Professional Documents
Culture Documents
UJI STATISTIK.
Oleh. Dr.Resna AS MPH.
Bagan Asosiasi
Peristiwa 1
Uji Chi - sq
Peristiwa 2
Not significant
Significant
Eksperimen
Jumlah Variabel.
Yaitu nilai atau sifat dari benda, orang, kejadian atau segala sesuatu yang dapat bervariasi. Misalnya: 1. variabel = Tinggi Badan. 2. variabel = Status kesehatan & imunisasi. 3. variabel = status kes, imunisasi & jenis kelamin Jumlah variabel tergatung dari pernyataan penelitian Untuk jumlah variabel yang berbeda
Skala Pengukuran.
Untuk skala pengukuran yang berbeda Pakai uji statistik yang berbeda
Non Parametrik.
Besar Sampel.
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
Populasi Normal.
Asumsi SAMPEL berasal dari populasi dengan Distribusi Normal bila: 1. Mean = Median = Modus. 2. Mean, dan Standar Deviasi, mempunyai nilai sebagai berikut. X 1 SD = 68.3 % X 2 SD = 95.5 % X 3 SD = 99.7 %
Distribusi Sampel.
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
Probabilitas (nilai p)
TINGKAT KEMAKNAAN (Alpha) Makin kecil tingkat kemaknaan. Makin kecil terjadi kesalahan kesimpulan Roosner.B (1986) fundamental Statistics 0.01<p<0.05 : significant 0.001<p<0.01: highly significant P<0.001 : very highly significant P> 0.05 : not statiscally significant
Tingkat Kemaknaan.
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
Ho diterima
Uji 3 variabel
Anova Multipel regresi Run tes
Uji 2 variabel
Chi-square Fisher Exact K.S. Unpair- t-test Mc. Nemar Uji tanda CochranS Pair-t-test Wilcoxon
Peorsonss
UJI Parametrik.
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. Bila mempunyai cukup alasan untuk memakai uji paremetrik, pakai Uji Parametrik
Degree of freedom.(df ).
Derajat kebebasan. Df = n 1.
Jumlah yang diobservasi = n.
Rumus:
(O-E)
X = E
(a+c)!(b+d)!(c+d)!(a+b) P= n!a!b!c!d
Kolmogorov-Smirnov test.
Untuk 2 var yang bersifat independent Bentuk tabel besar Buat tabel frek.komulatif Hitung d untuk tiap kolom Tentuka D maksimum Nilai kritis Tabel X dengan db = 2 n1 n2 X = 4D n1 = n2
Uji Parametrik.
Unpaired t-test Paired t-test Z-test Z-test satu sempel Analisa korelasi Analisa regresi
Unpaired T- test.
Untuk membandingkan 2 sampel X1-X2 T= S gab. 1/n1+1/n2 S gab= {(n1-1)s +(n2-1)s } n1+n2-2 Nilai p lihat nilai tabel T dengan db = n1+n2-2
Paired T test.
Untuk 2 sampel kecil yang dependent D = rata-rata perbedaan 2 sempel S = Standar deviasi N = Jumlah pasangan P = Lihat tabel T, db = I, t.nk Ho ditolak D
T=
S / Vn
Z - Test.
Untuk 2 sampel dengan n > 30
Nilai Z dilihat pada tabel normal
X1-X2
Z= (SX1/nX = SX2/nX2)
p = 0.1 z = 1.65
.01 2.58
.002 3.09
.001 3.29
Z test 1 sampel.
Untuk 1 sampeldengan n > 30 Nilai Z dilihat pada tabel normal Nilai p didapat dengan membandingkan nilai Z dengan nilai kritis
XH Z= S/ n
Analisa Korelasi.
Untuk 2 sampel dengan variabel kuantitatif / continuos
n XY ( X)( X) R= {nX-(X)}{Y-(Y)}
Korelasi.
Nilai korelasi antara 1--- + 1 Kuatnya hubungan = r. R > 0.7 sangat kuat R = 0.7-0.5 kuat R = 0.50.25 cukup R = > 0.25 tak ada korelasi
3.
a = Y - bX
Tingkat Pengukuran dan Test Statistik yang cocok untuk masing- masing Tingkat.
SKALA
HUBUNGAN YG MEMBATASI. EKIUVALENSI CONTOH STAT. YG COCOK. MODUS FREQUENSI KOEF. KONTINGENSI. T. STATISTIK YG SESUAI.
NOMINAL.
NON PARAMETRIK.
ORDINAL.
NON PARAMETRIK. .
SKALA
HUBUNGAN YG MEMBATASI.
T. STATISTIK YG SESUAI.
INTERVAL
RASIO.
KATA GORI.
SKOR.
UJI.
K.S.
ORDINAL.
KEL.
SKOR
INTERVAL.
SKOR DIST NORM
2 CHI N FISHER SQUARE O KELOMPOK M = / > DARI CHI I 3 KELOM SQUARE O KELOMPOK. R D SKOR. I
ANOVAR 1 FAKTOR.
ANOVAR TREND.
KEN DALL
PEARSON r.
VARIABEL I
3 > KEL KEL. SCORE
I T E R V A L O R D I N
WILCOX -
ANOVAR 2 FACTOR.
KELOM POK.
PAGE sL
ANOVAR