Disebut juga compare meanParametrik:Sample bebas: independent t test (2 klp sample bebas tidak ada keterkaitan antar
sample misal laki-laki perempuan)Sample berpasangan: paired simple t test (terdapat 2 pengambilan data pada individu yang
sama misal one group pre post intervention test) Non parametric: Distribusi normal mann whitney uTidak normal : Wilcoxon
UJI HIPOTESIS
POPULASI HIPOTESIS
UJI HIPOTESIS
SAMPEL DATA
HIPOTESIS STATISTIK ?
HIPOTESIS PENELITIAN
HIPOTESIS STATISTIK
COMPARE •Chi-square
RISK •Regresi Logistik
•Regresi Poisson
Persyaratan Uji t (Uji Parametrik)
Data berdistribusi normal untuk tahu data berdistribusi normal atau tidak,
dilaksanakan uji normalitas
Membandingkan rerata/mean
contoh kita punya 1 nilai rerata, dibandingkan
1 sampel dengan suatu nilai standar dengan 1 nilai standar
UJI t
2 sampel berpasangan misal dalam klp remaja kita ukur HB nya
pre pemberian tablet darah, setelah hari (t-test)
2 sampel bebas ke 35 di cek hb ulang
misal remaja desa A dan remaja desa B, keduanya dicek kadar Hb
Contoh:
Apakah rata-rata tekanan intraokuler dari lansia sama
dengan 14?
Ho: µ= 14
Ha: µ≠ 14
ONE SAMPEL t- test…cont’
UJI STATISTIK
x test .value
t
sd / n
rata2 menggunakan C! 95% karena
CONFIDENCE INTERVAL rata-rata menggunakan alfa 5%
• CONFIDENCE INTERVAL
CI (95%) = 1.6 ± 2,086 x 3,38/√21 0.06 – 3.14
ONE SAMPEL t- test…cont’
KESIMPULAN (dari contoh)
Ho ditolak bila:
Nilai t hitung ≥ CV
Nilai p≤ α
Nilai CI tidak mencakup angka nol (0)
Berarti rata-rata berbeda dengan nilai standar
Independent samples T Test
Indikasi
Membandingkan rerata dua kelompok
Misal: perbedaan rerata serum Fe antara tikus jantan dan betina,
Perbedaan rata-rata kadar Hb ibu hamil di Kota dan desa
populasi
random
S1 S2
Ho: 1-2=0
Uji : Independent samples t test (normal)
Kruskall-Wallis test (tdk normal)
Ilustrasi
Sampel (X1) Sampel (X2)
1 3
3 6
5 9
Mean X1=3 Mean X2=6
Sd1= 2 Sd2=3
Ho: 1 - 2 =0
Uji t independent/Kruskal-Wallis
Penilain efek:
1. Beda mean mean difference
2. Effect size Eta2 = t2/(t2+n-1)
3. CI beda mean CI dari mean difference
4. Nilai p
INDEPENDENT SAMPLES t-TEST
Persyaratan: Data berdistribusi normal uji normalitas dengan
Shapiro-Wilks
Hipotesis
Ho :µ1=µ2 atau Ho :µ1-µ2 =0
Ha: µ1≠µ2 atau Ha :µ1-µ2≠0
Contoh:
Apakah ada perbedaan kadar serum feritin antara tikus yang diberikan seredele dan
kontrol?
Hipotesis:
Ho :µ1=µ2 ; Ha :µ1 ≠ µ2
Levene test
Perbandingan 2 sampel bebas; perlu diketahui
perbandingan variance kedua kelompok (Homogen
atau Tidak) untuk mengetahui data mana yang akan kita baca
Ha : sd12 ¹ sd22
Levene Test
Perhitungan:
F= SD12/SD22
Catatan: Nilai SD yang lebih besar sebagai pembilang
x1 x 2 x1 x 2
t t
2 2
SDp SDp 2
SD1 SD2
2
n1 n2 n1 n2
SDp2 = {(n1-1)SD12 + (n2-1)SD22}/(n1+n2-2)
Confidence Interval
CI(1-) = x x ± t
1 2 df x SE
Independent Sample t- test…cont’
1t1 2t 2
Bila variance unequal nilai CV=
1 2
KESIMPULAN:
Ho ditolak bila:
Nilai p≤ α
Nilai CI tidak mencakup angka nol (0)
Berarti rata-rata berbeda dengan nilai standar
UJI BEDA MEAN
BERPASANGAN &
ONEWAY-ANOVA
2 SISI 1 SISI (tergantung tujuan) misal untuk tau apakah ada perbedaan setelah diberikan perlakuan
1 3 -2
3 6 -3
5 9 -4
Mean X1=3 Men X2=6 Mean d= Mean X1-
Sd1= 2 Sd2=3 Mean X2= -3
Penilain efek: Sd=1
1. Beda mean
2. Effect size Eta2 =
t2/(t2+n-1)
3. CI beda mean t-paired
4. Nilai p
Interpretasi
Practical significant
diukur dengan Effect Size (Eta2):
small: koef Eta2 < 05;
Medium: koef Eta2 0,5-0,79;
large : Eta2 ≥ 0,8
Statistical Significant
diukur dari CI: signifikan bila nol d luar CI
diukur dari nilai p: signifikan bila p ≤
Contoh:
Apakah intervensi ergonomi meningkatkan produktivitas karyawan
pabrik sepatu?
Berarti ada variabel Pretest dan Postest . (d=pretest- postest)
Hipotesis:
Ho: µd≥0
Ha: µd<0
Jika diperoleh :
Nilai p≤ α
Nilai CI tidak mencakup angka nol (0)
Berarti: rata-rata beda tidak sama dengan nol atau ada
peningkatan nilai pre ke nilai post atau intervensi efektif.
Latihan 2 sampel
berpasangan
Analisis efek ekstrak seredelai
terhadap Hb sebelum (Hbpre) dan
Hb sesudah perlakuan (Hbpost)
Data disimpan dalam file : Latihan
compare mean.sav
Apakah ada peningkatan kadar Hb
pada tikus setelah diberikan
seredelai?
Rancangan pre dan post test
Hipotesis bila beda = pre – post
Ho: µd≥0 Ha: µd<0
Step 1: uji normalitas
Data hbpre dan hbpos harus diuji normalitas
dengan metode Shapiro-Wilks
Cara:
analyze descriptive statistics explore
dependent list hbpre dan hbpos statistics :
descriptive di centang CI 95% plots : boxplots
dependent together normality plots with test
Interpretasi:
Interpretasi :
Nilai p hbpre 0.009 < 0.05 data tidak berdistribusi normal
Nilai p hbpos 0.100 > 0.05 data berdistribusi normal
Untuk hbpre dan hbpos kita akan coba dengan uji parametrik dan
uji nonparamaterik
Hasil SPSS uji
normalitas…
Akan disajikan gambar plots dan boxplot
Bila berdistribusi normal sebaran titik akan cenderung
berdekatan dengan garis diagonal (normality plots).
Boxplot disajikan sehingga anda dapat mengetahui
sebaran data secara visual.
Step 2: uji parametrik perbedaan mean
sampel berpasangan
Uji t berpasangan : Paired Sample T-Test
Caranya:
analyze compare mean paired samples
T Test variable hbpre ke Variable1 ;
variable hbpos ke Variable2 option (jika
ingin mengganti CI = 95% atau 99%) OK
Interpretasi:
Deskriptif Practical Statistical
significant significant
Practical significant
Beda Rerata : (pre-pos) = - 6.8 (beda ≠ nol, lebih tepatnya
beda < 0 ada peningkatan)
Efek size : Eta2 = -6.82/(-6.82 + 21-1) = 0.70 (sedang)
Berarti ada peningkatan yang sedang pada kadar Hb tikus
setelah diberikan ekstrak seredelai
Statistical Significant
95% CI -0.93 − -0.44
Nilai CI tidak mencakup angka nol (0)
Berarti ada peningkatan kadar Hb yang signifikan secara
statistik setelah tikus diberikan ekstrak seredelai
Nilai p
Nilai p≤ α ; maka Ho ditolak berarti ada peningkatan kadar
Hb yang signifikan secara statistik setelah tikus diberikan ekstrak
seredelai
Step 2: uji nonparametrik perbedaan mean
sampel berpasangan
Uji nonparametri: Sign rank atau Wilcoxon
Caranya:
analyze non parametrik test legacy dialogs
2 related samples variable hbpre ke
Variable1 ; variable hbpos ke Variable2 type
test : Wilcoxon option (descriptive and
quartiles OK
Interpretasi:
Deskriptif Practical Statistical
significant significant
random
S1 S2 S3
Ho: 1=2=3
Uji : One-way Anova (normal)
Kruskall-Wallis test (tdk normal)
Perhitungan Jumlah Kuadrat
(Sum Square)
Cara menghitung Sum-Square
1. Hitung SST (total sum square) = jumlah kuadrat dari
deviasi nilai setiap sampel terhadap rerata keseluruhan
(
SST = å Xi - X )
2
( X -X )
2
SSA = å n j j
MSW = SSW / (n - k)
Cara menghitung Varian Ratio
1. Hitung VR = MSA/MSW
Perhitungan
Sumber Sum of square df Mean Variance
variasi square ratio
MSA
SSA n j ( x j x )
between k-1 MSA=
group
2
SSA/(k-1)
VR
j 1 MSW
k nj
Nilai p
Ho diterima,bila p > (tidak ada perbedaan)
Ho ditolak, bila p (paling sedikit ada satu yang berbeda)
Post Hoc
Indikasi
Bila Ho pada one-way ditolak,maka perlu diuji
perbedaan antar kelompok
Hipotesis
Klp 1 vs 2: Ho: 1 = 2 Ha: 1 # 2
Klp 1 vs 3: Ho: 1 = 3 Ha: 1 # 3
Klp 2 vs 3: Ho: 2 = 3 Ha: 2 # 3
Post Hoc
Prinsip Analisis
membandingkan beda rerata kedua kelompok
dengan HSD (honestly significant defference)
Ho ditolak,
bila beda sampel mean kedua kelompok HSD
Group/treatment
1 2 3 … k
Total T1 T2 T3 Tk Tj
Mean x2
x1 x3 xk X
Hipotesis HSD Beda Simpulan
Ho:1= 2 4,160,857/3=2,22 10 Ho ditolak
Interpretasi:
Bila nilai p > 0,05 data berdistribusi normal
Bila nilai p ≤ 0,05 data tidak berdistibusi normal
Hasil SPSS uji normalitas
Akan disajikan tabel case processing
summary dan descriptive (anda dapat
mengenali data dan interpretasi secara
deskriptif)
Interpretasi :
Nilai p serumFe diketiga kelompok dosis > 0.05 data
berdistribusi normal
Step 2: uji parametrik One Way ANOVA
Caranya:
analyze compare mean One way
Anova dependent list: serum Fe; factor list
: klp_dosis Post Hoc : equal var assumed :
centang bonferroni; equal var not assumed:
centang Tamhane’s; sig level : 0.05
option statistics : descriptive dan
homogeniety of variance test OK
Hasil:
Caranya:
analyze non parametrik test legacy dialogs
K independent samples test var : serum
Fe; grouping var min: 1 max: 3 type test :
Kruskal Wallis option (descriptive) OK
Hasil:
Interpretasi : setidaknya ada salah satu
kelompok yang rata-rata serumFe
berbeda secara statistik dengan
kelompok lainnya
Workshop Data 3
1. Ubah data kolesterolemia ke daalam bentuk spp (.sav)
2. Simpan data
3. Analisis data dengan uji t-paired (kolesterol pre dan
kolesterol post). Apakah ada perbedaan antara kolesterol
pre dengan post setelah mendapat intervensi?