Peristiwa 1 Peristiwa 2

Uji Chi - sq

Not significant

Significant
Eksperimen

Asosiasi Skunder ‘Indirect’

Asosiasi Primer Molekuler ‘Direct’

1. Jumlah variabel 2. Skala ukuran 3. Cara pengambilan sampel

4. Besar sampel
Untuk jumlah variabel, skala pengukuran, jumlah dan cara pengambilan sampel yang berbeda Pakai uji statistik yang berbeda

imunisasi & jenis kelamin Jumlah variabel tergatung dari pernyataan penelitian Untuk jumlah variabel yang berbeda Pakai uji statistik yang berbeda . variabel = Status kesehatan & imunisasi.Yaitu nilai atau sifat dari benda. kejadian atau segala sesuatu yang dapat bervariasi. orang. 3. Misalnya: 1. variabel = Tinggi Badan. variabel = status kes. 2.

Untuk skala pengukuran yang berbeda Pakai uji statistik yang berbeda Nominal dan ordinal : Non Parametrik Interval dan rasio: Paremetrik & Non Parametrik. .

Indipenden/ unrelated: Pemilihan Individu.Hal yang diperlu diparhatikan: 1. Dependent / releted: Pemilihan individu yang dipengarui oleh faktor tertentu Untuk cara pengambilan sampel yang berbeda Pakai uji statistik yang berbeda . tak dipengarui oleh faktor tertentu 2.

Pakai uji statistik yang berbeda .Hal yang perlu diperhatikan Makin besar sampel maka mendekati keadaan sebenarnya Uji non parametrik sampel kecil Untuk jumlah sampel yang berbeda.

inferensial Mengambil kesimpulan terhadap populasi berdasarkan sampel dan memperoleh kesimpulan tentang perbedaan 2 kelompok atau lebih Sebelum melakukan uji stat.Hal yang perlu diingat: Uji statistik Stat. tentukan: Ho dan batas kemaknaan Distribusi sampling dan uji stat yang sesuai   .

Hipotesis yang dibuat untuk ditolak menyatakan tidak ada perbedaan bila Ho ditolak Hipotesis alternatif (Hi) atau hipotesis penilaian yang diterima. Hi diperoleh dari teori yang ada (one atau two tail/ ekor) Ho><Hi .

5 % X  3 SD = 99. Mean. 2. dan Standar Deviasi. mempunyai nilai sebagai berikut. X  1 SD = 68. Mean = Median = Modus.3 % X  2 SD = 95.7 % .Asumsi SAMPEL berasal dari populasi dengan Distribusi Normal bila: 1.

5 % X  3 SD = 99.3 % X  2 SD = 95.Mean = Mediam = Modus X  1 SD = 68.7 % .

Asumsi Suatu kumpulan data yang banyak. • COV = SD / mean. bila digambarkan akan merupakan distribusi normal (central limit theorem) Cara menentukan distribusi normal : • Coefisien Of Variation (COV ) : < 20%. • Uji stat : 1 variabel • Membandingkan letak (X – 3SD)-(X+3SD) terhadap letak X dan nilai Range .

TINGKAT KEMAKNAAN (Alpha) Makin kecil tingkat kemaknaan.B (1986) fundamental Statistics 0.05 : significant 0.01: highly significant P<0.01<p<0. Makin kecil terjadi kesalahan kesimpulan Roosner.001 : very highly significant P> 0.05 : not statiscally significant .001<p<0.

Besar tingkat. kemaknaan pada kurva normal digambarkan pada kedua ujung kurva • Gambar penolakan dapat digambarka pada kedua ujung two tail test • Bila pada satu ujung one tail test • Bila uji Statistik hasilnya dalam daerah penolakan (P < Alpha) Ho ditolak • Bila p > Alpha Ho diterima .

sebetulnya Ho tersebut salah • 1 – Beta = Power • Kekuatan uji statistik . sebetulnya Ho tsb benar • Kesalahan tipe II (Beta).Kemungkinan Ho salah disebut • Kesalahan tipe I (alpha). Menolak Ho. Menerima Ho.

S.Uji 1 variabel: Bionominal Chi-square K. Unpair. Nemar Uji tanda Cochran’S Pair-t-test Wilcoxon • Peorsons’s .S.t-test Mc. Uji 3 variabel Anova Multipel regresi Run tes • Uji 2 variabel • • • • Chi-square Fisher Exact K.

pakai Uji Parametrik . bila Ho salah. • Bila mempunyai cukup alasan untuk memakai uji paremetrik.Uji Parametrik : • Dilakukan terhadap sekelompok data yang mempunyai parameter yang jelas dan dapat dihitung secara objektif • Uji yang terkuat untuk menolak Ho.

Uji non parametrik • Uji untuk data yang kurang memenui sarat untuk uji parametrik • Tidak memperdulikan distribusi. Populasi normal atau tidak normal. • Paling sesuai untuk sampel kecil • Dapat dipakai untuk menganalisis data dalam skala nominal dan ordinal .

 Jumlah yang diobservasi = n. Derajat kebebasan. .  Df dua kelompok atau tabel.  Colum / kolom.  Row / baris.  Df = ( k – 1 ) ( r – 1 ).  Df = n – 1.

• • • • • Ada 2 jenis : yaitu Tabel 2x2 dan BxK Syarat 2x2 : Semua sel nilai E>5 BxK : > 20% Nilai E>5 Hasil : Bandingkan dengan nilai kritis tabel X² Bila X² > NK Ho ditolak dan >< Rumus: (O-E)² X² = E .

• Tes asosiasi antara 2 variabel • Merupakan test alternatif bila X2 tak memenuhi syarat • Buat tabel hasil penelitian • Buat tabel ekstrim (dapat >1) • P= p1+po (a+c)!(b+d)!(c+d)!(a+b) P= n!a!b!c!d .

• • • • • • Untuk 2 var yang bersifat independent Bentuk tabel besar Buat tabel frek.komulatif Hitung d untuk tiap kolom Tentuka D maksimum Nilai kritis Tabel X² dengan db = 2 n1 n2 X² = 4D² n1 = n2 .

• Unpaired t-test • Paired t-test • Z-test • Z-test satu sempel • Analisa korelasi • Analisa regresi .

Untuk membandingkan 2 sampel X1-X2 T= S gab. · 1/n1+1/n2 · S gab=· {(n1-1)s² +(n2-1)s² } n1+n2-2 · Nilai p lihat nilai tabel T dengan db = n1+n2-2 .

db = I.• • • • • Untuk 2 sampel kecil yang dependent D = rata-rata perbedaan 2 sempel S = Standar deviasi N = Jumlah pasangan P = Lihat tabel T.nk Ho ditolak D T= S / Vn . t.

• Untuk 2 sampel dengan n > 30 • Nilai Z dilihat pada tabel normal X1-X2 Z= (SX1²/nX = SX2²/nX2) .

09 .05 .002 3.01 2.29 .58 .02 1.1 z = 1.001 3.• Nilai Z dilihat pada tabel normal p = 0.65 0.96 2.37 .

• Untuk 1 sampeldengan n > 30 • Nilai Z dilihat pada tabel normal • Nilai p didapat dengan membandingkan nilai Z dengan nilai kritis X–H Z= S/ n .

• Untuk 2 sampel dengan variabel kuantitatif / continuos n Σ XY – (Σ X)(Σ X) R= {nΣX²-Σ(X)²}{ΣY²-Σ(Y)²} .

5 kuat • R = 0.25 tak ada korelasi .+ 1 • Kuatnya hubungan = r.7 sangat kuat • R = 0.5—0.25 cukup • R = > 0.7-0.Nilai korelasi antara –1--. • R > 0.

• Untuk itu perlu uji hipotesis • Nilai t dapat pada tabel t • Nilai t > NK Ho ditolak n-2 T= r (I-r) .

Kesimpulan dengan tidak melihat nilai T (NK) Ho diterima atau ditilak . Menghitung r² Menghitung hipotesis 3. 2.1.

bX .• Hubungan 2 variabel dapat memprediksi perubahan pada variabel dependen n Σ XY – (Σ X)(Σ X) r= {nΣ X²}{nΣ Y²} a = Y .

MODUS FREQUENSI KOEF. NON PARAMETRIK. ORDINAL. YG COCOK. T. NON PARAMETRIK. EKIUVALENSI CONTOH STAT.SKALA HUBUNGAN YG MEMBATASI. NOMINAL. EKIUVALENSI LEBIH BESAR DARI MEDIAN. . PERSENTIL. STATISTIK YG SESUAI. KENDALL t. KONTINGENSI. SPEARMAN rs. KENDALL w. .

SKALA HUBUNGAN YG MEMBATASI. PARAMETRIK. MEAN. CONTOH STAT. DAN.. INTERVAL EKIUVALENSI. NON PARAMETRIK. DEV. NON PARAMETRIK. KARELASI MOMEN HASIL X GANDA. RASIO SEMBARANG 2 INTERVAL DIKETAHUI. RASIO. T. .. LEBIH BESAR DARI. PARAMETRIK. STANDAR KORELASI PEARSON. MEAN GEOMETRIK. YG COCOK. STATISTIK YG SESUAI. •IDEM DIATAS + RASIO SEMBARANG 2 HARGA SKALA DIKETAHUI. DAN. KOEFISIEN VARIASI.

S. NOMINAL. BINO CHI MIAL. UJI. SQUARE K. . DUA KATA GORI DUA KATA GORI ATAU LEBIH KATA GORI.VARIABEL. ORDINAL. SKOR.

VARIABEL SATU. KEL.VARIABEL DUA. KEN DALL SKOR DISTRIBUSI NORMAL. SKOR DIST NORM 2 CHI N FISHER SQUARE O KELOMPOK M = / > DARI CHI I 3 KELOM SQUARE O KELOMPOK. I MANN WHIT KRUSK WALLIS KENDALL’ S ANOVAR 1 FAKTOR. . ANOVAR TREND. PEARSON r. 2 KEL > 3 KEL ORDINAL. SKOR INTERVAL. R D SKOR. NOMINAL.

ANOVAR 2 FACTOR. COECH SIGN NEMAR RAN Q.VARIABEL II 2 KEL. KELOM POK. TEST. WILCOX - t BERKAITAN ATAU ANOVAR. PAGE’ sL ANOVAR . VARIABEL I 3 > KEL KEL. SCORE I T E R V A L O R D I N 2 KELOM POK =>3 KELOM POK Mc.

Sign up to vote on this title
UsefulNot useful