UJI PARAMETRIK NI MADE HEGARD SUKMAWATI,

S.Si,MPH, Apt
LEARNING OBJECTIVES
Memahami distribusi normal
Memahami distribusi sampling & central limit theorem
Memahami uji parmetrik dan contoh-contohnya
Mampu menentukan uji parametrik berdasarkan scenario yang diberikan
INFERENSIAL STATISTIK
Inferential statistics are techniques that allow us to
use samples to make generalizations about the
populations from which the samples were drawn.

It is, therefore, important that the sample accurately

represents the population.
DISTRIBUSI NORMAL (KURVA GAUSSIAN)
DISTRIBUSI NORMAL
Distribusi normal adalah distribusi data berbentuk lonceng (bell-shaped) yang umum
ditunjukkan oleh data continuous random variable.
Normal distributions berbentuk simetris dintara mean.
Mean, median, dan modusnya sama/mendekati sama.
Distirbusi di bagian tengah lebih rapat sedangkan di bagian ekor lebih renggang
Dijelaskan oleh 2 parameter, mean () dan standard deviasi ().
68% area berada di antara 1 standard deviasi dari mean
Kira-kira 95% areanya berada diantara 2 x standard deviasi dari mean
SAMPLING DISTRIBUTION & CENTRAL LIMIT
THEOREM
http://www.ltcconline.net/greenl/java/Statistics/clt/cltsimulation.html
http://onlinestatbook.com/stat_sim/sampling_dist/index.html
Teori central limit ini, jika random sampel diambil dari populasi secara berulang
kali, maka distribusi dari rata-rata (mean) sampel akan mendekati normal.
Implikasi dari dari teori ini adalah inferensia dari sampel ke populasi dapat
didasarkan pada distribusi normal.
Dan semakin besar jumlah sampel (n), rata-rata dari distribusi sampel akan
mendekati rata-rata populasi
Untuk memprediksi rata-rata suatu populasi dapat dilakukan menggunakan rata-
rata pada sampel margin error.
MARGIN ERROR

Standard error (SE) adalah ukuran untuk menjelaskan

sampling error, yakni variasi mean yang kita peroleh jika kita
melakukan sampling berulang kali pada populasi yang sama.
CONFIDENCE INTERVAL
Confidence interval menggambarkan ketidakpastian terkait hasil estimasi oleh
sampel terhadap parameter populasi.
Biasanya dipakai 95% CI atau 99%
95% CI dapat dimaknai bahwa jika kita melakukan sampling berulang kali, kita
yakin 95 persen nilai yang sebenarnya akan berada pada selang tersebut
Misalnya hasil sampling menyatakan rata-rata BMI anak remaja di Indonesia adalah
23.5 dengan 95% CI 18.5-28.5.
Artinya: rata-rata BMI anak remaja di Indonesia adalah 23.5, namun 95 persen nilai
yang sebenarnya bisa terletak mulai dari 18.5 hingga 28.5
PROBABILITY

Probabilitas diestimasi menggunakan the standard

normal (Z) distribution. Area di bawah kurva
menyatakan besarnya probabilitas (dapat dilihat
pada table distribusi z)
SIGNIFICANT OR NOT SIGNIFICANT
Jika nilai probabilitas (P) kecil, maka hipotesa nol ditolak dan kita bisa katakan bahwa
terdapat hubungan yg signifikan/perbedaan yg signifikan/efek yg signifikan

Umumnya digunakan = 0.05

Signifikan bila P 0.05
Tidak signifikan bila P >0.05
UJI HIPOTESIS
Null Hypotheses (H0) & Alternative hypotheses (HA)

Hipotesa nol menyatakan bahwa tidak terdapat hubungan antara variable independent dengan variable
dependent (kebalikan dari Ha)
H0: 1 = 2 atau H0: 1 - 2 = 0 (2-tailed)
Ha: 1 2 (1-tailed)

Hipotesa alternative menyatakan bahwa terdapat hubungan antara variable independent dengan varibel
dependent
Ha: 1 2 atau Ha: 1 - 2 0 (2-tailed)
Ha: 1 > 2 (1-tailed)
Ha: 1 < 2 (1-tailed)
CONTOH HIPOTESIS
Seorang peneliti ingin mengetahui hubungan antara ras dan kadar hormone estrogen pada
wanita menopause. Ia memperkirakan bahwa terdapat perbedaan kadar hormone estrogen
pada wanita menopause yang berbeda ras (Kaukasian & Asia).

Hipotesa nol : Tidak terdapat perbedaan kadar hormone estrogen pada wanita Kaukasian
dengan wanita Asia (tidak terdapat hubungan antara ras dan kadar estrogen pada wanita
menopause)
H0: 1 = 2

Hipotesa alternative: Terdapat perbedaan kadar hormone estrogen pada wanita Kaukasian
dengan wanita Asia (Terdapat hubungan antara ras dan kadar estrogen pada wanita
menopause)
Ha: 1 2
UJI STATISTIK
UJI PARAMETRIC
ADALAH UJI STATISTIKA YANG MENGGUNAKAN ASUMSI PARAMETER BAHWA DISTRIBUSI
POPULASI ADALAH DISTRIBUSI NORMAL.

Contoh:
o Uji t (t-test) o ANOVA
1 sample t-test 1 way anova

Paired t test 2 way anova

Independent t test o Korelasi Pearson

1-SAMPLE T TEST
One sample t-test digunakan untuk menguji apakah suatu rerata (mean) yang
diperoleh dari sampel sebanding (equal) dengan rerata populasi/referensi.
Ho: = atau Ho: = 0
Ha:
Asumsi/syarat
variable dependent berupa data numerik berdistribusi normal/mendekati normal
Nilai p dan CI dihitung berdasarkan nilai t yakni:
CONTOH PENGGUNAAN
Diketahui bahwa usia mahasiswa baru tahun 2016 di Unwar adalah 19 tahun.
Seorang staff akademik ingin mengetahui apakah rata-rata usia mahasiswa baru di
FKIK sama dengan mahasiswa baru Unwar.

Uji one simple t-test (jika distribusi data normal)

Pelaporan hasil
95% (, )
PAIRED T-TEST
Paired t-test digunakan untuk membandingkan rata-rata hasil observasi dari sampel
berpasangan.
Ho: = 0 Ha: 0
Asumsi/syarat
Variabel independent adalah sebuah variable dengan dua kelompok yang
berpasangan/terkait
variable dependent berupa data numerik, dengan distribusi perbedaan (d) adalah
normal
Nilai p dan CI dihitung berdasarkan nilai t yakni:
CONTOH PENGGUNAAN
Seorang peneliti ingin menetahui efek pemberian tablet Fe terhadap kadar Hb
(g/dl). Ia menggunakan 40 sampel wanita penderita anemia, dan menghitung kadar
Hb sebelum pemberian tablet Fe dan seminggu setelah pemberian tablet Fe.
Perbedaan kadar Hb sebelum dan sesudah menunjukkan distribusi normal.

Uji paired t-test (jika distribusi d adalah normal)

Pelaporan hasil
95% (, )
INDEPENDENT T-TEST
Independent t-test digunakan untuk menentukan apakah terdapat perbedaan mean
pada dua kelompok independent yang variable dependent nya berupa data
numerik.
Ho 1 = 2 atau Ho 1 - 2 = 0 ; Ha 1 2
Asumsi/syarat
variable independentnya adalah sebuah variable terdiri atas 2 kelompok independent
Variabel dependent berupa data numerik yang distribusi masing-masing kelompok adalah normal
Varians di kedua kelompok adalah sebanding (equal) uji levenes
Nilai p dan CI dihitung berdasarkan nilai t
 CONTOH PENGGUNAAN
Sebagai bagian dari pegujian terhadap beban latihan atlet, peneliti membandingkan
denyut nadi (beat/menit) antara atlet yang sedang menjalani training dengan pekerja
pabrik. Setelah dilakukan analisa univariate terhadap data denyut nadi atlet maupun
pekerja pabrik diperoleh distribusi normal dengan standard deviasi yang sebanding.

Uji independent t test

Pelaporan hasil
1 2 95% (, )
1 WAY ANOVA
One way anova digunanakan untuk membandingkan mean dari sebuah variable
independent yang memiliki 2 kelompok atau lebih.
Ho 1 = 2 =3 =.=
Asumsi/syarat
variable independent adalah sebuah variable terdiri atas 2 kelompok independent
atau lebih
Variabel dependent berupa data numerik yang distribusi masing-masing kelompok
adalah normal
Varians di kedua kelompok adalah sebanding (equal)
Signifikansi overall ditentukan oleh nilai F, sedangkan signifikansi antara dua
kelompok dapat dilihat dari 95%CI hasil Tukey post hoc test
CONTOH
Seorang peneliti ingin mengetahui apakah ras mempengaruhi kadar hormone
seksual. Ia membandingkan kadar hormone testosteron pada ras kaukasian, asia,
dan afrika. Hormon tersebut diukur sebagai ng/dL. Hasil statistika univariate masing-
masing kelompok menunjukkan distribusi kadar hormone berbentuk normal, dan
ketiganya memilik varians yang setara.

uji one way anova

Pelaporan hasil : 1 SD1, 2 SD2, 3 SD3, F, p.
UJI KORELASI PEARSON
The Pearson product-moment correlation is used to determine the strength and
direction of a linear relationship between two continuous variables. More specifically,
the test generates a coefficient called the Pearson correlation coefficient, denoted as
r.
H0: = 0 ; HA: 0
Asumsi/syarat
variable independent dan dependent merupakan variable numerik continuous
berpasangan, berdistribusi normal
Terdapat hubungan linier antara variable independent dan dependent
KORELASI

r = -1 memiliki korelasi negatif sempurna

r= 0 tidak ada korelasi
r = +1 memiliki korelasi positif sempurna
CONTOH PENGGUNAAN
Sebuah penelitian ingin melihat apakah terdapat hubungan antara aktifitas fisik
dengan kadar kolesterol dalam darah. 40 laki-laki berusia 45-50 tahun ditanya
keaktifan fisiknya dan diukur kadar kolesterolnya. Aktifitas fisik diukur sebagai
sedentary (jarang bergerak), low, moderate, dan high; sedangkan kadar kolesterol
sebagai mg/dl. Hasil scatterplot menunjukkan data berdistribusi monotonic meskipun
tidak linier.
ADDITIONS
Uji Normality
secara visual : histogram/stem and leaf graph
statistik : uji kologomorov smirnov/ uji Saphiro wilk

Uji kesetaraan varians

Levenes test

Uji linearitas
secara visual dengan scatter plot

BACA BUKU PANDUAN SPSS/PANDUAN PRAKTIKUM STATISTIK

SPSS ONE SAMPLE T-TEST
SPSS-PAIRED T-TEST
SPSS-INDEPENDENT T TEST
SPSS-ONE WAY ANOVA
SPSS-KORELASI PEARSON
REFERENCES
Petrie, A., & Sabin, C. (2013). Medical statistics at a glance. John Wiley & Sons.
https://statistics.laerd.com/spss-tutorials/one-sample-t-test-using-spss-statistics.php
https://statistics.laerd.com/spss-tutorials/dependent-t-test-using-spss-statistics.php
https://statistics.laerd.com/spss-tutorials/independent-t-test-using-spss-statistics.php
https://statistics.laerd.com/spss-tutorials/one-way-anova-using-spss-statistics.php
https://statistics.laerd.com/spss-tutorials/pearsons-product-moment-correlation-using-
spss-statistics.php