Musafaah, SKM, MKM

STATISTIK INFERENSIAL

Eksplanasi

Verifikatif
(Simetris)

(Asimetris)

Definisi statistik inferensial  Bidang ilmu statistika yang mempelajari tata cara penarikan kesimpulan mengenai keseluruhan data (populasi) berdasarkan sebagian data (sampel) dari populasi tersebut. .

Statistik Inferensial  mempelajari tatacara penarikan kesimpulan keseluruhan (populasi)berdasarkan sebagian data (sampel)  tujuannya untuk mendapat kesimpulan umum dari hasil penelitian .

Ruang lingkup statistik inferensial  Uji hipotesis  Estimasi Parameter  Peramalan/prediksi (regresi)  Pengambilan keputusan .

Jenis Statistik Inferensial  Statistik Parametrik  Statistik Non Parametrik .

Pengertian Statistik Parametrik Teknik – teknik statistik yang didasarkan pada populasi berdistribusi normal dan membutuhkan data kuantitatif (interval dan rasio) .

Syarat uji parametrik  Distribusi normal  Sampel diambil secara random  Varians sama  Skala pengukuran interval dan rasio .

UJI STATISTIK PARAMETRIK  Uji t  Uji z  Uji anova  Regresi linier  Uji korelasi Pearson .

Statistik Parametrik  Contoh :  Rumusan masalah : adakah perbedaan rata-rata berat badan bayi lahir di Kota Banjarbaru antara ibu yang berpendidikan rendah dengan yang tinggi?  Hipotesis : ada perbedaan rata-rata berat badan bayi lahir di Kota Banjarbaru antara ibu yang berpendidikan rendah dengan yang tinggi  Variabel terikat: berat badan bayi (gram)----berdistribusi normal  Variabel bebas: pendidikan ibu (tinggi dan rendah)  Uji hipotesis : t-test .

 Jika berat badan bayi setelah di uji normalitas datanya dan hasilnya tidak berdistribusi normal.  Maka uji yang digunakan: uji Mann Whitney (statistik non parametrik) .

Statistik Parametrik  Rumusan masalah : Apakah ada pengaruh yang signifikan antara berat badan ibu sebelum hamil terhadap berat bayi lahir ?  Hipotesis berat badan ibu sebelum hamil sangat berpengaruh terhadap berat bayi lahir.  Variabel terikat: berat badan bayi lahir (gram) ---- berdistribusi normal  Variabel bebas: berat badan ibu sebelum hamil (kg)---- berdistribusi normal  Uji hipotesis : korelasi pearson .

 Apabila salah satu variabel atau kedua variabel ternyata tidak berdistribusi normal.  Maka uji yang digunakan adalah Korelasi Spearman  (statistik nonparametrik) .

C)  Uji hipotesis : Anova . B dan C ?  Hipotesis : terdapat perbedaan tinggi badan anak yang signifikan antara ras A. B dan C.Statistik Parametrik  Rumusan masalah : apakah ada perbedaan tinggi badan anak yang signifikan antara ras A.  Variabel terikat: tinggi badan anak (cm)----berdistribusi normal  Variabel bebas: ras (A. B.

 Maka uji yang digunakan: uji Kruskal Wallis (statistik non parametrik) . Apabila tinggi badan anak tidak berdistribusi normal.

Pengertian Statistik Non Parametrik  Teknik-teknik statistik yang tidak mempunyai asumsi berdistribusi normal dan membutuhkan data kualitatif/kategorik (nominal dan ordinal)  Lebih sederhana dan khusus untuk sampel yang kecil. .

sarjana-non sarjana dll )  Rumusan masalah : apakah mhs senang memilih makanan junk food atau lalapan ?  Hypotesis : mhs lebih memilih makanan junk food. . tua-muda.Statistik Non Parametrik  Test binomial : untuk sampel < 25 dan terdapat 2 kelompok ( kaya-miskin.

 Rumusan masalah : adakah perbedaan proporsi antara status pendidikan ibu (tinggi-rendah) dengan status berat bayi lahir (BBLR-non BBLR)?  Hipotesis : ada perbedaan proporsi antara status berat bayi lahir (BBLR-non BBLR) berdasarkan status pendidikan ibu (tinggi-rendah) .Statistik Non Parametrik  Chi kuadrat : untuk sampel besar dan ada 2 atau lebih kelompok.

UJI STATISTIK NON PARAMETRIK  Uji Chi Square  Uji Fisher Exact  Uji Wilcoxon  Uji Mann-Whitney  Uji Kruskal Wallis  Uji Korelasi Peringkat Spearman .

Parametrik tidak terpenuhinon parametrik  Uji t independen Mann-Whitney  Uji t dependenWilcoxon  Korelasi PearsonKorelasi Peringkat Spearman  Uji anovaKruskal Wallis .

distribusi normal .uji korelasi atau hubungan  Jenis sampel: .PENENTUAN JENIS UJI STATISTIK  Skala pengukuran: NOIR  proporsi (kategorik). rata-rata (numerik)  Tujuan uji statistik: .sampel random .Parametrik: jika .independent .uji 1-sampel .uji k-sampel .paired (berpasangan) / dependent  Asumsi uji statistik: .Non-parametrik (tidak perlu asumsi) .varians sama (pd kondisi ttt) .uji 2-sampel .biasanya n besar (n > 30) .skala interval/ratio .

PROSEDUR ANALISIS DATA Statistik deskriptif Statistik Inferens Statistik Korelasi & Statistik Parametrik Non Parametrik Regresi .

Uji Kruskal Wallis normal. Uji Chi Square Kategori (2) Kategori (2) . Uji Wilcoxon normal Sebelum-sesudah Pengukuran 1 – pengukuran 2 Numerik dan normal.Variabel terikat Variabel bebas UJI PARAMETRIK UJI NON- PARAMETRIK Kategori Kategori . Uji Mann Whitney normal Numerik dan normal Kategori (2) berpasangan Uji t berpasangan - Sebelum-sesudah (dependen) Pengukuran 1 – pengukuran 2 Numerik dan tidak Kategori (2) berpasangan . Uji Fisher Exact Numerik dan normal Kategori (2) Uji t bebas (independen) - Numerik dan tidak Kategori (2) . Numerik dan normal Numerik dan normal Korelasi Pearson Numerik Numerik Korelasi Spearman Jika salah satu atau keduanya tidak normal . Kategori (lebih dari 2) Uji Anova - Varians harus homogeny Numerik dan tidak Kategori (lebih dari 2) .