Anda di halaman 1dari 38

UJI STATISTIK.

Oleh.
Mohammad Nurhadi

TEKNIK GEODESI GEOMATIKA


INSTITUT TEKNOLOGI NASIONAL MALANG

Bagan Asosiasi
Peristiwa 1

Peristiwa 2
Uji Chi - sq

Not significant

Significant
Eksperimen

Asosiasi Skunder
Indirect

Asosiasi Primer
Molekuler
Direct

Hal yg perlu diperhatikan dalam


Memilih Uji Statistik.
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

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

Pakai uji statistik yang berbeda

Skala Pengukuran.
Untuk skala pengukuran yang berbeda
Pakai uji statistik yang berbeda

Nominal dan ordinal : Non Parametrik


Interval dan rasio: Paremetrik &

Non Parametrik.

Cara Pengambilan Sampel.


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

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

Tahap-tahap Uji Statistik.


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

Hypotesis Nol (Ho)


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

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 %

Grafik Curve Normal.

Mean = Mediam = Modus


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
Bila p > Alpha

Ho diterima

Kesalahan Type Alpha & Beta.


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

Memilih Uji Statistik.


Uji 1 variabel:

Uji 3 variabel

Bionominal
Chi-square

Anova
Multipel

K.S.

regresi
Run tes

Uji 2 variabel

Chi-square
Fisher Exact
K.S.
Unpair- t-test

Peorsonss

Mc. Nemar
Uji tanda
CochranS
Pair-t-test
Wilcoxon

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

Uji Non Parametrik.


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

Degree of freedom.(df ).
Derajat kebebasan.
Df = n 1.
Jumlah yang diobservasi = n.

Df dua kelompok atau tabel.


Df = ( k 1 ) ( r 1 ).
Colum / kolom.
Row / baris.

Uji Chi- Square (X.2).

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 X
Bila X > NK
Ho ditolak dan ><

Rumus:
(O-E)

X =
E

Uji Fisher Exact.


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

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)

Nilai Kurve Normal.


Nilai Z dilihat pada tabel normal
p = 0.1
z = 1.65

0.05 .02
1.96 2.37

.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

Nilai Korelasi Populasi.


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

Evaluasi Garis Regresi.


1.
2.

Menghitung r
Menghitung hipotesis

3.

Kesimpulan dengan tidak melihat


nilai T (NK)
Ho diterima atau ditilak

Analisa Garis Regresi.


Hubungan 2 variabel dapat memprediksi
perubahan pada variabel dependen
n XY ( X)( X)
r=
{n X}{n Y}
a = Y - bX

Tingkat Pengukuran dan Test Statistik yang


cocok untuk masing- masing Tingkat.
SKALA

HUBUNGAN YG
MEMBATASI.

CONTOH STAT.
YG COCOK.

T. STATISTIK
YG SESUAI.

NOMINAL.

EKIUVALENSI

MODUS
FREQUENSI
KOEF.
KONTINGENSI.

NON
PARAMETRIK.

ORDINAL.

EKIUVALENSI
LEBIH BESAR
DARI

MEDIAN.
PERSENTIL.
SPEARMAN rs.
KENDALL t.
KENDALL w.

NON
PARAMETRIK.
.

SKALA

HUBUNGAN YG
MEMBATASI.

CONTOH STAT.
YG COCOK.

T. STATISTIK
YG SESUAI.

INTERVAL

EKIUVALENSI.
LEBIH BESAR
DARI.
RASIO
SEMBARANG 2
INTERVAL
DIKETAHUI.

MEAN.
DEV. STANDAR
KORELASI
PEARSON.
KARELASI
MOMEN HASIL
X GANDA.

NON
PARAMETRIK.
DAN.
PARAMETRIK..

IDEM DIATAS
+
RASIO
SEMBARANG 2
HARGA SKALA
DIKETAHUI.

MEAN
GEOMETRIK.
KOEFISIEN
VARIASI.

RASIO.

NON
PARAMETRIK.
DAN.
PARAMETRIK..

Pemilihan Uji Statistik.


VARIABEL.

NOMINAL.

DUA
KATA
GORI

UJI.

DUA
KATA
GORI
ATAU
LEBIH

BINO
CHI
MIAL. SQUARE

ORDINAL.

KATA
GORI.

K.S.

SKOR.

Dua Variabel tidak berkaitan.


VARIABEL
DUA.

VARIABEL SATU.
NOMINAL.
2 KEL

> 3 KEL

2
CHI
N
FISHER
SQUARE
O KELOMPOK
M = / > DARI
CHI
I 3 KELOM
SQUARE
O KELOMPOK.
R
D
SKOR.
I

SKOR
DISTRIBUSI
NORMAL.

ORDINAL.
KEL.

SKOR

MANN
WHIT
KRUSK
WALLIS
KENDALL S

INTERVAL.
SKOR DIST NORM

ANOVAR 1
FAKTOR.

ANOVAR
TREND.

KEN
DALL

PEARSON r.

Dua Variabel berkaitan.


VARIABEL II

VARIABEL I
2 KEL.

I
N
T
E
R
V
A
L
O
R
D
I
N

2
KELOM
POK

3 > KEL

KEL.

SCORE

Mc.
COECH SIGN WILCOX
NEMAR RAN Q. TEST.
-

=>3
KELOM
POK

KELOM
POK.

t BERKAITAN
ATAU
ANOVAR.
ANOVAR
2 FACTOR.

PAGE
sL

ANOVAR