UJI STATISTIK &

ANALISIS DATA

Dyna Apriany., SKp., MKep

 JENIS
DATA
 Data Katagorik (Kualitatif)
Data hasil pengklasifikasian/penggolongan
suatu data, isinya berupa kata-kata
Contoh : sex, jenis pekerjaan, pendidikan
 Data Numerik (Kuantitatif)
Hasil dari perhitungan/pengukuran,
berbentuk angka-angka
Data Numerik terbagi dua
:
Data Diskrit
Variabel hasil dari penghitungan,
misal : jumlah anak, jumlah pasien dll
 Data kontinyu
Hasil dari pengukuran, misal :
tekanan darah, Hb dll
Variabel katagorik &
Numerik
 Variabel katagorik : Pada

umumya berisi variabel berskala

nominal & ordinal
 Variabel numerik : berskala interval
dan ratio
 TUJUAN ANALISIS

DATA
Memperoleh gambaran masing-masing
variabel
 Membandingkan & menguji teori atau konsep
dari data yg dikumpulkan
 Menemukan konsep baru dari data yg
dikumpulkan
 Mencari penjelasan apakah konsep baru yg
diuji berlaku umum atau hanya berlaku pada
kondisi tertentu
Seberapa jauh analisis suatu penelitian
akan dilakukan, tergantung dari :
 Jenis penelitian : kualitatif atau kuantitatif
 Jenis sampel : independen atau dependen
 Jenis data/variabel : katagorik (proporsi)
dan numerik (nilai rata-rata)
 Asumsi kenormalan
Data normal (uji statistik parametrik)
data tidak normal (uji statistik non
perametrik)
Langkah-langkah analisis
data (pendekatan kuantitatif)

 Analisis deskriftif
(Univariat)
 Analisis analitik (Bivariat)
 Analisis Multivariat
ANALISIS
UNIVARIAT
 Untuk menjelaskan/mendeskripsikan
karakteristik masing2 variabel yg
diteliti
 Data numerik : nilai mean, median,
standar deviasi, nilai minimal-
maksimal
 Data katagorik : frekwensi,
prosentase
ANALISIS
BIVARIAT
 Setelah diketahui karakteristik
masing2 variabel dpt diteruskan
analisis lanjut
 Analisis hubungan antar dua
variabel, misal : hubungan antara
berat badan dengan tekanan darah
ANALISIS
MULTIVARIAT
Analisis yang menghubungkan antara
beberapa variabel independen dengan
satu variabel dependen
UJI STATISTIK (1)

Dalam satu variabel terdiri satu kelompok (sampel)

contoh : Variabel nilaiUTS
Variabel lain dapat menjadikan lebih dari 1
kelompok
contoh : NilaiUTS untuk pria & wanita (jenis
kelamin)
Uji perbandingan mengacu pada kelompok,
sedangkan uji hubungan mengacu pada variabel.
 UJI STATISTIK (2)
Perbandingan antar statistika
Parametrik
adanya syarat-syarat
mengenai parameter
populasi seperti asumsi
kenormalan.
Variabel yang dianalisis
umumnya terukur dalam
skala interval, atau rasio.
Lebih dari dua variable
bebas dapat dianalisis
secara bersamaan dalam
satu analisis.
Non-Parametrik
Tidak ada syarat-syarat
mengenai parameter populasi
seperti tak ada asumsi
kenormalan
Variabel yg dianalisis pada
umumnya terukur dalam skala
ordinal atau nominal.
Sampai saat ini, sebagian
besar analisis non-parametrik
terbatas satu variable bebas.
UJI PERBANDINGAN
statistik parametrik & non-parametrik

Uji perbandingan parametrik Non-parametrik

 1 kelompok Uji t

 2 kelompok

- berhubungan Uji t berpasangan Uji tanda

- saling bebas Uji t saling bebas Mann-Whitney

 > 2 kelompok

- berhubungan Friedman

- saling bebas Anova 1 arah Kruskal-Wallis

UJI HUBUNGAN
statistik parametrik & non-parametrik

Uji hubungan parametrik Non-parametrik

2 variabel - korelasi pearson - Λ2 (chi-kuadrat)
- uji regresi - korelasi spearman
> 2 variabel - korelasi parsial
- korelasi berganda

- uji regresi berganda

ANALISIS
UNIVARIAT
PERINGKASAN DATA UNTUK DATA
JENIS NUMERIK
1. Ukuran tengah : mean, median,
modus
a. Mean : ukuran rata2, hasil dari
jlh semua nilai pengukuran
dibagi banyaknya pengukuran

X = Σ Xi / n
Contoh nilai
mean :
 5 pasien, lama hari rawatnya :
1 hari, 3 hari, 4 hari, 2 hari, 90
hari
 Mean = (1+3+4+2+90)/5 = 20

hari
 Kekurangannya : Sangat ditentukan
oleh nilai ekstrim (tdk mewakili data
yg sesungguhnya)
2.
Median
Hanya mempertimbangkan urutan nilai dari
pengukuran
 Besar beda antar nilai diabaikan, shg tdk
dipengaruhi oleh nilai ekstrim
 Langkah penghitungan :
data diurutkan dari kecil ke besar
Hitung posisi median dgn rumus
(n+1)/2 Hitung nilai mediannya
 6 mahasiswa : 20 th, 26 th, 30 th, 24 th, 40 th,
36 th. Berapa nilai mediannya ?
3.
Mode/Modus
 Nilai pengamatan yg
mempunyai frekwensi/jlh
terbanyak
 Data : 18 th, 22 th, 21 th, 20

th, 23 th,
20 th
 Mode-nya adalah 20 tahun
 Bentuk distribusi data bdsk pada
nilai mean, median & modus
 Bila nilai mean, median & modus
sama/berhimpit : bentuk distribusi
datanya normal
 Bila nilai mean>median>modus : bentuk
distribusi datanya menceng/miring ke
kanan
 Bila nilai mean < median <modus :
Bentuk distribusi datanya
menceng/miring ke kiri
 Ukuran

Variasi
Standard Deviasi
Data yg diukur
melalui
penyimpangan/deviasi dari nilai-
nilai pengamatan thd nilai mean-
nya
 Rata-rata hitung dari kuadrat deviasi
thd mean disebut : VARIAN, dg
Rumus :
Varian : Σ (Xi – X) ²
Suatu ukuran variasi yg memp satuan
yg sama dgn satuan pengamatan
yaitu : standard deviasi

 Standard deviasi mrpk akar dari

varian :
S atau Sd = √Σ (Xi – X) ²
n-1
 Semakin besar SD maka
semakin besar variasinya
Contoh :
ada 5 orang dengan BB
48,
52,56,62,67

berapa simpang bakunya !

 no x Mean Varian
deviasi (xi-x)²
(xi-x)
1 48 9 81
2 52 5 25
3 56 1 1
4 62 5 25
5 67 10 100
Jumlah Σ 285 Σ 30 Σ 232
Mean X = Σ Xi / n
= 48+52+56+62+67/5
= 57

Mean deviasi = (X-X)

= 9+5+1+5+10/5 = 6 kg

Varian V(S ²) = Σ (Xi – X) ²

n-1
=
81+25+1+25
+100
=n-1
58

Standar deviasi = √ V(S ²) = √Σ (Xi – X) ²

n-1
= √58
= 7,6 kg
 ANALISIS BIVARIAT
• Berbagai uji statistik yg digunakan untuk
analisis bivariat :
Variabel I Variabel II Jenis uji
statistik
Katagorik Katagorik -Kai kuadrat
-Fisher Exact
Katagorik Numerik -Uji T
-ANOVA
Numerik Numerik -Korelasi
-Regresi
 UJI CHI-SQUARE ( X 2 )

DIGUNAKAN JIKA :

• UNTUK UJI PERBANDINGAN /

ASSOSIASI
• SKALA PENGUKURAN NOMINAL /
ORDINAL
UJI CHI-SQUARE ( X2 ) UNTUK
TABEL 2 x2

• DALAM HAL INI SUATU SAMPEL

DIAMBIL DARI POPULASI BIVARIAT
YANG TIDAK NORMAL YANG TERDIRI
DARI DUA VARIABEL DAN TIAP
VARIABEL DIBAGI MENJADI DUA
KATAGORI, JIKA DIBAWA KE DALAM
BENTUK TABEL DIPEROLEH TABEL
KONTIGENSI 2 x 2
 Pertimbangan memakai chi
square
1. JIKA n  40 GUNAKAN ( X2 ) DENGAN
KOREKSI KONTINYUITAS (YATES
CORRECTED )
2. JIKA n 20 – 40, JIKA SEMUA NILAI
EXPECTED ( E ) LIMA ATAU LEBIH
GUNAKAN ( X2 ) DENGAN KOREKSI
KONTINYUITAS, TETAPI JIKA TERDAPAT
NILAI E  5 GUNAKAN UJI FISHER ( fisher
exact )
3. JIKA n  20 , GUNAKAN UJI FISHER
EXACT UNTUK KASUS APAPUN.
 Contoh
Apakah ada pengaruh
pemberian makanan tambahan
dengan status gizi balita di
kecamatan samarinda hilir tahun
2004. data
hasil penelitian diperoleh
seperti table di bawah ini
 PMT STATUS GIZI Jumlah

BAIK
BURUK
CUKUP 20 (a) 10 (b) 30
(a+b)
KURANG 25 (c) 40 (d) 65
(c+d)
TOTAL 45 50 95
(a+c) ( b + d ) (a + b + c + d)
 FISHER
EXACT
( a + b ) ! (c + d ) ! ( a + c ) ! ( b + d ) !
 =
n ! a! b! c! d!

kreteria keputusan
• Ho ditolak jika   
Petugas puskesmas melakukan
penelitianuntuk mengetahui
hubungan status gizi dengan
kejadian kecacingan pada murid
SD 007samarinda. Data
dikumpulkan dengan melakukan
wawancara pada murid kelas
5 dan 6. hasilnya sebagai
berikut
STATUS KECACINGAN Jumlah
GIZI
YA
TIDAK
KURANG 11
6 5
CUKUP 4 7 11

TOTAL 10 12 22
 UJI McNEMAR
Tujuan : untuk menguji perbedaan dari dua
sampel berhubungan

Syarat :
1. Variabel mempunyai skala nominal
2. Penelitiannya menggunakan desain Pre-
Post Treatment ( sebelum dan sesudah
perlakuan )
 UJI McNEMAR

(a - d )2
X 2M =
(a +d)

criteria keputusan :
Ho ditolak jika X2 M  X2
T
 CONTOH
suatu penelitian untuk mengetahui apakah ada pengaruh
penyuluhan terhadap pengetahuan KB akseptor
dengan  0.025
penelitian dengan sample sebanyak 33 orang. sebelum
penyuluhan diperoleh data pengetahuan tentang KB,
pengetahuan kurang sebanyak 8 orang, pengetahuan
cukup sebanyak 25orang. Setelah penyuluhan diperoleh
data. Pengetahuan kurang sebanyak 13 orang dan
pengetahuan cukup 20 orang. Dari 8 pengetahuan yang
cukup setelah penyuluhan diperoleh 3 pengetahuan
kurang dan 5 pengetahuan cukup. Apakah penyuluhan
berpengaruh terhadap pengetahuan KB responde
 Sesudah penyuluhan
Sebelum Kurang Cukup
penyuluhan

Kurang 3 5
10 15
Cukup
( 3 - 15 ) 2 144
X2 M = = =8
(3 + 18
15 )
Tugas : apakah ada pengaruh
penyuluhan pra operatif terhadap
kemampuan untuk melakukan latihan
napas dalam dan batuk efektif pasca
operatif. Data di bawah ini
Pra Pasca operatif
operatif Mampu Tidak
mampu
Mampu 7 4
Tidak 14 5
mampu
 ODDS RATIO
• Tujuan :
Untuk mengetahui berapa besar risiko
variable bebas ( penyebab) dapat
menyebabkan kejadian pada variable
terikat ( akibat )
 FAKTOR KASUS KONTROL JUMLH
RISIKO
TERPAPAR a b a+b
TIDAK c d c+
TERPAPAR
d
JUMLAH a+c b+d
a+b+c
+d
Keterangan :
axd a. = jumlah kasus yang terpapar
OR = b = jumlah control yang terpapar
bxc c = jumlah kasus yang tidak terpapar
d = jumlah control yang tidak terpapar
 Interpretasi nilai :

< 1 = nilai protektif

> 1 = berisiko terhadap
kejadian
1 = tidak ada
efek
BERAPA BESAR RISIKO PEROKOK TERKENA
KANKER PARU DATA DI BAWAH INI ?

FAKTOR KANKER TIDAK JUMLAH

RISIKO PARU KANKER
PARU
PEROKOK 35 20 55
TIDAK 15 40 55
PEROKOK
JUMLAH 50 60 110
 axd
O R  bxc

35x40
OR  20x15  4,66

Kesimpulan :

PEROKOK MEMILIKI RISIKO TERKENA KANKER

PARU 4, 66 KALI DIBANDING ORANG YANG TIDAK
PEROKOK ( CASE CONTROL & CROSS SECTIONAL)

KOHORT (RR)=RELATIF RISK

UJI T
TEST
STUDENT’S t TEST ( UJI t )
PERTAMA KALI DITEMUKAN
OLEH
W.S. GOSSET PADA TAHUN 1908
DENGAN NAMA SAMARAN
STUDENT. PRINSIP
PENGGUNAAN
UJI t TEST ADALAH UNTUK
MEMBUKTIKAN SIGNIFIKAN
SYARAT-SYARAT
PENGGUNAAN UJI T

 MEMPUNYAI SKALA
INTERVAL DAN RASIO
 SIMPANG BAKUNYA TIDAK
DIKETAHUI
 DATA DISTRIBUSINYA
NORMAL
UJI T INI DIBEDAKAN
ATAS DUA KELOMPOK

1. UJI T SATU SAMPEL

2. UJI T UNTUK SAMPEL YANG

BERHUBUNGAN ( SEBELUM
DAN SESUDAH t TEST ) ATAU
DUA SAMPEL YANG
BERPASANGAN (PAIRED t TEST )
UJI T SATU
SAMPEL
TUJUAN UNTUK
MEMBANDINGKAN NILAI RATA-
RATA SAMPEL DENGAN NILAI
RATA-RATA POPULASI
SEBAGAI STANDAR
Kriteria penerimaan
hipotesa
 Ho gagal ditolak bila :
T hit.  T ( 1 -  ) ( n – 1 )

 Bila menggunakan program

komputer ( p )  

Jika = 0,05. Ho gagal ditolak jika

probabilitasnya ( p )  0,05
 Contoh :
Masyarakat mengeluh bahwa kadar
nikotin rokok A diduga melebihi kadar
normal, untuk membuktikan ini diambil
sample 10 batang yang kadarnya 22, 21,
19, 19, 21, 22 ,22, 21, 22 dan 25. 
yang digunakan adalah 0,05.
apakah rokok a memang memiliki
kandungan nikotin lebih dari 20 mg
 t
t TABEL
(1-)(n–1)

t ( 1- 0,05 ) ( 10 – 1 )

t ( 0.95 )( 9 ) akan dihasilkan 1, 83

cara membacanya lihat tabel uji t pada t

0,95 pada baris ke 9.
Kesimpula
n
KARENA t Hit > t Tabel ( 2,20 > 1,83
)
maka :

KADAR NIKOTIN PADA ROKOK

A LEBIH DARI 20 mg
 UJI t UNTUK SAMPEL YANGBERHUBUNGAN
( SEBELUM DAN SESUDAH t TEST )
ATAU DUA SAMPEL YANG BERPASANGAN
( PAIRED t TEST)

d
tHitung  S
n d
 d i


2
d
n d 
i
S 2 2
d = selisih nilai rata-rata

 n n  S = standart deviasi


 contoh
sebanyak 10 orang
: wanita peserta KB
dengan menggunakan depoprovera
sebagai kontrasepsinya. 6 bulan sebelum
memakai kontrasepsi diukur tekanan
sistolnya dan sesudah 6 bulan diukur
tekanan sistoliknya. Ingin diketahui
apakah ada perbedaan tekanan darah
sistolik sebelum dan sesudah ber KB.
Diketahui  0,05
Pemilihan Uji Statistik

• Skala Pengukuran (Nominal, Ordinal, Interval

dan Rasio)
• Ukuran Sampel
• Populasi (Normal atau Tidak Normal)
• Tujuan (Komparasi atau Hubungan)
 Uji Hipotesis Dua Mean

Obat Baru lebih efektif

dibandingkan dengan Obat
Obat Standar Obat Baru Standar
1 Wkt Sembuh 2
Wkt Sembuh
 2
1 n1=15 n2=15  2
2
Uji Statistik ?

x1  5,0 s1  1,41 x2  3,8 s2  0,77

 Independent Samples t Test

Group Statistics
jenis_obat N Mean Std. Deviation Std. Error Mean
kecepatan_sembuh Standar 15 5.0000 1.41421 .36515
Baru 15 3.8000 .77460 .20000

Independent Samples Test

Levene's Test for Equality
of Variances t-test for Equality of Means
95% Confidence Interval
of the Difference
Sig. (2- Mean Std. Error
F Sig. t df tailed) Difference Difference Lower Upper
kecepatan_sembuh Equal variances 2.899 .100 2.882 28 .007 1.20000 .41633 .34718 2.05282
assumed
Equal variances not 2.882 21.706 .009 1.20000 .41633 .33590 2.06410
assumed
Mann Whitney Test

Waktu Operasi Waktu operasi metode A lebih

(dalam menit)
cepat dibandingkan metode B?
Metode A Metode B
36 50 Uji Statistik:
30 48
40 51
45 46 n( n  1)
31 37 U S
29 32 2
41 45
39 38
35 42 S jml peringkat pengamatan pd salah satu
30 sampel (misal sampel pertama)
33
n jml pengamatan pd salah satu sampel yg
terpilih
Prosedur Mann Whitney Test

Waktu Operasi Peringkat

29.00 1.000
30.00 2.500 S=82,5 n=11
30.00 2.500
31.00 4.000
32.00 5.000 U=82,5 – 11(11+1)/2 =16,5
33.00 6.000
35.00
36.00
7.000
8.000
Kriteria:
37.00 9.000
38.00 10.000 H0 ditolak apabila U hitung < U
39.00 11.000
40.00 12.000 tabel = 27 U 
41.00 13.000
42.00 14.000
45.00 15.500
45.00 15.500
46.00 17.000
48.00 18.000
50.00 19.000
51.00 20.000
Mann-Whitney Test

Ranks

metode operasi N Mean Rank Sum of Ranks

lama operasi A 11 7.50 82.50
dalam menit B 9 14.17 127.50
Total 20

Test Statisticsb

lama operasi
dalam menit
Mann-Whitney U 16.500
Wilcoxon W 82.500
Z -2.509
Asymp. Sig. (2-tailed) .012
Exact Sig. [2*(1-tailed a
.010
Sig.)]
a. Not corrected for ties.
b. Grouping Variable: metode operasi
 Uji Hipotesis Dua Proporsi

Obat Baru lebih efektif

dibandingkan dengan Obat
Obat Baru Standar
Obat Standar
p1 sembuh sembuh p2
Uji Statistik ?
n1=300 n2=400
X1=250 X2=350

50 50

tidak tidak
Chi_square Test

jenis_obat * sembuh Crosstabulation

Count
sembuh
Tidak
Sembuh Sembuh Total
jenis_obat Baru 24 6 30
Standar 23 17 40
Total 47 23 70

Chi-Square Tests

Asymp. Sig. Exact Sig. Exact Sig.

Value df (2-sided) (2-sided) (1-sided)
Pearson Chi-Square 3.934 b 1 .047
a
Continuity Correction 2.980 1 .084
Likelihood Ratio 4.070 1 .044
Fisher's Exact Test .071 .041
Linear-by-Linear
3.878 1 .049
Association
N of Valid Cases 70
a. Computed only for a 2x2 table
b. 0 cells (.0%) have expected count less than 5. The minimum expected count is 9.
86.
 Uji Hipotesis Dua Mean (dependen)

Sesudah dpt Program diit efektif

Sebelum dpt perlakuan menurunkan serum
perlakuan (diit) cholesterol levels

serum serum
cholesterol cholesterol Statistik Uji ?
levels levels
Paired Sample t Test

Serum Cholesterol
Subjek
Sebelum Sesudah d=Penurunan Mean & Deviasi Std

1 220 200 20
2 249 236 13
3 216 231 -15
4 260 233 27
5
6
7
238
237
326
238
216
296
0
21
30
d sd
8 235 195 40
9 240 207 33
10 247 267 -20

d  d
t
sd / n
 Paired Sample t Test

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean
Pair 1 kadar kolesterol sebelum 246.8000 10 30.69129 9.70544
mengikuti program diit
kadar kolesterol sesudah 231.9000 10 30.99982 9.80300
mengikuti program diit

Paired Samples Test

Paired Differences
95% Confidence Interval of
Std. Std. Error the Difference Sig. (2-
Mean Deviation Mean Lower Upper t df tailed)
Pair 1 kadar kolesterol 14.90000 20.36582 6.44024 .33117 29.46883 2.314 9 .046
sebelum mengikuti
program diit - kadar
kolesterol sesudah
mengikuti program diit
 Wilcoxon Test

Ranks
N Mean Rank Sum of Ranks
kadar kolesterol sesudah mengikuti Negative Ranks 7a 5.64 39.50
program diit - kadar kolesterol sebelum Positive Ranks 2 b
2.75 5.50
mengikuti program diit
Ties 1c
Total 10
a. kadar kolesterol sesudah mengikuti program diit < kadar kolesterol sebelum mengikuti program diit
b. kadar kolesterol sesudah mengikuti program diit > kadar kolesterol sebelum mengikuti program diit
c. kadar kolesterol sesudah mengikuti program diit = kadar kolesterol sebelum mengikuti program diit

Test Statisticsb
kadar kolesterol sesudah mengikuti program diit -
kadar kolesterol sebelum mengikuti program diit
Z -2.016a
Asymp. Sig. (2-tailed) .044
a. Based on positive ranks.
b. Wilcoxon Signed Ranks Test
Contoh:
Dalam suatu studi longitudinal yang dilaksanakan di suatu perusahaan,
karyawan perusahaan ditanya tentang berbagai pertanyaan mengenai
lingkungan kerjanya dan kemudian karyawan ini diikuti selama periode
waktu 10 tahun. Data hasil pengamatan disajikan dalam tabel berikut.

Kejadian CHD
Ya Tidak Total

Apakah anda bekerja di Ya 97 307 404

bawah tekanan? Tidak 200 1409 1609
Total 297 1716 2013
 bekerja di bwh tekanan * kejadian CHD Crosstabulation

Count
kejadian CHD
ya tidak Total
bekerja di bwh ya 97 307 404
tekanan tidak 200 1409 1609
Total 297 1716 2013

Chi-Square Tests

Exact Exact
Asymptotic Significance Significance
Value df Significance (2-sided) (1-sided)
Pearson Chi-Square 34.428b 1 .000
Continuity Correctiona 33.513 1 .000
Likelihood Ratio 31.133 1 .000
Fisher's Exact Test .000 .000
Linear-by-Linear
34.411 1 .000
Association
N of Valid Cases 2013
a. Computed only for a 2x2 table
b. 0 cells (.0%) expf < 5. Min exp = 59.61...
 Risk Estimate

95% Confidence
Interval
Value Lower Upper
Odds Ratio for bekerja di
2.226 1.696 2.922
bwh tekanan (ya / tidak)
For cohort kejadian CHD
1.932 1.555 2.399
= ya
For cohort kejadian CHD
.868 .819 .919
= tidak
N of Valid Cases 2013
Contoh:
Data dalam tabel berikut merupakan ringkasan hasil dari penelitian case
control yang bertujuan untuk melihat hubungan antara cervical cancer
dan age at first pregnancy:

Disease Status
Cervical Control Total
Cancer
Age at first <= 25 42 203 245
pregnancy > 25 7 107 114
Total 49 310 359
 age at first pregnancy * disease status Crosstabulation

Count
disease status
cervical
cancer control Total
age at first <= 25 tahun 42 203 245
pregnancy > 25 tahun 7 107 114
Total 49 310 359

Chi-Square Tests

Exact Exact
Asymptotic Significance Significance
Value df Significance (2-sided) (1-sided)
Pearson Chi-Square 7.991b 1 .005
Continuity Correctiona 7.085 1 .008
Likelihood Ratio 9.036 1 .003
Fisher's Exact Test .005 .003
Linear-by-Linear
7.969 1 .005
Association
N of Valid Cases 359
a. Computed only for a 2x2 table
b. 0 cells (.0%) expf < 5. Min exp = 15.56...
 Risk Estimate

95% Confidence
Interval
Value Lower Upper
Odds Ratio for age at
first pregnancy (<= 25 3.163 1.374 7.280
tahun / > 25 tahun)
For cohort disease
2.792 1.294 6.022
status = cervical cancer
For cohort disease
.883 .820 .950
status = control
N of Valid Cases 359
Contoh:
Dua ratus enam puluh tiga mahasiswa yang makan siang di kantin ditanya
apakah mereka sakit perut atau tidak. Jawaban mereka diklasifikasi
menurut apakah mereka makan pakai sambal atau tidak. Data hasil
pengamatan disajikan dalam tabel berikut.

Sakit Perut
Ya Tidak Total

Sambal Ya 109 116 225

Tidak 4 34 38
Total 113 150 263
 sambal * sakit perut Crosstabulation

Count
sakit perut
ya tidak Total
sambal ya 109 116 225
tidak 4 34 38
Total 113 150 263

Chi-Square Tests

Asymp. Sig. Exact Sig. Exact Sig.

Value df (2-sided) (2-sided) (1-sided)
Pearson Chi-Square 19.074 b 1 .000
Continuity Correctiona 17.558 1 .000
Likelihood Ratio 22.101 1 .000
Fisher's Exact Test .000 .000
Linear-by-Linear
19.002 1 .000
Association
N of Valid Cases 263
a. Computed only for a 2x2 table
b. 0 cells (.0%) have expected count less than 5. The minimum expected count is
16.33.
 Risk Estimate

95% Confidence
Interval
Value Lower Upper
Odds Ratio for sambal
7.987 2.744 23.251
(ya / tidak)
For cohort sakit perut = ya 4.602 1.804 11.743
For cohort sakit perut =
.576 .488 .681
tidak
N of Valid Cases 263
 Uji Hipotesis Lebih dari Dua Mean

Ada perbedaan
efektivitas antara
Obat A Obat B Obat C obat A, B dan C

Wkt Wkt Wkt

Sembuh Sembuh Sembuh
Uji Statistik ?
Data dalam tabel berikut menunjukkan lama (dalam jam) 3 jenis tablet
sakit kepala dapat mengurangi rasa sakit untuk 12 orang. Ke 12 orang itu
dibagi secara random ke dalam 3 kelompok dan masing-masing kelompok
diberi satu jenis tablet dan hasilnya adalah sebagai berikut:
Tablet
A B C
4 5 7
8 3 8
6 3 6
3 4 9

Dengan tingkat signifikansi 0,05, ujilah apakah ada perbedaan lamanya

tablet itu mengurangi rasa sakit kepala?.
 ANOVA

Descriptives
kecepatan_reaksi
95% Confidence Interval for Mean
N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum
A 4 5.2500 2.21736 1.10868 1.7217 8.7783 3.00 8.00
B 4 3.7500 .95743 .47871 2.2265 5.2735 3.00 5.00
C 4 7.2500 .95743 .47871 5.7265 8.7735 6.00 8.00
Total 12 5.4167 2.02073 .58333 4.1328 6.7006 3.00 8.00

ANOVA
kecepatan_reaksi
Sum of Squares df Mean Square F Sig.
Between Groups 24.667 2 12.333 5.481 .028
Within Groups 20.250 9 2.250
Total 44.917 11
Multiple Comparisons

Multiple Comparisons
kecepatan_reaksi
Bonferroni
Mean Difference 95% Confidence Interval
(I) jenis_obat (J) jenis_obat (I-J) Std. Error Sig. Lower Bound Upper Bound
A B 1.50000 1.06066 .573 -1.6113 4.6113
C -2.00000 1.06066 .276 -5.1113 1.1113
B A -1.50000 1.06066 .573 -4.6113 1.6113
C -3.50000* 1.06066 .028 -6.6113 -.3887
C A 2.00000 1.06066 .276 -1.1113 5.1113
B 3.50000* 1.06066 .028 .3887 6.6113
*. The mean difference is significant at the 0.05 level.