Professional Documents
Culture Documents
STATISTIK NON
PARAMETRIK
PENDAHULUAN
STATISTIKA :
Kegiatan untuk :
mengumpulkan data
menyajikan data
menganalisis data dengan metode tertentu
menginterpretasikan hasil analisis
KEGUNAAN
?
Melalui fase
STATISTIKA DESKRIPTIF :
Pengumpulan, pengolahan, dan penyajian sebagian
atau seluruh data (pengamatan) tanpa pengambilan kesimpulan
dan fase
STATISTIKA INFERENSI :
Setelah data dikumpulkan, maka dilakukan berbagai metode statistik untuk
menganalisis data, dan kemudian dilakukan interpretasi serta diambil kesimpulan.
Statistika inferensi akan menghasilkan generalisasi (jika sampel representatif)
DATA
DATA terbagi atas DATA KUALITATIF dan DATA KUANTITATIF
DATA KUALITATIF :
Data yang dinyatakan dalam
bentuk bukan angka.
Contoh : jenis pekerjaan, status
marital, tingkat kepuasan kerja
DATA KUANTITATIF :
Data yang dinyatakan dalam
bentuk angka
Contoh : lama bekerja, jumlah
gaji, usia, hasil ulangan
DATA
KUALITATIF
KUANTITATIF
JENIS
DATA
NOMINAL
ORDINAL
INTERVAL
RASIO
4. Data
DATA NOMINAL :
Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.
CIRI : posisi data setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : jenis kelamin, jenis pekerjaan
DATA ORDINAL :
Data berskala ordinal adalah data yang dipeoleh dengan cara kategorisasi atau klasifikasi, tetapi di antara
data tersebut terdapat hubungan
CIRI : posisi data tidak setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : kepuasan kerja, motivasi
DATA INTERVAL :
Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik
skala sudah diketahui.
CIRI : Tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : temperatur yang diukur berdasarkan 0C dan 0F, sistem kalender
DATA RASIO :
Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik skala
sudah diketahui dan mempunyai titik 0 absolut.
CIRI : tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : gaji, skor ujian, jumlah buku
Normalitas
+3s
+2s
-s
+s
+2s +3s
68%
95%
99%
Distribusi Data
Normal
Jenis
Data ?
RASIO
NOMINAL
ORDINAL
Statistik
Non Parametrik
Tidak Normal
Jumlah
Data
KECIL (<30)
Bisa pakai uji t jika disribusi populasi pasti normal
BESAR (>30)
Statistik Parametrik
Run test
Asosiasi
Tingkat
pengukuran
Ukuran Asosiasi
Skala interval
dan rasio
Skala ordinal
Chi-Square
Spearman rank Correlation
Kendalls rank correlation
Skala nominal
Chi-square
Phi-coefficient contingency coefficient
Uji Beda
Tingkat
Pengukuran
Satu sampel
Nominal
Uji hipotesis
meliputi
proporsi sampel
Uji Chi Square
Ordinal
Kolmogorov
Smirnoff
Interval dan
rasio
Uji t
Uji Chi square
Dua Sampel
Klasifikasi
statistis
Bebas
Terikat
Uji Hipotesis
dua proporsi
sampel
Analisis tabel
kontijensi
Mann Whitney
Kruskal Wallis
Uji Median
Uji t sampel
bebas
Uji F
(independensi
Uji F
Parametrik
(dependensi)
Non
parametrik
Uji t sampel
terikat
Parametrik
Tergantung
Ordinal (Skor/nilai)
Numerik
(uji
(uji parametrik tdk
parametri
terpenuhi)
Kategori Ordinal
VARIABEL
tidak
k
kal
(klasifik
berpasang
berpasan
terpenuhi
tidak
(nominal
asi)
an
berpasan
gan
) UJI
berpasan
gan
PARAMET
gan
RIK
Kategorik Chi
Chi
Mann
Wilcoxon
uji Z, uji t
Wilcoxon
al
Square
Square
Whitney
sign rank berpasang Mann
sign rank
(nominal)
test
an/tdk Whitney
test
berpasang
Mc
Wilcoxon
an
Nemar/
rank sum
Wilcoxon
Fisher
test
rank sum
Exact
test
Kolmogoro
v smirnov
KS
Run
Run
Bebas Kategorik
al (lebih
2
kelompok
Kruskal
Friedman
Kruskal
Friedman
)
Walis
test
Walis
test
Ordinal
(klasifikas
Chi
i)
Square
Ordinal
(nilai/scor
Spearman rank
)
corelation / Kendal
Tabel R x C
n > 20
Nilai observed
Allergi
Asma + Asma -
Total
12 ( a )
68 ( b )
80
63 ( c )
147 ( d )
210
Total
75
215
290
( 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)
Sehat
Sakit
Total
Vaksinasi
+
Vaksinasi
-
Total
12
Sehat
Sakit
Total
Vaksinasi
+
Vaksinasi
-
Total
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
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
Buruk
Krng
Cukup
Baik
Baik
Skl
Rajin
Tidak
Total
16
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
Sesudah
Sebelum
Penyakit (+)
Penyakit (-)
Total
Penyakit
(+)
a
Total
Penyakit
(-)
b
a+ b
c +d
a + c
b + d
Langkah perhitungan
1. Hitung nilai X2 dengan rumus
X2
( b-c -1)2
= --------------b+c
Contoh
Sesudah
penyuluhan
Total
Berhenti
merokok Merokok
Tidak
merokok
Sebelum
penyuluhan Merokok
0
23
5
40
5
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
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)
z= -----------T
T= (nL T)/6
nS (nS + nL+1)
T = --------------------2
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.
Ranking
1.5
5
5
5
8.5
8.5
10.5
10.5
19
20
93.5
Tinea (-)
20
21
21
23
25
26
27
27
28
29
nL=10
Ranking
1.5
5
5
12
13
14
15.5
15.5
17
18
116.5
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.
Penilaian
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
Penilaian
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.
Kerja
gilir
tidak
ya
Total
Count
% within Kerja gilir
Count
% within Kerja gilir
Count
% within Kerja gilir
Insomnia/bukan
tidak
ya
34
55
38.2%
61.8%
19
69
21.6%
78.4%
53
124
29.9%
70.1%
Total
89
100.0%
88
100.0%
177
100.0%
HASIL CHI-SQUARE
Chi-Square Tests
Pearson Chi-Square
Continuity Correctiona
Likelihood Ratio
Fisher's Exact Test
Linear-by-Linear
Association
N of Valid Cases
Value
5.820b
5.056
5.882
5.788
df
1
1
1
1
Asymp. Sig.
(2-sided)
.016
.025
.015
Exact Sig.
(2-sided)
Exact Sig.
(1-sided)
.021
.012
.016
177
Interpretasi
Ho: terjadinya insomnia tak ada
hubungan dgn sistem kerja gilir
1. Syarat Chi Square terpenuhi???
(tidak, jadi yang diambil p=
2. Jika X2 = 5,8 p=0.016 p < alpha
Hasil uji kemaknaan???
Ho ditolak/diterima???
3. Kesimpulan???
DAFTAR PUSTAKA
Turmudi dan Harini S. Metode Statistika. Pendekatan Teoritis dan
Aplikatif. UIN Malang Press, Malang. 2008; 1-5
Siegel S. Memilih Tes Statistik yang Cocok, dalam Statistik
Nonparametrik untuk Ilmu Sosial. Diterjemahkan oleh Suyuti S dan
Simatupang L. PT. Gramedia Jakarta, 1994; 22-42.
Santoso S. Menggunakan SPSS untuk Statistik Non Parametrik. PT.
Elek Media Komputindo. Jakarta 2006; 1-7
Whitney E and Ball J. Statistics review: Nonparametric methods.
Critical Care December 2002 Vol 6 No 6.:509-513
Dallal GE.. Nonparametric Statistics. 2000.
www.ecology.lifescience.ntu.edu.tw. Accesed on 19 Oct 09
Sudjana. Metoda Statistika. PT. Tarsito Bandung, 2002. 446-68.
Widhiarso W. PETA Pengujian Dalam Statistika. www.elisa.ugm.ac.id.
Diakses 19 Okt 09.