UJI HIPOTESIS

STATISTIK NON-PARAMETRIK

DISUSUN OLEH :

NAMA : FEBRIA RAHEL JAFRANI WOKAS

NIM : 19504115

KELAS :D

MATA KULIAH : KOMPUTASI STATISTIKA

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI MANADO

2021
DAFTAR ISI
PENDAHULUAN
PEMBAHASAN
A. UJI TANDA (SIGN-TEST)
1. UJI TANDA SAMPEL TUNGGAL
Uji tanda untuk sampel tunggal adalah uji statistik non parametrik yang digunakan
untuk menguji nilai dari median populasi.
Nilai uji untuk Uji Tanda
Jika n ≤ 25, nilai uji adalah jumlah yang lebih kecil dari tanda plus atau minus. Ketika
n>25, nilai uji nya adalah
( X +0.5 )−0.5 n
z=
√n
2
Dimana X adalah jumlah yang lebih kecil dari tanda plus atau minus dan n adalah
jumlah total dari tanda plus atau minus.

Tabel Prosedur
Melakukan Uji Tanda
Langkah 1 Buat hipotesis dan identifikasi klaimnya.
Langkah 2 Cari nilai kritisnya. Gunakan TABEL
pada lampiran jika n ≤ 25 dan TABEL
pada lampiran jika n>25.

Langkah 3 Hitung nilai uji.

Langkah 4 Buat keputusan.
Langkah 5 Buat kesimpulan.

CONTOH :
Seorang ahli meteorologi menyarankan bahwa jumlah median kematian per tahun
akibat tornado di Amerika Serikat adalah 60. Jumlah kematian untuk sampel yang
dipilih secara acak selama 11 tahun adalah sebagai berikut.
53 39 39 67 69 40
25 33 30 130 94
Pada α =0.05, apakah terdapat cukup bukti untuk menolak klaim?

PENYELESAIAN :
Langkah 1: Buat hipotesis dan identifikasi klaimnya.
H0 : Median = 60 (klaim)
H1 : Median ≠ 60.
Langkah 2: Cari nilai kritisnya.
Kurangi median = 60 dari setiap nilai data. Jika nilai data berada di atas
median yang dihipotesiskan, berikan nilai tanda +. Jika data berada di
bawah median yang dihipotesiskan, beri nilai data tanda – . jika nilai data
sama dengan median, tetapkan 0.
53−60=−7 Jadi, 53 tanda - .
25−60=−35 Jadi, 25 tanda -.
39−60=−21 Jadi, 39 tanda -.
33−60=−27 Jadi, 33 tanda -.
 30−60=−30 Jadi, 30 tanda -.
67−60=7 Jadi, 67 tanda +.
130−60=70 Jadi, 130 tanda +.
69−60=9Jadi, 69 tanda +.
94−60=34 Jadi, 94 tanda +.
40−60=−20 Jadi, 40 tanda -.
Karena n ≤ 25, kita gunakan TABEL 10. Dalam hal ini, n = 11 – 2 = 9 dan
α =0.05. Jadi nilai kritisnya adalah 1.
Langkah 3: Hitung nilai uji.
Hitung jumlah tanda positif + dan negatif -. Dan gunakan nilai yang paling
kecil sebagai nilai uji. Dalam hal ini, tanda + = 4 dan tanda negatif - = 7.
Jadi nilai uji adalah 4.
Langkah 4: Buat keputusan.
Tolak H0 jika nilai uji < nilai tabel atau nilai uji = nilai tabel.
Nilai uji = 4 > Nilai tabel = 1.
Tidak tolak H0.
Langkah 5: Buat kesimpulan.
Tidak ada cukup bukti untuk menolak klaim. Artinya, bukti mendukung
bahwa jumlah median kematian per tahun di Amerika Serikat adalah 60.

PENYELESAIAN DENGAN R PROGRAM

Langkah Pertama : Buka Program R terlebih dahulu.
Langkah Kedua : Input Data.
Data yang akan dimasukkan adalah data jumlah kematian selama 11 tahun.
Pada R Console, ketik :
data = c(53,25,39,33,39,30,67,130,69,94,40)
data

Langkah Ketiga : Menghitung selisih data dengan jumlah median.

x = data.frame(data, diff = data – 60)
x
 Langkah Keempat : Load Package.
Load package digunakan agar perintah uji tanda bisa digunakan.
Pada program R, untuk Load Package :
- Masuk pada menu Packages.
- Klik Load Package…
- Pilih BSDA, klik OK.
Langkah Kelima : Lakukan Perintah Uji Tanda.
Gunakan perintah berikut untuk melakukan Uji Tanda.

libarary(BSDA)

SIGN.test(data, md = 60, alternative = “two.sided”)

Output Uji Tanda Sampel Tunggal ditampilkan sebagai berikut.

Dari perhitungan dengan R, bisa dilihat bahwa nilai ujinya = 4, dan p-value = 0.5488.
Sehingga, tolak H0 jika p-value ≤ alfa = 0.05. Tetapi, p-value = 0.5488 > 0.05, maka
tidak tolak H0.
Berarti, ada cukup bukti mendukung bahwa jumlah median kematian per tahun di
Amerika Serikat adalah 60.

2. UJI TANDA SAMPEL BERPASANGAN

UTS = c(75,92,68,85,65,80,75,80)
UAS = c(82,90,79,95,70,83,72,79)
B. KOEFISIEN KORELASI PERINGKAT SPEARMAN
Koefisien korelasi peringkat Spearman adalah statistik non parametrik yang
menggunakan peringkat untuk menentukan jika ada hubungan antara dua variabel.

Asumsi untuk Koefisien Korelasi Peringkat Spearman adalah sebagai berikut.

1. Sampel adalah sampel acak.
2. Data terdiri dari dua pengukuran atau observasi yang dilakukan pada individu
yang sama.
Rumus untuk menghitung Koefisien Korelasi Peringkat Spearman adalah
6∑ d2
r s=1−
n ( n2 −1 )
Dimana
d = Perbedaan dalam peringkat
n = Jumlah pasangan data
Tabel Prosedur
Mencari dan Menguji Nilai Koefisien Korelasi Peringkat Spearman
Langkah 1 Buat hipotesis.
Langkah 2 Cari nilai kritisnya (gunakan tabel di lampiran)
Langkah 3 Cari nilai ujinya.
a. Beri peringkat nilai-nilai di setiap kumpulan
data.
b. Kurangi peringkat untuk setiap pasangan
nilai data ( X 1−X 2 ).
c. Kuadratkan perbedaannya.
d. Cari jumlah kuadratnya.
e. Substitusi ke rumus
6∑ d2
r s=1−
n ( n2 −1 )
Dimana
d = Perbedaan dalam peringkat
n = Jumlah pasangan data

Langkah 4 Buat keputusan.

Langkah 5 Buat kesimpulan.

CONTOH :
Seorang peneliti ingin melihat apakah ada hubungan antara jumlah cabang yang
dimiliki bank dan jumlah total simpanan (dalam miliaran dolar) yang diterima bank.
Sampel dari delapan bank daerah dipilih, dan jumlah cabang serta jumlah simpanan
ditunjukkan dalam tabel. Pada α =0.05, adakah hubungan linier yang signifikan antara
jumlah cabang dan jumlah simpanan?
Bank Jumlah cabang Deposit (dalam miliar)
A 209 23
B 353 31
C 19 7
D 201 12
 E 344 26
F 132 5
G 401 24
H 126 4

PENYELESAIAN :
Langkah 1: Buat hipotesis.
H 0 : ρ=0 dan H 1 : ρ≠ 0
Langkah 2: Cari nilai kritis.
Gunakan tabel . n = 8 dan α =0.05.
Nilai kritisnya adalah ± 0.738 (Uji dua sisi/arah)
Langkah 3: Hitung nilai uji.
a. Beri peringkat nilai-nilai di setiap kumpulan data.
Bank Cabang Peringkat Deposit Peringkat
A 209 5 23 5
B 353 7 31 8
C 19 1 7 3
D 201 4 12 4
E 344 6 26 7
F 132 3 5 2
G 401 8 24 6
H 126 2 4 1
Misal X 1 adalah peringkat dari cabang dan X 2 adalah peringkat
deposit.
b. Kurangi peringkat untuk setiap pasangan nilai data ( X 1−X 2 ).
5−5=0
7−8=−1
1−3=−2
4−4=0
6−7=−1
3−2=1
8−6=2
2−1=1
c. Kuadratkan perbedaannya.
2
2
0 =0 (−1) =1 (−2)2=4 2
0 =0
(−1)2=1 12=1 22=4 12=1
d. Cari jumlah kuadratnya.
0+1+ 4+ 0+1+ 1+ 4+ 1=12
e. Substitusi ke rumus
6∑ d2
r s=1−
n ( n2 −1 )
6.12 72
r s=1− =1− =0.857
2
8 ( 8 −1 ) 504
Langkah 4: Buat keputusan.
Tolak H0 jika nilai uji > nilai kritis.
nilai uji = 0.857 > nilai kritis = 0.738
 Tolak H0.
Langkah 5: Buat kesimpulan.
Ada cukup bukti mendukung bahwa ada hubungan linier antara jumlah
cabang yang dimiliki bank dan jumlah total simpanan yang diterima bank.

TABEL NILAI KRITIS KOEFISIEN KORELASI PERINGKAT

PENYELESAIAN DENGAN R PROGRAM
Langkah Pertama : Buka Program R terlebih dahulu.
Langkah Kedua : Input Data.
Data yang akan dimasukkan adalah data jumlah cabang dan deposit dari 8 bank.
Pada R Console, ketik :

Jml.cabang = c(209, 353,19,201,344,132,401,126)

Deposit = c(23,31,7,12,26,5,24,4)

Langlah Ketiga : Lakukan Perintah Uji Koefisien Korelasi Spearman

Masukkan perintah seperti dibawah ini.
cor.test(Jml.cabang, Deposit, method = “spearman”,
alternative = “two.sided”)

Output Uji Koefisien Korelasi Spearman ditampilkan sebagai berikut.

Dari perhitungan dengan R, bisa dilihat bahwa nilai ujinya adalah ρ = 0.857 (sama
dengan perhitungan manual), dan p-value = 0.01071. Sehingga, tolak H0 jika p-value
< alfa = 0.05. Karena p-value = 0.01071 < 0.05, maka tolak H0.
Berarti, Ada cukup bukti mendukung bahwa ada hubungan linier antara jumlah
cabang yang dimiliki bank dan jumlah total simpanan yang diterima bank.