UJIAN BIOSTATISTIK NON REGULER

OLEH:
Ni Made Sri damayanti (B 11- A)
183222936

PROGRAM STUDI ALIH JENJANG S1 KEPERAWATAN

STIKES WIRA MEDIKA BALI
2019
 UJIAN SEMESTER PROGRAM NON REGULER
BIOSTATISTIK

No Statistik Paramerik Statistik Nonparametrik

(1) (2)
1 Memerlukan asumsi distribusi dari data yang
digunakan. Biasanya distribusi data yang
diperlukan adalah distribusi normal.
2 Memerlukan jenis data bersifat metrik
(kuantitatif). Bisa dikatakan juga bahwa data
yang digunakan hanya data dalam bentuk
data interval atau rasio.
3 Biasanya jumlah data yang digunakan lebih
atau sama dengan 30 (data berukuran besar),
sebab data yang lebih atau sama dengan 30
diasumsikan mengikuti teorema limit pusat
(central limit teorema).
(3)
Tidak memerlukan asumsi distribusi
sehingga sebaran data bebas.
Memerlukan data metrik (kuantitaif)
dan nonmetrik (kualitatif). Atau bisa
dikatakan bahwa data yang digunakan
bisa dalam bentuk data nominal,
ordinal, interval atau rasio.
Biasanya jumlah data yang digunakan
kurang dari 30.

1. Perbedaan statistik parametric dan non parametrik adalah :

2. Hipotesa penelitian yang dapat diajukan adalah :
 Ho : Tidak ada hubungan yang signifikan antara jenis kelamin dengan jenjang pendidikan
 Ha : Ada hubungan yang signifikan antara jenis kelamin dengan jenjang pendidikan
3. Skala yang digunakan dalam penelitian adalah skala ordinal (tingkat pendidikan) dan skala
nominal (jenis kelamin).
4. Master tabel menggunakan coding
5. Langkah-langkah uji chi-square
6. Hasil intepretasi yang didapat :

Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Jenis Kelamin * Tingkat 15 100.0% 0 0.0% 15 100.0%

Pendidikan
 Jenis Kelamin * Tingkat Pendidikan Crosstabulation
Count

Tingkat Pendidikan Total

SLTA Diploma S1 S2

L 1 2 7 0 10
Jenis Kelamin
P 1 1 1 2 5

Total 2 3 8 2 15

Chi-Square Tests

Value df Asymp. Sig. (2-

sided)

Pearson Chi-Square 5.813a 3 .121

Likelihood Ratio 6.475 3 .091

Linear-by-Linear Association .165 1 .685

N of Valid Cases 15

Tabel Processing Summary : Terdapat 15 data yang semuanya diproses (tidak ada data yang
hilang / missing), sehingga tingkat kevalidannya 100%.
Tabel Jenis Kelamin * Tingkat Pendidikan Crosstabulation : Terlihat tabel silang yang
memuat hubungan antara variabel jenis kelamin dengan tingkat pendidikan. Contoh : pada
kolom 1 baris 1, pada baris count terdapat angka 1 hal ini berarti terdapat 1 orang laki-laki
(variabel jenis kelamin 1) yang berpendidikan SLTA (variabel tingkat pendidikan 1).
Tabel Chi-Square Tests : Pada bagian pearson chi-square terhilat nilai Asymp.Sig sebesar
0,121. Karena nilai Asymp.Sig 0,121 > 0,05 maka dapat disimpulkan H o diterima yang artinya
tidak terdapat hubungan yang signifikan antara jenis kelamin dengan tingkat pendidikan. Hal ini
dapat diartikan pula bahwa jenis kelamin seseorang tidak mempunyai korelasi dengan tingkat
pendidikan yang diperolehnya.

7. Syarat yang harus dipenuhi dalam pengujian dengan menggunakan Uji ANOVA
a. Data yang dihasilkan berasal dari suatu sampel acak (random) dan populasi yang saling
bebas (independen) .
Sampel penelitian harus berasal dari sampel acak (random) untuk memperoleh kondisi
yang sealamiah atau senatural mungkin. Pengertian saling bebas artinya suatu nilai yang
diperoleh dari suatu pengamatan tidak berhubungan dengan pengamatan lainnya. Artinya,
salah satu kejadian yang timbul tidak tergantung pada kejadian yang lain. Bagaimana cara
membuktikan kevaliditasan data, untuk mengetahui apakah sekumpulan data tersebut
berasal dari sampel acak dan saling bebas? Sayangnya tidak ada alat untuk menguji
apakah sekumpulan data yang akan kita analisis tersebut bersifat bebas dan acak atau
TIDAK. Data random dan saling bebas berkaitan dengan desain eksperimen atau
rancangan percobaannya. Kesalahan dalam desain percobaan bisa menghasilkan data
yang salah.
b. Sampel data terdistribusi secara normal (mengikuti kaidah kurva normal).

Asumsi ini menyiratkan bahwa variabel dependen terdistribusi secara normal

(persyaratan teoritis yang mendasari distribusi F) di masing-masing kelompok
populasi/perlakuan. Seperti yang kita ketahui bahwa secara alamiah kebanyakan
pengukuran suatu populasi di alam mengikuti suatu kaidah dari kurva normal. Sehingga
sebelum kita melanjutkan untuk melakukan analisis anova, maka kita perlu terlebih
dahulu melakukan uji normalitas data. Pengujian normalitas adalah pengujian tentang
kenormalan distribusi data. Dengan software statistik seperti SPSS kita dapat melakukan
uji normalitas dengan menggunakan grafik distribusi dan atau dengan analisis statitik.
Grafik yang dapat menggambarkan distribusi data misalnya adalah histogram dengan
normal kurva atau pun dengan menggunakan grafik boxplot. Sedangkan dengan analisis
statistik salah duanya kita dapat menggunakan uji kolmogorov-smirnov dan atau uji
shapiro-wilk.
c. Varians dari distribusi populasi adalah sama atau homogen (homogenitas varians).
 Gambar diatas menunjukan nilai varians yang TIDAK homogen. Varians yang
homogeny, maksudnya adalah varians pada variabel dependen adalah sama di seluruh
kelompok perlakuan. Untuk mengetahui apakah varians-nya homogen atau tidak kita
dapat mengujinya dengan uji homogenitas varians diantaranya yang populer adalah
dengan uji Levene.

8. Berdasarkan table output SPSS tersebut diketahui bahwa nilai signifikansi semua data
Varietas A sampai dengan G lebih dari 0,05. Maka sesuai dengan dasar pengambilan
keputusan dalam uji normalitas Kolmogorov-smirnov pada table dapat disimpulkan bahwa
semua data berdistribusi normal.Dengan demikian asumsi atau persyaratan normalitas dalam
model regresi terpenuhi.
9. Definisi, Tujuan Dan Cara Penggunaan dari Uji Validitas dan Reliabilitas
A. Uji Validitas
1) Definisi Validitas
Validitas berasal dari kata validity yang mempunyai arti sejauh mana ketepatan
dan kecermatan suatu alat ukur dalam melakukam fungsi ukurannya (Azwar 1986).
Selain itu validitas adalah suatu ukuran yang menunjukkan bahwa variabel yang
diukur memang benar-benar variabel yang hendak diteliti oleh peneliti (Cooper dan
Schindler, dalam Zulganef, 2006).
Sedangkan menurut Sugiharto dan Sitinjak (2006), validitas berhubungan dengan
suatu peubah mengukur apa yang seharusnya diukur. Validitas dalam penelitian
menyatakan derajat ketepatan alat ukur penelitian terhadap isi sebenarnya yang
diukur. Uji validitas adalah uji yang digunakan untuk menunjukkan sejauh mana alat
ukur yang digunakan dalam suatu mengukur apa yang diukur. Ghozali (2009)
menyatakan bahwa uji validitas digunakan untuk mengukur sah, atau valid tidaknya
suatu kuesioner. Suatu kuesioner dikatakan valid jika pertanyaan pada kuesioner
mampu untuk mengungkapkan sesuatu yang akan diukur oleh kuesioner tersebut.
Suatu tes dapat dikatakan memiliki validitas yang tinggi jika tes tersebut
menjalankan fungsi ukurnya, atau memberikan hasil ukur yang tepat dan akurat
sesuai dengan maksud dikenakannya tes tersebut. Suatu tes menghasilkan data yang
tidak relevan dengan tujuan diadakannya pengukuran dikatakan sebagai tes yang
 memiliki validitas rendah. Sisi lain dari pengertian validitas adalah aspek kecermatan
pengukuran. Suatu alat ukur yang valid dapat menjalankan fungsi ukurnya dengan
tepat, juga memiliki kecermatan tinggi. Arti kecermatan disini adalah dapat
mendeteksi perbedaan-perbedaan kecil yang ada pada atribut yang diukurnya.
Dalam pengujian validitas terhadap kuesioner, dibedakan menjadi 2, yaitu
validitas faktor dan validitas item. Validitas faktor diukur bila item yang disusun
menggunakan lebih dari satu faktor (antara faktor satu dengan yang lain ada
kesamaan). Pengukuran validitas faktor ini dengan cara mengkorelasikan antara skor
faktor (penjumlahan item dalam satu faktor) dengan skor total faktor (total
keseluruhan faktor).

2) Tujuan Uji Validitas

 Mengetahui sejauh mana ketepatan dan kecermatan suatu instrumen pengukuran
dalam melakukan fungsi ukurnya.
 Agar data yang diperoleh bisa relevan/sesuai dengan tujuan diadakannya
pengukuran tersebut.
3) Cara Uji Validitas
Untuk melakukan uji validitas ini menggunakan program SPSS. Teknik
pengujian yang sering digunakan para peneliti untuk uji validitas adalah
menggunakan korelasi Bivariate Pearson (Produk Momen Pearson). Analisis ini
dengan cara mengkorelasikan masing-masing skor item dengan skor total. Skor total
adalah penjumlahan dari keseluruhan item. Item-item pertanyaan yang berkorelasi
signifikan dengan skor total menunjukkan item-item tersebut mampu memberikan
dukungan dalam mengungkap apa yang ingin diungkap à Valid. Jika r hitung ≥ r tabel
(uji 2 sisi dengan sig. 0,05) maka instrumen atau item-item pertanyaan berkorelasi
signifikan terhadap skor total (dinyatakan valid). Langkah-langkah dalam pengujian
validitas ini yaitu :
1. Buat skor total masing-masing variabel (Tabel perhitungan skor)
2. Klik Analyze -> Correlate -> Bivariate (Gambar/Output SPSS)

3. Masukan seluruh item variabel x ke Variabels

 4. Cek list Pearson ; Two Tailed ; Flag
5. Klik Ok

Tabel rangkuman hasil uji validitas dari variabel tersebut dapat dilihat sebagai berikut :
 Dari tabel diatas dapat dijelaskan bahwa nilai r hitung > r tabel berdasarkan uji
signifikan 0.05, artinya bahwa item-item tersebut diatas valid

Rumus Korelasi Product Moment :

Keterangan :

B. Uji Reliabilitas
1) Definisi Reliabilitas
 Reliabilitas berasal dari kata reliability. Pengertian dari reliability (reliabilitas)
adalah keajegan pengukuran (Walizer, 1987). Sugiharto dan Situnjak (2006) menyatakan
bahwa reliabilitas menunjuk pada suatu pengertian bahwa instrumen yang digunakan
dalam penelitian untuk memperoleh informasi yang digunakan dapat dipercaya sebagai
alat pengumpulan data dan mampu mengungkap informasi yang sebenarnya dilapangan.
Ghozali (2009) menyatakan bahwa reliabilitas adalah alat untuk mengukur suatu
kuesioner yang merupakan indikator dari peubah atau konstruk. Suatu kuesioner
dikatakan reliabel atau handal jika jawaban seseorang terhadap pernyataan adalah
konsisten atau stabil dari waktu ke waktu. Reliabilitas suatu test merujuk pada derajat
stabilitas, konsistensi, daya prediksi, dan akurasi. Pengukuran yang memiliki reliabilitas
yang tinggi adalah pengukuran yang dapat menghasilkan data yang reliable
Menurut Masri Singarimbun, realibilitas adalah indeks yang menunjukkan sejauh
mana suatu alat ukur dapat dipercaya atau dapat diandalkan. Bila suatu alat pengukur
dipakai dua kali – untuk mengukur gejala yang sama dan hasil pengukuran yang
diperoleh relative konsisten, maka alat pengukur tersebut reliable. Dengan kata lain,
realibitas menunjukkan konsistensi suatu alat pengukur di dalam pengukur gejala yang
sama.
Menurut Sumadi Suryabrata (2004: 28) reliabilitas menunjukkan sejauhmana
hasil pengukuran dengan alat tersebut dapat dipercaya. Hasil pengukuran harus reliabel
dalam artian harus memiliki tingkat konsistensi dan kemantapan.
Reliabilitas, atau keandalan, adalah konsistensi dari serangkaian pengukuran atau
serangkaian alat ukur. Hal tersebut bisa berupa pengukuran dari alat ukur yang sama (tes
dengan tes ulang) akan memberikan hasil yang sama, atau untuk pengukuran yang lebih
subjektif, apakah dua orang penilai memberikan skor yang mirip (reliabilitas antar
penilai). Reliabilitas tidak sama dengan validitas. Artinya pengukuran yang dapat
diandalkan akan mengukur secara konsisten, tapi belum tentu mengukur apa yang
seharusnya diukur. Dalam penelitian, reliabilitas adalah sejauh mana pengukuran dari
suatu tes tetap konsisten setelah dilakukan berulang-ulang terhadap subjek dan dalam
kondisi yang sama. Penelitian dianggap dapat diandalkan bila memberikan hasil yang
konsisten untuk pengukuran yang sama. Tidak bisa diandalkan bila pengukuran yang
berulang itu memberikan hasil yang berbeda-beda.
Tinggi rendahnya reliabilitas, secara empirik ditunjukan oleh suatu angka yang
disebut nilai koefisien reliabilitas. Reliabilitas yang tinggi ditunjukan dengan nilai rxx
mendekati angka 1. Kesepakatan secara umum reliabilitas yang dianggap sudah cukup
memuaskan jika ≥ 0.700.
Pengujian reliabilitas instrumen dengan menggunakan rumus Alpha Cronbach karena
instrumen penelitian ini berbentuk angket dan skala bertingkat. Rumus Alpha Cronbach
sevagai berikut :

Keterangan :

Jika nilai alpha > 0.7 artinya reliabilitas mencukupi (sufficient reliability)
sementara jika alpha > 0.80 ini mensugestikan seluruh item reliabel dan seluruh tes secara
konsisten memiliki reliabilitas yang kuat. Atau, ada pula yang memaknakannya sebagai
berikut :
Jika alpha > 0.90 maka reliabilitas sempurna. Jika alpha antara 0.70 – 0.90 maka
reliabilitas tinggi. Jika alpha 0.50 – 0.70 maka reliabilitas moderat. Jika alpha < 0.50
maka reliabilitas rendah. Jika alpha rendah, kemungkinan satu atau beberapa item tidak
reliabel.
2) Tujuan Uji Reliabilitas
 Menunjukkan konsistensi skor-skor yang diberikan skorer satu dengan skorer
lainnya.
 Tujuan dari uji reliabilitas ini adalah untuk menunjukkan konsistensi skor-skor
yang diberikan skorer satu dengan skorer lainnya.
3) Cara Uji Reliabilitas
Langkah pengujian reliabilitas dengan SPSS :
1. Klik Analyze -> Scale -> Reliability Analysis

2. Masukan seluruh item variabel X ke Items

 3.Pastikan pada model terpilih Alpha
4. Klik Ok

Nilai Cronbach Alpha sebesar 0.981 yang menunjukan bahwa ke-11 pernyataan
cukup reliabel

10. Seorang mahasiswa ingin membandingkan dua kelompok yaitu perlakuan san kontrol dengan
judul penelitian “Perbedaan Pemberian Edukasi pada Pasien Hipertensi terhadap
Tingkat Pengetahuan Pasien di Poli RSUD S Bali “

a Uji Paired t-test

Descriptives

Notes

Output Created 13-MAR-2019 16:42:28

Comments

Input Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data

17
File

Missing Value Handling Definition of Missing User defined missing values are treated
as missing.
 Cases Used All non-missing data are used.

Syntax DESCRIPTIVES
VARIABLES=Kelompok
TingkatPengetahuanPre
TingkatPengetahuanPost

/STATISTICS=MEAN STDDEV MIN

MAX KURTOSIS SKEWNESS.

Resources Processor Time 00:00:00,03

Elapsed Time 00:00:00,08

[DataSet1]

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation Skewness

Statistic Statistic Statistic Statistic Statistic Statistic

Kelompok 17 1 2 1,47 ,514 ,130

TingkatPengetahuan Pre 17 37 87 57,29 14,260 ,473

TingkatpengetahuanPost 17 40 80 61,76 10,353 ,043

Valid N (listwise) 17

Descriptive Statistics

Skewness Kurtosis
 Std. Error Statistic Std. Error

Kelompok ,550 -2,267 1,063

TingkatPengetahuan Pre ,550 -,250 1,063

TingkatpengetahuanPost ,550 ,243 1,063

Valid N (listwise)

T-TEST PAIRS=TingkatPengetahuanPre WITH TingkatPengetahuanPost (PAIRED)

/CRITERIA=CI(.9500)

/MISSING=ANALYSIS.

T-Test

Notes

Output Created 13-MAR-2019 16:46:43

Comments

Input Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data

17
File
Missing Value Handling Definition of Missing User defined missing values are treated
as missing.

Cases Used Statistics for each analysis are based on

the cases with no missing or out-of-
range data for any variable in the
analysis.

Syntax T-TEST
PAIRS=TingkatPengetahuanPre WITH
TingkatPengetahuanPost (PAIRED)

/CRITERIA=CI(.9500)

/MISSING=ANALYSIS.

Resources Processor Time 00:00:00,00

Elapsed Time 00:00:00,03

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean

Pair 1 TingkatPengetahuan Pre 57,29 17 14,260 3,459

TingkatpengetahuanPost 61,76 17 10,353 2,511

Paired Samples Correlations

N Correlation Sig.

Pair 1 TingkatPengetahuan Pre &

17 ,702 ,002
TingkatpengetahuanPost

Paired Samples Test

Paired Differences
 95% Confidence
Interval of the
Difference

Mean Std. Deviation Std. Error Mean Lower

Pair 1 TingkatPengetahuan Pre -

-4,471 10,156 2,463 -9,692
TingkatpengetahuanPost

Paired Samples Test

Paired Differences

95% Confidence
Interval of the
Difference

Upper t df Sig. (2-tailed)

Pair 1 TingkatPengetahuan Pre -

,751 -1,815 16 ,088
TingkatpengetahuanPost

T-TEST GROUPS=Kelompok(1 2)

/MISSING=ANALYSIS

/VARIABLES=TingkatPengetahuanPre TingkatPengetahuanPost

/CRITERIA=CI(.95).

b. Uji Independent t-test tingkat pengetahuan post kelompok kontrol dan perlakuan
T-Test

Notes

Output Created 13-MAR-2019 17:09:34

Comments

Input Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data

17
File

Missing Value Handling Definition of Missing User defined missing values are treated
as missing.

Cases Used Statistics for each analysis are based on

the cases with no missing or out-of-
range data for any variable in the
analysis.
Syntax T-TEST GROUPS=Kelompok(1 2)

/MISSING=ANALYSIS

/VARIABLES=TingkatPengetahuanPre
TingkatPengetahuanPost

/CRITERIA=CI(.95).

Resources Processor Time 00:00:00,00

Elapsed Time 00:00:00,02

Group Statistics

Kelompok N Mean Std. Deviation Std. Error Mean

TingkatPengetahuan Pre Perlakuan 9 49,56 10,853 3,618

Kontrol 8 66,00 12,906 4,563

TingkatpengetahuanPost Perlakuan 9 61,56 6,673 2,224

Kontrol 8 62,00 13,928 4,924

Independent Samples Test

t-test for
Levene's Test for Equality of Equality of
Variances Means

F Sig. t

TingkatPengetahuan Pre Equal variances assumed ,270 ,611 -2,855

Equal variances not

-2,824
assumed

TingkatpengetahuanPost Equal variances assumed 4,260 ,057 -,086

Equal variances not

-,082
assumed
 Independent Samples Test

t-test for Equality of Means

df Sig. (2-tailed) Mean Difference

TingkatPengetahuan Pre Equal variances assumed 15 ,012 -16,444

Equal variances not assumed 13,796 ,014 -16,444

TingkatpengetahuanPost Equal variances assumed 15 ,933 -,444

Equal variances not assumed 9,791 ,936 -,444

Independent Samples Test

t-test for Equality of Means

95% Confidence
Interval of the
Difference
Std. Error
Difference Lower

TingkatPengetahuan Pre Equal variances assumed 5,761 -28,723

Equal variances not assumed 5,823 -28,951

TingkatpengetahuanPost Equal variances assumed 5,195 -11,516

Equal variances not assumed 5,403 -12,519

Independent Samples Test

t-test for Equality of

Means

95% Confidence Interval

of the Difference

Upper

TingkatPengetahuan Pre Equal variances assumed -4,166

Equal variances not assumed -3,938

TingkatpengetahuanPost Equal variances assumed 10,627

Equal variances not assumed 11,630

T-TEST PAIRS=TingkatPengetahuanPre WITH TingkatPengetahuanPost (PAIRED)

/CRITERIA=CI(.9500)

/MISSING=ANALYSIS.

T-Test

Notes

Output Created 13-MAR-2019 17:25:59

Comments

Input Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data

17
File

Missing Value Handling Definition of Missing User defined missing values are treated
as missing.

Cases Used Statistics for each analysis are based on

the cases with no missing or out-of-
range data for any variable in the
analysis.
Syntax T-TEST
PAIRS=TingkatPengetahuanPre WITH
TingkatPengetahuanPost (PAIRED)

/CRITERIA=CI(.9500)

/MISSING=ANALYSIS.

Resources Processor Time 00:00:00,02

Elapsed Time 00:00:00,02

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean

Pair 1 TingkatPengetahuan Pre 57,29 17 14,260 3,459

TingkatpengetahuanPost 61,76 17 10,353 2,511

Paired Samples Correlations

N Correlation Sig.

Pair 1 TingkatPengetahuan Pre &

17 ,702 ,002
TingkatpengetahuanPost

Paired Samples Test

Paired Differences

95% Confidence
Interval of the
Difference

Mean Std. Deviation Std. Error Mean Lower

Pair 1 TingkatPengetahuan Pre -

-4,471 10,156 2,463 -9,692
TingkatpengetahuanPost

Paired Samples Test

 Paired Differences

95% Confidence
Interval of the
Difference

Upper t df Sig. (2-tailed)

Pair 1 TingkatPengetahuan Pre -

,751 -1,815 16 ,088
TingkatpengetahuanPost