Hipotesa Komparatif
Variable Numerik Dua Kelompok
Latihan 1. Uji t Tidak Berpasangan
• Uji Hipotesa Komparatif
• Variable Numeric
• Data Berdistribusi Normal
• Dua Kelompok Tidak Berpasangan
Uji Distribusi Data (Uji Normalitas)
• IBM => Varible view=> Data view ... ISI (contoh file
unfired_t_test pendampingan suami dan ancietas )
• Analyze => Descriptive Statics=> Explore
• Masukkan varibel ancietas ke dlm Dependent list
dan suami ke dlm faktor list
• Plots=>Factor level tegether=>Histogram
• Normality plots with test
• Continue
• OK
Tests of Normality
• IBM => Varible view=> Data view ... ISI (contoh file
unfired_t_test pendampingan suami dan ancietas )
• Analyze => Compare Means=>Independent – Sample
t
• Masukkan score ancietas ke dlm kotak Test Variable
dan suami ke dlm Grouping Variable
• Define Group => isi 1 pad group 1 dan 2 pada group
2
• Continue
• OK
Independent Samples Test
Equal - - - -
variances 38,18 248 ,000 1,313
assumed 33,353 ,000 9 50,125 52,711 47,540
Score
ansietas Equal - 150,2 - - -
variances 34,98 ,000 1,433
49 50,125 52,956 47,295
not assumed 8
Group Statistics
• IBM => Varible view=> Data view ... ISI (contoh file
fired_t_test bmi pra dan post penyuntikan progesteron)
• Analyze => Descriptive Statics=> Explore
• Masukkan varibel bmi pra dan bmi post ke dlm
Dependent list
• Plots=>Factor level tegether=>Histogram
• Normality plots with test
• Continue
• OK
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Paired Differences
Kolmogorov-Smirnova Shapiro-Wilk
tingkat
ekonomi Statisti df Sig. Statisti df Sig.
c c
N sampel class ekonomi tinggi < 50 => lihat pada Shapiro –wilk
N sampel class ekonomi rendah > 50 => lihat pada Kolmogorov-Smirnov
Sig = 0.025 dan 0,000=> lebih kecil 0,05
Data berdistribusi tidak normal
Lakukan Transformasi data
Transformasi Data
• Lanjutkan file wkt uji normalitas
• Transform => Compute variable (klik)
• Ketik trans_bmi
• All (pd fuction group) => LG10 ((function and special
variable) =>klik tanda panah arah atas shg LG10 masuk
ke dalam numeric ekspression
• Pindahkan bmi ke dlm numeric ekspression (tertulis
LG10(bmi)
• OK
• Buka data view ( ada tambahan trans_bmi)
Lakukan uji normalitas lagi dg variabel
baru trans_bmi dan class ekonomi
• IBM => Varible view=> Data view ... ISI (contoh bmi
class ekonomi tinggi dan rendah
• Analyze => Discriptive statics=>Explore
• Masukkan variable trans_bmi ke dlm dependent
list dan class ke dlm factor list
• Polts=> Factor level tegether =>Histogram =>
Normalitiy ploth with tests
• Continue
• OK
Tests of Normality
N sampel class ekonomi tinggi < 50 => lihat pada Shapiro –Wilk
N sampel class ekonomi rendah > 50 => lihat pada Kolmogorov-Smirnov
Sig = 0.031 dan 0,000=> <0,05
Data berdistribusi tidak normal
Cocok dg Uji Mann-Whthney
Melakukan Uji Mann-Whitney
• IBM => Varible view=> Data view ... ISI (contoh mann-
whithney bmi class ekonomi tinggi dan rendah
• Analyze => Non parametric test=> 2 Independen samples
• Masukkan bmi ke dlm Test variable list
• Masukkan class ke dlm Grouping variable
• Aktipkan Uji Mann-Whitney
• Define Group=> 1 (class ekonomi rendah) pd group 1 dan
2 (class ekonomi tinggi) pd group 2
• Continue
• OK
Test Statisticsa
body mass index
Mann-Whitney U 973,000
Wilcoxon W 1963,000
Z -1,807
Asymp. Sig. (2-tailed) ,071
a. Grouping Variable: tingkat ekonomi
Kolmogorov-Smirnova Shapiro-Wilk
Kolmogorov-Smirnova Shapiro-Wilk
Pengetahuan setelah
penyuluhan - Pengetahuan
sebelum penyuluhan
Z -3,377b
Asymp. Sig. (2-tailed) ,001
a. Wilcoxon Signed Ranks Test
b. Based on negative ranks.