Uji 2 Sampel Tidak Berpasangan Bag 4a (Uji Fisher Exact) Mugi Wahidin, SKM, M.Epid Prodi Kesehatan Masyarakat Univ Esa Unggul

Pokok bahasan Pengertian dan Penggunaan Uji 2 Sampel Tidak Berpasangan Pengertian dan Penggunaan Uji Fisher Exact Contoh Kasus Aplikasi SPSS

Data Tidak berpasangan 1 sampel Data berpasangan Komparasi 2 sampel Macam Stat NPar Komparasi > 2 sampel Data Tidak berpasangan Asosiasi

Data ≠ berpasangan Komparasi 2 sampel Komparasi > 2 sampel Nominal Uji X2 k sampel Uji Fisher Exact Uji Mann U Whitney Uji Run Wald Wolfowitz Uji Kruskall Wallis Uji K-S Ordinal

Pengertian dan Penggunaan Uji 2 Sampel Tidak Berpasangan Sangat sulitnya mendapatkan sepasang sampel yang homogen, yang dapat memenuhi prinsip- prinsip untuk menguji dua sampel yang berpasangan (kecuali dalam disain penelitian “sebelum” dan “sesudah”) Lebih baik dipilih pengujian statistik untuk dua sampel yang tidak berpasangan.

Pengertian dan Penggunaan Uji Fisher Exact Dalam statistik parametrik sama dengan uji chi square, tetapi jika sampel < 30, atau ada sel yang nilai nya <5 maka dilakukan uji Fisher Exact Untuk menguji perbedaan proporsi dua buah populasi yang hanya memiliki dua kategori berdasarkan proporsi dua sampel tidak berpasangan Jumlah n untuk tiap kelompok sampel tidak harus sama dan kelompok sampel tersebut bersifat mutually exclusive (saling meniadakan) Data berskala nominal Dibuat dalam tabel kontingensi 2x2

Contoh Tabel Silang 2 x 2 yang Digunakan dalam Uji Fisher Dengan rumus :

Contoh Kasus Sebuah penelitian untuk melihat efektivitas 2 jenis obat terhadap penurunan tekanan darah, 15 orang penderita hipertensi, 9 orang mengkonsumsi obat A dan 6 orang mengkonsumsi obat B Obat yang memberikan efek untuk menurunkan tekanan darah diberi tanda + dan obat yang tidak memiliki efek menurunkan tekanan darah diberi tanda -

No responden Obat A Efek Obat B 1 Turun + 2 Tetap - 3 4 5 tetap 6 7 8 9 10 11 12 13 14 15

Input data-1

Input-cara-2 Baris-1 kolom 1 = metode obat A, n = 7 Baris 1 kolom 2+ metode obat B = 2 dst Data perlu di weighting sebelum dianalisa: data/weighting/, masukkan variabel perhitungan

(a+c)!(b+d)!(c+d)!(a+b)! P = n!a!b!c!d Jenis Obat Efek Jumlah + - Obat A 7 2 9 Obat B 1 5 6 8 15 Maka : (a+c)!(b+d)!(c+d)!(a+b)! P = n!a!b!c!d (7+1)!(2+5)!(1+5)!(7+2)! P = 15!7!2!1!5!

(8)!(7)!(6)!(9)! P = 15!7!2!1!5! (40320) (5040) (720) (362880) = (1307674368000) (5040) (2) (1) (120) =0,03357

Perlu diingat bahwa nilai Probabilitas yang diperoleh dari perhitungan di atas merupakan perhitungan Uji Satu Sisi dan untuk melakukan Uji 2 sisi, tinggal mengalikan nilai di atas dengan 2 Jadi, 0,03357 x 2 = 0,06714 Bandingkan dengan α=0,05 Nilai P (p Value) > α = 0,067 > 0,05 Ho gagal ditolak Tidak perbedaan proporsi antara obat A dan obat B dalam penurunan tekanan darah (tidak hubungan jenis obat dengan penurunan tekanan darah)

Aplikasi SPSS Klik ANALYZE  DESCRIPTIVE STATISTICS  CROSSTABS Untuk ROWS, Pilik variabel independen (misal: jenis obat) Untuk COLUMNS, Pilih variabel dependen (misal: efek) Klik STATISTICS, Klik CHI-SQUARE--CONTINUE Klik CELLS, Klik OBSERVED dan ROW PERCENTAGES-- CONTINUE Lihat nilai p (p value) pada baris fisher exact test dan kolom exact sig Jika nilai P < 0,05  Ho ditolak dan sebaliknya

Latihan Entry data contoh diatas dalam SPSS dengan : Turun = Coding 1, Tetap = Coding 0 (Var indep) Obat A=Coding 1, Obat B = Coding 2 (Var dep) Lalu tentukan keputusan hipotesisnya

Output SPSS Nilai p (1 side) = 0,035, 2 side = 0,035 x 2 = 0,07 (sama dengan perhitungan manual

TUGAS INDIVIDU No Olahraga A Efek Olahraga B 1 Turun + 2 Tetap - 3 4 5 Sebuah penelitian untuk melihat pengaruh dua jenis olahraga terhadap penurunan kadar kolesterol darah. Diperiksa 9 orang sampel Apakah ada pengaruh jenis oleh raga terhadap penurunan kadar kolesterol? Ket: memiliki efek tanda +, tidak meiliki efek tanda – Data sebagai berikut: No Olahraga A Efek Olahraga B 1 Turun + 2 Tetap - 3 4 5 tetap 6 7 8 9 turun