CHI SQUARE TEST

(Uji Kai Kuadrat)

Achmad Ridwan.MO, dr, M.Sc

POKOK BAHASAN
1.
2.
3.
4.
5.

TUJUAN
RUMUS UJI CHI SQUARE
CONTOH PENELITIAN
CARA MELAPORKAN HASIL ANALISIS
SOAL LATIHAN

Tujuan/kegunaan
Test independensi (Hubungan dua variabel)
Contoh:Dapatkah disimpulkan dari data ini
bahwa dosis harian rata-rata insulin
berhubungan dengan ada atau tidaknya
hipoglikemia?
Test homogenitas (Uji kesamaan/beda proporsi)
Contoh: Dapatkah disimpulkan ada
perbedaan atau ada beda proporsi BBLR
antara ibu dengan riwayat hypertensi dan ibu
tidak hypertensi ?

Tujuan/kegunaan
Test Goodness of Fit
Apakah set data fit dengan sebuah
model tertentu?
Apakah data mengikuti suatu distrbusi
normal? atau
Apakah distribusi golongan darah
konstant dengan pre determinan
standar?

Tabel Uji Hipotesis

Jenis Uji Hipotesis

Komparatif/Asosiatif
Skala
Pengukuran
Variabel

2 Kelompok

> 2 Kelompok
Korelatif

Berpasangan

Tidak
Berpasangan

Berpasangan

Tidak
Berpasangan

Nominal

McNemar**
Marginal**
Homogenity**

Chi Square**
Fisher**
KolmogorovSmirnov**

Cochran**

Chi Square**
Fisher**
KolmogorovSmirnov**

Coefisien
Kontingensi **
Lamda**

Ordinal

McNemar**
Marginal**
Homogenity**

Chi Square**
Fisher**
KolmogorovSmirnov**

Cochran**

Chi Square**
Fisher**
KolmogorovSmirnov**

Somersd **
Gamma**

Wilcoxon

Mann-Whitney

Friedman

Kruskal-Wallis

Spearman

Uji t
Berpasangan *

Uji t tidak
berpasangan *

Anova *

Anova *

Pearson*

Numerik
(Interval &
Ratio)

Uji dengan tanda * merupakan uji parametrik

Tanda panah menunjukkan uji alternatif bila syarat uji parametrik tidak terpenuhi
Uji hipotesis untuk variabel ordinal sama dengan uji untuk variabel nominal bila dapat dibuat dalam
Bentuk tabel silang (tabel Baris kali Kolom)
Tanda ** menunjukkan bahwa uji tsb dapat disajikan dalam bentuk tabel silang

Analisis Bivariat
Variabel X

Variabel Y

Jumlah

Ya

Tidak

Ya

a+b

Tidak

c+d

Jumlah

a+c

b+d

a, b, c, d merupakan nilai observasi,

sedangkan nilai ekspektasi masing-masing

sel dicari dengan rumus :

Rumus Pearson Chi Square

digunakan untuk Tabel lebih 2 X 2

(O E )

E
2

O = Frekuensi nilai Observasi

E = Frekuensi nilai ekspektasi/harapan
Df = (b-1) (k-1)
b = Jumlah Baris dan K = Jumlah Kolom

ASUMSI :
1. TIDAK BOLEH ADA
NILAI E < 5, LEBIH
20% DARI TOTAL
JUMLAH SEL
2. BILA ADA NILAI E<5
LEBIH DARI 20%,
MAKA DILAKUKAN
PENGGABUNGAN
SEL

Rumus Chi square dg. Yates

correction, untuk tabel 2x2
Skala nominal atau ordinal

Rumus untuk tabel 2x2 pakai Chi Sq Yates

correction
(Koreksi kontinyuitas):

X2 = ( O E - 0,5)2
E

Khusus pada tabel 2 X 2 dapat juga dipakai rumus sbb :

X2 =

n (ad - bc - n/2)2
(a+b) (c+d)(a+c) (b+d)

Kapan menggunakan tes X

Cochran (1984) dalam Siegel (19920 menyarankan:

Kasus 2x2. Jika frek2 ada dalam st tabel kontignensi

2x2, kpts. Untuk menggunakan test X2 hendaknya
mengindahkan pemikiran dan pertimb.ini:
1. Bila n>40, gunakan X2 dengan koreksi kontinyuitas
(rumus 6.4.)
2. Bila n diantara 20 dan 40, tes X2 (rumus 6.4) boleh
dipakai jk semua frek diharapkan adalah 5/lebih. Jk frek
diharapkan yg diharapkan yg terkecil kurang dari 5,
pakailah test Fisher.
Bila n<20, gunakanlah tes Fisher untuk kasus apapun.

Analisis Bivariat
Keterbatasan Kai Kuadrat
1. Tidak boleh ada sel yg mempunyai nilai E < 1
2. Tidak boleh ada sel yg mempunyai nilai E < 5
lebih dari 20% dari jumlah keseluruhan sel.
Pada Tabel lebih dari 2x2, misal 3x2, 3x4 dll
3. Gunakan Kai kuadrat tanpa koreksi
4. Bila ada nilai E < 5, lebih dari 20% perlu
dilakukan penggabungan sel

Sel a

TABEL 2 X 2

a+c

Margin Kolom

a+b

c+d

b +d

T
Margin Baris

Nilai Observasi pada tiap sel

Oa = 100
Ob = 46
Oc = 50
Od = 104
Pertanyaan :
Berapa nilai Ekspektasi pada tiap sel ?
Ea? Eb? Ec? Ed?

Analisis Bivariat
Frekuensi Nilai Harapan
(Expected Value)

Jumlah M arg in Kolom X

E

JumlahM arg in Baris

TOTAL

Bila nilai Observasi ada 4 sel, maka nilai

Ekspektasi juga ada 4.

Sel a

TABEL 2 X 2

Margin Kolom

b
100

46

a+b
=146

104

c+d
=154

Ea=146x150/300

d
50

a + c=150

b +d=150

T=300
Margin Baris

Contoh
Pertanyaan Penelitian: Apakah ada hubungan antara
merokok dan status fertilitas ? Lakukan uji hipotesis
pada =0,05
Sampel pria tidak merokok 50 orang, merokok 50 orang.
Pada subyek yang tidak merokok , subur 35 orang, tidak
subur 15 orang.
Pada subyek yang merokok , subur 20 orang, tidak
subur 30 orang.
Desain penelitian Cros sectional.

Merokok
Tidak
merokok
Merokok

Status Fertilitas
Total
Subur
Tidak subur
35
15
50

20

30

50

PROSEDUR UJI CHI SQUARE

Langkah langkah pengujian :
Evaluasi data n : 100
Asumsi : Sampel Random sederhana
Hipotesis:
Ho : Tidak ada hubungan antara merokok dan fertilitas.
Ha : Ada hubungan antara merokok dan fertilitas.
4. . Uji Statistik :
Rumus
n( ad b n / 2) 2
X2 = (!O E!-0,5 )2
2
X
E
(a b)(c d )(a c)(b d )
5. : 0,05 df = (b 1) (k 1) = (2 1) (2 1) = 1 Titik kritis, X2
tabel = 3,841
6. Kriteria uji :
Ho diterima jika X2 hitung < X2 tabel, Ho ditolak jika X2hit >X2 tab.

1.
2.
3.

n( ad b n / 2)
X
(a b)(c d )(a c)(b d )
2

100( 35 x30 15 x 20 100 / 2)

X
7,919
(50)(50)(55)(45)
2

OR=AD/BC=3,5

7. Hasil Perhitungan:
X2hitung =7,919 OR=3,5
8. Keputusan Statistik :
Ho ditolak sebab X2hitung (7,919) > X2
tabel (3,841)
9. Kesimpulan :
Ada hubungan antara merokok dan
tingkat fertilitas, X2=7,919

perilaku merokok * Status fertilitas Crosstabulation

perilaku
merokok

tidak merokok

merokok

Total

Count
% within
perilaku
merokok
Count
% within
perilaku
merokok
Count
% within
perilaku
merokok

Status fertilitas
tidak
subur subur Total
35
15
50
70.0% 30.0%
20

100.0
%

30

50

40.0% 60.0%

100.0
%

55

45

100

55.0% 45.0%

100.0
%

Chi-Square Tests
Asymp.
Sig. (2Value
df
sided)
Pearson ChiSquare
Continuity
Correctionb
Likelihood Ratio

9.091a

.003

7.919

.005

9.240

.002

Fisher's Exact Test

Linear-by-Linear
Association
N of Valid Casesb

Exact Sig. Exact Sig.

(2-sided) (1-sided)

.005
9.000

.002

.003

100

a. 0 cells (.0%) have expected count less than 5. The minimum expected
count is 22.50.
b. Computed only for a 2x2
table

Risk Estimate
95% Confidence Interval
Value

Lower

Upper

Odds Ratio for perilaku

merokok (tidak merokok /
merokok)

3.500

1.529

8.012

For cohort Status fertilitas =

subur

1.750

1.191

2.572

For cohort Status fertilitas =

tidak subur

.500

.309

.808

N of Valid Cases

100

Laporkan hasilnya
Pada tabel 2.1 terlihat bahwa persentase
responden dg fertilitas subur pada respondenn
tidak merokok adalah 70%. Persentase ini lebih
tinggi dibandingkan persentase subur pada
responden yang merokok yaitu 40%.
Hasil uji Chi square X2=7,919, p=0,005 adalah
lebih kecil dari 0,05 artinya ada hubungan yg
bermakna antara merokok dan fertilitas.

 OR =3,50 artinya peluang subur pada

responden tidak merokok 3,5 kali lebih
besar dibandingkan dengan peluang
subur pada responden yang merokok.

Contoh 2
Peneliti ingin mengetahui hubungan intake
kalori daan tingkat pengetahuan.
Sampel intake kalori rendah 24 orang,
cukup 48 orang, lebih 28 orang.
Hasilnya telah dibuat dalam tabel 2.
Pertanyaan penelitian; apakah ada
hubunga intake kalori dan tingkat
pengetahuan? Lakukan uji pada alpha
0,05

Tabel 2

Distribusi respoden menurut tk intake kalori

dan tk pengetahuan
Intake
kalori
Kurang
Cukup
lebih

Tk Pengetahuan
Rendah Sedang
Tinggi

Total

11
29
1

12
19
27

1
0
0

24
48
28

41

58

100

PROSEDUR UJI CHI SQUARE

Langkah langkah pengujian :
Evaluasi data n : 106
Asumsi : Random sederhana
Hipotesis:
Ho : Tidak ada hubungan antara penggunaan alat kontrasepsi
dengan tingkat pendidikan.
Ha : Ada hubungan antara penggunaan alat kontrasepsi dengan
tingkat pendidikan.
4. Uji Statistik :
Rumus
X2 = (O E )2
E
5. : 0,05 df = (b 1) (k 1) = (3 1) (3 1) = 4 Titik kritis, X2
tabel = 9,488
6. Kriteria uji :
Ho diterima jika X2 hitung < X2 tabel, Ho ditolak jika X2hit >X2 tab.

1.
2.
3.

7. Perhitungan :

X2 = (O E )2
E
E1 = 41 X 24 = 9,84
100
E2 = 58 X24 = 13,92
100
E3 = 1 X 24 = 0,24
100
E4 = 41 X 48 = 19,68
100

E5 = 58 X 48 = 27,84
100
E6 = 1 X 48 = 0, 48
100
E7 = 41 X 28 = 11,48
100
E8 = 58 X 28 = 16,24
100
E9 = 1 X 28 = 0,28
100

Nilia Expected <5 ada 3 sel berarti ada 33,33 % sel

sel gabung pada kolom :Pengetahuan sedang +tinggi

Gabung sel menjadi tabel 3x2

Intake
kalori
Kurang
Cukup
lebih

Tk Pengetahuan
Total
Rendah Sedang+Ti
nggi
11
29
1

13
19
27

24
48
28

41

58

100

7. Perhitungan :

X2 = (O E )2
E
E1 = 41 X 24 = 9,84
100
E2 = 58 X24 = 13,92
100
E3 = 41 X 48 = 19,68
100
E4 = 58 X 48 = 27,84
100

E5 = 41 X 28 = 11,48
100
E6 = 58 X 28 = 16,24
100

= (11 9,84 )2 + (13 13,92 ) 2 + (29 19,68 |)

9,84
13,92
19,68
( 19 27,84 ) 2 + (111,48) 2 + (27 16,24) 2
27,84
11,48
16,24
= 0,1367+0,0608+4,414+2,8069+9,5671+7,1292=24,11

7. Hasil Perhitungan:
X2hitung =24,11
8. Keputusan Statistik :
Ho ditolak sebab X2hitung (24,11) > X2
tabel (9,488)
9. Kesimpulan :
Ada hubungan antara intake kalori dan
tingkat pengetahuan, X2=24,11

SPSS pada Tabel 3x3

Crosstab
tingkat pengetahuan
Intake kalori

kurang

cukup

lebih

Total

Count
Expected Count
% within Intake
kalori
Count
Expected Count
% within Intake
kalori
Count
Expected Count
% within Intake
kalori
Count
Expected Count
% within Intake
kalori

rendah sedang
11
12
9.8
13.9
45.8%

50.0%

29
19.7

19
27.8

60.4%

39.6%

1
11.5

27
16.2

3.6%

96.4%

41
41.0

58
58.0

41.0%

58.0%

tinggi
1
.2

Total
24
24.0

4.2% 100.0%
0
.5

48
48.0

.0% 100.0%
0
.3

28
28.0

.0% 100.0%
1
1.0

100
100.0

1.0% 100.0%

Chi-Square Tests

Pearson Chi-Square
Likelihood Ratio
Linear-by-Linear
Association
N of Valid Cases

Value
27.485a

df

Asymp. Sig. (2sided)

4
.000

32.283

.000

8.253

.004

100
a. 3 cells (33.3%) have expected count less than 5. The minimum
expected count is .24.

SPSS pada Tabel 3x2

Crosstab

Intake kalori

kurang

cukup

lebih

Total

Count
Expected Count
% within Intake
kalori
Count
Expected Count
% within Intake
kalori
Count
Expected Count
% within Intake
kalori
Count
Expected Count
% within Intake
kalori

tahu_2
sedang+ting
rendah
gi
11
13
9.8
14.2
45.8%
29
19.7
60.4%
1
11.5
3.6%
41
41.0
41.0%

Total
24
24.0

54.2% 100.0%
19
28.3

48
48.0

39.6% 100.0%
27
16.5

28
28.0

96.4% 100.0%
59
59.0

100
100.0

59.0% 100.0%

Chi-Square Tests
Value
Pearson Chi-Square 23.928a
Likelihood Ratio
29.196
Linear-by-Linear
10.696
Association
N of Valid Cases
100

Asymp. Sig.
df
(2-sided)
2
.000
2
.000
1

.001

a. 0 cells (.0%) have expected count less than 5.

The minimum expected count is 9.84.

BAGAIMANA MEMBACA HASIL

ANALISIS

Contoh soal
Desain cohort/ Cross sectional
Penelitian desain cohort/cross sectional, ingin mengetahui
apakah ada beda proporsi kejadian BBLR antara perokok dan
tidak perokok. Sampel perokok 150 orang, sampel kedua tidak
merokok 150 org. Lakukan uji statistik yg sesuai, dengan alpha
0,05. Data penelitian pada tebel 1.
Tabel1

Merokok
Ya
Tidak

Kejadian BBLR
Ya

Tidak

100
50

46
104

Jumlah
150
150

Tabel 1
Distribusi reponden menurut kebiasan merokok
dan kejadian Bayi BBLR
Kejadian BBLR
Ya
Tidak

Jumlah

Kebias
aan
Meroko
k

Ya
Tidak

100
50

68,5
32,5

46
104

31,5
67,5

146
154

p
%

RR
(95 %
CI)

100
100

0,000

2,1
(1,642,72)

Persentase responden kejadian BBLR pada responden dengan kebiasan

merokok 68,5 %, Persentase ini lebih tinggi dibandingkan kejadian BBLR pada
responden tidak merokok yaitu 32,5 %.
Hasil uji Chi square p= 0, 0005, berarti ada hubungan antara kejadian BBLR dan
kebiasan merokok. RR= 2,1, berati kejadian BBLR pada kebiasan merokok 2,1
kali lebh besar dibandingkan pada kebiasaan tidak merokok.

Contoh soal
Desain Case control
Penelitian desain case control, ingin mengetahui apakah pada
perokok proporsi kejadian BBLR lebih besar dari proporsi tidak
BBLR. Sampel BBLR 150 orang, tidak BBLR 150 org. Lakukan
uji statistik yg sesuai, dengan alpha 0,05. Data penelitian pada
tebel 1.
Tabel1
Kejadian BBLR
Merokok
Ya
Tidak
Ya
Tidak

100
50

46
104

Jumlah

150

150

Tabel 1
Distribusi reponden menurut kebiasan merokok
dan kejadian Bayi BBLR
Kejadian BBLR
Kebiasa
an
Merokok

Ya
Tidak

100
50

66,7
33,3

46
104

30,7
69,3

150

100 %

150

100%

Ya

Tidak
p

OR
(95% CI)

0,0005

4,52 (2,787,35)

Responden dengan kebiasan merokok, persentase kejadian BBLR lebih tinggi

Yaitu 66,7 %, kejadian tidak BBLR 30,7 %
Hasil uji Chi square p= 0,0005 berarti ada hubungan antara kejadian BBLR dan
kebiasan merokok. OR= 4,52 berati kejadian BBLR pada kebiasan merokok 4,5
Kali lebh besar.dibandingkan pada kebiasaan tidak merokok.

HASIL SPSS
BBLR

100

Tidak
BBLR
46

BBLR
146

66.7%

30.7%

48.7%

50

104

154

33.3%

69.3%

51.3%

150

150

300

BBLR
Merokok

merokok

tidak
merokok
Total

Count
% within
BBLR
Count
% within
BBLR
Count
% within
BBLR

Total

100.0%

100.0% 100.0%

a Computed only for a 2x2 table

b 0 cells (.0%) have expected count less than 5. The minimum
expected count is 73.00.

Value
Pearson ChiSquare
Continuity
Correction(a)
Likelihood Ratio
Fisher's Exact Test
Linear-by-Linear
Association
N of Valid Cases

Asymp. Sig. Exact Sig. Exact Sig.

(2-sided)
(2-sided) (1-sided)

df

38.908(b)

.000

37.480

.000

39.798

.000
.000

38.778

.000

.000

300

Perhatian: bila hasil p=0,000-- tulis p=0,0005

Value
Lower
Odds Ratio for
Merokok (merokok /
tidak merokok)
For cohort BBLR =
BBLR
For cohort BBLR =
Tidak BBLR
N of Valid Cases

95% Confidence
Interval
Upper
Lower

4,52

2.783

7.348

2.110

1.638

2.717

.467

.359

.607

300

Soal 1

Data tentang kebiasaan merokok di malam

hari dan penyakit kanker paru paru.
Sampel yg merokok 50 org, tidak merokok 50
orang. Pada sampel yg merokok 40 orang
menderita kanker paru.Pada sampel tidak
merokok, ada 16 menderita kanker paru.
Peneliti ingin tahu apakah kita boleh
menyimpulkan dari data (tabel 1) bahwa
merokok di malam hari berkaitan dengan
kanker paru. = 0,05.
A. Desain Cross sectional

Tabel 1
Distribusi responden menurut kebiasaan merokok
dan kejadian kanker paru
Merokok

Kanker
paru (+)

Kanker
Paru (-)

Jumlah

(+)

40

10

50

(-)

16

34

50

56

44

100

1. Interpretasi tabel
2. Hasil Uji
3. Nilai OR

7. Perhitungan :

X2 = (!O E!-0,5 )2
E
E1 = 56 X 50 = 28
100
E2 = 44 X50 = 22
100
E3 = 56 X 50 = 28
100
E4 = 44X 50 = 22
100

= (!40 28!-0,5 )2 + (!10 22!-0,5 ) 2 + (16 28|-0,5)

28
22
( !34 22!-0,5 ) 2
22
=

28

Soal 2

Data tentang kebiasaan merokok di malam

hari dan penyakit kanker paru paru.
Sampel yg kanker paru 50 org, tidak kanker
paru 50 orang. Pada sampel yg kanker paru
merokok 40 orang , tdk merokok10 org.
sampel tidak kanker paru, ada 16 merokok dan
34 tidak merokok
Peneliti ingin tahu apakah kita boleh
menyimpulkan dari data (tabel 1) bahwa
merokok di malam hari berkaitan dengan
kanker paru. = 0,05.
Desain Case control

Tabel 2
Distribusi responden menurut kebiasaan merokok
dan kejadian kanker paru
Merokok8
%

Kanker
paru (+)

Kanker
Paru (-)

(+)

40
16=16/50x
=40/50x100 100= 32%
=80 %

56

(-)

10
34
=10/50x100 68%
=20 %

44

Jumlah

50
(100%)

100

50

Jumlah

Student t test
1). Satu sampel
2). dua sampel

ACHMAD RIDWAN MO

Tabel Uji Hipotesis

Jenis Uji Hipotesis
Komparatif/Asosiatif
Skala
Pengukuran
Variabel

2 Kelompok
Berpasangan

Tidak
Berpasangan

> 2 Kelompok
Berpasangan

Korelatif

Tidak
Berpasangan

Nominal

McNemar**
Marginal**
Homogenity**

Chi Square**
Fisher**
KolmogorovSmirnov**

Cochran**

Chi Square**
Fisher**
KolmogorovSmirnov**

Coefisien
Kontingensi **
Lamda**

Ordinal

McNemar**
Marginal**
Homogenity**

Chi Square**
Fisher**
KolmogorovSmirnov**

Cochran**

Chi Square**
Fisher**
KolmogorovSmirnov**

Somersd **
Gamma**

Wilcoxon

Mann-Whitney

Friedman

Kruskal-Wallis

Spearman

Uji t
Berpasangan *

Uji t tidak
berpasangan *

Anova *

Anova *

Pearson*

Numerik
(Interval &
Ratio)

Uji dengan tanda * merupakan uji parametrik

Tanda panah menunjukkan uji alternatif bila syarat uji parametrik tidak terpenuhi
Uji hipotesis untuk variabel ordinal sama dengan uji untuk variabel nominal bila dapat dibuat dalam
Bentuk tabel silang (tabel Baris kali Kolom)
Tanda ** menunjukkan bahwa uji tsb dapat disajikan dalam bentuk tabel silang

PENDAHULUAN
Satu sampel:
Dari 12 pasien yang sedang menjalani
pengobatan hypertensi. Apakah dapat
disimpulkan bahwa populasi mean systolic
blood pressure adalah kurang dari 165
2 sampel: Di bidang kesehatan seringkali
kesimpulan yang dibuat . ingin
melihat apakah parameter dua populasi
berbeda ?
Misal: apakah ada perbedaan berat badan
antara sebelum dan sesudah mengikuti

Figure 7-11
Choosing between the Normal and Student
t-Distributions when Testing a Claim about a Population Mean
Start
Use normal distribution with
Is
n > 30
?

x - x

Yes

Z
/ n

(If is unknown use s instead.)

No
Is the
distribution of
the population essentially
normal ? (Use a
histogram.)

No

Yes
Is
known
?
No

Use the Student t distribution

with
x - x

t s/ n

Use nonparametric methods,

which dont require a normal
distribution.
Use normal distribution with

x-

x
Z
/ n

(This case is rare.)

Small Samples
Assumptions
If 1) n 30
2) The sample is a simple random

sample.
3) The sample is from a normally
distributed population.
Case 1 ( is known): Use Z test
Case 2 ( is unknown): Use Student t
distribution

Student t Distribution
If the distribution of a population is
essentially normal, then the distribution of

t =

x-

s
n

Student t Distribution
If the distribution of a population is
essentially normal, then the distribution of

t =

x-

s
n

is essentially a Student t Distribution for all

samples of size n.
is used to find critical values denoted by

t/ 2

1) Hypothesis testing: a single population mean

Tujuan : Untuk mengetahui/mrnguji mean

populasi dari satu sampel.
Syarat/asumsi yang harus dipenuhi:

Data berdistribusi normal

Variabel berbentuk numeric

 Variance popluasi tidak diketahui

X 0
s/

Contoh kasus
Researches collected serum amylase
values from a random sample of 15
apparently health subjects. Thery wan tto
know whether the can conclude that the
mean of the population from which the
sample of serum amylase dtermination
came is dfferent from 120. This suggest a
two sided hypothesis test that we now
make by using the familiar nine steps.
1. Data mean and standard deviation

Contoh kasus
2. Assumptions The 15 determantions
constitute a random from a population of
determination that is nomrally distributed.
The population variance is unknown.
3. Test Statistic
4. Distribution of Test statistic Our test
statistic is distributed as students with n1 degree of freedom
if Ho is true.

5. Decision Rule
Let =.05. Since we
have two-sided test, we put /2=0.025 is

Contoh kasus
Reject Ho, if the computed t is either gerater than or
equal to 2.1448 or less than or equal to -2.1448
7. Calculation fo test statistic

X 0
96 120 24
t

2.65
8. Statistical
9.04
since -2,65 falls in the
s / n Decision
35 / Reject
15 Ho
rejection region.
9. Conclusion Our conclusion, based on these data is
that the mean of the population mean from which came
is is not 120.

UJI BEDA DUA MEAN

INDEPENDEN
(t test independence)

2) Uji Beda Dua Mean Independen

Tujuan : Untuk mengetahui perbedaan
mean dua kelompok data independen.
Dikatakan kedua kelompok data
independen bila data kelompok yang satu
tidak tergantung dari data kelompok
kedua. Misalnya : Membandingkan mean
berat bayi lahir dari ibu yang anemia dan
tidak anemia.

Contoh:

IBU HAMIL

Anemia

Tidak Anemia

Mean BBBayi

Mean BBBayi

Uji Beda Dua Mean Independen

Syarat/asumsi yang harus dipenuhi:
Data berdistribusi normal
Kedua kelompok data independent
Variabel yang dihubungkan berbentuk
numeric dan kategori (dengan hanya
dua kelompok)

Uji Beda Dua Mean Independen

Prinsip pengujian dua mean adalah
melihat perbedaan variasi kedua
kelompok data.
Oleh karena itu perlu diketahui terlebih
dahulu apakah varian kedua kelompok
yang akan diuji sama atau tidak.
Bentuk varian kedua kelompok data akan
berpengaruh pada nilai standar error yang
pada akhirnya akan membedakan rumus
pengujiannya.

Uji Homogenitas Varian

Tujuan adalah untuk mengetahui apakah varian

antara kelompok data satu sama dengan
kelompok data kedua.
Perhitungannya dengan menggunakan uji F :
Varian lebih besar sbg PEMBILANG, varian
lebih kecil sbg PENYEBUT.
2
1
2
2

S
F
S

df1 = n1-1 dan

df2 = n2-1

 Hipotesis yang diajukan adalah :

Ho : 12 = 22 (Varian kedua kelompok

sample sama)
Ha : 12 22 (Varian kedua kelompok
sample tidak sama)

 Keputusan statistic :
F-hitung < F-tabel maka Ho diterima
F- hitung F-tabel maka Ho ditolak

Uji-t untuk Varian Sama

Uji beda dua mean dapat dilakukan

dengan menggunakan uji Z atau uji t.
Uji Z dapat digunakan bila standar deviasi
(simpangan baku) populasi () diketahui
dan jumlah sample besar (lebih dari 30).
Pada umumnya nilai sulit diketahui,
sehingga uji beda dua mean biasanya
menggunakan Uji t.

Uji t untuk Varian sama

RUMUS

x x
1

Sp

df = (n1 + n2) -2
2

1 / n1 1 / n2

1-2 = Mean sample kelompok 1

dan 2
SP = Simpangan baku sample
gabungan

2
2

1
S

1
S
1
2
2
S2 1
p

n1 n2 2

n1 & n2 = Jumlah sample

kelompok 1 dan 2

Uji t untuk Varian berbeda

RUMUS :Critical value=
( s12 / n1 )t1 ( s22 / n2 )t 2
t ' 1 / 2 s12 / n1 s22 / n2
T test =

t'

( X 1 X 2 ) ( 1 2 )

s1
n1

s2

n2

LATIHAN
Seorang peneliti mengukur kandungan nikotin
pada dua jenis rokok, kemudian diambil secara
random 10 batang rokok Jarum dan 8 batang
rokok Wismilak. Hasilnya didapat; rata-rata
kadar nikotin rokok Jarum 23,1 mg dg. st.
deviasi 1,5 mg. Pada rokok wismilak rata-rata
kadar nikotin 20,0 mg dg st. deviasi 1,7 mg.
Ujilah apakah ada perbedaan kandungan nikotin
pd dua jenis rokok dengan alpha 5%?

Langkah-langkah Uji t
independen
1. Data. Data td kadar nikotin n1 = pda
rokok wismilak, dan kadar nikotin n2=
pada rokok Jarum. Rata-rata dan
standar deviasi sbb:
X1= 23,1mg S1=1,5 mg
X2= 20,0 mg S2= 1,7 mg

2. Asumsi:
2. Data terdiidi dari dua sampel random
independen,
3. masing-masing distribusi normal Kadar

Uji Asumsi:
2. Uji homogenitas varian (F)

Diketahui :
n1 = 10
n2 = 8
s1 = 1,5

s22 1,7 2 2,89

F 2 2
1,28
s1 1,5
2,25
df1 = n1 1 = 10-1 = 9 (Penyebut)
df2 = n2 1 = 8 1 = 7 (Pembilang)

s2 = 1,7 (Pembilang) Dari nilai F = 1,28 dan nilai df

X1 = 23,1
X2 = 20,0

dan df2,

kemudian dilihat pada tabel F

Keputusan statistic :
F- hitung F-tabel maka Ho ditolak dan
F-hitung < F-tabel maka Ho diterima
Atau
p value < 0,05 maka Ho ditolak
p value > 0,05 maka Ho diterima

Hipotesis yang diajukan adalah :

Ho : 12 = 22 (Varian kedua kelompok sample sama)
Ha : 12 22 (Varian kedua kelompok sample tidak sama)

Tabel 4 Nilai Kritis Distrubusi F Pada Tingkat S Persen Dengan = 0,05

Derajat bebas Pembilang

D
e
r
a
j
a
t
b
e
b
a
s
p
e
n
y
e
b
u
t
V
2

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
30
40
60
12
0

10

12

15

161
18.5
10.1
7.71
6.61
5.99
5.59
5.32
5.12
4.96
4.84
4.75
4.67
4.60
4.54
4.9
4.45
4.41
4.38
4.35
4.32
4.30
4.28
4.26
4.24
4.17
4.08
4.00
3.92
3.84

200
19.0
9.55
6.91
5.79
5.14
4.74
4.48
4.26
4.10
3.98
3.89
3.81
3.74
3.68
3.63
3.59
3.55
3.52
3.49
3.47
3.44
3.42
3.40
3.39
3.32
3.23
3.15
3.07
3.00

216
10.2
9.28
6.58
5.41
4.78
4.35
4.07
3.86
3.71
3.59
3.49
3.41
3.34
3.29
3.24
3.20
3.16
3.13
3.10
3.07
3.05
3.03
3.01
2.99
2.92
2.84
2.75
2.68
2.60

225
19.2
9.12
6.39
5.19
4.53
4.12
3.84
3.63
3.48
3.36
3.26
3.18
3.11
3.06
3.01
2.96
2.93
2.90
2.87
2.84
2.82
2.80
2.78
2.76
2.69
2.61
2.53
2.45
2.37

230
19.3
9.01
6.28
5.05
4.39
3.97
3.69
3.48
3.33
3.20
3.11
3.03
2.96
2.90
2.85
2.81
2.77
2.74
2.71
2.68
2.66
2.64
2.62
2.60
2.53
2.45
2.37
2.29
2.21

234
19.3
8.94
6.18
4.95
4.28
3.87
3.58
3.37
3.22
3.09
3.00
3.92
2.85
2.79
2.74
2.70
2.66
2.63
2.60
2.57
2.55
2.53
2.51
2.49
2.42
2.34
2.25
2.18
2.10

237
19.4
8.89
6.09
4.88
4.21
3.79
3.50
3.29
3.14
3.01
2.91
2.83
2.76
2.71
2.66
2.61
2.58
2.54
2.51
2.49
2.46
2.44
2.42
2.40
2.33
2.25
2.17
2.09
2.01

239
19.4
8.85
6.04
4.82
4.15
3.73
3.44
3.23
3.07
2.95
2.85
2.77
2.70
2.64
2.59
2.55
2.51
2.48
2.45
2.42
2.40
2.37
2.36
2.34
2.27
2.18
2.10
2.02
1.94

241
19.4
8.81
6.00
4.77
4.10
3.68
3.39
3.18
3.02
2.90
2.80
2.71
2.65
2.59
2.54
2.49
2.46
2.42
2.39
2.37
2.34
2.32
2.30
2.28
2.21
2.12
2.04
1.96
1.88

242
19.4
8.79
5.96
4.74
4.08
3.64
3.35
3.14
2.98
2.85
2.75
2.67
2.60
2.54
2.49
2.45
2.41
2.38
2.35
2.32
2.30
2.27
2.25
2.24
2.16
2.03
1.99
1.91
1.83

244
19.4
8.74
5.91
4.68
4.00
3.57
3.28
3.07
2.91
2.79
2.69
2.60
2.53
2.48
2.42
2.38
2.34
2.31
2.28
2.25
2.23
2.20
2.18
2.16
2.09
2.00
1.92
1.83
1.75

246
19.4
8.70
5.88
4.62
3.94
3.51
3.22
3.01
2.85
2.72
2.62
2.53
2.46
2.40
2.35
2.31
2.27
2.23
2.20
2.18
2.15
2.13
2.11
2.03
2.01
1.92
1.84
1.75
1.67

F
=30
20 tabel
24
3,29
248
19.4
8.66
5.80
4.56
3.87
3.44
3.15
2.94
2.77
2.65
2.54
2.46
2.39
2.33
2.28
2.23
2.19
2.16
2.12
2.10
2.07
2.05
2.03
2.01
1.93
1.84
1.75
1.66
1.57

249
19.5
8.64
5.77
4.53
3.84
3.41
3.12
2.90
2.74
2.61
2.51
2.42
2.35
2.29
2.24
2.19
2.15
2.11
2.08
2.05
2.03
2.01
1.98
1.96
1.89
1.79
1.70
1.61
1.52

250
19.5
8.62
5.75
4.50
3.81
3.38
3.09
2.86
2.70
2.57
2.47
2.38
2.31
2.25
2.19
2.15
2.11
2.07
2.04
2.01
1.98
1.96
1.94
1.92
1.84
1.74
1.65
1.55
1.46

40

60

120

251
19.5
8.59
5.72
4.46
3.77
3.34
3.04
2.83
2.68
2.53
2.43
2.34
2.27
2.20
2.15
2.10
2.06
2.03
1.99
1.96
1.94
1.91
1.89
1.87
1.79
1.69
1.59
1.50
1.39

252
19.5
8.57
5.69
4.43
3.74
3.30
3.01
2.79
2.62
2.49
2.38
2.30
2.22
2.18
2.11
2.06
2.02
1.98
1.95
1.92
1.89
1.86
1.84
1.82
1.74
1.64
1.53
1.43
1.32

253
19.5
8.55
5.65
4.40
3.70
3.27
2.97
2.75
2.58
2.45
2.34
2.25
2.18
2.11
2.06
2.01
1.97
1.93
1.90
1.87
1.84
1.81
1.79
1.77
1.68
1.58
1.47
1.35
1.22

254
19.5
8.53
5.63
4.37
3.67
3.23
2.93
2.71
2.54
2.40
2.30
2.21
2.13
2.07
2.01
1.96
1.92
1.88
1.84
4.81
1.78
1.76
1.73
1.71
1.62
1.51
1.39
1.25
1.00

 Diketahui :
F-hitung = 1,28
F-tabel = 3,29
Maka 1,28 < 3,29, kepsutusan statistik:Ho
diterima, dengan demikian disimpulkan
varian kedua kelompok sampel sama.

S
2
p

x x
1

Sp

1 / n1 1 / n2

10 11,52 8 11,7 2

10 8 2
s 2,53 1,59

2
2

1
S

1
S
1
2
2
S2 1
p

n1 n2 2

20,25 20,23 40,48

2,53
16
16

23,1 20
3,1
3,1
t

4,1
1
1
1,59 10 8 1,59 x 0,474 0,75

Langkah-langkah Uji t
independen
3. Hipotesis.
Ho:1=2 (Mean nikotin = mean nikotin jarum).
Ha: 12 (Mean nikotin berbdea dg mean nikotin
jarum).

4. Uji Statistik: Bila variance sama

t

2
1 / n1 1 / n2
1

Sp

Bila variance tidak sama

t'

(X

s1
n1

) ( 1 2 )
2

s2
n2

5. Distribusi uji statistik, jika Ho benar uji t

dg titik kritis degree of freedom (df):
n1+n2-2
Df = (10 + 8) 2 = 16 pada =0,05

1,746

maka t tabel =

6. Kriteria Uji: tolak Ho jika - 1,746< t

hitung>1,746
(Jika t hitung > 1,746 atau < -1.746)
7. Perhitungan uji statistik:

8. Keputusan Statistik. Ho ditolak sebab t

hitung 4,1 >1,746
9. Kesimpulan.
Ada beda rata-rata kadar nikotin antara
rokok wismilak dan rokok Jarum sebesar
3,1 mg, p:<0,05.

Kasus
70 pasien epilepsi dibagi dalam dua group yg
sama. A; Group A adalah kelompok diiberi
pengobatan termasuk pemberian vit D setiap
hari. Group B diberi pengobatan tetapi vit D
diganti placebo. Jumlah seizures perhari yg
dialami dua gorup dicatat hasilnya yaitu XA=15,
XB= 24. Variance sampel S2 A=8, S2 B=12.
Adakah cukup bukti bahwa Vit D efektif dalam
mengurangi seizure? Lakukan uji pada = 0,05.

Kasus
Suatu penelitian ingin mengetahui perbedaan
kadar folat sel darah pada dua zat pembius
(anestesi) yang berbeda. Data yang berhasil
dikumpulkan adalah sbb:
Kel 1: 243 251 275 291 347 354 380
392
Kel 2: 206 210 226 249 255 273 285
295 309
Coba buktikan apakah ada perbedaan kadar
folat sel darah merah pada kedua kelompok
tersebut dg alpha 5%.

3) UJI BEDA DUA MEAN

DEPENDEN
UJI-t PASANGAN
(t paired test)

UJI BEDA DUA MEAN DEPENDEN

Tujuan : Untuk menguji perbedaan
mean antara dua kelompok data
dependen.
Syarat :
a. Distribusi data normal
b. Kedua kelompok data dependen/pair
c. Jenis variabel : numerik dan kategorik

Contoh

Sebelum
menjalankan
diet

BB

Anak Remaja
Obese

Sesudah
menjalankan
diet

BB

Test Statistic for Matched Pairs of Sample Data

t=

d - d
sd
n

where degrees of freedom = n - 1

Notation for Matched Pairs

d

= mean value of the differences d for the

population of paired data

= mean value of the differences d for the

paired sample data (equal to the mean
the x - y values)

sd
for

of

= standard deviation of the differences d

the paired sample data

n = number of pairs of data.

CONTOH KASUS 1

Dua belas individu berpartisipasi dalam sebuah

studi ekperimen untuk meneliti efektifitas diet
tertentu, dikombinasi dengan suatu program
olahraga/aktifitas tertentu, untuk mengurangi
kadar serum cholesterol.
Tabel 11.1 kadar serum cholesterol dari
12 subjek sebelum dan sesudah program.

Tabel 11.1
Kadar serum cholesterol dari
2 subjek sebelum dan sesudah program.
Subyek

Serum cholesterol
Sebelum (X1)
Sesudah (X2)

201

200

231

236

221

260

228

237

326

235

240

10

267

11

284

12

201

216
233
224
216
296
195
207
247
210
209

di

Subyek

Serum cholesterol
Sebelum (X1)

Sesudah (X2)

Perbedaan
(Sesudah dan
sebelum) di

di

201

200

-1

231

236

+5

25

221

216

-5

25

260

233

-27

729

228

224

-4

16

237

216

-21

441

326

296

-30

900

235

195

-40

1600

240

207

-33

1089

10

267

247

-20

400

11

284

210

-74

5476

12

201

209

+8

64

-242

10766

Prosedur uji statistik (Daniel, W)

1. Data . Data terdiri kadar serum cholesterol 12 individu,
sebelum dan sesudah program diet- olahraga.
2. Asumsi. Perbedaan yg diamati berasal dari sampel random
sederhana dari sebuah populasi distrubisui normal.
3. Hipotesis, Hipotesis null dan alternatif sbb:
Ho:d 0
Ha: d < 0
4. Uji statistik:
5.Distribusi uji statistik. Jika Ho benar, uji statistik adalah
terdistribusi sebagai Students t dengan degree of freedom n-1.
Titik kritis (t tabel) pada =0,05, one tailed, df=(12-1=11) lihat
pada tabel t adalah= -1,796
6. Kriteria pengambilan keputusan. Tolak Ho jika t hitung> t
tabel atau t (-) hitung < - t tabel.

7. Perhitungan uji statistik

(1) (5) (5) ..................... (8) 242

20,17
12
12
Sd

(d

d )2

n 1

Sd

n d i ( d i ) 2
2

n(n 1)

Sd

20,17 0
535,06 / 12

12(10766) (242) 2

535,06
12(11)

20,17 0
3,02
6,68

8. Keputusan statistik. Tolak Ho sebab -3,02

berada didaerah penolakan (<-2,7959)
9. Kesimpulan
Kita dapat menyimpulkan bahwa program
diet-olahraga adalah efektif. P<0.05
Pada test ini 0,01> p>0,005, karena
-2,718>-3,02 > - 3,1058

LATIHAN
Seorang peneliti ingin mengetahui pengaruh Fe terhadap
kenaikan kadar Hb pada ibu hamil. Sejumlah 10 ibu hamil
diberikan Fe selama 3 bulan dan diukur kadar Hb darah
sebelum dan sesudahnya. Hasil pengukuran didapat :
Sebelum: 12,2 11,3 14,7 11,4 11,5 12,7
11,2 12,1 13,3 10,8
Sesudah: 13,0 13,4 16,0 13,6 14,0 13,8
13,5 13,8 15,5 13,2
Pertanyaan penelitian: apakah ada beda rata-rata kadar
Hb sebelum dan sesudah pemberiaan tablet Fe pd ibu hamil?

KASUS

Peneliti ingin mengetahui penurunan berat

badan seseorang setelah melakukan diit
selama dua minggu. Berat badan (kg) dari
11 wanita setelah menjalankan diit dicatat
berat badannya sebelum dan sesudah
periode 2 minggu, hasilnya sbb:
Sebelum: 64,0 62,7 56,7 63,6 68,2
59,4 58,5 60,3 61,7 69,0 68,5
Sesudah: 58,5 59,9 57,4 60,2 62,3
58,7 60,0 54,9 58,1 62,1 58,8