CARA PRAKTIS & MUDAH MENENTUKAN UJI STATISTIK

Pramono HP. 085754111611 Email: pram_gizi@yahoo.co.id Facebook: Pram Pramono www.giziwebster.co.cc 12/21/2011

2

CARA PRAKTIS & MUDAH MENENTUKAN UJI STATISTIK LANGKAH PERTAMA PAHAMI DAHULU 7 ISTILAH DIBAWAH INI

DATA

(Contoh) HASIL SKALA PENGUKURAN

VARIABEL JENIS

HIPOTESIS MASALAH SKALA

PENGUKURAN PASANGAN & JUMLAH

KELOMPOK SYARAT UJI PARAMETRIK & NON

PARAMETRIK TABEL B & K PRINSIP P & K

Istilah 1 Istilah 2 Istilah 3 Istilah 4+5 Istilah 6 Istilah 7 Numerik :

Rasio Interval Kategorik :

Nominal Ordinal

Komparatif (Hubungan /Perbedaan)

Korelatif (Korelasi)

Hipotesis Komparatif

Kategorik Variabel Kategorik dg Variabel Kategori

Numerik Variabel Kategorik dg Variabel. Numerik

Hipotesis Korelatif: Kategorik Salah

satu Variabel Kategorik Numerik: Variabel

Numerik dg Numerik

Tidak Berpasangan Berpasangan :

Yang dimaksud sampel berpasangan adalah

-Sampel sama diulang -Sampel diperlakukan

Matching (pencocokkan) atau juga Desain Cross Over

SYARAT UJI PARAMETRIK: - Skala pengukuran variabel NUMERIK (DATA KONTINU) - Distribusi Data NORMAL - Ukuran sampel besar >/= 30 - VARIANS DATA : Tidak mjd syarat mutlak jk kelompok berpasangan. Tidak mutlak pada 2 kelompok tidak berpasangan. Syarat Mutlak utk >2 Kelompok TidakBerpasangan * SYARAT UJI NON PARAMETRIK - Skala Pengukuran Variabel Kategorik. – Datanya Numerik tapi tidak memenuhi syarat uji Parametrik.

TABEL B X K :

Untuk hipotesis Komparatif Kategorik tidak berpasangan

TABEL P X K: Untuk Hipotesis Komparatif Kategorik Berpasangan

Umur

Umur di KTP Skala data Numerik Rasio

Komparatif Lihat variabel pada hipotesis yang anda buat apakah Hipotesisnya KOMPARATIF atau KORELATIF . Kemudian lihat VARIABEL HIPOTESISNYA apakah KATEGORIK atau NUMERIK dalam contoh ini Hipotesisnya adalah “Ada hubungan antara tingkat pendidikan dengan kejadian anemia” . Hipotesisnya adalah KOMPARATIF dan Variabel datanya Tingkat Pendidikan (Kategorik) dan Kejadian Anemia juga Kategorik maka Hipotesisnya KOMPARATIF KATEGORIK.

Tidak berpasangan Numerik Data Normal?

Lihat data yang diperoleh apakah tabelnya berbentuk BARIS dan KOLOM (B x K) atau berupa PENGULANGAN dan KATEGORI (P x K)

Tingkat Pendidikan 1 = SD 2 = SMP 3 = SLTA 4 = DIPLOMA 5= SARJANA

Skala data Kategorik Ordinal

Komparatif Tidak Berpasangan Kategorik Data Normal ?

Berat Badan (BB) Kilogram Skala data Numerik Rasio

Komparatif Tidak Berpasangan Numerik Data Normal?

Tinggi Badan (TB) Cm Skala data Numerik Rasio Komparatif Tidak Berpasangan Numerik Data Normal?

IMT Kurang Normal Gemuk

Skala data Kategorik Ordinal

Komparatif Tidak Berpasangan Kategorik Data Normal

Lila KEK Non KEK

Skala data Kategorik Ordinal

Komparatif Tidak Berpasangan Kategorik Data Normal

Kadar Hb Anemi Tidak Anemi

Skala data Kategorik Ordinal

Komparatif Tidak Berpasangan Kategorik Data Normal

Catatan: Cara menentukan data distribusi NORMAL/TIDAK ada 2 Metode : METODE DESKRIPTIF & ANALITIK . METODE DISKRIPTIF : - Koofesien varian < 20% - Rasio Swekness 12 s/d 2 – Histogram – Box Plot – Normal Q-Q plot - Detrend Q-Q

METODE ANALITIK : Dg.Rumus Kolmogorof – Smirnov untuk Sampel > 50 dan Untuk Sampel < 50 menggunakan Shapiro Wilk. UNTUK MENENTUKAN NILAI VARIANS Menggunakan Uji Varian (LEVENE’S TEST).

3

SETELAH PAHAM TUJUH ISTILAH DIATAS IKUTI LANGKAH KEDUA DENGAN MENJAWAB 5 PERTANYAAN UNTUK MENENTUKAN UJI STATISTIK YANG PAS SAMBIL LIHAT TABEL UJI HIPOTESIS BIVARIAT BERGUNA UNTUK PANDUAN MEMILIH UJI STATISTIK DIBAWAH INI.

(Contoh untuk uji hipotesis hubungan tingkat pendidikan dan anemia) MENENTUKAN VARIABEL YANG

DIHUBUNGKAN (Contoh) MENENTUKAN JENIS HIPOTESIS MENENTUKAN MASALAH SKALA VARIABEL

MENENTUKAN PASANGAN/TIDAK BERPASANGAN

MENENTUKAN JUMLAH KELOMPOK UJI YANG MUNGKIN

1 2 3 4 5

Apakah ada hubungan antara tingkat pendidikan (Variabel Bebas) dengan kejadian anemia (Variabel Terikat)

HIPOTESIS KOMPARATIF

Yang diuji Tingkat pendidikan Skala Kategorik Ordinal Sedang Anemia Skala Kategorik Ordinal

Data tidak berpasangan karena sampel beda individu.

Kelompok ada 2 Chi –Square Alternatif lain jika tidak memenuhi syarat pakai uji alternatif Fisher (Tabel 2 x2 ) Kolmogorov-Smirnov (Tabel 2 x K) jika tabel selain 2x2 dan 2xK maka perlu penggabungan sel . Setelah penggabungan sel akan terbentuk suatu tabel BxK baru . Uji Hipotesis dipilih sesuai tabel BxK yang baru. Untuk uji Chi-Squre syaratnya : sel yang mempunyai nilai expected kurang dari 5 maksimal 20% dari jumlah sel.

DIBAWAH INI TABEL UJI HIPOTESIS BIVARIAT BERGUNA UNTUK PANDUAN MEMILIH UJI STATISTIK

Masalah Skala Pengukuran

Jenis Hipotesis (Asosiasi)

KOMPARATIF KORELATIF Tidak Berpasangan (Independen) Berpasangan (Berhubungan)

NUMERIK

2 KELOMPOK > 2 KELOMPOK 2 KELOMPOK > 2 KELOMPOK Pearson* Uji t Tidak Berpasangan One Way ANOVA Uji t Berpasangan Repeated ANOVA

KATEGORIK (ORDINAL)

Mann Whutney

Kruskal-Walss

Wilcoxon

Friedman

Spearman Somers’d Gamma

KATEGORIK (NOMINAL/ORDINAL)

Chi-Square Fisher

Kolmogorov-Smirnov (tabel B x K )

McNemar, Cochran Marginal Homogenetity

Wilcoxon, Friedman (Prinsip P x K)

Koefesien Kontingensi Lambda

4

KETERANGAN: 1. Uji dengan tanda * merupakan Uji Parametrik

2. Tanda panah ke bawah menunjukkan uji alternatif jika syarat uji parametrik tidak terpenuhi 3. Untuk Hipotesis Komparatif Numerik , perlu diperhatikan banyaknya kelompok

4. Untuk Hipotesis Komparatif Kategorik tidak berpasangan , pemilihan uji menggunakan Tabel “B x K” (B= Baris, K=Kolom) 5. Untuk Hipotesis Komparatif Kategorik Berpasangan , Pemilihan Uji menggunakan “Prinsip PxK”

(P=Pengulangan, K= Kategori)

CATATAN: 1. Tahap analisis data pada umumnya 3 Tahap yaitu: DESKRIPTIF, ANALISIS BIVARIAT, ANALISIS MULTIVARIAT. 2. Jenis Analisis Multivariat yang sering digunakan ada 2 yaitu : ANALISIS REGRESI LOGISTIK dan ANALISIS REGRESI LINIER 3. Pemilihan dari analisis regresi diatas didasarkan pada skala pengukuran VARIABEL TERIKATNYA. Jika variabel terikatnya KATEGORIK maka menggunakan REGRESI LOGISTIK.

Jika variabel Terikatnya NUMERIK maka menggunakan ANALISIS REGRESI LINIER 4. Variabel yang dimasukkan untuk ANALISIS MULTIVARIAT adalah VARIABEL YANG PADA ANALISIS BIVARIAT mempunyai nilai p<0.25 5. SYARAT UJI CHI-SQUARE: sel yang mempunyai nilai expected kurang dari 5 maksimal 20% dari jumlah sel. 6. METODE UNTUK MENGETAHUI NORMALITAS DATA ADA 2 METODE YAKNI METODE DESKRIPTIF DAN METODE ANALITIK:

METODE PARAMETER KRITERIA SEBARAN DATA DIKATAKAN NOORMAL KETERANGAN

DESKRIPTIF Kooefesien varian Nilai Koofesien varians < 30% SD/Mean x 100% Rasio skewness Nilai Rasio Skewness -2 s/d 2 Skewenes / SE Skewness Rasio Kurtosis Nilai Rasio Kurtosis -2 s/d 2 Kurtosis / SE Kurtosis Histogram Simetris tidak miring kiri maupun

kanan, tidak terlalu tinggi maupun rendah

Blox Pot Simetris median tepat di tengah, tidak ada outlier atau nilai ekstrem

Normal Q-Q plots Data menyebar sekitar garis Detrended Q-Q plots Data menyebar sekitar garis pada nilai

0

ANALITIK Kolmogorov-Smirnov Nilai kemaknaan (p) .0.05 Untuk sampel besar (>50) Shapiro-Wilk Nilai Kemaknaan (p) > 0.05 Untuk sampel kecil (<=50)

5

7. STANDAR ERROR: adalah Standar Deviasi dibagi akar pangkat dua jumlah sampel ( SD : N (jumlah sampel) ). Standar Error merupakan estimasi terbaik

bagi Sampling Error; semakin kecil Standar deviasi,dan semakin besar jumlah sampel maka semakin kecil Standard Error, yang berarti semakin kecil Sampling

error, karena Kesalahan penarikan sampel merupakan perkalian antara Standard error dengan nilai z pada tingkat kepercayaan tertentu ( 95% = 1,96;

99% = 2,58).

8. STANDAR DEVIASI: Standar deviasi atau yang lebih dikenal dengan simpangan baku adalah akar kuadarat dari varian ( nilai – rata-rata nilai). Bilangan tersebut dipergunakan untuk mengetahui nilai ekstrim suatu data. Penggunaan standar deviasi biasa digunakan bersama nilai rata-rata.

9. Interval Kepercayaan (IK)/(CI): Estimasi interval atau interval kepercayaan (confidence interval) adalah interval (selang) nilai-nilai estimasi parameter yang mungkin muncul. Derajat kemungkinan tersebut dinyatakan dengan tingkat kepercayaan (confidence level), misalnya 95% atau 99%, dsb. Jika tingkat kepercayaannya tinggi dan menghasilkan interval yang sempit, maka nilai parameter tersebut dapat dikatakan “presisi”.

10. NILAI p : Dalam pengolahan data dengan SPSS pengambilan keputusan dilakukan dengan melihat tingkat signifikansi nilai sig. (2-tailed). Jika tingkat signifikansi yang ditentukan sebelumnya adalah 0,05, maka penolakan hipotesis dilakukan jika nilai untuk sig. (2-tailed) lebih kecil (<) dari 0,05 dan sebaliknya. Nilai sig. (2 tailed) dalam output SPSS adalah nilai p atau probabilitas.Nilai p menunjukkan probabilitas untuk memperoleh nilai sebesar atau lebih ekstrem dari nilai statistic yang teramati. Nilai p biasanya kebalikan dari nilai statistic uji. Semakin besar nilai statistic uji, semakin kecil nilai p yang berarti semakin menunjukkan adanya perbedaan variabel yang di uji. Interpretasi nilai p senantiasa berkaitan dengan probabilitas. Nilai p = 0,3 dapat diinterpretasikan terdapat 3 diantara 10 bahwa hasil penelitian tersebut terjadi karena peluang. Dan secara kebetulan 3 tersebut masuk dalam sampel kita. Pemaknaan terhadap nilai p bisa berbeda-beda antara satu orang dengan orang lain. misalnya jika seorang peneliti mendapatkan nilai p = 0,04. Jika menggunakan patokan p = 0,05, maka temuannya tentang perbedaan variabel sudah dapat dikatakan signifikan. Akan tetapi bisa jadi oleh peneliti yang lain, nilai p = 0,04 belum cukup untuk menggambarkan adanya perbedaan tersebut.

Referensi : Dahlan.S.M, 2008, Statistik Untuk Kedokteran dan Kesehatan, Jakarta: Salemba Medika.