PENGUJIAN HIPOTESIS

PENGUJIAN HIPOTESIS
Ibnu Fajar, SKM, MKes

HIPO TESIS
kurang/lemah pernyataan
pernyataan tentatif karena belum
Hipotesis
dikonfirmasi kebenarannya, masih perlu
konfirmasi data secara empiris
jawaban sementara terhadap suatu

masalah atau kesimpulan sementara
tentang hu-bungan suatu variabel dengan
satu atau lebih variabel lainnya apabila
hipotesisnya tentang adanya hubungan
antar variabel
Tidak ada
Hipotesis
hubungan/beda
nol/nihil (Ho)
antara …dan …
HIPOTESIS
Ada
hipotesis
hubungan/beda
alternatif (Ha)
antara … dan …
Teori Kesalahan
Pada analisis inferensial kita
dihadapkan pada data yang
didapat dari sampel untuk
digeneralisasi pada populasi
KESALAHAN
(∝ & β)
Tidak mengambil data pada
seluruh populasi untuk uji
hipotesis
Teori Kesalahan
Kesalahan tipe 1 : menolak hipotesis yang

seharusnya diterima. (∝)
KESALAHAN
(∝ & β)
Kesalahan tipe 2 : menerima hipotesis yang
seharusnya ditolak.(β)
Teori Kesalahan
Teori Kesalahan Dalam Uji Hipotesis
• 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
Pada penelitian laboratorium dimana variabel-

variabel dapat dikontrol dengan ketat, digunakan
∝ = 0,01
KESALAHAN
(∝)
Pada penelitian sosial yang variabel-variabel sulit
dikontrol, digunakan ∝ = 0,05.
Langkah Pengujian
1. Tentukan Hipotesis
2. Pemilihan uji statistik yang sesuai
3. Tentukan tingkat signifikansi (α) yang sesuai
4. Menentukan kriteria pengujian Ho
5. Perhitungan
6. Kesimpulan
Langkah Pengujian
1. Tentukan Hipotesis
• Ho: Tidak ada hubungan ......................

• H1: Ada hubungan...............................
Langkah Pengujian
Uji perbandingan
(perbedaan)
Tujuan Uji
Uji hubungan
(korelasi)
Nominal
Ordinal
Menurut Skala Interval
PEMILIHAN UJI Rasio
STATISTIK Jenis data Kuantitatif
Sampel / Menurut Sifat Kualitatif
Pengamatan Semi Kuantitatif
yang Diuji
Jumlah sampel
Langkah Pengujian
Uji dua sisi Uji satu sisi

Uji dua sisi dilakukan jika pada Uji satu sisi dilakukan jika pada
hipotesis Ho dan H1 yang akan diuji H1 yang akan diuji terdapat
hanya mengandung persamaan pertidaksamaan yang mengarah
dan pertidaksamaan. kepada kriteria tertentu.
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
Dasar Pemilihan Uji

Langkah Pengujian
Statistik uji  Satu Variabel Bebas

Langkah Pengujian
3. Tentukan tingkat signifikansi (α) yang
sesuai
Pada penelitian laboratorium dimana

variabel-variabel dapat dikontrol
dengan ketat, digunakan ∝ = 0,01
Pada penelitian sosial yang
variabel-variabel sulit
dikontrol, digunakan ∝ = 0,05.
Langkah Pengujian
4. Menentukan kriteria pengujian Ho
5. Perhitungan
Tergantung pada masing-masing Uji yang digunakan

Langkah Pengujian
6. Kesimpulan
Ho
Ho ditolak
Diterima
ANALISIS
KORELASI -
REGRESI
I B N U FA J A R , S KM , M KE S
ANALISIS KORELASI - REGRESI
digunakan untuk mempelajari hubungan ketergantungan

(interdependensi) antara 2 variabel atau lebih
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
ukuran derajat hubungan antara dua variabel yang terdiri dari

data berbentuk kategori yang disajikan dalam bentuk tabel
kontingensi disebut koefisien kontingensi
dapat digunakan Uji Korelasi Hasil
Data Kuantitatif Kali Product Momen dari Pearson
(Simbol ”r”)
Koefisien Kontingensi (Simbol C),
ukuran derajat hubungan ini dapat
dihitung setelah kita melakukan Uji
Khai Kuadrat (χ2), hal ini karena
Data Kualitatif perhitungan koefisien kontingensi
Menurut jenis memerlukan nilai χ2.
data
Koefisien Guttmann’s (λ)
Koefisien korelasi dari Spearman

JENIS (simbol rs).
ANALISIS Data Semi Kuantitatif
KORELASI
Koefisien korelasi dari Kendall.
Korelasi linear yaitu korelasi
yang berbentuk garis lurus.
Menurut
Grafik Korelasi Curve linear yaiu
korelasi yang bukan berbentuk
garis lurus
korelasi yang mempelajari keter-

Korelasi sederhana
Menurut gantungan variable
Banyaknya
Variabel korelasi yang memperlajari
Korelasi berganda ketergantungan antara lebih dari
2 variabel
KORELASI REGRESI
hubungan antara
variabel-variabel hubungan antara variabel-variabel yang
diketahui dengan variabel-variabel yang
akan diramalkan dalam bentuk persamaan
matematis
KORELASI REGRESI
• Variabel yang nilainya hendak diramalkan disebut
variabel dependen sedangkan variabel yang
dipakai untuk membuat peramalan disebut
variabel independent
• 1 variabel dependen dan 1 variabel independen

saja disebut Analisis Regresi Sederhana,
sedangkan jika nilai variabel dependen diramalkan
berdasarkan 2 atau lebih variabel independen
disebut Analisis Regresi Berganda (Multiple
Regression Analysis)
bernilai positif apabila meningkatnya satu variabel
diikuti dengan meningkatnya variabel yang lain
Arah dari
hubungan
(Direction)
bernilai negatif bila meningkatnya nilai suatu
variabel diikuti dengan menurunnya variabel yang
lain
2 UKURAN
HUBUNGAN DALAM
ANALISIS KORELASI
bilangan yang menunjukkan kuat lemahnya
hubungan antara 2 variabel dan besarnya
berkisar antara 0 – 1
Kekuatan
Hubungan
(Strength) (r) Rumus
LANGKAH-LANGKAH PENGUJIAN
1. Tentukan Hipotesis:
• H0: ρ = 0
• H1: ρ ≠ 0
2. Digunakan uji statistik t jika sampel kecil dan Z bila sampel besar
3. Tentukan taraf signifikansi dan nilai kritis.
• Tentukan taraf signifikansi 0,05 atau 0,01

• Tentukan nilai kritis (tabel t) dengan derajat bebas (df=n-2) dan α= 0,05.
4. Kriteria pengujian:
• H0 ditolak bila t hitung > t1-1/2α atau t hitung < -t1/2α.

5. Cara Perhitungan:
• Hitung harga t dengan rumus
• Hitung harga t dengan rumus

6. Kesimpulan
• Membandingkan harga uji statistik t dengan nilai

kritis t(α,dk)α= 0,05 dan dk = n-2, apabila H0 ditolak
maka ada korelasi antara dua variabel pada α= 0,05
dengan nilai dan artinya sesuai hasil perhitungan.
MENGETAHUI PERSAMAAN REGRESI LINEAR
Metode Tangan Metode Kuadrat

Bebas Terkecil

Bebas Terkecil
metode kira-kira yaitu dengan memanfaatkan

diagram pencar (scatter diagram).
Pada sumbu dasar diagram pencar merupakan nilai

variabel bebas (X) dan sumbu tegak merupakan nilai
variabel terikat (Y).
Persamaan regresi linear ditarik dari letak titik-titik

yang sesui dengan menggunakan persamaan 2 titik.

Bebas Terkecil
menggunakan prinsip bahwa jumlah
pangkat dua (kuadrat) jarak titik dengan
garis regresi dibuat sekecil mungkin.
Persamaan regresi sederhana secara umum

Y = Variabel terikat.
X = Variabel bebas.
a = Konstanta.
b = slope/gradien

Bebas Terkecil
Untuk mencari nilai a dan b dapat digunakan rumus
Seorang Ahli gizi ingin meneliti apakah ada korelasi antara Berat
Badan Ibu Hamil dengan Berat badan lahir bayi di suatu
kecamatan. Dari beberapa sampel ibu yang melahirkan diperoleh
data sebagai berikut:
Berat Badan (kg)
Sampel Bayi yang
Ibu
dilahirkan
1 45 3,0
CONTOH 2 55 3,5
3 48 2,8
4 55 3,3
5 40 2,5
6 53 2,9
7 60 3,8 Ujilah apakah korelasi antara Berat
8 50 4,0 Badan Ibu dengan berat badan lahir
9 56 3,6 bayi yang dilahirkan pada = 0,05.
10 58 3,7
Jawab:
1. Tentukan Hipotesis:
• H0: ρ = 0 (tidak ada korelasi).
• H1: ρ 0 (ada korelasi).
2. Digunakan uji koefisien korelasi product

Contoh moment (r) dan dilanjutkan dengan uji t
3. Taraf signifikansi 0,05 dengan besar

sampel = 10, titik kritis 2,23
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
• Karena nilai t hitung (2,57) > t tabel (2,23) maka

H0 ditolak ρ≠0, dapat disimpulkan terdapat
korelasi (hubungan) yang kuat dan positif antara
Contoh Berat badan Ibu dengan berat badan lahir bayi
pada α= 0,05.
Jawab:
6. Kesimpulan
• Persamaan regresinya adalah:
Contoh
setiap kenaikan 1 satuan

(kg) berat badan ibu akan
menaikkan berat badan
lahir bayi sebesar 0,057 kg
BAB XVI
ANALISIS KORELASI -
REGRESI
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.
Jenis Analisis Korelasi

1. Menurut jenis datanya
a. Data Kuantitatif, dapat digunakan Uji Korelasi Hasil Kali Product
Momen dari Pearson (Simbol ”r”).
b. Data Kualitatif, dapat digunakan:
 Koefisien Kontingensi (Simbol C), ukuran derajat hubungan
ini dapat dihitung setelah kita melakukan Uji Khai Kuadrat
(2), hal ini karena perhitungan koefisien kontingensi
memerlukan nilai 2.
 Koefisien Guttmann’s ()
c. Data Semi Kuantitatif, dapat digunakan:
Analisis Korelasi - Regresi 120
 Koefisien korelasi dari Spearman (simbol rs).

 Koefisien korelasi dari Kendall.
2. Menurut Grafiknya.
a. Korelasi linear yaitu korelasi yang berbentuk garis lurus.
b. Korelasi Curve linear yaiu korelasi yang bukan berbentuk garis
lurus
3. Menurut Banyaknya Variabel
a. Korelasi sederhana yaitu korelasi yang mempelajari keter-
gantungan variabel. Contoh korelasi ini antara lain:
 Korelasi antara konsumsi protein (gr) dengan kadar
haemoglobin darah (gr %).
 Korelasi antara berat badan (kg) dengan kadar kolesterol
darah (mg %)
 Korelasi antara Prevalensi TGR SD (%) dengan prevalensi
TGR di masyarakat (%).
b. Korelasi berganda yaitu korelasi yang memperlajari
ketergantungan antara lebih dari 2 variabel.
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.
Jika hubungan hanya antara 1 variabel dependen dan 1 variabel

independen saja disebut Analisis Regresi Sederhana, sedangkan jika nilai
variabel dependen diramalkan berdasarkan 2 atau lebih variabel inde-
penden disebut analisis regresi berganda (Multiple Regression Analysis)
Djarwanto dalam buku ”Mengenal beberapa Uji Statistik dalam

Penelitian” menjelaskan bahwa untuk mengetahui apakah hubungan
antara dua variabel mempunyai hubungan linear atau bukan perlu
dideteksi dengan menggunakan diagam pencar atau Scatter Diagram. Di
bawah ini diberikan beberapa contoh Scatter diagram untuk berbagai tipe
hubungan.
Dalam analisis korelasi karakteristik ukuran hubungan meliputi 2 hal

yaitu:
1. Arah dari hubungan (Direction) yaitu apakah positif atau negatif.

Suatu korelasi bernilai positif apabila meningkatnya satu variabel
diikuti dengan meningkatnya variabel yang lain. Sedangkan suatu
korelasi bernilai negatif bila meningkatnya nilai suatu variabel diikuti
dengan menurunnya variabel yang lain.
2. Kekuatan Hubungan (Strength) yaiotu seberapa kekuatan atau
keeratan hubungan yang nilai dinyatakan dengan simbol (r)
merupakan bilangan yang menunjukkan kuat lemahnya hubungan
antara 2 variabel dan besarnya berkisar antara 0 – 1, rumus koefisien
korelasi:
nX .Y  X .Y
r 
{nX 2
 (X )2}{nY 2  (Y )2}
Proses uji hipotesis koefisien korelasi dilakukan sebagai berikut:
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.
6. Hitung harga t dengan rumus:
n 2
t r
1r 2
7. Kesimpulan pengujian, dengan membandingkan harga uji statistik t

dengan nilai kritis t(,dk) = 0,05 dan dk = n-2, apabila H0 ditolak maka
ada korelasi antara dua variabel pada = 0,05 dengan nilai dan artinya
sesuai hasil perhitungan.
Untuk sampel besar maka uji yang diguinakan adalah uji Z dengan
rumus sebagai berikut:
t

1
n 1
kemudian bandingkan dengan Z tabel dan dk = n-2 apabila Z hitung lebih

dari z1-/2 atau Z hitung kurang dari Z/2 maka H0 ditolak (p  0) yang
berarti ada korelasi antara kedua variabel.
Untuk mengetahui persamaan regresi linear kita dapat menentu-

kan dengan beberapa cara yaitu:
1. Metode Tangan Bebas. Cara ini merupakan metode kira-kira yaitu
dengan memanfaatkan diagram pencar (scatter diagram). Pada
sumbu dasar diagram pencar merupakan nilai variabel bebas (X) dan
sumbu tegak merupakan nilai variabel terikat (Y). Persamaan regresi
linear ditarik dari letak titik-titik ysng sesui dengan menggunakan
persamaan 2 titik.
2. Metode Kuadrat Terkecil. Cara ini menggunakan prinsip bahwa
jumlah pangkat dua (kuadrat) jarak titik dengan garis regresi dibuat
sekecil mungkin.
Persamaan regresi sederhana secara umum adalah:
Y  a  bX
dimana:
Y = Variabel terikat.
X = Variabel bebas.
a = Konstanta.
b = slope/gradien.
Untuk mencari nilai a dan b dapat digunakan rumus:
(Y )(X 2)  (X )(XY )

a
nX 2  (X )2
n (X .Y )  (X )(Y )

b
nX 2  (X )2
Pada penelitian-penelitian yang lebih lanjut biasanya harga a dan b akan

diuji signifikansinya dengan menggunakan uji t. Namun hal ini tidak kita
lakukan dalam uraian ringkas ini.
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:
Berat Badan (kg)

Sampel
Ibu Bayi yang dilahirkan
1 45 3,0
2 55 3,5
3 48 2,8
4 55 3,3
5 40 2,5
6 53 2,9
Berat Badan (kg)

Sampel
Ibu Bayi yang dilahirkan
7 60 3,8
8 50 4,0
9 56 3,6
10 58 3,7
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)
2. Digunakan uji koefisien korelasi product moment (r) dan dilanjutkan

dengan uji t.
3. Taraf signifikansi 0,05 dengan besar sampel = 10, titik kritis 2,23.
4. Kriteria pengujian H0:
H0 ditolak apabila nilai t hitung > 2,23 atau t hitung < -2,23
5. Perhitungan r =
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
nX .Y  X .Y
r 
{nX  (X )2}{nY 2  (Y )2}
2
10 . 1741,3  520 . 33,1

r 
{10.(27388)  (520)2}.{10.(111,73)  (33,1)2}
r  0,73
selanjutnya nilai r kita lanjutkan dengan uji t
n 2
t r
1r2
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.
Persamaan regresinya adalah:
(Y )(X 2)  (X )(XY )

a
nX 2  (X )2
(33,1)(27388)  (520)(1741,3)
a
10.(27388)  (520)2
a  0,3
b  n (X .Y2)  (X )( Y)

nX  (X ) 2
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
Bagaimana Cara Intepretasi

LANGKAH-LANGKAH ANALISIS
REGRESI LOGISTIK
INTERPRETASI INI DIBAGI MENJADI BEBERAPA BAGIAN :
• 1. PENGUJIAN SECARA KESELURUHAN (OVERALL TEST).
• 2. PENGUJIAN SECARA PARSIAL (PARTIAL TEST).
• 3. PENGUJIAN GOODNESS OF FIT(KELAYAKAN DAN KESESUAIAN

MODEL).
1. OVERALL TEST
2. PARTIAL TEST
2. PARTIAL TEST
3. GOODNESS OF FIT
KRITERIA STATISTIK LAINNYA
1. PENGUJIAN HOSMER LEMESHOW

2. NEGALGARKE R-SQUARE
3. CLASSIFICATION PLOT
1. PENGUJIAN HOSMER LEMESHOW
2. NEGALGARKE R-SQUARE
3. CLASSIFICATION PLOT
TAMPILAN DI SPSS
Melakukan Analisis Lanjutan
Melakukan Analisis Lanjutan
Sekian Terima Kasih
SELAMAT MENCOBA
SEMOGA BERMANFAAT
BESAR
SAMPEL
IBNU FAJAR, SKM, MKES
BESAR SAMPEL
bagian dari Pengumpulan Data
(Data Collecting)
Dalam penentuan berapa besar sampel yang harus diambil

agar data yang diperoleh menggambarkan populasi yang
diwakilinya memerlukan rumus statistik dengan berbagai
tujuan dan persyaratan yang sesuai.
Penentuan Besar sampel (Sample Size)
Penentuan besar sampel sangat diperlukan dalam statistik
inferensial, mengingat peneliti tidak mungkin mengamati seluruh
populasi. Besar sampel yang dibutuhkan sangat bergantung pada:
1. Harga parameter yang diteliti (Rata-2 (μ) atau Proporsi (P).
2. 𝛼(alfa) dan 𝛽(beta) yang digunakan.
3. Penelitian Estimasi atau Uji Hipotesis
4. Besarnya penyimpangan yg ditolerir atau perbedaan yang diharapkan (d).
5. Nilai Parameter Populasi yang diketahui

σ (standard deviasi), μ (rata-rata), dan lain-lain
Rumus Besar Sampel (Data Proporsi) untuk estimasi
N = Besar Populasi.
Keterangan:
P = estimator proporsi populasi.
Q = 1 – p.
Zα = harga kurva normal sesuai α (tingkat
kepercayaan).
d = beda antara proporsi di sampel dengan di
populasi.
n = besar sampel.
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:
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
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
Keterangan: N = Besar Populasi
σ = standard deviasi 𝜎 2 = varians
Zα = harga kurva normal sesuai α(tingkat kepercayaan).
dx = beda antara rata-rata di sampel dengan di populasi.
n = besar sampel.
Rumus Besar Sampel
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
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)
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.
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
Contoh Soal 6
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.
Contoh Soal 7
a. Menentukan rumus besar sampel.

Jawab: Penelitian diatas adalah penelitian analitik numerik tidak berpasangan.
Dengan demikian, rumus besar sampel yang dipilih adalah:
Contoh Soal 7
b. Menghitung besar sampel.

Jawab: Kesalahan tipe I = 5% maka Zβ=1,28.
hipotesis satu arah, Zα=1,64 selisish minimal yang dianggap bermakna (21xx−) = 20
kesalahan tipe II = 10% simpang baku gabungan = 40.
Dengan demikian, besar sampel minimal masing-masing

kelompok adalah 69 (kelompok kehamilan normal sebanyak 69,
kehamilan dengan pre eklampsia sebanyak 69).
Ir. ASTUTIK PUDJIRAHAJU, M.Si.
Lektor Kepala Bidang Ilmu Gizi – Poltekkes Kemenkes Malang
PROGRAM STUDI D-3 GIZI

JURUSAN GIZI
POLITEKNIK KESEHATAN KEMENKES MALANG
Penelitian
Tingkat Pengetahuan Ibu
tentang Diare dengan
Tingkat Keparahan Diare pada
Anak Balita Rawat Inap
RSUD dr. Saiful Anwar Malang
No. Pengetahuan Ibu tentang Diare Tingkat Keparahan Diare
Resp. Nilai Kategori Nilai Kategori
1 76.5 Baik 2 Ringan
2 54.4 Kurang Baik 8 Berat
4 72.1 Cukup 3 Sedang
8 54.4 Kurang Baik 2 Ringan
10 75.0 Cukup 1 Ringan
13 55.8 Cukup 7 Berat
15 66.2 Cukup 2 Ringan
No. Pengetahuan Ibu tentang Diare Tingkat Keparahan Diare
Resp. Nilai Kategori Nilai Kategori
17 26.5 Tidak Baik 8 Berat
20 36.8 Tidak Baik 10 Berat
Tabel 1. Distribusi Responden (Ibu Balita)
berdasarkan Tingkat Pengetahuan Ibu
tentang Diare
Tingkat Jumlah Ibu Balita

Pengetahuan n %
Baik 7 23.33
Cukup 15 50.00
Kurang Baik 6 20.00
Tidak Baik 2 6.67
Jumlah 30 100.00
Tabel 1 menunjukkan bahwa
tingkat pengetahuan ibu tentang diare
berkisar antara 26,6 – 82,4 dengan
rata-rata 66,73 ± 14,26 yang berarti
tingkat pengetahuan cukup. Tingkat
pengetahuan ibu tentang diare dengan
kategori baik hanya sebesar 23.33%,
sedangkan sebagian besar, yaitu
76.67% masih relatif kurang baik.
Tabel 2. Distribusi Responden (Anak Balita)
berdasarkan Tingkat Keparahan Diare
Tingkat Jumlah Anak Balita

Keparahan
Diare n %
Ringan 10 33.33
Sedang 10 33.33
Berat 10 33.33
Jumlah 30 100.00
tingkat keparahan diare anak balita
dengan kategori ringan hanya sebesar
33.33%, sedangkan sebagian besar
(66.67%) tingkat keparahan diare anak
balita dalam kategori sedang hingga
berat.
Tabel 3. Distribusi Responden berdasarkan
Tingkat Pengetahuan Ibu tentang Diare
dan Tingkat Keparahan Diare Anak Balita
Tingkat Tingkat Keparahan Diare

Pengetahuan Ringan Sedang Berat
Ibu
n % n % n %
Baik 7 70,0 0 0,0 0 0,0
Cukup 2 20,0 10 100,0 3 30,0
Kurang Baik 1 10,0 0 0,0 5 50,0
Tidak Baik 0 0,0 0 0,0 2 20,0
Jumlah 10 100,0 10 100,0 10 100,0
persentase responden dengan tingkat
pengetahuan ibu tentang diare kategori
baik, tingkat keparahan diare cenderung
ringan yaitu sebesar 70,0%. Sedangkan
persentase responden dengan tingkat
pengetahuan tentang diare kategori cukup
hingga tidak baik, cenderung
tingkat keparahan diare anak balita kategori
berat (100,0%).
Tabel 4. Distribusi Responden berdasarkan
Tingkat Pengetahuan Ibu tentang Diare
dan Tingkat Keparahan Diare Anak Balita
Tingkat Tingkat Keparahan Diare Jumlah

Pengetahuan
Ibu Ringan Sedang Berat
n % n % n % n %
Baik 7 100,0 0 0,0 0 0,0 7 100,0
Cukup 2 13,3 10 66,7 3 20,0 15 100,0
Kurang Baik 1 16,7 0 0,0 5 83,3 6 100,0
Tidak Baik 0 0,0 0 0,0 2 100,0 2 100,0

Tabel 4 menunjukkan bahwa persentase
responden dengan tingkat pengetahuan ibu
tentang diare kategori baik, tingkat keparahan
diare anak balita cenderung ringan (100,0%).
Sedangkan persentase responden dengan tingkat
pengetahuan tentang diare kategori tidak baik,
tingkat keparahan diare anak balita cenderung
berat (100,0%). Hasil analisis Statistik Chi-Square
pada tingkat kepercayaan 95% menunjukkan
hubungan/perbedaan yang signifikan (p=0,0001)
antara Tingkat Pengetahuan Ibu tentang Diare
dengan Tingkat Keparahan Diare Anak Balita
Rawap Inap di RSUD dr. Saiful Anwar Malang
(Lampiran3).
PROGRAM SPSS
Crosstabs
Cases
Valid Missing Total
N Percent N Percent N Percent
Pengetahuan * 30 100,0 0 0,0 30 100,0

Diare
Test Statistics
Pengetahuan Ibu tentang Diare

Chi-Square
26.800a
df
3
Asymp. Sig.
.000
a. 0 cells (.0%) have expected frequencies less than 5. The
minimum expected cell frequency is 15.0.
Tingkat Konsumsi Energi (%) Berat Badan bayi Lahir (Gram)
No. Tingkat
Resp. Konsumsi Kategori BB Lahir Kategori
1 81 Defisit 2400 BBLR
3 93 Normal 2450 BBLR
4 92 Normal 3100 Normal
9 84 Defisit 3750 Normal
Tingkat Konsumsi Energi (%) Berat Badan bayi Lahir (Gram)
No. Tingkat
Resp. Konsumsi Kategori BB Lahir Kategori
Tabel 5. Distribusi Ibu Hamil Trimester III
berdasarkan Berat Badan Bayi
yang Dilahirkan
Berat Badan Jumlah Ibu Hamil Trimester III

Bayi Lahir n %
BBLR 17 56,67
Normal 13 43,33
Jumlah 30 100.00
Tabel 5 menunjukkan bahwa berat
badan bayi yang dilahirkan ibu hamil
trimester III berkisar antara 1900 – 3800
gram dengan rata-rata 2674,2 ± 646,8
gram yang berarti berat badan bayi
lahir normal. Namun demikian, hanya
sebesar 43,33% ibu hamil trimester III
melahirkan bayi dengan berat badan
lahir normal, sedangkan sebagian
besar ibu hamil trimester III yaitu
56,67% melahirkan bayi dengan berat
badan rendah (BBLR).
Tabel 6. Distribusi Responden (Ibu Hamil Trimester III)
berdasarkan Tingkat Konsumsi Energi dan
Berat Badan Bayi yang Dilahirkan
Tingkat Berat Badan Bayi Lahir Jumlah

Konsumsi
Energi Normal BBLR
n % n % n %
Di Atas AKG 0 0 0 0 0 0,0
Normal 8 66,7 4 33,3 100,0 100,0
Defisit 5 27,8 13 72,2 100,0 100,0

Tabel 7. Distribusi Responden (Ibu Hamil Trimester III)
berdasarkan Tingkat Konsumsi Energi dan
Berat Badan Bayi yang Dilahirkan
Tingkat Konsumsi Berat Badan Bayi Lahir

Energi
Normal BBLR
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
Tingkat Konsumsi Energi
Gambar 1. Hubungan Tingkat Konsumsi Energi dengan

Berat Badan Bayi Lahir
pada Ibu Hamil Trimester III
CHI-SQUARE TEST ( χ2)
Ir. Astutik Pudjirahaju, M.Si.

Lektor Kepala, Bidang Ilmu Gizi
Jurusan Gizi – Politeknik Kesehatan Kemenkes Malang
Analisis Chi-Square (X2) sebenarnya merupakan statistik non parametrik.
Hal ini disebabkan karena data untuk pengujian Chi-Square adalah data
kategorikal/kualitatif (Nominal, Ordinal). Chi-Square digunakan untuk mencari
hubungan dan tidak dapat untuk melihat seberapa besar hubungan tersebut. Chi-
Square dapat melihat Tabulasi Silang (Cross Tabulation). Disamping untuk
analisis hubungan, Chi-Square juga dapat digunakan untuk menganalisis atau
menguji perbedaan frekuensi antara dua kelompok independent. Secara umum,
uji tentang perbedaan ini sama artinya dengan uji hubungan antara dua buah
variabel yang berskala nominal atau ordinal yang dapat dihitung frekuensinya.
Hubungan tersebut dapat kita jelaskan dengan contoh-contoh sebagai berikut :
a. Ada hubungan antara kebiasaan tidak menyusui dengan kanker payudara pada
dasarnya sama artinya dengan ada perbedaan frekuensi orang yang
menderita kanker payudara akibat perbedaan kebiasaan tidak menyusui.
b. Ada hubungan antara pengetahuan gizi dengan tingkat konsumsi zat gizi pada
dasarnya sama artinya dengan ada perbedaan tingkat konsumsi zat gizi
akibat perbedaan pengetahuan gizi.
c. Ada hubungan antara tingkat pengetahuan ibu tentang diare dengan tingkat
kejadian diare pada anak balita pada dasarnya sama artinya dengan ada
perbedaan tingkat kejadian diare akibat adanya perbedaan tingkat pengetahuan
ibu tentang diare.
d. Ada hubungan antara penggunaan obat influenza XYZ dengan tingkat
kesembuhan pada dasarnya sama artinya dengan ada perbedaan tingkat
kesembuhan adanya perbedaan penggunaan obat influenza.
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
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
8 54.4 Kurang 2 Ringan 23 70.6 Cukup 5 Sedang

Baik
10 75 Cukup 1 Ringan 25 47.1 Kurang 10 Berat
Baik
12 70.6 Cukup 3 Sedang 27 54.4 Kurang 9 Berat
Baik
13 55.8 Cukup 7 Berat 28 57.4 Cukup 7 Berat
14 72.1 Cukup 3 Sedang 29 70.6 Cukup 5 Sedang
15 66.2 Cukup 2 Ringan 30 55.8 Cukup 7 Berat
Crosstabs
Case Processing Summary
Cases
Valid Missing Total
Pengetahuan * Diare 30 100.0% 0 .0% 30 100.0%
Pengetahuan * Diare Crosstabulation
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
Ch i-S qua re T ests
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 :
H0 : Tidak ada hubungan tingkat pengetahuan ibu tentang diare dengan

tingkat keparahan diare pada anak balita rawap inap di RSU dr. Saiful
Anwar Malang
Ha : Ada hubungan tingkat pengetahuan ibu tentang diare dengan tingkat
keparahan diare pada anak balita rawap inap di RSU dr. Saiful Anwar
Malang
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
Tabulasi Silang (Cross Tabulation)
Tabel 1. Distribusi Responden berdasarkan Tingkat Pengetahuan Ibu tentang

Diare dan Tingkat Keparahan Diare Anak Balita Rawat Inap
di RSU dr. Saiful Anwar Malang
Tingkat Tingkat Keparahan Diare

Pengetahuan Ibu Ringan Sedang Berat
tentang Diare n % n % n %
Baik 7 70,0 0 0,0 0 0,0
Cukup 2 20,0 10 100,0 3 30,0
Kurang Baik 1 10,0 0 0,0 5 50,0
Tidak Baik 0 0,0 0 0,0 2 20,0
Jumlah 10 100,0 10 100,0 10 100,0
Tabel 1 menunjukkan bahwa persentase responden dengan tingkat

pengetahuan tentang diare kategori baik, tingkat keparahan diare cenderung
ringan yaitu sebesar 70,0%. Sedangkan, persentase responden dengan tingkat
pengetahuan tentang diare kategori cukup hingga tidak baik, cenderung
tingkat keparahan diare anak balita kategori berat (100,0%). Hasil analisis
statistik Chi-Square pada tingkat kepercayaan 95% menunjukkan hubungan yang
signifikan (p=0,000) antara tingkat pengetahuan ibu tentang diare dengan tingkat
keparahan diare pada anak balita rawap inap di RSU dr. Saiful Anwar Malang.
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.
Tabel 2. Hasil Pengumpulan Data Tingkat Pendidikan dan Kepatuhan Minum

Tablet Fe pada Penderita Anemia
No. Tingkat Pendidikan Kepatuhan Minum Tablet Fe

Responden
1 Sarjana Patuh
2 Akademi Patuh
3 Sarjana Patuh
4 Akademi Patuh
5 Sarjana Patuh
6 Akademi Patuh
7 Akademi Patuh
8 Sarjana Patuh
9 Sarjana Patuh
10 SMA Patuh
11 Sarjana Tidak Patuh
12 SMA Tidak Patuh
5
13 SMA Tidak Patuh

14 SMA Tidak Patuh
15 Akademi Tidak Patuh
16 Akademi Tidak Patuh
17 SMA Tidak Patuh
18 SMA Tidak Patuh
19 SMA Tidak Patuh
20 SMA Tidak Patuh
Crosstabs
Case Processing Summary
Cases
Valid Missing Total
Pendidikan * Kepatuhan 20 66.7% 10 33.3% 30 100.0%
Pe ndi dika n * Kep atu han Cro sstabu latio n
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
Ch i-S qua re T ests
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
Chi-Square Tabel pada tingkat signifikan () 5% (tingkat kepercayaan 95%)

Derajat Kebebasan (df) = 2 (diperoleh dari output) dengan rumus :
(jumlah baris – 1) x (jumlah kolom – 1) atau (3 – 1) x (2 – 1) = 2 dengan melihat
Tabel Chi-Square adalah 5,9915
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
Koefisien korelasi ini merupakan suatu uji untuk mengukur derajat

keeratan suatu hubungan antar urutan jenjang suatu hasil pengamatan
suatu variabel dengan urutan jenjang hasil pengamatan pada variabel
yang lain. Pada pengujian ini data pada kedua variabel paling rendah
berskala ordinal atau semi kuantitatif. Disamping itu uji ini bisa
digunakan terhadap data kuantitatif atau interval/rasio apabila
persyaratan distribusi normal untuk data tersebut tidak dipenuhi.
Ir. ASTUTIK PUDJIRAHAJU, M.Si.
Lektor Kepala Bidang Ilmu Gizi – Politeknik Kesehatan Kemenkes Malang
JURUSAN GIZI
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
Replikasi Taraf Perlakuan (Kelompok)
P0 P1 P2 P3 P4 P5 P6 P7
1 92 156 89 76 80 140 127 99
2 96 153 90 87 82 120 130 96
3 93 138 88 81 80 133 132 97
Buktikan ? Apakah ada pengaruh pemberian minyak buah

merah terhadap kadar kolesterol plasma tikus galur wistar
dengan diet aterogenik ?
Langkah-langkah Penyelesaian :
1. Diasumsikan bahwa data dipilih secara
random, berdistribusi normal, dan variasi
homogen.
2. Hipotesis (H0 dan Ha) dalam bentuk
kalimat:
Ha : Minimal ada sepasang taraf perlakuan (kelompok)
dengan kadar kolesterol plasma pada tikus galur
wistar dengan diet aterogenik yang berbeda.
H0 : Tidak terdapat perbedaan pengaruh pemberian
minyak buah merah terhadap kadar kolesterol
plasma pada tikus galur wistar dengan diet
aterogenik.
3. Hipotesis (Ha dan H0) dalam bentuk
statistik:
Ha : 1   2  …  7
H0 : 1 =  2 = … = 7
4. Daftar Statistik Induk :
5. Menghitung JKA , dbA dan KRA :
JKA = 14396,61
dbA = 8 – 1 = 7
KRA = 14396,61/7 = 2056,66
Daftar Statistik Induk
r Kadar Kolesterol Plasma

P0 P1 P2 P3 P4 P5 P6 P7
1 92 156 89 76 80 140 127 99
2 96 153 90 87 82 120 130 96
Statistik
3 93 138 88 81 80 133 132 97 Total
(T)
n 3 3 3 3 3 3 3 3 N=24
x 281 447 267 244 242 393 389 292 2555
 x2 26329 66789 23765 19906 19524 51689 50453 28426 286881
Mean 93,67 149 89 81,33 80,67 131 129,67 97,33 106,46

6. Menghitung JKD , dbD dan KRD :
JKD = 483,35
dbD = 24 – 8 = 16
KRD = 483,35/16 = 30,21
7. FHitung = 2056,66/30,21 = 68,08
8. Taraf signifikansi  = 0,01
9. FTabel = F(1 - )(dbA;dbD)
= 4,03
10. Kriteria pengujian :
FHitung  FTabel atau 68,08  4,03
maka H0 ditolak berarti terdapat perbedaan
kadar kolesterol plasma yang signifikan.
11.Kesimpulan : Terdapat perbedaan kadar
kolesterol plasma tikus galur wistar dengan
diet aterogenik yang signifikan antar taraf
perlakuan pemberian minyak buah merah
yang dicobakan.
12.Dilakukan Uji Statistik lanjutan unt
mengetahui taraf-taraf perlakuan mana
yang berbeda.
TABEL 1 ANOVA
Satu Arah (One Way Anova)
Sumber Varian Jumlah Kuadrat Derajat Kuadrat Fhitung Taraf
(SV) (JK) Bebas Rerata Signifikan
(db) (KR) (p)
Antar Group (A) 14396,61 7 2056,66 68,08 < 0,01
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)
Significant Studentized Ranges

Db Galat = 16
p 2 3 4 5 6 7 8
(=0,01)
JND 4.13 4.34 4.45 4.54 4.60 4.67 4.72
Rp 13.09 13.76 14.11 14.39 14.58 14.80 14.96

P0 - P1 = 93,67 - 149 = 55,33 > 13,09*)
P0 - P2 = 93,67 - 89 = 4,67 < 13,76
P0 - P3 = 93,67 - 81,33 = 12,34 < 14,11
P0 - P4 = 93,67 - 80,67 = 13 < 14,39
P0 - P5 = 93,67 - 131 = 37,33 > 14,58*)
P0 - P6 = 93,67 - 129,67 = 36 > 14,80*)
P0 - P7 = 93,67 - 97,33 = 3,66 < 14,96

P1 - P2 = 149 - 89 = 60 > 13,09*)
P1 - P3 = 149 - 81,33 = 67,67 > 13,76*)
P1 - P4 = 149 - 80,67 = 68,33 > 14,11*)
P1 - P5 = 149 - 131 = 18 > 14,39*)
P1 - P6 = 149 - 129,67 = 19,33 > 14,58*)
P1 - P7 = 149 - 97,33 = 51,67 > 14,80*)

P2 - P3 = 89 - 81,83 = 7,17 < 13,09
P2 - P4 = 89 - 80,67 = 0,33 < 13,76
P2 - P5 = 89 - 131 = 42 > 14,11*)
P2 - P6 = 89 - 129,67 = 40,67 > 14,39*)
P2 - P7 = 89 - 97,33 = 8,33 < 14,58
P3 - P4 = 81,83 - 80,67 = 0,66 < 13,09
P3 - P5 = 81,83 - 131 = 49,17 > 13,76*)
P3 - P6 = 81,83 - 129,67 = 47,84 > 14,11*)
P3 - P7 = 81,83 - 97,33 = 15,5 > 14,39*)

P4 - P5 = 80,67 - 131 = 50,33 > 13,09*)
P4 - P6 = 80,67 - 129,67 = 49 > 13,76*)
P4 - P7 = 80,67 - 97,33 = 16,66 > 14,11*)
P5 - P6 = 131 - 129,67 = 1,33 < 13,09
P5 - P7 = 131 - 97,33 = 33,67 > 13,76*)
P6 - P7 = 129,67 - 97,33 = 32,34 > 13,09*)

Dengan SPSS
Tabel 3. Pengaruh Pemberian Minyak Buah Merah
terhadap Kadar Kolesterol Plasma Tikus
Galur Wistar dengan Diet Aterogenik
Taraf Perlakuan Kadar Kolesterol Notasi

Plasma
Diet Standar (P0) 93,67 a
Diet Aterogenik (P1) 149 b
Diet Standar + MBM 0,12 ml (P2) 89 a
Diet Standar + MBM 0,24 ml (P3) 81,33 a
Diet Standar + MBM 0,36 ml (P4) 80,67 a
Diet Aterogenik + MBM 0,12 ml (P5) 131 c
Diet Aterogenik + MBM 0,24 ml (P6) 129,67 c
Diet Aterogenik + MBM 0,36 ml (P7) 97,33 a
Keterangan :  = 0.01
Nilai yang diikuti oleh notasi huruf yang berbeda
menunjukkan perbedaan yang signifikan
160
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
Gambar 1. Pengaruh Pemberian Minyak Buah Merah

terhadap Kadar Kolesterol Plasma Tikus
Galur Wistar dengan Diet Aterogenik
INTERPRETASI :
1. Analisis Oneway Anova pada tingkat kepercayaan 99%
( = 0.01) menunjukkan bahwa perlakuan pemberian
minyak buah merah berpengaruh signifikan terhadap
penurunan kadar kolesterol plasma tikus galur Wistar
dengan diet aterogenik.
2. Selanjutnya, analisis Duncan Multiple Range Test pada
tingkat kepercayaan 99% ( = 0.01) menunjukkan bahwa:
2.1.) Kadar kolesterol plasma pada taraf perlakuan dengan diet
standar (P0) berbeda signifikan dengan taraf perlakuan dengan diet
aterogenik (P1). Diet aterogenik meningkatkan kadar kolesterol
plasma, yaitu dari 93,67 mg/dl pada diet standar menjadi 149 mg/dl
pada diet aterogenik (peningkatan 59,1%).
2.2.) Kadar kolesterol plasma tikus dengan diet standar pada
berbagai taraf perlakuan dosis pemberian menunjukkan perbedaan
yang tidak signifikan. Sebaliknya, kadar kolesterol plasma tikus
dengan diet aterogenik pada berbagai taraf perlakuan dosis
pemberian menunjukkan perbedaan yang signifikan.
3. Semakin besar dosis pemberian minyak buah merah
pada tikus dengan diet aterogenik, maka semakin besar
penurunan kadar kolesterol plasma. Penurunan sangat
signifikan pada dosis pemberian minyak buah 0,36 ml
(P7), yaitu sebesar 34,7%, dari taraf perlakuan P1 (149
mg/dl) menjadi P7 (97,33 mg/dl).
4. Kadar kolesterol plasma pada taraf perlakuan dosis
pemberian minyak buah 0,36 ml (P7) menunjukkan
perbedaan yang tidak signifikan dengan taraf perlakuan
diet standar (P0) dan diet standar dengan dosis
pemberian minyak buah merah 0,12 ml (P2). Hal ini
berarti taraf perlakuan dosis pemberian minyak buah
merah 0,36 ml (P7) merupakan dosis yang optimal dalam
menurunkan kadar kolesterol plasma pada tikus galur
Wistar dengan diet aterogenik.
5. Pemberian minyak buah merah pada tikus dengan diet
standat pada berbagai taraf perlakuan menunjukkan
perbedaan yang tidak signifikan. Hal ini berarti bahwa
pemberian minyak buah merah (sebagai suplemen
antioksidan) pada kondisi sehat tidak memberikan
pengaruh. Sehingga, dalam kondisi sehat tidak
diperlukan suplemen antioksidan.
6. Penelitian ini membuktikan bahwa dengan konsumsi
makan dalam jumlah dan cara yang sesuai dengan
Pedoman Gizi Seimbang (PGS) 4 Pilar 10 Pesan, akan
menghasilkan keadaan gizi dan kesehatan yang baik.
Apabila anjuran PGS 4 Pilar 10 Pesan diterapkan dalam
kehidupan sehari-hari, maka dapat dicegah kemungkinan
menderita gizi kurang, gizi lebih, dan penyakit-penyakit
yang menyertainya.
REGRESI LOGISTIK
IBNU FAJAR, SKM MKES
Analisis
Regresi Data yang di analisis adalah data nominal
Logistik
Penggunaan regresi logistik karena variabel
dependen bersifat dikotomi (tepat dan tidak
tepat; kanker dan tidak kanker; stunting dan
tidak stunting)
Tujuan : mendapatkan model terbaik dan

sederhana yang menggambarkan hubungan
antara variabel independen (predictor)
dengan variabel dependen (outcome)
Model Persamaan Regresi Logistik
Ln: Logaritma Natural.Di mana:

B0 + B1X: Persamaan yang biasa dikenal dalam persamaan
regresi logistik linier
Sedangkan P Aksen adalah probabilitas logistik yang didapat rumus
sebagai berikut:
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
Analyze -> Regression -> Binary Logistic.

Kemudian masukkan variabel terikat ke Save
kotak dependent dan masukkan semua variabel
bebas ke kotak Covariates.
Tahap Analisis Regresi Logistik
Analyze -> Regression -> Binary Logistic. Options

Kemudian masukkan variabel terikat ke
kotak dependent dan masukkan semua variabel
bebas ke kotak Covariates.
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 :
H0 tidak akan ditolak apabila statistik Wald hitung < Chi-

square tabel, dan nilai probabilitas (sig) > tingkat
signifikansi (α). Hal ini berarti H alternatif ditolak atau
hipotesis yang menyatakan veriabel bebas berpengaruh
terhadap variabel terikat ditolak.
2.H0 ditolak apabila statistik Wald hitung > Chi-square
tabel, dan nilai probabilitas (sig) < tingkat signifikansi (α).
Hal ini berarti H alternatif diterima atau hipotesis yang
menyatakan variabel bebas berpengaruh terhadap
variabel terikat diterima.
STATISTIK INFERENSIAL PARAMETRIK
UJI PERBEDAAN ATAU PERBANDINGAN RATA-RATA (COMPARE MEANS)
Untuk memenuhi tugas matakuliah Statistika

yang dibina oleh Ibu Ir. Astutik Pudjirahayu, M.Si
Oleh
Heni Kharisma
P17110184128

JURUSAN GIZI
PROGRAM STUDI D3 GIZI
Oktober 2019
1. One sample t test
Kasus :
Seorang peniliti membuat dugaan yang menyatakan bahwa “nilai rata-rata
pengetahuan siswa kelas V DI AL-HIDAYAT Kecamatan Pakis Kabupaten
Malang sebelum diberi penyuluhan gizi seimbang dengan media poster adalah
76. Untuk membuktikan hal tersebut peneliti mengambil 10 orang siswa sebagai
sampel. Selanjutnya dilakukan pengelompokan tingkat pengetahuan secara
kategorik dengan standar sebagai berikut:
Baik : 76-100%
Cukup : 56-75%
Kurang :<56%
no Pre-test
1 50
2 60
3 70
4 40
5 70
6 70
7 45
8 70
9 55
10 60
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
t df Sig. (2-tailed) Mean 95% Confidence Interval of

Difference the Difference
Lower Upper
pre-test -4.777 9 .001 -17.00000 -25.0511 -8.9489
poster
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
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).
2. Paired sample t test

Kasus:
Peneliti ingin mengetahui pengaruh media promosi kesehatan booklet
terhadap peningkatan pengetahuan dan sikap ibu mengenai makanan bergizi
pada anak di TK Putera Sejahtera, Medan Tahun 2017. Sampel yang
digunakan 21 orang ibu yang mensekolahkan anaknya di TK Putera
Sejahtera.
Distribusi Gambaran Pengetahuan Sebelum dan Sesudah Diberikan
Perlakuan Berdasarkan Pretest dan Posttest.
Distribusi Gambaran Sikap Sebelum dan Sesudah Diberikan Perlakuan
Berdasarkan Pretest dan Posttest.
Distribusi Kategorik Pengetahuan Sebelum dan Sesudah Diberikan
Perlakuan Berdasarkan Pretest dan Posttest.
Distribusi Kategorik Sikap Sebelum dan Sesudah Diberikan Perlakuan

Berdasarkan Pretest dan Posttest.
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
kebiasaan konsumsi fast food berdasarkan kategori screen time
kebiasaan konsumsi sayur dan buah berdasarkan kategori screen time
Asupan lemak dan serat berdasarkan kategori screen time
Status gizi berdasarkan kategori screen time

T-test
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)
Ir. Astutik Pudjirahaju, M.Si.

Lektor Kepala Bidang Ilmu Gizi
Jurusan Gizi – Politeknik Kesehatan Kemenkes Malang
Analisis statistika parametrik, dalam penggunaannya perlu diperhatikan

beberapa persyaratan agar peluang untuk menolak hipotesis nihil (H0) andaikata
hipotesis nihil salah adalah besar. Dengan demikian, galat atau error dalam
pengujian hipotesis tersebut adalah kecil. Salah satu persyaratan adalah sampel
yang digunakan berasal dari populasi yang mempunyai distribusi normal. Bila
sampel yang diambil representatif terhadap populasi, maka distribusi data dari
sampel tersebut akan mendekati normal bila dilakukan pengujian normalitas data.
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).
Pengolahan data merupakan kegiatan pokok yang wajib dilakukan oleh

para peneliti karena mustahil para peneliti akan mendapatkan kesimpulan yang
berarti tanpa didahului oleh kegiatan pengolahan data tersebut. Analisis data
dimaksudkan untuk melakukan pengujian hipotesis dan menjawab rumusan
masalah penelitian yang diajukan. Karena menggunakan skala pengukuran data
berbentuk interval dan ratio maka sebelum melakukan pengujian harus dipenuhi
persyaratan analisis terlebih dahulu dengan asumsi bahwa data harus :
1. Dipilih secara acak (random)
2. Homogen, artinya data yang dibandingkan (dikomparasikan) sejenis (bersifat
homogen), maka diperlukan Uji Homogenitas.
3. Normal, artinya data yang dihubungkan menunjukkan distribusi normal, maka
diperlukan Uji Normalitas.
4. Bersifat Linier, artinya data yang dihubungkan berbentuk Garis Linier, maka
diperlukan Uji Linieritas.
5. Berpasangan, artinya data yang dihubungkan mempunyai pasangan yang sama
sesuai dengan subjek yang sama.
2
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).
Aplikasi Test Parametrik Test Non-Parametrik

Uji Satu Sampel
Satu Sampel One Sample t-test Uji Runs (Runs Test of
Randomness),
Uji Binomial
Uji Dua Sampel
Dua Sampel saling Paired Sample t-test Uji Tanda (Sign),
berhubungan Uji Wilcoxon
(Two Related Samples
Test)
Dua Sampel tidak saling Independent Sample Mann-Whitney
berhubungan t-test
(Two Independent
Samples Test)
Uji Beberapa Sampel (k Sampel)
Beberapa Sampel ANOVA : Friedman Test
Berhubungan Two-Way ANOVA
(Several Dependent
Samples Test)
Beberapa Sampel Tidak ANOVA : Kruskal Wallis
Berhubungan One-Way ANOVA
(Several Independent
Samples Test)
Statistika Inferensial Parametrik :

Uji Perbedaan / Perbandingan Rata-rata (Compare Means)
1. Independent Sampel T-Test

(T-Test untuk Dua Sampel Independent / Bebas)
T-Test dua sampel independent pada prinsipnya akan membandingkan

rata-rata dari dua kelompok yang tidak berhubungan satu dengan yang lain,
dengan tujuan apakah kedua kelompok tersebut mempunyai rata-rata yang sama
atau tidak. Jadi, Independent-Sample T-Test digunakan untuk menguji
signifikansi beda rata-rata dua kelompok. Test ini juga digunakan untuk menguji
pengaruh variable independent terhadap variable dependent.
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 :
No. Asuhan Gizi No. Asuhan Gizi

Resp. Ahli Gizi A Ahli Gizi B Resp. Ahli Gizi A Ahli Gizi B
(x1) (x2) (x1) (x2)
1 77 40 16 55 47
2 99 48 17 88 68
3 77 54 18 98 68
4 77 34 19 87 74
5 55 48 20 87 75
6 88 68 21 44 55
7 120 67 22 94 61
8 87 67 23 77 46
9 87 75 24 55 61
10 50 56 25 76 58
11 87 60 26 65 50
12 87 47 27 90 68
13 87 60 28 80 75
14 90 70 29 89 75
15 81 61 30 98 75
T-Test
Group Statistics
Ahli Gizi N Mean Std. Deviation Std. Error

Mean
Asuhan Ahli Gizi A 30 81.07 16.476 3.008
Ahli Gizi B 30 60.37 11.527 2.104
Independent Samples Test
Levene's Test for

Equality of Variances t-test for Equality of Means
95% Confidence
Interval of the
Mean Std. Error Difference
F Sig. t df Sig. (2-tailed) Difference Difference Lower Upper
Asuhan Equal variances
1.578 .214 5.639 58 .000 20.700 3.671 13.352 28.048
assumed
Equal variances
5.639 51.902 .000 20.700 3.671 13.333 28.067
not assumed
Perumusan Masalah
Apakah terdapat perbedaan kemampuan Ahli Gizi A dalam melakukan asuhan
gizi pada penderita stroke dengan Ahli Gizi B di RS “Melati”
Menjawab Rumusan Masalah :

4
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
Hipotesis untuk Uji Sig F Test dalam kasus ini

H0 : Kedua varian populasi identik (Equal Variance Assumed)
Ha : Kedua varian populasi tidak identik (Equal Variance Not Assumed)
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
Jika Sig t-hitung > 0,05 maka H0 diterima
Jika Sig t-hitung < 0,05 maka H0 ditolak
Hipotesis untuk Uji Sig t-test dalam kasus ini

H0 : Kedua rata-rata populasi identik (rata-rata kemampuan asuhan gizi pada
penderita stroke antara Ahli Gizi A dan Ahli Gizi B adalah sama)
Ha : Kedua rata-rata populasi tidak identik (rata-rata kemampuan asuhan gizi
pada penderita stroke antara Ahli Gizi A dan Ahli Gizi B adalah
berbeda)
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).
Nilai Kemampuan Jenjang

No. Resp. Asuhan Gizi Pendidikan
1 100 Diploma IV
2 70 Diploma IV
3 80 Diploma IV
4 90 Diploma IV
5 100 Diploma IV
6 70 Diploma IV
7 80 Diploma IV
8 90 Diploma IV
9 100 Diploma IV
10 70 Diploma IV
11 70 Diploma III
12 60 Diploma III
13 40 Diploma III
14 50 Diploma III
15 60 Diploma III
16 60 Diploma III
17 60 Diploma III
18 70 Diploma III
19 80 Diploma III
20 70 Diploma III
T-Test
Group Statistics
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
Independent Samples Test
Levene's Test for

Equality of Variances t-test for Equality of Means
95% Confidence
Interval of the
Mean Std. Error Difference
F Sig. t df Sig. (2-tailed) Difference Difference Lower Upper
Kemampuan Equal variances
.876 .362 -4.271 18 .000 -23.000 5.385 -34.314 -11.686
assumed
Equal variances
-4.271 17.780 .000 -23.000 5.385 -34.324 -11.676
not assumed
6
Perumusan Masalah
Apakah terdapat perbedaan Kemampuan Ahli Gizi dalam melakukan Asuhan Gizi
antara yang berpendidikan Diploma III dan Diploma IV
Menjawab Rumusan Masalah :

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.
Jika Sig F-hitung > 0,05 maka H0 diterima
Jika Sig F-hitung ≤ 0,05 maka H0 ditolak
Hipotesis untuk Uji Sig F Test dalam kasus ini

H0 : Kedua varian populasi identik (Equal Variance Assumed)
Ha : Kedua varian populasi tidak identik (Equal Variance Not Assumed)
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
Jika Sig t-hitung > 0,05 maka H0 diterima
Jika Sig t-hitung < 0,05 maka H0 ditolak
Hipotesis untuk Uji Sig t-test dalam kasus ini

H0 : Kedua rata-rata populasi identik (rata-rata kemampuan asuhan gizi yang
berpendidikan Diploma III dan Diploma IV adalah sama)
Ha : Kedua rata-rata populasi tidak identik (rata-rata kemampuan asuhan gizi
yang berpendidikan Diploma III dan Diploma IV adalah berbeda)
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.
2. Paired Sampel T-Test (T-Test untuk Dua Sampel yang Berpasangan)
Uji t-Paired digunakan untuk menentukan ada tidaknya perbedaan rata-

rata dua sampel bebas. Dua sampel yang dimaksud adalah sampel yang sama
7
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.
Pengukuran pertama dilakukan sebelum diberi perlakuan tertentu dan

pengukuran kedua dilakukan sesudahnya. Dasar pemikirannya sederhana, yaitu
bahwa apabila suatu perlakuan tidak memberi pengaruh maka perbedaan rata-rata
adalah nol.
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.
No. Responden Berat Badan (Kg)

Sebelum Setelah
1 67,70 56,90
2 70,60 67,90
3 82,40 59,90
4 60,44 50,20
5 91,50 60,60
6 77,50 58,70
7 66,50 55,80
8 68,50 50,60
9 70,50 59,90
10 60,50 50,60
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
Pa ired Sa mples Correla tions
N Correlation Si g.
Pair 1 Sebelum & Setelah 10 .557 .094
Pa ired Sa mples Test
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
Cara 1
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 Penolakan H0 Daerah Penolakan H0
Daerah Penerimaan H0
- 2,2622 2,2622 5,689
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.
No. Tekanan Darah Berat Badan (Kg)

Pasien Awal Akhir Awal Akhir
1 180 150.5 70 67
2 170.5 160 75 71.5
3 200 165.5 84 80
4 160 170.5 80.5 77.5
5 150 150.5 75.58 71
6 185.5 160 90.5 82
7 175 175 88.5 81
8 180 145.5 79.5 74.5
9 190 150.5 95 85
10 182.5 180 97.5 88.5
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
Pa ired Sa mples Correla tions
N Correlation Si g.
Pair 1 TD Awal & TD Akhir 10 .056 .877
Pair 2 BB Awal & BB Ak hir 10 .986 .000
Paired Samples Test
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 Sampels Statistic menunjukkan bahwa tekanan darah mengalami

penurunan dari rata-rata awal 177,35 menjadi 160,80. Demikian juga dengan
berat badan mengalami penurunan dari rata-rata awal 83,60 menjadi 77,80.
Tabel Paired Samples Correlations menganalisis apakah ada hubungan atau

korelasi antara tekanan darah awal dengan akhir dan berat badan awal dengan
akhir. Disini terlihat bahwa korelasi tekanan darah awal dengan akhir sangat
lemah (0,056). Apabila dilihat nilai Sig (0,877) >  maka dapat disimpulkan
korelasi tidak signifikan. Sebaliknya, korelasi antara berat badan awal dengan
akhir sangat kuat (0,986). Nilai Sig (0,000) maka dapat disimpulkan bahwa
hubungan signifikan.
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.
Hipotesis : Pasangan Tekanan Darah

H0 : Penurunan tekanan darah sebelum dengan sesudah treatment tidak
signifikan
Ha : Penurunan tekanan darah sebelum dengan sesudah treatment signifikan
t hitung (2,891) > t tabel (9; 0,025) adalah 2,262 sehingga H0 ditolak.
Jadi, penurunan tekanan darah sebelum dan sesudah treatment signifikan.
Disamping menggunakan perbandingan t hitung dengan t tabel, dapat juga

melakukan perbandingan Sig (2-tailed) dengan .
Sig (2-tailed) (0,018) <  (0,025) sehingga H0 ditolak

Hipotesis : Pasangan Berat Badan
H0 : Penurunan berat badan sebelum dengan sesudah treatment tidak
signifikan
Ha : Penurunan berat badan sebelum dengan sesudah treatment signifikan
t hitung (6,866) > t tabel (9; 0,025) adalah 2,262 sehingga H0 ditolak.
Jadi, penurunan berat badan sebelum dan sesudah treatment signifikan.
Disamping menggunakan perbandingan t hitung dengan t tabel, dapat juga

melakukan perbandingan Sig (2-tailed) dengan .
Sig (2-tailed) (0,000) <  (0,025) sehingga H0 ditolak

11
3. One Sampel t-test (Uji t untuk Satu Sampel)
Pengujian satu sampel pada prinsipnya ingin menguji apakah

nilai/konstanta tertentu atau nilai hipotesis (yang diberikan sebagai pembanding)
berbeda secara nyata ataukah tidak dengan rata-rata sebuah sampel.
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
Std. Error
N Mean Std. Deviation Mean
Sebelum 10 71.6140 9.70826 3.07002
One-Sam ple Test
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
Cara 1
Cara 2
12
Cara 2 untuk t tabel {df=n-1; dua sisi (0,025)} = 2,2622 dan t hitung = -2,738
-2,738 - 2,2622 2,2622
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
Nilai Ideal : 15 (jumlah item pertanyaan) x 4 (nilai tertinggi dari kualitas

kemampuan asuhan gizi) = 60. Maka, 70% dari nilai ideal adalah 42.
T-Test
Std. Error
N Mean Std. Deviation Mean
As kep 61 58.44 3.139 .402
13
One-Sam ple Test
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)
Cara 1
Cara 2
Cara 2 untuk t tabel {df=n-1; dua sisi (0,025)} = 2,000 dan t hitung = 40,917
- 2,000 2,000 40,917
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
4. One-Way ANOVA (Analysis of Variance); Analisis Varian untuk Satu

Variabel Independent
Analisis varian satu variable independent digunakan untuk menentukan

apakah rata-rata dua atau lebih kelompok (variabel dependent) berbeda secara
nyata. Analisis ini memiliki asumsi bahwa kelompok yang dianalisis memiliki
varian yang sama.
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.
Interval Nilai Nilai Tengah Lama Training (Hari)

3 4 5
90 – 100 95 3 5 9
80 – 90 85 5 8 13
70 – 80 75 7 10 8
60 – 70 65 5 7 7
50 – 60 55 10 8 8
40 – 50 45 8 7 3
30 – 40 35 7 3 3
20 – 30 25 5 3 2
10 – 20 15 3 3 1
0 – 10 5 2 1 1
Total 55 55 55
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
Test of Homogeneity of Variances
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
Post Hoc Tests

Multiple Comparisons
Dependent Variable: Nilai Test

LSD
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
Cornelius Trihendradi. 2004. Langkah Mudah Memecahkan Kasus Statistik :

Deskriptif, Parametrik, dan Non Parametrik dengan SPSS 12. Penerbit
ANDI. Yogyakarta.
__________________ . 2005. SPSS 12 : Statistika Inferensial, Teori Dasar &

Aplikasinya. Penerbit ANDI. Yogyakarta.
__________________ . 2005. Step by Step SPSS 13 : Analisis Data Statistika.

Penerbit ANDI. Yogyakarta.
Eko Budiarto. 2002. Biostatistika untuk Kedokteran dan Kesehatan Masyarakat.

Cetakan I. EGC. Jakarta.
Ibnu Fajar, dkk. 2009. Statistika untuk Praktisi Kesehatan. Edisi Pertama.
GRAHA ILMU. Yogyakarta.
Riduwan. 2003. Dasar-dasar Statistika. Cetakan Ketiga 2003. Penerbit

ALFABETA. Bandung.
Steel, R.R.G.D. and J.H. Torrie. 1980. Principle and Procedures of Statistics.
Mc. Graw-Hill.
Walpole, R.E. 1982. Introduction to Statistics. Mc. Graw-Hill.

PENGUJIAN HIPOTESIS

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

PENGUJIAN HIPOTESIS

Diunggah oleh

Hak Cipta:

Format Tersedia

PENGUJIAN HIPOTESIS

Ibnu Fajar, SKM, MKes

jawaban sementara terhadap suatu

Kesalahan tipe 1 : menolak hipotesis yang

Pada penelitian laboratorium dimana variabel-

2. Pemilihan uji statistik yang sesuai

3. Tentukan tingkat signifikansi (α) yang sesuai

4. Menentukan kriteria pengujian Ho

• Ho: Tidak ada hubungan ......................

Uji dua sisi Uji satu sisi

Dasar Pemilihan Uji

Statistik uji  Satu Variabel Bebas

Pada penelitian laboratorium dimana

Tergantung pada masing-masing Uji yang digunakan

digunakan untuk mempelajari hubungan ketergantungan

sering juga disebut sebagai analisis pengukuran derajat

Ukuran yang digunakan untuk mengetahui derajat hubungan

ukuran derajat hubungan antara dua variabel yang terdiri dari

Koefisien Guttmann’s (λ)

Koefisien korelasi dari Spearman

korelasi yang mempelajari keter-

• 1 variabel dependen dan 1 variabel independen

3. Tentukan taraf signifikansi dan nilai kritis.

• Tentukan taraf signifikansi 0,05 atau 0,01

• H0 ditolak bila t hitung > t1-1/2α atau t hitung < -t1/2α.

• Hitung harga t dengan rumus

• Hitung harga t dengan rumus

• Membandingkan harga uji statistik t dengan nilai

Metode Tangan Metode Kuadrat

Metode Tangan Metode Kuadrat

metode kira-kira yaitu dengan memanfaatkan

Pada sumbu dasar diagram pencar merupakan nilai

Persamaan regresi linear ditarik dari letak titik-titik

Metode Tangan Metode Kuadrat

Persamaan regresi sederhana secara umum

Metode Tangan Metode Kuadrat

2. Digunakan uji koefisien korelasi product

3. Taraf signifikansi 0,05 dengan besar

• Karena nilai t hitung (2,57) > t tabel (2,23) maka

• Persamaan regresinya adalah:

setiap kenaikan 1 satuan

Jenis Analisis Korelasi

 Koefisien korelasi dari Spearman (simbol rs).

Jika hubungan hanya antara 1 variabel dependen dan 1 variabel

Djarwanto dalam buku ”Mengenal beberapa Uji Statistik dalam

Dalam analisis korelasi karakteristik ukuran hubungan meliputi 2 hal

1. Arah dari hubungan (Direction) yaitu apakah positif atau negatif.

Proses uji hipotesis koefisien korelasi dilakukan sebagai berikut:

6. Hitung harga t dengan rumus:

7. Kesimpulan pengujian, dengan membandingkan harga uji statistik t

kemudian bandingkan dengan Z tabel dan dk = n-2 apabila Z hitung lebih

Untuk mengetahui persamaan regresi linear kita dapat menentu-

Untuk mencari nilai a dan b dapat digunakan rumus:

(Y )(X 2)  (X )(XY )

n (X .Y )  (X )(Y )

Pada penelitian-penelitian yang lebih lanjut biasanya harga a dan b akan

Berat Badan (kg)

Berat Badan (kg)

2. Digunakan uji koefisien korelasi product moment (r) dan dilanjutkan

10 . 1741,3  520 . 33,1

selanjutnya nilai r kita lanjutkan dengan uji t

Persamaan regresinya adalah:

(Y )(X 2)  (X )(XY )