PENGOLAHAN DAN ANALISIS

DATA
Dr. Tintin Sukartini, SKp, M.kes
 Statistik deskriptif:
Distribusi frekwensi skala nominal dan
ordinal
Distribusi frekwensi skala interval dan
rasio
 Statistik Parametrik
• Data numerik (interval ratio)
• Syarat: berdistribusi normal
 Uji normalitas
• Ho: data mengikuti distribusi normal
• p<0.05 Ho ditolak
• P>0.05 Ho. Diterima (data mengikuti distribusi
normal)
• Data < 30 Saphiro Wilk
• Data > 30 Kolmogorof Smirnov
Saphiro Wilks
Kolmogorov Smirnov
 Independent t-test
• Data numerik (interval, rasio)
• Distribusi normal
• Menguji perbedaan rata-rata 2 kelompok
• Contoh:
Apakah ada perbedaan rata-rata berat badan
antara kelompok laki-laki dan perempuan
Ho: Tidak ada perbedaan rata-rata berat badan
pada kelompok laki-laki dan perempuan
Tahap 1: uji normalitas

p=0.057, p>0,05  data mengikuti distribusi

normal
Tahap 2
 Hasil:

• Homogenitas Varian  Levene’s Test

Jika p>0,05  Varian homogen  Equal variances assumed
Jika p<0,05  Varian heterogen  Equal variances not assumed
• hasil uji Levene (p=0.843,homogen): liat p yang sejajar
equal variances assumed.
• Uji t test :p= 0.000 , p<0,05 , Maka H0 DITOLAK.
• Artinya: Ada perbedaan rata-rata berat badan pada
kelompok laki-laki dan perempuan
 Uji Mann Whitney
• Uji alternatif independent t-test jika distribusi
tidak normal (mengukur perbedaan rata-rata 2
kelompok)
• Data ordinal
 Hasil:

p= 0.000 , p<0,05 , Maka Ho ditolak

Artinya: Ada perbedaan rata-rata berat badan pada
kelompok laki-laki dan perempuan
 Uji paired t-test
• Data numerik (interval, rasio)
• Distribusi normal
• Menguji perbedaan rata-rata 2 kelompok
berpasangan (pre-pos)
• Contoh:
Apakah ada perbedaan rata-rata berat-badan
setelah dan sebelum diberikan obat diet
Ho: Tidak ada perbedaan rata-rata berat-badan
setelah dan sebelum diberikan obat diet
 Tahap 1: Uji normalitas

Distribusi dikatakan normal jika ada salah satu

atau kedua kelompok berdistribusi
p>0.05, data mengikuti distribusi normal
Tahap 2
 Hasil

P=0.000, p<0.05, Maka H0 ditolak

Artinya ada perbedaan rata-rata berat-
badan setelah dan sebelum diberikan
obat diet
 Uji Wilcoxon Signed Rank Test
• Uji alternatif paired t-test jika distribusi tidak
normal (mengukur perbedaan rata-rata 2
kelompok berpasangan/pre-pos)
• Data ordinal
 Hasil:

p=0.000, p<0.05, Maka H0 ditolak

Artinya ada perbedaan rata-rata berat-
badan setelah dan sebelum diberikan
obat diet
 Anova (Analysis of Variances)
• Data numerik (interval,rasio)
• Data berdistribusi normal
• Varians homogen
• Menguji perbedaan rata-rata lebih dari 2 kelompok
• Contoh: Apakah ada perbedaan rata-rata berat badan
bayi lahir antara ibu yang berpendidikan SD, SMP, dan
SMA
• H0: Tidak ada perbedaan rata-rata berat badan bayi
lahir antara ibu yang berpendidikan SD, SMP, dan SMA
 Tahap 1: Uji normalitas

p=0.596, p>0,05  data mengikuti distribusi

normalp=0.057, p>0,05  data mengikuti
distribusi normal
Tahap 2: Uji homogenitas & Anova
p=0.081, p>0,05  varians data homogen
memenuhi syarat untuk uji anova, jika tidak
memenuhi dilanjutkan uji non parametrik kruskall
walis

p=0.000, p<0,05  ada perbedaan rata-rata

berat badan bayi lahir antara ibu yang
berpendidikan SD, SMP, dan SMA
Dilanjutkan uji pos hoc
Hasil : Ada beda rata-rata berat badan
lahir bayi antara ibu yg
berpendidikan sd dan SMP p=0.000,
Ada perbedaan rata-rata berat badan
lahir bayi antara ibu yg
berpendidikan SD dan SMA p=0.000
Tidak ada rata-rata perbedaan berat
badan lahir bayi antara ibu yg
berpendidkan SMP dan SMA,
p=0.276
 Uji Kruskal Wallis
• Uji alternatif Anova, jika data tidak
berdistribusi normal dan varians tidak
homogen (Uji beda mean lebih dari 2
kelompok)
• Data ordinal
 Hasil:

p=0.000, p<0,05  ada perbedaan rata-rata berat badan bayi

lahir antara ibu yang berpendidikan SD, SMP, dan SMA
Tidak tersedia uji pos hoc, dilanjutkan Mann Whitney
berulang
 Korelasi Pearson
• Uji korelasi 2 variabel dengan data numerik
• Contoh : Apakah ada hubungan berat badan
dengan kadar kolesterol darah
• H0: Tidak ada hubungan berat badan dengan
kadar kolesterol darah
p=0.066, p>0,05  tidak ada hubungan berat badan dengan
kadar kolesterol darah
Jika ada hubungan lihat derajat korelasi (Pearson corelation)
(nilai antara 0-1, sifat bisa positif dan negatif)
 Korelasi spearman
- Alternatif uji korelasi pearson jika data tidak berdistribusi
normal
- Data ordinal
 Uji chi square
• Data kategorikal
• Uji beda 2 proporsi
• Syarat:
Tidak ada sel dengan nilai frekwensi harapan kurang dari
1
Sel dengan nilai frekwensi harapan kurang dari 5 tidak
boleh lebih dari 20%
Contoh: Apakah ada perbedaan proporsi kanker paru
pada pasien yang merokok dan tidak merokok
H0: Tidak ada perbedaan proporsi kanker paru pada
pasien yang merokok dan tidak merokok
Hasil: