PERINGATAN

Dilarang meng-copy materi dari blog ini, tanpa mencantumkan nama penulis dan alamat web (URL). Terima Kasih

Senin, 19 September 2011

UJI STATISTIK NON PARAMETRIS

Dr. Suparyanto, M.Kes

UJI STATISTIK NON PARAMETRIS

PARAMETER
  • Parameter adalah ukuran2 dalam populasi (μ (mu) = rata2, σ (sigma) = simpangan baku, σ 2 = varians, ρ (rho) = koefisien korelasi)
  • Statistik adalah ukuran2 dalam sample (x = rata2, s = simpangan baku, s 2 = varians, r = koefisien korelasi)

MACAM STATISTIK
  • Statistik dibagi 2: parametris dan non parametris
  • Jika datanya interval rasio, distribusi data normal dan jumlah data besar (>30) digunakan statistik parametris
  • Jika datanya nominal/ordinal, atau distribusi data tidak normal (bebas), atau jumlah data kecil (< 30) digunakan statistik non parametris SYARAT UJI STATISTIK PARAMETRIS Skala data interval atau rasio Data berdistribusi normal Pada uji t dan uji F untuk dua sample atau lebih, kedua sample harus dari populasi yang mempunyai varians sama Jumlah data besar (>30)

STATISTIK NON PARAMETRIS
  1. Data: nominal atau ordinal
  2. Uji data nominal: Test Binomial, Chi Kuadrat (χ2)
  3. Uji data ordinal: Run Test

TEST BINOMIAL
  • Syarat:
  1. Populasi terdiri 2 klas (misal: pria dan wanita)
  2. Data Nominal
  3. Jumlah sampel kecil (<25) 
  • Distribusi data Binomial (terdiri 2 kelas): kelas dengan kategori (x) dan kelas dengan ketegori (n-x) Ketentuan: bila harga P > α , Ho diterima
  • P = proporsi kasus (lihat tabel)
  • α = taraf kesalahan ( 1% = 0,01)
  • Contoh: penelitian tentang kecenderungan Bumil memilih tempat bersalin di Polindes atau di Puskesmas. Jumlah sampel 24 Bumil, 14 Bumil memilih di Polindes, 10 Bumil memilih di Puskesmas
  • Ho = peluang Bumil memilih tempat bersalin di Polindes atau Puskesmas adalah sama, yaitu 50%
  • Ho = p1 = p2 = 0,5
  • Sampel (n) = 24
  • Frekuensi kelas terkecil (x) = 10
  • Tabel (n=24, x=10) . koefisien binomial (p) = 0,271
  • Bila taraf kesalahan (α) ditetapkan 1% = 0,01
  • p = 0,271 > 0,01 . Ho diterima
  • Kesimpulan: kemungkinan Bumil memilih tempat bersalin di Polindes atau di Puskesmas adalah sama yaitu 50 %
SPSS BINOMIAL

Hipotesis:
  • Ho = populasi hasil sama dengan populasi yang dihipotesiskan
  • H1 = populasi hasil tidak sama dengan populasi yang dihipotesiskan

Pengambilan keputusan
  • Jika probabilitas > 0,05, maka Ho diterima
  • Jika probabilitas < 0,05, maka Ho ditolak 

SPSS BINOMIAL Foto 

CHI KUADRAT (χ2) 
  • Syarat: Populasi terdiri dari 2 atau lebih kelas, Data Nominal, Sampelnya besar 
  • Ho = “Peluang memilih x atau y adalah sama besar yaitu 50%” 
  • Ketentuan: Ho diterima jika χ2 hitung < χ2 tabel (dengan dk dan taraf kesalahan tertentu) dk = kebebasan untuk menentukan frekuensi yang diharapkan, jika peluangnya 2 (x atau y) maka dk =1 
  •  Penelitian peluang Bumil memilih periksa ANC di Bidan P2B dan Bidan D3. Jumlah sampel 300 Bumil, memilih Bidan P2B 200 orang, memilih Bidan D3 100 orang 
  • Ho = “Peluang Bumil memilih periksa ANC di Bidan P2B dan Bidan D3 adalah sama (50%)” 
  • Jika dk = 1, α = 5% , χ2 tabel = 3,841, dan χ2 hitung = 33,33 
  •  Kesimpulan: Ho ditolak 

  • Penelitian tentang warna sepatu dipilih Bidan. Jumlah sampel 3000 Bidan, 1000 warna hitam, 900 warna putih, 600 coklat, 500 warna lain 
  • Ho =“Peluang Bidan memilih empat warna sepatu adalah sama” 
  • Jika dk = 3, α = 5% , χ2 tabel = 7,815, dan χ2 hitung = 226,67 
  •  Kesimpulan: Ho ditolak 

HASIL SPSS CHI SQUARE 
  • Dasar pengambilan keputusan 
  1. Jika Chi-Square hitung < Chi-Square tabel → Ho diterima 
  2. Jika Chi-Square hitung > Chi-Square tabel → Ho ditolak
  • Melihat angka probabilitas
  1. Probabilitas > 0,05 → Ho diterima
  2. Probabilitas < 0,05 → Ho ditolak 

HASIL SPSS CHI SQUARE 


RUN TEST 
  • Untuk mengukur urutan suatu kejadian random atau tidak (pada data ordinal) 
  • Caranya dengan memperhatikan jumlah “run” 
  • Run adalah kejadian yang berurutan 
  • Misal: @ = puas, # = tidak puas Contoh: @@@ ## @ ### @@ # @@ = 7 run 
  • Ho = “Urutan kepuasan dalam pelayanan … adalah random” 
  • Ketentuan: Ho diterima jika r observasi berada diantara r kecil (tabel) dan r besar (tabel) 

HASIL SPSS RUN TEST 
  • Hipotesis Ho: ketidak puasan bersifat random H1: ketidak puasan bersifat tidak random Pengambilan Keputusan Probabilitas > 0,05 → Ho diterima
  • Probabilitas < 0,05 → Ho ditolak 

HASIL SPSS RUN TEST 


UJI HIPOTESIS DESKRIPTIF 



UJI HIPOTESIS ASOSIASI 


UJI HIPOTESIS KOMPARASI 
 

HASIL SPSS MANN-WHITNEY 
  • Uji dua sample 
  • Tipe data: Nominal dan Ordinal 
  • Tipe interval/ratio, namun data distribusi tidak normal 
  • Dasar pengambilan keputusan 
  1. Dengan membandingkan angka z hitung dan z tabel Jika z hitung < z tabel → Ho diterima Jika z hitung > z tabel → Ho diterima
  2. Melihat angka probabilitas
  • Probabilitas > 0,05 → Ho diterima
  • Probabilitas < 0,05 → Ho ditolak

HASIL SPSS MANN-WHITNEY


HASIL SPSS WILCOXON
  • Uji dua sample berpasangan
  • Data skala Nominal atau Ordinal
  • Data skala Interval atau Ratio, namun berdistribusi tidak normal

HASIL SPSS WILCOXON


HASIL SPSS FRIEDMEN
  • Uji n Sample Berhubungan
  • Data skala Nominal atau Ordinal
  • Data skala Interval atau Ratio, namun berdistribusi tidak normal
  • Jumlah data kecil (< 30)

HASIL SPSS SPEARMAN


HASIL SPSS KENDALL



2 komentar:

  1. Terimakasih atas informasinya, sangat membantu.
    Salam.
    Statistik

    BalasHapus
  2. terimakasih infonya...sangat membantu...semoga berbahagia

    BalasHapus