Tutorial R   »   Statistik Nonparametrik   ›  Uji Wilcoxon dalam Pemrograman R

Uji Wilcoxon

Uji Wilcoxon dalam Pemrograman R

Uji Wilcoxon merupakan uji statistik nonparametrik untuk dua sampel berpasangan. Untuk melakukan Uji Wilcoxon dalam R, kita dapat gunakan fungsi wilcox.test().

Uji Wilcoxon merupakan uji statistik nonparametrik untuk dua sampel berpasangan. Uji ini mirip dengan Uji Tanda (Sign Test). Hanya bedanya, pada Uji Tanda yang diperhatikan hanya tanda perubahannya, sementara pada Uji Wilcoxon yang diperhatikan tidak hanya tanda perubahan, tetapi juga besar (magnitude) perbedaan tiap pasangan.

Untuk melakukan Uji Wilcoxon pada R, kita dapat menggunakan fungsi wilcox.test().

                
                  wilcox.test(x, …)
                  # S3 method for default
                  wilcox.test(x, y = NULL,
                              alternative = c("two.sided", "less", "greater"),
                              mu = 0, paired = FALSE, exact = NULL, correct = TRUE,
                              conf.int = FALSE, conf.level = 0.95, …)
                  # S3 method for formula
                  wilcox.test(formula, data, subset, na.action, …)
                
              

Argumen:

Untuk lebih jelasnya, baca dokumentasinya di R dengan menjalankan perintah ?wilcox.test().

Sebagai contoh, kita akan menggunakan data mice2 pada package datarium. Data mice2 ini berisi data berat 10 tikus sebelum (before) dan sesudah (after) diberikan perlakuan dalam suatu percobaan.

Sintaks:

                
                  #install.packages("datarium")
                  library(datarium)
                
              

                
                  # menampilkan 6 pengamatan pertama
                  data("mice2", package = "datarium")
                  head(mice2)
                  
                  Output:
                    id before after
                  1   1  187.2 429.5
                  2   2  194.2 404.4
                  3   3  231.7 405.6
                  4   4  200.5 397.2
                  5   5  201.7 377.9
                  6   6  235.0 445.8
                
              

                
                  ### Uji Wilcoxon
                  wilcox.test(mice2$after, mice2$before, paired = TRUE)
                  
                  Output:
                  Wilcoxon signed rank exact test
                    data:  mice2$after and mice2$before
                    V = 55, p-value = 0.001953
                    alternative hypothesis: true location shift is not equal to 0
                
              

Dari hasil di atas, kita peroleh p-value untuk Uji Wilcoxon sebesar 0.001953. Nilai ini lebih kecil dari tingkat signifikansi uji 0.05 sehingga tolak hipotesis nol. Jadi, dapat disimpulkan bahwa berat tikus sebelum dan sesudah diberi perlakuan adalah berbeda secara nyata. Dengan kata lain, perlakuan yang diberikan efektif meningkatkan berat tikus.