UJI STATISTIK

Non-Parametrik

Joedo Prihartono
STATISTIKA
BERDASAR DISTRIBUSI DATA

Parametrik: Distribusi Data Jelas

(Normal, Keluarga Eksponensial lain:
Poisson, Binomial, Eksponensial, dll)
Non Parametrik: Distribusi Data tidak
Jelas (umumnya berdasar ranking, atau
sampel kecil)
Resampling termasuk Nonparametrik
tetapi berbasis komputer/simulasi
 Uji Statistika
No Tujuan Normal Kel Exp. Non Par
(Asimpotik/
transform-
asi)
1 Uji Beda (bebas) Uji-z, uji-t Uji-U, Man-
Whitney
2 Uji t- Uji-z, uji t Uji-Wilcoxson
berpasangan
3 Uji beda (lebih Uji-F Kruskal-Wallis
dari 2) (Anava)
4 Regresi/ korelasi LM, GLM Rho-Spearman
Kor.Pe- Korelsi Rank.
arson Pearson Tau-Kendall
ALTERNATIF METODE STATISTIKA
Kelompok uji statistik

Stat.parametrik bersyarat:
Populasi bersifat normal
Sampel secara random
Tak ada nilai ekstrim
Peka untuk deteksi kemaknaan
Stat.non parametrik tanpa syarat
Kurang peka untuk mendeteksi
Uji statistik non parametrik

Chi square test

Fisher exact test
Kolmogorov Smirnov test
Mc Nemar test
Uji pengganti parametrik
Chi Square Test
o Untuk jenis data kualitatif
o Dapat untuk satu sampel atau lebih
o Sampel bersifat independen
o Bisa untuk sampel kecil
o Menguji perbedaan antar proporsi
o Rumus umum : tabel umum ( R by C )
o Rumus khusus : tabel 2 x 2
Syarat Chi Square

Tabel 2 x 2
Tabel R x C
n > 20
Tidak ada sel yang
nilainya 0
Tidak ada sel
yang nilai Sel nilai yang
expected nya < 5 expected nya < 5
harus < dari 20%
Nilai observed

Allergi Asma + Asma - Total

+ 12 ( a ) 68 ( b ) 80

- 63 ( c ) 147 ( d ) 210

Total 75 215 290

Perhitungan Chi Square

Rumus umum: ( o - e )2
X2 = -------------
e
o = observed (data yg didapat)
e = expected (data yg diharapkan)
Hitung nilai e untuk tiap sel
Hitung nilai (o - e)2/e tiap sel dan jumlah
Cari p dari nilai X2 pada tabel Chi Square
dengan df = (r-1)(c-1)
Menghitung nilai expected (e)

a = (75x 80)/290 = 20,7

b = (215X80) /290 = 59,3

c = (75X210) /290 = 54,3

d = (215X210)/290 =
155,7
Membaca tabel Chi Square

1.Lihat nilai kritis pada =0,05 dengan df 1

df = (r-1)(c-1) = (2-1)(2-1) = 1
Didapatkan X2 = 3,84
2.Tentukan p dari nilai X2 (=6,82) pada df yg
sama, didapatkan :
p berada antara 0,01 - 0,001
Jadi p < , karena =0,05
Ho ditolak, berarti ada perbedaan riwayat
alergi pada penderita asma dan bukan
penderita asma.
Tabel Chi square

df 0,10 0,05 0,02 0,01 0,001

1 2,71 3,84 5,41 6,51 10,83

2 4,60 5,99 7,82 9,21 13,82

3 6,25 7,82 9,84 11,34 16,27

4 7,78 9,49 11,67 13,28 18,46

Rumus khusus
( ad - bc )2 n
X2 = -------------------
(a+b) (c+d) (b+d) (a+c)

( l ad-bc l n )2 n
X2 = -------------------
(a+b) (c+d) (b+d) (a+c)
Fisher Exact Test

o Untuk jenis data kualitatif

o Sampel bersifat independen
o Khusus untuk sampel kecil
o Merupakan uji asosiasi
o Merupakan alternatif, bila chi square
2 x 2 tidak dapat dipergunakan
Contoh Fisher exact test

Vaksinasi/ Sehat Sakit Total

Sakit
Vaksinasi 4 1 5
+
Vaksinasi 1 6 7
-
Total 5 7 12
Tabel Fisher ekstrem

Vaksinasi/ Sehat Sakit Total

Sakit
Vaksinasi 5 0 5
+
Vaksinasi 0 7 7
-
Total 5 7 12
Perhitungan

(a+b)! (c+d)! (b+d)! (a+c)!

p= ---------------------
a! b! c! d! n!

Hitung besar p untuk tabel observe

dan tabel ekstrem ( p1 dan p2 )
Nilai p = p1 + p2
Tidak ada tabel untuk tes ini.
Kolmogorov Smirnov ( KS )

o Data kualitatif, Sampel independen

o Untuk sampel kecil, uji asosiasi
o Alternatif Chi Square untuk tabel 2 x n
bila syarat Chi Square tidak dipenuhi
o Variabel independen nominal
o Variabel dependen ordinal
Kolmogorov Smirnov test

Hasil Ujian

Klp Buruk Krng Cukup Baik Baik n

Skl
Rajin 0 1 1 5 1 8

Tidak 2 3 4 1 0 8

Total 2 4 5 6 1 16
Tabel kumulatif KS

Hasil Ujian

Klp Buruk Krng Cukup Baik Baik

Skl
Rajin 0,000 0,125 0,250 0,875 1,000

Tidak 0,200 0,500 0,900 1,00 1,000

Delta 0,200 0,375 0,650 0,125 0,000

Perhitungan

n1 n2 80
K= 4D2 ------- = 4 (0,65)2-----
n1 + n2 18

K= 7,51 lihat tabel C.Sq dengan df=2

Didapat p antara 0,02-0,05 p<
Jadi Ho ditolak
Mc Nemar test
Indikasi dan persyaratan
Perbandingan proporsi pada kelompok
seperti pada uji Chi Square, tetapi pada
sampel yang berpasangan (dependent
group)
Misal desain before-after study,
membandingkan nilai sebelum dan
sesudah perlakuan untuk membuktikan
ada tidaknya perubahan
Discordant Pairs

Sebelum Sesudah Total

Penyakit Penyakit
(+) (-)
Penyakit (+) a b a+ b

Penyakit (-) c d c +d

Total a + c b + d n
Langkah perhitungan

1. Hitung nilai X2 dengan rumus

( b-c -1)2
X2 = ---------------
b+c

2. Tentukan nilai p dengan mencocokkan nilai

X2 pada tabel Chi Square dengan df = 1
Contoh
Ho: Tidak ada perbedaan kebiasaan merokok
sebelum dan sesudah penyuluhan anti rokok
Sesudah
penyuluhan Total
Berhenti
merokok Merokok
Tidak
Sebelum merokok 0 5 5
penyuluhan Merokok 23 40 63

Total 23 45 68
Contoh

1. Hitung X2
(| 5-23 | -1)2
X2 = --------------- = 10,32
5 + 23

2. Tabel distribusi Chi Square, df=1, = 0,05

didapatkan nilai 3,84 nilai kritis.
Berarti X2 > nilai kritis Ho ditolak
Kesimpulan

Terdapat perbedaan kebiasaan merokok

antara sebelum dan sesudah penyuluhan.

Lebih banyak orang yang tidak merokok

sesudah intervensi (23/68) dibandingkan
sebelum intervensi (5/68).
Pengganti parametrik

Bila tak memenuhi persyaratan:

Unpaired t test Mann Whitney rank

Paired t test Wilcoxon rank
Unpaired Anova Kruskal Wallis rank
Paired Anova Friedman rank
Pearson Correlation Spearman rank
Uji Mann Whitney rank

Indikasi dan persyaratan

Data numerik yang berasal dari 2 sampel
independent distribusi data tidak
normal
alternatif uji parametrik uji t-independent
~ Tes Wilcoxon rank untuk paired
sampel
Langkah perhitungan

Urutkan seluruh data dan tentukan rank

nya. Data yang nilainya sama diberi rank
rata-rata
Jumlah rank disebut T, dihitung pada
kelompok dengan n yang lebih kecil
Jika n pada setiap kelompok < 15, maka
nilai T digunakan sebagai nilai uji Mann
Whitney
Rumus

Jika jumlah sampel pada salah satu kelompok

lebih besar dari 15, maka nilai uji Mann
Whitney dihitung dengan rumus :

(T-T) nS (nS + nL+1)

z= ------------ , T = ---------------------
T 2

T= (nL T)/6
Menentukan nilai p

Jika n setiap kelompok < 15, maka nilai p

didapat dengan membandingkan nilai T
dengan tabel Mann Whitney
Jika n pada salah satu kelompok > 15,
maka nilai p didapat dengan
membandingkan nilai z dengan nilai tabel
distribusi normal
Contoh
Ho: Tidak ada perbedaan usia kelompok pekerja
yang mengalami Tinea kruris dengan yang tidak.

Langkah-langkah
Urutkan seluruh data dan tentukan rank nya.
Jumlah rank klp Tinea (+) = 93,5
Tinea (-) = 116,5
N kedua kelompok < 15 nilai T = hasil uji.
Nilai p berdasarkan tabel > 0,05 p >
Kesimpulan: tidak ada perbedaan usia antara
pekerja yang mengalami Tinea kruris dengan yang
tidak.
Tabel Ranking usia pekerja di kedua kelompok

Tinea (+) Ranking Tinea (-) Ranking

20 1.5 20 1.5
21 5 21 5
21 5 21 5
21 5 23 12
22 8.5 25 13
22 8.5 26 14
23 10.5 27 15.5
23 10.5 27 15.5
39 19 28 17
40 20 29 18
nS =10 93.5 nL=10 116.5
U ji K orelasi Spearm an

Indikasi dan persyaratan

Alternatif uji parametrik korelasi Pearson
jika salah satu dari syarat di bawah ini
terpenuhi:
Sedikitnya salah satu variabel berskala
ordinal
Ada salah satu variabel yang tidak
terdistribusi normal
Jumlah sampel kecil
uji asosiasi antara 2 variabel yang
hubungannya tidak linear
Langkah perhitungan

1. Urutkan seluruh data X dan tentukan rank

nya
2. Urutkan seluruh data Y dan tentukan
rank nya
3. Hitung koefisien korelasi Spearman (rs)
dengan rumus
_ _
(X- X) (Y-Y)
rs = ----------------------------------
(X- X)2 (Y-Y)2

4. Tentukan nilai p dengan membandingkan

nilai rs dengan tabel korelasi Spearman.
P enilaian

1. Arah hubungan
Negatif: jika nilai X bertambah maka nilai
Y berkurang, dan sebaliknya
Positif: jika nilai X bertambah maka nilai Y
bertambah, dan sebaliknya
2. Kemaknaan
P enilaian

3. Kuat hubungan dinilai rs.

Korelasi sempurna bila r = +1 atau -1.
Berdasarkan kriteria WHO
< 0,3 : tak ada korelasi
0,3 - 0,5 : korelasi lemah
0,5 - 0,8 : sedang
> 0,8 : kuat
Contoh

Ho: Tidak ada korelasi antara indeks massa

tubuh dan usia di kalangan pekerja.
Didapatkan rs 0,65 Tabel Korelasi
Spearman, 0,05<p<0,01 p < maka
Ho ditolak.
Kesimpulan: Terdapat korelasi positif yang
kuat dan bermakna antara indeks massa
tubuh dengan usia pekerja. Atau: makin
bertambah usia maka indeks massa
tubuh akan meningkat.
Usia
21 Ranking 3 IMT
17.1 Ranking 1
20
22 5.5 19.8
20.7 2
3
21
22 2
5.5 21.1
21.1 4.5
4.5
21
23 4
7.5 21.2
21.6 6
7
23
40 7.5
10 22.4
25.3 8
9
39 9 30.1 10

1
SO AL TABEL 2X2

Kerja gilir * Insomnia/bukan Crosstabulation

Insomnia/bukan
tidak ya Total
Kerja tidak Count 34 55 89
gilir % within Kerja gilir 38.2% 61.8% 100.0%
ya Count 19 69 88
% within Kerja gilir 21.6% 78.4% 100.0%
Total Count 53 124 177
% within Kerja gilir 29.9% 70.1% 100.0%
H ASIL CH I-SQ U ARE

Chi-Square Tests

Asymp. Sig. Exact Sig. Exact Sig.

Value df (2-sided) (2-sided) (1-sided)
Pearson Chi-Square 5.820b 1 .016
Continuity Correctiona 5.056 1 .025
Likelihood Ratio 5.882 1 .015
Fisher's Exact Test .021 .012
Linear-by-Linear
5.788 1 .016
Association
N of Valid Cases 177
a. Computed only for a 2x2 table
b. 0 cells (.0%) have expected count less than 5. The minimum expected count is
26.35.
Interpretasi

Ho: terjadinya insomnia tak ada

hubungan dgn sistem kerja gilir

1. Syarat Chi Square terpenuhi???

2. Jika X2 = 5,8 p=0.016 p <
alpha
Hasil uji kemaknaan???
Ho ditolak/diterima???
3. Kesimpulan???