Dokumen tersebut membahas tentang uji statistik yang dapat digunakan berdasarkan tipe data dan tujuan uji, meliputi:
1. Uji deskriptif dan normalitas untuk mengetahui distribusi data
2. Uji komparabilitas antara dua atau lebih kelompok baik berpasangan maupun tidak berpasangan
3. Uji hubungan antara dua variabel
2. VARIABEL
BEBAS
VARIABEL TERGANTUNG
Kategori Numerik
Kategori
Chi-Kuadrat, Log
Linear, Logistik
T-test, ANOVA, Regresi
linear
Numerik Regresi Logistik
Regresi linear, korelasi
Pearson
Antara kategori
dan Numerik
Regresi logistik
Regresi Linear,
ANCOVA
UJI STATISTIK BERDASARKAN VARIABEL DAN TIPE DATA
3. TUJUAN
TIPE DATA
Numerik
(Berdistribusi
Normal)
Rank, skor,
Numerik tidak
Normal
Binomial Survival Time
Deskriptif Mean, SD
Median,
Interquartile
range
Proporsi
Kaplan Meier
survival curva
Membandingk
an satu group
One-sample t-
test
Wilcoxon test
Chi-Square,
Binomial test
Membandingk
an dua group
tidak
berpasangan
Two
independent
t-test
Man-Whitney
test
Fisher’s test
(Chi-square
untuk sampel
besar)
Log-rank test,
Mantel-Haenszel
Membandingk
an dua group
berpasangan
Paired t-test Wilcoxon test
McNemar’s
test
hazard
regression
4. 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 Q
Cond. 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
Nonparamet
ric
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
7. Numerik
Perbandingan >> dua kelompok >> Berpasangan
Uji t-paired Uji t-group
Repeat
Measure
One Way
ANOVA
Pearson
Wilcoxon
Mann-
Whitney
Friedman
Kruskal-
Wallis
Spearman
McNemar,
Marginal
homogenity
Chi-square,
Fisher E,
Kolmogorov-
Smirnov
Cochran
Chi-square,
Fisher E,
Kolmogorov-
Smirnov
Sommer’sd
Gamma
McNemar,
Marginal
homogenity
Chi-square
Fisher E,
Kolmogorov-
Smirnov
Cochran
Chi-square,
Fisher E,
Kolmogorov-
Smirnov
Koefisien
Kontingensi
Lambda
Nominal
Numerik
Ordinal
Lebih dari 2 kelompok
Tidak
Berpasangan
Berpasangan
Korelatif
Tidak
Berpasangan
Berpasangan
2 kelompok
Perbandingan (komparatif) Perbandingan (komparatif)Perbandingan (komparatif)
HIPOTESIS
SKALA
PENGUKURAN
VARIABEL
8. No Uji Statistik
1 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 alternatif
3 T-test tidak berpasangan Mann-Whitney
4 T-test berpasangan Wilcoxon
5 Anova Kruskal-Wallis
6 Repeat Measure Friedman
7 Chi square Fisher, Kolmogorov-Smirnov (tergantung
jumlah kolom dan baris, nilai observer &
ekspektasi setiap sel)
8 Uji korelasi Pearson Uji korelasi Spearman
11. 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
13. 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
15. ♣ 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
16. Keterangan:Keterangan:
K = KontrolK = Kontrol
P1 = Perlakuan 1P1 = Perlakuan 1
P2 = Perlakuan 2P2 = Perlakuan 2
PP SS
RR KK
OO11 OO22
WO1WO1 WO2WO2
P1P1
OO33 OO44
P2P2
OO55 OO66
17. 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
18. Uji Normalitas:
Analyze > Descriptive Statistics> Explore
Klik Plots > Normality Plots with Tests
(tick)
Continu
OK