Peristiwa 1 Peristiwa 2

Uji Chi - sq

Not significant

Significant
Eksperimen

Asosiasi Skunder Indirect

Asosiasi Primer Molekuler Direct

1. Jumlah variabel 2. Skala ukuran 3. Cara pengambilan sampel

4. Besar sampel
Untuk jumlah variabel, skala pengukuran, jumlah dan cara pengambilan sampel yang berbeda Pakai uji statistik yang berbeda

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

Untuk skala pengukuran yang berbeda Pakai uji statistik yang berbeda

Nominal dan ordinal : Non Parametrik Interval dan rasio: Paremetrik &

Non Parametrik.

Hal yang diperlu diparhatikan: 1. Indipenden/ unrelated: Pemilihan Individu, tak dipengarui oleh faktor tertentu

2. Dependent / releted: Pemilihan individu yang dipengarui oleh faktor tertentu Untuk cara pengambilan sampel yang berbeda Pakai uji statistik yang berbeda

Hal yang perlu diperhatikan Makin besar sampel maka mendekati keadaan sebenarnya Uji non parametrik sampel kecil Untuk jumlah sampel yang berbeda,

Pakai uji statistik yang berbeda

Hal yang perlu diingat: Uji statistik Stat.inferensial Mengambil kesimpulan terhadap populasi berdasarkan sampel dan memperoleh kesimpulan tentang perbedaan 2 kelompok atau lebih Sebelum melakukan uji stat, tentukan: Ho dan batas kemaknaan Distribusi sampling dan uji stat yang sesuai

Hipotesis yang dibuat untuk ditolak menyatakan tidak ada perbedaan bila Ho ditolak Hipotesis alternatif (Hi) atau hipotesis penilaian yang diterima.

Hi diperoleh dari teori yang ada (one atau two tail/ ekor) Ho><Hi

Asumsi SAMPEL berasal dari populasi dengan Distribusi Normal bila: 1. Mean = Median = Modus. 2. Mean, dan Standar Deviasi, mempunyai nilai sebagai berikut. X 1 SD = 68.3 % X 2 SD = 95.5 % X 3 SD = 99.7 %

Mean = Mediam = Modus X 1 SD = 68.3 % X 2 SD = 95.5 % X 3 SD = 99.7 %

Asumsi Suatu kumpulan data yang banyak, bila digambarkan akan merupakan distribusi normal (central limit theorem) Cara menentukan distribusi normal : Coefisien Of Variation (COV ) : < 20%. COV = SD / mean. Uji stat : 1 variabel Membandingkan letak (X 3SD)-(X+3SD) terhadap letak X dan nilai Range

TINGKAT KEMAKNAAN (Alpha) Makin kecil tingkat kemaknaan. Makin kecil terjadi kesalahan kesimpulan 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

Besar tingkat, kemaknaan pada kurva normal digambarkan pada kedua ujung kurva Gambar penolakan dapat digambarka pada kedua ujung two tail test Bila pada satu ujung one tail test Bila uji Statistik hasilnya dalam daerah penolakan (P < Alpha) Ho ditolak

Bila p > Alpha

Ho diterima

Kemungkinan Ho salah disebut

Kesalahan tipe I (alpha), Menolak Ho, sebetulnya Ho tsb benar Kesalahan tipe II (Beta), Menerima Ho, sebetulnya Ho tersebut salah 1 Beta = Power Kekuatan uji statistik

Uji 1 variabel:
Bionominal Chi-square K.S.

Uji 3 variabel
Anova Multipel regresi Run tes

Uji 2 variabel
Chi-square Fisher Exact K.S. Unpair- t-test Mc. Nemar Uji tanda CochranS Pair-t-test Wilcoxon

Peorsonss

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 paremetrik, pakai Uji Parametrik

Uji non parametrik Uji untuk data yang kurang memenui sarat untuk uji parametrik Tidak memperdulikan distribusi. Populasi normal atau tidak normal. Paling sesuai untuk sampel kecil Dapat dipakai untuk menganalisis data dalam skala nominal dan ordinal

 Derajat

kebebasan. Df = n 1.
Jumlah yang diobservasi = n.

Df

dua kelompok atau tabel. Df = ( k 1 ) ( r 1 ).

Colum / kolom. Row / baris.

Ada 2 jenis : yaitu Tabel 2x2 dan BxK Syarat 2x2 : Semua sel nilai E>5 BxK : > 20% Nilai E>5 Hasil : Bandingkan dengan nilai kritis tabel X Bila X > NK Ho ditolak dan ><

Rumus:

(O-E)

X = E

 Tes asosiasi antara 2 variabel Merupakan test alternatif bila X2 tak memenuhi syarat Buat tabel hasil penelitian Buat tabel ekstrim (dapat >1) P= p1+po

(a+c)!(b+d)!(c+d)!(a+b) P= n!a!b!c!d

Untuk 2 var yang bersifat independent Bentuk tabel besar Buat tabel frek.komulatif Hitung d untuk tiap kolom Tentuka D maksimum Nilai kritis Tabel X dengan db = 2 n1 n2 X = 4D n1 = n2

 Unpaired t-test Paired t-test Z-test Z-test satu sempel Analisa korelasi Analisa regresi

Untuk membandingkan 2 sampel X1-X2 T= S gab. 1/n1+1/n2 S gab= {(n1-1)s +(n2-1)s } n1+n2-2 Nilai p lihat nilai tabel T dengan db = n1+n2-2

Untuk 2 sampel kecil yang dependent D = rata-rata perbedaan 2 sempel S = Standar deviasi N = Jumlah pasangan P = Lihat tabel T, db = I, t.nk Ho ditolak D

T=
S / Vn

 Untuk 2 sampel dengan n > 30

Nilai Z dilihat pada tabel normal

X1-X2
Z= (SX1/nX = SX2/nX2)

 Nilai Z dilihat pada tabel normal

p = 0.1 z = 1.65

0.05 .02 1.96 2.37

.01 2.58

.002 3.09

.001 3.29

 Untuk 1 sampeldengan n > 30 Nilai Z dilihat pada tabel normal Nilai p didapat dengan membandingkan nilai Z dengan nilai kritis
XH Z= S/ n

 Untuk 2 sampel dengan variabel kuantitatif / continuos

n XY ( X)( X) R= {nX-(X)}{Y-(Y)}

Nilai korelasi antara 1--- + 1 Kuatnya hubungan = r. R > 0.7 sangat kuat R = 0.7-0.5 kuat R = 0.50.25 cukup R = > 0.25 tak ada korelasi

 Untuk itu perlu uji hipotesis Nilai t dapat pada tabel t Nilai t > NK Ho ditolak
n-2 T= r (I-r)

1. 2.

Menghitung r Menghitung hipotesis

3.

Kesimpulan dengan tidak melihat nilai T (NK)

Ho diterima atau ditilak

 Hubungan 2 variabel dapat memprediksi perubahan pada variabel dependen

n XY ( X)( X) r= {n X}{n Y}

a = Y - bX

SKALA

HUBUNGAN YG MEMBATASI. EKIUVALENSI

CONTOH STAT. YG COCOK. MODUS FREQUENSI KOEF. KONTINGENSI.

T. STATISTIK YG SESUAI.

NOMINAL.

NON PARAMETRIK.

ORDINAL.

EKIUVALENSI LEBIH BESAR DARI

MEDIAN. PERSENTIL. SPEARMAN rs. KENDALL t. KENDALL w.

NON PARAMETRIK. .

SKALA

HUBUNGAN YG MEMBATASI.

CONTOH STAT. YG COCOK.

T. STATISTIK YG SESUAI.

INTERVAL

EKIUVALENSI. LEBIH BESAR DARI. RASIO SEMBARANG 2 INTERVAL DIKETAHUI.

MEAN. DEV. STANDAR KORELASI PEARSON. KARELASI MOMEN HASIL X GANDA.

NON PARAMETRIK. DAN. PARAMETRIK..

RASIO.

IDEM DIATAS + RASIO SEMBARANG 2 HARGA SKALA DIKETAHUI.

MEAN GEOMETRIK. KOEFISIEN VARIASI.

NON PARAMETRIK. DAN. PARAMETRIK..

VARIABEL.

NOMINAL.

ORDINAL.

DUA KATA GORI

DUA KATA GORI ATAU LEBIH

KATA GORI.

SKOR.

UJI.

BINO CHI MIAL. SQUARE

K.S.

VARIABEL DUA.

VARIABEL SATU.
NOMINAL.
2 KEL > 3 KEL

ORDINAL.
KEL.
SKOR

INTERVAL.
SKOR DIST NORM

2 CHI N FISHER SQUARE O KELOMPOK M = / > DARI CHI I 3 KELOM SQUARE O KELOMPOK. R D SKOR. I

MANN WHIT KRUSK WALLIS KENDALL S

ANOVAR 1 FAKTOR.

ANOVAR TREND.

KEN DALL

SKOR DISTRIBUSI NORMAL.

PEARSON r.

VARIABEL II
2 KEL.

VARIABEL I
3 > KEL KEL. SCORE

I T E R V A L O R D I N

2 KELOM POK =>3 KELOM POK

Mc. COECH SIGN NEMAR RAN Q. TEST.

WILCOX -

t BERKAITAN ATAU ANOVAR.

ANOVAR 2 FACTOR.

KELOM POK.

PAGE sL

ANOVAR