XIII. STATISTIKA NON PARAMETRIKA

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 Tanpa obat Obat A Obat B

Sembuh 16 22 24

mati 14 8 6

Jumlah 30 30 30

Jumlah

62

28

90

Dari hasil yang diperoleh peneliti ingin mengetahui apakah pengibatan tersebut bisa menurunkan tingkat kematian babi anak babi penderita Panggil atau keluarkan program SPSS Klik Variabel View, maka muncul Gambar 1.8.1.1

Gambar 1.8.1.1. Kotak Dialog Variable View Ketik Pengobatan, Hasil dan Data pada Kolom Name, angka 0 pada Kolom Decimals dan pada Kolom Label ketik pula Pengobatan, Hasil dan Data . Klik Pada ujung kanan atas Kolom Values Baris 1, maka muncul Gambar 2.8.1.1

Praktikum Biostatistika

63

Gambar 2.8.1.1. Value Label Ketik angka 1 pada kotak Value dan Tanpa Obat pada kotak Value Label, lalu Klik Add Ketik angka 2 pada kotak Value dan Obat A pada kotak Value Label, lalu Klik Add Ketik angka 3 pada kotak Value dan Obat B pada kotak Value Label, lalu Klik Add Klik OK, maka kembali ke layer Gambar 1.8.1.1 Klik Pada ujung kanan atas Kolom Values Baris 2, maka muncul Gambar 2.8.1.1

Gambar 3.8.1.1. Value Label Ketik angka 1 pada kotak Value dan Sembuh pada kotak Value Label, lalu Klik Add Ketik angka 2 pada kotak Value dan Mati pada kotak Value Label, lalu Klik Add Klik OK, maka kembali ke layer Gambar 1.8.1.1, Klik Data View muncul Gambar 4.8.1.1

Gambar 4.8.1.1. Data Vew Praktikum Biostatistika

64

Salin atau ketik data pada Tabel 1.8.1 pada Gambar 4.8.1, seperti tampak pada gambar tersebut. Klik Data ►Wieght Casses, maka muncul Gambar 5.8.1.1

Gambar 5.8.1.1. Kotak Dialog Weight Cases Klik atau tandai Weight cases by. Klik Data, pindahkan dengan tanda ►Frequency Variable, Klik OK kembali ke Gambar 4.8.1.1 Klik Analyze, pilih Descritive Statistic ►Klik Crosstab, maka muncul Gambar 6.8.1.1

Gambar 6.8.1.1. Kotak Dialog Crosstabs Klik Pengobatan, pindahkan dengan tanda ►ke Row(s) Klik Hasil, pindahkan dengan tanda ►ke Colomn(s) Klik Statistics, maka muncul Gambar 7.8.1.1 Praktikum Biostatistika

65

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


66

Crosstabs Pengobatan * Hasil Crosstabulation

Hasil Pengobatan Total Tanpa Obat

Obat A

Obat B

Count Expected Count % within Pengobatan

Sembuh 16 20.7

Mati 14 9.3

30 30.0

53.3%

46.7%

100.0%

22 20.7

8 9.3

30 30.0

73.3%

26.7%

100.0%

24 20.7

6 9.3

30 30.0

80.0%

20.0%

100.0%

62 62.0 68.9%

28 28.0 31.1%

90 90.0 100.0%

Count Expected Count % within Pengobatan Count Expected Count % within Pengobatan

TotalCount Expected Count % within Pengobatan Chi-Square Tests

Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases

Value

Df

Asymp. Sig. (2-sided)

5.392(a)

2

.067

5.323

2

.070

4.922

1

.027

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 (2sided) 0,067 > 0,05), jadi pengobatan anak-anak babi yang baru disapih tidak dapat menurunkan tingkat kematian.


67

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 Hasil Sembuh

Obat B

Mati

Obat A

Pengobatan

Tanpa Obat

Cases weighted by Data


68

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 A B

1 4,8 5,1

2 4,6 5,0

3 4,7 5,3

ulangan 4 5 6 5,2 4,9 5,0 5,4 5,6 5,6

7 5,2 5,6

8 4,8 5,7

Panggil atau keluarkan program SPSS Klik Variabel View, maka muncul Gambar 1.8.1.2.

Gambar 1.8.1.2. Kotak Dialog Variable View Ketik Pasar, Ulanganl dan pH, pada Kolom Name, ketik angka 0, 0 dan 1 pada Kolom Decimals dan ketik Pasar, Ulangan dan pH Daging pada Kolom Label Klik pada pada baris 1, pojok atas Kolom Values, maka muncul Gambar 2.8.1.2

Gambar 2.8.1.2. Kotak Dialog Value Labels Praktikum Biostatistika

69

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.


70

Gambar 4.8.1.2. Kotak Dialog Rank Cases Klik pH Daging, kemudian pindahkan dengan tanda►ke kotak Variable(s) Klik OK, maka Kolom R pH pada Gambar 3.8.1.2 dilengkapi Analyce , pilih Nonparametric Tests ►Klik 2. Independent Samples, maka muncul Gambar 5.8.1.2

Gambar 5.8.1.2. Kotak Dialog Two Independent Samples Tests Klik pH Daging, pindahkan dengan tanda ►ke kotak Test Variable List Klik Pasar, pindahkan dengan tanda ►ke kotak Grouping Variable Klik Define Groups, maka muncul Gambar 6.8.1.2

Gambar 6.8.1.2. Kotak Dialog Two Independent Samples Define Praktikum Biostatistika

71

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 A B Total

N

Mean Rank

Sum of Ranks

8

5.06

40.50

8

11.94

95.50

16

Test Statistics(b)

pH Mann-Whitney U

4.500

Wilcoxon W

40.500

Z

-2.903

Asymp. Sig. (2-tailed) Exact Sig. [2*(1-tailed Sig.)]

.004 .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.


72

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 Mean pH Daging

6.0 5.0 4.0 3.0 2.0 1.0 0.0 A

B

Pasar


73

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) 1 2 3 4 5

1 6 4 6 8 3

2 2 4 5 8 1

Ulangan 3 5 10 10 8 1

4 2 4 7 9 3

5 5 11 7 9 1


Gambar 1.8.1.3. Kotak Dialog Variable View Ketik Perlakuan, Ulanganl dan Polikel pada Kolom Name, ketik angka 0 pada Kolom Decimal dan pada Kolom Label ketik Perlakuan, Ulanganl dan Jumlah Polikel. Kemudian Klik Data View, maka muncul Gambar 2.8.1.3 Lengkapi Kolom Perlakuan Ulagan dan Polikel, dengan menyalin data dari Tabel 1.8.1.3.


74

Gambar 2.8.1.3. Data View Klik Tranform, pilih Rank Cases, maka muncul Gambar 3.8.1.3

Gambar 3.8.1.3. Kotak Dialog Rank Cases Praktikum Biostatistika

75

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


76

NPar Tests Kruskal-Wallis Test Ranks Jumlah Polikel

Perlakuan 1

N 5

Mean Rank 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 Df

15.199 4

Asymp. Sig.

.004

a Kruskal Wallis Test b Grouping Variable: Perlakuan

Kesimpulan : Perlakuan berpengaruh sangat nyata (P<0,01) atau P = 0,004) terhadap Jumlah Polikel Maka untuk mengetahui antar perlakuan yang mana berbeda jumlah polikelnya dapat dilanjutkan dengan uji Mann-Whitney Kelik Analyce , pilih Nonparametric Tests ► 2 Independent Samples, maka muncul Gambar 6.8.1.3.

Gambar 6.8.1.3. Kotak dialog Two Independent Sample Test Praktikum Biostatistika

77

Klik Jumlah Polikel, pindahkan dengan tanda ►ke Test Variable List Klik Perlakuan, pindahkan dengan tanda ►ke Grouping Variable Berikan tanda V pada kotak Kruskal-Wallis H Difine Group , maka muncul Gambar 7.8.1.3

Gambar 7.8.1.3. kotak Dialog Two Independent Sample Test Define Groups Ketik angka 1 pada Group 1 dan angka 2 pada Group 2, Klik Continu, maka kembali kegambar 6.8.1.3, Klik OK, maka diperoleh hasil analisis nya Dengan cara yang sama : Ketik angka 1 pada Group 1 dan angka 3 pada Group 2 Ketik angka 1 pada Group 1 dan angka 4 pada Group 2 Ketik angka 1 pada Group 1 dan angka 5 pada Group 2 Ketik angka 2 pada Group 1 dan angka 3 pada Group 2 Ketik angka 2 pada Group 1 dan angka 4 pada Group 2 Ketik angka 2 pada Group 1 dan angka 5 pada Group 2 Ketik angka 3 pada Group 1 dan angka 4 pada Group 2 Ketik angka 3 pada Group 1 dan angka 5 pada Group 2 Ketik angka 4 pada Group 1 dan angka 5 pada Group 2

Mann-Whitney Test Perlakuan 1 2 Total

Ranks Mean Rank 4.80 6.20

N 5 5

Sum of Ranks 24.00 31.00

10


78

Test Statistics(b) Mann-Whitney U Wilcoxon W Z Asymp. Sig. (2-tailed) Exact Sig. [2*(1-tailed Sig.)] a Not corrected for ties. b Grouping Variable: Perlakuan

Perlakuan 1 3 Total

N 5 5 10


Jumlah Polikel 9.000 24.000 -.745 .456 .548(a)


Test Statistics(b) Mann-Whitney U Wilcoxon W Z Asymp. Sig. (2-tailed) Exact Sig. [2*(1-tailed Sig.)]

Jumlah Polikel 2.500 17.500 -2.135 .033 .032(a)

a Not corrected for ties. b Grouping Variable: Perlakuan

Perlakuan 1 4 Total

N 5 5 10





Jumlah Polikel .000 15.000 -2.668 .008 .008(a)

79

Perlakuan 1 5 Total

N 5 5 10



Test Statistics(b) Mann-Whitney U Wilcoxon W Z Asymp. Sig. (2-tailed) Exact Sig. [2*(1-tailed Sig.)] a Not corrected for ties. b Grouping Variable: Perlakuan Ranks Mean Rank 4.90 6.10

Perlakuan N 2 5 3 5 Total 10 Test Statistics(b)

Mann-Whitney U Wilcoxon W Z Asymp. Sig. (2-tailed) Exact Sig. [2*(1-tailed Sig.)] a Not corrected for ties. b Grouping Variable: Perlakuan Ranks Perlakuan N Mean Rank 2 5 5.00 4 5 6.00 Total 10 Test Statistics(b) Mann-Whitney U Wilcoxon W Z Asymp. Sig. (2-tailed) Exact Sig. [2*(1-tailed Sig.)] a Not corrected for ties. b Grouping Variable: Perlakuan Praktikum Biostatistika

Jumlah Polikel 4.000 19.000 -1.814 .070 .095(a)


Jumlah Polikel 9.500 24.500 -.638 .523 .548(a)


Jumlah Polikel 10.000 25.000 -.537 .591 .690(a)

80

Perlakuan 2 5 Total

N 5 5 10




Perlakuan 3 4 Total

N 5 5 10


Jumlah Polikel .000 15.000 -2.685 .007 .008(a)



Perlakuan 3 5 Total

N 5 5 10



Jumlah Polikel 5.000 20.000 -1.596 .110 .151(a)


81

Test Statistics(b) Jumlah Polikel .000 15.000 -2.660 .008 .008(a)

Mann-Whitney U Wilcoxon W Z Asymp. Sig. (2-tailed) Exact Sig. [2*(1-tailed Sig.)] a Not corrected for ties. b Grouping Variable: Perlakuan

Perlakuan 4 5 Total


N 5 5 10


Test Statistics(b) Jumlah Polikel .000 15.000 -2.694 .007 .008(a)

Mann-Whitney U Wilcoxon W Z Asymp. Sig. (2-tailed) Exact Sig. [2*(1-tailed Sig.)] a Not corrected for ties. b Grouping Variable: Perlakuan Kesimpulan :

Hasil analisis Mann-Whitney dapat disingkat sebagai berikut : Signifikansi Perlakuan 4 3

Mean Rank 20.00

0.05

0.01

A

A

16.60

A

AB

2

15.10

AB

AB

1

9.50

BC

BC

3.80

C

C

5

Jadi jumlah Polikel perlakuan 1 tidak berbeda nyata (P>0,05) dengan perlakuan 2 dan 5, sebaliknya perlakuan 1 berbeda nyata (P<0,05) dengan perlakuan 3 dan berbeda sangat nyata (P<0,01) dengan perlakuan 4. Jika kita ingin menggambar dalam bentuk Grafik Bar, Klik Graph, pilih Bar, Klik atau pilih Simple, Klik Define, maka nuncul Gambar 7.8.1.3 Praktikum Biostatistika

82

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 10

Mean Jumlah Polikel

8

6

4

2

0 1

2

3

4

5

Perlakuan


83

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 Ginjal kanan Ginjalkiri

1 1 0

2 1 0

3 1 1

4 0 1

5 1 0

6 0 1

7 0 1

8 1 1

9 1 0

10 1 1

Panggil atau keluarkan program SPSS Klik Variabel View, maka muncul Gambar 1.8.2.1

Gambar 1.8.2.1. Kotak Dialog variable View Ketik GKanan dan GKiri pada Kolom Name, ketik angka 0 pada Kolom Decimals dan pada Kolom Label ketik Ginjal Kanan dan Ginjal Kiri, Klik Data View pada pojok kiri bawah maka muncul gambar 2.8.2.1

Gambar 2.8.2.1. Data View Praktikum Biostatistika

84

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) Positive Differences(b) Ties(c) Total

4 5 1 10

a Ginjal Kiri < Ginjal Kanan b Ginjal Kiri > Ginjal Kanan c Ginjal Kiri = Ginjal Kanan Test Statistics(b) Ginjal Kiri - Ginjal Kanan Exact Sig. (2-tailed) 1.000(a) a Binomial distribution used. b Sign Test Kesimpulan : Tidak terdapat perbedaan yang nyata (P>0,05) kelainan Ginjal Kanan dan Kiri. Lihat Sig 1.000>0,05. Praktikum Biostatistika

85

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 1 2 3 4 5 6 7 8 9 10 11 12

Kios (i) 1 0 1 0 0 0 0 0 0 0 0 1 1

2 0 0 1 0 0 1 1 0 1 0 0 0

3 1 1 1 1 1 0 0 1 0 0 1 1

4 1 1 1 1 1 1 1 1 1 1 1 1


Gambar 1.8.2.2 Kotak Dialog Variable View Praktikum Biostatistika

86

Ketik Kios1, Kios2, Kios3 dan Kios4 pada Kolom Name, ketik angka 0 pada Kolom decimals, pada Kolom Label ketik Ketik Kios 1, Kios 2, Kios 3 dan Kios 4, Klik Data View pada pojok kiri bawah maka muncul Gambar 2.8.2.2

Gambar 2.8.2.2. Data View Salin atau ketik data dari Tabel hasil Uji Eber pada Kolom Kios 1, Kioas 2, Kioas 3 dan Kioas 4, seperti tampak pada Gambar 2.8.2.2. Klik Analyce, pilih Nonparametric Tests ►Klik K Related Samples, maka muncul Gambar 3.8.2.2


87

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 Value

Kios 0 9 8 4 0

Kios1 Kios2 Kios3 Kios4

1 3 4 8 12

Test Statistics N Cochran's Q Df Asymp. Sig. a 0 is treated as a success.

12 14.163(a) 3 .003

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


88

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 Kios2 Kios1 0 1 0 5 4 1 3 0 Kios1 & Kios3 Kios3 0 1 0 4 5 1 0 3

Kios1

Kios1 & Kios4 Kios4 Kios1 0 1 0 0 9 1 0 3


89

Kios2 & Kios3 Kios3 Kios2 0 1 0 1 7 1 3 1 Kios2 & Kios4 Kios4 0 1 0 0 8 1 0 4

Kios2

Kios3 & Kios4 Kios4 Kios3 0 1 0 0 4 1 0 8 Test Statistics(b)

Kios1 & Kios2 12

Kios1 & Kios1 & Kios2 & Kios2 & Kios3 Kios4 Kios3 Kios4 12 12 12 12

N Exact Sig. (21.000(a) .063(a) tailed) a Binomial distribution used. b McNemar Test

.004(a)

.344(a)

.008(a)

Kios3 & Kios4 12 .125(a)

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 1 2 3 4

Jumlah Positif 3 4 8 12


Signifikansi 0.05 a a ab b

0.01 a a ab b

90

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 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Sebelum 6 5 4 3 7 3 2 2 4 5 6 4 6 7 2

Sesudah 5 6 7 7 5 7 6 7 6 6 6 7 7 7 7


Gambar 1.8.1.3. Kotak Dialog Variable View Ketik Sebelum dan Sesudah pada Kolom Name, pada Kolom Decimal ketik angka 0, kemudian Klik Data View pada pojok kiri bawah maka muncul Gambar 2.8.2.3.


91

Gambar 2.8.2.3. Data View Ketik atau salin datanya dari tabel diatas pada kolom Sebelum dan sesudah, seperti tampak pada Gambar 2.8.2.3 Klik Analyze pilih Nonparametric Tests ►Klik 2 Related Samples, maka muncul Gambar 3.8.2.3

Gambar 3.8.2.3. Kotak Dialog Two Related Sample Test


92

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

Sesudah - Sebelum

Negative Ranks Positive Ranks Ties Total

N 2(a) 11(b) 2(c) 15

Mean Rank 4.00 7.55


a Sesudah < Sebelum b Sesudah > Sebelum c Sesudah = Sebelum Test Statistics(b) Sesudah - Sebelum Z -2.634(a) Asymp. Sig. (2-tailed) .008 a Based on negative ranks. b Wilcoxon Signed Ranks Test Kesimpulan : Penyedap rasa berpengaruh sangat nyata (P<0,01) terhadap citarasa daging sapi atau citarasa daging sapi yang diberikan penyedap sangat nyata (P<0,01) lebih enak citarasanya dari pada yang tidak diberikan penyedap makanan.

8.2.4. Uji Friedman Seorang peneliti ingin mengetahui perbedaan titer antibody pada ayam buras jantan yang diberikan 4 jenis vaksin yang berbeda. Pengukuran antobodi dilakukan setiap minggu yaitu pada minggu pertama,kedua dan ketiga Praktikum Biostatistika

93

Tabel. 1.8.2.4. Data Titer Antibody Ayam Buras. Minggu ke 1 2 3 4 5 6

Jenis vaksin 1 5 10 8 4 9 7

2 2 8 4 1 7 3

3 1 7 5 2 8 3

4 3 9 7 2 8 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

Gambar 2.8.2.4. Data View Praktikum Biostatistika

94

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 4,00 1,58 1,92 2,50

Vaksin 1 Vaksin 2 Vaksin 3 Vaksin 4

Test Statistics(a) N Chi-Square Df Asymp. Sig. a Friedman Test


6 13,000 3 ,005

95

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 :


96

NPar Tests Wilcoxon Signed Ranks Test Ranks

Vaksin 2 - Vaksin 1

Vaksin 3 - Vaksin 1

Vaksin 4 - Vaksin 1

Vaksin 3 - Vaksin 2

Vaksin 4 - Vaksin 2

Vaksin 4 - Vaksin 3

Negative Ranks Positive Ranks Ties Total Negative Ranks Positive Ranks Ties Total Negative Ranks Positive Ranks Ties Total Negative Ranks Positive Ranks Ties Total Negative Ranks Positive Ranks Ties Total Negative Ranks Positive Ranks Ties Total

N 6(a) 0(b) 0(c) 6 6(d) 0(e) 0(f) 6 6(g) 0(h) 0(i) 6 2(j) 3(k) 1(l) 6 1(m) 5(n) 0(o) 6 1(p) 3(q) 2(r) 6

Mean Rank 3,50 ,00

Sum of Ranks 21,00 ,00

3,50 ,00

21,00 ,00

3,50 ,00

21,00 ,00

3,00 3,00

6,00 9,00

5,00 3,20

5,00 16,00

2,50 2,50

2,50 7,50

Test Statistics(c)

Z Asymp. Sig. (2tailed)

Vaksin 2 - Vaksin 1 -2,220(a)



Vaksin 3 - Vaksin 2 -,447(b)

Vaksin 4 - Vaksin 2 -1,186(b)

Vaksin 4 - Vaksin 3 -1,000(b)

,026

,027

,026

,655

,236

,317

a Based on positive ranks. b Based on negative ranks. c Wilcoxon Signed Ranks Test


97

Kesimpulan : Untuk mempermudah menyimpulkannya kita tampilkan dalam bentuk tabel dibawah ini Signifikansi Vaksin Vaksin 2 Vaksin 3 Vaksin 4 Vaksin 1

Mean Rank 1,58 1,92 2,50 4,00

0.05 a a ab b

0.01 a a a 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 Feses Daging

1 3 2

2 3 2

3 3 1

4 2 1

Ayam Broiler 5 6 7 4 3 0 3 2 0

8 0 0

9 1 1

10 2 1

Panggil Program SPSS, Variable View, maka muncul Gambar 1.8.3.

Gambar 1.8.3. Kotak Dialog Variable View Praktikum Biostatistika

98

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


99

Kelik Feses Ayam dan Daging Ayam , pindahkan dengan tanda ►ke kotak Variable(s), lalu Klik OK, maka muncul Gambar 4.8.3.

Gambar 4.8.3. Data View Klik Analyze, pilih Corelate►Klik Bivariate, maka muncul Gambar 5.8.3

Gambar 5.8.3. Kotak Dialog Bivariate Correlations Praktikum Biostatistika

100

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 Spearman's rho

RANK of Daging

RANK of Feses

Correlation 1.000 Coefficient Sig. (2-tailed) . N 10 RANK of Correlation .921(**) Daging Coefficient Sig. (2-tailed) .000 N 10 ** Correlation is significant at the 0.01 level (2-tailed).

.921(**) .000 10 1.000 . 10

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 Spearman's rho

Feses Correlation Ayam Coefficient Sig. (2-tailed) N Dagin Correlation g Coefficient Ayam Sig. (2-tailed) N

Daging Ayam

1.000

.921(**)

. 10

.000 10

.921(**)

1.000

.000

.

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 (**).


101

XIII. STATISTIKA NON PARAMETRIKA

Recommend Documents