SPSS 4: 23032016

23 Maret 2016
19:37

ANALISIS UJI BEDA 1 KELOMPOK DAN 2 KELOMPOK

Analyze compare means

One sample t test : uji beda rerata 1 kelompok

Contoh : perbedaan berat badan mahasiswa ilmu gizi angkatan 2013 kelas genap dengan berat badan standar sesuai usia

Independent sample t test : uji statistik untuk melihat perbedaan rerata 2 kelompok tidak berpasangan
Paired sample t test : uji beda rerata 2 kelompok berpasangan
One way anova : uji beda rerat lebih dari 2 kelompok

Independent dan paired t test adalah yang masuk dalam statistik parametrik, sehingga sebelum dianalisis harus ada uji normalitas data.
Uji normalitas menggunakan explore (discriptive statistics)

Uji Normalitas Data

Analyze descriptive statistics explore

Kemudian akan muncul Kotak dialog explore

Hanya ingin lihat normalitas BB saja, maka BB langsung masukkan dependent list, tapi kalau mau lihat normalitas data BB anatara jenis kelamin laki-laki dan
perempuan, maka selain BB masukin dependent list, maka factor list diisi jenis kelamin.

TI Page 1

Uji Normaltas data berat badan

Analyze descriptive statistics explore kotak dialog explore
Masukkan BB ke dependent list, kemudian klik statistik, descriptive continue
Tergantung kamu pakai CI berapa, 90, 95 atau 99%.
Tapi yang umum di pakai 95%.
Dengan CI 95%, berarti tingkat kesalahannya 5%.

klik plots kotak dialog explore : plots normality plots with testcontinueOK

Terdapat beberapa buku menjelaskan mengenai analisis uji kenormlaan data tidak menggunakan explore, namum menggunakan nonparametric test (lihat di analyze).
Sebenarnya ini sama-sama bisa digunakan. Yang memebdakan hanaya pada, apabila menggunakan fungsi explore maka akan terdapat 2 analisis yaitu menngunakan
saphiro wilk (apabila sampel <30 atau< 50 tergantung referensi mana yang mau kamu pake) dan kolmogorov smirnov ( sampel > 30 atau 50). Sedangkan pada
nonparametric test hanya terdapat 1 analisis, yaitu mengunakan kolmogorov smirnov
kurtosis

skewness

Kakinya sejajar, distribusinya normal

Sig adalag p value, 0,013

Pada analisis kenormalan data, apabila nilai p value <0,05 maka data berdistribusi tidak normal.
BEDAKAN dengan uji hubungan atau uji beda. Kalau pada uji hubungan atau uji beda, apabila p
value<0,05 maka terdapat hubungan atau perbedaan. Nilai 0,05 merupakan tetapan, sekalipun dengan
CI 90, 95 dan atau 99%.

TI Page 2

Garis normal

harusnya sebaran data disekitar garis normal, namun terdapat

data yang jauh dari garis normal, disebut data pencilan. Hal ini
menyebabkan data berdistribusi tidak normal. Data pencilan ini
akan lebih sering ditemui pada data lab, data pendapatan
keluarga. Namun data pencilan ini dapat dilihat milik siapa. Agar
data berdistribusi normal, maka dapat dilakukan dengan cara
mengeluarkan data pencilan tersebut, dengan syarat apanila data
pencilan dikeluarkan, maka jumlah sampel minimal harus
terpenuhi. Inilah fungsi penambahan sampel 10% saat
perhiyungan besar sampel minimal. Apabila dengan
mengeluarkan data pencilan, jumlah sampel minimal tidak
terpenuhi, maka harus tetap dianalisis. Namun, harus terdapat
penjelasan teoritisnya

Data pencilan pada nomor 13 (bukan nomor ID ya),

tapi nomor di spss nya

Uji kenormalan data berat badan berdasarkan jenis kelamin

Analyze descriptive statistics explore

Kemudian masukkan BB pada dependent list dan Jenis Kelamin pada factor list. Kemudian lakukan langkah sama seperti analisi kenormalan data BB
Perhatikan pada tabel Test of Normality
Terdapat 2 analisis : kolmogrov smirvnor dan sapirho
wilk
Lihat kolmogorov smirnov : nilai sig.p value laki-laki
tidak keluar, hal ini disebabkan terdapat jumlah sampel
minimal yang dapat
dianalisis yaitu n=10. sehingga untuk melihat
kenormalan
datanya beralih ke shapiro wilk. Pada tabel saphiro wilk
dapat dilihat nilai p value laki-laki dan perempuan >0,05
sehingga data berdistribusi normal (0,750 dan 0,062)
Apabila diperoleh hasil p value 0,05, maka disimpulkan
data tetap berdistribusi normal, karena anlisis statistik
yang mudah adalah analisis statistik parametrik (meski
ada beberapa pendapat yang menyatakan p value 0,05
bisa dikatakan normal atau tidak normal, tnggal kamu
mau pakai yang mana)

UJI ONE SAMPLE T-TEST

Misal : membandingkan berat badan mahasiswa ilmu gizi kelas genap dengan berat badan standar sesuai usia (katakanlah 55 kg)
Analyze compare means one sample t test
Input BB kedalam test variable(s) dan isi 55 pada test value

TI Page 3

Pada test value

di isi dengan
berat badan
standart, yaitu
55 kg

Klik options confidence of intervalnya, biasanya sih udah 95% kilk continue OK

Pada output muncul

Nilai p valuenya
0,04

TI Page 4