Cara melakukan tes mann-whitney u di r

Uji Mann-Whitney U (terkadang disebut uji jumlah peringkat Wilcoxon) digunakan untuk membandingkan perbedaan antara dua sampel independen ketika distribusi sampel tidak terdistribusi normal dan ukuran sampel kecil (n <30).

Uji ini dianggap setara dengan uji t dua sampel independen .

Tutorial ini menjelaskan cara melakukan tes Mann-Whitney U di R.

Contoh: Uji Mann-Whitney U di R

Para peneliti ingin mengetahui efektif atau tidaknya suatu obat baru dalam mencegah serangan panik. Sebanyak 12 pasien dibagi secara acak menjadi dua kelompok yang terdiri dari 6 orang dan ditugaskan untuk menerima obat baru atau plasebo. Pasien kemudian mencatat jumlah serangan panik yang mereka alami selama sebulan.

Hasilnya ditunjukkan di bawah ini:

Lakukan tes Mann-Whitney U untuk mengetahui apakah terdapat perbedaan jumlah serangan panik pada pasien kelompok plasebo dibandingkan kelompok obat baru. Gunakan tingkat signifikansi 0,05.

Ada dua cara berbeda untuk melakukan pengujian Mann-Whitney U, namun kedua metode tersebut menggunakan fungsi wilcox.test() dan keduanya memberikan hasil yang sama.

Opsi 1: Masukkan data sebagai dua vektor terpisah.

 #create a vector for each group
new <- c(3, 5, 1, 4, 3, 5)
placebo <- c(4, 8, 6, 2, 1, 9)

#perform the Mann Whitney U test
wilcox.test(new, placebo)

#output
Wilcoxon rank sum test with continuity correction

data: new and placebo
W = 13, p-value = 0.468
alternative hypothesis: true location shift is not equal to 0

Opsi 2: Masukkan data dalam bingkai data dengan dua kolom. Satu kolom berisi jumlah serangan panik dan kolom lainnya berisi grup.

 #create a data frame with two columns, one for each group
drug_data <- data.frame(attacks = c(3, 5, 1, 4, 3, 5, 4, 8, 6, 2, 1, 9),
                        drug_group = c(rep("old", 6), rep("placebo", 6)))

#perform the Mann Whitney U test
wilcox.test(attacks~drug_group, data = drug_data)

#output
data: attacks by drug_group
W = 13, p-value = 0.468
alternative hypothesis: true location shift is not equal to 0

Perhatikan bahwa kedua metode memberikan hasil yang persis sama. Yaitu, statistik ujinya adalah W = 13 dan nilai p yang sesuai adalah 0,468 .

Karena nilai p lebih besar dari 0,05, kami gagal menolak hipotesis nol.

Artinya, kami tidak memiliki cukup bukti untuk mengatakan bahwa jumlah serangan panik yang dialami pasien pada kelompok plasebo berbeda dengan pasien pada kelompok obat baru.

Catatan tentang penggunaan Wilcox.test()

Secara default, wilcox.test() mengasumsikan bahwa Anda ingin menjalankan uji hipotesis dua sisi. Namun, Anda dapat menentukan alternatif=”kurang” atau alternatif=”lebih” jika Anda ingin menjalankan pengujian satu sisi.

Misalnya, kita ingin menguji hipotesis bahwa obat baru menyebabkan lebih sedikit serangan panik dibandingkan plasebo. Dalam hal ini, kita dapat menentukan alternatif=”kurang” dalam fungsi wilcox.test() kita:

 #create a vector for each group
new <- c(3, 5, 1, 4, 3, 5)
placebo <- c(4, 8, 6, 2, 1, 9)

#perform the Mann Whitney U test, specify alternative="less"
wilcox.test(new, placebo, alternative="less")

#output
	Wilcoxon rank sum test with continuity correction

data: new and placebo
W = 13, p-value = 0.234
alternative hypothesis: true location shift is less than 0

Perhatikan bahwa statistik pengujian masih W = 13, namun nilai p sekarang menjadi 0,234 , yang merupakan setengah dari nilai p sebelumnya untuk pengujian dua sisi.

Karena nilai p selalu lebih besar dari 0,05, kita tetap gagal menolak hipotesis nol.

Kami tidak memiliki cukup bukti untuk mengatakan bahwa jumlah serangan panik yang dialami oleh pasien dalam kelompok obat baru lebih rendah dibandingkan pasien dalam kelompok plasebo.

Sumber daya tambahan

Panduan Tes Mann-Whitney U
Kalkulator Tes Mann-Whitney U