UJI-UJI

STATISTIK
KELOMPOK 2
 Anggota
Kelompok
1. Febriana S. Talanggai
2. Mohamad Fahmi Datuela
3. Denal Saputra Suna
4. Rahmat Dani S. Turuki
5. Elsa Ekaputri Utina
6. Virna Ayulestari
Hinggimile
7. Julianti Kasim
8. Anggun Woro Maharani
9. Fadlun Aulia Adam
10. Fahira Muzdhalifa Lukum
11. Nur Fajriati Gumer
 Pengertian Uji Statistik
Uji statistik adalah perhitungan untuk menentukan apakah ada
cukup bukti menolak atau menerima hipotesis. Uji statistik
mengasumsikan hipotesis nol tidak ada hubungan atau tidak ada
perbedaan antara kelompok. Kemudian mereka menentukan
apakah data yang diamati berada di luar kisaran nilai yang
diprediksi oleh hipotesis nol. Uji statistik menyediakan mekanisme
untuk membuat keputusan kuantitatif tentang suatu proses atau
proses.
 Tujuan Uji Statistik
Tujuan melakukan uji statistik adalah untuk menentukan apakah ada
cukup bukti untuk “menolak” dugaan atau hipotesis tentang proses tersebut.
Uji statistik dapat digunakan untuk:
1. Menentukan apakah variabel prediktor memiliki hubungan yang signifikan
secara statistik dengan variabel hasil.
2. Memperkirakan perbedaan antara dua atau lebih kelompok.
Uji statistik menentukan di mana data sampel akan berada pada
distribusi data sampel yang diharapkan jika hipotesis nol itu benar. Selain itu,
agar uji statistik valid, ukuran sampel harus cukup besar untuk mendekati
distribusi sebenarnya dari populasi yang sedang diteliti.
Cara Memilih Uji Statistik Yang Tepat
Untuk dapat menentukan uji statistik mana yang paling tepat, kita
perlu mempertimbangkan:

01 Tujuan uji 04 Tipe data

Jumlah Asumsi
02 variabel 05 statistik

03 Desain studi
 01Tujuan Uji
Terdapat beberapa tujuan uji statistik yang dapat dibedakan berdasarkan pertanyaan yang
kita ajukan, yaitu:
• Mendeskripsikan
Jika tujuan kita adalah untuk melakukan deskripsi pada data kita, maka kita bisa
gunakan analisis deskriptif.
• Membandingkan dan mengukur perbedaan
Uji beda digunakan untuk mencari perbedaan suatu kelompok sampel dibandingkan
dengan kelompok lain. Uji beda juga dapat dibagi menjadi uji parametrik dan non
parametrik. Biasanya suatu uji beda parametrik untuk suatu karakteristik metode
pengukuran dan tipe data tertentu memiliki alternatif dalam bentuk uji non parametrik.
• Mengukur hubungan
Untuk tujuan mengukur hubungan, ada dua jenis uji atau analisis yaitu: Uji korelasi
(Biasanya kita menggunakan uji korelasi untuk mengukur adanya hubungan antara 2
atau lebih variabel bebas dalam penelitian kita) dan Uji regresi (kita gunakan analisis
regresi untuk memperkirakan efek dari satu atau lebih variabel kontinue sebagai variabel
bebas pada variabel terikat).
 02 Jumlah Variabel
Tes dan prosedur dapat dibagi sesuai dengan jumlah variabel yang di rancang
untuk di analisis. Jumlah variabel yaitu nilai atau sifat dari benda, orang, kejadian
atau segala sesuatu yang dapat bervariasi.
Misalnya:
1. Variabel = Tinggi Badan.
2. Variabel = Status kesehatan & imunisasi.
3. Variabel = Status kes, imunisasi & jenis kelamin.
Jumlah variabel tergatung dari pernyataan penelitian
Untuk jumlah variabel yang berbeda
Pakai uji statistik yang berbeda
 03 Desain studi
Terkait desain studi, kita perlu menjawab bagaimana data dalam variabel kita
berhubungan. Kita perlu mengidentifikasi jika variabel kita apakah variabel yang
saling independent (tidak berhubungan, unpaired), atau merupakan pengamatan
berpasangan (paired) yang datang dari kelompok sampel/ pengamatan yang
sama.

Sebagai contoh untuk variabel merupakan pengamatan

berpasangan (paired) dari kelompok pengamatan yang sama adalah hasil ujian
dari kelas yang sama sebelum dan sesudah menjalani sebuah training. Sedangkan
contoh untuk variabel yang berbeda atau independent adalah jumlah kalori yang
dibutuhkan laki-laki vs jumlah kalori yang dibutuhkan perempuan.
 04 Tipe data
Tipe data yang kita miliki biasanya dapat menentukan jenis uji statistik
yang dapat kita gunakan. Data dapat kita bedakan menjadi 2 yaitu: Data
kuantitatif, Data kuantitatif menunjukkan jumlah atau besaran sesuatu. Data
kuantitatif dapat dibagi menjadi data:
 Kontinu (alias variabel rasio): mewakili ukuran dan biasanya dapat dibagi
menjadi unit yang lebih kecil dari satu (misalnya 0,75 gram).
 Diskrit (alias variabel integer): mewakili jumlah dan biasanya tidak dapat
dibagi menjadi unit yang lebih kecil dari satu (misalnya 1 pohon).

Dan yang kedua Data kualitatif, Data kualitatif atau kategorikal meliputi:
Ordinal: mewakili data dengan urutan (misalnya peringkat),
Nominal: mewakili nama kelompok (misalnya merek atau nama spesies)
dan
Biner: mewakili data dengan hasil ya/tidak atau 1/0 (misalnya menang
atau kalah).
 05 Asumsi statistik
Pengujian statistik membuat beberapa asumsi umum
tentang data yang diuji:
a. Pengamatan independen/ tidak ada autokorelasi):
Pengamatan/variabel yang akan kita uji tidak saling
terkait.
b. Normalitas data: data mengikuti distribusi normal.
Asumsi ini hanya berlaku untuk data kuantitatif
c. Homogenitas varians: varians dalam setiap kelompok
yang di bandingkan adalah serupa di antara semua
kelompok.
Probabilitas (nilai p)
TINGKAT KEMAKNAAN (Alpha)
Makin kecil tingkat kemaknaan. Makin kecil terjadi
kesalahan kesimpulan. Menurut Roosner.B (1986)
fundamental Statistics
0.01<p<0.05 : significant
0.001<p<0.01: highly significant
P<0.001 : very highly significant
P> 0.05 : not statiscally significant
 Tingkat Kemaknaan
Besar tingkat, kemaknaan pada kurva normal
digambarkan pada kedua ujung kurva
• Gambar penolakan dapat digambarka
pada kedua ujung maka two tail test
• Bila pada satu ujung maka one tail test
• Bila uji Statistik hasilnya dalam daerah
penolakan (P < Alpha) maka Ho di tolak
• Bila P > Alpha maka Ho di terima
Memilih Uji Statistik
1) Uji 1 Variabel : Bionominal, Chi-square
dan K.S.

2) Uji 2 Variabel : Chi-square, Fisher Exact,

K.S., Unpair- t-test, Peorsons’s, Mc.
Nemar, Uji tanda, Cochran’S, Pair-t-test
dan Wilcoxon.

3) Uji 3 Variabel : Anova, Multipel, regresi

dan Run tes
 Uji Parametrik dan Non Parametrik
Pada Uji Parametrik :
Dilakukan terhadap sekelompok data yang mempunyai parameter
yang jelas dan dapat dihitung secara objektif, Uji yang terkuat untuk
menolak Ho, bila Ho salah. Bila mempunyai cukup alasan untuk
memakai uji parametrik, pakai Uji Parametrik.
Pada Uji Non Parametrik :
Uji untuk data yang kurang memenuhi syarat untuk uji parametrik.
Tidak memperdulikan distribusi, populasi normal ataupun tidak
normal. Paling sesuai untuk sampel kecil dan dapat dipakai untuk
menganalisis data dalam skala nominal dan ordinal
 Uji Chi-Square (X.2)
Chi Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu jenis uji
komparatif non parametrik yang dilakukan pada dua variabel, di mana skala data
kedua variabel adalah nominal. Adapun langkah – langkah dalam pengujian Chi-
square yaitu :
1. Merumuskan hipotesis H0 dan H1
Ho : Tidak terdapat pengaruh yang signifikan antara dua variabel
H1 : Terdapat pengaruh yang signifikan antara dua variabel
2. Mencari nilai frekuensi harapan (Ei)
Ei untuk setiap sel = (Total baris)(Total kolom)/Total Keseluruhan
3. Menghitung distribusi Chi-square
4. Menentukan taraf signifikansi α
5. Menentukan nilai χ2 tabel
a. Taraf signifikansi (α) = 0,05
b. d.f = (Jumlah baris – 1) (Jumlah kolom – 1)
 Uji Chi-Square (X.2)
6. Menentukan kriteria pengujian
• Jika χ2 hitung ≤ χ2 tabel, maka H0
Diterima
• Jika χ2 hitung > χ2 tabel, maka H0 Ditolak
• Jika Sig. ≥ 0,05 maka H0 Diterima
• Jika Sig. < 0,05 maka H0 Ditolak
7. Membandingkan χ2 hitung dengan χ2
tabel atau Sig. dengan α
Keputusan H0 ditolak atau diterima
8. Membuat kesimpulan
Ada tidaknya pengaruh antar variabel
 Uji Fisher Exact
Merupakan salah satu uji non parametrik yang digunakan untuk
menganalisis dua sampel independen yang berskala nominal atau
ordinal jika kedua sampel indpendennya berjumlah kecil (biasanya kurang
dari 20). Fungsi Uji Fisher untuk menguji apakah ada perbedaan dua
perlakuan yang mungkin dari dua populasi
- Spesifikasi Uji Fisher:
Skala ukur nominal atau ordinal
Data disusun dalam tabel kontingensi 2 x 2
Ukuran sampel n ≤ 20
-nilai harapan (E) kurang dari 5
 Uji Fisher Exact
Contah Tabel
Variabel Kelompok Kombinasi
I II
+ A B A+B
- C D C+D
TOTAL A+C B+D N
 Uji Fisher Exact
Contoh Soal : Sebuah studi kasus kontrol ingin melihat pengaruh merokok malam
dengan kejadian kanker paru, hasil yang diperoleh tersaji pada tabel silang berikut:
 Uji Fisher Exact
- Karena nilai P = 0,114 lebih besar dari nilai alfa =0,05, maka kita
menerima Ho pada Uji Satu sisi.
- Sedangkan Pada Uji 2 sisi di peroleh nilai P = 0,114 x 2 = 0,228, sehingga
kita menerima Ho.
- Jadi, baik pada Uji satu sisi maupun dua sisi, kita menyimpulkan tidak
ada perbedaan yang bermakna antara mereka yang merokok maupun
tidak merokok pada malam hari terhadap kanker paru
 Kolmogorov-Sminorv test
Uji Kolmogorov Smirnov (KS) adalah alat uji statistik yang digunakan
untuk menentukan apakah suatu sampel berasal dari suatu populasi yang
memiliki sebaran data tertentu atau mengikuti distribusi statistik tertentu.
Seperti pada uji beda biasa, jika signifikansi di bawah 0,05 berarti terdapat
perbedaan yang signifikan, dan jika signifikansi di atas 0,05 maka tidak terjadi
perbedaan yang signifikan.
Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi di
bawah 0,05 berarti data yang akan diuji mempunyai perbedaan yang signifikan
dengan data normal baku, berarti data tersebut tidak normal. Ukuran sampel
untuk pengujian KS sebaiknya sama atau lebih besar dari 30 (N ≥ 30).
p < 0,05 -> distribusi data tidak normal
p ≥ 0,05 -> distribusi data normal
 Kolmogorov-Sminorv test
Langkah-langkah melakukan Uji Kolmogorov Smirnov:
 Kolmogorov-Sminorv test
Langkah-langkah melakukan Uji Kolmogorov Smirnov:
 Paired sampel T-test
Uji – t berpasangan (paired t-test) adalah salah satu metode pengujian
hipotesis di mana data yang digunakan tidak bebas (berpasangan).
Ciri-ciri yang paling sering ditemui pada kasus yang berpasangan
adalah satu individu (objek penelitian) dikenai 2 buah perlakuan yang
berbeda. Hipotesis dari kasus ini dapat ditulis :

Ha berarti bahwa seilisih sebenarnya dari kedua rata-rata tidak sama

dengan nol.
Paired sampel T-test
Paired sampel T-test
 Independent Sample t-test
Uji ini untuk mengetahui perbedaan rata-rata dua populasi/kelompok
data yang independen. Uji T independen ini memiliki asumsi/syarat yang
mesti dipenuhi, yaitu :
a. Datanya berdistribusi normal.
b. Kedua kelompok data independen (bebas)
c. variabel yang dihubungkan berbentuk numerik dan kategorik (dengan
hanya
2 kelompok)
Rumus :
 Independent Sample t-test
Keterangan :
M1 = rata-rata skor kelompok 1
M2 = rata-rata skor kelompok 2
SS1 = sum of square kelompok 1
SS2 = sum of square kelompok 2
n1 = jumlah subjek/sample kelompok 1
n2 = jumlah subjek/sample kelompok 2
 Independent Sample t-test
Interpretasi
a. Untuk menginterpretasikan t-test terlebih dahulu harus ditentukan :
- Nilai signifikansi α
- Interval Confidence = 1- α
- Df (degree of freedom) N- k, khusus untuk independent sample t-test df =
N-2 atau DF (Degree of freedom) (n1+n2) − 2
b. Bandingkan nilai thit dengan ttab
c. Apabila :
thit > ttab maka berbeda secara signifikansi (H0 ditolak)
thit < ttab maka Tidak berbeda secara signifikansi (H0 diterima)
 Uji T-Test satu sampel (One sampel t-
test)
Pengujian satu sampel pada prinsipnya ingin Rumus One sample t-test :
menguji apakah suatu nilai tertentu (yang
diberikan sebagai pembanding) berbeda
secara nyata ataukah tidak dengan rata-rata
sebuah sampel. Nilai tertentu di sini pada
umumnya adalah sebuah nilai parameter
untuk mengukur suatu populasi.
Jadi kita akan menguji : H0 : μ = μ0 lawan
H 1 : μ ≠ μ0
Ho merupakan hipotesa awal sedangkan H1
merupakan hipotesis alternatif atau hipotesis
kerja.
Uji T-Test satu sampel (One sampel t-
test)
 Tingkat Pengukuran dan Test Statistik
yang cocok untuk masing- masing
Tingkat.
SKALA Hubungan yang Contoh statistik Test statistik
membatasi yang cocok yang sesuai
Modus, Frequensi
NOMINAL Ekiuvalensi dan Koefisien Non Parametrik
Kontingensi

Median, Persentil,
ORDINAL Ekiuvalensi lebih Spearman rs., Non Parametrik
besar dari Kendall t.,
Kendall w.
 Lanjutan
SKALA Hubungan yang Contoh statistik Test statistik
membatasi yang cocok yang sesuai
Ekiuvalensi lebih Mean, Deviasi
besar dari, Rasio standar, Korelasi Non Parametrik
INTERVAL sembarang 2 Pearson, Korelasi dan Parametrik
interval diketahui. momen hasil x
ganda.
Idem diatas +, Rasio Mean geometrik Non Parametrik
RASIO sembarang 2 harga dan Koefisien dan parametrik
skala di ketahui Variasi
Thank You