Revisi Asis 2 M3 Naufan

LAPORAN PRAKTIKUM STATISTIKA INDUSTRI
MODUL 3
STATISTIKA NON PARAMETRIK
Disusun Oleh:
Kelompok 6
1. Alfina Putri Anggraini 21070120120030
2. Puti Humairha 21070120130130
3. Afif Abda Syakur 21070120140064
4. Muhammad Naufan P. 21070120140144
DEPARTEMEN TEKNIK INDUSTRI

FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO
SEMARANG
2022
LEMBAR PENGESAHAN
MODUL 3
STATISTIKA NON PARAMETRIK
Semarang, 19 April 2022

Menyetujui
Asisten,
Fauzan Akbar Akhsan

NIM 21070119130128
ii
KATA PENGANTAR
Puji dan syukur telah kami panjatkan kehadirat Tuhan Yang Maha Esa, karena
berkat rahmat dan karunia-Nya kami dapat menyelesaikan laporan praktikum Statistika
Industri Modul 3 ini dengan tepat waktu. Laporan ini disusun untuk memenuhi tugas
dari mata kuliah Statistika Industri.
Selama penulisan laporan ini berlangsung, tidak lepas dari bimbingan serta
dukungan dari berbagai pihak. Oleh karena itu, dalam kesempatan ini kami ucapkan
terimakasih, kepada:
1. Ibu Dr. Naniek Utami Handayani, S.Si, M. T. selaku dosen pengampu mata
kuliah Statistika Industri,
2. Seluruh Asisten Laboratorium Optimasi dan Perencanaan Teknik Industri
(OPSI) terutama saudara Fauzan Akbar Akhsan yang telah membimbing
kami dalam melakukan praktikum dan menyusun laporan,
3. Teman satu kelompok kami yang telah bekerja keras untuk menyelesaikan
Laporan Praktikum Modul 3 ini dengan sebaik mungkin.
4. Serta pihak – pihak yang telah membantu terselesaikannya laporan modul 3
ini yang tidak dapat kami sebutkan satu – persatu.
Kami sangat berharap laporan praktikum Statistika Industri modul 3 ini dapat
berguna, walaupun kami juga menyadari sepenuhnya bahwa terdapat kekurangan dan
jauh dari kata sempurna. Oleh sebab itu, kami berharap adanya kritik, saran dan usulan
demi perbaikan laporan praktikum Statistika Industri modul 3 yang telah kami buat di
masa yang akan datang, mengingat tidak ada sesuatu yang sempurna tanpa adanya
saran yang membangun.
Semarang, 19 April 2022
Kelompok 6
iii
DAFTAR ISI
1. BAB I.........................................................................................................................1
1.1 Latar Belakang....................................................................................................1
1.2 Tujuan Praktikum...............................................................................................3
1.3 Batasan Masalah.................................................................................................3
1.4 Sistematika Penulisan.........................................................................................4
2. BAB II.......................................................................................................................6
2.1 Definisi Statistik.................................................................................................6
2.2 Perbedaan Statistik Parametrik dengan Statistik Non Parametrik......................6
2.3 Uji-Uji Statistik Non Parametrik........................................................................8
2.3.1 Pengolahan Data Non Parametrik Satu Sampel (Nominal).........................8
2.3.2 Pengolahan Data Non Parametrik k=2......................................................10
2.3.3 Pengolahan Data Non Parametrik k>2......................................................15
2.3.4 Uji Koefisien Korelasi Rank Spearman....................................................19
2.4 Contoh Penerapan Statistik Non-parametrik dalam Penelitian.........................21
3. BAB III....................................................................................................................23
3.1 Flowchart Metode Praktikum...........................................................................23
3.2 Penjelasan Flowchart........................................................................................24
4. BAB IV....................................................................................................................25
4.1 Skenario............................................................................................................25
4.2 Non Parametrik Satu Sampel............................................................................35
4.2.1 Uji Binomial dan Uji Run..........................................................................35
4.2.2 Uji One Sample Kolmogorov-Smirnov Test dan Uji Chi-Square.............38
iv
4.3.2 Tidak Saling Berhubungan........................................................................48
4.4 Non Parametrik Lebih Dari Dua Sampel..........................................................54
4.4.1 Saling Berhubungan..................................................................................54
4.4.2 Tidak Saling Berhubungan........................................................................59
4.5 Uji Koefisien Korelasi Rank Spearman............................................................64
5. BAB V......................................................................................................................67
5.1 Non Parametrik Satu Sampel............................................................................67
5.1.1 Uji Binomial dan Uji Runs........................................................................67
5.1.2 Uji One Sample Kolmogorov-Smirnov Test dan Uji Chi-Square.............67
5.2 Non Parametrik Dua Sampel............................................................................68
5.2.1 Saling Berhubungan..................................................................................68
5.2.2 Tidak Saling Berhubungan.............................................................................69
5.3 Non Parametrik Lebih Dari Dua Sampel...............................................................71
5.3.1 Saling Berhubungan.......................................................................................71
6. BAB VI....................................................................................................................74
6.1 Kesimpulan.......................................................................................................74
6.2 Saran.................................................................................................................76
v
DAFTAR GAMBAR
vi
DAFTAR TABEL
vii
Laporan Praktikum Statistika Industri
Modul 3 – Statistika Non Parametrik
Kelompok 6
1. BAB I
PENDAHULUAN
1.1 Latar Belakang

Menurut Sudjana (1989), statistik adalah pengetahuan yang berhubungan dengan
cara-cara pengumpulan data, pengolahan atau penganalisaannya, dan penarikan
kesimpulan berdasarkan kumpulan data yang disusun dalam tabel yang menggambarkan
suatu persoalan. Statistika adalah cabang ilmu matematika terapan yang terdiri dari teori
dan metode mengenai bagaimana cara mengumpulkan, mengukur, mengklasifikasi,
menghitung, menjelaskan, mensintesis, menganalisis, dan menafsirkan data yang
diperoleh secara sistematis (Ade, 2020). Statistika parametrik adalah statistik yang
digunakan untuk menganalisis data interval atau rasio, yang diambil dari populasi yang
berdistribusi normal (Sugiyono, 2014). Sedangkan, menurut Walpole (1995), statistik
non parametrik (metode bebas-distribusi) merupakan pengujian statistik untuk data yang
parameter dari populasinya tidak mengikuti suatu distribusi tertentu atau memiliki
distribusi yang bebas persyaratan, serta variansinya tidak perlu homogen. Contoh
penerapan dalam kehidupan sehari-hari misalnya, pada bidang ekonomi dan bisnis
untuk mengetahui peningkatan kesejahteraan masyarakat dan penurunan angka
kemiskinan. Selain itu, pada bidang pemasaran untuk membantu seorang produsen dan
juga penyalur ketika menilai jenis barang dan berapa minimal barang yang nantinya
akan mereka produksi dan yang akan dipasarkan ke luar atau ke target pemasaran itu
sendiri (Salsabila, 2021).
Pada pengambilan sampel dari suatu populasi data tertentu yang memiliki
beberapa aturan untuk uji asumsi klasik yang harus dipenuhi. Untuk mendapatkan
sampel yang baik salah satu syaratnya adalah sampel paling sedikit 30. Saat data sampel
berjumlah 30 atau lebih, dapat dilakukan pengolahan data menggunakan uji statistik
parametrik, tetapi ketika sampel kurang dari 30, pengolahan uji statistik tetap dapat
dilakukan yaitu dengan menggunakan uji statistik nonparametrik. Contoh
pengaplikasian statistika nonparametrik dalam kehidupan sehari-hari, yaitu uji untuk
mengetahui manfaat penyuluhan terhadap kebersihan penduduk dengan sampel kurang
dari 30 rumah dan terdapat beberapa tingkat kebersihan. maksudnya adalah karena
pengujiannya dengan menggunakan sampel yang kurang dari 30 rumah (data), maka
Departemen Teknik Industri

Universitas Diponegoro
2022 8
Kelompok 6
untuk mendapatkan sampel yang baiknya adalah dengan menggunakan uji statistik
nonparametrik.
Uji statistik nonparametrik merupakan pengujian statistik yang digunakan untuk
data yang memiliki parameter dari populasinya tidak mengikuti maupun menetapkan
bentuk suatu distribusi tertentu maupun bebas distribusi. Selain tidak perlu adanya
asumsi-asumsi klasik mengenai sebaran data populasinya karena belum diketahui
sebaran datanya dan tidak perlu berdistribusi normal. Uji ini biasanya digunakan untuk
mengolah data nominal dan ordinal, sebab pada umumnya data berjenis nominal dan
ordinal tidak menyebar normal. Untuk aspek jumlah sampel, pada umumnya statistik
nonparametrik digunakan untuk sampel yang berjumlah kecil (n<30).
Uji nonparametrik dan uji parametrik mempuyai kelebihan dan kekurangan
masing-masing sesuai kondisi data yang akan diolah. Uji nonparametrik memang tidak
membutuhkan ketelitian yang tinggi dalam pemakaiannya, namun selayaknya tidak
digunakan apabila uji parametrik dapat diterapkan, karena tingkat keampuhan uji
nonparametrik lebih rendah dibanding uji parametrik. Maka dalam melihat persoalan
dan analisis menggunakan statistika, perlu dicermati dalam pemakaian uji-ujinya, mana
yang lebih baik antara statistika parametrik dan nonparametrik.
Pada Praktikum Statistika Industri Modul 3 ini, penelitian dilakukan
menggunakan data yang telah diberikan oleh Asisten Laboratorium OPSI. Skenario
yang diberikan mengenai PT Samudera Indonesia Tbk. yang merupakan sebuah
perusahaan transportasi kapal yang sudah terkenal di Indonesia. PT Samudera Indonesia
Tbk. memiliki rencana untuk berkolaborasi dengan perusahaan pembuat kapal agar
dapat bersaing dengan perusahaan lain dan meningkatkan profit perusahaan. Kolaborasi
ini berguna untuk menarik konsumen mengenai tampilan kapal agar terlihat lebih
menarik dari segi bahan, model, dan warna. Untuk menyelesaikan kasus tersebut
menggunakan bermacam-macam metode Uji statistik nonparametrik melalui berbagai
uji seperti uji Binomial, Runs, Kolmogorov Smirnov, dan Chi-Square untuk satu
sampel. Kemudian, uji Tanda, uji Rank dan uji Mc Nemar untuk dua sampel
berhubungan. Uji Mann-Whitney, uji Wilcoxon, uji Moses, dan Kolmogorov-Smirnov
Z untuk dua sampel tidak saling berhubungan. Uji Friedman, uji Kendall W, dan uji
Cochran’s Q untuk lebih dari dua sampel saling berhubungan, serta uji Kruskall-Wallis

2022 9
Kelompok 6
dan uji Median untuk lebih dari dua sampel tidak saling berhubungan. Perhitungan
dilakukan secara manual dan menggunakan software SPSS dan Minitab.
1.2 Tujuan Praktikum

Tujuan yang hendak dicapai dalam praktikum ini adalah:
1. Praktikan mampu memahami definisi statistika parametrik dan non
parametrik
2. Praktikan mampu menjelaskan perbedaan karakteristik dan penggunaan
statistic parametrik dan non parametrik
3. Praktikan mampu memahami konsep pengolahan data dengan menggunakan
metode statistik non parametrik
4. Praktikan mampu mengolah data dengan menggunakan uji statistik non
parametrik
5. Praktikan mampu menginterpretasikan hasil pengolahan data uji statistik
non parametrik dan menarik kesimpulan dari uji yang telah dilakukan.
1.3 Batasan Masalah

Pada praktikum ini, akan dibahas mengenai data non parametrik dimana data
yang diolah adalah satu variabel, data saling berhubungan dengan k = 2 dan k > 2, serta
data tidak berhubungan dengan k = 2 dan k > 2. Data diambil dari skenario kelompok 6
praktikum modul 3. Ruang lingkup pengolahan data pada laporan ini dibatasi dengan
pengolahan data secara manual maupun menggunakan software Minitab dan SPSS.
Pada uji satu variable, digunakan Uji Binomial, Uji Run, Uji One Sample Kolmogorov -
Smirnov Test, dan Uji Chi Square. Pada uji dua sampel saling berhubungan
menggunakan Uji Tanda, Uji Wilcoxon, dan Uji Mc Nemar. Pada uji dua sampel tidak
saling berhubungan menggunakan Uji Mann Whitney, Uji Kolmogorov-Smirnov Z,
Wald Wolfowitz Runs, dan Uji Jumlah Rank. Pada uji lebih dari dua sampel dan saling
berhubungan menggunakan Uji Friedman, Uji Kendall W, dan Uji Cochran Q. Pada uji
lebih dari dua sampel dan tidak saling berhubungan menggunakan Uji Kruskal Wallis
dan Uji Median, dan untuk data asosiatif digunakan Uji Korelasi Rank Sperarman.

2022 10
Kelompok 6
1.4 Sistematika Penulisan

Berikut ini merupakan sistematika penulisan Laporan Modul 3 Praktikum
Statistika Industri:
BAB I PENDAHULUAN
Berisi mengenai latar belakang, tujuan praktikum, rumusan masalah,
metodologi praktikum, dan sistematika penulisan yang digunakan pada
praktikum.
BAB II TINJAUAN PUSTAKA
Berisi mengenai teori yang digunakan pada praktikum ini, yaitu
pengertian statistik parametrik dan non parametrik; perbedaan statistik
parametrik dan non parametrik, uji statistik non parametrik dengan
masing-masing jenis, Uji Koefisien Korelasi Rank Spearman, dan
penerapan statistika non parametrik.
BAB III METODE PRAKTIKUM
Berisi flowchart yang menggambarkan langkah-langkah praktikum yang
dilakukan oleh praktikan dan metodologi serta penjelasan metodologi
yang digunakan dalam praktikum.
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
Berisi mengenai pengumpulan dan pengolahan data yang diperoleh dari
Skenario. Data tersebut terbagi dalam beberapa macam. Data non
parametrik satu sampel dengan uji Binomial, uji Run, uji Kolmogorov-
Smirnov, dan uji Chi-Square. Data non parametrik dua sampel dependen
dan independent diuji dengan uji Tanda, uji Wilcoxon, uji Mc Nemar, uji
Mann Whitneyy, uji Kolmogorov-Smirnov Z, uji Wald-Wolfowitz, dan
uji Jumlah Rank. Data non parametrik lebih dari dua sampel dependen
dan independent dengan uji Friedman, uji Kendall W, uji Cochran Q, uji
Kruska Wallis, dan uji Median.
BAB V ANALISIS
Pada bab ini berisi analisis mengenai hasil pengolahan data yang sudah
dilakukan pada BAB IV.
BAB VI KESIMPULAN DAN SARAN

2022 11
Kelompok 6
Berisi tentang kesimpulan dan saran.

2022 12
Kelompok 6
2. BAB II
TINJAUAN PUSTAKA
2.1 Definisi Statistik

Menurut Sudjana (1989), statistik adalah pengetahuan yang berhubungan dengan
cara-cara pengumpulan data, pengolahan atau penganalisaannya, dan penarikan
kesimpulan berdasarkan kumpulan data yang disusun dalam tabel yang menggambarkan
suatu persoalan. Sedangkan, menurut Santoso (2002), pada prinsipnya statistik diartikan
sebagai kegiatan untuk mengumpulkan data, meringkas atau menyajikan data,
menganalisa data dengan metode tertentu, dan menginterpretasikan hasil analisis
tersebut. Maka dari itu, dapat disimpulkan statistik merupakan kumpulan data, bilangan,
maupun non bilangan yang disusun dalam tabel atau diagram, yang menggambarkan
suatu masalah.
2.2 Perbedaan Statistik Parametrik dengan Statistik Non Parametrik

Menurut Sugiyono (2014), statistik parametrik adalah statistik yang digunakan
untuk menganalisis data interval atau rasio, yang diambil dari pupulasi yang
berdistribusi normal. Sedangkan, menurut Hasan (2005), statistik parametrik adalah
bagian statistik yang parameter dari populasinya mengikuti suatu distribusi tertentu,
seperti distribusi normal, dan memiliki varians yang homogen. Dapat disimpulkan,
statistik parametrik adalah ilmu statistik yang mempertimbangkan jenis sebaran atau
distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan kata lain,
data yang akan dianalisis menggunakan statistik parametrik harus memenuhi asumsi
normalitas.
Menurut Sugiyono (2014), statistik non parametrik adalah statistik yang
digunakan untuk menganalisis data nominal dan ordinal dari populasi yang bebas
berdistribusi. Sedangkan, menurut Walpole (1995), statistik non parametrik (metode
bebas-distribusi) merupakan pengujian statistik untuk data yang parameter dari
populasinya tidak mengikuti suatu distribusi tertentu atau memiliki distribusi yang
bebas persyaratan, serta variansinya tidak perlu homogen. Selain itu, statistik non-
parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan ordinal
yang umumnya tidak berdistribusi normal. Dapat disimpulkan, statistik non parametrik

2022 13
Kelompok 6
adalah rumus yang digunakan untuk menguji hipotesis penelitian ketika data melanggar
satu atau lebih asumsi untuk prosedur parametrik, biasanya data nominal dan ordinal
dan variansinya tidak perlu homgen dan tidak perlu berdistribusi normal.
Berikut ini merupakan perbedaan statistik parametrik dan non parametrik dapat
dilihat pada tabel di bawah ini:
Tabel 2.1 Perbedaan Statistik Parametrik dengan Non Parametrik
Perbedaan Parametrik Non Parametrik
Deskriptif
Asumsi Distribusi Normal -
Asumsi Varians Homogen -
Jenis Data Rasio atau interval Ordinal atau nominal
Hubungan Data Set Independen -
Ukuran Central Mean Median
Aplikasi
Dua Sampel Saling Sign Test
T Test
Berhubungan Wilcoxon Signed-Rank
Z Test
Mc Nemar Change Test
Dua Sampel Tidak Mann-Whitney U Test
Berhubungan Moses Extreme Reactions
T Test
Chi-Square Test
Z Test
Kolmogorov-Smirnov Test
Walt-Wolfowitz Runs
Beberapa Sampel Friedman Test
Berhubungan - Kendall W Test
Cochran’s Q
Beberapa Sampel Tidak Kruskall Wallis Test
Berhubungan ANOVA Test (F Test) Chi-Square Test
Median Test

2022 14
Kelompok 6
2.3 Uji-Uji Statistik Non Parametrik

Pengujian hipotesis atau aturan pengambilan keputusan kebanyakan
membutuhkan berbagai asumsi mengenai distribusi populasi dimana sampel diambil.
Metode statistik non parametrik, seperti uji U Mann-Whitney atau analisis variansi
Kruskal-Wallis, dipakai apabila tidak diketahui karakteristik kelompok item yang yang
menjadi sumber sampelnya. Metode ini dapat diterapkan terhadap data yang diukur
dengan skala ordinal dan nominal. Pengujian non parametrik bermanfaat untuk
digunakan apabila sampelnya kecil dan mudah dihitung (Indriani, 2007).
2.3.1 Pengolahan Data Non Parametrik Satu Sampel (Nominal)
Berikut ini merupakan uji-uji yang digunakan untuk pengolahan data non
parametrik satu sampel. (Modul Praktikum Statistika Industri, 2022)
a. Binomial
Uji binomial biasa digunakan untuk jenis penelitian deskriptif dan tujuan uji
statistik untuk menguji perbedaan proporsi pada populasi yang hanya memiliki
dua buah kategori (skala nominal) berdasarkan proporsi yang berasal dari
sampel tunggal. Uji binomial menguji hipotesis yang berhubungan dengan
proporsi suatu populasi tertentu. Jenis data pada uji ini adalah Nominal 2
kategori (variabel dikotomi). Hasil dari uji binomial ini bersifat mutually
exclusive dan saling independent dimana hasil percobaan yang satu tidak
memengaruhi hasil lainnya. Uji Binomial menguji hipotesis tentang suatu
proporsi populasi yang berasal dari 1 sampel tunggal. Ciri binomial adalah data
berupa dua (bi) macam unsur, yaitu “gagal‟ atau “sukses‟ yang diulang
sebanyak n kali dan peneliti bebas untuk mendefinisikan apa yang dimaksud
“sukses‟ dan apa yang dikategorikan “gagal” (Trimawartinah, 2020).
b. Runs
Uji Runs bertujuan untuk menguji hipotesis deskriptif (satu sampel) bila
datanya berbentuk ordinal. Pengujian hipotesis ditujukan untuk mengukur
kerandoman populasi berdasarkan data sampel. Teknik statistik ini berdasarkan
pada banyaknya run yang ditampilkan oleh suatu sampel. Run didefinisikan
sebagai suatu urutan lambang-lambang yang sama, yang diikuti serta mengikuti
lambang-lambang yang berbeda, atau tidak mengikuti atau diikuti lambang apa
pun (Karmini, 2020).

2022 15
Kelompok 6
c. Kolmogorov Smirnov
Uji Kolmogorov Smirnov merupakan uji kecocokan (goodness of fit), yaitu
pengujian tingkat kesesuaian antara sebaran serangkaian nilai sampel atau skor
yang diamati dengan suatu sebaran tertentu. Uji ini digunakan untuk menguji
perbedaan satu sampel. Jenis data pada uji ini adalah skala ordinal. Uji
Kolmogorov Smirnov memiliki kelebihan yaitu sederhana dan tidak
menimbulkan perbedaan persepsi diantara satu pengamat dengan pengamat
lainnya sehingga uji ini menjadi salah satu uji yang banyak digunakan dalam
perhitungan uji nonparametrik. Konsep dasar yang digunakan dalam uji ini
adalah membandingkan distribusi normal data dengan distribusi normal baku.
Distribusi normal baku adalah data yang telah ditransformasikan kedalam
bentuk z-score dan telah diasumsikan normal (Trimawartinah, 2020).
d. Chi Square
Uji Chi Square adalah salah satu jenis uji komparatif non parametrik dimana
dilakukan pada dua variabel. Skala data kedua variabel adalah nominal. Uji ini
digunakan untuk menguji hipotesis distribusi data pada satu populasi. Uji chi-
square juga merupakan uji yang paling banyak digunakan. Namun perlu kita
ketahui syarat-syarat uji ini adalah frekuensi responden atau sampel yang
digunakan besar, sebab ada beberapa syarat di mana chi square dapat
digunakan, yaitu:
1. Tidak ada sel dengan nilai frekuensi kenyataan atau disebut juga Actual
Count (F0) sebesar 0 (Nol).
2. Apabila bentuk tabel kontingensi 2x2, maka tidak boleh ada 1 cell saja
yang memiliki frekuensi harapan atau disebut juga expected count
("Fh") kurang dari 5.
3. Apabila bentuk tabel lebih dari 2x2, misal 2x3, maka jumlah cell dengan
frekuensi harapan yang kurang dari 5 tidak boleh lebih dari 20%.
Uji kesesuaian kai kuadrat atau Goodness of fit bertujuan untuk mengetahui
apakah sebuah distribusi data dari sampel mengikuti sebuah distribusi teoritis
tertentu atau tidak. Uji ini membandingkan dua distribusi data, yakni:
1. Frekuensi Harapan (teoritis)
2. Frekuensi Observasi (sesuai kenyataan).

2022 16
Kelompok 6
Uji kesesuaian kai kuadrat mirip dengan uji binomial, yang membedakan
adalah uji binomial hanya ada dua kemungkinan jawaban sedangkan uji chi
square ada lebih dari dua kemungkinan jawaban (Trimawartinah, 2020).
2.3.2 Pengolahan Data Non Parametrik k=2
2.3.2.1 Pengolahan Data Non Parametrik Dependen k=2
Berikut merupakan beberapa uji statistika non parametrik dependen k=2
(Sugiyono, 2007):
a. Uji Tanda (Sign Test)
Uji tanda digunakan untuk menguji hipotesis mengenai median populasi.
Dalam banyak kasus non parametrik, rataan digantikan oleh median sebagai
parameter lokasi yang relevan untuk di uji. Uji statistik yang sesuai untuk uji
tanda adalah peubah acak binomial X, yang menyatakan banyaknya tanda
tambah dalam terok acak. Bila hipotesis nol μ = μ0 benar, maka peluang suatu
nilai terok dapat menghasilkan tanda tambah atau kurang sama dengan
setengah. Jadi, untuk menguji hipotesis nol μ = μ0 kita sesungguhnya menguji
hipotesis nol bahwa banyaknya tanda tambah merupakan suatu nilai dari
peubah acak yang berdistribusi binomial dengan parameter p = ½. Nilai p baik
untuk tandingan ekapihak maupun dipihak dapat dihitung dengan
menggunakan distribusi binomial. Sebagai contoh dalam pengujian (Supranto,
1996) :
H 0 : μ=μ 0
H 1 : μ< μ 0
Rumus uji sign (tanda) adalah sebagai berikut :
x−np
Z=
√ np (1−p ) ..........................................................................(2.1)
Keterangan:
x = banyak rata-rata
p = banyak populasi
n = sampel
Sehingga akan menolak Ho dan menerima Hi hanya jika proporsi yang
bertanda tambah cukup lebih kecil dari setengah. Jadi, bila nilai p hitungan
P=P ¿1/2)

2022 17
Kelompok 6
Lebih kecil atau sama dengan suatu taraf keberartian  yang ditetapkan
sebelumnya, maka kita menolak H0 dan menerima H1.
Untuk menguji hipotesis :
H 0 : μ=μ 0
H 1 : μ< μ 0
Kita akan menolak H0 dan menerima H1 hanya jika proporsi yang bertanda
tambah cukup lebih besar dari setengah. Jadi, bila nilai p hitungan
P=P ¿ 1/2)
Lebih kecil dari suatu taraf keberartian  yang ditetapkan sebelumnya, maka
kita menolak H0 dan menerima H1.
H 0 : μ=μ 0
H1: μ ≠ μ 0
Kita akan menolak H0 dan menerima H1 hanya jika proporsi yang bertanda
tambah cukup lebih kecil atau lebih besar dari setengah. Jadi, bila x < n/2 dan
nilai p hitungan
P=2 P ¿1/2)
Lebih kecil daripada atau sama dengan suatu taraf keberartian  , atau bila x>
n/2 dan nilai p hitungan.
P=2 P ¿1/2)
Lebih kecil atau sama dengan  kita tolak Ho dan menerima H1. Apabila n  10
peluang binomial dengan p = ½ dapat dihampiri dengan kurva normal (Walpole,
1995).
b. Uji Rang- Tanda Wilcoxon
Suatu uji yang memanfaatkan baik tanda maupun besarnya selisih telah
diusulkan oleh Frank Wilcoxon (statistisi yang pertama kali
memperkenalkannya pada dasawatsa 1940-an) dan sekarang biasa disebut uji
rang tanda Wilcoxon. Prosedur uji ini digunakan jika besaran maupun arah
perbedaan relevan untuk menentukan apakah terdapat perbedaan yang
sesungguhnya antara pasangan data yang diambil dari suatu sampel atau dua
sampel yang saling terkait (Supranto,1998).

2022 18
Kelompok 6
Untuk menguji hipotesis nol bahwa sampelnya berasal dari dua populasi
yang kontinu yang setangkup dengan μ 1=μ 0untuk kasus sampel berpasangan,
rang selisihnya tanpa memperhatikan tanda kemudian diselesaikan seperti pada
kasus satu sampel.
Rumus uji Rank-tanda Wilcoxon :
1
T−
N ( N−1 )
Z=
√ 1
24 N ( N −1)(2 N −1) ..............................................................(2.2)
Keterangan :
T = Jumlah ranking bertanda terkecil
N = banyaknya pasang yang tidak sama nilainya
Tabel 2.2 Uji Rank-Tanda
Menguji H0 Tandingan H1 Hitung
μ< μ 0 W+
μ=μ 0 μ> μ 0 W−
μ≠μ0 W
μ 1< μ 2 W+
μ 1=μ 2 μ 1> μ 2 W−
μ 1≠ μ 2 W
(Sumber: Walpole, 1995)
Uji rank tanda dapat pula digunakan untuk menguji hipotesis nol bahwa
μ 1−μ 0=b 0. Dalam kasus ini tidak perlu setangkup. Seperti pada uji tanda
tiap selisih kita kurangi dengan b0, rang tiap selisih tanpa memperhatikan
tandanya dan terapkan prosedur yang sama seperti sebelumnya
(Walpole,1995).
c. Uji Mc-Nemar dan Homogenity
McNemar dan Homogenity merupakan dua buah alat uji statisti
nonparametrik untuk uji dua sampel yang berpasangan. Pengujian McNemar
menggunakan data yang bertipe normal, dan lebih khusus lagi adalah data
dikotomi, yakni data dengan isian dua kode saja, seperti ‘Ya’ atau ‘Tidak’,
‘Sukses’ atau ‘Gagal’, dan sebagainya. Sedangkan uji Marginal Homogenity

2022 19
Kelompok 6
merupakan perluasan dari uji McNemar, dimana data yang digunakan adalah
data ordinal atau multinomial (kode lebih dari dua), seperti sikap seseorang
yang bisa ‘Suka’, ‘Tidak Suka’, atau ‘Sangat Suka’.
Uji McNemar terutama dapat diterapkan untuk rancangan “sebelum dan
sesudah” yang didalamnya masing-masing orang dipandang sebagai pengontrol
bagi dirinya sendiri dan pengukurannya atas dasar skala nominal atau skala
ordinal. Jadi dapat digunakan untuk menguji keefektifan suatu perlakuan
khusus (Mangkuatmodjo, 2004).
2.3.2.2 Pengolahan Data Non Parametrik Independen k=2
a. Uji Mann-Whitney
Uji ini digunakan untuk mengetahui apakah ada perbedaan ukuran
pemusatan antara dua populasi. Hasil tesnya sama dengan uji Kruskal Wallis.
Dalam uji Mann-Whitney, 2 jenis sample populasi berada pada lokasi yang sama
(Siagian, 2002). Asumsi yang berlaku dalam uji Mann-Whitney adalah:
1. Uji Mann-Whitney mengasumsikan bahwa sampel yang berasal dari
populasi adalah acak.
2. Pada uji Mann-Whitney sampel bersifat independen (berdiri sendiri).
3. Skala pengukuran yang digunakan adalah ordinal.
Langkah-langkah Pengujian (Santoso, 1991) :
1. Hitung rangking gabungan kedua populasi
2. Hitung R1 dan R2, yaitu jumlah rangking tiap populasi
3. Hitung Ua dan Ub dengan rumus
n1 (n q +1 )
Ua=n1 n 2 + −R 1
2
n1 (n q +1 )
Ub=n1 n2 + −R2
2
U=min(Ua;Ub )
4. Tolak Ho bila U < tabel U
b. Uji Kolmogorov-Smirnov
Uji Kolmogorov-Smirnov digunakan untuk menguji Goodness of fit antar
distribusi sampel dan distribusi lainnya. Uji ini membandingkan serangkaian
data pada sampel terhadap distribusi normal serangkaian nilai dengan mean dan

2022 20
Kelompok 6
standar deviasi yang sama. Singkatnya uji ini dilakukan untuk mengetahui
kenormalan distribusi beberapa data. Uji Kolmogorov-Smirnov merupakan uji
yang lebih kuat daripada uji chi-square ketika asumsi-asumsinya terpenuhi.
Uji Kolmogorov-Smirnov juga tidak memerlukan asumsi bahwa populasi
terdistribusi secara normal. Dalam beberapa uji yang telah kita bahas, kita
mencurahkan perhatian pada pengujian Ho yang menyatakan bahwa dua sampel
bebas berasal dari populasi-populasi yang identik dalam hal lokasi dan
penyebaran. Uji Kolmogorov – Smirnov untuk dua sampel ini dikembangkan
oleh Smirnov. Uji ini juga memakai nama Kolmogorov karena kemiripannya
dengan uji sampel tunggal yang dikembangkan oleh Kolmogorov. Hipotesis-
hipotesis (Santoso,1991) :
H0 : μ 1−μ 0=0
H1 : Kedua rataan tidak identik
c. Uji Wald-Wolfwowitz
Uji ini membutuhkan setidaknya satu jenis data ordinal untuk pengukuran,
tidak berdistribusi normal, datanya bebas, dan jumlah datanya sedikit (kurang
dari 30). Nilai pengamatan dari kedua sampel digabung dan kemudian
dirangking dari yang terkecil sampai yang terbesar. Runs diartikan sebagai nilai
yang berturut-turut dari grup yang sama. Jika sampel berasal dari populasi yang
sama, kedua grup ini harus disebar secara acak pada rangkingnya. Prosedur uji
ini adalah sebagai berikut (Santoso, 2000):
1. Test Run wald-Wolfowitz menganggap bahwa variabel yang dipelajari
memiliki ditribusi kontinu, sehingga skala yang dibutuhkan setidaknya
dalam bentuk ordinal.
2. Misalkan banyak sampel dari populasi pertama adalah m dan banyak
sampel dari populasi kedua adalah n. kita akan menyusun masing –
masing nilai dari m (dimisalkan dengan a) dan nilai dari n (dimisalkan
dengan b) dalam suatu susunan (dimulai dari nilai a atau b yang
terkecil) degan tetap mempertahankan informasi mengenai dari
populasi manakah nilai tersebut berasal.
3. Setelah susunan didapatkan langkah selanjutnya adalah menghitung
banyaknya run.

2022 21
Kelompok 6
4. Misalkan terdapat suatu susunan nilai (a dan b) dari dua sampel

independent n dan m sbb: a a a b b b b b a b a b a b a a a b, maka
banyaknya run dapat dihitung dengan cara mengelompokkan nilai –
nilai sejenis kedalam satu run, dalam hal ini terdapat 10 run (kelompok
dari nilai a a a = run I, b b b b b = run II, a = run III, dst sampai b = run
X)
5. Jika hipotesis nol gagal ditolak, maka dapat disimpulkan bahwa nilai
dari m+n berasal dari pupulasi yang identik. Oleh sebab itu, a dan b
akan tercampur secara merata dan nilai total dari run juga akan menjadi
besar. Sebaliknya, jika ho berhasil ditolak, maka nilai total dari run
akan menjadi kecil yang mengindikasikan bahwa sampel berasal dari
populasi yang berbeda.
d. Uji Jumlah Rank
Uji Wilcoxon adalah salah satu uji nonparametrik. Uji parametrik padanan
dari uji Wilcoxon adalah uji-t. Uji Wilcoxon digunakan untuk mengetahui
apakah ada perbedaan antara dua populasi yang ingin diuji. Data yang dipakai
dalam uji ini berjumlah N = m + n observasi dimana m adalah jumlah amatan
pada sampel X(0) dengan X(0) beranggotakan X(0)1,….,X(0)m dan n adalah jumlah
amatan pada sampel X(1) dengan X(1) beranggotakan X(1)1,….,X(1)n dimana X(0)l
adalah observasi ke-l dari grup 0 dan X (1)l adalah observasi ke-l dari grup 1
(Purnomo, 2010).
2.3.3 Pengolahan Data Non Parametrik k>2
2.3.3.1 Pengolahan Data Non Parametrik Dependen k>2
Pengolahan data non parametrik saling berhubungan dengan k >2 dilakukan
pengujian sebagai berikut:
a. Uji Friedman
Metode ini digunakan untuk menguji kemaknaan pengaruh berbagai (k)
perlakukan terhadap sejumlah kelompok subjek penelitian yang berhubungan,
dengan mengontrol variabel ketiga yang mungkin berpengaruh dalam
memperkirakan efek yang sesungguhnya dari perlakuan itu. Metode ini
dikembangkan oleh friedman pada tahun 1937. Data yang akan dianalisis
minimal diukur dalam skala ordinal. Karena yang dianalisis tidak hanya efek

2022 22
Kelompok 6
perlakukan terhadap subjek, tetapi juga pengaruh sebuah variabel luar yang
menyebabkan variasi antara subjek, maka uji friedman analog dengan metode
analisis parametric yang disebut ANOVA dua arah (Sarifah, 2010).
Prosedur pengujian Friedman adalah sebagai berikut:
1. H0 : μ1 = μ2 = … = μk
2. H1 : Tidak sama semua (paling sedikit ada μ1 ≠ μ2 untuk i ≠ j)
3. Tentukan nilai α
4. Menentukan daerah kritis dengan ketentuan:
F>x2 (0.05, 3) V = k-1; k = banyaknya populasi
 Beri rangking pada tiap blok
 Hitung Fr dengan rumus:
12 2
F r= ∑T j−3 b ( k +1 )…………………………..(2.3)
bk ( k +1)
Keterangan :
b = banyaknya blok
k = banyaknya populasi
Tj = jumlah rangking populasi ke j
5. Pembuatan keputusan
6. Pembuatan kesimpulan
b. Uji Kendall
Uji Kendall’s W diperkenalkan secara terpisah oleh Kendall dan Babington-
Smith pada tahun 1939 dan Wallis pada tahun 1939 sehingga disingkatdengan
nama Kendall’s W. Uji Kendall’s W merupakan uji non parametrik yang
digunakan untuk menguji keselarasan terhadap penilaian yang diberikan oleh
sekelompok subjek terhadap atribut-atribut yang dianggap penting (Siagian,
Dergibson. 2002). Uji Kendal merupakan pengujian hipotesis dari data non
parametrik dependen. Uji ini digunakan untuk mengetahui sejauh mana dua
himpunan peringkat-peringkat dan n individu selaras atau tidak. Dalam
praktek, missal ingin diketahui derajat keselarasan antara beberapa, misal m,
peringkat dari n benda atau individu. Keselarasan (konkordinasi) diberi nilai
seperti halnya korelasi, yaitu dari 0 (non-agreement) sampai 1 (complete-
agreement). jika 0 berarti responden sama sekali tidak selaras satu dengan yang

2022 23
Kelompok 6
lain dalam menilai sekian atribut, dan jika 1 maka semua sangat selaras. Pada
umumnya, angka konkordinasi di atas 0,5 bisa dianggap tingkat keselarasan
sudah cukup tinggi N sampel yang berhubungan di sini adalah jumlah faktor
(atribut) yang lebih dari dua (Walpole, 1995).
Berikut ini merupakan rumus Uji Kendall:
P−Q
τ=
N ( N −1) …………………….(2.4)
2
τ
Z=
√ 2(2 N +5) …………………(2.5)

9 N ( N−1)
c. Uji Cochran
Uji Cochran digunakan pada data dengan skala pengukuran nominal atau
untuk informasi dalam bentuk yang terpisah dua (dikotomi), misalnya
informasi ”ya” atau ”tidak”. Penggunaan uji ini untuk mengetahui keberadaan
hubungan antara beberapa variabel. Uji Cochran merupakan uji non parametrik
yang menghipotesakan bahwa beberapa variable dikotomi memiliki rataan
yang sama. Uji ini digunakan dengan catatan reaksi (hasil terhadap setiap
perlakuan hanya dinyatakan dalam dua nilai yaitu 0 dan 1) (Supranto, 1984).
Hipotesis Pengujian
 H0 : Kemungkinan jawaban ” ya ” adalah sama untuk semua variable
 H1 : Kemungkinan jawaban ” ya ” tidak sama
Langkah-langkah:
1. Hitung statistic Q dengan rumus
Q=(k −1) ¿ ¿…………………..(2.6)
Keterangan:
k = banyaknya variable
Ri = jumlah baris jawaban “ya”
cj = jumlah kolom jawaban “ya”
2. Tolak H0 bila Q > V = k-1
2.3.3.2 Pengolahan Data Non Parametrik Independen k>2
Pengolahan data non parametrik tidak saling berhubungan dengan k > 2
dilakukan pengujian sebagai berikut :

2022 24
Kelompok 6
a. Uji Kruskall-Wallis
Uji Kruskal Wallis adalah uji non parametrik 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. Uji ini identik
dengan Uji One Way Anova pada pengujian parametris, sehingga uji ini
merupakan alternatif bagi uji One Way Anova apabila tidak memenuhi asumsi
misal asumsi normalitas. Selain sebagai uji alternatif, kegunaan lain adalah
sebagai perluasan dari uji Mann Whitney U Test, di mana kita ketahui bahwa
uji tersebut hanya dapat digunakan pada 2 kelompok variabel dependen.
Sedangkan Kruskall Wallis dapat digunakan pada lebih dari 2 kelompok missal
3, 4 atau lebih. Oleh karena uji ini merupakan uji non parametris di mana
asumsi normalitas boleh dilanggar, maka tidak perlu lagi adauji normalitas
misal uji shapiro wilk atau lilliefors. Sebagai ilustrasi adalah penelitian yang
bertujuan untuk mengetahui adakah perbedaan pengaruh Metode Pembelajaran
terhadap nilai ujian siswa. Di mana Metode pembelajaran sebagai variabel
independen memiliki 3 kategori yaitu misal:metode A, metode B dan Metode
C. Sedangkan nilai ujian sebagai variabel dependen berskala rasio yaitu
berkisar antara 0 sd 100 (Hidayat, 2012).
Prosedur pengujian Kruskal-Wallis adalah sebagai berikut:
1. H0 : lokasi semua k sampel berasal dari populasi yang sama
2. H1 : sedikitnya ada 2 populasi yang berbeda
3. Tentukan nilai α
4. Menentukan daerah kritis dengan ketentuan :
 Tolak H0 jika H hitung ≥ H tabel
 [ sampel kecil, N ≤ 15, gunakan tabel O]
 [sampel besar, N > 15, gunakan tabel 𝜒2]
5. Perhitungan
6. Pembuatan keputusan
7. Pembuatan kesimpulan
b. Uji Median

2022 25
Kelompok 6
Test median digunakan untuk menguji signifikansi hipotesis komparatif dua

sampel independen bila datanya berbrntuk nominal atau ordinal. Pengujian
didasarkan atas median dari sampel yang diambil secara random. Dengan
demikian H0 yang akan diuji berbunyi: “tidak terdapat perbedaan dua kelompok
populasi berdasarkan mediannya. Kalau Test Fisher digunakan untuk sampel
kecil, dan test chi kuadrat digunakan untuk sampel besar, maka tes median ini
digunakan untuk sampel antara fisher dan chi kuadrat”.
Berikut ini diberikan panduannya (Sugiyono, 2007):
1. Jika n1+ n2 > 40, dapat dipakai test chi kuadrat dengan koresi
kontinuitas dari Yates.
2. Jika n1+ n2 antara 20 - 40 dan jika tak satu selpun memiliki frekuensi
yang diharapkan dapat digunakan chi kuadrat dengan koreksi
kontinuitas. Bila f<5 maka dipakai test fisher. Kalau n1+ n2 < 20
maka digunakan test fisher.
2.3.4 Uji Koefisien Korelasi Rank Spearman
Uji korelasi rank spearman dapat digunakan untuk mencari hubungan atau untuk
menguji signifikansi hipotesis asosiatif bila masing-masing variabel yang dihubungkan
berbentuk ordinal. Korelasi rank spearman disimbolkan dengan rs, atau terkadang juga
ditulis dengan rho. Data yang digunakan pada korelasi ini adalah data berskala ordinal,
maka dari itu sebelum dilakukan pengelolahan data, data kuantitatif yang akan dianalisis
perlu disusun dalam bentuk ranking terlebih dahulu (Modul Praktikum Statistika
Industri, 2022).
Nilai korelasi rank spearman berada diantara -1 < rho < 1. Bila nilai rho = 0,
berarti tidak ada korelasi atau tidak ada hubungannya antara variabel independen dan
dependen. Jika nilai rho = +1 berarti terdapat hubungan yang positif antara variabel
independen dan dependen. Apabila nilai rho = -1 berarti terdapat hubungan yang negatif
antara variabel independen dan dependen. Dengan kata lain, tanda “+” dan “-“
menunjukkan arah hubungan di antara variabel yang sedang dioperasikan (Modul
Praktikum Statistika Industri, 2022). Berikut merupakan tabel penginterpretasian nilai
rho:
Tabel 2.3 Interpretasi Rho
Rho Positif Rho Negatif Kategori

2022 26
Kelompok 6
0,9≤rho ¿ 1 -0,9≤rho ¿ -1 Sangat Kuat

0,7≤rho ¿ 0,9 -0,7≤rho ¿ -0,9 Kuat
0,5≤rho ¿ 0,7 -0,5≤rho ¿ -0,7 Moderat
0,3≤rho ¿ 0,5 -0,3≤rho ¿ -0,5 Lemah
0≤rho ¿ 0,3 0≤rho ¿ -0,3 Sangat Lemah
Rumus dalam mencari korelasi rank spearman bisa dijabarkan sebagai berikut:
6∑ d
2
rho=
n ( n −1 )
2
Keterangan:
rho : Koefisien Korelasi Rank Spearman
d2 : Ranking yang dikuadratkan
n : Banyaknya data (sampel)
Apabila data yang digunakan < 30 maka perhitungan cukup dilakukan sampai
perhitungan rho saja. Namun, apabila datanya > 30, maka dilakukan perhitungan rho
lalu z (pendekatan dengan distribusi normal). adappun rumus uji z adalah sebagai
berikut:
rho
z hitung=
1
√n−1
Dalam uji signifikan (Uji Z) H0 adalah tidak ada hubungan atau korelasi yang
signifikan antara x dan y. H1 terdapat hubungan atau korelasi yang signifikan antara x
dan y. Jika H0 benar, maka tidak ada hubungan atau korelasi yang signifikan antara x
dan y.
2.4 Contoh Penerapan Statistik Non-parametrik dalam Penelitian

Tabel 2.4 Contoh Penerapan Statistik Non Parametrik dalam Penelitian
Jurnal 1
Judul Metode Non Parametrik Untuk Analisis
Hubungan Perilaku dan Pengetahuan Masyarakat
Tentang Kode Plastik
Penulis Heruna Tanty, Rokhana Dwi Bekti, dan Anita

2022 27
Kelompok 6
Rahayu
Isi Sesuai dengan Penerapan M3 Penelitian ini bertujuan untuk mengetahui
hubungan antara pendidikan (pengetahuan) dan
perilaku masyarakat dalam menggunakan produk
plastik terhadap orang tua siswa TK AL-HUDA
Bekasi. Metode analisis yang digunakan ada tiga
macam, yaitu analisis deskriptif, uji Chi Square,
dan Uji Wilcoxon. Metode analisis data
menggunakan analisis deskriptif bertujuan untuk
mengetahui karakteristik responden, Uji Chi
Square untuk mendapatkan hubungan
(dependensi) antara pendidikan dan pengetahuan
masyarakat tentang kode plastik, sedangkan uji
Wilcoxon untuk mengetahui apakah terdapat
perbedaan pengetahuan masyarakat sebelum dan
sesudah sosialisasi
Jurnal 2
Judul Efektivitas Penggunaan E-Learning Berbasis
Schoology dengan Menggunakan Model
Discovery Learning terhadap Prestasi Belajar
Siswa pada Mata Pelajaran Sistem Komputer
Kelas X Multimedia SMK Negeri 6 Surakarta
pada Tahun Pelajaran 2015/2016
Tabel 2.4 Contoh Penerapan Statistik Non Parametrik dalam Penelitian (Lanjutan)
Penulis Kansha Isfaraini Huurun’ien, Agus Efendi, dan
A. G. Tamrin
Isi Sesuai dengan Penerapan M3 Penelitian ini dilakukan untuk mengetahui
perbedaan prestasi belajar siswa antara kelas
kontrol dengan kelas eksperimen yang diberikan
treatment penggunaan e-learning berbasis
schoology dengan menggunakan model

2022 28
Kelompok 6
discovery learning dan efektivitas penggunaan e-

learning berbasis schoology dalam
meningkatkan prestasi belajar siswa. Metode
analisis yang digunakan adalah metode uji Mann
Whitney, uji Wilcoxon Sign Rank dan Standart
Gain. Uji Mann Whitney bertujuan untuk
mengetahui apakah terdapat perbedaan atau tidak
prestasi belajar antara kelas eksperimen dan
kelas kontrol. Uji Wilcoxon Sign Rank dan
Standart Gain dilakukan untuk mengetahui
efektivitas penggunaan e-learning berbasis
schoology.

2022 29
Kelompok 6
3. BAB III
METODE PRAKTIKUM
3.1 Flowchart Metode Praktikum

Metode pada Praktikum Statistika Industri 2022 Modul 3 mengenai statistika
non parametrik digambarkan dengan flowchart berikut:
Gambar 3.1 Flowchart Metodologi Praktikum

2022 30
Kelompok 6
3.2 Penjelasan Flowchart

Pada praktikum Statistika Industri Modul 3 – Statistika Non Parametrik dimulai
dengan mengidentifikasi masalah pada skenario 6 mengenai fasilitas dan kesiapan kapal
PT Samudera Indonesia Tbk untuk digunakan pemudik. Kemudian untuk
menyelesaikan masalah tersebut dilakukannya pengumpulan materi berupa studi
pustaka untuk menunjang praktikum. Tahap selanjutnya yaitu melakukan
pengelompokan dan penentuan jenis data yang telah diambil ke dalam kelompok data
yang sesuai apakah ke dalam data satu sampel, data dua sampel saling berhubungan dan
tidak saling berhubungan maupun data lebih dari dua sampel saling berhubungan dan
tidak saling berhubungan sesuai dengan skenario yang telah diberikan. Kemudian
dilakukan pengolahan data dengan menggunakan beberapa Uji yang terdapat dalam
metode statistik non parametrik diantaranya Uji Binomial, Uji Runs, Uji Kolmogorov-
Smirnov, Uji Chi-Square, Uji Tanda, Uji Wilcoxon, Uji Mc Nemar, Uji Mann Whitney,
Uji Kolmogorov-Smirnov Z, Uji Wald-Wolfowitz Runs, Uji Jumlah Rank, Uji
Friedman, Uji Kendall W, Uji Cochran Q, Uji Kruskall Wallis, Uji Median, Dan Uji
Korelasi Rank Spearman baik secara manual maupun menggunakan software SPSS dan
minitab. Tahap berikutnya yaitu melakukan analisis terhadap hasil pengolahan data
yang telah diperoleh, untuk kemudian dilakukan penarikan kesimpulan dan pemberian
saran sebagai tahap akhir dalam praktikum modul ini.

2022 31
Kelompok 6
4. BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
4.1 Skenario
PT Samudera Indonesia Tbk. merupakan sebuah perusahaan transportasi kapal
yang sudah terkenal di Indonesia. Lonjakan penumpang yang drastis akibat hari raya
dan menjelang liburan membuat PT Samudera Indonesia Tbk. kewalahan dalam
memenuhi jumlah penumpang tiap harinya, untuk itu PT Samudera Indonesia Tbk.
berencana untuk menambah jam kerja nahkoda untuk melakukan overtime di tanggal
merah. Namun untuk keputusan ini tidak serta merta langsung diambil dari pihak
manajamen. Mereka akan melakukan survey terlebih dahulu kepada para nahkoda dan
awak kapal mengenai 2 opsi tersebut yaitu opsi 1 yaitu setuju overtime pada tanggal
merah dan opsi 2 yaitu tidak setuju overtime pada tanggal merah. Sampel dari
responden tersebut untuk mengetahui apakah barisan data berasal dari kejadian yang
acak.
1 = Setuju overtime pada tanggal merah
2 = Tidak setuju overtime pada tanggal merah
Tabel 4.5 Survey Pilihan Overtime pada Tanggal Merah
Nahkoda Pilihan
1 2
2 2
3 2
4 1
5 1
6 2
7 2
8 2
9 1
10 1
11 1
12 2

2022 32
Kelompok 6
Tabel 4.1 Survey Pilihan Overtime pada Tanggal Merah (Lanjutan)

Nahkoda Pilihan
13 2
14 1
15 1
16 2
17 2
18 1
19 1
20 1
Identifikasi: Data di atas dapat diselesaikan dengan uji statistika non parametrik satu
sampel. Pengujian dilakukan menggunakan uji binomial dan uji runs. Uji binomial
digunakan untuk menguji apakah ada perbedaan bermakna antara pilihan 1 dan 2. Uji
runs digunakan untuk menguji apakah data bersifat acak atau tidak.
Departemen Humas PT Samudera Indonesia Tbk. selalu mengadakan survey

mengenai fasilitas kapal agar penumpang akan selalu merasa nyaman dan tidak beralih
ke armada lain sehingga PT Samudera Indonesia Tbk. tetap mendapatkan keuntungan
yang maksimal dan selalu menjadi pilihan yang utama. Sampel dari responden tersebut
digunakan untuk mengetahui reaksi (hasil) terhadap suatu perlakuan. Angka 0
menunjukkan bahwa fasilitas kapal belum memadai, sedangkan angka 1 menyatakan
fasilitas sudah memadai.
Tabel 4.6 Penilaian Responden terhadap Fasilitas Kapal
No AC TV Kantin Kamar Mandi Selimut

1 1 0 0 0 1
2 0 1 1 0 0
3 0 1 1 0 0
4 0 0 0 0 1
5 1 0 0 0 1
6 0 1 1 1 0
7 0 1 1 1 1
8 0 0 0 1 1
9 1 1 1 1 1
10 1 0 0 0 1
11 1 0 1 1 0

2022 33
Kelompok 6
Tabel 4.7 Penilaian Responden terhadap Fasilitas Kapal (Lanjutan)
12 0 1 0 0 0
13 1 0 0 0 1
14 1 1 1 1 1
15 0 1 1 0 0
16 0 1 0 1 0
17 1 1 0 1 0
18 0 1 1 0 1
19 1 1 1 0 1
20 1 0 0 1 0
21 0 0 1 0 0
22 0 1 0 1 1
23 1 0 0 0 0
24 0 1 0 0 0
25 1 0 0 1 0
Identifikasi: Tabel di atas merupakan data lebih dari 2 sampel yang berhubungan,
sehingga digunakan uji Cochrans untuk menguji tiga sampel atau lebih, dengan catatan
reaksi (hasil) terhadap suatu perlakuan hanya dinyatakan dalam dua nilai, yaitu 0 dan
1.
Manajer marketing PT Samudera Indonesia Tbk. juga mengontrol keuangan

yang masuk dan keluar serta mencatat jumlah penumpang dari berbagai destinasi kota
tujuan yang telah direkap selama 12 hari. Sampel data tersebut digunakan untuk
mengetahui apakah data tersebut berdistrikapali normal atau tidak.
Tabel 4.8 Data Jumlah Penumpang Berdasarkan Kota Tujuan
Jumlah Penumpang Berdasarkan Kota Tujuan (Orang)

No Lampung Bali Lombok Maluku NTT Papua
1 57 70 53 65 54 57
2 64 55 59 61 66 62
3 60 56 70 60 58 65
4 60 68 55 69 57 54
5 54 68 53 56 59 65
6 62 62 50 54 64 67
7 68 59 69 68 60 54
8 65 52 62 63 50 63
9 62 63 53 57 55 70
10 50 61 69 55 67 65
11 50 55 58 59 52 63
12 65 55 59 64 67 60
Identifikasi: Data diatas dapat diselesaikan dengan uji statistika non parametrik satu
sampel. Pengujian dilakukan menggunakan uji chi-square dan Kolmogorov-smirnov.

2022 34
Kelompok 6
Uji chi-square digunakan untuk menguji apakah data mengikuti sebaran distribusi
normal atau tidak. Uji Kolmogorov-smirnov digunakan untuk menguji apakah data
berdistribusi normal atau tidak.
Sebelum melakukan persetujuan kolaborasi dengan vendor, PT Samudera
Indonesia Tbk. membandingkan data jumlah penumpang dari PT Samudera Indonesia
Tbk. dengan PT Berlian Laju Tanker Tbk yang bergerak di bidang sama untuk
mengetahui apakah PT Samudera Indonesia Tbk. memiliki profit yang lebih baik dari
PT Berlian Laju Tanker Tbk. Sampel data tersebut untuk mengetahui mengenai rataan
dua buah sampel yang bebas berasal dari populasi yang sama, untuk mengetahui
kesamaan rataan berbeda secara signifikan atau tidak, untuk mengetahui ada tidaknya
perbedaan signifikan untuk dua sampel yang independen, dan untuk mengetahui
apakah kedua sampel berasal dari populasi yang identik ataukah tidak. Berikut
merupakan data jumlah penumpang dari PT Samudera Indonesia Tbk. dan PT Berlian
Laju Tanker Tbk pada beberapa destinasi kota tujuan selama 20 bulan terakhir.
Tabel 4.9 Perbandingan Data Jumlah Penumpang Selama 20 Bulan Terakhir
No PT Samudera Indonesia Tbk. PT Berlian Laju Tanker Tbk

1 668 645
2 627 679
3 681 706
4 664 692
5 673 641
6 647 659
7 696 698
8 708 674
9 657 658
10 700 649
11 628 704
12 636 681
13 651 626
14 644 696
15 654 698
16 645 619
17 686 667
18 649 676
Tabel 4.10 Perbandingan Data Jumlah Penumpang Selama 20 Bulan Terakhir (Lanjutan)

19 645 646
20 649 708

2022 35
Kelompok 6
Identifikasi: Tabel di atas merupakan data non parametrik dua sampel yang tidak
berhubungan, sehingga menggunakan uji Mann-Whitney, yaitu untuk menguji hipotesis
mengenai rataan dua buah sampel yang bebas berasal dari populasi yang sama. Uji
Sum Rank Wilcoxon, yaitu untuk menguji kesamaan rataan berbeda secara signifikan
atau tidak. Uji Kolmogorov-Smirnov Z, yaitu untuk mengetahui ada tidaknya
perbedaan signifikan untuk dua sampel yang independent. Uji Wold-Wolfowitz Runs,
yaitu untuk menguji apakah kedua sampel berasal dari populasi yang identik atau
tidak. Dari keempat uji tersebut dapat diketahui apakah terdapat perbedaan minat
peserta kelas antara kelas PT Samudera Indonesia Tbk. dan PT Berlian Laju Tanker
Tbk.
Top Management dari PT Samudera Indonesia Tbk. memiliki rencana untuk
berkolaborasi dengan perusahaan pembuat kapal agar dapat bersaing dengan
perusahaan lain dan meningkatkan profit perusahaan. Kolaborasi ini berguna untuk
menarik konsumen mengenai tampilan kapal agar terlihat lebih menarik dari segi
bahan, model, dan warna. Kemudian PT Samudera Indonesia Tbk. melakukan survey.
Sampel diambil dari 12 responden untuk mengetahui bagaimana penilaian responden
terhadap atribut diatas memiliki rataan sama atau tidak. Masing-masing responden
memberi penilaian terhadap 3 atribut diatas dengan skor 1- 5 dimana angka 1
mewakilkan atribut paling penting dan angka 5 paling tidak penting.
Tabel 4.11 Penilaian Responden terhadap 3 Atribut Kapal
No Bahan Kapal Model Kapal Warna Kapal

1 2 3 2
2 4 2 4
3 4 3 3
4 4 1 5
5 1 5 2
6 5 4 3
7 5 3 4
8 5 5 3
9 1 3 2
10 1 1 4
11 1 2 3
12 2 4 3
Identifikasi: Tabel diatas merupakan data lebih dari 2 sampel yang berhubungan
sehingga menggunakan uji Friedman untuk mengetahui satu hal dan lain hal
penerapan analisis variansi dua arah parametrik tidak dikehendaki dan uji Kendall W

2022 36
Kelompok 6
untuk mengetahui sejauh mana dua himpunan peringkat-peringkat dan n individu

selaras atau tidak.
Setelah satu tahun PT Samudera Indonesia Tbk. berkolaborasi dengan vendor

perusahaan pembuat kapal, PT Samudera Indonesia Tbk. ingin melakukan inovasi
mengenai pengeluran kapal express yang sudah ditunggu – tunggu oleh sebagian besar
penumpang. Karena kapal express dinilai lebih efisien waktu walaupun dengan tarif
yang lebih mahal daripada kapal regular. Sampel dari data responden tersebut untuk
mengetahui apakah kapal express dan kapal reguler memiliki perbedaan atau tidak..
Survey ini dilakukan dengan kuisioner yang disebarkan kepada 30 konsumen, penilai
ini dilakukan dengan cara memberikan point berupa angka 0-100 untuk kedua atribut
ini. Berikut hasil survey yang didapat dari 30 konsumen.
Tabel 4.12 Survey Responden
No Kapal Express Kapal Reguler

1 92 90
2 62 87
3 90 90
4 66 61
5 74 74
6 85 84
7 77 90
8 75 70
9 73 88
10 79 60
11 64 80
12 61 78
13 70 81
14 70 90
15 95 69
16 71 75
17 61 78
18 62 63
19 76 74
20 81 94
21 64 64
Tabel 4.13 Survey Responden (Lanjutan)

22 83 61
23 66 63
24 87 93

2022 37
Kelompok 6
25 87 64
26 67 81
27 74 72
28 94 95
29 89 92
30 65 61
Identifikasi: Data di atas dapat diselesaikan dengan uji statistika non parametrik dua
sampel saling berhubungan. Pengujian dilakukan menggunakan uji Tanda dan uji
Wilcoxon. Uji Tanda bertujuan untuk melihat peubah acak binomial yang menyatakan
banyaknya tanda + dalam sampel acak. Uji Wilcoxon bertujuan untuk menganalisis
hasil pengamatan yang berpasangan dari dua data apakah berbeda atau tidak.
Setelah peluncuran armada kapal yang baru, PT Samudera Indonesia Tbk. juga
menanyakan pendapat konsumen mengenai kapal baru yang telah di luncurkan dan
kapal lama yang telah beroperasi, Angka 0 menunjukkan bahwa konsumen tidak
menyukai produk ini dan angka 1 menunjukkan konsumen menyukai produk ini.
Sampel dari responden untuk mengetahui apakah antara kapal lama dan kapal baru
memiliki perbedaan atau tidak.
Tabel 4.14 Survey Pendapat Responden Mengenai Kapal Lama dan Kapal Baru
No Kapal Lama Kapal Baru

1 0 0
2 1 1
3 0 1
4 0 1
5 0 0
6 0 0
7 0 0
8 0 1
9 0 0
10 0 1
11 0 0
12 1 1
13 0 1
14 0 0
Tabel 4.15 Survey Pendapat Responden Mengenai Kapal Lama dan Kapal Baru (Lanjutan)

15 0 1
16 1 1
17 0 0
18 0 0

2022 38
Kelompok 6
19 0 1
20 1 1
Identifikasi: Data diatas adalah data 2 sampel berhubungan karena data tersebut
adalah data perbandingan antara kapal lama dengan kapal baru. Hasil dari kapal
baru akan dipengaruhi oleh kapal lama, karena responden membandingkan kapal baru
dengan kapal lama. Uji yang digunakan adalah uji McNemar dimana uji ini digunakan
untuk mengetahui apakah terdapat perbedaan antara kapal baru dan kapal lama.
PT Samudera Indonesia Tbk. tak lupa untuk melakukan pengontrolan terhadap
profit dari jumlah penumpang selama satu tahun. Pengontrolan ini dilakukan dengan
membandingkan jumlah penumpang PT Samudera Indonesia Tbk. selama satu tahun
dan jumlah penumpang pada 2 perusahaan pesaing yang bergerak di bidang yang sama.
Sampel data tersebut digunakan untuk mengetahui apakah ketiga sampel memiiki rataan
yang sama atau tidak dan untuk mengetahui apakah ketiga sampel memiliki median
yang sama atau tidak. Berikut ini data jumlah penumpang PT Samudera Indonesia Tbk.
dan 2 perusahaan pesaing dalam satu tahun terakhir untuk membandingkan apakah PT
Samudera Indonesia Tbk. memiliki nilai penjualan yang lebih baik dibanding
perusahaan pesaing.
Tabel 4.16 Jumlah Penumpang pada Ketiga Perusahaan Selama Satu Tahun
No PT Samudera Indonesia Tbk. PT Berlian Laju Tanker Tbk PT Buana Lintas Tbk
1 917 974 874
2 937 904 959
3 913 974 909
4 949 930 878
5 934 974 927
6 915 899 909
7 914 927 975
8 915 954 934
9 887 878 952
10 923 943 916
11 926 971 954
12 964 900 887
Identifikasi: Tabel diatas merupakan data lebih dari 2 sampel yang tidak berhubungan
sehingga menggunakan uji Kruskal Wallis untuk mengetahui kesamaan rataan dalam
analisis variansi, dan uji Median untuk mengetahui apakah beberapa populasi
mempunyai median yang sama atau tidak. Perhitungan manual Kruskall Wallis diawali

2022 39
Kelompok 6
dengan memberi rank pada data, sedangkan uji dengan software SPSS dan Minitab
diawali dengan grouping perlahan.
Manajer departemen produksi PT Samudera Indonesia Tbk. juga berencana
menaikkan anggaran biaya untuk kebersihan di dalam kapal dengan dugaan bahwa
lingkungan yang semakin bersih akan membuat kenyamanan para penumpang semakin
meningkat sehingga tingkat kepuasannya semakin baik. Namun, sebelumnya ia ingin
memastikan apakah dugaannya benar dan seberapa kuat hubungan antara kebersihan
kapal dengan tingkat kepuasan para penumpang di Kapal. Untuk itu, dilakukan
pengambilan data dengan menyebarkan dua kuesioner berskala 1-100 kepada 15
penumpang di kapal, dimana kuesioner pertama mempertanyakan persepsi mereka
terhadap tingkat kebersihan lingkungan saat ini dan kuesioner yang kedua
mempertanyakan tingkat kepuasan mereka dalam menikmati perjalanannya. Semakin
besar angka yang diberikan maka menunjukkan lingkungan kerja yang semakin bersih
dan tingkat kepuasan yang semakin tinggi. Adapun, hasil dari kuesioner tersebut
disajikan pada tabel di bawah ini.
Tabel 4.17 Kuesioner Kenyamanan Penumpang
No Kebersihan Lingkungan Kapal Kepuasan Penumpang

1 50 88
2 95 29
3 23 91
4 47 63
5 100 30
6 55 59
7 58 58
8 94 35
9 42 75
10 86 48
11 57 83
12 35 48
13 21 39
14 64 45
Tabel 4.18 Kuesioner Kenyamanan Penumpang (Lanjutan)
No Kebersihan Lingkungan Kapal Kepuasan Penumpang

15 69 69
Identifikasi: Data diatas dapat diselesaikan dengan uji statistika non parametrik
asosiatif. Pengujian ini dilakukan menggunakan uji Korelasi Rank Separman yang

2022 40
Kelompok 6
bertujuan untuk mengetahui apakah terdapat korelasi yang signifikan antara kedua
variabel.
4.2 Non Parametrik Satu Sampel

4.2.1 Uji Binomial dan Uji Run
a. Data
Berikut merupakan data yang digunakan untuk uji Binomial dan Runs.
Tabel 4.19 Data Uji Binomial dan Runs Satu Sampel
Nahkoda Pilihan
1 2
2 2
3 2
4 1
5 1
6 2
7 2
8 2
9 1
10 1
11 1
12 2
13 2
14 1
15 1
16 2
17 2
18 1
19 1
20 1
b. Uji Binomial
1. H0: P1 = P2; (Data memiliki proporsi yang sama)
2. H1: P1 ≠ P2; (Data memiliki proporsi yang tidak sama)
3. α : 0,05
4. Daerah kritis: Exact Sig. (2-tailed) < 0,05

2022 41
Kelompok 6
5. Perhitungan:
Berikut ini merupakan output Uji Binomial pada Software SPSS.
Tabel 4.20 Output Uji Binomial pada SPSS
Binomial Test
Exact Sig. (2-
Category N Observed Prop. Test Prop. tailed)
Pilihan Group 1 2.00 10 .50 .50 1.000
Group 2 1.00 10 .50
Total 20 1.00
6. Keputusan: Jangan tolak H0 karena Exact Sig. (2-tailed) berada di luar

daerah kritis (1,000 > 0,05).
7. Kesimpulan: Data memiliki proporsi yang sama.
c. Uji Runs
1. H0: Data sampel bersifat acak
2. H1: Data sampel bersifat tidak acak
3. α : 0,05
4. Daerah kritis:
a. Manual: Z > 1,96 atau Z < -1,96 (Tabel L.3 Walpole)
b. SPSS: Asymp Sig. < 0,05
5. Perhitungan:
a. Manual
Berikut ini merupakan tabel perhitungan manual Uji Runs.
Tabel 4.21 Perhitungan Manual Uji Runs
Nahkoda Pilihan Tanda Runtun
1 2 - 1

2022 42
Kelompok 6
2 2 -
3 2 -
4 1 +
2
5 1 +
6 2 -
7 2 - 3
8 2 -
9 1 +
10 1 + 4
11 1 +
12 2 -
5
13 2 -
14 1 +
6
15 1 +
16 2 -
7
17 2 -
18 1 +
19 1 + 8
20 1 +
Banyaknya Runs = 8
n1 = 10; n2 = 10; V = 8
2 n 1 n2 2 (10 )( 10 )
μv = +1= +1=11
n1+n 2 10+10
2 n 1n 2 ( 2 n1 n 2−n 1−n 2 )
σv 2=
( n1+ n2 )2 ( n 1+ n 2−1 )
2 ( 10 ) ( 10 ) ×(2 ( 10 ) ( 10 )−10−10)
¿ =4,737
( 10+10 )2(10+ 10−1)
σv= √ σv2 =√ 4,737=2,176
v−μv 8−11
Z= = =−1,378
σv 2,176
b. SPSS

2022 43
Kelompok 6
Berikut ini merupakan output Uji Runs pada Software SPSS.

Tabel 4.22 Output Uji Runs pada Software SPSS
Runs Test
Pilihan
Test Value a
1.50
Cases < Test Value 10
Cases >= Test Value 10
Total Cases 20
Number of Runs 8
Z -1.149
Asymp. Sig. (2-tailed) .251
a. Median
6. Keputusan:
a. Manual: Jangan tolak H0 karena nilai Z berada di luar daerah kritis (-
1,96 < -1,378 < 1,96)
b. SPSS: Jangan tolak H0 karena 0,251 > 0,05 (P > α )
7. Kesimpulan: Urutan kejadian data sampel bersifat acak.
4.2.2 Uji One Sample Kolmogorov-Smirnov Test dan Uji Chi-Square
a. Data
Berikut ini merupakan data uji satu sampel untuk Uji Kolmogorov-Smirnov
dan Chi-Square.
Tabel 4.23 Data Uji Satu Sampel Uji Kolmogorov-Smirnov dan Chi-Square
1 57 70 53 65 54 57
2 64 55 59 61 66 62
3 60 56 70 60 58 65
4 60 68 55 69 57 54
Tabel 4.24 Data Uji Satu Sampel Uji Kolmogorov-Smirnov dan Chi-Square (Lanjutan)
5 54 68 53 56 59 65
6 62 62 50 54 64 67
7 68 59 69 68 60 54
8 65 52 62 63 50 63

2022 44
Kelompok 6
9 62 63 53 57 55 70
10 50 61 69 55 67 65
11 50 55 58 59 52 63
12 65 55 59 64 67 60
b. Uji One Sample Kolmogorov-Smirnov Test
1. H0: μ 1=μ 2 (Data mengikuti sebaran distribusi normal)
2. H 1: μ 1 ≠ μ 2 ; (Data tidak mengikuti sebaran distribusi normal)
3. α : 0,05
4. Daerah kritis: Asymp Sig. (2-tailed) < 0,05
5. Perhitungan:
Berikut ini merupakan output Uji Kolmogorov-Smirnov Software
SPSS.
Tabel 4.25 Output Software SPSS Uji Kolmogorov-Smirnov
One-Sample Kolmogorov-Smirnov Test
Total
N 12
Normal Parameters a,b
Mean 361.3333
Std. Deviation 10.38647
Most Extreme Differences Absolute .188
Positive .119
Negative -.188
Test Statistic .188
Asymp. Sig. (2-tailed) .200c,d
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.
d. This is a lower bound of the true significance.
6. Keputusan: Jangan tolak H0 karena nilai Asymp Sig. (2-tailed) berada di

luar daerah kritis (0,200 > 0,05)
7. Kesimpulan: Data mengikuti sebaran distribusi normal
c. Uji Chi Square

1. H0: μ 1=μ 2 (Data mengikuti sebaran distribusi normal)
2. H 1: μ 1 ¿ μ 2 ; (Data tidak mengikuti sebaran distribusi normal)
3. α : 0,05
4. Daerah kritis: Asymp Sig. < 0,05

2022 45
Kelompok 6
5. Perhitungan:
Berikut ini merupakan output Uji Chi-Square pada Software SPSS.
Tabel 4.26 Output Uji Chi Square pada Software SPSS
Test Statistics
Total
Chi-Square 1.333a
df 9
Asymp. Sig. .998
a. 10 cells (100.0%) have
expected frequencies less
than 5. The minimum
expected cell frequency is
1.2.
6. Keputusan: Jangan tolak H0 karena nilai Asymp Sig. berada di luar

daerah kritis (0,998 > 0,05)
7. Kesimpulan: Data mengikuti sebaran distribusi normal.
4.3 Non Parametrik Dua Sampel

4.3.1 Saling Berhubungan
4.3.1.1 Uji Tanda dan Uji Wilcoxon
a. Data
Berikut data statistik non parametrik dua sampel daling berhubungan :
Tabel 4.27 Data Non Parametrik Dua Sampel Saling Berhubungan
1 92 90
2 62 87
3 90 90
4 66 61
5 74 74
6 85 84
7 77 90
Tabel 4.28 Data Non Parametrik Dua Sampel Saling Berhubungan (Lanjutan)
8 75 70
9 73 88
10 79 60
11 64 80
12 61 78

2022 46
Kelompok 6
13 70 81
14 70 90
15 95 69
16 71 75
17 61 78
18 62 63
19 76 74
20 81 94
21 64 64
22 83 61
23 66 63
24 87 93
25 87 64
26 67 81
27 74 72
28 94 95
29 89 92
30 65 61
Data di atas dapat diselesaikan dengan uji statistika non parametrik dua sampel
yang saling berhubungan. Pengujian yang dilakukan yaitu uji tanda dan uji Wilcoxon.
b. Uji Tanda
Hipotesis :
1. H0: µ1 - µ2 = 0 (Tidak terdapat pengaruh efisiensi waktu antara sebelum
dengan setelah pengeluaran kapal baru)
2. H1: µ1 - µ2 ≠ 0 (Terdapat pengaruh efisiensi waktu antara sebelum dengan
setelah pengeluaran kapal baru).
3. α : 0.05
4. Daerah Kritis :
a. Manual : 𝑍0 < 𝑍𝑡𝑎𝑏𝑒𝑙 dan 𝑍0 > 𝑍𝑡𝑎𝑏𝑒𝑙
𝑍0 < -1,96 dan 𝑍0 >1,96 ( berdasar tabel Walpole L3 )
b. SPSS : Exact Sig. < 0.05
5. Perhitungan :
 Manual
Berikut merupakan tabel hasil perhitungan manual uji tanda dua
sampel berhubungan :
Tabel 4.29 Perhitungan Manual Uji Tanda 2 Sampel Berhubungan
No Kapal Express Kapal Reguler Selisih Tanda (+) Tanda (-)

2022 47
Kelompok 6
1 92 90 2 +
2 62 87 -25 -
3 90 90 0
4 66 61 5 +
5 74 74 0
6 85 84 1 +
7 77 90 -13 -
8 75 70 5 +
9 73 88 -15 -
10 79 60 19 +
11 64 80 -16 -
12 61 78 -17 -
13 70 81 -11 -
14 70 90 -20 -
15 95 69 26 +
16 71 75 -4 -
17 61 78 -17 -
18 62 63 -1 -
19 76 74 2 +
20 81 94 -13 -
21 64 64 0
22 83 61 22 +
23 66 63 3 +
24 87 93 -6 -
25 87 64 23 +
26 67 81 -14 -
27 74 72 2 +
28 94 95 -1 -
29 89 92 -3 -
30 65 61 4 +
T¿
T¿
r +¿−0,5 n 12−0,5 x 27
Z 0= = =−0,577 ¿
0,5 √ n 0,5 √27
Ztabel =1,96
 SPSS

2022 48
Kelompok 6
Berikut merupakan hasil output uji tanda dengan menggunakan

software SPSS :
Tabel 4.30 Hasil Uji Tanda dengan SPSS
Test Statisticsa
KapalReguler -
KapalExpress
Z -.385
a. Sign Test
6. Keputusan :
Manual - 0,577 > -1.96 maka jangan tolak Ho
SPSS 0,700 > 0.05 maka jangan tolak Ho.
7. Kesimpulan : Tidak terdapat pengaruh efisiensi waktu antara sebelum
dengan setelah pengeluaran kapal baru.
c. Uji Wilcoxon
Hipotesis
1. Ho : μ1 = μ2 (Tidak terdapat perbedaan sebelum dengan sesudah
pengeluaran kapal baru.)
2. H1 : μ1 ≠ μ2 (Terdapat perbedaan sebelum dengan sesudah pengeluaran
kapal baru.)
3. α =0.05
4. Daerah Kritis:
Wα Wα
a. Manual: 𝑊ℎ𝑖𝑡𝑢𝑛𝑔 ≤ ; n = 30; v=30-1= 29 ; = 137 dari tabel
L16
b. SPSS Asymp.Sig<0.05
5. Perhitungan:
 Manual
Berikut merupakan hasil perhitungan manual uji wilcoxon dua
sampel berhubungan :

2022 49
Kelompok 6
Tabel 4.31 Uji Wilcoxon Manual
Kapal Kapal Tanda Tanda

No Selisih |Selisih| Tanda Pering kat
Express Reguler Positif Negatif
1 92 90 2 2 + 5 5
2 62 87 -25 25 - 26 26
3 90 90 0 0
4 66 61 5 5 + 11,5 11,5
5 74 74 0 0
6 85 84 1 1 + 2 2
7 77 90 -13 13 - 15,5 15,5
8 75 70 5 5 + 11,5 11,5
9 73 88 -15 15 - 18 18
10 79 60 19 19 + 22 22
11 64 80 -16 16 - 19 19
12 61 78 -17 17 - 20,5 20,5
13 70 81 -11 11 - 14 14
14 70 90 -20 20 - 23 23
15 95 69 26 26 + 27 27
16 71 75 -4 4 - 9,5 9,5
17 61 78 -17 17 - 20,5 20,5
18 62 63 -1 1 - 2 2
19 76 74 2 2 + 5 5
20 81 94 -13 13 - 15,5 15,5
21 64 64 0 0
22 83 61 22 22 + 24 24
23 66 63 3 3 + 7,5 7,5
24 87 93 -6 6 - 13 13
25 87 64 23 23 + 25 25
26 67 81 -14 14 - 17 17
27 74 72 2 2 + 5 5
28 94 95 -1 1 - 2 2
29 89 92 -3 3 - 7,5 7,5
30 65 61 4 4 + 9,5 9,5
Total 155 223
W¿
+25+5+ 9,5=155
W¿
+2+15,5+13+17 +2+7,5=223

2022 50
Kelompok 6
W = W terkecil
W = 155
Karena ΣW (-) > ΣW (+) maka, yang digunakan adalah W+, sehingga f
hitung = 155
Whitung > Wα = 155 > 137
 SPSS
Berikut merupakan hasil output uji Wilcoxon dengan mengguankan
software SPSS:
Tabel 4.32 Hasil Uji Wilcoxon dengan SPSS
Test Statisticsa
KapalReguler -
KapalExpress
Z -.817b
a. Wilcoxon Signed Ranks Test

b. Based on negative ranks.
6. Keputusan :
Manual : Jangan Tolak H0 karena Whitung > Wα yaitu 155 > 137
SPSS : Jangan Tolak H0 karena asymp. Sig > 0,05 yaitu 0.414 > 0.05
7. Kesimpulan : Tidak terdapat perbedaan sebelum dengan sesudah
pengeluaran kapal baru.
4.3.1.2 Uji McNemar
a. Data
Berikut merupakan data uji Mc Nemar :
Tabel 4.33 Survey Pendapat Responden Mengenai Kapal Lama dan Kapal Baru
1 0 0
2 1 1
3 0 1
4 0 1
5 0 0
Tabel 4.34 Survey Pendapat Responden Mengenai Kapal Lama dan Kapal Baru (Lanjutan)
6 0 0
7 0 0
8 0 1

2022 51
Kelompok 6
9 0 0
10 0 1
11 0 0
12 1 1
13 0 1
14 0 0
15 0 1
16 1 1
17 0 0
18 0 0
19 0 1
20 1 1
b. Pengolahan Data
Hipotesis
1. Ho : : 𝜇1 − 𝜇2 = 0 (Tidak terdapat pengaruh perbedaan antara kapal lama
dan kapal baru)
2. H1 : 𝜇1 − 𝜇2 ≠ 0 (Terdapat pengaruh perbedaan antara kapal lama dan
kapal baru).
3. α =0.05
4. Daerah Kritis :
- Manual :
𝛼 = 0.05; v = n-1 = 2-1 = 1
X2 hitung > X2 tabel
X2 hitung > 3,8415 (tabel L5 Walpole)
- SPSS : Exact.sig < 0.05
5. Perhitungan:
 Manual
Berikut merupakan hasil perhitungan manual uji mcnemar :

2022 52
Kelompok 6
Tabel 4.35 Hasil Perhitungan Manual McNemar

Baru
Lama 0 1
0 9 (A) 7 (B)
1 0 (C) 4 (D)
Keterangan :
A = Kapal lama termasuk ke dalam kategori tidak disukai
konsumen (0) dan kapal baru termasuk kategori tidak disukai
konsumen (0)
B = Kapal lama termasuk ke dalam kategori tidak disukai
konsumen (0) dan Kapal baru termasuk ke dalam kategori
disukai konsumen(1)
C = Kapal lama termasuk ke dalam kategori disukai konsumen (1)
dan Kapal lama termasuk ke dalam kategori tidak disukai
konsumen(0)
D = Kapal lama termasuk ke dalam kategori disukai konsumen (1)
dan Kapal baru termasuk ke dalam kategori disukai konsumen (1).
2
(|b−c|−1)
X 2=
b+ c
2
( ¿7−0∨−1)
X 2= =5,143
7 +0
 SPSS
Berikut merupakan hasil output uji Mc Nemar dengan mengguankan
software SPSS :
Tabel 4.36 Output Uji McNemar dengan SPSS
Test Statisticsa
KapalLama &
KapalBaru
N 20
Exact Sig. (2-tailed) .016b
a. McNemar Test
b. Binomial distribution used.
6. Keputusan :
- Manual : Tolak H0 karena X2 hitung > X2 tabel yaitu 5,143>3,841

2022 53
Kelompok 6
- SPSS : Tolak H0 karena nilai Exact Sig <0,05 yaitu 0,016 < 0.05
7. Kesimpulan : Terdapat pengaruh perbedaan antara kapal lama dan kapal
baru.
4.3.2 Tidak Saling Berhubungan
4.3.2.1 Uji Mann Whitney, Uji Kolmogorov-Smirnov Z, Wald-Wokfowitz Runs,
dan Uji Jumlah Rank
a. Data
Berikut merupakan data untuk Uji Mann Whitney, Uji Kolmogorov-
Smirnov Z, Wald- Wolfowitz Runs, dan Uji Jumlah Rank.
Tabel 4.37 Data Uji Dua Sampel Non Parametrik Tidak Saling Berhubungan

1 668 645
2 627 679
3 681 706
4 664 692
5 673 641
6 647 659
7 696 698
8 708 674
9 657 658
10 700 649
11 628 704
12 636 681
13 651 626
14 644 696
15 654 698
16 645 619
17 686 667
18 649 676
19 645 646
20 649 708

2022 54
Kelompok 6
b. Uji Mann Whitney

1. H0 : Tidak terdapat perbedaan rataan jumlah penumpang antara PT
Samudra Indonesia Tbk dengan PT Berlian Laju Tanker Tbk
2. H1 : Terdapat perbedaan rataan jumlah penumpang antara PT
3. α: 0,05
4. Daerah kritis:
 Manual: U hitung ≤ 127 dengan n1 = n2 = 20
 SPSS: Asymp. Sig. < 0,05
5. Perhitungan:
 Manual
Berikut merupakan perhitungan manual Uji Mann Whitney
Tabel 4.38 Perhitungan Uji Mann Whitney secara Manual
PT Samudera PT Berlian Laju

No Rank Rank
Indonesia Tbk. Tanker Tbk
1 668 23 645 9
2 627 3 679 27
3 681 28,5 706 38
4 664 21 692 31
5 673 24 641 6
6 647 12 659 20
7 696 32,5 698 34,5
8 708 39,5 674 25
9 657 18 658 19
10 700 36 649 14
11 628 4 704 37
12 636 5 681 28,5
13 651 16 626 2
14 644 7 696 32,5
15 654 17 698 34,5
16 645 9 619 1
17 686 30 667 22
18 649 14 676 26

2022 55
Kelompok 6
Tabel 4.39 Perhitungan Uji Mann Whitney secara Manual (Lanjutan)

No Rank Rank
19 645 9 646 11
20 649 14 708 39,5
Total 362,5 Total 457,5
n1 = 20
n2 = 20
R1 = 362,5
R2 = 457,5
n1 ( n1 +1 ) 20 ( 20+ 1 )
U 1=n1 n 2+ −R1=20× 20+ −362,5
2 2
= 247,5
n2 ( n2+1) 20 ( 20+1 )
U 2=n1 n 2+ −R2=20 × 20+ −457,5
2 2
= 152,5
U hitung terkecil = 152,5
 SPSS
Berikut merupakan perhitungan Uji Mann Whitney dengan
software SPSS
Tabel 4.40 Uji Mann Whitney dengan SPSS
Ranks
var N Mean Rank Sum of Ranks
Data 1.00 20 18.13 362.50
2.00 20 22.88 457.50
Total 40
Tabel 4.41 Uji Mann Whitney dengan SPSS (2)
Test Statisticsa
Data
Mann-Whitney U 152.500
Wilcoxon W 362.500
Z -1.286
Exact Sig. [2*(1-tailed Sig.)] .201b
a. Grouping Variable: var

2022 56
Kelompok 6
b. Not corrected for ties.

6. Keputusan:
 Manual: Jangan tolak H0 karena U hitung > 127 (152,5 > 127)
 SPSS: Jangan tolak H0 karena Asymp. Sig. > 0,05 (0,199 > 0,05)
7. Kesimpulan: Tidak terdapat perbedaan rataan jumlah penumpang
antara PT Samudra Indonesia Tbk dengan PT Berlian Laju Tanker
Tbk
c. Uji Kolmogorov-Smirnov
3. α: 0,05
4. Daerah kritis:
 SPSS: Asymp. Sig. < 0,05
5. Perhitungan:
 SPSS
Berikut merupakan perhitungan Uji Kolmogorov-Smirnov
menggunakan software SPSS
Tabel 4.42 Uji Kolmogorov-Smirnov dengan SPSS
Test Statisticsa
Data
Most Extreme Differences Absolute .300
Positive .300
Negative -.100
Kolmogorov-Smirnov Z .949
a. Grouping Variable: var

6. Keputusan: Jangan tolak H0 karena Asymp. Sig.> 0,05 (0,329 >
0,05)
Tbk

2022 57
Kelompok 6
d. Uji Wald-Wolfowitz Runs

3. α : 0,05
4. Daerah kritis:
 SPSS: Z hitung > 1.96 dan Z hitung < -1.96
5. Perhitungan:
 SPSS
Berikut merupakan perhitungan Uji Wald-Wolfowitz Runs
menggunakan software SPSS
Tabel 4.43 Uji Wald-Wolfowitz Runs dengan SPSS
Test Statisticsa,b
Asymp. Sig. (1-

Number of Runs Z tailed)
Data Minimum Possible 20 c

-.160 .436
Maximum Possible 25c 1.442 .925
a. Wald-Wolfowitz Test
b. Grouping Variable: var
c. There are 5 inter-group ties involving 12 cases.
6. Keputusan: Jangan tolak H0 karena Z < 1,96 (1,442 < 1,96) dan Z >
-1,96 (-0,160 > -1,96)
Tbk
e. Uji Jumlah Rank

2022 58
Kelompok 6
3. α : 0,05
4. Daerah kritis: U hitung ≤ 127 dengan n1 = n2 = 20
5. Perhitungan:
Berikut merupakan perhitungan Uji Jumlah Rank secara manual
Tabel 4.44 Uji Jumlah Rank secara Manual

No Rank Rank
1 668 23 645 9
2 627 3 679 27
3 681 28,5 706 38
4 664 21 692 31
5 673 24 641 6
6 647 12 659 20
7 696 32,5 698 34,5
8 708 39,5 674 25
9 657 18 658 19
10 700 36 649 14
11 628 4 704 37
12 636 5 681 28,5
13 651 16 626 2
14 644 7 696 32,5
15 654 17 698 34,5
16 645 9 619 1
17 686 30 667 22
18 649 14 676 26
19 645 9 646 11
20 649 14 708 39,5
Total 362,5 Total 457,5
n1 = n2 = 20
w1 = 362,5
( n1 +n2 ) ( n1 +n 2+1 )
w 2= −w1
2
(20+20) ( 20+20+1 )
¿ −362,5 = 457,5
2
n1 ( n1−1 ) 20 ( 20−1 )
U 1=w1− =362,5+ =552,5
2 2

2022 59
Kelompok 6
n2 ( n2 −1 ) 20 ( 20−1 )
U 2=w2− =362,5+ =647,5
2 2
U hitung terkecil = 552,5
6. Keputusan: Jangan tolak H0 karena U hitung > 127 (552,5 > 127)
Tbk
4.4 Non Parametrik Lebih Dari Dua Sampel

4.4.1.1 Uji Friedman dan Uji Kendall W
a. Data
Berikut merupakan data non parametrik lebih dari dua sampel untuk Uji
Friedman dan uji Kendall W.
Tabel 4.45 Data Uji Friedman dan Uji Kendall W
No Bahan Kapal Model Kapal Warna Kapal

1 2 3 2
2 4 2 4
3 4 3 3
4 4 1 5
5 1 5 2
6 5 4 3
7 5 3 4
8 5 5 3
9 1 3 2
10 1 1 4
11 1 2 3
12 2 4 3
b. Uji Friedman
1. H0 : µ0 = µ1 = µ2 = µ3 (Tidak terdapat perbedaan rataan antar variabel)
2. H1 : µ0 ≠ µ1 ≠ µ2 ≠ µ3 (Sekurang-kurangnya terdapat 1 variabel
memiliki beda rataan)
3. α : 0,05
4. Daerah Kritis:
 Manual: χ2 hitung > 5,991 dengan v = k-1 = 3-1 = 2
 SPSS: χ2 > 5,991 dan Asymp. Sig < 0,05

2022 60
Kelompok 6
5. Perhitungan:
 Manual:
Berikut merupakan perhitungan manual Uji Friedman
Tabel 4.46 Perhitungan Manual Uji Friedman
Bahan Model Warna

No Rank Rank Rank
Kapal Kapal Kapal
1 2 1,5 3 3 2 1,5
2 4 2,5 2 1 4 2,5
3 4 3 3 1,5 3 1,5
4 4 2 1 1 5 3
5 1 1 5 3 2 2
6 5 3 4 2 3 1
7 5 3 3 1 4 2
8 5 2,5 5 2,5 3 1
9 1 1 3 3 2 2
10 1 1,5 1 1,5 4 2
11 1 1 2 2 3 3
12 2 1 4 3 3 2
Total 23 Total 24,5 Total 23,5
n = 12, k = 3
x r 2=¿
[
x r 2=
12
12× 3(3+1) ]
∑ (232+ 24,52+ 23,52) −3 ×12(3+1)
¿−3,875
 SPSS:
Berikut merupakan perhitungan Uji Friedman menggunakan
software SPSS
Tabel 4.47 Uji Friedman menggunakan SPSS
Test Statisticsa
N 12
Chi-Square .140
df 2
Asymp. Sig. .933
a. Friedman Test
6. Keputusan:
 Manual: Jangan tolak H0 karena χ2 hitung < 5,991 (-3,875 >
5,991)

2022 61
Kelompok 6
 SPSS: Jangan tolak H0 karena χ2 < 5,991 (0,140 < 5,991) dan
Asymp. Sig < 0,05 (0,933 > 0,05)
7. Kesimpulan: Tidak terdapat perbedaan rataan antar variabel
c. Uji Kendall W
1. H0 : µ0 = µ1 = µ2 = µ3 (Tidak terdapat perbedaan rataan antar variabel)
2. H1 : µ0 ≠ µ1 ≠ µ2 ≠ µ3 (Sekurang-kurangnya terdapat 1 variabel
memiliki beda rataan)
3. α : 0,05
4. Daerah Kritis:
 Manual: χ2 hitung > 5,991 dengan v = k-1 = 3-1 = 2
 SPSS: χ2 > 5,991 dan Asymp. Sig < 0,05
5. Perhitungan:
 Manual:
Berikut merupakan perhitungan manual Uji Kendall W
Tabel 4.48 Perhitungan Manual Uji Kendall W
Bahan Model Warna

No Rank Rank Rank
Kapal Kapal Kapal
1 2 1,5 3 3 2 1,5
2 4 2,5 2 1 4 2,5
3 4 3 3 1,5 3 1,5
4 4 2 1 1 5 3
5 1 1 5 3 2 2
6 5 3 4 2 3 1
7 5 3 3 1 4 2
8 5 2,5 5 2,5 3 1
9 1 1 3 3 2 2
10 1 1,5 1 1,5 4 2
11 1 1 2 2 3 3
12 2 1 4 3 3 2
Total 23 Total 24,5 Total 23,5
2
x =12 ( 3−1 ) (−3,830 )=−91,92
 SPSS:
Berikut merupakan perhitungan Uji Friedman menggunakan
software SPSS

2022 62
Kelompok 6
Tabel 4.49 Uji Kendall’s W menggunakan SPSS
Test Statistics
N 12
Kendall's W a
.006
Chi-Square .140
df 2
Asymp. Sig. .933
a. Kendall's Coefficient of
Concordance
6. Keputusan:
 Manual: Jangan tolak H0 karena χ2 hitung < 5,991 (-91,92 >
5,991)
 SPSS: Jangan tolak H0 karena χ2 < 5,991 (0,140 < 5,991) dan
Asymp. Sig > 0,05 (0,933 > 0,05)
7. Kesimpulan: Tidak terdapat perbedaan rataan antar variable
4.4.1.2 Uji Cochran Q
a. Data
Berikut ini merupakan data untuk pengujian Cochran Q:
Tabel 4.50 Data Uji Cochran Q
No AC TV Kantin Kamar Mandi Selimut

1 1 0 0 0 1
2 0 1 1 0 0
3 0 1 1 0 0
4 0 0 0 0 1
5 1 0 0 0 1
6 0 1 1 1 0
7 0 1 1 1 1
8 0 0 0 1 1
9 1 1 1 1 1
10 1 0 0 0 1
11 1 0 1 1 0
12 0 1 0 0 0
13 1 0 0 0 1
b. Uji Cochran Q
Hipotesis

2022 63
Kelompok 6
1. H0: σ 1=σ 2=σ 3=σ 4 =σ 5 (Kelima data memiliki variansi yang sama)
2. H1: σ 1 ≠ σ 2 ≠ σ 3 ≠ σ 4 ≠ σ 5 (Kelima data tidak memiliki variansi yang sama)
3. α =0,05
4. Daerah kritis
a. Manual
V=k–1=5–1=3
2 2
X tabel = X (0,05, 4) = 9,488 (tabel L.5 Walpole)
2
X >¿ 9,488
b. SPSS
P (Asymp. Sig.) < 0,05
5. Perhitungan
a. Manual
Berikut ini merupakan perhitungan manual uji Cochran:
Tabel 4.51 Hasil Perhitungan Manual Uji Cochran
Kamar Selimu
No AC TV Kantin Rj Rj^2
Mandi t
1 1 0 0 0 1 2 4
2 0 1 1 0 0 2 4
3 0 1 1 0 0 2 4
4 0 0 0 0 1 1 1
5 1 0 0 0 1 2 4
6 0 1 1 1 0 3 9
7 0 1 1 1 1 4 16
8 0 0 0 1 1 2 4
9 1 1 1 1 1 5 25
10 1 0 0 0 1 2 4
11 1 0 1 1 0 3 9
12 0 1 0 0 0 1 1
13 1 0 0 0 1 2 4
Cj 6 6 6 5 8 31 89
Cj^2 36 36 36 25 64 961 7921
( ( ))
2
N
k ( k −1 ) Σ k i−
k
Q=
Σ R j ( k−R j )

2022 64
Kelompok 6
Q=
((
5 ( 5−1 ) 6−
31 2
5 )(
+ 6−
31 2
5 )
+ …+ ( 8−5 )
2
) =1,455
2 ( 5−2 ) +2 (5−2 ) +2 ( 5−2 ) +…+ 2 ( 5−2 )
b. SPSS
Berikut ini merupakan output uji Cochran pada SPSS
Tabel 4.52 Output SPSS Uji Cochran
Test Statistics
N 13
Cochran's Q 1.455a
df 4
Asymp. Sig. .835
a. 1 is treated as a success.
1. Keputusan:
a. Manual
Jangan tolak H0 karena nilai Q hitung lebih kecil daripada nilai X2 tabel
(1,455 < 9,488)
b. SPSS
Jangan tolak H0 karena Asymp. Sig > 0,05 yaitu (0,835 > 0,05).
2. Kesimpulan: Kelima data memiliki variansi yang sama
4.4.2.1 Uji Kruskal Wallis Dan Uji Median
a. Data
Berikut ini merupakan data yang digunakan untuk uji lebih dari 2 sampel
tidak saling berhubungan:
Tabel 4.53 Data Non Parametrik Lebih dari Dua Sampel Tidak Saling Berhubungan
1 917 974 874
2 937 904 959
3 913 974 909
4 949 930 878
5 934 974 927
6 915 899 909
7 914 927 975
Tabel 4.54 Data Non Parametrik Lebih dari Dua Sampel Tidak Saling Berhubungan (Lanjutan)
8 915 954 934

2022 65
Kelompok 6
9 887 878 952

10 923 943 916
11 926 971 954
12 964 900 887
b. Uji Kruskall Wallis
Hipotesis
1. H0: μ1=μ 2=μ3 (Ketiga variabel memiliki rataan yang sama)
2. H1: μ1 ≠ μ2 ≠ μ 3 (Sekurang-kurangnya saru variabel memiliki rataan yang
berbeda)
3. α =0,05
4. Daerah kritis
a. Manual
2 2
X > X a untuk v = k – 1 = 3 – 1 = 2; H > 5,991 (tabel L.5 Walpole)
b. SPSS
(Asymp. Sig.) < 0,05
c. Minitab
p < 0,05
5. Perhitungan
a. Manual
Berikut ini merupakan tabel hasil perhitungan manual Uji Kruskall
Wallis
Tabel 4.55 Hasil Perhitungan Manual Uji Kruskall Wallis
PT Berlian
PT Samudera PT Buana Lintas
No Rank 1 Laju Tanker Rank 2 Rank 3
Indonesia Tbk. Tbk
Tbk
1 917 16 974 34 874 1
2 937 24 904 8 959 30
3 913 11 974 34 909 9,5
4 949 26 930 21 878 2,5
5 934 22,5 974 34 927 19,5
6 915 13,5 899 6 909 9,5
7 914 12 927 19,5 975 38
8 915 13,5 954 29,5 934 22,5
Tabel 4.56 Hasil Perhitungan Manual Uji Kruskall Wallis (Lanjutan)
PT Berlian
PT Samudera PT Buana Lintas
No Rank 1 Laju Tanker Rank 2 Rank 3
Indonesia Tbk. Tbk
Tbk

2022 66
Kelompok 6
9 887 4,5 878 2,5 952 27

10 923 17 943 25 916 15
11 926 18 971 32 954 29,5
12 964 31 900 7 887 4,5
Jumla
h 209 252,5 208,5
43472,25
Rj^2 43681 63756,250 0
Mean 17,417 21,042 17,375
Berdasarkan tabel di rank n1 =n2=n 3=12dan

r 1=201, r 2=252,5 , dan r 3=208,5 maka nilai statistik H bernilai
[(∑ )]
2
12 Rj
H= −3 ( n+1 )
n ( n+1 ) nj
H=
12
[
43681 63756,250 43472,250
36 ( 36+1 ) 12
+
12
+
12
−3 ( 36+1 )
]
H=0,009 ( 12575,791 )−111
H=2,295
b. SPSS
Berikut ini merupakan output perhitungan SPSS Uji Kruskall Wallis
Tabel 4.57 Output SPSS Uji Kruskall Wallis
Test Statisticsa,b
J_Penumpang
Chi-Square .986
df 2
Asymp. Sig. .611
a. Kruskal Wallis Test

b. Grouping Variable: PT
c. Minitab
Berikut ini merupakan output perhitungan Minitab Uji kruskall Wallis
Kruskal-Wallis Test on Penumpang
PT N Median Ave Rank Z

1 12 920,0 17,4 -0,44
2 12 936,5 21,0 0,99
3 12 921,5 17,1 -0,55
Overall 36 18,5
H = 0,98 DF = 2 P = 0,611
H = 0,99 DF = 2 P = 0,611 (adjusted for ties)
6. Keputusan

2022 67
Kelompok 6
a. Manual
Jangan tolak H0 karena nilai H < 5,991 (2,295 < 5,991)
b. SPSS
Jangan tolak H0 karena dari hasil perhitungan SPSS P(Asymp.Sig) >
0,05 (0,611 > 0,05)
c. Minitab
Jangan tolak H0 karena dari hasil perhitungan Minitab P > 0,05 (0,611 >
0,05)
7. Kesimpulan
Ketiga variabel memiliki rataan yang sama
c. Uji median
Hipotesis
1. H0: Populasi mempunyai median yang sama
2. H1: Tidak semua populasi mempunyai median yang sama
3. α =0,05
4. Daerah kritis
a. SPSS: Asymp sig < 0,05
b. Minitab: P < 0,05
5. Perhitungan
Berikut ini merupakan perhitungan Uji Median
a. SPSS
Berikut ini merupakan output perhitungan SPSS Uji Median
Tabel 4.58 Output SPSS Uji Median
Test Statisticsa
J_Penumpang
N 36
Median 926.5000
Chi-Square 2.667b
df 2
Asymp. Sig. .264
a. Grouping Variable: PT

2022 68
Kelompok 6
b. 0 cells (0.0%) have expected

frequencies less than 5. The
minimum expected cell
frequency is 6.0.
b. Minitab
Berikut ini merupakan output perhitungan Minitab Uji Median
Mood median test for Penumpang
Chi-Square = 2,67 DF = 2 P = 0,264
Individual 95,0% CIs

PT N≤ N> Median Q3-Q1 ---+---------+---------+---------+---
1 8 4 920,0 22,0 (-*-----)
2 4 8 936,5 72,3 (--------------*-------------)
3 6 6 921,5 61,0 (-----------*-----------)
---+---------+---------+---------+---
900 925 950 975
Overall median = 926,5

6. Keputusan
a. SPSS
Jangan tolak H0 karena dari hasil perhitungan SPSS P(Asymp.Sig) >
0,05 (0,264 > 0,05)
b. Minitab
Jangan tolak H0 karena dari hasil perhitungan Minitab P > 0,05 (0,264 >
0,05)
7. Kesimpulan
Data berasal dari populasi yang memiliki median yang sama.
4.5 Uji Koefisien Korelasi Rank Spearman

a. Data
Berikut ini merupakan dat asosiatif yang digunakan untuk Uji Koefisien
Korelasi Rank Spearman
Tabel 4.59 Data Uji Koefisien Korelasi Rank Spearman
Kebersihan Lingkungan
No Kepuasan Penumpang
Kapal
1 50 88
2 95 29
3 23 91

2022 69
Kelompok 6
Tabel 4.60 Data Uji Koefisien Korelasi Rank Spearman (Lanjutan)

Kebersihan Lingkungan
No Kepuasan Penumpang
Kapal
4 47 63
5 100 30
6 55 59
7 58 58
8 94 35
9 42 75
10 86 48
11 57 83
12 35 48
13 21 39
14 64 45
15 69 69
b. Uji Koefisien Korelasi Rank Spearman
Hipotesis
1. H0: Tidak ada hubungan antara kebersihan lingkungan kapal dengan
kepuasan penumpang
2. H1: Ada hubungan antara kebersihan lingkungan kapal dengan kepuasan
penumpang
3. α =0,05
4. Daerah kritis
a. Manual: r s> 0,441 (tabel L.21 Walpole)
b. SPSS: Asymp sig < 0,05
5. Perhitungan
a. Manual
Berikut ini merupakan tabel hasil perhitungan manual Uji Koefisien
Korelasi Rank Spearman
Tabel 4.61 Hasil Perhitungan Manual Uji Koefisien Korelasi Rank Spearman
Kebersihan
Kepuasan
No Lingkungan Rank 1 Rank 2 d d^2
Penumpang
Kapal
1 50 88 6 14 -8 64
2 95 29 14 1 13 169
3 23 91 2 15 -13 169
4 47 63 5 10 -5 25

2022 70
Kelompok 6
Tabel 4.62 Hasil Perhitungan Manual Uji Koefisien Korelasi Rank Spearman (Lanjutan)
Kebersihan
Kepuasan
No Lingkungan Rank 1 Rank 2 d d^2
Penumpang
Kapal
5 100 30 15 2 13 169
6 55 59 7 9 -2 4
7 58 58 9 8 1 1
8 94 35 13 3 10 100
9 42 75 4 12 -8 64
10 86 48 12 6,5 5,5 30,25
11 57 83 8 13 -5 25
12 35 48 3 6,5 -3,5 12,25
13 21 39 1 4 -3 9
14 64 45 10 5 5 25
15 69 69 11 11 0 0
Jumlah 866,5
2
6∑ d 6(866,5)
rho= = 2
=1,54 7
n ( n −1 )
2
15(15 −1)
b. SPSS
Berikut ini merupakan output perhitungan SPSS Uji Koefisien Korelasi
Rank Spearman
Tabel 4.63 Output SPSS Uji Koefisien Korelasi Rank Spearman
Correlations
Kebersihan
Lingkungan Kepuasan
Kapal Penumpang
Spearman’s rho Kebersihan Lingkungan Correlation Coefficient 1.000 -.549*

Kapal Sig. (2-tailed) . .034
N 15 15
Kepuasan Penumpang Correlation Coefficient -.549 *

1.000
Sig. (2-tailed) .034 .
N 15 15
*. Correlation is significant at the 0.05 level (2-tailed).

6. Keputusan
a. Manual
Tolak H0 karena rho hitung lebih besar dari pada rho tabel 1,547>0,441
b. SPSS

2022 71
Kelompok 6
Tolak H0 karena karena dari hasil perhitungan SPSS P(Asymp.Sig) <

0,05 (0,034 < 0,05)
7. Kesimpulan
a. Manual
Terdapat hubungan antara kebersihan lingkungan kapal dan kepuasan
penumpang
b. SPSS
Terdapat hubungan antara kebersihan lingkungan kapal dan kepuasan
penumpang dan hubungan antara keduanya tidak searah.

2022 72
Kelompok 6
5. BAB V
ANALISIS
5.1 Non Parametrik Satu Sampel

5.1.1 Uji Binomial dan Uji Runs
a. Uji Binomial
Pada kasus ini akan dianalisis mengenai proporsi nahkoda yang setuju maupun
tidak setuju overtime pada tanggal merah. Data yang diberikan bersifat ordinal, yaitu
angka pada data hanya mewakili suatu pernyataan bukan suatu nilai, sehingga
digunakan Uji Binomial. Uji binomial merupakan uji yang digunakan untuk menguji
hipotesis tentang suatu proposi populasi yang digunakan untuk menggantikan uji
statistik t jika asumsi n kecil dan populasi normal sebagai syarat uji t tidak dipenuhi.
Dalam kasus ini, perlu dilakukan uji untuk melihat apakah data memiliki besar proporsi
yang sama atau tidak. Uji Binomial nantinya akan menghasilkan kesimpulan apakah
besar proporsi data sama atau tidak. Berdasarkan hasil yang dikeluarkan oleh software
SPSS, nilai Exact Sig. sebesar 1,000 sehingga jangan tolak H0 dan berada di luar daerah
kritis, dimana daerah kritisnya adalah lebih dari 0,05. Berdasarkan hasil tersebut,
didapat kesimpulan bahwa proporsi nahkoda setuju overtime pada tanggal merah.
b. Uji Runs
Uji runs merupakan uji yang digunakan untuk mengetahui apakah suatu data
yang ada merupakan data yang acak. Dalam kasus ini, perlu dilakukan uji untuk
mengetahui apakah data merupakan hasil acak dengan menggunakan uji runs. Pada
output software SPSS didapat hasil Asymp. Sig sebesar 0,251, maka jangan tolak H 0
karena berada di luar daerah kritisnya yaitu berada diatas 0,05. Pada hasil perhitungan
manual didapat nilai Z sebesar -1,378. Ini menunjukkan bahwa nilai H 0 jangan tolak
karena berada di daerah kritis (-1,96 < -1,378 < 1,96). Dari hasil ini, dapat disimpulkan
bahwa kedua perhitungan tersebut bahwa data sampel bersifat acak.
5.1.2 Uji One Sample Kolmogorov-Smirnov Test dan Uji Chi-Square
a. Uji One Sample Kolmogorov-Smirnov Test
Uji Kolmogorov-Smirnov digunakan untuk menguji apakah data berdistribusi
normal atau tidak. Dalam hal ini kita ingin mengetahui apakah data yang kita punya
normal atau tidak. Setelah dilakukan perhitungan dengan menggunakan software SPSS,

2022 73
Kelompok 6
didapat bahwa nilai Asymp. Sig. sebesar 0,200. Maka dari itu, jangan tolak H 0 karena
nilai Asymp Sig. (2-tailed) berada di luar daerah kritis (0,200 > 0,05) dan dapat
disimpulkan bahwa data mengikuti sebaran distribusi normal.
b. Uji Chi-Square
Uji Chi-Square pada statistik Non Parametrik digunakan untuk mengetahui
apakah data yang ada memenuhi suatu distribusi tertentu. Pada perhitungan diatas, uji
Chi-Square digunakan untuk mengetahui apakah data tersebut berdistribusi secara
normal atau tidak. Melalui hasil perhitungan software SPSS, akan dilihat apakah data
mengikuti sebaran distribusi normal atau tidak. Berdasarkan perhitungan yang telah
dilakukan, Nilai asymp. Sig sebesar 0,998 yang merupakan lebih besar dari nilai
kritisnya yaitu 0,05. Oleh karena itu, dapat diputuskan jangan tolak H0 karena nilai
Asymp Sig. berada di luar daerah kritis (0,998 > 0,05) dan dapat disimpulkan bahwa
data mengikuti sebaran distribusi normal
5.2 Non Parametrik Dua Sampel
5.2.1.1 Uji Tanda dan Uji Wilcoxon
a. Uji Tanda
Data perbandingan penilaian survey responden antara Kapal Express dan Kapal
Reguler dalam restoran merupakan jenis data ordinal, karena hanya menggambarkan
jumlah kategori atau pengelompokkan saja dan tidak menggambarkan urutan (posisi
data setara). Uji ini dilakukan berdasarkan tanda + dan – yang didapat dari pengurangan
hasil pengamatan kedua dengan hasil pengamatan pertama. Dalam kasus ini, uji
dilakukan untuk mengetahui apakah terdapat efisiensi waktu antara sebelum dengan
setelah pengeluaran kapal baru. Berdasarkan perhitungan software SPSS, diketahui
exact sig bernilai 0,700 atau lebih besar dari 0,05 yang merupakan daerah kritisnya,
sedangkan pada perhitungan manual, hasil perhitungan menunjukkan nilai z sebesar -
0,577 atau lebih besar dari -1,96 yang berada di luar daerah kritisnya, sehingga
keputusannya adalah jangan tolak H0. Hal ini menunjukkan tidak terdapat pengaruh
efisiensi waktu antara sebelum dengan setelah pengeluaran kapal baru (tidak ada
pengaruh antara kapal express dan juga kapal reguler).
b. Uji Wilcoxon

2022 74
Kelompok 6
Uji ini merupakan perkembangan dari uji tanda dimana nilai yang ada di
ranking. Dalam kasus ini, uji Wilcoxon dilakukan untuk mengetahui apakah terdapat
terdapat perbedaan sebelum dengan sesudah pengeluaran kapal baru. Berdasarkan hasil
perhitungan SPSS, didapatkan hasil asymp. Significant sebesar 0.414 yang merupakan
nilai yang lebih besar dari 0.05. Pada perhitungan secara manual, didapatkan hasil 155
yang merupakan angka yang lebih besar dari angka 137 yang merupakan daerah
kritisnya, jadi dapat disimpulkan bahwa tidak terdapat pengaruh perbedaan sebelum
dengan sesudah pengeluaran kapal baru yaitu Kapal Express.
5.2.1.2 Uji McNemar
Data survey pendapat responden mengenai kapal lama dan kapal baru
merupakan jenis data nominal, karena hanya menggambarkan jumlah kategori atau
pengelompokkan saja dan tidak menggambarkan urutan (posisi data setara). Uji ini
dilakukan agar diketahui apakah terdapat perbedaan pendapat yang terjadi sebelum dan
setelah suatu perlakuan diterapkan dan dalam kasus ini untuk mengetahui apakah
antara kapal lama dan kapal baru memiliki perbedaan atau tidak.Dari data sampel
angka 0 menunjukkan bahwa konsumen tidak menyukai produk ini dan angka 1
menunjukkan konsumen menyukai produk ini.
Dari hasil perhitungan baik SPSS didapatkan hasil sebesar 0,016 yang
merupakan nilai kurang dari 0.05 yang merupakan daerah kritisnya. Pada perhitungan
manual, nilai yang didapatkan yaitu 5,143 yang merupakan nilai yang lebih besar
dibanding X2 tabelnya yaitu 3,841 sebagai daerah kritisnya (X2 hitung > X2) dan keputusan
yang diambil yaitu tolak H0. Jadi, dapat ditarik kesimpulan bahwa terdapat pengaruh
perbedaan antara kapal lama dan kapal baru.
5.2.2.1 Uji Mann Whitney, Uji Kolmogorov-Smirnov Z, Wald Wolfowitz Runs,
dan Uji Jumlah Rank
a. Uji Mann Whitney
Uji Mann-whitney digunakan untuk mengetahui apakah dua buah sampel berasal
dari populasi yang sama. Pada data ini untuk mengetahui apakah ada perbedaan antara
rataan jumlah penumpang PT Samudera Indonesia Tbk dan PT Berlian Laju Tanker Tbk
dimana data berbentuk rasio. Dengan 20 sampel hasil perhitungan manual dengan
daerah kritis U hitung = 127 dengan n1 = n2 = 20 (dari tabel L.17 Walpole) didapatkan U

2022 75
Kelompok 6
hitung sebesar 152,5. Maka jangan tolak H0 karena U (152,5) > 127 Sedangkan dengan
SPSS dengan daerah kritis Asymp. Sig. < 0.05 didapatkan Asymp. Sig. Sebesar 0.665
maka jangan tolak H0 karena Asymp. Sig (0.199) > 0.05. Sehingga dapat diketahui
bedasarkan nilainya bahwa tidak terdapat perbedaan antara rataan jumlah penumpang
PT Samudera Indonesia Tbk dan PT Berlian Laju Tanker Tbk.
b. Uji Kolmogorov-Smirnov Z
Uji Kolmogorov-Smirnov Z untuk mengetahui adanya perbedaan yang
signifikan untuk dua sampel yang independen. Pada kasus antara data rataan jumlah
penumpang PT Samudera Indonesia Tbk dan PT Berlian Laju Tanker Tbk digunakan
juga uji Kolmogorov-Smirnov Z karena merupakan 2 sampel yang tidak saling
berhubungan. Dengan jumlah 20 sampel dimana hasil yang didapat dari uji
Kolmogorov-Smirnov Z pada SPSS dengan daerah kritis Asymp. Sig. < 0.05 dan nilai
Asymp. Sig sebesar 0.329. Maka jangan tolak H0 karena Asymp. Sig (0.329) > 0.05
karena nilai Asymp. Sig berada di luar daerah kritis. Dengan demikian didapatkan
kesimpulan tidak terdapat perbedaan antara rataan jumlah penumpang PT Samudera
Indonesia Tbk dan PT Berlian Laju Tanker Tbk.
c. Uji Wald Wolfowitz-Runs
Uji Wald-Wolfowitz Runs digunakan untuk menguji 2 sampel data yang tidak
saling berhubungan yang berfungsi untuk menguji apakah kedua sampel berasal dari
populasi yang identik atau tidak. Pada data ini menguji adanya perbedaan data rataan
jumlah penumpang PT Samudera Indonesia Tbk dan PT Berlian Laju Tanker Tbk.
Dengan 20 sampel hasil perhitungan software SPSS pada uji Wald-Wolfowitz Runs
dengan daerah kritis Z hitung > 1.96 dan Z hitung < -1.96 (dari tabel L.3 Walpole)
dengan P(Zα/2) = 0.025 dan P(Zα/2) = 1-0.025 = 0.975) diketahui Z minimum nya
adalah -0,160 dan Z maksimum nya adalah 1.442 sehingga jangan tolak H0 karena Z
(1.442) > 1.96 dan Z (-0.160) > -1.96. Maka dapat disimpulkan bahwa tidak terdapat
perbedaan rataan jumlah penumpang antara PT Samudra Indonesia Tbk dengan PT
Berlian Laju Tanker Tbk.
d. Uji Jumlah Rank
Uji Jumlah Rank digunakan untuk uji 2 sampel yang tidak saling berhubungan.
Dimana Uji jumlah Rank berfungsi untuk melihat kesamaan rataan berbeda secara
signifikan atau tidak. Pada data ini untuk melihat perbedaan pada data rataan jumlah

2022 76
Kelompok 6
penumpang PT Samudra Indonesia Tbk dengan PT Berlian Laju Tanker Tbk. Dengan
20 sampel hasil perhitungan manual dengan daerah kritis U hitung ≤ 127 dengan n1 = n2
= 20 (daritabel L.17 Walpole) ditemukan nilai U terkecil pada hitungan sebesar 552,5
maka jangan tolak H0 karena U (552,5) > 127. Maka dapat disimpulkan bahwa tidak
terdapat perbedaan rataan jumlah penumpang antara PT Samudra Indonesia Tbk dengan
PT Berlian Laju Tanker Tbk.
5.3 Non Parametrik Lebih Dari Dua Sampel
5.3.1.1 Uji Friedman dan Uji Kendall W
a. Uji Friedman
Uji Friedman merupakan uji untuk lebih dari dua sampel yang digunakan untuk
menguji ada atau tidaknya perbedaan rataan dari sampel-sampel data. Pada data ini
untuk mengetahui ada atau tidaknya perbedaan pengaruh antar perlakuan (komposisi
bahan, khasiat, rasa, kemasan). Dengan 12 sampel berdasarkan hasil perhitungan
manual dengan daerah kritis x2 hitung > 5,991 dengan v=k-1=3-1=2 (dari tabel L.5
Walpole), diketahui bahwa nilai Xr2 sebesar -3,875. Jangan tolak H0 karena x2 (-3,875)
< 5,991. Begitu pula hasil output SPSS dengan daerah kritis x2 > 5,991 dan Asymp. Sig.
< 0.05 yang menghasilkan Asymp. Sig. sebesar 0,933 dan Chi- square sebesar 0,140.
Maka jangan tolak H0 karena Asymp. Sig (0,933) > 0,05 dan x 2 (0,140) < 5,991 karena
nilai Asymp. Sig dan nilai chi-square berada di luar daerah kritis. Maka dapat
disimpulkan bahwa tidak terdapat perbedaan rataan antara komponen kapal.
b. Uji Kendall W
Uji Kendall W merupakan uji yang digunakan untuk melihat ada atau tidak
perbedaan yang signifikan antara rataan kelompok. Berdasarkan perhitungan SPSS dan
manual didapat kesimpulan yang sama, yaitu jangan tolak H0. Pada perhitungan SPSS
didapat nilai Asymp. Sig. sebesar 0,140 > 0,05 sehingga diambil keputusan jangan tolak
H0. Pada perhitungan manual didapat -91, > 7,815 yang juga mengambil keputusan
tolak H0. Maka dapat disimpulkan bahwa tidak terdapat perbedaan rataan antara
komponen kapal.
5.3.1.2 Uji Cochran Q
Uji Cochrans Q adalah uji yang digunakan untuk menguji tiga sampel atau lebih
dengan catatan reaksi terhadap suatu perlakuan hanya dinyatakan dengan dua nilai yaitu

2022 77
Kelompok 6
0 atau 1. Uji Cochran Q digunakan untuk mengetahui apakah beberapa varibel memiliki
ratana yang sama atau tidak. Pada praktikum ini, data yang diolah menggunakan uji
Cochran Q ialah data penilaian penumpang terhadap lima fasilitas yang ada di dalam
kapal. Berdasarkan hasil perhitungan manual dan output software SPSS yang sudah
dilakukan, pada output software SPSS dapat dilihat nilai Asymp sig nya yaitu 0,835
lebih besar dibandingkan dengan 0,05. Kemudian pada perhitungan manual nilai Q yang
didapat sebesar 1,455 lebih kecil daripada nilai X2 tabel yaitu 9,488. Hal membuktikan
bahwa hasil yang ada berada di luar daerah kritis sehingga diperoleh kesimpulan jika
kelima fasilitas kapal memiliki variansi yang sama.
5.3.2.1 Uji Kruskall Wallis dan Uji Median
Data yang digunakan dalam Uji Kruskall Wallis dan Uji Median adalah data
jumlah penumpang selama 1 tahun pada dua perusahaan lain yang juga bergerak
dibidang perkapalan.
a. Uji Kruskall Wallis
Uji Kruskal Wallis adalah uji yang digunakan untuk menentukan apakah n
sampel independen berasal dari populasi yang berbeda. Uji ini mirip dengan uji Anova
pada data parametrik hanya saja tidak dipenuhi uji kenormalan dari dua data. Analisis
yang digunakan berdasarkan Rij yaitu ranking data, bukan data itu sendiri. Pada
perhitungan manual diperoleh niali H sebesar 2,295. Kemudian untuk perhitungan
dengan menggunakan software SPSS dan Minitab didapati bahwa nilai Asymp Sig dan
P-value adalah 0,611. Dari hasil perhitungan secara manual maupun dengan
menggunakan software tersebut dapat diketahui bahwa nilai H dan Asymp Sig serta P-
value berada diluar daerah kritis sehingga diperoleh kesimpulan jika sampel data
bersalah dari populasi yang sama.
b. Uji Median
Uji median (median test) digunakan untuk menguji hipotesis apakah data yang
digunakan berasal dari populasi yang memiliki median yang sama. Uji median
dipergunakan sebagai pelengkap pada uji Kruskal Wallis, sehingga beberapa populasi
mempunyai median yang sama. Berdasarkan perhitungan output software SPSS dapat
dilihat bahwa nilai Asymp Sig sebesar 0.264, sehingga jangan tolak Ho karena Asymp
Sig > 0,05. Hasil perhitungan Minitab menunjukkan nilai P-Value sebesar 0,264 yang

2022 78
Kelompok 6
berarti nilai ini berada diluar daerah kritis karena 0,264 > 0,05. Oleh karena itu, dapat
diperoleh kesimpulan jika data berasal dari populasi yang memiliki median yang sama.
5.4 Uji Korelasi Rank Spearman
Uji Korelasi Rank Spearman merupakan uji yang digunakan untuk mengetahui
korelasi antara dua variabel dimana data yang digunakan merupakan data ordinal. Data
yang digunakan pada uji ini ialah data yang diperoleh dari penumpang mengenai
pendapat mereka terkait kebersihan kapal dan kepuasan pelayanan yang diberikan.
Berdasarkan perhitungan manual yang sudah dilakukan, diperoleh nilai rho sebesar
1,547. Nilai rho ini lebih besar dari pada nilai rho tabel sehingga masuk kedalam daerah
kritis (1,547>0,441 ). Untuk perhitungan menggunakan SPSS diperoleh P(Asymp.Sig) <
0,05 yaitu sebesar 0,034 yang termasuk kdalam daerah kritis. Oleh karena itu, dapat
diambil kesimpulan jika terdapat korelasi antara kebersihan lingkungan kapal dengan
kepuasan penumpang.

2022 79
Kelompok 6
6. BAB VI
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Berdasarkan hasil praktikum Modul 3 (Statistika Non Parametrik) dapat
disimpulkan bahwa:
1. Statistik parametrik merupakan salah satu cabang dari ilmu statistik yang
mempertimbangkan jenis sebaran atau distribusi data, yaitu apakah data
menyebar secara normal atau tidak. Statistik non parametrik merupakan salah
satu bentuk uji statistik yang tidak mebutuhkan adanya asumsi-asumsi mengenai
sebaran data populasi. Uji statistik ini disebut juga sebagai statistik bebas
sebaran (distribution free). Statistik non parametrik tidak mensyaratkan bentuk
sebaran parameter populasi berdistribusi normal. Statistik non parametrik dapat
digunakan untuk menganalisis data yang berskala nominal atau ordinal karena
pada umumnya data berjenis nominal dan ordinal tidak menyebar normal. Dari
segi jumlah data, pada umumnya statistik non parametrik digunakan untuk data
berjumlah kecil yaitu n < 30.
2. Uji statistik non parametrik dan uji statistik parametrik memiliki perbedaan,
yaitu asumsi distribusi yang digunakan pada statistik parametrik berketentuan
normal sedangkan non parametrik tidak ada. Asumsi varian yang digunakan
pada statistik parametrik berketentuan homogen sedangkan non parametrik tidak
ada. Jenis data yang digunakan pada statistik parametrik berketentuan rasio atau
interval sedangkan non parametrik ordinal atau nominal. Hubungan data set
yang digunakan pada statistik parametrik berketentuan independen sedangkan
non parametrik tidak ada. Ukuran sentral yang digunakan pada statistik
parametrik adalah mean sedangkan non parametrik median. Manfaat dari
statistik parametrik adalah lebih banyak kesimpulan sedangkan non parametrik
sederhana dan sedikit outlier. Uji korelasi yang digunakan pada statistik
parametrik adalah uji pearson dan regresi sedangkan non parametrik spearman.
uji 2 kelompok, berbeda yang digunakan pada statistik parametrik adalah uji
Independent Sample T Test, sedangkan non parametrik Mann-Whitney. Uji 2
kelompok lebih, berbeda yang digunakan pada statistik parametrik adalah uji

2022 80
Kelompok 6
Independent Sample T Test sedangkan non parametrik Kruskal-Wallis. Uji

berulang, 2 kondisi yang digunakan pada statistik parametrik adalah uji Paired
Sample T Test sedangkan non parametrik Wilcoxon. Uji berulang, 2 kondisi
lebih yang digunakan pada statistik parametrik adalah uji Repeated One Way
Anova sedangkan non parametrik Friedman.
3. Pengujian non parametrik dibagi menjadi empat bagian, yaitu Uji untuk satu
sampel menggunakan Uji Binomial, Uji Runs, Uji Kolmogorov-Smirnov, dan
Uji Chi-square. Uji untuk mengolah statistik non parametrik independen k=2
menggunakan Uji Mann Whitney, Uji Kolmogorov Smirnov Z, Uji Wald
Wolfowitz dan Uji jumlah rank. Sedangkan pada statistik non parametrik
independen k >2 menggunakan Uji Kruskal Wallis dan Uji Median. Dalam
mengolah statistik non parametrik dependen k =2 menggunakan Uji Wilcoxon,
Uji Tanda, dan Uji Mc Nemar. Sedangkan, pada statistik non parametrik
dependen k>2 menggunakan Uji Cochrans dan Uji Friedman dan Uji Kendall
W.
4. Hasil pengolahan data Uji Statistik Non parametrik: Uji Binomial didapati
kesimpulan bahwa Proporsi nahkoda setuju overtime pada tanggal merah. Uji
Runs didapati kesimpulan data sampel bersifat acak. Uji Kolmogorov-Smirnov
didapati data mengikuti sebaran berdistribusi normal. Uji Chi-Square didapati
data mengikuti sebaran distribusi normal. Uji Tanda terdapat kesimpulan bahwa
tidak terdapat pengaruh efisiensi waktu antara sebelum dan sesudah pengeluaran
kapal baru. Uji Wilcoxon didapati tidak terdapat perbedaan sebelum dan sesudah
pengeluaran kapal baru. Uji Mc Nemar dapat disimpulkan bahwa terdapat
pengaruh perbedaan antara kapal lama dan kapal baru. Uji Mann Whitney
didapati tidak terdapat perbedaan jumlah penjualan antara 2 perusahaan. Uji
Kolmogorov-Smirnov Z didapati tidak terdapat perbedaan jumlah penjualan
antar 2 perusahaan. Uji Wald – Wolfowitz runs didapati tidak terdapat
perbedaan jumlah antar 2 perusahaan. Uji Jumlah Rank didapati tidak terdapat
perbedaan jumlah antar 2 perusahaan. Uji Friedman didapati besarnya nilai
rataan keempat variabel adalah sama. Uji Kendall W didapati besarnya nilai
rataan keempat variable adalah sama. Uji Cochran Q didapati kelima data
memiliki variansi yang sama. Uji Kruskal wallis didapati kesimpulan bahwa

2022 81
Kelompok 6
ketiga variabel memiliki rataan yang sama. Uji Median didapati kesimpulan
bahwa data berasal dari populasi yang memiliki median yang sama. Uji Korelasi
Rank-Spearman dapat disimpulkan pada perhitungan manual, yaitu terdapat
hubungan antara kebersihan lingkungan kapal dan kepuasan penumpang,
sedangkan pada software SPSS terdapat hubungan antara kebersihan lingkungan
kapal dan kepuasan penumpang, namun hubungan antara keduanya tidak searah.
5. Dapat disimpulkan statistik non parametrik tidak memerlukan adanya asumsi-
asumsi mengenai sebaran data populasinya karena belum diketahui sebaran
datanya dan tidak perlu berdistribusi normal. Statistik non parametrik dapat
digunakan untuk menganalisis data yang berskala nominal atau ordinal karena
pada umumnya data berjenis nominal dan ordinal tidak menyebar normal.
Perhitungan dapat dilakukan secara manual maupun menggunakan software
SPSS dan Minitab. Pengujian non parametrik bermanfaat untuk digunakan
apabila sampelnya kecil (n< 30) dan mudah dihitung.
6.2 Saran
Berdasarkan praktikum dan pengolahan data yang telah dilakukan, hal-hal
yang perlu dipertimbangkan adalah:
1. Sebaiknya praktikan memahami betul konsep mengenai statistik parametrik
dan nonparametrik agar tidak terjadi kesalahan dalam pencarian data maupun
pengolahan data.
2. Seharusnya praktikan dapat mempelajari betul langkah-langkah dalam
menggunakan software, baik SPSS maupun Minitab agar output yang
dihasilkan tepat dan dapat menganalisa dengan baik hasil-hasil output dari
SPSS maupun Minitab.
3. Praktikan diharapkan lebih memahami skenario yang diberikan dan tujuan
uji yang akan digunakan.

2022 82
DAFTAR PUSTAKA
Hidayat. 2012. Penjelasan Dan Teori Uji Kruskal Wallis H

Mangkuatmodjo, Soegiyarto. 2004. Statistik Lanjutan. Jakarta: PT Rineka Cipta.
Laboratorium OPSI Undip. 2022. Modul Praktikum Statistika Industri. Semarang
Santoso, Singgih. 2000. Mengolah Data Statistik secara Profesional. Jakarta: Elex
Media Komputindo
Siagian, Dergibson, & Sugiarto. 2002. Metode Statistika untuk Bisnis dan Ekonomi.
Jakarta: PT. Gramedia Pustaka Utama.
Sugiyono. 2007. Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung: Alfabeta.
Supranto, J. 1984. Statistik: Teori dan Aplikasi. Jakarta: Penerbit Erlangga.
Supranto. 1996. Statistik Teori dan Aplikasi. Jilid I Edisi Kelima. Jakarta: Erlangga.
Supranto. 1998. Statistik Teori dan Aplikasi. Jakarta: Erlangga.
Walpole, E Ronald & Myers H. Raymond. 1995. Ilmu Peluang Dan Statistika Untuk
Insinyur Dan Ilmuwan. Bandung: ITB Bandung
.
LAMPIRAN

Revisi Asis 2 M3 Naufan

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Revisi Asis 2 M3 Naufan

Uploaded by

Copyright:

Available Formats

LAPORAN PRAKTIKUM STATISTIKA INDUSTRI

DEPARTEMEN TEKNIK INDUSTRI

Semarang, 19 April 2022

Fauzan Akbar Akhsan

Semarang, 19 April 2022

1.2 Tujuan Praktikum...............................................................................................3

1.3 Batasan Masalah.................................................................................................3

1.4 Sistematika Penulisan.........................................................................................4

2.2 Perbedaan Statistik Parametrik dengan Statistik Non Parametrik......................6

2.3 Uji-Uji Statistik Non Parametrik........................................................................8

2.3.1 Pengolahan Data Non Parametrik Satu Sampel (Nominal).........................8

2.3.2 Pengolahan Data Non Parametrik k=2......................................................10

2.3.3 Pengolahan Data Non Parametrik k>2......................................................15

2.3.4 Uji Koefisien Korelasi Rank Spearman....................................................19

2.4 Contoh Penerapan Statistik Non-parametrik dalam Penelitian.........................21

3.2 Penjelasan Flowchart........................................................................................24

4.2 Non Parametrik Satu Sampel............................................................................35

4.2.1 Uji Binomial dan Uji Run..........................................................................35

4.2.2 Uji One Sample Kolmogorov-Smirnov Test dan Uji Chi-Square.............38

4.4 Non Parametrik Lebih Dari Dua Sampel..........................................................54

4.4.1 Saling Berhubungan..................................................................................54

4.4.2 Tidak Saling Berhubungan........................................................................59

4.5 Uji Koefisien Korelasi Rank Spearman............................................................64

5.1.1 Uji Binomial dan Uji Runs........................................................................67

5.1.2 Uji One Sample Kolmogorov-Smirnov Test dan Uji Chi-Square.............67

5.2 Non Parametrik Dua Sampel............................................................................68

5.2.1 Saling Berhubungan..................................................................................68

5.2.2 Tidak Saling Berhubungan.............................................................................69

5.3 Non Parametrik Lebih Dari Dua Sampel...............................................................71

5.3.1 Saling Berhubungan.......................................................................................71

1.1 Latar Belakang

Departemen Teknik Industri

Departemen Teknik Industri

1.2 Tujuan Praktikum

1.3 Batasan Masalah

Departemen Teknik Industri

1.4 Sistematika Penulisan

BAB VI KESIMPULAN DAN SARAN

Departemen Teknik Industri

Berisi tentang kesimpulan dan saran.

Departemen Teknik Industri

2.1 Definisi Statistik

2.2 Perbedaan Statistik Parametrik dengan Statistik Non Parametrik

Departemen Teknik Industri

Departemen Teknik Industri

2.3 Uji-Uji Statistik Non Parametrik

Departemen Teknik Industri

Departemen Teknik Industri

Departemen Teknik Industri

Departemen Teknik Industri

Departemen Teknik Industri

Departemen Teknik Industri

Departemen Teknik Industri

4. Misalkan terdapat suatu susunan nilai (a dan b) dari dua sampel

Departemen Teknik Industri

Departemen Teknik Industri

√ 2(2 N +5) …………………(2.5)

Departemen Teknik Industri

Departemen Teknik Industri

Test median digunakan untuk menguji signifikansi hipotesis komparatif dua

Departemen Teknik Industri

0,9≤rho ¿ 1 -0,9≤rho ¿ -1 Sangat Kuat

2.4 Contoh Penerapan Statistik Non-parametrik dalam Penelitian

Departemen Teknik Industri