Tugas Statistik Non Parametrik

Uji Friedman, Uji Kruskal Wallis, Uji Wilcoxon, Uji chi-square

Sandy Luke Nugroho (3125110299)
Uji Friedman
Uji Friedman adalah pengujian data yang dilakukan untuk mengetahui perbedaan lebih
dari dua kelompok sampel yang saling berhubungan. Data yang dianalisis adalah data
ordinal, sehingga jika data berbentuk interval atau ratio sebaiknya diubah dulu ke bentuk
ordinal.
Uji Friedman merupakan alternatif dari ANOVA satu jalur. Uji ini dilakukan jika asumsiasumsi dalam statistik parametris tidak terpenuhi, atau juga karena sampel yang terlalu
sedikit.
Formula Uji Friedman
[

Dimana:
= Nilai chi-square jenjang dua arah Friedman
= Jumlah sampel
= Banyaknya kelompok sampel
1, 3, 12 = Konstanta
= Jumlah Rank tiap kelompok sampel
Contoh Kasus :
Dilakukan sebuah penelitian pada 15 responden tentang perbedaan 3 shift kerja terhadap
kinerja perawat sebuah RS swasta di Jakarta. Berikut datanya:

Tugas Statistik Non Parametrik

Sandy Luke Nugroho (3125110299)

Page 1

No

Kinerja Perawat

Responden

Shift 1

Shift 2

Shift 3

Nilai

Rank

Nilai

Rank

Nilai

Rank

76

70

75

71

65

77

56

57

74

67

60

59

70

56

76

77

71

73

45

47

78

60

67

62

63

60

75

10

60

59

74

11

61

57

60

12

56

60

75

13

59

54

70

14

74

72

71

15

66

63

65

Jumlah

961

32

918

22

1064

36

Rank (peringkat) ditentukan berdasarkan banyaknya k dari responden 1 dalam

semua perlakuan/kondisi. Misal: responden 1 mendapat nilai kinerja pada shift 1, 2
dan 3 masing-masing 76, 70 dan 75. Maka rank (peringkat)-nya ditentukan
berdasarkan nilai terkecil, yaitu 70,75, dan 76 masing-masing peringkat 1,2, dan 3.
Jumlah-jumlah tersebut kemudian dimasukan ke dalam rumus diatas, yaitu

Tugas Statistik Non Parametrik

Sandy Luke Nugroho (3125110299)

Page 2

Dengan

, pada

dan

, maka nilai chi square pada

tabel adalah = 5,59.

Ternyata nilai chi square hitung > nilai chi square pada tabel = 6,93 > 5,59 Ho ditolak
Sehingga, ada perbedaan kinerja perawat pada masing-masing shift kerja.

Uji Kruskal Wallis

Uji Kruskal-Wallis atau biasa disebut kruskal wallis satu arah anova merupakan
gagasan dari dua orang yaitu William kruskal dan W. Allen Wallis. Analisis varians satuarah berdasarkan peringkat Kruskal-Wallis yaitu teknik nonparametrik yang digunakan
untuk menguji hipotesis nol yang menyatakan bahwa beberapa sampel telah ditarik dari
populasi-populasi yag sama atau identik. Dan apabila kasus yang diselidiki hanya dua
sampel, maka uji Kruskal-Wallis setara dengan uji Mann-Whitney. Uji Kruskal-Wallis
memanfaatkan informasi yang lebih banyak ketimbang yang digunakan pada uji median.
Kruskal-Wallis testdisebut juga H testadalah suatu prosedur alternatif dari one-way
ANOVA. Kruskal-Wallis test juga mengasumsikan bahwa varian antara k populasi
(treatment) adalah sama, tetapi k populasi tersebut berdistribusi kontinu dan mempunyai
bentuk (shape) yang sama (sedangkan shape tersebut dapat skewed, bimodal, atau apa
saja). Dan tidak seperti dalam ANOVA test, Kruskal-Wallis, yang merupakan metode
alternatif nonparametrik, dapat digunakan untuk data respon yang ordinal atau ranked
data.

Asumsi-asumsi yang digunakan dalam uji kruskal wallis:

1.
2.
3.
4.
5.

Data untuk analisis terdiri atas k sampel acak berukuran n1, n2,...,nk.
Pengamatan-pengamatan bebas baik di dalam maupun di antara sampel-sampel.
Variabel yang diamati kontinu.
Skala yang digunakan setidaknya ordinal.
Populasi-populasi identik kecuali dalam hal lokasi yang mungkin berbeda untuk
sekurang-kurangnya satu populasi.

Hipotesis-hipotesis:

Tugas Statistik Non Parametrik

Sandy Luke Nugroho (3125110299)

Page 3

H0 : Ke-k fungsi distribusi populasi identik (M1 = M2 =L= Mc )

H1 : Tidak semua dari ke-k populasi memiliki median yang sama
Prosedur Kruskal-Wallis:
1. Perhatikan urutan (rank) dari kecil ke besar dari pengamatan-pengamatan yij, ganti
pengamatan-pengamatan yij, dengan ranknya, yaitu Rij.
2. Hitung jumlah rank untuk masing-masing treatment, yaitu Ri. untuk i = 1, 2, ... , a
3. Hitung statistik uji:

Dimana:

4. Jika ada pengamatan yang sama maka rank Rij diambil rata-ratanya. Jika tidak ada
pengamatan yang sama (kembar) maka

Sehingga Persamaannya menjadi:

Dimana : N = jumlah sampel

Ri = jumlah peringkat pada kelompok i
ni = jumlah sampel pada kelompok i
5. Nilai statistik uji yang diperoleh kemudian dibandingkan dengan tabel kruskal
wallis khusus. Tapi ada beberapa peneliti mengatakan bahwa jika nilai per
Tugas Statistik Non Parametrik
Sandy Luke Nugroho (3125110299)

Page 4

kelompok >= 5, nilai H tabel dapat didekati dengan tabel chi-square dengan derajat
bebas df = a - 1. Agar lebih jelas berikut dipaparkan contoh kasus uji kruskal wallis
disertai penyelesaiannya.
Contoh Kasus:
Sebuah perusahaan ingin mengetahui apakah terdapat perbedaan keterlambatan
masuk kerja antara pekerja yang rumahnya jauh atau dekat dari lokasi perusahaan.
Misalkan jarak rumah dikategorikan dekat ( kurang dari 10 km), sedang (10 15 km) dan
jauh ( lebih dari 15 km). Keterlambatan masuk kerja dihitung dalam menit keterlambatan
selama sebulan terakhir.
Penelitian dilakukan pada tiga kelompok pekerja dengan sampel acak, dengan masingmasing sampel untuk yang memiliki jarak rumah dekat sebanyak 10 sampel, jarak sedang
sebanyak 8 sampel dan jauh sebanyak 7 sampel.
Data hasil penelitian dan prosedur untuk mendapatkan statistik uji Kruskal-Wallis
diberikan pada tabel berikut:

Kolom (1), (2) dan (3) adalah data pekerja menurut jarak rumah dan menit keterlambatan.
Kolom (4), (5) dan (6) adalah rangking dari keterlambatan. Ranking disusun dari nilai
Tugas Statistik Non Parametrik
Sandy Luke Nugroho (3125110299)

Page 5

keterlambatan terkecil sampai terbesar, tanpa membedakan kelompok jarak rumah

pekerja.
Selanjutnya lakukan penjumlahan rangking untuk masing-masing kelompok, yang
terlihat pada baris Ri. Kemudian, kuadratkan masing-masing jumlah peringkat tersebut.
Dari data tersebut, maka dapat dihitung statistik uji Kruskal-Wallis sebagai berikut:

Df = 3-1 = 2, dan alpha = 0,1, sehingga didapat

tabel = 4,605. Sehingga
hitung <
tabel terima H0. Dengan demikian secara statistik dapat disimpulkan tidak ada
perbedaan keterlambatan antara pekerja yang memiliki rumah dekat dengan rumah
jauh.

Uji Wilcoxon
Uji Wilcoxon Rank Sum Test adalah uji komparatif 2 sampel bebas apabila skala data
ordinal, interval atau rasio tetapi tidak berdistribusi normal. Uji komparatif yang dimaksud
adalah uji untuk mengetahui perbedaan jumlah peringkat antara 2 kelompok. Dalam tiap
kelompok jumlah observasi atau sampel boleh beda. Uji ini merupakan analogi dari uji
Mann Whitney U Test, hanya saja menggunakan metode yang berbeda. Namun dalam fakta
penggunaannya, uji ini banyak disebut sebagai Mann Whitney U Test atau Mann Whitney
Wilcoxon (MWW). Kedua jenis uji ini identik, meskipun rumusnya berbeda.
Asumsi-asumsi:
1. Menggunakan data berpasangan dan berasal dari populasi yang sama. ini sama
dengan tujuan dari uji t berpasangan.
2. Setiap pasangan dipilih secara acak dan independent. Maksudnya ini dalam
pengambilan sampel tidak subjektif atau asal ambil. tapi pengambilan sampelnya
secara acak.
3. Skala pengukurannya minimal ordinal. dan tidak butuh asumsi normalitas. Inilah
yang membedakan dengan uji t berpasangan. disini ada dua keadaan dalam
menggunakan wilcoxon. Pertama. ketika data yang digunakan ordinal maka pakai
wilcoxon. kasus kedua ketika datanya tuh interval atau rasio maka pertama kali
lihat dulu apakah normal atau tidak. kalau normal pakai uji t berpasangan dan jika
tidak normal baru pakai wilcoxon. untuk uji normalnya bisal lihat disini. uji
normalitas. Beberapa peneliti juga mengatakan ketika data yang digunakan lebih
dari 25, ada juga yang mengatakan lebih dari 30. maka pakai uji t berpasangan.
Tugas Statistik Non Parametrik
Sandy Luke Nugroho (3125110299)

Page 6

alasannya dengan data yang 30 (dikatakan sampel besar) itu akan mendekati data
normal. Jadi silahkan pilih dengan bijak.

Langkah- Langkah Pengujian :

1. Berikan jenjang (rank) untuk tiap beda dari pasangan pengamatan (yi xi) sesuai
dengan besarnya, dari yang terkecil sampai terbesar tanpa memperhatikan tanda
dari beda itu (nilai beda absolut).
2. Bila ada dua atau lebih beda yang sama, maka jenjang untuk tiap-tiap beda itu
adalah jenjang rata-rata
3. Bubuhkan tanda positif atau negatif pada jenjang untuk tiap beda sesuai dengan
tanda dari beda itu. Beda 0 tidak diperhatikan
4. Jumlahkan semua jenjang bertanda positif atau negatif, tergantung dari mana yang
memberikan jumlah yang lebih kecil setelah tandanya dihilangkan. Notasi jumlah
jenjang yang lebih kecil ini dengan T
5. Bandingkan nilai T yang diperoleh dengan nilai t uji wilcoxon
HIPOTESIS:
H0 : dua populasi adalah sama
H1 : dua populasi tidak sama
Artinya: Sesuai dengan tujuan yaitu ingin melihat apakah ada perbedaan atau tidak antar
dua populasi sesuai dengan tujuan kita. Nah, jawabannya tuh ada dua yaitu antara kedua
populasi sama atau tidak. jawaban diperoleh dari uji yang akan digunakan.
Kaidah keputusan
H0 diterima apabila t t
H0 ditolak apabila t < t
Note: nilai t ini diperoleh dari rumus yang digunakan dalam uji wilcoxon sedangkan t
diperoleh dari t tabel khusus wilcoxon.
Contoh Kasus :
Seorang dokter ingin melakukan penelitian ingin melihat pengaruh dari suatu obat.
Delapan orang pasien yang diambil secara acak diukur kapasitas pernapasannya sebelum
dan sesudah diberikan obat tertentu. . Hasilnya sebagai berikut :
Pasien

Sebelum 2750 2360 2950 2830 2250 2680 2720 2810

Tugas Statistik Non Parametrik
Sandy Luke Nugroho (3125110299)

Page 7

Sesudah 2850 2380 2930 2860 2300 2640 2760 2800

Hipotesis:
H0 : Tidak ada perbedaan sebelum dan sesudah menggunakan obat
H1 : Ada perbedaaan sebelum dan sesudah menggunakan obat
Taraf nyata dan nilai T tabelnya
= 0,05 dengan n =8
tabel wilcoxon T = 3. (diperoleh dari tabel wilcoxon)
Kriteria Pengujian
H0 diterima apabila nilai uji statistik dari t tabel yaitu 3.
H0 ditolak apabila nilai uji statistik < dari t tabel yaitu 3.
Nilai uji statistik
Pasien Sebelum Sesudah selisih (d) Peringkat
A

2750

2850

-100

-8

2360

2380

-20

-2,5

2950

2930

20

2,5

2830

2860

-30

-4

2250

2300

-50

-7

2680

2640

40

5,5

2720

2760

-40

-5,5

2810

2800

10

Dari perhitungan tabel di atas untuk bagian peringkat didapatkan dari selisih sebelum dan
Tugas Statistik Non Parametrik
Sandy Luke Nugroho (3125110299)

Page 8

sesudah. Kemudian nilai selisih itu dimutlakkan artinya semuanya dibuat postif. kemudian
diurutkan dari nilai paling kecil. Dari nilai itu diurutkan peringkat dari nilai terkecil. ketika
ada nilai yang sama, dirata-ratakan peringkatnya seperti contoh diatas. kemudian nilai
negatif itu diperoleh dari tanda yang ada pada kolom selisih.
Langkah selanjutnya yaitu menjumlahkan nilai berdasarkan tanda.
Untuk tanda positif: 2,5 +5,5 +1 = 9
Untuk tanda negatif 8 + 2,5 + 4 + 7 +5,5 = 27
Untuk melihat nilai uji statistiknya yaitu dari nilai terkecil dari nilai tersebut yaitu tanda
positif 9. sehingga nilai statistiknya 9.
Kesimpulan
Berdasarkan hasil tersebut diperoleh hasil bahwa nilai uji statistik dari t tabel. yaitu 9
3. sehingga berdasarkan kriteria pengujian diperoleh hasil terima H0. sehingga
disimpulkan bahwa tidak ada perbedaan sebelum dan sesudah menggunakan obat.

Uji chi-square
Chi-Square disebut juga dengan Kai Kuadrat. Chi-Square adalah salah satu jenis uji
komparatif non parametris yang dilakukan pada dua variabel, di mana skala data kedua
variabel adalah nominal. (Apabila dari 2 variabel, ada 1 variabel dengan skala nominal
maka dilakukan uji chi square dengan merujuk bahwa harus digunakan uji pada derajat
yang terendah).
Uji chi-square merupakan uji non parametris yang paling banyak digunakan. Namun perlu
diketahui 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 2 X 2, 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 2 x 2, misak 2 x 3, maka jumlah cell dengan frekuensi
harapan yang kurang dari 5 tidak boleh lebih dari 20%.
Rumus chi-square sebenarnya tidak hanya ada satu. Apabila tabel kontingensi bentuk 2 x 2,
maka rumus yang digunakan adalah "koreksi yates".

Tugas Statistik Non Parametrik

Sandy Luke Nugroho (3125110299)

Page 9

Apabila tabel kontingensi 2 x 2 seperti di atas, tetapi tidak memenuhi syarat seperti di atas,
yaitu ada cell dengan frekuensi harapan kurang dari 5, maka rumus harus diganti dengan
rumus "Fisher Exact Test".
Pada tulisan ini, akan fokus pada rumus untuk tabel kontingensi lebih dari 2 x 2, yaitu
rumus yang digunakan adalah "Pearson Chi-Square".

Rumus Tersebut adalah:

Rumus Chi-Square

Untuk memahami apa itu "cell", lihat tabel di bawah ini:

Tabel Kontingensi Chi-Square

Tabel di atas, terdiri dari 6 cell, yaitu cell a, b, c, d, e dan f.

Contoh kasus :
Pada penelitian tentang hubungan antara merokok dengan hipertensi dengan total
sampel 110 orang laki-laki, didapatkan 35 orang menderita Coronary Heart Disease (CHD)
disertai dengan kebiasaan merokok, 25 orang menderita CHD tanpa disertai dengan
kebiasaan merokok, sedangkan sisanya 20 orang non-CHD dengan kebiasaan merokok dan
Tugas Statistik Non Parametrik
Sandy Luke Nugroho (3125110299)

Page 10

30 orang non CHD tanpa kebiasaan merokok. Hitunglah apakah terdapat perbedaan antara
merokok dengan tidak merokok terhadap kejadian CHD!
JAWABAN:
HIPERTENSI
CHD
NON CHD
35
20
25
30
60
50

MEROKOK
POSITIF
NEGATIF
TOTAL

TOTAL
55
55
110

Ho: tidak ada perbedaan yang bermakna antara merokok dengan tidak merokok
terhadap

kejadian CHD

H1:

perbedaan

ada

yang

bermakna

antara

merokok

dengan

tidak

merokok

terhadap kejadian CHD

= 5 % =0,05
df = (k-1) (b-1) = (2-1) (2-1)= 1
X2 tabel adalah 3,841
Kriteria pengujian hipotesis: X2 tabel < X2 hitung, maka Ho ditolak (H1 diterima).
X2 tabel > X2 hitung, maka Ho diterima (H1 ditolak).
Penghitungan :

Kesimpulan:
Berdasarkan hasil perhitungan di atas diketahui bahwa X2 tabel > X2 hitung, maka Ho
diterima (H1 ditolak), sehingga dapat disimpulkan bahwa tidak ada perbedaan yang
bermakna antara merokok dengan tidak merokok terhadap kejadian CHD.

Tugas Statistik Non Parametrik

Sandy Luke Nugroho (3125110299)

Page 11