BIOSTATISTIK

“LATIHAN”

Oleh:

MUTYA FEBRIANI

(NIM: 2015302178)

Dosen pengampu: Vitria Melinda, S.ST, M.Kes

PROGRAM STUDI SARJANA TERAPAN KEBIDANAN 19C

UNIVERSITAS FORT DE KOCK
BUKITTINGGI
TP 2019/2020
A. Uji Chi Square
Sebuah Mall yang baru saja dibuka memberi hadiah kepada para pembeli dengan 3 pilihan,
yaitu: t-shirt, anting-anting dan mug. Jika dari 500 total hadiah yang dipilih pembeli
ternyata yang memilih T-shirt adalah sebanyak 183 orang, anting-anting sebanyak
142 orang dan mug sebanyak 175 orang. Apakah terdapat perbedaan kesukaan pembeli
terhadap ketiga pilihan hadiah? Berikut datanya:
Tabel 2.2 Pilihan hadiah
Hadiah T-Shirt Anting-anting Mug

Jumlah 183 142 175

Jawab:
Hipotesis
H0 : Tidak terdapat perbedaan kesukaan pembeli terhadap ketiga pilihan hadiah
H1 : Terdapat perbedaan kesukaan pembeli terhadap ketiga pilihan hadiah

Langkah-langkah Analisis dengan SPSS :

1. Masukkan data pada teladan 2.2 di atas dalam “Variable View” dengan
nama variabel “hadiah”, serta frekuensinya dengan nama “jumlah”. Masukkan
variable “hadiah” dengan skala nominal (T-shirt = 1, anting-anting = 2 dan mug
= 3) serta variabel “jumlah” dengan skala rasio.

Gambar 2.6 Variable View Teladan 2.2

2. Input data pada “Data View” ( kode 1 untuk T-shirt , kode 2 untuk anting-anting dan
kode
3 untuk Mug )
 G
a
m
ba
r
1.
2
Gambar 2.7 tampilan dari data view.

3. Selanjutnya, pilih Data – Weight Cases untuk menegaskan bahwa variabel

“jumlah”
mewakili frekuensi untuk variabel “hadiah”.

Gambar 2.8 Kotak Dialog Data

4. Pada kotak dialog Weight Cases, pilih Weight cases by lalu masukkan variabel
“jumlah”
pada Frequency Variable, pilih
OK. Kotak dialog Weight Cases:

Gambar 2.9 Kotak dialog Weight Cases:

5. Kemudian pilih Analyze – Nonparametrics Test – Legacy Dialogs – Chi-square.
Seperti yang ditampilkan pada gambar berikut:

Gambar 2.10 langkah akhir Uji Chi Kuadrat

6. Sehingga muncul kotak dialog seperti berikut:
 Gambar 2.11 Memindahkan Variabel

7. Masukkan variabel “hadiah” pada Test Variable List. Pilih Get from data dan
All categories equal lalu OK. Klik OK  akan muncul luaran

Tabel 2.2 Luaran Uji Khi kuadrat

Frequencies
Had
iah
Observed N Expected N Residual
T-Shirt 183 166.7 16.3
Anting 142 166.7 -24.7
Mug 175 166.7 8.3
Total 500

Test Statistics
Hadiah
Chi-Square 5.668a
Df 2
Asymp. Sig. .059

a. 0 cells (.0%) have

expected frequencies
less than 5. The
minimum expected
cell frequency is
166.7.
 Interpretasi hasil
Pada bagian frequencies memuat informasi nilai pengamatan(observasi), nilai harapan ,
dan sisaan untuk masing-masing hadiah yang dipilih konsumen.
Pada bagian Test Statistics kita dapatkan informasi nilai: Khi-Kuadrat (�� ) =
2
5.668, DF (derajat bebas)=2. Tampak pula bahwa tidak ada sell dengan nilai harapan <5

p-value = 0.059
p-value > α, maka tidak cukup bukti untuk menolak H0.

Kesimpulan bahwa tidak terdapat perbedaan kesukaan pembeli terhadap ketiga pilihan
hadiah.

B. Uji
Wilcoxon

Sebuah perusahaan Pharmasi sedang mengembangkan suplemen penambahan berat badan

pada anak-anak. Perusahaan ingin mengetahui khasiat suplemen tersebut sebelum
dipasarkan secara komersial. Untuk itu perusahaan mencoba obat tersebut secara kontinu
terhadap 15 orang siswa sekolah dasar yang sudah diukur terlebih dahulu berat badannya.
Setelah 3 bulan kemudian siswa-siswa tersebut ditimbang berat badannya lagi untuk
mngetahui apakah ada peningkatan berat badannya yang nyata.
Berikut ini adalah hasil pengukuran tersebut (angka dalam kilogram)
No Sebelum Sesudah No Sebelum Sesudah
1 25 26 9 24 26
2 27 26 10 25 26
3 20 22 11 24 25
4 21 24 12 27 28
5 18 22 13 23 25
6 19 21 14 25 27
7 20 24 15 22 25
8 22 21
Hipotesis untuk kasus di atas
H0 : Suplemen tersebut tidak memiliki efek berarti pada berat badan
H1 : Suplemen tersebut mampu meningkatkan berat bada

Analisis dengan SPSS

1. Definisikan jenis variabel yang digunakan dalam variabel view.

Gambar 3.14 Kontak Dialog variable view

2. Masukkan data kedalam data editor

Gambar 3.15 Kontak Dialog variable view

3. Untuk menjalankan prosedur ini adalah dari menu kemudian pilih Analyze –
Nonparametric Test – 2 related samples kemudian akan muncul jendela seperti pada
gambar berikut:
 Gambar 3.16 Tampilan Kotak dialog pada Two Related Samples Test

4. Selanjutnya pindahkan variabel sebelum dan sesudah pada kolom test pair(s) list,
sedangkan untuk test type pilihlah Wilcoxon
Hasil Analisis dengan SPSS
 Interpretasi Hasil Analisis dengan SPSS
 Dari luaran terlihat bahwa dari 15 pengamatan, ada 2 data mempunyai beda-
negative, 13 data bernilai positif dan tidak ada yang sama (ties). Dalam uji Wilcoxon,
yang dipakai adalah jumlah beda-beda yang paling kecil, karena khasus ini diambil
beda negative, yaitu 7 (lihat luaran pada kolom ‘sum of ranks’). Dari angka ini didapat
uji Wilcoxon (T) adalah 7.
 Terlihat pada kolom asymp sig (2-tailed) untuk diuji 2 sisi adalah 0,002. Karena
kasus adalah uji satu sisi, maka probabilitasmenjadi 0,002/2 = 0,001. Disini
didapat probabilitas dibawah 0,05, maka H0 ditolak atau suplemen tersebut
memang mempunyai efek yang nyata untuk menaikkan berat badan.

C. Uji Mann-Whitney
Seorang guru kesenian di suatu sekolah dasar ingin meneliti bakat menyanyi yang dimiliki anak
didiknya apakah memang anak yang bersangkutan memang mempunyai bakat alam dan belajar
secara otodidak ataukah memang anak tersebut mengikuti les vokal. Untuk itu guru tersebut
melakukan tes vokal kepada beberapa muridnya.
Berikut adalah hasil tes vokal tersebut :
Tabel 4.3 Data Pengmatan
Siswa ke- Nilai Kelompok Siswa ke- Nilai Kelompok
1 60 Otodidak 9 90 Otodidak
2 75 Les 10 90 Les
3 80 Les 11 65 Les
4 55 Les 12 70 Otodidak
5 65 Les 13 70 Les
6 60 Otodidak 14 75 Otodidak
7 70 Otodidak 15 65 Les
8 85 Otodidak

Akan dicari apakah ada perbedaan yang signifikan nilai menyanyi anak yang belajar secara
otodidak dengan yang mengikuti les vokal.
Hipotesis untuk kasus di atas:
H0 : Kedua populasi identik (data nilai menyanyi siswa yang belajar secara otodidak dan ikut
les vokal) tidak berbeda secara signifikan.
H1: Kedua populasi tidak identik atau berbeda dalam hal nilai (data nilai menyanyi siswa yang
belajar secara otodidak dan ikut les vokal memang berbeda)
Langkah-langkah Uji Mann-Whitney dengan SPSS
1. Definisikan variabel pada variabel view

Gambr 4.7 Variabel View Teladn 4.2

2. Pengisian data pada data view

Gambar 4.8 Data view

3. Lakukan Uji U Mann-Whitney
- Analyze- Nonparametric Test- 2-Independent Samples
Gambar 4.9 Kotak Dialog Mann Whitney

• Test Variable list atau variabel yang akan diuji. Karena disini yang akan diuji
nilai tes vokal, maka klik variabel nilai, kemudian klik tanda . Sehingga
variabel nilai pindah ke Test Variable List.
• Grouping Variable atau variabel group. Karena variabel pengelompokkan siswa
ada pada variabel kelompok, maka klik variabel kelompok, kemudian klik tanda .
Sehingga variabel kelompok berpindah ke Grouping Variable.
• Klik pada Define Group…. Tampak di layar :

- Untuk Group1, isi dengan 0, yang berarti Grup 1 berisi tanda 0

 - Untuk Group2, isi dengan 1, yang berarti Grup 2 berisi tanda 1
- Untuk Test Type atau tipe uji, karena dalam kasus akan diuji dengan Mann-
Whitney, maka klik pilihan Mann-Whitney.

Gambar 4.10 Kotak Dialog Uji U Mann Whitney

• Klik OK. Akan muncul Luaran SPSS

Terlihat bahwa pada kolom Asymp. Sig/Asymptotic significance dua sisi adalah 0.726.
Sehingga diperoleh probabilitasnya di atas 0,05. Maka H0 diterima yang berarti bahwa
nilai menyanyi siswa yang belajar menyanyi secara otodidak dan ikut les vokal tidak
berbeda secara signifikan.
D. Uji T-test Independen
Seorang manajer personalia ingin mengetahui apakah terdapat perbedaan yang signifikan
antara rata-rata usia, jam kerja dan masa kerja karyawan di PT. Maris Trend. Uji dilakukan
pada 30 orang karyawan yang terdiri atas laki-laki dan perempuan.

Langkah-Langkah Uji Independent Sampel t-test (SPSS v.20)

 Dari halaman utama SPSS klik File-Open-Data   untuk mengaktifkan file

 Pilih/klik file lalu Ok 

 Untuk memudahkan dalam proses uji, maka silahkan masuk pada variabel view SPSS
kemudian masukan nilai 1 pada values dan Laki-laki pada Labels lalu add begitu pula
untuk perempuan masukan nilai 2 pada values dan Perempuan pada Labels
 Pada menu utama SPSS (Data View) klik Analyze - Compare Means - Independent
Sampel T Test

 Dalam contoh ini, masukan variabel Usia, Jam Kerja dan Masa Kerja kedalam
kolom Test Variable (s)
 Masukan Jenis Kelamin ke kolom Grouping Variable

 Klik Define Groups, namun jika belum aktif, klik dulu kotak Define Groups sampai

berwarna kuning, lalu klik kembali Define Groups
 Isikan  angka 1 di Group  1 kemudian isikan angka 2 di Group 2 untuk menandai
bahwa ada 2 sampel indepenent yaitu laki-laki dan perempuan, lalu Ok hasilnya
tampak seperti ini:
Analisis Output

1) Analisis Output Pertama Pada Group Statistics

1. Pada baris usia dan kolom mean terlihat rata-rata usia karyawan laki-laki 36,35 tahun 
sedangkan rata-rata usia karyawan perempuan 47,20 tahun.
2. Pada baris Jam Kerja dan kolom mean terlihat rata-rata jam kerja karyawan laki-laki 3,25
jam sedangkan rata-rata jam kerja karyawan perempuan 4,10 jam.
3. Pada baris Masa Kerja dan kolom mean terlihat rata-rata Masa Kerja karyawan laki-laki
15,5 tahun sedangkan rata-rata Masa Kerja karyawan perempuan 4,80 tahun.
Terlihat bahwa dari karakteristik karyawan laki-laki dan perempuan tersebut memiliki rata-
rata usia, jam kerja dan masa kerja yang berbeda-beda.

Untuk melihat apakah perbedaan tersebut memang nyata (signifikan) secara statistik maka
kita perlu melihat output bagian kedua (Independent sample t-test)

2) Analisis Output Kedua Pada Independent Sample T-Test

Ada dua tahapan analisis yang harus dilakukan pada bagian kedua ini yaitu:

1. Menguji dahulu asumsi apakah variance  populasi kedua sampel tersebut (laki-laki dan
perempuan) adalah sama (equal variance assumed) ataukah berbeda (equal variances not
assumed)
2. Setelah mengetahui apakah variance sama atau tidak, baru kemudian melihat nilai t-test
untuk menentukan apakah terdapat perbedaan nilai rata-rata secara nyata (signifikan) atau
tidak

Hipotesis uji masing-masing variabel sebagai berikut:

H0: Variance populasi usia antara karyawan laki-laki dengan karyawan perempuan adalah
sama
H1: Variance populasi usia antara karyawan laki-laki dengan karyawan perempuan adalah
berbeda
H0: Variance populasi masa kerja antara karyawan laki-laki dengan karyawan perempuan
adalah sama
H1: Variance populasi masa kerja antara karyawan laki-laki dengan karyawan perempuan
adalah berbeda
H0: Variance populasi jam kerja antara karyawan laki-laki dengan karyawan perempuan
adalah sama
H1: Variance populasi jam kerja antara karyawan laki-laki dengan karyawan perempuan
adalah berbeda

3) Pengambilan Keputusan: 
Jika probabilitas > 0,05, maka H0 tidak dapat ditolak jadi variance sama
Jika probabilitas < 0,05, maka H0 ditolak jadi variance berbeda

4) Hasil Analisis
Terlihat pada tabel kedua (independent samples test) pada variabel usia nilai F
hitung Levene test sebesar 0,730 memiliki probablitas (Sig.) lebih besar dari 0,05
(0,400>0,05) maka disimpulkan H0 tidak dapat ditolak. Dengan demikian analisis uji beda (t-
test) harus menggunakan asumsi equal variance assumed. Nilai t pada equal variance
assumed sebesar 1,888 dengan probabilitas signifikansi 0,069 (0,069>0,05) (two tail). Jadi
dapat disimpulkan bahwa rata-rata usia karyawan laki-laki dengan karyawan perempuan
adalah sama (tidak berbeda secara signifikan)  
Terlihat pada tabel kedua (independent samples test) pada variabel masa kerja nilai F
hitung Levene test sebesar 0,807 memiliki probablitas (Sig.) lebih besar dari 0,05
(0,377>0,05) maka disimpulkan H0 tidak dapat ditolak. Dengan demikian analisis uji beda (t-
test) harus menggunakan asumsi equal variance assumed. Nilai t pada equal variance
assumed sebesar 3,559 dengan probabilitas signifikansi 0,001 (0,001<0,05) (two tail). Jadi
dapat disimpulkan bahwa rata-rata masa kerja karyawan laki-laki dengan karyawan
perempuan adalah tidak sama (berbeda secara signifikan)
Terlihat pada tabel kedua (independent samples test) pada variabel jam kerja nilai F
hitung Levene test sebesar 2,024 memiliki probablitas (Sig.) lebih besar dari 0,05
(0,166>0,05) maka disimpulkan H0 tidak dapat ditolak. Dengan demikian analisis uji beda (t-
test) harus menggunakan asumsi equal variance assumed. Nilai t pada equal variance
assumed sebesar 0,597 dengan probabilitas signifikansi 0,555 (0,555>0,05) (two tail). Jadi
dapat disimpulkan bahwa rata-rata masa kerja karyawan laki-laki dengan karyawan
perempuan adalah sama (tidak berbeda secara signifikan)