ANALISIS

RUNTUN
WAKTU
Data Runtun Waktu
o Analisis runtun waktu adalah suatu metode kuantitatif untuk menentukan pola data masa
lampau yang telah dikumpulkan secara teratur, untuk peramalan yang akan datang.

o Data runtun waktu (time series) adalah jenis data yang dikumpulkan menurut urutan
waktu dalam suatu rentang waktu tertentu. Jika waktu dipandang bersifat diskrit (waktu
dapat dimodelkan bersifat kontinu), frekuensi pengumpulan selalu sama. Dalam kasus
diskrit, frekuensi dapat berupa detik, menit, jam, hari, minggu, bulan atau tahun.

o Manfaat dari analisis runtun waktu dapat diperoleh ukuran-ukuran yang dapat digunakan
untuk membuat keputusan pada saat ini, untuk peramalan dan untuk merencanakan masa
depan.
Dekomposisi Runtun waktu
Pola Horizontal(H)
Yaitu ketika data observasi
berubah-ubah disekitar tingkatan
atau rata-rata yang konstan.
Pola Musiman(S)
Yaitu ketika observasi
dipengaruhi oleh musiman, yang
ditandai dengan adanya pola
perubahan yang berulang secara
otomatis dari tahun ketahun.
Pola Trend(T)
Yaitu ketika observasi naik atau
menurun pada perluasan periode
satu waktu.contoh adalah data
populasi
Pola Siklis(C)
Tipe data ini ditandai dengan
adanya fluktuasi bergelombang
data yang terjadi disekitar garis
trend.
Time Trend
o Trend adalah keadaan data yang menaik atau menurun dari waktu ke waktu.contoh yang
menunjukkan trend menaik yaitu pendapatan per kapita, jumlah penduduk.
Trend Jangka Panjang
o Trend jangka panjang adalah suatu garis atau kurva yang halus yang menunjukkan suatu
kecendrungan umum suatu variabel time – series
Manfaat Mengetahui Trend
o Secara langsung dapat membantu menyusun perencanaan. Misal : bila trend penjualan
selama beberapa tahun menunjukkan kenaikan maka adalah logis bila kita meramalkan
penjualan pada tahun-tahun berikutnya juga akan bertambah
o Memudahkan bagi kita untuk mempelajari komponen lain, terutama C (cyclical variation)
karena C ini berfluktuasi sepanjang (sekitar) garis trend
Metode Menghitung Trend
o Metode bebas (free hand method)
o Metode setengah rata-rata (semi average method)
o Metode rata-rata bergerak (moving average method)
o Metode kuadrat terkecil (least square method) è Y = a + bX
Laju Pertumbuhan
 Variasi Musim

o variasi musim merupakan salah satu dari komponen time series dimana variasi
musim atau disebut gerakan musiman(seasonal movement or variation) merupakan
gerakan yang teratur dalam arti naik turunnya terjadi pada waktu-waktu yang sama
atau sangat berdekatan.

Jenis-Jenis Variasi Musim

o Variasi Musim Spesifik(specific seasonal)

o Variasi Musim Berubah Ubah (charging seasonal)

o Variasi Musim Tipikal (typical seasonal)

o Variasi Musim Tetap (constant seasonal

 Variasi Musim
Manfaat Mempelajari Metode Variasi Musim

o Untuk bisnis perbankan khususnya adalah lebih realistis dalam penyusunan rencana
kerja, seperti penghimpunan dana pihak ketiga, dan penyaluran kredit yang tepat dan
sesuai dengan cash rasio perusahaan.

Metode Perhitungan Indeks Musiman

o Metode rata-rata sederhana

o Metode Relatif Bersambung

o Metode Rasio terhadap Trend Kuadrat terkecil

o Metode Rasio Terhadap rata-rata bergerak

 Indeks Musim
Rasio Terhadap Rata-Rata Bergerak

Contoh Soal :
Hitunglah indeks musim dengan metode rata-rata bergerak untuk 3 triwulan dari data produksi wortel
berikut :
Triwulan
Tahun Produksi
I II III
2006 80 43 25 12
2007 56 29 18 9
2008 72 32 29 11
2009 56 26 21 9
Penyelesaian :
a. Membuat rata-rata bergerak dan rasio data asli dengan nilai rata-rata bergerak.
Indeks Musim
Penyelesaian (Lanjutan) :

Total Bergerak 3
Tahun Triwulan Data Asli Triwulan Rata-Rata Indeks Musim
  I 43      
2003 II 25 43 + 25 + 12 = 80 26,67 94
  III 12 25 + 12 + 29 = 66 22,00 55
  I 29 12 + 29 + 18 = 59 19,67 147
2004 II 18 29 + 18 + 9 = 56 18,67 96
  III 9 18 + 9 + 32 = 59 19,67 46
  I 32 9 + 32 + 29 = 70 23,33 137
2005 II 29 32 + 29 + 11 = 72 24,00 121
  III 11 29 + 11 + 26 = 66 22,00 50
  I 26 11 + 26 + 21 = 58 19,33 135
2006 II 21 26 + 21 + 9 = 56 18,67 112
  III 9      

b. Setelah mendapatkan indeks musim setiap triwulan, perlu untuk, mengetahui rata-rata
setiap kuartalan dari setiap tahunnya. Maka dari indeks musim triwulan
dikelompokkan kedalam triwulan yang sama
 Indeks Musim
Angk
Penyelesaian (Lanjutan) :
triwula a indeks
n inilah
diguna ya
kan un ng
Triwulan
Tahun
I II III
2003   94 55 perama tuk
l
2004 147 96 46 selanju an
2005 137 121 50 tnya
2006 135 112  
Rata-
Rata 140 (139.67 106 (105.75) 50 (50.33)

c. Menentukan factor koreksi. Jumlah kuartal dalam setahun (n) sama dengan 3. oleh sebab itu
penjumlahan nilai rata-rata indeks kuartalan yaitu 140 + 106 + 50 = 296. oleh sebab itu, perlu
diperhatikan factor koreksi. Factor koreksi dirumuskan sebagai berikut :
Factor Koreksi = = = = 1.0135135
d. Indeks musim Kuartalan selanjutnya dikalikan dengan factor koreksi.
o Indeks Triwulan I = 140 x 1.0135135 = 141.89189
o Indeks Triwulan II = 106 x 1.0135135 = 107.43243
o Indeks Triwulan III = 50 x 1.0135135 = 50.675675.
Peramalan Variasi Musim

o Definisi Peramalan adalah proses untuk memperkirakan jumlah permintaan (demand) produk
dari konsumen di masa yang akan datang menggunakan data-data dimasa lalu

o Variasi musim digunakan untuk peramalan dalam rangka penyusunan perencanaan jangka
pendek.
Peramalan Time Trend
Trend Projection
o Trend Projection (Proyeksi Tren) merupakan metode peramalan yang menyesuaikan sebuah
garis trend pada sekumpulan data masa lalu, dan kemudian di proyeksikan dalam garis untuk
meramalkan masa depan

o Rumus :   Dimana :
y = a + bx
Y = Variabel Terikat (penjualan)
a= X = Variabel Bebas (waktu)
b= a = Konstanta
b = Koefisien tren
n = Jumlah Data (pengamatan)
STATISTIK NON
PARAMETRIK
 Statistik Non
01 Parametrik
PENGERTIAN
o Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk sebaran
parameter populasi, baik normal atau tidak). Selain itu, statistik non-parametrik biasanya
menggunakan skala pengukuran sosial, yakni nominal dan ordinal yang umumnya tidak
berdistribusi normal.
o Istilah lain yang sering digunakan antara lain distribution-free statistics dan
assumption-free test.
Contoh metode statistik non-parametrik
1. Uji tanda (sign test)
2. Rank sum test (wilcoxon)
3. Rank correlation test (spearman)
4. Fisher probability exact test.
5. Chi-square test, dll
Ciri-ciri statistik non-parametrik
6. Data tidak berdistribusi normal
7. Umumnya data berskala nominal dan ordinal
8. Umumnya dilakukan pada penelitian sosial
9. Umumnya jumlah sampel kecil
 Statistik Non
01 Parametrik
PENGGUNAAN
o Kapan non Parametrik digunakan :
1.Bila hipotesisi yang diuji tidak melibatkan suatu parameter populasi.
2.Bila skala pengukuran yang disyaratkan dalam statistika parametrik tidak
terpenuhi  misalnya skala ordinal dan nominal.
 Statistik Non
01 Parametrik
Keunggulan dan kelemahan statistik non-parametrik : 
o Keunggulan :
1. Tidak membutuhkan asumsi normalitas.
2. Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih
mudah dimengerti jika dibandingkan dengan statistik parametrik  karena
ststistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit
seperti halnya statistik parametrik.
3. Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang
(ordinal).
4. Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau
jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan
dalam data kualitatif.
5. Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung
pada pengamatan yang nyata.
6. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal
populasi, tetapi dapat digunakan pada populasi berdistribusi normal.
 Statistik Non
01 Parametrik
Keunggulan dan kelemahan statistik non-parametrik : 
o Kelemahan :
1.Statistik non-parametrik terkadang mengabaikan beberapa informasi
tertentu.
2.Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam
statistik parametrik.
3.Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi
studi seperti pada statistik parametrik. Hal ini dikarenakan statistik non-
parametrik mendekati eksperimen dengan sampel kecil dan umumnya
membandingkan dua kelompok tertentu
Distribusi Kai-Kuadrat
Pengujian dengan Kai Kuadrat berguna untuk pengujian hipotesa, tipenya
dapat dibagi menjadi 5 macam yaitu :
o Pengujian untuk Kompabilitas.
o Pengujian Proporsi.
o Pengujian untuk sejumlah sampel (K) tertentu.
o Pengujian untuk ketidaktergantungan.
o Pengujian untuk Keragaman (varian).
Distribusi Kai Kuadrat dapat disimbulkan dengan huruf dasar Yunani Chi (χ)
dan ditulis dengan Chi kuadrat atau dibaca Kai Kuadrat, yaitu dengan
menambahkan kuadrat pada simbol huruf Yunani tersebut.

Rumus :

Keterangan :
O = frekuensi hasil observasi
E = frekuensi yang diharapkan.
Nilai E = (Jumlah sebaris x Jumlah Sekolom) / Jumlah data
Distribusi Kai-Kuadrat
UJI CHI-KUADRAT
Beberapa manfaat dari distribusi chi-kuadrat, yaitu antara lain :
o Untuk menguji apakah frekuensi yang diamati berbeda secara signifikan
dengan frekuensi teoritis atau frekuensi yang diharapkan.
o Untuk menguji kebebasan (independensi antar faktor dari data dalam daftar
kontingensi
o Untuk menguji apakah data sampel mempunyai distribusi yang mendekati
distribusi teoritis tertentu atau distribusi hipotesis tertentu (distribusi populasi),
seperti distribusi binomial, distribusi poisson, dan distribusi normal.
1. Uji beda frekuensi yang diamati dan diharapkan
Misalkan   kita mempunyai suatu sampel tertentu berupa kejadian A1, A2, A3,
…,Ak yang terjadi dengan frekuensi 01,02,03,…,0k, yang disebut frekuensi yang
diobservasi (diamati) dan bahwa berdasarkan probabilitas kejadia-kejadian yang
diharapkan adalah dengan frekuensi e1,e2,e3, …,ek, yang disebut frekuensi yang
diharapkan atau frekuensi territis. Dalam hal ini ingin diketahui perbedaan yang
signifikan antara frekuensi yang diobservasi dengan frekuensi yang diharapkan
Distribusi Kai-Kuadrat
Kejadian A1, A2, A3, …,Ak
Frekuensi yang diobservasi 01,02,03,…,0k
Frekuensi yang diharapkan e1,e2,e3, …,ek

Jika χ2 = 0, maka frekuensi yang diobservasi dengan frekuensi yang diharapkan

adalah tepat sama. Jika χ2 >0, maka frek observasi berbeda dengan frek yang
diharapkan. Makin besar nilai χ2 , makin besar beda antara frek obsevasi dengan
frek yang diharapkan.

Frek yang diharapkan dapat dihitung atas dasar hipotesis nol (H 0).  Langkah-
langkah untuk melakukan uji chi-kuadrat, adalah sebagai berikut :
1. Merumuskan hipotesis yang akan diuji meliputi, H 0 dan H1
2. Menetapkan taraf signifikansi α dan derajat kebebasan ө untuk memperoleh
nilai kritis χ2α dimana :
o ө = k-1, jika frek yang diharapkan dapat dihitung tanpa harus menduga
parameter populasi dengan statistik sampel.
o ө = k-1-m, jika frek yang diharapkan dapat dihitung hanya dengan menduga
parameter populasi sebanyak m dengan taksiran statistik sampel k.
Distribusi Kai-Kuadrat
2. Uji kebebasan ( independensi) dua faktor
 
Uji ini digunakan untuk menguji hipotesis mengenai ada atau tidak adanya
hubungan (asosiasi)atau kaitan antara dua faktor. Misalnya, apakah prestasi belajar
mahasiswa ada hubungan dengan kondisi sosial ekonomi orang tuanya, apakah agama
yang dipeluk ada hubungannya dengan ketaatan beribadah.
Jika tidak ada hubungan antar dua faktor tersebut, maka dikatkan bahwa dua faktor
itu saling bebas atau independen.

Contoh :
Misalkan dilakukan surveh pada 1.000 orang di Jakarta dan ingin diketahui apakah
penghasilan masyarakat ada hubungannya dengan tingkat pendidikan. Penghasilan
sebagai faktor 1 dan pendidikan sebagai faktor 2. Penghasilan dibedakan menjadi dua
katagori, yaitu penghasilan rendah dan tinggi. Sedangkan pendidikan dibagi menjadi tiga
tingkat, yaitu SMU ke bawah, sarjana muda, dan sarjana (termasuk pasca sarjana).
Hasil survey tersebut disajikan pada tabel kontingensi berikut  :
 
Distribusi Kai-Kuadrat
Penghasilan Pendidikan Total Baris
SMU kebawah Sarjana Muda Sarjana
Rendah 182 213 203 598
Tinggi 154 138 110 402
Total Kolom 336 351 313 1000

Tabel di atas adalah tabel kontingensi berukuran 2 x 3,

yang terdiri dari 2 baris dan 3 kolom. Bilangan dalam
sel disebut frekuensi yang diobservasi, sedangkan
totalnya disebut frekuensi marjinal
Distribusi Kai-Kuadrat

3. Uji Distribusi Populasi dengan Distribusi Sampel

Uji ini digunakan untuk mengetahui sejauh mana kesesuaian atau tingkat
kesesuaian antara distribusi sampel dengan distribusi populasi, disebut juga uji
kebaikan suai (test goodness of test).
 
Tahapan uji keselerasan apakah suatu distribusi mengikuti kurva normal atau tidak
adalah sebagai berikut :
4. Membuat distribusi frekuensi
5. Menentukan nilai rata-rata hitung X dan standar deviasi σ dengan
menggunakan data berkelompok.
6. Menentukan nilai Z setiap kelas, dimana Z = (X-μ)/ σ
7. Menentukan probabilitas tiap kelas dengan menggunakan nilai Z.
8. Menentukan nilai harapan dengan mengalikan nilai probabilitas dengan jumlah
data.
9. Melakukan uji chi-kuadrat untuk menentukan apakah distribusi bersifat normal
atau tidak.
 
 The Simple Sign Test
Uji Tanda (Sign Test) merupakan salah satu prosedur uji NonParametrik untuk menguji Beda Rata-
Rata Dua Kelompok Sampel Berpasangan. Misalkan ada dua kelompok uji terkait, sebut Xa dan
Xb. Hipotesa uji tanda untuk membuktikan kemungkinan nilai selisih dari dua hipotesa tersebut yang
bertanda positif dengan negatif lebih banyak mana. p(Xa>Xb) = p(Xa<Xb) = 0.5.
Contoh: :
Perusahaan garmen “MAJU” ingin mengukur peningkatan prestasi kerja karyawan diperusahaan
setelah diberikan pelatihan. Untuk itu diambil sampel sebanyak 10 karyawan, datanya adalah sbb:
Nilai
Karyawan X2 - X1
Sebelum (X1) Sesudah (X2)
1 72 76 +
2 67 90 +
3 71 75 +
4 86 75 -
5 83 67 -
6 60 88 +
7 91 88 -
8 70 82 +
9 65 67 +
10 80 72 -
 The Simple Sign Test
PENYELESAIN :
Hipotesis Uji
H0 : p = 0,5 (tidak ada peningkatan prestasi kerja)
H1 : P ≠ 0,5 (ada peningkatan prestasi kerja )
Taraf nyata (α)
Alpha = 5% =0,05
Kriteria Pengujian
H0 diterima apabila probabilitas hasil sampel ≥ 0,05
H0 ditolak apabila hasil sampel < 0,05
o Perhitungan Nilai uji statistik
Jumlah sampel n = 10, jenis tanda yg memiliki nilai terkecil adalah negatif sebanyak r = 4, peluang
yg diujikan sebesar p=0,5.
Probabilitas hasil sampel
= Pr(0)+Pr(1)+Pr(2)+Pr(3)+Pr(4)
= 0,00977+0,09770+0,04394+0,1172+0,2051
= 0,3769
 The Simple Sign Test
Kesimpulan
Karena α= 0,05 <probabilitas hasil sampel = 0,3769 maka H 0 diterima.jadi, tidak ada peningkatan
pretasi kerja setelah diberikan pelatihan.

o Uji Pendekatan Normal

X - np
Z=
np(1-p)

Dimana:
X = x + 0,5 digunakan pada kondisi nilai terkecil digunakan, misal 4 (tanda min)
X = x - 0,5 digunakan pada kondisi nilai terbesar digunakan, misal 10 (tanda positif)

(4 + 0,5) – (10 x 0,5)  Karena nilai – 0,3162 berada diantara -1.96 dan 1.96, maka
Z= = - 0,3162 kita menerima H0
10x0,5x0,5 Pr { Z ≤ - 0.3162 } 0.378 karena uji dua arah menjadi
0.378x2 = 0.756
 The Wilcoxon Test
Pengertian
o Merupakan suatu uji yang menghitung tanda dan besarnya selisih dari dua buah rataan populasi.
Uji ini lebih peka dari pada uji tanda dalam menemukan perbedaan antara populasi. Dengan kata
lain, uji peringkat bertanda wilcoxon digunakan jika besaran maupun arah perbedaan relevan.
Prosedur Uji wilcoxon Untuk Pengamatan Berpasangan
1. Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).                      
2. Memilih tarap keberartian ().
3. Menentukan daerah kritis W (bila dist Z digunakan).
4. Menyusun peringkat tanpa memperhatikan tanda.
5. Pemberian tanda atas peringkat yang telah ditetapkan.
6. Menjumlahkan peringkat dengan jumlah terkecil sebagai W.
7. Penarikan kesimpulan statistic tentang hipotesis nol (tolak H0 atau terima H0)
Penarikan Kesimpulan Statistik
Untuk menguji hipotesis nol (H0) dari uji Wilocoxon ini, selain dapat meggunakan tabe harga-harga
kritis W dalam uji jenjang bertanda data berpasangan wilcoxon khususnya untuk sampel kecil, juga
dapat menggunakan pendekatan distribusi normal. Sedangkan untuk sampel besar digunakan
pendektan distribusi normal.
 The Wilcoxon Test
Pengujian dilakukan dengan langkah-langkah sebagai berikut :
Hipotesis

  Satu sisi Dua sisi

H0 : W(+) = (-) H0 :W(+) = (-)
H1 : W(+) > (-) H1 : W(+) ≠ (-)
H0 : W(+) = (-)
H1 : W(+) < (-)

Dimana :
W(+) = jumlah semua peringkat selisih pasangan pengamatan (xi,yi) yang bertanda positif
W(-)= jumlah semua peringkat selisih pasangan pengamatan (xi,yi) yang bertanda negatif
Tabel Wilcoxon
o Jika harga W adalah sama dengan atau kurang dari harga yang diberikan dalam tabel,
untuk satu tingkat signifikasi tertentu dengan N tertetu, maka tolak H0.
o Jika harga α hit yang diperoleh dari tabel (dengan N dan W tertentu) adalah sama
dengan atau kurang dari harga yang telah ditentukan,maka tolak H0
 The Wilcoxon Test
Distribusi Normal
o Dari nilai Zhit yang diperoleh tentukan nilai peluang (P) padanannya, untuk tes dua sisi
kalikan dua P, bila P sama dengan atau kirang dari α, maka tolak H0.

Statistik hitung
o Untuk setiap pasangan nilai pengamatan (xi,yi), hitung perbedaannya (di = xi-ui)
o Berikan peringkat terhadap perbedaan nilai pasangan pengamatan, mulai dari peringkat
1 untuk perbedaan nilai terkecil hingga peringkat n untuk perbedan terbesar. Bila
terdapat perbedaan nilai pasangan yang sama, perbedaan nilai yang sama diberi nilai
rata-ratanya. Bila ditemukan perbedaan nol, kita beri peringkat 1 dengan tanda yang
kemungkinanya menolak H0.
o Beri tanda (+/-) kepada peringkat yang telah dibuat.
o Hitung jumlah di yang brtanda positif (W+) dan negative (W-).
o Statistika uji peringkat bertanda wilcoxon ialah W.W yang dipakai ialah W+ atau W-
yang nilainya “lebih kecil”.
 The Mann-Whitney test
o Uji Mann-Whitney Test atau disebut juga U test digunakan untuk mengujirata-rata dari 2 sampel
yang berukuran tidak sama. U testmen. 
o Perhitungannya berdasarkan frek. Teramati
o H0 : Dua sampel bebas berasal dari populasi yang identik atau mempunyai rata-rata yang sama.
o H1 : Dua sampel bebas berasal dari populasi yang berbeda
Uji Mann-whitney
 
U–E(U)
 U = n₁ n₂ + - R₁
Z=
Var ( U )

  ( U ) = n₁ n₂ + - E ( R₁ ) =
E
Var ( U ) = var (R₁ ) =

R₁ : Total peringkat salah satu sampel

 The Mann-Whitney test
Contoh soal :
Suatu perusahaan besar diduga menerapkan diskriminasi penggajian atas gender.
Sebanyak 24 sampel dari antara karyawan dan gajinya ditunjukkan tabel berikut :
Wanita Pria
22.5 21.9
19.8 21.6
Berdasarkan data disamping, apakah ada alasan untuk
20.6 22.4
24.7 24.0
percaya pada taraf nyata 0,05 bahwa telah terjadi
23.2 24.1 diskriminasi penggajian berdasarkan gender ?
19.2 23.4
18.7 21.2
20.9 23.9
21.6 20.5
23.5 24.5
20.7 22.3
21.6 23.6
 The Mann-Whitney test

 Jawaban :
Dik : diketahui data pada tabel dan a = 0,05
Dit : Uji Hipotesis perbedaan gaji antara pria dan wanita
o H0 : Tidak ada perbedaan antara rata – rata gaji wanita dengan rata-rata gaji pria, atau rata-
rata gaji wanita dan pria berasal dari populasi yang berdistribusi sama, atau µ₁ = µ₂
o H1 : Ada perbedaan antara rata-rata gaji wanita dengan rata-rata gaji pria atau µ₁ µ₂
o α = 0,05
o Wilayah kritik : Zhit <-z0,025 atau zhit>z0,025 atau Zhit <- 1.96 atau Zhit > 1.96
o Perhitungan :
- Pertama, urutkan dan berikan berikan
- Jumlah peringkat salah satu sampel
- Hitung nilai E(U), var(U) dan z
 The Mann-Whitney test
JK F F F M F F F M M F F M
Gaji 18.7 19.2 19.8 20.5 20.6 20.7 20.9 21.2 21.6 21.6 21.6 21.9
Pr 1 2 3 4 5 6 7 8 10 10 10 12

 R₁ = 1+2+3+5+6+7+10+10+15+16+18+24 = 117

E(u) = (12x12)/2 = 72
Var(U) = (12)(12)(25)/12 = 300
U = 12 x 12 + (12x13)/2 = 105
Z = (105 – 72)/300 = 1.91
Keputusan Karena Z < 1.96 dan Zhit > -1.96, maka terima H0
 The Kruskal – Wallis
Test
o Uji Kruskal Wallis adalah uji nonparametrik berbasis peringkat yang tujuannya
untuk menentukan adakah perbedaan signifikan secara statistik antara dua atau
lebih kelompok variabel independen pada variabel dependen yang
berskala data numerik (interval/rasio) dan skala ordinal
o Alternatif uji satu arah ANOVA
o Perbedaan hanya variasi yang terjadi secara kebetulan
o Sampel berasal dari distribusi kontinu
o H0 : Sampel yang di perbandingkan mempunyai nilai rata-rata yang sama
o H1 : Sampel yang di perbandingkan tidak mempunyai nilai rata-rata yang sama.

Rumus :

Dimana : ηi : Jumlah pengamatan dalam kelompok.

rij: Peringkat (diantara semua pengamatan) pengamatan j dari kelompok i.
N: Jumlah pengamatan di semua kelompok.
THE END
TERIMA
KASIH