Statistik Non Parametrik untuk Uji Kemaknaan

Perbedaan Dua Kelompok Sampel yang

Berpasangan dan Independen
APA PERBEDAAN SAMPEL
BERPASANGAN DENGAN TIDAK
BERPASANGAN???
SAMPEL BERPASANGAN

1. Berasal dari individu yang sama karena dilakukan pengukuran berulang.

• Misal: Ingin mengetahui beda kadar gula darah sebelum makan, setelah makan, dan dua jam
setelah makan
2. Berasal dari individu yang sama karena desain cross-over
• Misal: Kelompok 1 mendapat obat A kemudian mendapat obat B, maka uji beda
menggunakan data khasiat obat A dan B pada kelompok tersebut.
3. Sampel berasal dari individu yang sama namun diambil dari organ tubuh yang
berbeda.
• Misal: Ingin mengetahui beda pengukuran tekanan darah antara tangan kanan dan tangan
kiri
4. Sampel berasal dari 2 kelompok yang berbeda namun dilakukan matching pada
cara mengambil subjeknya
• Misal: responden 1 dicarikan responden pembandingnya yang sama karakteristiknya, dst
SAMPEL TIDAK BERPASANGAN (INDEPENDEN)

Sampel yang saling bebas (tidak berpasangan) merupakan sampel yang tidak saling
terkait/tidak berhubugan sama sekali
Misal:
1. Ingin mengetahui adakah perbedaan kadar zat besi pda ibu-ibu hamil di
puskesmas wilayah X dengan ibu-ibu hamil di puskesmas wilayah Y
2. Ingin mengetahui perbedaan skor pengetahuan tentang narkoba antara murid
SMA Kelas 3A dengan murid SMA Kelas 3B
3. Ingin mengetahui perbedaan pengetahuan tentang malaria kelompok yang
mendapat penyuluhan malaria dengan kelompok yang tidak mendapat
penyuluhan malaria
4. Ingin mengetahui tingkat kesembuhan pasien TB yang diberi obat formulasi baru
dengan pasien yang mendapat obat TB standard
Uji Kemaknaan Perbedaan Dua Kelompok Sampel
yang Berpasangan
UJI MC NEMAR

• Untuk menguji perbedaan atau perubahan proporsi dua buah populasi yang
hanya memiliki dua kategori berdasarkan proporsi dua sampel berpasangan
• Banyak digunakan untuk mengetahui apakah ada perbedaan atau
perubahan proporsi sebelum dan sesudah kelompok sampel tersebut
merupakan kontrol terhadap dirinya sendiri.
• Data berskala nominal dengan dua kategori
Status dapat saja berubah dari satu ke lainnya. Misalnya

lulus menjadi tidak lulus

kecil menjadi besar

Secara umum berbagai perubahan status itu kita wakili dengan + dan 

Tidak berubah Berubah

+  + +  
     +
• Uji perubahan ini menyangkut dua keadaan yang ditandai oleh “sebelum” dan
“sesudah” untuk mengetahui apakah terjadi perubahan

• Keadaan sebelum dibagi ke dalam + dan – dan keadaan sesudah juga dibagi ke
dalam + dan –
Format tabel 2 x 2 untuk rancangan sebelum dan sesudah perlakuan satu
kelompok

SEBELUM
+ -

+ a b
SESUDAH
- c d
Format tabel 2 x 2 untuk rancangan studi kasus-kontrol dengan
pencocokan (matched pair case control study)

KONTROL
Terpapar Tidak Terpapar

Terpapar a b

KASUS

Tidak Terpapar c d
 Statistik Uji

• Statistik uji untuk derajat kebebasan = 1 dengan koreksi Yates

2
(𝑏 − 𝑐)
𝜒2 =
(𝑏 + 𝑐)

• Pengujian hipotesis
Pengujian hipotesis dilakukan dengan membandingkan statistik uji ini
dengan kriteria pengujian pada taraf signifikansi tertentu
Contoh 1.

Seorang peneliti melaporkan hasil penelitiannya tentang pengaruh pemberian estrogen

terhadap kejadian kanker endometrium (kasus) dibandingkan dengan 317 wanita tanpa
kanker endometrium (kontrol). Wanita dari dua kelompok itu kemudian diteliti riwayat
apakah sebelum diagnosis kanker menggunakan estrogen (paling sedikit 6 bulan) atau tidak
memakai estrogen. Hasilnya seperti pada tabel berikut ini.

KONTROL
TOTAL
Dengan Estrogen Tanpa Estrogen

Dengan Estrogen 39 113 152

KASUS
Tanpa Estrogen 15 150 165
TOTAL 54 263 317

Buktikan apakah ada pengaruh pemakaian estrogen terhadap kejadian kanker endometrium
dengan ⍺ = 0,01!
• Hipotesis

H0 : P(b) = P(c)
Hi : P(b) ≠ P(c)

Atau dapat dinyatakan sebagai berikut

H0 :Tidak terdapat pengaruh pemakaian estrogen terhadap kejadian kanker
endometrium
Hi :Terdapat pengaruh pemakaian estrogen terhadap kejadian kanker
endometrium

• Statistik Uji
2
(𝑏 − 𝑐)
𝜒2 =
(𝑏 + 𝑐)
• Kriteria pengujian
Tolak H0 bila nilai 𝜒 2 hitung (𝜒 2 𝑐 ) > 𝜒 2 tabel (𝜒 2 ⍺;𝑑𝑘 ) dengan dk = 1 dan ⍺ = 0,01

• Penghitungan Statistik Uji

(b  c) 2 (113  15) 2
 
2
  75,03
bc 113  15

• Keputusan Statistik
Karena 𝜒 2 𝑐 = 75,03 > 𝜒 2 0,01;1 = 6,64 , maka H0 ditolak

• Kesimpulan
Kita simpulkan terdapat pengaruh yang bermakna pemakaian estrogen terhadap
kejadian kanker endometrium.
• Penerapan metode McNemar banyak dijumpai pada penelitian epidemiologi
• Digunakan untuk menganalisis data berpasangan hasil pencocokan (matching) dalam
mengendalikan faktor perancu (confounding factor)
• Pada data berpasangan dapat dihitung Resiko Relatif (RR)  besarnya hubungan antara
paparan (exposure) dengan penyakit (disease)

b
RR  OR 
c
2. UJI TANDA

• Uji tanda membubuhkan tanda pada perbedaan antara pasangan nilai-nilai

pengamatan dari sebuah sampel atau dua buah sampel yang saling
berhubungan
• Data berskala ordinal, berupa tanda positif dan negatif
• Probabilitas untuk memperoleh tanda positif dan tanda negatif adalah sama,
sebesar 50%
• Hipotesis
– Dua sisi
H0 : P(+) = P(-)
Hi : P(+) ≠ P(-)

– Satu sisi
H0 : P(+) = P(-)
Hi : P(+) > P(-)

H0 : P(+) = P(-)
Hi : P(+) < P(-)

Dengan:
P(+) : proporsi tanda positif dari perbedaan pasangan nilai pengamatan (Xi,Yi)
P(-) : proporsi tanda negatif dari perbedaan pasangan nilai pengamatan (Xi,Yi)
• Kriteria pengujian
Jika Hi : P(+) ≠ P(-),
maka Tolak H0 apabila probabiitas untuk memperoleh tanda (+) atau (-) (pilih yang
paling sedikit jumlahnya) sebanyak k atau kurang, lebih kecil atau sama dengan ⍺

Jika Hi : P(+) > P(-),

maka Tolak H0 apabila probabiitas untuk memperoleh tanda (-) sebanyak k atau
kurang, lebih kecil atau sama dengan ⍺

Jika Hi : P(+) < P(-),

maka Tolak H0 apabila probabiitas untuk memperoleh tanda (+) sebanyak k atau
kurang, lebih kecil atau sama dengan ⍺
• Keputusan Statistik

 n  k nk
Pk  x n, p      p q
x

k 0  k 

Dan nilainya disajikan pada tabel binomial

Contoh 2.
Sebuah studi meneliti efektivitas obat baru dalam meningkatkan kemampuan fungsi
paru. Sampel terdiri atas 15 penderita asma menjalani eksperimen untuk mempelajari
efek obat baru terhadap fungsi paru. Fungsi paru diketahui dengan mengukur volume
(dalam liter) ekspirasi paksa selama 1 detik (forced expiratory volume 1/FEV1). Hasil
pengukuran FEV1 sebelum dan sesudah terapi terlihat pada tabel di bawah ini. Kita ingin
mengetahui apakah pengobatan tersebut efektif untuk meningkatkan FEV1 pada tingkat
kemaknaan 0,05.

Subjek Sebelum Sesudah Subjek Sebelum Sesudah

(𝑋𝟏 ) (𝑌𝟐 ) (𝑋𝟏 ) (𝑌𝟐 )
1 1,69 1,69 9 2,58 2,44
2 2,77 2,22 10 1,84 4,17
3 1,00 3,07 11 1,89 2,42
4 1,66 3,35 12 1,91 2,94
5 3,00 3,00 13 1,75 3,04
6 0,85 2,74 14 2,46 4,62
7 1,42 0,61 15 2,35 4,42
8 2,82 5,14
• Hipotesis
H0 : P(+) = P(-)
Hi : P(+) < P(-)

Atau dapat dinyatakan sebagai berikut

H0 : pengobatan dengan obat baru tidak efektif untuk meningkatkan FEV1
Hi : pengobatan dengan obat baru efektif untuk meningkatkan FEV1

• Statistik Uji
Nilai k bertanda (+)

•Kriteria pengujian
Karena Hi : P(+) < P(-), maka tolak H0 apabila probabilitas untuk memperoleh
tanda (+) sebanyak k atau kurang, lebih kecil atau sama dengan ⍺
• Penghitungan Statistik Uji
Tabel 1. Tanda perbedaan pasangan nilai pengamatan (Xi,Yi) FEV1 sebelum dan sesudah terapi baru
PASANGAN 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
TANDA SKOR 0 + - - 0 - - - + - - - - - -
PERBEDAAN

Ternyata eksperimen ini menghasilkan 2 buah 0, 2 tanda (+), dan 11 tanda (-). Untuk
memenuhi prinsip distribusi binomial, beda 0 dieliminasi, sehingga ukuran sampel efektif
adalah n = 15 – 2 = 13. Sesuai dengan Hi : P(+) < P(-), maka statistik uji k = 2

• Keputusan Statistik
Dengan n = 13, dan k = 2 tampak pada Tabel Binomial bahwa p = 0,0112
Karena p = 0,0112 < ⍺ 0,05, maka H0 ditolak

• Kesimpulan
Kita simpulkan obat baru tersebut efektif untuk meningkatkan FEV1
3. UJI PERINGKAT BERTANDA WILCOXON

• Untuk menyempurnakan uji tanda sebelumnya, diperkenalkan oleh Frank

Wilcoxon pada tahun 1945
• Sama seperti uji Tanda (Sign test) tetapi memperhatikan besar kecilnya
perbedaan ranking data sampel
• Hipotesis
– Dua sisi
H0 : W(+) = W(-)
Hi : W(+) ≠ W(-)

– Satu sisi
H0 : W(+) = W(-)
Hi : W(+) > W(-)

H0 : W(+) = W(-)
Hi : W(+) < W(-)

Dengan:
W(+) : jumlah semua peringkat selisih pasangan pengamatan (Xi,Yi) yang bertanda positif
W(-) : jumlah semua peringkat selisih pasangan pengamatan (Xi,Yi) yang bertanda negatif
• Statistik Uji
W(+) atau W(-) yang nilainya kecil

• Kriteria pengujian
Tolak H0 apabila nilai W hitung > W tabel
Contoh 3.
Diambil sampel 10 mahasiswa FKM USU yang mengambil mata kuliah Biostatistik
Deskriptif dan Inferensial dengan hasil Ujian Tengah Semester dengan Ujian Akhir
Semester seperti yang tertera pada tabel di bawah ini. Kita ingin melihat apakah rata-
rata nilai Ujian Tengah Semester dengan Ujian Akhir Semester Mata Kuliah Biostatistik
Deskriptif dan Inferensial dari 10 mahasiswa FKM USU adalah sama dengan tingkat
kemaknaan 5%.

Mahasiswa Nilai UTS Nilai UAS

A 30 70
B 70 60
C 40 60
D 50 80
E 30 80
F 50 20
G 60 30
H 90 50
I 70 30
J 30 90
• Hipotesis
H0 : W(+) = W(-)
Hi : W(+) ≠ W(-)

• Statistik Uji
Statistik uji yang digunakan adalah W peringkat bertanda Wilcoxon

• Kriteria pengujian
Tolak H0 apabila nilai W hitung > W tabel
• Statistik Uji
Besarnya W hitung langsung ditentukan melalui jumlah ranking selisih nilai dua data

Mahasiswa Nilai UTS Nilai UAS Beda (X – Y) Peringkat

(X) (Y) (di) Bertanda
A 30 70 40 7
B 70 60 -10 -1
C 40 60 20 2
D 50 80 30 4
E 30 80 50 9
F 50 20 -30 -4
G 60 30 -30 -4
H 90 50 -40 -7
I 70 30 -40 -7
J 30 90 60 10

Catatan: Pemberian peringkat terhadap selisih dianggap angka absolut (semua diasumsikan positif). Apabila
ditemukan beda 0 (nol) maka diberi tanda yang kecil kemungkinannya menolak H0
 Statistik W:
Jumlah jenjang bertanda negatif
W  R i   1   4   4   7   7  23

Jumlah jenjang bertanda positif

W  R i  2  4  7  9  10  32

Nilai W dipilih jumlah absolut terkecil yaitu W = 23

• Keputusan Statistik
Dari Tabel Wilcoxon diketahui bahwa dengan n = 10 maka W tabel = 8, Dengan
demikian, H0 ditolak

• Kesimpulan
Karena nilai W hitung = 23 > W tabel = 8, maka Ho ditolak berarti rata-rata nilai
Biostatistik ujian mid semester dan ujian akhir semester dari 10 mahasiswa FKM adalah
berbeda
Uji Kemaknaan Perbedaan Dua Kelompok Sampel
yang Tidak Berpasangan (Independen)
UJI MEDIAN

• Untuk menguji kemaknaan perbedaan dua sampel independen

• Data berbentuk ordinal
• Statistik Uji

N (ad  bc) 2
 
2

(a  b)(c  d )(a  c)(b  d )

• Kriteria pengujian
Tolak H0 bila nilai 𝜒 2 hitung atau 𝜒 2 𝑐 > 𝜒 2 tabel 𝜒 2 ⍺;𝑑𝑘
Format tabel 2 x 2 untuk uji Median

Sampel I Sampel II

Skor di atas
a b a+b
median

Skor di bawah
c d c+d
median

a+c b+d a+b+c+d=N

Contoh 4.
Sebuah penelitian ingin mempelajari respons eliminasi obat phenylbutazone pada
penderita penyakit hati. Dua sampel diteliti, sampel normal (sehat) dan sampel
penderita cirrhosis hepatis. Setiap subjek mendapat phenylbutazone per oral 19 mg/kg
berat badan. Melalui analisis darah, waktu konsentrasi plasma tertinggi (dalam jam)
diukur pada masing-masing subjek. Dapatkah kita menarik kesimpulan bahwa kedua
populasi mempunyai perbedaan waktu konsentrasi plasma tertinggi?

Normal Cirrhosis
45,6 20,1 8,8 11,2
49,0 14,0 17,4 18,0
13,7 42,3 13,8 27,9
37,9 29,7 26,3
26,8 17,8 14,4
30,6 22,6
4,0 15,0
35,0 10,7
41,3 21,5
32,5 7,0
• Hipotesis
H0 : MA = MB
Hi : MA ≠ MB

Dengan
MA : median waktu konsentrasi plasma tertinggi phenylbutazone pada sampel
normal
MB : median waktu konsentrasi plasma tertinggi phenylbutazone pada sampel
dengan cirrhosis hepatis

• Statistik Uji
N (ad  bc) 2
 
2

(a  b)(c  d )(a  c)(b  d )

• Kriteria pengujian
Tolak H0 bila nilai 𝜒 2 hitung > 𝜒 2 tabel dengan derajat bebas 1 dan derajat
kemaknaan ⍺

• Penghitungan Statistik Uji

Setelah semua nilai pengamatan dari sampel I dan sampel II digabungkan dan
diurutkan, kemudian dihitung median gabungannya.
Median gabungan = (20,1+21,5)/2 = 20,3

Tabel 2. Frekuensi nilai pengamatan yang terletak di atas dan di bawah median waktu konsentrasi plasma
tertinggi phenylbutazone

Normal Cirrhosis

Skor di atas median 10 4 14

Skor di bawah
5 9 14
median

15 13 28
 Dengan demikian, statistik uji 𝜒 2 adalah
2810 9   4 5
2
 
2
 3,59
(14)(14)(15)(13)

•Keputusan Statistik
Karena 𝜒 2 𝑐 = 3,59 < 𝜒 2 0,05;1 = 3,84 , maka H0 diterima

•Kesimpulan
Kita simpulkan tidak terdapat perbedaan waktu puncak konsentrasi plasma
phenylbutazone yang bermakna antara subjek normal dan subjek dengan cirrhosis
hepatis.
UJI MANN WHITNEY

• Ditemukan oleh Mann dan Whitney pada tahun 1947

• Membandingka median peringkat dari sampel pertama dengan median
peringkat sampel kedua
• Asumsi
• Dua sampel berukuran n dan m harus independen dan dicuplik secara acak dari dua
populasi
• Variabel diukur paling sedikit dalam skala ordinal
• Bentuk kedua populasi sama. Hanya berbeda pada letak median kedua populasi
• Hipotesis
– Dua sisi
H0 : Mx = My
Hi : Mx ≠ My

– Satu sisi
H0 : Mx ≥ My
Hi : Mx < My

H0 : Mx ≤ My
Hi : Mx > My
• Statistik Uji

nn  1
T S
2

Dengan
S : jumlah peringkat pengamatan pada salah satu sampel
n : jumlah pengamatan pada salah satu sampel yang dipilih
• Kriteria pengujian
Bila
H0 : Mx ≥ My
Hi : Mx < My
Maka H0 ditolak bila statistik T < W⍺
W⍺ adalah nilai kritis T pada Tabel Mann Whitney untuk tingkat kemaknaan ⍺,
ukuran sampel pertama n dan besar sampel kedua m

Bila
H0 : Mx ≤ My
Hi : Mx > M
Maka H0 ditolak bila statistik T > W1-⍺

Bila
H0 : Mx = My
Hi : Mx ≠ My
Maka H0 ditolak bila statistik T < W⍺/2 atau statistik T > W1-⍺/2
Contoh 3.
Seorang peneliti ingin menguji perbedaan waktu operasi pada dua rumah sakit. 11
pasien dari RS A dan 9 pasien dari RS B yang menjalani prosedur operasi yang sama
mengikuti sebuah studi. Variabel yang menjadi perhatian penelitian adalah waktu
operasi (dalam menit) seperti pada tabel di bawah. Dapatkah ditarik kesimpulan bahwa
waktu operasi di RS B lebih lama dibandingkan di RS A? Ditentukan ⍺ = 0,05

Rumah Sakit A Rumah Sakit B

(X) (Y)
35 30 45 32
30 36 38 37
33 45 42 46
39 40 50
41 31 48
29 51
• Hipotesis
H0 : Mx ≥ My
Hi : Mx < My

• Statistik Uji
nn  1
T S
2
 X Peringkat Y Peringkat
29 1
30 2,5
30 2,5
31 4
32 5
33 6
Data dari tabel
35 7
disusun kembali dan
diberi peringkat 36 8
dalam satu seri 37 9
38 10
39 11
40 12
41 13
42 14
45 15,5 45 15,5
46 17
48 18
50 19
51 20
Total 82,5 127,5
• Kriteria pengujian
Tolak H0 bila statistik T < W⍺ dengan ⍺ = 0,05, n = 11, m = 9, maka H0 ditolak bila T
< W0,05 = 28

• Penghitungan Statistik Uji

Nilai peringkat S = 82,5, maka
1111  1
T  82,5   16,5
2

• Keputusan statistik
Karena T = 16,5 < W0,05 = 28, maka H0 ditolak

• Kesimpulan
Dapat disimpulkan waktu operasi RS A secara bermakna lebih singkat daripada di
RS B
Apabila n atau m > 20, maka Tabel Mann Whitney tidak dapat digunakan untuk
menentukan nilai kritis. Maka digunakan uji z.

T  nm
z
nmn  m  1 / 12