Statistik
suatu metode ilmiah yang
dapat digunakan sebagai alat
bantu dalam mengambil
keputusan, mengadakan
analisis data hasil penelitian,
dal lain-lain.
(Budiarto, 2001)
Statistik ialah suatu
cabang ilmu pengetahuan
(1) pengumpulan data,
pembantu, yang
mencakup :
DEFINISI
STATISTIK (2) pengolahan data, (3) penyajian data,
(4)
(5) menarik simpulan dari
suatu penelitian
(4) analisis data, dan
sekelompok subyek
penelitian.
Statistik
Penerapan Statistik
Hampir di
setiap Bidang
pertanian manajemen
industri ekonomi
psikologi Kesehatan
data atau informasi yang
Statistik
berkaitan dengan
Kesehatan
masalah kesehatan
STATISTIK KESEHATAN
Hubungan Penelitian
masalah dan
statistik…???????
hipotesis
menentukan sampel
mengumpulkan sampel
perlu
statistika
menyajikan data
menganalisa data
membuat kesimpulan
Pembagian Statistik
Statistik
Sosial
Statistik Statistik
Deskriptif Inferensial
Melalui fase
STATISTIKA DESKRIPTIF :
Berkenaan dengan pengumpulan, pengolahan, dan penyajian sebagian
atau seluruh data (pengamatan) tanpa pengambilan kesimpulan
dan fase
STATISTIKA INFERENSI :
Setelah data dikumpulkan, maka dilakukan berbagai metode statistik untuk
menganalisis data, dan kemudian dilakukan interpretasi serta diambil kesimpulan.
Statistika inferensi akan menghasilkan generalisasi (jika sampel representatif)
3. Data
DATA
NOMINAL INTERVAL
ORDINAL RASIO
BEDA URUTAN JARAK NOL MUTLAK
SAMA
NOMINAL + - - -
ORDINAL + + - -
INTERVAL + + + -
RATIO + + + +
4. Data
DATA NOMINAL :
Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.
CIRI : posisi data setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : jenis kelamin, jenis pekerjaan
DATA ORDINAL :
Data berskala ordinal adalah data yang dipeoleh dengan cara kategorisasi atau klasifikasi, tetapi di antara
data tersebut terdapat hubungan
CIRI : posisi data tidak setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : kepuasan kerja, motivasi
DATA INTERVAL :
Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik
skala sudah diketahui.
CIRI : Tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : temperatur yang diukur berdasarkan 0C dan 0F, sistem kalender
DATA RASIO :
Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik
skala sudah diketahui dan mempunyai titik 0 absolut.
CIRI : tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : gaji, skor ujian, jumlah buku
MULAI
Nominal/Ordinal
Tipe data
Interval/Ratio
Tidak normal Statistik
Distribusi
data Non
Parametrik
Normal
< 30
Jumlah
data
Metode
Lilliefors
PERSYARATAN
• Data berskala interval atau ratio
(kuantitatif)
• Data tunggal/belum
dikelompokkan pada tabel
distribusi frekuensi
• Dapat untuk n besar maupunn
kecil
Metode Kolmogorov-Smirnov = metode Lilliefors.
Signifikansi Metode Kolmogorov-Smirnov
menggunakan tabel pembanding Kolmogorov-
Smirnov, sedangkan Metode Lilliefors menggunakan
tabel pembanding metode Lilliefors.
Metode
Kolmogorov-
Smirnov
PERSYARATAN
Metode Shapiro Wilk menggunakan data dasar yang belum diolah dalam tabel distribusi frekuensi. Data
diurut,kemudian dibagi dalam dua kelompok untuk dikonversi dalam Shapiro Wilk.
Dapat juga dilanjutkan transformasi dalam nilai Z untuk dapat dihitung luasan kurva normal
PERSYARATAN
Jika nilai Sig lebih besar dari 0,05 maka data berdistribusi normal
Jika nilai Sig lebih kecil dari 0,05 maka data tidak berdistribusi normal
Cara lain
Hasilnya
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk Descriptive Statistics
Statistic df Sig. Statistic df Sig.
TOTALHSL .107 44 .200* .966 44 .372 N Skewness
KINERJA .122 44 .101 .943 44 .048 Statistic Statistic Std. Error
MOTIVASI .163 44 .005 .889 44 .010** TOTALHSL 44 .686 .357
IKLIM .144 44 .022 .943 44 .046 KINERJA 46 -.772 .350
KOMITMEN .135 44 .042 .942 44 .043 MOTIVASI 46 -1.296 .350
KEPUASAN .124 44 .088 .946 44 .061 IKLIM 46 -.238 .350
KEPEMIMP .108 44 .200* .930 44 .017
KOMITMEN 46 .026 .350
*. This is a lower bound of the true significance.
KEPUASAN 46 -.611 .350
**. This is an upper bound of the true significance.
KEPEMIMP 46 -.773 .350
a. Lilliefors Significance Correction Valid N (listwise) 44
prosedur pengujian
parametrik rata-rata
Untuk menguji
dua kelompok data,
kebenaran atau
baik untuk kelompok
kepalsuan hipotesis
data terkait maupun
nol .
dua kelompok
bebas.
KLASIFIKASI
PAIRED SAMPLE T TEST
T TEST
INDEPENDENT T TEST
32
ONE SAMPLE T TEST
33
Pengujian satu sampel yang pada
prinsipnya ingin menguji apakah suatu
nilai tertentu (yang diberikan sebagai
DEFINISI pembanding) berbeda secara nyata
ataukah tidak dengan rata-rata sebuah
sampel.
ONE
SAMPLE T
TEST Nilai tertentu di sini pada umumnya
adalah sebuah nilai parameter untuk
mengukur suatu populasi
34
CONTOH KASUS
35
PENYELESAIAN
37
O
U
T
P
Untuk berat badan sebelum minum obat, konsumen
U
mempunyai berat rata-rata 84,5100 kilogram.
T
T
E
S
T Berat kelompok anak muda berbeda
dengan rata-rata berat populasi. 38
Untuk statistik
t hitung dari
tabel bisa
output adalah –
PENGAMBI 2,615.
dihitung pada
tabel t:
LAN
df atau derajat
KEPUTUSA Tingkat
signifikansi (α)
kebebasan
adalah n – 1
N adalah 5%;
untuk uji dua
atau jumlah
data – 1
sisi, menjadi sehingga df
5% / 2 = 2,5%. adalah 10 – 1 =
9
39
T hitung di daerah Ho ditolak
rata-rata berat badan
kelompok anak muda tersebut
memang berbeda dengan rata-
rata berat badan populasi.
42
CONTOH KASUS
Produsen Obat Penurun berat badan
ingin mengetahui apakah obat yang
diproduksinya benar-benar
mempunyai efek terhadap penurunan
berat badan konsumen.
Untuk itu, sebuah sampel yang terdiri
atas 10 orang masing-masing diukur
berat badannya, kemudian setelah
sebulan meminum obat tersebut,
kembali diukur berat badannya.
Populasi diketahui berdistribusi
normal. 43
A. Pemasukan Data ke SPSS
• Dari menu utama File, pilih menu New, lalu
klik mouse pada Data.
Kemudian klik mouse pada sheet tab
Variable View.
B. Input data
• Input data ke dalam SPSS DATA EDITOR
untuk berat badan sebelum dan sesudah 44
• Langkah-langkah:
– Buka file uji_t_paired.
LANJUTAN….
– Menu Analyze Compare-Means. Paired-
Samples T test….
Tampak di layar:
45
PENGISI
AN
• Paired Variable(s) atau Variabel yang akan diuji. Oleh karena
di sini akan diuji data “sebelum” dan “sesudah”, maka klik
mouse pada variabel sebelum, kemudian klik mouse sekali
lagi pada variabel sesudah, maka terlihat pada kolom Current
• Selection di bawah, terdapat keterangan untuk variable 1 dan
2.
• Kemudian klik mouse pada tanda ‘>‘ (yang sebelah atas), maka
pada Paired variables terlihat tanda sebelum .. sesudah.
46
Konsumen mempunyai berat rata-rata sebelum minum obat adalah 84,51
kg. Setelah minum obat, konsumen mempunyai berat rata-rata 83,309 kg.
51
Tujuan: untuk mengetahui
Data berdistribusi
perbedaan mean dua dua
normal/simetris.
kelompok data independen,
T-Test
Kedua kelompok data
syarat yang harus dipenuhi:
Independen independen.
53
Seorang peneliti ingin
mengetahui apakah ada
perbedaan antara Tinggi
dan Berat badan seorang
pria dan seorang wanita. PERHATIKAN TEKNIK INPUT
DATA UNTUK INDEPENDENT T
Untuk itu, 7 pria dan 7 TEST
wanita masing-masing
diukur tinggi dan berat
badannya.
Hasil pengukuran sebagai
berikut :
54
A. Pemasukan Data ke SPSS
• Dari menu utama File, pilih menu New,
lalu klik mouse pada Data.
Kemudian klik mouse pada sheet tab
Variable View.
B. Input data
• Input data ke dalam SPSS DATA EDITOR
untuk tinggi badan, berat badan
• dan gender; untuk gender, masukkan
angka sesuai kode gender yang telah
• dibuat sebelumnya.
PENYELESAIAN 55
PENGISIAN
• ⇒ Test Variable(s); masukkan variabel tinggi;
kemudian masukkan juga variabel berat.
• ⇒ Grouping Variable atau variabel grup. Oleh
karena variabel pengelompokkan ada pada
variabel gender, maka masukkan variabel
gender.
• Pengisian grup:
• Klik mouse pada Define Group… Tampak di
layar:
KEPUTUS
AN AKHIR
Rata-rata tinggi badan pria benar-benar
berbeda dengan rata-rata tinggi badan wanita;
jika dilihat dari rata-rata kedua kelompok, Pria
lebih tinggi dari wanita
62
ANOVA
63
Telaah variabilitas data menjadi dua
sumber variasi yaitu variasi dalam
kelompok (within) dan variasi antar
kelompok (between).
ANOVA
Bila hasil perbandingan tersebut
menghasilkan lebih dari 1, maka mean
yang dibandingkan menunjuk ada
perbedaan.
Beberapa asumsi yang harus dipenuhi
pada uji ANOVA adalah:
1. Varian homogen
Syarat 2. Sampel/kelompok independen
3. Data berdistribusi normal
ANOVA 4. Jenis data yang dihubungkan
adalah : Numerik dengan katagori
(untuk katagori yang lebih dari 2
kelompok).
Analisis Varians Satu Arah
(One Way Anova)
66
Analisis Varians Satu Arah
(One Way Anova)
Fungsi Uji :
Untuk mengetahui perbedaan antara 3 kelompok/
perlakuan atau lebih
Asumsi :
Data berskala minimal interval
Data berdistribusi Normal
Hipotesis :
H0 :
1 2 3 .... k
Fhit F (v1 , v 2 )
dimana adalah tabel F dengan derajat bebas:
F (v=1 ,derajat
v 2 ) bebas perlakuan =
v1 k 1
= derajat bebas sisa =
v2 nk
UJI VARIANSI
Salah satu asumsi yang harus dipenuhi pada
saat menggunakan uji Anova satu arah adalah
varians data HOMOGEN
Untuk mengetahui kondisi varians data
(homogen atau heterogen) maka dilakukan
uji variansi yaitu uji Barlett
Fungsi Uji :
Uji Barlett
untuk mengetahui kondisi varians data (homogen atau
heterogen)
Hipotesis :
H0 : Varians data homogen
H1 : Varians data heterogen
Uji Barlett
Pengambilan Keputusan :
Digunakan tabel Chi-Square dengan derajat bebas dan tingkat signifikansi
H0 ditolak jika :
2 tabel
2
Contoh Kasus
Ingin dilihat perbedaan kadar Hb dari 3 (tiga) kelompok
responden, dengan kondisi sebagai berikut :
• Kelompok I : Memperoleh suplemen Fe
• Kelompok II : Memperoleh suplemen Fe
dan vitamin B1
• Kelompok III : Tidak memperoleh
suplemen
pengukuran kadar Hb adalah sebagai berikut :
Kelompok I Kelompok II Kelompok III
11,5 12,4 11,1
11,7 11,6 10,5
12,5 12,1 11,2
11,6 11,8 10,5
12,0 11,8 11,2
12,4 12,3 10,6
12,0 12,2
12,1
Atau
87
Analisis Pasca Anova : Shift
• Terdapat beda nyata antara Shift II dengan Shift IV dan Shift II dengan Shift I
• Terdapat beda nyata antara Shift IV dengan Shift II dan Shift IV dengan Shift I, Dst 88
Analisis Pasca Anova : Gender
90