UJI HIPOTESIS

KOMPARATIF
NUMERIK LEBIH DARI
DUA KELOMPOK
 CAKUPAN

 Mampu aplikasikan alur pemikiran UJI HIPOTESIS

VARIABEL NUMERIK > 2 KELOMPOK
 Melakukan & interpretasi hasil one way ANOVA
 Melakukan & interpretasi hasil repeated ANOVA
PENDAHULUAN
 Uji Perbedaan (difference) lebih dari dua sample,
yang biasa disebut dengan ANOVA, dapat
digunakan untuk :
 1. Menguji apakah mean/ rata-ratanya berbeda secara
signifikan ataukah tidak.
 2. Menguji apakah varians populasinya sama ataukah
tidak.
 MEMILIH STATISTIK YANG TEPAT

 Apa tujuan pengujian?

menggambarkan, menguji perbedaan, korelasi
Bila untuk menguji perbedaan, ada berapa kelompok
sampel yang akan diuji? satu, dua atau n sampel
Bila untuk uji perbedaan, apakah kelompok berasal
dari satu populasi yang sama atau kelompok yang
saling independen?
Apa skala pengukurannya? nominal atau ordinal, skala
atau rasio
 PARAMETRIK
 Indikator dari suatu distribusi hasil pengukuran
Mengikuti prinsip-prinsip distribusi normal
 Syarat penerapan statistik parametrik:
 Distribusi sampel diambil dari dari distribusi
populasi yang terdistribusi secara normal
 Sampel diperoleh secara random (mewakili
populasi)
 Skala pengukuran harus kontinyu (rasio/interval)
atau skala nominal yang diubah menjadi proporsi
 E.g. uji-z, uji-t, korelasi pearson, anova
 NON PARAMETRIK
 Digunakan dengan mengabaikan segala asumsi
yang melandasi metode statistik parametrik,
terutama yang berkaitan dengan distribusi normal
 Digunakan apabila salah satu parameter statistik
parametrik tidak terpenuhi
PANDUAN INTERPRETASI UJI HIPOTESIS
Makna jika p< 0,05 (Hipotesis nol ditolak)

1. UJI NORMALITAS Kolmogorof-Smirnov (>50) atau

Shapiro-Wilk (<50)  distrib data tdk normal
2. UJI VARIANS LEVENE’S  distribusi data yang
dibandingkan mempunyai varian yang berbeda
3. UJI ONE WAY ANOVA
4. UJI REPEATED ANOVA
5. UJI KRUSKAL-WALLIS
6. UJI FRIEDMAN
3-6  paling tidak terdapat dua kelompok data yang
mempunyai perbedaan yang bermakna.Untuk menget
klp mana yg berbeda scr bermakna, hrs dilakukan
analisis Post-Hoc
 ONE WAY ANOVA

 Sebenarnya uji ANOVA sama dengan uji t, yang

berbeda hanyalah jumlah sample, uji t maksimal
dua buah, sedangkan uji ANOVA dapat lebih dari
dua sample.
 Asumsi :
 1. Data-data yang akan diuji terdistribusi normal.
 2. Varians dari populasi-populasi tersebut adalah
sama.
 3. Sampel tidak berhubungan satu dengan yang lain.
 ANOVA

 Asumsi
 Sampel random

 Normalitas sampel terpenuhi

 Homogenitas sampel terpenuhi

Contoh

 Anda ingin mengetahui apakah ada perbedaan kadar

gula darah puasa antara kelompok underweight,
normoweight dan overweight (dihitung berdasar
BMI). Pertanyaan penelitiannya : “Apakah terdapat
perbedaan kadar gula darah puasa antara kelompok
underweight, normoweight dan overweight ?”
 Uji apakah yang akan digunakan ?
Langkah2 menentukan uji hipotesis

1. Tentukan variabel yang dihubungkan  kadar gula darah

puasa (numerik) dengan status gizi (kategorik)
2. Tentukan jenis hipotesis  komparatif
3. Tentukan masalah skala variabel  numerik
4. Tentukan berpasangan atau tidak  tidak
berpasangan
5. Tentukan jml klpk  3 klpk
Kesimpulan : uji yg akan digunakan adalah one way
ANOVA (uji parametrik) jk memenuhi syarat. Jk
tdk penuhi syarat  uji Kruskal-Wallis (nonpara)
Langkah2 uji ANOVA

 Periksa syarat ANOVA utk > 2 klp tdk berpasangan :

 Distrib data harus N
 Varians data hrs sama (homogen)

 Jk tdk penuhi syarat  transformasi data spy distrib

mjd N dan varians mjd sama
 Dicoba berbagai metode, seperti log 10, akar kuadrat, kuadrat,
akar tiga, dll
 Tdk semua upaya transform data berhasil
 Jk transform tdk berhsl  Uji Kruskal-Wallis
 Jk hsl Uji ANOVA atau Kruskal-Wallis nilai p< 0,05
 dilanjut analisis Post Hoc
 Untuk analisis Post Hoc (one way ANOVA)  pilih
pd kotak Equal Variances Assumed (SPSS) : LSD
 Pilihan lain hasilnya relatif sama ( Bonferroni, Sidak,
Scheffe, Turkey, Duncan, dll)

 Sedang utk analisis Post Hoc Kruskal-Wallis  Uji

Mann-Whitney
 UJI REPEATED ANOVA

  hipotesis komparatif variabel numerik

distribusi normal lebih dari 2 kelompok
berpasangan
 Asumsi :
 1. Data-data yang akan diuji terdistribusi normal.
 2. Varians dari populasi-populasi tersebut adalah
sama.
 3. Sampel berhubungan/berpasangan
 Contoh :
 Anda ingin mengetahui khasiat suatu dosis ekstrak
tanaman dalam menurunkan kolesterol serum.
Sebelum pemberian ekstrak, terlebih dahulu diukur
kadar kolesterol. Anda ingin melihat perbandingan
kadar kolesterol, sebelum perlakuan, 1 minggu
setelah perlakuan (setelah pemberian ekstrak), 2
minggu setelah perlakuan.
Langkah-langkah menentukan hipotesis

1) Menentukan variabel yang dihubungkan  kadar

kolesterol (numerik) dengan waktu pengukuran
2) Menentukan jenis hipotesis  komparatif
3) Menentukan skala variabel  numerik
4) Menentukan berpasangan/tidak  berpasangan
5) Menentukan jumlah kelompok  >2 kelompok
Kesimpulan : uji yang akan digunakan adalah
repeated anova (parametrik) bila memenuhi syarat.
Bila tdk memenuhi syarat, mk dg Uji Friedman
(non parametrik)
Langkah uji repeated ANOVA

1. Periksa syarat uji repeated ANOVA  distribusi

data harus N
2. Jk distrib data N  pilih uji repeated ANOVA
3. Jk distrib data abN  transformasi data
4. Jk transform data  N  uji repeated ANOVA
5. Jk transform data  abN  uji Friedman
6. Jk hslnya nilai p< 0,05  dilanjut analisis Post
Hoc
 Untuk analisis Post Hoc (repeated ANOVA)  Pair
wise Comparisons

 Sedang utk analisis Post Hoc uji Friedman  Uji

Wilcoxon
LATIHAN 1
Dari 4 jenis obat sakit kepala yang diberikan kepada 20 orang dicatat
berapa lama onbat itu dapat mengurangi rasa sakit (menit). Ke 20 orang itu
dibagi secara random ke dalam 4 kelompok dan masing-masing kelompok
diberi satu jenis obat. Adapun hasil percobaannya adalah sbb:
Lamanya hilang rasa sakit pada 4 jenis obat
A B C D
10 8 7 8
12 7 4 9
13 7 3 9
9 9 3 10
13 7 4 11
Pertanyaan :
a. Ujilah dengan alpha 5% apakah ada perbedaan lama mengurangi sakit
kepala diantara 4 jenis obat tsb ?
b. Bila ada perbedaan, kelompok mana saja yang berbeda ?
c. Obat jenis mana yang paling baik untuk mengurangi sakit kepala ?
LATIHAN 2
Suatu penelitian ingin mengetahui hubungan kondisi
sosial ekonomi keluarga dengan berat badan bayi yang
dilahirkan. Penelitian dilakukan dengan menimbang berat
badan bayi (kg) pada 23 ibu yang baru melahirkan yang terbagi
dalam kelompok sosial ekonomi rendah, sedang, tinggi. Adapun
hasilnya adalah sbb:
Sosek rendah : 2,4 3,0 2,1 3,0 3,4 2,3 2,3 2,5
Sosek sedang : 3,0 3,1 2,7 2,6 3,1 2,9 2,9
Sosek tinggi : 3,1 2,4 3,5 2,9 3,4 4,0 3,4 3,9
Pertanyaan:
a. Ujilah dengan alpha 5% apakah ada perbedaan berat badan
bayi diantara
tingkat sosial ekonomi tersebut
b. Bila ada perbedaan, kelompok mana saja yang berbeda?
NON PARAMETRIK
 Contoh kasus

 Prosedur Uji statistik :

 Uji Shapiro-Wilk : utk menguji distribusi data
normal/tidak dg jumlah sampel <50
 Test of Homogenity of variance : utk menguji
homogenitas dari varian data tiap kelompok
 Uji One-way Anova: menguji perbandingan rata-
rata(mean) data tiap kelompok
 Uji LSD (Least significant difference) :
menguji signifikansi dari perbedaan mean antar
kelompok
Hasil uji efek hepatoprotektor
 Uji distribusi data

Hasil analisis Saphiro-Wilk didapatkan semua p

> 0,05 maka dapat disimpulkan bahwa
distribusi data yang ada normal.
Uji Test Of Homogenecity Of Variance

Levene tes didapatkan nilai p =

0.036 ( p <0.05), maka dapat
disimpulkan bahwa varian dari
data yang ada tidak homogen
 Uji Kruskal-Wallis

nilai p = 0,045 (p <0,05), maka

dapat diambil kesimpulan bahwa
paling tidak terdapat satu
perbedaan kadar ALT akhir
antar kelompok
 Uji Mann-Whitney

Pengambilan keputusan berdasarkan nilai probabilitas.

Jika nilai P < 0,05, maka terdapat perbedaan bermakna.
Sedangkan jika nilai P > 0,05, maka terdapat perbedaan
tidak bermakna.
UJI KRUSKALL-WALLIS

  Hipotesis komparatif variabel numerik sebaran

tidak normal lebih dari 2 kelompok tidak
berpasangan
 Kasus :
Anda ingin mengetahui apakah ada perbedaan
jumlah rokok yang dihisap dalam satu bulan pada
kelompok pria dengan motilitas sperma buruk,
sedang, dan baik.
Rumusan pertanyaan penelitian : Apakah ada
perbedaan jumlah rokok yang dihisap dengan
motilitas sperma buruk, sedang, dan baik ?
 Langkah-langkah sama dengan melakukan uji
ANOVA
1. Tentukan variabel yang dihubungkan  jumlah rokok
perbulan (numerik) dengan motilitas sperma (kategorik)
2. Tentukan jenis hipotesis  komparatif
3. Tentukan masalah skala variabel  numerik
4. Tentukan berpasangan atau tidak  tidak
berpasangan
5. Tentukan jml klpk  3 klpk
 Periksa syarat ANOVA utk > 2 klp tdk berpasangan :
 Distrib data harus N
 Varians data hrs sama

 Jk tdk penuhi syarat  transformasi data spy distrib

mjd N dan varians mjd sama

 Jk transform tdk berhsl  Uji Kruskal-Wallis

 Jk hasil nilai p< 0,05 
 Analisis Post Hoc Kruskal-Wallis  Uji Mann-
Whitney
UJI FRIEDMAN

  Hipotesis komparatif variabel numerik distribusi

tidak normal lebih dari 2 kelompok berpasangan
 Kasus :
 Anda ingin mengetahui apakah terdapat perbedaan
kadar testosteron sebelum pengobatan, sesudah
pengobatan 1 bulan , dan sesudah pengobatan 2
bulan dengan terapi sulih hormon testosteron.
 Pertanyaan penelitian : Apakah terdapat perbedaan
kadar testosteron sebelum pengobatan, sesudah
pengobatan 1 bulan , dan sesudah pengobatan 2
bulan dengan pada pasien dengan terapi sulih
hormon testosteron ?
Langkah-langkah menentukan hipotesis

1) Menentukan variabel yang dihubungkan  kadar

testosteron (numerik) dengan waktu pengukuran
(kategorik)
2) Menentukan jenis hipotesis  komparatif
3) Menentukan skala variabel  numerik
4) Menentukan berpasangan/tidak  berpasangan
5) Menentukan jumlah kelompok  3 kelompok
Langkah lanjut  memenuhi syarat uji repeated
ANOVA atau tidak?
1. Periksa syarat uji repeated ANOVA  distribusi
data harus N
2. Jk distrib data abN  transformasi data
3. Jk transform data  abN  uji Friedman
4. Jk hslnya nilai p< 0,05  dilanjut analisis Post
Hoc
5. Analisis Post Hoc uji Friedman  Uji Wilcoxon
 Uji Wilcoxon :
 Antara test 1 (sblm penyuntikan) dan tes 2 (1 bln ssd
penyuntikan)
 Antara tes 1 dan tes 3
 Antara tes 2 dan tes 3
 Interpretasi hasil jika didapat nilai p=0,000 utk
perbandingan semua kelompok  ditarik
kesimpulan :
 Kadar testosteron sblm tx berbeda dg kdr testosteron stlh tx 1
bln.
 Kadar testosteron sblm tx berbeda dg kdr testosteron stlh tx 2
bln.
 Kadar testosteron stlh tx 1 bln berbeda dg kdr testosteron stlh
tx 2 bln.
 Contoh
 UJI EFEK EKSTRAK ETANOL 70% BUAH NAGA
DAGING MERAH (Hylocereus polyrhizus)
TERHADAP KADAR GLUKOSA DARAH TIKUS
PUTIH JANTAN GALUR WISTAR YANG
DIINDUKSI ALOKSAN
 N = 25

GDI hari ke 1
Bandingkan
Aloksan hari ke 1

Kontrol (-) Kontrol (+) Kelompok PI KelompokP2 KelompokP3

GD2 hari ke 3

Diberi Diberi Diberi Diberi Diberi

aquades glibenklamid ekstrak buah ekstrak buah ekstrak
selama 7 hari dosis naga dosis 1 naga dosis 2 buah naga
0,126mg/200 selama 7 hari selama 7 dosis 3
gr BB selama hari selama 7
7 hari hari

GD3 setelah Bandingkan

7 hari
1 Uji statistik Shapiro-Wilk, Nilai p = 0,325 dimana nilai p>0,05, maka dapat
disimpulkan bahwa populasi data berdistribusi normal.
2 Uji statistik Tes of Homogenety of Vriance, Nilai p adalah 0,256. Nilai ini lebih
besar dari 0,05 sehingga dapat disimpulkan bahwa varian datanya sama.
3 Uji statistikOne-way-anova, Nilai p sebesar 0,000. Nilai ini lebih kecil dari 0,05
sehingga dapat disimpulkan ada perbedaan nilai selisih kadar glukosa darah yang
nyata diantara kelima kelompok perlakuan yang diteliti.
4 Uji statistik LSD (Least Significant Diference),

Kelompok perlakuan Nilai p Hasil uji

I-II 0,000 Berbeda bermakna
I-III 0,001 Berbeda bermakna
I-IV 0,001 Berbeda bermakna
I-V 0,000 Berbeda bermakna
II-III 0,002 Berbeda bermakna
II-IV 0,003 Berbeda bermakna
II-V 0,005 Berbeda bermakna
III-IV 0,944 Berbeda tidak bermakna
III-V 0,723 Berbeda tidak bermakna
IV-V 0,777 Berbeda tidak bermakna