TM 14 Non Par 1

PPs Unesa
ANALISIS NON PARAMETRIK I
Dosen:
Prof. Dr. Ismet Basuki, M.Pd.
Prof. Dr. Ismet Basuki 1

ANALISIS NONPARAMETRIK I
PENGUJIAN SATU SAMPEL

 Uji Tanda Binomial
 Uji Chi-Square
 Uji Run
 Uji Kolmogorov-Smirnov
PENGUJIAN DUA SAMPEL BERPASANGAN
 Uji Tanda
 Uji Ranking Bertanda Wilcoxon
PENGUJIAN K SAMPEL BERPASANGAN
 Uji Q-Qochran
 Uji Friedman
Prof. Dr. Ismet Basuki

2
Metode statistika adalah prosedur-prosedur yang digunakan

dalam pengumpulan, penyajian, analisis dan penafsiran data.
Metode-metode tersebut dikelompokkan ke dalam dua
kelompok, yaitu statistika deskriptif (statistika eksploratif) dan
statistika inferensia ( statistika induktif atau statistika
informasi).
Statistika deskriptif adalah metode-metode yang berkaitan
dengan pengumpulan dan penyajian suatu gugus nilai
pengamatan (data) sehingga memberikan informasi yang
berguna. Perlu kiranya dimengerti bahwa statistika deskriptif
memberikan informasi hanya mengenai data yang dipunyai
dan sama sekali tidak memberikan kesimpulan apapun
tentang data induknya yang lebih besar (populasi).
3
Statistika inferensial mencakup semua metode yang

berhubungan dengan analisis sebagian data untuk kemudian
sampai pada peramalan atau penarikan kesimpulan mengenai
keseluruhan data induknya
Generalisasi yang berhubungan dengan statistika inferensia
mempunyai sifat yang tak pasti, karena kita mendasarkan pada
informasi parsial yang diperoleh dari sebagaian data (sampel).
Teknik inferensia pertama yang muncul adalah teknik-teknik
yang membuat sejumlah asumsi-asumsi mengenai sifat populasi
darimana sampel diambil. Karena nilai-nilai populasi adalah
“parameter”, maka teknil-teknik statistika ini disebut “parametrik”.
4
Bila kita tidak menspesifikasikan sifat sebaran induknya,
maka umumnya kita tidak berhubungan dengan parameter.
Oleh karena itu, sebagai pengganti statistika parametrik kita
menggunakan statistika non parametrik.
Kelebihan-kelebihan yang dimiliki statistika non parametrik
sebagai berikut.
 Perhitungan yang diperlukan sederhana dan dapat dikerjakan
dengan cepat karena analisisnya menggunakan cacahan, peringkat
(rank) bahkan tanda dari selisih pengamatan yang berpasangan.
 Datanya tidak harus merupakan data kuantitatif, tetapi dapat berupa
respon yang kualitatif (skala nominal dan ordinal).
 Uji-ujinya disertai dengan asumsi-asumsi yang jauh tidak mengikat
dibandingkan dengan uji parametrik.
5
Kelemahan-kelemahan yang dimiliki statistika non parametrik sebagai

berikut.
 Kurang efisien, karena tidak memanfaatkan semua informasi yang
terkandung dalam sampel.
 Uji non parametrik memerlukan ukuran sampel yang lebih besar
dibandingkan dengan uji parametrik untuk mencapai peluang galat
jenis II yang sama.
 Uji-uji non parametrik tidak dapat digunakan untuk:
 Menguji ada tidaknya pengaruh interaksi dari faktor-faktor yang diuji
seperti dalam analisis ragam, dan
 Peramalan, seperti dalam analisis regresi.
6
PENGUJIAN HIPOTESIS
KASUS SATU SAMPEL
1. Uji Tanda (Uji binominal)

2. Uji Chi-Square
3. Uji Run
4. Uji Kolmogorov-Smirnov
7
1. UJI TANDA (BINOMIAL)
Dalam uji tanda digunakan pengganti tanda positif

atau negatif bagi nilai-nilai pengamatan.
Nilai pengamatan positif jika nilai pengamatan tersebut
> rata-rata hitung (populasi setangkup) atau > median
(populasi menjulur).
Nilai pengamatan negatif jika < nilai rata-ratanya atau
mediannya.
8
UJI TANDA (BINOMIAL)
Hipotesis: H0: µ=µo. vs H1: µµo.

Statistik uji bagi Uji tanda adalah variabel acak X yang
menyatakan banyaknya tanda positif atau negatif yang
paling sedikit.
Bila hipotesis nol µ=µo benar, maka peluang bahwa suatu
nilai sampel menghasilkan tanda positif atau negatif sama
dengan ½.
9
UJI TANDA (BINOMIAL)
Akibatnya, statistik uji X memiliki sebaran

peluang Binomial dengan parameter p=½
Uji signifikasi dilakukan dengan menggunakan
rumus binomial sebagai berikut.
P(X≤x) = Σb (x; n, p) = Σb (x; n, ½)
10
CONTOH UJI TANDA /
BINOMIL
Misal kita ingin menguji pada taraf nyata 0,05 bahwa daya
listrik adalah 10 watt. Suatu sampel acak 10 lampu telah
diukur dayanya, hasilnya sebagai berikut.
Sampel Daya (Watt) Sampel Daya (Watt)
L1 10,2 L6 9,8
L2 9,7 L7 9,9
L3 10,1 L8 10,4
L4 10,3 L9 10,3
L5 10,1 L10 9,8
11
PERHITUNGAN MANUAL
1.Hipotesis:
H0: µ = 10
H1: µµo
2. Uji statistik : Uji binomial
3. Taraf nyata: 0,05
4. Wilayah kritik (Terima H1): Σb (x; n, p) < 0,05
x = banyaknya tanda (+) atau (-) yang paling sedikit;

tanda nol tidak diikutkan dalam analisis
n = banyaknya tanda (+) dan (-)
P =½= proporsi tanda (=) dan (-)
12
PERHITUNGAN MANUAL
Nilai pengamatan lebih dari 10 diberi tanda (+)

Kurang dari 10 diberi tanda (-)
Sama dengan 10 diberi tanda nol.
Tanda nol tidak diikutkan dalam analisis.
Tabel Binomial
Nilai 10,2 9,7 10,1 10,3 10,1 9,8 9,9 10,4 10,3 9,8
Tanda + - + + + - - + + -
13
PERHITUNGAN
Jumlah tanda (+) = 6

Jumlah tanda (-) = 4
x = 4 ; n =10; p = ½
Dari tabel jumlah binomial diperoleh
P(X ≤ 4) = Σb (x;10, ½) = 0,3770
Untuk pengujian dua arah maka p (X ≤ 4) =
2(0,3770) = 0,7540
Kesimpulan: Terima H0 artinya bahwa rata-rata daya
lampu sebesar 10 watt dapat diterima.
14
2. Uji 
2
Merupakan Uji Kebaikan Suai (Godness of Fit)

2
Uji Chi-square dapat digunakan untuk menguji

apakah terdapat kesesuaian antara frekuensi
observasi (observed) dengan frekuensi diharapkan
(expected)
Data kategor dalam tiap-tial dan tiap kategori. bisa
dua atau lebih.
15
RUMUS
 
2  Oi  Ei  2
Ei
Keterangan:
Oi : frekuensi Observasi
Ei : frekuensi Harapan
Dk : k-1 (k = jml kategori)
16
CONTOH UJI
2
Seorang guru berhipotesis bahwa ada perbedaan

pencapaian kompetensi ditinjau dari posisi duduk siswa
(baris kursi). Data hasil penelitian sebagai berikut.
Posisi duduk (baris) 1 2 3 4 5 6 7 8

Jmh Siswa yg mencapai KKM 8 5 6 7 6 4 5 7
Dengan taraf kesalahan 5%, apakah hipotesis guru tersebut

didukung data?
17
PERHITUNGAN MANUAL
1.Hipotesis:
H0: Jml (frekuensi) siswa yang mencapai KKM pada
setiap posisi duduk sama (f1 = f2 = ... f8)
H1: Jml (frekuensi) siswa yang mencapai KKM pada
setiap posisi duduk tidak sama.
 2
2. Uji statistik: Uji
3. Taraf nyata 0,05
 2
4. Wilayah kritik (Terima H1): >
 2
0,05 (8-1)
18
O
Ei
PERHITUNGAN MANUAL
Posisi 1 2 3 4 5 6 7 8
Observasi 8 5 6 7 6 4 5 7
Harapan 6 6 6 6 6 6 6 6
2 
 8  6  2

 5  6
2
 .... 
 7  6
2
 2,000
6 6 6
 2 0, 05 7   14,067
Simpulan:
Karena nilai (χ2 =2,000) < (χ20,05 (7) = 14,067), maka disimpulkan untuk
menerima H0. Hal ini berarti bahwa pencapaian KKM tidak
bergantung pada posisi duduk siswa (baris depan/belakang).
19
3. UJI RUN (RUNTUN)
Uji Run untuk menguji keacakan skor

terhadap Mean, Media, Mode, atau kreteria
yang ditentukan
n1 adalah banyaknya lambang pertama atau
yang lebih sedikit dan n2 adalah banyaknya
lambang kedua atau yang lebih banyak,
maka ukuran sampelnya adalah n= n1+ n2
20
CONTOH
UJI RUN (RUNTUN)
Suatu proses pelapisan perak digunakan

untuk melapisi nampan atau baki. Bila
prosesnya terkendali dengan baik, tebal
lapisan peraknya bervariasi secara acak
mengikuti sebaran normal dengan rata-rata
milimeter dan simpangan baku 0,05
milimeter.
21
3. UJI RUN (RUNTUN)
Misalkan dari 12 baki yang diperiksa

berikutnya tebal lapisan peraknya adalah:
Ujilah pada taraf 0,05 apakah fluktasi

0,20 0,19 0,21 0,20 0,19 0,17 0,18 0,23 0,21 0,24 0,22 0,23 0,22
ketebalan itu masih bersifat acak
22
3. UJI RUN (RUNTUN)
Analisis manual
1. Hipotesis:
H0: Fluktasi ketebalan bersifat acak
H1: Fluktasi ketebalan bersifat tidak acak
2. Uji Statistik: Uji Run
3. Taraf Nyata 0,05
4. Wilayah kritik: r < r1 atau r > r2
23
3. UJI RUN (RUNTUN)
Nilai
No Tanda Runtun
Pengamatan
1. 0,19 (-) 1
2. 0,21 (+) 2
3. 0,20 (0)
4. 0,19 (-) 3
5. 0,17 (-)
6. 0,18 (-)
7. 0,23 (+) 4
8. 0,21 (+)
9. 0,24 (+)
10. 0,22 (+)
11. 0,23 (+)
12. 0,22 (+)
24
3. UJI RUN (RUNTUN)
Nilai pengamatan diberi tanda (+) jika lebih besar

dari 0,20 dan diberi tanda (-) jika lebih kecil dari 0,20.
Banyaknya runtun (run) r = 4
Untuk n1= tanda (-)=4 dan n2 tanda (+) = 7. Dari tabel
harga kritis r dalam uji run diperoleh nilai r 1=2 dan r2
=10
Kesimpulan: Karena (r1 = 2) < (r = 4) < (r2 = 10)
maka disimpulkan untuk menerima H0 artinya
variasi tebal lapisan perak masih bersifat acak.
25
4. UJI KS
(KOLMOGOROV-SMIRNOV)
Uji Kolmogorof-Smirnov termasuk uji kebaikan Suai

(Godness of Fit).
Dalam hal ini yang diperhatikan adalah tingkat
kesesuaian antara distribusi nilai sampel (skor yang
diobservasi) dengan distribusi teoritis tertentu
(Normal, uniform, atau poisson).
Jadi hipotesis statistiknya adalah bahwa distribusi
frekuensi hasil pengamatan bersesuaian dengan
distribusi frekuensi harapan (teoritis).
26
CONTOH UJI KS
Data upah mingguan (ribu rupiah) dari

sampel sebanyak 15 karyawan PT. Karya
Indah adalah sebagai berikut.
22 24 26 27 28 28 32 35 37 39 40 43 51 52 62
Kita ingin menguji taraf nyata 5% apakah

sampel tersebut berasal dari populasi
berdistribusi normal.
27
ANALISIS CARA MANUAL UJI
KS
1. Hipotesis:
H0: Sampel berasal dari populasi berdistribusi normal
H1: Sampel berasal dari populasi berdidtribusu tidak normal
2. Uji Statistik: uji Kolmogorov-Smirnov
4. Wilayah Kritik: D > D0,05 dimana D = maksimum
5. Perhitungan:
Tentukan p (z) dimana
Tentukan peluang kumulatif bagi nilai harapan
Tentukan nilai maksimum bagi D
28
4. UJI KS
Upah Z P (z) P(e) P(z)_P(e)

22 -1,24 0,1075 0,0667 0,0408
24 -1,07 0,1423 0,1333 0,0090
26 -0,89 0,1867 0,2000 0,0133
27 -0,81 0,2090 0,2667 0,0577
28 -0,72 0,2358 0,3333 0,0975
28 -0,72 0,2358 0,4000 0,0975
32 -0,38 0,3520
x
0,4667 0,1645
35 -0,12 0,4522 0,5333 0,0811
37 0,05 0,5199 0,6000 0,0801
39 0,22 0,5871 0,6667 0,0796
40 0,31 0,6217 0,7333 0,1116
43 0,57 0,7157 0,8000 0,0843
51 1,25 0,8953 0,8667 0,0286
52 1,34 0,9099 0,9333 0,0234
62 2,20 0,9861 1,000 0,0139
xbar = 36,4 dan s = 11,636

29
4. UJI KS
6. Kesimpulan:
Karena (D = 0,1642) < (Dt0,05 = 0,338)
x
maka disimpulkan untuk menerima H0

artinya sampel yang diambil berasal
dari populasi berdistribusi normal.
30
PENGUJIAN HIPOTESIS
DUA SAMPEL BERPASANGAN
1. Uji Tanda
2. Uji Ranking Bertanda Wilcoxon
31
Pengujian Dua Sampel Berpasangan
(1. Uji Tanda)
Prosedur uji tanda didasarkan pada tanda positif atau
negatif bagi selisih nilai pengamatan pada setiap
pasangan sampel.
Pada hakekatnya pengujian ini hanya memperhatikan
arah perbedaan saja, bukan besarnya perbedaan.
Uji tanda dapat digunakan sebagai uji signifikasi
perubahan (sebelum dan sesudah perlakuan).
Apabila nilai pengamatan untuk pasangan tersebut
adalah YA dan YB maka selisihnya d = YA - YB.
32
(1. Uji Tanda)
Rumus perhitungan
a. Jika Sampel kecil (n ≤ 25)
Digunakan rumus binom P(X≤x) = Σb (x;n,p)
X = Banyaknya tanda positif atau negatif yang paling sedikit
n = banyaknya tanda positif atau negatif.
b. Jika Sampel Besar (n > 25)
Digunakan uji t (Paired Sample T-test)
33
CONTOH
(1. Uji Tanda)
Kinerja 15 karyawan setelah dan sebelum

pelatihan tercatat sebagai berikut (lihat data).
Ujilah pada taraf nyata 0,05 apakah dapat
diterima hipotesis bahwa terdapat perbedaan
rata-rata kinerja karyawan antara setelah dan
sebelum pelatihan.
34
(1. Uji Tanda)
Kinerja
Karyawan
Sesudah Sebelum
1 20 18
2 19 17
3 23 20
4 20 21
5 18 16
6 21 19
7 20 18
8 20 22
9 19 17
10 18 15
11 23 21
12 21 20
13 20 20
14 20 19
15 23 22
35
(1. Uji Tanda)
1. Hipotesis:
H0: d = 0 (tidak terdapat perbedaan kinerja karyawan
antara seselum dan sesudah pelatihan).
H1: d ≠ 0 (terdapat perbedaan kinerja karyawan antara
seselum dan sesudah pelatihan)
2. Uji Statistik: uji tanda
4. Wilayah Kritik:
5. Perhitungan: ∑b(x;n;p)< 0,05
36
(1. Uji Tanda)
Kinerja
Karyawan Tanda
Sesudah Sebelum
1 20 18 (+)
2 19 17 (+)
3 23 20 (+)
4 20 21 (-)
5 18 16 (+)
6 21 19 (+)
7 20 18 (+)
8 20 22 (-)
9 19 17 (+)
10 18 15 (+)
11 23 21 (+)
12 21 20 (+)
13 20 20 (0)
14 20 19 (+)
15 23 22 (+)
37
(1. Uji Tanda)
Banyaknya tanda (+) = 12; tanda (0) = 1 dan tanda (-)

= 2. Jadi X = 2 dan n = 14.
Dari tabel peluang binom didapat:
∑b(x,n,p) = ∑b(2;14,) = 0,0065
Untuk uji pihak (dua ekor), nilai probabilitasnya p = 2 x
(0,0065) = 0,0130 ( nilai probabilitas ini lebih kecil dari
taraf nyata 0,05)
Kesimpulan menolak H0 artinya terdapat perbedaan
kinerja antara sebelum dan sesudah pelatihan.
38
(2. Uji Ranking Bertanda Wilcoxon)
Dalam uji tanda hanya memperlihatkan arah

perbedaan saja sedangkan dalam uji rangking
bertanda Wilcoxon selain memperlihatkan arah
perbedaan juga memperlihatkan besar relatif
dari perbedaan tersebut.
Cara analisis uji Peringkat Bertanda wilcoxon
sebagai berikut.
39
Tentukan selisih nilai pasangan (d).

Untuk nilai yang sama (d = 0) data
dieliminir
Selisih d diranking tanpa memperhatikan
tanda positif atau negatifnya.
Untuk nilai d yang sama, rangkingnya
adalah rata-rata.
40
Pengujian menggunakan statistik T.

Statistik T dihitung dengan menjumlahkan
ranking bertanda positif atau negatif yang
menghasilkan jumlah paling sedikit.
Bandingkan dg statistik T dengan tabel nilai
kritis T uji rangking bertanda Wilcoxon.
Kaidahnya: Tolak H0 jika T ≤ Ttα
41
Untuk n > 25, maka statistik T

mendekatinormal dengan nilai:
Z=
42
CONTOH
Kinerja 15 karyawan setelah dan sebelum

pelatihan tercatat sebagai berikut (lihat
data).
Ujilah pada taraf nyata 0,05 apakah dapat
diterima hipotesis bahwa terdapat
perbedaan rata-rata kinerja karyawan
antara setelah dan sebelum pelatihan.
43
Kinerja
Karyawan
Sesudah Sebelum
1 20 18
2 19 17
3 23 20
4 20 21
5 18 16
6 21 19
7 20 18
8 20 22
9 19 17
10 18 15
11 23 21
12 21 20
13 20 20
14 20 19
15 23 22
44
1. Hipotesis:
H0: d = 0 (tidak terdapat perbedaan kinerja karyawan
antara seselum dan sesudah pelatihan).
H1: d ≠ 0 (terdapat perbedaan kinerja karyawan antara
seselum dan sesudah pelatihan).
2. Uji Statistik: T rangking bertanda Wilcoxon
4. Wilayah Kritik:
5. Perhitungan: T ≤ Tα
45
Kinerja
Karyawan Selisih Ranking
Sesudah Sebelum
1 20 18 2 8.5
2 19 17 2 8.5
3 23 20 3 13,5
4 20 21 -1 2.5
5 18 16 2 8.5
6 21 19 2 8.5
7 20 18 2 8.5
8 20 22 -2 8.5
9 19 17 2 8.5
10 18 15 3 13,5
11 23 21 2 8.5
12 21 20 1 2.5
13 20 20 0 -
14 20 19 1 2.5
15 23 22 1 2.5
46
T=2,5+8,5 =11
Untuk n = 14; dari tabel nilai Kritis T uji ranking
bertanda wilcoxon diperoleh T0,05 = 21
Kesimpulan
Karena nilai (T = 11) < (T0,05 = 21) maka
disimpulkan untuk menolak H0 dan menerima
H1. Berarti ada perbedaan kompetensi
karyawan antara sebelum dan sesudah
pelatihan.
47
Dengan Statistik Z
Untuk n=14 dan T=11
Z = = = -2,668
Kesimpulan
Dari distribusi normal z diperoleh p(z<-2, 668)
= 0,0038
Untuk uji dua pihak (2-tailed) maka
p=2(0,0038)=0,0076
48
PENGUJIAN HIPOTESIS
k SAMPEL BERPASANGAN
1. Uji Q-Qochran
2. Uji Friedman
49
PENGUJIAN HIPOTESIS
k SAMPEL BERPASANGAN (1. Q-Qochran)
Uji Q Cochran digunakan untuk menguji apakah tiga

(atau lebih) himpunan skor (proporsi atau frekuensi)
berpasangan saling signifikan.
Penjodohan dapat didasarkan atas ciri-ciri yang
relevan dalam subjek-subjek yang berlainan, atau
berdasarkan kenyataan bahwa subjek-subjek yang
sama digunakan dalam kondisi yang berbeda.
Skala data yang digunakan dapat berupa skala
nominal maupun ordinal yang dipisahkan (dikotomi),
seperti sukses dan gagal, atau ya dan tidak, dan
sebagainya.
50
PENGUJIAN HIPOTESIS
Rumus: Q =
k=banyaknya sampel (perlakuan)
n=banyaknya ulangan
Ci =banyaknya sukses dalam setiap perlakuan (1 sampai k)
Li =banyaknya sukses dalam tiap ulangan (1 sampai n)
Q mendekati dengan Χ2, dengan db = k-1
Kaidah pengujian: Tolak H0 jika Q ≥ Χ2 tα dg db = k-1
51
CONTOH
PENGUJIAN HIPOTESIS
Wakasek kesiswaan ingin mengetahui

seragam sekolah yang paling disukai oleh
siswa. Ia membuat tiga model seragam (A,
B, dan C). Sampel yang digunakan
sebanyak 18 siswa. Hasil survei (jawaban
suka diberi skor 1 dan jawaban tidak suka
diberi skor 0) sebagai berikut.
52
PENGUJIAN HIPOTESIS
Siswa Model Seragam

A B C
1 0 0 0
2
3
1
0
1
1
0
0
Kita ingin menguji
4
5
0
1
0
0
0
0 hipotesis pada taraf
6
7
1
1
1
1
0
0 nyata 5 % apakah
8 0 1 0
9
10
1
0
0
0
0
0
ketiga model
11
12
1
1
1
1
1
1
seragam sama-
13
14
1
1
1
1
0
0 sama disukai oleh
15 1 1 0
16 1 1 1 siswa.
17 1 1 0
18 1 1 0
53
PENGUJIAN HIPOTESIS
Hipotesis:
o H0: Kesukaan terhadap model seragam A = B = C
o H1: Minimal satu model seragam tidak disukai.
Uji statistik: Uji Q Cochran
Taraf nyata 0,05
Wilayah kritik: Q ≥ Χ2 tα dg db = k-1
54
PENGUJIAN HIPOTESIS
No. Jenis Seragam Li Li2
A B C
1 0 0 0 0 0
2 1 1 0 2 4
3 0 1 0 1 1
4 0 0 0 0 0
5 1 0 0 1 1
6 1 1 0 2 4
7 1 1 0 2 4
8 0 1 0 1 1
9 1 0 0 1 1
10 0 0 0 0 0
11 1 1 1 3 9
12 1 1 1 3 9
13 1 1 0 2 4
14 1 1 0 2 4
15 1 1 0 2 4
16 1 1 1 3 9
17 1 1 0 2 4
18 1 1 0 2 4
c1=13 c2=13 c3=3 Li=29 Li2=63
55
PENGUJIAN HIPOTESIS
∑Ci² = 13²+13²+3² = 347;

k=3;
(∑Ci)² = (13+13+3)² = 841
Q = = = 16,7
56
PENGUJIAN HIPOTESIS
Untuk db = 3 -1 dan α = 0,05 didapat Χ2t5% = 5,99

Kesimpulan
o Karena (Q = 16,7) > (Χ2t5% = 5,99) maka tolak H0
dan terima H1. Artinya kesukaan siswa terhadap
ketiga model seragam tesebut tidak sama.
o Kemasan A dan B sama-sama disukai,
keduanya lebih disukai daripada kemasan C.
57
PENGUJIAN HIPOTESIS
k SAMPEL BERPASANGAN (2. Friedman)
Uji friedman digunakan untuk menguji signifikasi

k sampel berpasangan dengan skala data
minimal ordinal.
Data disusun dalam n (baris ulangan) dan k
kolom (perlakuan) kemudian dilakukan ranking
terhadap seluruh perlakuan atau kondisi pada
setiap ulangan.
58
PENGUJIAN HIPOTESIS
a. Jika n kecil yaitu k = 3 dan 2 ≤ n ≤ 9 atau k = 4 dan 2 ≤ n
≤4
o Digunakan tabel kritis Χ2r dalam Anava 2 Jalur
Friedman.
o Tolak H0, jika p(Χ2r) ≤ α
b. Jika k > 4 dan banyaknya ulangan (replikasi n > 9), atau
syarat a tidak dipenuhi: n=banyaknya ulangan setiap sampel

k=banyaknya perlakuan
Xr²= [∑Rj²] – 3n(k+1) Rj=jumlah ranking tiap perlaukuan
db = k - 1
59
PENGUJIAN HIPOTESIS
a. Jika n kecil yaitu:

 k = 3 dan 2 ≤ n ≤ 9, atau
 k = 4 dan 2 ≤ n ≤ 4
o Digunakan tabel kritis Χ2r dalam Anava 2
Jalur Friedman.
o Tolak H0, jika p(Χ2r) ≤ α
60
PENGUJIAN HIPOTESIS
b. Jika k > 4 dan banyaknya ulangan (replikasi n > 9),

atau syarat a tidak dipenuhi digunakan rumus:
Xr²= [∑Rj²] – 3n(k+1)
Χ2r mendekati distribusi Χ2 dengan db = k-1
n: banyaknya ulangan (banyaknya pengamatan

pada setiap sampel)
k: banyaknya sampel atau perlakuan
Rj: jumlah ranking tiap sampel atau perlakuan
61
CONTOH
PENGUJIAN HIPOTESIS
Wakasek kesiswaan ingin mengetahui

seragam sekolah yang paling disukai oleh
siswa. Ia membuat tiga model seragam (A,
B, dan C). Sampel yang digunakan
sebanyak 18 siswa. Hasil survei (jawaban
suka diberi skor 1 dan jawaban tidak suka
diberi skor 0) sebagai berikut.
62
PENGUJIAN HIPOTESIS
Siswa Model Seragam

A B C
1 0 0 0
2
3
1
0
1
1
0
0 Kita ingin menguji
4
5
0
1
0
0
0
0 hipotesis pada taraf
6 1 1 0
7
8
1
0
1
1
0
0
nyata 5 % apakah
9
10
1
0
0
0
0
0
ketiga model
11
12
1
1
1
1
1
1 seragam sama-
13 1 1 0
14 1 1 0 sama disukai oleh
15 1 1 0
16
17
1
1
1
1
1
0
siswa.
18 1 1 0
63
PENGUJIAN HIPOTESIS
Hipotesis:
o H0: Kesukaan terhadap model seragam A = B = C
o H1: Minimal satu model seragam tidak disukai.
Uji statistik: Χr2 dua arah Friedman
Taraf nyata: 0,05
Wilayah kritik: Χr2 ≥ Χ2 tα dg db = k-1
64
PENGUJIAN HIPOTESIS
No. Jenis Seragam Rank

A B C A B C
1 0 0 0 2 2 2
2 1 1 0 2,5 2,5 1
3 0 1 0 1,5 3 1,5
4 0 0 0 2 2 2
5 1 0 0 3 1,5 1,5
6 1 1 0 2,5 2,5 1
7 1 1 0 2,5 2,5 1
8 0 1 0 1,5 3 1,5
9 1 0 0 3 1,5 1,5
10 0 0 0 2 2 2
11 1 1 1 2 2 2
12 1 1 1 2 2 2
13 1 1 0 2,5 2,5 1
14 1 1 0 2,5 2,5 1
15 1 1 0 2,5 2,5 1
16 1 1 1 2 2 2
17 1 1 0 2,5 2,5 1
18 1 1 0 2,5 2,5 1
RA= 41 RB = 41 RC = 26
65
PENGUJIAN HIPOTESIS
Cara pemberian ranking :

Untuk angka yang sama, rankingnya adalah
rata-ratanya, misal:
Siswa 1 : A = 0, B = 0, C = 0
Rankingnya : A = 2, B = 2, C = 2
Siswa 2 : A = 1, B = 1, C = 0
Rankingnya : A = 2,5 B = 2,5 C = 1
66
PENGUJIAN HIPOTESIS
  2
r
12
nk (k  1)
 Rj   3n k  12
X  2 12
18(3) 4 
r  
412  412  26 2  318 4   8,33
Untuk k=3 uji dua pihak, dari tabel

didapat nilai 
2
 5,991
( 0 , 05)( 2 )
67
PENGUJIAN HIPOTESIS
Kesimpulan
o Karena (Χr2= 8,33) > (Χ2t5% = 5,991) maka
tolak H0 dan terima H1. Artinya kesukaan
siswa terhadap ketiga model seragam
tersebut tidak sama.
68
TUGAS 7A
 Tugas 7a: Berdasarkan datanya sendiri mahasiswa mengaplikasikan:
o Pengujian kasus 1 sampel
 Uji Tanda Binomial (Gunakan 10 data pertama)
 Mhs Mengerjakan Uji χ2
 Mhs Mengerjakan Uji Run: Median & Mean
 Mhs Mengerjakan Uji Komolgorov-Smirnov)
o Pengujian Hipotesis Dua Sampel Berpasangan
 Mhs Mengerjakan Uji Tanda
 Mhs Menegrjakan Uji Ranking Bertanda Wilcoxon)
o Pengujian Hipotesis k Sampel Berpasangan
 Mhs Mengerjakan Uji Q Qochran
 Mhs Mengerjakan Uji Friedman
 Tugas 6a, 6b dikumpulkan.
69

TM 14 Non Par 1

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

TM 14 Non Par 1

Diunggah oleh

Hak Cipta:

Format Tersedia

PPs Unesa

ANALISIS NON PARAMETRIK I

Prof. Dr. Ismet Basuki 1

PENGUJIAN SATU SAMPEL

Prof. Dr. Ismet Basuki

Metode statistika adalah prosedur-prosedur yang digunakan

Statistika inferensial mencakup semua metode yang

Prof. Dr. Ismet Basuki

Kelemahan-kelemahan yang dimiliki statistika non parametrik sebagai

Prof. Dr. Ismet Basuki

1. Uji Tanda (Uji binominal)

Prof. Dr. Ismet Basuki

Dalam uji tanda digunakan pengganti tanda positif

Prof. Dr. Ismet Basuki

Hipotesis: H0: µ=µo. vs H1: µµo.

Prof. Dr. Ismet Basuki

Akibatnya, statistik uji X memiliki sebaran

Prof. Dr. Ismet Basuki

Prof. Dr. Ismet Basuki

x = banyaknya tanda (+) atau (-) yang paling sedikit;

Nilai pengamatan lebih dari 10 diberi tanda (+)

Prof. Dr. Ismet Basuki

Jumlah tanda (+) = 6

Prof. Dr. Ismet Basuki

Merupakan Uji Kebaikan Suai (Godness of Fit)

Uji Chi-square dapat digunakan untuk menguji

Prof. Dr. Ismet Basuki

Seorang guru berhipotesis bahwa ada perbedaan

Posisi duduk (baris) 1 2 3 4 5 6 7 8

Dengan taraf kesalahan 5%, apakah hipotesis guru tersebut

Prof. Dr. Ismet Basuki

Uji Run untuk menguji keacakan skor

Suatu proses pelapisan perak digunakan

Misalkan dari 12 baki yang diperiksa

Ujilah pada taraf 0,05 apakah fluktasi

ketebalan itu masih bersifat acak

Prof. Dr. Ismet Basuki

Nilai pengamatan diberi tanda (+) jika lebih besar

Uji Kolmogorof-Smirnov termasuk uji kebaikan Suai

Data upah mingguan (ribu rupiah) dari

Kita ingin menguji taraf nyata 5% apakah

Upah Z P (z) P(e) P(z)_P(e)

xbar = 36,4 dan s = 11,636

maka disimpulkan untuk menerima H0

Prof. Dr. Ismet Basuki

Prof. Dr. Ismet Basuki

Kinerja 15 karyawan setelah dan sebelum

Prof. Dr. Ismet Basuki

Banyaknya tanda (+) = 12; tanda (0) = 1 dan tanda (-)

Dalam uji tanda hanya memperlihatkan arah

Prof. Dr. Ismet Basuki

Tentukan selisih nilai pasangan (d).

Pengujian menggunakan statistik T.

Untuk n > 25, maka statistik T

Prof. Dr. Ismet Basuki

Kinerja 15 karyawan setelah dan sebelum

Prof. Dr. Ismet Basuki

Prof. Dr. Ismet Basuki

Uji Q Cochran digunakan untuk menguji apakah tiga

Wakasek kesiswaan ingin mengetahui

Prof. Dr. Ismet Basuki

Siswa Model Seragam

Prof. Dr. Ismet Basuki

Prof. Dr. Ismet Basuki