PENDAHULUAN
A. Latar Belakang
Statistik non-parametrik termasuk salah satu bagian dari statistik inferensi atau
statistik induktif. Uji statistik non-parametrik sering juga disebut statistik bebas
distribusi (distribution-free statistics), karena prosedur pengujiannya tidak
membutuhkan asumsi bahwa pengamatan berdistribusi normal (Kuzma, 1973).
Analisis non paramtrik dikenal sebagai alat analisis statistik alternatif di saat
peneliti tidak dapat menggunakan analisis parametrik. Meskipun pendapat ini tidak
seluruhnya benar, namun nyatanya putar haluan analisis ke nonparametrik
merupakan tindakan alternatif penyelamatan data yang dilakukan para
penelitiAnalisis nonparametrik adalah prosedur statistik yang tidak mengacu pada
parameter tertentu. Itulah sebabnya, statistik nonparametrik sering disebut sebagai
prosedur yang bebas distribusi (free-distibution procedures). Dan Uji Beda Sesuai
dengan namanya, uji beda, maka uji ini dipergunakan untuk mencari perbedaan,
baik antara dua sampel data atau antara beberapa sampel data. Dalam kasus
tertentu, juga bisa mencari perbedaan antara suatu sampel dengan nilai tertentu.
B. Rumusan Masalah
C. Tujuan
1
BAB II
PEMBAHASAN
A. UJI BEDA
1. Uji Wilcoxon (uji benda dua kelompok dependen)
Wilcoxon atau yang dikenal uji tanda dari wilcoxon atau uji tanda saja.
Untuk menggunakan uji ini mula-mula kita mengurutkan selisih-selisih
menurut peringkat berdasarkan nilai mutlaknya maing masing. Kemudian
kita memberikan tanda tanda selisih (beda) yang semula kepada peringkat
peringkat yang dihasilkan, dan setelah itu melakukan dua penjumlahan, yakni:
penjumlahan peringkat peringkat bertanda positif. Karena uji peringkat
bertanda Wilcoxon menggunakan informasi yang lebih baik ketimbang uji
tanda, maka sering kali kepercayaan uji ini lebih tinggi. Uji peringkat bertanda
Wilcoxon juga mengandaikan bahwa sampel diambil dari populasi yang
simetrik. Apabila populasi yang diambil memenuhi asumsi asumsi ini,
kesimpulan kesimpulan mengenai median populasi tersebut berlaku pula
untuk nilai rata ratanya (rata rata populasi)
Asumsi Asumsi:
a. Sampel yang tersedia untuk analisis adalah sampel acak berukuran n dari
suatu populasi dengan median M yang belum diketahui.
Adapun rumus yang digunakan apabila n lebih besar dari 2,5 kita tidak bisa
menggunakan tabel Wilcoxon untuk menentukan kebermaknaan suatu nilai statistik uji
2
hasil perhitungan. Kit dapat menunjukan bahwa untuk sampel sampel besar,
statistiknya adalah:
z=
Dalam aproksimasi sampel besar ini kita dapat melakukan suatu penyesuaian
(adjusment) akibat adanya angka angka sama yang ditemukan diantaraselisih
selisih bukan nol. Misalkan t adalah banyaknya selisih mutlak yang berangka sama
untuk suatu peringkat tertentu maka faktor koreksi disini adalah:
Dan kita mengurangkan faktor ini terhadap besaran di bawah tanda akar, karena itu
bila kita menjumpai sejumlah angka sama, kita menggantikan denominator (penyebut)
pada statistik uji aproksimasi sampel besar dengan:
Maka rumus jadi untuk wilcoxon dengan ada koreksian dan sampel besar dengan
didekatkan pada distribusi z adalah sebagai berikut:
Contoh:
Dalam penelitian tentang produktivitas kerja perawat sebelum dan sesudah ruangan
dipasang AC diperoleh data sebagai berikut:
3
1 100 105
2 98 94
3 76 78
4 90 98
5 87 90
6 89 85
7 77 86
8 92 87
9 78 80
10 82 83
Untuk menyelesaikan soal tersebut maka data dapat disusun sebagai berikut.
Berdasarkan tabel t untuk n = 10 dan taraf kesalahan 5% (uji 2 pihak) maka nilai t tabel
= 8. Oleh karena jumlh jenjang yang kecil 18,5 leih besar dari 8, maka Ho diterima. Jadi dapat
disimpulkan bahwa ruangan yang diberikan AC tidak berpengaruh signifikan terhadap kinerja
perawat.
z=
4
dimana nilai T yang digunakan adalah nilai T atau T yang terkecil yaitu 18,5 dan hasil
perhitungan di aproksimaai atau didekatkan dengan niai z
z=
Interfrestasinya adalah:
Bila taraf kesalahan yang digunakan 0,050, maka harga z tabelnya adalah 1,96. Harga z
hitung -0,918 ternyata lebih kecil dari -1,96 (ingat harga (negatif) tidak
diperhitungkan karena harga mutlak), dengan demikian Hoditerima. Jadi dapat
disimpulkan bahwa ruangan yang diberi AC tidak berpengaruh signifikan terhadap
kinerja perawat.
Interprestasi hasil:
a. Lihat pada nilai z dan Asym. Sig, dari out put di atas dapat diketahui nilai z hitungannya
sebesar -0,919 dan Asym. Signya sebesar 0,358 (nilai p). Hal ini menunjukan bahwa
nilai p > 0,050 yang berarti tidak ada beda yang signifikan antara sebelum dan sesudah
ruangan diberi AC dengan kinerja perawat.
b. Adapun cara yang lebih adalah membandingkan nilai z hitung dengan z tabel,
untuk kasus di atas dapat diketahui harga z hitung -0,918 ternyuata lebih kecil
dari harga z tabel -1,96 (ingat harga (negatif) tidak diperhitungkan karena
harga mutlak), dengan demikian Ho diterima. Jadi dapat disimpulkan bahwa
ruangan yang diberi AC tidak berpengaruh signifikan terhadap kinerja perawat
Paired Differences
95%
Confidence
Interval of the
Std. Difference
Std. Error
5
Pair Sebelum Mean Deviation Mean Lower Upper
1 pemberianOC t df
Setelah Sig
pemberian OC (2-tailed)
-4.80 4.566 1.444 -8.07 -1,53 -3.325 9 .009
Dari hasil output SPSS diketahui bahwa t hitung 3,325, menunjukkan bahwa
sebelum pemberian OC lebih kecil dari setelah pemberian OC. Sedangkan pembaca
singkat berdasarkan harga signifikasi (p), dimana nilai p=0,009, dimana nilai tersebut
(p<0,05), maka Ho ditolak, artinya ada beda rata-rata antara nilsi sebelum pemberian
OC dengan setelah pemberian OC. Dimana dengan harga negative (-) menunjukkan
tekanan darah sistolik setelah pemberian OC, sehingga pemberian OC efektif untuk
menurunkan tekanna darah sistolik.
B. STATISTIK NONPARAMETRIK
Tujuan dari uji ini adalah untuk mengetahui apakah ada perbedaan dari
suatu parameter dari dua sampel independent (tidak terikat antara satu
kelompok dengan kelompok yang kedua. Uji ini dapat digunakan untuk
menguji kasus dengan ukuran sampel yang berbeda dan menggunakan jumlah
peringkat sebagai statistik uji, selain itu dapat digunakan pula pada kasus
dengan ukuran sampel yang sama.
6
Populasi-populasi yang diminati bisa termasuk salah satu dari dua tipe
populasi yang ada, yaitu nyata atau hipotetik. Populasi nyata adalah populasi
yang sungguh ada dan terdefinisi dengan baik(nyata). Misalnya populasi 1
keluarga dalam komunitas di lingkungan perkotaan, populasi 2 adalah keluarga
dalam komunitas pedesaan. Variabel yang diminsti mungkin pendapatan
tahunan keluarga. Populasi hipotetik, contohnya subyek-subyek yang bersedia
untuk dikaji mungkin telah ditetapka secara acak untuk menerima salah satu
dari dua perlakuan (treatment) , yaitu merujuk ke prosedur-prosedur penghasil
efek yang akan di ukur.
Asumsi-asumsi
a. Data merupakan sampel acak hasil pengamatan X1, X2, , Xn dari populasi 1 dan
sampel acak dari hasil pengamatan Y1, Y2, ... , Yn dari populasi 2
Cara menghitung
a. Untuk menghitung nilai statistic uji hasil pengamatan, kita menggabungkan kedua
sampel dan merangking semua hasil pengamatan dari yang kecil ke yang besar (nilai
terkecil sebagai rangkng kecil (1) dan nilai terbesar sebagai rangking terbesar).
b. Untuk nilai yang sama maka kita ,enjumlah urutan rangking dari besaran nilai sampel
yang sama, kemudian di bagi banyaknya sampel yang sama tersebut. Misalnya dua
nilai dari sampel mempunyai nilai yang sama dan berangking 2 dan 3, maka
menentukan rangking kedua nilai tersebut adalah 2,5 dan 2,5 rangking selanjutnya
adalah rangking 4,5,dst.
c. Kita menjumlah rangking yang ada dari kedua sampel yang independen. Kita akan
menggunakan jumlah rangking tersebut untuk menyelesaikan rumus U. Jadi terdapat 2
jumlah rangking, yaitu dari sampel populasi 1 dan sampel populasi 2. Kita akan
menggunakan jumlah rangking yang terbesar untuk menyelesaikan rumus U, akan
7
tetapi jumlah rangking yang terkecil juga dapat kita gunakan. Catatan. Apabila
menggunakan program SPSS, maka jumlah rangking yang digunakan sebagai
penyelesaian uji adalah jumlah terkecil.
d. Rumus uji adalah
T=S
Besarnya 2 adalah 0,05/2, dengan besar n1 dan n2 tertentu, maka diperoleh harga W.
f. Apabila n1 atau n2 lebih besar dari 20, maka kita tidak akan menggunakan table, karena
dalam tabel maksimal jumlah sampel adalah 20. Sehingga kita akan mencari harga Z
dengan asumsi sebaran data tersebut dapat dikatakan mendekati distribusi Z. Dengan
rumus Z adalah
z= di mana T=
dan T =
8
Apabila terdapat rangking yang sama, maka kita perlu melakukan koreksi
terhadap rumus uji Z tersebut. Faktor korekti tersebut kita kurangkan terhadap apa
yang terdapat di bawah tanda akar.
z=
Contoh kasus :
14.6 15.8 16.4 14.6 14.9 14.3 14.7 17.2 16.8 16.1
15.5 17.9 15.5 16.7 17.6 16.8 16.7 16.8 17.2 18.0
Ho : Tidak ada beda kadar Hb anatar yang menghirup kadnium dengan tidak.
Dari data tersebut maka kita akan membuat rangking sebagai berikut :
T=S
T = 137,5
T = 82,5
Sedangkan untuk perhitungan SPSS jumlah rangking yang digunakan adalah yang terkecil
yaitu S2 = 72,5
Sehingga :
T=S
T = 72,5
Selanjutnya kita cari harga z hitung. Karena terdapat rangking yang sama dalam data
tersebut, maka kita akan mencari koreksi dari data tersebut.
, maka, sehingga
10
, maka
, diperoleh 1,0526
z=
z=
N Rank T T3
14.3 1 1 1
14.6 2.5 2 8
14.6 2.5 2 8
14.7 4 1 1
14.9 5 1 1
15.5 6.5 2 8
15.5 6.5 2 8
15.8 8 1 1
11
16.1 9 1 1
16.4 10 1 1
16.7 11.5 2 8
16.7 11.5 2 8
16.8 14 3 27
16.8 14 3 27
16.8 14 3 27
17.2 16.5 2 8
17.2 16.5 2 8
17.6 18 1 1
17.9 19 1 1
18 20 1 1
Selanjutnya kita bandingkan harga z hitung yang besarnya 2,464, dengan z tabel
yang besarnya -1,96, sehingga Z hitung > Z tabel, maka Ho ditolak dan Ha diterima,
artinya ada beda kadar Hb antara anjing yang menghirup Kadnium oksida dengan
yang tidak.
z= , maka
z=
harga z = 2,464, yang hasilnya sama dengan T = 17,5, Cuma tanda yang berbeda yaitu
positif dan negatif.
BAB III
PENUTUP
A. Simpulan
12
uji beda, merupakan uji ini dipergunakan untuk mencari perbedaan,
baik antara dua sampel data atau antara beberapa sampel data. Dalam kasus
tertentu, juga bisa mencari perbedaan antara suatu sampel dengan nilai
tertentu. Ada 2 uji beda yaitu uji Wilcoxon atau yang dikenal uji tanda dari
wilcoxon atau uji tanda saja. Untuk menggunakan uji ini mula-mula kita
mengurutkan selisih-selisih menurut peringkat berdasarkan nilai mutlaknya
maing masing. Dan man Whitney Uji ini dapat digunakan untuk menguji
kasus dengan ukuran sampel yang berbeda dan menggunakan jumlah peringkat
sebagai statistik uji, selain itu dapat digunakan pula pada kasus dengan ukuran
sampel yang sama.
B. Saran
DAFTAR PUSTAKA
Budiarto Eko, SKM. 2001. Biostatistika Untuk Kedokteran Dan Kesehtan Masyarakat.
Jakarta : EGC
13
Brockopp, Dorothy Young. 1999. Dasar-dasar Riset Keperawatan. Jakarta : EGC
Sukawana. I Wyn. 2008. Statistik Untuk Perawat. Jurusan Keperawatan Poltekes Denpasar
14