TM 12 – 13

UJI STATISTIKA
SPs Ilmu Farmasi Uhamka
 STATISTIKA NON PARAMETRIK/
KATEGORIK

 Parametrik = Numerik. Non parametrik = kategorik

 Statistik non parametrik merupakan uji statistik yang
dilakukan dengan tanpa adanya pendugaan sebelumnya
pada nilai populasi.
 Uji statistik non parametrik ini digunakan untuk melihat
perbedaan antara rata-rata nilai tengah 2 kelompok
yang sudah diberi ranking.
 Selain itu, uji ini dapat digunakan untuk melihat
perbedaan antara nilai mediannya.
 Keuntungan menggunakan uji statistik non parametrik
adalah kita tidak membutuhkan asumsi normalitas.
 Adapun kekurangannya adalah hasil dari uji metode ini
tidak dapat digunakan untuk mengestimasi karakter
populasi.
 STATISTIKA NON PARAMETRIK

Uji Binomial
Run Test
Goodness of Fit Kolmogorov Smirnov satu sampel
Uji McNemar : uji kategorik berpasangan
Uji Wilcoxon sampel berpasangan uji kategorik berpasangan
Uji Tanda dua sampel independent
Uji Median Mann-Whitney: uji kategorik tidak berpasangan
Rank Spearman
Uji Korelasi Kendall-Tau
Uji Chi-Square uji kategorik tidak berpasangan
Pengantar
 Data kategorik adalah data hasil
pengklasifikasian/penggolongan.
 Variabel-variabel dari data kategorik dapat
dikelompokkan menjadi beberapa kelompok
atau kategori.
 Dapat disajikan dalam bentuk ordinal maupun
nominal.
 Uji statistik chi square dapat digunakan untuk
menguji hipotesis bila data populasi terdiri dari
2 atau lebih kelas dan data berbentuk nominal.
UJI CHI SQUARE
 Uji hipotesis komparatif kategorik tidak
berpasangan 2x2
 Tidak berpasangan: tidak memenuhi kriteria
variabel yang sama diambil dari subjek yang
sama.
 Tabel 2x2: merokok + tidak merokok dan
fertil + infertil
 Harus memenuhi syarat: tidak ada sel yang
mpy nilai expected kurang dari 5
syarat-syarat uji Chi square

 Tidak ada cell dengan nilai frekuensi kenyataan

atau disebut juga Actual Count (F0) sebesar 0
(Nol).
 Apabila bentuk tabel kontingensi 2 X 2, maka
tidak boleh ada 1 cell saja yang memiliki
frekuensi harapan atau disebut juga expected
count (“Fh”) kurang dari 5.
 Apabila bentuk tabel lebih dari 2 x 2, misal 2 x
3, maka jumlah cell dengan frekuensi
harapan yang kurang dari 5 tidak boleh lebih
dari 20%.
 Kegunaan dari uji Chi-Square,
adalah :
 1. Ada tidaknya asosiasi antara 2 variabel (Independent test)
 2. Apakah suatu kelompok homogen atau tidak (Homogenity
test)
 3. Uji kenormalan data dengan melihat distribusi data
(Goodness of fit test)
 4. Digunakan untuk menganalisis data yang berbentuk
frekuensi.
 5. Digunakan untuk menentukan besar atau kecilnya korelasi
dari variabel-variabel yang dianalisis
 6. Cocok digunakan untuk data kategorik, data diskrit atau
data nominal
Contoh kasus 1
 Seorang penyuluh kesehatan ingin
mengetahui apakah terdapat perbedaan
antara ibu bekerja dan tidak bekerja dalam
pemberian ASI secara ekslusif.
Data penelitian
 N menunjukkan bahwa ada 50 data
yang diproses, tanpa ada data
missing.
 Tingkat validitas 100% karena tidak
ada data yang hilang
Tabel silang yang menampilkan
hubungan antara status pekerjaan
dengan pemberian ASI ekslusif
 Tabel ini layak diuji chi square karena tidak ada nilai
expected yang kurang dari 5. lihat tulisan: 0 cell
(0,0%) have expected count less than 5. the
minimum expected count is 12
 Berdasarkan nilai signifikansi <0,05 maka Ha
diterima dan Ho ditolak (nilai continue correlation
0,011)
 Terdapat hubungan yang signifikan antara status
pekerjaan ibu dengan pemberian ASI ekslusif
Contoh Kasus latihan
 Peneliti ingin mengetahui hubungan
antara perilaku merokok (perokok
dan bukan perokok) dengan status
fertilitas seorang pria (fertil dan
infertil)
 Rumusan pertanyaan: apakah
terdapat hubungan antara perilaku
merokok dengan status fertilitas
seorang pria?
 Buka file statistik chi-square_2_2

 Hasil statistik menunjukkan?

Interpretasi Hasil
 Tabel 2x2 ini layak untuk diuji dengan Chi
square karena tidak ada nilai expected yang
kurang dari 5 (lihat tulisan: 0 cell (0,0%) have
expected count less than 5. the minimum
expected count is 22,50
 Nilai chi square dengan continuity correlation,
signifikansinya 0,005  terdapat hubungan
antara perilaku merokok dengan status
fertilitas
Jika syarat chi square tidak
terpenuhi..
 Lanjut dengan uji FISHER

 50% sel mpy expected kurang dari 5  lihat

nilai sig Fisher yaitu 0,37  tidak terdapat
hubungan
Uji Mann-Whitney
 Uji hipotesis komparatif kategorik tidak
berpasangan tabel 2xK syarat chi square
tidak terpenuhi.
 Contoh: Peneliti ingin mengetahui hubungan
antara jenis kelamin (laki-laki dan perempuan)
dengan klasifikasi depresi (normal, borderline,
clinical range).
 Merupakan komparatif kategorik tidak berpasangan
tabel 2x3
 Analisis: bila sel yang mempunyai nilai expected
kurang dari 5 maks 20% dari jumlah sel, gunakan
chi square for tren
 Bila paling tidak ada dua sel yang mpy nilai
expected kurang dari 5, gunakan mann-whitney
Contoh uji Man Whitney
 Buka file chi square_2_k
 Caranya: sama seperti uji chi square
sebelumnya, namun dilanjut dengan
uji Man Whitney
 Hasil uji statistik menunjukkan:
Lanjutan..
Syarat chi square tidak terpenuhi lanjut ke uji
man whitney
P < 0,05  terdapat hubungan jenis kelamin dengan
depresi.
Mean rank laki-laki 67,50 dan perempuan 53,40 dan
peringkat depresi tertinggi juga pada laki-laki  laki-laki
mempunyai kecendrungan depresi yang lebih berat
dibandingkan perempuan
Uji McNemar, Wilcoxon, dan
Cochran
 Digunakan untuk: uji hipotesis komparatif
kategorik berpasangan prinsip PxK
 McNemar: uji hipotesis komparatif kategorik
berpasangan prinsip 2x2
 Wilcoxon: uji hipotesis komparatif kategorik
berpasangan prinsip 2x [>2]
 Uji cochran: uji hipotesis komparatif kategorik
berpasangan prinsip [>2] x 2
Contoh:
 McNemar: peneliti ingin mengetahui hubungan
antara merokok dengan kanker paru.
 Berpasangan karena memenuhi kriteria variabel yang
sama,
 prinsip 2x2: (kasus dan kontrol) x (perokok dan
bukan perokok)
 Wilcoxon: peneliti ingin mengetahui hubungan
antara merokok dengan kanker paru.
 Berpasangan karena memenuhi kriteria variabel yang
sama,
 prinsip 2x [>2]: (kasus dan kontrol) x (perokok
berat, perokok ringan, dan bukan perokok)
contoh
 Uji cochran: peneliti hendak membandingkan
pengetahuan sebelum penyuluhan, sesudah
penyuluhan, dan 1 bulan sesudah penyuluhan.
 Berpasangan: sampel yang sama
 prinsip [>2] x 2: (sebelum, sesudah, dan 1 bulan
sesudah penyuluhan) x (Pengetahuan diklasifikasikan
menjadi 2, yaitu baik dan buruk).
Uji korelasi Spearman vs
Pearson
 Uji korelasi
 Data numerik dan terdistribusi normal dan linear:
korelasi pearson
 Data tidak normal numerik, linear, atau data
kategorik: korelasi spearman
 Parameter Korelasi:
 Kekuatan korelasi 0 – <0,2 (sangat lemah), 0,2-<0,4
(lemah), 0,4-<0,6 (sedang), 0,6-<0,8 (kuat), 0,8-1
(sangat kuat
 Arah korelasi: positif dan negatif
 p<0,05 korelasi bermakna
 Analisis Multivariat  Regresi
logistik
 Analisis multivariat:
 Regresi linear: jika variabel terikat numerik
 Regresi logistik: jika variabel terikat kategorik
 Regresi logistik
 Contoh kasus: tujuan penelitian adalah untuk
mengetahui faktor-faktor yang dapat dijadikan
sebagai prediktor terjadinya syok pada pasien
anak demam berdarah
 Tujuan penelitian adalah untuk mengetahui
faktor-faktor yang dapat dijadikan sebagai
prediktor terjadinya syok pada pasien anak
demam berdarah
 Variabel yang diteliti: independen  jenis kelamin (P,
L), status gizi (baik, kurang), trombositopenia (Y,T),
hemokonsentrasi (Y,T), dan hepatomegali (Y,T) pada
pasien.
 Variabel terikat/ Dependen  syok (Y,T)
 Desain penelitian; Kohort (menetapkan terlebih
dahulu kelompok dengan faktor risiko yaitu syok)
 Langkah :
 uji chisquare untuk mengetahui variabel
yang mempengaruhi
 Dari faktor” yang mempengaruhi, mana
faktor yang mempunyai kekuatan
hubungan yang terbesar  uji reg
logistik
Hasil Jenis
kelamin
Hasil ditabelkan
 Variabel yang dimasukan dalam
analisis reg log adalah pada analisis
bivariat/ chi square mpy nilai p <
0,25  jenis kelamin, status gizi,
hepatomegali, hemokonsentrasi, dan
trombositopenia  uji reg log
 Caranya:
Langkah reg logistik:
Interpretasi hasil
 Pada dependent variable encoding, tidak syok diberi
kode 0, syok kode 1. pada reg log kategori yang akan
diprediksi harus diberi kode 1
 Hasil akhir analisis multivariat: variables in the equation
Interpretasi hasil
 Variabel yang berpengaruh thd syok adalah:
jenis kelamin, status gizi, trombositopenia,
hepatomegali, hemokonsentrasi.
 Kekuatan hubungan (OR/ ExpB ) terbesar yaitu
hemokonsentrasi (9,869)  pasien dengan
hemokonsentrasi mempunyai kemungkinan/
probabilitas 9,869 kali untuk mengalami syok,
sedangkan pasien dengan hepatomegali
mempunyai kemungkinan 3,895 kali untuk
mengalami syok.
Uji chi square data numerik
menjadi kategorikal