UJI t INDEPENDEN.

Presentasi berjudul: "UJI t INDEPENDEN."— Transcript presentasi:

1 UJI t INDEPENDEN

2 Apakah ada perbedaan rata-rata berat badan bayi yang
Populasi 1 Populasi 2 Sampel 1 Sampel 2 Uji Apakah ada perbedaan rata-rata berat badan bayi yang dilahirkan dari ibu dengan anc baik dan anc kurang baik. b. Apakah ada perbedaan rata-rata kadar Hb antara Ibu yang berdomisili di desa dengan kota c. Apakah ada perbedaan rata-rata Berat Badan anak antara sebelum pemberian makanan tambahan dan sesudahnya d. Apakah ada peningkatan kadar Hb ibu sebelum dan sesudah pemberian table Fe.

3 Uji Beda 2 Mean Independen
Subjek/Respondennya berbeda Variabel yang dihub. Katagorik & Numerik

4 Prinsip pengujian perbedaan variasi kedua kelompok data, apakah sama atau tidak ? Bentuk varian  berpengaruh pada nilai standar eror sehingga berbeda pada rumus pengujiannya Uji yang dilakukan a. Uji homogenitas varian b. Uji untuk varian sama c. Uji untuk varian berbeda

5 a. Uji homogenitas varian Tujuan :
mengetahui varian antara kel. data satu, apakah sama dengan kel data yang kedua Perhitungannya dengan uji F S12 F = df1 =n1 - 1 dan df2 = n2 - 1 S22 Varian yang lebih besar sbg pembilang (numerator) Varian yang lebih kecil sebagai penyebut (denominator) Jika F hit > F tabel P<  Ho ditolak Varian berbeda Jika F hit < F tabel P >  Ho gagal ditolak Varian sama

6 x1 atau x2 = rata-rata sampel klp 1 atau 2
b. Uji untuk varian sama df = n1 + n2 – 2 dimana : x1 atau x2 = rata-rata sampel klp 1 atau 2 n1 atau n2 = jumlah sampel klp 1 atau 2 S1 atau S2 = standar deviasi sampel klp 1 atau 2 df = degree of freedom (derajat kebebasan) Sp = varian populasi

7 b. Uji untuk varian berbeda

8 Sample Question and Answer
The following slides are example questions using the layouts in the Quiz Show template. View them in slide show to see the answer animations.

9 Uji Beda 2 Mean Dependen Kelompok data dependen
Variabel Numerik & Katagorik Pre & Post

10 Rumus d = rata-rata deviasi/selisih sampel 1 dengan sampel 2
Sd = standar deviasi dari deviasi/selisih sampel 1 dan sampel 2

11 Contoh Kasus 1 Dari data yang tersedia ingin diketahui apakah ada perbedaan rata-rata berat badan bayi lahir antara ibu dengan pemeriksaan kehamilan (anc) yang baik dan tidak.

12 Langkah-Langkah Hipotesis
Ho : Tidak ada perbedaan rata-rata berat badan bayi lahir antara ibu dengan pemeriksaan kehamilan (anc) yang baik dan tidak. Ha : Ada perbedaan rata-rata berat badan bayi lahir antara ibu dengan pemeriksaan kehamilan (anc) yang baik dan tidak. Uji beda 2 mean Independen, Two Tail Level signifikansi α=0.05

13 4. Uji Homogenitas Varians
Ho : Varian berat badan bayi dengan ibu dengan anc baik sama dengan varian berat badan ibu dengan anc kurang Ha : Varian berat badan bayi dengan ibu dengan anc baik berbeda dengan varian berat badan ibu dengan anc kurang

14 df1 = = 27 (Numerator) df2 = = 21 (Denominator)

15 Tabel F : Denominator .. 24 ∞ 20 0,100 1,61 0,050 1,84 0,025 2,09 0,010 2,42 0,005 2,69 0,001 3,35 P vap value?? F=1,21

16 4. Hasil Uji statistik dari uji F Perbandingan p value dan α p value >α ( 0,548 > 0,05) sehingga keputusannya Ho gagal ditolak atau varians sama. 5. Uji beda dua mean dengan varian sama :

17 Hasil uji statistik dari uji t
Diperoleh nilai t hitung sebesar 9,225 df = n1 + n2 – 2 = – 2 =48 Hitung nilai p (p value) dengan tabel t df \ α 0.10 0.05 0.025 0.01 0.005 40 1,303 1,684 2,021 2,423 2,704 60 P value? 9,225

18 Perbandingkan nilai p dengan nilai α
0,000 < 0,05 , : p value < α ; Ho ditolak sehingga kesimpulannya ada perbedaan rata-rata berat badan bayi lahir antara ibu dengan pemeriksaan kehamilan (anc) yang baik dan anc kurang.

19 Penggunaan SPPS Klik Analyze, Compare Means (untuk melihat perbandingan rata-rata) dan Independent-Samples T-Test (uji t indenpenden)

20 Selanjutnya akan muncul tampilan seperti di bawah ini :

21 Masukkan variabel dependen (berat bayi lahir/BBL) di test variabel dan variabel independen (anc) di Grouping variabel.

22 Selanjutnya untuk menghilangkan tanda tanya (
Selanjutnya untuk menghilangkan tanda tanya (? ?) di Grouping Variable; Masukkan kode sesuai kode anc yang kita pergunakan dengan mengklik Define Groups. Pilih Use Specified Groups lalu kita isikan 0 di group 1 dan 1 di group 2, lalu klik Continue, OK.

23 Output

24 Diperoleh nilai t test 9,225 dan p (p value) sebesar 0.000.
Perbandingkan nilai p dengan nilai α 0,000 < 0,05 , : p value < α ; Ho ditolak sehingga kesimpulannya ada perbedaan rata-rata berat badan bayi lahir antara ibu dengan pemeriksaan kehamilan (anc) yang baik dan kurang baik.

25 Penyajian Tabel 1. Distribusi rata-rata berat badan bayi yang dilahirkan berdasarkan kunjungan selama kehamilan pada tenaga kesehatan / antenatal care (Anc) di Kec.X Tahun 2012 Variabel Rata-rata SD P value N Berat Badan ANC Baik 0.000 28 ANC Kurang 22