TUGAS PUT 205

“LANGKAH-LANGKAH PENGOPERASIAN”

Disusun Oleh :

IDA FARIDA RAHMAWATI (140901050)

SEKOLAH TINGGI ILMU KESEHATAN

STIKES PEMKAB JOMBANG

PROGRAM STUDI S1 KEPERAWATAN

2014 / 2015

 

  

TUGAS PUT

LANGKAH-LANGKAH PENGOPERASIAN

1.      UJI T SATU KELOMPOK

One sample t test merupakan teknik analisis untuk membandingkan satu variabel bebas. Teknik ini digunakan untuk menguji apakah nilai tertentu berbeda secara signifikan atau tidak dengan rata-rata sebuah sampel.

Uji t sebagai teknik pengujian hipotesis deskriptif memiliki tiga criteria yaitu uji pihak kanan, kiri dan dua pihak.

a.       Uji Pihak Kiri : dikatakan sebagai uji pihak kiri karena t tabel ditempatkan di bagian kiri kurva.

b.      Uji Pihak Kanan : Dikatakan sebagai uji pihak kanan karena t tabel ditempatkan di bagian kanan kurva.

c.       Uji dua pihak : dikatakan sebagai uji dua pihak karena t tabel dibagi dua dan diletakkan di bagian kanan dan kiri.

Contoh Kasus :

Contoh Rumusan Masalah : Bagaimana tingkat keberhasilan belajar siswa?

Hipotesis kalimat :

a.       Tingkat keberhasilan belajar siswa paling tinggi 70% dari yang diharapkan (uji pihak kiri / 1-tailed).

b.      Tingkat keberhasilan belajar siswa paling rendah 70% dari yang diharapkan (uji pihak kanan / 1-tailed).

c.       Tingkat keberhasilan belajar siswa tidak sama dengan 70% dari yang diharapkan (uji 2 pihak / 2-tailed).

Pengujian Hipotesis : Rumusan masalah satu

Hipotesis kalimat :

a.       Ha : tingkat keberhasilan belajar siswa paling tinggi 70% dari yang diharapkan.

b.      Ho : tingkat keberhasilan belajar siswa paling rendah 70% dari yang diharapkan.

Hipotesis statistik :

a.       Ha : µ ₀ < 70%

b.      Ho : µ ₀ ≥ 70%

Parameter uji :

a.       Jika – t tabel ≤ t hitung maka Ho diterima, dan Ha di tolak.

b.      Jika – t tabel > t hitung maka Ho ditolak, dan Ha diterima

Penyelesaian Kasus 1 (uji t pihak kiri).

Data hasil ulangan matematika siswa sebanyak 37 siswa.

1.      Klik analyze – pilih compare means - lalu pilih one sample T test.

2.      Masukkan variabel nilai ke dalam test variable box, abaikan yang lain kemudian klik OK.

3.      Selanjutnya uji normalitas data : Klik analyze - pilih non parametrics test – pilih 1 sampel K-S.

4.      Masukkan variabel nilai ke dalam test variable list - kemudian klik OK.

Maka akan keluar hasil

Hasil uji di atas menunjukkan bahwa t hitung = 61.488. T tabel diperoleh dengan df = 36, sig 5% (1 tailed) = 1.684. Karena – t tabel < dari t hitung (-1.684 < 61.488), maka Ho diterima, artinya tingkat keberhasilan belajar siswa paling tinggi 70% tidak terbukti, bahkan lebih dari yang diduga yaitu sebesar 74.3489.

Hasil uji normalitas data menunjukkan nilai Kol-Smirnov sebesar 0.600 dan Asymp. Sig tidak signifikan yaitu sebesar 0.864 (> 0.05), sehingga dapat disimpulkan data berdistribusi normal.

Pengujian Hipotesis : Rumusan masalah Dua

Hipotesis kalimat :

a.       Ha : tingkat keberhasilan belajar siswa paling rendah 70% dari yang diharapkan.

b.      Ho : tingkat keberhasilan belajar siswa paling tinggi 70% dari yang diharapkan.

Hipotesis statistik :

a.       Ha : µ ₀ > 70%

b.      Ho : µ ₀ < 70%

Parameter uji :

a.      Jika + t tabel > t hitung maka Ho diterima, dan Ha di tolak.

b.      Jika + t tabel < t hitung maka Ho ditolak, dan Ha diterima.

Penyelesaian Kasus 2 (uji t pihak kanan)

Data hasil ulangan matematika siswa sebanyak 37 siswa.

1.      Klik Analyze – pilih compare means - lalu pilih one sample T test.

2.      Masukkan variabel nilai ke dalam test variable box, abaikan yang lain kemudian klik OK.

3.      Selanjutnya uji normalitas data : Klik Analyze - pilih non parametrics test – pilih 1 sampel K-S.

4.      Masukkan variabel nilai ke dalam test variable list - kemudian Klik OK

Masih menggunakan hasil analisis di atas, maka diperoleh t hitung sebesar 61.488, dan t tabel = 1.684. Karena + t tabel < dari t hitung (1.684 < 61.488), maka Ho ditolak, dan Ha diterima. Artinya Ha yaitu tingkat keberhasilan siswa paling rendah 70% dari yang diharapkan diterima. Sedangkan Ho yang menyatakan bahwa keberhasilan belajar paling tinggi 70% ditolak.

2.      UJI T BERPASANGAN

Uji-t menilai apakah mean dan keragaman dari dua kelompok berbeda secara statistik satu sama lain. Analisis ini digunakan apabila kita ingin membandingkan mean dan keragaman dari dua kelompok data, dan cocok sebagai analisis dua kelompok rancangan percobaan acak.

Uji t berpasangan (paired t-test) biasanya menguji perbedaan antara dua pengamatan. Uji t berpasangan biasa dilakukan pada subjek yang diuji pada situasi sebelum dan sesudah proses, atau subjek yang berpasangan ataupun serupa. Misalnya jika kita ingin menguji banyaknya gigitan nyamuk sebelum diberi lotion anti nyamuk merk tertentu maupun sesudahnya. Lanjutan dari uji t berpasangan adalah uji ANOVA berulang.

Rumus yang digunakan untuk mencari nilai t dalam uji-t berpasangan adalah:

Uji-t berpasangan menggunakan derajat bebas n-1, dimana n adalah jumlah sampel.

Hipotesis pada uji-t berpasangan yang digunakan adalah sebagai berikut:

a.       H0 : D = 0 (perbedaan antara dua pengamatan adalah 0).

b.      Ha : D ≠ 0 (perbedaan antara dua pengamatan tidak sama dengan 0).

Ilustrasi :

Jika kita ingin membandingkan nilai matematika siswa di sebuah sekolah sebelum dan sesudah mengikuti bimbingan belajar, data yang diberikan adalah sebagai berikut:

Dengan SPSS 17.0 langkahnya sangat mudah:

1.      Pertama input data sebagai berikut :

2.      Kemudian pilih Analyze – Compare Means – Paired Samples T test, seperti berikut :

3.      Setelah muncul kotak dialog Paired-T test, masukkan kedua variabel ke kotak Paired Variables, kemudian klik continue – OK

4.      Akan ditunjukkan output sebagai berikut:

5.      Interpretasi

Nilai t-hitung yang dihasilkan adalah 4,015 pada derajat bebas 14 lebih besar daripada nilai t-tabel sebesar 1,761 (lihat tabel sebaran t). nilai sig.2-tailed lebih kecil daripada nilai kritik 0,05 (0,001 < 0,05) berarti kita dapat menolak H0 dimana perbedaan adalah tidak sama dengan nol, artinya tidak terdapat perkembangan signifikan dari hasil bimbingan belajar yang dilakukan terhadap bidang studi matematika di sekolah tersebut

3.      UJI T INDEPENDEN DAN DEPENDEN

Uji T Independen

 

Uji T Dependen

Uji-t untuk data berpasangan berarti setiap subjek diukur dua kali. Misalnya sebelum dan sesudah dilakukannya suatu intervensi atau pengukuran yang dilakukan terhadap pasangan orang kembar. Dalam contoh ini akan membandingkan data sebelum dengan sesudah intervensi.

Contoh Kasus :

Suatu studi ingin mengetahui pengaruh suatu metode diet, lalu diambil 28 ibu sebagai sampel untuk menjalani program diet tersebut. Pengukuran berat badan yang pertama (BBIBU_1) dilakukan sebelum kegiatan penyesuaian diet dilakukan, dan pengukuran berat badan yang kedua (BBIBU_2) dilakukan setelah dua bulan menjalani penyesuaian diet.

Buka SPSS, dan masukan datanya seperti ini :

Kita akan melakukan uji hipotesis untuk menilai apakah ada perbedaan berat badan ibu antara sebelum dengan sesudah mengikuti program diet, langkah-langkahnya sebagai berikut.

Dari menu utama, pilihlah:  Analyze-->Compare Mean-->Paired-Sample T-test…. 

Pilih variabel BBIBU_1 dan BBIBU_2 dengan cara mengklik masing-masing variable tersebut.
Kemudian klik tanda ‘segitiga’ untuk memasukkannya ke dalam kotak Paired-Variables.  Seperti nampak di bawah ini :

Selanjutnya klik OK untuk menjalankan prosedur. Pada layar Output tampak hasil seperti berikut:

Dari 28 subjek yang diamati terlihat bahwa rata-rata (mean) berat badan dari ibu sebelum intervensi (BBIBU_1) adalah 57.54, dan rata-rata berat badan sesudah intervensi (BBIBU_2) adalah 56,21. Uji ‘t’ yang dilakukan terlihat pada tabel berikut:

Dari hasil uji-t berpasangan tersebut terlihat bahwa rata-rata perbedaan antara BBIBU_1 dengan BBIBU_2 adalah sebesar 1.321. Artinya ada penurunan berat badan sesudah intervensi dengan rata-rata penurunan sebesar 1.32 kg.

Hasil perhitungan nilai “t” adalah sebesar 5,133 dengan p-value 0.000 dapat ditulis 0,001 (uji 2-arah). Hal ini berarti kita menolak Ho dan menyimpulkan bahwa  secara statistik ada perbedaan yang bermakna antara rata-rata berat badan sebelum dengan sudah intervensi.

4.      ANOVA

ANOVA merupakan lanjutan dari uji-t independen dimana kita memiliki dua kelompok percobaan atau lebih. ANOVA biasa digunakan untuk membandingkan mean dari dua kelompok sampel independen (bebas). Uji ANOVA ini juga biasa disebut sebagai One Way Analysis of Variance.

Asumsi yang digunakan adalah subjek diambil secara acak menjadi satu kelompok n. Distribusi mean berdasarkan kelompok normal dengan keragaman yang sama. Ukuran sampel antara masing-masing kelompok sampel tidak harus sama, tetapi perbedaan ukuran kelompok sampel yang besar dapat mempengaruhi hasil uji perbandingan keragaman.

Hipotesis yang digunakan adalah:

H₀: µ1 = µ2 … = µk (mean dari semua kelompok sama)

H_a: µi <> µj (terdapat mean dari dua atau lebih kelompok tidak sama)

Statistik uji-F yang digunakan dalam One Way ANOVA dihitung dengan rumus (k-1), uji F dilakukan dengan membandingkan nilai F_hitung (hasil output) dengan nilai F_tabel. Sedangkan derajat bebas yang digunakan dihitung dengan rumus (n-k), dimana k adalah jumlah kelompok sampel, dan n adalah jumlah sampel. p-value rendah untuk uji ini mengindikasikan penolakan terhadap hipotesis nol, dengan kata lain terdapat bukti bahwa setidaknya satu pasangan mean tidak sama.

Sebaran perbandingan grafis memungkinkan kita melihat distribusi kelompok. Terdapat beberapa pilihan tersedia pada grafik perbandingan yang memungkinkan kita menjelaskan kelompok. Termasuk box plot, mean, median, dan error bar.

Contoh Kasus.

Evaluasi pada metode pengajaran oleh pengawas untuk anak-anak sekolah Paket C adalah sebagai berikut:

Metode 1	Metode 2	Metode 3	Metode 4
10	11	13	18
9	16	8	23
5	9	9	25

Sebelum diinput ke dalam SPSS susunan data harus dirubah dahulu seperti tabel berikut:

Metode	Waktu
1	10
1	9
1	5
2	11
2	16
2	9
3	13
3	8
3	9
4	18
4	23
4	25

Data ini kemudian dapat dimasukkan ke dalam worksheet SPSS agar dapat dilakukan analisis.
Hipotesis yang digunakan adalah:

H₀ : µ1 = µ2 = µ3 = µ4 = µ5 (mean dari masing-masing kelompok metode adalah sama)

H₁: µ1 <> µ2 <> µ3 <> µ4 <> µ5 (terdapat mean dari dua atau lebih kelompok metode tidak sama)

Langkah-langkah pengujian One Way ANOVA dengan software SPSS adalah sebagai berikut:

1. Input data ke dalam worksheet SPSS, tampilannya akan seperti berikut ini:

Data view:

 

Variabel view:

 

2. Kemudian jalankan analisis dengan memilih ANALYZE – COMPARE MEANS – ONE WAY ANOVA, seperti berikut ini:

3. Setelah muncul kotak dialog, maka pindahkan metode ke DEPENDEN LIST, dan waktu ke FACTOR.

4. Setelah variabel dependen dimasukkan pilih OPTION, kemudian checklist Descriptive dan Homogeneity-of-Variance box, seperti gambar berikut kemudian klik continue.

5. Setelah itu pilih post Hoc Test, pilih Tukey, lalu continue – OK.

6. Setelah itu maka akan muncul output berupa:

7. Output Post Hoc Test akan berupa MULTIPLE COMPARRISON

8. Interpretasi:

Hasil uji Homogeneity-of-Variance box menunjukkan nilai sig. (p-value) sebesar 0,848, ini mengindikasikan bahwa kita gagal menolak H0, berarti tidak cukup bukti untuk menyatakan bahwa mean dari dua atau lebih kelompok metode tidak sama.

Hasil uji one way ANOVA yang telah dilakukan mengindikasikan bahwa uji-F signifikan pada kelompok uji, ini ditunjukkan oleh nilai F_hitung sebesar 11,6 yang lebih besar daripada F_(3,9) sebesar 3,86 (F_hitung > F_tabel), diperkuat dengan nilai p = 0.003 lebih kecil daripada nilai kritik α=0,05.

Tukey post hoc test untuk multiple comparisons mengindikasikan bahwa hanya kelompok 4 yang memiliki nilai sig. (F statistik) yang signifikan secara statistik. Hasil ini mengindikasikan bahwa perbedaan rata-rata antara metode waktu belajar 1, 2 dan 3 secara statistik tidak signifikan dan meannya secara signifikan berbeda daripada mean metode 4 yang signifikan secara statistik.

5.      KORELASI DAN REGRESI

Sebelum membuat analisa, laptop / komputer harus diinstal SPSS terlebih dahulu. SPSS yang saya gunakan adalah IBM SPSS Statistics 20 [Portable]. Setelah diinstal, lakukan langkah-langkah sebagai berikut :

1.      Input data ke SPSS.

Ada 2 view dalam SPSS, yaitu Data View dan Variable View. Data di input ke Data View. 

Sementara Variable View digunakan untuk memberi nama variabel.

2.      Langkah selanjutnya yaitu Uji Normalitas. Untuk melakukannya, pilih menu Analyze, kemudian pilih Descriptive Statistics, lalu Explore.

Setelah muncul kotak dialog, pindahkan variabel Nilai Impor dan Pendapatan Nasional ke kotak Dependent List. Kemudiakn klik Plots. Lalu aktifkan box Normality plots with tests, klik Continue lalu OK.

Ini hasil Uji Normalitas

3.      Tahap selanjutnya adalah tahap analisis. Pilih menu Analyze, lalu Correlate dan klik Bivariate.

Setelah muncul kotak dialog, pindahkan variabel Nilai Impor dan Pendapatan Nasional ke kotak Variables. Aktifkan box Pearson dan klik OK.

Ini hasil analisis Korelasi Pearson

4.      Untuk melakukan analisis Korelasi Spearman, caranya sama seperti melakukan analisis Korelasi Pearson. Hanya saja, box yang diaktifkan saat kotak dialog muncul adalah box Spearman. Kemudian klik OK.

Ini hasil analisis Korelasi Spearman

5.      Untuk melakukan analisis Korelasi Partial. Pilih menu Analyze, lalu Correlate dan klik Partial. 

Setelah muncul kotak dialog, pindahkan variabel Nilai Impor dan Pendapatan Nasional ke kotak Variables, dan variabel Tahun ke kotak Controlling for. Klik OK.

Ini hasil analisis Korelasi Partial

6.      Selanjutnya yaitu analisis Korelasi Ganda. Karena tidak ada menu khusus korelasi ganda di SPSS, maka menggunakan regresi. Pilih menu Analyze, lalu Regression dan klik Linear. 

Setelah muncul kotak dialog, pindahkan variabel Nilai Impor ke kotak Dependent dan variabel Pendapatan Nasional ke kotak Independent(s). Lalu klik OK.

Ini hasil analisis Korelasi Ganda

7.      Tahap selanjutnya yaitu analisis regresi. Untuk melakukan analisis Regresi Sederhana, pilih menu Analyze, lalu Regression dan klik Linear. 

Setelah muncul kotak dialog, pindahkan variabel Nilai Impor ke kotak Dependent dan variabel Pendapatan Nasional ke kotak Independent(s). Klik OK.

Ini hasil analisis Regresi Sederhana

8.      Untuk melakukan analisis Regresi Ganda. Pilih menu Analyze, lalu Regression dan klik Linear. Setelah muncul kotak dialog, pindahkan variabel Tahun ke kotak Dependent, sedangkan variabel Nilai Impor dan Pendapatan Nasional ke kotak Independent(s). Klik Statistics. Aktifkan box Collinearity diagnostics dan klik Continue. Klik OK.

Ini hasil analisis Regresi Ganda