Download - Uji statistik
UJI STATISTIK
WIRA HADI KUSUMA, ST
VARIABEL BEBAS
VARIABEL TERGANTUNG
Kategori Numerik
KategoriChi-Kuadrat, Log Linear, Logistik
T-test, ANOVA, Regresi linear
Numerik Regresi LogistikRegresi linear, korelasi
Pearson
Antara kategori dan Numerik
Regresi logistikRegresi Linear,
ANCOVA
UJI STATISTIK BERDASARKAN VARIABEL DAN TIPE DATA
TUJUAN
TIPE DATA
Numerik(Berdistribusi
Normal)
Rank, skor, Numerik tidak
NormalBinomial Survival Time
Deskriptif Mean, SDMedian,
Interquartile range
ProporsiKaplan Meier survival curva
Membandingkan satu group
One-sample t-test
Wilcoxon testChi-Square,
Binomial test
Membandingkan dua group
tidak berpasangan
Two independent
t-test
Man-Whitney test
Fisher’s test (Chi-square
untuk sampel besar)
Log-rank test, Mantel-Haenszel
Membandingkan dua group berpasangan
Paired t-test Wilcoxon testMcNemar’s
test
hazard regression
Membandingkan tiga atau lebih
group tidak berpasangan
One-way ANOVA
Kruskal-Wallis test
Chi-square test
Cox Proportional
hazard regression
Membandingkan tiga atau lebih
group berpasangan
Repeated measures ANOVA
Fridman test
Cochrane QCond. Prop.
Hazard regression
Hubungan kuantitas antara
dua variabel
Pearson correlation
Spearman correlation
Contingency coefficients
Prediksi dari satu variabel lain
Simple linear or non linear regression
Nonparametric
regression
Simple logistik
regression
Cox prop. Hazard
regression
Prediksi dari beberapa
pengukuran atau variabel binomial
Multiple linear or
nonlinear regression
Multiple logistic
regression
Cox prop. Hazard
regression
Numerik Perbandingan 2 Kelompok Berpasangan
Numerik Perbandingan >> dua kelompok >> Berpasangan
Uji t-paired Uji t-groupRepeat
MeasureOne Way ANOVA
Pearson
WilcoxonMann-
WhitneyFriedman
Kruskal-Wallis
Spearman
McNemar, Marginal
homogenity
Chi-square, Fisher E,
Kolmogorov-Smirnov
Cochran
Chi-square, Fisher E,
Kolmogorov-Smirnov
Sommer’sdGamma
McNemar, Marginal
homogenity
Chi-square Fisher E,
Kolmogorov-Smirnov
Cochran
Chi-square, Fisher E,
Kolmogorov-Smirnov
Koefisien Kontingensi
LambdaNominal
Numerik
Ordinal
Lebih dari 2 kelompokTidak
Berpasangan
Berpasangan
KorelatifTidak
Berpasangan
Berpasangan
2 kelompok
Perbandingan (komparatif)
Perbandingan (komparatif)
Perbandingan (komparatif)
HIPOTESIS
SKALA PENGUKURAN VARIABEL
No Uji Statistik1 Untuk Mengetahui Distribusi Data (Normalitas Data)
Secara analitik, dapat diuji dengan uji normalitas Kolmogorov-Smirnov atau Shapiro-Wilk (uji untuk mengetahui apakah sebaran data normal atau tidak). Uji dengan nilai kemaknaan (p) > 0,05 menunjukkan bahwa data yang diuji mempunyai sebaran data yang normal.
a. Sampel besar (≥30) digunakan uji Kolmogorov-Smirnov.b. Sampel kecil (<30) digunakan uji Shapiro-Wilk, karena untuk sampel kecil
uji Shapiro-Wilk lebih sensitive terhadap kenormalan suatu data.
2 Uji varians (Levene’s test of varians) digunakan untuk mengetahui apakah varian dua buah atau lebih kelompok data sama atau tidak. Jika uji varians menghasilkan nilai p > 0,05, maka varians dari data yang diuji adalah sama (homogen).
Uji statistik Uji alternatif3 T-test tidak berpasangan Mann-Whitney4 T-test berpasangan Wilcoxon5 Anova Kruskal-Wallis6 Repeat Measure Friedman7 Chi square Fisher, Kolmogorov-Smirnov (tergantung
jumlah kolom dan baris, nilai observer & ekspektasi setiap sel)
8 Uji korelasi Pearson Uji korelasi Spearman
PP SS
RaRaRROO11
OO44OO33
OO22
PP
KK
Uji Normalitas:
Analyze > Descriptive Statistics> Explore Klik Plots > Normality Plots with Tests (centang)
Uji Homogenitas, Komparabilitas, Efek perlakuan jika data berdistribusi normal maka digunakan uji parametrik yaitu uji t-group
dengan langkah-langkah:
Analyze > Compare Means > Independent sample t-test
Jika data tidak berdistribusi normal maka digunakan uji nonparametrik yaitu uji Mann Withney Dengan Langkah-langkah
Analyze > Nonparametrik > 2 independent sample
PP SS
RaRaRROO11
OO44OO33
OO22
PP11
KK
OO55 OO66PP22
Uji Normalitas: Analyze > Descriptive Statistics> Explore
Klik Plots > Normality Plots with Tests (centang) Uji Homogenitas, Komparabilitas, Efek perlakuan
jika data berdistribusi normal maka digunakan uji parametrik yaitu uji One Way ANOVA
dengan langkah-langkah:Analyze > Compare Means > One Way ANOVA
Jika data tidak berdistribusi normal maka digunakan uji nonparametrik yaitu uji Kruskal Wallis
dengan Langkah-langkah
Analyze > Nonparametrik > k independent sample
PP SS WOWORROO44OO33
OO22OO11
PP
OO33 O O44
KK
OO11 O O22
Keterangan:Keterangan:
K = KontrolK = Kontrol
P = PerlakuanP = Perlakuan
♣ Uji Normalitas: Analyze > Descriptive Statistics> Explore
Klik Plots > Normality Plots with Tests (centang)
♣ Uji Komparabilitas, Efek perlakuan♣ jika data berdistribusi normal maka digunakan uji
parametrik yaitu dengan uji t-paired dengan langkah-langkah: Analyze > Compare Means > paired sample t-test♣ jika data tidak berdistribusi normal maka digunakan
uji nonparametrik yaitu dengan uji Wilcoxon dengan langkah-langkah: Analyze > Nonparametrik > 2 related sample
Keterangan:Keterangan:
K = KontrolK = Kontrol
P1 = Perlakuan 1P1 = Perlakuan 1
P2 = Perlakuan 2 P2 = Perlakuan 2
PP SSRR KK
OO1 1 OO22
WO1WO1 WO2WO2
P1P1
OO3 3 OO44
P2P2
OO5 5 OO66
Uji Normalitas:Analyze > Descriptive Statistics> Explore Klik Plots > Normality Plots with Tests
(centang)
Uji Komparabilitas, Efek perlakuan jika data berdistribusi normal maka digunakan
uji parametrik yaitu dengan uji Repeat Measure dengan langkah-langkah: Analyze >> GLM >> Repeat Measure
jika data tidak berdistribusi normal maka digunakan uji nonparametrik yaitu dengan uji Fridmen
dengan langkah-langkah: Analyze >> Nonparametrik >> k related sample
Uji Normalitas:
Analyze > Descriptive Statistics> Explore
Klik Plots > Normality Plots with Tests (tick)
Continu OK