TUGAS

“KONSEP DASAR BIOSTATISTIK INFERENSIAL, UJI KORELASI

DENGAN STATISTIK NON PARAMETRIK DAN UJI KORELASI DENGAN
STATISTIK PARAMETRIK”

OLEH

NAMA : ERNA
NIM : P10119227
KELAS :F

FAKULTAS KESEHATAN MASYARAKAT

UNIVERSITAS TADULAKO
PALU
2020
 KONSEP DASAR BIOSTATISTIK INFERENSIAL

A. Statistik
Statistik secara sempit diartikan sebagai data, arti luas diartikan sebagai
alat. Jadi dapat disimpulkan statistic adalah Alat untuk analisis, dan alat untuk
membuat keputusan. Statistik digunakan untuk membatasi cara-cara ilmiah untuk
mengumpulkan, menyusun, meringkas, dan menyajikan data penyelidikan.
B. Ruang Lingkup Statistik
1. Statistik Deskriptif
 Mengambarkan atau menganalisis suatu statistik hasil penelitian tetapi
tidak digunakan untuk membuat kesimpulan yang lebih luas
(generalisasi/inferensial).
 Penelitian tidak bermaksud untuk membuat suatu kesimpulan terhadap
populasi dari sampel yang diambil, statistik yang digunakan adalah
statistik deskriptif.
2. Statistik Inferensial
 Menganalisis data sampel, dan hasilnya akan digeneralisasikan untuk
populasi dimana sampel diambil.
 Terdapat dua jenis statistikinferensial yaitu statistik parametrik dan
statistik non parametrik.
 Statistik parametrik digunakan untuk menganalisis data yang
berbentuk interval dan rasio sedangkan statistik non parametrik
biasanya digunakan untuk menganalisis data yang berbentuk nominal
dan ordinal
C. Statistik Inferensial
Statistik inferensial adalah teknik analisis data yang digunakan untuk
menentukan sejauh mana kesamaan antara hasil yang diperoleh dari suatu sampel
dengan hasil yang akan didapat pada populasi secara keseluruhan.
 Jadi statistik inferensial membantu peneliti untuk mencari tahu apakah
hasil yang diperoleh dari suatu sampel dapat digeneralisasi pada populasi.
D. Jenis-jenis Uji Statistik Inferensial
 Parametrik
Statistik Parametrik, yaitu teknik yang didasarkan pada asumsi
bahwa data yang diambil mempunyai distribusi normal dan menggunakan
data interval dan rasio.
 Uji t
t Test atau t Student (disebut juga uji t) merupakan alat uji
statistik yang digunakan untuk menguji hipotesis komparatif dua
sampel bila datanya berada pada skala interval atau rasio
(Martono, 2010). Pengujian dengan menggunakan t Test ini
tergolong dalam uji perbandingan (komparatif) yang bertujuan
untuk membandingkan (membedakan) apakah rata-rata kedua
kelompok yang diuji berbeda secara signifikan atau tidak. Adapun
syarat untuk menggunakan t Test yaitu:
1. Variabel independen (x) harus berada pada skala nominal atau
ordinal (bersifat kategoris).
2. Variabel dependen (y) harus berada pada skala interval atau
rasio.
Langkah-langkah pengujian uji t adalah sebagai berikut:
1. Menentukan hipotesis
o Ho: Variabel independen (X) secara individual tidak
mempengaruhi variabel dependen (Y).
o Ha: Variabel independen (X) secara individual
mempengaruhi variabel dependen (Y).
2. Menentukan derajat kepercayaan 10% (α=0,1).
3. Menentukan signifikansi
 o Nilai signifikansi ≤ 0.1, maka H0 ditolak dan Ha
o Nilai signifikansi > 0.1, maka H0 diterima dan Ha
4. Membuat kesimpulan
o Apabila t hitung memiliki nilai signifikansi ≤ 0.1 maka
H0 ditolak dan Ha Artinya variabel independen secara
individual mempengaruhi variabel dependen.
o Apabila t terhitung memiliki nilai signifikansi > 0.1,
maka H0 diterima dan Ha Artinya variabel independen
secara individual tidak mempengaruhi variabel
dependen.
 Analysis of varian (Anova)
Analysis of varian (Anova) atau uji F merupakan sebuah
alat uji statistik yang digunakan untuk menguji hipotesis
komparatif k sampel bila datanya berada pada skala interval atau
rasio. Pengujian menggunakan Anova ini tergolong dalam uji
perbandingan (komparatif) yang bertujuan untuk membandingkan
(membedakan) apakah rata-rata tiga kelompok (atau lebih) yang
diuji berbeda secara signifikan atau tidak (Martono, 2010). Ada
dua macam analisis varians, yaitu analisis varians klasifikasi
tunggal dan analisis varians klasifikasi jamak atau ganda. Pada
analisis varians klasifikasi tunggal yang terdapat hanya variabel
kolom dan tidak terdapat variabel baris. Analisis varians klasifikasi
tunggal ini biasa disebut dengan istilah anava satu jalan.
Sedangkan, analisis varians klasifikasi tunggal memiliki variabel
kelompok/kolom dan variabel baris (Arikunto, 2013). Adapun
langkah-langkah pengujiannya sebagai berikut:
1. Menentukan hipotesis
 o Ho: Semua variabel independen (X) secara simultan
tidak mempengaruhi variabel dependen (Y).
o Ha: Semua variabel independen (X) secara simultan
mempengaruhi variabel dependen (Y).
2. Menentukan derajat kepercayaan 10% (α=0,01)
3. Menentukan signifikansi
o Nilai signifikansi ≤ 0,1, maka H0 ditolak dan Ha
o Nilai signifikansi > 0,1, H0 diterima dan Ha
4. Membuat kesimpulan
o Apabila F hitung memiliki nilai signifikansi ≤ 0,1,
maka H0 ditolak dan Ha Artinya variabel independen
secara individual mempengaruhi variabel dependen.
o Apabila F hitung memiliki nilai signifikansi > 0,1,
maka H0 diterima dan Ha Artinya variabel independen
secara individual tidak mempengaruhi variabel
dependen.
 Analisis regresi
Analisis regresi adalah analisis persamaan garis yang
diperoleh berdasarkan perhitungan-perhitungan statistika,
umumnya disebut model, untuk mengetahui bagaimana perbedaan
sebuah variabel memengaruhi variabel lain. Dalam statistik kita
kenal berbagai ragam analisis regresi, seperti regresi linear, regresi
polynomial, regresi kubik (Bungin, 2005).
 Teknik korelasi
Teknik korelasi digunakan untuk mengetahui tiga hal pada
dua variabel atau dua set data (Cohen dkk, 2007). Teknik korelasi
terdiri atas teknik korelasi tunggal dan teknik korelasi jamak.
Teknik korelasi tunggal yaitu digunakan pada penelitian yang
 bertujuan mencari korelasi antara dua variabel penelitian.
Sedangkan, teknik korelasi jamak digunakan untuk penelitian yang
bertujuan mencari korelasi antara tiga atau lebih variabel.
Beberapa teknik korelasi tunggal yang umumnya dapat digunakan
dalam penelitian adalah teknik korelasi product moment, teknik
korelasi rank order, teknik korelasi contingency dan teknik korelasi
tetrachoric. Sedangkan teknik korelasi jamak terdiri atas teknik
korelasi serial, teknik korelasi point serial dan teknik-teknik
Yulis’Q (Bungin, 2005).
 Non Parametrik
Statistik non parametric adalah tes yang modelnya tidak
menetapkan syarat-syarat mengenai parameter-parameter populasi yang
merupakan induk sampel penelitiannya. Tes non parametrik tidak menuntut
pengukuran sekuat yang dituntut tes statistik parametrik. Sebagian besar tes
non parametrik dapat diterapkan untuk data dalam skala ukur ordinal dan
beberapa yang lain dapat diterapkan untuk data dalam skala ukur nominal.
Meskipun semua anggapan tes parametrik mengenai populasi dan
syarat-syarat mengenai kekuatan pengukuran dipenuhi (5 poin syarat
parametrik), kita ketahui bahwa dengan memperbesar ukuran
sampel dengan banyak elemen yang sesuai dapat menggunakan suatu tes
non parametrik sebagai ganti tes parametrik dengan masih
mempertahankan kekuatan yang sama untuk menolak H0.
 Kelebihan Statistik Nonparametrik
Apa asaja kelebihan atau manafaat dari statistik nonparametric
1. Nilai peluang hasil analisis dapat diperoleh dengan pasti”.
2. Dapat dipergunakan untuk menganalisis dengan jumlah cuplikan
(sampel) yang sedikit (batas minimal).
 3. Dapat dipergunakan untuk menganalisis data yang populasinya
berbeda.
4. Dapat dipergunakan untu menganalisis data yang diukur menurut
skala nominal atau ordinal.
5. Metode analisisnya relatif mudah dengan hanya menggunakan
aljabaryang sederhana.
6. Mudah dipelajari dan dipergunakan.
Walaupun statistik nonparametrik jauh lebih -eksibel karena tidak
memerhatikan berbagai persyaratan yang cukup ketat seperti padastatistik
parametrik, namun penggunaan statistik parametrik tetaplah diutamakan.
Sehngga jika berdistribusi normal atau bertipe rasio atau ada dalam jumlah
besar, pilihan statistik parametrik haruslah didahulukan.
 Kelemahan Statistik Nonparametrik
Adapun yang menjadi kelemahan statistik nonparamatrik adalah
1. Bila asumsi normal dapat dipenuhi maka kesimpulan analisis
yangdiperoleh kemungkinan membias.
2. Statistik Nonparametrik tidak bisa dipergunakan untuk mengukur
interaksi.
3. Karena tidak bisa dipakai untuk analisis regresi, praktis statistik
nonparametrik bukan untuk peramalan.
 Jenis-jenis statistik non parametric
1. Uji Man-Whitney
2. Uji Kruskal-Wallis
3. Uji Friedman
4. Uji-Cohran
5. Korelasi Kendal
6. Korelasi spcarman
E. Syarat Menggunakan Uji Statistik Inferensial
  Statistik parametrik mensyaratkan bahwa distribusi data normal dan
variansi data harus sama
 Statistik non parametrik tidak memerlukan syarat distribusi data normal
dan variansi sama

KONSEP UJI KORELASI DENGAN STATISTIK NON PARAMETRIK

A. Korelasi Non Parametrik

Non-parametrik adalah metode yang tidak mendasarkan pada asumsi
distribusi populasi. Uji Korelasi Non-parametrik adalah metode untuk mengetahui
tingkat keeratan hubungan yang dimiliki antar variabel dalam penelitian yang
tidak mendasarkan pada asumsi distribusi populasi.
B. Syarat-Syarat Uji Korelasi Non Parametrik
Syarat statistik non-parametrik
a. Data tidak berdistribusi normal
b. Umumnya data berskala nominal dan ordinal
c. Umumnya dilakukan pada penelitian social
d. Umumnya jumlah sampel kecil
C. Jenis-Jenis Uji Korelasi Non Parametrik
Terdapat tiga jenis koefisien korelasi peringkat pada nonparametrik yang
umumnyadigunakan yaitu Spearman R, Kendal tau dan Gamma Coefficient.
Statistik chi -square jugamerupakan bagian dari korelasi non-parametrik,
tetapi berbeda dengan ketiga jenis korelasitersebut, perhitungannya
didasarkan pada tabel frekuensi dua arah (tabel silang). Selain itu,dalam
Spearman R, Kendal tau dan Gamma mempersyaratkan data dalam skala
ordinal (ataudapat diordinal/di peringkat), sedangkan pada statistik chi-square
dapat berupa data nominalmaupun ordinal. Untuk statistik chi-square akan
dibahas pada seri tulisan mengenai non-parametrik berikutnyaSpearman R
adalah ukuran korelasi pada statistik non-parametrik yang analog dengan
 koefisienkorelasi Pearson Product Moment pada statistik parametrik. Spearman R
adalah korelasi Pearsonyang dihitung atas dasar rank dari data.
Kendal tau, adalah ukuran korelasi yang setara dengan Spearman R,
terkait dengan asumsi yangmendasarinya serta kekuatan statistiknya. Namun,
besaran Spearman R dan Kendal tau akanberbeda karena perbedaan dalam
logika mendasari serta formula perhitungannya.Jika Spearman R setara
dengan koefisien korelasi Pearson Product Moment, yaitu
koefisienkorelasinya pada dasarnya menunjukkan proporsi variabilitas
(dimana untuk Spearman Rdihitung dari ranks sedangkan korelasi Pearson dari
data aslinya), sebaliknya ukuran Kendal taumerupakan probabilita perbedaan
antara probabilita data dua variabel dalam urutan yang samadengan
probabilita dua variabel dalam urutan yang berbeda.Berdasarkan logika
perhitungan ini, Noether (1981) dalam (Daniel,1991) mengemukakan
bahwakoefisien Kendal tau lebih mudah ditafsirkan dibandingkan Spearman
R Gamma statistic, lebih baik dibandingkan Spearman R atau Kendal tau ketik a
data mengandungbanyak observasi yang memiliki nilai yang sama. Gamma
ekuivalen dengan Spearman R danKendal tau dari sisi asumsi yang
mendasarinya. Tetapi dari sisi intepretasi dan perhitungannya,Gamma lebih mirip
dengan Kendal tau.
D. Interpretasi Kesimpulan Berdasarkan Nilai Koefisien Korelasi
Analisis Korelasi. Korelasi merupakan teknik analisis dan pengolahan data
statistik yang digunakan untuk menguji ada atau tidaknya hubungan serta arah
hubungan dari dua variabel atau lebih. Beberapa teknik analisis korelasi seperti:
Korelasi Sederhana (bivariate correlation), Korelasi Berganda, dan Korelasi
Partial. Dalam SPSS ada beberapa metode korelasi, yaitu: Pearson Correlation,
Kendall’s Tau-b, dan Spearman Correlation. Besar kecilnya koefisien korelas: -1  0
+1.

 Besaran koefisien -1 dan 1 adalah hubungan yang sempurna,

 Nilai Koefisien 0 atau mendekati 0 dianggap tidak berhubungan antara dua
variabel yang diuji.
Arah hubungan korelasi:
 Positif (Koefisien 0 s.d. 1)
 Negatif (Koefisien 0 s.d. -1)
 Nihil (Koefisien 0).
Pearson Correlation digunakan untuk data berskala interval atau rasio,
sedangkan Kendall’s tau-b, dan Spearman Correlation lebih sesuai untuk data
berskala ordinal. Pedoman untuk memberikan interpretasi koefisien korelasi
(Sugiyono, 2012: 257), sebagai berikut:
 0,00 – 0,199 = Korelasi sangat rendah
 0,20 – 0,399 = Korelasi rendah
 0,40 – 0,599 = Korelasi sedang
 0,60 – 0,799 = Korelasi kuat
 0,80 – 1,000 = Korelasi sangat kuat
 KONSEP UJI KORELASI DENGAN STATISTIK PARAMETRIK

A. Mengkaji pengertian uji korelasi parametrik

Merupakan bagian statistik inferensia yang mempertimbangkan nilai dari
satu atau lebih parameter populasi. ada beberapa syarat dari yang perlu dipatuhi
yaitu:
1. Skala Pengukuran Variabel: Skala pengukuran variabel harus variabel numeric
2. Sebaran data: sebaran data harus normal.
3. Varians data
 Kesamaan varians tidak menjadi syarat untuk uji kelompok yang
berpasangan.
 Kesamaan varians adalah syarat tidak mutlak untuk dua kelompok
tidak berpasangan.
 kesamaan varians menjadi syarat mutlak untuk lebih dari dua kelompok
tidak berpasangan.
Korelasi Merupakan cara untuk mengetahui ada tidaknya hubungan antar
2 variabel dengan mengukur kekuatan hubungan antar variable. Hubungan atau
korelasi antara kejadian satu dengan kejadian yang lainnya dapat dinyatakan
dengan adanya perubahan nilai variable. Misalnya :
 Variabel harga (X)  naik turunnya harga dinyatakan dalam perubahan
nilai X
 Variabel hasil penjualan (Y)  naik turunnya hasil penjualan
diperlihatkan dari perubahan pada nilai Y
B. Menjelaskan bentuk-bentuk korelasi
 1. Korelasi Positif
Korelasi/hubungan jika kenaikan variabel X diikuti pula dengan
kenaikan variabel Y dan sebaliknya penurunan variabel X diikuti dengan
penurunan variabel Y.
2. Korelasi Negatif
Korelasi/hubungan jika kenaikan variabel X diikuti dengan penurunan
pada variabel Y atau penurunan variabel X diikuti dengan kenaikan variabel Y
3. Tidak Ada Korelasi
Jika kedua variabel tidak memperlihatkan adanya hubungan. Ketika X
naik Y naik tapi pada saat bersamaan Y juga bisa turun.
4. Korelasi Sempurna
Jenis korelasi di mana kenaikan ataiu penurunan variabel X
berbanding dengan kenaikan atau penurunan variabel Y
C. Menjelaskan koefisien korelasi
Koefisien korelasi adalah nilai yang menunjukan kuat/tidaknya hubungan
linier antar dua variabel. Koefisien korelasi biasa dilambangkan dengan huruf r
dimana nilai r dapat bervariasi dari -1 sampai +1. Nilai r yang mendekati -1 atau
+1 menunjukan hubungan yang kuat antara dua variabel tersebut dan nilai r yang
mendekati 0 mengindikasikan lemahnya hubungan antara dua variabel tersebut.
Sedangkan tanda + (positif) dan  – (negatif) memberikan informasi mengenai arah
hubungan antara dua variabel tersebut. Jika bernilai + (positif) maka kedua
variabel tersebut memiliki hubungan yang searah. Dalam arti lain peningkatan X
akan bersamaan dengan peningkatan Y dan begitu juga sebaliknya. Jika bernilai –
(negatif) artinya korelasi antara kedua variabel tersebut bersifat berlawanan.
Peningkatan nilai X akan dibarengi dengan penurunan Y.
Perlu diketahui bahwa hasil dari koefisien koefisien korelasi hanya bisa
digunakan sebagai indikasi awal dalam analisa. Nilai dari koefisien korelasi tidak
dapat menggambarkan hubungan sebab akibat antara variabel X dan Y. Untuk
sampai pada adanya hubungnan sebab dan akibat diperlukan penelitian yang lebih
 intensif atau dapat didasarkan pada teori yang ada dimana X mempengaruhi Y
atau Y yang mempengaruhi X.
Selain itu, dalam menganalisa hubungan antara  X dan Y, tentunya harus
didasarkan adanya hubungan yang logis antara kedua variabel tersebut. Kita tidak
bisa sembarangan mengukur koefisien korelasi antara dua variabel. Misalnya, 
variabel Y merupakan data mengenai banyaknya angka kecelakan yang terjadi di
Jakarta pada tahun 2013 dan variabel X adalah jumlah kasus pencurian di Jakarta
pada tahun 2013. Kemudian dihitung koefisien korelasi antara variabel X dan Y,
diperoleh hubunganya yang kuat antara kedua variabel tersebut. Disini nilai
koefisien korelasi yang didapat tentunya tidak akan memiliki makna meskipun
didapat nilai korelasi yang kuat karena secara logis tingkat kecelakaan tidak
memiliki hubungan dengan tingkat pencurian yang ada.
Koefisien korelasi digunakan untuk mengetahui :
a. Keeratan hubungan,
b. Arah hubungan, dan
c. Berarti atau tidaknya hubungan tersebut.
D. Menjelaskan syarat keeratan hubungan
 Keeratan Hubungan (kuat, sedang, lemah, tidak ada hubungan) antar
variabel Memiliki nilai antara: - 1 sampai dengan + 1 ( -1 ≤ KK ≤ + 1).
 KK bernilai positif maka hubungan variabel arahnya positif
 KK bernilai negatif maka hubungan variabel arahnya negatif
 KK bernilai 0 maka antar variabel tidak ada hubungan
 KK bernilai +1 atau – 1 maka variabelnya menunjukkan korelasi
sempurna positif /negatif
 Untuk menentukan keeratan hubungan antar variabel dapat menggunakan
pedoman berikut :
 KK = 0 , tidak ada korelasi
 0 < KK ≤ 0,20 korelasi sangat rendah/ lemah sekali
  0,20 < KK ≤ 0,40 korelasi rendah/ lemah
 0,40 < KK ≤ 0,70 korelasi cukup berarti
 0,70 < KK ≤ 0,90 korelasi kuat/ tinggi
 0,90 < KK < 1,00 korelasi sangat tinggi/ kuat/ dapat diandalkan
 KK = 1 korelasi sempurna.
E. Menjelaskan pengertian, fungsi dan syarat korelasi product moment
Korelasi product moment yang dikembangkan oleh Karl Pearson populer
juga dengan sebutan Korelasi Pearson.
Korelasi pearson merupakan indeks atau angka yang digunakan untuk
mengukur keeratan hubungan antara 2 variabel.
 Adapun Fungsi dari korelasi product moment:
 Untuk mengetahui hubungan antara 2 variabel
 Untuk mengetahui arah atau bentuk hubungan
 Untuk mengetahui keeratan hubungan
 Dasar untuk melakukan prediksi
 Adapun syarat dari korelasi product moment:
 Masing-Masing Unit Analisis Atau Elemen Sampel Memiliki 2
Variabel (X Dan Y)
 Masing-Masing Variabel Yang Diukur Menghasilkan Data
Paling Rendah Berskala Interval
 Data Harus Mengikuti Garis Lurus/ Linier
 BERDISTRIBUSI NORMAL
F. Menjelaskan metode untuk mengetahui distribusi data normal
Metode untuk mengetahui distribusi normal suatu data dapat dilihat pada tabel dibawah :

Metode Parameter Kriteria sebaran normal Keterangan

Koefisien Varians (CoV) Koefisien varians<30% CoV=s/x * 100%

Deskriptif (Hitung) Rasio skewness (RS) -2 sd 2 RS = Skewness / SE

Rasio kurtosis (RK) -2 sd 2 RK = Kurtosis/SE

Simestris, tidak terlalu tinggi maupun

Histrogram
terlalu rendah

Simestris, median tepat ditengah

Deskriptif (gambar) Box Plot
segiempat, tidak ada aoutlier dan ekstrim

Normal q-q plot Data menyebar sekitar garis

Detrended q-q plot Data menyebar sekitar garis

Kolomogrov-Smirnov P>0,05 Jumlah subjek >50

Analitik
Shapiro-Wilk P>0,05 Jumlah subjek ≤50