Download - Uji Parametrik Dan Non Parametrik
-
STATISTIKA PARAMETRIK dan NON-PARAMETRIK
Drs. Zulaela
Gamma 10
Assalamualaikum..oke semuanya, sekarang kita akan belajar tentang Uji parametric dan non
parametric yang akan kita gunakan untuk menguji hipotesis.
Gambar.1
Pertama-tama, kita harus perhatikan konsep dari hipotesis itu seperti apa. Hipotesis adalah
statement/pernyataan yang dikeluarkan oleh orang yang berkecimpung dibidangnya. Misalnya jika
kita melakukan penelitian untuk mengetahui waktu sembuh pasien yang minum obat baru di RS.
Disini, salah satu yang berhak memberikan statement adalah direktur RS. Nah statement direktur itu
kita sebut sebagai H1 (Hipotesis alternative / HA). H1 disini berbunyi Rata-rata waktu sembuh pasien
yang meminum obat baru kurang dari 5 hari.
Untuk uji statistic kasus diatas, kita bisa menggunakan uji t untuk 1 sampel yaitu one sample t test.
Kenapa? Lihat table dibawah
-
Balik ke praktikum IT lagi,,jadi uji analisis itu ada 2, yaitu uji beda (komparatif) dan uji assosiasi
(korelatif). Yang kita pelajari di materi ini adalah uji beda/komparatif. Uji komparatif digunakan
untuk mengetahui apakah ada perbedaan yang jelas antara rerata beberapa sampel.
Untuk pembagian lebih lanjutnya, liat table di bawah..
*kalo dari praktikum IT, kalo berpasangan maksudnya sampelnya sama tapi diberi beberapa
perlakuan, kalo tidak berpasangan itu beberapa sampel dengan perlakuan yang beda (maaf kalo
salah :D )
*rumus utama (parametric) seperti paired sampel t test, repetead anova, independent sampel t
test, one way anova. Sedangkan rumus turunannya (non parametric) itu seperti Wilcoxon,
friedman, mann whithney, kruskal wallis
-
Balik lagi ke kasus. Misalnya saat didapatkan rata-rata waktu sembuh obat lama adalah 5 hari dan
obat baru 3,8 hari maka pertanyaan yang timbul adalah apakah perbedaan waktu sembuh antara
obat baru dan obat lama (1,2 hari) itu bermakna atau tidak??? Kalo tidak bermakna berarti obat baru
tidak lebih efektif dari obat standart, begitu juga sebaliknya. Nah, permasalahan selanjutnya adalah
bagaimana cara mengetahui perbedaan 1,2 hari itu bermakna atau tidak??
Kata dokternya ada 2 cara untuk mengetahui hal tersebut, yaitu
(1) Membandingkan uji statistic dengan table yang bersesuaian kalo yang ini digunakan bila
perhitungannya manual
(2) Menggunakan program-program analisis datanya seperti SPSS, caranya dengan melihat nilai
p (nilai probabilitas/p value)
Untuk melihat apakah perbedaan kecepatan sembuh obat baru vs obat standar (1,2 hari) itu memiliki
perbedaan yang signifikan/bermakna, dilihat dari nilai p value (sig.). bila p value 0.05 maka terdapat
perbedaan yang signifikan/yang bermakna sehingga bisa ditarik kesimpulan bahwa obat baru lebih
efektif dibandingkan dengan obat standar. Bila p value >0,05, maka 1,2 hari dikatakan beda yang
tidak signifikan sehingga ditarik kesimpulan bahwa obat baru tidak lebih efektif dibanding obat
standar.
Contoh kasus untuk Gambar.2 :
Dalam kasus ini, kita memiliki 2 kelompok yang masing-masing diberikan obat standar dan obat baru.
Maka Pertanyaan penelitian kita adalah apakah obat baru lebih efektif dibandingkan obat
standar?
Untuk Pemilihan Uji statistic ditentukan oleh skala pengukuran variabel (nominal, ordinal, rasio,
interval di lihat dari definisi operasional yang kita buat) dan distribusi data normal atau tidak. Bila
kita dapatkan data dengan skala pengukuran numeric dan berdistribusi normal, kita menggunakan
rumus utama (lihat table pembagian diatas tadi). Bila distribusi data tidak normal dan/atau skala
pengukuran variabelnya bukan numeric maka kita menggunakan rumus turunannya.
Dari kasus diatas, misalkan pada definisi operasional, efektif itu diukur dari kecepatan sembuhnya
maka obat baru dikatakan lebih efektif jika kecepatan sembuhnya lebih cepat dibanding obat
standar. Bila kecepatan sembuh itu numeric dan diumpamakan distribusi datanya normal, uji
statistic yang kita gunakan adalah rumus utama = independent sampel t test, kenapa? Karena tidak
berpasangan, 2 kelompok dan datanya numeric (liat table).
-
Gambar.2
Cara membaca table..
1. Dari table diatas, didapatkan ada 30 pasien yang mendapat obat baru dengan rata-rata
kecepatan sembuh 35.9000 jam dan 40 pasien yang mendapat obat standar dengan rata-rata
kecepatan sembuh 39.0750 jam. Hitung perbedaan ke-2 mean ini, yaitu 3.17500 jam.
2. Untuk melihat apakah 3,175 jam ini bermakna atau tidak kita lihat dari p value/sig. jika p value
>0.05 maka perbedaan ini tidak bermakna (H1 ditolak, Ho diterima) artinya obat baru tidak
lebih efektif dibanding obat standar. Tapi jika p value
-
Tambahan info aja, misalnya saat kita mendapatkan nilai sig. (2-tailed)/nilai p nya ada dua
(seperti table yang diatas) dan salah satunya ada yang >0.05 dan 0.05, nilai p yang mana
yang seharusnya kita gunakan?? Jawabannya adalah coba tabelnya diperhatiin..
Untuk nilai p 0.009 (kolom sig 2-tailed) memiliki variansi yang sama sedangkan nilai p 0.010
tidak memiliki variansi yang sama. Untuk menentukan jenis variansi mana yang akan kita
gunakan (yang variannya sama tau tidak), dilihat dari standar deviasi, table sig (Bukan sig 2
tailed ya).
*variansi adalah ukuran penyimpangan untuk melihat homogenitas suatu data.
Contohnya kalo anak amphi ujian nilainya 100 semua, itu homogeny berarti gak ada
penyimpangan. Tapi kalo anak cewek amphi nilainya 90, anak cowoknya 92, berarti ada
penyimpangannya yaitu 2.
*cara menentukan kita menggunakan variansi yang sama atau tidak adalah
variansi adalah kuadrat dari standar deviasi. Untuk obat baru memiliki varian 25 dan
obat standar 16. Perbedaan dari kedua variansi ini adalah 9.
Untuk melihat apakah 9 itu signifikan atau tidak, kita lihat nilai pada kolom sig. yaitu 0.564.
Karena p value yang didapatkan >0.05 (tidak signifikan) dapat ditarik kesimpulan bahwa
variansinya yang digunakan adalah variansi yang sama yaitu p 0.009
Maaf kalo membingungkan T.T
-
Gambar.3
Man wihtney test digunakan untuk menggantikan independent sampel t test saat efektif dalam
penelitian tersebut menggunakan skala pengukuran ordinal atau datanya tidak berdistribusi normal.
Contoh kasus gambar.3 (atas) : membandingkan metode operasi A dan B melalui lama operasi dalam
menit.
Ho : metode A tidak lebih baik dari B
H1 : Metode A lebih baik dari Metode B
Kalo memungkinkan, sebenarnya kita bisa menggunakan independent sampel t test. Tapi karena
(dimisalkan) distribusi data dari waktu operasi metode A tidak berdistribusi normal maka kita
menggunakan mann wihtney.
Lihat sig. (2-tailed), disitu tertulis 0.012 berarti
-
Perbedaan uji hipotesis dependen atau berpasangan dengan independent/tidak berpasangan adalah
pada sampelnya. Untuk yang berpasangan/dependen menggunkan kelompok yang sama tapi
dengan perlakuan yang berbeda (dalam kasus ini sebelum dan sesudah diit). Untuk uji hipotesisnya
karena ini numeric dan (diumpamakan) distribusi datanya normal, menggunakan paired sampel t
test.
-
Gambar.4
Gambar.5
-
1. Cari Perbedaan rata-rata kadar kolesterol sebelum dan sesudah program diit. Dari table
didapatkan 17,8.
2. Untuk melihat apakah perbedaan 17,8 itu signifikan atau tidak, kita lihat dari nilai p valuenya.
Dari table didapatkan sig. (2-tailed) 0.02 berarti
-
P value nya 0.005 berarti lebih kecil dari 0.05 sehingga dapat dikatakan terdapat perbedaan yang
signifikan antara jumlah kolesterol sebelum dan sesudah diit (program diit efektif menurunkan kadar
kolesterol)
Untuk Membandingkan 3 kelompok atau lebih, kita menggunakan ANOVA.
-
Table diatas adalah kecepatan reaksi 3 kelompok pasien yang diberi obat A, B, dan C. disini kita akan
adakah perbedaan kecepatan reaksi antara 3 pilihan obat ini. Lanjut ke bawah
Didapatkan sig.
-
Uji statisti menggunakan ANOVA berhenti sampai sini. Selanjutnya bila kita ingin melihat obat mana
yang paling efektif, kita bisa menggunakan uji lanjutan ANOVA yaitu MCH (Multiple Comparasion
Analysis).
Interpretasi hasilnya
1. Yang warna merah membandingkan kelompok A dengan B dan C.
2. Pertama Lihat ke mean differencenya,
3. Untuk perbandingan A dan B, cara membacanya,,,Bila kecepatan rata-rata reaksi A dikurangi
keceparan rata-rata reaksi B menghasilkan 1.50.
ini artinya rata-rata A memiliki angka yang lebih besar daripada B sehingga menghasilkan
hasil pengurangan yang positif kesimpulannya Obat B lebih efektif dibandingkan yang A
4. Obat A dibandingkan obat C, hasil pengurangan kecepatan rata2 reaksi A-C memiliki hasil
yang negative. Ini menandakan bahwa rerata kecepatan C lebih besar dibandingkan A
sehingga saat A dikurangi C hasilnya negative. Kesimpulannya A lebih efektif dibandingkan C.
5. Jadi dari ke-3 obat ini, yang paling manjur jur jur adalah obat B.
Maaf ya, kalo banyak yang membingungkan..sukses MCQ :D