REVIEW UAS BIOS INTERMED

1. WAKTU 60 MENIT (TGL 20-DES-2019, PK 16:00)

2. JUMLAH SOAL 40 (PILIHAN GANDA) - SCELE
3. TOPIK:
a. Dasar2 HIPOTESIS (PARAMETRIK/NONPAR) & KESALAHAN STATISTIK
b. UJI HIPOTESIS 1-SAMPEL
c. UJI T-INDEP
d. UJI T-PAIRED
e. ANOVA
f. CHI-SQ
g. LOGISTIK SEDERHANA
h. LOGISTIK MULTIVARIAT (Interpretasi OR < 1, >1, paling berhubungan OR
terbesar)
i. KORELASI/REGRESI LINIER SEDERHANA (Interpretasi R, R2, B)
j. LINIER MULTIVARIAT (Interpretasi R, R2, B, paling berhubungan Beta-terbesar)
k. SAMPLING (Metode sampling, Besar sampel estimasi, Besar sampel uji hipotesis)
Tujuan penelitian:
1. Estimasi – proporsi (Mengetahui kejadian BBLR…di?)
2. Estimasi – rerata (Mengetahui rerata berat badan bayi lahir..)
3. Uji hipotesis – beda proporsi (Mengetahui perbedaan proporsi BBLR menurut jenis
kelamin)
4. Uji hipotesis – beda rerata (Mengetahui perbedaan rerata berat badan bayi lahir menurut
jenis kelamin)

Jenis Uji Statistik Tergantung pada Jenis Data/variabel:

(VAR INDEP  VAR DEP)

Variabel
Kategorik Numerik
2A.t-test (jika 2 kategori)
1.Chi-square/ 2B.t-test-paired
Kategorik Regresi logistik 3.Anova (>2 kategori)

t-test (jika 2 kategori) 4.Korelasi/

Numerik Anova (>2 kategori) regresi linier

Bivariat:
Kategorik kategorik : Chi-square, Regresi Logistik
Numerik  Numerik : Korelasi, Regresi Linier

Multivariat:
Kategorik + numerik kategorik : Regresi Logistik
Kategorik + numerik  Numerik : Regresi Linier

Langkah-langkah uji statistik:

1. Tentukan H0 dan H1
2. Tetapkan tingkat
signifikasi/salah type-1 ()
• =0.01, =0.05 atau =0.10
4. Hitung uji statistik
5 .Tentukan daerah kritis
o Daerah
penerimaan/penolakan Ho
atau
o Hitung nilai-p
6. Buat keputusan Statistik
REVIEW 14-DES-2019

Review: UJI STATISTIK

Jumlah Selisi Skor
kecelakaa h pengetahua
n Absen absen (2018 n K3
Lama kerja Kecelakaan 2018 2018 2019 -
Umur (th) Sex Bagian kerja (hari) (hari) 2019)
1 42 15 laki Finishing Ya 5 8 3 5
2 34 9 laki Finishing Ya 4 5 4 3
3 38 12 laki Finishing Ya 3 5 5 4
 4 35 12 Pr Finishing Tidak 0 8 6 10
5 36 12 Pr Finishing Tidak 0 9 7 16
Distribus 4
6 35 4 laki i Ya 4 2 2
Distribus 0
7 39 12 laki i Tidak 5 3 9
Distribus 0
8 32 6 Pr i Tidak 5 3 10
Distribus 0
9 37 9 Pr i Tidak 2 4 14
1 Distribus 6
0 41 13 Pr i Ya 7 6 4
1 2
1 22 2 laki Produksi Ya 0 0 3
1 0
2 27 6 laki Produksi Tidak 2 1 10
1 0
3 31 5 laki Produksi Tidak 0 1 14
1 0
4 25 2 Pr Produksi Tidak 4 3 16
1 1
5 26 4 Pr Produksi Ya 2 3 5
Jumlah
kecelakaa Absen absen Skor
Lama kerja Kecelakaan n 2018 2019 pengetahua
Umur (th) Sex Bagian kerja 2018 (hari) (hari) n K3
Catatan: Variabel numerik berdistribusi normal

1. Perusahaan mengklaim bahwa rerata jumlah kecelaan kerja tidak lebih dari 1 kali, Apa uji
stistik yang tepat untuk membuktikan apakah klaim tersebut benar atau tidak?.
a. T-test 1 sampel (rerata jumlah kecelakaan kerja)
b.
2. Perusahaan mengklaim bahwa rerata jumlah kecelaan kerja tidak lebih dari 1 kali, Apa
hipotesis statistik (Ho) yang tepat?.
a. rerata jumlah kecelaan kerja <=1
b.
3. Perusahaan mengklaim bahwa rerata jumlah kecelaan kerja tidak lebih dari 1 kali, Apa
hipotesis statistik (Ha) yang tepat?.
a. rerata jumlah kecelaan kerja >1
b.

4. Untuk mengetahui apakah ada penurunan jumlah hari absen dari tahun 2018 ke 2019, Apa
uji statistik yang tepat?.
a. T-test dependen/paired/berpasangan
b.
5. Untuk mengetahui apakah ada penurunan jumlah hari absen dari tahun 2018 ke 2019, Apa
hipotesis statistik (Ho) yang tepat?.
a. Rerata jumlah hari absen 2018 ke 2019 tidak ada penurunan (2019 – 2018 = 0)
b.
6. Untuk mengetahui apakah ada penurunan jumlah hari absen dari tahun 2018 ke 2019, Apa
hipotesis statistik (Ha) yang tepat?.
a. Rerata jumlah hari absen 2018 ke 2019 ada penurunan (2019 – 2018 < 0)
 b. Rerata jumlah hari absen 2018 ke 2019 ada penurunan (2018 – 2019 > 0)

7. Untuk mengetahui apakah ada perbedaan penurunan jumlah hari absen dari tahun 2018 ke
2019 antara laki dengan perempuan, Apa uji statistik yang tepat?.
a. T-test independen (uji rerata selisih antara LK dg PR)
b.
8. Untuk mengetahui apakah ada perbedaan penurunan jumlah hari absen dari tahun 2018 ke
2019 antara laki dengan perempuan, Apa hipotesis statistik (Ho) yang tepat?.
a. Tidak ada perbedaan selisih hari absen ……. Antara LK dg PR
b.
9. Untuk mengetahui apakah ada perbedaan penurunan jumlah hari absen dari tahun 2018 ke
2019 antara laki dengan perempuan, Apa hipotesis statistik (Ha) yang tepat?.
a. Ada perbedaan selisih hari absen ……. Antara LK dg PR
b.

10. Jika karyawan PT X berjumlah 20.000 orang, kemudian dilakukan survei untuk mengetahui
motivasi kerja mereka, metode sampling apa yang tepat untuk digunakan?.
a. Simple random sampling (karena kerangka sampel tersedia dan area geografis tidak
menyebar)
b.

11. Jika karyawan PT X berjumlah 20.000 orang, kemudian dilakukan survei untuk mengetahui
motivasi kerja mereka per bagian (produksi, distribusi, finishing), metode sampling apa
yang tepat untuk digunakan?.
a. Stratified random sampling (karena tujuannya utk mengetahui gambaran per
kelompok)
b.
12. Jika karyawan PT X berjumlah 20.000 orang, kemudian dilakukan survei untuk mengetahui
proporsi karyawan dengan motivasi kerja baik, komponen penting apa yang harus dicari
dan kemudian dipakai untuk perhitungan besar sampel?.
a. Proporsi karyawan dengan motivasi baik
b.

13. Jika karyawan PT X berjumlah 20.000 orang, kemudian dilakukan survei untuk mengetahui
apakah ada perbedaan proporsi motivasi kerja baik antara yang mengalami kecelakaan
kerja dengan yang tidak, komponen penting apa yang harus dicari dan kemudian dipakai
untuk perhitungan besar sampel?.
a. Proporsi motivasi baik pada karyawan yang mengalami kecelakaan kerja
b. Proporsi motivasi baik pada karyawan yang tidak mengalami kecelakaan kerja
c.
14. Jika karyawan PT X berjumlah 20.000 orang, kemudian dilakukan survei untuk mengetahui
skor pengetahuan tentang K3, komponen penting apa yang harus dicari dan kemudian
dipakai untuk perhitungan besar sampel?.
a. Standar deviasi skor pengetahuan tttg K3
b.
 15. Jika karyawan PT X berjumlah 20.000 orang, kemudian dilakukan survei untuk mengetahui
apakah ada perbedaan skor pengetahuan K3 antara yang mengalami kecelakaan kerja
dengan yang tidak, komponen penting apa yang harus dicari dan kemudian dipakai untuk
perhitungan besar sampel?.
a. Standar deviasi skor pengetahuan
b. Rerat atau selisih rerata skor pengetahuan antara yang mengalami kecelakaan kerja
dengan yang tidak

16. Metode sampling apa yang tepat digunakan untuk wilayah geografis yang luas dan tidak
tersedia kerangka sampel?.
a. Cluster random sampling
b.

17. Metode sampling apa yang tepat digunakan untuk wilayah geografis yang tidak luas dan
tersedia kerangka sampel?.
a. Simple/ systematic random sampling
b.

REVIEW 7-DES-2019
Absen absen Total
Lama kerja Kecelakaan 2008 2009 absen
Umur (th) Sex Bagian kerja (hari) (hari) 2008-09
1 42 15 laki Finishing Ya 8 3 11
2 34 9 laki Finishing Ya 5 4 9
3 38 12 laki Finishing Ya 5 5 10
4 35 12 perempuan Finishing Tidak 8 6 14
5 36 12 perempuan Finishing Tidak 9 7 16
6 35 4 laki Distribusi Ya 4 2 6
7 39 12 laki Distribusi Tidak 5 3 8
8 32 6 perempuan Distribusi Tidak 5 3 8
9 37 9 perempuan Distribusi Tidak 2 4 6
10 41 13 perempuan Distribusi Ya 7 6 13
11 22 2 laki Produksi Ya 0 0 0
12 27 6 laki Produksi Tidak 2 1 3
13 31 5 laki Produksi Tidak 0 1 1
14 25 2 perempuan Produksi Tidak 4 3 7
 15 26 4 perempuan Produksi Ya 2 3 5
Absen absen Total
Lama kerja Kecelakaan 2008 2009 absen
Umur (th) Sex Bagian kerja (hari) (hari) 2008-09

1. Seorang peneliti ingin mengetahui apakah jumlah hari absen berbeda menurut bagian.
Hipotesis alternatif yang tepat adalah:
a. Ada perbedaan jumlah hari absen menurut bagian.
b. Jumlah hari absen berbeda menurut bagian.
c. Jumlah hari absen tidak sama menurut bagian.
2. Seorang peneliti ingin mengetahui apakah jumlah hari absen berbeda menurut bagian.. Data
berdistribusi normal, Metode statistik yang tepat adalah:
a. ANOVA
b.
3. Seorang peneliti ingin mengetahui apakah jumlah hari absen berbeda menurut bagian.. Data
berdistribusi tidak normal, Metode statistik yang tepat adalah:
a. Kruskall Wallis
b.
4. Seorang peneliti ingin mengetahui apakah jumlah hari absen berbeda menurut bagian. Jika
nilai P = 0.021, simpulannya adalah:
a. Ada perbedaan jumlah hari absen menurut bagian.
b. Jumlah hari absen berbeda menurut bagian.
c. Jumlah hari absen tidak sama menurut bagian.

5. Seorang peneliti ingin mengetahui apakah jumlah hari absen berbeda menurut bagian. Jika
nilai P = 0.321, simpulannya adalah:
a. Tidak ada perbedaan jumlah hari absen menurut bagian.
b. Jumlah hari absen sama menurut bagian.
c.

6. Seorang peneliti ingin mengetahui apakah ada mereka yg sudah lama bekerja (…tahun)
lebih sering absen (….hari). Hipotesis alternatif yang tepat adalah:
a. Semakin lama kerja semakin sering absen

7. Seorang peneliti ingin mengetahui apakah ada hubungan antara lama kerja dengan jumlah
hari absen. Hipotesis alternatif yang tepat adalah:
a. Ada hubungan antara lama kerja dengan jumlah hari absen.

8. Seorang peneliti ingin mengetahui apakah karyawan yang sudah lama bekerja lebih sering
absen. Hipotesis alternatif yang tepat adalah:
a. karyawan yang sudah lama bekerja lebih sering absen ..
b. semakin lama karyawan bekerja semakin sering absen ..
c.
d.

9. Seorang peneliti ingin mengetahui apakah karyawan yang sudah lama bekerja lebih sering
absen. Data berdistribusi normal, Metode statistik yang tepat adalah:
 a. Uji Korelasi Pearson
b. Regresi linier

10. Seorang peneliti ingin mengetahui apakah karyawan yang sudah lama bekerja lebih sering
absen. Data berdistribusi tidak normal, Metode statistik yang tepat adalah:
a. Uji Korelasi Spearman

11. Seorang peneliti ingin mengetahui apakah ada hubungan antara lama kerja dengan jumlah
hari absen. Hasil sbb:
Jumlah hari absen = 2 + 0,2 * Lama kerja (tahun), R = 0,25, R2 = 0,062:
Interpretasi angka 0,2 adalah:
a. Setiap kenaikan 1 tahun lama kerja, maka hari absen bertambah 0,2 hari
b. Setiap kenaikan 5 tahun lama kerja, maka hari absen bertambah 1,0 hari
c.

12. Seorang peneliti ingin mengetahui apakah ada hubungan antara lama kerja dengan jumlah
hari absen. Hasil sbb:
Jumlah hari absen = 2 - 0,2 * Lama kerja (tahun), R = -0,3, R2 = 0,090:
Interpretasi angka - 0,2 adalah:
a. Setiap kenaikan 1 tahun lama kerja, maka hari absen berkurang 0,2 hari
b. Setiap kenaikan 5 tahun lama kerja, maka hari absen berkurang 1,0 hari
c.

13. Seorang peneliti ingin mengetahui apakah ada hubungan antara lama kerja dengan jumlah
hari absen. Hasil sbb:
Jumlah hari absen = 2 - 0,2 * Lama kerja (tahun), R = -0,3, R2 = 0,090:
Interpretasi angka R = -0,3 adalah:
a. Korelasi antara lama kerja dengan jumlah hari absen menunjukkan hubungan
negatif, kekuatan hubungan sedang, semakin tinggi lama kerja semakin rendah
jumlah hari absen

14. Seorang peneliti ingin mengetahui apakah ada hubungan antara lama kerja dengan jumlah
hari absen. Hasil sbb:
Jumlah hari absen = 2 - 0,2 * Lama kerja (tahun), R = -0,3, R2 = 0,090:
Interpretasi angka R2 = 0,090 adalah:
a. Variasi jumlah hari absen yang dapat dijelaskan oleh var lama kerja sebesar 9%
b.

18. Tahun 2008 dilakukan intervensi untuk menurunkan jumlah hari absen pada karyawan PT
X. Hipotesis alternatif yang tepat adalah:
a. Ada penurunan jumlah hari absen setelah dilakukan intervensi
b. Jumlah hari absen setelah intervensi lebih rendah dibanding sebelum
c. Jumlah hari absen menurun setelah intervensi
 d.

19. Tahun 2008 dilakukan intervensi untuk menurunkan jumlah hari absen pada karyawan PT
X. Hipotesis nol yang tepat adalah:
a. Tidak Ada penurunan jumlah hari absen setelah dilakukan intervensi
b. Jumlah hari absen setelah dilakukan intervensi sama dengan sebelum intervensi

20. Tahun 2008 dilakukan intervensi untuk menurunkan jumlah hari absen pada karyawan PT
X. Jika data berdistribusi normal, uji statistik yang tepat adalah:
a. Uji T berpasangan/paired/dependen
b.

21. Tahun 2008 dilakukan intervensi untuk menurunkan jumlah hari absen pada karyawan PT
X. Jika data tidak berdistribusi normal, uji statistik yang tepat adalah:
a. Uji wilcoxon
b.

22. Tahun 2008 dilakukan intervensi untuk menurunkan jumlah hari absen pada karyawan PT
X. Jika didapatkan nilai P = 0,123 simpulan yang tepat adalah:
a. Tidak Ada penurunan jumlah hari absen setelah dilakukan intervensi
b. Intervensi tidak berhasil menurunkan jumlah hari absen

23. Seorang peneliti ingin mengetahui apakah jumlah hari absen Laki-laki lebih tinggi
dibanding Perempuan. Hipotesis alternatif yang tepat adalah:
a. Jumlah absen Laki-laki lebih tinggi dibanding Perempuan
b. Jumlah absen Perempuan lebih rendah dibanding Laki-laki
c.

24. Seorang peneliti ingin mengetahui apakah jumlah hari absen Laki-laki lebih tinggi
dibanding Perempuan. Data berdistribusi normal, Metode statistik yang tepat adalah:
a. Uji T independen
b. Uji T berkelompok

25. Seorang peneliti ingin mengetahui apakah jumlah hari absen Laki-laki lebih tinggi
dibanding Perempuan. Data berdistribusi tidak normal, Metode statistik yang tepat adalah:
a. Mann Whitney
b.

26. Seorang peneliti ingin mengetahui apakah jumlah hari absen Laki-laki lebih tinggi
dibanding Perempuan. Jika nilai P = 0.021, simpulannya adalah:
a. Jumlah absen Laki-laki lebih tinggi dibanding Perempuan
b. Jumlah absen Laki-laki berbeda dengan Perempuan
 c.

27. Seorang peneliti ingin mengetahui apakah ada perbedaan kejadian kecelakaan kerja antar
jenis kelamin. Hipotesis alternatif yang tepat adalah:
a. Ada perbedaan kejadian kecelakaan kerja menurut jenis kelamin
b. Kejadian kecelakaan kerja tidak sama menurut jenis kelamin
c. Kejadian kecelakaan kerja berbeda menurut jenis kelamin
d. Proporsi kecelakaan kerja pada Laki-2 berbeda dengan Perempuan

28. Seorang peneliti ingin mengetahui apakah ada perbedaan kejadian kecelakaan kerja
menurut jenis kelamin. Metode statistik yang tepat adalah:
a. Uji Chi square
b.

29. Seorang peneliti ingin mengetahui apakah ada perbedaan kejadian kecelakaan kerja
menurut jenis kelamin. Jika nilai P = 0.021, simpulannya adalah:
a. Ada perbedaan kejadian kecelakaan kerja menurut jenis kelamin
b. Kejadian kecelakaan kerja tidak sama menurut jenis kelamin
c. Kejadian kecelakaan kerja berbeda menurut jenis kelamin
d. Proporsi kecelakaan kerja pada Laki-2 berbeda dengan Perempuan

30. Variabel yang paling berpengaruh terhadap kejadian Diare adalah:

a. ASI tidak eksklusif

31. Interpretasikan nilai OR 4,3 untuk Gizi rendah:

b. Balita Gizi rendah memiliki risiko lebih tinggi 4,3 kali untuk mengalami Diare
dibanding gizi tidak rendah/normal
c.
32. Interpretasikan nilai OR 2,77 untuk Sosek rendah:
d. Balita sosek rendah memiliki risiko lebih tinggi 2,77 kali untuk mengalami Diare
dibanding sosek tinggi
e.
33. Interpretasikan nilai OR 0,91 untuk jenis kelamin:
a. Balita Laki-2 memiliki risiko lebih rendah 0,91 kali untuk mengalami Diare
dibanding Perempuan
b.
REVIEW TAHUN 2018
Apakah ada hubungan antara jenis kelamin dengan kejadian kecelakaan
kerja?
Apakah kejadian kecelakaan kerja berhubungan dengan jenis kelamin?
Apakah kejadian kecelakaan kerja pada laki-laki lebih tinggi dibanding
perempuan? (1-tailed)

Indepeden : Jenis kelamin

Dependen : Kecelakaan kerja

 Uji Chi-square (X2)

Utk memudahkan perhitungan X2  dibuat tabel 2 x 2, 2 x 3, dst ….

Kecelakaan kerja Total
Sex Ya Tdk
L 5 3 8
P 2 5 7
Total 7 8 15
Chi-square = Selisih dari Nilai OBSERVASI (Kenyataan) dg Nilai EXPECTACY (Harapan)

Nilai E = (Total kolom x Total Baris) / Grand Total

2
(O−E )
X 2 =∑
E
1. Ho: Kejadian kecelakaan kerja pada laki2 sama dg perempuan
Ha: Kejadian kecelakaan kerja pada laki2 lebih tinggi dari
perempuan (1-tailed)
2. Alpha = 5%
3. Uji statistik: -Uji-X2:  X2-hitung= 1,73
4. Area penolakan = ….? (alpha = 5% dan
DF = (kolom -1) * (baris -1) = (2 – 1) * (2 – 1) = 1)
 X2-tabel = ..? X2-tabel = 3,84 (1-tailed)
5. T-hitung jatuh di area penerimaan Ho  Ho diterima
6. Simpulan: Kejadian kecelakaan kerja pada laki2 sama dg
perempuan

7. Nilai-p = ….? (X2=1,73 dan DF = 1)

Antara 10% sd 50% (1-tailed)
0.10 < Nilai-p < 0.5
8. Ho diterima krn Nilai-p besar dari alpha 5% (1-tailed)
9. Simpulan: Kejadian kecelakaan kerja pada laki2 sama dg
perempuan

1. Apakah ada perbedaan total hari absen selama 2 tahun

(2008-2009) antar bagian? (Produksi, finishing, distribusi)
Dependen : total hari absen (numerik)
Independen: Bagian: 3-kategori (Produksi, finishing, distribusi)

Uji-Anova: (Numerik dan >2-Kategori)

Distribusi Finishing Produksi Total
1 1 1 1
2 2 2 2
.. .. .. ..
n1 n2 nk ..
N
Mean-1: 12 Mean-2: 8,2 Mean-k: 3,2 Mean-total:
SD-1: 2,9 SD-2: 2,9 SD-k: 2,9 7,8
{n1 x̄ 1 + n2 x̄ 2 +. .. ..+nk x̄ k }
^x =
n1 + n2 . .. . nk
Mean total: 7.8
 MSB = SSB/ (k-1) = Sums of squares (Varians) Between groups/ (jumlah kelompok – 1):

B
2

 {n ( x  xˆ )
1 1
2
 n2 ( x2  xˆ ) 2  ...nk ( xk  xˆ ) 2 }
k 1
MSB = (5*(12-7,8)2 + 5*(8,2-7,8)2 + 5*(3,2-7,8)2 / (3-1) = 194,8 / 2 = 97,4

MSw = SSW / (N-k) = Sums of squares (Varians) Within groups/ (N - jumlah kelompok):

 2

{SD 1
2
(n1  1)  SD22 (n2  1)....SDk2 (nk  1)}
W
N k

MSw = { 2,92*(5-1) + 2,92*(5-1) 2,92*(5-1) } / (15 – 3) = 100,9 / 12 = 8,41

F = MSB/ MSW = 97,4 / 8,41 = 11,58

Variasi F=
SS DF MS (MSB/MSw) Sig.
Betwee
n ? 2 97.4 11.58
Within ? 12 8.4

1. Ho: Rata-rata jumlah hari absen total sama antar bagian

Ha: Rata-rata jumlah hari absen total tdk sama antar bagian

2. Alpha = 5%
3. Uji statistik: -Uji-Anova:  Nilai-F-hitung = 11,6
4. Area penolakan = ….? (alpha/2 = 2,5% dan DF –numerator (k-1)
= 2 dan DF-denominator (N-k) = 12)
F-tabel = 5,1
 5. T-hitung jatuh di area penolakan Ho  Ho ditolak
6. Simpulan: Rata-rata jumlah hari absen total tdk sama antar
bagian

4. Nilai-p = ….?
(F-hitung =11,6 dan
DF –numerator (k-1) = 2 dan DF-denominator (N-k) = 12)
Nilai p ada dimana ????

Antara 0,001 sd 0,005

0.001 < Nilai-p < 0.005
5. Ho ditolak krn Nilai-p kecil dari alpha/2 2,5%

6. Simpulan: Rata-rata jumlah hari absen total tdk sama antar bagian
 Apakah ada perbedaan rata-rata jumlah hari absen antara tahun
2008 dengan tahun 2009?
PERBEDAAN RATA-RATA HARI ABSEN TERGANTUNG PD
TAHUN
Dependen : Hari absen
Independen: tahun (2008 vs 2009)
1. Apakah ada perbedaan rata-rata jumlah hari absen antara laki
dengan perempuan?
PERBEDAAN RATA-RATA HARI ABSEN TERGANTUNG PD SEX
Dependen : Hari absen
Independen: Sex (L/P) (n1 −1)SD 2 +(n 2−1 )SD 2
1 2
Laki (n=8, Mean = 6.0 SD= 4,2) SD 2 =
p n1 + n2 −2
Pr (n=7, Mean = 9,9 SD= 4,4)
( x̄ 1− x̄ 2 )
SD pooled 2= 18,4 t=
1
2
(8−1 )4,2 +(7−1 )4,4
2 √ SD
p
1
2( n
1
+
n2
)

SD 2 = =18 , 4
p 8+7−2

(9,9−6,0)
t= =1, 74
√ 18 , 4 ( 18 + 17 )

T-hitung = 1,74
10. Ho: Rata-rata jumlah hari absen laki2 sama dg rata-rata
jumlah hari perempuan
Ha: Rata-rata jumlah hari absen laki2 tdk sama dg rata-rata
jumlah hari perempuan (2-tailed)
Ha: Ada hubungan antara rata-rata jumlah hari absen jenis
kelamin (2-tailed)
 Ha: Rata-rata jumlah hari absen laki2 lebih kecil (1-tailed)
dibanding rata-rata jumlah hari absen perempuan

11. Alpha = 5%
12. Uji statistik: -Uji-T:  Nilai-T-hitung = -1,74
13. Area penolakan = ….? (alpha/2 = 2,5% dan DF = 13)
T-tabel = 1,77 (1-tailed) atau 2,16 (2-tailed)

(2-tailed)

(1-tailed)

14. T-hitung jatuh di area penerimaan Ho  Ho diterima

15. Simpulan: Rata-rata jumlah hari absen laki2 sama dg rata-
rata jumlah hari perempuan

16. Nilai-p = ….? (T=1,74 dan DF = 13)

Antara 5% sd 10% (1-tailed)
0.10 >Nilai-p>0.05

Antara 2,5% sd 5% (2-tailed)

17. Ho diterima krn Nilai-p besar dari alpha 5% (1-tailed)

Ho diterima krn Nilai-p besar dari alpha/2 2,5% (2-tailed)
18. Simpulan: Rata-rata jumlah hari absen laki2 sama dg rata-
rata jumlah hari perempuan

2. Apakah rata-rata jumlah hari absen 2009 lebih rendah

dari 2008? d̄
n = 15 t=
Mean delta 2009 – 2008 = - 1,0 hari SDd
SD delta = 1,69 hari
T-hitung = - 2,29
√n
−1,0
t= =−2 , 29
1 , 69
√ 15
1. Ho: Rata-rata jumlah hari absen 2009 sama dg rata-rata jumlah
hari absen 2008
Ho: Tidak ada perbedaan jumlah hari absen 2009 dg 2008
Ha: Rata-rata jumlah hari absen 2009 lebih rendah (1-tailed)
dibanding rata-rata jumlah hari absen 2008

2. Alpha = 5%
3. Uji statistik: -Uji-T:  Nilai-T-hitung = -2,12
4. Area penolakan = ….? (alpha = 5% dan DF = n-1 = 14)
T-tabel = -1,76 (1-tailed)

(1-tailed)
 5. T-hitung jatuh di area penolakan Ho  Ho ditolak
6.Simpulan: Rata-rata jumlah hari absen 2009 lebih
rendah dibanding rata-rata jumlah hari absen
2008

Hubungan umur dengan total absen, didapat R = 0,68,

Hasil uji t-korelasi (T-hitung-korelasi = 3.34)  Nilai-p < 5% 
Ho ditolak  Simpulan: Ada korelasi kuat yang positif antara umur
dengan total hari absen.

Jika ada seorang karyawan berumur 33 tahun, hitunglah perkiraan

lama hari absennya (ditahun 2012)?
Y = a + bX  Hari absen = a + b (Umur)
a = mean Y – [ b * (mean X) ] ∑x∑ y
∑ xy − n
b= 2
=0 .51
(∑ x )
∑ x 2− n

a = mean Y – [ b * (mean X) ] = (117/15) - [ 0,51*500/15) ] = -9.34

Persamaan garis lurus  Hari absen = - 9,34 + 0,51 (Umur)
Jika ada seorang karyawan berumur 33 tahun, hari absen = ??
 Hari absen = - 9,34 + 0,51 (Umur) = - 9,34 + [ 0,51 (33) ] = 7-8 hari

R = koef korelasi-Pearson (kuat-lemah, signifikan atau tidak)

b = koef regresi (besaran perubahan Y, jika X berubah satu satuan unit)
Hari absen (hari) = - 9,34 + 0,51 (Umur-th) + b2X2 + b3X3
Besarnya perubahan pada total hari absen, jika umur berubah 1 tahun
jika umur meningkat 1 tahun, maka hari absen bertambah 0,51 hari,
R = koef determinasi (besaran variasi nilai Y (dalam %) yg dapat dijelaskan
2

oleh variabel X)
R = 0,68  R = 0,46  46% variasi nilai Y dapat dijelaskan oleh umur
2
 Sisanya 54% lagi dijelaskan oleh variabel lain yg
tidak/belum diukur
R = koef korelasi-Pearson  (Uji parametrik)  memenuhi asumsi
distribusi normal
R = koef korelasi-Spearman  (Uji non parametrik)  tidak ada
asumsi yang perlu dipenuhi (free distribution)
 • TUGAS:
1. Hitunglah pada kepercayaan 95%, berapa kisaran nilai rata-rata hari absensi
(total 2008-09) pada laki-laki
2. Hitunglah pada kepercayaan 95%, berapa kisaran nilai rata-rata hari absensi
(total 2008-09) pada Perempuan
3. Hitunglah pada kepercayaan 95%, berapa kisaran nilai rata-rata hari absen
th 2008
4. Hitunglah pada kepercayaan 95%, berapa kisaran nilai rata-rata hari absen th
2009

• TUGAS:
• Dari data absensi pekerja, lakukan uji statistik:

LATIHAN 1
Skala Pengukuran, Pengumpulan, dan Penyajian Data

Seorang Mhs tingkat akhir S-2 FKM UI ingin melakukan suatu penelitian yang terkait dengan karakteristik
& motivasi belajar mahasiswa S-1 th 2010. Anda diminta bantuannya untuk mengisi kuesioner berikut:
(Mohon diisi dan dilengkapi data dari seluruh kelas)

1. Nomor Identitas : _____ _____ (No urut absen)

2. Jenis kelamin : 1. Pria 2. Wanita
3. Gol. Darah : A, B, O, AB
4. Umur : ___ ____ (tahun)
5. Pendidikan tertinggi yang ditamatkan oleh orang tua laki-laki (Bapak): ____ SD, SLP,SMU, PT
6. Ras (Suku ) : ………………..
7. Jumlah saudara kandung : ___ ___ (orang)
8. Tinggi Badan : ___ ___ ___ (cm)
9. Berat Badan : ___ ___ (kg)
10. Skore IQ : ___, ___
11. Motivasi kuliah Biostat (skor 1—10) skor 1= rendah, 10=tinggi : __ __ __

Tugas:-1
A. Lengkapi isian tersebut untuk seluruh anggota kelas, data kelas akan dipakai untuk pengolahan selanjutnya,
sbb.
No Gol Umur Didik Suku/ Jml TB BB Skor IQ Skore
Darah ortu Ras saudara Motivasi
laki- kandung
laki (Jumlah (sesudahU
anak TS)
ortu)
1 O 24 SMA Jawa 2 157 77 122 8
2 B 28 STM Sunda 3 155 55 122 8
3 A 22 S-1 Jawa 6 150 45 123 6
4 O 17 S-1 Betawi 7 155 48 123 9
14 B 21 S-2 Minang 1 165 75 121 8
 15 B 23 D3 Jawa 2 165 57 121 9
16 B 18 SMA Jawa 2 160 58 123 9
17 AB 18 S-1 Bugis 4 170 55 125 10
6 O 21 SMA Jawa 3 173 45 123 8
5 O 18 S-1 Sunda 3 168 46 110 9
7 B 17 SMA Minang 2 165 73 117 10
8 A 18 S-1 Batak 2 152 49 120 9
9 B 18 S-1 Minang 2 164 50 113 9
10 O 19 D3 Jawa 1 154 50 118 8
11 AB 23 SMP Sunda 3 150 42 120 8
12 O 22 D2 Sunda 2 163 45 116 9
13 B 32 SMA Jawa 2 158 70 120 8
Tugas:
Buatlah Hipotesis alternatif (1-tailed) dan tentukan jenis uji statistik untuk
hipotesis berikut:
1. Apakah Golongan darah mempengaruhi IQ?
(2-tailed) Ada perbedaan rata-rata IQ menurut Gol.Darah
UJI: Anova

2. Apakah Golongan darah mempengaruhi IQ? (dikelompokan jadi 2,

rendah: kurang sama dg 120 dan tinggi: lebih 120) (2-tailed)
(2-tailed) Ada perbedaan IQ menurut Gol.darah (tinggi/rendah)
(1-tailed) Gol darah O memiliki IQ lebih rendah dibanding gol.darah lain
(1-tailed) Gol darah O memiliki % IQ-rendah lebih banyak dibanding gol.darah
lain
UJI: Chi-square

3. Apakah ada pengaruh umur terhadap motivasi belajar?

(2-tailed) ada pengaruh umur terhadap motivasi belajar
(1-tailed) Semakin tua umur, semakin rendah motivasi belajar
UJI: Korelasi

4. Apakah berat badan mempengaruhi tinggi badan?

Semakin naik tinggi badan, semakin naik berat badan
UJI: Korelasi

5. Apakah pendidikan ortu mempengaruhi jumlah anaknya?

 Semakin rendah pendidikan ortu, semakin banyak jumlah anak
UJI: Anova

6. Apakah skore IQ (dikelompokan jadi 2: kurang sama dg 120 dan lebih 120)
mempengaruhi motivasi?
(1-tailed) Semakin tinggi IQ, semakin tinggi motivasi belajar
1.Ho: Rata-rata skore motivasi pd mhs IQ tinggi = mhs IQ rendah
Ha: (1-tailed) Rata-rata skore motivasi pd mhs IQ tinggi > mhs IQ rendah
2.UJI: T-test (Independen)
3. alpha = 0.05
IQ tinggi IQ rendah
mean 7.9 8.1
SD 1.05 0.83
n 9 8

(n1 −1)SD 2 +(n 2−1 )SD 2

4. Hitung dg -Formula: 1 2
SD 2 = =0 . 89
p n1 + n2 −2

( x̄1 − x̄ 2 ) (7,9−8,1 )
t= = =0 , 44
√SD 2 [(1/n1 )+(1/n2 ) ] √0 , 89[( 1/9 )+(1/8 )]
DF = n1 + n2 – 2 = 15
p
5. Keputusan: Ho gagal ditolak
Metode klasik: T-tabel = 1,7 (pertemuan df:15 dg alpha 0.05)
Metode probabilitas: P-value > 0,10 (pertemuan df:15 dg T-hitung 0,44)
6. Simpulan: Tidak cukup bukti utk menyatakan rata-rata motivasi IQ tinggi lebih besar
dari IQ rendah
Atau Rata-rataskore motivasi pd mhs IQ tinggi sama dg mhs IQ rendah
Atau Tdk ada hubungan antara IQ dg motivasi
Atau Tdk ada pengaruh dari IQ terhadap motivasi
7. A. Hitunglah estimasi 95% CI skore motivasi pada mereka yg IQ-tinggi (lebih
120)
8. Formula: Estimasi Rata-rata Std.Populasi tdk diketahui
SD
.. CI = χ±t (α /2 , df =n−1 )
7.9
√n
mean
1.05 SD
9 9

Nilai-t: Pertemuan alpha per dua (0.025) dg DF (n-1) : (9-1) : Df= 8

Nilai-t = 2.306
95%CI skore motivasi = 7,9 + 2.306 * 1,05 / akar-9
MOTIVAS
I
Tinggi 7
Tinggi 7
Tinggi 7
Tinggi 8
Tinggi 7
Tinggi 8
Tinggi 8
Tinggi 10
Tinggi 9
7.9 95%CI
mean = 7.08 lower
1.05 uppe
SD 8.70 r

Kita yakin 95% bahwa skore motivasi mereka yg IQ tinggi berkisar

Antara 7,08 sd 8,70

B. Hitunglah estimasi 95% CI skore motivasi pada mereka yg IQ-rendah (kurang

atau sama dengan 120)
Rendah 8
Rendah 8
Rendah 9
Rendah 9
Rendah 9
Rendah 7
Rendah 8
 Rendah 7
8.1 95%CI
mean = 7.44 lower
0.83 SD 8.81 upper
Kita yakin 95% bahwa skore motivasi mereka yg IQ rendah berkisar
Antara 7,44 sd 8,81

9. Apakah ada perubahan motivasi sesudah mengikuti UTS?

(2-tailed) Ada perbedaan motivasi belajar antara sebelum dan sesudah UTS
(1-tailed) Ada kenaikan rata-rata motivasi belajar sesudah UTS
UJI: T-test (Paired/berpasangan)
Uji-t: (Numerik dan 2-Kategori)
a.Berpasangan

No Sebelum Sesudah Selisih

(X1) (X2) (X1 – X2)
1
2
..
n
Mean:
SD:
d̄
Formula: t=
SD d
DF = n-1 √n
b.Independen

Kategori-1 Kategori-2
(X1) (X2)
1 1
2 2
.. ..
n1 ..
n2
Mean-1: Mean-2:
SD-1: SD-2:

Formula: (n1 −1)S 2 +(n2 −1)S 2 ( x̄1 − x̄ 2 )

SD 2 = 1 2 t=
p n1 +n2 −2 √ SD p2 [(1/ n1 )+(1/n2 )]
DF = n1 + n2 - 2
 Uji-Anova: (Numerik dan >2-Kategori)
Kategori-1 Kategori-2 Kategori-k Total
1 1 1 1
2 2 2 2
.. .. .. ..
n1 n2 nk ..
N
Mean-1: Mean-2: Mean-k: Mean-total:
SD-1: SD-2: SD-k:
{n1 x̄ 1 + n2 x̄ 2 +. .. ..+ nk x̄ k }
Mean total: ^x =
n1 + n2 . .. . nk
MSB = SSB/ (k-1) = Sums of squares (Varians) Between groups/ (jumlah kelompok – 1):

B
2

{n ( x  xˆ)
1 1
2
 n2 ( x2  xˆ ) 2  ...nk ( xk  xˆ ) 2 }
k 1
MSw = SSW / (N-k) = Sums of squares (Varians) Within groups/ (N - jumlah kelompok):

 2

{SD 1
2
(n1  1)  SD22 (n2  1)....SDk2 (nk  1)}
W
N k

Source of Sums of Df Mean Squares F(Anova)

variation Squares
Between SSB k-1 MSB=SSB/k-1 MSB/MSw
Within SSW N- k MSw= SSw/N-k
Total SST N-1

Metode klasik:
F tabel pada a = 0.05: Ho ditolak jika F-tabel >= F-hitung
- Numerator = k –1
- Denominator = N – k

Metode probabilitas:
Nilai-p pada Fhitung …… Ho ditolak jika Nilai-p <= alpha (0.05)
- Numerator = k –1
- Denominator = N – k

Uji-Chi-Square: (Kategorik dan Kategorik)

2
(O−E )
X 2 =∑
E Total baris∗Total kolom
E=
GrandTotal
O = Observed E = Expected

DF ( uji chi )squre

=( Jml kolom −1)∗( Jml baris−1 )

Khusus tabel 2 x 2:

n[{ad−bc }−(n/2)]
2 ∑ x∑ y
2
X = ∑ xy− n
(a+b)(c +d )(a+c )(b +d ) r=
2 2
DF = (kolom -1) * (baris -1)
√[ 2
∑x −
(∑ x )
n ][ ∑ 2
y −
(∑ y )
n ]
Uji-Korelasi: (Numerik dan Numerik)
Buat Tabel utk memudahkan perhitungan:

X X2 Y Y2 X*Y

∑X ∑X2 ∑Y ∑Y2 ∑(XY)

(∑X)2 (∑Y)2
∑ x∗∑ y
Korelasi: r=
∑ xy− n
2 2

√[ ∑x
4425−
2
n
−
500∗123
(∑ x)
][ ∑ 2
y −
(∑
n
y)
]
15
r= = 0. 89
2 2

√[ 17180−
( 500 )
15
1269−
( 123 )
]
15

Apakah nilai  (rho = koef korelasi di populasi) (dengan

korelasi pada sampel r = R = 0.89) betul-betul ada korelasi
atau korelasi yang terjadi secara kebetulan ?

Kisaran nilai R = 0.0 (tdk ada korelasi) sampai

1.0 (ada korelasi sempurna)
Bentuk korelasi : Positif (X makin tinggi, Y makin tinggi)
 Negatif (X makin tinggi, Y makin rendah)
Kekuatan korelasi:
Sangat lemah : 0,0 – 0,2
Lemah : 0,2 – 0,4
Sedang : 0,4 – 0,6
Kuat : 0,6 – 0,8
Sangat Kuat : 0,8 – 1,0

1. Ho: Tdk ada korelasi antara umur dan lama kerja ( = 0.0)
Ha: Ada korelasi antara umur dan lama kerja ( ≠ 0.0)
2. Alpha = 5%
3. Uji statistik: -Uji-T utk korelasi:
T-hitung-korelasi= 7,04 n  2 5  2
t  r.  0 .9 7  6 .9 1
n−2
√
2 2
T −korelasi=r∗ 1  r 1  0 .9 7
1−r 2
15−2
T −korelasi=0 .89∗
√ 1−0 .89 2
=7 . 04

4. Area penolakan = ….? (alpha/2 = 2,5% dan

DF = (n - 2) = (15 – 2) = 13)
 X2-tabel = ..? X2-tabel = 3,84 (1-tailed)

5. T-hitung jatuh di area penerimaan Ho  Ho ditolak

6. Simpulan: Ada korelasi antara umur dan lama kerja
 7. Nilai-p = ….? (X2=1,73 dan DF = 1)
Antara 10% sd 50% (1-tailed)
0.10 < Nilai-p < 0.5
8. Ho diterima krn Nilai-p besar dari alpha 5% (1-tailed)
9. Simpulan: Kejadian kecelakaan kerja pada laki2 sama dg
perempuan

Persamaan Garis Linier: Y = a + bX

∑ x∑ y
∑ xy− n
r= r−0
2 2
t=

√[ ∑ x2−
(∑ x )
n ][ ∑ y2−
(∑ y )
n ] √( 1−r2) /( n−2 )
DF = n-1

Regresi Linier: (Numerik dan Numerik)

Y = a + bX

b=
∑ xy −[ (∑ x )( ∑ y ) ] /n
2
∑ x 2−[(∑ x ) ] /n
a= ȳ−b x̄ = mean Y – b (mean X)
 REVIEW BIOSTATISTIK
Data berikut merupakan hasil penelitian terhadap 15 responden

No umur Bekerja Pendidikan Anak ke Berat Bayi lahir BBLR

1 22 YA Rendah 1 2722 Tidak
2 25 TIDAK Rendah 3 2955 Tidak
3 27 YA Rendah 1 2750 Tidak
4 26 TIDAK Rendah 3 2925 Tidak
5 31 YA Rendah 1 2250 Ya
6 32 TIDAK Menengah 3 3020 Tidak
7 35 YA Menengah 2 3155 Tidak
8 37 TIDAK Menengah 4 2195 Ya
9 39 YA Menengah 3 3245 Tidak
10 41 TIDAK Menengah 6 3395 Tidak
11 42 YA Tinggi 3 2280 Ya
12 35 TIDAK Tinggi 6 2355 Ya
13 34 YA Tinggi 4 3125 Tidak
14 36 TIDAK Tinggi 7 2405 Ya
15 38 YA Tinggi 5 3355 Tidak

1. Apakah rata-rata berat bayi berbeda antara ibu yg kerja dengan yg tidak
Jenis Uji statistik (40%): Uji-t (independen) [numerik-kategotik, 2 kategori
(kerja/tdk)]
Tdk kerja kerja
n 7 8
mean 2,750 2,860.3
SD 436.8 429.3

SD-p-kuadrat 187,292
T-hitung -0.492

2. Apakah kejadian BBLR berbeda antara ibu yg kerja dengan yg tidak

Jenis Uji statistik: Uji-Chi square [kategorik-kategorik]

BBLR Total
Tidak Ya
Tidak 4 3 7
Ya 6 2 8
10 5 15

Chi-square-hitung = 0,54
3. Apakah rata-rata berat bayi berbeda menurut Pendidikan (Rendah, Menengah,
& Tinggi)
Jenis Uji statistik: Uji-Anova [numerik-kategorik, 3 kategori]

Didik rendah menengah tinggi total

Mean 2720.4 3002.0 2704 2808.8
SD 282.424 471.2961 498.0010
n 5 5 5
 Sumber Sum of Varians
variasi square df (Mean square) F-hitung
Betwee
n 280,619.2 2 140,309.60 0.765
Within 2,199,553.2 12 183,296.10

4. Apakah ada hubungan antara UMUR ibu dengan berat bayi lahir
Jenis Uji statistik: Uji-Korelasi [numerik-numerik]

R= 0.054
T-korelasi 0,19

5. Bila seorang ibu berusia 40 tahun, perkirakanlah berapa berat bayi lahirnya
Regresi linier, Y(berat bayi) = a + b (usia ibu)
Berat bayi = 2.682,56 + 3,78 (usia ibu)
 Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 2682.566 651.463 4.118 .001
umur 3.787 19.250 .054 .197 .847
a. Dependent Variable: berat_lahir