Kuliah 4-5-6-7 SNP

1
DRA. AGUSTINI TRIPENA, BR,SB, M.SI
AGUSTINI TRIPENA 10/20/2019

Aplikasi Uji statistik
Parametrik Nonparametrik
Dua sampel tidak • Uji T  Kemungkinan yang eksak dari
berhubungan (Pooled T Fisher
(Two Test)  Uji 2 untuk 2 sampel
Independent • Uji Z independen
Samples)  Mann-Witney U test
 Uji Mc Nemar
 Uji Median
 Uji 2 sampel Kolmogorov-
Smirnov
 Uji run Walt-Wolfowitz
 Reaksi ekstrem Moses
Kegunaan
3
 Dua sampel independen ditarik dari populasi yang

sama / populasi yang memiliki distribusi yang
sama

4
TES KEMUNGKINAN
YANG EKSAK DARI
FISHER

Kasus Dua Sampel Independen
 Tes Kemungkinan yang 5Eksak dari Fisher
 Untuk menganalisis data yang terpisah  baik
nominal maupun ordinal bila kedua sampel
independen berukuran KECIL.
Tabel 1 Tabel Kontigensi 2 x 2
- + Jumlah
Kelompok I A B A+B
Kelompok II C D C+D
Jumlah A+C B+D N

• Tes Kemungkinan yang Eksak dari Fisher
6
A+C B+D
( A + C)! (B + D)!
A B
A! C! B! D!
p=  =
N
 N!
A+B (A + B)! (C+D)!
(A + B)! (C + D)! (A + C)! (B + D)!

p=  1
N! A! B! C! D!
Tabel 2 Hasil Observasi Berikut sebagai contoh
- 7 + Jumlah
Kelompok I 10 0 10
Kelompok II 4 5 9
Jumlah 14 5 19
10! 9! 14! 5!
p=  p= 0,0108
19!10! 0! 4! 5!
Tabel 3
- + Jumlah
Kelompok I 1 8
6 7
Kelompok II 4 1 5
Jumlah 5 7 12
Dengan jumlah marginal yg sama, dapat terjadi hal yang

lebih ekstrim seperti tabel berikut
Tabel 4
- + Jumlah
Kelompok I 0 7 7
Kelompok II 5 0 5
Jumlah 5 7 12
Dengan Rumus 1
7! 5! 5! 7! 9
p=  p= 0,04399
12!1! 6! 4! 1!
7! 5! 5! 7!
p=  p= 0,00126
12! 0! 7! 5! 0!
• Kemungkinan muncul keadaan yang tersaji dalam

Tabel 3 atau keadaan lain yang lebih ekstrim (Tabel
4) adalah:
p= 0,04399 + 0,00126
= 0,04525
10
 Artinya p=0,04525 adalah harga p yang

digunakan untuk memutuskan, apakah data
dalam Tabel 3 mengijinkan kita menolak Ho
 Cukup merepotkan
 Jika dirasa cukup menggunakan Tingkat

signifikansi dan bukannya harga p yang
eksak  Tabel I
Cara menggunakan Tabel I
 Tentukan harga A+B dan 11C+D
 Cari harga observasi A+B dalam Tabel I di bawah
judul “Jumlah di tepi Kanan”
 Untuk harga C+D observasi, beberapa harga B* yg
mungkin, di daftar Tabel itu. Cari harga B observasi
di antara kemungkinan2 yg ditunjukkan itu.
 Amati harga D, kalau harga D yg diobservasi sama
dengan atau lebih kecil drpd harga yg disajikan dlm
Tabel di bawah tingkat signifikansi, maka data yg
diobservasi signifikan pada tingkat itu.
 Ex.  p = 0,007  di Tabel I  0,01
Modifikasi Tocher
12
a b c
2 5 7 1 6 7 0 7 7
3 2 5 4 1 5 5 0 5
5 7 12 5 7 12 5 7 12
a   frekuensi observasi,
b & c distribusi lain yg lebih ekstrim yg mungkin
terjadi dg jumlah2 yg sama
Dengan rumus 1
7! 5! 5! 7! 13
p=  p= 0,26515
12! 2! 5! 3! 2!
7! 5! 5! 7!
p=  p= 0,04399
12! 1! 6! 4! 1!
7! 5! 5! 7!
p=  p= 0,00126
12! 0! 7! 5! 0!
 Kemungkinan yg b’kaitan dg
tjdnya harga2 seekstrim skor2
observasi (a) di bawah Ho p= 0,31040
didapat dg m’jmlh ketiga
harga p
14
 Modifikasi Tocher, pertama menetapkan

kemungkinan semua kasus yg lebih ekstrim dari
yg diobservasi dan tidak mencakup yg
diobservasi itu dengan demikian, dlm kasus ini
kita hanya akan menjumlahkan pb dan pc:
0,04399 + 0,00126 = 0,04525
 Jika kemungkinan hasil yg lbh ekstrim ini lbh
besar dari  maka Tocher menganjurkan
penghitungan pembagian ini: …
 - p kasus2 yg lbh ekstrem

15
p kasus2 yg diobservasi scr sendiri
 - pb + pc

pa
0,05 – (0,0425)
 = 0,01791
0,26515
Fisher Exact Test
16
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

17
Uji Fisher ini digunakan bila n < 20
Tabel dua kategori dengan kelompok:
- + Jumlah
Kelompok 1 a b a+b
Kelompok 2 c d c+d
Jumlah a+c b+d N

18
Peluang H0 diterima adalah:
p
 a  b  ! c  d  ! a  c  ! b  d  !
N !a !b !c !d !
p <   tolak H0
 = batas peluang kritis

Contoh Fisher exact test
19
Vaksinasi Sehat Sakit Total
/Sakit
Vaksinasi 4 1 5
+
Vaksinasi 1 6 7
-
Total 5 7 12

Tabel Fisher ekstrem
20
Vaksinasi Sehat Sakit Total

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

Perhitungan
21
(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.

Chi Square Test
22
 Untuk jenis data kualitatif

 Dapat untuk satu sampel atau lebih
 Sampel bersifat independen
 Bisa untuk sampel kecil
 Menguji perbedaan antar proporsi
 Rumus umum : tabel umum ( R by C )
 Rumus khusus : tabel 2 x 2

Syarat Chi Square
23
 Tabel 2 x 2 Tabel R x C
 n > 20
• Tidak ada sel yang
nilainya 0
 Tidak ada sel yang

nilai expected nya • Sel nilai yang
<5 expected nya < 5
harus < dari 20%

Nilai observed
24
Allergi Asma + Asma - Total
+ 12 ( a ) 68 ( b ) 80
- 63 ( c ) 147 ( d ) 210
Total 75 215 290

Perhitungan Chi Square
25
 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)
26
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
27
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
28
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
13,3
4 7,78 9,49 11,67 13,28 18,46
Rumus khusus
29
( ad - bc )2 n
X2 = ————————————
(a+b) (c+d) (b+d) (a+c)
( l ad-bc l – ½ n )2 n
X2 = ————————————
(a+b) (c+d) (b+d) (a+c)
Contoh Tinggi badan Kepeminpinan
30
Tinggi Pendek
Peminpin 12 32 44
Pengikut 22 14 36
Tak 9 6 15
Menentu
Total 43 52 95

Contoh Tinggi badan Kepeminpinan dalam
frekuens pengamatan i31
dan frekuensi harapan
Tinggi Pendek
Peminpin 19,9 24,1 44
Pengikut 16,3 19,7 36
Tak 6,8 8,2 15
Menentu
Total 43 52 95
Tentukan nilai khi-kuadrat

32
KOLMOGOROV SMIRNOV
( KS )

Kolmogorov Smirnov ( KS )
33
• Sensitif thd perbedaan kedua populasi

• Perhitungannya membandingkan dist
kumulatif kedua populasi
• H0 : Dua sampel bebas berasal dari populasi
yg berdist sama.
• H1 : dua sampel bebas berasal dari populasi
yang berdistribusi tidak sama.

Kolmogorov Smirnov ( KS )
34
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
35
Hasil Ujian
Klp Buruk Krng Cukup Baik Baik n

Skl
Rajin 0 1 1 5 1 8
Tidak 2 3 4 1 0 10
Total 2 4 5 6 1 18

Kolmogorov Smirnov test
36
Hasil Ujian
Klp Buruk Krng Cukup Baik Baik n

Skl
Rajin 0 1 1 5 1 8
Tidak 2 3 4 1 0 10
Total 2 4 5 6 1 18

Tabel kumulatif KS
37
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
X2= 4D2 ———= 4 (0,65)2 ———
n1 + n2 18
X2 = 7,51 lihat tabel C.Sq dengan df=2

Didapat p antara 0,02-0,05  p<
Jadi Ho ditolak
AGUSTINI TRIPENA 38 10/20/2019

39
 Uji 1 sampel kolmogorov-Smirnov digunakan untuk

mengetahui apakah distribusi nilai-nilai sampel yang
teramati sesuai dengan distribusi teoritis tertentu
(normal, uniform, poisson, eksponensial).
 Uji Kolmogorov-Smirnov beranggapan bahwa
distribusi variabel yang sedang diuji bersifat kontinu
dan pengambilan sampel secara acak sederhana.
Dengan demikian uji ini hanya dapat digunakan, bila
variabel diukur paling sedikit dalam skala ordinal.

 Uji keselarasan Kolmogorov–Smirnov dapat
diterapkan pada dua keadaan:
40
 Menguji apakah suatu sampel mengikuti suatu

bentuk distribusi populasi teoritis
 Menguji apakah dua buah sampel berasal dari dua
populasi yang identik.

Prinsip dari uji Kolmogorov–Smirnov adalah
menghitung selisih absolut antara fungsi distribusi
frekuensi kumulatif sampel [S(x)] dan fungsi
distribusi frekuensi kumulatif teoritis [Fo(x)] pada
masing-masing interval kelas.

 Hipotesis yang diuji dinyatakan sebagai berikut (dua
sisi): 41
Ho : F(x) = Fo(x) untuk semua x dari - ~ sampai + ~
Ha : F(x) ≠ Fo(x) untuk paling sedikit sebuah x
Dengan F(x) ialah fungsi distribusi frekuensi

kumulatif populasi pengamatan
Statistik uji Kolmogorov-Smirnov merupakan selisih

absolut terbesar antara S(x) dan Fo(x), yang disebut
deviasi maksimum D.
D = |S(x) – Fo(x)| maks i = 1,2,…,n

 Nilai D kemudian dibandingkan dengan nilai kritis
pada tabel distribusi pencuplikan
42 (tabel D), pada
ukuran sampel n dan a. Ho ditolak bila nilai teramati
maksimum D lebih besar atau sama dengan nilai
kritis D maksimum. Dengan penolakan Ho berarti
distribusi teramati dan distribusi teoritis berbeda
secara bermakna. Sebaliknya dengan tidak menolak
Ho berarti tidak terdapat perbedaan bermakna
antara distribusi teramati dan distribusi teoritis.
Perbedaan-perbedaan yang tampek hanya
disebabkan variasi pencuplikan (sampling variation).


Langkah-langkah prinsip uji Kolmogorov-
Smirnov 43
 Susun frekuensi-frekuensi dari tiap nilai teramati,

berurutan dari nilai terkecil sampai nilai terbesar.
Kemudian susun frekuensi kumulatif dari nilai-nilai
teramati itu.
 Konversikan frekuensi kumulatif itu ke dalam
probabilitas, yaitu ke dalam fungsi distribusi
frekuensi kumulatif [S(x)]. Sekali lagi ingat bahwa,
distribusi frekuensi teramati harus merupakan hasil
pengukuran variabel paling sedikit dalam skala
ordinal (tidak bisa dalam skala nominal).

44
 Hitung nilai z untuk masing-masing nilai teramati di

atas dengan rumus z=(xi–x) /s. dengan mengacu
kepada tabel distribusi normal baku (tabel B),
carilah probabilitas (luas area) kumulatif untuk
setiap nilai teramati. Hasilnya ialah sebagai Fo(xi).
 Susun Fs(x) berdampingan dengan Fo(x). hitung
selisih absolut antara S(x) dan Fo(x) pada masing-
masing nilai teramati.

45
 Statistik uji Kolmogorov-Smirnov ialah selisih

absolut terbesar Fs(xi) dan Ft(xi) yang juga disebut
deviasi maksimum D
 Dengan mengacu pada distribusi pencuplikan kita
bisa mengetahui apakah perbedaan sebesar itu (yaitu
nilai D maksimum teramati) terjadi hanya karena
kebetulan. Dengan mengacu pada tabel D, kita lihat
berapa probabilitas (dua sisi) kejadian untuk
menemukan nilai-nilai teramati sebesar D, bila Ho
benar. Jika probabilitas itu sama atau lebih kecil dari
a, maka Ho ditolak
CONTOH
Berikut ini usia mulai haid pada sejumlah wanita diambil sampel
sebanyak 18 orang dengan distribusi46sebagaimana tersaji pada tabel
berikut :
Ujilah hipotesis nol yang menyatakan bahwa data ini berasal dari
suatu populasi berdistribusi normal; diketahui bahwa pada
populasi, rata-rata usia mulai haid =12; dengan SD=50.

 HIPOTESIS 47
Hipotesis yang diuji dinyatakan sebagai berikut (dua

sisi):
Ho : Kedua sampel berasal dari populasi dengan
distribusi yang sama
Ha : kedua sampel bukan berasal dari populasi
dengan distribusi yang sama
PERHITUNGAN
Langkah-langkah menghitung nilai-nilai S(xi)
dan Fo(xi) :

48

49
 KEPUTUSAN
Dari tabel D diatas, dengan n=18 dan α (dua sisi) =
0,05 kita dapatkan nilai tabel 0,309. Karena 0,722 >
0,309, maka Ho ditolak, maka kita simpulkan bahwa
sampel yang berasal dari populasi tidak dengan
distribusi normal.


atau simbol dan Rumus lain
50
 D = maksimum [ Sn1(X) – Sn2(X) ], untuk uji satu

sisi
 D = maksimum  Sn1(X) – Sn2(X) , untuk uji dua
sisi
 Sn1(X) = fungsi jenjang kumulatif observasi
sampel pertama = K/n1
 Sn2(X) = fungsi jenjang kumulatif observasi
sampel kedua = k/n2

Sampel 51kecil ≤ 40
 untuk n1 = n2 ; Kd (pembilang) hitung
bandingkan dengan Kd tabel
n1n2
 untuk n1  n2 ; , df=2, X  4D
2 2
n1  n2

Sampel 52besar > 40
 uji dua sisi, D hitung bandingkan
 1,22  : 0,10
1,36  : 0,05 n1  n 2

D  1,36
 1,48  : 0,025 n1n 2
 1,63  : 0,01
 1,73  : 0,005
 1,95  : 0,001
2 2n1n 2
 uji satu sisi, df=2, X  4D
n1  n 2

Ketentuan Aplikasi
53
 Signifikansi
 Kd/D/X2 hitung < Kd/D/X2 tabel, Ho diterima, Ha
ditolak
 Kd/D/X2 hitung  Kd/D/X2 tabel, Ho ditolak, Ha
diterima

Contoh Sampel Kecil n1=n2
 Suatu inspeksi sanitasi rumah telah dilakukan terhadap rumah
tipe 45 dan rumah tipe 36 didapatkan data sebagai berikut:
54
SKOR SANITASI RUMAH T45 SKOR SANITASI RUMAH T36
23 28
43 50
46 36
34 32
33 44
28 51
45 40
49 37
52 35
38 42
 Selidikilah dengan α = 5 %, apakah score sanitasi kedua

tipe rumah sama?

Penyelesaian
55
 Hipotesis
 Ho ; tidak beda score sanitasi rumah tipe 45 dan
36
 Ha : ada beda score sanitasi rumah tipe 45 dan
36
 Level sigifikansi
 α = 5%
 Rumus
 Langsung lihat tabel

SKOR SANITASI RUMAH
23-27 28-32 33-37 38-42 43-47 48-52

56
Sn1(X) rumah tipe 45 1/10 2/10 4/10 5/10 8/10 10/10
Sn2(X) rumah tipe 36 0/10 2/10 5/10 7/10 8/10 10/10
 Sn1(X) – Sn2(X)  1/10 0 1/10 2/10 0 0
 KD = 2

 Df
 Df tidak perlu 57
 Nilai tabel
 tabel D  = 5%, dua sisi, n=10, nilai tabel = 7
 Daerah Penolakan
 │2 │ < │ 7 │ Ho; diterima, Ha ditolak
 Kesimpulan
 tidak beda score sanitasi rumah tipe 45 dan 36,
pada  = 5%
Tabel Harga Kritis KD Dalam Tes Dua Sampel Kolmogorov Smirnov (Sampel Kecil)
N One-tailed test Two-tailed test
 = 0,05  = 0,01  = 0,05  = 0,01
3 3   
4 4  4 
5 4 5 5 5
6 5 6 5 6
7 5 6 6 6
8 5 6 6 7
9 6 7 6 7
10 6 7 7 8
11 6 8 7 8
12 6 8 7 8
13 7 8 7 9
14 7 8 8 9
15 7 9 8 9
16 7 9 8 10
17 8 9 8 10
18 8 10 9 10
19 8 10 9 10
20 8 10 9 11
21 8 10 9 11
22 9 11 9 11
23 9 11 10 11
24 9 11 10 12
25 9 11 10 12
26 9 11 10 12
27 9 12 10 12
28 10 12 11 13
29 10 12 11 13
30
AGUSTINI TRIPENA 10 12
58 11 13 10/20/2019
35 11 13 12
Sampel Kecil n1n2
 Berdasarkan hasil pengukuran pengetahuan
59
dua kelompok kader, yaitu kader posyandu
dan kader kesling didapatkan data sebagai
berikut;
SKOR PENGATAHUAN KADER SKOR PENGETAHUAN
POSYANDU KADER KESLING
63. 68.
83. 90
86. 76.
74. 72.
73. 74.
67. 91
85. 84.
89.
92.
77.
 Selidikilah dengan  = 5%, apakah kedua kelompok

berasal dari populasi yang identik?
Penyelesaian
60
 Hipotesis
 Ho ; Pp = Pk ; tidak beda skor pengetahuan
kader posyandu dengan kader kesling
 Ha ; Pp  Pk ; ada beda skor pengetahuan
kader posyandu dengan kader kesling
 Level signifikansi ()

 = 5%
 Rumus statistik penguji n1n 2

X  4D
2 2
n1  n 2
SKOR PENGATAHUAN KADER SKOR PENGETAHUAN KADER
POSYANDU KESLING
63. 68.
83. 61 90
86. 76.
74. 72.
73. 74.
67. 91
85. 84.
89.
92.
77.
SKOR PENGETAHUAN KADER

63-67 68-72 73-77 78-82 83-87 88-92
Sn1(X) 0,20 0,20 0,50 0,50 0,80 1,00
Sn2(X) 0,00 0,29 0,57 0,57 0,71 1,00
 Sn1(X) – Sn2(X)  0,20 0,09 0,07 0,07 0,09 0,00

62
n1n 2
X  4D
2 2
n1  n 2
10.7
X  4.0,20 .
2 2
10  7
X  0,6588
2

 Df/db/dk
Df = 2
63
 Nilai tabel
X2 tabel, db=2 ; =5% ; = 5,991
 Daerah penolakan
0,6588 < 5,991 ; Ho diterima, Ha ditolak
 Kesimpulan
tidak beda skor pengetahuan kader posyandu
dengan kader kesling, pada  = 5%

Contoh Aplikasi , Sampel Besar
Uji Satu
64 Sisi
 Hasil survey tentang pemanfaatan pelayanan kesehatan
yang dilakukan oleh keluarga sejahtera dan non sejahtera
didapatkan data sebagai berikut :
PELAYANAN KES KEL SEJAHTERA NON SEJAHTERA
DOKTER SPESIALIS 11 1
RUMAH SAKIT 7 3
DOKTER UMUM 8 6
PUSKESMAS 3 12
MANTERI 5 12
DIOBATI SENDIRI 5 14
DIBIARKAN 5 6
Penyelesaian
65
 Hipotesis
 Ho ; PLkl = PLns ; tidak beda pemanfaatan
pelayanan kesehatan antara keluarga sejahtera
dan non sejahtera
 Ha ; PLkl > PLns ; ada beda pemanfaatan
pelayanan kesehatan antara keluarga sejahtera
dan non sejahtera

 = 5%
 Rumus statistik penguji n1n 2

X  4D
2 2
n1  n 2
RUMAH SAKIT 667 3
DOKTER UMUM 8 6
PUSKESMAS 3 12
MANTERI 5 12
DIBIARKAN 5 6
PELAYANAN KESEHATAN
DSp RS DU PUSK MANT OS DB
Sn1(X) sejahtera 11/44 18/44 26/44 29/44 34/44 39/44 44/44
0,250 0,409 0,591 0,659 0,773 0,886 1,000
Sn2(X) non sejht 1/54 4/54 10/54 22/54 34/54 48/54 54/54
0,018 0,074 0,185 0,407 0,630 0,704 1,000
Sn1(X)–Sn2(X) 0,232 0,335 0,406 0,252 0,143 0,182 0,000
 D = maksimal Sn1(X)–Sn2(X)
 D = 0,406
AGUSTINI TRIPENA
10/20/2019
67
D = 0,406
n1n 2
X  4D
2 2
n1  n 2
44.54
X  4.0,406 .
2 2
44  54
X  15,9857
2

 Df/db/dk
Df = 2 68
 Nilai tabel
X2 tabel (lampiran 3) db=2 ;  = 5% ; X2 = 5,99
15,9857 > 5,99 ; Ho ditolak, Ha diterima
 Kesimpulan
ada beda pemanfaatan pelayanan kesehatan
antara keluarga sejahtera dan non
sejahtera, pada  = 5%.
Contoh, Sampel Besar Uji Dua Sisi
 Hasil survey tentang pemanfaatan pelayanan kesehatan
69
yang dilakukan oleh keluarga sejahtera dan non
sejahtera didapatkan data sebagai berikut :

RUMAH SAKIT 7 3
DOKTER UMUM 8 6
PUSKESMAS 3 12
MANTERI 5 12
DIBIARKAN 5 6

Penyelesaian
70
 Hipotesis
 Ho ; PLkl = PLns ; tidak beda pemanfaatan pelayanan
kesehatan antara keluarga sejahtera dan non sejahtera
 Ha ; PLkl PLns ; ada beda pemanfaatan pelayanan
kesehatan antara keluarga sejahtera dan non sejahtera

 = 5%
 Rumus statistik penguji
n1  n 2
D  1,36.
n1n 2
RUMAH SAKIT 717 3
DOKTER UMUM 8 6
PUSKESMAS 3 12
MANTERI 5 12
DIBIARKAN 5 6
PELAYANAN KESEHATAN
DSp RS DU PUSK MANT OS DB
Sn1(X) sejahtera 11/44 18/44 26/44 29/44 34/44 39/44 44/44
0,250 0,409 0,591 0,659 0,773 0,886 1,000
Sn2(X) non sejht 1/54 4/54 10/54 22/54 34/54 48/54 54/54
0,018 0,074 0,185 0,407 0,630 0,704 1,000
Sn1(X)–Sn2(X) 0,232 0,335 0,406 0,252 0,143 0,182 0,000
 D = 0,406
 Df/db/dk
Df tidak diperlukan
72
 Nilai tabel
n1  n 2
D  1,36
n1n 2
44  54
D  1,36
44.54
D  0,2762
0,406 > 0,2762 ; Ho ditolak, Ha diterima
 Kesimpulan
ada beda pemanfaatan pelayanan kesehatan antara
keluarga sejahtera dan non sejahtera, pada  = 5%.

Tabel Harga Kritis D Dalam Tes Dua Sampel Kolmogorov Smirnov
(Sampel besar : tes dua sisi)
Level of significance Value of D so large to call for rejection of Ho at the
indicated level of significance, where D = maximum
 Sn1 (X) – Sn2(X) 
0,10 n1  n 2
1,22
n1n 2
0,05 n1  n2
1,36
n1n2
0,025
n1  n 2
1,48
n1n 2
0,01 n1  n 2
1,63
n1n 2
0,005 n1  n 2
1,73
n1n 2
0,001 n1  n 2
1,95
AGUSTINI TRIPENA
n1n73
2
10/20/2019
df 0,001 0,005 0,010 0,025 0,020 0,050 0,100 0,200 0,250 0,300
1 10,83 7,879 6,635 5,024 5,41 3,841 2,706 1,642 1,32 1,07
2 13,82 10,597 9,210 7,378 7,82 5,991 4,605 3,219 2,77 2,41
3 16,27 12,838 11,341 9,348 9,84 7,815 6,251 4,642 4,11 3,66
4 18,46 14,860 13,277 11,143 11,67 9,488 7,779 5,989 5,39 4,88
5 20,52 16,750 15,086 12,832 13,39 11,070 9,236 7,289 6,63 6,06
6 22,46 18,548 16,812 14,449 15,03 12,592 10,645 8,558 7,84 7,23
7 24,32 20,278 18,475 16,013 16,62 14,067 12,017 9,803 9,04 8,38
8 26,12 21,955 20,090 17,535 18,17 15,507 13,362 11,030 10,22 9,52
9 27,88 23,589 21,660 19,023 19,68 16,919 14,684 12,242 11,39 10,66
10 29,59 25,188 23,209 20,483 21,16 18,307 15,987 13,442 12,55 11,78
11 31,26 26,757 24,725 21,920 22,62 19,675 17,275 14,631 13,70 12,90
12 32,91 28,300 26,217 23,337 24,05 21,026 18,549 15,812 14,85 14,01
13 34,53 29,819 27,688 24,736 25,47 22,362 19,812 16,985 15,98 15,12
14 36,12 31,319 29,141 26,119 26,87 23,685 21,064 18,151 17,12 16,22
15 37,70 32,801 30,578 27,488 28,26 24,996 22,307 19,311 18,25 17,32
16 39,29 34,267 32,000 28,845 29,63 26,296 23,542 20,465 19,37 18,42
17 40,75 35,718 33,409 30,191 31,00 27,587 24,769 21,615 20,49 19,51
18 42,31 37,156 34,805 31,526 32,25 28,869 25,989 22,760 21,60 20,60
19 43,82 38,582 36,191 32,852 33,69 30,144 27,204 23,900 22,72 21,69
20 45,32 39,997 37,566 34,170 35,02 31,410 28,412 25,038 23,83 22,78
21AGUSTINI
46,80 TRIPENA
41,401 38,932 35,479 36,3474 32,671 29,615 26,171 24,93 23,86
10/20/2019
Keuntungan dan kerugian relatif uji kesesuaian
Kolmogorov-Smirnov dibandingkan
75 dengan uji
kesesuaian Kai Kuadrat
 Data dalam Uji Kolmogorov-Smirnov tidak perlu

dilakukan kategorisasi. Dengan demikian semua
informasi hasil pengamatan terpakai.
 Uji Kolmogorov-Smirnov bisa dipakai untuk semua
ukuran sampel, sedang uji Kai Kuadrat
membutuhkan ukuran sampel minimum tertentu.

76
 Uji Kolmogorov-Smirnov tidak bisa dipakai untuk

memperkirakan parameter populasi. Sebaliknya uji
Kai Kuadrat bisa digunakan untuk memperkirakan
parameterpopulasi,dengan cara mengurangi derajat
bebas sebanyak parameter yang diperkirakan.
 Uji Kolmogorov-Smirnov memakai asumsi bahwa
distribusi populasi teoritis bersifat kontinu.

77
MC NEMAR TEST

Mc Nemar test
78
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
79
Sebelum Sesudah Total
Penyakit Penyakit
(+) (-)
Penyakit (+) a b a+ b
Penyakit (-) c d c +d
Total a + c b + d n

Langkah perhitungan
80
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
81
 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
82
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
83
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
84
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

85
UJI MANN-WHITNEY
(U)

Uji Mann-Whitney
 Digunakan untuk mengetahui ada atau tidaknya

perbedaan dari dua sampel yg independen.
 Merupakan uji non parametrik yang menjadi
alternatif dari uji-t (uji parametrik).
 Data berskala nominal atau ordinal.
 Disebut juga uji U, karena statistik yg digunakan
untuk menguji hipotesis nolnya disebut U.
Uji Mann-Whitney
Uji dua sample bebas pada statistik non-parametrik
mempunyai tujuan yang sama dengan uji-t pada
statistik parametric, yakni ingin mengetahui
apakah
dua buah sample yang bebas berasal dari populasi
yang sama. “Bebas” atau independen berarti dua
buah sample itu tidak tergantung satu dgn yang
lain.
Seperti sample sikap pria dan sikap wanita,dimana
seseorang tidak mungkin dalam waktu bersamaan
menjadi pria dan wanita.
Pada metode Statistik parametric, uji perbedaan dua
sampel dilakukan dengan menggunakan uji-t. Hanya
uji-t mensyaratkan data bersifat interval atau rasio,
serta data mengikuti distribusi normal atau dianggap
normal. Jika salah satu syarat tidak terpenuhi yaitu :
 Data bertipe Nominal atau Ordinal

 Data bertipe Interval atau Rasio, tetapi
tidak berdistribusi Normal.
maka uji-t harus diganti dengan uji statistik non-

parametrik yang khusus digunakan untuk dua sampel
bebas.Salah satu alat uji dua sampel bebas yang
digunakan secara luas dalam praktek adalah
Mann-Whitney.
Prosedur Uji
1. Formulasikan hipotesisnya
Ho : Tidak terdapat perbedaan rata-rata sample
satu dengan yang lainnya.
Ha : Ada perbedaan rata-rata sample satu dengan
dengan yang lainnya
2. Tentukan nilai α dan U tabel

- α yang digunakan biasanya 5% (0,05) atau 1% (0,01)
- Nilai U tabel dengan n1 dan n2 tertentu.
3. Hitung nilai U
4. Tentukan kriteria pengujian

apabila U ≥ Utabel  Ho diterima (H1 ditolak)
apabila U < Utabel  Ho ditolak (H1 diterima)
 Menentukan nilai uji statistik (Nilai U)
Penentuan nilai uji statsitik melalui tahap-tahap
sebagai berikut :
 Mengabungkan kedua sampel dan memberi urutan
tiap-tiap anggota, dimulai dari pengamatan terkecil
sampai terbesar
 Peringkat untuk X dipisahkan dan dijumlahkan
menjadi RX
 Peringkat untuk Y dipisahkan dan dijumlahkan
menjadi RY
 Menghitung statistik U dengan rumus :
(nX + 1) x nX
UX = (nX x nY) + - ∑RX
2
(nY + 1) x nY
Uy = (nX x nY) + - ∑RY
2
Keterangan :
UX = Jumlah peringkat 1
UY = Jumlah peringkat 2
nX = Jumlah sample 1
nY = Jumlah sample 2
∑RX = Jumlah rangking pada sampel X
∑RY = Jumlah rangking pada sampel Y
Kasus :
Untuk menentukan program promosi yang relevan Manajer
Perusahaan ingin mengetahui apakah ada perbedaan sikap
konsumen Roti Nanas di Kota
Jakarta dan Kota Tangrang. Sikap konsumen di sini adalah suka
sampai dengan sikap sangat tidak suka terhapa Roti Nanas di
kedua daerah, yang hasilnya adalah sebagai berikut :
5 = sangat suka
4 = suka
1 = Jakarta 3 = cukup suka
2 = Tangrang 2 = tidak suka
1 = sangat tidak suka
NO KOTA SIKAP NO KOTA SIKAP
1 1 5 14 2 3
2 1 4 15 2 4
3 1 5 16 2 4
4 1 4 17 2 4
5 1 5 18 2 3
6 1 4 19 2 3
7 1 5 20 2 3
8 1 4 21 2 5
9 1 3 22 2 2
10 1 4 23 2 4
11 1 4 24 2 3
12 1 4 25 2 3
13 2 4 26 2 2
27 2 2
Dari kasus di atas akan dilihat apakah ada
perbedaan sikap seseorang berdasarkan tempat
tinggalnya ?. Ataukah sikap konsumen di Jakarta
berbeda secara nyata dengan sikap konsumen di
Tangerang.
Hipotesis :
H0 : Tidak ada perbedaan sikap konsumen terhadap
rasa roti di Jakarta dan Tangerang.
Ha : Ada perbedaan sikap konsumen terhadap rasa
roti antara Jakarta dan Tangerang.
H0 ditolak H0 ditolak
H0 diterima
 2,822  1,96 1,96
Terlihat -2.822 di luar daerah -1.96 dan 1.96

Dan dilihat dari angka sig. = 0.005 < 0.05 berarti H0 di
tolak, artinya ada perbedaan sikap konsumen terhadap rasa
roti antara Jakarta dan Tangerang.
Uji Mann Whitney rank
 Kasus sampel kecil n < 20

 Tujuan
Untuk menguji perbandingan antara
dua perlakuan terhadap kontrol
Langkah-langkah
 Data dua sampel digabungkan

 Data gabungan diurutkan
 Data terurut kemudian dirangking. Untuk data yang
sama , rangkingnya adalah rata-ratanya
 Pisahkan rangking sampel 1 dan sampel 2
 Jumlahkan masing-masing rangking untuk sampel 1
(R1) dan sampel 2(R2)
Langkah-langkah
 Tentukan
U1 = n1 n2 +1/2 n1 (n1 + 1) – R1
U2 = n1 n2 +1/2 n2 (n2 + 1) – R2
 Tentukan U = min (U1 , U2 )
 Daerah penolakan p(U) <  untuk satu sisi
dan 2p(U) <  untuk dua sisi
(n1 + 1) x n1
U1 = (n1 x n2) + - ∑R1
2
(n2 + 1) x n2
U2 = (n1 x n2) + - ∑R2
2
Keterangan :
U1 = Jumlah peringkat 1
U2 = Jumlah peringkat 2
n1 = Jumlah sample 1
n2 = Jumlah sample 2
∑R1= Jumlah rangking pada sampel 1
∑R2 = Jumlah rangking pada sampel 2
Rumus sampel ≤ 20 n1 atau n2 yang tertinggi ≤ 20
Contoh 1
Sampel I dan IIadalah sebagai berikut
I 1,9 0,5 2,8 3,1

II 2,1 5,3 1,4 4,6 0,9
1. Gabungkan data dari kedua kelompok kemudian

urutkan dan beri peribgkat, lalu jumlahkan
peringkat masing2 kelompok
Asal Data Peringkat Per 1 Per 2
I 0,5 1 1
II 0,9 2 2
II 1,4 3 3
I 1,9 4 4
II 2,1 5 5
I 2,8 6 6
I 3,1 7 7
II 4,6 8 8
II 5,3 9 9
18 27
RX RY
2. Hitung nilai statistik U
(n1 + 1) x n1
U1 = (n1 x n2) + - ∑R1
2
(4 + 1) x 4
U1= (4 x 5) + - 18
2
U1 = 20 + 10 – 18 = 12
(n2 + 1) x n2
U2 = (n1 x n2) + - ∑R2
2
(5 + 1) x 5
U2= (4 x 5) + - 27
2
U2= 20 + 15 – 27 = 8
Step 3. Pilih nilai statistik U terkecil bandingkan
dengan U tabel
 U tabel pada n1=4 dan n2=5  1

 U terkecil = U2 = 8
 Tolak H0 jika U terkecil < 1
Terima H0 jika U terkecil ≥ 1
Step 4. Ambil kesimpulan uji statistik

 U hitung (8) > U tabel (1)  H0 gagal ditolak
 Tidak ada perbedaan median antara kelompok I dan II
106
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
Kasus sampel kecil n < 20
Tujuan
Untuk menguji perbandingan antara dua
perlakuan terhadap kontrol

Langkah perhitungan
107
 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
 Jumlahkan masing-masing rangking untuk
sampel 1 (R1) dan sampel 2(R2)

108
 Tentukan
U1 = n1 n2 +1/2 n1 (n1 + 1) – R1
U2 = n1 n2 +1/2 n2 (n2 + 1) – R2
 Tentukan U = min (U1 , U2 )
 Daerah penolakan p(U) <  untuk satu
sisi dan 2p(U) <  untuk dua sisi

Rumus
109
Jika jumlah sampel pada salah satu kelompok

lebih besar dari 15, maka nilai uji Mann
Whitney dihitung dengan rumus :
(T-µT) nS (nS + nL+1)

z= ———— , µT = ———————
T 2
T=  (nL µT)/6

Menentukan nilai p
110
 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

111
 Alternatif lain uji T dua sampel bebas
 Perhitungannya berdasarkan frek. Teramati
 H0 : Dua sampel bebas berasal dari populasi yg
identik atau memp rata2 yang sama.
 H1 : dua sampel bebas berasal dari populasi
berbeda

UJI MANN-WHITNEY-
WILCOXON:
KASUS SAMPEL BESAR
 Distribusi Sampling dari T untuk Populasi yang Identik
 Rata-rata
mT = n1(n1 + n2 + 1)
 Simpangan Baku (Standard Deviation)
 T  1 12 n1n2 (n1  n2  1)
 Bentuk Distribusi
Mendekati normal, untuk n1 > 10 dan n2 > 10
Bila ada ranking yang sama di koreksi
114
U  E (U )
Z 
Var (U )
n1 n1  1
U  n1n2   R1
2
n1 (n1  1) n n
E (U )  n1n2   E ( R1 )  1 2
2 2

Var U   var R1   n1n2 n1  n2  1

12
R1 : Total peringkat salah satu sampel

 Contoh: suatu perusahaan besar diduga menerapkan diskriminasi
penggajian atas gender. Sebanyak 24 sampel dari antara karyawan
dan gajinya ditunjukkan tabel berikut:
115
Wanita 22.5 19.8 20.6 24.7 23.2 19.2 18.7
Pria 21.9 21.6 22.4 24.0 24.1 23.4 21.2
Wanita 20.9 21.6 23.5 20.7 21.6
Pria 23.9 20.5 24.5 22.3 23.6
Berdasarkan data di atas, apakah ada alasan untuk percaya pada taraf
nyata 0.05 bahwa telah terjadi diskriminasi penggajian berdasarkan
gender?
Jawab:
Dik: data di atas dan  = 0.05
Dit : Uji hipotesis perbedaan gaji antara pria dan wanita

Jawab:
 H0 : Tidak ada perbedaan antara rata-rata gaji wanita dengan rata-
rata gaji pria, atau 116
rata-rata gaji wanita dan pria berasal dari populasi yang
berdistribusi sama, atau
m1 = m2
 H1 : ada perbedaan antara rata-rata gaji wanita dengan rata-rata gaji
pria atau m1  m2
  = 0.05
 Wilayah kritik : zhit<-z0.025 atau zhit>z0.025 atau zhit < -1.96 atau zhit >
1.96
 Perhitungan:
 Pertama, urutkan dan berikan berikan
 Jumlah peringkat salah satu sampel
 Hitung nilai E(U), var(U) dan z

JK F F F M F F F M M F F M
gaji 18.7 19.2 19.8 20.5 20.6 20.7

117
20.9 21.2 21.6 21.6 21.6 21.9
Pr 1 2 3 4 5 6 7 8 10 10 10 12
R1= 1+2+3+5+6+7+10+10+15+16+18+24=117
E(u) = (12X12)/2=72
Var(U)=(12)(12)(25)/12=300
U=12x12+(12x13)/2=105
Z=(105-72)/300=1.91
• Keputusan : karena zhit < 1.96 dan zhit > -1.96, maka terima H0

Contoh
Ho: Tidak ada perbedaan usia kelompok pekerja
118
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
119 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
AGUSTINI TRIPENA 93.5 nL=10 116.510/20/2019
Latihan 1
Untuk menguji apakah ada perbedaan nilai murni UAN kelas

A dan B lakukanlah uji statistik dengan data sampel berikut.
Kelas A 22,1 24,0 26,3 25,4 24,8 23,7 26,1

23,3
Kelas B 24,1 20,6 23,1 22,5 24,0 26,2 21,6
22,2 21,9 25,4
Latihan 2
Lakukanlah uji hipotesis pada derajat kemaknaan 0,05% untuk
menguji apakah memang pria dan wanita berbeda tingkat
kesetiaannya.
Pria 70 70 30 70 90 55 90 30 45 70 60
65 63 30 35 25 20
Wanita 20 10 75 66 95 66 82 67 70 70
10 30 47 15 35 60 30 30 90 80 50
30 66 83
Latihan 3
 Sebuah artikel mengenai kajian emisi partikulat dari
tungku kayu, melaporkan data mengenai waktu
pembakaran (dlm jam) dari sampel-sampel kayu pinus
dan kayu oak. Pengujian dengan derajat kemaknaan
0,05 dilakukan utk mengetahui apakah sesungguhnya
memang terdapat perbedaan dari waktu pembakaran
dari kedua jenis kayu tersebut.
Pinus 0,98 1,40 1,33 1,52 0,73 1,20
Oak 1,72 0,67 1,55 1,56 1,42 1,23 1,77 0,48

123
UJI MEDIAN

UJI MEDIAN
DASAR
Pengujian dilakukan terhadap median untuk menentukan
apakah median kurang dari, sama dengan, atau lebih dari M0
Pengujian sama dapat dilakukan terhadap rerata untuk
menentukan apakah rerata kurang
124 dari, sama dengan, atau
lebih dari m0
Pengujian tentang rerata dapat dilakukan melalui statistika
parametrik, namun dapat juga secara nonparametrik
Hipotesis untuk pengujian adalah
M < M0 M = M0 M > M0
m < m0 m = m0 m > m0
•Sebagai
dasar pengujian median dan rerata adalah
banyaknya tanda

Uji Median
Syarat:
Bila H0 nya menyatakan bahwa kedua populasi
125
mempunyai median yang sama
Dan H1 entah nilai X cenderung lebih besar
dibandingkan nilai Y atau nilai Y cenderung lebih
besar dibandingkan nilai X
Pola:
Tabel Kontingensi 2  2 (membagi semua data di
atas dan di bawah median)
Set 1 Set 2 Jumlah
Jumlah Xi di atas A B A+B
median 126
Jumlah Xi di C D C+D
bawah median
Jumlah A+C B+D = N=
= n1 n2 n1+n2
 hit 
2  ad  bc  N 2 2
.N
a  c b  d a  bc  d 
Keterangan :
A: banyak hasil pengamatan dari sampel 1 yang
lebih besar daripada Median Gabungan
B : banyak hasil pengamatan dari sampel 2 yang
lebih besar daripada Median
127 Gabungan
C: banyak hasil pengamatan dari sampel 1 yang
lebih kecil daripada Median Gabungan
B : banyak hasil pengamatan dari sampel 2 yang
lebih kecil daripada Median Gabungan

Terjadi angka sama :
Apabila terjadi ada nilai-nilai pengamatan yang sama
dengan median gabungan dpt ditangani dengan
salah satu dari dua cara berikut:
a. Jika N besar dan jika hanya
128 sedikit hasil
pengamatan yang sama dengan median
gabungan, maka boleh dilakukan penyingkiran
angka yg sama tsb sebelum mulai menghitung
statistik uji
b. Hasil pengamatan yg sama dgn median
gabungan boleh dilakukan pembagian banyaknya
angka yang sama dengan meletakkan di
kelompok atas dan kelompok bawah dgn segala
cara mungkin
129
Hitung T sebagai statistik uji dengan rumus
A B

n1 n2 A B
T untuk  
1 1 N
 (1   )  
 n1 n2 

Rusell dkk melaporkan nilai130Stroke indek seperti pada
tabel 1 untuk pasien yg ditangani oleh unit riset infark
miokardia disebuah rumah sakit universitas. Kita
ingintahu apkah data ini menyediakan bukti yang
memadai untuk menunjukkan bahwa media kedua
pupulasi yg diwakili oleh data kedua sampel memiliki
perbedaan pada tarf nyata 0,05

Harga Stroke indek dlm mililiter untuk pasien yang
dirawat di unit riset Myocardinal Infarction sebuah
131
rumah sakit universitas
Diagnosis
Anterior transmural Interior transmural

infrarction dan anterior infrarction dan anterior
necrosis (X) necrosis (Y)
25 13 9 46 26 23 31 31 43 19 20
26 30 17 20 20 17 26 21 42 38 29
17 20 37 25 18 26 38 30 41 13
11 36 30 12 32 54 68 32 28 30
24 20 16 8 21 37

132
RUNS WALD-WOLFOWITZ

• Minimum utk skala ordinal 133
• Sensitif thd berbagai perbedaan dlm kedua populasi.

• Kurang powerful dibandingkan Mann Whitney
• Hipotesis alternatif lebih luas dibandingkan Mann
Whitney
• H0 : Dua sampel bebas berasal dari populasi yg
berdistribusi sama.
• H1 : dua sampel bebas berasal dari populasi yg
berdistribusi tdk sama.

134
E R  
2n1n2
1
n1  n2
2n1n2 2n1n2  n1  n2 
Var R  
n1  n2  n1  n2  1
2
R  E ( R)
z 
Var ( R)
R adalah jumlah run atau pergantian antara

urutan dalam data

 Contoh: ujilah apakah urutan pengambilan sampel pada kasus Mann
Whitney di atas acak atau tidak pada taraf nyata uji 0.05?
 Jawab: 135
Dik: F = wanita dan M adalah pria
Data : F F F M F F F M M F F M M M F F M F M M
M M M F
n1 = 12 dan n2 = 12,  = 0.05
Dit : Uji keacakan data
Jawab:
 H0 : Urutan pengambilan sampel adalah acak
 H1 : Urutan pengambilan sampel tidak acak
  = 0.05
 Wilayah kritik : zhit<-z0.025 atau zhit>z0.025 atau zhit < -1.96 atau zhit > 1.96
 Perhitungan:
 Hitung jumlah run (R).
R = 11, artinya ada 11 kali pergantian data antara urutan F dan M

2(12 12)
E R    1  13
12  12 136
2 12  2 12 12  12  12

Var R    5.7391
12  12 12  12  1
2
11  13
z  0.83
5.7391
• Kesimpulan : karena zhit > ztabel (-1.96), maka terima H0

137

Kuliah 4-5-6-7 SNP

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Kuliah 4-5-6-7 SNP

Diunggah oleh

Hak Cipta:

Format Tersedia

1

DRA. AGUSTINI TRIPENA, BR,SB, M.SI

AGUSTINI TRIPENA 10/20/2019

 Dua sampel independen ditarik dari populasi yang

AGUSTINI TRIPENA 10/20/2019

AGUSTINI TRIPENA 10/20/2019

Tabel 1 Tabel Kontigensi 2 x 2

Jumlah A+C B+D N

(A + B)! (C + D)! (A + C)! (B + D)!

Dengan jumlah marginal yg sama, dapat terjadi hal yang

• Kemungkinan muncul keadaan yang tersaji dalam

 Artinya p=0,04525 adalah harga p yang

 Jika dirasa cukup menggunakan Tingkat

 Modifikasi Tocher, pertama menetapkan

o Untuk jenis data kualitatif

o Sampel bersifat independen

o Khusus untuk sampel kecil

o Merupakan uji asosiasi

o Merupakan alternatif, bila chi square

AGUSTINI TRIPENA 10/20/2019

Uji Fisher ini digunakan bila n < 20

Tabel dua kategori dengan kelompok:

AGUSTINI TRIPENA 10/20/2019

Peluang H0 diterima adalah:

 = batas peluang kritis

AGUSTINI TRIPENA 10/20/2019

AGUSTINI TRIPENA 10/20/2019

Vaksinasi Sehat Sakit Total

AGUSTINI TRIPENA 10/20/2019

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

Hitung besar p untuk tabel observe

AGUSTINI TRIPENA 10/20/2019

 Untuk jenis data kualitatif

AGUSTINI TRIPENA 10/20/2019

 Tidak ada sel yang

AGUSTINI TRIPENA 10/20/2019

Allergi Asma + Asma - Total

Total 75 215 290

AGUSTINI TRIPENA 10/20/2019

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

AGUSTINI TRIPENA 10/20/2019

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

Ho ditolak, berarti ada perbedaan riwayat

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

AGUSTINI TRIPENA 10/20/2019

Tentukan nilai khi-kuadrat

AGUSTINI TRIPENA 10/20/2019

• Sensitif thd perbedaan kedua populasi

AGUSTINI TRIPENA 10/20/2019

o Data kualitatif, Sampel independen

o Untuk sampel kecil, uji asosiasi

o Alternatif Chi Square untuk tabel 2 x n

o Variabel dependen ordinal

AGUSTINI TRIPENA 10/20/2019

Klp Buruk Krng Cukup Baik Baik n

AGUSTINI TRIPENA 10/20/2019

Klp Buruk Krng Cukup Baik Baik n

AGUSTINI TRIPENA 10/20/2019

Klp Buruk Krng Cukup Baik Baik

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

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

AGUSTINI TRIPENA 10/20/2019