Anda di halaman 1dari 101

Statistik Non Parametrik

STATISTIK PARAMETRIK DAN


NON PARAMETRIK
• Statistik parametrik, didasarkan asumsi :
- sampel random diambil dari populasi normal atau
- ukuran sampel besar atau
- sampel berasal dari populasi dengan variansi yang sama

 Statistik non parametrik, didasarkan asumsi :


- hampir tidak mengasumsikan persyaratan apapun
kecuali distribusinya kontinyu.
Statistik non parametrik
Statistik Non parametrik
• Cabang ilmu statistik yang mempelajari prosedur-prosedur inferensial
dengan kesahihan yang tidak bergantung kepada asumsi-asumsi yang
kaku tapi cukup pada asumsi yang umum.
• Asumsi-asumsi yang kaku, misal: syarat kenormalan suatu data, ragam
yang sama, dll tetapi cukup pada asumsi yang umum 、 Statistik
bebas sebaran

Uji Statistik Parametrik


• Suatu uji yang modelnya menetapkan adanya syarat-syarat
tertentu (asumsi-asumsi) dari sebaran (distribusi) data
populasinya.
• Banyak digunakan untuk menganalisis data interval dan
rasio
• Biasanya datanya besar : > 30
Parametrik Vs Non Parametrik
Parametrik
• menuntut ukuran – ukuran tingkat taraf tinggi
• Ukuran taraf / tingkat tinggi adalah sesuatu yang menghasilkan ukuran-ukuran
yang digunakan untuk menunjukkan arti penting dari perbedaan yang terjadi.
• Misal: Ukuran berat (kg)
Perbedaan (0 - 485 kg) sama dengan perbedaan (485 - 980 kg)
Non Parametrik
 Terjadi ukuran ordinal (bukan taraf tinggi)

 Misal:

Preferensi konsumen atas 5 jenis barang (1,2,3,4,5)


3 memiliki preferensi > dari 2 tapi perbedaannya belum tentu 1
Tingkatan eksekutif 4 manager (1,2,3,4)
Pengujian dalam ukuran ordinal dengan cara memberi rank.
Contoh : Ukuran berat : 3,4 1,8 5,8
Rank
SI 2 - Statistik Non Parametrik : 2 1 3 4
Skala Pengukuran...(review)

Nominal
• Juga disebut sebagai skala kategorik
• Merupakan skala pengukuran yang bersifat membedakan saja
• Angka atau simbol yang diberikan tidak memiliki maksud
kuantitatif hanya menunjukkan ada aau tidak adanya atribut atau
kharakteristik yang diteliti
• Contoh : Jenis kelamin seseorang, status perkawinan, kepesertaan
keluarga berencana, lulus atau tidak dll.
• Bekerja dengan data ini, peneliti harus menentukan angka untuk
tiap kategori, sebagai contoh : 1 untk wanita dan 2 untuk laki-laki
(angka ini hanya representasi dari kategori atau kelas-2 dan tidak
meunjukkan bilangan dari suatu atribut atau karakteristik.

SI 2 - Statistik Non Parametrik 5


Skala Pengukuran

Ordinal
• Skala pengukuran yang sifatnya membedakan dan
mengurutkan
• Setiap sub kelas dapat dibandingkan dengan yang lain dalam
hubungan “ lebih besar” atau “ lebih sedikit”.
• Contoh: misalkan seseorang diminta untuk mengurutkan tiga
buah produk berdasarkan tingkat kepuasan terhadap
produk.Product A Product B Product C Brand Rank
A 1
B 2
C 3
Very satisfied Not at all satisfied

6
Skala Pengukuran

Interval
• Skala pengukuran yang bersifat membedakan, mengurutkan
dan memiliki jarak yang sama
• Tidak memiliki nilai nol mutlak.
• Contoh :
• Suatu suhu 80 F tidak dapat dikatakan dua kali lebih panas
dari suhu 40 F, karena kita tahu bahwa 80 F, pada skala suhu
yang lain, seperti celcius adalah 26,7 C sedangkan 40 F = 4,4
C. meskipun 80 F kelihatannya dua kali 40F , seseorang tidak
dapat mengatakan bahwa 80F dua kali lebih panas dari 40F,
karena pada skala yang lain panasnya tidak dua kalinya.

4/25/2014 Multivariate Analysis 7


Skala Pengukuran

Ratio
• Skala pengukuran yang sifatnya membedakan, mengurutkan dan
mempunyai nilai nol mutlak.
• Nilai nol mutlak adalah nilai dasar yang tidak bisa diubah meskipun
menggunakan skala yang lain.
• Karenanya nilai-nilai dalam skala ini dapat dibandingkan dan dapat
dilakukan operasi matematis seperti penjumlahan pengurangan, bagi
ataupun perkalian.
• Contoh :
• 100 Kg memiliki berat dua kali 50 kg
• 1000 meter memiliki panjang 20 kali 50 meter
• dll

4/25/2014 Multivariate Analysis 8


Statistik non parametrik
Kelebihan statistik non parametrik
1. Asumsi yang digunakan minimum sehingga mengurangi kesalahan
penggunaan
2. Perhitungan dapat dilakukan dengan cepat dan mudah
3. Konsep dan metode nonparametrik mudah dipahami bahkan oleh
seseorang dengan kemampuan matematik yang minim
4. Dapat diterapkan pada skala peubah kualitatif (nominal dan ordinal)
5. Distribusi data tidak harus normal
6. Bisa digunakan untuk sampel kecil (misal n=7) walaupun distribusi
populasinya tidak diketahui
Kekurangan statistik non parametrik
1. Bila digunakan pada data yang dapat diuji menggunakan statistika
parametrik maka hasil pengujian menggunakan statistik nonparametrik
menyebabkan pemborosan informasi
2. Pekerjaan hitung-menghitung (aritmetik) karena memerlukan ketelitian
terkadang menjemukan SI 2 - Statistik Non Parametrik
9
Kekurangan

Kekurangan Statistik Non parametrik


• Bila persyaratan untuk uji parametrik dapat dipenuhi
maka efisiensi pengujian non parametrik lebih rendah
dibanding uji parametrik.
• Uji non parametrik tidak dapat digunakan untuk
menguji interaksi seperti dalam model analisis
variansi
• Uji non parametrik tidak bisa digunakan untuk
membuat prediksi seperti dlm analisis regresi krn
asumsi distribusi normal tidak dipenuhi.
Statistik non parametrik
Kapan digunakan??

• Sampel ukuran kecil / tidak melibatkan parameter populasi


• Data yang digunakan : data ordinal atau nominal
• Bentuk distribusi populasi dan tempat pengambilan sampel
tidak diketahui menyebar secara normal
• Ingin menyelesaikan masalah statistik dengan cepat
• Bila asumsi-asumsi yang diperlukan pada suatu prosedur
pengujian parametrik tidak terpenuhi
• Bila penghitungan harus dilakukan secara manual

SI 2 - Statistik Non Parametrik 11


Langkah – Langkah Pemilihan Metode
Statistik
1. Apakah distribusi data diketahui?

LIHAT JENIS ya tidak NON PARAMETRIK


DISTRIBUSINYA

2. Apakah data berdistribusi normal?

PARAMETRIK ya tidak NON PARAMETRIK

3. Apakah sampel ditarik secara random?

PARAMETRIK ya tidak NON PARAMETRIK


12
Langkah – Langkah Pemilihan Metode
Statistik - 2

4. Apakah varians kelompok sama?

LIHAT JENIS ya tidak NON PARAMETRIK


DISTRIBUSINY
A

5. Bagaimana jenis skala pengukuran data?

INTERVAL NOMINAL
PARAMETRIK NON PARAMETRIK
RASIO ORDINAL

SI 2 - Statistik Non Parametrik 13


Langkah2

pemilihan
metode
statistik

SI 2 - Statistik Non Parametrik 14


Parametrik Vs Non Parametrik

SI 2 - Statistik Non Parametrik 15


Pengujian Hipotesis Statistik Non
Parametrik
Langkah – langkah pengujian hipotesis:
1. Menentukan formulasi hipotesis
2. Menentukan taraf nyata dan nilai tabel
3. Menentukan kriteria pengujian
4. Menentukan nilai uji statistik
5. Membuat kesimpulan

SI 2 - Statistik Non Parametrik 16


Pengujian Hipotesis Statistik Non
Parametrik

Uji Non Parametrik yang akan dipelajari:


• Uji Tanda (Sign Test)
• Uji Urutan Bertanda Wilcoxon
• Uji Mann-Whitney
• Uji Kruskal – Wallis (H Test)
• Uji Friedman
• Uji Cochran (Uji Q)
• Uji kerandoman (Randomness test/run test)
• Uji kolmogorov – smirnov sampel tunggal

SI 2 - Statistik Non Parametrik 17


SIGN TEST (UJI TANDA)
Uji Tanda (Sign Test)

Fungsi pengujian:
• Untuk menguji perbedaan/perubahan ranking (median
selisih skor/ranking) dua buah populasi berdasarkan
ranking (median selisih skor/ranking) dua sampel
berpasangan

Didasarkan atas tanda-tanda positif atau


negatif dari perbedaan antara pasangan
pengamatan.

SI 2 - Statistik Non Parametrik 19


SIGN TEST UNTUK SATU SAMPEL
• Merupakan alternatif uji t dengan 1 sampel dalam uji
parametrik
• Prosedur pengujian
H0 : μ = μ 0 (p=0,5)
H1 : μ ≠ μ0 (p ≠ 0,5) atau μ > μ0 (p > 0,5) atau μ < μ0 (p < 0,5)
• Tingkat signifikansi 
• Perhitungan data sampel untuk statistik uji
 Setiap nilai pengamatan yang > μ0 diganti dengan/diberi tanda +
 Setiap nilai pengamatan yang < μ0 diganti dengan/diberi tanda –
 Setiap nilai pengamatan yang = μ0 diganti dengan 0 dan dihapus dari
data
 n = banyak pengamatan setelah tanda 0 di hapus dari data
 k = Banyaknya pengamatan bertanda +
 P = 0,5 ( probabilitas terjadinya tanda + dan – adalah sama)
SIGN TEST UNTUK SATU SAMPEL

• Statistik Uji
untuk n ≤ 20
X ~ berdistribusi binomial dengan parameter k, n, p
Phitung = P(X ≥ k) = 1 - P(X ≤ k-1)
untuk n > 20
X ~ berdistribusi Normal (μ, ) dengan μ = np dan
k Berdistribusi
 np(1 p) sehingga Zhitung  np p)
np(1 normal
standard (0,1)
SIGN TEST UNTUK SATU SAMPEL
•Daerah kritis
untuk n ≤ 20
H1 : μ ≠ μ0 
daerah
penolakan Ho :
Phitung < /2 atau
Phitung > (1- /2 )
H1 : μ > μ0 
daerah
penolakan Ho :
Phitung < 

H1 : μ < μ0 
daerah
penolakan Ho :
Phitung > (1-)
Uji Tanda (Sign Test)
• Menentukan formulasi hipotesis
H0 : Probabilitas terjadinya tanda + dan - adalah sama
H1 : Probabilitas terjadinya tanda + dan - adalah berbeda

• Menentukan taraf nyata dan nilai tabel


Pengujian bisa satu sisi atau dua sisi

• Menentukan kriteria pengujian


Pengujian satu sisi
H0 : diterima bila   probabilitas hasil sampel
H1 : diterima bila  > probabilitas hasil sampel
Pengujian dua sisi
H0 : diterima bila   2 KALI probabilitas hasil sampel
H : diterima bila  > 2 KALI probabilitas hasil
SI 2 - Statistik
1
Non Parametrik 23 sampel
Uji Tanda (Sign Test)

Menentukan nilai uji statistik


• Lihat tabel probabilitas binomial dengan
n,r tertentu dan p = 0,5
• r = jumlah tanda yang terkecil

Membuat kesimpulan
• Menyimpulkan H0 diterima ataukah
tidak
SI 2 - Statistik Non Parametrik 24
Contoh 1. Uji Tanda (Sign Test)
Pasangan 1 2 3 4 5 6 7 8 9 10
Istri 3 2 1 0 0 1 2 2 2 0
Suami 2 3 2 2 0 2 1 3 1 2

Sejumlah 10 pasangan suami istri yang baru menikah dipilih secara


acak dan ditanyakan secara terpisah pada masing-masing istri dan
suami, berapa jumlah anak yang mereka inginkan. Informasi yang
didapat adalah sebagai berikut:

Ujilah apakah kita dapat mengatakan bahwa wanita (istri)


menginginkan anak lebih sedikit dibandingkan pria (suami)?
Taraf nyata uji 0,01
SI 2 - Statistik Non Parametrik 25
Penyelesaian
• Diketahui : data di atas,  = 0,01
• Ditanya : apakah ada perbedaan jumlah anak yang diinginkan
antara istri dengan suami?
• Jawab :
– H0 : Tidak ada perbedaan jumlah anak yang diinginkan
antara suami dan istri
H1 : wanita (istri) menginginkan anak lebih sedikit
dibandingkan pria (suami)
– Taraf nyata uji : 0,01
– Kriteria pengujian :
H0 diterima Jika 0,01 probabilitas hasil sampel
H1 diterima Jika 0,01 > probabilitas hasil sampel
SI 2 - Statistik Non Parametrik 26
Perhitungan

Pasangan 1 2 3 4 5 6 7 8 9 10
Istri 3 2 1 0 0 1 2 2 2 0
Suami 2 3 2 2 0 2 1 3 1 2
+ - - - 0 - + - + -
Selisih

r = 3, distribusi Binom dengan n = 9 dan p = 0,5


Menggunakan tabel Binom, maka akan diperoleh: P(r  3) =
0,254
Keputusan, karena 0,01  0,254, maka terima H0.
Tidak ada perbedaan jumlah anak yang diinginkan antara
suami dan istri
SI 2 - Statistik Non Parametrik 27
Contoh 2. Uji Tanda (Sign Test)
Pegawai Sebelum Sesudah Selisih
(X2 – X1)
Berikut data mutu kenaikan kenaikan
gaji (X1) gaji (X2)
kerja karyawan
1 71 72 +
sebelum dan sesudah 2 91 88 -
kenaikan gaji. 3 86 82 -
4 60 67 +
Uji dengan taraf nyata
5 83 88 +
α = 5%, apakah ada 6 70 67 -
peningkatan mutu 7 72 75 +
karyawan setelah gaji 8 65 75 +
naik! 9 80 90 +
10 72 76 +

SI 2 - Statistik Non Parametrik 28


Penyelesaian
– Dari tabel diketahui bahwa tanda (+) ada 7, dan tanda (-) ada 3
• Jawab :
– H0 : Tidak ada peningkatan mutu kerja
– H1 : Ada peningkatan mutu kerja
– Taraf nyata uji : 0,05
– Kriteria pengujian :
– H0 diterima Jika 0,05  probabilitas hasil sampel
– H1 diterima Jika 0,05 > probabilitas hasil sampel
N = 10, r = 3 dan p = 0,5
Probabilitas hasil sampel:
Menggunakan tabel
Binom, maka akan
diperoleh: SI 2 - Statistik Non Parametrik 29
Contoh 3. Uji Tanda (Sign Test)
Dilakukan sebuah penelitian
untuk mengetahui tingkat
pengetahuan budidaya kopi
sebelum dan sesudah diberi
penyuluhan. Data hasil
penelitian ditunjukkan pada
tabel berikut.
Dengan α = 0,01, lakukan
pengujian untuk mengetahui
ada tidaknya pengaruh
penyuluhan terhadap tingkat
pengetahuan budidaya kopi.

SI 2 - Statistik Non Parametrik 30


Contoh
Berikut adalah data sampel random dari 15 pengukuran rating octane dalam
sejenis bensin yang diamati disuatu daerah tertentu
99,0 102,3 99,8 100,5 99,7
96,2 99,1 102,5 103,3 97,4
100,4 98,9 98,3 98,0 101,6
Ujilah dengan  = 0,01 apakah rating octane dari bensin yang diamati
tersebut lebih dari 98,0 ?
Contoh
Data berikut menunjukkan berapa lama (jam) sebuah alat
listrik bisa digunakan sebelum diisi tenaga listrik
1,5 2,2 0,9 1,3 2,0 1,6 1,8 1,5 2,0 1,2
1,7
Ujilah dengan  = 0,05 bahwa alat tersebut rata-rata
dapat bekerja 1,8 jam sebelum harus diisi tenaga listrik
lagi
Contoh
Seorang pimpinan universitas mengklaim bahwa lulusannya mempunyai rata-
rata IP lebih dari 3. Untuk membuktikan kebenaran dari pernyataannya
tersebut diambil sampel berukuran 31 mahasiswa yang sudah lulus dan
dicatat IP nya. Data yang diperoleh :
3,41 3,02 2,57 2,86 2,78 3,00
2,55 2,13 2,14 2,81 2,85 2,74
2,73 2,94 3,22 3,15 3,00 2,82
3,81 2,77 3,00 3,62 3,16 3,39
3,14 3,21 2,97 3,33 3,03 3,41
3,00

Ujilah dengan  = 1 % apakah klaim tersebut bisa diterima


SIGN TEST UNTUK DUA SAMPEL
BERPASANGAN
• Merupakan alternatif uji t dengan 2 sampel
berpasangan (paired t test) dengan n1 = n2
• Prosedur pengujian
H0 : μ 1 = μ 2
H1 : μ1 ≠ μ2 atau μ1 > μ2 atau μ1 < μ2
• Tingkat signifikansi 
• Perhitungan data sampel untuk statistik uji
 Hitung di = selisih (X1 – X2)
 Jika di = 0 maka data dibuang
 n = banyak data di setelah data dengan di = 0 dihapus dari data
 Beri tanda (+) bila di > 0 dan (-) bila di < 0
 R+ = banyaknya data yang bertanda +
 R- = banyaknya data yang bertanda –
R = min (R+ ; R- )
SIGN TEST UNTUK DUA SAMPEL
BERPASANGAN
Untuk n ≤ 40 ; R~ berdistribusi R , n* (R , n* dari
tabel nilai kritis untuk uji tanda)
Untuk n > 40; R~ berdistribusi Normal dengan rata-rata
dan standard deviasi

Sehingga R 
n R 
n
2R   2R  n
4
Z hitung  R

~ berdistribusi Normal
R n standart N (0;1)

35
SIGN TEST UNTUK DUA SAMPEL
BERPASANGAN
•Daerah kritis
untuk n ≤ 40
H 1 : μ1 ≠ μ2 
daerah
penolakan Ho
jika R ≤ R , n*
H 1 : μ1 > μ2 
daerah
penolakan Ho
jika R- ≤ R ,
n*

H 1 : μ1 < μ2 
daerah 36
Contoh
Sebuah perusahaan otomotif akan menentukan apakah ban radial
bisa meningkatkan penghematan bahan bakar dibanding ban biasa.
Untuk itu 24 mobil dipasangi ban radial kemudian dicoba pada
lintasan tertentu. Tanpa mengganti sopir, mobil yang sama dipasangi
ban biasa dan dicoba sekali lagi pada lintasan yang sama. Konsumsi
bahan bakar (dalam kilometer perliter)

Gunakan  = 0,05 untuk menguji apakah ban radial lebih


hemat bahan bakar dibanding ban biasa.
37
Penyelesaian
1. H0 : μ1 = μ2 (ban radial tidak lebih hemat bahan bakar dibanding ban biasa)
H1 : μ1 < μ2 (ban radial lebih hemat bahan bakar dibanding ban biasa)

2. Tingkat signifikansi =0,05


3. Perhitungan :

38
Penyelesaian
4. Statistik Uji
R+ = 13 n = 20

5. Daerah kritis :
Ho ditolak bila R+ ≤ R 0,05, 20* = 5
Karena R+ =13 > R , n* = 5 maka Ho diterima. Jadi
ban radial tidak lebih hemat bahan bakar dibanding
ban biasa.

39
Note :
Atau ada yang menggunakan perbandingannya
adalah probabilitas hasil sampel dengan taraf uji
nyata
– Taraf nyata uji : 
– Kriteria pengujian :
– H0 diterima Jika   probabilitas hasil sampel
– H0 ditolak Jika  > probabilitas hasil sampel

* Untuk tabel menggunakan binomial (komulatif) dari data n, k


dan p
UJI RANGKING BERTANDA
WILCOXON
UJI RANKING BERTANDA
WILCOXO
Wilcoxon’s signed-rank test

N
 Alternatif dari uji t dengan 2 sampel berpasangan (paired t test) dengan
n1 = n 2
 Penyempurnaan dari uji tanda untuk menguji 2 sampel berpasangan

Prosedur Uji

1. H0 : μ1 = μ2
H1 : μ1 ≠ μ2
H1 : μ1 > μ2
H 1 : μ1 < μ2
2. Tingkat
signifikansi

3. Perhitungan
statistik uji
d =
UJI RANGKING BERTANDA WILCOXON
 Beri peringkat atau rangking pada I diI dari terkecil hingga terbesar
Bila ada peringkat / rangking yang sama diambil peringkatnya diambil rata-rata
 Hitung
w+ = total jumlah peringkat dari di yang positif
w- = total jumlah peringkat dari di yang negatif
w = min (w+; w- )
 Untuk n ≤ 50 : w ̴ w (nilai w dari tabel rangking
Untuk n >wilcoxon)
bertanda 50 : w ̴ berdistribusi normal dengan rata-rata :
n(n 1)
w  4
dengan standard deviasi n(n 1)(2n
sehingga :  w  1)
24

Zhitung  w  w ~ berdistribusi normal standard N (0; 1)


w
4. Daerah kritis
untuk n ≤ 50 untuk n > 50
H1 : μ1 ≠ μ2  H0 ditolak jika w ≤ w H1 : μ1 ≠ μ2  H0 ditolak jika Zhitung < -Z /2 atau Zhitung >Z/2
H1 : μ1 > μ2  H0 ditolak jika w - ≤ w H1 : μ1 > μ2  H0 ditolak jika Zhitung > Z 
H1 : μ1 < μ2  H0 ditolak jika w + ≤ w H1 : μ1 < μ2  H0 ditolak jika Zhitung > - Z 
Contoh 1
Berikut adalah data rata-rata jam kerja yang terbuang perminggu karena kecelakaan
yang terjadi dalam 10 pabrik sebelum dan sesudah diterapkannya program
keselamatan kerja dengan menggunakan  = 0,05 untuk menguji apakah program
tersebut efektif
Pabrik 1 2 3 4 5 6 7 8 9 10
Sebelum 45 73 46 124 33 57 83 34 26 17
Sesudah 36 60 44 119 35 51 77 29 24 11

Penyelesaian

1. H0 : μ1 = μ2 ( program keselamatan kerja tidak efektif)


H1 : μ1 > μ2 ( program keselamatan kerja efektif)
2. Tingkat signifikansi  = 0,05
3. Perhitungan statistik uji
Pabrik 1 2 3 4 5 6 7 8 9 10
di 9 13 2 5 -2 6 6 5 2 6
I di I 9 13 2 5 2 6 6 5 2 6
Urutan 9 10 1 4 2 6 7 5 3 8
Ranking 9 10 2 4,5 2 7 7 4,5 2 7
Contoh
4. Statistik Uji
w+ = 53
w -= 2

5. Daerah
kritis
jika w -
≤ w0,05 =
10
karena w - = 2 < w0,05 = 10 maka H0 ditolak 
Jadi program keselamatan kerja tersebut efektif
Contoh 2
Sebuah perusahaan taxi akan menentukan apakah ban radial bisa meningkatkan
penghematan bahan bakar dibanding ban biasa. Untuk itu 24 mobil dipasangi bann
radial kemudian dicoba pada lintasan tertentu. Tanpa mengganti sopirnya , mobil yang
sama dipasangi ban biasa dan dicoba sekali lagi pada lintasan yang sama. Konsumsi
bahan bakar (dalam kilometer perliter). Digunakan  = 0,05 untuk menguji apakah
ban radial lebih hemat bahan bakar dibanding ban biasa

Mobil 1 2 3 4 5 6 7 8 9 10 11 12
Ban radial 10,2 10,7 12,6 13 12,7 10,5 11,7 12 13,4 10,9 12,1 11,2
Ban biasa 10,1 10,9 12,2 12,9 12,8 10,4 11,7 11,8 12,9 10,9 12 10,9

Mobil 13 14 15 16 17 18 19 20 21 22 23 24
Ban radial 11,1 12,3 13,1 10,8 10,2 11,2 13,3 12,7 11,4 12 13,4 10,7
Ban biasa 10,9 12,4 13,1 10,5 10,7 11,2 13,4 12,2 11,7 11,8 13,1 10,8

Penyelesaian

1. H0 : μ1 = μ2 ( ban radial tidak lebih hemat bahan bakar dibanding ban biasa)
H1 : μ1 < μ2 (ban radial lebih hemat bahan bakar dibanding ban biasa)
2. Tingkat signifikansi  = 0,05
4. Perhitungan statistik uji oh 2

4. Statistik uji
w+ = 148 w - = 62
5. Daerah kritis jika w +
≤w 20 = 60
karena w + = 148 > w0,05;200,05;
= 60 maka H0 diterima Jadi ban radial tidak lebih
hemat bahan bakar dibanding ban biasa
Uji Urutan Bertanda Wilcoxon (Signed
Rank Test)
• Sebagai penyempurnaan uji tanda
• Diperkenalkan pertama kali oleh (Frank
Wilcoxon)
• Selain memperhatikan + dan -, uji ini juga
memperhatikan besarnya beda/selisih

SI 2 - Statistik Non Parametrik 48


Uji Urutan Bertanda Wilcoxon (Signed
Rank Test)
Memperhitungkan tanda dan besarnya selisih.

H 0: Tidak terdapat perbedaan dari perlakuan 1 dan 2.


H1 : Terdapat perbedaan antara perlakuan 1 dan 2

 Menentukan taraf nyata ()


Dapat berbentuk satu sisi atau dua sisi

 Menentukan Kriteria pengujian


H0 : Diterima jika T < T0
H1 : Diterima jika T > T0
Nilai T diperoleh dari Tabel nilai
kritis untuk uji urutan/rank tanda
SI 2 - Statistik Non Parametrik 49
=> Tα
Uji Urutan Bertanda Wilcoxon (Signed
Rank Test)

 Menentukan nilai uji statistik (Nilai T ) 0


1. Tentukan tanda beda/selisih dan
besarnya
2. Urutkan bedanya (tanpa memperhatikan tanda)
• Ranking 1 diberikan pd selisih terkecil, urutan 2 pd selisih terkecil
berikutnya.
• Bila dua atau lebih selisih nilai mutlaknya sama, maka masing2
diberi rangking sama dengan rata2 urutan.
• Contoh selisih ke 5 dan ke 6 terkecil mempunyai nilai selisih yang
sama, maka masing - masing mendapat rangking 5,5 yang
diperoleh dari (5 + 6)/2
3. Pisahkan tanda selisih positif dan negatif
4. Jumlahkan semua angka positif dan negatif
5. Nilai terkecil dari nilai absolut hasil penjumlahan selisih adalah nilai
T0
 Membuat kesimpulan
SI 2 - Statistik Non Parametrik 50
Contoh 1. Uji Urutan Bertanda
Wilcoxon (dr Soal Uji Tanda)
Pegawai Sebelum Sesudah
Berikut data mutu
kenaikan kenaikan
kerja karyawan gaji (X1) gaji (X2)
sebelum dan sesudah 1 71 72
kenaikan gaji. 2 91 88
3 86 82
Uji dengan taraf nyata
4 60 67
α = 5%, apakah ada 5 83 88
peningkatan mutu 6 70 67
karyawan setelah gaji 7 72 75
8 65 75
naik!
9 80 90
10 72 76
SI 2 - Statistik Non Parametrik 51
Penyelesaian
Jawab :
– H0 : Tidak ada peningkatan mutu kerja
H1 : Ada peningkatan mutu kerja
– Taraf nyata uji : 0,05
– Kriteria pengujian :
H0 : Diterima jika T < T0
H1 : Diterima jika

> T0
SI 2 - Statistik Non Parametrik 52
Penyelesaian
Pegawai Sebelum Sesudah Selisih Urutan Ranking Tanda Tanda
ke kenaikan gaji kenaikan gaji Ranking Ranking

(X) (Y) (Y-X) (+) (-)


1 71 72 1 1 1 +1
2 91 88 -3 2 3 -3
3 86 82 -4 5 5.5 - 5.5
4 60 67 7 8 8 +8
5 83 88 5 7 7 +7
6 70 67 -3 3 3 -3
7 72 75 3 4 3 +3
8 65 75 10 9 9.5 + 9.5
9 80 90 10 10 9.5 + 9.5
10 72 76 4 6 5.5 + 5.5
Jumlah + 43.5 - 11.5

Kesimpulan
Karena T0.05 = 11 < T0 = 11,5 , maka:
H0 diterima yang artinya bahwa tidak ada perbedaan nyata pada mutu T 0 = 11,5
kerja pegawai setelah kenaikan gajiSI 2 - Statistik Non Parametrik 53
Contoh 2. Uji Urutan Bertanda
Wilcoxon

Sebuah alat pencukur rambut dapat digunakan


sebelum dicharge lamanya (jam) adalah : 1,5; 2,2;
0,9; 1,3; 2,0; 1,6; 1,8; 1,5; 2,0; 1,2; dan 1,7. Ujilah
hipotesis dengan α = 5% bahwa alat tersebut rata
- rata dapat digunakan 1,8 jam sebelum dicharge

SI 2 - Statistik Non Parametrik 54


Penyelesaia
n
1. H0 : m =
1,8 H1 : m
≠ 1,8
2. α = 0,05

3. Kriteria
pengujian
• H0 :
Diterima
jika T < T0
• H0 :
Ditolak
SI 2 - Statistik Non Parametrik 55
Penyelesaia
n
Perhitungan : setiap pengamatan dikurangkan dengan 1,8, dan ditentukan
peringkatnya, tanpa memperhatikan tanda minus atau plus
Tanda Tanda
n ke Selisih Urutan Ranking Rangking Rangking Kesimpulan:
(+) (-)
Karena T0.05 = 8 <
1 -0,3 5 5,5 -5,5
2 0,4 7 7 7
T0 = 13 , maka
3 -0,9 10 10 -10 terima H0 artinya
4 -0,5 8 8 -8 bahwa alat
5 0,2 4 3 3
6 -0,2 3 3 -3
pencukur rambut
7 0 tersebut rata -
8 -0,3 6 5,5 -5,5 rata dapat
9 0,2 2 3 3
digunakan 1,8 jam
10 -0,6 9 9 -9
11 -0,1 1 1 -1 sebelum dicharge
Jumlah 13 -42

T 0 = 13 56
Uji Urutan Bertanda Wilcoxon untuk 2
sampel

Untuk 2 sampel
yang berbeda

SI 2 - Statistik Non Parametrik 57


Uji Urutan Bertanda Wilcoxon
Contoh untuk 2 sampel

SI 2 - Statistik Non Parametrik 58


Uji Urutan Bertanda Wilcoxon
Contoh untuk 2 sampel

SI 2 - Statistik Non Parametrik 59


Uji Urutan Bertanda Wilcoxon
Contoh untuk 2 sampel

SI 2 - Statistik Non Parametrik 60


Uji Urutan Bertanda Wilcoxon Untuk
data besar
Menurut Walpole & Meyer
Bila n > 15, distribusi sampel T
mendekati distribusi normal

SI 2 - Statistik Non Parametrik 61


Contoh Uji Urutan Bertanda Wilcoxon
sampel besar

SI 2 - Statistik Non Parametrik 62


SI 2 - Statistik Non Parametrik 63
Keputusan Pengujian:
1. Dari tabel terlihat, N = 26, T = 53
2. Untuk mencari harga z dari N = 26, T = 53, gunakan perhitungan memakai
rumus

SI 2 - Statistik Non Parametrik 64


Untuk z = 3,11, harga p = 0,0009
Karena nilai tersebut diperoleh dari tabel distribusi normal untuk
pengujian satu sisi, sementara belum dapat diduga kelompok
sampel mana yang memberikan skor yang lebih besar, maka

SI 2 - Statistik Non Parametrik 65


Uji Korelasi Urutan Spearman

Pertama kali
dikemukakan oleh
Carl Spearman

SI 2 - Statistik Non Parametrik 66


Uji Korelasi Urutan Spearman

SI 2 - Statistik Non Parametrik 67


Contoh 1. Uji Korelasi Urutan
Spearman

SI 2 - Statistik Non Parametrik 68


Penyelesaian
Dengan taraf nyata 5% ujilah apakah ada korelasi
antara peringkat yang diberikan oleh kedua pakar?

SI 2 - Statistik Non Parametrik 69


Penyelesaian

SI 2 - Statistik Non Parametrik 70


Contoh 2. Uji Korelasi Urutan
Spearman
M dan R, dua orang analis, merangking kualitas stok dengan n =
12 seperti pada tabel berikut. Dengan tingkat signifikansi 5%,
susunlah pengujian untuk menentukan apakah ada
d2
kecenderungan kecocokan Kode Stok Rank M Rank R M - R = d
A 5 4 1 1
pada rank – rank mereka. B 8 6 2 4
C 3 1 2 4
D 10 8 2 4
E 7 9 -2 4
F 1 2 -1 1
G 9 5 4 16
H 2 7 -5 25
I 11 10 1 1
J 4 3 1 1
K 6 11,5 -5,5 30,25
L 12 11,5 0,5 0,25
∑d 2 91,5
71
Penyelesaian

Ada kecenderungan cocok berarti kita artikan bahwa rank – rank


berkorelasi positif
1. H0 : ρs = 0
H 1 : ρs > 0
2. α = 0,05
Berarti Z0,05 =
1,64
3. Nilai
hitung

SI 2 - Statistik Non Parametrik 72


Penyelesaian

Dengan demikian nilai statistik Z sampel

4. Daerah Kritis
Terima H0 jika Zsampel <
Z0,05=1,64 Tolak H0 jika Zsampel >
Z0,05=1,64

5. Kesimpulan
Karena Zsampel =2,26 > Z0,05=1,64, maka tolak H0 dan terima
H1 yang artinya bahwa ada kecocokan dalam rank – rank M
SI 2 - Statistik Non Parametrik 73
dan R
UJI MANN – WHITNEY / UJI U
UJI MANN – WHITNEY  UJI U
Mann whitney test

 Alternatif dari uji t maupun uji Z untuk dua sampel yang diambil dari dua populasi
yang bebas (independen) dan tidak berdistribusi normal

Prosedur Uji

1. H0 : μ1 = μ2 (kedua sampel berasal dari populasi yang identik)


H 1 : μ 1 ≠ μ2
H1 : μ 1 > μ 2
H 1 : μ1 < μ 2
2. Tingkat signifikansi 
3. Perhitungan statistik uji
 ukuran sampel 1 : n1
 ukuran sampel 2 : n2
UJI MANN – WHITNEY  UJI U
• Gabungkan kedua sampel dan beri peringkat
atau ranking dari data terkecil sampai terbesar.
Bila ada peringkat / rangking yang sama,
peringkatnya diambil rata-ratanya
 Hitung jumlah peringkat sampel 1 dan
sampel 2 dan dinotasikan dengan R1 dan R2
 Statistik Uji
n1 (n1 1) U 2  n1n2  n2 (n2 1)  R 2
U1  n1n2   R1 U  min(U1 ;U 2 )
2 2
UJI MANN – WHITNEY  UJI U

Untuk n1 : n2 ≤ 20 U ~ berdistribusi Un1:n2:  (nilai U  tabel mann whitney)


Untuk n1 : n2 > U ~ berdistribusi normal n1n2
20 dengan rata-rata  u 
2
n1n2 (n1  n2 1)
dengan standard deviasi u 
12

w  u ~ berdistribusi normal

sehingga : Z hitung u standard N (0; 1)
4. Daerah kritis
n1 : n2 ≤ 20 n1 : n2 > 20
H1 : μ1 ≠ μ2  H0 ditolak jika U < U H1 : μ1 ≠ μ2  H0 ditolak jika Zhitung < -Z /2 atau Zhitung >Z/2
H1 : μ1 > μ2  H0 ditolak jika U1 < U H1 : μ1 > μ2  H0 ditolak jika Zhitung > Z 
H1 : μ1 < μ2  H0 ditolak jika U2 < U H1 : μ1 < μ2  H0 ditolak jika Zhitung > - Z 
Contoh 1
Manajer produksi sebuah perusahaan ingin menguji apakah iringan musik lembut
berpengaruh terhadap produktivitas kerja. Untuk itu dilakukan pengamatan terhadap
data output perjam dari sampel random 10 pekerja yang bekerja tanpa iringan musik
dan 18 pekerja yang bekerja dengan iringan musik. Hasilnya adalah sebagai berikut :

Tanpa iringan musik lembut


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

Dengan iringan musik lembut


Pekerja 1 2 3 4 5 6 7 8 9 10
Output 17 16 15 15 15 14 14 14 13 13

Pekerja 11 12 13 14 15 16 17 18
Output 13 12 12 12 12 11 10 8

Ujilah dengan  = 0,05 apakah iringan musik lembut akan meningkatkan produktivitas
kerja
Penyelesaian

1. H0 : μ1 = μ2 ( iringan musik lembut tidak meningkatkan produktivitas)


H1 : μ1 < μ2 ( iringan musik lembut akan meningkatkan produktivitas)
2. Tingkat signifikansi =0,05
3. Perhitungan :
4. statistik uji
U 2  n1n2  n2 (n2 1)  R 2
2
18(18  1)
U 2  10(18)  2  324,5 
5.26,5
Daerah kritis jika U2
<U 10; 18 =55
karena U2 = 26,5 < U0,05;0,05;
10; 18 =55 maka
H0 ditolak  Jadi iringan musik lembut
akan meningkatkan produktivitas.
Uji Mann-Whitney (U Test)
• Disebut juga pengujian U.
• Dikembangkan oleh H.B. Mann dan D.R. Whitney
• Digunakan untuk menguji rata-rata dari 2 sampel berukuran
tidak sama
• Data ordinal
• Uji Mann-Whitney merupakan alternatif bagi uji-t
.
• Uji Mann-Whitney digunakan untuk
membandingkan dua mean populasi yang berasal
dari populasi yang sama.
• Uji Mann-Whitney juga digunakan untuk menguji
apakah dua mean populasi sama atau tidak.
SI 2 - Statistik Non Parametrik 80
Uji Mann-Whitney (U Test)

• Untuk sampel kecil


• Tahapan:
 Menentukan n1 dan n2.
 Menggabungkan kedua sampel dan memberi
urutan (ranking) tiap-tiap anggota
 Menjumlahkan urutan masing-masing
sampel
 Menghitung statistik U

SI 2 - Statistik Non Parametrik 81


Uji Mann-Whitney (U Test)

SI 2 - Statistik Non Parametrik 82


Uji Mann-Whitney (U Test)

Jika sample size kecil


U 1  n1.n2  n1 (n1  1)  R1
2

n2 (n 2 
U 2  n1.n2   R2
1) 2
SI 2 - Statistik Non Parametrik 83
Contoh 1. Uji Mann-Whitney (U Test)

SI 2 - Statistik Non Parametrik 84


Uji Mann-Whitney (U Test)

Dipakai adalah U terkecil

SI 2 - Statistik Non Parametrik 85


Uji Mann-Whitney (U Test)
Latihan!!
Tabel di bawah menunjukkan gaji yang diterima oleh 5 orang
sarjana ekonomi dan 4 orang insinyur setelah 3 tahun bekerja
yang diperoleh dari sampel secara random
SE Gaji Urutan ST Gaji Urutan

A 710 1 O 850 5

B 820 3,5 P 820 3,5

C 770 2 Q 940 8

D 920 7 R 970 9

E 880 6
R2 = 25,5
R1=19,5

Ujilah bahwa setelah tiga tahun bekerja, gaji sarjana ekonomi


tidak lebih rendah dibanding insinyur .
SI 2 - Statistik Non Parametrik 86
Uji Mann-Whitney (U Test)
Jika sample size besar

SI 2 - Statistik Non Parametrik 87


Uji Mann-Whitney (U Test)

SI 2 - Statistik Non Parametrik 88


Contoh 2. Uji Mann-Whitney (U Test)
Urutan Nilai Rank
Berikut adalah nilai UAS Statistika 2 mahasiswa fakultas 1 25 1
Ekonomi dan ilmu komputer 2 30 2
3 50 3
4 55 4

5 65 5
6 70 7
7 70 7
8 70 7
9 75 9.5
10 75 9.5
11 78 11
12 80 12
13 85 13.5
14 85 13.5
15 88 15.5
16 88 15.5
17 90 17
18 95 18
19 98 19
Catatan: jumlah sampel mahasiswa 20
20 100 20
SI 2 - Statistik Non Parametrik 89
Uji Mann-Whitney (U Test)
• Berdasarkan tabel tersebut, ujilah dengan taraf nyata 5%,
apakah (peringkat) nilai mahasiswa fakultas ekonomi lebih
besar dibanding mahasiswa ilmu komputer?

SI 2 - Statistik Non Parametrik 90


Uji Mann-Whitney (U Test)

91
Contoh 3. Uji Mann-Whitney (U Test)
Taraf – taraf operasi (prosentase kapasitaa) telah didapat dari sampel – sampel
random n1 = 10 hari pada perusahaan 1 dan n2 = 12 hari pada perusahaan 2. n1
+ n2 = 22 taraf – taraf operasi diranking dalam besaran order. Jumlah rank pada
perusahaan 1 dan 2 berturut – turut adalah 145,5 dan 107,5. Pada α = 0,05
susunlah suatu pengujian untuk menentukan apakah taraf operasi rata – rata
perusahaan 1 lebih besar dari taraf operasi rata – rata perusahaan 2!

Jawab
Misalkan μ1 dan μ2 merupakan taraf operasi rata – rata perusahaan 1 dan 2
1. Hipotesis
H0 : μ 1 = μ 2
H1 : μ 1 > μ 2
2. Nilai kritis
Dengan α
= 0,05,
diperoleh: 92
Penyelesaian
3. Nilai hitung
4. Kesimpulan
Karena nilai statistik
Zsampel = 2,01 > Z0,05 =
Standar deviasi populasi 1,64 maka tolak H0.
Ini
berarti taraf operasi
rata – rata perusahaan 1
lebih besar dari pada
taraf operasi rata – rata
Nilai statistik Z sampel perusahaan 2

SI 2 - Statistik Non Parametrik 93


Contoh 4. Uji Mann-Whitney (U Test)

SI 2 - Statistik Non Parametrik 94


Penyelesaian
1. Hipotesis
H 0 : μ1 = μ 2
H 1 : μ1 ≠ μ 2
2. Nilai kritis
Karena uji dua sisi, α = 0,10, maka harus dibagi dua menjadi (0,10/2 ) =
0,05. Sehingga Z0,05 = 1,64
3. Nilai hitung
𝜇𝑅 = 𝑛1 (𝑛1 + 𝑛2 + 1) = 14(14 + 11 + 1) = 182
1

2
Standar deviasi populasi 2

𝑛1𝑛2(𝑛1 + 𝑛1 + 1) (14)(11)(14 + 11 =
= √ 1)
=
𝛿𝑅 = √ 12 12
18,267

SI 2 - Statistik Non Parametrik 95


Penyelesaian
Nilai statistik Zsampel

𝑍𝑠𝑎𝑚𝑝𝑒 = 𝑅1 − 𝜇𝑅1 = 205 − 182 = 1,26


𝑙 𝜎𝑅 18,267

4, Kesimpulan
Karena nilai statistik Zsampel = 1,26 < Z0,05 = 1,64 maka terima H0. Ini berarti
taraf rata – rata kedua paket adalah sama

Daerah Daerah
penolakan H0 penolakan H0

SI 2 - Statistik Non Parametrik 96


UJI KRUSKAL
Kruskal –Wallis test

 Uji Mann-Whitney dengan k>2 sampel atau merupakan alternatif dari uji F untuk
pengujian kesamaan beberapa rata-rata dalam analisis variansi satu arah

Prosedur Uji

1. H0 : μ1 = μ2 = μ3 =...=μk (kedua sampel berasal dari populasi yang identik)


H1 : tidak semua sama
2. Tingkat signifikansi : 
3. Perhitungan statistik uji
 ukuran sampel ke i : ni i=
1,2,3,...,k n = n1+n2+n3+...+nk
gabungkan data dari k sampel (semua sampel) dan beri peringkat atau ranking
dari data terkecil sampai terbesar. Bila ada peringkat / ranking yang sama maka
peringkatnya diambil rata-rata
UJI KRUSKAL – WALLIS (UJI H)

 Hitung jumlah peringkat sampel ke 1 sampai


dengan sampel ke k, notasikan dengan R1, R2, ...,
Rk
 Statistik uji
12 R i2  3(n
H  X 2 ;vk
• 
n(n 1) i 1 n i  1) ~ berdistribusi
1

X2
 ;vk
1
• 4. Daerah kritis
• bila H >  H0 ditolak
Contoh 1
Akan diuji apakah upah tukang kayu, tukang batu dan tukang
talang perjam mempunyai perbedaan yang signifikan. Untuk itu
diambil sampel 7 tukang kayu, 7 tukang batu dan 6 tukang
talang. Data sampel berupa upah harian dari pekerja-pekerja
tersebut disajikan dalam tabel berikut :

Ujilah dengan  = 0,01 !


oh
Penyelesaian

1. H0 : μ1 = μ2 = μ3 =...=μk (upah harian ketiga jenis tukang tidak berbeda)


H1 : tidak semua sama ( upah harian ketiga jenis tukang berbeda
2. Tingkat signifikansi  = 0,01
3. Perhitungan :

n = 7+7+6 = 20
k
12 R2 12  74 2 36 2 100 
H 
2
     3(20  1) 
n(n 
i 1 ni  3(n  1)
i
20(20 1)  7 7 6 
 1)  12,26
Contoh 1

4. Daerah kritis : Jika H > 2


X 0,01;v31 = 9,210  Ho ditolak

karena H = 12,26 > 2


X 0,01;v31 = 9,210  maka Ho
ditolak

Upah harian ketiga jenis tukang berbeda secara


signifikan