xiii. statistika non parametrika 8.1. pengujian … · praktikum biostatistika 63 xiii. statistika...

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


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


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


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


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



Obat B

Count 24 6 30



TotalCount 62 28 90



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.


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


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


Klik Variabel View, maka muncul Gambar 1.8.1.2.


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


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.


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


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.


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


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




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.



Klik Tranform, pilih Rank Cases, maka muncul Gambar 3.8.1.3

Gambar 3.8.1.3. Kotak Dialog Rank Cases


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


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


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









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


Test Statistics(b)

Jumlah Polikel


Wilcoxon W 24.000

Z -.745



a Not corrected for ties. b Grouping Variable: Perlakuan Ranks


1 5 3.50 17.50

3 5 7.50 37.50

Total 10

Test Statistics(b)

Jumlah Polikel


Wilcoxon W 17.500

Z -2.135





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



a Not corrected for ties. b Grouping Variable: Perlakuan


Ranks


1 5 7.20 36.00

5 5 3.80 19.00

Total 10

Test Statistics(b)

Jumlah Polikel


Wilcoxon W 19.000

Z -1.814





2 5 4.90 24.50

3 5 6.10 30.50

Total 10

Test Statistics(b)

Jumlah Polikel


Wilcoxon W 24.500

Z -.638





2 5 5.00 25.00

4 5 6.00 30.00

Total 10

Test Statistics(b)

Jumlah Polikel


Wilcoxon W 25.000

Z -.537



a Not corrected for ties. b Grouping Variable: Perlakuan


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





3 5 4.00 20.00

4 5 7.00 35.00

Total 10

Test Statistics(b)

Jumlah Polikel


Wilcoxon W 20.000

Z -1.596





3 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 -2.660





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



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


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


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



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



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.


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



Gambar 1.8.2.2 Kotak Dialog Variable View


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


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


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


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


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


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




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.



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


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)


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


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



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



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


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 :


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


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


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


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


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


.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


1.000 .921(**)

Sig. (2-tailed) . .000

N 10 10

Daging Ayam


.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 (**).

xiii. statistika non parametrika 8.1. pengujian … · praktikum biostatistika 63 xiii. statistika...

Documents