188867942 Uji Statistik

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

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

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

Hal yang diperlu diparhatikan: 1. Indipenden/ unrelated: Pemilihan Individu. 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.

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

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

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

7 % . mempunyai nilai sebagai berikut. 2. Mean. Mean = Median = Modus. dan Standar Deviasi. X  1 SD = 68.3 % X  2 SD = 95.Asumsi SAMPEL berasal dari populasi dengan Distribusi Normal bila: 1.5 % X  3 SD = 99.

7 % .3 % X  2 SD = 95.Mean = Mediam = Modus X  1 SD = 68.5 % X  3 SD = 99.

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

01: highly significant P<0.TINGKAT KEMAKNAAN (Alpha) Makin kecil tingkat kemaknaan.B (1986) fundamental Statistics 0.05 : not statiscally significant .05 : significant 0.001<p<0.001 : very highly significant P> 0. Makin kecil terjadi kesalahan kesimpulan Roosner.01<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 .

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

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

pakai Uji Parametrik . • 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. bila Ho salah.

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

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

• • • • • 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 .

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

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

002 3.02 1.58 .37 .29 .09 .01 2.05 .001 3.• Nilai Z dilihat pada tabel normal p = 0.1 z = 1.96 2.65 0.

• 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} .

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

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

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

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

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

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

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

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

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

Sign up to vote on this title
UsefulNot useful