Biostatistika_Kel.1.pdf.pdf ppt kel kelo

Biodata

1. Kelompok 1 (6B)
Dosen pengampu : Dr. Erni Rita, S.Kep.,Ns. M.Epid

2. Fritzie Briana Malika
Rihadatul Aisy
Nirma Nurifah Khairunisa
Mohammad Hafid
22090200052
22090200063
22090200074
22090200081

3. rata-rata sampel
Distribusi T adalah distribusi untuk probabilitas
sampel ukuran kecil maka nilai standar deviasi (s)
berfluktuasi relatif besar, sehingga nilai uji Z (Z
/r√n) tidak bersifat normal.
Oleh karena itu, untuk sebaran distribusi sampel
kecil dikembangkan suatu distribusi khusus yang
dikenal sebagai distribusi t atau t-Student. Nilai-
nilai distribusi t dinyatakan sebagai berikut:

4. Distribusi t-student seperti distribusi Z. merupakan sebuah distribusi kontinu, di
mana nilainya dapat menempati semua titik pengamatan.
Distribusi student seperti distribusi Z berbentuk genta atau lonceng dan simetris
dengan nilai rata-rata sama dengan 0.
Distribusi t-student bukan merupakan satu kurva seperti kurva Z, tetapi keluarga
dari distribusi t. Setiap distribusi t mempunyai rata-rata hitung sama dengan nol,
tetapi dengan standar deviasi yang berbeda-beda, sesuai dengan besarnya sampel
(n). Ada distribusi t untuk sampel berukuran 2, yang berbeda dengan distribusi
untuk sampel sebanyak 15, 25 dan sebagainya. Apabila sampel semakin besar
maka distribusi t akan mendekati normal.
A.
B.
C.

5. rata-rata sampel
Uji Z adalah uji hipotesis statistik yang digunakan
untuk menentukan di mana distribusi statistik uji yang
kita ukur, seperti rata-rata , merupakan bagian dari
distribusi normal .
Uji Z menentukan apakah ada perbedaan signifikan
secara statistik antara rata-rata dua populasi. Uji Z
hanya dapat diterapkan jika simpangan baku setiap
populasi diketahui dan ukuran sampel minimal 30 titik
data tersedia.

6. Sebuah sekolah menyatakan bahwa murid-muridnya, secara rata-rata, lebih pintar daripada sekolah
lain. Sekolah tersebut mengambil sampel sebanyak 50 siswa yang rata-rata IQ-nya adalah 110.
Populasi, atau seluruh sekolah, memiliki rata-rata IQ 100 dan simpangan baku 20.
Nah, inilah yang disebut uji sisi kanan satu sisi karena rata-rata sampel kita lebih besar daripada
rata-rata populasi. Jadi, dengan memilih nilai kritis 5 persen, yang sama dengan skor Z 1,96 , kita
hanya dapat menolak hipotesis nol jika statistik uji Z kita lebih besar dari 1,96.
Jika sekolah tersebut mengklaim bahwa IQ siswanya rata-rata 90, maka kami akan menggunakan
uji arah kiri, seperti yang ditunjukkan pada gambar di atas. Kami kemudian hanya akan menolak
hipotesis nol jika statistik uji Z kami kurang dari -1,96.

7. Disebut juga dengan one sample t-test.
Tujuannya adalah untuk menguji perbedaan
rata-rata (mean) antara data sampel (data
hasil survey) dengan data populasi (data
penelitian sebelumnya).

8. Terdapat 2 jenis:
(s / √n)
µ = rata-rata populasi
x = rata-rata data sampel
s = standar deviasi/simpang
baku
n = ukuran/jumlah sampel
Sampel besar (>30)
Uji Z = x – µ

9. Contoh:
RS X melaporkan bahwa tahun lalu rata-rata lama pasien rawat 15 hari. Saat ini
dilakukan survei dengan mengambil sampel 30 pasien. Hasil survei diperoleh rata-rata
lama hari rawat 14 hari dengan standar deviasi 3 hari.
Buktikan apakah ada perbedaan (two tail) rata-rata lama dirawat antara tahun lalu
dengan saat ini.
1.Hipotesis : Ho: → Tidak ada
perbedaan rata-rata lama
rawat hari ini dengan tahun
lalu
Ha: → Ada perbedaan rata-rata
lama rawat hari ini dengan tahun
lalu
2. Uji beda mean 1 sampel
z = 14 - 15
3 / √ 30
= -1,83
3. P Value = 0,5 – 0, 4664 = 0,0336
karena Ha two tail maka,
P Value = 2 x 0,0336 = 0,0672

10. -1,83 1,83
P value
4. Bandingkan P value dengan ά (0,05),
maka → P Value > ά...0,0672 > 0,05
5. Keputusan: Ho gagal ditolak
Kesimpulan : tidak ada perbedaan yang
signifikan/bermakna lama hari rawat
antara pasien tahun lalu dengan saat ini.

11. Terdapat 2 jenis:
(s / √n)
µ = rata-rata populasi
x = rata-rata data sampel
s = standar deviasi/simpang
baku
n = ukuran/jumlah sampel
Sampel kecil (<30)
Uji t = x – µ
df = n - 1
ps: Tidak perlu dibuat kurva

12. Contoh:
Diperoleh informasi bahwa tahun lalu rata-rata BB mhs 60 kg, saat ini dilakukan survei
dengan sampel 25 mhs yg didapatkan: rata-rata BB mhs 64 kg dgn standart deviasi 7 kg.
Ujilah apakah ada perbedaan antaraBB mhs tahun dgn saat ini
Diket:
µ = 60 kg
Ho: µ=60 → Two tail
Ha: µ = 60
x = 64 kg
s = 7
n = 25
df = 25 - 1 = 24
Ditanya: t?
Jawab: t = x – µ = 64 - 60
(s /√n)
7/√25
= 2,86
Cari P value di tabel t → k = df = 24, yg mendekati 2,86
→ 0,005 dikarenakan two tail maka 0,005 x 2 = 0,010
P value = 0,010, maka P value < α … 0,01 < 0,05
Keputusan: Ho ditolak
Kesimpulan: Ada perbedaan yang bermakna antara BB
mhs yg lalu dgn saat ini

13. Uji statistik untuk membandingkan mean dua
kelompok data. Misalnya apakah ada
perbedaan TD antara orang kota dengan
orang desa → varian beda
Apaka hada perbedaan BB antara sebelum
diet dengan sesudah diet → varian sama

14. Terdapat 2 jenis:
Jika data yang satu tidak bergantungan dengan data kelompok ke
dua. Tujuannya untuk mengetahui perbedaan dua kelompok data
yang tidak bergantungan.
Syarat:
Data distribusi normal/simetris
Kedua data kelompok independen
Variabel yang dihubungkan berbentuk numerik dan kategorik
Independen

15. x = rata-rata sampel
n = jumlah sampel
Sp = simpangan baku gabungan
Uji Independen (Varian Sama):

16. Terdapat 2 jenis:
Menguji perbedaan mean antara dua kelompok data yang
bergantungan
Syarat:
Distribusi data normal/simetris
Kedua kelompok data berpasangan (pair)
Jenis variabel numerik
Dependen (Paired Sample)

17. Dependen (Paired Sample)

18. A. Uji Beda 1 Mean (One-Sample t-Test)
✅ Digunakan jika ingin membandingkan rata-rata 1
kelompok terhadap nilai tertentu (misalnya standar
nasional, rata-rata teoretis, dsb.)
Contoh: Apakah rata-rata nilai siswa (Azzura; 90,
Elera; 80, Crystal; 85, Hafidzia; 100, Athena; 95)
berbeda dari standar nasional 75?

19. ?????? Langkah di SPSS:
1. Buka data di SPSS

20. ?????? Langkah di SPSS:
2. Masukan Variabel di SPSS

21. ?????? Langkah di SPSS:
2. Masukan Data di SPSS

22. 4. Uji Normalitas
Untuk melakukan uji normalitas di SPSS, buka data terlebih dahulu, lalu masuk ke menu Analyze, pilih Descriptive Statistics,
dan klik Explore. Setelah itu, masukkan variabel yang ingin diuji ke dalam kotak Dependent List. Klik tombol Plots, lalu
centang opsi Normality plots with tests dan boleh hilangkan centang pada “Stem-and-leaf”. Terakhir, klik Continue, lalu OK
untuk menampilkan hasil uji normalitas.

23. 4. Uji Normalitas
Nilai Sig. (P Value) < 0,05 data tidak berdistribusi secara normal.
Nilai Sig. (P Value) > 0,05 data berdistribusi secara normal.
HASIL YANG DIDAPATKAN ADALAH 0.967 (DATA BERDISTRUBUSI NORMAL)

24. 4. Uji Normalitas
Nilai Sig. (P Value) < 0,05 data tidak berdistribusi secara normal.
Nilai Sig. (P Value) > 0,05 data berdistribusi secara normal.
HASIL YANG DIDAPATKAN ADALAH 0.967 (DATA BERDISTRUBUSI NORMAL)

25. 5. Klik: Analyze → Compare Means →
One-Sample T Tes
6. Masukkan Nilai ke kotak “Test
Variable” Isi Test Value = 75, Klik OK.

26. Dengan nilai pembanding 75, hasil One-Sample T-Test menunjukkan nilai t hitung sebesar 4,24 dan nilai signifikansi
(Sig. 2-tailed) sebesar 0,013. Karena p-value lebih kecil dari 0,05, maka hasilnya signifikan. Ini berarti rata-rata nilai
kelompok, yaitu 90, berbeda secara signifikan dari nilai pembanding 75. Dengan demikian, dapat disimpulkan
bahwa kelompok tersebut memiliki rata-rata yang lebih tinggi secara signifikan dibandingkan nilai 75.

27. B. UJI BEDA 2 MEAN (ada 2 jenis)
1. (INDEPENDENT SAMPLE T-TEST)
Untuk membandingkan rata-rata dua kelompok
yang berbeda (misalnya: laki-laki vs perempuan).
Tujuan: Apakah nilai laki-laki dan perempuan
berbeda signifikan? (Hafidz; 100, Patuy; 98, Ihsan; 99,
Nuffus; 40, Dita; 30, Jewels; 100).

28. ?????? Langkah di SPSS:
1. Buka data di SPSS

29. ?????? Langkah di SPSS:
2. Masukan variabel data, mengkode di kolom values, 1 = laki-laki, klik
add dan mengkode lagi 2 = perempuan, klik ok

30. ?????? Langkah di SPSS:
3. Masukan nilai data view, sesuai dengan kode yang telah ditentukan 1
untuk nilai laki-laki dan 2 untuk nilai perempuan

31. ?????? Langkah di SPSS:
4. Uji Normalitas (caranya sama dengan slide sebelumnya)
Nilai Sig. (P Value) < 0,05 data tidak berdistribusi secara normal.
Nilai Sig. (P Value) > 0,05 data berdistribusi secara normal.
(DATA TERDISTRIBUSI NORMAL SIG. P VALUE 1.000

32. ?????? Langkah di SPSS:
6. Klik Analyze ➡️ Compare Means ➡️ Independent sampel test ➡️ Masukan test
variabel dan grouping variabel ➡️ define group ➡️ Continue ➡️ OK

33. karena p-value = 0.192 > 0.05, maka tidak ada perbedaan yang signifikan antara nilai
laki-laki dan perempuan.
Walaupun laki-laki terlihat memiliki rata-rata lebih tinggi (99 vs 56.67), perbedaan
tersebut tidak signifikan secara statistik.

34. B. UJI BEDA 2 MEAN (ada 2 jenis)
2. Paired Samples t-Test (Uji t dua sampel berpasangan)
Untuk membandingkan dua pengukuran dari subjek yang
sama, misalnya pre-test dan post-test.
Contoh: Apakah ada peningkatan skor sebelum dan
sesudah pelatihan? Pretest A (60), B (70), C (80), D (90) dan
Postest A (65), B (71), C (82), D (91)

35. ?????? Langkah di SPSS:
1. Buka data di SPSS

36. ?????? Langkah di SPSS:
2. Masukan variabel data, buat dua variabel data pretest dan postest

37. ?????? Langkah di SPSS:
3. Masukan data seusai data dari dua variabel data pretest dan postest

38. ?????? Langkah di SPSS:
4. Uji Normalitas (Hasil Distribusi Data Normal)

39. ?????? Langkah di SPSS:
5. Klik Analyse ➡️ Compare means ➡️ Paired Sampel T Test ➡️ Klik Variabel 1 Pretest dan
Variabel 2 Protest ➡️ OK

40. Walaupun skor posttest lebih tinggi dari pretest (rata-rata naik 2.25 poin), hasil uji statistik
tidak menunjukkan perbedaan signifikan (p = 0.098).
Namun, besar efek (Cohen’s d = 1.189) menunjukkan perubahan yang besar secara praktis.