MODUL BIOSTATISTIK
Penulis:
Editors:
Universitas Nasional
TA 2018-2019
1
Mata Kuliah:
DAFTAR ISI
Pendahuluan ........................................................................................................................ 3
Tujuan ................................................................................................................................. 4
Rangkuman .......................................................................................................................... 46
2
Mata Kuliah:
PENDAHULUAN
Sebelum Anda mempelajari modul ini, Anda sudah harus mempelajari Metode
Statistika I dan II sebagai dasar memahami materi yang ada dalam modul. Selama
ini yang Anda pelajari tentang statistika adalah prosedur statistika parametrik,
diperoleh dari populasi berdistribusi normal dengan variansi yang sama. Sering
kali kita menjumpai populasi yang kita kaji tidak selalu memenuhi asumsi yang
mempunyai kesahihan (validity) sama tetapi tidak terlalu kaku (menuntut banyak
dari para peneliti. Pada statistika nonparametrik model uji hipotesis lebih
3
Mata Kuliah:
lain.
TUJUAN
4
Mata Kuliah:
URAIAN MATERI
1. Skala Nominal
Contoh:
a. cacat dan tidak cacat (suatu proses produksi yang menghasilkan barang
dengan kriteria cacat dan tidak cacat),
Di sini diberi angka 1 untuk cacat, 2 untuk tidak cacat atau sebaliknya.
Angka 1 untuk laki-laki, 2 untuk perempuan atau sebaliknya.
5
Mata Kuliah:
2. Skala Ordinal
3. Skala Interval
Skala interval dapat diterapkan bila benda atau peristiwa yang kita selidiki
dapat dibedakan antara satu dengan yang lain kemudian diurutkan, dan bilamana
perbedaan antara peringkat yang satu dengan yang lain mempunyai arti (bila
satuan pengukurannya tetap). Skala ini memiliki titik nol yang diambil sebarang.
Contoh yang paling jelas bagi kita adalah pengukuran temperatur dalam satuan
derajat Celsius atau Fahrenheit. Unit pengukuran dan titik nol pada pengukuran
suhu adalah sebarang yang berlainan untuk kedua skala tersebut. Meskipun
demikian, kedua skala tersebut mengandung informasi yang sama banyak dan
jenisnya, karena keduanya berhubungan secara linear, artinya apabila terbaca
pada skala yang satu masih dapat ditransformasikan untuk skala yang lain dengan
persamaan linear.
6
Mata Kuliah:
masih ada yang dapat diukur karena kita ingat ada temperatur yang lebih rendah
dari nol; jadi angka nol hanya merupakan batas saja).
Andaikan bahwa ada empat buah benda A, B, C dan D kita beri nilai 20, 30,
60 dan 70 dengan skala interval (berarti ada nilai 0 untuk awal pengukuran).
Dengan skala interval kita dapat mengatakan bahwa beda/selisih antara A dan B
adalah 10, C dan D adalah 10. Keduanya sama. Dengan demikian, jarak yang
sama antara anggota pasangan nilai menunjukkan beda yang sama dalam hal
sifat/ciri yang kita ukur. Pada skala interval, kita belum dapat berbicara tentang
ratio/perbandingan antara 2 buah nilai.
4. Skala Rasio
Pengetahuan tentang skala pengukuran ini sangat penting bagi seorang calon
peneliti, karena pemakaian skala pengukuran untuk pengamatan penelitian sangat
menentukan metode statistika apa yang akan dipergunakan untuk pengolahan data
nantinya.
7
Mata Kuliah:
Contoh 1.2.
taman kanak-kanak.
Setelah memahami tentang skala ukur, maka kita masuk ke jenis uji statistik. Pada
kegiatan belajar 1 sudah dijelaskan jenis uji statistic parametrik, maka dalam kegiatan
belajar ini akan dibahas jenis-jenis uji statistik non parametrik sebagai berikut:
2. Uji Spearman
8
Mata Kuliah:
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:
• Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga
Actual Count (F0) sebesar 0 (Nol).
Kegunaan Chi-Square
9
Mata Kuliah:
3. Uji kenormalan data dengan melihat distribusi data (Goodness of fit test)
6. Cocok digunakan untuk data kategorik, data diskrit atau data nominal
Pengambilan Keputusan:
Bila harga Chi Square (X2) ≥ Tabel Chi Square è Hipotesis Nol (H0) ditolak &
Hipotesis Alternatif (Ha) diterima
Bila harga Chi Square (X2) < Tabel Chi Square è Hipotesis Nol (H0) diterima &
Hipotesis Alternatif (Ha) ditolak
Contoh Kasus :
10
Mata Kuliah:
Hipotesis:
H0: tidak semua konsumen menyukai sama-sama ke empat warna honda Scoopy
yang ada
H1: semua konsumen menyukai sama-sama ke empat warna honda Scoopy yang
ada
11
Mata Kuliah:
jika chi-square hitung < chi-square tabel atau nilai probabilitas > 0.05, maka H0
diterima
jika chi-square hitung > chi-square tabel atau nilai probabilitas < 0.05, maka H0
ditolak
2. Lalu klik variabel view (ada di pojok bawah sebelah kiri) untuk mengisi
variabel
3. Lalu isi variabel view (kolom name ketik Warna, Type isi Numeric, Decimals
ketik 0, Label ketik Warna Honda Scoopy, Value lihat posisi tanda panah seperti
gambar di bawah lalu klik kemudian pada kolom value ketik 1 lalu pada kolom
Label ketik Sporty putih bergaris orange lalu klik Add, begitu juga untuk yang ke
2=Scoopy sporty merah metalik, 3=Scoopy playful Cream, 4=Scoopy putih biru,
Measure ketik Nominal) sedangkan kolom lain abaikan saja. atau caranya dapat
dilihat seperti gambar berikut:
4. Selanjutnya kita isi data pilihan warna yang telah dipilih oleh responden berupa
skala nominal dengan cara: klik data view (ada di pojok bawah sebelah kiri), lalu
12
Mata Kuliah:
ketik seperti gambar dibawah. Jika data sudah selesai di isi selanjutnya pada menu
toolbar paling atas pilih Analyze---> Nonparametric Tests---> Legacy Dialogs---
> klik Chi-square. atau caranya seperti gambar berikut:
5. Jika sudah mengikuti sesuai dengan perintah di atas maka muncul halaman
Chi-square test, selanjutnya kita akan mengisi kotak Chi-square test. dengan cara
pindahkan warna honda scoopy (warna) yang ada pada kotak sebelah kiri ke
dalam kotak sebelah kanan (Test Variable List) seperti pada gambar
13
Mata Kuliah:
6. Selanjutnya klik OK
14
Mata Kuliah:
Analisis
15
Mata Kuliah:
Dari hasil output dapat kita ketahui bahwa pada bagian Warna Honda Scoopy
kolom Observed N masing-masing warna pilihannya berbeda, artinya warna Sporty
putih bergaris orange 8 orang, warna Scoopy sporty merah metalik 3 orang, warna
Scoopy playful Cream 5 orang, warna Scoopy putih biru 4 orang. jadi jumlah
keseluruhan pemilih ada 20 orang. Pada kolom Expected N dapat dijelaskan karena
pilihan responden tidak semua warna sama, maka masing-masing warna yang dipilih
berbeda, jadi anggapan manajer dalam hal ini sudah mendekati kebenarannya (nilai 5
diperoleh dari 20 responden dibagi 4 warna). sedangkan Residual tersebut artinya
sisanya dari masing-masing warna (nilai residual+expected atau nilai ecpected-
residual maka akan menghasilkan nilai observed N setiap warna).
Selanjutnya kita akan menganalisis bagian hasil Test Statistics, dari hasil
tersebut diperoleh nilai Chi-square hitung 2.800. nilai tersebut kita bandingkan
dengan nilai chi-square tabel, nilai schi-square tabel di dapat 7.81. dan nilai Asymp.
sig (probabilitas) diperoleh 0.423.
Karena chi-square hitung < chi-square tabel yaitu: 2.800 < 7.815 dan nilai sig
>0.05 yaitu 0.423. maka dalam hal ini H0 diterima.
Kesimpulan:
16
Mata Kuliah:
Tidak boleh lebih dari dua puluh (20%) dari kategori mempunyai frekuensi yang
diharapkan kurang dari 5.
Contoh kasus
17
Mata Kuliah:
Hipotesis :
Tolak hipotesis nol (H0) apabila nilai signifikansi chi-square < 0.05 atau nilai chi-
square hitung lebih besar (>) dari nilai chi-square tabel.
Data dari keduapuluh lima responden dapat dilihat pada tabel di bawah ini.
18
Mata Kuliah:
Langkah-langkah SPSS
• Tekan OK
Pada tabel case processing summary diatas menunjukkan bahwa input data ada 25
responden dan tidak ada data yang tertinggal.
19
Mata Kuliah:
Gender*Sikap
20
Mata Kuliah:
Pada tabel chi-square test di atas dapat diketahui bahwa nilai signifikansi
p-value sebesar 0.543 dan nilai chi-square sebesar 0.371. Karena nilai signifikansi
0.543 > (0.05) maka hipotesis null diterima yang berarti bahwa tidak ada
hubungan antara gender dengan sikap terhadap kualitas AC.
Contoh Kasus:
Adakah hubungan antara status anemia Ibu Hamil (Anemia) dengan Berat
Badan Bayi Lahir (BBBL)?
N = 10
1 = Anemia
0 = Tidak Anemia
1 = BBBL
0 = Tidak BBBL
21
Mata Kuliah:
INPUT DATA
Gambar 1
22
Mata Kuliah:
langkah-langkah
Klik OK
Gambar 2
23
Mata Kuliah:
Gambar 2 adalah menu pop-up pada saat Anda melakukan langkah ke-2, ke-3
dan ke-4 yaitu memilih variabel yang akan dianalisis dan kriterium.
Pada tahap ini uji Korelasi Spearman atau Spearman's Rank Correlation
Coefficient atau Spearman's rho sudah selesai dan kita sudah memiliki output.
Langkah selanjutnya mengambil keputusan berdasarkan output.
Pengambilan Keputusan
Gambar 3
Gambar 3 adalah output hasil uji. Nilai Spearman's rho r sebesar 0,802 dengan
Sig. (2-tailed) sebesar 0,005 atau lebih kecil dari 0,05 sehingga diputuskan
Anemia dan BBBL berhubungan nyata dan signifikan.
24
Mata Kuliah:
3. UJI WILCOXON
Uji wilcoxon (uji tanda) termasuk kedalam statistik non-parametrik, data yang
digunakan berupa skala nominal dan ordinal. Uji ini menggunakan dua sampel
yang saling berhubungan (berpasangan) yang bertujuan untuk mengetahui apakah
keduanya mempunyai hubungan. Uji wilcoxon merupakan alternatif lain dari uji t
untuk data berpasangan (t-paired), pada uji wilcoxon data harus dilakukan
pengurutan (ranking) sebelum di lakukan untuk pengujian.
Uji ini juga berlaku untuk statistik parametrik untuk sampel yang
berpasangan, yang menggunakan data skala interval dan rasio, tetapi khusus data
yang tidak berdistribusi normal. yaitu uji normalitas data, caranya klik disini. Bila
data tidak berdistribusi normal coba di transformasi terlebih dahulu, caranya klik
disini, bahkan ada juga setelah ditranformasi data sekalipun tetap tidak
berdistribusi normal. Jadi solusinya supaya data dapat digunakan kembali untuk
uji statistik maka kita bisa menggunakan uji wilcoxon untuk data skala interval
dan rasio.
Pada pembahasan ini kita menggunakan uji wilcoxon untuk statistik non-
parametrik
25
Mata Kuliah:
Contoh:
26
Mata Kuliah:
Dari data di atas, pasien pertama berat badan sebelum minum obat 60 dan
sesudah minum obat 62, dan seterusnya untuk pasien yang lain. Disini datanya
sedikit dan kita anggap saja tidak diketahui distribusi dari data, oleh karenanya
kita dapat menggunakan uji non-parametrik terhadap dua sampel yang
berpasangan dari data di atas.
Pada kasus ini kita tidak perlu melihat perbedaan berat badan, Karena
perbedaan di hitung dengan nilai (Y - X), dimana Y= Sesudah, sedangkan X=
Sebelum. Tetapi kita fokus pada naik atau turunnya berat badan secara signifikan
setelah minum obat.
Sebelum dimasukkan datanya kedalam program spss, kita buat terlebih dahulu
hipotesisnya yaitu:
H0: Tidak terdapat kenaikan berat badan pasien yang bermakna antara sebelum
dan sesudah minum obat
H1: Terdapat kenaikan berat badan pasien yang bermakna antara sebelum dan
sesudah minum obat
Pengujian Statistik:
Jika Z hitung < Z tabel atau nilai sig > 0.05, maka H0 diterima
Jika Z hitung > Z tabel atau nilai sig < 0.05, maka H0 di tolak, jadi terimalah H1
27
Mata Kuliah:
2. Sebelah kiri bawah ada dua pilihan yaitu: data view dan variabel view
4. Isi variabel view (baris pertama pada kolom name ketik Sebelum, pada kolom
decimal ganti 2 menjadi 0, pada label ketik Sebelum minum obat dan baris kedua
pada kolom name ketik Sesudah, pada kolom decimal ganti 2 menjadi 0, pada
label ketik Sesudah minum obat) sedangkan pada kolom lain abaikan saja. Jika
sudah terlihat seperti gambar berikut:
28
Mata Kuliah:
5. Selanjutnya klik data view ada disebelah kiri variabel view. Lalu isikan data
Anda pada kolom Sebelum dan Sesudah. Jika sudah maka perlihat seperti gambar
berikut:
29
Mata Kuliah:
30
Mata Kuliah:
8.
8. Pada kotak Test Pairs: masukkan Sebelum minum obat ke dalam kolom
Variable 1 dan Sesudah minum obat masukkan ke dalam kolom Variable 2, lalu
pada Test Type centang Wilcoxon. atau terlihat seperti pada gambar berikut:
31
Mata Kuliah:
32
Mata Kuliah:
* Tabel Ranks
Pada tabel Ranks kita dapat mengetahui nilai selisih (nilai beda +/-). Misalnya
pada data baris pertama pada soal nilainya 60-62= -2, 56-60=-4 dan
seterusnya. Setelah di hitung nilai selisih kemudian di beri ranking dari nilai
kecil sampai ke yang besar. Sehingga di dapat pada kolom (N di tabel Ranks)
diperoleh ranks negative ada 4 data dan ranks positive ada 12 data (4+12=16),
33
Mata Kuliah:
sedangkan Ties itu dikarenakan ada data yang sama pada baris ke 9 dan 10
(nilai 77 pada soal). Jadi jumlah keseluruhan data adalah 4+12+2=18 data.
Kemudian kita dapat mengetahui Mean Rank dan Sum of Rank dari
banyaknya data negative Ranks dan Positive Ranks.
Pada tabel Test Statistics di dapat nilai Z hitung adalah -2.628, sedangkan
nilai Z tabel diperoleh dari tabel Z dengan alpha 5% atau 0.05 nilainya sekitar
-1.645 (tanda negatif disesaikan saja tergantung output dari Z hitung).
Sedangkan pada nilai Asymp. Sig (2-tailed) diperoleh 0.09.
Karena Z hitung > Z tabel yaitu -2.628 > -1.645 atau nilai sig 0.009 < 0.05 sesuai
dengan pengujian statistik yang kita gunakan maka H0 di tolak, Jadi terimalah H1
Kesimpulan:
Terdapat kenaikan berat badan pasien yang bermakna antara sebelum dan sesudah
minum obat
34
Mata Kuliah:
Contoh:
Hasil check up kadar gula darah normal pada orang dewasa yang berpuasa
selama 8 jam sebelum di cek gula darah dan kadar gula darah orang yang
tidak berpuasa.
35
Mata Kuliah:
Dari data di atas, seorang dokter ingin mengetahui apakah terdapat perbedaan
secara signifikan kadar gula darah normal pada orang dewasa yang berpuasa
dan kadar gula darah orang yang tidak berpuasa.
H0: Tidak berbeda secara bermakna antara kadar gula darah normal pada
orang dewasa yang berpuasa dengan kadar gula darah orang yang tidak
berpuasa.
36
Mata Kuliah:
H1: Berbeda secara bermakna antara kadar gula darah normal pada orang
dewasa yang berpuasa dengan kadar gula darah orang yang tidak berpuasa.
Jika Z hitung < Z tabel atau nilai sig > 0.05, maka H0 diterima
Jika Z hitung > Z tabel atau nilai sig < 0.05, maka H0 di tolak
37
Mata Kuliah:
2. Sebelah kiri bawah ada pilhan Data view dan Variabel View, silahkan Klik
variabel view untuk kita isi variabel. jika sudah di klik maka terlihat seperti
gambar berikut:
3. Baris pertama ketik Kadar_gula pada kolom name, (ingat: pada saat
menentukan variabel pada kolom name tidak boleh menggunakan spasi,
melainkan harus ada penghubung, disini saya menggunakan penghubung
dengan underscore atau _), pada kolom Decimals ketik 0, sedangkan
pada kolom label ketik Kadar Gula Darah, kolom lain abikan saja.
38
Mata Kuliah:
4. Baris kedua ketik kelompok pada kolom name, kolom decimals ketik 0,
lalu pada kolom Values klik None sehingga muncul gambar seperti
berikut:
39
Mata Kuliah:
5. Pada kolom Value ketik 1 dan pada kolom Label ketik tidak berpuasa, klik
Add. Lalu isi kembali pada kolom Value ketik 2 dan pada Label ketik
berpuasa, klik Add. atau contoh isian seperti gambar berikut:
6. Jika sudah benar di isi seperti gambar di atas, lalu Klik OK. Sampai disini
kita telah mengisi variabel data terlihat seperti gambar berikut:
40
Mata Kuliah:
7. Lalu Klik Data view, adanya di sebelah kiri Variable View tepatnya sebelah
kiri bawah.
8. Silahkan di isi datanya sesuai dengan soal yang diberikan atau berikut
caranya: pada kolom Kadar_Gula isi dengan nilai kadar gula 140, 165, 135, ...
, 109. Pada kolom Kelompok isi 1 mulai dari nomor urut 1 sd 13 dan isi 2
mulai dari nomor urut 14 sd 25, keterangan (1= tidak berpuasa, 2=berpuasa).
Jika sudah di isi maka terihat seperti gambar berikut:
41
Mata Kuliah:
42
Mata Kuliah:
43
Mata Kuliah:
10. Pindahkan Kadar_Gula kedalam kolom Test Variable List:, dan masukkan
Kelompok kedalam kolom Grouping Variable: lalu klik Define Groups...,
untuk kolom Group 1: ketik angka 1 yang artinya 1 ini untuk orang yang tidak
berpuasa dan untuk kolom Group 2: ketik 2 yang artinya 2 ini untuk orang
yang berpuasa, setelah pengisian selesai tekan Continue untuk melanjutkan ke
tampilan sebelumnya. serperti gambar berikut:
44
Mata Kuliah:
Berdasarkan pada tabel Test Statistics di atas, nilai Z hitung diperoleh -3.972
(positif dan negatif tidak diperhitungkan artinya sama saja). lalu nilai z hitung
tersebut kita bandingkan dengan nilai Z tabel. Nilai Z tabel di peroleh -1.96.
jika Z hitung < Z tabel dan nilai sig > 0.05 maka H0 diterima
45
Mata Kuliah:
jika Z hitung > Z tabel dan nilai sig < 0.05 maka H0 di tolak dan terima H1
Berdasarkan nilai Z dan nilai sig di atas yaitu dimana Z hitung -3.972 > Z
tabel -1.96 dan nilai Asymp.Sig.(2-tailed) 0.000 atau < 0.05. Sehingga dapat
kita simpulkan tolak H0 dan terima H1.
Jadi: Berbeda secara bermakna antara kadar gula darah normal pada orang
dewasa yang berpuasa dengan kadar gula darah orang yang tidak berpuasa.
RANGKUMAN
Pada kegiatan belajar 1 ini berisi tentang statistika
prosedur nonparametric.
5. Skala pengukuran.
46
Mata Kuliah:
TES FORMATIF
Apakah Anda sudah bisa memahami materi uraian diatas? Jika sudah
sekarang jawablah pertanyaan-pertanyaan berikut ini dengan memilih salah
satu pilihan jawaban yang paling Anda anggap benar:
5. Jika seorang peneliti ingin melihat hubungan 2 variabel dengan skala ukur
kategorik, maka uji statistic yang tepat adalah:
a. Uji spearman rank
b. Uji mann whitney test
c. Uji Wilcoxon sign rank test
d. Uji independent t test
48
Mata Kuliah:
DAFTAR PUSTAKA
1. Polit, D. F., & Beck, C. T. (2012). Nursing research: Principles and methods.
Lippincott Williams & Wilkins.
2. Ronald E. Walpole, Raymond H. Myers, Sharon L. Myers and Keying Ye, 2007,
Probabilitiy and Statistics for Engineers and Scientists, 8th edition, Pearson Prentice
Hall.
3. Sharma, Subhash, 1996, Applied Multivariate Techniques, John Willey & Son, Inc.,
USA.
4. Johson & Wichern, 2007, Applied multivariate statistical analysis, Upper Saddle River:
Pearson Prentice Hall.
5. J. Supranto, M.A. ,2001, Statistika Teori dan Aplikasi, Erlangga, Jakarta.
6. Douglas C. Montgomery, George C. Runger, 2003, Applied Statistic and Probability
for Engineer, third edition, John Wiley and Son Inc.
7. Singgih Santoso, 2014, Panduan Lengkap SPSSversi 20, Alex Media Komputindo.
8. Puspitasari Astri , Modul I dan Modul II: Cirebon, 2010
9. Prasetyo Tri Budi, Universitas Muhammadiyah Cirebon, Modul Statistika
I,II,III,IV : Cirebon, 2009
10. Ziddu.com, Program Pengolahan Data : 2010
11. Andi Field, Discovering Statistics using SPSS: And Sex Drug and Alcohol,
Second Edition (London: SAGE Publication, 2005)
12. Donald P. Schwab, Research Methods for Organizational Studies, Second
Edition (New Jersey: Lawrence Erlbaum Associates, Publishers, 2005)
13. Jonathan Sarwono, Statistik Itu Mudah: Panduan Lengkap untuk Belajar
Komputasi Statistik Menggunakan SPSS 16 (Yogyakarta: Penerbit Universitas
Atma Jaya Yogyakarta, 2009).
14. Mark R. Leary, Introduction to Behavioral Research Methods, Third Edition
(Boston: Allyn and Bacon, 2001)
15. Muhammad Nisfiannoor, Pendekatan Statistika Modern untuk Ilmu Sosial
(Jakarta: Penerbit Salemba Humanika, 2009)
16. Robert Ho, Handbook of Univariate and Multivariate Data Analysis and
Interpretation with SPSS (Boca Raton: Chapman & Hall/CRC, 2006) p. 184.
49