Manajemen data & statistik rs

SRI RAHAYU, PhD

fb.us.3575960_2
 UJI BEDA / PARAMETRIK

Nilai Kelas 4A Nilai Kelas 4B

30 21
40 26
35 30
48 22
27 19
32 37
35 29
32 38
45 24
30 36
36
2
 UJI BEDA / PARAMETRIK

Uji rata-rata dua kelompok bebas

• Uji normalitas (membuat variabel Error dari data)

• Analyze - General Linear Model -- Univariate

• Masukkan variabel; nilai ulangan matematika ke Dependent

variabel.

• Kelas ke Fixed Factor (s)

• Klik model -- hilangkan tanda centang pada: include

intercept in model
UJI BEDA / PARAMETRIK

• Klik save; pada residuals; centang unstandardized - continue - OK

• Analyze - descriptive statistics --- explore
• Masukkan variabel; Residual for Nilai ke dependent list
• Klik plots muncul menu ; Explore plots ---- pilih Normality plots with tests
• Continue --- OK
• Akan muncul hasil Kolmogorov-Smirnov

4
• Analyze --- Compare means ---- Independent sample T test
• Masukkan variabel nilai ke Test Variable (s) dan masukkan dan kelas ke
Groping Variable.
• Setelah itu klik Define groups, masukkan angka 1 = group 1 dan 2 = group
2
• Continue ---- ok
“dari hasil uji levene didapat nilai sig 0,598 yang artinya terima H0 (varian
antar kelompok homogen). Karena variansi homogen maka uji t-test
digunakan nilai signifikan yang atas (Equal variances assumed) dengan nilai
sig 0,023 yang artinya terima H1 (ada perbedaan yang signifikan nilai
matematika antar kelas 4A dengan 4B). Dimana rata-rata kelas 4A 35,45
lebih tinggi jika dibandingkan klas 4B (28,20)
5
 Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
*
nilai .083 21 .200 .980 21 .926
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

Group Statistics

klas N Mean Std. Deviation Std. Error Mean

nilai klas A 11 35.4545 6.51711 1.96498
klas B 10 28.2000 6.95701 2.20000

Independent Samples Test

Levene's Test for Equality of Variances t-test for Equality of Means

95% Confidence Interval of the

Std. Error Difference

F Sig. t df Sig. (2-tailed) Mean Difference Difference Lower Upper

nilai Equal variances assumed .287 .598 2.467 19 .023 7.25455 2.94014 1.10076 13.40833

Equal variances not assumed 2.459 18.494 .024 7.25455 2.94977 1.06916 13.43994

6
 Uji Dua kelompok terkait
(inputnya ke samping / beda kolom)

No Nilai ujian metode lama Nilai ujian metode baru

1 50 69
2 66 85
3 73 88
4 84 70
5 57 84
6 83 78
7 76 90
8 95 97
9 73 79
10 78 95

7
• Analyze ---- compare means ----- pair sample T test
• Kemudian sort ke dua variabel dan pindahkan ke kotak paired variables
• Continue -- Ok
• Tidak ada uji homogenitas karena sampelnya sama (tidak ada kelompok)

8
 Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

*
metodelama .185 10 .200 .972 10 .912
*
metodebaru .121 10 .200 .954 10 .711
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean

Pair 1 metodebaru 83.5000 10 9.55975 3.02306
metodelama 73.5000 10 13.20984 4.17732

Paired Samples Test

Paired Differences
95% Confidence Interval of the
Difference
Mean Std. Deviation Std. Error Mean Lower Upper t df Sig. (2-tailed)
Pair 1 metodebaru - metodelama 10.00000 12.56981 3.97492 1.00810 18.99190 2.516 9 .033

9
 Uji beda banyak variabel / Latihan uji anova

Dosis 1 2 3 4 5 6
(gr/mз)
0 96 98 94 90 94 92
16 92 88 90 88 92 94
32 92 94 84 78 82 74
48 74 74 68 72 67 75
64 50 50 54 53 44 56

10
Uji normalitas

• Uji normalitas (membuat variabel Error dari data)

• Analyze - General Linear Model -- Univariate

• Masukkan variabel; nilai ulangan matematika ke Dependent variabel.

• Kelas ke Fixed Factor (s)

11
Uji normalitas

• Klik save; pada residuals; centang unstandardized - continue - OK

• Analyze - descriptive statistics --- explore
• Masukkan variabel; Residual for Nilai ke dependent list
• Klik plots muncul menu ; Explore plots ---- pilih Normality plots with tests
• Continue --- OK
• Akan muncul hasil Kolmogorov-Smirnov

12
 Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
dosis Statistic df Sig. Statistic df Sig.
*
pertumbuhan 0 gr / m3 .167 6 .200 .982 6 .960
*
16 gr / m3 .209 6 .200 .907 6 .415
*
32 gr / m3 .181 6 .200 .947 6 .715
*
48 gr / m3 .255 6 .200 .856 6 .175
*
64 gr / m3 .224 6 .200 .933 6 .602
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

13
 Uji Anova (multiple comparation)

• Analyze --------- compare means -------- one-way Anova

• Muncul list ------- pindahkan variabel dosis ke factor dan variabel daya ke dependent list
• Klik post hoc muncul menu : LSD & Tukey ---------- continue
• Klik option ------- pilih homogenity of variance, descriptive (dicentang)
• Klik continue ------------ ok
• Hasil uji levene (test of homogenity of variance) diperoleh nilai sig 0,051 yang berarti
terima H0 (variansi varian antar kelompok homogen)
• Tabel Anova didapat nilai sig 0,000 artinya terima H1 (ada perbedaan antar dosis
perlakuan mengenai daya tumbuh kacang hijau). Hasil ini mengisyaratkan kepada kita
untuk melakukan uji lanjutan (perbandingan berganda / uji post hoc)

14
 Test of Homogeneity of Variances
pertumbuhan
Levene Statistic df1 df2 Sig.
2.742 4 25 .051

ANOVA
pertumbuhan

Sum of Squares df Mean Square F Sig.

Between Groups 7272.800 4 1818.200 87.498 .000

Within Groups 519.500 25 20.780
Total 7792.300 29

pertumbuhan

Subset for alpha = 0.05

dosis N 1 2 3 4
a
Tukey HSD 64 gr / m3 6 51.1667

48 gr / m3 6 71.6667

32 gr / m3 6 84.0000

16 gr / m3 6 90.6667 90.6667

0 gr / m3 6 94.0000

Sig. 1.000 1.000 .115 .713

Means for groups in homogeneous subsets are displayed.

a. Uses Harmonic Mean Sample Size = 6.000.

15
• Dari tabel hasil uji berganda Tukey LSD yang terlihat tidak berbeda daya
tumbuhnya adalah dosis 0 gr/m3 dengan 16 gr/m3 dan dosis 16 gr/m3
dengan 32 gr/m3 (jika nilai rata-rata hasil tumbuh beberapa dosis
berada pada kolom yang sama, artinya tidak terdapat perbedaan)

16
Uji Beda Non Parametrik

17
 Prosedur uji non parametrik

• Prosedur uji nonparametrik adalah sebuah pengujian statistik yang bebas

dari persyaratan atau kondisi yang membatasi pemakai, tidak diperlukan
asumsi-asumsi. Dilakukan pada data-data yang tidak memenuhi asumsi
normalitas.

18
 MANN WHITNEY

Mann Whitney merupakan salah satu pengujian statistik nonparametrik

yang digunakan untuk membandingkan rata-rata antara 2 populasi
yang tidak berhubungan (bebas).
Pengujian ini dikembangkan oleh Hendry B. Mann dan D.R. Whitney pada
tahun 1947. Pengujian mann whitney dapat dilakukan dengan memenuhi
asumsi berikut :
• Data berdistribusi bebas, acak atau tidak normal
• Data yang digunakan tidak berhubungan satu sama lain (Independen)
• Berskala minimal Ordinal
• Jumlah data yang digunakan sedikit (<30)

19
 Contoh :

• Bimbingan belajar “Sukses Selalu” mempunyai beberapa guru les yang

mengajar di kelas bimbingan belajar tersebut. Tika selaku pemilik usaha
bimbingan belajar tersebut ingin mengetahui teknik pembelajaran seperti
apa yang lebih efektif. Tika kemudian melakukan pengujian terhadap 2
kelas bimbingan. Pada kelas A diberikan bimbingan belajar dengan
metode pembelajaran melalui video, game, dan praktek langsung.
Sedangkan pada kelas B diberikan bimbingan belajar dengan metode
pembelajaran melalui teks book. Berikut diambil 20 sampel nilai tes dari
masing-masing kelas :
20
Kelas A Kelas B
75 90
80 95
77 80
95 60
90 50
98 55
100 58
76 60
50 62
85 88
87 68
79 60
79 57
89 55
90 90
100 60
95 88
85 80
87 59
75 60

21
1. Input variabel kelas dan nilai pada Variable View.
Gunakan Value Label untuk variabel kelas.

22
2. Input data ke Data View.

23
3. Lakukan uji normalitas.

Tests of Normality
kelas Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
kelas A 0.154 20 .200* 0.898 20 0.038
nilai kelas B 0.277 20 0 0.836 20 0.003
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

24
4. Pilih Analyze >> Nonparametric Tests >> Legacy Dialogs >> 2
Independent Samples. Kemudian pada window yang muncul, pindahkan
variable nilai ke Test Variable List dan kelas ke group variable.

25
5. Klik Define Group dan masukkan seperti dibawah
ini.

26
6. Pilih Continue. Pada test-type pilih Mann-Whitney
U kemudian OK untuk melihat output.
Ranks
kelas N Mean Sum of
Rank Ranks
kelas A 20 25.73 514.5
kelas B 20 15.28 305.5
nilai Total 40

Test Statisticsa
nilai
Mann-Whitney U 95.5
Wilcoxon W 305.5
Z -2.833
Asymp. Sig. (2-tailed) 0.005
Exact Sig. [2*(1-tailed
Sig.)] .004b
a. Grouping Variable: kelas
b. Not corrected for ties.

27
Latihan dua kelompok bebas (uji Mann-Whitney U)

Nilai Deskripsi Jumlah Mhsw (JABODETABEK) Jumlah Mhsw ( luar

JABODETABEK)

20-29 Sangat kurang 1.00 2.00

30-39 Kurang 2.00 2.00
40-49 Cukup 2.00 2.00
50-59 Baik 1.00 3.00
60-69 Baik sekali 5.00 1.00
> 70 sempurna 7.00 2.00

28
 Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
asal_mhsw Statistic df Sig. Statistic df Sig.
nilaimhsw jabodetabek .325 6 .047 .827 6 .101
luar jabodetabek .333 6 .036 .827 6 .101
a. Lilliefors Significance Correction

29
prosedur

• Analyze --- non parametric test ---- 2 independent samples

• Masukkan variabel : hasil test bahasa ingris --- test variable list
• Klik define group isi sesuai kode asal mahasiswa
• Test type ; centang Mann-Whitney U ------ OK
• Test statistik table : nilai Asymp sig 0,000 terima H1 ada perbedaan yang
signifikan rata-rata nilai test mahasiswa dari jabodetabek dengan
mahasiswa luar jabodetabek.

30
 Ranks

asal_mhsw N Mean Rank Sum of Ranks

nilaimhsw jabodetabek 6 6.67 40.00
luar jabodetabek 6 6.33 38.00
Total 12

a
Test Statistics

nilaimhsw

Mann-Whitney U 17.000
Wilcoxon W 38.000
Z -.172
Asymp. Sig. (2-tailed) .863
b
Exact Sig. [2*(1-tailed Sig.)] .937

a. Grouping Variable: asal_mhsw

b. Not corrected for ties.

31
SIGN WILCOXON (uji kelompok terkait)

Wilcoxon signed rank test adalah metode nonparametrik yang digunakan

untuk membandingkan 2 sampel data yang berasal dari grup yang
sama (2 sampel yang saling berhubungan).
Hal ini dapat dilakukan ketika ingin menyelidiki apakah terjadi perubahan
nilai dari 1 waktu ke waktu lain atau ketika individu diberikan lebih dari 1
kondisi (diberikan perlakuan yang berbeda).
Pengujian Wilcoxon signed rank dapat dilakukan ketika memenuhi asumsi
berikut :
• 1. Data dari variable dependen minimal berskala ordinal
• 2. Data berdistribusi bebas
• 3. Sampel yang digunakan adalah sampel yang berhubungan
32
Contoh :

12 pria dewasa dengan mengikuti program liquid diet untuk rencana menurunkan berat
badan. Data berat badan sebelum dan sesudah melakukan diet sudah di catat. Lakukan
pengujian apakah terdapat perbedaan berat badan sebelum dan sesudah melakukan
liquid diet. Berikut datanya :

1 2 3 4 5 6 7 8 9 10 11 12
Sebelum 186 171 177 168 191 172 177 191 170 171 188 187
Sesudah 179 168 165 169 182 171 165 190 165 180 181 172

33
• Langkah-langkah:
• 1. Input variabel sebelum dan sesudah pada Variable View.

34
2. Input data diatas pada Data View.

35
• 3. Uji distribusi data, jika data tidak normal maka bisa menggunakan
metode non-parametrik
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

sebelum 0.204 12 0.18 0.864 12 0.055
*
sesudah 0.175 12 .200 0.902 12 0.167
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction

36
• 4. Pada menu Analyze, pilih Non-Parametric Test – 2 Related Sample.
• 5. Pada kolom Test Pairs, masukkan variable sebelum dan sesudah.
Kemudian Test Tipe : Wilcoxon. Abaikan pilihan lain, klik OK.

37
6. Output hasil.

Ranks
N Mean Sum of
Rank Ranks
Negative
a
Ranks 10 6.75 67.5
Positive
b
Ranks 2 5.25 10.5
sesudah c
Ties 0
-
sebelum Total 12
a. sesudah < sebelum
b. sesudah > sebelum
c. sesudah = sebelum

a
Test Statistics
sesudah - sebelum

b
Z -2.242
Asymp. Sig. (2-tailed) 0.025
a. Wilcoxon Signed Ranks Test
b. Based on positive ranks.

38
•KRUSKALL WALLIS

39
KRUSKALL WALLIS

Kruskal Wallis adalah salah satu metode non parametrik berbasis peringkat
yang tujuannya untuk menentukan adakah perbedaan signifikan secara
statistik antara dua atau lebih kelompok variabel independen pada variabel
dependen yang berskala data numerik (interval/rasio) dan skala ordinal.
Kruskal Wallis adalah alternative apabila data tidak berdistribusi normal dan
perluasan dari metode Mann Whitney U Test, di mana kita ketahui bahwa uji
tersebut hanya dapat digunakan pada 2 kelompok sampel.
Sedangkan Kruskall Wallis dapat digunakan pada lebih dari 2 kelompok
sampel.
40
Asumsi Kruskall Wallis

1. Variabel independen minimal lebih dari 2 kelompok.

2. Variabel dependen berskala numeric (interval/rasio) atau skala ordinal.
3. Independen artinya sampel ditiap kategori harus bebas satu sama lain,
yaitu tidak boleh ada sampel yang berada pada 2 kategori atau lebih.
4. Tiap kategori memiliki variabilitas yang sama, yaitu bentuk kurve
histogram atau sebaran data yang sama (Lihat Histogram Variabilitas
Sama).
5. Tiap sample minimal 5 data setiap sample untuk menggunakan
probabilitas Chi-Square.

41
 Post Hoc Kruskall Wallis

• Jika menerima H1 yaitu tidak ada perbedaan rata-rata antara variable maka bisa
dilanjutkan dengan uji lanjut atau disebut juga uji post hoc.
• Uji post hoc setelah kruskall wallis salah satunya dapat menggunakan metode mann
whitney u test.
• Dengan uji tersebut kita bisa menilai antar kelompok apakah yang ada perbedaan
signifikan,
Metode post hoc dapat dilakukan antara lain:
• 1. Perbedaan Nilai Ujian Siswa antara metode A dan metode B
• 2. Perbedaan Nilai Ujian Siswa antara metode A dan metode C
• 3. Perbedaan Nilai Ujian Siswa antara metode B dan metode C.

42
Contoh soal

• Manajemen restoran ingin tahu pendapat pelanggan mengenai pelayanan,

kebersihan, dan kualitas makanan dari restorannya. Manajemen ingin
membandingkan hasil rating pelanggan untuk 3 shift yang berbeda:
• Shift 1: 16:00 – midnight
• Shift 2: midnight – 08:00
• Shift 3: 08:00 – 16:00
• Pelanggan diberi kartu saran dan diambil 20 kartu saran secara random
setiap shift dengan 4 skala:
• 4= sempurna, 3= baik, 2= biasa, 1 = buruk

43
Shift 1 Shift 2 Shift 3
2 3 3
2 4 4
3 2 3
2 2 4
2 3 4
3 3 3
3 3 4
2 3 2
1 2 4
1 3 4
1 4 4
2 3 3
2 3 4
3 2 3
1 3 4
2 1 3
2 3 4
2 2 3
3 1 4
4 3 2

44
• Langkah-langkah pengerjaan menggunakan SPSS :
• 1. Masukkan variabel ke dalam Variable View, yaitu Shift dan Nilai.

45
• 2. Klik pada Values, nanti akan muncul kotak dialog “Value Labels”.
Pada kolom Value tulis angka 1 dan label “16:00-midnight” dan klik “Add”
dilanjutkan sampai value ke-3.

46
• 3. Pada tab “Data View” di kolom shift masukan angka 1 untuk shift 1
dan pada kolom nilai copy data dari contoh soal.

47
• 4. Syarat untuk melakukan uji Kruskal-Wallis adalah data berdistribusi
tidak normal sehingga kita harus melakukan uji Normalitas terlebih dahulu.
Klik Analyze – Descriptive Statistics – Explore sebagai berikut :

48
• 5. Kemudian akan muncul kotak dialog Explore dan klik Plots.

49
• 6. Pada kotak dialog Explore : Plots pada Boxplots klik None, pada
Descriptive uncheck Stem-and-leaf dan klik Normality plots with tests. Klik
Continue dan klik Ok pada kotak dialog Explore dan akan muncul hasil
output dari Normalitas :

50
• 7. Hasil Output Uji Normalitas karena jumlah data atau df 20 sehingga
kita melihat table Shapiro-Wilk. Dari hasil Sig 0.009, 0.004, dan 0.0 lebih
kecil dari α (0.5) sehingga bisa dilakukan pengujian Kruskal-Wallis.

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Shift Statistic df Sig. Statistic df Sig.
penilaian 16.00-
midnight
0.273 20 0 0.864 20 0.009
midnight-
08.00 0.317 20 0 0.843 20 0.004
08.00-
16.00 0.339 20 0 0.739 20 0
a. Lilliefors Significance
Correction

51
• 8. Kemudian Klik Analyze – Nonparametric Tests – K Independent
Samples sebagai berikut :

52
• 9. Kemudian akan muncul kotak dialog “Tests for Several Independent
Samples” kemudian pindahkan variable Nilai ke kolom Test Variable List
dan Shift ke Grouping Variable sebagai berikut:

53
• 10. Kemudian klik Define Range dan isikan nilai Minimum : 1 dan nilai
Maximum : 3 (karena terdiri dari 3 sample) sebagai berikut :

54
• 11. Kemudian klik Continue dan klik Ok. Hasil Output dari Kruskal-
Wallis Test sebagai berikut :
Ranks
Mean
Shift N Rank
penilaian 16.00-midnight 20 19.62
midnight-08.00 20 28.7
08.00-16.00 20 43.18
Total 60

Test Statisticsa,b
Penilaian
Chi-Square 20.389
df 2
Asymp. Sig. 0
a. Kruskal Wallis Test
b. Grouping Variable: shift

55
• Chi-square tabel

56
• 12. Setelah mendapat Asymp Sig. dan Chi-Square hitung kita
memerlukan Chi-Square Tabel dengan menggunakan tool di spss.
Pertama klik Transform dan pilih Compute Variable.

57
• 13. Pada Function Group pilih Inverse DF dan pada Functions and
Special Variables pilih idf. Chisq. Pada Target Variable masukan chisq
dan pada Numeric Expression masukan rumus IDF.CHISQ (prob, df)
dimana prob adalah (1-α) = 1-0.05 = 0.95 dan df dapat dilihat di table
output Statistics, yaitu 2 atau K-1 = 3 – 1 = 2 (Note: K adalah banyak
sample yang diuji).

58
• 14. Output table Chi-Square akan muncul pada data view yaitu 5.99.

59
Terima kasih