CARA PRAKTIS &

MUDAH
MENENTUKAN
UJ I STATISTIK



Pr a m ono
H P. 0 85754111611
Em a i l: p r a m _g izi@y a hoo.co .id
Fa ceb ook : Pr a m P r a m ono
w w w .g i ziw eb st er .co .cc
12/21/2011

2

CARA PRAKTIS & MUDAH MENENTUKAN UJI STATISTIK
LANGKAH PERTAMA PAHAMI DAHULU 7 ISTILAH DIBAWAH INI

DATA
(Contoh)
HASIL SKALA PENGUKURAN
VARIABEL
JENIS
HIPOTESIS
MASALAH SKALA
PENGUKURAN
PASANGAN & JUMLAH
KELOMPOK
SYARAT UJI PARAMETRIK & NON
PARAMETRIK
TABEL B & K PRINSIP P & K

Istilah 1 Istilah 2 Istilah 3 Istilah 4+5 Istilah 6 Istilah 7

Numerik :
Rasio
Interval
Kategorik :
Nominal
Ordinal
Komparatif
(Hubungan
/Perbedaan)
Korelatif
(Korelasi)
Hipotesis Komparatif

Kategorik
Variabel Kategorik dg
Variabel Kategori
Numerik Variabel
Kategorik dg Variabel.
Numerik
Hipotesis Korelatif:
Kategorik Salah
satu Variabel Kategorik
Numerik: Variabel
Numerik dg Numerik
Tidak Berpasangan
Berpasangan :
Yang dimaksud sampel
berpasangan adalah
-Sampel sama diulang
-Sampel diperlakukan
Matching
(pencocokkan) atau
juga Desain Cross
Over
SYARAT UJI PARAMETRIK:
- Skala pengukuran variabel NUMERIK
(DATA KONTINU)
- Distribusi Data NORMAL
- Ukuran sampel besar >/= 30
- VARIANS DATA : Tidak mjd syarat
mutlak jk kelompok berpasangan. Tidak
mutlak pada 2 kelompok tidak
berpasangan. Syarat Mutlak utk >2
Kelompok TidakBerpasangan
* SYARAT UJI NON PARAMETRIK
- Skala Pengukuran Variabel Kategorik.
Datanya Numerik tapi tidak memenuhi
syarat uji Parametrik.


TABEL B X K :
Untuk hipotesis
Komparatif Kategorik
tidak berpasangan
TABEL P X K:
Untuk Hipotesis
Komparatif Kategorik
Berpasangan

Umur
Umur di KTP Skala data
Numerik Rasio
Komparatif Lihat variabel pada hipotesis yang
anda buat apakah
Hipotesisnya KOMPARATIF
atau KORELATIF . Kemudian
lihat VARIABEL HIPOTESISNYA
apakah KATEGORIK atau
NUMERIK dalam contoh ini
Hipotesisnya adalah Ada
hubungan antara tingkat
pendidikan dengan kejadian
anemia . Hipotesisnya adalah
KOMPARATIF dan Variabel
datanya Tingkat Pendidikan
(Kategorik) dan Kejadian
Anemia juga Kategorik maka
Hipotesisnya KOMPARATIF
KATEGORIK.
Tidak berpasangan Numerik
Data Normal?

Lihat data yang
diperoleh apakah
tabelnya berbentuk
BARIS dan KOLOM (B x K)
atau berupa
PENGULANGAN dan
KATEGORI (P x K)
Tingkat Pendidikan
1 = SD
2 = SMP
3 = SLTA
4 = DIPLOMA
5= SARJANA
Skala data
Kategorik Ordinal
Komparatif Tidak Berpasangan Kategorik
Data Normal ?
Berat Badan (BB)
Kilogram Skala data
Numerik Rasio
Komparatif Tidak Berpasangan Numerik
Data Normal?
Tinggi Badan (TB)
Cm Skala data Numerik Rasio Komparatif Tidak Berpasangan Numerik
Data Normal?
IMT
Kurang
Normal
Gemuk
Skala data
Kategorik Ordinal
Komparatif Tidak Berpasangan Kategorik
Data Normal
Lila
KEK
Non KEK
Skala data
Kategorik Ordinal
Komparatif Tidak Berpasangan Kategorik
Data Normal
Kadar Hb
Anemi
Tidak Anemi
Skala data
Kategorik Ordinal
Komparatif Tidak Berpasangan Kategorik
Data Normal
Catatan: Cara menentukan data distribusi NORMAL/TIDAK ada 2 Metode : METODE DESKRIPTIF & ANALITIK .
METODE DISKRIPTIF : - Koofesien varian < 20% - Rasio Swekness 12 s/d 2 Histogram Box Plot Normal Q-Q plot - Detrend Q-Q
METODE ANALITIK : Dg.Rumus Kolmogorof Smirnov untuk Sampel > 50 dan Untuk Sampel < 50 menggunakan Shapiro Wilk. UNTUK MENENTUKAN NILAI VARIANS Menggunakan Uji Varian (LEVENES TEST).


3



SETELAH PAHAM TUJUH ISTILAH DIATAS IKUTI LANGKAH KEDUA DENGAN MENJAWAB 5 PERTANYAAN UNTUK MENENTUKAN UJI STATISTIK YANG PAS
SAMBIL LIHAT TABEL UJI HIPOTESIS BIVARIAT BERGUNA UNTUK PANDUAN MEMILIH UJI STATISTIK DIBAWAH INI.
(Contoh untuk uji hipotesis hubungan tingkat pendidikan dan anemia)
MENENTUKAN VARIABEL YANG
DIHUBUNGKAN (Contoh)
MENENTUKAN JENIS HIPOTESIS
MENENTUKAN MASALAH SKALA
VARIABEL
MENENTUKAN PASANGAN/TIDAK
BERPASANGAN
MENENTUKAN JUMLAH
KELOMPOK
UJI YANG MUNGKIN
1 2 3 4 5
Apakah ada hubungan
antara tingkat pendidikan
(Variabel Bebas) dengan
kejadian anemia (Variabel
Terikat)
HIPOTESIS
KOMPARATIF
Yang diuji Tingkat
pendidikan Skala Kategorik
Ordinal Sedang Anemia
Skala Kategorik Ordinal
Data tidak
berpasangan karena
sampel beda
individu.
Kelompok ada 2
Chi Square Alternatif lain jika tidak memenuhi
syarat pakai uji alternatif
Fisher (Tabel 2 x2 )
Kolmogorov-Smirnov (Tabel 2 x K) jika tabel
selain 2x2 dan 2xK maka perlu penggabungan sel
. Setelah penggabungan sel akan terbentuk suatu
tabel BxK baru . Uji Hipotesis dipilih sesuai tabel
BxK yang baru.
Untuk uji Chi-Squre syaratnya : sel yang
mempunyai nilai expected kurang dari 5
maksimal 20% dari jumlah sel.



DIBAWAH INI TABEL UJI HIPOTESIS BIVARIAT BERGUNA UNTUK PANDUAN MEMILIH UJI STATISTIK
Masalah Skala
Pengukuran
Jenis Hipotesis (Asosiasi)
KOMPARATIF KORELATIF
Tidak Berpasangan (Independen) Berpasangan (Berhubungan)

NUMERIK
2 KELOMPOK > 2 KELOMPOK 2 KELOMPOK > 2 KELOMPOK Pearson*
Uji t Tidak Berpasangan One Way ANOVA Uji t Berpasangan Repeated ANOVA
KATEGORIK (ORDINAL)


Mann Whutney


Kruskal-Walss


Wilcoxon


Friedman


Spearman
Somersd
Gamma
KATEGORIK
(NOMINAL/ORDINAL)
Chi-Square
Fisher
Kolmogorov-Smirnov
(tabel B x K )
McNemar, Cochran
Marginal Homogenetity
Wilcoxon, Friedman
(Prinsip P x K)
Koefesien Kontingensi Lambda



4

KETERANGAN:
1. Uji dengan tanda * merupakan Uji Parametrik
2. Tanda panah ke bawah menunjukkan uji alternatif jika syarat uji parametrik tidak terpenuhi
3. Untuk Hipotesis Komparatif Numerik , perlu diperhatikan banyaknya kelompok
4. Untuk Hipotesis Komparatif Kategorik tidak berpasangan , pemilihan uji menggunakan Tabel B x K (B= Baris, K=Kolom)
5. Untuk Hipotesis Komparatif Kategorik Berpasangan , Pemilihan Uji menggunakan Prinsip PxK
(P=Pengulangan, K= Kategori)


CATATAN:
1. Tahap analisis data pada umumnya 3 Tahap yaitu: DESKRIPTIF, ANALISIS BIVARIAT, ANALISIS MULTIVARIAT.
2. Jenis Analisis Multivariat yang sering digunakan ada 2 yaitu : ANALISIS REGRESI LOGISTIK dan ANALISIS REGRESI LINIER
3. Pemilihan dari analisis regresi diatas didasarkan pada skala pengukuran VARIABEL TERIKATNYA. Jika variabel terikatnya KATEGORIK maka menggunakan REGRESI LOGISTIK.
Jika variabel Terikatnya NUMERIK maka menggunakan ANALISIS REGRESI LINIER
4. Variabel yang dimasukkan untuk ANALISIS MULTIVARIAT adalah VARIABEL YANG PADA ANALISIS BIVARIAT mempunyai nilai p<0.25
5. SYARAT UJI CHI-SQUARE: sel yang mempunyai nilai expected kurang dari 5 maksimal 20% dari jumlah sel.
6. METODE UNTUK MENGETAHUI NORMALITAS DATA ADA 2 METODE YAKNI METODE DESKRIPTIF DAN METODE ANALITIK:

METODE PARAMETER
KRITERIA SEBARAN DATA DIKATAKAN
NOORMAL
KETERANGAN
DESKRIPTIF
Kooefesien varian Nilai Koofesien varians < 30% SD/Mean x 100%
Rasio skewness Nilai Rasio Skewness -2 s/d 2 Skewenes / SE Skewness
Rasio Kurtosis Nilai Rasio Kurtosis -2 s/d 2 Kurtosis / SE Kurtosis
Histogram Simetris tidak miring kiri maupun
kanan, tidak terlalu tinggi maupun
rendah

Blox Pot Simetris median tepat di tengah,
tidak ada outlier atau nilai ekstrem
Normal Q-Q plots Data menyebar sekitar garis
Detrended Q-Q plots Data menyebar sekitar garis pada nilai
0
ANALITIK
Kolmogorov-Smirnov Nilai kemaknaan (p) .0.05 Untuk sampel besar (>50)
Shapiro-Wilk Nilai Kemaknaan (p) > 0.05 Untuk sampel kecil (<=50)


5


7. STANDAR ERROR: adalah Standar Deviasi dibagi akar pangkat dua j umlah sampel ( SD : N (jumlah sampel) ). Standar Error merupakan estimasi terbaik
bagi Sampling Error; semakin kecil Standar deviasi,dan semakin besar jumlah sampel maka semakin kecil Standard Error, yang berarti semakin kecil Sampling
error, karena Kesalahan penarikan sampel merupakan perkalian antara Standard error dengan nilai z pada tingkat kepercayaan tertentu ( 95% = 1,96;
99% = 2,58).
8. STANDAR DEVIASI: Standar deviasi atau yang lebih dikenal dengan simpangan baku adalah akar kuadarat dari varian ( nilai rata-rata nilai). Bilangan
tersebut dipergunakan untuk mengetahui nilai ekstrim suatu data. Penggunaan standar deviasi biasa digunakan bersama nilai rata-rata.
9. Interval Kepercayaan (IK)/(CI): Estimasi interval atau interval kepercayaan (confidence interval) adalah interval (selang) nilai-nilai estimasi parameter
yang mungkin muncul. Derajat kemungkinan tersebut dinyatakan dengan tingkat kepercayaan (confidence level), misalnya 95% atau 99%, dsb. Jika tingkat
kepercayaannya tinggi dan menghasilkan interval yang sempit, maka nilai parameter tersebut dapat dikatakan presisi.
10. NILAI p : Dalam pengolahan data dengan SPSS pengambilan keputusan dilakukan dengan melihat tingkat signifikansi nilai sig. (2-tailed). Jika tingkat
signifikansi yang ditentukan sebelumnya adalah 0,05, maka penolakan hipotesis dilakukan jika nilai untuk sig. (2-tailed) lebih kecil (<) dari 0,05 dan sebaliknya.
Nilai sig. (2 tailed) dalam output SPSS adalah nilai p atau probabilitas.Nilai p menunjukkan probabilitas untuk memperoleh nilai sebesar atau lebih ekstrem dari
nilai statistic yang teramati. Nilai p biasanya kebalikan dari nilai statistic uji. Semakin besar nilai statistic uji, semakin kecil nilai p yang berarti semakin
menunjukkan adanya perbedaan variabel yang di uji. Interpretasi nilai p senantiasa berkaitan dengan probabilitas. Nilai p = 0,3 dapat diinterpretasikan terdapat
3 diantara 10 bahwa hasil penelitian tersebut terjadi karena peluang. Dan secara kebetulan 3 tersebut masuk dalam sampel kita. Pemaknaan terhadap nilai p
bisa berbeda-beda antara satu orang dengan orang lain. misalnya jika seorang peneliti mendapatkan nilai p = 0,04. Jika menggunakan patokan p = 0,05, maka
temuannya tentang perbedaan variabel sudah dapat dikatakan signifikan. Akan tetapi bisa jadi oleh peneliti yang lain, nilai p = 0,04 belum cukup untuk
menggambarkan adanya perbedaan tersebut.

Referensi :
Dahlan.S.M, 2008, Statistik Untuk Kedokteran dan Kesehatan, Jakarta: Salemba Medika.