Hipotesis
dikonfirmasi kebenarannya, masih perlu
konfirmasi data secara empiris
• α = besarnya peluang menolak Ho pada sampel, padahal dalam populasi Ho benar α = 0,05
(signifikansi atau tingkat kepercayaan) artinya setiap 100 kali menolak Ho ada 5 kali menolak Ho
yang benar
• β = besarnya peluang menerima Ho yang salah β = 0,2 1- β = power uji artinya penelitian ini
mempunyai kekuatan 80 % untuk mendeteksi perbedaan itu, jika perbedaan di populasi memang
ada.
Teori Kesalahan
5. Perhitungan
6. Kesimpulan
Langkah Pengujian
1. Tentukan Hipotesis
Contoh : Contoh :
• Peneliti ingin menguji apakah • Peneliti ingin menguji apakah tekanan
terjadi perbedaan tekanan darah sebelum darah menurun setelah diberikan treatment
dan setelah diberi treatment
Langkah Pengujian
2. Pemilihan uji statistik yang sesuai
5. Perhitungan
Ho
Ho ditolak
Diterima
ANALISIS
KORELASI -
REGRESI
I B N U FA J A R , S KM , M KE S
ANALISIS KORELASI - REGRESI
1. Tentukan Hipotesis:
• H0: ρ = 0
• H1: ρ ≠ 0
2. Digunakan uji statistik t jika sampel kecil dan Z bila sampel besar
4. Kriteria pengujian:
5. Cara Perhitungan:
6. Kesimpulan
4. Kriteria pengujian:
• H0 ditolak apabila nilai t hitung > 2,23 atau t hitung < -
2,23
Jawab:
5. Perhitungan
• Perhitungan r =
Contoh
Jawab:
5. Perhitungan
• Perhitungan r =
Contoh
Jawab:
6. Kesimpulan
Contoh
A
nalisis korelasi digunakan untuk mempelajari hubungan
ketergantungan (interdependensi) antara 2 variabel atau lebih. Analisis
korelasi ini sering juga disebut sebagai analisis
pengukuran derajat hubungan antara 2 variabel atau lebih. Ukuran yang
digunakan untuk mengetahui derajat hubungan terutama untuk data
kuantitatif adalah koefisien korelasi. Sedangkan ukuran derajat hubungan
antara dua variabel yang terdiri dari data berbentuk kategori yang
disajikan dalam bentuk tabel kontingensi disebut koefisien kontingensi.
Menurut Prof. Dr. Sudjana dalam Buku Metoda Statistika dinyatakan bahwa
analisis korelasi sukar untuk dipisahkan daripada analisis regresi. Analisis
regresi adalah analisis statistik yang memanfaatkan korelasi antara 2
variabel atau lebih yaitu antara variabel bebas (independent) dan variabel
terikat (dependent). Pada analisis regresi kita akan tahu hubungan antara
variabel-variabel yang diketahui dengan variabel- variabel yang akan
diramalkan dalam bentuk persamaan matematis. Variabel yang nilainya
hendak diramalkan disebut variabel dependen sedangkan variabel yang
dipakai untuk membuat peramalan disebut variabel independent.
nX .Y X .Y
r
{nX 2
(X )2}{nY 2 (Y )2}
1 Hipotesis
H0: = 0
H1: 0
2. Gunakan uji statistik t karena sampel kecil.
3. Tentukan taraf signifikansi 0,05 atau 0,01.
4. Tentukan nilai kritis (tabel t) dengan derajat bebas (df=n-2) dan
= 0,05.
5. Kriteria penolakan H0.
H0 ditolak bila t hitung > t1-1/2 atau t hitung < -t1/2.
Analisis Korelasi - Regresi 122
n 2
t r
1r 2
Untuk sampel besar maka uji yang diguinakan adalah uji Z dengan
rumus sebagai berikut:
t
1
n 1
Y a bX
Analisis Korelasi - Regresi 123
dimana:
Y = Variabel terikat.
X = Variabel bebas.
a = Konstanta.
b = slope/gradien.
Contoh Soal:
Seorang Ahli gizi ingin meneliti apakah ada korelasi antara Berat
Badan Ibu Hamil dengan Berat badan lahir bayi di suatu kecamatan. Oleh
karena itu dia mengumpulkan data di Puskesmas selama beberapa hari.
Dari beberapa sampel ibu yang melahirkan diperoleh data sebagai berikut:
Ujilah apakah korelasi antara Berat Badan Ibu dengan berat badan lahir
bayi yang dilahirkan pada = 0,05.
Jawab:
1. H0: = 0 (tidak ada korelasi).
H1: 0 (ada korelasi)
BB Ibu BB Bayi yg
Sampel X2 Y2 X.Y
(X) dilahirkan (Y)
1 45 3,0 2025 9,00 135,0
2 55 3,5 3025 12,25 192,5
3 48 2,8 2304 7,84 134,4
4 55 3,3 3025 10,89 181,5
5 40 2,5 1600 6,25 100,0
6 53 2,9 2809 8,41 153,7
7 60 3,8 3600 14,44 228,0
8 50 4,0 2500 16,00 600,0
9 56 3,6 3136 12,96 201,6
10 58 3,7 3364 13,69 214,6
520 33,1 27388 111,73 1741,3
Analisis Korelasi - Regresi 125
nX .Y X .Y
r
{nX (X )2}{nY 2 (Y )2}
2
r 0,73
n 2
t r
1r2
10 2
t 0,73
1 (0,73)2
t 2,57
6. Kesimpulan
Karena nilai t hitung (2,57) > t tabel (2,23) maka H0 ditolak 0,
dapat disimpulkan terdapat korelasi (hubungan) yang kuat dan positif
antara Berat badan Ibu dengan berat badan lahir bayi pada
= 0,05.
10.(1741,3) (520)(33,1)
b
10.(27388) (520)2
b 0,057
Y 0,3 0,057X
artinya: setiap kenaikan 1 satuan (kg) berat badan ibu akan menaikkan berat
badan lahir bayi sebesar 0,057 kg.
INTERPRETASI
ANALISIS REGRESI LOGISTIK
SELAMAT MENCOBA
SEMOGA BERMANFAAT
BESAR
SAMPEL
IBNU FAJAR, SKM, MKES
BESAR SAMPEL
bagian dari Pengumpulan Data
(Data Collecting)
N = Besar Populasi.
Keterangan:
Q = 1 – p.
Zα = harga kurva normal sesuai α (tingkat
kepercayaan).
d = beda antara proporsi di sampel dengan di
populasi.
n = besar sampel.
Rumus Besar Sampel (Data Proporsi) untuk estimasi
Contoh Soal
Di suatu propinsi diketahui prevalensi Anemia pada Ibu hamil 60 %.
Suatu Penelitian ingin dilakukan di kecamatan tersebut, berapa
besarnya sampel yang harus diambil bila diinginkan perbedaan proporsi
di populasi dengan di sampel tidak lebih dari 5 %
Jawab
Diketahui:
Rumus Besar Sampel (Data Proporsi) untuk estimasi
Contoh Soal 2
Seorang Mahasiswa ingin melakukan penelitian tentang Status Gizi Balita di suatu
kecamatan yang mempunyai Balita 6.000 balita. Pada penelitian nasional didapatkan
anak berstatus gizi kurang 30 %. Berapa besar sampel yang harus diambil bila tingkat
kepercayaannya 95 % dan tingkat kemantapannya 5 %.
Jawab
Diketahui:
N = 6000 Balita, p = 30 % (0,3) q = 1- p = - 0,3 = 0,7
Zα = 1,96 d = 0,05
Rumus Besar Sampel (Data Proporsi) untuk estimasi
Contoh Soal 3
Dari 5000 keluarga transmigrasi ingin dilakukan penelitian tentang perilaku di bidang
kesehatan masyarakat. Berapa sampel yang diperlukan bila kesalahan hasil sampel
tidak melebihi 5 % dari populasinya, pada tingkat kepercayaan 95 %
Jawab
Misalkan perubahan tingkah laku di bidang kesehatan setelah keluarga yg
ditransmigrasikan ke pemukiman yang baru mengalami perubahan sebesar 50 %,
Rumus Besar Sampel
(Data Kontinyu) untuk estimasi
n = besar sampel.
Rumus Besar Sampel
(Data Kontinyu) untuk estimasi
Contoh Soal 4
Untuk mengetahui manfaat OAD (Obat Anti Diabetic) tertentu terhadap penurunan
kadar gula darah. Andaikata penurunan gula darah tidak diketahui namun
kepustakaan menyatakan bahwa penurunan tsb mempunyai rentang 100 mg % dan
yang kita menghendaki d = 10 mg %, berapa sampel yang diperlukan ?
Jawab
• Selama 6 bulan penderita DM yang
memenuhi syarat 100 (n), maka dipilih 24
dari 100 secara random.
• Kemudian kita pilih random sistematik
dengan interval pengambilan 100/24 = 5.
• Misal random pertama jatuh pada nomor 7,
maka nomor sampel berikutnya
adalah,7+5=12, 12+5=17, dst.
Rumus Besar Sampel
(Data Kontinyu) untuk estimasi
Contoh Soal 5
Mengetahui perbedaan serum creatinin pada penderita ginjal menahun dengan orang
normal. Andaikata kita tidak mengetahui besarnya 𝜎 2 namun kepustakaan ada
rentangan 0,15%. Selanjutnya digunakan 𝛼= 0,05 dan d=0,01 mg%. Berapa besar n?
Jawab
Rumus Besar Sampel untuk Uji Hipotesis
(Data Proporsi)
(Data kontinyu)
Rumus Besar Sampel untuk Uji Hipotesis
Contoh Soal 6
Seorang mahasiswi kebidanan Poltekkes Malang Progsus
Pelayanan ingin meneliti tentang perbedaan kejadian diare antara bayi
yang lahir normal dengan yang lahir sectio caesaria.
Diketahui proporsi diare pada kelompok sectio caesaria = 0,7 dan
proporsi diare pada kelompok persalinan normal = 0,2. Jika penelitian
menggunakan α= 0,05 dan β = 0,2
Tentukan besar sampel minimal yang ditentukan.
Rumus Besar Sampel untuk Uji Hipotesis
Contoh Soal 6
Diketahui :
Zα = Deviat baku alpha = 1,96 (tingkat kepercayaan 95%).
Zβ = Deviat baku beta= 0,842 (power test 80%).
P1 = Proporsi diare pada kelompok sectio caesaria = 0,7
Q1 = 1–P1: proporsi tidak diare pada kelompok Sectio Caesaria = 0,3
P2 = Proporsi diare pada kelompok persalinan normal = 0,2
Q2 = 1–P2: proporsi tidak diare pada kelompok persalinan normal = 0,8
P1-P2 = Selisih proporsional minimal yang dianggap bermakna = 0,5
P = Proporsi total = 221PP+ =22,07,0 = 0,45
Q = 0,55
Rumus Besar Sampel untuk Uji Hipotesis
Contoh Soal 6
Rumus Besar Sampel untuk Uji Hipotesis
Contoh Soal 7
Seorang peneliti ingin mengetahui perbedaan kadar Placenta
Growth Factor (PGF) antara ibu hamil normal dengan ibu hamil yang
mengalami pre eklampsia. Dari studi pendahuluan diketahui bahwa
simpang baku gabungan adalah sebesar 40.
Peneliti menetapkan α= 5%, hipotesis satu arah, β= 10%, dan
perbedaan rerata minimal yang dianggap bermakna adalah 20.
Rumus besar sampel mana yang digunakan dan berapa
besar sampel yang diperlukan.
Rumus Besar Sampel untuk Uji Hipotesis
Contoh Soal 7
Contoh Soal 7
n % n % n % n %
n % n % n %
Di Atas AKG 0 0 0 0
Normal 8 61,5 4 23,5
Defisit 5 38,5 13 76,5
Jumlah 13 100,0 17 100,0
80
70
60
50
40 BB Normal
BBLR
30
20
10
0
Normal Defisit
Contoh 1.
Penelitian dilakukan untuk mengetahui Hubungan Tingkat Pengetahuan
Ibu tentang Diare dengan Tingkat Keparahan Diare pada Anak Balita Rawap Inap
di RSU dr. Saiful Anwar Malang. Di antara hasil penelitian tersebut adalah
sebagai berikut :
No. Tingkat Pengetahuan Ibu Tingkat Keparahan No. Tingkat Pengetahuan Ibu Tingkat Keparahan
Resp. Tentang Diare Diare Resp. tentang Diare Diare
Nilai Kategori Nilai Kategori Nilai Kategori Nilai Kategori
1 76.5 Baik 2 Ringan 16 64.7 Cukup 5 Sedang
2 54.4 Kurang 8 Berat 17 26.5 Tidak 8 Berat
Baik Baik
3 76.5 Baik 2 Ringan 18 64.7 Cukup 6 Sedang
4 72.1 Cukup 3 Sedang 19 66.2 Cukup 5 Sedang
5 82.4 Baik 1 Ringan 20 36.8 Tidak 10 Berat
Baik
6 77.9 Baik 2 Ringan 21 41.2 Kurang 8 Berat
Baik
7 82.4 Baik 1 Ringan 22 44.1 Kurang 10 Berat
Baik
2
Crosstabs
Cases
Valid Missing Total
N Percent N Percent N Percent
Pengetahuan * Diare 30 100.0% 0 .0% 30 100.0%
Count
Diare
Ringan Sedang Berat Total
Pengetahuan Baik 7 0 0 7
Cukup 2 10 3 15
Kurang Baik 1 0 5 6
Tidak Baik 0 0 2 2
Total 10 10 10 30
As ym p. S ig.
Value df (2-sided)
Pears on Chi-S quare 32.600 a 6 .000
Lik elihood Rat io 34.684 6 .000
Linear-by-Linear
15.761 1 .000
As soc iation
N of V alid Cas es 30
a. 9 c ells (75.0% ) have expected count l ess than 5. The
mi nim um expected count is .67.
Perumusan Masalah :
Apakah terdapat hubungan tingkat pengetahuan ibu tentang diare dengan tingkat
keparahan diare pada anak balita rawap inap di RSU dr. Saiful Anwar Malang
3
Hipotesis :
Pengambilan Keputusan :
Cara 1.
Jika Sig > 0,05 maka H0 diterima
Jika Sig < 0,05 maka H0 ditolak
Cara 2.
Jika Chi-Square hitung < Chi-Square tabel, maka H0 diterima
Jika Chi-Square hitung > Chi-Square tabel, maka H0 ditolak
Chi-Square tabel pada tingkat signifikan () 5%
Derajat Kebebasan (df) = 8 (diperoleh dari output) dengan rumus :
(jumlah baris – 1) x (jumlah kolom – 1) atau (4 – 1) x (3 – 1) = 8 dengan melihat
Tabel Chi-Square adalah 15,507
Catatan :
Kolom ada 3 : Tingkat Keparahan Diare, yaitu Ringan, Sedang, dan Berat
Baris ada 4 : Tingkat Pengetahuan Ibu tentang Diare, yaitu Baik, Cukup,
Kurang Baik, Tidak Baik)
Keputusan :
Dengan Cara 1, Nilai Sig pada penelitian ini adalah 0,000 < 0,05 maka H0 ditolak.
Dengan Cara 2, Nilai Chi-Square hitung pada penelitian ini 32,600 > Chi-Square
tabel 15,507 maka H0 ditolak.
Jadi,
Keputusan Analisis ini adalah ”Ada hubungan tingkat pengetahuan ibu tentang
diare dengan tingkat keparahan diare pada anak balita rawap inap di RSU
dr. Saiful Anwar Malang”
4
Contoh 2 :
Penelitian dilakukan untuk mengetahui Hubungan Tingkat Pendidikan
dengan Kepatuhan Minum Tablet Fe pada Penderita Anemia di Kecamatan Bunga
Kota Melati. Hasil pengumpulan data dengan kuesioner untuk variabel tingkat
pendidikan dan kepatuhan minum tablet Fe disajikan pada Tabel 2.
Crosstabs
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Pendidikan * Kepatuhan 20 66.7% 10 33.3% 30 100.0%
Count
Kepatuhan
Patuh Tidak patuh Total
Pendidikan Sarjana 5 1 6
Ak ademi 4 2 6
SM A 1 7 8
Total 10 10 20
As ym p. S ig.
Value df (2-sided)
Pears on Chi-S quare 7.833a 2 .020
Lik elihood Rat io 8.653 2 .013
Linear-by-Linear
6.884 1 .009
As soc iation
N of V alid Cas es 20
a. 6 c ells (100.0% ) have expected c ount les s than 5. The
mi nim um expected count is 3.00.
Perumusan Masalah :
Apakah terdapat hubungan tingkat pendidikan dengan kepatuhan minum tablet Fe
pada penderita anemia.
Hipotesis :
H0 : Tidak ada hubungan tingkat pendidikan dengan kepatuhan minum tablet
Fe pada penderita anemia
Ha : Ada hubungan tingkat pendidikan dengan kepatuhan minum tablet Fe
pada penderita anemia
Pengambilan Keputusan :
Cara 1.
6
Cara 2.
Jika Chi-Square Hitung < Chi-Square Tabel, maka H0 diterima
Jika Chi-Square Hitung > Chi-Square Tabel, maka H0 ditolak
Catatan :
Kolom ada 2 : Kepatuhan Minum Tablet Fe, yaitu Patuh dan Tidak Patuh
Baris ada 3 : Tingkat Pendidikan, yaitu Sarjana, Akademi, dan SMA
Keputusan :
Dengan Cara 1, Nilai Sig pada penelitian ini adalah 0,020 < 0,05 maka H0 ditolak.
Dengan Cara 2, Nilai Chi-Square hitung pada penelitian ini 7,833 > Chi-Square
tabel 5,9915 maka H0 ditolak.
Jadi,
Keputusan Analisis ini adalah ”Ada hubungan tingkat pendidikan dengan
kepatuhan minum tablet Fe pada penderita anemia”
KORELASI SPEARMAN
JURUSAN GIZI
POLITEKNIK KESEHATAN KEMENKES MALANG
2019
PENGARUH
PEMBERIAN MINYAK BUAH MERAH
(Pandanus conoideus) TERHADAP
KADAR KOLESTEROL PLASMA
PADA TIKUS GALUR WISTAR
(Rattus novergicus)
DENGAN DIET ATEROGENIK
TABEL
Kadar Kolesterol Plasma Tikus Galur Wistar dengan
Diet Aterogenik pada Berbagai Taraf Perlakuan
P0 P1 P2 P3 P4 P5 P6 P7
Ftabel
4,03
Dalam Group (D) 483,35 16 30,21 - -
Total 14879,96 23 - - -
Duncan Multiple Range Test (DMRT)
KRG
Rp = JND .
u
= JND . 30.21
3
= JND . (3.17)
140
Kadar Kolesterol Plasma
120
100
80
60 a b a a a c c a
40
20
0
P0 P1 P2 P3 P4 P5 P6 P7
Taraf Perlakuan
Di mana:
exp atau ditulis “e” adalah fungsi exponen
Dengan model persamaan di atas, tentunya akan sangat sulit untuk
menginterprestasikan koefisien regresinya. Oleh karena itu maka diperkenalkanlah
istilah Odds Ratio atau yang biasa disingkat Exp(B) atau OR
Nilai Odds Ratio
Besarnya nilai Exp(B) dapat diartikan sebagai
berikut:
Misalnya nilai Exp (B) pengaruh rokok terhadap
terhadap kanker paru adalah sebesar 2,23, maka
disimpulkan bahwa orang yang merokok lebih
beresiko untuk mengalami kanker paru
dibadningkan dengan orang yang tidak merokok.
Interprestasi ini diartikan apabila pengkodean
kategori pada tiap variabel sebagai berikut:
1.Variabel bebas adalah Rokok: Kode 0 untuk tidak
merokok, kode 1 untuk merokok.
2.Variabel terikat adalah kanker Paru: Kode 0
untuk tidak mengalami kanker paru, kode 1 untuk
mengalami kanker paru.
Pengaruh Rokok dan Riwayat Kanker Terhadap Kanker Paru. Di mana
variabel bebas ada 2 yaitu rokok dan riwayat kanker pada keluarga dan
variabel terikatnya adalah kejadian kanker paru. Rokok terdiri dari 2
kategori yaitu “tidak merokok (kode 0)” dan “merokok (kode 1).”
Riwayat terdiri dari 2 kategori yaitu “tidak ada riwayat (kode 0)” dan
“ada riwayat (kode 1).” Kanker paru terdiri dari 2 kategori yaitu “tidak
mengalami kanker (kode 0)” dan “mengalami kanker (kode 1).” Sebagai
catatan: kategori yang terburuk diberi kode 1 dan kategori yang terbaik
diberi kode 0
Dataset Regresi Logistik
Variable View Regresi Logistik dengan SPSS
Tahap Analisis Regresi Logistik
OK
1.Pengujian hipotesis dilakukan dengan cara
membandingkan antara nilai probabilitas (sig) dengan
tingkat signifikansi (α). Untuk menentukan penerimaan
atau penolakan H0 didasarkan pada tingkat signifikansi
(α) 5% dengan kriteria :
Oleh
Heni Kharisma
P17110184128
T-test
One-Sample Statistics
N Mean Std. Deviation Std. Error Mean
pre-test poster 10 59.0000 11.25463 3.55903
One-Sample Test
Test Value = 76
Hipotesis :
H0: nilai rata-rata hasil pre-test siswa kelas V DI AL-HIDAYAT sama dengan nilai
76
Ha: nilai rata-rata hasil pre-test siswa kelas V DI AL-HIDAYAT tidak sama dengan
nilai 76
Jika Sig > 0,05 maka H0 diterima
Jika Sig < 0,05 maka H0 ditolak
Kesimpulan :
Dapat diketahui nila Sig. (2-tailed) adalah sebesar 0,001 <0,005, maka
sesuai dengan dasar pengambilan keputusan dapat disimpulkan bahwa H0 ditolak
dan Ha diterima. Dengan demikian dapat diartikan bahwa nilai rata-rata hasil pre-
test siswa kelas V DI AL-HIDAYAT tidak sama dengan nilai 76 (kategori tidak
baik).
T-test
Hipotesis:
H0: tidak ada pengaruh pengetahuan dan sikap ibu sebelum dan sesudah
diberikan media promosi kesehatan
Ha: ada pengaruh pengetahuan dan sikap ibu sebelum dan sesudah diberikan
media promosi kesehatan
Kesimpulan:
Terdapat pengaruh pengetahuan dan sikap ibu sebelum dan sesudah
diberikan media promosi kesehatan booklet mengenai makanan bergizi
dengan hasil nilai p=0,000
3. Independent sample t-test
Kasus :
Peneliti ingin menganalisis pengaruh screen time terhadap asupan lemak
dan serat serta status gizi siswa sekolah dasar . Asupan lemak dan serat
dapat dilihat dari kebiasaan makan serta jenis dan jumlah makanan yang
dikonsumsi meliputi konsumsi fast food, kebiasaan jajan, serta sayur dan
buah. Sampel yang digunakan adalah siswa kelas 6 SD sebanyak 125 orang
kebiasaan konsumsi jajanan berdasarkan kategori screen time
Hipotesis :
H0: tidak ada pengaruh screen time terhadap asupan lemak, serat, dan status
gizi.
Ha: ada pengaruh screen time terhadap asupan lemak, serat, dan status gizi.
Kesimpulan :
Secara individu, screen time (p=0.634), asupan lemak (p=0.668) dan serat
(p=0.502) tidak berpengaruh terhadap status gizi.
4. One way anova
Kasus :
Seorang peneliti ingin menguji aktivitas antioksidan dan kesukaan panelis
terhadap es krim sari serai (Cymbopogon citrates (DC.) Stapf). Penelitian
dilakukan dengan menguji tiga perlakuan dan kontrol dengan tiga kali ulangan
dan dilakukan uji organoleptik (rasa, wana, tekstur, dan aroma) serta uji
potensi antioksidan.
T-test
Hipotesis :
H0: ada perbedaan signifikan dari setiap perlakuan.
Ha: tidak ada perbedaan signifikan dari setiap perlakuan.
Kesimpulan :
Berdasarkan hasil uji Anova one way menunjukkan hasil yaitu 0,143 >
0,05 yang berarti tidak ada perbedaan yang signifikan dari setiap perlakuan.
STATISTIK INFERENSIAL PARAMETRIK
UJI PERBEDAAN / PERBANDINGAN RATA-RATA
(COMPARE MEANS)
Syarat berikutnya adalah skala pengukuran dari data yang digunakan untuk
analisis minimal adalah interval. Mengingat dalam penghitungan statistik
parametrik seperti mean, deviasi standar, koefisien korelasi Pearson melibatkan
pengoperasian matematik seperti penjumlahan, pengurangan, perkalian,
pembagian, maka skala pengukuran yang lebih sesuai adalah interval dan ratio.
Hal ini ditunjang oleh suatu pemahaman bahwa hasil pengukuran data yang
mempunyai skala interval dan ratio lebih stabil karena alat pengukurannya sudah
baku (cm, kg) bila dibandingkan dengan data yang mempunyai skala pengukuran
nominal dan ordinal walaupun keduanya dikonversi dalam bentuk numerik (amat
miskin = 0, amat kaya = 100).
Jika, salah satu persyaratan tidak terpenuhi untuk analisis statistika parametrik
tidak dapat dilakukan. Berikut ini disajikan berbagai metode parametrik dan non-
parametrik yang digunakan dalam Statistika Inferensial Uji Perbedaan /
Perbandingan Rata-rata (Compare Means).
Contoh 1 :
Dua orang Ahli Gizi A dan B masing-masing telah bekerja selama 7 dan 10 tahun
di RS “Melati”. Direktur RS beranggapan bahwa kemampuan Ahli Gizi A dalam
melakukan Asuhan Gizi (NCP) pada penderita stroke lebih rendah dibandingkan
Ahli Gizi B. Untuk menguji hipotesis tersebut, diambil 30 orang penderita stroke.
3
Data kemampuan Ahli Gizi dalam melakukan Asuhan Gizi diambil secara random
disajikan sebagai berikut :
T-Test
Group Statistics
Perumusan Masalah
Apakah terdapat perbedaan kemampuan Ahli Gizi A dalam melakukan asuhan
gizi pada penderita stroke dengan Ahli Gizi B di RS “Melati”
Langkah Pertama
Membaca output Independent Sample t-test (signifikan F-hitung) untuk
menentukan t hitung yang akan digunakan untuk menjawab rumusan masalah,
menggunakan Equal variances assumed atau Equal variances not assumed.
Pengambilan Keputusan
Jika Sig F-hitung ≥ 0,05 maka H0 ditolak
Jika Sig F-hitung < 0,05 maka H0 diterima
Keputusan
Terlihat bahwa sig F-hitung untuk Kemampuan Ahli Gizi dalam melakukan
Asuhan Gizi dengan Equal Variance Assumed adalah 0,214. Oleh karena sig >
0,05 maka H0 diterima kedua varian populasi identik (Equal Variance Assumed)
Langkah Kedua
Pengambilan Keputusan
Jika Sig t-hitung > 0,05 maka H0 diterima
Jika Sig t-hitung < 0,05 maka H0 ditolak
Karena sig F-hitung mempunyai keputusan Equal Variance Assumed, maka t-test
sebaiknya menggunakan dasar Equal Variance Assumed. Nilai sig t-hitung 0,000
< 0,05 yang berarti H0 ditolak, artinya kedua rata-rata populasi tidak identik (rata-
rata kemampuan Ahli Gizi dalam melakukan asuhan gizi pada penderita stroke
antara Ahli Gizi A dan Ahli Gizi B adalah berbeda. Atau terdapat perbedaan
kemampuan Ahli Gizi dalam melakukan asuhan gizi pada penderita stroke antara
Ahli Gizi A dan Ahli Gizi B.
5
Contoh 2 :
Penelitian dilakukan untuk mengetahui perbedaan Kemampuan Ahli Gizi dalam
Melakukan Asuhan Gizi pada Penderita Stroke berdasarkan Jenjang Pendidikan
yang Ditempuh (Diploma III dan Diploma IV).
Std. Error
Pendidikan N Mean Std. Deviation Mean
Kemampuan Diploma III 10 62.00 11.353 3.590
Diploma IV 10 85.00 12.693 4.014
Perumusan Masalah
Apakah terdapat perbedaan Kemampuan Ahli Gizi dalam melakukan Asuhan Gizi
antara yang berpendidikan Diploma III dan Diploma IV
Pengambilan Keputusan
Jika Sig F-hitung > 0,05 maka H0 diterima
Jika Sig F-hitung ≤ 0,05 maka H0 ditolak
Keputusan
Terlihat bahwa sig F-hitung untuk Kemampuan Ahli Gizi dalam melakukan Asuhan
Gizi dengan Equal Variance Assumed adalah 0,362. Oleh karena sig > 0,05 maka
H0 diterima kedua varian populasi identik (Equal Variance Assumed)
Langkah Kedua
Pengambilan Keputusan
Jika Sig t-hitung > 0,05 maka H0 diterima
Jika Sig t-hitung < 0,05 maka H0 ditolak
Karena sig F-hitung mempunyai keputusan Equal Variance Assumed, maka t-test
sebaiknya menggunakan dasar Equal Variance Assumed. Nilai sig t-hitung 0,000 <
0,05 yang berarti H0 ditolak, artinya kedua rata-rata populasi tidak identik (rata-
rata kemampuan Ahli Gizi dalam melakukan asuhan gizi yang berpendidikan
Diploma III dan Diploma IV adalah berbeda. Atau terdapat perbedaan
kemampuan Ahli Gizi dalam melakukan asuhan gizi yang berpendidikan Diploma
III dan Diploma IV.
namun mempunyai dua data. Paired-Sample T-Test atau lebih dikenal dengan
Pre-Post Design adalah analisis dengan melibatkan dua pengukuran pada sampel
yang sama terhadap suatu pengaruh atau perlakuan tertentu.
Contoh 1 :
Industri farmasi ingin meneliti apakah Obat ABC yang diproduksi benar-benar
mempunyai efek samping terhadap penurunan berat badan. Sampel yang
digunakan 10 orang pemakai Obat ABC, akan diteliti sebelum dan setelah minum
Obat ABC.
T-Test
Paired Samples Statistics
Std. Error
Mean N Std. Deviation Mean
Pair Sebelum 71.6140 10 9.70826 3.07002
1 Setelah 57.1100 10 5.58738 1.76688
N Correlation Si g.
Pair 1 Sebelum & Setelah 10 .557 .094
Paired Differences
95% Confidence
Interval of the
Std. Error Difference
Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed)
Pair 1 Sebelum - Setelah 14.50400 8.06155 2.54929 8.73711 20.27089 5.689 9 .000
8
Perumusan Masalah
Apakah terdapat perbedaan berat badan sebelum dan setelah minum Obat ABC ?
Hipotesis
H0 : Tidak ada perbedaan berat badan sebelum dan setelah minum Obat ABC
Ha : Ada perbedaan berat badan sebelum dan setelah minum Obat ABC
Pengambilan Keputusan
Cara 1
Jika Sig > 0,05 maka H0 diterima
Jika Sig ≤ 0,05 maka H0 ditolak
Cara 2
Jika –t tabel < t hitung < t tabel maka H0 diterima
Jika t hitung < -t tabel dan t hitung > t tabel maka H0 ditolak
Cara 1 dari penelitian menunjukkan bahwa Sig (0,000) < 0,05 maka H0 ditolak.
Cara 2 untuk t tabel {df=n-1; dua sisi (0,025)} = 2,2622 dan t hitung = 5,689
Daerah Penerimaan H0
Jadi, berada pada daerah H0 ditolak maka ada perbedaan berat badan sebelum dan
setelah minum Obat ABC
9
Contoh 2 :
Suatu Rumah Sakit mencobakan treatment diet khusus pada pasien hipertensi dan
kelebihan berat badan. Sebelum melakukan secara massal, dilakukan test
percobaan dengan treatment diet khusus selama tiga bulan pada beberapa pasien.
Sampel diambil secara random. Sebelum treatment diukur tekanan darah dan
berat badan penderita hipertensi sebagai sampel yang akan diukur kembali setelah
treatment.
T-Test
Pa ired Sa mples Statistics
St d. E rror
Mean N St d. Deviation Mean
Pair TD Awal 177.3500 10 14.45885 4.57229
1 TD Ak hir 160.8000 10 11.73835 3.71199
Pair BB Awal 83.6080 10 9.09585 2.87636
2 BB Ak hir 77.8000 10 6.77085 2.14113
N Correlation Si g.
Pair 1 TD Awal & TD Akhir 10 .056 .877
Pair 2 BB Awal & BB Ak hir 10 .986 .000
Paired Differences
95% Confidence
Interval of the
Std. Error Difference
Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed)
Pair 1 TD Awal - TD Akhir 16.55000 18.10226 5.72444 3.60043 29.49957 2.891 9 .018
Pair 2 BB Awal - BB Akhir 5.80800 2.67494 .84589 3.89446 7.72154 6.866 9 .000
10
Tabel Paired Samples Test, pada kolom Mean menunjukkan perbedaan rata-rata
sebelum treatment dengan sesudah treatment. Kolom Std. Deviation
menunjukkan standar deviasi dari nilai perbedaan rata-rata. Kolom Std. Error
Mean merupakan indeks variabilitas. Kolom t merupakan hasil bagi antara nilai
perbedaan rata-rata dengan standar error. Kolom Sig (2-tailed) merupakan nilai
probabilitas untuk mencapai t statistik di mana nilai absolutnya adalah sama atau
lebih besar dari t statistik.
Contoh 1 :
Contoh, mempunyai data yang sama dengan data Paired t-test. Dari contoh
tersebut diketahui bahwa rata-rata populasi berat badan sebelum minum Obat
ABC adalah 80. Ingin diketahui apakah terdapat perbedaan antara berat badan
rata-rata sebelum minum Obat ABC yaitu 80 kg dengan berat badan kelompok
wanita setelah minum Obat ABC.
T-Test
One-Sample Statistics
Std. Error
N Mean Std. Deviation Mean
Sebelum 10 71.6140 9.70826 3.07002
Test Value = 80
95% Confidence
Int erval of the
Mean Difference
t df Sig. (2-tailed) Difference Lower Upper
Sebelum -2. 732 9 .023 -8. 38600 -15.3309 -1. 4411
Perumusan Masalah
Apakah terdapat perbedaan antara berat badan rata-rata sebelum minum Obat
ABC (80 kg) dengan berat badan kelompok wanita setelah minum Obat ABC ?
Hipotesis
H0 : Tidak ada perbedaan antara berat badan rata-rata sebelum minum Obat
ABC (80 kg) dengan berat badan kelompok wanita setelah minum Obat
ABC
Ha : Ada perbedaan antara berat badan rata-rata sebelum minum Obat ABC
(80 kg) dengan berat badan kelompok wanita setelah minum Obat ABC
Pengambilan Keputusan
Cara 1
Jika Sig > 0,05 maka H0 diterima
Jika Sig < 0,05 maka H0 ditolak
Cara 2
Jika –t tabel < t hitung < t tabel maka H0 diterima
Jika t hitung < -t tabel dan t hitung > t tabel maka H0 ditolak
12
Cara 1 dari penelitian menunjukkan bahwa Sig (0,023) < 0,05 maka H0 ditolak.
Cara 2 untuk t tabel {df=n-1; dua sisi (0,025)} = 2,2622 dan t hitung = -2,738
Daerah Penerimaan H0
Jadi, berada pada daerah H0 ditolak maka ada perbedaan antara berat badan rata-
rata sebelum minum Obat ABC (80 kg) dengan berat badan kelompok wanita
setelah minum Obat ABC.
Contoh 2 :
Direktur RS ”Bunga” menduga bahwa kualitas kemampuan asuhan gizi
tidak sama dengan 70% dari rata-rata nilai ideal. Selanjutnya, dibuktikan dengan
penelitian yang dilaksanakan dengan menyebar angket kepada 61 orang pasien
untuk diisi dengan jujur sesuai kualitas dan profesional Ahli Gizi. Jumlah
pertanyaan angket penelitian 15 item, instrumen penelitian kualitas kemampuan
asuhan gizi dalam berbagai aspek diberi skala (4) Sangat Baik; (3) Baik; (2)
Cukup Baik; dan (1) Kurang Baik. Taraf kepercayaan 95% (taraf signifikansi
=0,05). Data yang diperoleh sebagai berikut :
59 60 58 59 60 58 60 59 50 60 59 50 60
59 58 50 59 60 59 60 59 50 60 60 60
60 60 50 59 60 60 60 59 60 60 60 60
60 60 60 50 60 60 60 59 60 60 60 60
58 60 58 50 58 60 60 58 60 60 60 60
T-Test
One-Sample Statistics
Std. Error
N Mean Std. Deviation Mean
As kep 61 58.44 3.139 .402
13
Test Value = 42
95% Confidenc e
Int erval of the
Mean Difference
t df Sig. (2-tailed) Difference Lower Upper
As kep 40.917 60 .000 16.443 15.64 17.25
Perumusan Masalah
Apakah terdapat perbedaan kualitas kemampuan asuhan keAhli Gizian Ahli Gizi
dengan rata-rata nilai ideal (70% dari nilai ideal = 42) ?
Hipotesis
H0 : Tidak ada perbedaan kualitas kemampuan asuhan keAhli Gizian Ahli
Gizi dengan rata-rata nilai ideal (70% dari nilai ideal = 42)
Ha : Ada perbedaan kualitas kemampuan asuhan keAhli Gizian Ahli Gizi
dengan rata-rata nilai ideal (70% dari nilai ideal = 42)
Pengambilan Keputusan
Cara 1
Jika Sig > 0,05 maka H0 diterima
Jika Sig < 0,05 maka H0 ditolak
Cara 2
Jika –t tabel < t hitung < t tabel maka H0 diterima
Jika t hitung < -t tabel dan t hitung > t tabel maka H0 ditolak
Cara 1 dari penelitian menunjukkan bahwa Sig (0,000) < 0,05 maka H0 ditolak.
Cara 2 untuk t tabel {df=n-1; dua sisi (0,025)} = 2,000 dan t hitung = 40,917
Daerah Penerimaan H0
Jadi, berada pada daerah H0 ditolak maka ada perbedaan kualitas kemampuan
asuhan gizi oleh Ahli Gizi dengan rata-rata nilai ideal (70% dari nilai ideal = 42)
14
Contoh :
Suatu penelitian dilakukan untuk mengetahui waktu training asuhan gizi yang
paling efektif dalam peningkatan skill Ahli Gizi. Variasi waktu pelaksanaan
training adalah 3 hari, 4 hari, dan 5 hari. Pada setiap sesi training diadakan
penilaian (test) untuk mengetahui peningkatan skill Ahli Gizi.
One-Way ANOVA
Descriptives
Nilai Test
95% Confidence Interval for
Mean
N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum
3 hari 55 52.64 23.646 3.188 46.24 59.03 5 95
4 hari 55 60.82 23.546 3.175 54.45 67.18 5 95
5 hari 55 68.45 22.544 3.040 62.36 74.55 5 95
Total 165 60.64 23.999 1.868 56.95 64.33 5 95
Ni lai Test
Levene
Statistic df1 df2 Si g.
.105 2 162 .901
15
ANOV A
Nilai Test
Sum of
Squares df Mean Square F Sig.
Between Groups 6883.636 2 3441.818 6.367 .002
W ithin Groups 87574.545 162 540.584
Total 94458.182 164
Tabel Descriptive menunjukkan bahwa semakin lama training, rata-rata nilai test
menunjukkan peningkatan. Sebaliknya, nilai standar deviasi justru semakin kecil.
Tabel Tes of Homogeneity of Variances menunjukkan nilai sig 0,901 > . Hal
tersebut mengindikasikan varian antar kelompok adalah sama.
Hipotesis
H0 : Ketiga kelompok memiliki rata-rata nilai test yang sama
Ha : Ketiga kelompok memiliki rata-rata nilai test yang berbeda
F hitung (6,367) > F tabel(2; 162; 0,05) adalah 3,052 sehingga H0 ditolak. Jadi, ketiga
kelompok memiliki rata-rata nilai test yang berbeda
Atau :
Nilai Sig (0,002) < , maka H0 ditolak
Mean
Difference 95% Confidence Interval
(I) Lama Training (J) Lama Training (I-J) Std. Error Sig. Lower Bound Upper Bound
3 hari 4 hari -8.182 4.434 .067 -16.94 .57
5 hari -15.818* 4.434 .000 -24.57 -7.06
4 hari 3 hari 8.182 4.434 .067 -.57 16.94
5 hari -7.636 4.434 .087 -16.39 1.12
5 hari 3 hari 15.818* 4.434 .000 7.06 24.57
4 hari 7.636 4.434 .087 -1.12 16.39
*. The mean difference is significant at the .05 level.
Tabel Post Hoc Tests menunjukkan bahwa perbedaan rata-rata nilai test yang
signifikan ada pada lama training 3 hari dan 5 hari (perhatikan tanda asterik).
Nilai Sig (0,000) < sehingga H0 ditolak atau dengan kata lain kedua kelompok
(3 hari dan 5 hari) menunjukkan rata-rata nilai test yang berbeda.
16
Hasil uji LSD menunjukkan bahwa perbedaan rata-rata nilai test untuk lama
training 3 hari dengan 4 hari tidak signifikan dengan nilai Sig (0,067). Demikian
pula yang terjadi untuk lama training 4 hari dengan 5 hari dengan nilai Sig (0,087)
Berdasarkan hasil penelitian tersebut, maka lama training 5 hari merupakan lama
waktu yang paling efektif dalam meningkatkan skill Ahli Gizi dalam melakukan
asuhan gizi.
Daftar Pustaka
Ibnu Fajar, dkk. 2009. Statistika untuk Praktisi Kesehatan. Edisi Pertama.
GRAHA ILMU. Yogyakarta.
Steel, R.R.G.D. and J.H. Torrie. 1980. Principle and Procedures of Statistics.
Mc. Graw-Hill.