Statistika

Program S1 Bududaya Perairan,

Fakultas Kedokteran Hewan,
Universitas Airlangga
Surabaya.
Dr. Kusnoto, MSi., drh.
Telp.031-72.575763; HP.081.330.575763
Dept. Parasitologi, FKH-UA

Aplikasi

Uji statistik
Parametrik

Nonparametrik

Satu sampel

Uji T
Uji Z

Dua sampel saling

berhubungan (Two
Dependent Samples)

Uji T (Paired T
Test)
Uji Z

Uji McNemar Signifikansi Perubahan

Uji Tanda (Sign Test)
Uji Rangking-Bertanda Wilcoxon

Dua sampel tidak

berhubungan (Two
Independent
Samples)

Beberapa sampel
berhubungan

Anova (F test)
sama subyek

Analisis Varian Rangking dua arah Friedman

Beberapa sampel tidak

berhubungan

Anova (F test)

Uji 2 untuk k sampel independen

Analisis Varian Rangking satu arah KrukhalWallis
Perluasan Tes Median

Uji Binomial
Uji satu sampel Chi-Kuadrat
Uji satu sampel Kolmogorov-Smirnov
Uji Run satu sampel

Uji T (Pooled T Kemungkinan yang eksak dari Fisher

Test)
Uji 2 untuk 2 sampel independen
Uji Z
Mann-Witney U test
Uji Median
Uji 2 sampel Kolmogorov-Smirnov
Uji run Walt-Wolfowitz
Reaksi ekstrem Moses
Uji Q Cochran

Uji Statistik Non-Parametrik

Distribusi tidak normal non free

distribution
Tidak menguji parameter Ex:

Goodness of fit test uji kesesuaian data

dengan populasi asalnya
Test for randomness

Fokus analisis / prinsip atau skewed.

Keuntungan dan Kekurangan

Fokus analisis/prinsip atau skewed

1.

2.

3.

4.

Rangking/order peringkat/urutan data diurut terlebih

dahulu baru dirangking
Sign diberi tanda when didasarkan pada nilai
patokan yaitu: median atau modus
tanda yang digunakan p.u. berupa positif (+) atau
negatif (-)
Run runtun / deret
means menghitung banyaknya deret yaitu
banyaknya data sejenis yang berurutan sebelum
berganti ke jenis lain.
Ex. deret LLLLLPPPPP deret terlalu sedikit
deret LPLPLPLPLP deret terlalu banyak
Data seperti diatur berarti non random
Klasifikasi / Kategori
Tinggi
Ex. data pendidikan
Sedang
Rendah

Keuntungan dan Kekurangan

Keuntungan
1.

2.

3.

Mengerjakannya mudah dan juga

cepat dibanding uji parametrik.
Nilai p yang diperoleh dari analisis itu
merupakan nilai yang exact (nyata)
biasanya pada sampel-sampel kecil.
Jika sampel size kecil tidak ada pilihan
lain yaitu menggunakan statistik nonparametrik

Keuntungan dan Kekurangan

Kekurangan

Jika persyaratan dengan uji parametrik

terpenuhi kemudian digunakan uji statistik non
parametrik maka jadi pemborosan informasi.
Power of efficiency non-parametrik lebih
rendah dibandingkan power of efficiency
parametrik, sehingga perlu sampel lebih
banyak untuk membuat kesimpulan sama.
Jenisnya banyak tabel untuk titik ktritisnya
juga banyak dan bervariasi sehingga untuk
mempelajarinya perlu waktu yang lebih lama.

Referensi:

Nonparametric Statistics for Behavioral

(Sidney Siegel & John Catelan. 2nd, 1990).
Statistik Nonparametrik. Edisi pertama
(Samsubar Saleh, 1986).
Statistika Nonparametrik Terapan (Wayne
W. Daniel, 1978 Terj. Alex Tri Kantjono W.,
1989, PT Gramedia, Jakarta)
Mengolah Data Statistik Secara profesional
SPSS versi 10.0 (Singgih Santoso, 2001).

Why pakai Nonparametrik

Jenis data

ordinal/nominal, atau
Interval / rasio yang non free distribution

Sampel size kecil

Kasus Satu Sampel

yang Dibahas

Uji Binomial
Test Satu Sampel Chi Kuadrat

Uji Binomial
Uji Binomial menguji hipotesis tentang
suatu proporsi populasi.

Ciri binomial adalah data berupa dua (bi)

macam unsur, yaitu gagal atau sukses yang
diulang sebanyak n kali.
Dalam hal ini pemakai bebas untuk
mendefinisikan apa yang dimaksud sukses dan
apa yang dikategorikan gagal.

Salah satu contoh yang paling populer

untuk penerapan uji Binomial adalah

pelemparan sebuah mata uang berkali-kali, di

mana sukses diartikan jika hasil pelemparan
adalah munculnya angka, sedangkan gagal
diartikan sebagai munculnya gambar.

Coso: Binomial sampel kecil

Dalam suatu study mengenai akibat-akibat stress,

seorang pembuat eksperimen mengajarkan kepada
18 mahasiswa, dua metode yang berbeda untuk
membuat simpul dengan tali yang sama.
Setengah dari subyek-subyek itu (dipilih secara
random) mempelajari metode A terlebih dahulu, dan
separuhnya lagi metode B lebih dulu.
Kemudian pada tengah malam setelah ujian akhir
yang mereka tempuh selama empat jam, masingmasing subyek disuruh membuat simpul tali tadi.
Ramalannya adalah stress akan mengakibatkan
kemunduran (regresi), yakni bahwa subyek-subyek
itu akan kebal kepada metode yang I mereka pelajari
dalam hal membuat simpul tali.
Setiap subyek dikategorikan menurut apakah dia
menggunakan metode simpul tali yang mereka
pelajari pertama kali, ataukah metode yang mereka
pelajari yang kedua, jika subyek-subyek itu diminta
untuk membuat simpul dibawah keadaan stress.

Tabel 1. Metode simpul tali yang dipilih

dibawah stress

Frekuensi

Metode yang dipilih

Yang dipelajari I Yang dipelajari II
16
2

Jumlah
18

N = banyak observasi independen = 18

x = frekuensi yang lebih kecil = 2
Tabel D untuk kemungkinan yang berkaitan dengan
x 2 adalah p= 0,001
Karena p ini < dari = 0,01
Maka H0 ditolak, H1 = diterima
Kesimpulan = p1 > p2 , yakni bahwa :
Orang-orang yang dibawah kondisi stress kembali ke
metode yang dipelajari pertama diantara 2 metode yang ada.

Untuk populasi yang terdiri dari dua kelas, jika

diketahui proporsi kasus-kasus dalam satu
kelas adalah p, maka kelas satunya adalah 1-p
Probabilitas untuk memperoleh obyek dalam
satu kategori dan N - obyek dalam kategori
lainnya dihitung dengan:

p()= N

pXqN-X .................. 1

dimana:
p = Proporsi kasus yang diharapkan terdapat dlm satu kategori,
q = 1 P, yakni proporsi kasus yang diharapkan terdapat dlm
kategori lainnya, dan
N

N!
x ! (N-X) !

N! adalah N faktorial,
artinya=N(N-1)(N-2) Tabel T
Ex. 4! = (4) (3) (2) (1) = 24Tabel S

Coso :

Sebuah dadu dilemparkan lima kali,

bagaimanakah secara pasti dua di antara
lima lemparan itu akan menghasilkan
enam?
Penyelesaian :

N = banyaknya lemparan dadu = 5

= banyaknya muncul enam = 2
p = proporsi yang diharapkan untuk enam =
1/6
q = 1 P = 5/6

Kemungkinan dua di antara 5 lemparan itu

secara pasti akan menghasilkan enam
dicari dengan rumus sebagai berikut:

p()= N

p(2) =
0,16

pXqN-X

5!
2! 3!

=
6

Kemungkinan untuk secara pasti

mendapatkan dua enam ketika
melemparkan dadu yang seimbang
sebanyak lima kali adalah p = 0,16
Berapa kemungkinan akan diperoleh
secara eksak nilai yang telah diamati ?

Dalam Penelitian

Berapakah kemungkinan untuk

memperoleh nilai nilai yang diobservasi

atau nilai nilai yang lebih ekstrim ?
Distribusi sampling binomialnya:

i=0

NpiqN-i

................ 2

Dengan kata lain: Menjumlahkan

kemungkinan nilai yang diobservasi dengan
kemungkinan kemungkinan nilai yang
lebih ekstrim.

Misal:
ingin mengetahui kemungkinan akan memperoleh
paling banyak dua enam jika sebuah dadu yang
seimbang dilempar sebanyak lima kali.
Penyelesaian :
N = 5, = 2, p = 6, dan q = 5/6
Untuk mendapatkan paling banyak dua enam
adalah p ( 2 )
Kemungkinan untuk memperoleh 0 enam adalah p
(0)
Kemungkinan mendapatkan 1 enam adalah p ( 1 )
Kemungkinan mendapatkan 2 enam adalah p ( 2 )

Dari rumus 2

p(2)=p(0)+p(1)+p
(2)
Artinya: kemungkinan untuk
memperoleh dua enam atau kurang
dari dua adalah jumlah tiga harga
kemungkinan yang disebutkan di atas.

Masing-masing kemungkinan tersebut dapat

dihitung dengan rumus 1
Dengan demikian
p(0) =
0,40

5!

0! 5!
p(1) =
0,40

1! 4!
p(2) =
0,16

2! 3!

4!

5!

Untuk sampel kecil N 25

=
6

=
6

=
6

p( 2) = p(0) +p(1) +p(2)

= 0,40 + 0,40 + 0,16
= 0,96
Telah ditentukan bahwa
kemungkinan dibawah Ho
untuk memperoleh dua
enam atau kurang kalau
sebuah dadu yang
seimbang dilemparkan
lima kali adalah p = 0,96
rumus 2 Tabel D

Sampel-sampel besar

N makin besar distribusi binomial

cenderung mendekati distribusi normal
Kecenderungan :

Makin besar kesenjangan antara P dan Q,

maka seharusnya N makin besar sebelum
pendekatan distribusi normal dapat
digunakan secara berarti.
Kalau P mendekati 0 atau 1

Kuat jika P mendekati

Lemah jika P mendekati 0 atau 1

NPQ harus 9
sampling diperkirakan normal dengan mean =
NP dan SD = NPQ

Oleh karena itu H0 dapat diuji dengan :

Z=

- 2

- NP
NPQ

............ 3

Z = kurang lebih normal dengan mean = 0 dan varian = 1

Distribusi binomial untuk variabel diskrit

karena distribusi normal maka perlu
koreksi kontinuitas.
Koreksi kontinuitas terjadi dgn
pengurangan 0,5 terhadap selisih antara
nilai yang diobservasi dan nilai yang
diharapkan:
= NP oleh sebab itu :

Kalau < tambahkan 0,5 pada

Bila > kurangkan 0,5 pada

Sehingga selisih yang diobservasi diperkecil

0,5 maka Z menjadi :

Z=

( 0,5) - NP
NPQ

............................................ 4

Signifikansi harga Z Tabel A

Satu sisi terjadinya harga harga yang
seekstrim harga observasi dibawah Ho
Jika diperlukan dua sisi Tabel A
dikalikan 2

Coso:

Pada Data pembuatan simpul tali

dalam kasus tersebut diketahui:

N = 18, = 2, dan P = Q =
< NP ............ ( 2 < 9 )

dengan rumus 4:
Z=

( 2 + 0,5 ) ( 18 ) ( 0,5 )
(18 ) ( 0,5 ) ( 0,5 )

= - 3,07

3,0

Cara lihat Tabel:

07

0,0011

Jadi p = 0,0011, ini menunjukkan bahwa suatu

z yang seekstrem -3,07 memiliki suatu
kemungkinan satu sisi yang berkaitan dengan
terjadinya p = 0,0011 di bawah Ho.
Jika diasosiasikan dengan harga x yang
terobservasi atau bahkan harga yang lebih
ekstrem ternyata < , maka tolaklah Ho.

Test Satu Sampel Chi Kuadrat

Tekhniknya adalah tipe goodness of fit,

yakni tes tersebut dapat digunakan untuk
menguji apakah terdapat perbedaan yang
signifikan antara banyak yang diamati
( observed ) dari obyek atau jawaban
jawaban yang masuk dalam masing
masing kategori dengan banyak yang
diharapkan ( expected ) berdasarkan Ho
Jumlah kategori boleh dua atau lebih,
misalnya : sikap atau respon orang
mungkin dikategorikan menurut apakah
mereka mendukung, acuh tak acuh
atau menentang pernyataan tertentu,
guna memungkinkankan peneliti menguji
hipotesis bahwa jawaban itu akan
berbeda dalam hal frekuensinya.

Harus dapat menyatakan frekuensi manakah

yang diharapkan itu. Hipotesis nol
menyatakan proporsi obyek yang jatuh dalam
masingmasing kategori dalam populasi yang
ditetapkan. Ini berarti dari Ho-nya kita dapat
membuat deduksi berapakah frekuensi yang
diharapkan.
Tekhnik 2 menguji apakah frekuensi yang
diamati cukup mendekati frekuensi yang
diharapkan sehingga mempunyai
kemungkinan besar untuk terjadi dibawah
Ho.

Ho diuji dengan :
k
=
i=1

(Qi Ei)2
...................... 5
Ei

Dimana :

Qi = banyak kasus yang diamati dalam

kategori ke-i
Ei = banyak kasus yang diharapkan dalam
kategori ke-i dibawah Ho
k
= penjumlahan semua kategori
i=1

Jika frekuensi yang diamati dan

diharapkan ternyata tidak banyak
berbeda, maka selisih (Qi = Ei) akan
kecil, sehingga 2 kecil. Kalau perbedaan
besar harga 2 akan besar pula. Secara
kasar semakin besar 2 makin besarlah
frekuensi2 yang diamati tidak berasal dari
populasi yang diharapkan menurut
ketentuan Ho.
Distribusi sampling chikuadrat dan
hargaharga kritis tertentu dapat dilihat
pada Tabel C. Setiap kolom dicantumkan
kemungkinan2 harga tertentu terjadi (dua
sisi) dibawah Ho. Untuk setiap db
terdapat satu harga chikuadrat
tersendiri.

Besarnya db menunjukkan banyak observasi

yang bebas untuk bervariasi sesudah batasan
batasan tertentu dikenakan pada data.
db = k 1 k = banyak kategori dalam
klasifikasi.
Jika kemungkinan yang berkaitan dengan
minculnya dibawah H0 suatu 2 yang diperoleh
untuk db = k 1 adalah = atau < dari harga
yang ditetapkan sebelumnya, maka H0 dapat
ditolak.

Kalau k = 2, maka frekuensi yang diharapkan harus

serendahrendahnya 5
Kalau k > 2, tes untuk satu kasus ini tidak boleh
dipakai jika > 20 % dari frekuensi yang diharapkan
tidak boleh < 5 atau jika sembarang frekuensi yang
diharapkan < 1 (Cocrhan, 1945).
Frekuensi yang diharapkan kadangkadang dapat
diperbesar dengan cara menggabungkan kategori
kategori yang berdekatan. Hal ini baik dilakukan
apabila penggabungan dapat dilakukan secara
berarti.

Jika setelah penggabungan kategorikategori yang

yang berdekatan akhirnya mendapatkan dua kategori
saja dan frekuensi yang diharapkan masih ada yang <
5, maka yang harus dipakai bukan 2 melainkan tes
binomial, untuk menentukan kemungkinan yang
berkaitan dengan terjadinya frekuensi yang
diobservasi dibawah hipotesisnol.
Harus dicatat bahwa kalau db > 1, tes 2 tidak
memiliki kepekaan terhadap efek urutan. Dengan
demikian kalau suatu hipotesis juga memperhitungkan
urutan, tes 2 bukanlah tes yang terbaik contoh tes
dengan menggunakan urutan .......
Para penggemar balapan ikan mengemukakan bahwa
diarena balap ikan berbentuk bundar, ikanikan yang
berada dalam posisi start tertentu lebih bruntung dari
yang lain. Posisi satu adalah yang terdekat dengan
pagar pada sisi dalam arena pacuan, posisi delapan
adalah yang paling jauh dari sisi pagar. Pacuan
tersebut diikuti delapan ikan pacu yang berlangsung
diarena pacuan yang berbentuk lingkaran.

 Hipotesis

Ho: tidak terdapat perbedaan dalam hal

banyak pemenang yang diharapkan, yang
mengambil start dari posisi manapun, dan
setiap perbedaan yang diamati sematamata
adalah variasi yang kebetulan sebagaimana
dapat diharapkan dalam suatu sampel random
dari posisi rekanguler dimana f1 = f2 = .... =
f8.
H1: frekuensi untuk f1, f2,.......,f8 tidak sama
semuanya.

Tes

statistik.

Karena akan di : kan antara data dari suatu

sampel dengan populasi tertentu yang
ditetapkan yang cocok adalah tes satu sampel.
Tes 2 dipilih karena hipotesis yang diuji
berkaitan dengan suatu perbandingan
mengenai frekuensi yang diamati dengan
frekuensi yang diharapkan dalam kategori
kategori yang diskrit yaitu posisi start
T tes2 bukanlah yang paling cocok untuk
data ini, karena disini terlibat masalah urutan.

Tingkat signifikansi. Kita tentukan = 0,01 , N

= 144 yakni banyak keseluruhan pemenang
dalam 18 hari pacuan.
Distribusi sampling. Distribusi sampling 2
sebagaimana dihitung dengan rumus 5,
mengikuti distribusi chikuadrat dengan db=
k1.
Daerah penolakan. Ho akan ditolak jika
kemungkinan harga 2 terjadi dibawah Ho
dengan db= 7 adalah = 0,01.
Keputusan sampel yang terdiri dari 144
pemenang menghasilkan data yang terlihat
pada Tabel 2.

Tabel C menunjukkan X2 > 16,3 untuk db=7 mempunyai

kemungkinan kemunculan antara p=0,05 dan p=0,02
artinya 0,05 > p > 0,02 karena kemungkinan itu lebih
besar dari tingkat signifikansi yang telah ditetapkan
sebelumnya (=0,01), maka kita tidak dapat menolak
Ho pada tingkat signifikansi tersebut (0,05 > p > 0,02).
Terlihatlah bahwa kita memerlukan lebih banyak data
sebelum dapat menyimpulkan secara pasti yang
berkaitan dengan Ho.
Frekuensi yg diharapkan kecil.

Kalau db=1, yaitu k=2, maka masing 2 frekuensi yang

diharapkan harus serendah2nya 5. kalau db>1 yakni bila k>2,
tes X2 untuk kasus satu-sampel ini tidak boleh dipakai jika lebih
dari 20% dari frekuensi yang diharapkan < 5 atau jika
sembarang frekuensi yang diharapkan < 1 (Cochran, 1954).
Frekuensi yang diharapkan kadang dapat diperbesar dengan
cara menggabungkan beberapa kategori yang berdekatan.
Cth sangat mendukung, mendukung, acuh tak acuh,
menentang, sangat menentang.
Jika seseorang mulai hanya dengan dua kategori

Ringkasan Penggunaan tes x2 dalam kasus satu

sampel, prosedur penggunaan tes ini meliputi 5
langkah:
1.

2.

3.
4.
5.

Letakkan frekuensi-frekuensi terobservasi dalam k

kategori. Jumlah frekuensi itu seluruhnya harus N, yakni
banyaknya observasi-observasi independen.
Dari H0 tentukan frekuensi yang diharapkan (harga E 1nya) untuk tiap-tiap k sel itu. Manakala k>2, dan bila
lebih dari 20% dari E1 lebih kecil dari 5, gabungkanlah
kategori-kategori yang berdekatan apabila hal ini
memungkinkan dan dengan demikian kita mengurangi
harga k serta meningkatkan harga beberapa E 1. apanila
k = 2, tes x2 untuk kasus satu sampeldapat digunakan
secara memadai hanya jika tiap-tiap frekuensi yang
diharapkan adalah lima atau lebih.
Dengan memakai rumus(5) hitunglah harga x 2.
Tetapkan harga db. Db = k-1
Dengan melihat tabel C, tetapkan probabilitas yang
dikaitkan dengan terjadinya suatu harga yang sebesar
harga x2 hitungan untuk harga db yang bersangkutan.
Jika harga ini sama atau kurang dari , tolaklah H0

Test Satu-Sampel Kolmogorov-Smirnov

Fungsi dan Dasar Pemikiran
Tes satu sampel Kolmogorov-Smirnov
adalah suatu tes goodness-of-fit. Artinya,
yang diperhatikan adalah tingkat
kesesuaian antara distribusi serangkaian
harga sampel (skor yang diobservasi)
dengan suatu distribusi teoritis tertentu.
Tes ini menetapkan apakah skor dalam
sampel dapat secara masuk akal dianggap
berasal dari suatu populasi dengan
distribusi teoritis itu.

Contoh :
Andaikan seorang peneliti ingin menguatkan,dengan sarana
eksperimen observasi sosiologis bahwa orang-orang negro
amerika tampaknya memiliki hirarki kecenderungan menyukai
(preferensi) warna kulit menurut gelap terangnya. 1 Untuk
menguji seberapa sistematisnya kecenderungan kesukaan
tingkat-tingkat warna kulit itu, peneliti mengadakan
pemotretan satu persatu atas sepuluh orang negro. Fotografer
memrosesnya sedemikian rupa sehingga dari setiap subyek
yang sama didapatkan 5 cetakan yang satu dan yang lainnya
sedikit berbeda dalam hal gelap terangnya. Kelima lembar
foto dengan subyek yang sama itu dapat diurutkan
tingkatannya dari warna kulit yang paling gelap sampai yang
palinp terang. Potret yang menunjukkan warna paling gelap
dari masing-masing subyek diletakkan ditingkat satu, yang
kurang gelap diletakkan ditingkat lima. Selanjutnya setiap
subyek diminta memilih diantara kelima foto wajahnya sendiri
itu. Jika gelap dan terangnya warna wajah mereka tidak
penting, maka kelima lembar foto itu akan dipilih sama
seringnya, dengan perbedaan-perbedaan random saja. Jika
gelap dan terang itu penting bagi mereka, maka mereka akan
secara konsisten menyukai salah satu dari tingkat yang
ekstrim.

i.

ii.

iii.

Hipotesis nol. H0 : tidak terdapat banyak

perbedaaan pilihan yang diharapkan untuk
masing-masing dari kelima tingkatan, dan
setiap perbedaan yang terobsesi hanyalah
variasi yang kebetulan semata-mata yang
dapat diharapkan terjadi dalam suatu
sampel random dari populasi rektangular
dimana f1= f2= f3 = f5. H1 :
frekuensi f1, f2, f3..f5 tidak semuanya
sama.
Tes statistik. Tes satu sampel KolmogorovSmirnov dipilih karena peniliti ingin
membandingkan distribusi skor yang
diobservasi pada suatu skala ordinal,
dengan satu distribusi teoritis.
Tingkat signifikansi. Dipilih = 0,01. N =
banyaknya orang negro yang bertindak

iv.

v.

vi.

Distribusi sampling. Berbagai harga kritis D dari

distribusi sampling disajikan dalam tabel E bersamasama dengan kemungkinan yang berkaitan dengan
terjadinya harga-harga itu dibawah Ho
Daerah penolakan. Daerah penolakan tediri dari
semua harga D (dihitung dengan rumus (4.6)) yang
sedemikian besarnya sehingga kemungkinan yang
berkaitan dengan terjadinya harga-harga tersebut
dibawah H0 sama atau kurang dari = 0,01
Keputusan. Dalam studi hipotesis ini, masing-masing
subyek negro memilih satu diantara kelima foto
yang sama. Misalkan satu orang memilih cetakan
kedua, (yang warnanya setingakat lebih terang
daripada yang gelap) lima orang memilih cetakan
keempat, (setingakt lebih hitam daripada yang
paling terang), dan empat orang memilih cetakan
kelima (cetakan yang paling terang. Table 4.3
menyajikan data itu dan meletakkannya dalam
bentuk yang sesuai dengan untuk menerapkan tes
satu sampel Kolmogorov-Smirnov.


1.

2.

3.

4.
5.

Langkah2 penghitungan tes Kolmogorov-Smirnov:

Tetapkan fungsi kumulatif teoretisnya, yakni
distribusi kumulatif yang diharapkan dibawah H0
Aturlah skor-skor yang diobservasi dalam suatu
distribusi kumulatif dengan memasangkan tiap
interval SN(X) dengan interval F0(X) yang
sebanding
Untuk tiap-tiap jenjang pada distribusi kumulatif,
kurangilah F0(X) dengan SN(X)
Dengan memakai rumus (4.6) carilah D
Lihatlah Tabel E untuk menemukan kemungkinan
(dua sisi) yang dikaitkan dengan munculnya
harga-harga sebesar harga D observasi dibawah
H0. jika p sama atau kurang dari , tolaklah H0