Professional Documents
Culture Documents
Uji beda dua mean merupakan analisis bivariat hubungan dua variabel. Variabel
yang dianalisis dapat berupa kategorik dengan numerik atau kategorik dengan kategorik. Uji
beda dua mean yang menganalisis dua data menggunakan uji-t, sedangkan uji Anova
digunakan untuk menganalisis beda lebih dari dua mean. Uji-t dibagi menjadi dua jenis, yaitu
uji-t independen dan uji-t dependen. Jenis analisis yang digunakan ditentukan oleh asal data
yang ada. Uji-t independen digunakan pada data yang berasal dari dua kelompok independen.
Uji-t dependen digunakan pada data yang berasal dari dua kelompok dependen/pasangan.
Kelompok dikatakan independen apabila data kelompok satu tidak dipengaruhi atau tidak
tergantung oleh data kelompok dua, dengan kata lain, dua data berasal dari kelompok yang
berbeda. Sebaliknya, suatu kelompok data dikatakan dependen apabila dua kelompok data
yang akan dianalisis memiliki ketergantungan, misalnya menganalisis hubungan antara satu
kelompok sebelum dan sesudah diberi intervensi.
1. Uji-t independen
Tujuan analisis ini adalah untuk mengetahui perbedaan mean dua kelompok dengan data
independen. Syarat yang harus dipenuhi antara lain:
a. Distribusi data normal/simetris
b. Kedua kelompok data independen
c. Variabel yang dihubungkan berbentuk kategorik dan numerik.
Prinsip pengujian dua mean adalah melihat perbedaan variasi pada kelompok data. Karena
varian kedua kelompok data berpengaruh pada
diperlukan informasi apakah varian kedua kelompok yang diuji sama atau tidak. Informasi
tersebut dapat diperoleh dengan melakukan uji homogenitas varian. Rumusnya adalah
sebagai berikut:
2
S
F= 12
S2
df1 = n1 1 dan df2 = n2 2
Ket:
S1 atau S2 = standar deviasi sampel kelompok 1 atau 2
Pada uji ini, varian yang lebih besar menjadi pembilang dan varian yang lebih kecil
menjadi penyebut.
1) Uji untuk varian sama
Karena biasanya nilai standar deviasi populasi () sulit diketahui, maka uji beda dua
mean biasanya menggunakan uji-t. Untuk varian yang sama maka rumus ujinya adalah
sebagai berikut:
X 1 X 2
T=
Sp
Sp =
1
1
+
n1
n2
)( )
( n11 ) S12 + ( n 21 ) S 22
n1n22
df = n1 n2 2
Ket:
n1 atau n2 = jumlah sampel kelompok 1 atau 2
2) Uji untuk varian berbeda
T=
X 1 X 2
S12
S 22
+
n1
n2
)( )
2
S p 2=
S 12
S 22
[
+
]
n1
n2
( )( )
[( ) ( ) ] [( )
2
S12
S 22
+ n 11 +
+ ( n21 )
n1
n2
Pada SPSS, untuk melakukan analisis uji-t independen adalah sebagai berikut:
Contoh: akan dilakukan analisis apakah ada perbedaan kadar Hb antara ibu yang menyusui
eksklusif dengan ibu yang menyusui tidak eksklusif. Misal nama file adalah ASI.sav,
denganvariabel Hb1.
1) Aktifkan SPSS, buka file ASI.sav
2) Dari menu utama, pilih menu Analyze => Compare Means => Independent-samples T
Test.
3) Pada kotak dialog tampak di dalamnya ada kotak Test variable(s) (masukkan variabel
numerik di sini) dan Grouping Variable (masukkan variabel kategorik di sini)
4) Klik Hb1 dan masukkan ke kotak Test variables
5) Klik variabel eksklu dan masukkan ke kotak Grouping variable
6) Klik Define Group, akan nampak kotak isian dimana kita diminta untuk mengisi kode
variabel menyusui ke dalam kedua kotak. Pada contoh ini, kita tahu bahwa 0 kode
untuk yang tidak eksklusif, dan 1 untuk kode yang eksklusif. Jadi ketiklah 0 pada
Group 1 dan 1 pada Group 2
7) Klik Continue
8) Klik OK untuk menjalankan prosedur perintah.
2. Uji-t dependen
Tujuan analisis ini adalah untuk menguji perbedaan mean antara dua kelompok data
dependen. Syarat dilakukan uji ini adalah:
a. Distribusi data normal
b. Kedua kelompok data dependen/berpasangan
c. Jenis variabel data kategorik dan numerik
Formulanya adalah sebagai berikut:
d
T=
S d / n
Ket:
d = rata-rata deviasi/selisih sampel 1 dengan sampel 2
S_d = standar deviasi dari deviasi/selisih sampel 1 dan sampel 2.
Contoh penggunaan pada program SPSS:
Kasus: akan dilakukan uji beda mean kadar Hb antara kadar Hb pada pengukuran pertama
dan kadar Hb pada pengukuran kedua, untuk dilihat apakah ada perbedaannya, dengan
responden yang sama (misal nama file adalah ASI.sav). Langkah-langkahnya:
1) Bukalah file ASI.sav
2) Pilih menu Analyze pada menu bar dan pilih sub menu Compare Means, pilih PairedSamples T Test
3) Akan muncul kotak dialog, dimana kita diminta memasukkan variabel yang akan
4)
5)
6)
7)
3. Uji Anova
Sesuai penjelasan sebelumnya, uji Anova digunakan untuk menganalisis beda lebih dari
dua mean. Ini artinya, terdapat lebih dari 2 kelompok data yang akan dianalisis. Prinsip uji
Anova adalah melakukan telaah variabilitas data menjadi dua sumber variasi, yaitu variasi
dalam kelompok (within) dan variasi antarkelompok (between). Bila nilai perbandingan
kedua varian tersebut adalah 1, maka mean-mean yang dibandingkan tidak memiliki
perbedaan. Namun jika hasil perbandingan menunjukkan nilai >1, mean yang
dibandingkan memiliki perbedaan. Analisis uji Anova terbagi menjadi dua jenis, yaitu
analisis one way dan analisis two way. Asumsi yang harus dipenuhi pada uji Anova adalah:
a. Varian homogen
b. Sampel/kelompok independen
S
F= b 2
Sw
df = k-1 untuk pembilang, k-2 untuk penyebut
n11
n21
n k 1
S k2
S w 2=
X 1 X
X 1 X
X k X
2
n1
S b2=
X=
n 1 . X 1 +n1 . X 1+ +n k . X k
N
Ket:
N = jumlah seluruh data
Jika hasil uji Anova menunjukkan ada perbedaan yang bermakna (H0 ditolak), maka
dilakukan analisis multi comparison (Posthoc test) untuk mengetahui kelompok mana saja
yang berbeda mean-nya. Ada beberapa metode untuk melakukan tes ini, seperti
ni
S w2
X X
t ij = i j
df = n k, dengan :
=
( k 2)
Contoh uji Anova: akan dilakukan analisis hubungan antara tingkat pendidikan dengan
berat badan bayi. Variabel pendidikan merupakan variabel kategorik dengan 4 kategori.
Variabel berat bayi berbentuk numerik (nama file ASI.sav). Langkah-langkahnya:
1) Buka file ASI.sav
2) Pilih menu Analyze, pilih Compare Means, pilih One-Way ANOVA
3) Dari menu One way ANOVA, tampak kotak Dependent List dan kotak Factor perlu
diisi variabel. Kotak Dependent diisi variabel numerik dan kotak Factor diisi variabel
kategorik. Pada contoh ini yang akan menganalisis hubungan antara berat badan bayi
dengan tingkat pendidikan, masukkan variabel berat badan bayi (misal bbbayi) ke kotak
4)
5)
6)
7)
8)
Dependent dan variabel tingkat pendidikan (misal didik) pada kotak Factor
Klik tombol options, beri tanda centang pada kotak Descriptive
Klik Continue
Klik tombol Post Hoc, tandai dengan tanda centang pada kotak Bonferroni
Klik Continue
Klik OK, maka hasil akan muncul.
Referensi:
Hastono, S. P. (2007). Basic data analysis for health research training: Analisis data
kesehatan. Depok: Fakultas Kesehatan Masyarakat Universitas Indonesia.
Sabri, L., Hastono, S. P. (2014). Statistik kesehatan. Jakarta: Rajawali Pers.