TUGAS BIOSTATISTIK

ANALITIK NON PARAMETRIK UJI HUBUNGAN

OLEH

A4C

1. Ni Putu Sumertini (10.321.0777)

2. I Gst Ayu Putu Agustini (10.321.0790)

3. Gede Arta Wiguna (10.321.0788)

4. I Made Agus Wirawan (10.321.0795)

5. Lina Agustina (10.321.0807)

6. Ni Putu Desi Ratna Sari (10.321.0816)

7. Ni Wayan Purnamayanti (10.321.0823)

8. Kadek Edy Riyadi (10.321.0803)

PROGRAM STUDI ILMU KEPERAWATAN

STIKES WIRA MEDIKA PPNI BALI

2013

1|Page
 KATA PENGANTAR

Puja dan puji syukur kelompok panjatkan kehadirat Ida Sang Hyang Widhi Wasa/Tuhan Yang

Maha Esa atas segala rahmat kelompok dapat menyelesaikan Paper Biostatistik tentang Analitik Non

Parametrik Uji Hubungan tepat pada waktunya. Paper ini ditulis untuk memenuhi penugasan mata kuliah

Biostatistik Keperawatan mahasiswa jurusan S-1 Keperawatan Sekolah Tinggi Ilmu Kesehatan Wira

Medika PPNI Bali.

Dalam Penulisan paper ini , kelompok menyadari bahwa masih banyak kekurangan dan kesalahan

oleh sebab itu penulis mengharapkan kepada pembaca memberikan kritik dan saran yang konstruktif.

Kelompok juga tidak lupa mengucapkan terima kasih kepada semua pihak yang telah membantu demi

kelancaran penulisan paper.

Denpasar, Maret 2013

Penyusun

2|Page
 BAB I

PENDAHULUAN

A. Latar Belakang
Dalam penelitian, sering kali kita ingin menegtahui ada tidaknya hubungan diantara table
variable yang kita amati atau yang ingin mengtahui seberapa besar derajat keeratan
hubungan diantara table variable tersebut. Analisis korelasi merupakan studi yang
membahas tentang derajat keeratan hubungan antara dua atau lebih table pengamatan.
Dalam statistic parametric ukuran derajat keeratan hubungan diantara dua table yang paling
dikenal adalah koefisien Moment Product atau Koefisien Hasil Kali Perason. Penerapakan
konsep kerelasi pearson menuntut bahwa table pengamatan minimal diukur dalam skala
interval. Disamping itu, didalam pengujiannya diperlukan anggapan bahwa populasi
darimana samplediambil merupakan populasi yang normal. Apabila skala pengukuran
interval dan rasio tidak tercapai dapat diterapkan ukuran derajat hubungan (korelasi) dalam
metode non parametric.
Pada statistic parametrik, pengujian hipotesis (uji parametric) atau aturan pengambilan
keputusan dipengaruhi oleh asumsi-asumsi tertentu. Misalnya, distribusi probabilitas untuk
pengambilan sampel dan bentuk varians. Asumsi untuk distribusi misalnya distribusi
normal, binomial, distribusi F , dan distribusi student t. asumsi untuk bentuk varians
misalnya memiliki varians yang homogeny, seperti pada regresi dan korelasi. Asumsi-
asumsi tersebut tidak diuji lagi dan dianggap sudah terpenuhi.
B. Rumusan Masalah
1. Apa yang di maksud dengan analitik non parametrik uji hubungan ?
C. Tujuan
1. Agar mahasiswa mampu memahami tentang analitik non parametric uji hubungan

3|Page
 BAB II

PEMBAHASAAN

A. ANALITIK NON PARAMETRIK UJI HUBUNGAN

Dalam penelitian, sering kali kita ingin menegtahui ada tidaknya hubungan diantara table
variable yang kita amati atau yang ingin mengtahui seberapa besar derajat keeratan hubungan
diantara table variable tersebut. Analisis korelasi merupakan studi yang membahas tentang
derajat keeratan hubungan antara dua atau lebih table pengamatan.
Dalam statistic parametric ukuran derajat keeratan hubungan diantara dua table yang
paling dikenal adalah koefisien Moment Product atau Koefisien Hasil Kali Perason.
Penerapakan konsep kerelasi pearson menuntut bahwa table pengamatan minimal diukur
dalam skala interval. Disamping itu, didalam pengujiannya diperlukan anggapan bahwa
populasi darimana samplediambil merupakan populasi yang normal. Apabila skala
pengukuran interval dan rasio tidak tercapai dapat diterapkan ukuran derajat hubungan
(korelasi) dalam metode non parametric.
Pada statistik parametrik, pengujian hipotesis (uji parametric) atau aturan pengambilan
keputusan dipengaruhi oleh asumsi-asumsi tertentu. Misalnya, distribusi probabilitas untuk
pengambilan sampel dan bentuk varians. Asumsi untuk distribusi misalnya distribusi normal,
binomial, distribusi F , dan distribusi student t. asumsi untuk bentuk varians misalnya
memiliki varians yang homogeny, seperti pada regresi dan korelasi. Asumsi-asumsi tersebut
tidak diuji lagi dan dianggap sudah terpenuhi.
Namun dalam prakteknya, situasi yang sering muncul tidak memenuhi asumsi yang
dimaksud. Oleh karena itu, digunakan statistic nonparametric. Jadi, statistic nonparametric
merupakan alternative dalam memecahkan masalah, seperti pengujian hipotesisn atau
pengambilan keputusan apabila statistic parametric tidak dapat dipergunakan.

4|Page
B. PENGERTIAN DAN PENGGUNAAN STATISTIK NONPARAMETRIK
Statistik nonparametrik termasuk salah satu bagian dari statistik onferensi atau statistik
induktif dan disebut juga statistik bebas distribusi. Statistik nonparametrik adalah bagian
statistik yang tidak memerlukan asumsi-asumsi tertentu, misalnya mengenai bentuk distribusi
dan hipiotesis-hipotesis yang berkaitan dengan nilai-nilai parameter tertentu.
1. Statistik nonparametrik digunakan apabila :
a. Sampel yangdigunakan memiliki ukuran yang kecil.
b. Data yang digunakan bersifat ordinal, yaitu data-data yang bisa disusun dalam
urutan atau klasifikasi rangkingnya.
c. Data yang digunakan bersifat nominal yaitu data-data yang dapat
diklasifikasikan dalam katagori dalam hitung dan frekuensinya.
d. Bentuk distribusi populasi dan tempat pengambilan sampel tidak diketahui
menyebar secara normal.
e. Ingin menyelesaikan masalah statistic secara cepat tanpa menggunakan alat
hitung.
C. PENGUJIAN HIPOTESIS STATISTIK NONPARAMETRIK
Pengujian hipotesis statistik nonparametrik pada dasarnya sama dengan pengujian
hipotesis statistik parametrik. Asumsi yang digunakan pada pengujian hipotesis statistik
nonparametrik hanyalah bahwa observasi-observasi independen dan variabel yang diteliti
memiliki kontinuitas. Asumsi bahwa variabel yang diteliti memiliki kontinuitas yang
diperlukan dalam uji parametrik, namun dalam uji non parametrik asumsi tersebut lebih
longgar.
1. Langkah-langkah pengujian hipotesis statistik nonparametrik ialah sebagai berikut :
a. Menentukan formulasi hipotesis
b. Menentukan taraf nyata dan nilai tabel
c. Menentukan criteria pengujian
d. Menetukan nilai uji statistik
e. Membuat kesimpulan

5|Page
 1. Uji Tanda (Sign Test)
Uji tanda didasarkan atas tanda-tanda positif atau negative dari perbedaan antara
pasangan pengamatan. Bukan atas besarnya perbedaan. Uji tanda biasanya digunakan untuk
mengetahui pengaruh sesuatu.
Langkah-langkah pengujian dengan uji tanda ialah sebagai berikut :
a. Menentukan formulasi hipotesis
Ho : probabilitas terjadinya tanda positif dan probabilitas terjadinya tanda negative
adalah sama.
H1 : probabilitas terjadinya tanda positif dan probabilitas terjadinya tanda negative
adalah berbeda.
b. Menentukan taraf nyata (α)
Pengujiannya dapat berbentuk satu sisi atau dua sisi
c. Menentukan criteria pengujian
1. Pengujian satu sisi
Ho diterima apabila α ≤ probabilitas hasil sampel
Ho ditolak apabila α > probabilitas hasil sampel
2. Pengujian dua sisi
Ho diterima apabila α ≤ 2 kali probabilitas hasil sampel
Ho ditolak apabila α > 2 kali probabilitas hasil sampel
d. Menentukan nilai uji statistic
Merupakan nilai dari probabilitas hasil sampel (lihat tabel probabilitas bionominal
dengan n, r tertentu dan p = 0,5) r = jumlah tanda yang terkecil.
e. Membuat kesimpulan
Menyimpulkan Ho diterima atau ditolak
Catatan :
Untuk sampel besar (n ≥ 30) uji statistiknya adalah

Keterangan :

r = jumlah tanda positif

n = jumlah pasangan observasi yang relevan

6|Page
 langkah-langkah pengujiannya sama dengan langkah-langkah pengujian sebelumnya,
menggunakan distribusi Z.

Contoh soal :

Direktur PT MONDAR-MANDIR ingin mengukur peningkatan mutu kerja karyawan

diperusahaannya setelah memberlakukan kenaikan gaji. Untuk itu diambil sampel
sebanyak 10 karyawan. Datanya sebagai berikut .

TABEL 8.1 MUTU KERJA KARYAWAN SEBELUM DAN SESUDAH

KENAIKAN GAJI

Pegawai
1 2 3 4 5 6 7 8 9 10
Skor
Sebelum 71 91 86 60 83 70 72 65 80 72

Sesudah 72 88 82 67 88 67 75 75 90 76

Ujilah dengan taraf nyata 5% apakah ada peningkatan mutu kerja karyawan setelah gaji
naik!

Penyelesaian :

Pegawai Sebelum (X1) Sesudah (X2) X1 – X2

1 71 72 -
2 91 88 -
3 86 82 -
4 60 67 +
5 83 88 +
6 70 67 -
7 72 75 +
8 65 75 +
9 80 90 +

7|Page
 10 72 76 +

Ternyata jumlah tanda “+” adalah 6 dan tanda “-“ adalah 4

1. Formulasi hipotesisnya :
Ho : p = 0,5 (tidak ada peningkatan mutu kerja)
H1 : p > 0,5 (ada peningkatan mutu kerja)

2. Taraf nyata (α)

(α) = 5 % = 0,05
3. Kriteria pengujiannnya :
Ho diterima apabila 0,05 ≤ probabilitas hasil sampel
Ho ditolak apabila 0,05 > probabilitas hasil sampel

4. Nilai uji statistiknya :

n=10, r=4, dan p=0,5
probabilitas hasil sampel = 0,0010 + 0,0098 + 0,00439 + 0,1172 + 0,2051 = 0,3770

5. Kesimpulan :
Karena α = 0,05 < probabilitas hasil sampel = 0,3770 maka Ho diterima.
Jadi, tidak ada peningkatan mutu kerja karyawan setelah gaji dinaikkan.

1. UJI URUTAN BERTANDA WILCOXON (The Signed Rank Test)

Uji urutan bertanda Wilcoxon pertama kali diperkenalkan oleh Frank Wilcoxon pada tahun
1945 sebagai penyempurnaan dari uji tanda. Pada uji urutan bertanda tersebut, disamping
memperhatikan tanda perbedaan (positif atau negative) juga memperhatikan besarnya beda
dalam menentukan apakah ada perbedaan nyata dianatara data pasangan yangdiambil dari
sampel atau sampel yang berhubungan.

8|Page
 Langkah-langkah pengujian urutan bertanda Wilcoxon ialah sebagai berikut :
a. Menentukan formulasi hipotesis
Ho : jumlah urutan tanda positif dengan jumlah urutan tanda negative adalah sama (tidak
ada perbedaan nyata antara pasangan data).
H1 : jumlah urutan tanda positif dengan jumlah urutan tanda negative adalah berbeda
(ada perbedaan nyata antara pasangan data).
b. Menentukan taraf nyata (α) dengan T tabelnya
Pengujiannya dapat berbentuk satu sisi atau dua sisi
c. Menentukan criteria pengujian
Ho diterima apabila To ≥ T
Ho ditolak apabila To < T
d. Menentukan nilai uji statistic (nilai To)
Tahap-tahap pengujian ialah sebagai berikut :
1. Menentukan tanda beda dan besarnya tanda beda antara pasangan data.
2. Mengurutkan bedanya tanpa memperhatikan tanda atau jenjang.
a. Angka 1 untuk beda yang terkecil dan seterusnya.
b. Jika terdapat beda yang sama, diambil rata-ratanya.
c. Beda nol tidak diperhatikan.
3. Memisahkan tanda beda positif dan negative atau tanda jenjang.
4. Menjumlahkan semua angka positif dan angka negative.
5. Nilai terkecil dari nilai absolute hasil penjumlahan merupakan To yaitu nilai uji
statistic.
e. Membuat kesimpulan
Menyimpulkan Ho diterima atau ditolak.

Catatan :
Untuk pasangan data lebih besar dari 25 (n>25) pengujiannya menggunakan nilai Z yaitu:

9|Page
 Z = T-E(T)

𝜎𝑇

E(T) = n(n+1)

T𝜎 = n(n+1) (2n+1)

24

Langkah-langkah pengujiannya sama dengan langkah-langkah pengujian sebelumnya

menggunakan distribusi Z.

Contoh soal :

Delapan orang pasien yangdiambil secara acak diukur kapasitas pernapasannya sebelum dan
sesudah diberikan obat tertentu. Hasilnya adalah sebagai berikut.

TABEL 8.2 KAPASITAS PERNAPASAN SEBELUM DAN SESUDAH PEMBERIAN

OBAT TERTENTU DARI DELAPAN PASIEN

Pasien A B C D E F G H
X 2.750 2.360 2.950 2.830 2.250 2.680 2.720 2.810
Y 2.850 2.380 2.930 2.860 2.300 2.640 2.760 2.800

Keterangan :

X = sebelum pemberian obat

Y = sesudah pemberian obat

Dengan taraf nyata 5 % ujilah apakah obat tersebut tidak memiliki efek terhadap kapasitas
pernapasan!

10 | P a g e
Penyelesaian :

a. Formulasi hipotesisnya :
Ho : obat tidak memiliki efek terhadap kapasitas pernapasan (tidak ada perbedaan antara
pasangan data).
H1 : obat memiliki efek terhadap kapasitas pernapasan (ada perbedaan antara pasnagan
data).
b. Taraf nyata (α) dan nilai T tabelnya
𝛼 = 5 % = 0,05 dengan n=8
T 0,05 = 4 (uji dua sisi).
c. Kriteria pengujiannya :
Ho diterima apabila To ≥ 4
Ho ditolak apabila To < 4

d. Nilai uji statistiknya :

Pasien X Y Beda Jenjang Tanda Jenjang

(Y – X) + _
A 2.750 2.850 +100 8 +8
B 2.360 2.380 +20 1,5 +1,5
C 2.950 2.930 -20 1,5 -1,5
D 2.830 2.860 +30 4 +4
E 2.250 2.300 +50 7 +7
F 2.680 2.640 -40 5,5 -5,5
G 2.720 2.760 +40 5,5 +5,5
H 2.810 2.800 -10 1 -1
Jumlah +26 -8

Jadi T = 8

11 | P a g e
e. Kesimpulan :
Karena T = 8 > T 0,05 = 4 maka Ho diterima. Jadi, obat tidak memiliki efek terhadap
kapasitas pernapasan.

2. UJI KORELASI URUTAN SPEARMAN (The Rank Correlation Test)

a. Koefisien korelasi urutan spearmnan
Pengujian korelasi urutan spearman dikemukakan oleh Carl Spearman pada tahun 1904.
Metode tersebut digunakan untuk mengukur keeratan hubungan antara dua variabel atau
data ordinal. Kedua variabel itu tidak memiliki distribusi normal dan kondisi varians
tidak diketahui sama. Koefisien korelasi urutan spearman disimbolkan r .
1. Jika r = 1 data sampel menunjukkan hubungan positif sempurna, yaitu urutan untuk
setiap data sama.
2. Jika r = -1 data sampel menunjukkan hubungan negative sempurna yaitu urutan untuk
setiap data merupakan urutan terbalik.
3. Jika r = 0 data sampel tidak ada hubungan.
Dengan demikian nilai r berkisar antara -1 dan +1 (-1 ≤ r ≤ +1)
Koefisien korelasi urutan spearman dirumuskan :

Keterangan :
d = beda urutan dalam satu pasangan data
n = banyaknya pasangan data
untuk menghitung koefisien korelasi urutan Spearman dapat digunakan langkah-langkah
berikut :

12 | P a g e
 1. Nilai pengamatan dari dua variabel yang akan diukur hubungannya diberi urutan. Jika
ada nilai pengamatan yang sama dihitung urutan rata-ratanya.
2. Setiap pasangan urutan dihitung perbedaannya.
3. Perbedaan setiap pasangan urutan tersebut dikuadratkan dan dihitung jumlahnya,
kemudian dihitung nilai r nya.

Contoh soal :
Berikut ini data mengenai hubungan antara nilai matematika dan nilai statistik dari 10
orang mahasiswa. Hitung r nya!

TABEL 8.3 NILAI MATEMATIKA DAN STATISTIK DARI SEPULUH

MAHASISWA

Nilai Matematika (M) 82 75 85 70 77 60 63 66 80 89

Nilai Statistik (S) 79 80 89 65 67 62 61 68 81 84

Penyelesaian :

Mahasiswa Nilai M Nilai S d

X Urutan Y Urutan (X-Y) D2
1 82 8 79 6 +2 4
2 75 5 80 7 -2 4
3 85 9 89 10 -1 1
4 70 4 65 3 +1 1
5 77 6 67 4 +2 4
6 60 1 62 2 -1 1
7 63 2 61 1 +1 1
8 66 3 68 5 -2 4
9 80 7 81 8 -1 1
10 89 10 84 9 +1 1

13 | P a g e
 Jumlah 22

r = 1 – 6(22)
10 (10 – 1)
= 0,867

Apabila nilai-nilai dari tiap variabel (X dan Y) ada yang sama maka lebih dahulu dicari nilai
tengah urutan nilai-nilai yang sama tersebut. Rumus r menjadi :

Keterangan :

tₓ = jumlah variabel X yang urutannya sama.

t = jumlah variabel Y yang urutannya sama.

b. Pengujian hipotesis rs
Hasil perhitungan r perlu diuji untuk mengetahui kesignifikannya. Pengujian rs bergantung
pada jumlah n dan taraf nyatanya. Langkah-langkah pengujian hipotesis ialah sebagai berikut :

1. Menentukan formulasi hipotesis

Ho : tidak ada hubungan antara urutan variabel yang satu dengan urutan dari variabel
lainnya.
H1 : ada hubungan antara urutan variabel yang satu dengan urutan dari variabel lainnya.

14 | P a g e
 2. Menentukan taraf nyata (α) dan nilai P tabel
Tahraf nyata dan nilai P tabel ditentukan sesuai dengan besarnya n (n ≤ 30).
pengujiannya daphaht berupa pengujian satu sisi dan dua sisi.
3. Menentukan criteria pengujian
Ho diterima apabila r ≤ 𝑝𝑠 (𝛼)
Ho ditolak apabila r > P (α)
4. Menentukan nilai uji statistic
Merupakan nilai rs itu sendiri.
5. Membuat kesimpulan
Menyimpulkan Ho diterima atau ditolak.

Catatan :
Untuk sampel besar (n>10) nilai uji statistiknya dapat pula dihitung dengan rumus :

Dengan db = n – 2

Langkah-langkah pengujiannya sama dengan langkah-langkah pengujian sebelumnya,

menggunakan distribusi t dengan derajat bebas (db) = n – 2

Contoh soal :
Dengan menggunakan data dari tabel 8.3 ujilah apakah ada korelasi positif yang nyata
antara nilai matematika dan nilai statistik mahasiswa gunakan taraf nyata 5%!

Penyelesaiannya :
1. Formulasi hipotesisnya :
Ho : r = 0 (tidak ada hubungan antara nilai matematika dan nilai statistik)
H1 : r > 0 (ada hubungan positif antara nilai matematika dan nilai statistik)
2. Taraf nyata (α) dan nilai P tabel :

15 | P a g e
 α = 5% = 0,05 dengan n = 10
P (0,05) = 0,564
3. Kriteria pengujian :
Ho diterima apabila r ≤ 0,564
Ho ditolak apabila r > 0,564
4. Nilai uji statistic :
Rs = 0,867
5. Kesimpulan

Karena r = 0,867 > P (0,05) = 0,564 maka Ho ditolak. Jadi ada hubungan positif
yang nyata antara nilai matematika dan nilai statistik.

16 | P a g e
 BAB III

PENUTUP

3.1 Kesimpulan

Pengujian hipotesis statistik nonparametrik pada dasarnya sama dengan pengujian hipotesis
statistik parametrik. Asumsi yang digunakan pada pengujian hipotesis statistik nonparametrik
hanyalah bahwa observasi-observasi independen dan variabel yang diteliti memiliki
kontinuitas. Asumsi bahwa variabel yang diteliti memiliki kontinuitas yang diperlukan dalam
uji parametrik, namun dalam uji non parametrik asumsi tersebut lebih longgar.

3.2 Saran
Dari hasil pembahasan diatas, maka disarankan agar mahasiswa dapat memanfaatkan
informasi yang diberikan secara baik.

17 | P a g e
 DAFTAR PUSTAKA

M. Nazir, 1993. Metode Statistik Dasar 1, Gramedia Pustaka Utama : Jakarta.

Sugiarto, Dergibson Siagian, 2006, Metode Statistika Untuk Bisnis dan Ekonomi. Gramedia
Utama : Jakarta.

Statistika, (2000) kar. J. Supranto, jilid 1 chap.6 edisi keenam halaman 126-145.

Ronald E Walpole, (1992). Pengantar Statistika, Edisi Terjemahan, PT Gramedia : Jakarta.

18 | P a g e