UJI BEDA MEAN DAN BEDA PROPORSI

Uji Beda Mean PARAMETRIK NONPARAMETRIK 2 mean >2 mean 2 mean Uji Normalitas PARAMETRIK NONPARAMETRIK 2 mean >2 mean 2 mean >2 mean independen paired independen paired Varian Homogen homogen heterogen Independen t test Paired t test ANOVA Mann-Whitney Wilcoxon Kruskal-Wallis Jika TIDAK HOMOGEN

Tahapan Uji hipotesis Buat hipotesis statistik (H0) dan hipotesis alternatif (Ha) Tentukan nilai α (kesalahan tipe 1) Tentukan uji statistik yg akan digunakan u/ menganalisis data Lakukan perhitungan statistik (tentukan nilai probabilitas/ p value) Buat keputusan menolak atau menerima H0. (p value ≤ α : H0 ditolak dan p value > α : H0 gagal ditolak)

ANOVA Prinsip: perbedaan variance antar BETWEEN dan WITHIN dg menggunakan mean sum square Asumsi: berdistribusi NORMAL & varian HOMOGEN ??? Semakin besar variance BETWEEN  BEDA ANTAR KELOMPOK Semakin besar variance WITHIN  BEDA ANTAR INDIVIDU

ANOVA Var DEPENDEN var INDEP

Variasi nilai BB bayi adalah homogen (p>0,05) antar ketiga kelompok pendidikan ibu  asumsi terpenuhi Ada perbedaan mean BB bayi Antar kel pendidikan ibu (p<0,05) tp tidak menjelaskan antar kelompok yang mana

ANOVA Ksimpulan: ada perbedaan rata-rata BB bayi antar kelompok pendidikan ibu  POST HOC

ANOVA Ada perbedaan mean BB bayi antara kel ibu SD dg SMP; antar kel ibu SMP dg SMA & antar kel ibu SD dg SMA

CHI SQUARE Dasar dari uji Chi Square adalah membandingkan frekuensi yang diamati (Observed = O) dengan frekuensi yang diharapkan (Expected = E) Perbedaan antara pengamatan dengan diharapkan (O-E) dianalisa apakah perbedaan itu cukup berarti (bermakna) atau hanya karena faktor variasi sampel saja (by chance).

Chi-Square (X2) Uji beda proporsi Contoh: apakah terdapat perbedaan proporsi berat bayi lahir rendah antar kelompok status merokok ibu? apakah terdapat perbedaan proporsi berat bayi lahir rendah antar kelompok riwayat hipertensi ibu? apakah terdapat perbedaan proporsi berat bayi lahir rendah antar tingkat pendidikan ibu?

Chi-Square

25,2%  dari 115 ibu yg TIDAK merokok, 29 di antaranya melahirkan bayi dg BBLR 40,5%  dari 74 ibu yg MEROKOK, 30 di antaranya melahirkan bayi dg BBLR Penentuan uji statistik  perhatikan footnote

Expected<5 Tabel 2x2 Tabel >2x2 ≤20% sel 20% sel CC Pearson TIDAK BOLEH jk expected<1 20% sel Fisher Collaps Alternatif: LR

Chi Square Pearson chi Square: digunakan bila asumsi chi square terpenuhi (tidak boleh ada nilai expected < 1 dan nilai Expected < 5 lebih dari 20%), jika nilai expectasi yang terlalu kecil, akan mengakibatkan nilai Chi Square >> sehingga peluang menolak Ho semakin besar Continuity Corection: digunakan khusus untuk tabel 2x2 Likelihood Ratio: digunakan bila sampel penelitian kecil dan mengantiipasi bila tabel tidak bisa di kolaps berdasarkan pertimbangan substansi Fisher Exact test : digunakan apabila asumsi chi square tidak terpenuhi pada tabel 2x2 Linier-by linier: menguji koefisien korelasi pearson

Ho: p bblr|rokok = p bblr|tidak α = 0,05 Uji Chi- Square dg CC  p=0,04 Keputusan: p < α maka Ho ditolak Kesimpulan: terdapat perbedaan bermakna proporsi BBLR antara kelompok ibu yg MEROKOK (40,5%) & TIDAK merokok (25,2%)