STATISTIK 3 PENGANTAR STATISTIK NON PARAMETRIK BIDANG KESEHATAN
STATISTIK 3 PENGANTAR STATISTIK NON PARAMETRIK BIDANG KESEHATAN MASYARAKAT dandy. maslow@alumni. ui. ac. id
MENU � Penjelasan Umum mengenai M. A Statistik Non. Parametrik � Pengertian biostatistik nonparametrik � Pembagian biostatistik nonparametrik
KONTRAK PEMBELAJARAN
DATA dan VARIABEL • Data = ‘datum’ = kumpulan fakta hasil pengukuran suatu variabel/karakteristik • Contoh: – Variabel: Berat badan Data = 60, 65, 68 – Variabel: Jenis kelamin = L, P, P • Jenis data : – Primer/sekunder/tertier – Kuantitatif/kualitatif – Diskrit/kontinu
SKALA PENGUKURAN VARIABEL • • Nominal = (Beda) Ordinal = (Beda, Tingkatan) Interval = (Beda, Tingkatan, Jarak) Ratio = (Beda, Tingkatan, Jarak, Kelipatan)
Skala Pengukuran Variabel CIRI Skala Membedakan Tingkatan Besar Beda Kelipatan Nominal + _ _ _ Ordinal + + _ _ Interval + + + _ Rasio + +
TIPE DATA • DISKRET/Bilangan Bulat Discrete data is basically counting-- in mathematics we say you can put it into one-to -one correspondence with the integers. • KONTINU Between two bounds any value is (theoretically) achievable. Ex: time, length, mass, temperature. . . etc
Contoh Data Diskrit
SUMBER DATA • Intern • Ekstern 1. primer : observasi, Wawancara, FGD, eksperimen, dll 2. sekunder: laporan, survei nasional, SDKI, Riskesdas, Rifaskes, dll 3. tersier
Pembagian Ilmu Statistik � Statistik parametrik adalah ilmu statistik yang digunakan untuk data-data yang memiliki sebaran normal. � Statistik nonparametrik tidak mensyaratkan bentuk sebaran parameter populasi. Statistik nonparametrik dapat digunakan pada data yang memiliki sebaran normal atau tidak. Statistik nonparametrik biasanya digunakan untuk melakukan analisis pada data nominal atau ordinal.
Pembagian Ilmu Statistik � Statistik non-parametrik termasuk salah satu bagian dari statistik inferensi atau statistik induktif. Uji statistik non-parametrik sering juga disebut statistik bebas distribusi (distribution-free statistics), karena prosedur pengujiannya tidak membutuhkan asumsi bahwa pengamatan berdistribusi normal (Kuzma, 1973).
Langkah-Langkah Pemilihan Metode Statistik 1. Apakah distribusi data diketahui? � Jika distribusi data tidak diketahui maka statistik yang sesuai adalah statistik nonparametrik. � Jika distribusi data diketahui, maka kita harus melihat jenis distribusi data
Langkah-Langkah Pemilihan Metode Statistik 2. Apakah data berdistibusi normal? � Jika data tidak berdistribusi normal, maka statistik yang sesuai adalah statistik nonparametrik. � Jika data berdistribusi normal, maka statistik yang sesuai adalah statistik parametrik
Langkah-Langkah Pemilihan Metode Statistik 3. Apakah sampel ditarik secara random? � Jika sampel tidak ditarik secara random, maka statistik yang sesuai adalah statistik nonparametrik. � Jika sampel ditarik secara random, maka statistik yang sesuai adalah statistik parametrik
Langkah-Langkah Pemilihan Metode Statistik 4. Apakah varians kelompok sama? � Jika varians kelompok tidak sama, maka statistik yang sesuai adalah statistik nonparametrik. � Jika varians kelompok sama, maka statistik yang sesuai adalah statistik
Langkah-Langkah Pemilihan Metode Statistik 5. Bagaimana jenis skala pengukuran data? � Jika skala pengukuran data nominal dan ordinal, maka statistik yang sesuai adalah statistik nonparametrik. � Jika skala pengukuran data interval dan rasio, maka statistik yang sesuai adalah statistik parametrik.
PEDOMAN PENGGUNAAN UJI STATISTIK MULAI NOMINAL / ORDINAL TIPE DATA STATISTIK NON-PARAMETRIK INTERVAL / RASIO DISTRIBUSI DATA TIDAK NORMAL <30 (KECIL) NORMAL BESAR SAMPEL >30 (BESAR) STATISTIK PARAMETRIK
Statistik Nonparametrik � Istilah nonparametrik pertama kali digunakan oleh Wolfowitz, pada tahun 1942. � Metode statistik nonparametrik merupakan metode statistik yang dapat digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode statistik parametrik, terutama yang berkaitan dengan distribusi normal. � Istilah lain yang sering digunakan untuk statistik nonparametrik adalah statistik bebas distribusi (distribution-free statistics) dan uji bebas asumsi (assumption-free test).
Statistik Nonparametrik � Statistik nonparametrik tidak mensyaratkan bentuk sebaran parameter populasi berdistribusi normal. � Statistik nonparametrik dapat digunakan untuk menganalisis data yang berskala nominal atau ordinal karena pada umumnya data berjenis nominal dan ordinal tidak menyebar normal. � Dari segi jumlah data, pada umumnya statistik nonparametrik digunakan untuk data berjumlah kecil (n < 30).
Keunggulan Statistik Nonparametrik � � � 1. Asumsi dalam uji-uji statistik nonparametrik relatif lebih longgar. Jika pengujian data menunjukkan bahwa salah satu atau beberapa asumsi yang mendasari uji statistik parametrik (misalnya mengenai sifat distribusi data) tidak terpenuhi, maka statistik nonparametrik lebih sesuai diterapkan dibandingkan statistik parametrik. 2. Perhitungan-perhitungannya dapat dilaksanakan dengan cepat dan mudah, sehingga hasil penelitian segera dapat disampaikan. 3. Untuk memahami konsep-konsep dan metode-metodenya tidak memerlukan dasar matematika serta statistika yang mendalam. 4. Uji-uji pada statistik nonparametrik dapat diterapkan jika kita menghadapi keterbatasan data yang tersedia, misalnya jika data telah diukur menggunakan skala pengukuran yang lemah (nominal atau ordinal). 5. Efisiensi statistik nonparametrik lebih tinggi dibandingkan dengan metode parametrik untuk jumlah sampel yang sedikit.
Keterbatasan Statistik Nonparametrik � Disamping keunggulan, statistik nonparametrik juga memiliki keterbatasan. Beberapa keterbatasan statistik nonparametrik antara lain: � 1. Jika asumsi uji statistik parametrik terpenuhi, penggunaan uji nonparametrik meskipun lebih cepat dan sederhana, akan menyebabkan pemborosan informasi. � 2. Jika jumlah sampel besar, tingkat efisiensi nonparametrik relatif lebih rendah dibandingkan dengan metode parametrik. � 3. Statistik nonparametrik tidak dapat dipergunakan untuk membuat prediksi (peramalan).
Jenis Uji Statistik Non Parametrik � Uji kasus satu sampel - Binomial, X 2, Kolmogorov-Smirnov, Run Test � Uji kasus dua sampel: Dependen dan Independen - Mc. Nemar, Sign, Wilcoxon, Mann-Whitney � Uji kasus “k” sampel : Dependen dan Independen - Q Cochran, Friedman, Kruskal Wallis � Uji korelasi Kontigensi, Korelasi (Spearman, Kendall), mantel-haenszel, Kappa Cohen
PENGGUNAAN STATISTIK NON PARAMETRIK APLIKASI Dua sampel saling dependen sampels) TEST PARAMETRIK berhubungan (Two T test Z test TEST NONPARAMETRIK Dua sampel tidak Independen Sampels) berhubungan (Two T test Z test Beberapa sampel berhubungan Dependent Sampels) (several Beberapa sampel tidak berhubungan (several Independent Sampels) ANOVA test (F test) Sign test Wilcoxon Signed-Rank Mc Nemar Change test Mann-whitney U test Moses Extreme Reactions Chi-Square test Kolmogorov-Smirnov test Wald-Wolfowitz runs Freidman test Kendall W test Cochran’s Q Kruskal-Wallis test Chi-Squre test Median test
Rangkuman Uji (Sidney Siegel, 1956, 1994)
LATIHAN No No Identitas 1 2 3 4 5 6 7 8 9 10 799602 799842 746092 746470 746243 746230 746325 746022 746400 746501 Jenis Status kelamin Perkawinan P K P K P BK L BK Umur 28 30 25 30 29 26 39 36 26 26 Pendidikan Ras Bapak S 2 SASAK S 1 BUGIS SMU JAWA SMP JAWA S 2 SUNDA SMP TIONGHOA S 2 MINAHASA S 2 JAWA S 1 JAWA Jumlah Anak 1 1 0 2 2 0 0 Tinggi Badan 165 157 178 165 165 157 158 157 174 Berat Badan 60 57 72 55 75 56 65 70 53 100 Skore IQ Motivasi Belajar 130 80 135 75 130 90 135 90 100 80 110 80 100 85 Status Sosial MENENGAH MENENGAH MENENGAH CUKUP Tentukan Jenis Data untuk setiap variabel di atas (Nominal, Ordinal, Interval, Ratio)
- Slides: 26