UJI BEDA 2

MEAN
 Sampel 1 Sampel 1

Sampel 2 Sampel 2

Uji

a. Apakah ada perbedaan rata-rata berat badan bayi yang

dilahirkan dari ibu dengan anc baik dan anc kurang baik.
b. Apakah ada perbedaan rata-rata kadar Hb antara Ibu
yang berdomisili di desa dengan kota
c. Apakah ada perbedaan rata-rata Berat Badan anak antara
sebelum pemberian makanan tambahan dan sesudahnya
d. Apakah ada peningkatan kadar Hb ibu sebelum dan sesudah
pemberian table Fe.
Uji Beda 2 Mean Independen
 Subjek/Respondennya berbeda

 Variabel yang dihub. Katagorik &

Numerik
Prinsip pengujian
perbedaan variasi kedua kelompok data, apakah
sama atau tidak ?
Bentuk varian  berpengaruh pada nilai standar
eror sehingga berbeda pada rumus pengujiannya

Uji yang dilakukan

a. Uji homogenitas varian
b. Uji untuk varian sama
c. Uji untuk varian berbeda
a. Uji homogenitas varian
Tujuan :
mengetahui varian antara kel. data satu,
apakah sama dengan kel data yang kedua

Perhitungannya dengan uji F

S 12
F = --------- df =n - 1 dan df = n - 1
1 1 2 2

S 22
Varian yang lebih besar sbg pembilang (numerator)
Varian yang lebih kecil sebagai penyebut (denominator)
Jika F hit > F tabel P<  Ho ditolak Varian berbeda
Jika F hit < F tabel P >  Ho gagal ditolak Varian sama
varians??
VARIANS

Definisi:
Rata-rata hitung dari deviasi kuadrat setiap data terhadap
rata-rata hitungnya.

Rumus:


 (X   ) 2

7
VARIANS


 (X   ) 2

Tahun X X– (X – )2

1994 7,5 4,2 17,64
1995 8,2 4,9 24,01
1996 7,8 4,5 20,25
1997 4,9 1,6 2,56
1998 -13,7 -17,0 289,00
1999 4,8 1,5 2,25
2000 3,5 0,2 0,04
2001 3,2 -0,1 0,01
Jumlah x=26,2  (X – )2 = 355,76

Rata-rata =x/n= 3,3 2=(X – )2/N = 44,47

8
 STANDAR DEVIASI

Definisi:
Akar kuadrat dari varians dan menunjukkan standar
penyimpangan data terhadap nilai rata-ratanya.

Rumus:


 (X   ) 2

N
Contoh:
Jika varians = 44,47, maka standar deviasinya adalah:

 = 44,47 = 6,67
9
UKURAN PENYEBARAN DATA BERKELOMPOK

Definisi Range:
Selisih antara batas atas dari kelas tertinggi dengan batas bawah dari kelas
terendah.

Contoh:

Range = 878 – 160 = 718

Kelas ke- Interval Jumlah Frekuensi (F)

1 160 - 303 2
2 304 - 447 5
3 448 - 591 9
4 592 - 735 3
5 736 - 878 1
10
 DEVIASI RATA-RATA

  Titik        
Interval Tengah f f.X X – X  f X – X  RUMUS
(X) MD =  f |X – X|
N
160-303 231,5 2 463,0 -259,2 518,4

f.X = 9.813,5
304-447 375,5 5 1.877,5 -115,2 576,0
f X – X  = 2.188,3
 
448-591 519,5 9 4.675,5 28,8 259,2 a. X = f X = 9.813,5/20 = 490,7
n
 
592-735 663,5 3 1.990,0 172,8 518,4 b. MD =  f X – X  = 2.188,3/20
n

736-878 807,0 1 807,0 316,3 316,3

= 109,4

11
b. Uji untuk varian sama
2 2
( n  1) s  ( n  1) s
s 2p  1 1 2 2
(n1  1)  (n2  1)

df = n1 + n2 – 2

dimana :
x1 atau x2 = rata-rata sampel klp 1 atau 2
n1 atau n2 = jumlah sampel klp 1 atau 2
S1 atau S2 = standar deviasi sampel klp 1 atau 2
df = degree of freedom (derajat kebebasan)
Sp = varian populasi
b. Uji untuk varian berbeda
Sample Question and Answer
• The following slides are example questions using the layouts in
the Quiz Show template. View them in slide show to see the
answer animations.
Uji Beda 2 Mean Dependen

Kelompok data dependen

Variabel Numerik & Katagorik

Pre & Post

Rumus

d= rata-rata deviasi/selisih sampel 1 dengan

sampel 2
Sd = standar deviasi dari deviasi/selisih sampel
1 dan sampel 2
Contoh Kasus 1
• Dari data yang tersedia ingin diketahui apakah ada
perbedaan rata-rata berat badan bayi lahir antara ibu
dengan pemeriksaan kehamilan (anc) yang baik dan
tidak.
Langkah-Langkah
1. Hipotesis
Ho : Tidak ada perbedaan rata-rata berat badan bayi
lahir antara ibu dengan pemeriksaan kehamilan (anc)
yang baik dan tidak.
Ha : Ada perbedaan rata-rata berat badan bayi lahir
antara ibu dengan pemeriksaan kehamilan (anc) yang
baik dan tidak.
2. Uji beda 2 mean Independen, Two Tail
3. Level signifikansi α=0.05
4. Uji Homogenitas Varians
Ho : Varian berat badan bayi dengan ibu dengan anc
baik sama dengan varian berat badan ibu dengan anc
kurang
Ha : Varian berat badan bayi dengan ibu dengan anc
baik berbeda dengan varian berat badan ibu dengan
anc kurang
df1 = 28-1 = 27 (Numerator)
df2 = 22-1 = 21 (Denominator)
Tabel F :

Denominator .. 24 ∞
P va p value??

20 0,100 1,61
0,050 1,84 F=1,21
0,025 2,09
0,010 2,42
0,005 2,69
0,001 3,35
4. Hasil Uji statistik dari uji F
Perbandingan p value dan α
p value >α ( 0,548 > 0,05) sehingga keputusannya Ho gagal
ditolak atau varians sama.

5. Uji beda dua mean dengan varian sama :

Hasil uji statistik dari uji t
Perbandingkan nilai p dengan nilai α
0,000 < 0,05 , : p value < α ; Ho ditolak sehingga kesimpulannya
ada perbedaan rata-rata berat badan bayi lahir antara ibu
dengan pemeriksaan kehamilan (anc) yang baik dan anc kurang.
Penyajian

Tabel 1. Distribusi rata-rata berat badan bayi yang dilahirkan

berdasarkan kunjungan selama kehamilan pada tenaga kesehatan /
antenatal care (Anc) di Kec.X Tahun 2012

Variabel Rata-rata SD P value N

Berat Badan

ANC Baik 3135.71 257.069 0.000 28

ANC Kurang 2486.36 233.596 22

Contoh Kasus 2
• Dari data yang tersedia ingin diketahui apakah
ada perbedaan rata-rata hb pada ibu sebelum
dan sesudah pemberian tablet Fe
Langkah-Langkah
1. Hipotesis
Ho : Tidak ada perbedaan rata-rata kadar hb ibu
sebelum dan sesudah pemberian tablet Fe
Ha : Ada perbedaan rata-rata kadar hb ibu sebelum dan
sesudah pemberian tablet Fe.
2. Uji beda 2 mean Dependen, Two Tail
3. Level signifikansi α=0.05
4. Uji t dependen (paired t-test)

• Diperoleh nilai p (p value) sebesar 0,000.

• Perbandingkan nilai p dengan nilai α : 0,000 < 0,05 , : p
value < α ; Ho ditolak sehingga kesimpulannya ada
perbedaan rata-rata hb ibu sebelum dan sesudah
pemberian tablet Fe.
Penyajian
Tabel 2. Distribusi rata-rata kadar haemoglobin Ibu
sebelum dan sesudah pemberian Tablet Fe di Kec.X
Tahun 2012

Variabel Rata-rata SD P value N

Hb

Sebelum 9,55 0,2495 0.000 50

Sesudah 13.94 0.95 50

ANALISIS OF VARIANS
(ANOVA)
Konsep
• Untuk menganalisis perbedaan lebih dari
dua mean atau uji beda mean lebih dari
dua kelompok data.
• Telaah variabilitas data : variasi dalam
kelompok (within) & variasi antar
kelompok (between).
 Jenis Anova

One Way Two Way

(1 faktor) (2 faktor)

Co. menguji Co. menguji

perbedaan mean BB perbedaan mean BB
bayi diantara 4 tingkat bayi menurut tk.
pendidikan ibu yg pendidikan ibu &
berbeda sosial ekonomi
Asumsi yang Harus Dipenuhi

Jenis data:
Sampel/
numerik dg Distribusi data Varian
kelompok
kategorik (> normal homogen
independen
2 kel.)
Prosedur Uji Anova (One Way)
• Tentukan H0 & Ha
• H0: µ1 = µ2 = µ3 ….= µk
1 • Ha: µ1 ≠ µ2 /µ1 ≠ µ3/µ1 ≠ µk/µ2 ≠ µ3 atau µ2 ≠ µk

• Lakukan uji statistik :

2

• Buat asumsi : Perbandingan F hitung dg F

3 tabel (Tabel Distribusi F), tentukan df

• Penyajian dalam tabel

4
 Langkah-langkah Uji Statistik
(Manual)

1. Tentukan nilai X dgn perhitungan berikut :

X = n1 . X1 + n2 . X2 + …. + nk.Xk
N

2. Tentukan nilai Sb2 dgn perhitungan berikut :

Sb2 = n1(X1-X)2 + n2(X2 – X)2 + …. + nk (Xk – X)2
k-1
 Langkah-langkah Uji Statistik
(Manual)

5. Asumsi: Perbandingan F hitung dg F Tabel,

tentukan df numerator (k – 1), denominator
(n – k) & area

a. F hitung<F tabel atau nilai p≥0,05  H0 diterima, artinya

tidak ada perbedaan mean antar kelompok data
b. F hitung > F tabel atau nilai p<0,05  H0 ditolak, artinya ada
perbedaan mean antar 1 atau lebih kelompok data  Post Hoc
 Tabel 1. Analisis Perhitungan Anova
One Way

Sumber Jumlah Derajat F F Nilai

Mean Kudrat (S2)
Variasi Kuadrat Kebebasan Hitung Kritis P

Between SSb k-1 MSb = SSb/k - 1 MSb/MSw Fk-1,N-k

Within SSw N-k MSw = SSw/N - k

Total SSt N–1

 Tabel 2. Analisis Perhitungan Anova
Two Way
Sumber Jumlah Derajat Mean Kudrat F F Nilai
Variasi Kuadrat Kebebasan (S2) Hitung Kritis P

F1 =
Between SSb r-1 MSb = SSb/r-1
MSb/MSw
MSbA = SSbA/ F2 =
- Faktor A SSbA a-1
a-1 MSbA/MSw
- Faktor C SSbB c-1 MSbB = SSbB/ F3 =
k-1 MSbC/MSw
- Interaksi SSbAC (a-1)(c-1) MSbAC = F4 = MSbAC/
AC SSbAC/(a-1)(c-1) MSw

Within SSw N-ac MSw = SSw/

N-ac
Total SSt N–1
Analisis Multi Comparison
(Post Hoc)
• U/ menentukan kelompok mean
mana yang berbeda secara
bermakna dengan kelompok lainnya.
• U/ membandingkan tiap bbrp
perlakuan dg kontrol
Jenis Post Hoc
• Bonferroni
• Tukey’s Honestly Significant Different
• Scheffe’s Procedure
• The Newman-Keuls Procedure,
• Dunnett’s Procedure
• Duncan’s New Multiple Range Test
• Fisher’s Least Significant Difference (LSD)
method
 
Tabel. Keterbatasan dan Kelebihan Masing-
Masing Metoda Multi Comparison
 Langkah-langkah Uji Statistik Anova
One Way (Program SPSS)

1. Aktifkan/buka file data (berat badan lahir bayi)

2. Dari menu utama SPSS, pilih menu ‘analyze’, pilih sub menu
‘compare means’, kemudian pilih ‘One-way Anova’

3. Pada menu One-way Anova, kotak ‘Dependent List’ diisi

dengan variabel numerik, yaitu BBL sedangkan kotak ‘Factor’
diisi dengan variabel kategorik, yaitu Tingkat Pendidikan.
4. Klik tombol ‘Options’ kemudian klik kotak ‘Descriptive’ dan
‘Homogeneity of variance test’ terus klik ‘Continue’.
5. Klik tombol ‘Post Hoc’ selanjutnya klik kotak ‘Bonferroni’ terus
klik ‘Continue’

6. Terakhir klik ‘Ok’. Selanjutnya muncul tampilan output seperti

berikut:
Post Hoc Tests
 Langkah-langkah Uji Statistik Anova
Two Way (Program SPSS)

1. Aktifkan/buka file data (berat badan lahir bayi)

2. Dari menu utama SPSS, pilih menu ‘analyze’, pilih sub menu
‘General Linear Model’, kemudian pilih ‘Univariate’
3.Pada menu ‘Univariate’, kotak ‘Dependent Variable’ diisi dengan variabel
numerik, yaitu BBL sedangkan kotak ‘Fixed Factor’ diisi dengan variabel
kategorik, yaitu Tingkat Pendidikan dan Status Ekonomi.
4. Klik tombol ‘Plots’ kemudian kotak ‘Horizontal Axis’ diisi dengan variabel
didik sedangkan kotak ‘Separate Line’ diisi dengan variabel ekonomi.
5. Selanjutnya klik ‘Add’ sehingga variabel didik dan ekonomi
berpindah ke kotak ‘Plots’ seperti tampilan berikut :
6. Klik ‘Continue’ kemudian klik ‘Post Hoc’ untuk mengetahui kelompok mana
yang berbeda nilai mean-nya. Berikut kotak ‘Post Hoc Test for’ diisi dengan
variabel didik dan ekonomi, klik Bonferroni (pilih salah satu metoda Post
Hoc) pada bagian ‘Equal Variances Assumed’ dan klik ‘Continue’.
7. Klik ‘Options’, isi kotak ‘Display Means for’ dengan variabel didik, ekonomi
dan didik*ekonomi, selanjutnya klik ‘Descriptive statistics’ dan
‘Homogeneity tests’ pada bagian ‘Display’.
8. Terakhir Klik ‘OK’ sehingga diperoleh hasil out put seperti
berikut ini

Between-Subjects Factors

Value Label N
Tingkat 1 SD 12
Pendidik an 2 SMP 8
Ibu 3 SMU 17
4 Perguruan
13
Tinggi
status 1 rendah 8
ekonomi 2 s edang 23
3 tinggi 19
 a
Levene's Test of Equality of Error Variances

Dependent Variable: BBL

F df1 df2 Sig.
2.238 11 38 .033
Tests the null hypothesis that the error variance of the
dependent variable is equal across groups.
a. Design: Intercept+didik+ekonomi+didik * ekonomi
 Tests of Between-Subjects Effects

Dependent Variable: BBL

Type III Sum
Source of Squares df Mean Square F Sig.
Corrected Model 4074206.349a 11 370382.395 3.475 .002
Intercept 211339671 1 211339671.1 1982.552 .000
didik 772590.175 3 257530.058 2.416 .081
ekonomi 590670.844 2 295335.422 2.771 .075
didik * ekonomi 318560.511 6 53093.418 .498 .806
Error 4050793.651 38 106599.833
Total 414250000 50
Corrected Total 8125000.000 49
a. R Squared = .501 (Adjusted R Squared = .357)

Estimated Marginal Means

1. Tingkat Pendidikan Ibu

Dependent Variable: BBL

95% Confidence Interval
Tingkat Pendidikan Ibu Mean Std. Error Lower Bound Upper Bound
SD 2526.667 103.247 2317.654 2735.680
SMP 2750.000 141.900 2462.739 3037.261
SMU 2932.275 121.871 2685.560 3178.990
Perguruan Tinggi 2827.778 125.668 2573.375 3082.180
Post Hoc Tests Tingkat Pendidikan Ibu
Status Ekonomi
 Sekian
Terima Kasih