3.77849
a. Predictors: (Constant), PAJAK, INCOME….

Anovab
Model Sum of
Squares df Mean Square F Sig.
1 Regression 1923.841 2 961.920 67.376 .000a
Residual 242.709 17
Total 2166.550 19

a. Predictors: (Constant), PAJAK, INCOME…..

b. Dependent Variable : KONSUMSI

Coefficientsa
Unstandardized Standardized
Model
Coefficient Coefficient
B Std.Error Beta t Sig.
1 (Constant) -2.748 4.290 -.641 .530
INCOME 1.042 .200 1.717 5.201 .000
PAJAK -1.320 .526 -.822 -2.490 .023
a. Dependent Variable : KONSUMSI

Pertanyaan :
a. Berapakah jumlah sampelnya
b. Bagaimanakah hubungan antara Income, Pajak dan konsumsi? Jelaskan Baik
secara parsial maupun Overall)
c. Berapakah peersamaan regresi berganda ?
d. Apakah persamaan garis regresi tersebut dapat digunakan untuk
meramalkan? Dapat=krn lolos uji2
e. Berapakah konsumsi, jika Income Rp 10.000.000 dan pajak Rp 3.000.000 ?
 25

Jawab :

a. N = 20
Y = Konsumsi (dalam juta rp)
X1 = Income (dalam juta rp)
X2 = Pajak (dalam juta rp)

b. r1y = 0,920  sign = 0,000  ada hubungan sangat kuat dan positif antara X1
(income) dg Y (konsumsi)
r2y = 0,842  sign = 0,000  ada hubungan kuat dan positif antara X2(Pajak)
dg Y (konsumsi)
r1.2 = 0,969  sign = 0.000  ada hubungan sangat kuat dan positif antara X1
(income) dg X2 (pajak)
ry1.2 = 0,942  ada hubungan sangat kuat dan positif antara X1, X2 dg Y

c. Hasil regresi berganda

Y = -2,748 + 1.042 X1 – 1.320 X2

d. Untuk bisa digunakan sebagai alat peramalan, maka persamaan regresi ini
harus memenuhi hal hal sbb:
- Lolos uji t
- Lolos uji goodness of Fit (Uji F dan nilai KP)

Lolos uji t ?? LOLOS

Uji Individu :
(hub antara (x1) income dg (Y) konsumsi adalah positif
Jika jumlah income bertambah, maka jumlah konsumsi meningkat
Ho : b1 ≤ 0
Ha : b1 > 0
thit : 5.201
Untuk pengujian ona tail, maka Sign 0,000 dibagi 2
Sign/2 = 0.000
Karena sign/2 < 0.05, maka Ho ditolak dan Ha diterima
Kesimpulan : b1 terbukti > 0 (atau b1 adalah positif dan signifikan)
Income berpengaruh positif thd konsumsi

b1= 1.042, artinya: Jika income naik 1 juta rupiah, maka konsumsi naik
sebesar 1.042 juta rupiah

(hub antara (x2) pajak dg (Y) konsumsi adalah negatif

 26
Jika jumlah pajak bertambah, maka jumlah konsumsi menurun
Ho : b2 ≥ 0
Ha : b2 < 0
thit : -2.490
Untuk pengujian one tail, maka Sign 0,0023 dibagi 2
Sign/2 = 0.00115 < 0.05, Ho ditolak, ha diterima
Kesimpulan : b2 terbukti < 0 (atau b2 adalah negatif dan signifikan)
Pajak berpengaruh negatif thd konsumsi

b2= -1.3200, artinya: Jika pajak naik 1 juta rupiah, maka konsumsi turun
sebesar 1.32 juta rupiah

Uji Global (Uji F)=lolos

Hipotesa
Ho: b1=b2=0 (semua var independent tdk berpengaruh thd var dependent)
Ha: bi ≠ 0 (paling tidak ada 1 var independent yang berpengaruh signifikan
thd var dependent)

Jika sign dari F stat < α, maka Ho ditolak

Sign F stat = 0.000 < 0.05  Ho di tolak, Ha diterima
Kesimpulan: paling tidak ada 1 var independent yang berpengaruh signifikan
thd var dependent
Secara Global dapat dikatakan bhw var Independent berpengaruh sign ths
var dep.

KP=lolos
Adj R2 = 0.875
Kemampuan var X1 (Income) dan X2 (Pajak) dalam menjelaskan perubahan Y
(konsumsi) adalah sebesar 87,5%, sedangkan sisanya 12.5% dijelaskan oleh
faktor di luar model.

e. Forecast
jika Income Rp 10.000.000 (X1) =10 juta rupiah dan pajak Rp
3.000.000 (X2) = 3 juta rupiah
Y = -2,748 + 1.042 X1 – 1.320 X2
Y = -2,748 + 1,042 (10) – 1.32 (3)
Y = 3.712
 27
3. Dibawah ini data hasil printout komputer dari Program SPSS !

Dimana datanya adalah dalam Ratusan Ribu rupiah.

Correlations
CompPrice OwnPrice QuantSold
CompPrice Pearson Correlation 1 .049** .318**
Sig. (2-tailed) .893 .371
N 10 10 10
OwnPrice Pearson Correlation .049** 1 -.726**
Sig. (2-tailed) .000 . .017
N 20 20 10
QuantSold Pearson Correlation .318** -.726** 1
Sig. (2-tailed) .371 .017 .
N 10 10 10
**. Correlation is significant at the 0,05 level (2 tailed)

Model Summary
Model R R Square Adjusted Std.Error of
R Square The Estimate
1 .808a .653 .554 18.73618
a. Predictors: (Constant), OwnPrice, CompPrice ….

Anovab
Model Sum of
Squares df Mean Square F Sig.
1 Regression 4618.789 2 2309.394 6.579 .025a
Residual 2457.311 7 351.044
Total 7076.100 9

a. Predictors: (Constant), OwnPrice, CompPrice ….

b. Dependent Variable : QuantSold

Coefficientsa
Unstandardized Standardized
Model
Coefficient Coefficient
B Std.Error Beta t Sig.
1 (Constant) 66.518 41.877 1.588 .156
CompPrice .414 .260 .354 1.590 .156
OwnPrice -.270 .081 -.744 -3.335 .013

Saudara diminta untuk meng-interprestasikan data-data diatas ¡

 28
Jawab :
N = 10
Y = QuantSold
X1 = CompPrice
X2 = OwnPrice

rxi.y = 0,318  ada hubungan X1 dan Y

sign = 0,371  secara statistik tdk terbukti ada hubungan antara X 1 dan Y

r2y = -0,726 ada hubungan negatif antara X2 dan Y

sign = 0,017  secara statistik terbukti ada hubungan antara X 2 dan Y

r1.2 = 0,043  ada hubungan lemah antara X1 dan X2

sign = 0,893 secara statistik tidak terbukti ada hubungan X1 dan X2

r = 0,808  ada hubungan antara X1 dan X2 terhadap Y (kuat)

Adjusted R2 = 0,554
 X1 dan X2 mempengaruhi y sebesar 55.4% dan sisanya dipengaruhi oleh variabel
lain yang tidak ada dalam model

Uji Overall (Uji ANOVA) atau Uji F

Ho : b1 = b2 = 0
Ha : b1 ≠ b2 ≠ 0
Sig F = 0,025 < 0.05, jadi Ho ditolak, Ha diterima

Kesimpulan : Ho ditolak, Ha diterima. Berarti secara statistik terbukti ada pengaruh

antara X1 dan X2 terhadap Y

Uji Partial (Uji t)

Ho : b1 = 0 (CompPrice tidak berpengaruh terhadap QuantSold)
Ha : b1 > 0 (CompPrice berpengaruh positif terhadap QuantSold)
thit : 1.590

thit ada diwilayah Ho  Ho diterima Ha ditolak. Secara statistik tdk terbukti ada
hubungan antara X1 terhadap Y

Ho : b2 = 0 (OwnPrice tdk berpengaruh thd QuantSold)

Ha : b2 < 0 (Own Price berpengaruh negatif thd Quantsold)
thit : -3,335

thit ada diwilayah Ha  Ho ditolak ha diterima. Secara statistik terbukti ada

hubungan negatif antara X2 terhadap Y
 29

Model Regresi : Y’ = 66,518 + 0,414 X1 – 0,270 X2

Interpretasi:
Jika OwnPrice naik 1 satuan, maka QunatSold turun sebesar 0.270 satuan, ceteris
paribus.
Model ini tdk layak untuk digunakan sebagai alat forecasting atau pengambilan
keputusan, krn nilai Adjusted R-square nya dibawah 70% dan hanya ada 1 variabel
bebas yang signifikan
 30
5. UJI MEDIAN

Merupakan prosedur pengujian apakah 2 populasi atau lebih dimana sampel

independent diambil mempunyai median yang sama.
Terdiri dari 2 pengujian yaitu :
1. Uji Median 2 Sampel

Langkah-langkah :
 Merumuskan hipotesis
 Menghitung Overall median (median dari kombinasi distribusi sampelnya)
 Menghiung frekuensi nilai yang terletak pada atau diatas overll median
serta yang terletak dibawah overall median.

Hasilnya dimasukkan dalam tabel berikut ini:

Skor Grup 1 Grup 2 Total

Diatas Overall
a B A+b
Median

Dibawah Overall
c D C+d
Median

Total a + c = n1 b + d = n2 N1 + n2 = n

 Kriteria pengujian :
2
2 n (|ad − bc| − n/2 )
χ=
( a+b ) ( c+d )( a+c )( b+d )
 Daerah Kritis
2 2
χ  df(r-k)(k-1) atau χ  df 1
2
 Kesimpulan : Ho ditolak jika
χα df 1.

2. Uji Median lebih dari 2 sampel

Langkah-langkah :
 Merumuskan hipotesis
 Menghitung overall median (median dari kombinasi distribusi kombinasinya)
 Menghitung frekuensi nilai yang terletak pada atau diatas overll median
serta yang terletak dibawah overall median. Hasilnya dimasukkan dalam
table berikut ini:
31
 32
Skor 1 2 3 4 Total
Diatas Overall Q11 Q12 Q13 Q14 NA
Median
Dibawah Overall Q21 Q22 Q23 Q21 NB
Median
Total N1 N2 N3 N4 N

 Kriteria Pengujian :
2
N .N
2
χ =
N2
.
∑ ( Q ij− j A
N )
N A. NB Nj
2
 Daerah kritis : χ  df(r-k)(k-1)

 Kesimpulan : Ho ditolak jika X2hitung > X2 .

6. UJI KRUSKAL – WALLIS

Digunakan untuk menguji hipotesis K sample independent bila datanya ordinal. Namun
dalam pengukuran ditemukan data dalam bentuk interval/rasio maka rubah ke ordinal
(rangking/peringkat)

Langkah-langkah :
1. Ho : Seluruh populasi sama
Ha : Tidak seluruh populasi sama.
2. Tentukan . Cari nilainya dengan menggunaan Tabel Chisquare df k-1.
3. Hitunglah :
k 2
12 Rj
H= .∑ − 3 ( N+1 )
N ( N+1 ) j=1 n j

Dimana : N = banyak baris dalam tabel

k = banyak kolom
Rj = jumlah rangking dalam kolom

4. Kesimpulan : Ho ditolak, Hhit > Htab

 33

Note (26/11/2018)
Soal Quis
1. Regresi (berganda)
2. dan Korelasi (Contingency test, Rank spearman test, Pearson
correlation) (salah satu)
3. dan 4 adalah salah dua dari (sign test, wilcoxon test, mann whitney
test dan kruskal walis)
Tabel disediakan

Kisi-kisi UAS
Ada 4 soal yang dikerjakan dalam waktu 1,5 jam (s sks)
1. Rank spearman correlation
2. Regresi linier sederhana (menghitung manual)
3. Regresi berganda (baca print out)
4. Non parametrik (sign, Wilcoxon atau mann whitney)

Tgl 26 Juni jam 18.30 akan di share soal kuis sekaligus ttd absensi KP di febiola