MAKALAH

UJI BEDA

OLEH: KELOMPOK 1
LUIS.DAMURA
PRICILIA.MATHEOS
PATRISIA.PINANGKAAN
MILLENIA.SAJOW
SINTIA.LIMBANON
MILLINI.KAWULUR
KRISMITA.PANANGGUNG
THEOFILUS.PODAYOW
HERDIASYA.BINUNI
NADIA.POLUAN
NIKITA.RORIMPANDEY

POLITEKNIK KESEHATAN MANADO

2019
 LANDASAN TEORI

Uji Beda

Uji beda dilakukan dengan dua alternatif metode yaitu uji statistik parametrik atau

uji statistik non-parametrik. Penentuan pemakaian metode uji dilakukan berdasarkan

hasil uji normalitas (Kolmogorov-Smirnov Test). Bila hasil uji menunjukkan data

terdistribusi normal maka digunakan uji statistik parametrik.

1) Uji normalitas

Uji normalitas dilakukan untuk menguji apakah data uji mempunyai distribusi

normal atau tidak. Data uji yang baik adalah yang memiliki distribusi normal atau

mendekati normal. Metode yang digunakan adalah dengan menggunakan statistik

Kolgomorov-Smirnov. Alat uji ini biasa disebut dengan K-S yang tersedia dalam

program SPSS 15.00 For Windows. Kriteria yang digunakan dalam tes ini adalah

dengan membandingkan antara tingkat signifikansi yang didapat dengan tingkat

alpha yang digunakan, dimana data tersebut dikatakan berdistribusi normal bila

sig > alpha (Ghozali, 2006: 115).

2) Uji beda
(1) Uji statistik parametrik

Uji statistik parametrik adalah suatu uji yang modelnya menetapkan syarat-

syarat tertentu tentang parameter populasi yang menjadi sampel penelitiannya.

Syarat-syarat tersebut biasanya tidak dilakukan pengujian terlebih dahulu dan

sudah dianggap memenuhi syarat. Seberapa jauh makna hasil uji parametrik

tersebut tergantung pada validitas anggapan-anggapan tadi. Uji parametrik

juga menuntut bahwa nilai-nilai yang dianalisis merupakan hasil dari suatu

pengukuran minimal dengan skala interval (Sulaiman, 2002: 1).

 Uji parametrik yang digunakan dalam penelitian ini adalah uji beda t

berpasangan (paired sample t-test). Uji beda t-test digunakan untuk

menentukan apakah dua sampel yang tidak berhubungan memiliki nilai rata-

rata yang berbeda (Ghozali, 2006: 55-56). Uji beda t-test dilakukan dengan

cara membandingkan perbedaan rata-rata dua sampel atau rumusnya dapat

ditulis sebagai berikut:

……….... (1)

Tahapan analisisnya adalah sebagai berikut.

a) Rumusan hipotesis

H0 : tidak terdapat perbedaan signifikan antara rata-rata sampel pertama

dengan rata-rata sampel kedua.

Hi : terdapat perbedaan signifikan antara rata-rata sampel pertama

dengan rata-rata sampel kedua.

b) Dasar pengambilan keputusan

Pengambilan keputusan didasarkan pada perbandingan nilai probabilitas

yang dihasilkan model uji dengan nilai tingkat kepercayaan (α = 0,05)

yang digunakan dalam penelitian ini.

H0 diterima jika probabilitas (p value) ≥ α = 0,05

H0 ditolak jika probabilitas (p value) < α = 0,05

(2) Uji statistik non-parametrik

Uji statistik non-parametrik adalah uji yang modelnya tidak menetapkan

syarat-syarat mengenai parameter-parameter populasi. Anggapan-anggapan

tertentu dikaitkan dengan sejumlah besar tes-tes non-parametrik, yakni bahwa

observasi-observasinya independen dan bahwa variabel yang diteliti pada

dasarnya memiliki kontinuitas. Sebagian besar tes non-parametrik dapat

diterapkan untuk data dalam skala ordinal dan beberapa yang lain juga dapat

diterapkan untuk data dalam skala nominal (Sulaiman, 2002: 1).

Uji non parametrik yang digunakan dalam penelitian ini adalah uji Willcoxon.

Uji Willcoxon adalah uji non parametrik yang didasarkan atas dasar ranking

dan uji ini akan sangat bermanfaat kalau data yang digunakan adalah data

yang berskala ordinal. Menurut Wahid Sulaiman (2002: 79), uji Willcoxon

digunakan untuk mengisi signifikansi hipotesis komparatif 2 (dua) sampel

independen yang berukuran sama dan datanya berbentuk ordinal. Uji ini

paling sering digunakan oleh peneliti ketika ingin menghindari asumsi-asumsi

dari statistik uji-t (misalnya data sampel mengikuti distribusi normal).

Tahapan analisisnya adalah sebagai berikut.

a) Rumusan hipotesis

H0 : tidak terdapat perbedaan signifikan antara rata-rata sampel pertama

dengan rata-rata sampel kedua.

Hi : terdapat perbedaan signifikan antara rata-rata sampel pertama

dengan rata-rata sampel kedua.

b) Dasar pengambilan keputusan

Pengambilan keputusan didasarkan perbandingan antara nilai Asymp. Sig.

dengan tingkat signifikansi (alpha = 0,05) yang digunakan dalam

penelitian ini. Perbandingan tersebut adalah sebagai berikut.

 Jika : Asymp. Sig. (2-tailed) < 0,05

Jika : Asymp. Sig. (2-tailed) ≥ 0,05 maka H0 diterima.

PARAMETRIK
Statistik Parametrik, yaitu ilmu statistik yang mempertimbangkan jenis sebaran
atau distribusi data, yaitu apakah data menyebar secara normal atau tidak.
Dengan kata lain, data yang akan dianalisis menggunakan statistik parametrik
harus memenuhi asumsi normalitas. Pada umumnya, jika data tidak menyebar
normal, maka data seharusnya dikerjakan dengan metode statistik non-parametrik,
atau setidak-tidaknya dilakukan transformasi terlebih dahulu agar data mengikuti
sebaran normal, sehingga bisa dikerjakan dengan statistik parametrik.

Contoh metode statistik parametrik :

a) Uji-T (1 atau 2 sampel)
b) Uji-Z(1 atau 2 sampel)
c) Korelasi pearson,
d) Perancangan percobaan (one or two-way anova parametrik), dll.

Ciri-ciri statistik parametrik :

 Data dengan skala interval dan rasio
 Data menyebar/berdistribusi normal

Keunggulan dan kelemahan statistik parametrik

Keunggulan :
1. Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya
tidak diuji dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan
dengan kuat.
2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi
normal serta memiliki varian yang homogen.
Kelemahan :
1. Populasi harus memiliki varian yang sama.
2. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.
3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus
normal dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek
yang ditimbulkan.

Uji T Satu Sampel (One Sample T-Test)

Uji ini digunakan untuk mengetahui perbedaan mean (rerata) populasi atau penelitian
terdahulu dengan mean data sampel penelitian.

Langkah-langkah pengujian.

1. HIPOTESIS

2. STATISTIK UJI

Uji t satu sampel

KETERANGAN :
x = rata-rata sampel
µ = rata-rata populasi/penelitian terdahulu
S = Standar Deviasi
n = jumlah (banyaknya) sampel

3. KEPUTUSAN STATISTIK

4. KESIMPULAN
 UJI T DEPENDEN BERPASANGAN
Uji ini untuk menguji perbedaan rata-rata antara dua kelompok data yang dependen.
Misalnya untuk mengetahui apakah ada perbedaan berat badan sebelum mengikuti
proram diet dan berat badan setelah mengikuti program diet.
Sama seperti uji T independen, uji T dependen memiliki asumsi yang harus dipenuhi,
yaitu :
1. Datanya berdistribusi normal.
2. Kedua kelompok data dependen (berpasangan)
3. Variabel yang dihubungkan berbentuk numerik dan kategorik (dengan hanya 2
kelompok)

Rumus yang digunakan, sebagai berikut :

KETERANGAN :
δ = rata-rata deviasi (selisih sampel sebelum dan sampel sesudah)
SDδ = Standar deviasi dari δ (selisih sampel sebelum dan sampel sesudah)
n = banyaknya sampel
DF = n-1
 Uji Paired sample t-test
Digunakan untuk membandingkan mean dari suatu sampel yang berpasangan
Sampel berpasangan adalah sebuah kelompok sampel dengan subyek yang sama namun
mengalami dua perlakuan atau pengukuran yang berbeda.

Formulasi paired sample t-test:

UJI T INDEPENDEN
Uji ini untuk mengetahui perbedaan rata-rata dua populasi/kelompok data yang
independen.
Uji T independen ini memiliki asumsi/syarat yang mesti dipenuhi, yaitu :
1. Datanya berdistribusi normal.
2. Kedua kelompok data independen (bebas)
3. Variabel yang dihubungkan berbentuk numerik dan kategorik (dengan hanya 2
kelompok)
Secara perhitungan manual ada dua formula (rumus) uji T independen, yaitu uji T yang
variannya sama dan uji T yang variannya tidak sama.
Untuk varian sama gunakan formulasi berikut :

Sedangkan untuk varian yang tidak sama gunakan formulasi berikut :

Nah... untuk menentukan apakah varian sama atau beda, maka menggunaka rumus :

UJI Z
Pendahuluan
Uji Z adalah salah satu uji statistika yang pengujian hipotesisnya didekati dengan
distribusi normal. Menurut teori limit terpusat, data dengan ukuran sampel yang
besar akan berdistribusi normal. Oleh karena itu, uji Z dapat digunakan utuk menguji
data yang sampelnya berukuran besar. Jumlah sampel 30 atau lebih dianggap sampel
berukuran besar. Selain itu, uji Z ini dipakai untuk menganalisis data yang varians
populasinya diketahui. Namun bila varian populasinya tidak diketahui maka varians
dari sampel dapat digunakan sebagai gantinya.

Kriteria Penggunaan uji Z

1. Data berdistribusi normal
2. Variance (σ2) diketahui
3. Ukuran sampel (n) besar, ≥ 30
4. Digunakan hanya untuk membandingkan 2 buah observasi.

Contoh Penggunaan Uji Z

1. Uji-Z dua pihak
2. Uji Z satu pihak

ANOVA
Anova (analysis of varian) digunakan untuk menguji perbedaan mean (rata-rata) data
lebih dari dua kelompok. Anova mempunyai dua jenis yaitu analisis varian satu faktor
(one way anova) dan analsis varian dua faktor (two ways anova). Pada kesempatan ini
hanya akan dibahas analisis varian satu faktor.

Beberapa asumsi yang harus dipenuhi pada uji Anova adalah:

1. Sampel berasal dari kelompok yang independen
2. Varian antar kelompok harus homogen
3. Data masing-masing kelompok berdistribusi normal

Asumsi pertama harus dipenuhi pada saat pengambilan sampel yang dilakukan secara
random terhadap beberapa (> 2) kelompok yang independen, yang mana nilai pada
satu kelompok tidak tergantung pada nilai di kelompok lain. Sedangkan pemenuhan
terhadap asumsi kedua dan ketiga dapat dicek jika data telah dimasukkan ke
komputer, jika asumsi ini tidak terpenuhi dapat dilakukan transformasi terhadap data.
Apabila proses transformasi tidak juga dapat memenuhi asumsi ini maka uji Anova
tidak valid untuk dilakukan, sehingga harus menggunakan uji non-parametrik
misalnya Kruskal Wallis.

Uji Anova pada prinsipnya adalah melakukan analisis variabilitas data menjadi dua
sumber variasi yaitu variasi didalam kelompok (within) dan variasi antar kelompok
(between). Bila variasi within dan between sama (nilai perbandingan kedua varian
mendekati angka satu), maka berarti tidak ada perbedaan efek dari intervensi yang
 dilakukan, dengan kata lain nilai mean yang dibandingkan tidak ada perbedaan.
Sebaliknya bila variasi antar kelompok lebih besar dari variasi didalam kelompok,
artinya intervensi tersebut memberikan efek yang berbeda, dengan kata lain nilai
mean yang dibandingkan menunjukkan adanya perbedaan.

Rumus uji Anova adalah sebagai berikut :

NON-PARAMETRIK

Yaitu statistik bebas sebaran (tidak mensyaratkan bentuk sebaran parameter

populasi, baik normal atau tidak). Selain itu, statistik non-parametrik
biasanyamenggunakan skala pengukuran sosial, yakni nominal dan ordinal yang
umumnya tidak berdistribusi normal.

Contoh metode statistik non-parametrik :

- Uji tanda (sign test)
 - Rank sum test (wilcoxon)
- Rank correlation test (spearman)
- Fisher probability exact test.
- Chi-square test, dll

Ciri-ciri statistik non-parametrik :

- Data tidak berdistribusi normal
- Umumnya data berskala nominal dan ordinal
- Umumnya dilakukan pada penelitian sosial
- Umumnya jumlahsampel kecil

Keunggulan dan kelemahan statistik non-parametrik :

1. Tidak membutuhkan asumsi normalitas.
2. Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan
lebih mudah dimengerti jika dibandingkan dengan statistik parametrik karena
ststistika non-parametrik tidak membutuhkan perhitungan matematik yang rumit
seperti halnya statistik parametrik.
3. Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang
(ordinal).
4. Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau
jenjang secara formal karena sering dijumpai hasil pengamatan yang dinyatakan
dalam data kualitatif.
5. Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada
pengamatan yang nyata.
6. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal
populasi, tetapi dapat digunakan pada populasi berdistribusi normal.

1. Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.

2. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik
parametrik.
3. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi
seperti pada statistik parametrik. Hal ini dikarenakan statistik non-parametrik
mendekati eksperimen dengan sampel kecil dan umumnya membandingkan dua
kelompok tertentu.
UJI NON PARAMETRIK
Salah satu keuntungan uji nonparametrik selain diabaikannya anggapan ditarik dari
distribusi tertentu, misalnya distribusi normal juga dapat dipergunakan sampel-
sampel kecil.
Ada beberapa analisis statistik nonparametrik :

1. KASUS SATU SAMPEL

a. UJI RUN TEST

Uji Run test digunakan untuk menguji pada kasus satu sampel. Sampel diambil dari
populasi, apakah sampel yang diambil berasal dari sampel acak atau bukan.

b. SATU SAMPEL KOLMOGOROV-SMIRNOV

Uji Kolmogorov-Smirnov digunakan untuk menguji asumsi normalitas data. Tes
dalam uji ini adalah tes goodness of fit yang mana tes tersebut untuk mengukur
tingkat kesesuaian antara serangkaian distribusi sampel (data observasi) dengan
distribusi teoritis tertentu.

2. KASUS DUA SAMPEL BERHUBUNGAN

a. UJI MC-NEMAR
Uji Mcnemar digunakan untuk penelitian sebelum dan sesudah peristiwa/treatment
dimana setiap objek digunakan pengontrol dirinya sendiri. Uji ini digunakan pada dua
(2) sampel yang berhubungan, skala pengukurannya berjenis nominal (binary respon)
dan untuk crosstabulasi data 2 x 2.

b. UJI MARGINAL HOMOGENITY

Uji Marginal Homogenity dilakukan untuk tes dua sampel yang saling berhubungan
dan merupakan perluasan uji McNemar. Pengunaan uji ini untuk melihat apakah
perbedaan atau perubahan antara 2 peristiwa sebelum dan sesudahnya. Kategori data
yaitu data multinominal lebih dari 2 x 2.

c. UJI WILCOXON
Uji Wilcoxon dilakukan untuk membandingkan dua kelompok data yang saling
berhubungan. Uji ini memiliki kekuatan test dibandingkan dengan uji tanda (Sign
Test).

d. UJI TANDA (Sign Test)

Uji Tanda (Sign Test) digunakan untuk dua kelompok sampel data yang saling
berhubungan. Uji tanda meghitung perbedaan dua kelompok data untuk semua
sampel dan diklasifikasikan menjadi perbedaan positif, negatif atau sama. Jika dua
kelompok data memiliki distribusi sama, maka jumlah perbedaan positif dan negatif
tidak signifikan.
3. DUA SAMPEL INDEPENDEN

UJI MANN-WHITNEY
Uji Mann Whitney digunakan untuk mengetahui apakah terdapat perbedaan respon
dari dua populasi data yang saling independen. Tes ini merupakan tes paling kuat
diantara tes-tes nonparametrik. Uji ini merupakan alternatif uji t parametrik ketika
data yang diambil dalam penelitiannya lebih lemah dari skala interval.

4. K SAMPLE YANG SALING BERHUBUNGAN

UJI Q COCHRAN
Uji Q Cochran digunakan untuk pengujian statistik nonparametrik untuk peristiwa
atau perlakuan lebih dari 2. Uji ini merupakan perluasan dari uji McNemar. Data
yang digunakan berbentuk binary. Perlakuan lebih dari dua yang dimaksud adalah
sebelum, ketika dan sesudah perlakuan.

DAFTAR PUSTAKA

Imam Ghozali. 2006. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang :
BP Undip
Sulaiman, Wahid. 2002. Statistik Non-Parametrik, Contoh Kasus dan Pemecahannya
dengan SPSS. Yogyakarta: Andi.