PENGHITUNGAN UJI

STATISTIK

OLEH
ISLAMIYATI, MKM
STATISTIK NON-
PARAMETRIK
statistik inferensi atau statistik
induktif
Statistik non-parametrik
statistik bebas distribusi
 Jadi secara umum metode statistik
non-parametrik digunakan :
Bila sampel sangat kecil sehingga
distribusi sampel tidak normal
Pada sampel besar tapi distribusi
data tidak normal
Bila data menggunakan skala
nominal atau ordinal
Keuntungan metode statistik non-parametrik
Jika ukuran sampel kita kecil, tak ada
pilihan lain yang lebih baik kecuali
statistik non-parametrik, kecuali jika
distribusi populasi jelas normal

Karena memerlukan sedikit asumsi,

umumnya metode non-parametrik lebih
relevan pada situasi-situasi tertentu,
sehingga kemungkinan penerapannya
lebih luas. Disamping itu kemungkinan
digunakan secara salah (karena
pelanggaran asumsi) lebih kecil daripada
metode parametrik
Keuntungan metode statistik non-parametrik
Metode non-parametrik dapat
digunakan meskipun data diukur dalam
skala ordinal atau peringkat

Metode non-parametrik dapat

digunakan meskipun data diukur dalam
skala nominal (kategorikal). Sebaliknya
tidak ada metode parametrik yang
dapat digunakan untuk data seperti ini
Keuntungan metode statistik non-parametrik
 Beberapa uji statistik non-parametrik dapat
menganalisis perbedaan jumlah sampel dengan
tanpa menuntut pemenuhan beberapa asumsi
yang sulit dipenuhi spt pd uji parametrik

 Uji statistik non-parametrik mudah dilakukan

meskipun tidak terdapat komputer. Analisis dpt
dilakukan dengan menggunakan kalkulator. Krn
itu metode ini tepat disebut sebagai teknologi
tepat guna (appropriate technology) untuk negara
berkembang

 Pada umumnya para peneliti dengan dasar

matematika yang kurang merasakan bahwa
konsep ini mudah dipahami
Kekurangan metode non-parametrik
 Fleksibilitas terhadap skala pengukuran
variabel kadang-kadang mendorong peneliti
memilih metode non-parametrik, meskipun
situasinya memungkinkan untuk
menggunakan metode parametrik.

 Jika asumsi untuk parametrik terpenuhi,

dengan ukuran sampel yang sama maka
metode non-parametrik kurang memiliki power
dibandingkan metode parametrik
 Kekurangan metode non-parametrik
 Penyederhanaan data dari rasio atau interval
ke ordinal maupun nominal merupakan
pemborosan informasi yang sudah
dikumpulkan

 Meski konsep dan prosedurnya sederhana,

tetapi pekerjaan hitung menghitung
membutuhkan banyak waktu apalagi jika
sampel besar

 Pengujian hipotesis yang dilakukan menjadi

kurang spesifik

 Kurang mampu menjelaskan distribusi data

CHI SQUARE SATU SAMPEL
 Adalah teknik statistik yang digunakan
untuk menguji hipotesis bila dalam
populasi terdiri dari dua atau lebih kelas,
data berbentuk nominal dan sampel
besar
 Rumus : O  E 
2
 
2

Keterangan :
χ2 = Chi Square (Kai Kuadrat)
O = Frekuensi yang diamati
E = Frekuensi yang
diharapkan
Contoh :
Dilakukan penelitian terhadap warna
baju yang disukai oleh mahasiswa Prodi
Kebidanan Metro. Berdasarkan
pengamatan selama 1 bulan terhadap
360 mahasiswa didapat bahwa 125 orang
menyukai baju berwarna biru, 100 orang
menyukai warna pink, 75 orang
menyukai warna hijau dan 60 orang
menyukai warna yang lainnya.
 Penyelesaian :
Untuk soal di atas, hipotesis yang diajukan adalah :
 Ho : Peluang mahasiswa Prodi Kebidanan Metro
untuk menyukai empat warna baju adalah
sama
 Ha : Peluang mahasiswa Prodi Kebidanan Metro
untuk menyukai empat warna baju adalah
tidak sama

 Untuk menguji hipotesis di atas, maka data hasil

pengamatan perlu disusun dalam tabel penolong
seperti berikut ini. Karena dalam penelitian ini
terdiri dari 4 kategori, maka derajat kebebasannya
adalah dk = 4 – 1 = 3 (dk = jumlah kategori – 1).
 Warna O E O - E (O - E)² (O - E)²
Baju E
Biru 125 90 35 1225 13,61
Pink 100 90 10 100 1,11
Hijau 75 90 -15 225 2,5
Warna 60 90 -30 900 10
lain
Jumlah 360 360 0 27,22
Berdasarkan dk = 3 dan tingkat
kesalahan 5%, maka didapatkan
harga Chi square tabel = 7,815 (lihat
tabel Chi Square). Ternyata harga
Chi square hitung > Chi square
tabel (27,22 > 7,815). Karena harga
Chi square (χ2) hitung > Chi square
(χ2) tabel, maka Ho ditolak dan Ha
diterima. Ini berarti peluang
mahasiswa Kebidanan Metro untuk
menyukai keempat warna baju tidak
sama.
Latihan :
Tentukan apakah peluang
masyarakat Kota Metro untuk
memilih ketiga RS untuk
mendapatkan pelayanan kesehatan
adalah sama, jika didapatkan data
bulan Juli 2006 bahwa dari 1500
masyarakat yang berobat, 600
orang berobat ke RSU A. Yani, 500
orang berobat ke RSI Metro dan 400
orang berobat ke RS Mardi Waluyo.
CHI SQUARE DUA SAMPEL
Digunakan untuk menguji hipotesis komparatif dua
sampel bila datanya nominal dan sampelnya besar
Rumus : O  E 2
2  
E
dk = (k – 1) (b – 1)
Keterangan :
χ2 = Chi Square (Kai Kuadrat)
O = Frekuensi yang diamati
E = Frekuensi yang diharapkan
dk = Derajat kebebasan
k = Kolom
b = Baris
E = Total baris x Total kolom
Jumlah data
Penghitungan dengan menggunakan tabel
kontingensi (tabel silang) adalah dengan
menggunakan tabel berikut :

Sampel Frekuensi pada Jumlah

(Independen) (Dependen) sampel
Objek I Objek II
Sampel A a b a+b
Sampel B c d c+d
Jumlah a+c b+d n

n = jumlah sampel
Rumus yang digunakan adalah sebagai
berikut :

n ad  bc  1 / 2n 
2

 
2

a  ba  c b  d c  d 

Contoh :
Suatu penelitian dilakukan untuk
mengetahui adakah hubungan antara
tingkat pendidikan ibu dengan pemberian
ASI eksklusif. Pendidikan dikelompokkan
menjadi dua yaitu rendah (lulus SMP ke
bawah) dan tinggi (lulus SMA ke atas).
Berdasarkan hasil wawancara didapatkan
bahwa dari 40 orang ibu yang pendidikan
tinggi 10 orang menyusui eksklusif dan 30
orang tidak menyusui eksklusif.
Sedangkan 60 orang ibu dengan
pendidikan rendah, 20 orang menyusui
eksklusif dan 40 orang tidak menyusui
eksklusif. Tentukan apakah ada hubungan
antara tingkat pendidikan ibu dengan
pemberian ASI eksklusif.
 Penyelesaian :
Untuk soal di atas, hipotesis yang diajukan
adalah :
 Ho : Tidak terdapat perbedaan tingkat
pendidikan ibu dalam pemberian ASI
eksklusif.
Tidak ada hubungan antara tingkat
pendidikan ibu dengan pemberian ASI
eksklusif
 Ha : Terdapat perbedaan tingkat pendidikan
ibu dalam pemberian ASI eksklusif.
Ada hubungan antara tingkat pendidikan
ibu dengan pemberian ASI eksklusif
 Untuk menyelesaikan soal di atas dibuat
tabel silang sebagai berikut :
Tabel 3. Frekuensi ibu yang menyusui
eksklusif berdasarkan tingkat
pendidikan
Pendidikan ASI Eksklusif Jumlah
Ya Tidak sampel

Tinggi 10 30 40
Rendah 20 40 60
Jumlah 30 70 100

Selanjutnya hitung nilai ekspekted

Ea = 40 x 30 = 1200 = 12 Eb = 40 x 70 = 2800 = 28
100 100 100 100

Ec = 60 x 30 = 1800 = 18 Ed = 60 x 70 = 4200 = 42
100 100 100 100

2  
O  E 2
E

= (10 – 12)² + (30 – 28)² + (20 – 18)² + (40 – 42)²

12 28 18 42
= 0,33 + 0,14 + 0,22 + 0,095
= 0,785
Hasil ini juga dapat dihitung dengan rumus :
n ad  bc  1 / 2n
2

 
2

a  ba  c b  d c  d 

= 100[(10x40) – (30x20) - 1/2x100]2
(10+30)(10+20)(30+40)(20+40)
= 100 (200 – 50)²
40x30x70x60
= 100 (150)²
5040000
= 2250000
5040000
= 0,446
 dk = (k – 1) (b – 1)
= (2 – 1) (2 – 1)
=1

Berdasarkan dk = 1 dan tingkat kesalahan

5%, maka didapatkan harga Chi square tabel
= 3,841 (lihat tabel Chi Square). Ternyata
harga Chi square hitung < Chi square tabel
(0,785 (0,446) < 3,841). Karena harga Chi
square (χ2) hitung < Chi square (χ2) tabel,
maka Ho diterima dan Ha ditolak. Ini berarti
tidak terdapat perbedaan tingkat pendidikan
ibu dalam pemberian ASI eksklusif atau tidak
ada hubungan antara tingkat pendidikan ibu
dengan pemberian ASI eksklusif.
 Keterbatasan Uji Chi Square :

Tidak boleh ada nilai harapan (E) yang

lebih kecil dari 1
Tidak boleh ada nilai harapan (E) yang
lebih kecil dari 5 lebih dari 20% dari total
sel. Bila hal ini terjadi maka solusinya :
– Bila tabel besar, lakukan penggabungan
kategori
– Bila tabel 2 x 2 uji yang dilakukan adalah
Fisher Exact
 FISHER EXACT
 Menguji kemaknaan hubungan antara dua
variabel kategorikal menggunakan
pendekatan probabilitas pasti (exact
probability). Tes ini biasanya digunakan
untuk sampel independen yang berukuran
kecil.
 Pada bahasan uji Chi square dua sampel
disebut bahwa hasil uji hipotesis baru valid
jika jumlah sel pada tabel kontingensi yang
memuat frekuensi harapan < 5 tidak lebih
dari 20% atau tidak boleh ada frekuensi
harapan < 1.
 Rumus : a  b !c  d !a  c !b  d !
Pa, b, c, d  
n!a!b!c!d!
Contoh :
Suatu penelitian dilakukan untuk mengetahui
adakah hubungan antara kejadian BBL
dengan anemia yang dialami ibu selama
hamil. BBL dikelompokkan menjadi dua yaitu
BBLN dan BBLR. Berdasarkan pengamatan
selama bulan Juli didapatkan bahwa dari 6
orang ibu yang tidak anemia melahirkan 4
orang BBLN dan 2 orang melahirkan BBLR.
Sedangkan 4 orang ibu yang anemia
melahirkan 1 orang BBLN dan 3 orang BBLR.
Tentukan apakah ada hubungan antara BBL
dengan anemia selama kehamilan.
Penyelesaian :

Hipotesis yang diajukan adalah :

• Ho : Tidak ada hubungan antara
BBL dengan anemia yang
dialami ibu selama kehamilan
• Ha : Ada hubungan antara BBL
dengan anemia yang dialami
ibu selama kehamilan
Untuk menyelesaikan soal di atas dibuat
tabel silang sebagai berikut :

Tabel 3. Frekuensi BBL berdasarkan anemia

ibu selama kehamilan
Anemia selama BBL Jumlah
hamil BBLN BBLR sampel
Anemia 1 3 4
Tidak 4 2 6
Jumlah 5 5 10

Selanjutnya hitung nilai ekspekted

Ea = 4 x 5 = 20 = 2 Eb = 4 x 5 = 20 = 2
10 10 10 10

Ec = 6 x 5 = 30 = 3 Ed = 6 x 5 = 30 = 3
10 10 10 10

Jika kita lihat hasil penghitungan nilai

harapan (E), maka didapatkan semua
nilai (sel) kurang dari 5 berarti ada
100% sel dengan nilai < 5, maka
untuk menyelesaikan soal ini tidak
dapat dengan menggunakan chi
square tetapi dengan menggunakan
Fisher Exact.
 Gunakan rumus Fisher Exact :
Pa, b, c, d  
a  b !c  d !a  c !b  d !
n!a!b!c!d!
= (1 + 3)! (4 + 2)! (1 + 4)! (3 + 2)!
10! 1! 3! 4! 2!
= 4! 6! 5! 5!
10! 1! 3! 4! 2!
= 24 x 720 x 120 x 120
3628800 x 1 x 6 x 24 x 2
= 0,238

 Bila taraf kesalahan α yang ditetapkan 5% (0,05),

maka ternyata p hitung 0,238 > 0,05. Ketentuan
pengujian jika p hitung > α (taraf kesalahan yang
ditetapkan) maka Ho diterima dan Ha ditolak. Maka
untuk penelitian ini Ho diterima berarti tidak ada
hubungan antara BBL dengan anemia ibu selama
kehamilan.
 KOEFISIEN KONTINGENSI
 Digunakan untuk menghitung hubungan
antar variabel bila datanya berbentuk
nominal. Teknik ini mempunyai kaitan erat
dengan chi square yang digunakan untuk
menguji hipotesis hipotesis komparatif k
sampel independen.
 Rumus :
2
C
N  2

 Sedangkan penghitungan χ2 menggunakan

rumus :
 
2 O  E 
2

E
Contoh :
Suatu penelitian dilakukan untuk
mengetahui adakah hubungan antara
profesi dengan jenis olah raga yang
sering dilakukan. Profesi
dikelompokkan menjadi dokter,
perawat dan bidan. Jenis olah raga
dikelompokkan menjadi tenis,
bulutangkis dan senam. Selanjutnya
hitung berapa besar koefisiennya.
Jumlah sampel sebanyak 200 orang
terdiri dari 80 orang perawat, 70 orang
bidan dan 50 orang dokter
Frekuensi jenis olahraga yang disenangi
berdasarkan jenis profesi

Jenis olah Jenis Profesi Jmlh

raga Dr Prwt Bdn sampel
Tenis 30 30 15 75
Bulutangkis 15 20 15 50
Senam 5 30 40 75
Jumlah 50 80 70 200
 Penyelesaian :

Hipotesis yang diajukan adalah :

• Ho : Tidak ada hubungan antara
profesi dengan jenis olah raga
yang sering dilakukan
• Ha : Ada hubungan antara profesi
dengan jenis olah raga yang
sering dilakukan

Selanjutnya hitung nilai ekspekted

1. Hitung prosentase

Prosentase yang menyenangi tenis

= 30 + 30 + 15
200
= 75 = 0,375
200

Prosentase yang menyenangi bulutangkis

= 15 + 20 + 15
200
= 50 = 0,25
200

Prosentase yang menyenangi senam

= 5 + 30 + 40
200
= 75 = 0,375
200
2. Hitung E masing-masing kelompok
Olah raga tenis :
- Dokter = 0,375 x 50 = 18,75
- Perawat = 0,375 x 80 = 30
- Bidan = 0,375 x 70 = 26,25
Olah raga Bulutangkis
- Dokter = 0,25 x 50 = 12, 5
- Perawat = 0,25 x 80 = 20
- Bidan = 0,25 x 70 = 17,5
Olah raga senam :
- Dokter = 0,375 x 50 = 18,75
- Perawat = 0,375 x 80 = 30
- Bidan = 0,375 x 70 = 26,25
 Kemudian masukkan nilai-nilai tersebut dalam tabel
penolong

Tabel Frekuensi jenis olahraga yang disenangi

berdasarkan jenis profesi

Jenis olah Dokter Perawat Bidan Jumlah

raga sampel
O E O E O E

Tenis 30 18,75 30 30 15 26,25 75

Bulutangkis 15 12,5 20 20 15 17,5 50
Senam 5 18,75 30 30 40 26,25 75
Jumlah 50 80 70 200

Selanjutnya hitung nilai χ²

  
2 O  E  2

E
(30 – 18,75)² (30 – 30)² (15 – 26,25)²
χ² = ----------------- + ------------ + ---------------- +
18,75 30 26,25
(15 - 12,5)² (20 – 20)² (15 – 17,5)²
-------------- + ------------- + --------------- +
12,5 20 17,5
(5 – 18,75)² (30 – 30)² (40 – 26,25)²
--------------- + ------------+ ------------------
18,75 30 26,2
= 6,75 + 0 + 4,82 + 0,5 + 0 + 0,36 + 10,08 + 0
+ 7,2
= 29,71
 Selanjutnya untuk menghitung koefisien
kontingensi C, maka harga χ2 dimasukkan
ke dalam rumus :
2
C
N  2

29,71
C
200  29,71
29,71
C
229,71

 0,129
 0,36
Jadi besarnya koefisien antara jenis
profesi dengan olahraga yang sering
dilakukan = 0,36. Untuk menguji
signifikan koefisien C dapat
dilakukan dengan menguji Chi square
hitung dengan Chi square tabel.

Dalam hal ini dk = (3 – 1) (3 – 1) = 4.

Pada dk = 4 dan tingkat kesalahan 5%
maka harga chi square tabel adalah
9,488. Ketentuan pengujian jika chi
square hitung (29,71) > chi square
tabel (9,488) maka Ha diterima dan Ho
ditolak artinya ada hubungannya
signifikan.
Dalam soal ini chi square hitung
(29,71) > chi square tabel (9,488).
Sehingga dapat disimpulkan bahwa
Ho ditolak dan Ha diterima berarti
jenis profesi mempunyai hubungan
yang signifikan dengan jenis olahraga
yang sering dilakukan dengan
koefisien sebesar 0,36.
Latihan :
Suatu penelitian dilakukan untuk
mengetahui adakah hubungan antara
status gizi anak dengan sosial
ekonomi keluarga. Status gizi
dikelompokkan menjadi gizi lebih,
baik, kurang dan buruk. Sosial
ekonomi keluarga dikelompokkan
menjadi tinggi, sedang dan rendah.
Jumlah sampel sebanyak 100 orang
dengan rincian sebagai berikut :
Status gizi Sosial ekonomi Jumlah
Tinggi Sedang Rendah
Lebih 7 3 0 10
Baik 43 8 9 60
Kurang 5 12 8 25
Buruk 0 2 3 5
Jumlah 55 25 20 100
KORELASI PRODUCT MOMENT

Teknik korelasi ini digunakan untuk

mencari hubungan dan
membuktikan hipotesis hubungan
dua variabel bila data kedua variabel
berbentuk interval atau rasio dan
sumber data dari dua variabel adalah
sama.
 KORELASI PRODUCT MOMENT
Rumus :
rxy 
 xy
 x  y 
2 2

rxy = Korelasi antar variabel x dan y

x = (Xi - X )
y = (Yi - Y )
 Contoh :
Dilakukan penelitian untuk mengetahui ada
tidaknya hubungan antara BB dan TB
terhadap 10 orang responden yang telah
diambil secara acak. Berdasarkan data dari
10 responden tersebut didapat data tentang
BB (X) dan TB (Y) sebagai berikut :

BB (X) = 50 46 47 52 51 49 60 48 52 55
TB (Y) = 160 155 158 160 158 150 160 155 159 155
Penyelesaian :
Hipotesis yang diajukan adalah :
– Ho : Tidak ada hubungan antara BB
dan TB
– Ha : Ada hubungan antara BB & TB

Untuk penghitungan koefisien korelasi ,

maka data BB dan TB perlu dimasukkan
ke dalam tabel penolong sebagai
berikut :
No BB (Xi) TB (Yi) (Xi - X ) (Yi - Y ) X² Y² XY
(X) (Y)
1 50 160 -1 3 1 9 -3
2 46 155 -5 -2 25 4 10
3 47 158 -4 1 16 1 -4
4 52 160 1 3 1 9 3
5 51 158 0 1 0 1 0
6 49 150 -2 -7 4 49 14
7 60 160 9 3 81 9 27
8 48 155 -3 -2 9 4 6
9 52 159 1 2 1 4 2
10 55 155 4 -2 16 4 -8

Σ = 510 Σ = 1570 0 0 154 94 47

X = 51 Y = 157
Sehingga korelasi antara x dan y dapat
dihitung :
rxy 
 xy
 x  y 
2 2

47

154 x94

47

14476
47

120,32
= 0,39
Jadi ada korelasi positif sebesar 0,39
antara BB dan TB artinya semakin berat
BB maka akan semakin tinggi TB.

Apakah koefisien korelasi ini signifikan

atau tidak , maka perlu dibandingkan
dengan r tabel dengan taraf kesalahan
tertentu.
Bila taraf kesalahan 5% dengan N = 10
maka harga r tabel adalah 0,632 ternyata
harga r hitung (0,39) < r tabel (0,632)
sehingga Ho diterima dan Ha ditolak.

Jadi kesimpulannya tidak ada hubungan

antara BB dan TB walaupun semakin berat
BB semakin tinggi pula TB.
Untuk menentukan seberapa besar
koefisien korelasi yang ditemukan
dapat berpedoman pada tabel
berikut :

Interval Koefisien Tingkat Hubungan

0,00 – 0,199 Sangat rendah
0,20 – 0,399 Rendah
0,40 – 0,599 Sedang
0,60 – 0,799 Kuat
0,80 – 1,00 Sangat Kuat
 Jadi kesimpulannya tidak ada hubungan
antara BB dan TB walaupun semakin berat
BB semakin tinggi pula TB.
Dengan tingkat hubungan yang rendah

Contoh kalimat bila ada hubungan :

Jadi kesimpulannya ada hubungan antara
BB dan TB dg korelasi positif artinya
semakin bertambah berat BB semakin
tinggi pula TB.
Dengan tingkat hubungan sangat kuat.
Latihan :
Dilakukan penelitian untuk mengetahui
ada tidaknya hubungan antara BB dan
Umur (dalam bulan) terhadap 11 orang
bayi yang telah diambil secara acak.
Berdasarkan data dari 11 responden
tersebut didapat data tentang BB (X) dan
Umur (Y) sebagai berikut :

BB (X) = 10 9 7 5 7 7 6 8 5 7 6
Umur (Y) = 11 10 8 3 5 5 5 6 4 6 3
Ketentuan Uji :
χ² satu dan dua sampel :
– χ² hitung ≥ χ² tabel : Ho ditolak & Ha diterima
– χ² hitung < χ² tabel : Ha ditolak & Ho diterima
Fisher Exact :
– P hitung > α : Ho diterima & Ha ditolak
– P hitung ≤ α : Ha diterima & Ho ditolak
Product Moment :
– r hitung < r tabel : Ho diterima & Ha ditolak
– r hitung ≥ r tabel : Ha diterima & Ho ditolak