LOGO UJI BEDA MEAN DAN BEDA PROPORSI Uji
LOGO UJI BEDA MEAN DAN BEDA PROPORSI
Uji Beda Mean Uji Normalitas PARAMETRIK 2 mean independen homogen >2 mean paired 2 mean independen >2 mean paired Varian Homogen heterogen Independen t test NONPARAMETRIK Paired t test ANOVA Jika TIDAK HOMOGEN Mann-Whitney Wilcoxon Kruskal-Wallis
Tahapan Uji hipotesis 1. Buat hipotesis statistik (H 0) dan hipotesis alternatif (Ha) 2. Tentukan nilai α (kesalahan tipe 1) 3. Tentukan uji statistik yg akan digunakan u/ menganalisis data 4. Lakukan perhitungan statistik (tentukan nilai probabilitas/ p value) 5. Buat keputusan menolak atau menerima H 0. (p value ≤ α : H 0 ditolak dan p value > α : H 0 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 (X 2) • 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 ≤ 20% sel Tabel 2 x 2 Tabel >2 x 2 CC Pearson TIDAK BOLEH jk expected<1 Fisher Collaps Alternatif: LR
Chi Square 1. 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 2. Continuity Corection: digunakan khusus untuk tabel 2 x 2 3. Likelihood Ratio: digunakan bila sampel penelitian kecil dan mengantiipasi bila tabel tidak bisa di kolaps berdasarkan pertimbangan substansi 4. Fisher Exact test : digunakan apabila asumsi chi square tidak terpenuhi pada tabel 2 x 2 5. 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%)
- Slides: 15