Statistik

Deskriptif -> kumpulin data dll smpe analisis dll

Inferens-> mengeneralisasi / menyimpulkan nilai suatu hal sama

Variabel (sesuatu yg bervariasi) = cth BB, TB, RAS, Gender

Terbagi 2 :
Variabel bebas/independent (sebab)
Variabel terikat/dependent (akibat)

Data ( yg dipake dalam variabel )

Divided by 2:
Numeric (angka) cth BB 30kg
Categoric (bukan angka) cth jenis kelamin

Numeric
1. Interval ( nilai angkanya bs ad nilai -)
2. Ratio ( tdk ada nilai -)

Categoric
1. nominal ( tdk ad tingkatan) cth gender
2. ordinal ( ada tingkatan) cth gemuk kurus sedang
Langkah penelitian secara garis besar:
Uji normalitas sampel -> normally distributed -> uji parametrik
 not normally distributed -> uji non-parametrik

NORMALITY TEST
Teori:
Normality test divided by :
a. Uji statistik / normalitas ( normal jika sig >0.05):
1. kolmogorov smirnov (sample >=50)
2. shapiro wilk ( sample <50)
b. Visual: if distribution chart looks like a bell --> “n”
c. Skewness and kurtosis -> normal if (-1.96) < zskewness or zkurtosis < (1.96)
Cara dpt Zskewness atau Zkurtosis: Zskewness atau Zkurtosis / std. errornya
Step: Analyze -> Descriptive -> Explore -> normality plots with test, histogram, stem & leaf di
contreng -> OK
kalau misalnya data yg pake kontrol, maka kita harus isi variabel X sebagai “kelompok” dan
masukin valuenya “1= kontrol, 2= uji”, lalu di Y nya masukin data yg mau di uji misalkan umur.

Kalau datanya terdistribusi normal, maka bs pake uji statistik parametrik

Kalau datanya tdk terdistribusi normal, maka pake uji non-parametrik
Contoh: mau bandingin prp dan non prp -> maka uji normalitas dl -> kalau normal, maka bs
pake uji parametrik (independent t-test) karena ia tdk berpasangan/diuji 2x pada 1 pasien yg
sama. Sedangkan kalau tdk normally distributed maka pake non parametrik (mann-whitney)

Untuk uji parametrik, wajib di uji homogenitas dahulu, contoh, kita pake uji independent t-test,
maka akan keluar hasil

Untuk tentuin mau pake sig(2-tailed) yg mana. Maka kita harus uji homogenitas dengan ONE-
WAY ANNOVA
Kalau hasil uji homogenitas sdh homogen dan uji normalitas sdh normal, maka kita pake
sig(2tailed) yang “equal variances assumed”, kalau ga homogen maka pake yang “equal
variances not assumed”. Pada uji homogenitas, interpretasinya sama spt uji normalitas, yaitu
harus >0.05.

UJI DESKRIPTIF UNIVARIAT ( Kalau sample hanya 1 jenis, tanpa kontrol), bentuk kategorik -> bs
nampilin chart, numerik -> angka.
Kalau data ga normal bisa pake “outlier” atau “transfrom”

Teknik Sampling terbagi 2:

Probability sampling: setiap anggota populasi memiliki kesempatan untuk menjadi sample
Non probability : tidak semua anggota populasi ad kesempatan utk jadi sample

Simple random: diambil secara random pada suatu populasi

Systematic random:
Stratified Random: sample diambil sesuai dengan tingkatan yg sudah terbagi
Cluster Random: diambil berdasarkan cluster yg sudah di bagi