XIII. STATISTIKA NON PARAMETRIKA

(1)

Praktikum Biostatistika 63

XIII. STATISTIKA NON PARAMETRIKA

8.1. Pengujian Data Tidak Berpasangan

8.1.1 Uji Khi-Khuadrat (X2)

Suatu kejadian penyakit disuatu daerah menyerang anak babi yang baru disapih dengan tingkat kematian belum diketahui. Peneliti ingin mencoba menurunkan tingkat kematian anak babi tersebut dengan mencobakan dua jenis obat yaitu obat A danB untuk membuktikan keampuhan obatnya peneliti melakukan percobaan dengan menggunakan 90 ekor anak babi percobaan dan diperoleh hasil sebagai berikut :

Tabel 1.8.1.1. Hasil Penelitian 90 ekor Anak Babi Penderita

Pengobatan Sembuh mati Jumlah

Tanpa obat Obat A Obat B 16 22 24 14 8 6 30 30 30 Jumlah 62 28 90

Dari hasil yang diperoleh peneliti ingin mengetahui apakah pengibatan tersebut bisa menurunkan tingkat kematian babi anak babi penderita

Panggil atau keluarkan program SPSS

Klik Variabel View, maka muncul Gambar 1.8.1.1

Gambar 1.8.1.1. Kotak Dialog Variable View

Ketik Pengobatan, Hasil dan Data pada Kolom Name, angka 0 pada Kolom Decimals dan pada Kolom Label ketik pula Pengobatan, Hasil dan Data .

(2)

Praktikum Biostatistika 64 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

(3)

Praktikum Biostatistika 65 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

(4)

Praktikum Biostatistika 66 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

(5)

Crosstabs

Pengobatan * Hasil Crosstabulation

Pengobatan

Hasil

Total Sembuh Mati

Tanpa Obat Count 16 14 30

Expected Count 20.7 9.3 30.0 % within Pengobatan _53.3% _46.7% _100.0% Obat A Count 22 8 30 Expected Count 20.7 9.3 30.0 % within Pengobatan 73.3% 26.7% 100.0% Obat B Count 24 6 30 Expected Count 20.7 9.3 30.0 % within Pengobatan _80.0% _20.0% _100.0% TotalCount 62 28 90 Expected Count 62.0 28.0 90.0 % within Pengobatan 68.9% 31.1% 100.0% Chi-Square Tests

Value Df Asymp. Sig. (2-sided)

Pearson Chi-Square 5.392(a) 2 .067

Likelihood Ratio 5.323 2 .070

Linear-by-Linear

Association 4.922 1 .027

N of Valid Cases ₉₀

a 0 cells (.0%) have expected count less than 5. The minimum expected count is 9.33.

Kesimpulan :

Hasilnya tidak berbeda nyata (P<0,05), dapat dilihat dari Asymp. Sig (2-sided) 0,067 > 0,05), jadi pengobatan anak-anak babi yang baru disapih tidak dapat menurunkan tingkat kematian.

(6)

Praktikum Biostatistika 68 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

Ob at B Ob at A Ta np a O ba t Pen go ba tan Mati Sembuh Hasil

(7)

Praktikum Biostatistika 69 8.1.2. Uji Wilcoxon Tidat Berpasangan dan Uji Mann-Whitney.

Seorang peneliti ingin mengetahui perbedaan pH daging ayam dari dua pasar yang berbeda. Untuk tujuan tersebut peneliti membeli 16 potong paha ayam yang terdiri dari 8 potong dari pasar A dan 8 potong dari pasar B kemudian diukur pHnya dan diperoleh hasil sebagai berikut :

Tabel 1.8.1.2. pH Daging Ayam dari Pasar A dan B

Pasar ulangan 1 2 3 4 5 6 7 8 A B 4,8 4,6 4,7 5,2 4,9 5,0 5,2 4,8 5,1 5,0 5,3 5,4 5,6 5,6 5,6 5,7

Klik Variabel View, maka muncul Gambar 1.8.1.2.

Ketik Pasar, Ulanganl dan pH, pada Kolom Name, ketik angka 0, 0 dan 1 pada Kolom Decimals dan ketik Pasar, Ulangan dan pH Daging pada Kolom Label

Klik pada pada baris 1, pojok atas Kolom Values, maka muncul Gambar 2.8.1.2

(8)

Praktikum Biostatistika 70 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.

(9)

Praktikum Biostatistika 71 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

(10)

Praktikum Biostatistika 72 Ketik angka 1 pada Group 1 dan angka 2 pada Group 2, lalu Klik Continu, maka kemabli ke Gambar 5.8.1.2. Klik Ok maka diperoleh hasil analisisnya

NPar Tests

Mann-Whitney Test

Ranks pH

Pasar N Mean Rank Sum of Ranks

A 8 5.06 40.50 B 8 11.94 95.50 Total 16 Test Statistics(b) pH Mann-Whitney U 4.500 Wilcoxon W 40.500 Z -2.903

Asymp. Sig. (2-tailed) .004

Exact Sig. [2*(1-tailed Sig.)] _.002(a) a Not corrected for ties.

b Grouping Variable: Pasar Kesimpulan :

Terdapat perbedaan yang sangat nyata (P<0,01) antara pH Daging Pasar A dibandingkan dengan Pasar B, Lihat Kolom Sig. < 0,01

Jika kita ingin menampilkan dalam bentuk Gambar, maka Klik Graphs, pilih Bar, KLik Define, maka muncul Gambar 7.8.1.2.

(11)

Praktikum Biostatistika 73 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

B A Pasar 6.0 5.0 4.0 3.0 2.0 1.0 0.0 Me an pH Da gin g

(12)

Praktikum Biostatistika 74 8.1.3. Uji Kruskal-Wallis

Seorang peneliti ingin mengetahui perbedaan jumlah polikel yang dihasilkan oleh kambing kacang betina bila diberikan 5 perlakuan yang berbeda untuk tujuan tersebut peneliti melakukan percobaan dengan menggunakan 25 ekor kambing betina.

Tabel 1.8.1.3. Jumlah Polikel Kambing Kacang etina. : Perlakuan ( i) Ulangan 1 2 3 4 5 1 2 3 4 5 6 4 6 8 3 2 4 5 8 1 5 10 10 8 1 2 4 7 9 3 5 11 7 9 1

Ketik Perlakuan, Ulanganl dan Polikel pada Kolom Name, ketik angka 0 pada Kolom Decimal dan pada Kolom Label ketik Perlakuan, Ulanganl dan Jumlah Polikel. Kemudian Klik Data View, maka muncul Gambar 2.8.1.3

(13)

Praktikum Biostatistika 75 Gambar 2.8.1.3. Data View

Klik Tranform, pilih Rank Cases, maka muncul Gambar 3.8.1.3

(14)

Praktikum Biostatistika 76 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

(15)

NPar Tests

Kruskal-Wallis Test

Ranks Jumlah Polikel

Perlakuan N Mean Rank

1 ₅ _9.50 2 5 15.10 3 5 16.60 4 5 20.00 5 ₅ _3.80 Total ₂₅ Test Statistics(a,b) Jumlah Polikel Chi-Square 15.199 Df 4 Asymp. Sig. _.004 a Kruskal Wallis Test

b Grouping Variable: Perlakuan Kesimpulan :

Perlakuan berpengaruh sangat nyata (P<0,01) atau P = 0,004) terhadap Jumlah Polikel

Maka untuk mengetahui antar perlakuan yang mana berbeda jumlah polikelnya dapat dilanjutkan dengan uji Mann-Whitney

Kelik Analyce , pilih Nonparametric Tests ► 2 Independent Samples, maka muncul Gambar 6.8.1.3.

(16)

Praktikum Biostatistika 78 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

Ranks

Perlakuan N Mean Rank Sum of Ranks

1 5 4.80 24.00

2 5 6.20 31.00

(17)

Praktikum Biostatistika 79 Test Statistics(b) Jumlah Polikel Mann-Whitney U 9.000 Wilcoxon W 24.000 Z -.745

Exact Sig. [2*(1-tailed Sig.)] .548(a)

a Not corrected for ties.

b Grouping Variable: Perlakuan Ranks

1 5 3.50 17.50 3 5 7.50 37.50 Total 10 Test Statistics(b) Jumlah Polikel Mann-Whitney U 2.500 Wilcoxon W 17.500 Z -2.135

Exact Sig. [2*(1-tailed Sig.)] _.032(a)

1 5 3.00 15.00 4 5 8.00 40.00 Total 10 Test Statistics(b) Jumlah Polikel Mann-Whitney U .000 Wilcoxon W 15.000 Z -2.668

(18)

Praktikum Biostatistika 80 Ranks

2 5 4.90 24.50 3 5 6.10 30.50 Total 10 Test Statistics(b) Jumlah Polikel Mann-Whitney U 9.500 Wilcoxon W 24.500 Z -.638

2 5 5.00 25.00 4 5 6.00 30.00 Total 10 Test Statistics(b) Jumlah Polikel Mann-Whitney U 10.000 Wilcoxon W 25.000 Z -.537

(19)

Praktikum Biostatistika 81 Ranks

2 5 8.00 40.00 5 5 3.00 15.00 Total 10 Test Statistics(b) Jumlah Polikel Mann-Whitney U .000 Wilcoxon W 15.000 Z -2.685

3 5 8.00 40.00

5 5 3.00 15.00

(20)

Praktikum Biostatistika 82 Test Statistics(b) Jumlah Polikel Mann-Whitney U .000 Wilcoxon W 15.000 Z -2.660

4 5 8.00 40.00 5 5 3.00 15.00 Total 10 Test Statistics(b) Jumlah Polikel Mann-Whitney U _.000 Wilcoxon W 15.000 Z -2.694

Exact Sig. [2*(1-tailed Sig.)] _.008(a)

b Grouping Variable: Perlakuan Kesimpulan :

Hasil analisis Mann-Whitney dapat disingkat sebagai berikut :

Perlakuan Mean Rank

Signifikansi 0.05 0.01 4 20.00 A A 3 16.60 A AB 2 _15.10 AB AB 1 _9.50 BC BC 5 3.80 C C

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

(21)

Praktikum Biostatistika 83 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 5 4 3 2 1 Perlakuan 10 8 6 4 2 0 M ean Ju m lah P ol ikel

(22)

8.2. Pengujian Data Berpasangan

8.2.1. Uji Tanda.

Seorang peneliti ingin mengetahui perbedaan kelainan ginjal kanan dan kiri pada ternak kelinci akibat pemberian insektisida pada pakannya. Dari 10 ekor kelinci yang diperiksa diperoleh data sebagai berikut :

Tabel 1.8.2.1 Kelainan Ginjal (1=ada kelainan, 0=tidak ada kelainan) Kelinci 1 2 3 4 5 6 7 8 9 10 Ginjal kanan 1 1 1 0 1 0 0 1 1 1 Ginjalkiri 0 0 1 1 0 1 1 1 0 1 Panggil atau keluarkan program SPSS

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

(23)

Praktikum Biostatistika 85 Klik Analyce, pilih Nonparametric Tests ►Klik 2 Related Samples, maka muncul Gambar 3.8.2.1

Gambar 3.8.2.1 Two Related Sample Test

Kelik Ginjal Kanan dan Ginjal Kiri secara bersamaan, pindahkan dengan tanda ►ke kotak Test Pair(S)List, berikan tanda V pada kotak Sign, kemudian Klik OK maka diperoleh hasil analisisnya :

NPar Tests

Sign Test

Frequencies

N

Ginjal Kiri - Ginjal Kanan Negative Differences(a) 4

Positive Differences(b) 5

Ties(c) 1

Total 10

a Ginjal Kiri < Ginjal Kanan b Ginjal Kiri > Ginjal Kanan c Ginjal Kiri = Ginjal Kanan

Test Statistics(b)

Ginjal Kiri - Ginjal Kanan

Exact Sig. (2-tailed) 1.000(a)

a Binomial distribution used. b Sign Test

Kesimpulan :

Tidak terdapat perbedaan yang nyata (P>0,05) kelainan Ginjal Kanan dan Kiri. Lihat Sig 1.000>0,05.

(24)

Praktikum Biostatistika 86 8.2.2. Uji Cochran

Salah satu cara untuk mengetahui adanya pembusukan pada daging adalah dengan mengunakan uji Eber. Seorang peneliti ingin pemeriksaan adanya pembusukan daging sapi yang dijual sore hari disuatu asar. Pada pasar tersebut terdapat 4 kios daging sapi peneliti ingin mengetahui apakah terdapat perbedaan diantara kios tersebut. Untuk tujuan tersebut peneliti mengambil sample tiap hari selama 12 hari data yang diperoleh sebagai berikut :

Tabel 1.8.2.2. Hasil Uji Eber.

Hari ke-j Kios (i)

1 2 3 4 1 2 3 4 5 6 7 8 9 10 11 12 0 1 0 0 0 0 0 0 0 0 1 1 0 0 1 0 0 1 1 0 1 0 0 0 1 1 1 1 1 0 0 1 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1

(25)

Praktikum Biostatistika 87 Ketik Kios1, Kios2, Kios3 dan Kios4 pada Kolom Name, ketik angka 0 pada Kolom decimals, pada Kolom Label ketik Ketik Kios 1, Kios 2, Kios 3 dan Kios 4, Klik Data View pada pojok kiri bawah maka muncul Gambar 2.8.2.2

Salin atau ketik data dari Tabel hasil Uji Eber pada Kolom Kios 1, Kioas 2, Kioas 3 dan Kioas 4, seperti tampak pada Gambar 2.8.2.2.

Klik Analyce, pilih Nonparametric Tests ►Klik K Related Samples, maka muncul Gambar 3.8.2.2

(26)

Praktikum Biostatistika 88 Gambar 3.8.2.2. Test for Several Related Samples

Klik : Kios1 KIos 2 Kios 3 Kios 4 secara bersamaan, kemudian pindahkan dengan tanda ►ke kotak Test Variable, tandai dengan tanda V pada kotak Cochran’s Q, kemudian Klik OK, maka diperoleh hasil analisis sebagai berikut :

NPar Tests

Cochran Test

Frequencies

Kios Value 0 1 Kios1 9 3 Kios2 8 4 Kios3 4 8 Kios4 0 12 Test Statistics N 12 Cochran's Q 14.163(a) Df 3 Asymp. Sig. .003 a 0 is treated as a success. Kesimpulan :

Kios berpengaruh sangat nyata (P< 0,01) atau (P=0,003) terhadap hasil Uji Eber, untuk mengetahui Kios mana saja yang memberikan hasil yang berbeda dilanjutkan dengan Uji MC Nemar

(27)

Praktikum Biostatistika 89 Kembali lagi ke Gambar 2.8.2.2, kemudian Klik Analyce , pilih Nonparametric Tests ►Klik 2 Related Samples, maka muncul Gambar 4.8.2.2.

Gambar 4.8.2.2 Kotak Dialog Two Related Sample Test

Klik Pasang demi pasang variable yang diuji, pindahkan dengan tanda ►ke kotak Test(s) List, seperti tampak pada Gambar 4.8.2.2.

Tandai dengan tanda V pada kotak McNemar, Klik OK maka diperoleh hasil analisisnya

NPar Tests

McNemar Test

Crosstabs

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

(28)

Praktikum Biostatistika 90 Kios2 & Kios3

Kios2 Kios3 0 1 0 1 7 1 3 1

Kios3 & Kios4 Kios3 Kios4 0 1 0 0 4 1 0 8 Test Statistics(b) Kios1 & Kios2 Kios1 & Kios3 Kios1 & Kios4 Kios2 & Kios3 Kios2 & Kios4 Kios3 & Kios4 N 12 12 12 12 12 12 Exact Sig.

(2-tailed) 1.000(a) .063(a) .004(a) .344(a) .008(a) .125(a) a Binomial distribution used.

b McNemar Test Kesimpulan :

Dari Tabel Test Statistic(b) diatas dapat disimpulkan :

Hasil Eber Kios 1 tidak berbeda nyata (P>0,05) dengan kios 2 dan 3, tetapi hasil uji Eber Kios berbeda sangat nyata P<0,01 dengan Kios 4. Demikian juga hasil uji Eber antara Kios 2 berbeda sangat nyata (P<0,01) dengan Kios 4, tetapi antara Kios 3 dan Kios 4 tidak berbeda nyata (P>0,05) Bisa disajikan dalam bentuk Tabel dibawah ini

Kios Jumlah Positif Signifikansi 0.05 0.01 1 3 a a 2 4 a a 3 8 ab ab 4 12 b b

(29)

Praktikum Biostatistika 91 8.2.3. Uji Wilcoxon Berpasangan

Dari 15 panelis yang digunakan untuk mengetahuiperbedaan citarasa antara daging sapi sebelum dan sesudah diberikan penyedap rasa dipeoleh hasil sebagai berikut:

Tabel 1.8.2.3. Hasil Uji Citarasa 15 Panelis.

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

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

(30)

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

(31)

Praktikum Biostatistika 93 Klik Sebelum dan Sesudah secara bersamaan, pindahkan dengan tanda ►ke kotak Test Pair(s) List, tandai dengan tanda V pada Kotak Wilcoxon, kemudian Klik OK, maka diperoleh hasil analisisnya

NPar Tests

Wilcoxon Signed Ranks Test

Ranks N Mean Rank Sum of Ranks Sesudah - Sebelum Negative Ranks 2(a) 4.00 8.00

Positive Ranks 11(b) 7.55 83.00 Ties 2(c) Total 15 a Sesudah < Sebelum b Sesudah > Sebelum c Sesudah = Sebelum Test Statistics(b) Sesudah - Sebelum Z -2.634(a)

a Based on negative ranks. b Wilcoxon Signed Ranks Test Kesimpulan :

Penyedap rasa berpengaruh sangat nyata (P<0,01) terhadap citarasa daging sapi atau citarasa daging sapi yang diberikan penyedap sangat nyata (P<0,01) lebih enak citarasanya dari pada yang tidak diberikan penyedap makanan.

8.2.4. Uji Friedman

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

(32)

Praktikum Biostatistika 94 Tabel. 1.8.2.4. Data Titer Antibody Ayam Buras.

Minggu ke Jenis vaksin

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

Gamabar 1.8.2.4. Kotak Dialog Variable View

Ketik Vaksin1, Vaksin2, Vaksin3 dan Vaksin4 pada Kolom Name, pada KOlom Decimals ketik angka 0, pada Kolom Label ketik Vaksin 1, Vaksin 2, Vaksin 3 dan Vaksin 4, kemudian Klik Data View maka muncul Gambar 2.8.2.4

(33)

Praktikum Biostatistika 95 Klik Analyce pilih Nonparametric Tests ►Klik K Related Samples, maka muncul

Gambar 3.8.2.4.

Gambar 3.8.2.4. Kotak Dialog Tests for Related Samples

Klik Vaksin1 Vaksin 2 Vaksin 3 dan Vaksin 4 secara bersamaan pindahkan dengan tanda ►ke Test Variales, tandai dengan tanda V pada kotak Riedman, kemudian Klik OK, maka diperoleh hasil analisis sebagai berikut :

NPar Tests

Friedman Test

Ranks Mean Rank Vaksin 1 4,00 Vaksin 2 1,58 Vaksin 3 1,92 Vaksin 4 2,50 Test Statistics(a) N 6 Chi-Square 13,000 Df 3 Asymp. Sig. ,005 a Friedman Test

(34)

Praktikum Biostatistika 96 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 :

(35)

NPar Tests

Wilcoxon Signed Ranks Test

Ranks N Mean Rank Sum of Ranks Vaksin 2 - Vaksin 1

Negative Ranks 6(a) 3,50 21,00

Positive Ranks 0(b) ,00 ,00 Ties 0(c) Total 6 Vaksin 3 - Vaksin 1 Negative Ranks 6(d) 3,50 21,00

Positive Ranks 0(e) ,00 ,00

Ties 0(f) Total 6 Vaksin 4 - Vaksin 1 Negative Ranks 6(g) 3,50 21,00 Positive Ranks 0(h) ,00 ,00 Ties 0(i) Total 6 Vaksin 3 - Vaksin 2 Negative Ranks 2(j) 3,00 6,00 Positive Ranks 3(k) 3,00 9,00 Ties 1(l) Total 6 Vaksin 4 - Vaksin 2 Negative Ranks 1(m) 5,00 5,00 Positive Ranks 5(n) 3,20 16,00 Ties 0(o) Total 6 Vaksin 4 - Vaksin 3 Negative Ranks 1(p) 2,50 2,50 Positive Ranks 3(q) 2,50 7,50 Ties 2(r) Total 6 Test Statistics(c) Vaksin 2 - Vaksin 1 Vaksin 3 - Vaksin 1 Vaksin 4 - Vaksin 1 Vaksin 3 - Vaksin 2 Vaksin 4 - Vaksin 2 Vaksin 4 - Vaksin 3

Z -2,220(a) -2,214(a) -2,232(a) -,447(b) -1,186(b) -1,000(b)

Asymp. Sig.

(2-tailed) ,026 ,027 ,026 ,655 ,236 ,317

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

(36)

Praktikum Biostatistika 98 Kesimpulan :

Untuk mempermudah menyimpulkannya kita tampilkan dalam bentuk tabel dibawah ini

Vaksin Mean Rank

Signifikansi 0.05 0.01 Vaksin 2 1,58 a a Vaksin 3 1,92 a a Vaksin 4 2,50 ab a Vaksin 1 4,00 b a

Titer andtibody yang diberikan Vaksin 2 tidak berbeda nyata (P>0,5) dengan Vaksin 3 dan Vaksin 4, tetapi berbeda nyata (P<0,050 dibandingkan dengan Vaksin 1.

Titer antibody Vaksin 1 tidak berbeda nyata (P>0,05) dengan vaksin 4, tetapi berbeda nyata (P<0,5) dengan Vaksin 3 dan Vaksin 4.

8.3. Korelasi Rank Spearman

Seorang peneliti ingin mencari korelasi antara adanya bahan berbahaya pada Feses dan pada daging ayam Broiler dengan skor (0=tidak ada, 1=di bawah normal, 2=Normal, 3=di atas normal dan 4=jauh diatas normal). Hasilnya seperti table berikut :

Tabel 1.8.3. Bahan berbahaya pada Feses dan daging Ayam Briler.

Peubah Ayam Broiler

1 2 3 4 5 6 7 8 9 10

Feses 3 3 3 2 4 3 0 0 1 2

Daging 2 2 1 1 3 2 0 0 1 1

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

(37)

Praktikum Biostatistika 99 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.

(38)

Praktikum Biostatistika 100 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

(39)

Praktikum Biostatistika 101 Klik RANK of Feses dan RanKk of Daging, pindahkan dengan tanda►ke kotak Variables, berikan tanda V pada kotak Sperman, kemudian Klik OK maka diperoleh hasil analisis sebagai berikut :

Nonparametric Correlations

Correlations RANK of Feses RANK of Daging Spearman's rho RANK of Feses Correlation Coefficient 1.000 .921(**) Sig. (2-tailed) . .000 N 10 10 RANK of Daging Correlation Coefficient .921(**) 1.000 Sig. (2-tailed) .000 . N 10 10

** Correlation is significant at the 0.01 level (2-tailed). Catatan :

sebenarbya data tidak perlu di Ranking, langsung saja dianalisis karena Computer meranking sendiri sebelam dianalisis, hasilnya sama saja yitu sebagai berikut :

Nonparametric Correlations

Correlations

Feses Ayam Daging Ayam

Spearman's rho Feses Ayam Correlation Coefficient 1.000 .921(**) Sig. (2-tailed) . .000 N 10 10 Dagin g Ayam Correlation Coefficient .921(**) 1.000 Sig. (2-tailed) .000 . N ₁₀ ₁₀

** Correlation is significant at the 0.01 level (2-tailed). Kesimpulan :

Terjadi korelasi yang sangat nyata (P<0,01) anatara zat berbahaya yang terdapat di Feses dengan pada Daging ayam Broiler Lihat Sig 0.000<0,01 dan tanda (**).