1

UJI NON PARAMETRIK

 PENDAHULUAN
 UJI TANDA
 UJI RANK-TANDA (WILCOXON)
 UJI JUMLAH-RANK (WILCOXON RANK SUM TEST)
 UJI KRUSKAL-WALLIS
 UJI RUNTUN
 UJI RANK-SPEARMAN
 2

PENDAHULUAN
• Kebanyakan uji hipotesis terdahulu yang dikenal dengan PARAMETRIK
didasarkan pada anggapan sampel acak berdistribusi tertentu contohnya
distribusi normal dengan sampel besar sehingga penyimpangannya kecil.
• Dan uji hipotesis yang tidak menggunakan anggapan tsb. (bebas distribusi)
kecuali berdistribusi kontinyu dikenal dengan NON PARAMETRIK.
• Namun demikian, bila uji parametrik dan nonparametrik dapat digunakan untuk
data yang sama, kita seharusnya menghindari uji nonparametrik dan
mengerjakannya dengan teknik parametrik.
3
 4

UJI RUNTUN

Uji runtun atau Uji Deret (Run Test) merupakan pengujian hipotesis untuk mengetahui apakah
urutan sampel pengamatan diambil secara acak atau tidak.

• Data dibagi menjadi 2 kelompok yang saling eksklusif, seperti: laki-laki atau perempuan, cacat atau tidak cacat,
diatas atau dibawah median dan lain sebagainya kemudian deret data tersebut hanya akan terdiri atas 2 lambang.
Banyaknya data dalam sebuah runtun disebut panjang dari runtun.
Misalnya hasil inspeksi tehadap 16 produk diperoleh hasil yang menunjukkan produk cacat (C) dan baik (B)
dengan urutan B B C C C C B C C C B B B B B B. Sehingga diperoleh jumlah runtun (v) sebanyak 5 terdiri atas
runtun pertama panjangnya 2 yaitu BB, runtun kedua panjangnya 4 yaitu CCCC, runtun ketiga panjangnya 1
yaitu B, runtun keempat panjangnya 3 yaitu CCC dan runtun kelima panjangnya 6 yaitu BBBBBB.
• Misal n adalah ukuran sampel total, maka n1 = banyaknya lambang yang lebih sedikit (7), dan n2 = banyaknya
lambang yang lebih banyak (9)  ukuran sampel total n = n1 + n2 (16)
 5

UJI RUNTUN UNTUK SAMPEL TUNGGAL

 1. H0 : Sampel berasal dari proses acak
2. H1 : Sampel tidak berasal dari proses acak atau berasal dari proses sistematis
3. Statistik Uji :
a. Hitung runtun (v*) dari barisan sampel
b. Jika n1 ≤ 10 dan n2 ≤ 10 lihat tabel run test untuk n1 , n2 , dan v*
c. Jika n1 > 10 dan n2 > 10 distribusi banyak runtun (V) dapat didekati dengan
distribusi normal dengan parameter :

dan

dengan statistik uji :

4. Daerah kritis dan Kriteria uji :
Jika n1 ≤ 10 dan n2 ≤ 10 tolak H0 jika p-value = 2
Jika n1 > 10 dan n2 > 10 tolak H0 jika Z ≥ Zα
5. Kesimpulan
6
 7

 Contoh (Sampel Tunggal)

Sebuah observasi dilakukan terhadap sampel sebanyak 12 orang responden diminta pendapat mereka terhadap
sebuah produk sabun terbaru. Data berikut merupakan urutan seluruh responden berdasarkan gender : L L P P
PLLPPLLL
Lakukan uji runtun pada taraf nyata 5%, apakah urutan barisan responden terjadi secara acak ?

Solusi :
1. H0 : sampel berasal dari proses acak
2. H1 : sampel tidak berasal dari proses acak
3. Statistik uji :
dan dan banyak runtun v = 5

Karena n1 ≤ 10 dan n2 ≤ 10 maka gunakan tabel uji runtun

8
 9

 Sehingga
p-value =

5. Ternyata p-value =0.394 > 0.05 sehingga H0 tidak ditolak

Pada taraf nyata 5%, cukup bukti untuk menyatakan bahwa sampel berasal dari proses acak.
 10

UJI RUNTUN UNTUK SAMPEL GANDA

 1. H0 : Kedua sampel berasal dari populasi yang diambil secara acak
2. H1 : Kedua sampel tidak berasal dari populasi yang diambil secara acak
3. Statistik Uji :
a. Hitung runtun (v*) dari barisan sampel
b. Jika n1 ≤ 10 dan n2 ≤ 10 lihat tabel run test untuk n1 , n2 , dan v*
c. Jika n1 > 10 dan n2 > 10 distribusi banyak runtun (V) dapat didekati dengan
distribusi normal dengan parameter :

dan

dengan statistik uji :

4. Daerah kritis dan Kriteria uji :
Jika n1 ≤ 10 dan n2 ≤ 10 tolak H0 jika p-value = 2
Jika n1 > 10 dan n2 > 10 tolak H0 jika Z ≥ Zα
5. Kesimpulan
 11

Contoh (Sampel Ganda)

Kebijakan Pembatasan Sosial Berskala Besar (PSBB) yang diterapkan di beberapa kota di Indonesia dalam
masa pandemi covid-19 menuai pro (+) dan kontra (-) dari masyarakat. Hal ini menarik perhatian seorang
peneliti untuk mengetahui respon masyarakat di Kota Jakarta dan Kota Bekasi, seperti disajikan dalam data
sampel berikut :
Responden
Kota
1 2 3 4 5 6 7 8 9 10 11
Jakarta + + + - - + + - - + -
Bekasi + + - - - + - - - + +

Ujilah pada taraf nyata 5% bahwa kedua sampel berasal dari populasi yang diambil secara acak
Solusi :
1. H0 : kedua sampel berasal dari populasi yang diambil secara acak
2. H1 : kedua sampel tidak berasal dari populasi yang diambil secara acak.
 12
 

3. Statistik uji :

Banyaknya (+) = 11 dan banyaknya (-) = 11 sehingga n1 = 11 dan n2 = 11, v = 11

Karena n1 = 11 dan n2 = 11 maka statisik uji menggunakan uji Z
 13

 Sehingga :

4. Daerah kritis dan kriteria uji :

Pada taraf nyata α = 0.05 diperoleh Z0.05 = 1.645
Tolak H0 jika Z ≥ 1.645, tidak tolak H0 jika sebaliknya
5. Ternyata Z = -0.4369 < 1.645 sehingga H0 tidak ditolak

Pada taraf nyata 5%, cukup bukti untuk menyatakan bahwa kedua sampel berasal dari populasi yang diambil
secara acak.
 14

UJI KRUSKAL WALLIS

Uji Kruskal Wallis (Kruskal Wallis One Way ANOVA by rank) merupakan uji non parametrik yang
digunakan untuk menguji hipotesis nol yang menyatakan bahwa beberapa sampel/kelompok (umumnya lebih dari 2)
telah diambil dari populasi yang identik. Uji ini adalah alternatif dari uji One way ANOVA.

Beberapa Asumsi dalam Uji Kruskal Wallis

• Data berasal dari k sampel/kelompok acak dengan ukuran sampel masing-masing n 1 , n2 , .., nk
• Observasi-observasi saling bebas baik di dalam sampel/kelompok maupun antara sampel-sampel
• Variabel respon kontinyu
• Skala data minimal ordinal
• Populasi-populasi identik kecuali dalam hal parameter lokasi yang mungkin berbeda minimal satu populasi
 15

Struktur Data dalam Uji Kruskal Wallis

Observasi Sampel/kelompok
1 Ranking 2 Ranking …. k Ranking
1 Y11 R11 Y21 R21 …. Yk1 Rk1
2 Y12 R12 Y22 R22 …. Yk2 Rk2
. . . . . . . .
. . . . . . . .
ni Y1n1 R1n1 Y2n2 R2n2 …. Yknk Rknk
Ri R1 R2 … Rk

dengan banyaknya unit observasi keseluruhan N = n1 + n2 +…+ nk

Ri : jumlah rank dari sampel/kelompok ke-i

ni : ukuran sampel untuk sampel/kelompok ke-i
k : banyaknya sampel/kelompok
 16

Prosedur dalam Uji Kruskal Wallis

 1. Peringkatkan (hitung rank) setiap observasi dari nilai yang terkecil sampai nilai yang terbesar. Jika terdapat nilai
kembar (ties) peringkatkan dengan mencari nilai mediannya.
2. Jumlahkan setiap rank yaitu Ri
3. Statistik Uji dihitung dengan formula :

Apabila terdapat nilai kembar (ties), statistik uji perlu dikoreksi dengan faktor koreksi :

dengan dan t adalah banyaknya ties. Statistik uji Kruskal Wallis terkoreksinya :
 17
 
Tahapan Umum Uji Kruskal Wallis
1. H0 : M1 = M2 = … = Mk atau k populasi memiliki fungsi distribusi identik
2. H1 : minimal satu tanda “=“ pada H0 tidak berlaku atau k populasi memiliki fungsi distribusi berbeda
3. Statistik Uji :
a. Jika tidak terdapat ties :

b. Jika terdapat ties :

4. Daerah kritis dan kriteria uji :
a. Jika banyak sampel k = 3 dan ukuran sampel setiap sampel lebih kecil atau sama dengan 5 gunakan tabel
Kruskal Wallis dengan kriteria uji :
Tolak H0 jika H atau HC lebih besar atau sama dengan Htabel pada taraf nyata α
b. Jika tabel Kruskal Wallis tidak dapat digunakan, gunakan tabel Chi square :
Tolak H0 jika H atau HC lebih besar atau sama dengan χ2 tabel pada taraf nyata α dengan derajat bebas v = k-1

5. Kesimpulan
18
 19

Contoh Uji Kruskal Wallis

Sebuah perusahaan Solid State Drive (SSD) sedang mempertimbangkan 3 metode pemasangan SSD pada
desktop terhadap kecepatan membaca data desktop dalam satuan mb/s. Diambil sampel secara acak 22
pemasangan SSD pada desktop menggunakan 3 metode diperoleh data kecepatan membaca dalam mb/s
sebagai berikut :
Observasi
Metode pemasangan
1 2 3 4 5 6 7 8 9 10
A 262 307 211 323 454 339 304 154 287 356
B 465 501 455 355 468 362
C 343 772 207 1048 838 687

Ujilah pada taraf nyata 5% bahwa median kecepatan membaca data dari ketiga jenis metode pemasangan SSD
adalah berbeda
Solusi :
1. H0 : M1 = M2 = M3
2. H1 : minimal ada satu tanda “=“ tidak berlaku pada H0
 20

3. Statistik Uji :
Lakukan perankingan observasi pada setiap sampel dan jumlah ranking setiap sampel sebagai berikut :

Hasil perankingan observasi tidak terdapat ties

 21

 Karena tidak terdapat ties, statistik ujinya adalah :

4. Daerah kritis dan kriteria uji

Karena ukuran sampel setiap sampel lebih besar dari 5 maka menggunakan uji Chi square, dengan taraf nyata
α = 0.05 dan derajat bebas v = 3-1 = 2 maka diperoleh χtabel = 5.99
Tolak H0 jika H ≥ 5.99, tidak tolak H0 jika sebaliknya
5. Ternyata H = 9.232 > 5.99 sehingga H0 ditolak.
Pada taraf nyata 5%, cukup bukti untuk menyatakan bahwa median kecepatan membaca data dari 3 jenis
metode pemasangan SSD pada desktop adalah berbeda