UJI NORMALITAS DATA

(Kolmogrov - Somirnov)

FUNGSI :
Untuk mengetahui normal atau tidaknya data

ASUMSI :

Data berskala Interval/Ratio

HIPOTESIS :

Ho : Distribusi adalah normal

Ha : Distribusi tidak normal

PENGAMBILAN KEPUTUSAN

p > data beridistribusi Normal

p < data tidak beridistribusi Normal

contoh kasus :

Seorang tenaga kesehatan mengatakan bahwa terapi akupuntur dapat menurunkan berat badan pasien.
Seorang peneliti dibidang kesehatan ingin mengetahui apakah ada perbedaan yang signifikan berat
badan pasien sebelum dan sesudah terapi akupuntur

no sebelum sesudah
1 77 51
2 66 48
3 80 58
4 95 44
5 74 61
6 79 55
7 72 59
8 67 50
9 60 48
10 60 52
1. Output :

2. Interpretasi :
Karena P value dari kedua kelompok > dari (0,05)
Maka : Data berdistribusi Normal
 UJI T 2 SAMPEL BERPASANGAN
(Paired Sample t Test)

FUNGSI :
Untuk mengetahui perbedaan sebelum dan sesudah perlakuan tertentu pada 2 kelompok
data berpasangan

ASUMSI :
1. Data berskala Interval/Ratio
2. Berdistribusi Normal

HIPOTESIS :
Ho : sebelum = sesudah
Tidak ada perbedaan yang signifikan berat badan pasien sebelum dan sesudah terapi akupuntur

Ha : sebelum sesudah
ada perbedaan yang signifikan berat badan pasien sebelum dan sesudah terapi akupuntur

PENGAMBILAN KEPUTUSAN

p < atau thit > ttabel maka H0 ditolak

p < atau thit < ttabel maka H0 diterima

Contoh Kasus :
Seorang tenaga kesehatan mengatakan bahwa terapi akupuntur dapat menurunkan berat badan
pasien. Seorang peneliti dibidang kesehatan ingin mengetahui apakah ada perbedaan yang
signifikan berat badan pasien sebelum dan sesudah terapi akupuntur

no sebelum sesudah
1 77 51
2 66 48
3 80 58
4 95 44
5 74 61
6 79 55
7 72 59
8 67 50
9 60 48
10 60 52
1. Output

2. Interpretasi :
ttabel (2,262), pada df= n-1 = 10-1 = 9
Karena thitung (5,298) > ttabel (2,776) dan P value (0,000) < (0,05)
Maka : Hipotesis Nol Ditolak
Kesimpulan:
ada perbedaan yang signifikan berat badan pasien sebelum dan sesudah terapi akupuntur
 WILCOXON SIGNED-RANK TEST

FUNGSI :
Untuk mengetahui perbedaan sebelum dan sesudah perlakuan tertentu pada 2 kelompok
data berpasangan.

ASUMSI :
1. Data berskala Interval/Ratio
2. Berdistribusi tidak Normal

HIPOTESIS :

Ho : sebelum = sesudah
Tidak ada perbedaan yang signifikan berat badan pasien sebelum dan sesudah terapi akupuntur
Ha : sebelum sesudah
ada perbedaan yang signifikan berat badan pasien sebelum dan sesudah terapi akupuntur

PENGAMBILAN KEPUTUSAN

p < maka H0 ditolak

p < maka H0 diterima

Contoh Kasus :

Seorang tenaga kesehatan mengatakan bahwa terapi akupuntur dapat menurunkan berat badan
pasien. Seorang peneliti dibidang kesehatan ingin mengetahui apakah ada perbedaan yang
signifikan berat badan pasien sebelum dan sesudah terapi akupuntur

no sebelum sesudah
1 77 51
2 66 48
3 80 58
4 95 44
5 74 61
6 79 55
7 72 59
8 67 50
9 60 48
10 60 52
1. Output

2. Interpretasi :
Karena P value (0,005) < (0,05)
Maka : Hipotesis Nol Ditolak
Kesimpulan:
ada perbedaan yang signifikan berat badan pasien sebelum dan sesudah terapi akupuntur.
 UJI t 2 SAMPEL BEBAS
(Independen Sample T Test)

FUNGSI :
Untuk mengetahui perbedaan antara 2 (dua) kelompok yang saling bebas atau independen

ASUMSI :
1. Data berskala Interval/Ratio
2. Berdistribusi Normal

HIPOTESIS :

Ho : 1= 2
Tidak ada perbedaan nilai ujian antara kelas A dan kelas B pada fakultas psikologi
suatu universitas
Ha : 1 2
Ada perbedaan nilai ujian antara kelas A dan kelas B pada fakultas psikologi suatu
universitas

PENGAMBILAN KEPUTUSAN

p < atau thit > ttabel maka H0 ditolak

p > atau thit < ttabel maka H0 diterima

Perhitungan nilai uji statistik untuk uji t sample bebas sangat tergantung pada kondisi
varians data. Untuk itu perlu dilakukan uji varians untuk mengetahui apakah data
mempunyai varians homogen atau heterogen.

1. Ujian Varians Data

Fungsi :
Untuk mengetahui apakah data mempunyai varians homogen atau heterogen
Asumsi :
1. Data berskala Interval/Ratio
2. Berdistribusi Normal
Keputusan :
Fhitung < Ftabel atau p-value > maka, Varians data Homogen
Fhitung > Ftabel atau p-value < maka, Varians data Heterogen
2. Contoh Kasus :
Seorang mahasiswa dalam penelitiannya ingin mengetahui apakah ada perbedaan nilai
ujian antara kelas A dan kelas B pada fakultas psikologi suatu universitas. Penelitian
dengan menggunakan sampel sebanyak 20 responden yang diambil dari kelas A dan kelas
B. Dalam uji ini jumlah kelompok responden yang diambil sama, yaitu kelas A sebanyak
10 orang dan kelas B 10 orang. Data yang didapat sebagai berikut :
No Nilai ujian Kelas
1 32 Kelas A
2 35 Kelas A
3 41 Kelas A
4 39 Kelas A
5 45 Kelas A
6 43 Kelas A
7 42 Kelas A
8 47 Kelas A
9 42 Kelas A
10 37 Kelas A
11 35 Kelas B
12 36 Kelas B
13 30 Kelas B
14 28 Kelas B
15 26 Kelas B
16 27 Kelas B
17 32 Kelas B
18 35 Kelas B
19 38 Kelas B
20 41 Kelas B
3. Output

4. Interpretasi :
Uji Levenes Test menunjukkan bahwa p-value (0,613) > (0,05), maka Varians
data Homogen
ttabel (2,100), pada df= n1+n2-2 = 10+10-2=18
Karena thitung (3,490) > ttabel (2,100) atau p-value (0,003 < (0,05)
maka: Hipotesis Nol Ditolak

Kesimpulan:
Ada perbedaan nilai ujian antara kelas A dan kelas B pada fakultas psikologi suatu
universitas.
 MANN WHITNEY

FUNGSI :
Untuk mengetahui perbedaan antara 2 (dua) kelompok yang saling bebas atau independen

ASUMSI :
1. Data berskala Interval/Ratio
2. Berdistribusi tidak Normal

HIPOTESIS :

Ho : 1= 2
Tidak ada perbedaan nilai ujian antara kelas A dan kelas B pada fakultas psikologi suatu
universitas
Ha : 1 2
Ada perbedaan nilai ujian antara kelas A dan kelas B pada fakultas psikologi suatu
universitas

PENGAMBILAN KEPUTUSAN

p < maka H0 ditolak

p > maka H0 diterima

5. Contoh Kasus :
Seorang mahasiswa dalam penelitiannya ingin mengetahui apakah ada perbedaan nilai
ujian antara kelas A dan kelas B pada fakultas psikologi suatu universitas. Penelitian
dengan menggunakan sampel sebanyak 20 responden yang diambil dari kelas A dan kelas
B. Dalam uji ini jumlah kelompok responden yang diambil sama, yaitu kelas A sebanyak
10 orang dan kelas B 10 orang. Data yang didapat sebagai berikut :
No Nilai ujian Kelas
1 32 Kelas A
2 35 Kelas A
3 41 Kelas A
4 39 Kelas A
5 45 Kelas A
6 43 Kelas A
7 42 Kelas A
8 47 Kelas A
9 42 Kelas A
10 37 Kelas A
 11 35 Kelas B
12 36 Kelas B
13 30 Kelas B
14 28 Kelas B
15 26 Kelas B
16 27 Kelas B
17 32 Kelas B
18 35 Kelas B
19 38 Kelas B
20 41 Kelas B

a. Output

b. Interpretasi :
Karena p-value (0,005 < (0,05)
maka: Hipotesis Nol Ditolak
Kesimpulan:
Ada perbedaan nilai ujian antara kelas A dan kelas B pada fakultas psikologi suatu
universitas
.
 CHI-SQUARE

FUNGSI :
Untuk mengetahui hubungan antara variabel independen dengan variabel dependen

ASUMSI :
1. Data kategori
2. Variabel Independen (Nominal/Ordinal) dan Variabel Dependen (Nominal)

HIPOTESIS :

Ho : Tidak ada perbedaan antara merokok dengan tidak merokok terhadap kejadian CHD

Ha : ada perbedaan antara merokok dengan tidak merokok terhadap kejadian CHD

PENGAMBILAN KEPUTUSAN

p < atau X2hit > X2tabel maka H0 ditolak

p > atau X2hit < X2tabel maka H0 diterima

Contoh Soal :

Pada penelitian tentang hubungan antara merokok dengan hipertensi dengan total
sampel 110 orang laki-laki, didapatkan 35 orang menderita Coronary Heart Disease
(CHD) disertai dengan kebiasaan merokok, 25 orang menderita CHD tanpa disertai
dengan kebiasaan merokok, sedangkan sisanya 20 orang non-CHD dengan kebiasaan
merokok dan 30 orang non CHD tanpa kebiasaan merokok. Hitunglah apakah terdapat
perbedaan antara merokok dengan tidak merokok terhadap kejadian CHD

Hipertensi
Merokok Total
CHD Non-CHD

Positif 35 20 55
Negatif 25 30 55
total 60 50 110
a. Output Crosstabulation

Dari tabel crosstabulation, tidak terdapat nilai expected count yang < 5 sehingga
terpenuhi asumsi Chi-Square. Jika terdapat nilai Expected count < 5 maka uji yang
digunakan adalah Fisher Exact

b. Output Chi-Square

Jika tabel Non 2x2 dan nilai expected count > 5 maka menggunakan nilai person
Chi-Square
Jika tabel 2x2 dan nilai expected count > 5 maka menggunakan nilai Continuity
Correction
Jika tabel Non 2x2 / 2x2 dan nilai expected count < 5 maka menggunakan nilai
Fisher Exact
c. Interpretasi :
Karena tabel 2x2 dan nilai expected count > 5 maka menggunakan nilai
Continuity Correction
X2hitung (2,970) < X2tabel (3,841) atau p-value (0,85) > (0,05)
maka: Hipotesis Nol Diterima
Kesimpulan:
Tidak ada perbedaan antara merokok dengan tidak merokok terhadap kejadian
CHD
 MC-NEMAR

FUNGSI :
Untuk mengetahui perbedaan sebelum dan sesudah perlakuan tertentu pada 2 kelompok
data berpasangan.

ASUMSI :

Data berskala Nominal

HIPOTESIS :

Ho : sebelum = sesudah
Tidak ada perbedan peningkatan eritrosit sebelum dan sesudah pemberian diet
Ha : sebelum sesudah
ada perbedan peningkatan eritrosit sebelum dan sesudah pemberian diet

PENGAMBILAN KEPUTUSAN

p < maka H0 ditolak

p < maka H0 diterima

1. Contoh Kasus :

Seorang tenaga kesehatan mengklaim bahwa tidak ada perbedaan peningkatan jumlah hb
sebelum dan sesudah pemberian diet. Apakah ada perbedan peningkatan eritrosit sebelum
dan sesudah pemberian diet ? (gunakan a = 0,05)

NO MEMORI SEBELUM MEMORI SESUDAH

1 12 14
2 14 12
3 13 13
4 11 12
5 11 13
2. Output

3. Interpretasi :
Karena P value (0,450) > (0,05)
Maka : Hipotesis Nol Diterima
Kesimpulan:
Tidak ada perbedan peningkatan eritrosit sebelum dan sesudah pemberian diet