Sekolah Tinggi Ilmu Kesehatan.

Presentasi berjudul: "Sekolah Tinggi Ilmu Kesehatan."— Transcript presentasi:

1 Sekolah Tinggi Ilmu Kesehatan.
STIKes BANTEN. / 5. BSD City. UJI STATISTIK. Oleh. Dr.Resna AS MPH. Sekolah Tinggi Ilmu Kesehatan. Banten. SERPONG.

2 Bagan Asosiasi Peristiwa 1 Peristiwa 2 Uji Chi - sq Not significant
STIKes BANTEN. / 5. BSD City. Bagan Asosiasi Peristiwa Peristiwa 2 Uji Chi - sq Not significant Significant Eksperimen Asosiasi Skunder Asosiasi Primer Molekuler ‘Indirect’ ‘Direct’

3 Hal yg perlu diperhatikan dalam Memilih Uji Statistik.
STIKes BANTEN. / 5. BSD City. Hal yg perlu diperhatikan dalam Memilih Uji Statistik. 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

4 STIKes BANTEN. / 5. BSD City. Jumlah Variabel. 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

5 Skala Pengukuran. Non Parametrik. Untuk skala pengukuran yang berbeda
STIKes BANTEN. / 5. BSD City. Skala Pengukuran. Untuk skala pengukuran yang berbeda Pakai uji statistik yang berbeda Nominal dan ordinal : Non Parametrik Interval dan rasio: Paremetrik & Non Parametrik.

6 Cara Pengambilan Sampel.
STIKes BANTEN. / 5. BSD City. Cara Pengambilan Sampel. 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

7 STIKes BANTEN. / 5. BSD City. Besar Sampel. 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

8 Tahap-tahap Uji Statistik.
STIKes BANTEN. / 5. BSD City. Tahap-tahap Uji Statistik. 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

9 STIKes BANTEN. / 5. BSD City. Hypotesis Nol (Ho) 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

10 Populasi Normal. Asumsi
STIKes BANTEN. / 5. BSD City. Populasi Normal. Asumsi SAMPEL berasal dari populasi dengan Distribusi Normal bila: 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 %

11 Grafik Curve Normal. X  1 SD = 68.3 % Mean = Mediam = Modus
STIKes BANTEN. / 5. BSD City. Grafik Curve Normal. Mean = Mediam = Modus X  1 SD = 68.3 % X  2 SD = 95.5 % X  3 SD = 99.7 %

12 Distribusi Sampel. Asumsi
STIKes BANTEN. / 5. BSD City. Distribusi Sampel. 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

13 Probabilitas (nilai p)
STIKes BANTEN. / 5. BSD City. Probabilitas (nilai p) 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

14 STIKes BANTEN. / 5. BSD City. Tingkat Kemaknaan. 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

15 Kesalahan Type Alpha & Beta.
STIKes BANTEN. / 5. BSD City. Kesalahan Type Alpha & Beta. 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

16 Memilih Uji Statistik. Uji 1 variabel: Uji 3 variabel Uji 2 variabel
Bionominal Anova Chi-square Multipel K.S regresi Run tes Uji 2 variabel Chi-square Mc. Nemar Fisher Exact Uji tanda K.S. Cochran’S Unpair- t-test Pair-t-test Peorsons’s Wilcoxon

17 UJI Parametrik. Uji Parametrik :
STIKes BANTEN. / 5. BSD City. UJI Parametrik. 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

18 Uji Non Parametrik. Uji non parametrik
STIKes BANTEN. / 5. BSD City. Uji Non 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

19 Degree of freedom.(df ). Derajat kebebasan. Df = n – 1.
STIKes BANTEN. / 5. BSD City. Degree of freedom.(df ). Derajat kebebasan. Df = n – 1. Jumlah yang diobservasi = n. Df dua kelompok atau tabel. Df = ( k – 1 ) ( r – 1 ). Colum / kolom. Row / baris.

20 Uji Chi- Square (X.2). X² = E Ada 2 jenis : yaitu Tabel 2x2 dan BxK
STIKes BANTEN. / 5. BSD City. Uji Chi- Square (X.2). 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 X² Bila X² > NK Ho ditolak dan >< Rumus: (O-E)² X² = E

21 Uji Fisher’ Exact. Tes asosiasi antara 2 variabel
STIKes BANTEN. / 5. BSD City. Uji Fisher’ Exact. 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

22 Kolmogorov-Smirnov test.
STIKes BANTEN. / 5. BSD City. Kolmogorov-Smirnov test. Untuk 2 var yang bersifat independent Bentuk tabel besar Buat tabel frek.komulatif Hitung d untuk tiap kolom Tentuka D maksimum Nilai kritis Tabel X² dengan db = 2 n1 n2 X² = 4D² n1 = n2

23 Uji Parametrik. Unpaired t-test Paired t-test Z-test
STIKes BANTEN. / 5. BSD City. Uji Parametrik. Unpaired t-test Paired t-test Z-test Z-test satu sempel Analisa korelasi Analisa regresi

24 Unpaired T- test. Untuk membandingkan 2 sampel X1-X2 T =
STIKes BANTEN. / 5. BSD City. Unpaired T- test. Untuk membandingkan 2 sampel X1-X2 T = S gab. · 1/n1+1/n2 · S gab=· {(n1-1)s² +(n2-1)s² } n1+n2-2 · Nilai p lihat nilai tabel T dengan db = n1+n2-2

25 Paired T – test. Untuk 2 sampel kecil yang dependent
STIKes BANTEN. / 5. BSD City. Paired T – test. 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

26 Z - Test. Untuk 2 sampel dengan n > 30
STIKes BANTEN. / 5. BSD City. Z - Test. Untuk 2 sampel dengan n > 30 Nilai Z dilihat pada tabel normal X1-X2 Z = (SX1²/nX = SX2²/nX2)

27 Nilai Kurve Normal. Nilai Z dilihat pada tabel normal
STIKes BANTEN. / 5. BSD City. Nilai Kurve Normal. Nilai Z dilihat pada tabel normal p = z =

28 Z – test 1 sampel. Untuk 1 sampeldengan n > 30
Nilai Z dilihat pada tabel normal Nilai p didapat dengan membandingkan nilai Z dengan nilai kritis X – H Z = S/ n

29 STIKes BANTEN. / 5. BSD City. Analisa Korelasi. Untuk 2 sampel dengan variabel kuantitatif / continuos n Σ XY – (Σ X)(Σ X) R = {nΣX²-Σ(X)²}{ΣY²-Σ(Y)²}

30 R = > 0.25 tak ada korelasi
Nilai korelasi antara – Kuatnya hubungan = r. R > 0.7 sangat kuat R = kuat R = 0.5—0.25 cukup R = > 0.25 tak ada korelasi

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

32 Evaluasi Garis Regresi.
Menghitung r² Menghitung hipotesis Kesimpulan dengan tidak melihat nilai T (NK) Ho diterima atau ditilak

33 Analisa Garis Regresi. Hubungan 2 variabel dapat memprediksi perubahan pada variabel dependen n Σ XY – (Σ X)(Σ X) r = {nΣ X²}{nΣ Y²} a = Y - bX

34 Tingkat Pengukuran dan Test Statistik yang cocok untuk masing- masing Tingkat.
SKALA HUBUNGAN YG MEMBATASI. CONTOH STAT. YG COCOK. T. STATISTIK YG SESUAI. NOMINAL. ORDINAL. EKIUVALENSI LEBIH BESAR DARI MODUS FREQUENSI KOEF. KONTINGENSI. MEDIAN. PERSENTIL. SPEARMAN rs. KENDALL t. KENDALL w. NON PARAMETRIK. .

35 SKALA HUBUNGAN YG MEMBATASI. CONTOH STAT. YG COCOK.
T. STATISTIK YG SESUAI. INTERVAL RASIO. EKIUVALENSI. LEBIH BESAR DARI. RASIO SEMBARANG 2 INTERVAL DIKETAHUI. IDEM DIATAS + RASIO SEMBARANG 2 HARGA SKALA DIKETAHUI. MEAN. DEV. STANDAR KORELASI PEARSON. KARELASI MOMEN HASIL X GANDA. MEAN GEOMETRIK. KOEFISIEN VARIASI. NON PARAMETRIK. DAN. PARAMETRIK..

36 Pemilihan Uji Statistik.
VARIABEL. NOMINAL. ORDINAL. UJI. DUA KATA GORI DUA KATA GORI ATAU LEBIH KATA GORI. SKOR. BINO MIAL. CHI SQUARE K.S.

37 Dua Variabel tidak berkaitan.
SKOR DISTRIBUSI NORMAL. PEARSON r. VARIABEL SATU. NOMINAL. ORDINAL. INTERVAL. 2 KEL > 3 KEL KEL. SKOR SKOR DIST NORM N O M I 2 KELOMPOK FISHER CHI SQUARE MANN WHIT ANOVAR 1 FAKTOR. = / > DARI 3 KELOM CHI SQUARE KRUSK WALLIS O R D I KELOMPOK. KENDALL’ S ANOVAR TREND. SKOR. KEN DALL

38 Dua Variabel berkaitan.
VARIABEL II ANOVAR VARIABEL I 2 KEL. 3 > KEL KEL. SCORE I T E R V A L 2 KELOM POK Mc. NEMAR COECH RAN Q. SIGN TEST. WILCOX - t BERKAITAN ATAU ANOVAR. = > 3 KELOM POK ANOVAR 2 FACTOR. O R D I N KELOM POK. PAGE’ sL