TUGAS

BIOSTATISTIK LANJUT

UJI PERBEDAAN MEAN

OLEH :

ARDIANSYAH
P 1803215004

KONSENTRASI GIZI
PROGRAM STUDI KESEHATAN MASYARAKAT
PROGRAM PASCASARJANA
UNIVERSITAS HASANUDDIN
MAKASSAR
2015
UJI-T SATU SAMPEL
Kasus
Seorang mahasiswa mengumpulkan 10 data tekanan darah responden yang meminum
obat hipertensi. Ia menduga bahwa populasi tersebut rata-rata tekanan darah sistolik
sebelum minum obat adalah 125 mmHg. Untuk membuktikan hal tersebut,
sekelompok wanita di ukur tekanan darah sistoliknya dengan rata-rata tekanan darah
130 mmHg. Dengan data di atas, apakah dapat disimpulkan bahwa tekanan darah
responden rata-rata memang 125 mmHg?

Sampel Tekanan darah

1 130
2 120
3 125
4 135
5 130
6 120
7 120
8 130
9 140
10 135

Penyelesaian
Kasus di atas terdiri atas satu sampel yang akan dipakai dengan nilai populasi
hipotesis, yaitu 130 mmHg. Di sini populasi diketahui terdistribusi normal, dan
karena sampel sedikit, dipakai uji t untuk satu sampel.

Output SPSS dan Analisis:

Uji Normalitas
1. Histogram

2. Skewness

Statistics
Tekanan_Darah

Valid 10
N
Missing 0
Skewness .076
Std. Error of Skewness .687

Berdasarkan histogram dan skewnessnya maka data yang dipakai telah

terdistribusi normal. Dimana data yang terdistribusi normal jika berada pada -2
sampai 2. Dan berdasarkan skewness pada kasus ini adalah 0,076.
Output Bagian Pertama (Group Statistics)

One-Sample Statistics

N Mean Std. Deviation Std. Error Mean

Tekanan_Darah 10 128.50 7.091 2.242

Untuk tekanan darah sistolik sebelum minum obat, konsumen mempunyai tekanan
darah rata-rata 128,5 mmHg.

Output Bagian Kedua (One Sample Test)

One-Sample Test

Test Value = 125

T Df Sig. (2- Mean 95% Confidence Interval of

tailed) Difference the Difference

Lower Upper

Tekanan_Darah 1.561 9 .153 3.500 -1.57 8.57

Hipotesis:
Hipotesis untuk kasus ini.
Ho= tekanan darah ≠125mmHg
Ha= tekanan darah = 125 mmHg

Pengambilan Keputusan :
Dasar pengambilan keputusan
a. Berdasar perbandingan t hitung dengan t tabel:
 Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t), maka Ho
ditolak.
 Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t), maka Ho
diterima.
t hitung dari output adalah 1.561
Untuk statistik tabel bisa dihitung pada tabel t:
  Tingkat signifikansi (α) adalah 0,05; untuk uji dua sisi, menjadi 0,05 / 2 =
0,025.
 df atau derajat kebebasan adalah n – 1 atau jumlah data – 1 sehingga df adalah
10 – 1 = 9
 Uji dilakukan dua sisi karena akan diketahui apakah rata-rata sebelum sama
dengan tekanan darah sistolik ataukah tidak. Jadi, bisa lebih besar atau lebih
kecil, karenanya dipakai uji dua sisi.
Dari tabel t, didapat t(0,025;9)adalah 2,262.

Ho ditolak Ho diterima Ho ditolak

-2,262 1.561 2,262

Keputusan :
Ho ditolak bila t hitung > t tabel
Ho diterima jika t hitung < t tabel
Karena nilai t hitung 1.561 dan t tabel adalah 2,262, maka :
Ho diterima karena t hitung < t tabel = 1,561 < 2,262
Kesimpulannya rata-rata tekanan darah sistolik sebelum minum obat bukanlah 125
mmHg.
b. Berdasar nilai Probabilitas -> untuk uji DUA SISI
 Jika probabilitas/2 > 0,025, maka Ho diterima.
 Jika probabilitas/2 < 0,025, maka Ho ditolak.
Keputusan :
Terlihat bahwa t hitung adalah 1.561 dengan probabilitas 0,153. Angka
probabilitas menjadi 0,153/2 = 0,0765. Oleh karena itu 0,0765 > 0,025, maka Ho
diterima atau tekanan darah sistolik sebelum minum obat bukanlah 125 mmHg.
 UJI-T DUA SAMPEL INDEPENDEN

Kasus
Seorang peneliti ingin mengetahui apakah kadar Hb ibu hamil yang diberi tablet Fe
lebih tinggi daripada kadar Hb ibu hamil yang tidak mendapatkan Fe. Untuk
membuktikan, hipotesis ini diambil sampel dua kelompok ibu hamil masing-masing
10 orang, kelompok pertama yaitu ibu hamil yang mendapatkan tablet Fe sedangkan
kelompok kedua yaitu ibu hamil yang tidak mendapatkan tablet Fe.

Kelompok I Kadar Hb (g/dL) Kelompok II Kadar Hb (g/dL)

1 13,5
2 12,0
3 12,5
4 13,0
5 13,0
6 13,4
7 12,5
8 13,5
9 13,0
10 14,0
1 11,5
2 12,0
3 12,5
4 11,0
5 10,5
6 12,0
7 11,5
8 12,5
9 12,0
10 11,0

Penyelesaian
Kasus di atas terdiri atas dua sampel yang bebas satu dengan yang lain, yaitu
mengukur kadar Hb ibu hamil yang diberikan tablet Fe dan ibu hamil yang tidak
diberikan tablet Fe. Di sini populasi diketahui terdistribusi normal, dan karena sampel
sedikit, dipakai uji t untuk dua sampel.
Output SPSS dan Analisis:
Uji Normalitas

Tests of Normality

kelompok Kolmogorov-Smirnova Shapiro-Wilk

Statistic Df Sig. Statistic df Sig.

1 .173 10 .200* .963 10 .818

kadar_hb
2 .200 10 .200* .932 10 .466

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Output pada tabel Test Of Normality untuk Kolmogrov-Smirnov diperoleh

nilai p untuk ibu yang mendapat tablet Fe = 0.200 dan untuk ibu hamil yang tidak
mendapatkan tablet Fe = 0,200. Ini lebih besar dari pada 0,05, maka dapat
disimpulkan bahwa data tersebut terdistribusi normal.
Karena kasus dua sampel bebas, skala dependennya rasio dan data
terdistribusi normal, maka uji yang paling sesuai adalah uji independen sampel T test.
Output Bagian Pertama (Group Statistics)
Group Statistics

kelompok N Mean Std. Deviation Std. Error Mean

1 10 13.040 .5910 .1869

kadar_hb
2 10 11.650 .6687 .2115

Rata-rata kadar Hb ibu hamil yang mendapatkan tablet Fe adalah 13,040

dengan standar defiasi = 0,5910 dan rata-rata kadar Hb ibu hamil yang tidak
mendapatkan tablet Fe = 11,650 dengan standar defiasi = 0,6687.
 Output Bagian Kedua (Independent Sample Test)
Independent Samples Test

Levene's Test t-test for Equality of Means

for Equality of
Variances

F Sig. t Df Sig. (2- Mean Std. Error 95% Confidence Interval

tailed) Difference Difference of the Difference

Lower Upper

Equal
variances .438 .516 4.925 18 .000 1.3900 .2822 .7971 1.9829
assumed
kadar_hb Equal
variances
4.925 17.732 .000 1.3900 .2822 .7964 1.9836
not
assumed

Output pada Independent Samples Test menjelaskan bahwa nilai F hitung

pada Levene’s Test for Equality of Variances adalah 0,438 dengan nilai p = 0,516 >
0,05, maka disimpulkan bahwa variansi kedua kelompok homogen.

Hipotesis:
H0 : kadar Hb ibu hamil yang mendapatkan tablet Fe lebih tinggi dari kadar
Hb ibu hamil yang tidak mendapatkan tablet Fe.
Ha : kadar Hb ibu hamil yang mendapatkan tablet Fe lebih tinggi dari kadar
Hb ibu hamil yang tidak mendapatkan tablet Fe.

Pengambilan Keputusan:
Dasar Pengambilan Keputusan:
 Jika probabilitas > 0,05, maka Ho diterima.
 Jika probabilitas < 0,05, maka Ho ditolak.
Keputusan:
Nilai t hitung pada tabel ini didapat dua nilai dan kebetulan sama yaitu 4,925. Nilai
p yang diperoleh pada tabel ini dengan dua arah (Sig 2-tailed) = 0,000. Sedangkan
hipotesis ini termasuk satu arah sehingga nilai p yang diperoleh harus dibagi 2
menjadi = 0,000. Karena nilai p tetap 0,000 < 0,005, maka Ho ditolak.
Kesimpulannya bahwa kadar Hb ibu hamil yang mendapatkan tablet Fe lebih
tinggi dibanding dengan kadar Hb ibu hamil yang tidak diberi tablet Fe.
 UJI-T DUA SAMPEL BERPASANGAN

Kasus
Seorang peneliti ingin mengetahui apakah terdapat perbedaan berat badan (kg)
sebelum dan setelah melakukan olahraga secara rutin selama satu bulan. Untuk
membuktikan hal tersebut, diambil sampel secara random sebanyak 10 orang yang
masing-masing diukur berat badannya, kemudian setelah rutin sebulan berolahraga,
sampel tersebut kembali diukur berat badannya.

Berat badan (kg)

Sampel
Sebelum Setelah
1 55 53
2 60 57
3 45 46
4 62 60
5 50 50
6 57 55
7 63 60
8 68 66
9 50 46
10 65 60

Penyelesaian
Kasus di atas terdiri atas dua sampel yang berhubungan atau berpasangan satu dengan
yang lain, yaitu berat badan sampel sebelum berolahraga dan berat badan sampel
setelah berolahraga. Di sini populasi diketahui berdistribusi normal, dan karena
anggota sampel sedikit (hanya sepuluh orang, yang berarti jauh di bawah 30), dipakai
uji t untuk dua sampel yang berpasangan.
Output SPSS dan Analisis:
Uji Normalitas

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic Df Sig.

Sebelum .143 10 .200* .962 10 .806

Setelah .162 10 .200* .941 10 .568

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Output pada tabel Test Of Normality untuk Kolmogrov-Smirnov diperoleh

nilai p untuk perbedaan berat badan sebelum dan setelah berolahraga secara rutin
selama satu bulan = 0.200. Ini lebih besar dari pada 0,05, maka dapat disimpulkan
bahwa data tersebut terdistribusi normal.

Output Bagian Pertama (Group Statistics)

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean

Sebelum 57.50 10 7.442 2.353

Pair 1
Setelah 55.30 10 6.584 2.082

Untuk berat badan sebelum berolahraga selama satu bulan secara rutin, responden
memiliki berat rata-rata 57,50 kg, sedangkan rata-rata berat badan setelah berolahraga
secara rutin selama satu bulan yaitu 55,30 kg.

Output Bagian Kedua

Paired Samples Correlations

N Correlation Sig.

Pair 1 Sebelum & Setelah 10 .976 .000

Pada output Paired Samples Correlations ini menghasilkan korelasi antara

kedua variabel, yang menghasilkan angka 0,976 dengan nilai probabilitas dibawah
0,05 dimana signifikansinya yaitu 0,000. Hal ini menyatakan bahwa korelasi antara
berat badan sebelum dan setelah melakukan olahraga secara rutin selama satu bulan
adalah sangat erat dan benar-benar berhubungan secara nyata.

Output Bagian Ketiga (Paired Sample Test)

Paired Samples Test

Paired Differences t df Sig. (2-

Mean Std. Std. Error 95% Confidence tailed)

Deviation Mean Interval of the

Difference

Lower Upper

Sebelum –
Pair 1 2.200 1.751 .554 .947 3.453 3.973 9 .003
Setelah

Hipotesis :
Ho = Rata-rata berat badan sebelum dan setelah berolahraga secara rutin selama
satu bulan adalah sama secara nyata.

Ha = Rata-rata berat badan sebelum dan setelah berolahraga secara rutin selama
satu bulan adalah berbeda secara nyata.
Pengambilan Keputusan:
Dasar Pengambilan Keputusan.
a. Berdasar perbandingan t hitung dengan t tabel:
 Jika Statistik Hitung (angka t output) > Statistik Tabel (tabel t), maka Ho
ditolak.
 Jika Statistik Hitung (angka t output) < Statistik Tabel (tabel t), maka Ho
diterima.
t hitung dari output adalah 3.973.
Untuk statistik tabel bisa dicari pada tabel t, dengan cara:
 Tingkat signifikansi (α) 0,05. Dengan degree of freedom atau derajat
kebebasan dicari dengan rumus jumlah data – 1 atau 10 – 1 = 9
  Uji dilakukan dua sisi karena akan diketahui apakah rata-rata sebelum sama
dengan sesudah ataukah tidak. Jadi, bisa lebih besar atau lebih kecil, karenanya
dipakai uji dua sisi. Perlunya Uji dua sisi bisa diketahui pula dari output SPSS
yang menyebut adanya two tailed test.

Dari tabel t, didapat t(0,05;9)adalah 1,833.

Ho ditolak Ho diterima Ho ditolak

-1,833 1,833 3.973

Oleh karena t hitung terletak pada daerah Ho tolak, maka bisa disimpulkan dengan
berolahraga secara rutin dapat menurunkan berat badan.
b. Berdasar nilai Probabilitas
 Jika probabilitas > 0,05, maka Ho diterima.
 Jika probabilitas < 0,05, maka Ho ditolak.
Untuk uji dua sisi, setiap sisi dibagi 2 hingga menjadi:
 Angka probabilitas/2 > 0,025, maka Ho diterima.
 Angka probabilitas/2 < 0,025, maka Ho ditolak.
Keputusan:
Terlihat bahwa t hitung adalah 3,973 dengan probabilitas 0,003. Untuk uji dua sisi,
angka probabilitas adalah 0,003/2=0,0015. Oleh karena 0,0015 > 0,025, maka Ho
ditolak. Dapat disimpulkan bahwa berat badan sebelum dan sesudah melakukan
olahraga secara rutin selama satu bulan berbeda secara nyata. Atau, dengan kata
lain dengan rutin berolahraga efektif dalam menurunkan berat badan secara nyata.
 UJI ONE WAY ANOVA

15 anak yang mengalami gizi kurang mengikuti program penaikan berat badan.
Subjek dibagi menjadi 3 kelompok secara acak, setiap kelompok mendapatkan
program makanan tambahan yang berbeda. Apakah ada perbedan penurunan BB
diantara ketiga metoda tersebut ? Bila ada, kelompok mana yang berbeda ? (Alfa =
0,05). Pada akhir program, kenaikan berat badan dicatat sebagai berikut :

PMT 1(Kacang hijau) PMT 2 (Telur rebus) PMT 3 (Biskuit)

2.5 1.5 1
1 1 1
1.5 2 1.5
2 1 1.5
1.5 1.5 1

Penyelesaian :
Ho : tidak ada perbedaan kenaikan berat badan antara program PMT 1, PMT 2, dan
PMT 3
Ha : ada perbedaan kenaikan berat badan antara pemberian PMT satu dengan yang
lain.

Uji Normalitas

Tests of Normality

Kelompok Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

kacang hijau .237 5 .200* .961 5 .814

berat_badan telur rebus .241 5 .200* .821 5 .119

biskuit .231 5 .200* .881 5 .314

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction
 Output pada tabel Test of Normality untuk Kolmogorov-Smirnov diperoleh
nilai p untuk kenaikan berat badan dengan metode mengkonsumsi 3 jenis PMT yang
diberikan = 0.200 ini lebih besar daripada 0,05, maka dapat disimpulkan bahwa data
tersebut terdistribusi normal.

Descriptives
berat_badan

N Mean Std. Std. 95% Confidence Interval for Minimum Maximum

Deviation Error Mean

Lower Bound Upper Bound

kacang hijau 5 1.700 .5701 .2550 .992 2.408 1.0 2.5

telur rebus 5 1.500 .5000 .2236 .879 2.121 1.0 2.0
Biscuit 5 1.400 .4183 .1871 .881 1.919 1.0 2.0
Total 15 1.533 .4806 .1241 1.267 1.799 1.0 2.5

Dari tabel output diatas terlihat bahwa total populasi secara keseluruhan
sampel sebanyak 15 orang, dengan spesifikasi PMT 1 (kacang hijau) 5 orang, PMT 2
(telur rebus) 5 orang dan PMT 3 (biscuit) 5 orang. Untuk batas terendah pemberian
kacang hijau adalah 0,992 dan batas maksimumnya adalah 2,408. Pada tabel 95%
Confidence Interval for Mean, untuk pemberian PMT 2 dan PMT 3 dapat dilihat
dikolom yang sama. Untuk masing-masing nilai maksimum dan nilai minimum untuk
setiap pemberian PMT dilihat pada kolom minimum dan maksimum, sebagai contoh
pemberian PMT 2 memiliki nilai minimum 1 kg dan nilai maksimum 2 kg.

Test of Homogeneity of Variances

berat_badan

Levene Statistic df1 df2 Sig.

.311 2 12 .738

Maka pengambilan keputusan yang akan dilakukan berdasarkan syarat berikut :

Jika nilai signifikansi > 0,05, maka Ho di terima
Jika nilai signifikansi < 0,05, maka Ho di tolak
Keputusan :
Terlihat bahwa pada Levene Statistic tes hitung adalah 0,311 dengan nilai
signifikansi 0,738. Oleh karena signifikansi > 0,05, maka dapat disimpulkan bahwa
variansi ketiga kelompok data sama (homogen).

ANOVA
berat_badan

Sum of Squares Df Mean Square F Sig.

Between Groups .233 2 .117 .467 .638

Within Groups 3.000 12 .250
Total 3.233 14
Output pada tabel ANOVa diperoleh nilai F hitung = 0, 467 dan nilai p =
0,638 > 0,05, maka Ho diterima. Yang artinya tidak ada perbedaan kenaikan berat
badan antara program PMT 1, PMT 2, dan PMT 3.

Multiple Comparisons
Dependent Variable: berat_badan
LSD

(I) Kelompok (J) Kelompok Mean Std. Error Sig. 95% Confidence Interval
Difference (I-J) Lower Bound Upper Bound

telur rebus .2000 .3162 .539 -.489 .889

kacang hijau
Biscuit .3000 .3162 .361 -.389 .989
kacang hijau -.2000 .3162 .539 -.889 .489
telur rebus
Biscuit .1000 .3162 .757 -.589 .789
kacang hijau -.3000 .3162 .361 -.989 .389
biskuit
telur rebus -.1000 .3162 .757 -.789 .589

Output pada tabel Multiple Comparisons merupakan uji lanjut anova jika
hasil analisis yang diperoleh pada uji anova signifikan. Pada nalaisis uji lanjut
menggunakan uji LSD (Least Significamt Difference) untuk mengetahui pasangan
mana yang berbeda. Adapun hasil yang diperoleh sebagai berikut : uji beda
pemberian PMT kacang hijau dan telur rebus diperoleh rata-rata 0,2000. Nilai p =
0,539 > 0,05, maka Ho diterima.
Kesimpulan : tidak ada perbedaan pemberian PMT kacang hijau, telur rebus maupun
biscuit terhadap kenaikan berat badan anak. Uji beda program pemberian kacang
hijau dan biscuit diperoleh rata-rata 0,3000 dengan nilai p = 0,361, maka Ho diterima.
Kesimpulan : tidak ada perbedaan antara pemberian PMT 1, PMT 2, dan PMT 3
terhadap kenaikan berat badan anak. Uji beda program pemberian telur rebus dan
biscuit diperoleh rata-rata = 0,1000 dengan nilai p = 0,757 > 0,05, maka Ho diterima.
Tidak ada perbedaan antara pemberian PMT 1, PMT 2, dan PMT 3 terhadap kenaikan
berat badan anak.