Tugas Mandiri Hari : Senin

MK. Statistik Tanggal : 1 November 2021

RESUME STATISTIKA
Disusun oleh :
Helza Mutiarahma
(P032013411058)
D-III Gizi TK. 2B

Dosen Pengampu

Dewi Erowati, S.Gz, MPH

Lidya Novita, S.Si, M.Si

Alkausyari Aziz, SKM, M.Kes

KEMENTERIAN KESEHATAN REPUBLIK INDONESIA

POLITEKNIK KESEHATAN KEMENKES RIAU
JURUSAN GIZI

2021

1
A. Pengujian Statistik Pada Data Ukur Satu Sampel
1. Uji-t satu sampel
Uji-t satu sampel merupakan salah satu prosedur pengujian statistik inferensial yang
digunakan untuk menguji apakah rata-rata dari data yang kita gunakan secara statistik
berbeda secara signifikan bila dibandingkan dengan nilai rata-rata yang sudah diketahui
berdasarkan asumsi atauupun opini (Yuvalianda, 2020)

Karena uji ini hanya melibatkan satu kelompok sampel, kita akan melakukan
pengujian nilai rata-rata sampel tersebut terhadap nilai rata-rata pada hipotesis nol.
Sederhananya, kita akan menguji nilai rata-rata sampel (statistik) dengan rata-rata populasi
(parameter).

Uji-t satu sampel biasa digunakan untuk menguji hal-hal berikut:

 Perbedaan rata-rata antara sampel dan nilai rata-rata yang digunakan pada hipotesis.
 Perbedaan rata-rata antara sampel dengan nilei median dari sampel yang kita uji.
 Perbedaan rata-rata antara sampel yang kita gunakan dan nilai peluangnya.
 Perbedaan statistik antara nilai perubahan dan titik nol.

Uji-t satu sampel hanya bisa digunakan untuk membandingkan nilai rata-rata sampel
pada 1 variabel dengan nilai rata-rata yang sudah ditentukan.

Jika Anda ingin membandingkan rata-rata lebih dari 1 kelompok, Anda bisa
menggunakan menjalankan Uji-t Sampel Independen (untuk membandingkan rata-rata dari
dua kelompok) atau ANOVA satu arah (untuk membandingkan nilai rata-rata dari dua
kelompok atau lebih).
Uji-t satu sampel digunakan untuk jumlah sampel kecil kurang dari 30 atau ketika
parameter standar deviasi dari populasi tidak diketahui. Karena kita akan melakukan uji satu
sampel atau variabel, uji t satu sampel ini tergolong ke dalam analisis univariat.

B. Pengujian Statistik Pada Data Hitung Satu Sampel

Dalam uji-t satu sampel, uji statistik yang digunakan adalah sebagai berikut:

2
Dalam penggunaan uji-t satu sampel, kriteria kondisi data yang harus dipenuhi adalah
sebagai berikut:

1. Jenis data yang digunakan adalah interval atau rasio.

2. Sampel yang terpilih dari populasi harus bersiftar random.
3. Tidak terdapat data yang bersifat outlier (ekstrim kiri atau kanan).
4. Varians dari sampel dan populasi bersifat homogen.

Contoh uji-t satu sampel

Anggaplah kita akan melakukan pengujian tinggi badan dari 20 siswa SMA. Berdasarkan
literatur-literatur terdahulu, rata-rata ideal tinggi badan siswa SMA adalah 170. Apakah hal
ini terbukti secara statistik?
Mari kita lakukan pengujian hipotesis uji-t satu sampel!

1. Tentukan hipotesis nol dan hipotesis alternatif

2. Tentukan tingkat signifikansi (alpha) dan daerah penolakan

3
3. Pengujian dengan statistik uji

4. Penentuan apakah t0 berada dalam area penolakan atau tidak

Maka, berdasarkan statistik uji, kita gagal untuk menolak H0

5.Kesimpulan
Berdasarkan hasil pengujian di atas, bisa kita simpulkan bahwa kita gagal untuk
menolak H0. Atau, bisa disimpulkan juga bahwa tidak terdapat cukup bukti untuk menolak
H0.
Artinya, dengan tingkat kepercayaan sebesar 95 persen, rata-rata tinggi badan siswa SMA
adalah 170cm.

4
C. Pengujian Statistik Pada Data Ukur Dua Sampel
1. Uji beda rata-rata 2 sampel berpasangan

Yang dimaksud dengan sampel berpasangan adalah apabila kedua kelompok sampel
tersebut saling terkait. Seperti pada ilustrasi di bawah ini, Pada sebuah populasi diambil sampel
sebanyak n1. Pada sampel tersebut dilakukan sebuah pengukuran, kemudian sampel diberikan
perlakukan dan dilakukan pengukuran kembali. Dengan kata lain, pada sejumlah sampel yang
sama dilakukan pengukuran berulang, yaitu sebelum perlakuan dan setelah perlakuan.
Sehingga didapatkan 2 hasil pengukuran pada sampel yang sama, yang disebut sampel
berpasangan. Pada uji statistik kali ini kita akan melakukan perbandingan hasil pengukuran
sebelum dan setelah perlakuan (Tyastirin and Hidayati, 2017)

Sebagaimana tahapan proses pengujian, sebelum dilakukan uji statistik, data-data tersebut
harus dilakukan uji normalitas. Apabila data terdistribusi normal, maka akan dilakukan uji
paramaterik untuk 2 sampel berpasangan, yang disebut uji t-dependent. Namun apabila data
tidak terdistribusi normal, maka akan dilakukan uji nonparametrik. Uji non-parametrik yang
dilakukan antara lain uji Mc-nemar untuk skala data nominal dan uji tanda/sign test, wilcoxon
untuk skala data ordinal.

Uji t-dependent secara manual Pemilihan uji t-dependent dapat dilakukan dengan syarat,
kaidah-kaidah distribusi normal terpenuhi dan skala data berbentuk numerik, umumnya
adalah rerata. Pada uji t-dependent sampel yang terpilih dilakukan perlakukan terlebih
dahulu.

5
Contoh kasus:

Pada suatu kegiatan rekayasa genetik, dilakukan pengembangan tanaman tomat

transgenik miraculin (gen miraculin/memodifikasi rasa asam menjadi manis). Sebelum
tanaman ini dibudidayakan secara luas, dilakukan sebuah penelitian untuk mengetahui
potensi keamanan hayati tanaman tomat transgenik miraculin, melalui pengujian dampak
tanaman tersebut terhadap populasi mikroflora (bakteri, jamur dan acytomycetes).
Pengamatan populasi mikroflora dilakukan perhitungan jumlah koloni sebanyak 2 kali yaitu,
sebelum penanaman tomat dan setelah masa panen tomat. Adapun metode eksperimen
sederhana dilakukan dengan 8 ulangan.

Tentukan apakah terdapat perbedaan rata-rata pada masing-masing populasi mikroflora

sebelum penanaman dan panen dari tomat transgenic miraculin dan tomat

Langkah 1: menentukan hipotesis

6
  Ho : tidak ada perbedaan populasi bakteri tanah sebelum dan setelah penanam tomat
transgenik miraculin
 Ha : ada perbedaan populasi bakteri tanah sebelum dan setelah penanaman tomat
transgenik miraculin

Langkah 3 : Menarik Kesimpulan

Ditetapkan pada uji t-depedent ini bersifat 2 arah, nilai α sebesar 5% / 0,05 dengan
nilai dk = n -1 = 8-1 = 7. Maka berdasarkan tabel-t (terlampir) didapatkan nilai t-tabel adalah
2,365. Berdasarkan perbandingan nilai t-tabel dan t-hitung, didapatkan nilai thitung < t-tabel,
sehingga Ho ditolak. Kesimpulannya rata-rata populasi mikroflora, yaitu populasi bakteri
sebelum dan setelah penanaman tanaman tomat transgenic berbeda secara signifikan

2. Uji Komparatif Untuk 2 Sampel Tidak Berpasangan

Secara sederhana dapat digambarkan bahwa proses pengambilan sampel
dilakukan sebanyak 2 kali berdasarkan pengkategorian yang ditetapkan sebelumnya.

7
 Perhitungan uji beda mean yang tidak berpasangan tetap diawali dengan uji
normalitas. Apabila didapatkan data berdistribusi normal, maka akan dilakukan “uji Ttidak
berpasangan”. Yang perlu diperhatikan pada uji T-tidak berpasangan ini adalah adalah
adanya perbandingan variasi antar kelompok, yang disebut dengan uji homogenitas.
Sedangkan pada data yang tidak berdistribusi normal, dilakukan uji nonparametrik.
a. Uji Homogenitas
Sebagaimana disebutkan diatas, sebelum melakukan perhitungan uji beda T-tidak
berpasangan, kita akan melakukan uji homogenitas. Uji homogenitas ini ditujukan untuk
mengetahui variasi pada kedua kelompok sampel. Perbedaan variasi pada keduanya akan
mempengaruhi nilai standar error yang nantinya akan berpengaruh terhadap perhitungan
uji hipotesa.
Perhitungan uji homogenitas = F

Pada uji F, varian yang lebih besar berfungsi sebagai pembilang dan varian yang lebih
kecil sebagai penyebut. Kritera pengujian uji homogenitas adalah Ho akan ditolak (variasi
antar kelompok adalah berbeda) apabila nilai F-hitung < F-tabel.

8
D. Pengujian Statistik Pada Data Hitung Dua Sampel
1. Uji T-Independent
Langkah 1: menentukan hipotesis
 Ho : tidak ada perbedaan rerata jumlah bakteri yang mencapai hepar mencit pada
kelompok teripang paracaudina australis (T1) dan kelompok teripang colochirus
quadrangularis (T2).
 Ha : ada perbedaan rerata jumlah bakteri yang mencapai hepar mencit pada
kelompok teripang paracaudina australis (T1) dan kelompok teripang colochirus
quadrangularis (T2).

Langkah 2: menentukan homogenitas (uji F)

 Ho : variasi antara kelompok sama

 Ha : variasi anatar kelompok berbeda

Berdasarkan tabel F didapatkan nilau F-tabel 5,05

Karena F hitung > F tabel, maka disimpulkan Ho gagal ditolak dan kedua kelompok
sampel memiliki variasi yang sama

9
 Langkah 3: menghitung uji t-indepedent Berdasarkan uji homogenitas didapatkan hasil bahwa
kedua kelompok sampel memiliki variasi yang sama, maka adapaun perhitungan uji t-independent
adalah

Langkah 4: menarik kesimpulan Berdasarkan nilai t pada tabel didapatkan, bahwa nilai
thitung > dari ttabel. Maka disimpulkan bahwa terdapat perbedaan rata-rata jumlah e.colli
pada kelompok teripang ke-1 (t.paracaudina) dan kelompok ke-2 (teripang colohirus).

E. Perhitungan Analisis Varians Satu Arah

Analisis variansi adalah suatu prosedur untuk uji perbedaan mean beberapa populasi
(Sugiharto,2009).Konsep analisis variansi didasarkan pada konsep distribusi F dan
biasanya dapat diaplikasikan untuk berbagai macam kasus maupun dalam analisis
hubungan antara berbagai varabel yang diamati. Dalam perhitungan statistik, analisis
variansi sangat dipengaruhi asumsi-asumsi yang digunakan seperti kenormalan dari
distribusi, homogenitas variansi dan kebebasan dari kesalahan .

Asumsi kenormalan distribusi memberi penjelasan terhadap karakteristik data

setiap kelompok. Asumsi adanya homogenitas variansi menjelaskan bahwa variansi
dalam masing-masing kelompok dianggap sama. Sedangkan asumsi bebas menjelaskan
bahwa variansi masing-masing terhadap rata-ratanya pada setiap kelompok bersifat saling
bebas (Mothumona, 2019).

Hipotesis ANOVA satu arah

 H0 : µ1= µ 2 = µ3 = … = µ k
 Seluruh mean populasi adalah sama
 Tidak ada efek treatment ( tidak ada keragaman mean dalam grup)
 H1: tidak seluruhnya mean populasi adalah sama

10
  Terdapat sebuah efek treatment
 Tidak seluruh mean populasi berbeda ( beberapa pasang mungkin sama)

Dalam uji ini diasumsikan bahwa semua populasi yang sedang dikaji memiliki
keragaman atau varians (variance) sama tanpa mempertimbangkan apakah populasi-
populasi tersebut memiliki rata-rata hitung (mean) sama atau berbeda. Ada 2 (dua) cara atau
metode dalam memperkirakan nilai varians ini, yakni metode dalam kelompok (within
method) dan metode antar-kelompok (between method).

F. Pengertian Regresi

Regresi merupakan suatu metode analisis statistik yang digunakan dalam melihat
pengaruh antara dua atau lebih variabel. Metode ini sifatnya fungsional dengan model
matematis. Terdapat dua bagian variabel pada analisis regresi, di antaranya variabel respons
atau bergantung dan variabel penduga atau bebas.

Regresi dibagi menjadi dua jenis di antaranya adalah regresi sederhana dan berganda.
Regresi sederhana terbagi menjadi dua yaitu linier sederhana dan nonlinier sederhana,
sedangkan regresi berganda juga dibagi menjadi dua bagian yaitu linier berganda dan non
linier berganda.

Manfaat Analisis Regresi

Hampir di dalam penelitian atau analisis data menggunakan analisis regresi. Penelitian itu di
antaranya seperti bidang ekonomi, industri, ketenagakerjaan, sejarah, pemerintah, ilmu
lingkungan atau botani, dan sebagainya.

Spesifik manfaat dari analisis regresi adalah mengetahui berbagai variabel kunci yang
berpengaruh pada variabel bergantung, permodalan, pendugaan, hingga peramalan.

Adapun beberapa manfaat lainnya dari analisis regresi di antaranya sebagai berikut:

1. Membuat perkiraan rata-rata dan nilai variabel bergantung yang dipengaruhi oleh
nilai variabel bebas;
2. Menguji hipotesa karakter dependensi;
3. Memperkirakan nilai rata-rata variabel bebas yang dilihat dari nilai variabel bebas
di luar perkiraan sampel.

11
Contoh Analisis Regresi

Seperti yang kita ketahui bahwa analisis regresi merupakan suatu metode pendekatan yang
digunakan pada permodalan hubungan antara variabel dependen dengan variabel
independen. Di dalam analisis ini, hubungan antara kedua variabel tersebut bersifat linier,
yang mana perubahan variabel X akan diikuti oleh perubahan variabel Y dengan nilai tetap
(Mastah, 2019).

Sedangkan metode nonlinier, perubahan variabel X tidak mempengaruhi variabel Y secara

proporsional. Seperti pada model kuadratik, perubahan X mempengaruhi kuadrat variabel
X, yang mana hubungan tersebut bersifat linier.

Secara sistematis, model analisis regresi linier sederhana bisa dirumuskan sebagai berikut:

Y = A + BX + e
Y = variabel dependen atau response
A = konstanta
B = residual atau error
C. Regresi Sederhana yang Ideal
Regresi sederhana yang idel tentunya dipenuhi beberapa asumsi di antaranya sebagai
berikut:

1. Eksogenitas yang Lemah

Asumsi ini adalah analisis yang mensyaratkan bahwa variabel yang bersifat tetap,
dan variabel Y bersifat acak. Di mana satu nilai variabel X akan memperkirakan
variabel Y yang memungkinkan munculnya beberapa variabel Y. sehingga perlu
adanya nilai error atau residual pada variabel Y.
Contohnya, ketika pendapatan (X) seseorang sebesar 1 juta, pengeluarannya bisa
500 rb, 600 rb, atau seterusnya.
2. Linieritas

Analisis regresi bersifat linier yang membuat kenaikan variabel X dan dipengaruhi
oleh kenaikan variabel Y. jika pengujian linieritas tidak memenuhi syarat, maka
bisa dilakukan transformasi data alias menggunakan model kuadratik, eksponensial
dan model lainnya sesuai dengan pola nonlinier.

12
 3. Varians Error Konstan
Asumsi ini menjelaskan adanya residual yang konstan alias tidak berubah-ubah
meskipun pada respon yang berbeda. Asumsi ini lebih dikenal dengan istilah
homoskedastisitas.
Varian eror perlu bernilai tetap, karena variabel eror dapat membentuk model
sendiri dan mengganggu model utama. Sehingga, untuk menanggulangi
permasalahan tersebut dapat diatasi dengan menambahkan model varian eror ke
dalam model ARCH atau GARCH.
4. Autokorelasi untuk Data Waktu/Time Series
Data yang disusun berdasarkan waktu, sehingga terdapat satu asumsi yang harus
dipenuhi yang disebut sebagai asumsi autokrelasi. Asumsi ini melihat variabel
waktu sebelumnya yang mempengaruhi variabel Y. jika terdapat gangguan, maka
terdapat variabel waktu yang mempengaruhi variabel Y.

Daftar Pustaka
Mastah. (2019). Pengertian Regresi : Definisi, Manfaat dan Contoh.
https://www.mastah.org/pengertian-regresi/.
Mothumona, Z.-z. (2019). Analisis Variansi Satu Arah. https://idoc.pub/documents/analisis-
variansi-satu-arah-on23g358kyl0.
Yuvalianda. (2020). Uji-T Satu Sampel: Penjelasan Hingga Contoh.
https://yuvalianda.com/author/genioyuva/.
Tyastirin, E. and Hidayati, I. (2017) Statistik parametrik untuk penelitian kesehatan, Program
Studi Arsitektur Uin Sunan Ampel.

13