You are on page 1of 24

STATISTIK NON PARAMETRIK

STATISTIK NON PARAMETRIK


Dalam bidang kedokteran, pengujian
hipotesis untuk menarik kesimpulan jarang pada sampel besar.

Perlu alternatif yang tidak bergantung


pada distribusi normal

STATISTIK NON PARAMETRIK


Tidak semua populasi berdistribusi normal Distribusi sering tidak diketahui Distribusi normal: Kadar kolesterol, TD Distribusi tidak normal: lama penyakit,
berat penyakit. Pada variabel berdistribusi tidak normal dianalisis dgn statistika parametrik, maka hasil kurang tepat.

Statistik Non Parametrik


Para ahli statistik seperti Fisher,
Wilcoxon, Spearman dan S.Hajek telah menemukan metode statistik yang dapat digunakan untuk pengujian hipotesis yang tidak bergantung pada distribusi

Hal ini disebut statistik non paramerik


(tanpa asumsi distribusi normal).

The Normal Distribution


Bell Shaped Symmetrical Mean, Median and
Mode are Equal
f(X)

Random Variable

has Infinite Range

Mean Median Mode

Statistik Non Parametrik


Pilihan uji untuk ukuran nominal dan
ordinal Asumsi distribusi normal tidak perlu Dapat dipakai untuk data interval jika ditransformasi atau diperingkat (rank) khususnya untuk sampel kecil Mudah dilakukan

Keuntungan
Tidak membutuhkan asumsi tentang
normalitas distribusi populasi mudah dikerjakan dan mudah dimengerti data numerik dapat diganti dengan data jenjang pengujian hipotesis dilakukan secara langsung pada pengamatan nyata dapat digunakan pada populasi distribusi normal

Kerugian
Mengabaikan beberapa informasi
tertentu

hasil pengujian hipotesis tidak


setajam statistik parametrik

Hasil statistika non parametrik tidak


dapat diekstrapolasikan ke populasi studi seperti statistika parametrik

JENIS STATISTIK NON PARAMETRIK

Jenis sangat banyak Diantaranya:

Rank Correlation test (Spearman) Kruskal Wallis

Wilcoxon Sign Rank test Mann Whitney U test

Wilcoxon Sign Rank Test


Informasi arah dan besarnya perbedaan
diperhitungkan Analog dengan metode parametrik Uji T berpasangan Objek perbandingan dari dua sampel yg berhubungan Dapat digunakan pada data ordinal Perhatian analisis pada median-nya

Wilcoxon Sign Rank Test


Jenis data : Ordinal Interval atau ratio yang dikonfersi dalam

bentuk rank. Yang dipertanyakan : menguji perbedaan dalam 2 populasi median, paired samples Nilai kritis/decision rule : W (Wilcoxon rank sum test tabel)

Langkah-langkah
Tentukan derajat kemaknaan hasil pengamatan setiap pasang disusun
secara berurutan Selisih pengamatan antara pasangan diberi tanda (+) atau (-) Selisih antara pasangan dihitung kemudian diurut sesuai jenjangnya Jenjang setiap pasangan diberi tanda Tanda negatif dijumlahkan = T Bandingkan dengan tabel

Langkah Langkah :
Variabel acak Hipotesis : Ho : W (+) = W (-)
Ha : W (+) >/< = W (-) W (+) = jumlah semua peringkat selisih pasangan pengamatan (X, Y) yang bertanda positif W (-) = jumlah semua peringkat selisih pasangan pengamatan (X,Y) yang bertanda negatif

Mann Whitney
Test pengujian perbedaan 2 sampel yg
independen dgn data skala ordinal

Prinsip : membandingkan median

peringkat dari sampel pertama dgn median peringkat dari sampel kedua

Cara Analisa Mann Whitney


- Nilai pengamatan (skor) kedua sampel
berukuran n1 dan n2 digabungkan, kemudian dirangking Tentukan R1 dan R2 yaitu jumlah rangking gabungan ni dan n2 Tentukan nilai u terkecil dari rumus Bandingkan statistik U dengan nilai U pada tabel U mann Whitney pada 0,05 Ho ditolak : jika p(U) < alpha

Rumus
N2 = < 20
N1(N1+1) U = N1N2 + - R1

2
N2(N2+1)

U = N1N2 +
2

- R2

Untuk n2 >20
Digunakan pendekatan ke normal z
dimana: U 1/2n1n2 z= 1/12n1n2 (n1+n2+1)

Rank Correlation test (Spearmen)


Pengujian hubungan antara dua variabel
data ordinal, interval, rasio, tanpa asumsi normalitas analog dgn korelasi Pearson sampel acak

Rank Correlation test (Spearmen)


Utk menguji hubungan antara dua
variabel yg dinyatakan dgn data kontinu Prosedur: Hasil pengamatan diurut mulai terkecil s.d terbesar Rumus : rs = 1 6 d 2 n(n2 - 1) Bandingkan r hasil perhitungan dgn nilai r tabel

Contoh :
Dalam suatu perkawinan massal dipilih 10
pasangan secara acak dan ditanya tanpa rembug masing-masing suami dan istri tentang keinginan banyaknya anak yg akan dilahirkan:

Contoh:
No1 2 S 22 I 62 3 4 2 4 5 2 5 2 4 6 4 3 7 6 2 8 1 5 9 4 2 10 3 1

Rx 3 3 7 9 3 7 10 1 7 5 Ry 104 4 4 8 7 4 9 4 1 d2 49 1 9 25 25 0 36 64 9 16 Ed2= 234 --> r = -0,42 --> tabel spearmen -0,42 di daerah penerimaan = Ho gagal ditolak

Uji Kruskal Wallis


Untuk menguji perbedaan beberapa (k)
sampel independen dengan data berskala ordinal Analog dengan Anova satu arah Bila persyaratan untuk anova tidak terpenuhi maka digunakan uji kruskal wallis

Prinsip Kruskal Wallis


Memperhitungkan variasi-variasi antar
kelompok (between groups) dan variasi variasi dalam kelompok (within group) Sampel berasal dari populasi independen. Pengamatan satu dan lainnya independen Sampel dicuplik secara acak Data diukur minimal dalam skala ordinal