Dalam perhitungan pengujian hipotesis perlunya untuk menentukan distibusi data dan metode statistik yang digunakan.

Hal tersebut disebabkan jika data berdistribusi normal, maka pengujian hipotesis yang digunakan adalah uji statistik
parametrik. Jika data berdistribusi tidak normal, pengujian hipotesis yang digunakan adalah uji statistik non parametrik.

Distirbusi normal atau tidak

PARAMETRIK 

1. Uji T-Test Independent

Uji t-test merupakan metode analisis statistik yang bertujuan untuk menguji beda
rata-rata (mean) berupa perbandingan atau perbedaan keadaan variable dari dua rata-
rata sampel atau kelompok. Uji beda dua mean (t-test) digunakan untuk melihat
perbedan variasi (varian) kedua kelompok data, sehingga pada prinsipnya harus
diketahui varians kedua kelompok data yang diuji sama atau beda. Uji beda mean
terdapat dua yaitu uji beda mean idenpenden dan uji beda dua mean dependen /
berpasangan.
Uji T-Test independen dan dependen merupakan Uji Parametrik, dimana Uji T-
Test merupakan analisa komparatif, dengan membandingkan dua kelompok dengan
syarat data masing-masing kelompok semua berdistribusi mormal. Uji t-test
independen bertujuan unntuk menguji perbedaan mean antara kelompok independen.
Pada Uji T-Test Independen, variabel Independen berupa kategorik yang tidak
berpasangan dan terdiri atas dua kelompok, sedangkan variabel Dependen berupa
data berskala numerik. Syarat uji beda dua mean (t-test) independen adalah distribusi
data harus normal, kedua kelompok berbeda atau tidak saling berkaitan antara satu
dengan yang lainnya, variable pada uji beda mean (t-test) adalah variable numerik.
Uji t-test dependen bertujuan untuk menguji perbedaan mean antara dua
kelompok data dependen, yaitu subyeknya sama diukur dua kali (berpasangan),
karena menganalisa sampel yang sama dua kali sebelum dan sesudah
intervensi.Syarat uji beda dua mean (t-test) dependen adalah distribusi data harus
normal, kedua kelompok sama (berpasangan), variable yang digunakan adalah
numerik.
Langkah melakukan uji beda dua mean (t-test) independen dengan program
SPSS adalah sebagai berikut :
Sebagai contoh : “Seorang penliti ingin mengetahui perbedaan densitas parasite pada
kelompok Obat A dan B”
1. Lakukan analisis data untuk mengetahui data berdistribusi normal atau tidak,
jika data berditribusi normal, lanjutkan untuk melakukan pengujian hipotesis t-
test.
2. Klik AnalyzePilih Compare MeansPilih Independent-Sample T-Test

Gambar 5.3 Tampilan menu Independent-Sample T-Test

3. Pada menu Independent-Sample T-Test,  pindahkan variable dependen

(numerik) pada kotak Test Variable(s),  pindahkan variable independen pada
kotak Grouping Variabel . (Variabel Independen berupa kategorik yang tidak
berpasangan dan terdiri dari dua kelompok saja).
 Gambar 5.4 Tampilan Independent-Sample T-Test

4. Klik Define Groups  Masukkan angka 1 pada Group 1, angka 2 pada Group 2
 Continue.

Gambar 5.5 Tampilan Define Group pada Independent-Sample T Test

5. Hasil pada output SPSS adalah sebagai berikut

Group Statistiks
Kelompok obat N Mean Std. Deviation Std. Error
Mean
A 40 3.0147 .74338 .11754
Log densitas parasit B 40 2.9445 .49517 .07829

Independent Samples Test

Levene's t-test for Equality of Means
Test for
Equality of
Variances
 F Sig. t df Sig Mean Std. 95%
. Differen Error Confidence
(2- ce Differenc Interval of
tailed e the
) Difference
Lower Upper
Equal 5.96 .01 .49 78 .621 .07021 .14123 - .3513
variance 6 7 7 .2109 7
Log s 6
densit assumed
as Equal .49 67.91 .621 .07021 .14123 - .3520
parasit variance 7 6 .2116 3
s not 1
assumed

6. Menganalisi hasil Output Uji T-Test Independen

Dalam melakukan interpretasi hasil uji beda dua mean (t-test) Independent,
yang perlu diperhatikan pertama adalah melihat Levene’s test dalam melihat varians
data sama atau berbeda. Jika hasil sig. pada Leven’s Test < 0,05, maka varians data
kedua kelompok tidak sama (beda)/Heterogen. Apabila data Homogen , maka
ditandai dengan “Sig.” pada kolom “Levene’s Test for Equality of Variances” p-values
≥ 0,05, gunakan “Sig.(2 tailed)” pada baris “Equal variances assumed”.

Berdasarkan contoh, karena varians data tidak sama, maka uji t yang digunakan
pada tabel hasil adalah pada baris ke dua yaitu “Equal variances not assumed”.

7. Penyajian data hasil analisi uji t-test

Tabel 5.1 Perbedaan rata-rata densitas parasite pada kelompok obat A dan B

Variabel n Mean±SD T(t-test) Nilai-P

Kelompok 0,497 0,621

A 40 3,01±0,74
B 40 2,94±0,49

Berdasarkan tabel 5.1 menunjukkan bahwa terdapat angka signifikansi hasil uji t-
test pada penelitian tersebut adalah 0,621. Berdasarkan hasil tersebut tidak terdapat
perbedaan densitas parasit baik pada kelompok A maupun pada kelompok B.

2. Uji T-Test Dependen

Uji t-test dependen merupakan uji Parametrik dengan syarat data berdistribusi
normal. Uji T-Test Dependen bertujuan untuk menguji perbedaan mean antara dua
kelompok data dependen, yaitu subyeknya sama diukur dua kali (berpasangan),
karena menganalisa sampel yang sama dua kali sebelum dan sesudah
intervensi.Syarat uji beda dua mean (t-test) dependen adalah distribusi data harus
normal, kedua kelompok sama (berpasangan), variable yang digunakan adalah
numerik.
Langkah melakukan uji beda dua mean (t-test) dependen dengan program SPSS
adalah sebagai berikut :
Sebagai Contoh : Seorang peneliti ingin mengetahui efektifitas menyikat gigi sebelum
dan sesudah dilakukan edukasi kesehatan gigi dan mulut terhadap pembersihan plak. 6
Variabel Independen : Kelompok satu yaitu indeks plak sebelum dan kelompok dua
yaitu indeks plak setelah penyuluhan
Variabel Dependen : Indeks plak (numeric)
1. Lakukan analisis data untuk mengetahui data berdistribusi normal atau tidak,
jika data berditribusi normal, lanjutkan untuk melakukan pengujian hipotesis t-
test.

Gambar 5.6 Hasil normalitas data

2. Klik AnalyzePilih Compare MeansPilih Paired-Sample T-Test

 Gambar 5.7 Tampilan menu Paired-Sample T-Test

3. Pada menu Paired-Sample T-Test,  pindahkan variable plak indeks before pada
Variabel 1, dan plak indeks after pada Variabel 2  Klik OK

Gambar 5.8 Tampilan Paired-Sample T-Test

4. Hasil pada output SPSS adalah sebagai berikut

Gambar 5.9 Tampilan Output hasil Paired-Sample T-Test

5. Menganalisi hasil Output Uji T-Test Dependen

Dalam melakukan interpretasi hasil uji beda dua mean (t-test) Dependent, yang
perlu diperhatikan pertama adalah “Sig (2 tailed)” yang menunjukkan nilai p (p-
value)
Berdasarkan contoh, nilai Significancy 0,114 (nilai p>0,05).Nilai IK 95% -,85
sampai 0,73). Maka secara statistik tidak ada perbedaan indeks plak sebelum dan
setelah penyuluhan kesehatan gigi mulut.

6. Penyajian data hasil analisi uji t-test dependent

Tabel 5.2 Perbedaan rata-rata plak indeks sebelum dan setelah penyuluhan kesehatan gigi.

Variabel n Mean±SD T(t-test) Nilai-P

Plakindeksbefore 20 3,16(1,05) 1,6 0,114

Plakindeksafter 20 2,83(1,0)
 Berdasarkan tabel 5.2 menunjukkan bahwa terdapat angka signifikansi hasil uji t-
test dependen pada penelitian tersebut adalah 0,114. Berdasarkan hasil tersebut tidak
terdapat perbedaan indeks plak sebelum dan setelah penyuluhan kesehatan gigi
dengan nilai p>0,05.
.

2. Uji ANOVA
Pengujian statistik untuk lebih dari dua kelompok, yaitu 3 kelompok independen
atau lebih dengan menggunakan uji Anova (Analysis of Variance). Uji Anova
merupakan uji Parametrik analisis komparatif, dengan membandingkan tiga atau lebih
kelompok independen (tidak berpasangan), dengan syarat semua data berdisrtibusi
normal. Variabel Independen berupa kategorik yang tidak berpasangan, dan variabel
dependen berskala numerik. Analisis uji anova terdidi dari analisis varian satu faktor
(one way anova) dan analisis varian dua faktor (two ways anova). 6
Uji Anova diguankan untuk mengetahui perbedaan rerata lebih dari dua
kelompok independen (tidak berpasangan). Syarat uji anova adalah sebagai berikut :
a. Sampel kelompok independen
b. Varian antar kelompok sama (homogen)
c. Semua data berdistribusi normal

Langkah melakukan uji ANOVA dengan program SPSS adalah sebagai berikut
:
Sebagai Contoh : Apakah terdapat perbedaan indeks kebersihan gigi mulut dengan
tingkat penghasilan orng tua yang rendah, cukup, tinggi?
Variabel Independen : Tingkat penghasilan orang tua rendah(1), sedang (2), tinggi (3
Variabel Dependen : Indeks kebersihan gigi mulut (numeric)
1. Lakukan analisis data untuk mengetahui data berdistribusi normal atau
tidak, jika data berditribusi normal, lanjutkan untuk melakukan pengujian
hipotesis t-test.
 Gambar 5.10 Hasil normalitas data

2. Klik AnalyzePilih Compare MeansPilih One Way ANOVA

Gambar 5.11 Tampilan menu One way ANOVA

3. Pada menu One way Anova,  pindahkan variable dependen (plakindeksbefore)

ke dalam kotak Dependent list  pindahkan variable independen (tingkat
penghasilan) pada kotak Factor
 Gambar 5.12 Tampilan Paired-Sample T-Test

4. Pada kotak One way ANOVA, Pilih Options  Aktifkan Homogeneity of variance
test dan Descriptive Klik Continue  Kemudian klik OK

Gambar 5.13 Tampilan One Way Anova : Options

5. Pada kotak One way ANOVA, Pilih Post Hoc  Aktifkan Tukey pada “Equal
Variance Assumed”, dan Tamhane’s T2 pada “Equal Variances Not Assumed”
Klik Continue  Kemudian klik OK

Gambar 5.14 Tampilan One Way Anova : Post Hoc

Gambar 5.15 Tampilan One Way Anova : Post Hoc Multiple Comparisons
6. Hasil pada output SPSS adalah sebagai berikut

Gambar 5.16 Tampilan Output hasil One Way Anova

Gambar 5.17 Tampilan Output hasil One Way Anova hasil Post Hoc Tests.
7. Menganalisi hasil Output Uji Anova
Dari hasil Output diperoleh nilai anova F = 1,234, dengan nilai p (p-value) =
0,316. Simpulan dari hasil tersebut adalah dari alpha 5% tidak terdapat perbedaan
yang signifikan antara tingkat penghasilan orang tua yang rendah, cukup dan tinggi
terhadap Indeks kebersihan gigi mulut.
Dari hasil utuput juga menunjukkan bahwa nilai p ≥0,05, maka data Homogen
(Equal variances Assumed). Lihatlah hasil Post Hoc Output “Equal variances
Assumed”. Hasil output Post Hoc tests atau analisa lebih lanjut digunakan untuk
menguji dan mengetahui perbedaan masing-masing kelompok. Pada contoh penelitian
tersebut, karena nilai p≥0,05, maka hasil post hoc yang diambil adalah data Homogen
(Equal variuances Assumed) Tukey.

Gambar 5.18 Tampilan Output hasil One Way Anova hasil Post Hoc Tests Tukey HSD.

Berdasarkan gambar 5.18 hasil ouput dari Post Hoc Tukey untuk mengetahui
analisa terperinci mengenai perbedaan indeks kebersihan gigi mulut antar kelompok
adalah sebagai berikut :
- p-value antara tingkat penghasilan rendah dengan sedang = 0,983
- p-value antara tinkat penghasilan rendah dengan tinggi = 0,302
- p-value antara tingkat penghasilan sedang dengan tinggi = 0,485.

8. Penyajian data hasil analisi uji t-test dependent

Tabel 5.3 Perbedaan rata-rata Indeks kebersihan gigi mulut pada ingkat penghasilan orang
tua rendah, cukup dan tinggi.
Tingkat n Mean±SD F(Anova) Nilai-P
Penghasilan

Rendah 10 3,4(0,93) 1,234 0,316

Cukup 5 3,3(1,00)
Tinggi 5 2,53(1,26)
 Berdasarkan tabel 5.3 menunjukkan bahwa tidak terdapat perbedaan indeks
kebersihan gigi mulut baik pada tingkat penghasilan rendah, sedang, dan tinggi. Hasil
ini diasumsikan karena jumlah subjek yang sedikit, sehingga dapat memengaruhi
hasil penelitian.
Tabel 5.4 Hasil uji banding ganda

Variabel p-value Simpulan

Rendah dengan Sedang 0,983 Tidak berbeda

Rendah dengan Tinggi 0,302 Tidak berbeda
Sedang dengan Tinggi 0,485 Tidak berbeda

Berdasarkan table 5.4 menunjukkan bahwa tidak terdapat pernedaan yang

bermakna diantara kelompok tingkat penghasilan rendah, sedang, dan tinggi.

NON PARAMETRIK 

3. Uji Wilcoxon
Uji Wilcoxon yaitu merupakan salah satu uji statistic non parametric yang
digunakan untuk menganalisis komparatif numeric bivariabel untuk membandingan
rerata dua kelompok berpasangan (two related sample test) dengan data tidak
berdistirbusi normal. Two related sample test digunakan untuk mengetahui perbedaan
antara dua variable yang berpasangan atau berhubungan.
Langkah melakukan uji Wilcoxon dengan program SPSS adalah sebagai berikut
: (sebelum melakukan uji Wilcoxon, harus dilakukan uji data distribusi normal seperti
Keterampilan Komputer yang dilakukan sebelumnya)

Sebagai contoh : Peniliti ingin mengetahui pengaruh penyuluhan kesehatan gigi

mulut terhadap skor sikap dalam menjaga kebersihan gigi mulut pada ibu.
Uji Normalitas Data :
1. Klik Analyze  Pilih Descriptive Statistics  Pilih Explore
 Gambar 4.11 Tampilan menu untuk uji normalitas data

2. Pindahkan variabel Skor sikap_1 (Skor sikap sebelum penyuluhan) dan

Skor_after (skor sikap setelah penyuluhan) pada kolom Dependent list  Pilih
Plots  Aktifkan Normality plots with test  Pilih Continue

Gambar 4.12 Tampilan menu Explore Plots pada uji normalitas data

3. Hasil uji normalitas terdapat pada layar Output

 Gambar 3.13 Tampilan menu Output pada uji normalitas data

Hasil uji normalitas data, karena jumlah subjek penelitian lebih dari 50, maka
menggunakan parameter Kolmogorov Smirnov. Hasil output tersebut menunjukkan
nilai p <0.001, maka distribusi data tidak normal. Karena data tidak berdistribusi
normal, maka analisis statistik two related samples yang digunakan adalah Uji
Wilcoxon.

Langkah melakukan analisis Uji Wilcoxon

1. Klik Analyze  Pilih Nonparametric Tests  Pilih 2 Related sampels.
Gambar 4.14 Tampilan menu Two Related Samples
2. Pada menu Two related Samples Tests, pindahkan variable sikap_skor1
(sebelum penyuluhan dan skor_after (skor setelah penyuluhan) ke dalam kotak
Test Pairs, dan pindahkan variable independen pada Grouping Variabel 
Aktifkan Uji Mann Whitney  Aktifkan Test Type Wilcoxon  Klik Ok

Gambar 4.15 Tampilan Two Related Samples Tests

3. Hasil pada Output SPSS:

Gambar 4.16 Tampilan pada layar Output hasil Uji Wilcoxon

4. Menganalisis hasil Output
Terdapat 11 orang dengan hasil sikap sesudah penyuluhan lebih rendah dari
sebelum penyuluhan, 41 orang sikap sesudah penyuluhan lebih tinggi dari pada
sebelum penyuluhan, dan 13 orang mempunyai sikap yang sama sebelum dan setelah
penyuluhan. Dengan uji Wilcoxon yang digunakan, hasil dari uji Wilcoxon diperoleh
nilai p = 0,000 (p<0,001), secara statitsik terdapat perbedaan sikap sebelum dan
setelah penyuluhan.

5. Penyajian data hasil analisis uji Mann Whitney

Tabel 4.3 Pengaruh Penyuluhan Kesehatan gigi mulut terhadap skor sikap sebelum dan
sesudah penyuluhan

Variabel Median (min-maks) Nilai-P

Skor sikap sebelum penyuluhan 86,67(50-100) 0,000

Skor sikap setelah penyuluhan 86,67(33,33-100)

Berdasarkan tabel 4.3 menunjukkan bahwa terdapat pengaruh penyuluhan

kesehatan gigi mulut terhadap skor sikap sebelum dan setelah penyuluhan pada Ibu,
dengan nilai p<0,001.

4. Uji Mann Whitney merupakan salah satu uji yang digunakan untuk
membandingkan dua kelompok dengan distribusi data satu atau dua kelompok
yang tidak normal. Uji Mann Whitney merupakan uji non parametrik untuk uji
Independent T test (two independent sample test). Uji Mann Whitney digunakan
sebagai analisis komparatif untuk mengetahui ada tidaknya perbedaan antara dua
kelompok data yang saling independen. Variabel data yang digunakan dalam uji
Mann Whitney yaitu
variable independen berupa kategorik tidak berpasangan dan terdiri
dari dua kelompok, serta variable dependen berupa numeric. Uji
Mann Whitney digunakan untuk mengukur data berskala ordinal dan
tidak berdistribusi normal.
5.