Statistik Non Parametrik.ppt
-
Upload
di-atas-awan-kelabu -
Category
Documents
-
view
216 -
download
1
description
Transcript of Statistik Non Parametrik.ppt
STATISTIK NON PARAMETRIKSTATISTIK NON PARAMETRIK
OlehDr.dr.Buraerah H abd Hakim,
MSc
Jurusan Biostatistik/KKB FKMUniversitas Hasanuddin
Makassar
OlehDr.dr.Buraerah H abd Hakim,
MSc
Jurusan Biostatistik/KKB FKMUniversitas Hasanuddin
Makassar
PENDAHULUAN UJI SATU SAMPEL UJI DUA SAMPEL UJI “k” SAMPEL INDPENDEN UKURAN KORELASI
MATERI PERKULIAHAN
3
Pengasuh Mata Kuliah
Pengasuh Mata Kuliah
Dr.dr.Buraerah H Abd Hakim, MscDr.dr.Tahir Abdullah, MSc, MSPH
Dr.dr.Buraerah H Abd Hakim, MscDr.dr.Tahir Abdullah, MSc, MSPH
4
1.TUGAS = 10 %
* Tugas Harian
* Tugas Akhir2. MID. TEST = 30 %3. FINAL TEST = 50 %4. AKTIFITAS HARIAN = 10 %
========== TOTAL = 100 %
Penilaian mata kuliah
1. Statistika Non Parametrik untuk Ilmu Sosial, Oleh Sidney Siegel.
2. Statistik non Parametrik untuk Penelitian, Oleh Sugiyono.
3. Metode Statistik Non Parametrik Terapan Oleh P.Sprent.
4. Pengantar Statistika, oleh Ronald E Walpole.
5. Metode Statistika, oleh Sujana.
REFERENSI
TUJUAN INSTRUKSIONAL UMUM
Memberikan wawasan dan kemampuan pada mahasiswa
untuk dapat menjelaskan proses dan fungsi statistik nonparametrik serta
penerapannya pada bidang ilmu kesehatan masyarakat
KASUS SATU SAMPELTest Binomial Fisher Excat testChi – SquareKolmogorov-Smirnof (KS)Test Run.
KASUS DUA SAMPEL BERHUBUNGANTest Mc NemarTest TandaRanking bertanda WilcoxonTest WalsTest Randomisasi data pasangan
RUANG LINGKUP
KASUS DUA SAMPEL INDEPENDEN Fisher Excat test
Chi-Square
Test Median
Test U Mann-Witney
Test Run Wald-Walowitz
Test Reaksi Extrim Moses
Test Randomisasi
KASUS k SAMPEL BERHUBUNGAN Test Q-Cochrani
Analisis ranking dua arah Friedman
RUANG LINGKUP
KASUS k SAMPEL INDEPENDEN Test Chi-Square Perluasan Test Median Analisis Varians Satu Arah Test Kruskal – Wallis
UKURAN KORELASI DAN TEST SIGNIFIKANSI Koef. Kontingensi Koef. Korelasi Spearman ; r Koef. Korelasi Rank. Kendall tau
RUANG LINGKUP
Ialah KONSEP dan METODE yang digunakan untuk mengumpulkan dan interpretasi data mengenai suatu bidang kegiatan tertentu dan menarik kesimpulan dalam situasi dimana ada KETIDAK PASTIAN dan VARIASI
DEFINISI
BIOSTATISTIC
Teori matematika
“STATISTICA”
* Pengumpulan• Pengolahan• Analisis• Kesimpulan
KONSEP
VARIABEL
METODE STATISTICS
VARIABEL DATA INFORMASI
Skala Pengukura
n
Pengolahan data
VARIABEL Adalah materi alam, baik yang non empiris maupun empiris, yang ditandai dengan adanya : “Simbol” atau atribut, dimensi variabel, dan setiap dimensi dapat tersusun oleh sub dimensi, dan senantiasa memperlihatkan variasi nilai hasil pengukuran.
Dasar Pemembentukan skala pengukuran variabel :1. Bilangannya berurutan.
2. Selisih antara bilangan- bilangan adalah berurutan.
3. Deret bilangan mempunyai asal mula yang unik yang ditandai dengan bilangan nol.
4. Kombinasi ciri-ciri urutan, jarak, dan asal mula menghasilkan pengelompokan skala ukuran yang dipakai secara umum .
SKALA PENGUKURAN VARIABEL
Pengertian Dan Prinsip skala pengukuran variabel
JENIS SKALASIFAT SKALA PENGUKURAN
Kategori Urutan Interval Kelipatan
Nominal + - - -
Ordinal + + - -
Interval + + + -
Rasio + + + +
Skala Pengukuran Variabel
JENIS SKALAOUTPUT SKALA PENGUKURAN
DATA UJI STATISTIK
NominalOrdinal
DATA DISKRET NON PARAMETRIK
IntervalRasio
DATA KONTINU PARAMETRIK
Data Primer Data Sekunder Data Kuantitatif Data Kualit atif Data Intern Data Ekstern Data Crossectional Data Berkala Data Diskret Data Kontinu Data literal Data Observasional
JENIS DATA
SYARAT DATA YANG BAIK
ALAT UKUR HASIL PENGUKURAN
RELEVANSIOBYEKTIVITASVALIDITASRELIABILITASUP TO DATE
RelevanObyektifValid = sahi = sahReliable = konsisten = HandalTepat waktu
“ Terima kasih ”
TEST BINOMIAL Fisher Excat Test
CHI-SQUARE TEST
KOLMOGOROV- SMIRNOF (KS)
TEST RUN
TEST SATU SAMPEL BERHUBUNGAN
UJI CHI-SQUARE
(Goodness of Fitt)
Untuk satu sampel tipenya adalah “ Goodness-Of Fitt”, atau uji kesesuaian
PRINSIPMenguji ada atau tdknya perbedaan yg signifikan antara kelompok observasi (observe) dgn kelompok yg diharapkan atau expected, berdasarkan hipotesis nol (Ho).
1SD- Mean 1SD+Sumbu ( X )
1SD- Mean 1SD+
Distribusi Frekuensi Observasi ( O )
Distribusi Frekuensi Harapan ( E )
PENGGUNAAN
Variabel yang akan diuji dikategorikan Menurut skala pengukuran yg digunakan, kemudian disusun dalam suatu tabel analisis, yang sifatnya bisa berupa :
Tabel 2 x 2 Tabel lebih dari 2 x 2
Tabel lebih 2 x 2 dan tdk Square
Tabel lebih 2 x 2 dan square
Contoh tabel 2 x 2
1 21
2
Kolom
Baris
Contoh tabel lebih 2 x 2 ( tidak square ) 3 x 2
1 21
2
3
Kolom
Baris
( O – E )²X² = Σ --------------
E
Dimana :
O = Frekuensi Observasi (observe)
E = Frekuensi Harapan (expected)
Σ = Sigma = jumlah
RUMUS UNTUK SATU SAMPEL
Pada uji ini dikenal adanya istilah “ Degree Of Freedom ” ( DF ) = derajat kebebasan
Ialah besarnya kebebasan nilai dalam sel suatu tabel bila besaran dalam tabel telah diketahui
Untuk sampel yang terdiri dari satu jenis variabel yang dikategori kedalam beberapa kategori mala besarnya DF adalah : ( K – 1 ) Dimana K = banyaknya kategori
Untuk sampel yang dirancang untuk menggunakan tabel 2 x 2 atau lebih maka besarnya DF dihitung
dengan rumus :
DF = ( C – 1 ) ( R – 1 )
Dimana :
C = Colum ( kolom )
R = Row ( baris )
DEGREE OF FREEDOM
Ialah proporsi obyek yang diharapkan sesuai/ berada dibawah hipotesis nol untuk tabel 2 x 2 atau lebih, maka frekuensi expected dihitung dengan rumus :
( Total kolom ) x ( Total baris )Frek. Expected = -----------------------------------------------
(Total pengamatan)
FREKUENSI HARAPAN
Tabel 1 Hubungan antara sikap responden dengan partisipasinya pada pelaksanaan KB di Desa Conko tahun 2005
Sikap Partisipasi Total
Ada Tdk ada
SetujuTdk Setuju
321
10625
13826
JUMLAH 33 131 164
CONTOH PERHITUNGAN
PERHITUNGANKeterangan
33 x 138 (32–27,7) 2
O1 = 32 E1 = --------------- = 27,7 X12 = --------------- =
0,667 164 27,7 33 x 26O2 = 1 E2 = --------------- = 5,23 X2
2….. 164 131 x 138O3 = 106 E3 = --------------- = 110,23 X3
2….. 164 131 x 26O4 = 32 E4 = --------------- = 20,76 X4
2 … 164 ----------------------------------------------------------
∑ X2 = ……..
Besar sampel ditetapkan dgn menggunakan rumus sampel pada nilai α tertentu
Bila besar sampel (n) ditetapkan tanpa menentukan α, maka dlm perhitungan α harus dihitung kembali
Sampel minimal untuk test ini adalah ( n = 30 )
Bila (n) < dari 30 maka uji X (goodness of fit ) kurang sensitif / tdk dpt digunakan dianjurkan megunakan uji Fisher Excat test atau uji binominal.
SYARAT PENGGUNAAN
SYARAT PENGGUNAAN X²Untuk tabel 2 x 2 dengan DF = 1, dapat diterapkan “ Koreksi Yates “ yang dimaksudkan untuk mendekati diatribusi kontinu dengan rumus sebagai berikut :
(| O - E | - 0,5 )2
X2 (corected) = ------------------------- E
Test ini digunakan apabila terdapat dalam jumlah tertentu nilai frekuensi harapan dalam sel tabel kurang dari 5. ( < 5 )
SYARAT PENGGUNAAN X²Apabila frekuensi harapan kurang dari 5, maka test x2 tidak dapat digunakan dan dianjurkan menggunakan :
- Uji Binomial - Uji Fisher exact test
Untuk tabel lebih dari 2 x 2 dengan DF > 1 maka test ini tidak boleh dipakai bila :
- Lebih dari 20 % dari frekuensi harapan dalam sel tabel kurang dari 5.
- Atau sembarang frekuensi observasi lebih kecil dari 1 (Cohran : 1954).
SYARAT PENGGUNAAN X²Untuk tabel 2 x 2 dengan frekuensi harapan yang kurang dari 5 dapat diperkecil dengan menggabung beberapa kategori yang berdekatan.
Apabila setelah penggabungan frekuansi harapan tetap kurang dari 5, maka dianjurkan menggunakan uji Fisher exact atau uji binomial.
Salah satu kelemahan dari uji x² ialah dipengaruhi oleh besar sampel. Dalam hal ini x² cenderung meningkat (signifikant) bila n diperbesar, sehingga seolah-olah besar hubungan meningkat juga.
Untuk menilai uji x² yg sebenarnya (besar hubungan), dinilai dengan beberapa uji derivat x² sebagai berikut :
DERIVAT UJI CHI-SQUARE
UJI PHI = Berlaku untuk tabel 2 x 2 Rumus :
x²j = ---------
n
Dimana :
x² = chi square hasil perhitungan
n = besarnya sampel
Berlaku untuk tabel lebih dari 2 x 2 dan tidak square Rumus :
²V = ----------------------------- Min ( R – 1 ) ( C – 1 )
Dimana :
V = Cramer’s v
f = Phi
R = banyaknya baris
C = banyaknya kolom (colom)
Min = (R-1) (C-1) = nilai minimum dari (R-1) (C-1)
UJI CRAMER’S V
Berlaku untuk tabel lebih dari 2 x 2 dan square
Rumus : x²C = -------------------------
( x² - n )
Dimana :
C = contingency coefficient
x² = hasil perhitungan chi square
n = besar sampel
CONTINGENCY COEFFICIENT
1. Tetapkan hipotesis nol2. Tentukan tes statistik yg akan
digunakan3. Tetapkan tingkat signifikansi () yg
akan digunakan4. Tetapkan distribusi samplingnya5. Tetapkandaerah penolakan hipotesis
nol6. Keputusan hasil uji
LANGKAH-LANGKAH PENGGUNAAN
Suatu penelitian dengan cross sectional study bertujuan untuk mengetahui hubungan antara pola makan keluarga dengan status gizi balita. Sampel ditarik secara random sederhana pada kelurahan tamalanrea kec. Biringkanaya sebesar 150 responden. Hasil pengolahan data adalah sebagai berikut:
Status gizi baik 80 respondenStatus gizi kurang 70 respondenPola makan baik 100 respondenPola makan kurang 50 respondenPola makan baik dan status gizi baik 76 responden
Lakukan analisis dari hasil survei tersebut
CONTOH PENGGUNAAN
Penyelesaian :
Hipotesis nol (Ho)tidak ada hubungan antara pola makan keluarga dgn status gizi balita
Test statistik yang digunakanuji yg akan dilakukan adalah membandingkan data dengan sampel dari populasi, dengan skala pengukuran variabel ialah skala nominal, dan uji yg paling tepat adalah uji non parametrik jenis Chi-Square.
Penyelesaian :
Tingkat signifikansiDitetapkan nilai = 0,05 dengan besar sampel (n) = 150 responden
Distribusi samplingmengikuti distribusi Chi-Square dengan DF = ( c – 1 )( r – 1 )
Daerah penolakanHo ditolak apabila niali x² hitung terjadi dibawah Ho dengan = 0,05 DF = ( c – 1 )( r – 1 )
Status gizi balita
Pola makanan Total
baik kurang
Baik 76 4 80
Kurang 24 46 70
Jumlah 100 50 150
Sumber : data primer
x² = 52.0DF = 1
= 0.01
Phi = 0.59
Tabel 1
Hubungan antara pola makan keluarga dengan status gizi balita
Keputusan/ interpretasiX² hitung > x² standar, dgn demikian Ho ditolak dan Ha diterima, berarti ada hubungan antara pola makan keluarga dengan status gizi balita.
Besarnya hubungan tersebut adalah 0.59, artinya 59% keadaan status gizi balita ditentukan oleh pola makan keluarga.
Data terdiri dari dua kategori yang terpisah (baris dan kolom)Kategori pengukuran data menurut baris dan kolom menggunakan skala nominal atau ordinalUntuk K = 2frekuensi harapan harus lebih besar dari 5Untuk K > 2frekuensi harapan tidak boleh lebih 20% bernilai 5 dan tidak boleh satupun lebih kecil dari 1
KESIMPULAN PENGGUNAAN
Tidak mempunyai kepekaan terhadap urutan bila DF > 1Perhatian :keputusan yg diambil melalui uji chi-square ini dasarnya adalah pendekatan terhadap distribusi chi-square ke distribusi normal.
Tabel…Hubungan antara tingkat pendidikan dengan responden terhadap KB di Desa….tahun….
Sikap Pendidikan TOTAL
AK/PT SLTA SLTP
SetujuRagu-raguTdk.setuju
402015
251510
51010
704535
JUMLAH 75 50 25 150
TUGAS 1
Tabel… Hubungan antara pendidikan dengan partisipasinya pada pelaksanaan KB di Desa….tahun….
Pendidikan
Partisipasi Total
Ada Tdk ada
SDSLTPSLTAAK/PT
58173
3344531
3852704
JUMLAH 33 131 164
TUGAS 2
Sumber : Data primer
FISHER EXCAT TEST
1. Adalah jenis uji yg digunakan utk menguji signifikansi hipotesis yg sifatnya perbandingan.
2. Sampel harus berasal dari dua populasi yg sifatnya independen.
3. Datanya diukur dgn menggunakan skala nominal
4. Tabel analisis yg digunakan ialah tabel 2x2 atau tabel kontingensi.
Rumus umum :
(A+B)! (C+D)! (A+C)! (B+D)!
p = --------------------------------------------------
N! A! B! C! D!
PRINSIP
Contoh kasusTelah dilakukan uji coba model penyaringan air bersih pada dua kelurahan yg berbeda (Kel. Daya dan Sudiang) dari laporan hasil pelaksanaan diinformasikan bahwa saringan air di Kel. Sudiang lebih banyak berhasil dari Kel. Daya. Untuk maksud tersebut dilakukan penelitian dengan menarik sampel sebanyak 8 orang di Kel. Sudiang dan 7 sampl di Kel. Daya. Masing-masing hasilnya dikelompokkan menjadi berhasil dan gagal.
Penyelesaian
1. Susunlah data tersebut kedalam tabel 2 x 2
2. Lakukan perhitungan dgn menggunakan rumus umum.
(5+3)! (2+5)! (5+2)! (3+5)! 40320 . 5040 . 5040 . 40320
p = ----------------------------------------- = ------------------------------------------- = 0,37
15! 5! 3! 2! 5! 130764368000 120 6 1 120
Distribusi hasil uji coba penyaringan air bersih terhadap kedua desa
kelurahan Berhasil Gagal Total
Sudiang 5 3 8
Daya 2 5 7
Jumlah 7 8 15
Interpretasi 1. Ditetapkan tingkat signifikansi alpha =
0,05
2. Hasil perhitungan memperlihatkan p = 0,37
3. Hipotesis alternatif menyatakan terjadi perbedaan hasil yg signifikan antara kedua kelurahan tersebut.
4. Hasil memperlihatkan nilai p = 0,37 > dari nilai alpha = 0,05 berarti hipotesis alterbatif diterima dan hipotesis no ditolak
Status Pekerjaan * Jenis-jenis responden Crosstabulation
14 11 25
8.3 16.7 25.0
56.0% 44.0% 100.0%
35.0% 13.8% 20.8%
11.7% 9.2% 20.8%
26 69 95
31.7 63.3 95.0
27.4% 72.6% 100.0%
65.0% 86.3% 79.2%
21.7% 57.5% 79.2%
40 80 120
40.0 80.0 120.0
33.3% 66.7% 100.0%
100.0% 100.0% 100.0%
33.3% 66.7% 100.0%
Count
Expected Count
% within StatusPekerjaan
% within Jenis-jenisresponden
% of Total
Count
Expected Count
% within StatusPekerjaan
% within Jenis-jenisresponden
% of Total
Count
Expected Count
% within StatusPekerjaan
% within Jenis-jenisresponden
% of Total
Bekerja
Tidak Bekerja
Status Pekerjaan
Total
Kasus Kontrol
Jenis-jenis responden
Total
Chi-Square Tests
7.301b 1 .007
6.069 1 .014
6.958 1 .008
.009 .008
120
Pearson Chi-Square
Continuity Correctiona
Likelihood Ratio
Fisher's Exact Test
N of Valid Cases
Value dfAsymp. Sig.
(2-sided)Exact Sig.(2-sided)
Exact Sig.(1-sided)
Computed only for a 2x2 tablea.
0 cells (.0%) have expected count less than 5. The minimum expected count is8.33.
b.
Symmetric Measures
.247 .007
.247 .007
.239 .007
.234 .092 2.702 .007
120
Phi
Cramer's V
Contingency Coefficient
Nominal by Nominal
KappaMeasure of Agreement
N of Valid Cases
ValueAsymp.
Std. Errora
Approx. Tb
Approx. Sig.
Not assuming the null hypothesis.a.
Using the asymptotic standard error assuming the null hypothesis.b.
Risk Estimate
3.378 1.360 8.386
2.046 1.269 3.299
.606 .383 .959
120
Odds Ratio for StatusPekerjaan (Bekerja /Tidak Bekerja)
For cohort Jenis-jenisresponden = Kasus
For cohort Jenis-jenisresponden = Kontrol
N of Valid Cases
Value Lower Upper
95% ConfidenceInterval
“ Terima kasih ” Lanjut ke Uji
Mc Nemar
DUA SAMPEL BERHUBUNGAN DUA SAMPEL INDEPENDEN k SAMPEL INDEPENDEN
UJI DUA SAMPEL
DUA SAMPEL BERHUBUNGANTest Mc NemarTest TandaRanking bertanda Wilcoxon Uji Jumlah Peringkat WilcoxonTest WalsTest Randomisasi data pasangan
DUA SAMPEL INDEPENDEN
Fisher Excat test Test Median Test Run Wald-Walowitz Test Reaksi Extrim Moses Test Chi-Square Test Randomisasi
Mc NEMAR TEST
FungsiMenguji hipotesis yang sifatnya perbandingan untuk dua sampel berhubungan.Menguji keefektifan suatu intervensi tertentu sebelum dan sesudah perlakuan (signifikansi perubahan).Digunakan pada penelitian dengan rancangan “pre test dan post test”.
Mc NEMAR TEST
SifatSetiap unit observasi berlaku sebagai pengontrol terhadap dirinya sendiri.Menggunakan data yang berbentuk diskret dengan skala pengukuran nominal/ordinal.Analisis dilakukan dengan menggunakan tabel 2 x 2 sebagai berikut :
Tabel analisis untuk menguji signifikansi perubahan (MC Nemar Test)
Sebelum intervensi
Sesudah intervensi Total
- +
+ A B A+B
- C D C+D
Jumlah A+C B+D A+B+C+DIntervensi dengan pemb. PMT 6bln
Prinsip tabel analisis
Sebelum dilakukan intervensi dilakukan penilaian awal (pre test)Sesudah dilakukan intervensi dilakukan penilaian kembali (post test)Hasil intervensi adalah sebagai berikut :
Ada sebagian variabel dimana sebelum intervensi positif berubah menjadi negatif setelah intervensi (dicatat didalam sel A).Ada sebagian variabel dimana sebelum intervensi nilainya positif dan setelah intervensi tetap positif (di catat pada sel B).Ada sebagian variabel sebelum intervensi nilainya negatif dan tetap negatif setelah intervensi (dicatat pada sel C)Ada sebagian variabel sebelum intervensi nilainya negatif menjadi positif setelah positif setelah intervensi (dicatat pada sel D).
Prinsip :Dengan demikian sel (A+D) menunjukkan total orang yang berubah dengan perubahan satu arah, dan perubahan ini diharapkan berada dibawah hipotesis nol dengan probability : ½ (A+D).Selanjutnya perubahan juga terjadi kearah sebaliknya dengan probability yang sama yakni :½ (A+D).Pada Mc Nemar test kita hanya berkepentingan pada sel A dan D, dan dengan menerapkan prinsip Chi-square test dapat diformulasikan sebagai berikut :
( A + D ) ( A + D ) ( A - ------------ )² ( D -
-------------- )² ( O - E )² 2
2 x ² = -------------- = ----------------------- +
--------------------- E A + D
A + D -------------
------------- 2
2
Bila disederhanakan bentuknya diperoleh bentuk rumus sebagai berikut :
( A - D )² x ² = ----------------- dengan DF = 1 A + D
Bila disederhanakan bentuknya diperoleh bentuk rumus sebagai berikut :
( A – D )² x ² = ----------------- dengan
DF = 1 A + D
Catatan : pada keadaan ini distribusi sampling x ² diasumsikan berdistribusi Chi-Square dengan DF = 1
Koreksi kontinuitasMenggunakan prinsip koreksi (Yates) dengan rumus : ( | A – D | - 1 ) ² x ² = ----------------------------- dengan DF = 1 A + D
Soal Tugas: Seorang mahasiswa FKM Unhas ingin
mengetahui pengaruh pemberian makanan tambahan anak balita (PMT) terhadap status gizinya (PMT diberikan secara intensif selama 10 bulan). Untuk maksud tersebut ditarik secara random sederhana sebanyak 250 responden, dan sebelum dilakukan penyuluhan, terlebih dahulu dilakukan pengukuran BB dan TB (test awal) untuk mengetahui status gizinya dengan hasil sebagai berikut :
1. 150 balita termasuk kategori status gizi cukup dan 100 responden termasuk status gizi kurang.
2. Setelah diberi PMT secara intensif selama 10 bulan, diperoleh hasil sebagai berikut : dari 250 balita tersebut 150 balita termasuk status gizi cukup dan 100 balita termasuk status gizi kurang.
3. Dari analisis hasil 150 balita yg berstatus gizi cukup setelah PMT, 85 balita status gizinya termasuk tetap, dan 65 balita berubah dari status gizi kurang menjadi status gizi cukup.
4. Selanjutnya dari 100 balita yg termasuk kurang ada 65 balita yg status gizinya tetap kurang dan 35 diantaranya status gizi sebelumnya cukup berubah menjadi kurang.
Penyelesaian :1. Hipotesis Ho : tidak perubahan status gizi balita sebelum dan
setelah dilakukan intervensi dengan PMT.
Ha : ada perubahan status gizi balita sebelum dan setelah dilakukan intervensi dengan PMT.
2. Kriteria pengujian hipotesis Ho : diterima bila harga chi-square hitung lebih kecil
dari harga chi-square tabel pada nilai = 0.05 dengan DF = 1
• Penyajian data Data yang terkumpul, selanjutnya disusun dalam
tabel sbg berikut :
Status gizi
Sebelum intervens
i
Sesudah intervens
i
Perubahan
tetap berubah
Cukup (+)
+ -
Kurang (-)
- +
jumlah
Tabel 1. Perubahan Status Gizi Sebelum dan Setelah dilakukan intervensi dengan PMT
Pengujian Hipotesis Untuk kepentingan perhitungaan maka
tabel 1 dirubah susunannya sesuai dengan kebutuhan sebagai berikut :
Status gizi Sebelum intervensi
Perubahan setelah intervensi
- +
Cukup (+)
Kurang (-)
Jumlah
Tabel 1. Uji Hipotesis Perubahan Status Gizi Sebelum dan Setelah dilakukan intervensi dengan PMT
Interpretasi
Chi square hitung > (……..) daripada Chi square tabel (3,841) pada = 0,05 dengan DF = 1 Ho …… (ditolak), Ha ……… (diterima).
Kesimpulan
Terdapat perubahan/ perbedaan secara bermakna status gizi sebelum dan setelah pemberian intervensi dengan PMT pada balita.
( | A – D | - 1) ² ( | ….- … | - 1) ²
x ² = ---------------------- = --------------------- = ……..
A + D …..
UJI TANDA (Sign Test)
Ialah salah satu jenis uji non parametrik yang dimaksudkan untuk
membandingkan dua hasil perlakuan
berdasarkan tanda “ negatif ” dan “ positif ”
Ialah salah satu jenis uji non parametrik yang dimaksudkan untuk
membandingkan dua hasil perlakuan
berdasarkan tanda “ negatif ” dan “ positif ”
PENGERTIAN
Digunakan pada penelitian dimana :
1. Pengukuran kuantitatif tdk mungkin atau tdk dapat dilakukan.
2. Unit observasi adalah data pasangan yg masih mungkin ditentukan tingkatannya berdasarkan hubungan antara kedua pasangan.
3. Dapat diterapkan pada kasus dua sampel berhubungan dgn asumsi bahwa terjadinya perbedaan karena adanya dua kondisi yg berbeda.
Digunakan pada penelitian dimana :
1. Pengukuran kuantitatif tdk mungkin atau tdk dapat dilakukan.
2. Unit observasi adalah data pasangan yg masih mungkin ditentukan tingkatannya berdasarkan hubungan antara kedua pasangan.
3. Dapat diterapkan pada kasus dua sampel berhubungan dgn asumsi bahwa terjadinya perbedaan karena adanya dua kondisi yg berbeda.
FUNGSI
1. Variabel yg diamati memiliki selisih distribusi observasi.
2. Unit observasi tdk selalu ditarik dari satu populasi yg sama , tetapi (pasangan observasi bisa berasal dari populasi yg berbeda).
3. Tiap subyek dipasangkan sedemikian rupa sehingga memberi kesamaan (ciri tertentu sma) dan berlaku sebagai pengontrol terhadap dirinya sendiri.
1. Variabel yg diamati memiliki selisih distribusi observasi.
2. Unit observasi tdk selalu ditarik dari satu populasi yg sama , tetapi (pasangan observasi bisa berasal dari populasi yg berbeda).
3. Tiap subyek dipasangkan sedemikian rupa sehingga memberi kesamaan (ciri tertentu sma) dan berlaku sebagai pengontrol terhadap dirinya sendiri.
PRINSIP
1. Pasangan hasil pengamatan yg sedang dibandingkan bersifat independen.
2. Masing-masing pengamatan dalam tiap pasang terjadi karena pengaruh kondisi yg serupa.
3. Pasangan yg berlainan terjadi karena kondisi yg berbeda.
1. Pasangan hasil pengamatan yg sedang dibandingkan bersifat independen.
2. Masing-masing pengamatan dalam tiap pasang terjadi karena pengaruh kondisi yg serupa.
3. Pasangan yg berlainan terjadi karena kondisi yg berbeda.
SYARAT PENGGUNAAN
Contoh :
Apabila hasil dari suatu pengamatan X dan Y terjadi karena perlakuan A dan B, dengan sampel yg berukuran N, maka dapat ditulis (X1, Y1), (X2, Y2)…….(Xn, Yn)
Hasil perlakuan A dan B menghasilkan selisih dalam bentuk :(X1 - Y1), (X2 - Y2)…….(Xn - Yn)Apabila X1 > Y1 diberi tanda “ + “ (positif)Apabila X1 < Y1 diberi tanda “ - “ (negatif)Apabila X1 = Y1 pasangan ini diabaikan
N = menyatakan banyaknya pasangan sampel, setelah dihilangkan pasangan X1 = Y1
H = menyatakan banyaknya tanda negatif atau positif yg paling sedikit
Pernyataan hipotesis Ho : tidak ada perbedaan pengaruh kedua perlakuan Ha : terdapat perbedaan pengaruh kedua perlakuan Penolakan hipotesis Ho ditolak atau diterima pada nilai = 0,01 atau 0,05,
berdasarkan daftar nilai kritis untuk uji tanda (tabel D). Contoh Dua buah kelompok bayi yg baru lahir diukur BB nya.
Sedangkan banyaknya pasangan bayi tersebut adalah 21 orang. Hasilnya disusun dalam tabel berikut :
PRINSIP PENYELESAIAN
Hasil pengukuran BB 21 pasangan bayi baru lahirPasangan
observasiKelompok (A) Kelompok
(B)Arah
perbedaanTanda
123456789
101112131415161718192021
3,43,72,84,24,63,83,62,93,03,84,03,93,84,24,74,03,63,23,42,93,0
3,03,93,24,64,33,43,53,02,93,73,74,03,54,53,93,73,22,93,03,63,0
A>BA<B
+-
Hasil pengukuran BB 21 pasangan bayi baru lahir
Pasangan observasi
Kelompok (A)
Kelompok (B)
Arah perbedaan
Tanda
123456789
101112131415161718192021
3,43,72,84,24,63,83,62,93,03,84,03,93,84,24,74,03,63,23,42,93,0
3,03,93,24,64,33,43,53,02,93,73,74,03,54,53,93,73,22,93,03,63,0
A>BA<BA<BA<BA>BA>BA>BA<BA>BA>BA>BA<BA>BA<BA>BA>BA>BA>BA>BA<BA=B
+---+++-+++-+-+++++-0
PENYELESAIANX = (Banyaknya tanda dgn jumlah lebih
sedikit) = 7
N = (Banyaknya pasangan yg menunjukkan perbedaan) = 20
D = (Tabel D yg menunjukkan nilai penolakan atau penerimaan Ho)
Menurut tabel D, untuk X = 7 dengan N = 20 maka nilai “ p ” ( p tabel ) = 0,132 > dari nilai “ ” = 0,05. Dengan demikian Ho diterima dan Ha ditolak.
Kesimpulan Tidak terdapat perbedaan pengaruh perlakuan antara kedua kelompok.
Walaupun hasil observasi yg terlihat didalam data pada tabel terlihat ada pengaruh positif, tetapi itu hanya terjadi pada sampel itu saja dan tidak dapat digeneralisasikan untuk populasinya.
Untuk sampel yg lebih besar dari 25, maka pendekatan yg dilakukan ialah dengan menggunakan uji “ Chi square “ dengan rumus sbg berikut :
Dimana :n1 = banyaknya data positif
n2 = banyaknya data negatif
Dengan contoh diatas dapat dihitung dengan rumus tersebut:
[ ( n1 – n2 ) ] – 1 ] ² x ² = ------------------------------------
n1 + n2
[ ( 13 - 7 ) ] – 1 ] ² 49
x ² = ------------------------------------ = ------------- = 2,45
13 + 7 20
• Kesimpulan Untuk X² dengan = 0,05, DF = K-1
nilai X² = 3,841. Dari hasil perhitungan X² = 2,45. Disini X² hitung < X² tabel, dengan demikian Ho diterima dan Ho ditolak.
Hasil pengukuran Tekanan Darah sistole 26 orang pasien
Pasangan observasi
Kelompok (A)
(mmHg)
Kelompok (B)
(mmHg)
Arah perbedaa
n
Tanda
1234567891011121314151617181920212223242526
123123122124124123123122123123124123123124124124123123123122120125130124120115
125120120122130125130120125130135120125120139130135129130120120125125128125120
TUGASSeorang mahasiwa FKM-
UH melakukan penelitian tentang perbedaan tekanan darah sistole pada rumah sakit Wahidin Sudiro Husosdo. Untuk kepentingan tersebut ditarik sebanyak 52 pasien dan dikelompokkan menjadi kelompok A dan B, kemudian diukur tekanan darah sistole nya. Hasil pengukuran adalah pada tabel berikut. Buktikanlah dengan menggunkan Uji Tanda perbedaan tekanan darah sistole pada kedua kelompok tersebut.Ditetapkan tingkat signifikansi alpha = 0,05
UJI RANGKING BERTANDA WILCOXON
TujuanUntuk melihat arah perbedaan serta besar relatif (magnitude) perbedaan tersebut.
TEST RANGKING BERTANDA WILCOXON
Prinsip Dari sampel yg telah ditarik lakukan test
awal dan test akhir dan hasilnya nyatakan dalam bentuk scor.
Perbedaan skor awal dan akhir dinyatakan dengan simbol “ di ”
Berikan rangking 1 pd skor “ d “ yg paling kecil dan rangking 2 pada skor yg paling besar
Masing-masing rangking bubuhkan tanda selisihnya (tanda positif atau negatif), dan ini dimaksudkan untuk:
“ mengetahui rangking mana yg berasal dari harga “d” yg positif (memihak keperlakuan B) dan rangking yg mana saja berasal dari harga “d” yg negatif (memihak keperlakuan A).”
Bila Ho benar maka penjumlahan antara “d” negatif dan “d” positif akan sama besar.
Bila Ha benar (perlakuan A berbeda dengan perlakuan B) maka penjumlahan “d” negatif dan “d” positif tidak sama.
Skor yg sama Apabila skor awal dan skor akhir
sama jumlahnya (tidak ada perbedaan antara perlakuan A dan B) maka responden tersebut dikeluarkan dari analisis.
Bila didalam pemberian rangking terdapat 2 atau lebih harga yg sama, umpamanya “d” = -1, -1, +1 maka setiap pasangan diberikan rangking
Skor yg sama 1 + 2 + 3 = ---------------- = 2 3sedangkan rangking “d” berikutnya diberikan rangking ke - 4 dan seterusnya.
“ T ” adalah simbol dari jumlah rangking baik bertanda positif maupun yg bertanda negatif.
Harga T ini merupakan patokan terhadap penolakan harga T observasi (bila T observasi ≥ dari standar menurut daftar “ G ”. untuk Ho akan ditolak pada tingkat yg telah ditetapkan.
Contoh soalSeorang mahasiswa FKM-UH ingin mengetahui perbedaan pengetahuan mengenai imunisasi TT bagi ibu RT, setelah dilakukan penyuluhan melalui kader PKK selama 1 bulan. Untuk keperluan itu ditarik sampel kecil sebesar 8 orang ibu RT yg memeriksakan kehamilannya pada Puskesmas x.
Penyelesaian :1. Pernyataan Hipotesis
Hipotesis nol (Ho)tidak ada perbedaan pengetahuan ibu RT sebelum dan sesudah penyuluhan (jumlah rangking positif = jumlah rangking negatif).
Hipotesis Alternatif (Ha)Jumlah rangking (+) jumlah rangking (-)
Penyelesaian :2. Test Statistik penelitan ini menggunakan 2 sampel
berhubungan Menghasilkan skor-skor selisih yg dapat di
rangking dalam urutan ukuran berdasarkan dua hal diatas maka test yg cocok
adalah “test rangking bertanda wilcoxon”3. Tingkat Signifikansi Dipilih α = 0,05 untuk n = 8
4. Distribusi Samplingmengikuti distribusi harga-harga kritis menurut daftar “G”
5. Daerah Penolakan Hipotesis Disini arah perbedaan tidak diketahui sehingga yg
dipilih adalah test dua arah.
Daerah penolakan hipotesis adalah semua harga T dari T kritis pada = 0,05, untuk n = 8
6. Perhitungan / Keputusan
No Skor awal
Skor akhir
d Rangking “d”
Rangk.tanda yg lebih kecil jumlahnya
12345678
6342743751438084
8269734358567681
1927- 167
134
- 3
78245631
- 1
- 3T = 4
6. Perhitungan / Keputusan
Pada tabel G terlihat bahwa pada = 0,05 dgn n = 8 maka nilai T kritis = 4 sedangkan hasil perhitungan sampel yg diobservasi T = 4
Menurut ketentuan Ho ditolak bila T observasi ≤ dari “ t “ kritis dengan demikian pada observasi ini Ho ditolak dan Ha diterima dengan kata lain ada perbedaan pengetahuan sebelum dan sesudah penyuluhan.
Sampel Besar
Bila sampel > dari pada 25 maka tabel “G” tidak dapat digunakanTetapi jumlah rangking T pd keadaan ini dianggap berdistribusi normal dengan mean = 0 dan varians = 1Untuk membuktikan bahwa jumlah rangking T berdistribusi normal adalah :
N (N+1) Mean = T = ----------------
4
N (N+1) (2N+1)
Varians = T = -------------------------- 24
Dengan demikian:
N(N+1)
T - --------------- T - T 4Z = ------------ = ---------------------------------- T N(N+1) 2N+1) ----------------------- 24Dengan memasukkan nilai observasi pada rumus diatas diperoleh :
4 – (8) (8+1) / 4
Z = ------------------------- (8) (9) (17) / 24
Z = -1,96
Terlihat bahwa untuk Z = -1,96 adalah suatu nilai dimana Ho ditolak pada nilai = 0,05 atau p = 2 (0,025) = 0,05
Rumus diatas selalu digunakan pada kasus N > 25
Seorang mahasiswa FKM-UH melakukan penelitian tentang kualitas pelayanan rumah sakit (x) sebelum dan setelah penerapan metode baru pelayanan dan perencanaan rumah sakit tersebut : Untuk maksud tersebut ditarik sebanyak 26 sampel petugas rumah sakit secara random kemudian dilakukan wawancara dengan hasil seperti tabel pada tabel berikut :
TUGAS
N0 Data awal
Data akhir d Rangking “d ” Rangk.tanda dgn jml kecil
123456789
1011121314151617181920212223242526
7550805570657588907575508055706575889075657588907580
8678659555804063705086786595558040637050 804063705065
DATA HASIL PENELITIAN
Batas kuliah 27 maret 2008
UJI JUMLAH PERINGKAT WILCOXON
PRINSIP: Membandingkan nilai tengah dua
buah populasi yg tidak normal tetapi sifatnya kontinue
Merupakan uji alternatif bila uji t tidak dapat dilakukan
UJI JUMLAH PERINGKAT WILCOXON
CARA:Dari dua kelompok pengamatan (n1 dan n2) dimana salah satu kecil
1) Gabungkan kedua pengamatan yg terkecil sampai dengan yg terbesar
2) Berikan peringkat dari pengamatan tersebut sesuai dgn besar kecil nilai pengamatan
3) Bila terdapat dua atau lebih hasil pengamatan yg sama, maka peringkatnya adalah rata-rata kedua pengamatan tersebut
4) W1 = adalah simbol jumlah peringkat kelompok
pengamatan dgn jumlah yg lebih kecil
W2 = adalah simbol dgn jumlah peringkat kelompok
pengamatan dgn jumlah yg lebih besar
5) Total W1 + W2 tergantung pada banyaknya jumlah pengamatan dan tak tergantung dari jumlah observasi
Secara umum :
( n1 + n2) (n1 + n2 + 1) W1 + W2 = ----------------------------------
2
Bila W1 telah dihitung maka W2 dapat dihitung melalui rumus sebagai berikut :
( n1 + n2) (n1 + n2 + 1) W1 + W2 = ----------------------------------- -
W1
2
Pernyataan Hipotesis Ho : 1 = 2 Hi : 1 2
Ho ditolak bila : Untuk 1< 2 : W1 < W2 Untuk 1>2 : W1 > W2
Untuk dua arah : Ho ditolak bila W1 < W2
Besarnya 1 dan 2 dihitung dengan rumus sebagai berikut :
n1 ( n1 + 1) 1 = W1 - -----------------
2 n2 ( n2 + 1) 2 = W2 - -----------------
2Hasil perhitungan ini didasarkan pada statistik U (nilai U) yg tersaji pada tabel A.9 Untuk nilai n1 dan n2 tertentu.
Contoh kasus :Seorang dokter ingin mengetahui kadar nikotin dua buah merek rokok (merek A dan B). Untuk itu diambil sampel secara random sebanyak 8 untuk merek A dan 10 untuk merek B untuk kemudian diperiksa kadar nikotinnya dengan hasil sbb :
Buktikan kadar nikotin A dan B tidak sama untuk = 0,05
NO KADAR NIKOTIN (A) KADAR NIKOTIN (B)
123456789
10111213
2,14,06,35,44,83,76,13,33,02,0--
4,10,63,122,54,06,21,62,21,95,46,55,16,0
Penyelesaian : Data dari kasus n1= 8 ; n2= 10 ; = 0,05
Hipotesis : Ho : 1 = 2
Hi : 1 2
Daerah penolakan hipotesis Ho diterima bila nilaikritik 17 untuk n1 = 8 dan n2
= 10 diperoleh dari daftar tabel A.9 Langkah penyelesaian
1) Susun urutan pengamatan n1 dan n2 dalam satu daftar dan berikan nilai peringkatnya sbb :Catatan : Beri tanda bintang pada peringkat yg berasal dari kelompok A (W1) seperti terlihat pada tabel berikut
NO URUT DATA ASAL PERINGKAT
123456789101112131415161718
0,61,61,92,12,22,53,13,33,74,04,04,14,85,45,46,16,26,3
1234*5678*9*
10,5*10,5*
1213*14,514,5*16*1718*
2) Hitung W1 dengan cara menjumlahkan peringkat pengamatan yg berasal dari kelompok A (yang diberi tand bintang)
W1 = 4 + 8 + 9 + 10,5 + 14,5 + 16 + 18 = 93
(18) (19)W2 = ------------- - 93 = 78
23) Hitung 1 & 2 sbb :
(8) (0) 1 = 93 - [ ---------------- ] = 57
2
(10) (11) 2 = 78 - [ ---------------- ] = 23 2
Dengan demikian tolak Ho dan terima Hi. Berarti kadar nikotin berbeda untuk kedua merek.
Untuk n1 dan n2 yg lebih besar, maka distribusi untuk U1 atau U2 mendekati nilai distribusi normal dengan nilai tengah : n1 n2 1 U1 = ---------------
2Dengan varians :
n1 n2 (n1 + n2 + 1) 2 U2 = ------------------------------
2Sebagai akibatnya :Bila n2 > 20 dan n1 sekurang-kurangnya 10 maka nilai kritik dihitung dengan rumus :
U1 - 2 U1 Z = ------------------------ U1
DUA SAMPEL INDEPENDEN Fisher Excat test
Chi- Square Test Median Test “U” Mann-Witney Test Run Wald-Walowitz Test Reaksi Extrim Moses Test Randomisasi
Menguji hipotesis yg sifatnya perbandingan
Datanya berasal dari dua sampel/ populasi yg berbeda/ independen.
Skala pengukuran yg digunakan ialah skala nominal
Tabel analisis yg digunakan ialah tabel 2x2 atau tabel kontingensi.
CHI-SQUARE TEST
Prinsip
PRINSIP
POPULASI (A)
POPULASI (B)
n1 n2
DUA POPULASI
SATU POPULASI (KEL X)
RW (A) RW (B) Dengan Intervens
i
Tanpa Intervens
i
n1 n2
N = n1 + n2
N = n1 + n2
PMTBERAT BADAN
TotalBAIK KURANG
Jumlah Persen
jumlah
persen
jumlah
persen
INTENSIF a % b % a+b %
TIDAK INTENSIF
c % d % c+d %
JUMLAH a+c % b+d % N %
MODEL DESAIN TABEL
Rumus umum :
n ( | ad – bc | - ½ n ) ² x ² = ---------------------------------------- (a+b) (a+c) (b+d) (c+d)
Dr.Tahir Abdullah, sbg dosen jurusan biostat FKM Unhas, melakukan penelitian intervensi pd dua kabupaten yg berbeda yakni kabupaten Wajo dan Mamuju. Untuk maksud tersebut ditarik dua sampel dari masing-masing kabupaten secara random yakni 80 responden untuk Kab. Wajo dan 70 responden dari Kab. Mamuju. Responden dari Kab. Mamuju diberikan intervensi berupa obat cacing ascomin dan Kab. Wajo diberikan combantrin masing-masing selama 6 bulan. Hasilnya sbg berikut :
Pada Kab. Wajo sembuh sebanyak 60 responden dan tidak sembuh 20 responden, sedangkan di Kab. Mamuju sembuh sebanyak 30 responden dan tidak sembuh 40 responden.
Untuk membuktikan hipotesis bahwa kedua efek obat berbeda dilakukan langkah sbg berikut :
CONTOH KASUS
KABUPATENKESEMBUHAN
TOTALSembuh Tidak sembuh
jumlah
persen
Jumlah
Persen
Jumlah
Persen
MAMUJU 60 20 80
WAJO 30 40 70
JUMLAH 90 60 150
Tabel 1. Perbedaan hasil penyembuhan dari dua obat cacing di kedua kabupaten tahun 2006
TUGAS
n ( | ad – bc | - ½ n ) ² 150(|60 x 40 – 20 x 30 | - ½ 150 ) ²
x ² = ----------------------------------- = ------------------------------------------------- = 14,76
(a+b) (a+c) (b+d) (c+d) (60+20) (60+30) (20+40) (30+40)
Sumber : Data primer
Interpretasi :1. Ditetapkan = 0,05 dengan DF = 1 maka
nilainya = 3,841.
2. x ² hasil perhitungan adalah = 14,76 (significant)
3. Artinya : ada perbedaan efek kedua obat dlm menyembuhkan responden pd kedua kabupaten
TEST MEDIAN (DUA SAMPEL INDEPENDEN)
1. Menguji hipotesis yg sifatnya perbandingan.
2. Datanya berasal dari dua sampel/ populasi yg berbeda/ independen.
3. Skala pengukuran yg digunakan ialah skala nominal atau ordinal.
4. Pengujian didasarkan atas median dari sampel yg diambil secara random.
PRINSIP
TEST MEDIAN
Apabila data (n1 + n2) > 40, gunakan Chi square dengan koreksi kontinuitas.
Apabila n1 + n2 antara 20 – 40 dan tidak ada nilai frekuensi harapan < 5, gunakan chi square dan bila ada, gunakan Fisher.
Apabila n1 + n2 < 20 gunakan test Fisher.
KETENTUAN
N [ (ad – bc) - ½ n ] ² x ² = ------------------------------------ (a+b) (a+c) (b+d) (c+d)
RUMUS UMUM
Gabung seluruh data dari dua kelompok.Lakukan perhitungan median untuk data tersebutBerdasarkan nilai median tersebut ditetapkan pada urutan keberapa nilai median berada setelah di array.Dari nilai median tersebut ditentukan besarnya niali masing-masing sel A, B, C dan D.Banyaknya nilai yg masuk masing-masing kelompok dihitung diatas dan dibawah media berdasrkan median gabungan.
PRINSIP PERHITUNGAN
Adalah nilai pengamatan yang terletak ditengah-tengah dari pada suatu distribusi angka-angka apabila pengamatan disusun dalam bentuk “ Array “
Membagi dua hasil pengamatan yang telah di array, sebagian dibawah median dan sebahagian lagi diatas median.
PENETAPAN NILAI MEDIAN
Rumus Umum untuk Data Yang Ganjil
n + 1 Median = X ( --------- ) 2Keterangan :X = pengamatan yang ke x
Rumus lain
Median n = 2k + 1 Keterangan :
n = bilangan ganjil
k = bilangan konstan
Contoh Array DataContoh Data hasil pengukuran 35 orang Berat Badan Bayi
2,73,63,74,04,24,44,8
4,94,95,15,25,25,65,9
5,96,06,06,0
(Md)6,46,66,6
6,76,87,27,37,37,47,5
7,57,67,68,410,210,311,7
Rumus Umum
35 + 1 Median = X ( ----------- ) = 18 2Keterangan :X = pengamatan yang ke 18
Rumus lain
Median 35 = 2k + 1 Keterangan :
n = bilangan ganjil
k = bilangan konstan
Median 35 = 2k + 1
2k = 35 -1 = 34
K = 34/2 = 17
Md = k+1 17 + 1 = 18
Rumus Umum untuk Data Yang GENAP
x (n/2) + x
(n/2+1)
Median = ---------------------------- 2Keterangan :X = pengamatan yang ke x
Contoh :
Row Data : n = 8 4; 12; 5; 7; 8; 10; 10; 9
Array Data 4; 5; 7; 8; 9; 10; 10; 12
x 8 / 2 ) + x (8 / 2+1) 9
Median untuk n = 8 = ---------------------------- = ----- = 4,5 2 2Md terletak pada pengamatan yang ke 4,5 atau pada nilai pengamatan = 8,5
Seorang mahasiswa ingin melihat adanya perbedaan hasil intervensi dengan PMT-ASI antara wilayah kumuh dan non kumuh dikelurahan Bara-baraya Makassar berdasarkan nilai mediannya. Untuk sampel tersebut ditarik sampel dari wilayah kumuh sebesar 10 orang dan dari wilayah non kumuh sebanyak 9 orang. Adapun hasil analisisnya disajikan sebagai berikut :
TUGAS
Hasil PENGUKURAN disajikan sebagai berikut :
No Wilayah kumuh Wilayah non kumuh
123456789
10
506070707580909595
100
4550556065657080
100
TABEL ANALISIS
Kelompok Median
kumuh Non kumuh
JUMLAH
Diatas median A B A + B
Dibawah median C D C + D
JUMLAH A + C = n1
B + D = n2
N = n1 + n2
PENYELESAIANSusun kembali data tersebut dalam bentuk array sebagai berikut : 45 50 50 55 60 60 65 70 70 70 75 80 80 95 95 100 100.Lakukan perhitungan nilai median (disini diperoleh = 10) yg berarti jatuh pada urutan yg ke 10, dan nilainya adalah angka 70.Buat tabel analisis sbb :
PENETAPAN ISI SEL MENURUT NILAI MEDIAN SAMPEL sebagai berikut : NILAI MEDIAN SAMPEL 70
No Wilayah kumuh Wilayah non kumuh
123456789
10
506070707580909595100
4550556065657080100
DIBAWAH NILAI MEDIAN SAMPEL ( < Median sampel ) = 2 (C)
DIBAWAH NILAI MEDIAN SAMPEL ( < Median sampel ) = 7 (B)
DIATAS NILAI MEDIAN SAMPEL ( > Median sampel ) = 8 (A)
DIATAS NILAI MEDIAN SAMPEL ( > Median sampel ) = 2 (D)
PENYELESAIAN1. Sel A berisi 2 angka (2 orang dibawa
nilai median yakni mulai nilai 60 kebawa).
2. Sel C berisi 8 angka (8 orang didiatas nilai median yakni mulai dari nilai 70 keatas).
3. Sel D berisi 3 angka (3 orang diatas nilai median ).
4. Sel B berisi 6 angka (6 orang dibawa nilai median sampel)
Kelompok Median
kumuh Non kumuh JUMLAH
Diatas median A = 8 B = 3 A + B = 11
Dibawah median C = 2 D = 6 C + D = 8
JUMLAH 10 9 N = 19
TABEL ANALISIS
N [ (ad – bc) - ½ n ] ² x ² = ------------------------------------ (a+b) (a+c) (b+d) (c+d)
RUMUS UMUM
19 [ (8 x 6 – 2 x 3) - ½ 19 ] ²
x ² = ---------------------------------------- ( 3+8) (8+2) (6+3) (2+6)
x ² = ----------------- = ………..
Interpretasi :
1. Nilai Chi-Square untuk = 0,05 pada DF = 1 adalah 3,841.
2. Nilai X² hitung = 0,00034 < dari 3,841
3. Berarti Ha ditolak dan Ho diterima (tidak perbedaan yg bermakna antara kedua intervensi tadi.
UJI MANN “U” WITHNEY
FUNGSI Menguji signifikansi hipotesis komparatif dua sampel
independen dengan data berbentuk “ordinal”. Merupakan alternatif lain bila uji “ t ” parametric tidak
dapat dilakukan. Populasi bisa bersumber dari dua populasi yg berbeda
atau satu populasi tetapi ada dua kondisi yg berbeda. Bila datanya berbentuk interval maka harus dirubah
lebih dahulu menjadi ordinal.
Asumsi Hipotesis : Hipotesis alternatif
distribusi data didalam populasi A > B, atau sebaliknya Hipotesis nol
distribusi data didalam populasi A = distribusi data didalam populasi B
Penerimaan hipotesis Hipotesis alternatif diterima bila probability nilai populasi A > dari
populasi B yakni : > ½ atau p (A > B) > ½. Atau sebaliknya p(A< B) < ½.
Rumus umumDikenal 2 macam :
n1 (n1 + 1)
U1 = n1 n2 --------------------- - R1
2 n2 (n2 + 1)
U2 = n1 n2 -------------------- - R2
2Keterangan :n1 = jumlah sampel 1
n2 = jumlah sampel 2
U1 = jumlah peringkat 1
U2 = jumlah peringkat 2
R1 = jumlah rangking pd sampel n1
R2 = jumlah rangking pd sampel n2
UNTUK SAMPEL KECIL.
Pemberian ranking atau peringkat dilakukan dengan alternatif berikut :
Terlebih dahulu menggabung kedua kelompok data kemudian memberikan peringkatnya sebagai berikut :Pemberian rangking dimulai dari urutan terkecil ke yg terbesarPemberian rangking juga memperhatikan tanda aljabarnya yakni, memberikan rangking terendah pada bilangan negatif terendah bila ada.Bila terdapat nilai yg sama maka rangkingnya ialah diambil rata-ratanya untuk masing-masing nilai.Prinsip pemberian rangking ialah berapa kali rangking suatu skor pd suatu kelompok data (n1) mendahului rangking skor pada kelompok data lainnya (n2).
Contoh suatu hasil penelitian yg terdiri dari dua kelompok data berasal dari populasi E (n1 = 3 kasus) dengan skor terdiri dari : 9, 11 dan 15 : sedangkan kontrolnya berasal dari populasi C (n2 = 4 kontrol) dengan skor terdiri dari : 6, 8, 10, 13
Cara pemberian rangking sebagai berikut :
NoPOPULASI Data
Gabungan( Array)
Jlh Skor A yang mendahuli skor
BA
(Kasus)B (Kontrol)
1 9 6 6 0
2 11 8 8 0
3 15 10 9 1
4 13 10 -
11 2
13 -
N1 = 3 N2 = 4 U = 0+0+1+2 = 3
Hitung banyaknya skor E yg mendahului skor C Untuk skor 6 dan 8 tidak ada skor E yg mendahuluinya
sehingga diberi rangking masing-masing 0 Untuk skor 10 ada satu skor E yg mendahuluinya yakni
nilai 11 dan 12 sehingga diberi rangking 2 Untuk skor 13 ada dua skor E yg mendahuluinya yakni
nilai 11 dan 12 sehingga diberi rangking 2 Bila seluruh peringkat disusun maka terlihat sebagai
berikut : 0 + 0 + 1 + 2 = 3 berarti ada sebanyak 3 kali skor E mendahului C dan inilah yg diberi simbol dengan “U” (U = 3 dan n1 = 3). Ut = 0,350 atau probability (p) kemunculan kasus dibawah Ho = 0,350. ( Ut = 0,350 > = 0,05 ) Berarti Ho diterima Ha ditolak.
Cara lain pemberian rangking Untuk sampel besar maka cara diatas akan sangat menyulitkan, sehingga praktis tidak pernah digunakan. Salah seorang sarjana menempuh cara dengan prinsip seperti berikut ini :
Prinsip pemberian rangking dengan cara lain:a.Berikan rangking 1 pada skor terendah untuk kelompok
gabungan (n1 + n2).
b.Berikan rangking 2 untuk tingkat diatasnya dan seterusnya.
c.Bila terdapat niali sama maka diambil nilai rata-rata untuk masing-masing skor.
Latihan soalSeorang mahasiswa FKM melakukan penelitian dengan judul “ perbedaan kecepatan meniru perilaku”. Untuk maksud tersebut digunakan 4 orang anak dengan umur 12 tahun sebagai kontrol dan 5 orang anak umur 2 tahun sebagai kasus. Baik kasus maupun kontrol diberi skor terhadap kecepatannya meniru perilaku orang dewasa. Dengan nilai skor bervariasi dari 0 – 150 hasilnya adalah sebagai berikut :
NoPOPULASI Data
Gabungan( Array)
Urutan (Ranking)A (anak 2 thn) B (anak 12 thn)
1 78 110
2 64 70
3 75 53
4 45 52
5 82
N= 5 N=4Ditetapkan alpha = 0,05 Buktikan adanya perbedaan tersebut.
PENYELESAIAN
1. Hipotesis
Hipotesis Alternatif Terdapat perbedaan kecepatan antara anak 2 tahun dan 12 tahun untuk
meniruperilaku orang dewasa
Hipotesis nol Tidak ada perbedaan kecepatan antara anak 2 tahun dan 12 tahun untuk meniru perilaku orang dewasa
2. Test StatistikSkala pengukuran yg dipakai ialah ordinal, dengan tujuan ingin melihat perbedaan maka yg cocok ialah “ Test U Mann-Withney”.
3. Tingkat Signifikansi Ditetapkan = 0,05 dengan anak umur 2 tahun sebagai kasus dan anak umur 12 tahun sebagai kontrol.
4. Daerah penolakan hipotesisHipotesis ditolak bila nilai > dari nilai p untuk harga “U” yg dihitung menurut tabel J.
U1 = 26 > U2 = 19 dengan demikian yang digunakan untuk membandingkan dengan U tabel (Ut) adalah U2 dengan nilai 19.
Menurut tabel J untuk n = 4 , maka Ut = ∞ (tak terhingga). Untuk itu diambil nilai terakhir pada n = 4 yakni : 0,538.
KesimpulanNilai Ut = 0,538 > = 0,05 Ho diterima, Ha ditolak. Berarti tidak terdapat perbedaan.
NoPOPULASI Data
Gabungan( Array)
Urutan (Ranking)
A (Anak 2 thn ) R1
B (anak 12 thn) R2
1 78 7 110 9 45 1
2 64 4 70 5 52 2
3 75 6 53 3 53 3
4 45 1 52 2 64 4
5 82 8 70 5
6 75 6
7 78 7
8 82 8
9 110 9
N1 = 5 R1= U1 = 26
N2 = 4 R2 = U2 = 19
PENYELESAIAN
UNTUK SAMPEL BESAR
Untuk sampel besar (n2 > 20) maka, baiktabel J maupun tabel K tidak dapat digunakan, tetapi pada kondisi ini distribusi sampling U mendekati distribusi normal sehingga dapat didekati dengan rumus :
n1n2 Mean = µu = ------------ 2
Dengan standar deviasi :
(n1) (n2) ( n1 + n2 + 1) u = --------------------------------- 12
Dengan melakukan transformasi kerumus distribusi normal maka nilai signifikansi U observasi dihitung sbb:
U - µu Z = ------------ = ……….. u n1 n2 U - -------------- 2 Z = -------------------------------------------- = ………. (n1) (n2) ( n1 + n2 + 1) ------------------------------ 12
Seorag Mahasiswa FKM Unhas melakukan penelitian dengan judul Perbedaan keterampilan perawat pada rumah sakit (x) dengan 12 perawat dan rumah sakit (Y) dengan 15 perawat. Setelah intervensi dengan pelatihan intensif selama 3 bulan. Hasil pelatihan dinyatakan dalam bentuk skor, hasilnya adalah sbb:
No Perawat RS (x)
Perawat RS (Y)
123456789
101112131415
678892875663476870697075---
789399807969889089759899789088
N = 13 N = 15
Buktikan adanya perbedaan tersebut dengan menggunakan alpha = 0,05
TUGAS
UJI “k” SAMPEL INDEPENDEN
UJI KRUSKAL WALIS KOEF. KORELASI RANK SPEARMAN KENDALL THAU
UJI KRUSKAL WALIS
Merupakan generalisasi uji 2 sampel wilcoxon untuk K > dari 2 sampel
Digunakan untuk menguji hipotesis nol (Ho) bahwa ‘K’ sampel bebas berasal dari populasi yg identik.
Uji non parametrik ini merupakan alternatif bagi uji ‘F’ untuk pengujiaan kesamaan beberapa nilai tengah dalam anova, apabila kita mau menghindar dari asumsi bahwa sampel yg diambil berasal dari populasi normal
Misalnya : suatu pengamatan yg terdiri dari beberapa sampel ni ( i = 1, 2, ….k)
PRINSIP UMUM
Langkah-langkah Uji
1. Gabungkan semua sampel dan susun : n = n1 + n2 + … nk dengan urutan pengamatan mulai dari yg terkecil sampai yg terbesar.
2. Tentukan peringkatnya masing-masing dan apabila ada nilai pengamatan yang sama berikan peringkat rata-ratanya
3. Berikan simbol jumlah peringkat untuk sampel ke i = Ri
4. Gunakan rumus umum sbb :
12 k R I 2
H = ------------------- -------------- - 3(n+1) n(n+1) I = 1 ni
Rumus ini dapat didekati dengan baik oleh distribusi chi-square dengan K-1 derajat bebas, apabila Ho benar dan setiap sampel sekurang- kurangnya terdiri 5 pengamatan.
Nilai H dihitung dengan rumus sbb :
12 k Ri2
H = ------------------- ------- - 3(n+1) n(n+1) i = 1 ni
Disini : R1 bernilai r1
R2 bernilai r2 dst.
Nilai H menjadi besar apabila bila sampel-sampel berasal dari populasi yg tidak identik sehingga memungkinkan kita untuk membuat kriteria keputusan bagi pengujian Ho.
5. Penolakan HoHo ditolak bila H > X² dengan DF = K-1 untuk nilai tertentu.
Contoh kasusSeorang dokter ahli kebidanan bermaksud untuk
menentukan tingkat akurasi (ketepatan) cara penentuan umur kehamilan dengan menggunakan 3 cara yakni :1) DBP = (Diameter Bi Parietal)2) LP = (Lingkaran Perut)3) HPHT = (Hari Pertama Haid Terakhir)Untuk maksud tersebut tersebut ditarik secara random 3 kelompok bumil yg terdiri dari : kelompok A = 5 bumil kelompok B = 6 bumil kelompok C = 8 bumilDokter tersebut menetapkan tingkat kemaknaan (signifikansi) yg digunakan yakni = 0.05.Pendapat sebelumnya mengatakan bahwa ketiga cara tersebut sama hasilnya. Buktikan bahwa pernyataan tersebut salah.
Tabel. hasil pengukuran/ penentuan umur kehamilan
NoHasil Pengukuran Bumil
Kelompok A Kelompok B Kelompok C
12345678
24,016,722,819,818,9
---
23,219,818,117,620,217,8
--
18,419,117,317,319,718,918,819,3
Tabel. Peringkat hasil pengukuran umur kehamilan bumil
No.urut Data asli Data array Urutan
1 24.0* 16.7* 12 16.7* 17.3*** 2.53 22.8* 17.3*** 2.54 19.8* 17.6** 45 18.9* 17.8** 56 23.2** 18.1** 67 19.8** 18.4*** 78 18.1** 18.8*** 89 17.6** 18.9* 9.5
10 20.2** 18.9*** 9.511 17.8** 19.1*** 1112 18.4*** 19.3*** 1213 19.1*** 19.7*** 1314 17.3*** 19.8* 14.515 17.3*** 19.8** 14.516 19.7*** 20.2** 1617 18.9*** 22.8* 1718 18.8*** 23.2** 1819 19.3*** 24.0* 19
Penyelesaian
Pernyataan hipotesis :
Ho : 1 = 2 = 3
Hi : 1 2 3
Daerah penolakan hipotesis :
DF = K-1 dimana K=3 sehingga K-1 (3-1) = 2, harus ≥ X²t 0,05 5,991 untuk = 0,05
Data dalam tabel disusun dalam peringkat seperti terlihat pada tabel berikut :
Tabel. hasil pengukuran/ penentuan umur kehamilan
NoHasil Pengukuran Bumil
Kelompok (A)
urutan
Kelompok (B)
Urutan Kelompok (C)
Urutan
12345678
24,016,722,819,818,9
---
191
1714.59.5---
23,219,818,117,620,217,8
--
1814.5
64
165--
18,419,117,317,319,718,918,819,3
7112.52.5139.58
12
R1= 61
R2= 63,5 R3= 65,5
Dari data diketahui :n1 = 5 ; n2 = 6 ; n3 = 8 N (n1+n2+n3) = 19.
r1 = 61,0 ; r2 = 63,5 ; r3 = 65,5
Bila dimasukkan dalam rumus, hasilnya adalah : 12 k Ri2 H = ------------ ------- - 3(n+1) n(n+1) i=1 ni
12 61,0 63,5 65,5 H = ------------ [ -------- + ------- + -------- ] – (3) (20) = 1,66
(19) (20) 5 6 8
Nilai H yang diperoleh ini dibandingkan dengan tabel X2 untuk DF= 2 = 5,991.
Kesimpulan :
H hitung = 1,66 < X2 tabel = 5,991. Ho diterima Ha ditolak , berarti tidak ada perbedaan ke tiga alat ukur.
SOAL TUGAS
Seorang mahasiswa FKM unhas melakukan penelitian mengenai perbedaan ANAK BALITA pada tiga desa dengan sistematika sbb: (Desa A tanpa intervensi, Desa B intervensi dengan PMT intensif 3 bulan, Desa C intervensi dengan PMT intensif 6 bulan, Desa D intervensi dengan PMT 1 intensif 1 tahun). Untuk maksud tersebut diambillah sebanyak 6 batang dari masing-masing desa tersebut kemudian ditimbang BB masing-masing dan hasilnya dituangkan dalam tabel berikut :
Tabel. hasil pengukuran BB balita
JENIS DESA
Desa A Desa B Desa C Desa D
141011131215
161814151713
161514121317
172019182122
Buktikan dengan menggunakan uji kruskal Walis adanya perbedaan BB dari masing-masing desa tersebut dengan menggunakan nilai = 0,05
UKURAN KORELASI
1. Test Phi (φ) (sudah)
2. Test Cramer’s V (sudah)
3. Test kontingensi koefisien (sudah)
4. Test koefisien korelasi Rank Spearman
5. Test koefisien korelasi Rank Kendall tau
6. Test koefisien korelasi Partial Kendall
7. Test koefisien Konkordansi Kendall. W
UKURAN KORELASI
Test Kontingensi Koefisien
1. Mengukur assosiasi antara dua variabel yg menggunakan skala nominal.
2. Variabel yg dikategori menurut skala nominal memiliki lebih dari dua kategori menurut kolom dan baris.
3. Tidak perlu membuat asumsi bahwa kategori yg digunakan sifatnya kontinu, atau tidak perlu menggunakan kategori tersebut dengan cara tertentu.
4. Hasil yg diperoleh mempunyai harga yg sama, walau bagaimanapun kategori itu disusun dalam baris dan kolom.
Prinsip
1. Susun variabel kedalam skala baris dan kolom dengan kategori lebih dari 2 kategori.
2. Lakukan perhitungan Chi-Square dari variabel yg ada dalam tabel.
3. Hasil yg diperoleh dimasukkan dalam rumus berikut :
X² C = --------------- N + X²
Metode
1. Memberikan angka nol bila tidak terdapat assosiasi, dan seharusnya memberikan angka satu (tetapi tidak mencapai 1) apabila terdapat ketergantungan penuh yg sempurna (Dependensi).
2. Seharusnya batas-batas Cont. coef untuk tabel 2x2 adalah ½ = 0,707 dan untuk tabel 3x3 adalah 2/3 = 0,816. Kenyataannya batas-batas Cont.coef. tergantung pada ukuran kolom dan baris.
3. Datanya harus sesuai dengan perhitungan Chi-Square sebelum Cont.coef. dapat digunakan secara tepat.
4. Tidak dapat secara langsung dibandingkan dengan ukuran korelasi lain seperti : r pearson, rs Spearman, atau Kendall.
5. Cenderung nilainya menjadi 1 bila n menjadi besar (Cohran).
Kelemahan
1. Cara perhitungannya mudah dilakukan.
2. Tidak ada asumsi normalitas yg mengikat
3. Digunakan apabila ukuran korelasi lain tidak dapat diterapkan.
Kekuatan
Test Koefisien Korelasi Rank
Spearman
Prinsip :
Adalah ukuran assosiasi dimana kedua variabel diukur dengan skala ordinal. sehingga obyek yg dipelajari dapat dirangking dalam bentuk urutan.
Rumus umum yg digunakan adalah :
6 bi² = 1 - ------------------ n (n² - 1)
= rho = rs bi = Perbedaan nilai var 1 dan 2
Contoh kasusDua orang dosen FKM Unhas membreikan penilaian terhadap skripsi 8 orang mahasiswanya yg terdiri dari mahasiswa : A, B, C, D, E, F, G, H. Dengan nilai sebagai berikut :
Hasil penilaian skripsi mahasiswa oleh dosen
Nama mahasiswaDosen I
(variabel ke 1)Dosen II
(variabel ke 2)
ABCDEFGH
7085655090807560
8075556085709065
1. Buat daftar dari kedua variabel yang diobservasi (variabel 1 = x) dan (variabel ke 2 = Y)
2. Buat rangking masing-masing variabel X dan Y.
3. Tentukan perbedaan harga dari masing-masing variabel X dan Y. dan beri kode dengan “ bi “
4. Kuadratkan harga bi.
5. Jumlahkan kuadrat bi² untuk memperoleh
6. Hasilnya dimasukkan dalam rumus umum.
PENYELESAIAN
Peringkat dari dua dosen
Nama mahasisw
a
Dosen I
Dosen II
Peringkat dosen I
Peringkat dosen
II
Beda (bi)
bi²
ABCDEFGH
7085655090807560
8075556085709065
52681347
34872516
2-2-21-1-231
44411491
Jumlah - - - - - 28
Hasil perhitunganDari hasil perhitungan tabel, selanjutnya dimasukkan didalam rumus umum sebagai berikut :
6 (28) rs = 1 - ------------------ = 0,6667 8 (64-1)
Interpretasi :r = +1 terdapat penyesuaian sempurna
r = -1 tidak ada kesesuaian
TUGASTelah dilakukan penelitian intervensi PMT-AS pada dua kelurahan yakni: Kelurahan Tamalanrea dan kelurahan Sudiang sebagai kontrol , dan setelah intervensi memperlihatkan hasil sebagai berikut :
Hasil penilaian skripsi mahasiswa oleh dosen
Nama anak sekolah
Kelurahan Tamalanrea
(BB kg)
Kelurahan Sudiang(BB kg)
ABCDEFGH
2025352015272530
1820252025302035
UJI KENDALL THAU Kendall Thau-a
Kendall Thau-b
Kendall Thau-c
Variabel yang akan diuji bersumber dari sampel dan untuk selanjutnya karakteristik yang ada didalam sampel dilihat hubungannya. Antara satu variabel dan variabel lainnya.
Pengelompokan / pengkategorian variabel dilakukan menurut skala ordinal.
Metode Statistika yang digunakan adalah uji Kendall’s atau yang terdiri dari :
• Kendall’s tau-a• Kendall’s tau-b• Kendall’s tau-c
PRINSIP UMUM
Dikemukakan oleh Kendall pada tahun 1983 dan dikenal sebagai Kendall tau.
Rumus umum yang digunakan adalah :
K – D Thau-a = ----------------------
n ( n – 1 ) / 2 Keterangan :
K = Jumlah pasangan Konkordans
D = Jumlah pasangan Diskonkordans
n = Banyaknya pasangan yang mungkin dibentuk.
Konkordans ( sesuai ) berarti susunan observasi berada didalam urutan yang wajar dinilai ( + ).
Diskonkordans berarti urutan tidak wajar dinilai ( - ).
Prinsip penggunaan tabel.
Tabel yang digunakan dapat berupa tabel 2x2 ( square ) atau tabel 2x3 ( tidak square ) atau 3x3 atau lebih tetapi 3x3.
Pengelompokan variabel didalam tabel dilakukan menurut skala ordinal.
Variabel Independen
Varibel Independen Kendall
Signif.
( p )Baik Sedang Kurang Jelek
BaikSedangKurangJelek
JUMLAH
Contoh tabel
Contoh kasus
Salah seorang dosen jurusan biostatistik FKM Unhas, melakukan penelitian terhadap hubugan antara pengetahuan petugas dengan Sikap terhadap pelayanan kesehatan yang diberikan oleh petugas. Untuk kepentingan tersebut maka ditariklah sampel secara random sebanyak 10 petugas dari rumah sakit (x) untuk seterusnya dihitung skor yang dicapai masing-masing variabel individu sebagai berikut :
Tabel – 1 Hasil pengukuran Pengetahuan petugas dengan Sikap terhadap pelayanan kesehatan
Nomor Urut
Variabel keterampilan (
X)
Variabel kualitas pelayanan ( Y )
01020304050607080910
20253027151824182632
27282423203029243538
Penyelesaian
1. Judul penelitian :
“ Hubungan antara Pengetahuan dengan sikap terhadap pelayanan yang diberikan oleh petugas.
2. Variabel penelitian : Pengetahuan dan sikap terhadap pelayanan petugas
3. Rumusan masalah :
Bagaimana hubungan antara Pengetahuan dengan sikap terhadap pelayanan yang diberikan oleh petugas.
Penyelesaian 4. Sampel : Petugas kesehatan (perawat)
5. Hipotesis :
Ho : Tidak ada hubungan antara pengetahuan dengan sikap terhadap pelayanan
Ho : Ada hubungan antara pengetahuan dengan sikap terhadap pelayanan
Hipotesis matematik Ho : l = 0 Ho : l ≠ 0
6. Kriteria pengujian hipotesis
Ho diterima bila harga z hitung lebih kecil dari tabel, dan Ha diterima bila harga z hitung lebih besar atau sama dengan harga z tabel.
7. penyelesaian a. Susun urutan hasil penelitian pada tabel 1 diatas
dalam susunan tabel berikut ini :
Tabel – 1 Hasil pengukuran keterampilan petugas dan kualitas pelayanan pasien.
No.Hasil
PengukuranRanking
Var (X) dan (Y)
Konordansi Var (x)
Diskonordansi Var (y) S =
( K – D )
X Y R (x) R(y) K ( + ) D ( - )
1 20 27 15 27 I I I I I = + 5 I I I I = - 4 1
2 25 28 18 28 I I I I = + 4 I I I I = - 4 0
3 30 24 19 24 I I I I = + 4 I I I = - 3 1
4 27 23 20 23 I I I I I = + 5 I = - 1 4
5 15 20 24 20 I I I I I =+ 5 0 5
6 18 30 25 30 I I = + 2 I I= - 2 0
7 24 29
26
29 I I = + 2 I = - 1 1
8 19 24 27 24 I I = + 2 0 2
9 26 35 30 35 I = + 1 0 1
10 32 38 32 38
15
Perhitungan konkordans dan diskonkokrdans dilakukan dengan menggunakan rumus Kendall thau-a sebagai berikut :
K – D tau-a = ---------------------- ½ N ( N – 1 )
S= (K – D) diperoleh dari perhitungan di tabel.
15 tau-a = ---------------------- = 0,333
5 ( 9 )
Koefisien korelasi Rank dari Kendall dengan rank sama (taub)
Digunakan apabila terdapat nilai pasangan observasi yang bersamaan, sedangkan rumus yang digunakan ialah :
K – D tau-b = -------------------------------------------------------
------------------------------------------------------------
√ [ { n ( n – 1 ) / 2 – Tx } { n ( n – 1 ) / 2 – Ty ]
Keterangan : Tx = Jumlah pasangan yang konkordans untuk variabel xTy = Jumlah pasangan yang konkordans untuk variabel y
Tabel – 2 Hasil pengukuran Pengetahuan petugas dengan Sikap dalam pelayanan kesehatan
Nomor Urut
Variabel Pengetahuan (
X)
Variabel Sikap pelayanan ( Y )
01020304050607080910
15202525141824222628
20252223222229242829
Tabel – 1 Hasil pengukuran keterampilan petugas dan kualitas pelayanan pasien.
No.Hasil
PengukuranRanking
Var (X) dan (Y)
Konordansi Var (x)
Diskonordansi Var (y) S =
( K – D )
X Y R (x) R(y) K ( + ) D ( - )
1 28 20 14 20 + 9 - 0 +9
2 15 25 15 25 + 3 - 5 - 2
3 20 21 18 21 + 7 - 0 +7
4 25 23 20 23 + 4 - 2 + 2
5 25 22 22 22 + 4 - 0 + 4
6 14 22 24 22 + 4 - 0 + 4
7 18 29
25
29 +0 - 2 - 2
8 24 24 25 24 + 2 - 0 + 2
9 22 28 26 28 + 1 - 0 + 1
10 26 29 28 29
34 9 25
Koefisien korelasi Rank dari Kendall dengan rank sama (taub)
Dari hasil perhitungan tabel diatas maka :
K-D tau-b = -------------------------------------------------------
√ [ {½ n ( n – 1 ) – Tx } {½ n ( n – 1 ) – Ty ]
25 tau-b = -------------------------------------- = 0,581
√ [ {5 ( 9 ) – 2 } {5 ( 9 ) – 2 ]
Kendall tau-c Rumus umum yang digunakan ialah :
2m ( K – D ) tau-c = -------------------------
n ² ( m – 1 ) Keterangan :
m = adalah bilangan terkecil diantara kategori dari variabel ordinal X dan Y.
Yang digunakan untuk menghitung index korelasi ialah kendall tau-b dan c, dimana nilainya hampir mencapai nilai (+1) dan (-1).
Kendall tau-c Rumus umum yang digunakan ialah :
2m ( K – D ) tau- c = -------------------------
n ² ( m – 1 )
2(14)( 25 ) tau- c = ----------------- = 0,538
100 ( 13 )
TUGAS
Salah seorang dosen jurusan biostatistik FKM Unhas, melakukan penelitian terhadap hubugan antara keterampilan petugas dengan Kualitas pelayanan yang diberikan oleh petugas. Untuk kepentingan tersebut maka ditariklah sampel secara random sebesar 15 petugas kesehatan (perawat) dari rumah sakit (x) untuk seterusnya dihitung skor yang dicapai masing-masing variabel individu sebagai berikut :
Tabel – X Hasil pengukuran keterampilan petugas dan kualitas pelayanan pasien.
No.Hasil
PengukuranRanking
Var (X) dan (Y)
Konordansi Var (x)
Diskonordansi Var (y) S =
( K – D )
X Y R (x) R(y) K ( + ) D ( - )
1 49 43
2 46 96
3 55 73
4 91 139
5 163 201
6 127 150
7 64 69
8 71 71
9 23 97
10 36 86
11 180 153
12 37 123
13 73 59
14 44 76
15 98 60
“ Terima kasih ” Semoga berhasil
lulus dengan nilai memuaskan