Digital 20181982 030 09 Metode Metode Pengujian
Digital 20181982 030 09 Metode Metode Pengujian
BERGANDA
0304010293
UNIVERSITAS INDONESIA
DEPARTEMEN MATEMATIKA
DEPOK
2009
BERGANDA
Oleh:
0304010293
DEPOK
2009
BERGANDA
NPM : 0304010293
salam penulis sampaikan kepada suri tauladan kita, manusia biasa dengan
akhlak luar biasa, Rasulullah SAW, dengan semangat dan perjuangan beliau-
lah yang membuat penulis bisa bertahan hingga detik ini. Terselesaikannya
skripsi ini tidak terlepas dari bantuan, bimbingan, dorongan, dan doa yang
tulus dari banyak pihak. Oleh karena itu, pada kesempatan ini, penulis ingin
1. Ibu tercinta, yang selama ini tak pernah berhenti untuk selalu mendukung
dan mendoakan penulis, semoga lekas sembuh dan tetap kuat menjalani
pengobatan kemoterapi & sinarnya. Bapak tercinta, yang selama ini tak
5. Mbah kakung, Mbah Putri, Pak De, Bu De, Pak Lek, Bu Lek, saudara-
6. Ibu Siti Aminah dan Ibu Yekti Widyaningsih selaku pembimbing akademis
memberikan bantuannya.
skripsi pada semester ini. Sebentar lagi kita bebas..... ALLAHU AKBAR !!!!
10. Spina dan Leli, tetap semangat ya... Allah pasti punya rencana yang
11. Lisa, Nola, Dina, Ias, Iif, atas support, bantuan dan doanya yang selalu
terjalin.
14. Teman-teman Liqo, beladiri Thifan, tahsin Utsmani, renang GTA, alumni
SMUN 14, yang telah mengisi hari-hari penulis, berbagi ilmu, sharing dan
pengalaman hidup.
kelas XI, adik-adik murid privat dan bimbel yang telah memberikan
16. Abu Bakar, Umar, Mushab, Lintang, Ikal, Arai, Delisa, Janggem,
17. Semua pihak yang telah membantu penulis dengan dukungan dan
doanya. Semoga skripsi ini dapat berguna bagi siapa saja yang
Penulis
2009
satu hipotesis, yang diuji pada satu waktu secara simultan. Apabila masing-
Untuk mengatasi hal itu, ada beberapa cara untuk mengukur kesalahan tipe1
dalam family hipotesis diantaranya Family Wise Error Rate (FWER), False
Discovery Rate (FDR), dan positif False Discovery Rate (pFDR). Untuk
metode Bonferroni yang merupakan salah satu metode untuk FWER, metode
ix + 65 hlm.; lamp
Bibliografi: 7 (1995-2003)
Halaman
KATA PENGANTAR.................................................................................... i
ABSTRAK.................................................................................................... iv
DAFTAR ISI................................................................................................. v
DAFTAR LAMPIRAN................................................................................... ix
BAB I PENDAHULUAN........................................................................... 1
2.2 Ekspektasi............................................................................... 8
BERGANDA.............................................................................. 24
3.4.5 q-value........................................................................ 48
4.2 Permasalahan..................................................................... 51
5.1 Kesimpulan......................................................................... 56
5.2 Saran.................................................................................. 57
DAFTAR PUSTAKA............................................................................... 58
Halaman
Halaman
PENDAHULUAN
parameter populasi dalam bentuk hipotesis statistik, yaitu hipotesis null dan
hipotesis alternatif.
null. Dalam pengujian hipotesis, terdapat dua jenis kesalahan yang mungkin
terjadi. Kesalahan tipe 1 terjadi apabila hipotesis null ditolak ketika hipotesis
ini benar. Kesalahan tipe 2 terjadi apabila hipotesis null tidak ditolak ketika
satu hipotesis pada satu waktu yang dilakukan secara simultan. Pengujian
akan diuji beda mean diantara 5 populasi, maka akan dilakukan sebanyak
C25 pengujian beda mean antar populasi. Jika tingkat signifikansi untuk
tipe 1. Untuk mengatasi hal itu diperlukan suatu cara untuk mengukur
Error Rate (FWER), False Discovery Rate (FDR), dan positif False Discovery
Dalam tugas akhir ini, akan dibahas cara mengukur kesalahan tipe 1
hipotesis berganda
independen.
Penulisan tugas akhir yang merupakan hasil studi pustaka ini, dibagi
Bab I : Pendahuluan
LANDASAN TEORI
sebuah mata uang, ruang sampel yang berkaitan dengan percobaan tersebut
Definisi 1
hasil suatu percobaan berada di C atau maka Pr{ X A} = P(C), P(C) adalah
Ada dua jenis variabel random yaitu variabel random diskrit dan variabel
random kontinu.
Definisi 2
sehingga :
1. f ( x ) > 0, x A
2. f ( x) = 1
A
3. P(A) = Pr( X A) = f ( x )
A
1. f ( x ) > 0, x A
2. f ( x ) dx = 1
A
disingkat p.d.f
suatu bilangan riil x dan anggap himpunan A adalah himpunan tak terbatas
x
variable random diskrit dan F ( x ) = f ( w)dw untuk variabel random kontinu.
x f ( x )dx .
P { X = x, Y = y} f ( x, y )
f X Y ( x y ) = P { X = x Y = y} = = , dimana P {Y = y} > 0
P {Y = y} fY ( y )
atau fY ( y ) > 0 .
adalah
E X Y = y = xP { X = x Y = y}
x
= xf X Y ( x y )
x
= xP { X = x Y = y}P {Y = y}
y x
P { X = x, Y = y}
= x P {Y = y}
y x P {Y = y}
= xP { X = x, Y = y}
y x
= x P { X = x, Y = y}
x y
= xP { X = x}
x
= E[X ]
f ( x, y )
X diberikan Y = y didefinisikan oleh : f X Y ( x y ) = , dimana fY ( y ) > 0 .
fY ( y )
E X Y = y = xf ( x y )dx
XY
E E X Y = E X Y = y f ( y ) dy
Y
= xf ( x y ) f ( y ) dxdy
XY Y
f ( x, y )
= x fY ( y ) dxdy
fY ( y )
= xf ( x, y )dxdy
= E[X ]
distributed).
kontinu dengan p.d.f f ( x ) yang bernilai positif pada interval a < x < b .
Y1 < Y2 < ... < Yn . Maka Yi ; i = 1, 2,..., n disebut statistik terurut ke-i dari sample
yn y4 y3 y2
Catatan:
Perhatikan F ( y ) f ( y ) dy
2 2 2
u = F ( y2 ) dv = f ( y2 ) dy2
du = F ' ( y2 ) dy2 v = f ( y2 ) dy2
du = f ( y2 ) dy2 v = F ( y2 )
2 F ( y ) f ( y ) dy = F ( y )
2
2 2 2 2
F ( y2 )
2
F ( y 2 ) f ( y 2 ) dy 2 =
2
1
F ( y ) f ( y ) dy = F ( y2 ) dan
2 3
Dengan cara yang sama, 2 2 2
3
x
F ( x )
f ( w ) dw =
1
Secara umum : F ( w)
a
, > 0
yn y4 F ( y ) 2
g n ( yn ) = n ! ...
3
f ( y3 ) dy3 f ( yn ) dy4 ...dyn 1
a 2
a
F ( y ) n 1
g n yn = n !
n n 1
f ( yn ) = n F ( yn ) f ( yn ) , a < yn < b
( n 1) !
=0 , yang lain
pertama, yaitu :
x ( A1 A2 ... Am ) :
c
x ( A1 A2 ... Am ) .
c
Karena x ( A1 A2 ... Am ) jika dan hanya jika x ( A1c A2c ... Amc ) ,
c
Bukti:
k
sedemikian sehingga A1 , A2 ,..., Ak saling asing dan A =S .
i =1
i Jika k peristiwa
k
P ( B ) = P ( Ai B ) . Jika P ( Ai ) > 0 untuk i=1,2,,k maka
i =1
k
P ( Ai B ) = P ( Ai ) P ( B Ai ) . Sehingga didapat P ( B ) = P ( Ai )P ( B Ai ) .
i =1
P ( Ai ) P ( B Ai )
P ( Ai B ) =
P ( A )P ( B A )
k
j j
j =1
diketahui.
hipotesis statistik.
dalam pengujian.
Definisi 2.7.1
lebih parameter
Definisi 2.7.2
hipotesis alternatif.
adalah rata-rata lama waktu sembuh mengkonsumsi obat jenis baru sama
dengan rata-rata lama waktu sembuh mengkonsumsi obat jenis lama. Maka
waktu sembuh mengkonsumsi obat jenis baru lebih kecil daripada rata-rata
lama waktu sembuh mengkonsumsi obat jenis lama. Maka dapat ditulis H1 :
yang diperoleh adalah menolak H0 atau tidak menolak H0, bukan menerima
H1 atau menolak H1. Jika disimpulkan bahwa H0 tidak ditolak tidak berarti H0
H 0 : = 75
H1 : > 75
H 0 : 75
H1 : > 75
mungkin terjadi. Kesalahan tipe 1 terjadi apabila hipotesis null ditolak ketika
hipotesis ini benar. Kesalahan tipe 2 terjadi apabila hipotesis null tidak
rata lama waktu sembuh dibandingkan menggunakan obat yang telah ada.
Hipotesis null, H0: tidak terdapat perbedaan rata-rata lama waktu sembuh
antara obat baru dengan obat yang telah ada. Hipotesis alternatif, H1 :
terdapat perbedaan rata-rata lama waktu sembuh antara obat baru dengan
obat yang telah ada. Kesalahan tipe 1 terjadi apabila disimpulkan bahwa
rata-rata lama waktu sembuh obat jenis baru berbeda dari yang telah ada,
disimpulkan bahwa rata-rata lama waktu sembuh obat jenis baru tidak
hipotesis.
Definisi 2.7.3
Sesuai dengan aturan keputusan, jika nilai statistik uji jatuh pada
bila nilai statistik uji tidak jatuh pada daerah kritis atau berada pada daerah
Definisi 2.7.4
Nilai kritis untuk hipotesis adalah suatu nilai batas antara daerah kritis
dan daerah tidak menolak H0. Nilai kritis untuk setiap pengujian hipotesis
Nilai dari power function pada sebuah titik parameter disebut power
Definisi 2.7.6
menolak H0 ketika H0 benar atau nilai maksimum power function dari suatu
Definisi 2.7.7
probabilitas yang diperoleh dari nilai statistik uji, dihitung ketika H0 benar.
dibandingkan terhadap nilai signifikansi. Jika nilai p-value kurang dari tingkat
bila statistik uji berada di daerah kritis, sebaliknya bila statistik uji berada di
daerah tidak menolak H0 maka tidak cukup alasan untuk menolak H0.
Bila statistik uji jatuh pada daerah kritis, sebenarnya yang terjadi
adalah nilai p-value lebih kecil dari tingkat signifikansi yang dipilih. Sehingga
dipilih. Bila p-value lebih kecil daripada tingkat signifikansi, keputusan adalah
menolak H0.
H 0 : = 0
H1 : 0
H0 benar 1-
H0 salah 1-
Dimana :
kesalahan tipe1)
H 0i : = 0
H1i : 0
yaitu metode pengajaran pasif dan metode pengajaran aktif. Ingin dilihat
Dimana :
dilakukan pada satu waktu secara simultan, maka akan terjadi penggandaan
mengatasi hal itu diperlukan suatu cara untuk mengukur kesalahan tipe 1
Wise Error Rate (FWER), False Discovery Rate (FDR), dan positif False
diantara seluruh pengujian dalam family hipotesis. Hal inilah yang disebut
sehingga FWER .
dan P(Ai) = , maka FWER atau probabilitas melakukan paling sedikit satu
( ) (
P A1' A2' ... Am' = 1 P A1' A2' ... Am' )
'
Dari hukum de Morgan , diketahui bahwa
(A )
'
1
'
A2' ... Am ' = A1 A2 ... Am
(
1 P A1' A2' ... Am' ) = 1 P ( A1 A2 ... Am )
'
= 1 P ( A1 ) .P ( A2 ) ...P ( Am )
= 1 (1 ) . (1 ) ... (1 )
= 1 (1 )
m
Tabel 3.1 : Nilai FWER pada pengujian hipotesis berganda dengan m pengujian
m 1 (1 )
m
1 0.05
2 0.098
3 0.143
4 0.185
5 0.226
10 0.401
20 0.642
FWER lebih besar dari dan FWER akan meningkat seiring dengan
Pertidaksamaan Bonferroni :
( )
m
P ( A1 A2 ... Am ) 1 P Ai '
i =1
( A1 A2 ... Am )
'
= A1' A2' ... Am '
i =1
P ( A1 A2 ... Am ) = 1 P ( A1 A2 ... Am )
'
(
= 1 P A1' A2' ... Am ' )
( )
m
1 P Ai '
i =1
m
Jadi, P ( A1 A2 ... Am ) 1 = 1 m
i =1
( ) (
P A1' A2' ... Am' = 1 P A1' A2' ... Am' )
'
= 1 P ( A1 A2 ... Am )
.
m
m
1 1 = = m
i =1 i =1
m
( )
m
pengujian, sehingga P A1' A2' ... Am' 1 1 = = .
i =1 m i =1 m
sub bab 3.2, khususnya ketika jumlah pengujian meningkat, diperlukan suatu
ukuran kesalahan tipe 1 yang lebih baik. Kali ini, jumlah kesalahan tipe 1
H0 benar U V m0
H0 salah T S m1
W R m
Dimana :
m0 = Banyaknya H0 benar
m1 = Banyaknya H0 salah
V V
E [Q ] = E = E
(V + S ) R
Tidak ada H0 yang ditolak, hal ini artinya R=0 sehingga V=0, agar Q
Jadi dari definisi diatas maka nilai harapan dari proporsi kesalahan
V
FDR = E , R > 0
R
0 ,R = 0
V
Karena ketika R=0 menyebabkan E = 0 , maka FDR dapat pula
R
didefinisikan sebagai:
V
E dimana R 1 = max ( R,1)
R 1
V V
E = E | R > 0 .Pr ( R > 0 ) , dimana R 1 = max ( R,1) .
R 1 R
Berikut akan dibandingkan antara FWER dan FDR dalam berbagai kondisi :
V V
jika V > 0, maka = 1 , jadi E | R > 0 = 1, sehingga
R R
Jadi, FDR=FWER
V
jika V=0, S>0, maka = 0
R
V V
jika V>0, S=0, maka = 1 jadi, E | R > 0 1
R R
V
jika V>0, S>0, maka < 1
R
Ketika m0=m yang artinya tak ada H0 yang salah maka kesalahan
tipe1 keseluruhan dalam family hipotesis pada FDR sama dengan dalam
FWER. Ketika m0<m yang artinya ada H0 yang salah maka kesalahan tipe1
keseluruhan dalam family hipotesis pada FDR akan lebih kecil daripada
FWER. Maka disimpulkan bahwa FDR lebih baik daripada FWER. Dengan
juga mengontrol FDR dan prosedur yang hanya mengontrol FDR mempunyai
power yang lebih baik daripada prosedur yang mengontrol FWER. Untuk
P1, P2, , Pm. Selanjutnya p-value tersebut diurutkan dari yang terkecil ke
terbesar yakni P(1) P(2) P(m) dimana P(i) adalah p-value yang
i
memenuhi P( i ) , maka Hipotesis Null (H0) pada hipotesis H(1), H(2), ,
m
Teorema :
Lemma :
pertidaksamaan :
m
E Q Pm0 +1 = p1 , Pm0 + 2 = p2 ,..., Pm0 + m1 = m = pm1 0 q * (2)
m
m0
Dengan membuktikan lemma, didapatkan E [ Q ] q* q * dan FDR dapat
m
dikontrol.
Pembuktian Lemma :
m
Jika m0=0 maka Q=0 dan E Q P1 = p1 = 0 0 q * , pertidaksamaan (2)
m
terpenuhi.
m
Jika m0=1 maka E Q P2 = p1 0 q * , pertidaksamaan (2) terpenuhi.
m
m
E Q Pm0 +1 = p1 , Pm0 + 2 = p2 ,..., Pm0 + m1 = m = pm1 0 q * adalah benar,
m
m
E Q Pm0 +1 = p1 , Pm0 + 2 = p2 ,..., Pm0 + m1 = m = pm1 0 q * .
m +1
m
E Q P1 = p1 , P2 = p2 ,..., Pm1 = m = pm = 0 0 q * , benar.
m +1
Misalkan P1' , P2' ,..., Pm' 0 adalah variabel random yang menyatakan p-value
untuk H0 benar . Selanjutnya urutkan p-value P(1' ) P( '2 ) ... P('m0 ) dan
P('m0 ) adalah p-value yang paling besar. P('i ) ; i = 1, 2,..., m0 adalah variabel
H ( m0 +1) ,..., H ( m ) .
( )
E Q Pm0 +1 = p1 ,..., Pm = pm1 = E E Q Pm0 +1 = p1 ,..., Pm = pm1 P('m0 ) = p
1
= E Q P('m0 ) = p, Pm0 +1 = p1 ,..., Pm = pm1 f P' ( p)dp
( m0 )
0
F ( p) = 0 , p<0
p0
= = p , 0<p <1
1 0
=1 , p >1
m0 1
f P'
m0
( p ) = m0 F ( p ) f ( p) , 0 < p <1
= m0 p m0 1.1 = m0 p m0 1
=0 , yang lainnya
m
E Q Pm0 +1 = p1 , Pm0 + 2 = p2 ,..., Pm0 + m1 = m = pm1 0 q * benar
m +1
m0 + j
pj q* (4)
m +1
pada integral bagian pertama, 0 < p < p " , berdasarkan pertidaksamaan (4)
m0
atau sebanyak (m0+j0) hipotesis ditolak. Dan Q = ,
m0 + j0
m0
E Q P('m0 ) = p, Pm0 +1 = p1 ,..., Pm = pm1 =
m0 + j0
p" p"
m0 m0 m0
m0 p ( 0 ) dp =
m 1
p m0 1+1
0
m0 + j0 m0 + j0 m0 1 + 1 0
p"
m0
= p m0
m0 + j0 0
m0
= ( p ") 0
m
m0 + j0
m0 + j0
q*
m +j
. m +1
m0 p " m0 m
( p ") = ( p ") 0 = 0 . 0 0 q * ( p " ) 0
m0 m m 1
m0 + j0 p " m0 + j0 p" m0 + j0 m + 1
m0
q * ( p ") 0
m 1
= (6)
m +1
Karena j0 dan p terdefinisi, maka tidak ada hipotesis yang ditolak, yaitu
Oleh karena itu, ketika semua hipotesis (H0 benar dan H0 salah)
k
memenuhi p( k ) q* .
m +1
k p( k ) k m + j 1
p( k ) q * ekivalen dengan . 0 q* (7)
m +1 p m0 + j 1 ( m + 1) p
P('i )
Ketika bersyarat P '
( m0 ) = p, , i = 1, 2,..., m0 1 adalah variabel random
p
pi
independen berdistribusi U(0,1) dan , i = 1, 2,..., j
p
m0 + j 1
q * . Sehingga
( m + 1) p
m0 1 m0 + j 1 m0 1
E Q P('m0 ) = p, Pm0 +1 = p1 ,..., Pm = pm1 . q* = q* (8)
m0 + j 1 ( m + 1) p ( m + 1) p
Sehingga integral bagian kedua :
1
m0
q * ( m0 1) p ( 0 ) dp
m 2
=
m + 1 p"
1
m m0 1 m0 2+1
= 0 q* p
m + 1 m0 2 + 1 p"
1
m0 m 1 m0 1
= q* 0 p
m + 1 m0 1 p"
=
m0
m +1
(
q * 1m0 1 p "( 0 )
m 1
)
m
(
= 0 q * 1 p "( 0 )
m +1
m 1
) (9)
m0
m +1
m
(
q * ( p ") 0 + 0 q * 1 p "( 0 )
m 1
m +1
m 1
)
m0 m m
q * ( p ") 0 + 0 q * 0 q * ( p " ) 0
m 1 m 1
=
m +1 m +1 m +1
m0
= q*
m +1
m
E Q Pm0 +1 = p1 , Pm0 + 2 = p2 ,..., Pm0 + m1 = m = pm1 0 q * benar.
m +1
m
Jadi, m berlaku E Q Pm0 +1 = p1 , Pm0 + 2 = p2 ,..., Pm0 + m1 = m = pm1 0 q *
m
k
pengujian dipilih ;1 k m sedemikian sehingga FDR , sehingga
m
m0
. Prosedur ini menjamin bahwa FDR dengan mengabaikan
m
H0 yang salah. Hal inilah yang menjadi kelemahan dari metode Benjamin dan
Hochberg.
bahwa akan selalu ada hipotesis yang ditolak. Oleh sebab itu, Pr ( R > 0 )
V
bernilai satu. Jadi, definisi FDR = E | R > 0 .Pr ( R > 0 ) dirubah menjadi
R
V V
E | R > 0 .1 = E | R > 0 , yang dinamakan pFDR (positif False
R R
Discovery Rate).
V
Definisi : pFDR = E | R > 0
R
Secara numerik pFDR dekat dengan FDR tetapi secara konsep pFDR
m0
kesalahan penolakan akan mendekati nilai 0 = yaitu proporsi H0 benar
m
m0
0 = , proporsi H0 benar diantara semua pengujian. Dengan ditetapkannya
m
V
Ketika m=m0, artinya semua H0 benar, E R > 0 = 1 > , sehingga pFDR
R
tidak dapat dikontrol. Oleh karena itu, Metode Storey yang mengontrol
berganda
statistik uji yang independent T1, T2, , Tm. (Ti,Hi) adalah pasangan terurut
yang menyatakan bahwa statistik uji ke i adalah statistik uji untuk hipotesis ke
V ( )
false discovery rate : pFDR ( ) = E R ( ) > 0
R ( )
Pr ( Hi = 0 ) = 0 dan Pr ( Hi = 1) = 1 0 = 1 .
Pr ( H = 0 T ) juga.
V V
pFDR ( ) = E R > 0 = E E R > 0 R = i
R R
m
V
= E R > 0 R = i Pr ( R = i )
i =1 R
m
V
= E R = i Pr ( R = i R > 0 )
i =1 i
Misalkan didefinisikan,
i =1
m
E (V R = i ) = E 1 ( T j ) 1 ( H j = 0 ) R = i
i =1
Ti +1 , Ti + 2 ,..., Tm , sehingga
m
E (V R = i ) = E 1(T j )1( H j = 0 ) T1 ,..., Ti , Ti +1 ,..., Tm
j =1
i
E (V R = i ) = E 1( H j = 0 ) T1 ,..., Ti , Ti +1 ,..., Tm
j =1
(
= E 1( H j = 0 ) T j )
i
j =1
( )
Pr H j = 0 T j ; j = 1, 2,..., i nilainya sama , yaitu Pr ( H = 0 T ) .
Sehingga E (V R = i ) = i Pr ( H = 0 T )
jadi,
= Pr ( H = 0 T ) .1
= Pr ( H = 0 T )
pFDR ( ) = Pr ( H = 0 T )
0 Pr ( T H = 0 )
=
Pr (T )
dimana Pr (T ) = 0 Pr (T H = 0 ) + 1 Pr (T H = 1)
sehingga
pFDR ( ) = Pr ( H = 0 T )
0 Pr (T H = 0 )
=
0 Pr (T H = 0 ) + 1 Pr (T H = 1)
Pr (T H = 0 ) 0 Pr ( P H = 0 ) 0
pFDR ( ) = = =
Pr (T ) Pr ( P ) Pr ( P )
( P ) = # { pi } = R ( ) 1
Pr
m m
0 0 m
pFDR ( ) =
Sehingga, = = 0 .
(P )
Pr R ( ) 1 R ( ) 1
m
0 m
Pr {R ( ) > 0} . Oleh karena itu,
pFDR ( ) =
{R ( ) 1}{1 (1 ) }
m
.
( ) = 0 m .
Storey, dapat pula dicari taksiran dari FDR, yaitu FDR
R ( ) 1
infimum pFDR yang terjadi ketika melakukan uji signifikansi. p value biasa
berguna untuk melakukan pengukuran signifikansi dari setiap uji dari banyak
Definisi 1
q ( t ) = inf
{:tT }
{ pFDR ( )}
Definisi 2
0
q ( p ) = inf { pFDR ( )} = inf
p p Pr ( P )
( )
3. Hitung : q p( m) =
pFDR p( m ) ( )
( ) { ( ) ( )}
4. Hitung : q p( i ) = min pFDR p(i ) , q p(i +1) ; i = m 1, m 2,...,1
MICROARRAY EXPERIMENT
berganda, pada bab ini akan membahas contoh kasus yang dapat
ditemui pada wanita. Setiap tahun lebih dari 250.000 kasus baru kanker
Masih menurut WHO, tahun 2000 diperkirakan 1,2 juta wanita terdiagnosis
kanker payudara dan lebih dari 700.000 meninggal karenanya. Belum ada
data statistik yang akurat di Indonesia, namun data yang terkumpul dari
Periode menstruasi yang lebih lama (menstruasi pertama lebih awal atau
Dari faktor risiko tersebut di atas, riwayat keluarga serta usia menjadi
bahwa kerusakan dua gen yaitu BRCA1 atau BRCA2 dapat meningkatkan
Eksperimen yang di dasarkan ekspresi gen ini dapat di lakukan dengan dua
cara: (1) Pengamatan setiap gen dari beberapa kondisi yang berbeda atau
(2) Mengevaluasi setiap gen dari satu kondisi tetapi dalam tipe jaringan yang
berbeda, khususnya jaringan sel yang mengandung kanker (Furey, et. al.
2000)
4.2 PERMASALAHAN
kanker BRCA1 atau BRCA2. Sampel RNA diambil dari 7 pasien pembawa
mutasi kanker BRCA1 dan 7 pasien pembawa mutasi kanker BRCA2. Dalam
eksperiment DNA microarray yang melibatkan 100 gen, ingin di deteksi gen-
dan BRCA2
Sweden.
Hipotesis :
11 12
21 22
H0 : = ,
1001 1002
H1 : tidak demikian
dimana :
tidak ada pengaruh mutasi kanker terhadap variabel nilai ekspresi gen
1,2,,100
Hipotesis :
H 0 : i1 = i 2 ; i = 1, 2,...,100
H1 : tidak demikian
pengujian. Diberikan tabel untuk atau p-value yang telah diurutkan dari
1. Metode Bonferroni :
Tingkat signifikansi untuk masing-masing pengujian dipilih .
m
0.05
Aturan keputusan : H0 ditolak jika = = 0.0005
m 100
k
Tingkat signifikansi untuk masing-masing pengujian dipilih .
m
k
Hitung k = max k : p( k ) . maka H0 dengan p-value
m
1 k m
3. Metode Storey :
Keputusan :
0.05
< = = 0.0005 , sehingga tidak ada H0 yang ditolak. Artinya
m 100
k
k = max k : p( k ) , sehingga tidak ada H0 yang ditolak. Artinya
m
1 k m
5.1 KESIMPULAN
disimpulkan bahwa :
Rate (FWER), False Discovery Rate (FDR), dan positif False Discovery
Rate (pFDR).
5.2 SARAN
menaksir 0
Ross, Sheldon. (2002): A First Course in Probability. 6th ed. Prentice Hall,
America.
2035.
b
Multivariate Tests
a. Exact statistic
Nilai p-value dan q-value yang Telah Diurutkan dari yang Terkecil ke
yang Terbesar
10 0.000745931 0.04578698
18 0.003275149 0.06101816
45 0.006637969 0.06101816
30 0.006744529 0.06101816
12 0.007626529 0.06101816
95 0.007740273 0.06101816
44 0.00783186 0.06101816
36 0.007952537 0.06101816
61 0.015696817 0.1070564
83 0.022883838 0.1404663
74 0.02667779 0.1437946
96 0.028111263 0.1437946
1 0.0399754 0.1639205
93 0.044572966 0.1639205
2 0.044600948 0.1639205
90 0.045215484 0.1639205
59 0.046625961 0.1639205
46 0.048068714 0.1639205
89 0.05112784 0.1651761
20 0.071608537 0.2118229
52 0.075216818 0.2118229
17 0.078168994 0.2118229
4 0.080180705 0.2118229
9 0.082821065 0.2118229
8 0.088015943 0.2161049
82 0.09784932 0.2217254
38 0.10379735 0.2217254
23 0.104127157 0.2217254
49 0.104753862 0.2217254
11 0.110886155 0.2268817
84 0.119183618 0.2296997
39 0.11974768 0.2296997
86 0.133233823 0.2459664