Widiawan Sukarno A.

Program Pendidikan Ners

STIKes Budi Luhur Cimahi
 Jenis Penelitian Skala pengukuran Alat statistik

Deskriptif Nominal Binomial atau Chi

kuadrat
Deskriptif Ordinal Run Test
Deskriptif Interval / Rasio T-Test
Komparatif Nominal Mc. Nemar

Komparatif Ordinal Sign-Test / Wilcoxon

Matched Pairs
Komparatif Interval / rasio T-Test
Komparatif Nominal Fisher / Chi kuadrat
Komparatif Ordinal Median-Test, Mann
Whitney, U-Test,
Kolmogorov Smirnov,
Run Wald-Wolvowiltz
Komparatif Interval / rasio T-Test
 Jenis Penelitian Skala pengukuran Alat statistik

Komparatif Nominal Cochran Q

Komparatif Ordinal Friedman
Komparatif Interval / rasio Anova
Komparatif Nominal/ ordinal/ Chi Square
interval
Komparatif Ordinal Median Extention,
Kruskal walls
Komparatif Interval / rasio Anova
Asosiatif Nominal Koefisien kontigensi
Asosiatif Ordinal Koefisien spearman
Rank

Asosiatif Interval / rasio Korelasi pearson

product moment,
korelasi parsial,
korelasi berganda,
regresi
PENDAHULUAN
 Pada Uji T ditemukan Uji Beda Mean
Dua Kelompok data independen dan
dependen
 Analisis data seperti <2 kelompok
(kurang dari 2 kelompok)
 Jika uji t digunakan untuk
membandingkan 2 rata-rata/parameter
sampel
 Analisis data seperti >2 kelompok (lebih
dari 2 kelompok)
 Disebut juga Analisis Data Beda Lebih
Dari Dua Mean (ANOVA digunakan untuk
membandingkan rata-rata lebih dari 2
sampel)
 Dalam menganalisisnya menggunakan uji
ANOVA/Uji F
 Misal : Perbedaan mean berat badan
bayi untuk daerah Bekasi, Bogor, dan
Tanggerang
PRINSIP UJI ANOVA
 Telaah variabilitas data menjadi dua
sumber variasi
 Membandingkan varian dalam kelompok
(within), dan varian antar kelompok
(between)
 Bila nilai perbandingan kedua varian = 1
(within dan between), Maka mean-mean
yang dibandingkan tidak ada perbedaan
 Bila nilai perbandingan kedua varian > 1
(within dan between), Maka mean-mean
yang dibandingkan ada perbedaan
Tipe ANOVA
 Analisis varian satu faktor (one way)
Satu faktor tetap (level yang ditetapkan oleh peneliti) yang dapat
memiliki jumlah pengamatan yang tidak sama (tidak seimbang) atau
sama (seimbang) per kombinasi pengobatan

 Analisis varian dua faktor (two way)

Dua faktor tetap dan membutuhkan desain yang seimbang

 Balanced Model
Dapat mengandung sejumlah faktor tetap dan acak (level dipilih secara
acak), dan faktor bersilangan dan bersarang, tetapi membutuhkan
desain yang seimbang.

 General Linear Model

Perluas Balanced ANOVA dengan memungkinkan desain dan kovariat
yang tidak seimbang (variabel kontinu)

 Karena analisis two way jarang digunakan maka analisis data pada
ANOVA menggunakan one way
ASUMSI ANOVA
 VARIAN HOMOGEN (Varians untuk
masing-masing populasi adalah sama)
 Subjek dalam setiap group diambil secara
RANDOM
 SAMPLE/KELOMPOK INDEPENDEN
(Sampel tidak berhubungan satu sama
lain)
 DATA/POPULASI BERDISTRIBUSI
NORMAL
 NUMERIK (satu kelompok) VS
KATEGORIK (lebih dari dua kelompok)
Analisis Multi Comparison
 Mengetahui lebih lanjut kelompok mana
saja yang berbeda mean-nya
 Bilamana pengujian anova dihasilkan
ada perbedaan yang bermakna (H0
ditolak)
 Macam analisis multiple comparison
(Bonferroni, Honestly Significant
different (HSD), Scheffe dll)
CASE ANOVA
 Penelitian “Perbedaan Tekanan Darah
Setelah melahirkan ibu terhadap riwayat
mengalami tidak pernah prematur, 1 kali
prematur, 2 kali prematur dan > 2 kali
prematur
TEST KENORMALAN
 Variabel Mean SD CI P VALUE

TIDAK 117,55 5,430 116,21-118,88 0,032

PERNAH
SATU KALI 115,38 4,351 113,97-116,79
DUA KALI 115,25 4,261 114,15-116,35
>DUA KALI 116,00 3,873 113,86-118,14

Rata-rata tekanan darah ibu yang tidak pernah mengalami prematur

adalah 117,55 dengan standar deviasi 5,430. Pada mereka yang pernah
satu kali mengalami prematur rata-rata TD adalah 115,38 dengan standar
deviasi 4,351. pada mereka yang pernah mengalami prematur dua kali
rata-rata TD adalah 115,25 dengan standar deviasi 4,261. Pada mereka
yang lebih dari dua kali mengalami riwayat prematur rata-rata TD adalah
116,00 dengan standar deviasi 3,873. Hasil uji statistik didapatkan nilai P
value = 0,032, berarti pada alpa 5% dapat disimpulkan ada perbedaan TD
ibu diantara keempat riwayat prematur.
Analisis selanjutnya membuktikan bahwa kelompok berhubungan yang
berbeda signifikan adalah ibu yang tidak pernah mengalami prematur
dengan ibu yang pernah mengalami prematur dua kali.
LATIHAN
 HUBUNGAN BBLR DENGAN RIWAYAT
HYPERTENSI
 HUBUNGAN RIWAYAT PREMATUR
DAN BERAT BADAN SAAT HAMIL
(GANJIL) T-TEST
 HUBUNGAN UMUR DAN RIWAYAT
HYPERTENSI (GENAP) ANOVA
Kruskall Wallis
 Uji beda mean lebih dari dua kelompok
(non Parametrik)

 HUBUNGAN ANTARA RIWAYAT

PREMATUR DENGAN BERAT BADAN
IBU SETELAH MELAHIRKAN
UJI KENORMALAN
ANALYZE, NON PARAMETRIC TEST, K-
INDEPENDEN SAMPLES
BBIBU2 MASUKAN KE TEST VARIABLE (NUM), RIWAYAT
MASUKAN KE GROUPING VARIABEL (KAT), KLIK DEFINE
RANGE, ISI MIN “0”, MAX “3”, OK
 Distribusi rata-rata berat badan responden
menurut riwayat persalinan prematur
VARIABEL N MEAN RANK P VALUE
Tidak Pernah 66 100,46 0,198
Satu Kali 39 89,50
Dua Kali 60 83,61
Lebih dua kali 15 76,83

Dari hasil penelitian didapatkan bahwa mean rank ibu yang tidak pernah mengalami
Prematur adalah 100,46 dengan jumlah 66 orang. Pada ibu yang pernah sekali
mengalami premature Mean ranknya adalah 89,50 dengan jumlah 39 orang. Pada ibu
yang pernah mengalami premature dua kali Adalah 83,61 dengan jumlah 60 orang.
Pada ibu yang pernah mengalami premature lebih dari dua kali adalah 76,83.
dengan jumlah 15 orang Hasil uji statistic didapatkan nilai P = 0,198,
berarti pada alpa 5% terlihat TIDAK ADA PERBEDAAN yang signifikan berat
badan ibu diantara keempat riwayat Prematur tersebut
UJI T DEPENDEN LEBIH DARI 2 KELOMPOK
BERPASANGAN/FRIEDMAN (NON PARAMETRIK)
 KASUS : peneliti akan mengyuji tiga metode
untuk menurunkan tekanan darah sistole
pasien. Uji tersebut dilakukan terhadap 10
pasien. Metode yang akan diteliti adalah
minum obat, diet makanan dan latihan
pernapasan. Pada metode ini 1 orang
melakukan 3 metode penurunan tekanan
darah yang berbeda, yang berarti bahwa data
yang diisi adalah data milik 10 orang saja,
dimana setiap 1 orang masing-masing
mencoba ketiga metode tersebut. Data yang
diperoleh adalah data tekanan darah sistol
setelah mereka melakukan metode tersebut
Orang Ke Minum Obat Diet Makan Latihan
Pernapasan
1 130 120 110
2 125 125 125
3 120 130 110
4 110 120 120
5 130 125 130
6 125 130 110
7 115 130 115
8 120 125 125
9 125 120 125
10 130 125 110
Analyze, non parametric test, k-
related samples
Klik 3 var yang akan diuji ke
kotak “Test Variable”, OK
Distribusi Responden menurut ketiga
metode penurunan tekanan darah
Variabel N Mean Rank P Value
MINUM OBAT 10 2,05 0,508
DIET MAKANAN 2,20
PERNAPASAN 1,75

 Dari hasi penelitian didapatkan bahwa mean rank untuk minum

obat adalah 2,05. kemudian mean rank untuk metode diet minum
obat adalah 2.20, sedangkan mean rank untuk metode pernapasan
adalah 1,75. hasil uji statistic didapatkan nilai P = 0,508, berarti
pada alpa 5% terlihat tidak ada perbedaan yang signifikan
penurunan darah antara ketiga metode penurunan tekanan darah
tersebut
Repeated ANOVA
 Uji beda nilai rata-rata pada lebih dari 2
kelompok yang berpasangan (Dependen)
 Pengukuran yang dilakukan berulang kali
terhadapt variable dependent pada kondisi
atau waktu yang berbeda
 Variabel dependent berskala rasio/interval
 Perpanjangan dari uji T berpasangan
(Paired T Test) karena dapat digunakan
untuk lebih dari 2 kelompok yang
berpasangan
contoh
 Peneliti ingin mengetahui perubahan nilai
rata-rata pada 3 waktu atau lebih. Misal
kadar glukosa darah waktu sebelum
makan, setelah makan, dan 2 jam setelah
makan
 Peneliti ingin mengetahui 3 kondisi atau
lebih. Misal perbedaan nilai rata-rata atau
skor pengetahuan TBC dengan 3 kali
pengukuran menggunakan kuesioner yang
berbeda. subjek yang sama diukur 3 kali
dengan kondisi jenis kuesioner yang beda
Asumsi/syarat RA
 Var dependen : rasio/interval
 Var Independen : kategorikal
(wkt/kondisi)
 Distribusi NORMAL
KASUS REPEATED ANOVA
 Kadar glukosa darab berubah sesuai
dengan kondisi tertentu. Pasien dengan
DB yang mendapat insulin biasanya akan
memperoleh injeksi insulin 15 menit
sebelum makan.
 Peneliti ingin mengetahui seperti apa
perubahannya dan apakah perubahan
kadar glukosa darah pada waktu sebelum
makan, 15 menit setelah injeksi insulin,
setelah makan pasca injeksi insulin, dan 2
jam setelah makan pasca injeksi insulin
berbeda bermakna?
Uji asumsi RA dan Kenormalan : klik Analyze,
General Linear Model, Repeated Measures
Langkah selanjutnya
 Isikan within-subject factor name dengan
waktu (karena kita melakukan pengukuran
berulang terkait 4 waktu yang berbeda)
 Number of Levels diisi dengan jumlah
pengukuran yang dilakukan (4)
 Klik Add
 Pastikan waktu muncul pada kotak
sebelahnya
 Klik Define
4
1. Pindahkan 4 variable yang akan diuji ke
kotak within-subject variable (waktu).
Perhatikan kode nomor yang ada pd tanda
kurung, itu menujukan urutan pengukuran,
pada uji Post Hoc nya (tabel pairwise
comparisons) hanya akan ditampilkan nomor
ini
2. Klik, Option (uji lanjutan dgn post hoc)
3. Pindahkan Waktu ke kotak Display Means
For
4. Centang Compare Main Effect
5. Pilih Bonferroni
6. Klik, Continue, OK
Selanjutnya
1. klik, save
2. centang, Standardized
3. klik continue, klik OK

4
 Selanjutnya akan muncul hasil analisis
pada output. Sebelum kita membaca
hasil analisis, kita harus uji asumsi yang
harus dipenuhi yaitu Residual harus
berdistribusi normal untuk setiap
pengukuran
 Klik, Data View, maka akan ditemukan 4
var baru : ZRE_1 – ZRE_4
 Nilai ini yang akan diuji normalitas
distribusinya
Analyze >Descriptive Statistics > Explore
 Karena normal kita bisa gunakan hasil RA
yang sudah kita lakukan di awal. Lihat kembali
jendela Output untuk hasil RA
 Perhatikan tabel Maunchly’s Test of
Sphericity
 Sig (P=0,004 < 0,05
 Artinya varians perbedaan antar kombinasi
seluruh waktu terkait berbeda signifikan, maka
data kita tidak memenuhi syarat sperisitas
 Jika tidak terpenuhi menggunakan nilai
Greenhouse-Geisser
 Pada tabel Test of Within-Subject Effect,
karena sperisitas tidak terpenuhi maka
kita tidak dapat menggunakan nilai pada
Sphericity Assumed, namun kita dapat
menggunakan nilai koreksi Greenhouse-
Geiser
 Nilai P = 0,000/0,001 = P<5%
 Maka dari hasil ini kita tahu minimal ada
2 waktu pengukuran yang nilai rata-rata
kadar glukosanya berbeda signifikan
 Sehingga dapat kita simpiulkan
berdasarkan uji RA dengan koreksi
Greenhouse-Geisser, terdapat perbedaan
kadar glukosa darah yang signifikan antar
pengukuran
 F(df waktu, df error = Nilai F; p=nilai sig
 F (1,868,35,485)=3132,506  P<0,001
 Bila asumsi sperisitas terpenuhi, gunakan
nilai F, nilai df wkt, nila df error dan nilai sig
pada baris Sphericity Assumed
Selanjutnya, untuk mengetahui antar waktu pengukuran yang mana
yang saling berbeda signifikan nilai rata-rata kadar glukosa
darahnya, dapat dilihat pada tabel Pairwise Comparisons (hasil uji
post hoc)
Pada tabel di atas, dapat kita ketahui ada 6
kombinasi yang mungkin

 Nomor 1 (GD sebelum makan) dibandingkan

dengan nomor 2 (GD 15 menit setelah injeksi
insulin) nilai rata-rata kadar glukosanya turun
sebesar 120,45 dr/dl dan perbedaannya signifikan
(p<0,001)
 Nomor 1 (GD sebelum makan) diandingkan dengan
nomor 3 (GD setelah makan pasca injeksi insulin) nilai
rata-rata kadar glukosanya turun sebesar 91,2 gr/dl,
dan perbedaanya signifikan (p<0,001)
 Nomor 1 (GD sebelum makan) diandingkan dengan
nomor 4 (GD 2 jam setelah makan pasca injeksi
insulin) nilai rata-rata kadar glukosanya turun sebesar
110,6 gr/dl, dan perbedaanya signifikan (p<0,001)
 Nomor 2 (GD 15 menit setelah injeksi insulin)
dibandingkan dengan nomor 3 (GD setelah
makan pasca injeksi insulin) nilai rata-rata kadar
glukosanya naik sebesar 29,25 gr/dl, dan
perbedaanya signifikan (p<0,001)
 Nomor 2 (GD 15 menit setelah injeksi insulin)
dibandingkan dengan nomor 4 (GD setelah 2 jam
makan pasca injeksi insulin) nilai rata-rata kadar
glukosanya naik sebesar 9,85 gr/dl, dan
perbedaanya signifikan (p<0,001)
 Nomor 3 (GD setelah makan pasca injeksi
insulin) dibandingkan dengan nomor 4 (GD 2 jam
setelah makan pasca injeksi insulin) nilai rata-
rata kadar glukosanya turun sebesar 19,4 gr/dl,
dan perbedaanya signifikan (p<0,001)
Perubahan kadar glukosa yang
dapat kita lihat adalah
 Nilai rata-rata kadar glukosa darah dari
sebelum maan dan setelah 15 menit
mendapat injeksi insulin turun sebesar
120, 45 (P<0,001), kemudian naik
sebesar 29,25 gr/dl (P<0,001) setelah
makan pasca injeksi insulin, kemudian
turun sebesar 19,4 gr/dl (P<0,001) 2 jam
setelah makan pasca injeksi insulin
Berdasarkan hasil uji RA dan analisis yang
dilakukan dapat kita laporkan sbb :
 Berdasarkan uji RA dengan koreksi GHG,
terdapat pebedaan kadar glukosa darah
yang signifikan antar waktu pengukuran [F
(1,868,35,485)=3132,506  P<0,001]
 Nilai rata-rata kadar glukosa darah dari
sebelum makan dan setelah 15 menit
menapat injeksi insulin TURUN sebesar
120,45 (p<0,001), kemudian naik sebesar
29,25 gr/dl (p<0,001) setelah makan pasca
insulin, kemudian turun sebesar 19,4 gr/dl
(p<0,001) 2 jam setelah makan pasca
injeksi insulin
SEKIAN
 Sumber www.statistikesehatan.com