Uji Bivariat

Irene Febriani,S.Kep.,MKM
 UNIVARIAT

Menjelaskan / mendeskripsikan karakter

masing-masing variabel yang diteliti.

BIVARIAT
Analisis hubungan antara dua variabel. Berguna untuk
mengetahui adanya hubungan atau perbedaan
Contoh posisi hipotesis di
penelitian
Hipotesis
Hipo :
Di bawah/Sementara/lemah
kebenarannya

Tesis :
Pernyataan / teori
Tujuan & Pengertian
 Tujuan umum  mengetahui apakah
dugaan tentang karakter suatu populasi
didukung oleh informasi yang diperoleh
dari data sampel atau tidak.

 Hipotesis  pernyataan sementara

terhadap suatu penomena yang akan
dibuktikan dan perlu diuji kebenarannya

HIPOTESIS AKAN DIBUKTIKAN DENGAN????

 STATISTIK
HIPOTESIS akan dibuktikan dengan
metode statistik

 HIPOTESIS STATISTIK suatu


asumsi atau anggapan atau
pernyataan yang mungkin
benar atau mungkin salah
mengenai parameter satu
populasi atau lebih.
Pengujian hipotesis
 Hipotesis statistik ……diuji ..…berakhir
dengan ditolak atau gagal ditolak
pernyataan sementara tersebut
 Hipotesis meminta dukungan hasil uji
hipotesis statistik

 Pengujian hipotesis  Langkah-langkah

atau prosedur yang dilakukan dengan
tujuan untuk memutuskan apakah kita
menerima atau menolak hipotesis
mengenai parameter populasi
Jenis hipotesis

 Hipotesis nol / hypothesis (Ho)

 Hipotesis alternatif (Ha= H1= Hα )
 Hipotesis nol (Ho)
 Hipotesis yang menyatakan tidak ada
perbedaan sesuatu kejadian antara kedua
kelompok; atau

hipotesis yang menyatakan tidak ada hubungan

antara variabel satu dengan variabel yang lain
 Hipotesis alternative (Ha)
 Hipotesis yang menyatakan ada perbedaan kejadian
antara kedua kelompok; Atau

 Hipotesis yang menyatakan ada hubungan variabel

satu dengan variabel yang lain
Contoh
Ho Ha
1. Tidak ada perbedaan 1. Ada perbedaan berat
Berat Badan bayi badan bayi antara ibu
antara ibu yang
merokok dan ibu yang yang merokok dan ibu
tidak merokok  yang tidak merokok 
biasanya jika skala biasanya jika skala
ukur numerik ukur numerik
2. Tidak ada hubungan
ibu merokok dengan 2. Ada hubungan
berat badan bayi  merokok dengan
bila kategorik; atau berat badan bayi 
Tidak ada beda bila kategorik
proporsi
ada beda proporsi
Arah hipotesis one tailed/two tailed
1 tail (satu 2 tail (dua sisi)
arah/satu sisi)
Merupakan hipotesis
Bila hipotesis alternatif yang hanya
alternatifnya menyatakan adanya
menyatakan adanya perbedaan, tanpa bisa
arah, hal yang satu menduga apakah hal
lebih tinggi atau lebih yang satu lebih tinggi
rendah dari hal yang
lain. (A>B atau B<A) atau lebih rendah dari
hal yang lain. (C#D)
 Contoh 1 tail Contoh 2 tail

Rata-rata berat badan bayi Ada perbedaan

dari ibu hamil yang anemia
lebih rendah dibandingkan
rata-rata berat badan bayi
dari ibu hamil yang tidak
anemia  numerik
Proporsi BBLR dari ibu
hamil yang anemia lebih
tinggi dibandingkan dengan
ibu hamil yang tidak anemia
 kategori
rata-rata berat
badan bayi lahir
antara ibu anemia
dan tidak anemia
Ada hubungan
antara anemia
dengan BBLR
 Keputusan Uji Statistik
 Seiring dengan kemajuan perkembangan
computer, maka uji statistic dengan mudah
dan cepat dapat dilakukan dengan program
statistic yng tersedia seperti SPSS. Nilai yang
di cari adalah P Value (nilai p) sebagai
keputusan uji.
a. Jika nilai p ≤ α, maka keputusannya Ho di
tolak
b. Jika nilai p > α, maka keputusannya Ho
gagal di tolak
 Makna nilai P

Nilai p merupakan nilai yang menunjukkan

besarnya peluang salah menolak Ho dari
data penelitian.

Harapan kita nilai p adalah sekecil

mungkin.
Jenis analisis bivariat
 ANALISIS HUBUNGAN
KATEGORIK DNG KATEGORIK
 Uji Kai Kuadrat
Tuj: mengetahui perbedaan
proporsi/persentase antara dua atau lebih
kelompok(sampel)
Mis: (tabel 2x2)
- Uji hubungan bekerja dengan pemberian ASI
eksklusif
- Uji hubungan pendidikan dengan pemberian
ASI eksklusif
- Uji hubungan pendidikan dengan BBLR
 Strategi Analisis :

1.Pembuatan tabel silang (Membandingkan

perbedaan persentase antar kelompok)

2. Menyimpulkan uji statistik

3. Menjelaskan kekuatan hubungan/risiko :

OR, RR
Langkah uji chi square
 Analyze  descriptive statistics crosstab
pada row isi var indep , pada colomn isi var
dependen
 pada pilihan statistics, centang chi square
dan risk
 Pada pilihan cells, centang observed dan row
Pengkodean Variabel

Untuk mendapatkan nilai OR yg benar : (koding data hrs diperhatikan)

- Kode harus konsisten antara variabel independen dengan dependen
- Variabel dependen yg menjadi pokok bahasan/kasus sebaiknya di kode
1 sedangkan bagian yang sebaliknya diberi kode 0
- Variabel independen harus konsisten kodenya mengikuti variabel
dependen, kelompok expose/penyebab kasus diberi kode 1, kelompok
non expose/non penyebab diberi kode 0
Contoh:
- var. dep : BBLR (kode 1), tidak BBLR (kode 0)
- var. indep. : Pendidikan rendah (kode 1), Pendidikan tinggi (kode 0)
Ketentuan Uji Kai Kuadrat

- Keterbatasan kai kuadrat

- tdk boleh ada sel dbg nilai E < 5 lebih dari 20 % total sel
SOLUSINYA:
- utk tabel besar, dilakukan penggabungan baris/kolom
- utk tabel 2x2, gunakan baris continuity correction
NOTE:
Utk tabel 2x2, bila ada sel yg nilai E nya kurang dari 5,
maka uji yg digunakan : FISHER EXACT
Prt scr uji chi square
Tabel Silang

- Ketentuan pembuatan tabel silang:

- Variabel independen pd Baris, variabel dependen pd Kolom
- Pada disain Cros Sectional --- dibuat persentase baris
Hasil OR (Jika hasil uji statistik tidak signifikan maka
OR tidak usah di baca) meskipun tetap tampil di output
SPSS
Penyajian lain di Laporan jika Ada hubungan signifikan
 ANALISIS HUBUNGAN
KATEGORIK DNG NUMERIK
1. Parametrik  Uji Independet t –test,
paired t test, ANOVA
2. Non Parametrik  Mann whitney,
wilcoxon, kruskal wallis
A. uji t Independen dan mann
whitney
Ciri : dua kelompok/sampel yg respondennya berbeda
Mis; ingin mengetahui hubungan Ibu bekerja dengan BB bayi
Apakah ada perbedaan mean BB bayi antara ibu yang bekerja dan tidak
bekerja
Uji t independen dibagi 2 , yaitu : varian sama dan varian berbeda

Mean =….. Mean =…..

Bekerja Tidak Bekerja

ASUMSI : DISTRIBUSI DATA NORMAL

BILA TDK TERPENUHI: UJI NON PARAMETRIK: UJI MANN WHITNEY
PrtSc prosedur Uji normalitas
 Lakukan uji normalitas data BB bayi
Langkah : analyze  descriptive  explore  BB
bayi (dependent list) plots (centang normality
plots with test

Hasil : BB bayi terdistribusi normal dari uji

normalitas shapiro wilk, nilai signifikansi
>0.05 (0.125)
 Langkah uji t independent (asumsi
distribusi normal terpenuhi) :

 Analyze  compare means  independents

samples t test  test variable (data bb
bayi) grouping variable (0,1)  ok
Langkah uji mann whitney (asumsi
dist. Normal tdk terpenuhi) :
 Analyze non parametric samples  2
independent samples masukkan vari numerik
yg dianalisis ke test var list  define group
(0,1) ok  baca output asymp sig.
PrtSc prosedur Independent t test
 Output uji t-independen

•Jika nilai sig levene’test <0.05 maka baca baris equal varians not assumed -> artinya
varian data berbeda
•Jika nilai sig levene’test >0.05 maka baca baris equal varians assumed  artinya
varian data tidak berbeda
•Karena nilai sig 2 tailed pada baris equal varians assumed <0.05, dapat diambil
kepimpulan “secara statistik terdapat perbedaan rerata BB bayi antara ibu yang bekerja
dan tidak bekerja.
Penyajian data
Tabel .. Hasil Analisis Perbedaan BB bayi
berdasarkan status bekerja ibu
Status bekerja n Mean Standar P Value
deviasi

Bekerja

Tidak bekerja

Berdasarkan table …
rata-rata berat badan bayi dari ibu bekerja adalah …..
Dengan standar deviasi ….., sedangkan berat badan bayi
dari ibu tidak bekerja adalah … dengan standar deviasi
…..Hasil uji statistic menunjukkan nilai p = ……(alpha 5%),
terdapat perbedaan yang signifikan rata-rata berat badan
bayi antara ibu bekerja dan tidak bekerja
 Langkah uji mann whitney (asumsi
dist. Normal tdk terpenuhi :

 Analyze non parametric samples  2

independent samples masukkan vari numerik
yg dianalisis ke test var list  define group
(0,1) ok  baca output asymp sig.
B. Uji t dependen dan wilcoxon
Ciri : dua kelompok/sampel yang
respondennya sama dan diukur dua kali ‘pre
dan post’
Mis: apakah ada perbedaan rata-rata HB ibu
sebelum dan sesudah diberi kelakai

Mean = …. Mean = …..

intervensi
Pre test Post test

ASUMSI : DISTRIBUSI DATA NORMAL

BILA TDK TERPENUHI: UJI NON PARAMETRIK: UJI WILCOXON
Uji normalitas data HB
Lakukan prosedur uji normalitas
seperti diatas untuk data Hb

 Didapatkan hasil bahwa data tidak

terdistribusi normal (alpha 5%, <0.05)
 Maka uji yang digunakan adalah wilcoxon
Langkah uji hipo berpasangan wilcoxon
(asumsi distribusi normal tidak terpenuhi)
 Analyze  non parametrik  2 related
samples  pada test pairs , masukkan Hb1
pada variabel 1 dan Hb 2 pada variable 2 
OK
PrtSc prosedur
wilcoxon
Hasil uji wilcoxon

 Karena p value >0,05, maka secara statistik

tidak ada perbedaan HB ibu antara sebelum
pemberian kelakai dan setelah diberi kelakai
Penyajian Data
Langkah uji hipo t berpasangan (asumsi
distribusi normal terpenuhi)

 Analyze  compare means  paired t test

 paired variables , var 1 isi Hbs, Var2 isi Hb
2 OK
 UJI ANOVA

Tujuan : menguji perbedaan mean antara 3 atau lebih sampel

(kelompok).
Ciri : variabel kategoriknya berisi lebih dari 2 nilai/katagorik

Mis:
- Analisis hubungan pendidikan dengan berat bayi:
Apakah ada perbedaan mean berabt bayi antara ibu pendidikan sd,
smp, smu dan pt.

Mean = … Mean = …. Mean =…… Mean = ….

sd smp smu pt
ASUMSI : DISTRIBUSI DATA NORMAL DAN VARIAN HOMOGEN
BILA TDK TERPENUHI: UJI NON PARAMETRIK: UJI KRUSKAL WALLIS
 Lakukan uji normalitas data BB bayi
Langkah : analyze  descriptive  explore  BB
bayi (dependent list) plots (centang normality
plots with test

Hasil : BB bayi terdistribusi normal dari uji

normalitas shapiro wilk, nilai signifikansi
>0.05 (0.125)
Prt scr uji anova tes homogenitas
 Uji ANOVA (asumsi distribusi normal
terpenuhi
 Analyze  compare mean  one way anova 
pd dependent list masukkan data numerik yg
dianalisis  factor isi data kategori  pada
pilihan options  centang homogenity of
variance test  OK
 Pada output 1: terlihat hasil signifikan <0.05,
maka dapat dilanjutkan menganalisis post hoc,
melihat setiap perbedaan
 Pada output 2:
Jika levene test >0,05 saat post hoc pilih equal
variance assumed
Jika levene test <0.05 saat post hoc pilih equal
variance not assumed
Prt scr post hoc
 Uji post hoc
Karena nilai levene test >0.05 maka prosedur post
hoc sbb (equal variance assumed) :
Analyze  compare mean  one way anova 
post hoc  pada bagian equal variance
asssumed centang bonferroni  OK
Penyajian data uji ANOVA
 Jika asumsi normalitas tidak
terpenuhi : kruskal wallis
 Analyze  non parametric  k-independent
sample  test variable masukkan data numerik
yang dianalisis, masukkan data kategori ke
grouping variable  centang kruskal wallis
 Aktifkan define range masukkan angka 0 pada
kotak minimum dan angka 3 pada kotak
maksimum.
Ket : angka define range tergantung kode level
pada data kategori
 Klik continue dan OK
 ANALISIS HUBUNGAN
NUMERIK DNG NUMERIK
 Uji Korelasi
= mengetahui besar dan arah hubungan dua variabel numerik

Korelasi diketahui dng koef r yg nilainya: -1 s/d +1

- Arah hubunga : positip /negatip
- Besar/kekuatan hub : kuat /lemah
r : 0,00 – 0,25 : lemah
r : 0,26 – 0,50 : sedang
r : 0,51 – 0,75 : kuat
r : 0,76 – 1 : sangat kuat

Mis : apakah ada hubungan BBibu dengan BB lahir bayi. Apakah

hubngan kuat atau lemah. Apakah hubungan positif atau negatif
ASUMSI : DISTRIBUSI DATA NORMAL
BILA TDK TERPENUHI: UJI NON PARAMETRIK: KORELASI SPEARMAN
 Uji Regresi Linier
Tujuan: memprediksi variabel dependen melalui variabel independen
- Var. dependen = variabel yang dipengaruhi
- Var. independen = variabel yang mempengaruhi

Utk prediksi – persaman garis : y = a + bx

y = variabel dependen
x = variabel independen
a = intercep : besarnya nilai y bila nilai x=o
b = slope : besarnya perubahan nilai y bila variabel x berubah setiap satu
satuan
Ciri regresi linier  var. dependen berbentuk numerik
 Koefisien Determinasi (R2)

: variasi variabel dependen dapat dijelaskan oleh variasi variabel independen

: besarnya variabel independen mempengaruhi variabel dependen

R2 = R Square

R2 = r 2 x 100%

nilainya berkisar 0 – 100%

Misal hubungan BBibu dng Bbbayi dihasilkan R2 = 0,587

Artinya :
- Variasi variabel BB Ibu dapat menjelaskan variasi BB Bayi sebesar 58,7 %
- Variabel berat badan ibu mempengaruhi variabel BB bayi sebesar 58,7 %
Langkah Uji Korelasi
 Analyze  corelate  bivariate  masukkan
variable BB bayi dan BB ibu pada kotak
variables  Ok
Output uji
Langkah uji regresi linear sederhana
 Analyze  regression  linear dependent
BB bayi, Independent BB ibu
Output uji regresi linear
Penyajian hasil
TERIMA KASIH