UJI NORMALITAS DATA lmogr ov - Somi r nov nov ) (K olmo FUNGSI : Untuk mengetahui normal atau tidaknya data
•
ASUMSI :
•
Data berskala Interval/Ratio HIPOTESIS :
•
Ho : Distribusi adalah normal Ha : Distribusi tidak normal •
PENGAMBILAN PENGAMBILAN KEPUTUSAN
p > α data beridistribusi Normal p < α data tidak beridistribusi Normal
contoh kasus : Seorang tenaga kesehatan mengatakan bahwa terapi akupuntur dapat menurunkan berat badan pasien. Seorang peneliti dibidang kesehatan ingin mengetahui mengetahui apakah ada perbedaan yang signifikan berat badan pasien sebelum dan dan sesudah terapi terapi akupuntur no 1 2 3 4 5 6 7 8 9 10
sebelum 77 66 80 95 74 79 72 67 60 60
sesudah 51 48 58 44 61 55 59 50 48 52
1.
Output :
2. Interpretasi : •
Karena P value dari kedua kelompok > dari α (0,05) Maka : Data berdistribusi Normal
UJI T 2 SAMPEL BERPASANGAN (Paired Sample t Test )
•
FUNGSI :
Untuk mengetahui perbedaan sebelum dan sesudah perlakuan tertentu pada 2 kelompok data berpasangan
•
ASUMSI :
1. Data berskala Interval/Ratio 2. Berdistribusi Normal •
HIPOTESIS :
Ho : µsebelum = µsesudah Tidak ada perbedaan yang signifikan berat badan pasien sebelum dan sesudah terapi akupuntur Ha : µsebelum ≠ µsesudah ada perbedaan yang signifikan berat badan pasien sebelum dan sesudah terapi akupuntur
•
PENGAMBILAN KEPUTUSAN p < α atau thit > ttabel maka H0 ditolak p < α atau thit < ttabel maka H0 diterima
Contoh Kasus : Seorang tenaga kesehatan mengatakan bahwa terapi akupuntur dapat menurunkan berat badan pasien. Seorang peneliti dibidang kesehatan ingin mengetahui apakah ada perbedaan yang signifikan berat badan pasien sebelum dan sesudah terapi akupuntur no 1 2 3 4 5 6 7 8 9 10
sebelum 77 66 80 95 74 79 72 67 60 60
sesudah 51 48 58 44 61 55 59 50 48 52
1. Output
2. Interpretasi : •
ttabel (2,262), pada df= n-1 = 10-1 = 9
•
Karena thitung (5,298) > ttabel (2,776) dan P value (0,000) < α (0,05) Maka : Hipotesis Nol Ditolak
•
Kesimpulan: ada perbedaan yang signifikan berat badan pasien sebelum dan sesudah terapi akupuntur
WILCOXON SIGNED-RANK TEST
•
FUNGSI :
Untuk mengetahui perbedaan sebelum dan sesudah perlakuan tertentu pada 2 kelompok data berpasangan.
•
ASUMSI :
1. Data berskala Interval/Ratio 2. Berdistribusi tidak Normal •
HIPOTESIS :
Ho : µsebelum = µsesudah Tidak ada perbedaan yang signifikan berat badan pasien sebelum dan sesudah terapi akupuntur Ha : µsebelum ≠ µsesudah ada perbedaan yang signifikan berat badan pasien sebelum dan sesudah terapi akupuntur
•
PENGAMBILAN KEPUTUSAN p < α maka H0 ditolak
p < α maka H0 diterima
Contoh Kasus : Seorang tenaga kesehatan mengatakan bahwa terapi akupuntur dapat menurunkan berat badan pasien. Seorang peneliti dibidang kesehatan ingin mengetahui apakah ada perbedaan yang signifikan berat badan pasien sebelum dan sesudah terapi akupuntur no 1 2 3 4 5 6 7 8 9 10
sebelum 77 66 80 95 74 79 72 67 60 60
sesudah 51 48 58 44 61 55 59 50 48 52
1. Output
2. Interpretasi : •
Karena P value (0,005) < α (0,05) Maka : Hipotesis Nol Ditolak
•
Kesimpulan:
•
ada perbedaan yang signifikan berat badan pasien sebelum dan sesudah terapi akupuntur.
UJI t 2 SAMPEL BEBAS (Independen Sample T Test) •
FUNGSI :
Untuk mengetahui perbedaan antara 2 (dua) kelompok yang saling bebas atau independen
•
ASUMSI :
1. Data berskala Interval/Ratio 2. Berdistribusi Normal •
HIPOTESIS :
Ho : µ1= µ2 Tidak ada perbedaan nilai ujian antara kelas A dan kelas B pada fakultas psikologi suatu universitas Ha : µ1≠ µ2 Ada perbedaan nilai ujian antara kelas A dan kel as B pada fakultas psikologi suatu universitas •
PENGAMBILAN KEPUTUSAN p < α atau thit > ttabel maka H0 ditolak p >α atau thit < ttabel maka H0 diterima
Perhitungan nilai uj i statistik untuk uji t sample bebas sangat tergantung pada kondisi varians data. Untuk itu perlu dilakukan uji varians untuk mengetahui apakah data mempunyai varians homogen atau heterogen . 1. Ujian Varians Data •
Fungsi : Untuk mengetahui apakah data mempunyai varians homogen atau heterogen
•
Asumsi : 1. Data berskala Interval/Ratio 2. Berdistribusi Normal
•
Keputusan : Fhitung < Ftabel atau p-value > α maka, Varians data Homogen Fhitung > Ftabel atau p-value < α maka, Varians data Heterogen
2. Contoh Kasus :
Seorang mahasiswa dalam penelitiannya ingin mengetahui apakah ada perbedaan nilai ujian antara kelas A dan kelas B pada fakultas psikologi suatu universitas. Penelitian dengan menggunakan sampel sebanyak 20 responden yang diambil dari kelas A dan kelas B. Dalam uji ini jumlah kelompok responden yang diambil sama, yaitu kelas A sebanyak 10 orang dan kelas B 10 orang. Data yang didapat sebagai berikut : No Nilai ujian
Kelas
1
32
Kelas A
2
35
Kelas A
3
41
Kelas A
4
39
Kelas A
5
45
Kelas A
6
43
Kelas A
7
42
Kelas A
8
47
Kelas A
9
42
Kelas A
10
37
Kelas A
11
35
Kelas B
12
36
Kelas B
13
30
Kelas B
14
28
Kelas B
15
26
Kelas B
16
27
Kelas B
17
32
Kelas B
18
35
Kelas B
19
38
Kelas B
20
41
Kelas B
3. Output
4. Interpretasi : •
Uji Levene’s Test menunjukkan bahwa p-value (0,613) > α (0,05), maka Varians data Homogen
•
ttabel (2,100), pada df= n1+n2-2 = 10+10-2=18
•
Karena thitung (3,490) > ttabel (2,100) atau p-value (0,003 < α (0,05) maka: Hipotesis Nol Ditolak
•
Kesimpulan: Ada perbedaan nilai ujian antara kelas A dan kelas B pada fakultas psikologi suatu universitas.
MANN WHITNEY
•
FUNGSI :
Untuk mengetahui perbedaan antara 2 (dua) kelompok yang saling bebas atau independen
•
ASUMSI :
1. Data berskala Interval/Ratio 2. Berdistribusi tidak Normal •
HIPOTESIS :
Ho : µ1= µ2 Tidak ada perbedaan nilai ujian antara kelas A dan kelas B pada fakultas psikologi suatu universitas Ha : µ1≠ µ2 Ada perbedaan nilai ujian antara kelas A dan kelas B pada fakultas psikologi suatu universitas •
PENGAMBILAN KEPUTUSAN p < α maka H0 ditolak p > α maka H0 diterima
5. Contoh Kasus :
Seorang mahasiswa dalam penelitiannya ingin mengetahui apakah ada perbedaan nilai ujian antara kelas A dan kelas B pada fakultas psikologi suatu universitas. Penelitian dengan menggunakan sampel sebanyak 20 responden yang diambil dari kelas A dan kelas B. Dalam uji ini jumlah kelompok responden yang diambil sama, yaitu kelas A sebanyak 10 orang dan kelas B 10 orang. Data yang didapat sebagai berikut : No 1 2 3 4 5 6 7 8 9 10
Nilai ujian 32 35 41 39 45 43 42 47 42 37
Kelas Kelas A Kelas A Kelas A Kelas A Kelas A Kelas A Kelas A Kelas A Kelas A Kelas A
11 12 13 14 15 16 17 18 19 20
35 36 30 28 26 27 32 35 38 41
Kelas B Kelas B Kelas B Kelas B Kelas B Kelas B Kelas B Kelas B Kelas B Kelas B
a. Output
b.
Interpretasi : •
Karena p-value (0,005 < α (0,05) maka: Hipotesis Nol Ditolak
•
Kesimpulan: Ada perbedaan nilai ujian antara kelas A dan kelas B pada fakultas psikologi suatu universitas .
CHI-SQUARE
•
FUNGSI :
Untuk mengetahui hubungan antara variabel independen dengan variabel de penden
•
ASUMSI :
1. Data kategori 2. Variabel Independen (Nominal/Ordinal) dan Variabel Dependen (Nominal) •
HIPOTESIS :
Ho : Tidak ada perbedaan antara merokok dengan tidak merokok terhadap kejadian CHD Ha : ada perbedaan antara merokok dengan tidak merokok terhadap kejadian CHD
•
PENGAMBILAN KEPUTUSAN p < α atau X2hit > X2tabel maka H0 ditolak p >α atau X2hit < X2tabel maka H0 diterima
Contoh Soal : –
Pada penelitian tentang hubungan antara merokok dengan hipertensi dengan total sampel 110 orang laki-laki, didapatkan 35 orang menderita Coronary Heart Disease (CHD) disertai dengan kebiasaan merokok, 25 orang menderita CHD tanpa disertai dengan kebiasaan merokok, sedangkan sisanya 20 orang non-CHD dengan kebiasaan merokok dan 30 orang non CHD tanpa kebiasaan merokok. Hitunglah apakah terdapat perbedaan antara merokok dengan tidak merokok terhadap kejadian CHD Hipertensi Merokok
Total CHD
Non-CHD
Positif
35
20
55
Negatif total
25 60
30 50
55 110
a. Output Crosstabulation
Dari tabel crosstabulation, tidak terdapat nilai expected count yang < 5 sehingga terpenuhi asumsi Chi-Square. J ika terdapat nilai E xpected count < 5 maka uji yang digunakan adalah F isher E xact b. Output Chi-Square
J ika tabel Non 2x2 dan nilai expected count > 5 maka menggunakan nilai person Chi-Square J ika tabel 2x2 dan nilai expected count > 5 maka menggunakan nilai Continuity Correction J ika tabel Non 2x2 / 2x2 dan nilai expected count < 5 maka menggunakan nilai F isher E xact
c. Interpretasi : •
Karena tabel 2x2 dan nilai expected count > 5 maka menggunakan nilai Continuity Correction
•
X2hitung (2,970) < X 2tabel (3,841) atau p-value (0,85) > α (0,05) maka: Hipotesis Nol Diterima
•
Kesimpulan: Tidak ada perbedaan antara merokok dengan tidak merokok terhadap kejadian CHD
MC-NEMAR
•
FUNGSI :
Untuk mengetahui perbedaan sebelum dan sesudah perlakuan tertentu pada 2 kelompok data berpasangan.
•
ASUMSI :
Data berskala Nominal •
HIPOTESIS :
Ho : µsebelum = µsesudah Tidak ada perbedan peningkatan eritrosit sebelum dan sesudah pemberian diet Ha : µsebelum ≠ µsesudah ada perbedan peningkatan eritrosit sebelum dan sesudah pemberian diet •
PENGAMBILAN KEPUTUSAN p < α maka H0 ditolak p < α maka H0 diterima
1. Contoh Kasus :
Seorang tenaga kesehatan mengklaim bahwa tidak ada perbedaan peningkatan jumlah hb sebelum dan sesudah pemberian diet. Apakah ada perbedan peningkatan eritrosit sebelum dan sesudah pemberian diet ? (gunakan a = 0,05)
NO
MEMORI SEBELUM
MEMORI SESUDAH
1
12
14
2
14
12
3
13
13
4
11
12
5
11
13
2. Output
3. Interpretasi : •
Karena P value (0,450) > α (0,05) Maka : Hipotesis Nol Diterima
•
Kesimpulan: Tidak ada perbedan peningkatan eritrosit sebelum dan sesudah pemberian diet
