SAMPEL5

s.
wiyono STAT_INFERENS 1
Dalam penelitian kita ingin mengetahui
proporsi suatu kejadian seperti cakupan
imunisasi campak, prevalensi anemia, dll.
Proporsi pada populasi yang ingin
diketahui dilambangkan dengan P, sedangkan
proporsi pada sampel dilambangkan dengan p.
Distribusi sampel terlihat pada gambar berikut.
MENENTUKAN UKURAN SAMPEL
s.wiyono STAT_INFERENS 2
SAMPLING
Sampling mengandung dua pengertian, yaitu tentang Besar
Minimal Sampel dan Metoda Mengambil Sampel
Ada beberapa alasan mengapa harus diambil sampel:
Alasan keterbatasan sumber daya (waktu, biaya, tenaga) peneliti
Alasan efisiensi.
Bias
Populasi (N)
Representatif besar dan metoda
Sampel (n)
Statistik (X, SD)
Parameter ( , o )

Nilai d melambangkan simpangan dari proporsi pada populasi dan
besarnya d dapat dihitung sbb:
d= Z
1-/2
[{p(1-P)/n}]

P-Z
1-/2
[P(1-P)/n] P+Z
1-/2
[P(1-P)/n]
d
d
/2 /2

Nilai Z
1-/2
melambangkan jarak sekian standar error dari
rata-rata. Nilai disebut sbg presisi dan nilainya semakin
kecil dg semakin besarnya jumlah sampel. Sedangkan nilai
Z
1-/2
ditentukan berdasarkan TK yang diinginkaan. TK
yang sering digunakan adalah 90, 95 dan 99%. Jika nilai Z1-
/2 ditentukan 1.96 maka berarti 95% dari seluruh proporsi
pada sampel akan berada pada kisaran 1.96 standar
error/SE dari proporsi populasi, dimana SE sama dengan
P(1-P). Namun SE merupakan merupakan fungsi dari
proporsi di populasi yg tdk diketahui.
Dengan menyelesaikan persamaan diatas diperoleh rumus
utk menghitung sampel sbb:

n= {Z
2
1-/2
P(1-P)}/d
2
Dengan menggunakan rumus diatas, nilai P(1-P) akan
mencapai maksimum jika P=0.5, yang juga berarti
jumlah sampai mencapai maksimum. Jadi jika peneliti
tidak mengetahui perkiraan proposi pada populasi,
peneliti disarankan untuk menggunakan P=0.5

Contoh
Kepala dinas kes Kab.Sukasari ingin mengetahui
prevalen anemia ibu hamil. Berdasar informasi pada
survei gizi ibu hamil diperoleh prevalensi anemia ibu
hamil sebesar 62%.
Berdasarkan masalah dan informasi yang ada berapa
jumlah sampel yang diperlukan jika diinginkan presisi
sebesar 10% dan TK 90%?
Jawab.
Diket: p=0.62; d=0.10 dan Z=1.64, maka diperlukan jumlah
sampel:
n= {(1.64)2. 0.62(1-0.62)}/(0.1)2 = 63.37 64 ibu hamil.
Artinya 64 ibu hamil diperlukan sebagai sampel agar kita
90% percaya dalam melakukan estimasi prevalensi anemia
ibu hamil.

Tugas.
1. Kepala dinas kes Kab.Babarsari ingin mengetahui prevalen
status gizi kurang anak balita. Berdasar informasi pada survei
status gizi kurang anak balita diperoleh prevalensi sebesar
20.5%. Berdasarkan masalah dan informasi yang ada berapa
jumlah sampel yang diperlukan jika diinginkan presisi sebesar
10% dan TK 95%?
Selang Kepercayaan Sampel Besar untuk Proporsi Populasi.
Disimbolkan dengan p. Mean dari dist sampling ^p adalah p shg ^p
adalah estimator tidak bias untuk p. Standar Deviasi dari dist
sampling ^p adalah pq/n atau op= pq/n dimana q=p-1.

Untuk jumlah sampel besar ^p mendekati distribusi normal. Suatu
ukuran sampel dikatakan besar jika selang ^p3op tidak memuat 0
atau 1.
Catatan:
^p untuk mengestimasi p, selang kepercayaan sampel besar untuk
p berbentuk
^p Zo/2o^p = ^p Zo/2 {^p.^q/n }
dimana ^p = x/n dan ^q = 1-^p
Contoh
637 dari 1000 masyarakat desa Kurawa mengatakan
bahwa mereka mempercayai kepala desanya. 95% selang
kepercayaan untuk proporsi semua masyarakat Kurawa
yang mempercayai kepala desa-nya adalah:
^p Zo/2op = 0.637 1.96 {p.q/1000 }
^p 1.96 {p.q/1000 } = ^p 1.96 {^p.^q/1000 }
= 0.6371.96 {(0.637. (0.363)/1000 }
= 0.6370.030

Jadi selang kepercayaan 95% untuk proporsi tsb adalah
0.607 s p s 0.667
Tugas

Dari 10.000 wanita usia 50-54 tahun diperoleh
400 menderita kanker payudara. Lakukan
pendugaan prevalen kanker payudara di
populasi masing-masing pada 90%, 95% dan
99%.
Besar sampel untuk Variabel Kontinu.
Estimasi rata-rata diperlukan utk mengukur variabel yang
bersifat kontinu, missal survey untuk menilai rata-rata
asupan energi pada
anak balita. Dalam melakukan estimasi rata-rata populasi
dituliskan sebagai dan varians
2
. Menurut teori limit
sentral, distribusi rata-rata sampel akan berbentuk normal
dengan rata-rata E(x)= dan varians Var(x)= 2/n.
Simpangan dari rata-rata, d (presisi) dari rata-rata populasi
dapat dituliskan sbb:
d= Z
2
1-/2

2
/n

dimana Z
1-/2
adalah jarak sekian SE dari
rata-rata. Nilai d disebut sbg presisi dan
nilainya semakin kecil dengan semakin
besarnya jumlah sampel. Sedangkan nilai
Z
1-/2
ditentukan berdasar TK yang diinginkan
(90;95 dan 99%). Rumus utk menghitung besar
sampel variabel kontinu adalah sbb:

n= {Z
2
1-/2
2
}/d
2
Contoh:
Suatu penelitian utk mengetahui asupan energi anak balita di Kab.
Luwu. Diperoleh informasi bahwa standar deviasi asupan energi
=50 Kalori. Berapa besar sampel yang diperlukan jika digunakan TK
95% dan simpangan maksimum daro rata-rata asupan energi
adalah 20 Kalori.
Jawab.
n= {Z21-/22}/d2 n= {(1.96)2(50)2}/(20)2 = 24.01 25

Tugas.
Suatu penelitian tentang hiperlipidemia dimana simpangan
maksimum thd rata-rata adalah 10gr/dL dan simpangan baku kadar
kolesterol =43 gr/dL. Jika peneliti menginginkan TK 95% hitung
berapa besar sampel minimal-nya!.
Beberapa pengertian:
- Sampel adalah subjek yang dilakukan pengukuran.
- Populasi adalah Subjek yang diduga karakteristiknya
Misalnya mencicip buah mangga yang akan dibeli pada dasarnya
mengukur
variabel rasa (manis, asam) secara organoleptik untuk menduga
dari
keseluruhan buah mangga yang dijual.
- Jenis Populasi: Populasi Finit dan Populasi In-finit.
- Populasi Finit adalah populasi yang dibatasi oleh wilayah dan
atau aturan2
tertentu, misal: Karyawan pabrik sepatu atau Siswa SD
- Popuasi In-Finit adalah populasi yang batas wilayah dan aturan
aturan2nya
relatif longgar, misalnya Ibu balita di Desa Astina.
Besar Minimal Sampel, sangat ditentukan oleh bentuk data
dari variabel.
Variebel dg bentuk data Diskrit Proporsi
Pada Populasi Terbatas/Finit
Z2 1-o/2 p (1 p)N
n = -------------------------------------
d2 (N-1) + Z2 1-o/2 p (1 p)
dimana: n = besar minimal sampel Z2 1-o/2 =
kepercayaan peneitian 99% 2.58, 95 %--
>1.96, 90% 1.64p=proporsi kasus yang
ditelitid=simpnagan maks. thd. Prevalen1=probabilitas
maksimalN=Jml Populasi
Pada Populasi Tdk Terbatas/In-Finit
Z2 1-o/2 p (1 p)
n = ------------------------
d2
dimana:
n = besar minimal sampel
Z2 1-o/2 = kepercayaan penelitian
99% 2.58, 95 %-->1.9690% 1.64
p=proporsi kasus yang diteliti
d=simpnagan maks. thd. Prevalen
1=probabilitas maksimal
Populasi Terbatas
Z2 1-o/2 * o2
n = ----------------
d2
dimana:
n = besar minimal sampel
Z2 1-o/2 = kepercayaan penelitian
99% 2.58, 95 %-->1.96, 90% 1.64
o=standar deviasi
d=simpnagan maks. thd. Rata-rata1=probabilitas maksimalContoh:

Variabel Diskrit pada Populasi Terbatas
Jumlah karyawan pada suatu pabrik ada 3000 orang dan prevalen
anemia pada tenaga kerja=60%. Jika simpangan baku tdh prevalen=5%
serta nilai Derajat Kepercayaan 95%. Berapa sampel minimal ?
Jawab.
Z2 1-o/2 p (1 p)Nn = ------------------------------------- d2 (N-1) + Z2 1-o/2 p
(1 p) (1.96)2 *0.6 (1 0.6)3000
n = --------------------------------------------------- (0.05)2 (3000-1) + (1.96)2
0.6(1 0.6) = 328.52 ~ 329 orang
Variabel Kontinu pada Populasi Terbatas
Seorang peneliti ingin mengetahui rata2
tekanan diastolik karyawan suatu
perusahaan. Pemeriksaan awal
menunjukkan bahwa rata2 diastolik 90 mmHg
dg standar deviasi=20 mmHg. Perusahaan tsb
memiliki 100 karyawan. Jika eneliti
menginginkan simpangan maksimal thd rata2
diasolik sebsar 10 mmHg dan TK kepercayaan
95%. Hitung besar sampel minimal
Jawab.
Z2 1-o/2 * o2Nn = -------------------------------------
d2 (N-1) + Z2 1-o/2 o2 (1.96)2 * (20)2100n
= ---------------------------------------------------
(0.05)2 (100-1) + (1.96)2 (20) 2 = 13.44 ~ 14
orang
Variabel Kontinu pada Populasi Tidak Terbatas
Suatu penelitian tentang hiperlipidemia
dimana simpangan maksimal thd rata2 adalah
10 gr/dL dan simpangan baku kadar kolesterol
adalah=43.0 gr/dL. Jika penelitian
menginginkan TK kepercayaan 95%. Hitung
besar sampel minimal
Jawab.
Z2 1-o/2 * o2n = ----------------- d2
(1.96)2 * (43.0)2n = ------------------------- = 71
orang (10)2
B. Metoda/Cara mengambil sampel

Non Probabilitas : Quota, Accidental, Studi Kasus dan
Purposive.

Probasbilitas.
2.1. Acak Sederhana/Simpel Random Sampling (SRS)
metoda sampling yang terbaik karena memberikan kesempatan
yang sama kepada unit sampel untuk terpilih sebagai sampel.
Langkah pertama yang harus dikerjakan adalah memberi No. 1
s/d n untuk tiap unit elemen pada populasi sebagai kerangka
sampel. Langkah selajutnya adalah memilih sejumlah n
sampel secara acak. Untuk mengambil sampel secara acak
dapat dipakai Tabel Acak, Komputer, Generator, Kalkulator
atau Lotre/diundi.
Sistematik Random Sampling
-Peneliti harus membagi populasi menjadi m klp dng besar kelp
k=N/m
-Pada kelompok pertama, pemilihan sampel dilakukan secara
acak sederhana dg selang angka acak antara 1 s/d k

-Sampel berikutnya dipilih dg menambahkan k pada angka
sebelumnya.
Contoh:
Peneliti ingin mengetahui status gizi pada 50 balita yang datang ke
Puskesmas. Peneliti hanya ingin mengambil 10 balita. Maka peneliti
membagi balita menjadi k = 50 : 10 = 5
Unsur pertama dari sampel harus dipilih secara acak diantara satuan
elemen No.01 dan 05.
Andaikan yg terpilih sebagai unsur pertama adalah elemen No.03
maka unsur lainnya dari sampel adalah nomor2:
3 + (1*5) = 83 + (2*5) = 133 + (3*5) = 183 + (4*5) = 233 + (5*5) =
283 + (6*5) = 333 + (7*5) = 383 + (8*5) = 433 + (9*5) = 483 +
(10*5) = 53Kluster
HIPOTESIS

Didalam suatu penelitian kita membuktikan kebenaran
suatu pernyataan yaitu suatu Hipotesis untuk dibuktikan apaka
berhasil menjadi TesisHipotesis penelitian meminta dukungan
hasil uji hipoptesis statistik.

Ada dua macam hipotesis statistik
Hipotesis Nol (Ho)
Hipotesis Alternatif (Ha)
Ho dan Ha adalah dua hal yang mutually eksklusif dan Ho adalah
hipotesis yang diuji. Akhir sutau pengujian adalah Tolak Ho atau
Gagal Tolak Ho
Error Type I (Alpha) Kesalahan yang terjadi
apabila hasil pengujian Tolak Hipotesis yang
pada hakekatnya adalah Benar.

Error Type II (Beta) Kesalahan yang terjadi
apabila hasil pengujian Gagal Tolak Hipotesis
yang pada hakekatnya adalah Salah.
Uji Statistik
Hipotesis Nol
-Tidak ada hubungan
Hipotesis Alternatif
-Ada hubungan
Standar Menolak Ho Alpha
Menyimpulkan salah
-Error Type I (Alpha)
Menyimpulkan ada hubungan
Error Type II (Beta)
Mentimpulkan tidak ada
hubungan
Proses Peradilan
Praduga Tak Bersalah
-Terdakwa tidak korupsi
Masalah/dugaan
-Terdakwa korupsi
Standar Menolak Praduga Ket.
Saksi
Putusan :
-Salah Type 1
Menghukum orang tidak bersalah
Salah Type 2
Tidak menghukum orang yang salah

Batas Kritis Level of Signifikansi
Probabilitas untuk mendapatkan harga statistik pada daerah kritis,
apabila Ho benar pada level of Sig.
Batas kritis ( o ) ditentukan oleh Jenis penelitian, yaitu :
Jenis penelitian Klinik = 99%; Z 1-o/2 = 2.58 o = 0.01
Jenis penelitian Public Health = 95%; Z 1-o/2 = 1.96 o = 0.05
Jenis penelitian Sosial = 90%; Z 1-o/2 = 1.64 o = 0.1

Tahapan Uji Statistik

Pilih Jenis Uji yang sesuai
Tentukan Tingkat Kepercayaan dan Alpha
Formulasikan Hipotesis (Ho dan Ha)
Lakukan Perhitungan
Tentukan Keputusan Tolak Ho atau Gagal Tolak Ho
Simpulkan
Uji Beda2 Rata
2

Satu Sampel Dua Sampel
o diketahui

Dependen Independen
Ya Tidak

Uji Z Uji t

_ - _ -
Z = ---------- t = ---------
o / \n SD/ \n

UJI BEDA 2 RATA-RATA
Uji Beda Satu Sampel
Contoh Soal.
Menurut iklan perusahan obat bahwa kandungan rata
2
dosis
antibiotik Obat X adalah 300 mg. Untuk meyelidiki kebenaran iklan
tsb.
Dilakukan pengujian 10 sampel kapsul dengan hasil sbb. Pada alpha
5% dan hipotesis 2 arah, bagaimana kesimpulan penelitian tersebut.

No. Kapsul : 1 2 3 4 5 6 7 8 9 10
Dosis (mg) : 318 301 291 250 260 265 300 305 290 220
Jawab :
1. o tidak diketahui gunakan uji t
2. Hipotesis Ho : tidak benar bahwa rata
2
dosis sebanyak 300 mg
Ha : benar bahwa rata
2
dosis sebanyak 300 mg

3. Perhitungan :
Diketahui : _ = 280 mg; SD = 30.29 mg; = 300 mg; n = 10
_ - 280 - 300
t = ----------- t = -------------- t = -2.09 Lihat Tabel
SD/ \n 30.29/ \10

4. Keputusan : t hit > t tabel -2.09 > 1.833 atau p < o Tolak Ho
5. Kesimpulan : benar bahwa dosis tidak sebanyak 300 mg

Uji Beda Dua Sampel
1. Dua Dampel Dependen / Paired
Syarat :
- Data berdisribusi Normal
- Kedua Data dependen / Paired
- Jenis kedua variabel numerik dan kategori

Contoh :
1. Ingin mengetahui apakah ada perbedaan pengetahuan sebelum
dan sesudah diberi pelatihan.
2. melihat apakah ada perbedaan berat badan sebelum dan sesudah
mengikuti program diit.

Rumus : d SD
t = -------- SE = ------
SE \n
df = n-1
Contoh :
Penelitian untuk melihat apakah ada pengaruh kadar Hb sebelum dan sesudah diberi
preparat Fe. Pada alpha 5% dan hipotesis 2 arah, bagaimana kesimpulan
penelitian tersebut? Data kadar Hb disajikan sebagai berikut ini.

Sebelum (gr%): 9.0 8.0 7.5 8.0 7.0 6.0 7.5 9.5 11.0 8.0
Sesudah (gr%): 11.0 12.0 6.0 12.0 10.0 5.0 8.0 10.0 10.0 12.5
Delta (gr%): 2.0 4.0 -1.5 4.0 3.0 -1.0 0.5 0.5 -1.0 4.5

Jawab :
1. Hipotesis Ho : d = 0 ; Ha : d = 0
2. Perhitungan : d = 1.5 ; SD = 2.297

d d 1.5
t = ----- t = ---- t = --------- t = 2.07 ; Lihat Tabel t
SE SD/ \n 2.297/ \10
df = n-1 df = 10-1

3. Keputusan : t hit > t tabel 2.07 > 1.833 atau p < o Tolak Ho
4. Kesimpulan : ada perbedaan rata
2
kadar Hb sebelum dan sesudah
diberi
preparat Fe

2. Dua Sampel Indpependen
Syarat :
- Data berdisribusi Secara Normal
- Kedua Data saling tidak tergantung / independen
- Sifat data yang dihubungkan numerik dan kategori

Prinsip pada uji beda dua sampel Independen harus melihat varian populasi.
Ada dua jenis varian :
1. Varian sama
Karena sulit mengetahui / tidak ada nilai o (SD populasi) maka
digunakan
Rumus uji t.
_
1 -
_
2

t = ------------------------------------------------
\ S
1
2
(n-1) + S
2
2
(n-1) \(1 /n
1
+ 1 /n
2
)
(n
1
+ n
2
) 2

df = {(n
1
+ n
2
) 2}

Contoh soal (1) :
Penelitian ingin melihat tekanan darah antara
kelompok yang diberi aspirin dengan kelompok
yang diberi plasebo. Dari orang 23 yang diberi
aspirin rata2 tekanan darahnya = 111 mmHg
dan S = 8 mmHg. Dari 24 orang yang diberi plasebo
rata2 tekanan darahnya = 109 mmHg dan S = 8 mmHg.
Pada alpha 5% dan hipotesis 2 arah, bagaimana
kesimpulan penelitian tersebut?.
Jawab :
1. Hipotesis
Ho : Tidak ada perbedaan rata
2
tekanan orang antara yang diberi aspirin
dengan yang diberi plasebo
Ha : Ada perbedaan rata
2
tekanan orang antara yang diberi aspirin
dengan yang diberi plasebo
2. Perhitungan : n
1
= 23 n
2
= 24
X
1
= 109 X
2
= 109
S
1
= 8 S
2
= 8

Rumus :
_
1 -
_
2

t = ------------------------------------------------

\ S
1
2
(n-1) + S
2
2
(n-1) \(1 /n
1
+ 1 /n
2
)
(n
1
+ n
2
) 2

df = {(n
1
+ n
2
) 2}
_
1 -
_
2
2
t = ------------------------------------------------ t = -------------------------------------------
\ 8
2
(23-1) + 8
2
(24-1) \(1 /23

+ 1 /24) \64 (22) + 64 (23) \(0.043

+ 0.042)
(23 + 24) 2 45

2 2 2
t = ------------------------ t = ---------- t = --------- t = 0.86 ; Lih Tbl t
\64 * 0.289 8 * 0.289
\ 1408 + 1472 \ 0.085
45

3. Keputusan :
t hit > t tabel 0.86 > 1.684 atau p < o Gagal Tolak Ho
4. Kesimpulan :
Tidak ada perbedaan rata
2
tekanan darah menurut jenis obat
Contoh Soal (2) :
Seorang pejabat Badan POM menyatakan bahwa
kandungan Zat X pada lipstik Mawar berbeda dengan
lipstik Melati. Untuk membuktikan pendapatnya maka
diteliti secara random 10 lipstik Mawar dan 8 lipstik
Melati. Selanjutnya diperoleh hasil bahwa rata2 Zat X
lipstik Mawar = 23.1 mg dan S = 1.5 mg, sedangkan
untuk lipstik Melati rata2 lipstik Melati = 20.0 mg dan
S = 1.7. Pada alpha 5% dan hipotesis 2 arah,
bagaimana kesimpulan penelitian tersebut?.

Jawab :
1. Hipotesis :
2
kandungan zat X kedua jenis lipstik.
2
kandungan zat X kedua jenis lipstik.

2. Perhitungan : n
1
= 10 n
2
= 8
X
1
= 23 X
2
= 20.0
S
1
= 1.5 S
2
= 1.7
Rumus :

_
1
- _
2

t = ------------------------------------------------
\ S
1
2
(n-1) + S
2
2
(n-1) \(1 /n
1
+ 1 /n
2
)
(10 + 8) 2

23.1 20.0 3.1
t = --------------------------------------------- t = -----------------------------------------------
\2.25 (9) + 2.87 (7) \(0.1 + 0.125) \2.25 (9) + 2.87 (7) \(0.1 + 0.125)
16 16
3.1 3.1 3.1
t = --------------- t = ---------------- t = ------------ t = 4.36 ;Tabel?
\ 40 + 48 \0.225 \2.53 * 0.474 1.59 * 0.474
16

3. Keputusan :
t hit (= 4.36) > t tabel (= 1.746) p < o Tolak Ho
4. Kesimpulan :
Tidak ada perbedaan rata
2
Zat X antara lipstik Mawar dan lipstik Melati.

Untuk menganalisis jika kelompoknya lebih dari dua, misalnya ingin mengetahui rata
2

Hb anak sekolah wilayah Bekasi, Bogor dan Tanggerang (3 kelompok wilayah). Untuk
menganalisis data tsb sangat tidak dianjurkan menggunakan Uji t, mengapa?
Kelemahan menggunakan Uji t adalah :
1. Kita melakukan pengujian yang berulang kali sesuai kombinasi yang
mungkin
2. Bila melakukan poengujian secara berulang akan meningkatkan / inflasi
nilai o, artinya kan meningkatkan peluang hasil yang salah. Perubahan
inflasi nilai
o = 1 (1 - o)
n

Untuk menganalisis masalah tsb dianjurkan dengan menggunakan jenis uji yang lebih
tepat yaitu Uji ANOVA atau Uji F.
Prinsip Uji ANOVA adalah melakukan telah variabilitas data menjadi dua
sumbervariasi yaitu varian dalam kelompok (within varian) dan varian antar
kelompok (between varian) dengan ketentuan :
a. Jika varian within dan between sama (nilai perbandingan kedua varian sama
dengan 1 maka rata
2
yang dibandingkan tidak ada perbedaan.
b. Jika hasil perbandingan kedua varian tsb, menghasilkan nilai lebih dari 1, maka
rata
2
yang dibandingkan menunjukan ada perbedaan.

Beberapa Asumsi yang harus dipenuhi pada Uji ANOVA adalah :
1. 1.Varian Homogen
2.Kelompok Independen
3.Data berdistibusi Normal
4.Jenis data yang dihubungkan adalah numerik vs data kategori
(>2 kategori)
One Way ANOVA

A B C

X
1
1

. 1 1.
3. 3 X Total
3.

X
A
X
B
X
C

2 2 2
1. Varian Total Deviasi dari X
1
dan X Total
2. Variasi Antar Kelompok Deviasi dari X
1
dan X Total
3. Variasi Dalam Kelompok Deviasi dari X
1
dan X

Rumus Perhitungan Uji ANOVA
Sb
2

F = ------------ ; dk/db/ df = k 1 untuk pembilang
Sw
2
N k unutk penyebut

N
1
X
1
+ N
2
X
2
+ n
k
X
k

X = --------------------------------- ; Ket : N = Jml seluruh sampel (n
1
+ n
2
+ n
k
)
N

(n
1
(X
1
X)
2
+ (n
2
(X
2
X)
2
+ + n
k
(X
k
X)
2

Sb
2
= ------------------------------------------------------------------
K 1

(n
1
1) S
1
2
+ (n
2
1) S
2
2
+ + (n
k
1) SK
2

SW
2
= -----------------------------------------------------------------
N k
Contoh Soal :
Suatu penelitian data penelitian sbb :
5 pasien tang tk pendidikan tinggi rata
2
lama hari rawat = 3 hari; S = 1.5 hari
10 pasien tang tk pendidikan Sedang rata
2
lama hari rawat = 5 hari; S = 2 hari
8 pasien tang tk pendidikan rendah rata
2
lama hari rawat = 10 hari; S = 2 hari
Dengan alpha 5% dan hipotesis 2 arah, apakah ada perbedaan rata
2
lama hari
rawat berdasarkan tingkat pendidikan ?

Jawab :
1. Hipotesis
2
lama hari rawat berdasarkan tingkat
pendidikan
Ps
Ha : Ada perbedaan rata
2
lama hari rawat berdasarkan tingkat pendidikan Ps

2. Perhitungan :

n
1
X
1
+ n
2
X
2
+ + n
k
.X
k
X = ------------------------------- ; Ket : N = Jml seluruh sampel (n
1
+ n
2
+ n
k
)
N
(5*3) + (10*5) + (8*10)
X = ------------------------------ X 6.3
5 + 10 + 8

(n
1
(X
1
X)
2
+ (n
2
(X
2
X)
2
+ + n
k
(X
k
X)
2

Sb
2
= --------------------------------------------------------------
K 1

(5 (3 6.3)
2
+ (10 (5 6.3)
2
+ 8(10 6.3)
2

Sb
2
= -------------------------------------------------------- Sb
2
= 90.45
3 1

(n
1
1) S
1
2
+ (n
2
1) S
2
2
+ + (n
k
1) SK
2

SW
2
= -----------------------------------------------------------------
N k

(5 1) (1.5)
2
+ (10 1) (2)
2
+ (8 - 1) (2)
2

SW
2
= ----------------------------------------------------- Sw
2
= 3.65
(5 + 10 + 8) 3
90.45
F = ------------ ; 24.84 Lihat tabel F pada kolom k 1 = 3 1 = 2 pada baris N
k
a. = 23 3 = 20 dan o = 5%

3. Keputusan :
F hit > t tabel 24.80 > 3.49 atau p < o Tolak Ho
4. Kesimpulan :
Ada perbedaan bermakna rata
2
lama hari rawat berdasarkan pendidikan
pasien.

Tugas :
Suatu penelitian bertujuan mengetahui prbedaan kadar folat pada tiga zat
anestesi / pembius berbeda dengan hasil sbb dibawah. Dengan alpha 5% dan
hipotesis dua arah, apakah ada perbedaan rata
2
folat berdasarkan zat pembius?

Kelompok I : 243 251 275 291 347 354 380 392
Kelompok II : 206 210 226 249 255 273 285 295 309
Kelompok III : 241 258 270 293 328 564

Digunakan untuk melakukan Uji pada dua variabel dengan bentuk masing-
masing data kategori. Sebagai contoh variabel tensi dengan bentuk data kategori
dengan atribut hipertensi dan normal. Kemudian dikombinasikan dengan variabel
merokok dengan atribut merokok, tidak merokok atau pernah merokok. Jika
kedua variabel tersebut dikombinasikan kedalam sebuah tabel maka tabelnya
disebut sebagai tabel silang / crosstab atau tabel kontingensi. Selanjutnya
dilakukan Uji Chi Square atau Khi Kuadrat untuk melihat ada tidaknya asosiasi
antara kedua sifat tersebut.

Dasar-dasar Uji Khi Kuadrat
Dasar Uji Khi Kuadrat adalah membandingkan
frekuensi yang diamati atau observeb = 0
dengan frekuensi yang diharapkan atau
ekspected = E. Selanjutnya perlu diketahui
distribusu kuadrat X2 (Chi Square) yakni
distribusu probalilitas statistik :
( O E )
2
X
2
= E --------------
E

Untuk sampai pada suatu penarikan keputusan maka harus memperhatikan nilai
derajata bebas (db) atau derajat kebebasan (dk) atau degre of freedom (df)
yang besarnya adalah
Db / dk / df = (b-1) (k-1)
Dimana : b = banyak baris dan k = banyak kolom

Type Uji Chi Square
Secara spesifik Uji Chi Square dapat digunakan untuk mengetahui
1. Ada tidak asosiasi antara dua variabel /independency test
Misalnya untuk melihat hubungan antara penggunaaan alkohol dengan
merokok.
2. Apakah suatu kelompok homogen / homogenitas antar sub kelompok = homogeneti test
Misalnya untuk mengetahui kesetaraan hak antara pria dan wanita
3. Seberapa jauh suatu pengamatan sesuai dengan parameter yang ispesifikasi /
goodness of fit. Misalnya untuk mengetahui apakah data yang kita punya sesuai
dengan distribusi normal.

Penerapan 1. Uji Chi Square Satu Sampel
Contoh
Suatu organisasi perempuan ingin mengetahui apakah wanita mempunyai
peluang yang sama dengan pria untuk menjadi kepala desa. Untuk itu maka
perlu dilakukan penelitian. Sebagai sampel adalah diambil secara random 300
orag, Dari sampel tsb. Ternyata 200 orang memilih pria dan 100 orang memilih
wanita. Bagaimana kesimpulannya pada alpha 5% dan hipotesis dua arah.

Jawab.
1. Susun Hipotesis
Ho : Tidak ada perbedaan frekuensi perolehan suara antara calon pria dan
wanita
Ha : ada perbedaan frekuensi perolehan suara antara calon pria dan wanita

Calon kepala desa
Frekuensi yang diperoleh
(observeb = o)
Frekuensi yang
diharapkan
(ekspected = E)
Pria 200 150
Wanita 100 150
Jml 300 300
Catatan : Jumlah frekuensi yang diharapkan adalah sama yaitu masing-
masing 50%

3. Perhitungan

( O E )
2
X
2
= E ----------
E
Pilihan O E O - E ( 0 E )
2
{( O E)
2
}
/ E
Pria 200 150 50 2500 16.67
Wanita 100 150 -50 2500 16.67
Jumlah 300 300 0 5000 33.33

DB = (2 1) (2 1) = 1
X
2
hit (-33.33) > X
2
tabel (-3.841) atau p < alpha (=0.05)

4. Keputusan : Tolak Ho
5. Kesimpulan : Ada perbedaan perolehan suara antara calon kepala desa pria
dan
Wanita

Tugas
Suatu perusahaan cat mobi ingin mengetahui cat warna apa yang harus paling
banyak diperoduksi. Untuk itu dilakukan penelitian dengan melakukan
pengamatan selama I minggu tehadapa mobil yang lewat dijalan dengan
ditemukan 1000 berwarna biru, 900 berwarna marah, 600 berwaran putih dan
500 berwarna yang lain.Dengan hipotesis dua arah da alpha 5% bagaimana hasil
penelitian tersebut dan cat warna apa yang harus banyak diproduksi ?
Penerapan 2. Uji Chi Square Dua Sampel
Syarat :
1. Kedua variabel berskala nominal / ordinal
2. Kedua variabel independen

Prinsip Uji Chi Square Dua Sampel adalah membandingkannilai ekspected (=E)
dan nilai observeb (=O). Jika terdapat perbedaan yang cukup jauh maka secara
statistik ada perbedaan yang bermakna. Untuk tabel 2 x 2, formula Uji Chi
Square harus dikoreksi dengan Yates (Yates corection) dengan rumus

{( I O E I 0.5)
2
}
X
2
= E ---------------; dengan d b = (b-1) (k-1)
E

Atau dengan rumus

N ( I AD BC I N / 2)
2
X
2
= ----------------------------------- ; dengan d b = (b 1) ( k
1)
(A + C) (B + D) (A + C) (C + D)

selanjutnya diplot kedalam tabel kontingensi sbb :

Dependen Variabel Variabel
Independen Kasus Non Kasus
Jumlah
Kasus A B A + B
Non Kasus C D C + D
Jumlah A + C B + D N

Contoh
Suatau penelitian ingin mengetahui hubungan antara tensi dengan beta lahir
bayi. Secara random diambil 126 sampel ibu hamil ternyata 21 melahirkan
dengan bayi BBLR. Sedangkan diantara ibu yang tensinya normal, 65 ibu
melahirkan bayi normal. Dengan hipotesis dua arah dan alpha 5% bagaimana
kesimpulan penelitian tsb.
Jawab
1. Hipotesis :
Ho : Tidak ada perbedaan proporsi kondisi bayi menurut tensi ibu.
Ha : Ada perbedaan proporsi kondisi bayi menurut tensi ibu.

2. Perhitungan

Kondisi Bayi Tensi
BBLR Normal
Jumlah
Hipertensi 21 15 36
Normal 65 25 90
Jumlah 46 80 126

Cara I

E1.1 = (36 x 46) / 126 = 13.14 E2.1 = (90 x 46) / 126 = 32.85
E1.2 = (36 x 80) / 126 = 22.85 E1.1 = (90 x 80) / 126 = 57.14
(I21 13.14 I- 0.5)
2
(I21 13.14 I- 0.5)
2
(I21 13.14 I- 0.5)
2
(I21 13.14 I-
0.5)
2

X
2
= ------------------------+-----------------------+------------------------+---------------------
---
13.14 22.85 32.85 57.14

X
2
= 4.12 + 2.36 + 1.64 + 0.94 X
2
= 9.06

Cara II
N (IAD BC I N / 2)
2
X
2
= --------------------------------- ; dengan d b = (b-1) (k-1)
(A+C) (B+D) (A+B) (C+D)

126 (I 21* 65 15* 25 I 126 / 2)
2
X
2
= --------------------------------------------- X
2
= 9.06 ; dengan d b = (b-1)
(k-1)
(46) (80) (36) (90)

X
2
= hit (= 9.06) > X
2
tabel (=3.841) atau p < alpha (=0.05)

4. Kesimpulan :
Ada perbedaan bermakna proporsi kondisi lahir bayi menurut tensi ibu
Tugas
Suatu penelitian ingin mengetahui hubungan antara status sosial ekonomi
dengan status gizi denagn hasil sbb :
Dari 70 responden denga tingkat sosial ekonomi sedang 40 anak berstatus gizi
buruk.
Dari 80 respondensi dengan tingkat sosial ekonomi rendah 20 anak berstatus gizi
baik
Dengan hipotesis dua arah dan alpha 5% bagaimana kesimpulan penelitian tsb.
Korelasi
Jika kita mengetahui adanya hubungan dua variabel yang keduanya dengan data kontiu (skala Rasio)
maka kita Uji dengan Uji Korelasi. Korelasi akan menjelaskan besar / kekuatan hubungan antara dua
variabel tsb. Sebelumnya dapat dilihat pada scatter atau diagram tebar sbb.

* * * * ****
* * * * ** * * *** * * * *
* * * * * * * * * * * * * * * * *
* * * * * * * * * * * * * * * * * *
* * * * * * * * * * * ** * *
** * ** * * * *

Gb. Linear Positif Gb. Linear Negatif Gb. Tidak Ada Hub
Besar nilai Korelasi ( r ) antara 0 s/d +1 dan 0 s/d 1
Colton mengelompokan besar nilai Korelasi ( r ) sbb :
r = +1, artinya berkorelasi positif sempurna
r = -1, artinya berkorelasi negatif sempurna
r > 0.75, artinya berkorelasi negatif sempurna
r = 0.5 0.75, artinya berkorelasi yang baik
r = 0.25 0.5, artinya berkorelasi sedang
r < 0.25, artinya tidak ada korelasi / diabaikan

Rumus Koefisien Korelasi Pearson adalah :

XY {(X) (Y)} / n
R = --------------------------------------
\ [ ( X
2
)- {(Y
2
)} / n ]
*
[ ( Y
2
) {( Y)
2
} / n ]

Contoh

Data berikut ini adalah hubunga antara usia (X) dengan lama hari rawat / LHR)
(Y)

Usia (X) LHR (Y) XY X
2
Y
2
20 5 100 400 25
30 6 180 900 36
25 5 125 625 25
35 7 245 1225 49
40 8 320 1600 64

150 31 970 4750 199

Dengan Hipotesis dua rah dan alpha 5% bagaimana kesimpulan penelitian tsb
?

Jawab
1. Hipotesis
Ho = Tidak ada hubungan antara usia dengan lama hari rawat
Ha = Ada hubungan antara usia dengan lama hari rawat

2. Perhitungan

XY {(X) ( Y)} / n
r = ---------------------------------------------------------------
\ [ ( X
2
) {( X)
2
} / n ] * [ ( Y
2
) - ( Y)
2
} / n ]

970 {(150) (31)} / 5
r = -------------------------------------------------------------- = 0.97
\ [ (470) {(250)
2
} / 5 ] * [ ( 199) - (31)
2
} / 5 ]

Selanjutnya dihitung Koefisien Determinasi (r)
2
(0.97)
2
= 0.941.
Diartikan sebagai besarnya proporsi variasi variabel dependen (Y) yang dapat
dijelaskan oleh variabel independen (X).
Untuk melihat kemaknaan hubungan kedua variabel tsb. Kita Uji dengan Uji t

t = r \ {(n-2)} / 1-r
2
t = 0.97 \ {(5-2)} / 1 0.941

t = 6-8 Lihat tabel pada t pada a = 0.05 dan d f = n-2

t hit (= 6.8) . t tabel (=2.353) atau p < 0.05

2. Kesimpulan

Ada hubungan bermakna antara usia dengan lama hari rawat.
Regresi
Menjelaskan bentuk hubungan antara kedua variabel sehingga dapat
untuk memprediksi (X) akan diikuti okleh variabel dependen (Y), sehingga
dapat dibuat suatu persamaan Garis-nya .
Dari nikai koefisien tsb. Dapat dianalisis lebih lanjut ketergantungan satu
variabel terhadap variabel yang lain dengan analisis Regresi Linear
sederhana.
Dibuat dengan membuat garis rekaan yang linear pada diagram tebar
nya. Garis rekaan tsb seakan merupakan penyusutan (regressed) titik
titik pengamatanyang tersebar. Dengan mengetahui persamaan garis
regresi linear tsb dapat dilihat gambaran nilai satu varabel tergantung
variabel yang lain.Secara matematis persamaan garis linear adalah
Y = a + bX
dimana :
Y = Variabel dependen ; X = variabel indpenden
a = Intercept, diartikan sebagai besarnya suatu tetapan ketika X=0
b = Slope, diartikan sebagai besarnya perubahan var. Y apabila
var. X berubah sebesar 1 unit.

XY {(X) (Y)} / n
B = --------------------------------- ; a = Y - bX

( X
2
) ( X)
2
/ n

b
---------------------------

a

Dari contoh hubungan antara usia dengan lama hari rawat diatas dapat dihitug :

XY {(X) (Y)} / n 970 {(150) * (31) } / 5
b = -------------------------------- b = -------------------------------- = 0.16
(X
2
) (X)
2
/ n 4750 {(150)
2
} /5

a = Y b X LHR = 6.2 - 0.16 * 30 a = 1.4

Sehingga persamaan garis Regresi Linear Sederhananya adalah

Y = a + b X LHR = 1.4 + 0.16 Usia

Contoh untuk pasien yang berumur 40 tahun, maka jika sakit akan dirawat
selama

LHR = 1.4 + 0.16 * 40 = 7.8 hari

Tugas
Dibawah ini adalah data umur dan tekanan darah. Pada alpha 5% dan
hipotesis dua arah ujilah bagaimana kesimpulan penelitian tsb

Umur (X) 49 50 51 51 51 52 54 56 57 58
Tensi (Y) 128 183 130 133 144 128 105 145 141 153

Hitunglah :
a. Kekuatan hubungan ( r ) antara umur dengan tensi
b. Buat persamaan garis dan interprestasikan !

SAMPEL5

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

SAMPEL5

Diunggah oleh

Hak Cipta:

Format Tersedia

s.

Representatif besar dan metoda

Statistik (X, SD)

Anda mungkin juga menyukai