UJI HIPOTESIS KOMPARATIF VARIABEL

NUMERIK LEBIH DARI DUA KELOMPOK

Andi Alfian Zainuddin

 VARIABEL
VARIABEL
KATEGORIK >2
NUMERIK
KELOMPOK
 Cakupan
  Tidak Berpasangan Berpasangan

Distribusi One way Anova Repeated Anova

Normal

Distribusi Kruskal – Wallis Friedman

Tidak Normal
Uji one way Anova
 Uji one way anova
• Menggunakan > 2 sample

• Untuk menguji apakah ada perbedaan rata2

dari kelompok sample2 tsb.

• Asumsi:
– Populasi yg akan diuji terdistribusi normal
– Varians populasi tsb sama
– Sampel independen (tdk berhub satu sama lain)
 Latihan

Tingkat Berat Bayi

Pendidikan Lahir
Ibu Rendah
 Langkah-langkah
• Buka file data pelatihan statistik.sav
• Lakukan uji normalitas data beratbayi
– Analyze  Descriptive statistic  explore
– Masukkan variabel beratbayi pada dependent list
Klik plots kemudian centang normality plots with
tests  continue  ok
• Bagian pertama adalah statistik deskriptif
untuk variabel beratbayi
• Karena jumlah sampel > 50 maka digunakan
uji Kolmogorov –Smirnov dan didapatkan hasil
p = 0,064, dapat diambil kesimpulan bahwa
variabel beratbayi berdistribusi normal.
Kemudian dilakukan uji one way anova
• Variasi nilai BB bayi adalah homogen p=0,243
(p>0,05) antar ketiga kelompok pendidikan ibu
 asumsi terpenuhi
• Ada perbedaan rata-rata BB bayi Antar
kelompok pendidikan ibu p = 0,036 (p<0,05)
tetapi tidak menjelaskan antar kelompok yang
mana  posthoc
Kemudian dilakukan uji one way anova -> posthoc
 Interpretasi
• Hasil uji posthoc didapatkan nilai p pada
kelompok SMA terhadap SMP 0,741, nilai p
pada kelompok SMA terhadap SD/ Tidak
Sekolah 0,031, serta nilai p pada kelompok
SMP terhadap SD/ Tidak Sekolah sebesar
0,432. Sehingga, terdapat perbedaan rata-
rata berat badan bayi saat lahir antara ibu
kelompok SMA dibandingkan kelompok SD/
tidak sekolah.
Uji Kruskal - Wallis
 Uji Kruskal - Wallis
• Menggunakan > 2 sample

• Untuk menguji apakah ada perbedaan rata-

rata dari kelompok sample-sample tsb.

• Asumsi : Data tidak berdistribusi normal

 Latihan

Sosial BMI
Ekonomi Ibu
 Langkah-langkah
• Buka file data pelatihan statistik.sav
• Lakukan uji normalitas data bmi
– Analyze  Descriptive statistic  explore
– Masukkan variabel bmi pada dependent list Klik
plots kemudian centang normality plots with tests
 continue  ok
• Bagian pertama adalah statistik deskriptif
untuk variabel bmi
• Karena jumlah sampel > 50 maka digunakan
uji Kolmogorov –Smirnov dan didapatkan hasil
p = 0,000, dapat diambil kesimpulan bahwa
variabel bmi berdistribusi tidak normal. 
Diusahakan untuk transformasi agar normal 
kalau gagal dilakukan uji non parametrik
Kemudian dilakukan uji Kruskal - Wallis
 Interpretasi
• Dari hasil di atas, didapatkan nilai p = 0,817
atau p > 0,05 disimpulkan bahwa Tidak ada
perbedaan rata-rata BMI Ibu Antar kelompok
sosial ekonomi ibu
 Uji Repeated Anova
(General Linier Model – Repeated Measured)
 Uji Repeated Anova
• Menggunakan > 2 sample berpasangan

• Untuk menguji apakah ada perbedaan rata-rata dari

kelompok sample-sample yang berpasangan tsb.

• Asumsi : Variabel dependen satu/> berskala numerik,

Pengukuran tiap subjek dilakukan berulang, Variabel
Independen satu/> bersifat kategorik, Bila ada variabel
konfounding/kovariat berskala numerik, Data
berdistribusi normal, Matrik varians-covarians adalah
sama/homogen
 BB2
CONTOH SOAL
BB1 BB3

BB4

Keterangan:
Within Subject
BB1 : BB anak sebelum program dilaksanakan
BB2 : BB anak setelah satu bulan program dilaksanakan
BB3 : BB anak setelah dua bulan program dilaksanakan
BB4 : BB anak setelah tiga bulan program dilaknakan
Between Subject
Tingkat pendidikan ibu (kelompok batita dengan ibu berpendidikan rendah
(1), ibu pendidikan sedang (2), ibu pendidikan tinggi (3)
 Langkah-langkah
• Buka file data pelatihan statistik 2.sav
• Lakukan uji normalitas data bb1, bb2, bb3 dan
bb4
– Analyze  Descriptive statistic  explore
– Masukkan variabel bb1, bb2, bb3 dan bb4 pada
dependent list Klik plots kemudian centang
normality plots with tests  continue  ok
• Karena jumlah sampel < 50 maka digunakan
uji Saphiro Wilk dan didapatkan hasil p bb1 =
0,175, p bb2 = 0,043, p bb3 = 0,120, dan p bb4
= 0,013, karena terdapat p > 0,05 dapat
diambil kesimpulan bahwa data berdistribusi
normal (asumsi terpenuhi).
Kemudian dilakukan uji Repeated Anova/ GLM-RM
Analisis GLM Repeated Measures (Tanpa kovariat)
• Analyze---Generalize Linear Model---
Repeated Measure
• Within Subject----factor name (bb)
• Number of level---4
• Add
• define
• Pada within subject-----bb1,bb2,bb3,bb4
• MODEL
Specify Model, gunakan full factorial model
jika ingin melihat faktor utama, semua efek
covariat utama, dan semua interaksi antar
faktor. Customs jika ingin melihat interaksi
tertentu
Sum of Square: Type III (model dg between
subjct yang balanced ataupun tidak, dg
syarat tidak ada sel yang missing
• CONTRAST
Pilih simple
Pilih first
Klik change
Continue
• PLOT
Horizontal axis-----------variabel bb
Separate lines----------didikibu
Add
Continue
• POSTHOC
Didik ibu pindahkan ke post hoc
Pilih bonferroni
Harus dipastikan bahwa memang ada
perbedaan rata-rata antar kelompok pada
variabel kategorik. Test hanya variabel
between subject lebih dari dua kategori
• SAVE
Dapat menyimpan nilai prediksi dari model, residual
dan pengukuran yang berhubungan menjadi variabel
baru ke dalam data editor

• OPTION
Pilih descriptive statistic
Pilih parameter estimates
Pilih Homogenity test
Continue
 TAHAPAN GLM-RM

Hasil Analisis
1. Checking Asumption
Selain asumsi normalitas, harus dilihat bhw matriks
varians-covarians equal untuk semua sel dari
variabel dependen yang merupakan efek dari
between subject

Interpretasi:
P value = 0.506 (>0.05), gagal
menolak H0
Artinya matriks varians-covarians
variabel dependen mempunyai nilai
yang sama untuk seluruh kelompok
(asumsi terpenuhi)
 TAHAPAN GLM-RM

2. Univariate Test
2. Univariate Test
2. Univariate Test

Interpretasi:
Secara umum terdapat peningkatan rata-rata bb batita (bb1
s/d bb4) untuk semua kelompok ibu berdasarkan tingkat
pendidikan
a. Rata-rata bb batita sebelum program adalah 7.5737 kg ±
0.14912
b. Rata-rata bb batita pd bln 1 adl 7.8427± 0.16182
c. Rata-rata bb batita pd bln 2 adl 8.2320 ± 0.11397
d. Rata-rata bb batita pd bln 3 adl 8.5720 ± 0.13268
3. Multivariate Test
3. Multivariate Test

Interpretasi:
a. Dari ke 4 test statistik untuk bb menunjukkan hasil yang
sama dengan p value <0.05 (H0 ditolak). Artinya secara
umum memang ada perbedaan pengukuran (bb1 s/d bb4),
dimana perbedaan ini secara statistik signifikan
b. Untuk interaksi bb dengan didikibu, ke 4 hasil test
menunjukkan p value >0.05. Artinya tidak ada pengaruh
tingkat pendidikan ibu di setiap level pengukuran
3. Testing Hypotesis
Uji Within Subject
4. Testing Hypotesis
Uji Within Subject
4. Testing Hypotesis
Uji Within Subject

Interpretasi:
a. Dari Tabel Mauchly’s Test of Sphericity didapatkan nilai p = 0.952
(>0.05), maka H0 diterima. Jadi error matriks covarian dari
transformasi orthonormalis variabel dependen adalah
proporsional sebagai suatu matriks identitas
b. Pada kolom sig untuk bb, nilai p 0.000 (H0 ditolak). Artinya secara
umum ada perbedaan yang signifikans antar level pengukuran
c. Pada bagian bb*didik ibu, p value >0.05 (H0 diterima). Hasil test
secara umum tidak ada perbedaan signifikan pada tiap level
pengukuran dilihat dari pendidikan ibu
4. Testing Hypotesis
Uji Contrast
4. Testing Hypotesis
Uji Contrast

Interpretasi:
a. Perhatikan kolom sig untuk bb. Untuk ketiga perbandingan
pengukuran diperoleh p value <0.05 (H0 ditolak), berarti ada
perbedaan yang signifikan bila pengukuran ke 2 (bb2), ketiga
(bb3), keempat (bb4) bila dibandingkan dengan pengukuran
pertama (bb1)
b. Perhatikan kolom sig bb*didikibu. Ketiga perbandingan
pengukuran diperoleh p >0.05 (gagal menolak H0), artinya tidak
ada perbedaan yang signifikans dari hasil pengukuran bb2, bb3,
dan bb4 dibandingkan bb1 bila dilihat dari pendidikan ibu
3. Testing Hypotesis
Uji Between Subject: untuk mengetahui apakah ada
perbedaan pengukuran bb batita antara ibu yang
berpendidikan rendah, sedang, dan tinggi.

Interpretasi:
Hasil P value >0.05. Artinya varians hasil pengukuran adalah sama
antar kelompok pendidikan
3. Testing Hypotesis
Uji Between Subject: untuk mengetahui apakah ada
perbedaan pengukuran bb batita antara ibu yang
berpendidikan rendah, sedang, dan tinggi.

Interpretasi:
Hasil P value >0.05. Artinya secara umum tidak ada perbedaan
signifikan hasil pengukuran bila dilihat dari pendidikan ibu
Interpretasi:
Hasil P value >0.05. Artinya secara umum tidak ada perbedaan signifikan
hasil pengukuran bila dilihat dari pendidikan ibu
POST HOC TEST
Melihat kelompok mana yang terdapat perbedaan hasil
pengukuran

Interpretasi:
Hasil P value >0.05. Artinya secara umum tidak ada perbedaan signifikan
hasil pengukuran bila dilihat dari pendidikan ibu
PROFILE PLOTS

Interpretasi:
Profile Plots pengukuran terlihat bahwa ada peningkatan hasil pengukuran
dari bb1 s/d bb4
PROFILE PLOTS

Interpretasi:
Profile pengukuran bb dengan ketiga kelompok pendidikan ibu, terlihat
linenya paralell, artinya tidak ada interaksi antar kelompok pendidikan ibu
Uji Friedman
 Uji Friedman
• Menggunakan > 2 sample berpasangan

• Untuk menguji apakah ada perbedaan rata-rata dari

kelompok sample-sample yang berpasangan tsb.

• Asumsi : Variabel dependen satu/> berskala

numerik, Pengukuran tiap subjek dilakukan
berulang, Variabel Independen satu/> bersifat
kategorik, Bila ada variabel konfounding/kovariat
berskala numerik, Data tidak berdistribusi normal
 BB2
CONTOH SOAL
BB1 BB3

BB4

Keterangan:
Within Subject
BB1 : BB anak sebelum program dilaksanakan
BB2 : BB anak setelah satu bulan program dilaksanakan
BB3 : BB anak setelah dua bulan program dilaksanakan
BB4 : BB anak setelah tiga bulan program dilaknakan
 Langkah-langkah
• Buka file data pelatihan statistik.sav
• Lakukan uji normalitas data bb1, bb2, bb3 dan
bb4
– Analyze  Descriptive statistic  explore
– Masukkan variabel bb1, bb2, bb3, dan bb4 pada
dependent list Klik plots kemudian centang
normality plots with tests  continue  ok
• Karena jumlah sampel > 50 maka digunakan
uji Kolmogorov –Smirnov dan didapatkan hasil
p bb1 = 0,000, p bb2 = 0,000, p bb3 = 0,02 dan
p bb4 = 0,000, dapat diambil kesimpulan
bahwa variabel tidak berdistribusi normal. 
Diusahakan untuk transformasi agar normal 
kalau gagal dilakukan uji non parametrik
Kemudian dilakukan uji Friedman
 Interpretasi
• Rata-rata berat badan batita sebelum program
sebesar 7,5689 kg (SD=0,14912), Rata-rata
berat badan batita setelah 1 bulan program
sebesar 7,3872 kg (SD=0,16366), Rata-rata
berat badan batita setelah 2 bulan program
sebesar 8,2276 kg (SD=0,11468) dan Rata-rata
berat badan batita setelah 3 bulan program
sebesar 8,5663 kg (SD=0,13031)
 Interpretasi
• Hasil uji Friedman didapatkan nilai p = 0,000
atau nilai p < 0,05, sehingga dapat disimpulkan
bahwa pada alpha 5%, secara umum terdapat
perbedaan rata-rata berat badan batita pada
setiap pengukuran, akan tetapi untuk melihat
perbedaan antarkelompok, maka dilakukan
analisis posthoc dengan uji wilcoxon dengan 6
kombinasi (bb1-bb2, bb1-bb3,bb1-bb4, bb2-
bb3, bb2-bb4 dan bb3-bb4)
Kemudian dilakukan uji wilcoxon
 Interpretasi
• Dari hasil terlihat bahwa kesemua p =0,000
atau p< 0,05, sehingga dapat disimpulkan
bahwa terdapat perbedaan rata-rata berat
badan batita pada semua pengukuran