Pemilihan U

ji
Statistika
Tri Murti An
Bagian Farm dayani
akologi dan
Farmasi Kli
Fakultas Fa n ik
rmasi UGM
 PENDAHULUAN

Berdasarkan ruang lingkup penerapan

statistika :
0 Statistika Deskriptif
0 Statistika Induktif/Inferensial
 Statistika Diskriptif
0 Untuk mengatur, 0 Bentuk :
meringkas, menyajikan 0 Tabel
& memerikan 0 Distribusi frekuensi
(mendiskripsi) data 0 Histogram
agar data menjadi 0 Diagram batang,
lebih mempunyai diagram lingkar
makna 0 Piktogram
0 Poligon
0 ogive
 Statistika Diskriptif

Diskripsi data dapat dinyatakan dgn :

0 Ukuran pemusatannya (central tendency) : suatu
harga kemana data cenderung memusat
0 Rata-rata (mean)
0 Modus (mode)
0 Harga tengah (median)
0 Ukuran penyebarannya (dispersion)
0 Rentang (range)
0 Simpangan (deviasi), simpangan baku (SD)
0 Varians, koefisien variasi, standard error
 Statistik Induktif/Inferensial
0 Untuk menyimpulkan ttg suatu harga parameter
populasi berdasarkaan harga statistik sampel
0 Terminologi penting :
0 Populasi & sampel
0 Parameter & statistik
0 Hipotesis nol & hipotesis alternatif
0 Harga α dan β
 Populasi & Sampel

0 Populasi
0 Keseluruhan elemen/unsur/unit/individu
himpunan dgn ciri-ciri tertentu yg sama
0 Sampel
0 Himpunan bagian dari populasi (sebagian
dr populasi data)
 Parameter & Statistik
0 Parameter
0 Semua harga yg diperoleh dari atau dipunyai oleh populasi
(populasi data)
0 Statistik
0 Semua harga yg diperoleh dari atau dipunyai oleh sampel
(sampel data)
0 Statistika adalah ilmu yg membicarakan tentang
seluk beluk harga statistik dg berbagai aspeknya
Hubungan antara populasi & sampel, parameter & statistik,
generalisasi & sampling, uji hipotesis & estimasi

POPULASI PARAMETER : u,σ,σ2,p

Induktif/
Inferensial

SAMPEL STATISTIK : x.s.p

 Hipotesis nol dan hipotesis alternatif

0 Hipotesis
0 Pernyataan yg msh lemah krn belum dibuktikan apakah
didukung oleh data atau tidak
0 Hipotesis statistik
0 Hipotesis nol/nihil (Ho)
0 Hipotesis yg berazaskan ‘praduga tak ber…’ (tak berbeda,
tak berhubungan, dsb)
0 Dinyatakan ‘tidak ada perbedaan’ dsb
0 Hipotesis alternatif (Ha)
0 Kebalikan dari Ho
0 Dinyatakan ‘ada perbedaan’ dsb
 Harga α dan Harga β
0 Uji hipotesis ~ utk menyimpulkan ttg parameter-
populasi berdasarkan statistik-sampel
0 Pada proses sampling hampir selalu akan terjadi
penyimpangan antara sampel terhadap populasinya
0 Dalam pengambilan keputusan selalu akan terjadi
kesalahan
 Harga α dan Harga β
Kesalahan yg akan terjadi :
0 Kesalahan Tipe I
0 Menolak Ho yg pd hakekatnya adalah benar.
0 Probabilitas disebut harga α/p (size of test)
0 Kesalahan tipe II
0 Menerima Ho yg pd hakekatnya adalah salah
0 Probabilitas disebut harga β
0 Harga 1-β disebut power of test
 Tata hubungan Ho, Ha, α, dan β

Hakekat Ho
kesimpulan
benar salah

menolak Tipe I tepat

(α)
menerima tepat Tipe II
(β)
 Skala Pengukuran
0 Skala nominal
0 Dilakukan dg cara memberi nama atau
klasifikasi pd obyek atau kejadian mjd
berbagai kategori yg nyata berbeda
0 Pemberian nomor pd pasien
0 Pembagian dikotomik : laki-perempuan, salah-
benar, dsb
0 Jika diberi angka, angka tsb hanya sebagai
pembeda
 Skala Pengukuran

0Skala Ordinal
0 Pengukuran tdk hanya membedakan atas
kategori saja, ttp memberikan jenjang atas
obyek menurut kriteria ttt
0 Tidak membaik nilai 1
0 Membaik nilai 2
0 Sangat membaik nilai 3
0 Pemberian angka utk menunjukkan
keteraturan (order) atas tingkat (rank) dr
obyek yg diamati
 Skala Pengukuran

0Skala Interval
0 Selain ada rank-order, memiliki perbedaan
atau jarak antar angka yg sama
0 Jika pengukuran mempunyai harga 0 sampai 100,
maka beda antara 60 dan 40 sama dg beda antara
30 dan 10
0 Angka 0 bukan angka 0 mutlak
 Skala Rasio
0 Tingkat tertinggi dr skala pengukuran
0 Perbedaan, penjumlahan, perkalian &
pembagian memberikan hasil yg sama
0 Hasil pengukuran berat badan, tinggi badan, dosis,
tekanan darah, dsb
0 Jenis skala data akan menentukan uji statistik
yg digunakan
 Pemilihan Uji Statistik

0 Skala Pengukuran (Nominal, Ordinal, Interval

dan Rasio)
0 Ukuran Sampel
0 Populasi (Normal atau Tidak Normal)
0 Tujuan (Komparasi atau Hubungan)
 Parametrik dan non Parametrik
0 Uji statistik parametrik
0 Uji tentang satu atau lebih nilai parameter populasi
0 Tujuan : menyimpulkan populasi berdasarkan statistik
sampel
0 Populasi data mempunyai distribusi yg normal
0 Uji statistik non parametrik
0 Tdk interest pd parameter populasi
0 Distribution free
 Statistik Parametrik

0 Perbandingan rata-rata
0 T test
0 Uji t satu sampel
0 Uji t untuk 2 sampel independent
0 Uji t utk 2 sampel berpasangan
0 ANOVA
0 Uji untuk lebih dari 2 sampel
 Statistik Parametrik
0 Paired Sample T Test
0 Uji T utk 2 sampel yg berpasangan
0 sebuah sampel dengan subyek yg sama namun
mengalami 2 perlakuan atau pengukuran yg berbeda.
0 One Sample T test
0 Utk menguji apakan suatu nilai tertentu (yg diberikan
sebagai pembanding) berbeda secara nyata atau tdk dg
rata-rata sebuah sampel.
0 Independent sample T Test
0 Uji T utk 2 sampel independent
0 Contoh : apakah ada perbedaan tinggi & berat badan
seorang pria & wanita
 UJI HIPOTESIS DUA MEAN

Obat Baru lebih efektif

dibandingkan dengan
Obat Standar Obat Baru Obat Standar
1 Wkt Sembuh 2
Wkt Sembuh
2
 2
1 n1=60 n2=80  2
Uji Statistik ?

x1  6,7 s1  1,2 x 2  4,4 s 2  1,3

 Independent Samples t Test
Group Statistics

Std. Error
jenis_obat N Mean Std. Deviation Mean
kecepatan_sembuh Baru 30 35.9000 5.04018 .92021
Standar 40 39.0750 4.79523 .75819

Independent Samples Test

Levene's Test for

Equality of Variances t-test for Equality of Means
95% Confidence
Interval of the
Mean Std. Error Difference
F Sig. t df Sig. (2-tailed) Difference Difference Lower Upper
kecepatan_sembuh Equal variances
.336 .564 -2.682 68 .009 -3.17500 1.18375 -5.53714 -.81286
assumed
Equal variances
-2.663 60.877 .010 -3.17500 1.19232 -5.55930 -.79070
not 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
n(n  1)
45 46
U S
31
29
37
32
2
41 45
39 38 S jml peringkat pengamatan pd salah satu
35 42 sampel (misal sampel pertama)
30
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
30.00
31.00
2.500
4.000
S=82,5n=11
32.00 5.000
33.00 6.000 U=82,5 – 11(11+1)/2 =16,5
35.00 7.000
36.00 8.000
37.00 9.000 Kriteria:
38.00 10.000
39.00 11.000 H0 ditolak apabila U hitung < U
40.00 12.000
41.00 13.000 tabel = 27 U
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
 UJI HIPOTESIS DUA PROPORSI

Obat Baru lebih efektif

dibandingkan dengan Obat
Obat Standar Obat Baru Standar
p1 sembuh sembuh p2
n1=300 n2=400
Uji Statistik ?
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 3.934b 1 .047
Continuity Correctiona 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 t Test

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

1 220 200 20
2 249 236 13
3 216 231 -15

d sd
4 260 233 27
5 238 238 0
6 237 216 21
7 326 296 30
8 235 195 40
9 240 207 33
10 247 267 -20

d  d
t
sd / n
 Paired t Test
Paired Samples Statistics

Std. Error
Mean N Std. Deviation Mean
Pair serum kolesterol
250.9333 15 32.71187 8.44617
1 sebelum diberi perlakuan
serum kolesterol
sesudah mengikuti 233.1333 15 32.05769 8.27726
program diit

Paired Samples Test

Paired Differences
95% Confidence
Interval of the
Std. Error Difference
Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed)
Pair serum kolesterol
1 sebelum diberi
perlakuan - serum 17.80000 18.65169 4.81585 7.47104 28.12896 3.696 14 .002
kolesterol sesudah
mengikuti program diit
 Prosedur Wilcoxon Test

Serum Cholesterol
Subjek
Sebelum Sesudah d=Penurunan R=Peringkat

1 220 200 20 4.5

2 249 236 13 2.0
3 216 231 -15 -3.0
4 260 233 27 7.0
5 238 238 0 -1.0
6 237 216 21 6.0
7 326 296 30 8.0
8 235 195 40 10.0
9 240 207 33 9.0
10 247 267 -20 -4.5
 Prosedur Wilcoxon Test
Uji Statistik:
W   R atau | W ||  R | yg nilainya lebih kecil

W+ jml semua peringkat selisih pasangan yg bertanda positif

W- jml semua peringkat selisih pasangan yg bertanda negatif

|W-|=|(-3)+(-1)+(-4,5)|=8,5 n=10 maka dengan tabel

wilcoxon diperoleh 0,025 < p < 0,05 yang berarti menolak H 0
(menerima H1: W+ > W-), program diit efektif dalam
menurunkan serum cholesterol levels
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 19.074b 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
 Statistik Parametrik
0 One Way ANOVA
0 Uji ANOVA atau uji F digunakan utk menguji lebih dr 2
sampel
0 Asumsi :
0 Populasi yg diuji terdistribusi normal
0 Varians dari populasi sama
0 Sampel tdk berhubungan satu dg yang lain
0 Contoh: apakah ada perbedaan efektivitas yang nyata
antara 4 regimen terapi antibiotik utk eradikasi
helicobacter pylori
 Tabel: ANOVA & kriteria penolakan H0

Sumber Derajat Jumlah Kuadrat F hitung

Variasi Bebas
Perlakuan k-1 JK_Perlakuan JK _ Perlakuan /( k  1)
Error n-k JK_Error JK _ Error /( n  k )

Total n-1

Kriteria:
Ho ditolak apabila: Fhitung  F ;( k 1),( n  k )

Kesimpulan: ............
 Contoh

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?.
 Penyelesaian

k=3 n1=4 n2=4 n3=4

Tablet

A B C
4 5 7
8 3 8
6 3 6
3 4 9

x1  5,25 x 2  3,75 x3  7,50

s12  4,917 s 22  0,917 s32  1,667
 ANOVA

Kecepatan_Reaksi
Sum of
Squares df Mean Square F Sig.
Between Groups 28.500 2 14.250 5.700 .025
Within Groups 22.500 9 2.500
Total 51.000 11
 Multiple Comparisons

Dependent Variable: Kecepatan_Reaksi

Bonferroni

Mean
Difference 95% Confidence Interval
(I) Jenis_Tablet (J) Jenis_Tablet (I-J) Std. Error Sig. Lower Bound Upper Bound
A B 1.50000 1.11803 .638 -1.7796 4.7796
C -2.25000 1.11803 .225 -5.5296 1.0296
B A -1.50000 1.11803 .638 -4.7796 1.7796
C -3.75000* 1.11803 .025 -7.0296 -.4704
C A 2.25000 1.11803 .225 -1.0296 5.5296
B 3.75000* 1.11803 .025 .4704 7.0296
*. The mean difference is significant at the .05 level.
 KORELASI & REGRESI
0 Menguji korelasi atau hubungan antar variabel yg
diukur
0 Apakah ada kaitan antar variabel yg diukur
0 Jika ada hubungan, seberapa kuat hubungan antar
variabel (=koefisien korelasi)
 KORELASI & REGRESI
0 Korelasi bivariate (product moment pearson)
0 Mengukur keeratan hubungan dr populasi yg
mempunyai 2 varian (bivariate)
0 Berdistribusi normal
0 Digunakan utk mengukur korelasi data interval atau
rasio
 KORELASI & REGRESI
0 Korelasi Peringkat Spearman (Rank-Spearman) dan
Kendall
0 Mengukur keeratan hubungan antar peringkat
0 Utk menghitung koefisien korelasi pd data ordinal
0 Penggunaan asosiasi pd statistik non parametrik
0 Partial
0 Hubungan linier antara 2 variabel dg melakukan kontrol
terhadap satu atau lebih variabel tambahan
 KORELASI & REGRESI
0 Analisis Regresi digunakan utk tujuan peramalan
0 Regresi sederhana (simple regression)
0 Hanya ada 1 variabel independent
0 Regresi berganda (multiple regression)
0 Ada lebih dari 1 variabel independent
 Statistik non Parametrik
0 Statistik non parametrik
0 Jika jumlah populasi atau sampel sedikit
0 Jenis data yg dianalisis adalah nominal atau ordinal
0 Tdk mengharuskan data terdistribusi normal
 Statistik non parametrik

Aplikasi Test non parametrik

Dua sampel saling Sign test, Wilcoxon Signed-Rank, Mc

berhubungan Nemar Change test

Dua sampel tdk Mann-Whitney U test, Chi-Square

berhubungan test, Kolmogorov-Smirnov test

Beberapa sampel Friedman test, Kendall W test,

berhubungan Cochran’s Q

Beberapa sampel tdk Kruskal-Wallis test, Chi-Square test

berhubungan