Successfully reported this slideshow.

More Related Content

Related Books

Free with a 14 day trial from Scribd

See all

Bab 11 uji independent student t-tes

  1. 1. Najmah, SKM, MPH. Faculty of Public Health, Sriwijaya University najem240783@yahoo.com
  2. 2. Today’s Topics • Uji Beda Rata-Rata Tidak Berpasangan (IndependentStudentT-Test). • AplikasiUji Independent StudentT-Test.
  3. 3. 1. Uji BedaRata-RataTidak Berpasangan (UjiT Independen/Independent Sample T-Test) • Standar deviasi diperoleh dari nilai varians gabungan 2 kelompok sampel yang akan diuji. • Ada 2 kemungkinan yakni varians sama dan varians yang berbeda. 2 kemungkinan nilai varians ini melahirkan 2 jenis perhitungan nilai standar deviasi gabungan yang digunakan dalam pengujian dan 2 jenis dari perhitungan degree of freedom (df) yang berbeda. • Untuk melakukan pengujian apakah varians sama atau berbeda maka dilakukan uji rasio nilai varians 2 kelompok tersebut. Hasil uji rasio 2 nilai varians tersebut menyebar mengikuti distribusi F (Fisher). Syntax : ttest [var numerik], by [var katagorik]  varian homogen ttest [var numerik], by [var katagorik] unequal  varian tidak homogen • Prosedur ini digunakan untuk membandingkan rata-rata sampel independen dengan menghitung Student t-test dan menampilkan probabilitas dua arah selisih dua rata-rata(2).
  4. 4. 2. AplikasiUji Student (T test) tidak berpasangan (IndependentT-Test) Sumber Data : Widyawati, 2015, Hubungan Pemberian Makanan Pendamping Asi DenganStatus GiziKurang Pada Anak Usia 12-24 Bulan Di Wilayah Puskesmas Lesung Batu Kabupaten Empat Lawang Tahun 2015,Skripsi FKM Unsri. Hipotesa 1: Ada hubungan antara berat badan anak (kg) (bbanak) dengan status gizi anak (1:kurus, 2: normal) (var no 22/C1). Kita asumsikan berat badan anak berdistribusi normal.
  5. 5. Langkah-langkah pada aplikasi SPSS: •Klik Analyze  Compare Means  Independent- Sample T Test
  6. 6. • Masukan variabel Berat Badan Anak ke dalam Test Variable (s) dan Status Gizi ke dalam Grouping VariableDefine Groups Masukkan kode Status Gizi yaitu 1 (Kurus) dan 2 (Normal) Continue.
  7. 7. a. Menguji Varians • Pada kotak Lavene’s test (nama uji hipotesa untuk menguji varians), nilai p=0.267. • Karena nilai p>0.05, maka varians data kedua kelompok sama (Terima Ho), tetapi yang perlu diingat adalah kesamaan varians tidak menjadi syarat mutlak untuk dua kelompok tidak berpasangan. • Karena varians sama, hasil uji t yang dilihat pada baris pertama (Equal Variances Assumed). Note: Uji Lavene • Ho : varians diasumsikan sama • Ha : varians diasumsikan berbeda
  8. 8. b. Tampilan laporan Gizi kurang Perbedaan rata-rata 95% Derajat Kepercayaan Nilai P Berat badan anak (kg) -1.85 (-2,43) hingga (-1,26) <0.0001
  9. 9. Interpretasi : • Perbedaan rata-rata (Mean Difference) = -1.85, mengindikasi rata- rata berat badan anak pada kelompok kurus lebih rendah 1.85 kg dibandingkan dengan rata-rata berat badan anak pada kelompok normal. • Di populasi umum, tingkat kepercayaan 95% mengindikasikan bahwa berat badan anak dapat menjadi faktor penyebab terjadinya status gizi kurang, dengan kisaran rata-rata berat badan 1.26 – 2.43 kg lebih rendah pada kelompok gizi anak kurang (kurus) dibandingkan status gizi normal. • Kesimpulanya berdasarkan nilai signifikansi, P value = <0.0001 (95% CI -2.43, -1.26), menunjukkan kuatnya signifikansi untuk menolak hipotes nul (Ho), dengan kata lain ‘adanya perbedaan rata-rata berat badan anak pada statusgizi anak yang kurus dan normal atau ada perbedaan signifikan antara berat badan anak dan status gizi kurang
  10. 10. •Hipotesa 2: Ada hubungan antara usia pemberian MP ASI pertama (bulan) dengan status gizi anak (1:kurus, 2: normal) (var no 22/C1) (p value <0.0001; OR 6,6). Kita asumsikan usia pemberian MP ASI pertama berdistribusi normal. Buka data wiwid_kasuskontrol all1.sav Sumber Data : Widyawati, 2015, Hubungan Pemberian Makanan Pendamping Asi DenganStatus GiziKurang Pada Anak Usia 12-24 Bulan Di Wilayah Puskesmas Lesung Batu Kabupaten Empat Lawang Tahun 2015,Skripsi FKM Unsri.
  11. 11. • Analyze  Compare Means  Independent Samples T test
  12. 12. • Masukkan variabel ‘Usia Awal Pemberian MP ASI’ ke kolom ‘test variabel’ dan variabel Status Gizi ke kolom ‘grouping variabel, lalu klik Define Groups, masukkan kode Status Gizi yaitu 1 (Kurus) dan 2 (Normal) • Klik Ok MP ASI
  13. 13. • Output SPSS
  14. 14. b. Laporan dan Interpretasi: Lengkapi laporan tabel dibawah ini berdasarkan data output SPSS diatas! Gizi kurang Perbedaan rata- rata 95% Derajat Kepercayaan Nilai P Usia badan anak (bulan) ……………… …………………………. ……………
  15. 15. • Menguji Varians Pada kotak Levene’s test (nama uji hipotesa untuk menguji varians), nilai p=0.268.
  16. 16. INTERPRETASI • Karena nilai p >0.05 maka varians data kedua kelompok sama (Terima Ho). Tetapi hal yang perlu diingat, kesamaan varians tidak menjadi syarat mutlak untuk dua kelompok tidak berpasangan. Karena varians sama, hasil uji t yang dilihat pada baris pertama (Equal Variances Assumed). • Perbedaan rata-rata (Mean Difference)= -0.125, mengindikasikan rata-rata usia awal pemberian MP ASI pada kelompok kurus lebih rendah 0.125 bulan dibandingkan rata-rata usia awal pemberian MP ASI pada kelompok normal.
  17. 17. Di populasi umum, tingkat kepercayaan 95 % mengindikasi bahwa perbedaan rata-rata Usia Awal Pemberian MP ASI berada dalam rentang -0.57 (lebih rendah 0.57 bulan pada kelompok kurus) dan 0.320 (lebih tinggi 0.320 bulan pada kelompok kurus). Kesimpulan berdasarkan nilai signifikansinya, P value = 0.578 (95 % CI -0.57, 0.320), menunjukkan lemahnya kekuatan signifikansi untuk menolak hipotesa nul (Ho), tidak ada perbedaan Usia Awal Pemberian MP ASI dengan Status Gizi
  18. 18. Langkah langkah pada aplikasi STATA: Command Syntax : ttest [var numerik], by [var katagorik]  varian homogen ttest [var numerik], by [var katagorik] unequal  varian tidak homogen Masukkan variabel bbanak dan statusgizi ke dalam command syntax
  19. 19. Pr(T < t) = 1.0000 Pr(|T| > |t|) = 0.0000 Pr(T > t) = 0.0000 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 Ho: diff = 0 Satterthwaite's degrees of freedom =57.6665 diff = mean(Normal) - mean(Kurus) t = 6.2909 diff 1.85 .2940756 1.261271 2.438729 combined 80 9.1975 .1793799 1.604422 8.840453 9.554547 Kurus 40 8.2725 .132529 .8381871 8.004435 8.540565 Normal 40 10.1225 .2625195 1.660319 9.591504 10.6535 Group Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] Two-sample t test with unequal variances . ttest bbanak, by(statusgizi) unequal Pr(T < t) = 1.0000 Pr(|T| > |t|) = 0.0000 Pr(T > t) = 0.0000 Ha: diff < 0 Ha: diff != 0 Ha: diff > 0 Ho: diff = 0 degrees of freedom = 78 diff = mean(Normal) - mean(Kurus) t = 6.2909 diff 1.85 .2940756 1.26454 2.43546 combined 80 9.1975 .1793799 1.604422 8.840453 9.554547 Kurus 40 8.2725 .132529 .8381871 8.004435 8.540565 Normal 40 10.1225 .2625195 1.660319 9.591504 10.6535 Group Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] Two-sample t test with equal variances . ttest bbanak, by(statusgizi)
  20. 20. thankyou Referensi

×