STATISTIKA NONPARAMETRIK

LT Sarvia/2012
STATISTIKA Dalam statistik nonparametrik,
kesimpulan dapat ditarik tanpa

NONPARAMETRIK
memperhatikan bentuk distribusi
populasi, sedangkan dalam statistika
adalah statistik yang tidak memerlukan parametrik yang telah dibahas
pembuatan asumsi tentang bentuk sebelumnya , kesimpulan hanya
distribusi kecuali bahwa sebaran itu benar apabila asumsi-asumsi
tertentu yang membatasi adalah
kontinu.dan karena itu merupakan benar.
statistik yang bebas distribusi

Elty Sarvia, ST., MT.

Fakultas Teknik Jurusan Teknik Industri
Universitas Kristen Maranatha
Bandung 2

SYARAT STATISTIKA NON PARAMETRIK

KAPAN METODE NONPARAMETRIK DIGUNAKAN? DAPAT DIGUNAKAN APABILA :
1. Apabila ukuran sampel kecil sehingga distribusi statistik pengambilan
sampel tidak mendekati normal, dan apabila tidak ada asumsi yang Bentuk populasinya
dapat dibuat tentang bentuk distribusi populasi yang menjadi sumber
sampel. tidak diketahui / tidak
LT Sarvia/2012

LT Sarvia/2012
2. Apabila digunakan data peringkat atau ordinal. (Data ordinal hanya
memberikan informasi tentang apakah suatu item lebih tinggi, lebih rendah,
normal
atau sama dengan item lainnya; data ini sama sekali menyatakan
ukuran perbedaan).
3. Apabila data nominal digunakan. (Contoh : data nominal adalah seperti Distribusinya
“laki-laki” atau “perempuan” diberikan kepada item dan tidak ada
implikasi di dalam sebutan tersebut bahwa item yang satu lebih tinggi kontinu
atau lebih rendah daripada item lainnya)

Ukuran sampel
lebih kecil dari
30
3 4

STATISTIKA NON PARAMETRIK KESIMPULAN

 Keuntungan dari penggunaan Statistika Non
Parametrik : Bila uji parametrik dan uji nonparametrik keduanya berlaku pada himpunan
data yang sama, GUNAKANLAH selalu teknik parametrik yang lebih efisien.
 Perhitungannya lebih sederhana, mudah, dan cepat
LT Sarvia/2012

LT Sarvia/2012

 Data dapat bersifat kuantitatif atau kualitatif ( atribut )

 Bisa digunakan untuk bentuk distribusi populasi apa
saja asalkan kontinu
 Ukuran sampel yang digunakan bisa kecil
 Kelemahan dari penggunaan Statistika Non
Parametrik :
 Efisiensi rendah, karena tidak menggunakan semua
informasi yang ada dari sampel
 Tidak seteliti Uji Parametrik, jadi untuk mencapai b yg
sama diperlukan sampel yg lebih besar.
 Uji nonparametrik akan menggunakan ukuran sampel
yang lebih banyak dibandingkan dengan uji parametrik
agar mencapai kuasa yang sama.
Akan tetapi, bila diketahui bahwa anggapan kenormalan sering tidak berlaku,
dan ternyata bahwa kita sering menghadapi pengukuran yang tidak kuantitatif,
maka disarankan menggunakan sejumlah cara nonparametrik yang dapat
menangani berbagai keadaan percobaan yang lebih luas.
Perlu dikemukakan bahwa kendati di bawah anggapan teori kenormalan baku,
keefisienan teknik nonparametrik amat dekat ke prosedur parametrik
padanannya.
Sebaliknya, penyimpangan yang besar dari kenormalan akan membuat metoda
nonparametrik jauh lebih efisien daripada prosedur parametrik.
5 6

1
 JENIS – JENIS STAT. NON PARAMETRIK :
2. Uji Peringkat
Bertanda Wilcoxon 3. Uji Jumlah Peringkat
1. Uji Tanda ( Sign Test ) (Wilcoxon Sign Rank
 untuk uji 1 sampel
Wilcoxon ( Wilcoxon Memperhatikan
Test) Rank Sum Test )  uji 2 Jumlah Sampel Uji Statistik

LT Sarvia/2012
dan 2 sampel
•  uji 1 sampel dan 2 sampel sampel independent besarnya data ?
berpasangan
Satu --- Sign Test

5. Uji Runtunan  uji

Dua, Tidak Sign Test
4. Uji Kruskall Wallis 
keacakan data untuk 6. Uji Kolmogorov –
untuk uji lebih dari 2
data kuantitatif dan Smirnov Wilcoxon Rank Sum
buah populasi ( k > 2 ) independent Ya
data kualitatif Test
Dua, Tidak Sign Test
Wilcoxon Sign Rank
7. Uji Koefisien Korelasi dependent Ya
Peringkat Spearman,
Test
dll.
7

LT Sarvia/2012 8

1.1 UJI TANDA 1 SAMPEL ( ONE SAMPLE SIGN TEST ) :

1. UJI TANDA ( SIGN TEST ) 1.1.1. PROSEDUR PERHITUNGAN UJI TANDA 1 SAMPEL  UNTUK UJI 1 ARAH :

 Merupakan uji non parametrik yang paling mudah dan cepat.  Struktur Hipotesis :  Tentukan nilai α wilayah kritis
Xa ( Binomial ; dengan p = ½ )
 Digunakan untuk menguji rata-rata 1 populasi dan 2 populasi, a. H0 : m = m0
dgn memperhatikan ‘tanda’nya.
LT Sarvia/2012

LT Sarvia/2012
H1 : m < m0
 Prosedur ini didasarkan pada tanda negatif atau positif dari b. H0 : m = m0  Hitung jumlah tanda +,
perbedaan antara pasangan data ordinal. Pada hakikatnya dilambangkan sebagai nilai X
H1 : m > m0
pengujian ini hanya memperhatikan arah perbedaan dan bukan
besarnya perbedaan itu.  Penentuan Tanda :
 Jika Ho : m = mo benar, peluang nilai sampel menghasilkan Data sampel kuantitatif diubah menjadi
tanda + / - adalah ½ ; karena itu statistik uji berdistribusi atribut / tanda : + dan -
Binomial dengan p = ½. Jika data ( Xi ) < m0  tanda ‘ – ‘
Jika data ( Xi ) > m0  tanda ‘ + ‘
Jika data ( Xi ) = m0  data tersebut
dibuang
9 10

UJI TANDA 1 SAMPEL ( ONE SAMPLE SIGN TEST ) : (2)

1.1.2. PROSEDUR PERHITUNGAN UJI TANDA 1 SAMPEL  UNTUK UJI 2 ARAH :
PROSEDUR PERHITUNGAN U JI TANDA 1 SAMPEL  UNTUK UJI 1 ARAH :

 Bandingkan nilai X dengan Xa :

 Struktur Hipotesis :  Tentukan nilai α wilayah kritis
X1 a / 2 dan X2 a / 2 ( Binomial ;
a. Jika : X > Xa  Terima H0 X X
H0 : m = m0 dengan p = ½ )
X ≤ Xa  Tolak H0 H1 : m ≠ m0
LT Sarvia/2012

 Hitung jumlah tanda +,

Xa  Penentuan Tanda : dilambangkan sebagai nilai X
Data sampel kuantitatif diubah menjadi
atribut / tanda : + dan -
b. Jika: X < Xa Terima H0
X X
Jika data ( Xi ) < m 0  tanda ‘ – ‘
Jika data ( Xi ) > m 0  tanda ‘ + ‘
X ≥ Xa  Tolak H0 Jika data ( Xi ) = m 0  data tersebut
Xa dibuang

Keputusan dan Kesimpulan Hipotesis

12

LT Sarvia/2012 11

2
 1.1. UJI TANDA 1 SAMPEL ( ONE SAMPLE SIGN TEST ) :
1.1.2. PROSEDUR PERHITUNGAN UJI TANDA 1 SAMPEL  UNTUK UJI 2 ARAH : (2)

 Bandingkan nilai X dengan Xa :

 Jika : n>10 , maka digunakan pendekatan
 Jika : X1 a / 2 < X < X2 a / 2  Terima H0 Normal, sehingga :
X ≤ X1 a / 2 dan X ≥ X2 a / 2  Tolak H0

LT Sarvia/2012
μ  np ( x  0,5 ) - np
Z 
σ  n pq npq

X X X
Ingat Binomial  Normal (Diskrit  Kontinu) :
( a – 0,5 )  X  ( b + 0,5 ) ( X  0,5 ) - np
Untuk : X ≤ m Z  npq
X1 a / 2 X2 a / 2

( X  0,5 ) - np
Keputusan dan Kesimpulan Hipotesis Untuk : X ≥ m Z 
npq 14

LT Sarvia/2012 13

CONTOH SOAL (SIGN TEST) :

JAWAB NO 1
 Struktur Hipotesis :
1. Data berikut menunjukkan lamanya waktu konsumen di salon  H0 : m = 12
yang menunggu untuk dilayani sbb :
 H1 : m ≤ 12
Taraf nyata : a = 0,025
LT Sarvia/2012

LT Sarvia/2012
12 10 16 9 12 18
Statistik Uji:Uji Tanda 1 Sampel ( Sign Test )
14 12 14 13 11 13
12 10 16 9 12 18
11 9 15 11 13 14
x - + - x +
14 12 14 13 11 13
Ujilah pernyataan pemilik salon bahwa rata-rata konsumennya
dapat terlayani setelah menunggu lebih dari 12 menit, jika + x + + - +
besarnya selisih data tidak diperhatikan dengan taraf 11 9 15 11 13 14
keberartian 0,025.
- - + - + +
 n = 15 p = ½
15 X = 9 ( hitung tanda + ) 16

CONTOH SOAL (SIGN TEST) :

 Wilayah Kritis : 2. Data berikut ini adalah berapa lama, dalam jam, sebuah alat
 X1 a B ( x ; n ; p ) < 0,025 listrik pencukur rambut dapat digunakan sebelum harus diisi
B ( x ; 15 ; 0,5 ) < 0,025 tenaga listrik kembali :
LT Sarvia/2012

B ( 3 ; 15 ; 0,5 ) < 0,025

0,0176 < 0,025 1.5 2.2 0.9 1.3 2.0 1.6
  X1 = 3 1.8 1.5 2.0 1.2 1.7

 Keputusan : Terima H0 Ujilah hipotesis pada taraf keberartian 0,05 bahwa mesin ini
bekerja dengan median 1,8 jam sebelum baterainya perlu diisi
X= 9
 Kesimpulan :
kembali, dgn tdk memperhatikan besarnya data.
pernyataan pemilik salon benar
bahwa rata-rata konsumennya
3 dapat terlayani setelah
menunggu lebih dari 12 menit,
pada taraf nyata 0,025. 18

LT Sarvia/2012 17

3
 Struktur Hipotesis :  Wilayah Kritis : X2 a / 2  1 - B ( x ; 10 ; 0,5 ) ≤ 0,025
 X1 a / 2 B ( x ; n ; p ) ≤ 0,025 1 - B ( 8 ; 10 ; 0,5 ) ≤ 0,025
 H0 : m = 1,8
B ( x ; 10 ; 0,5 ) ≤ 0,025 1 - 0,9893 ≤ 0,025

LT Sarvia/2012
 H1 : m ≠ 1,8 B ( 1 ; 10 ; 0,5 ) ≤ 0,025 0,0107 ≤ 0,025
Taraf nyata : a = 0,05  a/2 = 0,025 0,0107 ≤ 0,025   B = 9
 A = 1
Statistik Uji:Uji Tanda 1 Sampel ( Sign Test ) 

Tanda:1,5 2,2 0,9 1,3 2,0 1,6 1,8 1,5 2,0 1,2 1,7
 Keputusan : Terima H0
- + - - + - - + - - X= 3
 Kesimpulan :
 n = 10 p = ½ bahwa median waktu bekerja alat
pencukur tidak berbeda secara signifikan
X = 3 ( tanda + ) dari 1.8 jam sebelum harus diisi tenaga
listrik kembali, pada taraf nyata 0,05.
A= 1 B= 9
19

LT Sarvia/2012 20

1.2 UJI TANDA 2 SAMPEL ( TWO SAMPLE SIGN TEST ) :

1.2.1. PROSEDUR PERHITUNGAN UJI TANDA 2 SAMPEL  UNTUK UJI 1 ARAH :

X2 a / 2  1 - B ( x ; 10 ; 0,5 ) ≤ 0,025 X2 a / 2  1 - B ( x ; 10 ; 0,5 ) ≤ 0,025  Digunakan untuk menguji 2 data sampel berpasangan atau 2 data
1 - B ( 9 ; 10 ; 0,5 ) ≤ 0,025 1 - B ( 7 ; 10 ; 0,5 ) ≤ 0,025 sampel independent yang dapat dipasang-pasangkan satu dengan
1 – 0.999 ≤ 0,025 1 - 0,9453 ≤ 0,025 lainnya.

LT Sarvia/2012
0,001 ≤ 0,025 0,0547≤ 0,025(Salah)
  B = 10   B = 8  Struktur Hipotesis :
a. H0 : m1  m2 = 0 atau : m1  m2 atau : mD = 0
H1 : m1  m2 < 0 atau : m1 < m2 atau : mD < 0
b. H0: m1  m2 = 0 atau : m1  m2 atau : mD = 0
X2 a / 2  1 - B ( x ; 10 ; 0,5 ) ≤ 0,025 H1: m1  m2 > 0 atau : m1 > m2 atau : mD > 0
1 - B ( 8 ; 10 ; 0,5 ) ≤ 0,025
1 - 0,9893 ≤ 0,025
0,0107 ≤ 0,025
  B = 9

22

LT Sarvia/2012 21

1.2 UJI TANDA 2 SAMPEL ( TWO SAMPLE SIGN TEST ) :

1.2.1. PROSEDUR PERHITUNGAN UJI TANDA 2 SAMPEL  UNTUK UJI 1 ARAH :  Bandingkan nilai X dengan Xa :
 Penentuan Tanda : X X
a. Jika : X > Xa  Terima H0
 Data sampel kuantitatif diubah menjadi atribut / tanda : + dan - X ≤ Xa  Tolak H0
LT Sarvia/2012

LT Sarvia/2012

 Jika data sampel 1 < sampel 2  tanda ‘ – ‘

 Jika data sampel 1 > sampel 2  tanda ‘ + ‘
 Jika data sampel 1 = sampel 2  ke-2 data dibuang Xa

 Tentukan nilai a  wilayah kritis Xa ( Binomial ; dengan p = ½ )

b. Jika : X < Xa  Terima H0
 Hitung jumlah tanda +, dilambangkan sebagai nilai X X ≥ Xa  Tolak H0 X X

Xa

23  Keputusan dan Kesimpulan Hipotesis 24

4
1.2 UJI TANDA 2 SAMPEL ( TWO SAMPLE SIGN TEST ) :
1.2.2. PROSEDUR PERHITUNGAN UJI TANDA 2 SAMPEL  UNTUK UJI 2 ARAH :  Bandingkan nilai X dengan Xa :
 Struktur Hipotesis :
Jika : X1 a / 2 < X < X2 a / 2  Terima H0
H0 : m 1  m 2 = 0 atau : m1  m2 atau : mD = 0
X ≤ X1 a / 2 dan X ≥ X2 a / 2  Tolak H0
H1 : m 1  m 2 ≠ 0 atau : m1  m2 atau : mD ≠ 0

LT Sarvia/2012

LT Sarvia/2012
 Penentuan Tanda : X X X

 Data sampel kuantitatif diubah menjadi atribut / tanda : + dan -

 Jika data sampel 1 < sampel 2  tanda ‘ – ‘
 Jika data sampel 1 > sampel 2  tanda ‘ + ‘
 Jika data sampel 1 = sampel 2  ke-2 data dibuang X1 a / 2 X2 a / 2

 Tentukan nilai α wilayah kritis X1 a / 2 dan X2 a / 2 (Binomial ; dengan p = ½)

 Keputusan dan Kesimpulan Hipotesis
 Hitung jumlah tanda +, dilambangkan sebagai nilai X

25 26

JAWAB NO 3
CONTOH SOAL :  Struktur Hipotesis :
 H0 : mA  mB = 0
3. Dua tempat kursus dance akan dibandingkan hasilnya. Berikut
 H1 : mA  mB > 0 (klub B lebih singkat latihannya daripada klub A)
ini adalah data hasil pencatatan dari kedua tempat kursus yang
 Taraf nyata : a = 0,05  Za = 1,645
menyatakan bahwa lamanya latihan para dancer (dalam jam)  Statistik Uji:Uji Tanda 2 Sampel ( Sign Test )
sebelum acara hari H dilaksanakan :
Tanda:
LT Sarvia/2012

LT Sarvia/2012
Data Ke Klub A Klub B Data Ke Klub A Klub B
Data Ke Klub A Klub B Selisih Data Ke Klub A Klub B Selisih
1 7,4 6,9 9 4,2 4,1
1 7,4 6,9 + 9 4,2 4,1 +
2 4,9 4,9 10 4,7 4,9
2 4,9 4,9 x 10 4,7 4,9 -
3 6,1 6,0 11 6,6 6,2
4 5,2 4,9 12 7,0 6,9
3 6,1 6,0 + 11 6,6 6,2 +
5 5,7 5,3 13 6,7 6,8
4 5,2 4,9 + 12 7,0 6,9 +
6 6,9 6,5 14 4,5 4,4 5 5,7 5,3 + 13 6,7 6,8 -
7 6,8 7,1 15 5,7 5,7 6 6,9 6,5 + 14 4,5 4,4 +
8 4,9 4,8 16 6,0 5,8 7 6,8 7,1 - 15 5,7 5,7 x
Dapatkah disimpulkan pada taraf keberartian 0,05 bahwa klub B 8 4,9 4,8 + 16 6,0 5,8 +
lebih singkat latihannya daripada klub A? Apabila besarnya selisih n = 14 (setelah data dibuang)
data tidak diperhatikan. 27
p = ½
28

X = 11 ( tanda + )

 Dengan menggunakan hampiran Normal terhadap sebaran 1. Dapatkah disimpulkan bahwa rata-rata UTS angkatan 2010
Binomial : adalah sama dgn 80
H0 : m = 80
LT Sarvia/2012

LT Sarvia/2012

μ  n  p  14 * 0,5  7
H1 : m  80
σ  n pq  14 * 0,5 * 0,5  1,87
2. Dapatkah disimpulkan bahwa rata-rata UTS angkatan 2010
adalah tidak lebih dari 80
x - np 10,5 - 7
Z    1,87 H0 : m = 80
npq 1,87
H1 : m ≤ 80
3. Dapatkah disimpulkan bahwa rata-rata UTS angkatan 2010
Wilayah Kritis : •Keputusan : Tolak H0 PALING BESAR ADALAH 80
1,87 •Kesimpulan : H0 : m = 80
bahwa klub B lebih singkat latihannya
daripada klub A pada taraf nyata 0,05. H1 : m ≤ 80

1,645 29 30

5
 2. UJI PERINGKAT BERTANDA WILCOXON
( WILCOXON SIGN RANK TEST )
4. Dapatkah disimpulkan bahwa rata-rata UTS angkatan 2010
adalah MINIMAL 80  H1
H0 : m = 80  Digunakan untuk menguji nilai tengah populasi (1 sampel

LT Sarvia/2012

LT Sarvia/2012
H1 : m ≥ 80 atau 2 sampel), dgn memperhatikan besaran data maupun
5. disimpulkan bahwa rata-rata UTS angkatan 2010 adalah arah perbedaannya.
PALING TIDAK LEBIH KECIL DARI 80 H1  Merupakan perbaikan dari Uji Tanda, karena
H0 : m = 80 memanfaatkan besaran data dan arah perbedaan.
H1 : m < 80  Digunakan untuk menguji hipotesis rata-rata 1 populasi
dan 2 populasi berpasangan.
 Ekivalen dengan Uji T berpasangan dalam Statistik Uji
Parametrik.

31 32

2.1. WILCOXON SIGN RANK TEST 1 Sampel ( One Sample Signed 2.1. WILCOXON SIGN RANK TEST 1 Sampel ( One Sample Signed
Rank Test ) : Rank Test ) :

Prosedur perhitungan Wilcoxon Sign Rank Test 1 Sampel : Prosedur perhitungan Wilcoxon Sign Rank Test 1 Sampel (2) :
 Struktur Hipotesis : • Hitung : W+ jumlah rangking di +
a.H0 : m  m0 b. H0 : m  m0 c. H0: m  m0 W- jumlah rangking di –
LT Sarvia/2012

LT Sarvia/2012
H1 : m < m0 H1 : m > m0 H1: m ≠ m0 W= min ( W + ; W - )
Dgn memperhatikan tanda H1, yg dpt dilihat pd Struktur Hipotesis dan
• Tentukan nilai α wilayah kritis dalam tabel Uji Peringkat Bertanda Statistik uji :
Wilcoxon H0 H1 Statistik Uji
• Hitung nilai di  di = Xi – m 0 ; jika : Xi = m 0  data tersebut dibuang m < m0 W+
m = m0 m > m0
• Nilai di dimutlakkan   di  W-
m ≠ m0 W = min ( W + ; W - )
• Buat ranking  di  dari terkecil s/d terbesar, jika ada yg sama dibuat
rangking rata-rata  Wilayah Kritis : W*  Wa Tabel Uji Peringkat Bertanda Wilcoxon
• Buat tanda : ‘ + ’ untuk di + dan ‘ – ‘ untuk di – Dimana : W* merupakan nilai Statistik Uji W yang digunakan ( W+, W- atau W )
33
 Keputusan dan Kesimpulan Hipotesis 34

CONTOH SOAL (WILCOXON SIGN RANK TEST ) : JAWAB NO 4

 Struktur Hipotesis :
4. Data berikut menunjukkan lamanya waktu konsumen di salon  H0 : m = 12
yang menunggu untuk dilayani sbb :  H1 : m ≤ 12
Taraf nyata : a = 0,025
LT Sarvia/2012

LT Sarvia/2012

12 10 16 9 12 18
Statistik Uji: Uji peringkat bertanda wilcoxon ( wilcoxon sign rank test )
14 12 14 13 11 13
11 9 15 11 13 14 xi 12 10 16 9 12 18 14 12 14 13 11 13 11 9 15 11 13 14

di -2 4 -3 6 2 2 1 -1 1 -1 -1 3 -1 1 2
Ujilah pernyataan pemilik salon bahwa rata-rata konsumennya ІdiІ 2 4 3 6 2 2 1 1 1 1 1 3 1 1 2
dapat terlayani setelah menunggu lebih dari 12 menit, jika Rank
9,5 14 12,5 15 9,5 9,5 4 4 4 4 4 12,5 4 4 9,5
besarnya selisih data diperhatikan dengan taraf
keberartian 0,025. Tanda
- + - + + + + - + - - + - + +

8  9  10  11 38
n = 15 x   9,5 1  2  3  4  5  6  7 28
4 4 x  4
35 7 7 36

6
 CONTOH SOAL (WILCOXON SIGN RANK TEST ) :

Karena H1 : m < 12  maka Statistik Uji : W yang dihitung 5. Data berikut ini adalah berapa lama, dalam jam, sebuah alat
W+ = 14+15+9,5+9,5+4+4+12,5+4+9,5 = 82 listrik pencukur rambut dapat digunakan sebelum harus diisi
tenaga listrik kembali :
Wilayah Kritis : W  Wa  Tabel Uji Peringkat Bertanda Wilcoxon

LT Sarvia/2012

LT Sarvia/2012

a = 0,025
Wa = 25
n = 15 1.5 2.2 0.9 1.3 2.0 1.6
82
1.8 1.5 2.0 1.2 1.7

Ujilah hipotesis pada taraf keberartian 0,05 bahwa mesin ini

bekerja dengan median 1,8 jam sebelum baterainya perlu diisi
Wa  25 kembali, dengan memperhatikan besarnya data.
 Karena : W > Wa ( 82 > 25 )
• Keputusan : Terima H0
• Kesimpulan : pernyataan pemilik salon benar bahwa rata-
rata konsumennya dapat terlayani setelah menunggu lebih dari 12
menit, pada taraf nyata 0,025. 37 38

JAWAB NO 5 :
 Struktur Hipotesis :  Wilcoxon Sign Rank Test 1 Sampel :
H0 : m = 1,8 Xi : 1,5 2,2 0,9 1,3 2,0 1,6 1,8 1,5 2,0 1,2 1,7
LT Sarvia/2012

LT Sarvia/2012
H1 : m ≠ 1,8 di : - 0,3 + 0,4 - 0,9 - 0,5 + 0,2 - 0,2 0 - 0,3 + 0,2 - 0,6 - 0,1
 Taraf nyata :a = 0,05  a/2 = 0,025 ( 2 arah ) di
: 0,3 0,4 0,9 0,5 0,2 0,2 0 0,3 0,2 0,6 0,1
 Statistik Uji:Wilcoxon Sign Rank Test 1 Sampel mutlak
Rank : 5,5 7 10 8 3 3 5,5 3 9 1
Tanda : - + - - + - - + - -
Karena H1 : m ≠ 1,8  maka Statistik Uji : W yang dihitung
W+ = 7 + 3 + 3 = 13
W- = 5,5 + 10 + 8 + 3 + 5,5 + 9 + 1 = 42
W = min ( W + ; W - ) = ( 13 ; 42 ) = 13

39 40

Catatan :
 Wilayah Kritis : W  WaTabel Uji Peringkat Bertanda  Jika n > 15 , maka digunakan pendekatan
Wilcoxon distribusi Normal :
a = 0,05 ( 2 arah )
LT Sarvia/2012

LT Sarvia/2012

Wa = 8 n ( n 1)
n = 10 μ W*  n ( n  1 ) ( 2n  1 )
σ W* 
13 4 24

W * - μ W*
Z 
σ W*
Wa  8

 Karena : W > Wa ( 13 > 8 )

•Keputusan : Terima H0
•Kesimpulan : bahwa alat pencukur ini secara rata-rata
dapat dikerjakan 1.8 jam sebelum harus diisi tenaga listrik kembali, 41 42
pada taraf nyata 0,05.

7
 2.2. WILCOXON SIGN RANK TEST 2 Sampel ( Two Sample Signed
2.2. WILCOXON SIGN RANK TEST 2 Sampel ( Two Sample Signed Rank Test ) :
Rank Test ) :
Prosedur perhitungan Wilcoxon Sign Rank Test 2 Sampel :

 Struktur Hipotesis :
a. H0 : m 1  m 2 = d0
H1 : m 1  m 2 < d0

LT Sarvia/2012

LT Sarvia/2012
Digunakan untuk b. H0 : m 1  m 2 = d0

menguji rata-rata 2 data H1 : m 1  m 2 > d0

c. H0 : m 1  m 2 = d0
sampel berpasangan
H1 : m 1  m 2 ≠ d0
( n1 = n2 ).
 Tentukan nilai a  wilayah kritis dalam tabel Uji
Peringkat Bertanda Wilcoxon
 Hitung nilai di  di = X1 – X2 ; jika : X1 = X2
 data tersebut dibuang ( di = 0 )
43 44

 Selisihkan nilai di dengan d0 , dimana : d0 = m1 – m2  Hitung :

 Nilai di – d0 dimutlakkan   di – d0  W+  jumlah rangking di – d0 +
 Buat ranking  di – d0  dari terkecil s/d terbesar, jika W-  jumlah rangking di – d0 –
LT Sarvia/2012

LT Sarvia/2012
ada yg sama dibuat rangking rata-rata W = min ( W + ; W - )
 Buat tanda : ‘ + ’ untuk di – d0 + ; ‘ – ‘ untuk di – Dgn memperhatikan tanda H 1, yg dpt dilihat pd tabel Struktur Hipotesis
d0 – dan Statistik uji :
H0 H1 Statistik Uji
m1 - m2 < d0 W+
m1 - m2 = d0 m1 - m2 > d0 W-
m1 - m2 ≠ d0 W = min ( W + ; W - )

• Wilayah Kritis : W*  Wa Tabel Uji Peringkat Bertanda Wilcoxon

Dimana : W* merupakan nilai Statistik Uji W yang digunakan ( W+, W - atau
45 W) 46
• Keputusan dan Kesimpulan Hipotesis

Contoh Soal (Wilcoxon Sign Rank Test 2 Sampel) :

6. Texas Fried Chicken telah mengembangkan sebuah resep baru untuk adonan JAWAB :
tepung ayamnya dan dept pemasaran hanya ingin melihat apakah resep baru
tersebut lebih enak daripada resep sebelumnya. Sepuluh konsumen dipilih secara
 Struktur Hipotesis :
acak guna menguji rasa. Setiap konsumen mencicipi dulu sepotong daging ayam H0 : mlama  mbaru = 0
yang disajikan dengan resep lama dan memberikan nilai rasa mulai dari 1 sampai
10 (1=buruk, 10=sangat baik). Kemudian konsumen tersebut mencicipi sepotong H1 : mlama  mbaru ≠ 0
daging ayam yang digoreng dengan resep baru dan memberikan nilai rasa mulai
dari 1 sampai 10. Manajemen perusahaan tersebut ingin mengambil keputusan  Taraf nyata :a = 0,05 ( 2 arah )
 Statistik Uji:Wilcoxon Sign Rank Test 2 Sampel
LT Sarvia/2012

LT Sarvia/2012

mengenai adonan resep baru yang tidak hanya didasarkan pada berapa banyak
orang menganggap bahwa resep baru tersebut memperbaiki rasa tetapi juga pada
besarnya perbaikan rasa dari resep baru. Ujilah hipotesis bahwa jumlah Konsumen Resep Resep di di-d0 Іdi-doІ Rank Tanda W+ W-
konsumen yang menilai resep baru sama dengan dari resep lama. Berikut ini Lama Baru
adalah data survei : (taraf nyata 0,05) Felix 3 9 -6 -6 6 8 - 8
Konsumen Resep Lama Resep Baru
David 5 5
Devi 3 6 -3 -3 3 4,5 - 4,5
Felix 3 9
Shella 1 3 -2 -2 2 2,5 - 2,5
David 5 5
Rika 5 10 -5 -5 5 7 - 7
Devi 3 6
Ridani 8 4 4 4 4 6 + 6
Shella 1 3 Kristian 2 2
Rika 5 10 Susi 8 5 3 3 3 4,5 + 4,5
Ridani 8 4 Novi 4 6 -2 -2 2 2,5 - 2,5
Kristian 2 2 Anton 6 7 -1 -1 1 1 - 1
Susi 8 5 47 36 10,5 25,5 48
Novi 4 6
Anton 6 7

8

Karena H1 : mlama  mbaru ≠ 0, maka Statistik Uji : W = min ( W + ; W - )
 W = min ( W + ; W - ) = min (25,5 ; 10,5) = 10,5
 Wilayah Kritis : W  Wa Tabel Uji Peringkat Bertanda Wilcoxon
CONTOH SOAL :
7. Ada yang mengatakan bahwa mahasiswa senior dapat
meningkatkan skor TOEFL sekurang-kurangnya 50 angka bila
ia sebelumnya diberikan contoh-contoh soalnya lebih dulu.

LT Sarvia/2012

LT Sarvia/2012
a = 0,05 ( 2 arah ) Untuk menguji pendapat itu, 20 mahasiswa senior dibagi
Wa = 4 menjadi 10 pasang sedemikian shg setiap pasang mempunyai
n = 8
nilai mutu rata-rata yg hampir sama selama 3 tahun pertama
10,5 kuliah. Soal-soal contoh dan jawabnya diberikan secara acak
kepada salah seorang dari setiap pasang seminggu sebelum
ujian. Ternyata skor TOEFL mereka adalah sbb :
Wa  4 Pasangan
1 2 3 4 5 6 7 8 9 10
Dengan Contoh Soal 531 621 663 579 451 660 591 719 543 575
 Karena : W > Wa ( 10,5 > 4) Tanpa Contoh Soal 509 540 688 502 424 683 568 748 530 524
•Keputusan : Terima H0
•Kesimpulan : adonan resep baru sama baiknya dengan adonan resep Ujilah hipotesis nol pada taraf nyata 0,05 bahwa pemberian contoh soal
yang lama pada taraf nyata 0,05 49 dapat meningkatkan skor sebesar 50 angka. 50

JAWAB :
 Struktur Hipotesis :
H0 : m1  m2 = 50  Wilayah Kritis : W  WaTabel Uji Peringkat Bertanda Wilcoxon
H1 : m1  m2 < 50 a = 0,05 ( 1 arah )
Taraf nyata :a = 0,05( 1 arah ) Wa = 11

n = 10
LT Sarvia/2012

LT Sarvia/2012
 Statistik Uji:Wilcoxon Sign Rank Test 2 Sampel
di d0 di – d0 Rank Tanda W+ 10,5
22 -28 5 -
81 31 6 + 6
-25 -75 9 -
77 27 3,5 + 3,5 Wa  11
27 -23 2 -
50
-23 -73 8 -
23 -27 3,5 - Karena : W ≤ Wa ( 10,5 ≤ 11)
-29 -79 10 - • Keputusan : Tolak H0
13 -37 7 - • Kesimpulan :bahwa pemberian contoh soal sebelum ujian tidak
51 1 1 + 1 dapat meningkatkan skor sebesar 50 angka, pada taraf nyata 0,05.
10,5
Karena H1 : m1  m2 < 50  maka Statistik Uji : W + yang dihitung 51 52
W + = 10,5

3. UJI JUMLAH PERINGKAT WILCOXON Prosedur perhitungan Wilcoxon

(WILCOXON RANK SUM TEST ) Rank Sum Test :
 Penentuan nomor urutan sampel, dimana : n 1
 n2
 Disebut juga sebagai Mann – Whitney U Test
LT Sarvia/2012

LT Sarvia/2012

 Digunakan untuk menguji nilai tengah 2 populasi, dgn  Struktur Hipotesis :

memperhatikan besaran data maupun arah perbedaannya. a. H0 : m1 = m2
 Digunakan untuk menguji hipotesis rata-rata 2 POPULASI
INDEPENDENT. H1 : m1 < m2
 Jumlah sampel 1 ≤ sampel 2 b. H0 : m1 = m2
 Ekivalen dengan Uji T 2 Populasi ( s12 = s22 ) dalam Statistik H1 : m1 > m2
Uji Parametrik.
c. H0 : m1 = m2
H1 : m1 ≠ m2

53 54

9
 Tentukan nilai a  wilayah kritis dalam tabel Uji  Cari nilai U – nya dgn memperhatikan tanda H1, yg dpt dilihat pada tabel
Jumlah Peringkat Wilcoxon Struktur Hipotesis dan Statistik uji :

LT Sarvia/2012

LT Sarvia/2012
 Gabungkan kedua data sampel dan diurutkan dari terkecil sampai H0 H1 Statistik Uji
terbesar m1 < m2 U1
 Beri ranking untuk tiap data dari terkecil s/d terbesar, jika terdapat m1 = m2 m1 > m2 U2
2 atau lebih data yang sama maka diberikan ranking rata-rata m1 ≠ m2 U = min ( U1 ; U2 )
 Hitung W1 dan W2, dimana :
Dimana :
 W1 = jumlah ranking data sampel 1
n 1 ( n1  1 ) n2 ( n2 1)
 W2 = jumlah ranking data sampel 2 U1  W1  U 2  W2 
2 2

55 56

CONTOH SOAL (WILCOXON RANK SUM TEST )

 Wilayah Kritis : U*  Ua Catatan : 8. IPK untuk Angkatan 2008 untuk kedua kelas ditunjukkan
 Tabel Uji  Jika : n1  10 dan n2 > sebagai berikut :
Jumlah Peringkat 20 , maka digunakan
LT Sarvia/2012

LT Sarvia/2012
Kelas A Kelas B
Bertanda Wilcoxon pendekatan Normal, 2,1 4
 Dimana : U* merupakan sehingga : 3,3 0,6
nilai Statistik Uji U 3,5 3,1
yang digunakan ( U1 ; n1 . n 2
μ U*  1,1 2,5
U2 ; atau U ) 2 0,9 4
 Keputusan dan n1 . n 2 . ( n1  n 2  1 ) 3,7 3,2
Kesimpulan Hipotesis σ U*  2,5 1,6
12
3,3 2,2
U * - μ U* 1,9
Z  2,4
σ U*

57 Ujilah hipotesis pada taraf nyata 0,05 bahwa rata-rata IPK 58

kedua kelas itu tidak sama.

JAWAB NO 8
1. Struktur Hipotesis : Karena : H1 : m A ≠ m B  maka Statistik Uji yang digunakan : U = min ( UA ; UB )
nA ( nA 1) 8 ( 8 1)
 H0 : mA = mB U A  WA   78,5   42,5
2 2
 H1 : mA ≠ m B
LT Sarvia/2012

LT Sarvia/2012

nB ( nB 1) 10 ( 10  1 )
2. Taraf nyata  a = 0,05 ( 2 arah ) U B  WB   92,5   37,5
2 2
3. Statistik Uji : Wilcoxon Rank Sum Test
U = min ( UA ; UB ) = min ( 42,5 ; 37,5 ) = 37,5
Kelas A Rank A Kelas B Rank B
2,1 6 4 17,5 4. Wilayah Kritis : U  Ua Tabel Uji Jumlah Peringkat Wilcoxon
3,3 13,5 0,6 1 a = 0,05( 2 arah )
3,5 15 3,1 11 n1 = 8 Ua = 17
1,1 3 2,5 9,5 n2 = 10
0,9 2 4 17,5 5. Keputusan : Terima H0
37,5
3,7 16 3,2 12 6. Kesimpulan :bahwa rata-rata IPK
2,5 9,5 1,6 4 untuk kelas A dan Kelas B adalah
3,3 13,5 2,2 7 sama, pada taraf nyata 0,05.
59 Ua  17 60
1,9 5
2,4 8
WA 78,5 WB 92,5

10
 SOAL SOAL
1. Seorang pemeriksa makanan memeriksa 16 botol merek 2. Soal teori no 6, Texas Fried Chicken, Jika pada tahap
x tertentu untuk menentukan persen bahan tambahan. pengembangan produk baru ini, pihak pemasaran
Tercatat data berikut (dalam %): tersebut tidak tertarik pada tingkat rasa atau

LT Sarvia/2012

LT Sarvia/2012
2,4 2,3 3,1 2,2 1,7 1,1 4,2 1,9 kenikmatan. Informasi apa yang akan kita peroleh dari
2,3 1,2 1,0 2,4 1,7 3,6 1,6 2,3
data penelitian pasar tersebut?
Dengan menggunakan hampiran normal terhadap
distribusi normal, lakukan uji bahwa pada taraf
keberartian 0,05 rata-rata persen bahan tambahan dalam
botol merek x adalah 2,5 %, jika besarnya selisih data
tidak diperhatikan.

61 62

CONTOH SOAL :
3. Texas Fried Chicken telah mengembangkan sebuah resep baru untuk adonan
tepung ayamnya dan dept pemasaran hanya ingin melihat apakah resep baru
tersebut lebih enak daripada resep sebelumnya. Sepuluh konsumen dipilih secara
acak guna menguji rasa. Setiap konsumen mencicipi dulu sepotong daging ayam
yang disajikan dengan resep lama dan memberikan nilai rasa mulai dari 1 sampai
10 (1=buruk, 10=sangat baik). Kemudian konsumen tersebut mencicipi sepotong
daging ayam yang digoreng dengan resep baru dan memberikan nilai rasa mulai
dari 1 sampai 10. Manajemen perusahaan tersebut ingin mengambil keputusan
LT Sarvia/2012

LT Sarvia/2012
mengenai adonan resep baru yang tidak hanya didasarkan pada berapa banyak
orang menganggap bahwa resep baru tersebut memperbaiki rasa tetapi juga pada
besarnya perbaikan rasa dari resep baru. Ujilah hipotesis bahwa jumlah
konsumen yang menilai resep baru lebih baik dari resep lama. Berikut ini
adalah data survei : (taraf nyata 0,05) Thank You
Konsumen Resep Lama Resep Baru
Felix 3 9
David 5 5
Devi 3 6
Shella 1 3
Rika 5 10
Ridani 8 4
Kristian 2 2
Susi 8 5 63 64
Novi 4 6
Anton 6 7

SOAL-SOAL RESPONSI SOAL-SOAL RESPONSI

4. Dikemukan bahwa diet baru akan menurunkan berat badan orang 4,5 kg pada rata- 5. Idem soal 3 jika besarnya data diperhatikan.
ratanya dalam 2 minggu. Berat 10 wanita yang menggunakan diet tersebut dicatat 6. Direktur pemasaran National Shampoo Company ingin mengetahui apakah dengan
sebelum dan setelah 2 minggu dan menghasilkan data sbb: memekatkan warna shampo hijaunya, para pelanggan akan merasa lebih efektif. Pada saat
ini, direktur tersebut hanya ingin me nentukan cocok tidaknya ide itu dikembangkan lebih
jauh dan ingin mengetahui tingkat perbaikan dalam persepsi terhadap keefektifan produk.
Wanita Berat sebelum Berat Setelah Data telah dikumpulkan dari 7 orang; semuanya telah memberikan penilaian terhadap
shampo berwarna hijau muda dan shampo yang sekarang diberi warna hijau tua. Skala 1
1 58,5 60,0 sampai 10 digunakan dimana angka 1 berarti “sang at tidak efektif dan 10 berarti “paling
2 60,3 54,9 efektif”. Data tesebut dipelihatkan dibawah ini :
LT Sarvia/2012

LT Sarvia/2012

3 61,2 58,1 Konsumen Penilaian atas Penilaian atas

keefektifan keefektifan
4 69 62,1
shampo Hijau shampo Hijau Tua
5 64 58,5 Muda
6 62,6 59,9 Winda 4 2
7 56,7 54,4 Dessy 6 6
8 63,6 60,2 Evelyn 7 4
9 68,2 62,3 Ivan 5 6
10 59,4 58,7 Benny 9 8

Ujilah hipotesis bahwa diet ini menurunkan berat badan rata-rata sebanyak 4,5 kg Erliana 1 3
apabila besarnya data tidak diperhatikan jika α =0,05. Ridani 3 8

65 66
Ujilah Hipotesis dengan taraf nyata 0,05.

11
6. Berikut ini disajikan data mengenai hasil pengujian kekuatan
kabel yang terbuat dari 2 logam yang berbeda :

LT Sarvia/2012
Logam I 18,3 16,4 22,7 17,8 18,9 25,3 16,1 24,2

Logam II 12,6 14,1 20,5 10,7 15,9 19,6 12,9 15,2 11,8 14,7 STATISTIKA
Ujilah apakah terdapat perbedaan rata-rata ke-2 jenis logam tsb.
NONPARAMETRIK (2)
pada taraf nyata 5 %.

Elty Sarvia, ST., MT.

Fakultas Teknik Jurusan Teknik Industri
Universitas Kristen Maranatha
67 Bandung

Prosedur perhitungan Uji Kruskall Wallis :

4. UJI KRUSKALL WALLIS
1. Struktur Hipotesis :
 H0: m1 = m2 = m3 = ...... = mk
 Disebut juga sebagai Uji H Kruskall Wallis
LT Sarvia/2012

 Merupakan perkembangan dari Wilcoxon Rank
Sum Test, dimana dalam uji ini jumlah sampel
yang diuji lebih dari 2.
 Untuk menguji apakah k sampel independen (
dimana : k > 2 ) memiliki rata-rata yang sama.
 Ekivalen dengan Uji F ( Analisis Ragam ).
69
LT Sarvia/2012
 H1: m1 , m2 , m3 , ...... , mk tidak semuanya sama
2. Tentukan nilai a  wilayah kritis dalam Tabel
Chi – Square : 2 ( a,v )
3. Berikan ranking pada data dari masing-masing
populasi secara keseluruhan. Jika terdapat 2
atau lebih data yang sama maka diberikan
ranking rata-rata
4. Jumlahkan ranking dari masing-masing
populasi  ri
70

Prosedur perhitungan Uji Kruskall Wallis :

Contoh Soal :
5. Hitung Statistik Uji-nya :  hitung nilai h 9. Suatu Perusahaan ingin membeli
satu dari lima mesin yang berbeda: A, MESIN
Dimana : B,C, D, atau E. Dalam suatu A B C D E
LT Sarvia/2012

LT Sarvia/2012

perancangan percobaan untuk

 k r2  68 72 60 48 64

12 menentukan apakah terdapat
h  i
 - 3 ( n 1)
n ( n  1 )  i  1 n i  perbedaan penampilan antara mesin- 72 53 82 61 65
mesin tersebut, lima operator yang 77 63 64 57 70
 2 ( a,v )
berpengalaman dipekerjakan pada
setiap mesin dalam jumlah waktu 42 53 75 64 68
yang sama. Tabel disamping ini 53 48 72 50 53
6. Wilayah Kritis : h > 2 ( a,v )  dengan menunjukkan jumlah unit yang
derajat kebebasan, v = k – 1 diproduksi setiap mesin. Ujilah
hipotesis bahwa tidak terdapat
Dimana : k : jumlah populasi yang diamati perbedaan antara mesin-mesin
tersebut pada taraf nyata a = 0,05
7. Keputusan dan Kesimpulan Hipotesis
71 72

12
 MESIN
Jawab no 9 : A Rank B Rank C Rank D Rank E Rank
A B C D E
1. Struktur Hipotesis : 68 17,5 72 21 60 10 48 2,5 64 14

H0 : mA = mB = mC = mD = mE 72 21 53 6,5 82 25 61 11 65 16

LT Sarvia/2012

LT Sarvia/2012
H1 : mA , mB , mC, mD, mE tidak semuanya sama
77 24 63 12 64 14 57 9 70 19

42 1 53 6,5 75 23 64 14 68 17,5
2. Taraf nyata : a = 0,05
3. Statistik Uji : Uji Kruskall Wallis 53 6,5 48 2,5 72 21 50 4 53 6,5

rA= 70 rB= 48,5 rC= 93 rD= 40,5 rE= 73

Dimana :
terdapat 5 buah sampel mesin maka k = 5
Karena setiap sampel tdd 5 buah data, maka n A= n B= n C =n D=n E= 5
73 n = nA + n B + n C + n D + n E 74
n = 5 + 5 + 5 + 5 + 5= 25

5. UJI RUNTUNAN ( RUNS TEST )

12  k ri2 
h    - 3 ( n  1 )
n ( n  1 )  i 1 n i 
 70 2 48,52 93,52 40,52 732  Untuk menguji
LT Sarvia/2012

LT Sarvia/2012
 -  3 * ( 25  1 )   6,44
12
h      
25 ( 25  1 )  5 5 5 5 5  apakah data
pengamatan
Uji runtunan
d. Wilayah Kritis : h > 2 ( a,v )Tabel Chi – Square : 2 ( a,v ) memiliki sifat
dapat digunakan
random ( acak )
a = 0,05 untuk data
 2 ( a,v ) = 9,49 atau melihat
v = k–1 = 5–1 = 4 kualitatif dan
apakah 2 populasi
kuantitatif.
e. Keputusan : Terima H 0
memiliki
f. Kesimpulan : distribusi yang
6,44 kita bisa menerima bahwa tidak sama.
terdapat perbedaan antara mesin-
9,49 75
mesing tersebut pada taraf nyata 76

0,05

PROSEDUR PERHITUNGAN UJI RUNTUNAN ( RUNS TEST ) : PROSEDUR PERHITUNGAN UJI RUNTUNAN ( RUNS TEST ) :

1. Struktur Hipotesis : 4. Tentukan wilayah kritisnya  gunakan Tabel Uji

 H0: data pengamatan bersifat random / acak Runtunan, dengan a diuji 2 arah
 H1: data pengamatan tidak bersifat random / acak Wilayah Kritis : r ≤ r a 1 dan r ≥ r a2
LT Sarvia/2012
77

LT Sarvia/2012
78

2. Tentukan nilai a  wilayah kritis dalam Tabel Uji

Runtunan ( diuji 2 arah )
3. Data yang akan diolah  data sudah dikonversikan r r r
dalam bentuk ‘run’ :
 untuk 1 populasi : hitung banyaknya ‘run’ ( r )
lalu bandingkan dengan ‘run’ dari tabel Uji
Runtunan ( Runs Test ). ra1 ra2
untuk 2 populasi : masing-masing dicari ‘run’ nya.
Hitung nilai : n 1 dan n 2  dimana : n 1  n 2 5. Keputusan dan Kesimpulan Hipotesis

13
 PROSEDUR PERHITUNGAN UJI RUNTUNAN ( RUNS TEST ) : PROSEDUR PERHITUNGAN UJI RUNTUNAN ( RUNS TEST ) :
1. Struktur Hipotesis : 4. Tentukan wilayah kritisnya  gunakan Tabel Uji
 H0: data pengamatan bersifat random / acak Runtunan, dengan a diuji 2 arah
 H1: data pengamatan tidak bersifat random / acak
Wilayah Kritis : r ≤ r a 1 dan r ≥ r a2

LT Sarvia/2012

LT Sarvia/2012
80
2. Tentukan nilai a  wilayah kritis dalam Tabel Uji
Runtunan ( diuji 2 arah )
3. Data yang akan diolah  data sudah dikonversikan dalam
bentuk ‘run’ (data kuantitatif ) :
 Cari nilai median dari data nilai rata-rata tersebut bila r r r
data hanya 1 populasi
 Untuk data 2 populasi, masing-masing dicari nilai
median nya.
 Konversikan data dalam bentuk ‘run’ , dengan cara ra1 ra2
bandingkan data pengamatan dengan nilai median nya :
Jika :
data > median  diberi tanda ‘ + ‘ 5. Keputusan dan Kesimpulan Hipotesis
data < median  diberi tanda ‘ – ‘
data = median  data dibuang

Catatan : CONTOH SOAL :

 Jika : n1 dan n2 > 10 , maka digunakan pendekatan 10. Sebuah mesin diatur untuk membagi penipis
Normal, sehingga : cat akrilik ke dalam kaleng. Apakah banyaknya
penipis cat yang dibagi oleh mesin ini berubah
LT Sarvia/2012

LT Sarvia/2012
2  n1  n 2 secara acak bila kelima belas kaleng ternyata
μr  1
n1  n 2 berisi
3,6 3,9 4,1 3,6 3,8 3,7 3,4 4,0 3,8 4,1 3,9 4,0 3,8 4,2 4,1 ( ltr )
2n1n 2 ( 2n1n 2 - n1 - n 2 )
σr  Gunakan a = 0,1
(n 1  n 2 ) (n 1  n 2  1)
2

Jawab :
r - μr 1. Struktur Hipotesis :
Z  H0 : data pengamatan bersifat random / acak
σr H1 : data pengamatan tidak bersifat random / acak

81 2. Taraf nyata : a = 0,1 ( uji 2 arah ) 82

4. Wilayah Kritis: r ≤ r a 1 dan r ≥ ra 2

3. Statistik Uji : Uji Runtunan ( Runs Test )  Median = 3,9 Tabel Uji Runtunan ( n 1 ; n 2 ) = (6,7)
1 - P ( r ≥ r a 2 ) ≤ 0,05
X i : 3,6 3,9 4,1 3,6 3,8 3,7 3,4 4,0 3,8 4,1 3,9 4,0 3,8 4,2 4,1 P ( r ≤ r a 1 ) ≤ 0,05
1 - P ( r ≤ 10 ) ≤ 0,05
P ( r ≤ 4 ) ≤ 0,05
Tanda : – + – – – – + – + + – + + ra1  ra2  1 - 0,9660 ≤ 0,05
0,043 ≤ 0,05
0,0340 ≤ 0,05
 ra1 = 4
LT Sarvia/2012

LT Sarvia/2012

1 2 3 4 5 6 7 8  r a 2 = 10 + 1 = 11
digabung
data > median diberi tanda ‘ + ‘
Jika

data < median diberi tanda ‘ – ‘ r= 8

data = median data dibuang

n1 = 6 ( tanda ‘+‘ )
ra1 = 4 r a 2 = 11
Tabel Uji Runtunan ( n 1 ; n 2 ) = (6,7)
n2 = 7 ( tanda ‘– ‘ )
 Keputusan : Terima H0
Jumlah runtunan = r = 8  Kesimpulan :bahwa banyaknya penipis cat akrilik yang
83 dikeluarkan oleh mesin ini bervariasi secara acak, pada taraf 84
nyata 0,1.

14
CONTOH SOAL : JAWAB NO 11 :
1. Struktur Hipotesis :
11. Pada pelemparan keping uang sebanyak 30
H0 : data pengamatan bersifat random / acak
kali, didapatkan barisan angka (H) dan gambar
(T) dalam urutan sbb : H1 : data pengamatan tidak bersifat random / acak

LT Sarvia/2012

LT Sarvia/2012
2. Taraf nyata : a = 0,05 ( uji 2 arah )
H T T H T H H H T H H T T H T
3. Statistik Uji : Uji Runtunan ( Runs Test ) 
H T H H T H T T H T H H T H T
H T T H T H H H T H H T T H T

a. Tentukan jumlah runtun 1 2 3 4 5 6 7 8 9 10

b. Ujilah pada taraf nyata 0,05 apakah barisan H T H H T H T T H T H H T H T

ini terbentuk secara acak. 11 12 13 14 15 16 17 18 19 20 21 22

n 1 = 16 ( Jumlah H)
85 86
n 2 = 14 ( Jumlah T)
a. r = jumlah runtunan = 22

4. Wilayah Kritis:
Karena n1 dan n2 > 10 , maka digunakan a = 0,05 ( uji 2 arah  0,025 )  z  1,96
pendekatan Normal, sehingga : 2,27
2  n1  n 2
μr  1 0,025
n1  n 2 0,025

2 16 14
μr   1  15,93
LT Sarvia/2012

LT Sarvia/2012
16  14
-1,96 1,96
2n1n 2 ( 2n1n 2 - n1 - n 2 )
σr 
(n1  n 2 ) 2 (n1  n 2  1) 5. Keputusan : Tolak H0
2 16 14[(2 16 14)  16  14] Kesimpulan : bahwa pelemparan tersebut tidak dilakukan
σr   2,679
16  142 16  14  1 secara acak pada taraf nyata 0,05.
Jadi
r - μr
Z 
σr
22 - 15,93
Z   2,27
2,679 87 88

Jawab no 12
4. Wilayah Kritis: r ≤ r a 1 dan r ≥ ra 2
Tabel Uji Runtunan ( n 1 ; n 2 ) = (6,7)
12. Idem soal 10, gunakan α=0,05 P ( r ≤ r a 1 ) ≤ 0,025
1 - P ( r ≥ r a 2 ) ≤ 0,025
1 - P ( r ≤ 11 ) ≤ 0,025
P ( r ≤ 3 ) ≤ 0,025
ra1  ra2  1 - 0,992 ≤ 0,025
LT Sarvia/2012

LT Sarvia/2012

0,008 ≤0,025
0,008 ≤ 0,025
 ra1 = 3
 r a 2 = 11 + 1 = 12

r= 8

ra1 = 3 r a 2 = 12

 Keputusan : Terima H0
 Kesimpulan :bahwa banyaknya penipis cat akrilik yang
89 dikeluarkan oleh mesin ini bervariasi secara acak, pada taraf 90
nyata 0,05.

15
 Only a =0,05 Tabel r distribution for the run test of randomness for α=0,05  Leland Blank hal
636 (Lampiran B-8)
CARA LAIN MENCARI BATAS WILAYAH KRITIS
4. Wilayah Kritis: baca Tabelr distribution for the
run test of randomness for a =0,05  Leland

LT Sarvia/2012

LT Sarvia/2012
Blank hal 636 (Lampiran B-8)
 n1 = 6 ( tanda ‘+‘ ) ra1 = 3
 n2 = 7 ( tanda ‘– ‘ ) r a 2 = 12
r= 8

ra1 = 3 r a 2 = 12
 Keputusan : Terima H0
 Kesimpulan :bahwa banyaknya penipis cat akrilik yang
dikeluarkan oleh mesin ini bervariasi secara acak, pada taraf 91 92
nyata 0,05.

SOAL RESPONSI SOAL RESPONSI

9. Instruktur Reza dan Shella, keduanya mengajar pada tingkat I 10. 15 orang mengikuti program penurunan berat badan dalam 3
di Universitas NST. Dalam suatu ujian akhir, mahasiswa macam Diet (Diet Daging, Diet Karbohidrat, n Diet Garam).
mereka memperoleh nilai sebagaimana yang terdapat pada Data yang diperoleh secara acak dibawah ini adalah penurunan
LT Sarvia/2012

LT Sarvia/2012
tabel dibawah ini. Ujilah pada taraf nyata 0,05 suatu hipotesis berat badan (dalam kg) sbb :
bahwa tidak terdapat perbedaan antara penilaian kedua
instruktur tersebut. Diet Daging Diet Diet Garam
Karbohidrat
Reza 88 75 92 71 63 84 55 64 82 96 6,2 14,4 12,5
Shella 72 65 84 53 76 80 51 60 57 85 94 87 73 61 8,4 15,7 12,1
7,8 13,2 12,7
9,5 18,6 16,9
10 10,3 11,8

Ujilah hipotesis bahwa tidak ada perbedaan diantara 3 macam

93 diet tersebut pada α =0,05 94

SOAL RESPONSI
11. Suatu proses pelapisan perak digunakan untuk melapisi SOAL RESPONSI
sejenis baki. Bila proses itu terkendali, maka tebal
lapisan perak pada baki akan berubah secara acak 13. Dapatkah kita berkesimpulan bahwa mahasiswa dengan
mengikuti distribusi normal dengan rataan 0,02 mm dan instruktur Reza memiliki nilai yang lebih baik dari
simpangan baku 0,005 mm. Misalkan ke-12 baki yang mahasiswa intruktur Shella?
LT Sarvia/2012

LT Sarvia/2012

kemudian diperiksa menunjukkan tebal perak sbb :

0,019 0,021 0,02 0,019 0,02 0,018 0,023 0,021 0,024 0,022 0,023 0,022

Ujilah hipotesis untuk menentukan apakah perubahan

ketebalan dari satu baki ke baki lainny adalah acak
dengan menggunakan taraf nyata 0,05)

95 96

16
SOAL RESPONSI
14. Suatu perusahaan ingin melakukan pengujian terhadap
empat jenis ban yang berbeda A,B,C,dan D. Ketahanan
ban tersebut ditentukan dengan melihat jejak yg

LT Sarvia/2012

LT Sarvia/2012
ditinggalkannya. Tabel dibawah ini memperlihatkan
hasil pengujian setiap jenis ban thd 6 buah kendaraan yg
ditentukan secara acak. Apakah terdapat beda nyata Thank You
antara ke-4 jenis ban tersebut pada a = 0,05 !

A 33 38 36 40 31 35
B 32 40 42 38 30 34
C 31 37 35 33 34 30
D 27 33 32 29 31 28

97 98

BAHAN UTS STATISTIKA INDUSTRI

LT Sarvia/2012

99

17