ANALISIS DATA STATISTIK

Puji Lestari, S.Si., M.Biotech

Poltekkes Kemenkes Jakarta III
JENIS PENELITIAN

Penelitian
• Analisis Univariat (1 variabel)
Deskriptif
• Analisis Bivariat (2 variabel)
Penelitian
Analitik • Analisis Multivariat
(>2 variabel)
ANALISIS UNIVARIAT
(1 VARIABEL)

Data numerik: mean, median,

modus, standar deviasi

Data kategorik: persentase,

proporsi
ANALISIS BIVARIATE
(2 VARIABEL)

Numerik vs numerik: uji Pearson (data normal), uji Spearman (data tidak
normal)

Numerik vs kategorik: paired t-test (data normal), Wilcoxon sign test (data
tidak normal), independent t-test (data normal), uji Mann Whitney (data tidak normal), uji ANOVA (data normal), uji Kru

Kategorik vs kategorik: uji Chi Square

JENIS DAN SKALA DATA

Data • Skala Nominal

Kategorik • Skala Ordinal

Data • Skala Interval

Numerik • Skala Rasio
JENIS DATA

• Data yang bentuknya “kata”

Data
Kategorik • Misal: positif dan negatif, laki-
laki dan perempuan dst

• Data yang bentuknya “angka”

Data
Numerik • Misal: umur, jumlah leukosit,
kadar glukosa dst

Data “numerik” dapat berubah menjadi “kategorik” jika dari data yang berbentuk angka diubah
menjadi kata. Misal data numerik kadar glukosa diklasifikasikan menjadi 2, yaitu normal dan
abnormal
SKALA DATA

• Menggambarkan perbedaan
Nominal
• Contoh: suku, jenis kelamin dst

• Menggambarkan perbedaan
dan memiliki tingkatan
Ordinal
• Contoh: tingkat pendidikan,
tingkat keparahan penyakit dst

• Menggambarkan perbedaan,
Interval tingkatan dan jarak
• Contoh: suhu tubuh
• Menggambarkan perbedaan,
Rasio tingkatan, jarak dan kelipatan
• Contoh: umur, kadar glukosa
UJI STATISTIK

Parametrik • Jika data terdistribusi normal

Non-
• Jika data terdistribusi tidak normal
parametrik

Uji Normalitas hanya dilakukan terhadap data “numerik”, dikenal 2 macam uji normalitas yang
biasanya digunakan, yaitu: Uji Kolmogorov Smirnov dan Uji Shapiro Wilk

Jika variabel dependen maupun variabel independen merupakan data numerik, maka keduanya
diuji normalitasnya, jika hasil keduanya berbeda maka yang menjadi patokan (menggunakan
statistik parametrik atau non-parametrik) adalah hasil dari variabel dependen
 UJI
NORMALITAS

Kolmogorov
• Jika data >50
Smirnov
Shapiro
• Jika data ≤50
Wilk

Data (numerik) yang terdistribusi tidak normal harus diuji menggunakan statistik non-
parametrik

P-value >0,05
artinya data P-value <0,05
normal artinya data tidak normal
TATISTIK BERDASARKAN JENIS DATA

Numerik vs numerik Numerik vs kategorik Kategorik vs

kategorik
Uji korelasi, yaitu: Uji beda rata-rata untuk 2 kelompok, yaitu: Uji beda
• Uji Pearson (data • paired t-test atau uji t dependent (data normal); proporsi,
normal) Wilcoxon sign test (data tidak normal) yaitu jika yaitu:
• Uji Spearman kelompok subyek penelitian sama dengan 2 kali
(data tidak pengukuran (misalnya sebelum dan setelah) Uji Chi Square
normal) • Independent t-test (data normal); uji Mann
Whitney (data tidak normal) yaitu jika kelompok
subyek penelitian berbeda dengan satu kali
pengukuran

Uji beda rata-rata lebih dari 2 kelompok, yaitu:

• Uji ANOVA (data normal)
• Uji Kruskal Walis (data tidak normal)
A RATA-RATA: NUMERIK VS KATEGORIK

1. Uji t independent: 2 kelompok subyek dengan satu kali pengukuran. Contoh: uji beda rata-r

 Syarat: data numerik harus normal (dilakukan uji normalitas terlebih dahulu)
 Jika tidak normal maka menggunakan uji Mann Whitney (non-parametrik)
 Uji ini dibagi menjadi 2, yaitu: uji t independent varian sama dan uji t independent varian berbeda.
Penentuannya menggunakan uji Lavene (lavene test), ketentuannya adalah:

P-value lavene
test >0,05 artinya varian sama lavene test
P-value
≤0,05 artinya varian berbeda
 UJI BEDA RATA-RATA:
NUMERIK VS KATEGORIK
2. Uji t dependent (paired t-test): 1 kelompok subyek dengan dua kali pengukuran. Contoh: uj

 Syarat: data numerik harus normal (dilakukan uji normalitas terlebih dahulu)
 Jika tidak normal maka menggunakan Wilcoxon sign test (non-parametrik)

P-value >0,05 artinya

tidak ada perbedaan signifikan P-value <0,05 artinya
ada perbedaan signifikan
3. Uji ANOVA: uji beda rata-rata pada 3 atau lebih sampel. Contoh: uji beda rata-rata berat ba

 Syarat: data numerik harus normal (dilakukan uji normalitas terlebih dahulu)
 Jika tidak normal maka menggunakan uji Kruskal Wallis (non-parametrik)
 Jenis data yang dihubungkan adalah numerik dengan kategorik (dengan kategorik nya lebih dari 2 kelompok)

P-value >0,05 artinya

tidak ada perbedaan signifikan P-value <0,05 artinya
ada perbedaan signifikan
UJI BEDA BEDA PROPORSI:
KATEGORIK VS KATEGORIK
1. Uji Chi Square: uji beda proporsi. Contoh: apakah ada hubungan antara jenis kelamin denga

 Sampel harus independent

 Jenis data yang dihubungkan adalah
kategorik dengan kategorik

Aturan yang berlaku pada chi-square adalah sebagai berikut:

1. Bila pada tabel 2x2 dijumpai nilai expected kurang dari 5, maka
yang digunakan adalah “Fisher Exact Test”
2. Bila tabel 2x2, dan tidak ada nilai expected kurang dari 5, maka uji
yang dipakai sebaiknya “Continuity Correction (a)”
3. Bila tabel lebih dari 2x2, misalnya 3x2, 3x3 dan sebagainya, maka
digunakan uji “Pearson Chi-square”
4. Uji “Likelihood Ratio” dan “Linear-by-Linear Association”, biasanya
digunakan untuk keperluan lebih spesifik, misalnya analisis stratifikasi
pada bidang epidemiologi dan juga untuk mengetahui hubungan linear
dua variabel kategorik, sehingga kedua jenis ini jarang digunakan.
UJI KORELASI: NUMERIK VS
NUMERIK
1. Uji Pearson: uji korelasi. Contoh: hubungan antara berat badan dengan kadar gula darah

 Sampel harus terdistribusi normal

 Jika data tidak normal maka
menggunakan uji Spearman
 Jenis data yang dihubungkan
adalah numerik dengan numerik
AKAN DIPELAJARI

1. Input dan koding data √

2. Analisis univariat (data numerik dan data kategorik) √
3. Mengubah data numerik menjadi kategorik √
4. Uji normalitas data on going today
5. Analisis bivariat on going today
6. Tugas latihan on going today
 UJI NORMALITAS

 Khusus data numerik Checklist

Analyze Masuk “plots” “normality plots with tests”
 VD: variabel dependen
(terikat) dan VI: variabel
independen (bebas) Descriptive VI masuk “factor
continue
 Untuk uji normalitas, Statistics list”

masukkan datanya satu

persatu (variabel dependen VD masuk
Explore OK
“dependent list”
dan independen dipisah
 UJI T DEPENDENT (PAIRED T-TEST)

 Khusus data numerik vs

kategorik Analyze OK

li

K k tanda panah
o untuk memindahkan variabel
C mpare means

Klik jenis perlakukan

Paired sample T test
(pre-post)
 UJI T INDEPENDENT

 Khusus data numerik vs Isi kode pada pada

kategorik Analyze Define groups grup 1 dan 2 (grup

1 = 0, grup 2 = 1)

Data kategorik
Compare means dimasukkan ke continue
“grouping variable”

Independent- Data numerik

samples T test dimasukkan ke OK
“test variable”
 UJI ANOVA (UJI F)

Checklist pada
 Khusus data numerik vs Kl “descriptive” dan “exclude cases analysis by
Analyze ik “option”
kategorik

Co Data kategorik
mpare means dimasukkan ke kotak “factor” continue

Data numerik
one-way ANOVA dimasukkan ke kotak “dependent” OK
 Checklist pada
 Khusus data numerik vs Kl “descriptive” dan “exclude cases analysis by
Analyze ik “option”
kategorik

Co Data kategorik
mpare means dimasukkan ke kotak “factor” continue

Data numerik
one-way ANOVA dimasukkan ke kotak “dependent” OK
UJI KORELASI PEARSON

 Khusus data numerik vs Analyze OK

numerik

Checklist pada
“pearson” dan
Correlate
“two tailed” dan
“flag.
Sig. correlations”

Masukkan variabel
Bivariate yang akan diuji ke
kotak “variables”
 UJI CHI SQUARE

 Khusus data kategorik vs Klik “risk” lalu

Analyze Klik “chi square”
kategorik “continue”

 VD: variabel dependen

(terikat) dan VI: variabel
Klok opsi “cells”
independen (bebas) lalu checklist
Descriptive statistic Klik statistics
menu “observed”
dan “row”

Isi rows dengan VI, Klik “continue” lalu

Crosstabs dan isi column
“OK”
dengan VD