xiii. statistika non parametrika 8.1. pengujian … · praktikum biostatistika 63 xiii. statistika...
TRANSCRIPT
Praktikum Biostatistika 63
XIII. STATISTIKA NON PARAMETRIKA
8.1. Pengujian Data Tidak Berpasangan
8.1.1 Uji Khi-Khuadrat (X2)
Suatu kejadian penyakit disuatu daerah menyerang anak babi yang baru disapih
dengan tingkat kematian belum diketahui. Peneliti ingin mencoba menurunkan tingkat
kematian anak babi tersebut dengan mencobakan dua jenis obat yaitu obat A danB untuk
membuktikan keampuhan obatnya peneliti melakukan percobaan dengan menggunakan
90 ekor anak babi percobaan dan diperoleh hasil sebagai berikut :
Tabel 1.8.1.1. Hasil Penelitian 90 ekor Anak Babi Penderita
Pengobatan Sembuh mati Jumlah
Tanpa obat
Obat A
Obat B
16
22
24
14
8
6
30
30
30
Jumlah 62 28 90
Dari hasil yang diperoleh peneliti ingin mengetahui apakah pengibatan tersebut bisa
menurunkan tingkat kematian babi anak babi penderita
Panggil atau keluarkan program SPSS
Klik Variabel View, maka muncul Gambar 1.8.1.1
Gambar 1.8.1.1. Kotak Dialog Variable View
Ketik Pengobatan, Hasil dan Data pada Kolom Name, angka 0 pada Kolom Decimals
dan pada Kolom Label ketik pula Pengobatan, Hasil dan Data .
Klik Pada ujung kanan atas Kolom Values Baris 1, maka muncul Gambar 2.8.1.1
Praktikum Biostatistika 64
Gambar 2.8.1.1. Value Label
Ketik angka 1 pada kotak Value dan Tanpa Obat pada kotak Value Label, lalu Klik Add
Ketik angka 2 pada kotak Value dan Obat A pada kotak Value Label, lalu Klik Add
Ketik angka 3 pada kotak Value dan Obat B pada kotak Value Label, lalu Klik Add
Klik OK, maka kembali ke layer Gambar 1.8.1.1
Klik Pada ujung kanan atas Kolom Values Baris 2, maka muncul Gambar 2.8.1.1
Gambar 3.8.1.1. Value Label
Ketik angka 1 pada kotak Value dan Sembuh pada kotak Value Label, lalu Klik Add
Ketik angka 2 pada kotak Value dan Mati pada kotak Value Label, lalu Klik Add
Klik OK, maka kembali ke layer Gambar 1.8.1.1, Klik Data View muncul Gambar
4.8.1.1
Gambar 4.8.1.1. Data Vew
Praktikum Biostatistika 65
Salin atau ketik data pada Tabel 1.8.1 pada Gambar 4.8.1, seperti tampak pada gambar
tersebut.
Klik Data ►Wieght Casses, maka muncul Gambar 5.8.1.1
Gambar 5.8.1.1. Kotak Dialog Weight Cases
Klik atau tandai Weight cases by. Klik Data, pindahkan dengan tanda ►Frequency
Variable, Klik OK kembali ke Gambar 4.8.1.1
Klik Analyze, pilih Descritive Statistic ►Klik Crosstab, maka muncul Gambar 6.8.1.1
Gambar 6.8.1.1. Kotak Dialog Crosstabs
Klik Pengobatan, pindahkan dengan tanda ►ke Row(s)
Klik Hasil, pindahkan dengan tanda ►ke Colomn(s)
Klik Statistics, maka muncul Gambar 7.8.1.1
Praktikum Biostatistika 66
Gambar 7.8.1. 1. Kotak Dialog Crosstabs Statistics
Beri tandan V kotak Chi-square, lalu Klik Continue, maka kembali ke Gambar 5.8.1
Klik Cell, maka muncul Gambar 8.8.1
Gambar 8.8.1.1. Kotak Dialog Crosstabs Statistics
Berikan tanda V pada kotak Observed, Expected dan Row, lalu Klik Continu, maka
kembali ke Gambar 5.8.1.1., kemudian Klik OK, maka diperoleh hasil analisis
Praktikum Biostatistika 67
Crosstabs
Pengobatan * Hasil Crosstabulation
Pengobatan
Hasil
Total Sembuh Mati
Tanpa Obat
Count 16 14 30
Expected Count 20.7 9.3 30.0
% within Pengobatan 53.3% 46.7% 100.0%
Obat A
Count 22 8 30
Expected Count 20.7 9.3 30.0
% within Pengobatan 73.3% 26.7% 100.0%
Obat B
Count 24 6 30
Expected Count 20.7 9.3 30.0
% within Pengobatan 80.0% 20.0% 100.0%
TotalCount 62 28 90
Expected Count 62.0 28.0 90.0
% within Pengobatan 68.9% 31.1% 100.0%
Chi-Square Tests
Value Df Asymp. Sig. (2-sided)
Pearson Chi-Square 5.392(a) 2 .067
Likelihood Ratio 5.323 2 .070
Linear-by-Linear
Association 4.922 1 .027
N of Valid Cases 90
a 0 cells (.0%) have expected count less than 5. The minimum expected
count is 9.33.
Kesimpulan :
Hasilnya tidak berbeda nyata (P<0,05), dapat dilihat dari Asymp. Sig (2-
sided) 0,067 > 0,05), jadi pengobatan anak-anak babi yang baru disapih tidak
dapat menurunkan tingkat kematian.
Praktikum Biostatistika 68
Kalau kita ingin menggambar dalam bentuk Pie, maka Klik Graph, lalu pilih Pie,
Klik Define, maka muncul Gambar 9.8.1.
Gambar 9.8.1.1. Kotak Dialog Define Pie
Klik Data, pindahkan dengan tanda ►ke kotak Variable
Klik Hasil, pindahkan dengan tanda ►ke kotak Defione Slices by
Klik Pengobatan, pindahkan dengan tanda ►ke kotak Rows
Klik OK, maka diperoleh hasil sebagai berikut :
Graph
Obat B
Obat A
Tanpa Obat
Pengobatan
Mati
Sembuh
Hasil
Cases weighted by Data
Praktikum Biostatistika 69
8.1.2. Uji Wilcoxon Tidat Berpasangan dan Uji Mann-Whitney.
Seorang peneliti ingin mengetahui perbedaan pH daging ayam dari dua pasar yang
berbeda. Untuk tujuan tersebut peneliti membeli 16 potong paha ayam yang terdiri dari 8
potong dari pasar A dan 8 potong dari pasar B kemudian diukur pHnya dan diperoleh
hasil sebagai berikut :
Tabel 1.8.1.2. pH Daging Ayam dari Pasar A dan B
Pasar ulangan
1 2 3 4 5 6 7 8
A
B
4,8 4,6 4,7 5,2 4,9 5,0 5,2 4,8
5,1 5,0 5,3 5,4 5,6 5,6 5,6 5,7
Panggil atau keluarkan program SPSS
Klik Variabel View, maka muncul Gambar 1.8.1.2.
Gambar 1.8.1.2. Kotak Dialog Variable View
Ketik Pasar, Ulanganl dan pH, pada Kolom Name, ketik angka 0, 0 dan 1 pada Kolom
Decimals dan ketik Pasar, Ulangan dan pH Daging pada Kolom Label
Klik pada pada baris 1, pojok atas Kolom Values, maka muncul Gambar 2.8.1.2
Gambar 2.8.1.2. Kotak Dialog Value Labels
Praktikum Biostatistika 70
Ketik angka 1 pada kotak Value dan A pada kotak Value Label, lalu Klik Add
Ketik angka 2 pada kotak Value dan B pada kotak Value Label, lalu Klik Add
Klik Ok , maka kembali ke Gambar 1.8.1.2, kemudian Klik Data View pada pojok kiri
bawah, maka muncul Gambar 3.8.1.2.
Gambar 3.8.1.2. Data View
Lengkapi kolom Pasar, Ulangan dan pH seperti tampak pada gambar 3.8.1.2
Klik Tranform , pilih dan Klik Rank Cases, maka muncul Gambar 4.8.1.2.
Praktikum Biostatistika 71
Gambar 4.8.1.2. Kotak Dialog Rank Cases
Klik pH Daging, kemudian pindahkan dengan tanda►ke kotak Variable(s)
Klik OK, maka Kolom R pH pada Gambar 3.8.1.2 dilengkapi
Analyce , pilih Nonparametric Tests ►Klik 2. Independent Samples, maka muncul
Gambar 5.8.1.2
Gambar 5.8.1.2. Kotak Dialog Two Independent Samples Tests
Klik pH Daging, pindahkan dengan tanda ►ke kotak Test Variable List
Klik Pasar, pindahkan dengan tanda ►ke kotak Grouping Variable
Klik Define Groups, maka muncul Gambar 6.8.1.2
Gambar 6.8.1.2. Kotak Dialog Two Independent Samples Define
Praktikum Biostatistika 72
Ketik angka 1 pada Group 1 dan angka 2 pada Group 2, lalu Klik Continu, maka kemabli
ke Gambar 5.8.1.2. Klik Ok maka diperoleh hasil analisisnya
NPar Tests
Mann-Whitney Test
Ranks pH
Pasar N Mean Rank Sum of Ranks
A
8 5.06 40.50
B 8 11.94 95.50
Total
16
Test Statistics(b)
pH
Mann-Whitney U 4.500
Wilcoxon W 40.500
Z -2.903
Asymp. Sig. (2-tailed) .004
Exact Sig. [2*(1-tailed Sig.)] .002(a)
a Not corrected for ties.
b Grouping Variable: Pasar
Kesimpulan :
Terdapat perbedaan yang sangat nyata (P<0,01) antara pH Daging Pasar A
dibandingkan dengan Pasar B, Lihat Kolom Sig. < 0,01
Jika kita ingin menampilkan dalam bentuk Gambar, maka Klik Graphs, pilih Bar,
KLik Define, maka muncul Gambar 7.8.1.2.
Praktikum Biostatistika 73
Gambar 7.8.1.2. Kotak Dialog Define Simple Bar
Tandai atau Klik Other statistics (e.g. mean)
KIlik pH Daging, pindahkan dengan tanda ►ke kotak Variabble
KIlik Pasar, pindahkan dengan tanda ►ke kotak Category Axis
Klik OK, maka diperoleh hasil sebagai berikut :
Graph
BA
Pasar
6.0
5.0
4.0
3.0
2.0
1.0
0.0
Me
an
pH
Da
gin
g
Praktikum Biostatistika 74
8.1.3. Uji Kruskal-Wallis
Seorang peneliti ingin mengetahui perbedaan jumlah polikel yang dihasilkan oleh
kambing kacang betina bila diberikan 5 perlakuan yang berbeda untuk tujuan tersebut
peneliti melakukan percobaan dengan menggunakan 25 ekor kambing betina.
Tabel 1.8.1.3. Jumlah Polikel Kambing Kacang etina. :
Perlakuan
( i)
Ulangan
1 2 3 4 5
1
2
3
4
5
6
4
6
8
3
2
4
5
8
1
5
10
10
8
1
2
4
7
9
3
5
11
7
9
1
Panggil atau keluarkan program SPSS
Klik Variabel View, maka muncul Gambar 1.8.1.3.
Gambar 1.8.1.3. Kotak Dialog Variable View
Ketik Perlakuan, Ulanganl dan Polikel pada Kolom Name, ketik angka 0 pada Kolom
Decimal dan pada Kolom Label ketik Perlakuan, Ulanganl dan Jumlah Polikel.
Kemudian Klik Data View, maka muncul Gambar 2.8.1.3
Lengkapi Kolom Perlakuan Ulagan dan Polikel, dengan menyalin data dari Tabel 1.8.1.3.
Praktikum Biostatistika 75
Gambar 2.8.1.3. Data View
Klik Tranform, pilih Rank Cases, maka muncul Gambar 3.8.1.3
Gambar 3.8.1.3. Kotak Dialog Rank Cases
Praktikum Biostatistika 76
Klik Jumlah Polikel, pindahkan dengan tanda►ke Variable, lalu Klik OK, maka Gambar
2.8.1.3 dilengkapi dengan Kolom R Polikel yaitu data Polikel yang telah di ranking.
Kelik Analyce , pilih Nonparametric Tests ► K Independent Samples, maka muncul
Gambar 4.8.1.3.
Gambar 4.8.1.3. Kotak Dialog Tests for Several Independent Samples
Klik Jumlah Polikel, pindahkan dengan tanda ►ke Test Variable List
Klik Perlakuan, pindahkan dengan tanda ►ke Grouping Variable
Berikan tanda V pada kotak Kruskal-Wallis H
Difine Group , maka muncul Gambar 5.8.1.3
Gambar 5.8.1.3 Kotak Dialog Several Independent Samples Define Range
Ketik angka 1 pada kotak Minimum dan angka 2 pada kotak Maximum, lalu Klik
Continu, maka kembali ke Gambar 4.8.1.3, kemudian Klik OK, maka diperoleh hasil
analisisnya
Praktikum Biostatistika 77
NPar Tests Kruskal-Wallis Test Ranks Jumlah Polikel
Perlakuan N Mean Rank
1 5 9.50
2 5 15.10
3 5 16.60
4 5 20.00
5 5 3.80
Total 25
Test Statistics(a,b)
Jumlah Polikel
Chi-Square 15.199
Df 4
Asymp. Sig. .004
a Kruskal Wallis Test b Grouping Variable: Perlakuan
Kesimpulan :
Perlakuan berpengaruh sangat nyata (P<0,01) atau P = 0,004) terhadap
Jumlah Polikel
Maka untuk mengetahui antar perlakuan yang mana berbeda jumlah
polikelnya dapat dilanjutkan dengan uji Mann-Whitney
Kelik Analyce , pilih Nonparametric Tests ► 2 Independent Samples, maka muncul
Gambar 6.8.1.3.
Gambar 6.8.1.3. Kotak dialog Two Independent Sample Test
Praktikum Biostatistika 78
Klik Jumlah Polikel, pindahkan dengan tanda ►ke Test Variable List
Klik Perlakuan, pindahkan dengan tanda ►ke Grouping Variable
Berikan tanda V pada kotak Kruskal-Wallis H
Difine Group , maka muncul Gambar 7.8.1.3
Gambar 7.8.1.3. kotak Dialog Two Independent Sample Test Define Groups
Ketik angka 1 pada Group 1 dan angka 2 pada Group 2, Klik Continu, maka
kembali kegambar 6.8.1.3, Klik OK, maka diperoleh hasil analisis nya
Dengan cara yang sama :
Ketik angka 1 pada Group 1 dan angka 3 pada Group 2
Ketik angka 1 pada Group 1 dan angka 4 pada Group 2
Ketik angka 1 pada Group 1 dan angka 5 pada Group 2
Ketik angka 2 pada Group 1 dan angka 3 pada Group 2
Ketik angka 2 pada Group 1 dan angka 4 pada Group 2
Ketik angka 2 pada Group 1 dan angka 5 pada Group 2
Ketik angka 3 pada Group 1 dan angka 4 pada Group 2
Ketik angka 3 pada Group 1 dan angka 5 pada Group 2
Ketik angka 4 pada Group 1 dan angka 5 pada Group 2
Mann-Whitney Test Ranks
Perlakuan N Mean Rank Sum of Ranks
1 5 4.80 24.00
2 5 6.20 31.00
Total 10
Praktikum Biostatistika 79
Test Statistics(b)
Jumlah Polikel
Mann-Whitney U 9.000
Wilcoxon W 24.000
Z -.745
Asymp. Sig. (2-tailed) .456
Exact Sig. [2*(1-tailed Sig.)] .548(a)
a Not corrected for ties. b Grouping Variable: Perlakuan Ranks
Perlakuan N Mean Rank Sum of Ranks
1 5 3.50 17.50
3 5 7.50 37.50
Total 10
Test Statistics(b)
Jumlah Polikel
Mann-Whitney U 2.500
Wilcoxon W 17.500
Z -2.135
Asymp. Sig. (2-tailed) .033
Exact Sig. [2*(1-tailed Sig.)] .032(a)
a Not corrected for ties. b Grouping Variable: Perlakuan Ranks
Perlakuan N Mean Rank Sum of Ranks
1 5 3.00 15.00
4 5 8.00 40.00
Total 10
Test Statistics(b)
Jumlah Polikel
Mann-Whitney U .000
Wilcoxon W 15.000
Z -2.668
Asymp. Sig. (2-tailed) .008
Exact Sig. [2*(1-tailed Sig.)] .008(a)
a Not corrected for ties. b Grouping Variable: Perlakuan
Praktikum Biostatistika 80
Ranks
Perlakuan N Mean Rank Sum of Ranks
1 5 7.20 36.00
5 5 3.80 19.00
Total 10
Test Statistics(b)
Jumlah Polikel
Mann-Whitney U 4.000
Wilcoxon W 19.000
Z -1.814
Asymp. Sig. (2-tailed) .070
Exact Sig. [2*(1-tailed Sig.)] .095(a)
a Not corrected for ties. b Grouping Variable: Perlakuan Ranks
Perlakuan N Mean Rank Sum of Ranks
2 5 4.90 24.50
3 5 6.10 30.50
Total 10
Test Statistics(b)
Jumlah Polikel
Mann-Whitney U 9.500
Wilcoxon W 24.500
Z -.638
Asymp. Sig. (2-tailed) .523
Exact Sig. [2*(1-tailed Sig.)] .548(a)
a Not corrected for ties. b Grouping Variable: Perlakuan Ranks
Perlakuan N Mean Rank Sum of Ranks
2 5 5.00 25.00
4 5 6.00 30.00
Total 10
Test Statistics(b)
Jumlah Polikel
Mann-Whitney U 10.000
Wilcoxon W 25.000
Z -.537
Asymp. Sig. (2-tailed) .591
Exact Sig. [2*(1-tailed Sig.)] .690(a)
a Not corrected for ties. b Grouping Variable: Perlakuan
Praktikum Biostatistika 81
Ranks
Perlakuan N Mean Rank Sum of Ranks
2 5 8.00 40.00
5 5 3.00 15.00
Total 10
Test Statistics(b)
Jumlah Polikel
Mann-Whitney U .000
Wilcoxon W 15.000
Z -2.685
Asymp. Sig. (2-tailed) .007
Exact Sig. [2*(1-tailed Sig.)] .008(a)
a Not corrected for ties. b Grouping Variable: Perlakuan Ranks
Perlakuan N Mean Rank Sum of Ranks
3 5 4.00 20.00
4 5 7.00 35.00
Total 10
Test Statistics(b)
Jumlah Polikel
Mann-Whitney U 5.000
Wilcoxon W 20.000
Z -1.596
Asymp. Sig. (2-tailed) .110
Exact Sig. [2*(1-tailed Sig.)] .151(a)
a Not corrected for ties. b Grouping Variable: Perlakuan Ranks
Perlakuan N Mean Rank Sum of Ranks
3 5 8.00 40.00
5 5 3.00 15.00
Total 10
Praktikum Biostatistika 82
Test Statistics(b)
Jumlah Polikel
Mann-Whitney U .000
Wilcoxon W 15.000
Z -2.660
Asymp. Sig. (2-tailed) .008
Exact Sig. [2*(1-tailed Sig.)] .008(a)
a Not corrected for ties. b Grouping Variable: Perlakuan Ranks
Perlakuan N Mean Rank Sum of Ranks
4 5 8.00 40.00
5 5 3.00 15.00
Total 10
Test Statistics(b)
Jumlah Polikel
Mann-Whitney U .000
Wilcoxon W 15.000
Z -2.694
Asymp. Sig. (2-tailed) .007
Exact Sig. [2*(1-tailed Sig.)] .008(a)
a Not corrected for ties. b Grouping Variable: Perlakuan Kesimpulan :
Hasil analisis Mann-Whitney dapat disingkat sebagai berikut :
Perlakuan Mean Rank
Signifikansi
0.05 0.01
4 20.00 A A
3 16.60 A AB
2 15.10 AB AB
1 9.50 BC BC
5 3.80 C C
Jadi jumlah Polikel perlakuan 1 tidak berbeda nyata (P>0,05) dengan perlakuan 2 dan 5, sebaliknya perlakuan 1 berbeda nyata (P<0,05) dengan perlakuan 3 dan berbeda sangat nyata (P<0,01) dengan perlakuan 4. Jika kita ingin menggambar dalam bentuk Grafik Bar, Klik Graph, pilih Bar, Klik atau pilih Simple, Klik Define, maka nuncul Gambar 7.8.1.3
Praktikum Biostatistika 83
Gambar 7.8.1.3 Kotak Dialog Define Simple Bar
Tandai Other statistic (e.g. mean)
Klik Jumlah Polikel, pindahkan dengan tanda ►ke kotak Variable
Klik Perlakuan, pindahkan dengan tanda ►ke kotak Category Axis
Graph
54321
Perlakuan
10
8
6
4
2
0
Mea
n Ju
mla
h Po
likel
Praktikum Biostatistika 84
8.2. Pengujian Data Berpasangan
8.2.1. Uji Tanda.
Seorang peneliti ingin mengetahui perbedaan kelainan ginjal kanan dan kiri pada
ternak kelinci akibat pemberian insektisida pada pakannya. Dari 10 ekor kelinci yang
diperiksa diperoleh data sebagai berikut :
Tabel 1.8.2.1 Kelainan Ginjal (1=ada kelainan, 0=tidak ada kelainan)
Kelinci 1 2 3 4 5 6 7 8 9 10
Ginjal kanan 1 1 1 0 1 0 0 1 1 1
Ginjalkiri 0 0 1 1 0 1 1 1 0 1
Panggil atau keluarkan program SPSS
Klik Variabel View, maka muncul Gambar 1.8.2.1
Gambar 1.8.2.1. Kotak Dialog variable View
Ketik GKanan dan GKiri pada Kolom Name, ketik angka 0 pada Kolom Decimals dan
pada Kolom Label ketik Ginjal Kanan dan Ginjal Kiri, Klik Data View pada pojok kiri
bawah maka muncul gambar 2.8.2.1
Gambar 2.8.2.1. Data View
Praktikum Biostatistika 85
Klik Analyce, pilih Nonparametric Tests ►Klik 2 Related Samples, maka muncul
Gambar 3.8.2.1
Gambar 3.8.2.1 Two Related Sample Test
Kelik Ginjal Kanan dan Ginjal Kiri secara bersamaan, pindahkan dengan tanda ►ke
kotak Test Pair(S)List, berikan tanda V pada kotak Sign, kemudian Klik OK maka
diperoleh hasil analisisnya :
NPar Tests Sign Test Frequencies
N
Ginjal Kiri - Ginjal Kanan Negative Differences(a) 4
Positive Differences(b) 5
Ties(c) 1
Total 10
a Ginjal Kiri < Ginjal Kanan b Ginjal Kiri > Ginjal Kanan c Ginjal Kiri = Ginjal Kanan Test Statistics(b)
Ginjal Kiri - Ginjal Kanan
Exact Sig. (2-tailed) 1.000(a)
a Binomial distribution used. b Sign Test Kesimpulan :
Tidak terdapat perbedaan yang nyata (P>0,05) kelainan Ginjal Kanan dan Kiri.
Lihat Sig 1.000>0,05.
Praktikum Biostatistika 86
8.2.2. Uji Cochran
Salah satu cara untuk mengetahui adanya pembusukan pada daging adalah dengan
mengunakan uji Eber. Seorang peneliti ingin pemeriksaan adanya pembusukan daging
sapi yang dijual sore hari disuatu asar. Pada pasar tersebut terdapat 4 kios daging sapi
peneliti ingin mengetahui apakah terdapat perbedaan diantara kios tersebut. Untuk tujuan
tersebut peneliti mengambil sample tiap hari selama 12 hari data yang diperoleh sebagai
berikut :
Tabel 1.8.2.2. Hasil Uji Eber.
Hari ke-j Kios (i)
1 2 3 4
1
2
3
4
5
6
7
8
9
10
11
12
0
1
0
0
0
0
0
0
0
0
1
1
0
0
1
0
0
1
1
0
1
0
0
0
1
1
1
1
1
0
0
1
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
Panggil atau keluarkan program SPSS
Klik Variabel View, maka muncul Gambar 1.8.2.2
Gambar 1.8.2.2 Kotak Dialog Variable View
Praktikum Biostatistika 87
Ketik Kios1, Kios2, Kios3 dan Kios4 pada Kolom Name, ketik angka 0 pada Kolom
decimals, pada Kolom Label ketik Ketik Kios 1, Kios 2, Kios 3 dan Kios 4, Klik Data
View pada pojok kiri bawah maka muncul Gambar 2.8.2.2
Gambar 2.8.2.2. Data View
Salin atau ketik data dari Tabel hasil Uji Eber pada Kolom Kios 1, Kioas 2, Kioas 3 dan
Kioas 4, seperti tampak pada Gambar 2.8.2.2.
Klik Analyce, pilih Nonparametric Tests ►Klik K Related Samples, maka muncul
Gambar 3.8.2.2
Praktikum Biostatistika 88
Gambar 3.8.2.2. Test for Several Related Samples
Klik : Kios1 KIos 2 Kios 3 Kios 4 secara bersamaan, kemudian pindahkan dengan
tanda ►ke kotak Test Variable, tandai dengan tanda V pada kotak Cochran’s Q,
kemudian Klik OK, maka diperoleh hasil analisis sebagai berikut :
NPar Tests Cochran Test
Frequencies Kios
Value 0 1
Kios1 9 3
Kios2 8 4
Kios3 4 8
Kios4 0 12
Test Statistics
N 12 Cochran's Q 14.163(a) Df 3 Asymp. Sig. .003
a 0 is treated as a success.
Kesimpulan : Kios berpengaruh sangat nyata (P< 0,01) atau (P=0,003) terhadap hasil Uji
Eber, untuk mengetahui Kios mana saja yang memberikan hasil yang berbeda
dilanjutkan dengan Uji MC Nemar
Praktikum Biostatistika 89
Kembali lagi ke Gambar 2.8.2.2, kemudian Klik Analyce , pilih Nonparametric Tests
►Klik 2 Related Samples, maka muncul Gambar 4.8.2.2.
Gambar 4.8.2.2 Kotak Dialog Two Related Sample Test
Klik Pasang demi pasang variable yang diuji, pindahkan dengan tanda ►ke kotak
Test(s) List, seperti tampak pada Gambar 4.8.2.2.
Tandai dengan tanda V pada kotak McNemar, Klik OK maka diperoleh hasil analisisnya
NPar Tests McNemar Test Crosstabs
Kios1 & Kios2
Kios1
Kios2
0 1
0 5 4
1 3 0
Kios1 & Kios3
Kios1
Kios3
0 1
0 4 5
1 0 3
Kios1 & Kios4
Kios1
Kios4
0 1
0 0 9
1 0 3
Praktikum Biostatistika 90
Kios2 & Kios3
Kios2
Kios3
0 1
0 1 7
1 3 1
Kios2 & Kios4
Kios2
Kios4
0 1
0 0 8
1 0 4
Kios3 & Kios4
Kios3
Kios4
0 1
0 0 4
1 0 8 Test Statistics(b)
Kios1 & Kios2
Kios1 & Kios3
Kios1 & Kios4
Kios2 & Kios3
Kios2 & Kios4
Kios3 & Kios4
N 12 12 12 12 12 12
Exact Sig. (2-tailed)
1.000(a) .063(a) .004(a) .344(a) .008(a) .125(a)
a Binomial distribution used. b McNemar Test Kesimpulan :
Dari Tabel Test Statistic(b) diatas dapat disimpulkan :
Hasil Eber Kios 1 tidak berbeda nyata (P>0,05) dengan kios 2 dan 3,
tetapi hasil uji Eber Kios berbeda sangat nyata P<0,01 dengan Kios 4.
Demikian juga hasil uji Eber antara Kios 2 berbeda sangat nyata (P<0,01)
dengan Kios 4, tetapi antara Kios 3 dan Kios 4 tidak berbeda nyata (P>0,05)
Bisa disajikan dalam bentuk Tabel dibawah ini
Kios Jumlah Positif
Signifikansi 0.05 0.01
1 3 a a 2 4 a a 3 8 ab ab 4 12 b b
Praktikum Biostatistika 91
8.2.3. Uji Wilcoxon Berpasangan
Dari 15 panelis yang digunakan untuk mengetahuiperbedaan citarasa antara daging
sapi sebelum dan sesudah diberikan penyedap rasa dipeoleh hasil sebagai berikut:
Tabel 1.8.2.3. Hasil Uji Citarasa 15 Panelis.
Panelis Sebelum Sesudah
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
6
5
4
3
7
3
2
2
4
5
6
4
6
7
2
5
6
7
7
5
7
6
7
6
6
6
7
7
7
7
Panggil atau keluarkan program SPSS
Klik Variabel View, maka muncul Gambar 1.8.1.3.
Gambar 1.8.1.3. Kotak Dialog Variable View
Ketik Sebelum dan Sesudah pada Kolom Name, pada Kolom Decimal ketik angka 0,
kemudian Klik Data View pada pojok kiri bawah maka muncul Gambar 2.8.2.3.
Praktikum Biostatistika 92
Gambar 2.8.2.3. Data View
Ketik atau salin datanya dari tabel diatas pada kolom Sebelum dan sesudah, seperti
tampak pada Gambar 2.8.2.3
Klik Analyze pilih Nonparametric Tests ►Klik 2 Related Samples, maka muncul
Gambar 3.8.2.3
Gambar 3.8.2.3. Kotak Dialog Two Related Sample Test
Praktikum Biostatistika 93
Klik Sebelum dan Sesudah secara bersamaan, pindahkan dengan tanda ►ke
kotak Test Pair(s) List, tandai dengan tanda V pada Kotak Wilcoxon, kemudian
Klik OK, maka diperoleh hasil analisisnya
NPar Tests Wilcoxon Signed Ranks Test Ranks
N
Mean Rank
Sum of Ranks
Sesudah - Sebelum Negative Ranks 2(a) 4.00 8.00
Positive Ranks 11(b) 7.55 83.00
Ties 2(c)
Total 15
a Sesudah < Sebelum b Sesudah > Sebelum c Sesudah = Sebelum Test Statistics(b)
Sesudah - Sebelum
Z -2.634(a)
Asymp. Sig. (2-tailed) .008
a Based on negative ranks. b Wilcoxon Signed Ranks Test Kesimpulan :
Penyedap rasa berpengaruh sangat nyata (P<0,01) terhadap citarasa
daging sapi atau citarasa daging sapi yang diberikan penyedap sangat nyata
(P<0,01) lebih enak citarasanya dari pada yang tidak diberikan penyedap
makanan.
8.2.4. Uji Friedman
Seorang peneliti ingin mengetahui perbedaan titer antibody pada ayam buras jantan
yang diberikan 4 jenis vaksin yang berbeda. Pengukuran antobodi dilakukan setiap
minggu yaitu pada minggu pertama,kedua dan ketiga
Praktikum Biostatistika 94
Tabel. 1.8.2.4. Data Titer Antibody Ayam Buras.
Minggu ke Jenis vaksin
1 2 3 4
1 5 2 1 3
2 10 8 7 9
3 8 4 5 7
4 4 1 2 2
5 9 7 8 8
6 7 3 3 1
Panggil atau keluarkan program SPSS
Klik Variabel View, maka muncul Gambar 1.8.2.4
Gamabar 1.8.2.4. Kotak Dialog Variable View
Ketik Vaksin1, Vaksin2, Vaksin3 dan Vaksin4 pada Kolom Name, pada KOlom
Decimals ketik angka 0, pada Kolom Label ketik Vaksin 1, Vaksin 2, Vaksin 3 dan
Vaksin 4, kemudian Klik Data View maka muncul Gambar 2.8.2.4
Gambar 2.8.2.4. Data View
Praktikum Biostatistika 95
Klik Analyce pilih Nonparametric Tests ►Klik K Related Samples, maka muncul
Gambar 3.8.2.4.
Gambar 3.8.2.4. Kotak Dialog Tests for Related Samples
Klik Vaksin1 Vaksin 2 Vaksin 3 dan Vaksin 4 secara bersamaan pindahkan dengan
tanda ►ke Test Variales, tandai dengan tanda V pada kotak Riedman, kemudian Klik
OK, maka diperoleh hasil analisis sebagai berikut :
NPar Tests Friedman Test Ranks
Mean Rank
Vaksin 1 4,00
Vaksin 2 1,58
Vaksin 3 1,92
Vaksin 4 2,50
Test Statistics(a)
N 6
Chi-Square 13,000
Df 3
Asymp. Sig. ,005
a Friedman Test
Praktikum Biostatistika 96
Kesimpulan :
Jenis Vaksin berpengaruh nyata (P<0,01) atau (P=0,005) terhadap titer
antibobi ayam Buras, selanjutnya dilakukan uji Wilcoxon Berpasangan, yaitu
untuk mengetahui Vaksin mana memberikanhasil yang berbeda
Kembali ke Gambar 2.8.2.4, Klik Analyce pilih Nonparametric Tests ► 2 Related
Samples, maka muncul Gambar 4.8.2.4
Gambar 4.8.2.4. Kotak Dialog Two Related Samples Tests
Klik Variablel sepasang demi sepasang pindahkan dengan tanda ►ke kotak Test Pair(s)
List seperti tampak pada Gambar 4.8.2.4.
Tandai dengan tanda V pada kotak Wilcoxon, kemudian Klik OK, maka diperoleh hasil
anlaisisnya sebagai berikut :
Praktikum Biostatistika 97
NPar Tests Wilcoxon Signed Ranks Test Ranks
N
Mean Rank
Sum of Ranks
Vaksin 2 - Vaksin 1
Negative Ranks 6(a) 3,50 21,00
Positive Ranks 0(b) ,00 ,00
Ties 0(c)
Total 6
Vaksin 3 - Vaksin 1
Negative Ranks 6(d) 3,50 21,00
Positive Ranks 0(e) ,00 ,00
Ties 0(f)
Total 6
Vaksin 4 - Vaksin 1
Negative Ranks 6(g) 3,50 21,00
Positive Ranks 0(h) ,00 ,00
Ties 0(i)
Total 6
Vaksin 3 - Vaksin 2
Negative Ranks 2(j) 3,00 6,00
Positive Ranks 3(k) 3,00 9,00
Ties 1(l)
Total 6
Vaksin 4 - Vaksin 2
Negative Ranks 1(m) 5,00 5,00
Positive Ranks 5(n) 3,20 16,00
Ties 0(o)
Total 6
Vaksin 4 - Vaksin 3
Negative Ranks 1(p) 2,50 2,50
Positive Ranks 3(q) 2,50 7,50
Ties 2(r)
Total 6 Test Statistics(c)
Vaksin 2 - Vaksin
1
Vaksin 3 - Vaksin
1
Vaksin 4 - Vaksin
1
Vaksin 3 - Vaksin
2
Vaksin 4 - Vaksin
2
Vaksin 4 - Vaksin
3
Z -2,220(a) -2,214(a) -2,232(a) -,447(b) -1,186(b) -1,000(b)
Asymp. Sig. (2-tailed)
,026 ,027 ,026 ,655 ,236 ,317
a Based on positive ranks. b Based on negative ranks. c Wilcoxon Signed Ranks Test
Praktikum Biostatistika 98
Kesimpulan :
Untuk mempermudah menyimpulkannya kita tampilkan dalam bentuk tabel dibawah ini
Vaksin Mean Rank
Signifikansi
0.05 0.01
Vaksin 2 1,58 a a
Vaksin 3 1,92 a a
Vaksin 4 2,50 ab a
Vaksin 1 4,00 b a
Titer andtibody yang diberikan Vaksin 2 tidak berbeda nyata (P>0,5)
dengan Vaksin 3 dan Vaksin 4, tetapi berbeda nyata (P<0,050 dibandingkan
dengan Vaksin 1.
Titer antibody Vaksin 1 tidak berbeda nyata (P>0,05) dengan vaksin 4,
tetapi berbeda nyata (P<0,5) dengan Vaksin 3 dan Vaksin 4.
8.3. Korelasi Rank Spearman
Seorang peneliti ingin mencari korelasi antara adanya bahan berbahaya pada
Feses dan pada daging ayam Broiler dengan skor (0=tidak ada, 1=di bawah
normal, 2=Normal, 3=di atas normal dan 4=jauh diatas normal). Hasilnya seperti
table berikut :
Tabel 1.8.3. Bahan berbahaya pada Feses dan daging Ayam Briler.
Peubah Ayam Broiler 1 2 3 4 5 6 7 8 9 10
Feses 3 3 3 2 4 3 0 0 1 2 Daging 2 2 1 1 3 2 0 0 1 1
Panggil Program SPSS, Variable View, maka muncul Gambar 1.8.3.
Gambar 1.8.3. Kotak Dialog Variable View
Praktikum Biostatistika 99
Ketik Feses dan Daging pada Kolom Name, pada Kolom Decimals Ketik angka
0 dan pada Kolom Label Ketik Feses Ayam dan Daging Ayam, kemudian Klik
Data View pada pojok kiri bawah, maka muncul Gambar 2,8,3,
Gambar 2.8.3. Data View
Salin data Tabel 1.8.3. ke Gambar 2.8..3. seperti tampak pada gambbar tersebut
Untuk meranking data Klik Tranform, pilih atau Klik Rank Cases, maka muncul
Gambbar 3.8.3.
Gambar 3.8.3. Kotak Dialog Rank Cases
Praktikum Biostatistika 100
Kelik Feses Ayam dan Daging Ayam , pindahkan dengan tanda ►ke kotak
Variable(s), lalu Klik OK, maka muncul Gambar 4.8.3.
Gambar 4.8.3. Data View
Klik Analyze, pilih Corelate►Klik Bivariate, maka muncul Gambar 5.8.3
Gambar 5.8.3. Kotak Dialog Bivariate Correlations
Praktikum Biostatistika 101
Klik RANK of Feses dan RanKk of Daging, pindahkan dengan tanda►ke kotak
Variables, berikan tanda V pada kotak Sperman, kemudian Klik OK maka
diperoleh hasil analisis sebagai berikut :
Nonparametric Correlations Correlations
RANK of
Feses RANK of Daging
Spearman's rho
RANK of Feses
Correlation Coefficient
1.000 .921(**)
Sig. (2-tailed) . .000
N 10 10
RANK of Daging
Correlation Coefficient
.921(**) 1.000
Sig. (2-tailed) .000 .
N 10 10
** Correlation is significant at the 0.01 level (2-tailed). Catatan :
sebenarbya data tidak perlu di Ranking, langsung saja dianalisis karena
Computer meranking sendiri sebelam dianalisis, hasilnya sama saja yitu sebagai
berikut :
Nonparametric Correlations Correlations
Feses Ayam Daging Ayam
Spearman's rho
Feses Ayam
Correlation Coefficient
1.000 .921(**)
Sig. (2-tailed) . .000
N 10 10
Daging Ayam
Correlation Coefficient
.921(**) 1.000
Sig. (2-tailed) .000 .
N 10 10
** Correlation is significant at the 0.01 level (2-tailed). Kesimpulan :
Terjadi korelasi yang sangat nyata (P<0,01) anatara zat berbahaya
yang terdapat di Feses dengan pada Daging ayam Broiler Lihat Sig
0.000<0,01 dan tanda (**).