BAB 5 UJI BEDA BERPASANGAN
5.8 Alternatif Uji Beda Berpasangan dengan SPSS
Rizma Adlia Syakurah 61 sebelum dan sesudah pengajaran melalui metode FGD atau ada perbedaan rata-rata skor tingkat pengetahuan mahasiswa sebelum intervensi dan setelah diintervensi. Secara statistik diperoleh hasil bahwa ada korelasi yang sedang dan berpola positif antara sikap sebelum dan sesudah intervensi.
Rizma Adlia Syakurah 62 serta mengetahui derajat kebebasannya. Hasil analisis deskriptif ditampilkan sebagai berikut.
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation pre_test 15 58.00 70.00 61.8000 3.44757 post_test 15 71.00 82.00 75.4667 2.97289
Valid N
(listwise) 15
4. Melakukan uji Wilcoxon dengan mengklik menu Analyze, kemudian sub menu Nonparametric Tests, pilih Legacy Dialogs lalu klik 2 Realted Samples..
5. Pada kotak dialog Two-Related Sample Tests, klik tanda panah untuk memasukan variabel pre_test dan post_test ke kotak Test Pairs secara bersamaan. Pilih Wilcoxon kemudian klik OK
Rizma Adlia Syakurah 63 6. Output hasil uji Wilcoxon akan ditampilkan sebagai berikut.
Tabel 5.6 : Hasil Uji Wilcoxon
Ranks
N Mean
Rank Sum of Ranks post_test -
pre_test Negative
Ranks 0a .00 .00
Positive
Ranks 15b 8.00 120.00
Ties 0c
Total 15
a. post_test < pre_test b. post_test > pre_test c. post_test = pre_test
Interpretasi :
a. Nilai negatif ranks (selisih negatif) antara hasil uji coba produk untuk pre test dan post test adalah 0, baik nilai N, Mean Rank, dan Sum rank. Sehingga menunjukan tidak ada penurunan (pengurangan) dari nilai pre test ke nilai post test
b. Sebanyak 15 responden mengalami peningkatan hasil uji coba produk dari nilai pre-test ke nilai post-test. Rata-rata peningkatan sebersar 8.00 dan jumlah rangking positif adalah 120.00
Rizma Adlia Syakurah 64 c. Tidak ada nilai yg sama antara pre-test dan post-tes
Test Statisticsa
post_test - pre_test
Z -3.412b
Asymp. Sig. (2-tailed) .001 a. Wilcoxon Signed Ranks Test b. Based on negative ranks.
Dari hasil uji statistik, diketahui terdapat perbedaan bermakna antara nilai pre test dan post test dengan Z-score -3.412dan p-value (Asymp. Sig 2 tailed) adalah 0.001.
7. Tabel penyajian dan interpretasi hasil
Tabel … Pengetahuan Masyarakat Umum di Era Pandemi Covid-19 Sebelum dan Setelah Dilakukan Seminar Online
Pengetahuan N Rerata ± SD p-value
Sebelum 15 61,80 ± 3,45 0, 001
Sesudah 15 75,46 ± 2,97
Hasil uji statistik didapatkan p-value 0.001 < α (0.05), artinya ada perbedaan yang signifikan terkait pengetahuan masyarakat di era pandemi Covid-19 sebelum dan setelah dilakukan seminar online atau ada perbedaan rata-rata skor tingkat pengetahuan masyarakat sebelum dan sesudah diintervensi. Artinya seminar online mempunyai efek dalam mempengaruhi tingkat pengetahuan pengetahuan masyarakat awam di era pandemik Covid-19.
Rizma Adlia Syakurah 65 DAFTAR PUSTAKA
Adiputra, I. M. S. et al. 2021. ‘Uji Beda Berpasangan (Kategorik dan Numerik)’, in Karim, A. (ed.) Statistik Kesehatan: Teori dan Aplikasi. Pertama. Yayasan Kita Menulis, pp. 67–78. Available at:
https://www.google.co.id/books/edition/Statistik_Kesehatan_T eori_dan_Aplikasi/XhgtEAAAQBAJ?hl=id&gbpv=1&dq=uji+beda +berpasangan&pg=PR9&printsec=frontcover.
Hasnawati, Sambara, S. and Asni, S. M. 2014. Uji perbedaan (uji z).
Available at: https://www.slideshare.net/AndiMuhIshak/uji- perbedaan-uji-z.
Hastono, S. P. 2006. Analisis Data. Fakultas Kesehatan Masyarakat
Universitas Indonesia. Available at:
https://www.academia.edu/13131341/SUTANTO_PRIYO_HAS TONO_Analisis_Data_SUTANTO_PRIYO_HASTONO.
Kent State University Libraries. 2020. SPSS TUTORIALS: PAIRED SAMPLES T TEST, Kent State University. Available at:
https://libguides.library.kent.edu/SPSS/PairedSamplestTest (Accessed: 14 June 2022).
Mau Belajar. 2020. Pengertian Tabel Z, Dan Cara Menggunakannya Yang Mudah Dipahami, Mau Belajar. Available at:
https://akumaubelajar.com/ilmu-pendidikan/tabel-z/
(Accessed: 15 July 2022).
Mendrofa, S. J. 2016. ‘MAKALAH STATISTIKA DASAR UJI-T’.
Purwokerto.
Santoso, S. 2019. ‘Uji Beda: Uji t’, in Mahir Statistik Parametrik. Pertama.
Jakarta: PT Elex Media komputindo, pp. 79–80. Available at:
https://www.google.co.id/books/edition/Mahir_Statistik_Para metrik/CTOyDwAAQBAJ?hl=id&gbpv=1&dq=uji+beda+berpasa ngan&printsec=frontcover%0A%0A.
Soeprajogo, M. P. and Ratnaningsih, N. 2020. ‘PERBANDINGAN DUA RATA-RATA UJI-T’. Bandung: Unit Oftalmologi Komunitas Pusat Mata Nasional Rumah Sakit Mata Cicendo Universitas
Padjadjaran Bandung. Available at:
https://perpustakaanrsmcicendo.com/wp-
content/uploads/2020/07/Perbandingan-Dua-Rata-rata-Uji- T.Magdalena-Purnama-Soeprajogo.pdf.
Rizma Adlia Syakurah 66 Tyastirin, E. and Hidayati, I. 2017. Statistik Parametrik Untuk Penelitian Kesehatan. Pertama. Edited by E. T. Pribadi. Surabaya: Program Studi Arsitektur UIN Sunan Ampel.
Nurmulia Wunaini Ngkolu 67
BAB 6
UJI ANOVA
Oleh Nurmulia Wunaini Ngkolu 6.1 Pengantar
Analysis of variance (ANOVA) atau Analisis Variansi (ANAVA) adalah teknik statistik yang dikembangkan dan diperkenalkan pertama kali oleh Sir. R. A. Fisher. ANOVA dapat digunakan sebagai perluasan dari uji-t independen yang penggunaannya tidak terbatas kepada pengujian perbedaan dua buah rata-rata populasi, namun dapat juga untuk menguji perbedaan tiga atau lebih populasi sekaligus.
Sebagai gambaran misalkankita ingin mengetahui apakah ada perbedaan nilai mahasiswa fakultas kesehatan masyarakat, fakultas ekonomi dan fakultas Matematika. Untuk dapat melaksanakan maksud ini, kita memiliki tiga perangkat skor nilai statistik ketiga kelompok mahasiswa, yaitu nilai mahasiswa fakultas kesehatan masyarakat, fakultas ekonomi dan fakultas Matematika reratanya berturut-turut tujuan kita yaitu ingin menguji perbedaan rata-rata pada tahap probabilitas (keberartian) tertentu. Apakah seperti yang sudah diketahui bahwa Uji-t independen tidak dapat digunakan untuk menguji perbedaan dari rata-rata ketiga perangkat itu secara sekaligus tetapi hanya dapat diatasi dengan cara melakukan sejumlah pengujian perbedaan rata-rata secara berulang-ulang.
ANAVA atau ANOVa adalah sinonim dari analisis varians terjemahan dari analysis of variance, diketahui banyak orang menyebutnya dengan anova. Anova adalah bagian dari metoda analisis statistika yang tergolong analisis komparatif lebih dari dua rata-rata (Setiawan, 2019).
Uji Anova mempunyai asums seperti dibawah (Donald dalam (Anna Maria Sirait, 2001))
1. Indvidu- indivdu dalam sampel harus diambil secara acak secara terpisah satu sama lain dari masng-masng populasnya (sampel bersifat independent).
2. Distrbusi gejala yang dselidiki dalam masing-masing populasi itu adalah normal. Jika belum diketahui apakah sampel telah
Nurmulia Wunaini Ngkolu 68 mengikuti distrbusi normal atau tidak, dapat dlakukan pengetesan normalitas (test of normality)
3. Varians darimasing-masing populasi tidak menunjukkan perbedaan yang signfikan satu sama lain. Apabila belum diketahui harus dihitung terlebih dahulu dengan mengadakan pengetesan terhadap varians-varians (tes of variance)
6.2 Klasifikasi Anova
Anova dapat digolongkan kedalam beberapa kriteria,(Fakultas Teknologi Industri, 2021) yaitu :
1. Klasifikasi 1 arah (One Way ANOVA) Anova klasifikasi 1 arah merupakan ANOVA yang didasarkan pada pengamatan 1 kriteria atau satu faktor yang menimbulkan variasi.
2. Klasifikasi 2 arah (Two Way ANOVA) ANOVA kiasifikasi 2 arah merupakan ANOVA yang didasarkan pada pengamatan 2 kritenia atau 2 faktor yang menimbulkan variasi.
6.3 Anova Satu Arah
Anova Satu Arah (One Way Anova) Anova satu arah digunakan apabila data yang akan dianalisis terdiri dari satu variabel terikat dan satu variabel bebas. Interaksi suatu kebersamaan antar faktor dalam mempengaruhi variabel bebas, maka pengaruh faktor-faktor secara mandiri telah dihilangkan. Jika terdapat interaksi berarti efek faktor satu terhadap variabel terikatakan mempunyai garis yang tidak sejajar dengan efek faktor lain terhadap variabel terikat sejajar (saling berpotongan), maka antara faktor tidak mempunyai interaksi. Ada tiga bagian pengukuran variabilitas pada data yang akan dianalisis dengan anova, yaitu :
6.3.1 Prosedur Uji Hipotesis Anova Satu Arah :
1. Menentukan hipotesis yakni hipotesis Null dan Hipotesis Alternatif (Ho dan Ha)
Ho: 1 = 2= k artinya (Semua mean bernilai sama) Ha: 1 2 k artinya
(Tidak Semua Nilai Mean bernilai sama)
Nurmulia Wunaini Ngkolu 69 Yaitu artinya, minimal satu rata-rata populasi berbeda (yang lainnya sama) Ada efek atau pengaruh faktor terhadap variabel respon Tidak berarti bahwa semua populasi berbeda
2. Menentukan tingkat Signifikansi ( ) 3. Tentukan derajat kebebasan
(df) df JKa = k-1 df JKd = N-k
4. Analisis dan Menentukan F hitung dan F tabel F Hit = RKa > Fk-1 atau (Sig P_Value) 5. Menentukan Nilai Varian
6. Menentukan F Hitung dan 7. Menentukan F Tabel
8. Keputusan berdasarkan daerah kritis Ho ditolak jika sig <
Ho ditolak jika F Hit > F table Contoh soal
Penelitian ingin melihat apakah ada perbedaan peningkatan pengetahuan pada metode penyuluhan dengan beberapa metode, yakni metode ceramah, metode visual dan metode audio visual.
maka diperoleh nilai seperti pada tabel di bawah ini. :
No Ceramah (X1) Ceramah
denganAudio (X2) Ceramah dengan Audio visual (x3)
1 7 6 7
2 9 7 10
3 6 7 9
4 8 8 8
5 8 6 9
6 7 6 10
7 7 7 7
8 9 6 7
9 8 7 7
10 7 9 10
Penyelesaian
1. Menentukan hipotesis yakni hipotesis Null dan Hipotesis Alternatif (Ho dan Ha)
Ho : Tidak ada perbedaan peningkatan pengetahuan antara metode penyuluhan dengan menggunakan metode ceramah,
Nurmulia Wunaini Ngkolu 70 metode ceramah dengan visual dan ceramah dengan metode audio visual
Ho: 1 = 2= 3
Ha : ada perbedaan peningkatan pengetahuan antara metode penyuluhan dengan menggunakan metode ceramah, metode ceramah dengan visual dan ceramah dengan metode audio visual
Ha: 1 2 k
2. Menentukan tingkat Signifikansi ( ) Signifikasi = 0.05
3. Mencari derajat kebebasan
4. Menentukan sumber varian antar kelompok dan dalam kelompok.
No x1 x2 x3 (X1)2 (X2)2 (X3)2
1 7 6 7 49 36 49
2 9 7 10 81 49 100
3 6 7 9 36 49 81
4 8 8 8 64 64 64
5 8 6 9 64 36 81
6 7 6 10 49 36 100
7 7 7 7 49 49 49
8 9 6 7 81 36 49
9 8 7 7 64 49 49
10 7 9 10 49 81 100
Total 76 69 84 586 485 722
XT= x1+x2+x3 = 76+69+84 229
XT2 (X1)2+(x2)2+(x3)2 = 586+489+772 1793 df JKa = k-1
df JKa = 3-1 df JKa = 2
df JKd = N-k df JKd = 30- 1 df JKd = 29 DKD = DKT-DKA
DKD = 27-2 DKD = 25
Nurmulia Wunaini Ngkolu 71 JKT= XT2- = 1793- =1793-1748.03 = 44,97
JKA= + =+ -
JKA= + + -
JKA= + + -
JKA= 577,6+476,1+705,6-1748.03 JKA= 11.74
JKD= JKT - JKA
JKD= 44,97 – 11.74 JKD= 44,97 – 11.74 JKD= 33,23
5. Menentukan nilai varian VARD =
VARD =
VARD = 1,23
VARA=
VARA =
VARA = 5,87 6. Menghitung F Hitung
F Hit =
F Hit =
F Hit =
F Hit = 4,8
7. Menentukan nilai F Tabel
Nilai tabel dicari dengan menggunakan tabel f Dimana DKA = Pembilang
DKD= Penyebut DKA = 2
DKD= 29
Pada tabel f diperoleh f tabel 3,33
Nurmulia Wunaini Ngkolu 78 Tabel 6.1 : Ringkasan Anova 1 Arah
Sumber Varian Jumlah Kuadrat (JK) Derajat Bebas Kuadrat Rerata F Hit F Tabel
Antar Kelompok - A-1 =
Dalam Kelompok XT2- N-A -
Total XT2- N-1
Sumber Varian Jumlah Kuadrat (JK) Derajat Bebas Kuadrat Rerata F Hit F Tabel
Antar Kelompok 11.74 2 5.87 4.8 3.33
Dalam Kelompok 44,97 27 1.23 -
Total 56,71 29
Nurmulia Wunaini Ngkolu 79 8. Keputusan
Ho ditolak jika sig <
Ho ditolak jika F Hit > F table FHit = 4,8
F table = 3,33
Karena F Hit > F Tabel maka Ho ditolak.
Ada perbedaan peningkatan pengetahuan antara metode penyuluhan dengan menggunakan metode ceramah, metode ceramah dengan visual dan ceramah dengan metode audio visual
6.4 Anova Dua Arah
Anova dua arah ini digunakan bila sumber keragaman yang terjadi tidak hanya karena satu faktor (perlakuan). Faktor lain yang mungkin menjadi sumber keragaman respon juga harus diperhatikan.
Faktor lain ini bisa berupa perlakuan lain yang sudah terkondisikan.
Pertimbangan memasukkan faktor kedua sebagai sumber keragaman ini perlu bila faktor itu dikelompokkan, sehingga keragaman antar kelompok sangat besar,, tetapi kecil dalam kelompoknya sendiri.
Dengan menggunakan Anova dua arah, dapat dibandingkan beberapa rata-rata yang berasal dari beberapa kategori atau kelompok untuk satu variabel perlakuan
ANOVA
1. Menentukan hipotesis
a. Hipotesis model edukasi hygiene kewanitaan
Ho (A) = Tidak ada perbedaan pengetahuan hygiene kewanitaan antara siswi yang menggunakana model edukasi FGD dan workshop.
Ha(A) = ada perbedaan pengetahuan hygiene
kewanitaan antara siswi yang menggunakan model edukasi FGD dan workshop.
Ho (A): 1 = 2 Ha(A) : 1 2
b. Hipotesis penelitian faktor pengetahuan awal
Ho (B) = Tidak ada perbedaan pengetahuan hygiene kewanitaan antara siswi yang Kelas 12 dan Kelas 11
Nurmulia Wunaini Ngkolu 80 Ha(B) = ada perbedaan pengetahuan hygiene
kewanitaan antara siswi yang Kelas 12 dan Kelas 11
Ho (B): 1 = 2 Ha(B) : 1 2
c. Hipotesis penelitian interaksi model edukasi dengan kelas.
Ho (AB) = Tidak ada interaksi model edukasi FGD dan workshop dengan kelas 12 dan 11.
Ha(AB) = Tidak ada interaksi model edukasi FGD dan workshop dengan kelas 12 dan 11.
Ho (AB): 1 = 2 Ha(AB) : 1 2
2. Menentukan taraf signifikansi
<0.05
3. Menentukan kaidah pengujian
Jika F hitung > F table maka Ho Ditolak Jika F hitung ≤ F table maka Ho diterima
Nurmulia Wunaini Ngkolu 81 4. Membuat table penolong
No
FGD (A1) Workshop (A2)
kelas 12 (B1) Kelas 11(B2) kelas 12 (B1) Kelas 11(B2)
1 70 4900 60 3600 70 4900 60 3600
2 70 4900 50 2500 70 4900 50 2500
3 70 4900 50 2500 60 3600 50 2500
4 70 4900 50 2500 60 3600 50 2500
5 70 4900 50 2500 60 3600 40 1600
6 60 3600 50 2500 60 3600 40 1600
7 60 3600 40 1600 60 3600 40 1600
8 60 3600 40 1600 50 2500 40 1600
9 60 3600 40 1600 50 2500 30 900
10 50 2500 40 1600 50 2500 30 900
TOT 640 41400 470 22500 590 35300 430 19300
Nurmulia Wunaini Ngkolu 82
Statistik Total
nT n1= 10 n2= 10 n3= 10 n4= 10 40
∑ XT ∑ X1= 640 ∑ X2 = 470 ∑ X3= 590 ∑ X4 =430 2130
X = = 64 = = 47 = =59 = = 43 213
∑ X2,4 - 470 - 430 900
∑ X1,3 640 - 590 - 1230
(∑ XT)2 41400 22500 35300 19300 118500
Nurmulia Wunaini Ngkolu 83 5. Menentukan jumlah kuadrat (JK) untuk beberapa variasi yaitu (T), Antar Kelompok A (A), Antar Kelompok B(B) Antar Kelompok Adan B (A,B) dan Error (E)
Jumlah Kuadrat Total (JKT)
JKT =
Jumlah Kuadrat Antar Kelompok A(JKA) JKA = (
JKA = (
JKA = 113625 -113422,5 JKA =202,5
Jumlah Kuadrat Antar Kelompok B(JKB) JKB = (
JKB = (
JKB = 116145 -113422,5 JKB =2722,5
Jumlah Kuadrat Antar Kelompok A dan B JKAB = (
JKAB = ( – 202,5- 2722,5
JKAB = 116.350 -113.422,5-202,5-2722,5 JKAB = 2,5
Jumlah Kuadrat Error (JKE)
JKE = JKT-JKA-JKB-JKAB = 5077,5-202,5-2722,5-2,5 = 2150 6. Menentukan Nilai derajat kebebasan
DKT =nT-1 =40—1 = 39 DKA = B-1=2-1=1 (b= Baris) DKB= K-1= 2-1 =1 (k= Kolom)
Nurmulia Wunaini Ngkolu 84 DKAB = (DKA)(DKB) = 1.1=1
DKE = nT-(b.k) = 40 –(2X2) = 40-4 = 36 7. Menentukan nilai Variasi
VARA = = = 202,5 VARB = = = 2722,5 VARAB = = = 2,5 VARE = = = 59,72 8. Menghitung F Hitung
F Hit (A) = = = = 3,39 F Hit (B) = = = = 45,59 F Hit (AB) = = = = 0.042 9. Menetukan Nilai F Tabel
F Tabel (Model Edukasi )
Dimana DKA= Pembilang = 1; DKE = Penyebut=36 FA (Tabel ) = F () (DKA, DKE)= F (0.05 (1,36) = 4,110
F Tabel (Kelas )
Dimana DKB = Pembilang = 1 ; DKE = Penyebut =36 FB (Tabel) = F () (DKB, DKE)= F (0.05 (1,36) = 4,110
F Tabel (model edukasi *Kelas )
Dimana DKAB = Pembilang = 1 ; DKE = Penyebut =36 FB (Tabel) = F () (DKAB, DKE)= F (0.05 (1,36) = 4,110
Nurmulia Wunaini Ngkolu 85
Sumber Variansi JK DK VAR F Hit F Tabel
Antara Kelompok A( Model Edukasi) 202,5 1 202,5 3,39 4.110
Antar Kelompok B (Kelas) 2722,5 1 2722,5 45,59 4.110
Antar Kelompok AB (Model Edukasi *Kelas) 2,5 1 2,5 0.042 4.110
Error (E) 2150 36 59,72
Total (T) 5077,5 39
10. Menarik kesimpulan Model Edukasi F Hit =
F Tabel =
F Hitung < F Tabel Maka Ho diterima artinya tidak ada perbedaan pengetahuan siswi antara pemberian pelatihan dalam model FGD dan Model Workshop.
Model Edukasi F Hit =
F Tabel =
F Hitung > F Tabel Maka Ha diterima artinya ada perbedaan pengetahuan siswi Kelas 11 dan Kelas 12.
Model Edukasi dengan Kelas siswi F Hit =
Nurmulia Wunaini Ngkolu 86 F Tabel =
F Hitung < F Tabel Maka Ho diterima artinya tidak ada interaksi pengetahuan siswi kelas 12 dan 11 yang diedukasi menggunakan pemberian pelatihan dalam model FGD dan Model Workshop .
Nurmulia Wunaini Ngkolu 87 DAFTAR PUSTAKA
Anna Maria Sirait. 2001. Analsis Varians dalam Penelitian Kesehatan, Media Litbang Kesehatan. Available at:
https://media.neliti.com/media/publications/156905-ID- analisa-varians-anova-dalam-penelitian-k.pdf (Accessed: 9 August 2022).
Fakultas Teknologi Industri. 2021. ANOVA. Available at:
http://pendidikan-akuntansi.fe.uny.ac.id/sites/pendidikan- akuntansi.fe.uny.ac.id/files/Modul 2 (ANOVA).pdf (Accessed: 30 July 2022).
Setiawan, K. 2019. METODOLOGI PENELITIAN (Anova Satu Arah).
Lampung.
Dahlan,Sopiyudin. 2014. Statistik Untuk Kedokteran Dan Kesehatan Edisi 6. Jakarta, Salmba Medika
Pratiwi Puji Lestari 88
BAB 7
ANALISIS DATA PROPORSI
Oleh Pratiwi Puji Lestari
7.1 Definisi Proporsi Pada Data Analisis
Proporsi merupakan jenis data rasio khusus di mana penyebutnya juga termasuk pembilangnya. Contohnya adalah proporsi kematian yang terjadi pada laki-laki yaitu kematian pada laki-laki dibagi kematian pada laki-laki ditambah kematian pada perempuan (yaitu total populasi) (Palmore and Gardner, 1983). Penggunaan yang lebih umum dari istilah "proporsi" ini adalah dalam konteks sebagian atau bagian dari dalam hubungannya dengan keseluruhan (Simpson, 1989).
Proporsi merupakan statistik yang cukup sederhana, dengan visual grafik batang yang dapat membantu seseorang untuk memvisualisasikan dan membandingkan proporsi (Hanlon and Larget, 2011). Secara umum, Proporsi kasus dalam kategori tertentu didefinisikan sebagai jumlah kasus tertentu dalam kategori dibagi dengan jumlah total kasus.
7.2 Perhitungan dan Estimasi Data Proporsi dari Tabel 2x2 (Contingensy Table)
Untuk menguji kesetaraan dalam proporsi yang timbul dari desain studi sampel berpasangan sebagai pertimbangan penghitungan perbandingan proporsi yang biasanya dilakukan dalam tes diagnostik termasuk bidang kesehatan dan kebidanan (uji klinis) biasanya diturunkan dari uji statistik yang mirip dengan Mc Nemar yang menggunakan sistem error asymptotic wald. Nilai Equivalence (kesetaraan) yang dapat diterima yang ditentukan sebelumnya antara dua proporsi biasanya berupa persentase. Statistik uji McNemar yang membandingkan sel off-diagonal adalah satu-satunya pendekatan yang valid untuk inferensi equivalence (Tango, 1998).
Model ini mencakup parameter yang menunjukkan variabilitas antar sampel atau subjek penelitian dari probabilitas respons dan
Pratiwi Puji Lestari 89 korelasinya. Di bawah model yang diusulkan, juga diperoleh tes untuk kesetaraan dua proporsi dan juga interval kepercayaan untuk perbedaan mereka berdasarkan skor efisien. Terlepas dari pertanyaan awal, metode turunan juga terbukti bertipe McNemar tetapi memiliki sifat sampel kecil yang lebih baik (Tango, 1998; Sistrom and Garvan, 2004; Derrick et al., 2015) salah satunya contingency yang biasanya digunakan adalah berupa tabel 2x2.
Berbagai proporsi dapat dihitung dari data yang direpresentasikan dalam tabel 2x2 kontingensi. Data proporsi, baris, dan kolom yang masing-masing memberikan informasi yang berbeda tentang data yang dianalisis. Proporsi dapat diwakili oleh persentase atau pecahan yang banyak dikenali oleh para peneliti (Sistrom and Garvan, 2004; Buis, 2020).
Data proporsi hanyalah jumlah yang diamati di masing-masing dari empat data pada tabel 2x2 dibagi dengan ukuran sampel total.
Setiap data juga memiliki proporsi baris. Ini adalah jumlah dalam data proporsi yang ingin dicari dibagi dengan total di baris yang memuatnya. Demikian juga, ada empat proporsi kolom yang dihitung dengan membagi jumlah di setiap data dengan total di kolom (Sistrom and Garvan, 2004).
Contoh:
Sumber : (Hanlon and Larget, 2011)
Dalam percobaan yang dirintis tahun 1922 menguji hubungan genetik antara gen putih dan gen mini. Pada Gambar tabel 2x2 diatas terdapat 114 + 102 = 216 rekombinan dari total 644 keturunan laki- laki, proporsi 216/644 = 0,335 atau 33,5%. Gen yang sepenuhnya terhubung memiliki probabilitas rekombinasi 0, sedangkan gen yang tidak terhubung memiliki probabilitas rekombinasi 0,5. Gen putih dan
Pratiwi Puji Lestari 90 gen mini pada lalat buah tidak terkait secara lengkap. Mengukur probabilitas rekombinasi adalah alat penting dalam membangun peta genetik, diagram kromosom yang menunjukkan posisi (Hanlon and Larget, 2011).
Dalam tabel 2x2, yang disusun hasil pada kolom dan eksposur pada baris, berbagai proporsi ini memiliki arti yang umum dan mudah dipahami. Proporsi dalam satu sel (kolom dan baris atau sederhananya satu kotak pada tabel 2x2) adalah fraksi dari seluruh sampel yang ditemukan pada masing-masing kombinasi paparan dan hasil. Proporsi baris adalah pecahan dengan dan tanpa hasil. Demikian pula, proporsi kolom hanyalah pecahan jika subjek terpapar dan tidak terpapar (Sistrom and Garvan, 2004).
7.3 Menghitung Beda Proporsi 2 Sample
Menguji perbedaan dalam proporsi dengan Uji z dua proporsi memungkinkan untuk membandingkan dua proporsi untuk melihat apakah keduanya sama. Hipotesis null (H0) untuk pengujian ini adalah bahwa proporsinya sama. Hipotesis alternatif (H1) adalah bahwa proporsinya tidak sama. Uji -Z adalah jenis uji hipotesis—cara bagi Anda untuk mengetahui apakah hasil dari suatu pengujian valid atau dapat diulang.
Untuk memuat gambaran sederhana, berikut akan diutaikan contoh perbedaan proporsi digunakan untuk membandingkan respon Y (misalnya penyakit: ya atau tidak) menurut nilai variabel penjelas X (misalnya faktor risiko: terpapar atau tidak terpapar). Perbedaannya didefinisikan sebagai proporsi dengan hasil pada kelompok terpajan dikurangi proporsi dengan hasil pada kelompok yang tidak terpajan.
Dengan menggunakan huruf a–d untuk label sel, perhitungannya adalah sebagai berikut:
Y
X a b
c d
Pratiwi Puji Lestari 91 Untuk data studi cross-sectional kita akan menghitung persamaan berikut:
Contoh Tabel Cross-Sectional 2x2 (Sistrom and Garvan, 2004)
Perbedaan proporsi selalu antara 1,0 dan 1,0. Ini sama dengan nol ketika respons Y secara statistik independen dari variabel penjelas X. Ketika X dan Y independen, maka tidak ada hubungan di antara keduanya. Sangat tepat untuk menghitung perbedaan proporsi untuk desain penelitian kohort, cross-sectional, dan eksperimental. Dalam studi kasus-kontrol, tidak ada informasi tentang proporsi hasil (atau penyakit) positif dalam populasi. Hal ini karena penyidik sebenarnya memilih subjek untuk mendapatkan nomor tetap pada setiap tingkat hasil (yaitu, kasus dan kontrol). Oleh karena itu, statistik perbedaan proporsi tidak tepat untuk memperkirakan hubungan antara paparan dan hasil dalam studi kasus kontrol. Tabel 3 mencantumkan perbedaan estimasi proporsi untuk contoh studi cross-sectional, kohort, dan eksperimental (Van Harrison et al., 2003; Sistrom and Garvan, 2004).
7.4 Uji Hipotesis Dua Proporsi Sampel
Dalam penelitian biomedis, perbedaan dua proporsi binomial independen sering menjadi perhatian penelitian (Santner et al., 2007).
Pratiwi Puji Lestari 92 Saat melakukan uji hipotesis yang membandingkan dua proporsi populasi independen, beberapa persyaratan yang harus dipenuhi antara lain adalah:
Kedua sampel independen tersebut merupakan sampel acak sederhana (Random Sampling) yang independen.
Berbeda dengan Ranked set sampling yang merupakan prosedur pengambilan sampel yang jauh lebih efisien daripada pengambilan sampel acak, pengujian hipotesis untuk dua proporsi akan menjadi lebih kompleks dan analisis yang digunakan adalah uji regresi logistik (biner atau berganda) (Chen, Stasny and Wolfe, 2005).
Jumlah keberhasilan setidaknya lima, dan jumlah kegagalan setidaknya lima, untuk masing-masing sampel.
Literatur yang berkembang menyatakan bahwa populasi harus setidaknya sepuluh atau 20 kali ukuran sampel. Hal tersebut akan membuat setiap populasi tidak menjadi sampel yang berlebihan dan menyebabkan hasil yang salah (Stephenson, Froelich and Duckworth, 2010).
Untuk membangun interval kepercayaan untuk perbedaan antara dua proporsi sampel, kita perlu mengetahui tentang distribusi sampling dari perbedaan tersebut. Secara khusus, kita perlu mengetahui bagaimana menghitung standar deviasi atau standar error dari distribusi sampling.
Cara Menemukan Interval Keyakinan untuk Proporsi
Mengidentifikasi statistik sampel dan memperkirakan perbedaan antar proporsi populasi (P1-P2)
Tentukan batas kesalahan (contoh batas kesalahan yang banyak dipakai di bidang kesehatan atau kebidanan adalah 5% atau 0,05)
Tentukan interval kepercayaan dan ketidakpastian dengan tingkat kepercayaan (tingkat kepercayaan yang banyak dipakai dibidang kesehatan atau kebidanan adalah 95%)
Pada bagian berikutnya, kita akan menyelesaikan masalah yang menunjukkan bagaimana menggunakan pendekatan ini untuk membangun interval kepercayaan untuk perbedaan antara proporsi
Pratiwi Puji Lestari 93 Uji hipotesis pada kasus ini adalah untuk menentukan apakah perbedaan dalam perkiraan proporsi mencerminkan perbedaan dalam proporsi populasi (Stephenson, Froelich and Duckworth, 2010; Derrick et al., 2015).
Selisih dua proporsi mengikuti perkiraan distribusi normal.
Umumnya, hipotesis null menyatakan bahwa kedua proporsi itu sama.
Artinya, H 0 : p A = p B . Untuk melakukan pengujian, maka digunakan proporsi gabungan, p C . sebagai berikut:
Distribusi perbedaannya sebagai berikut:
Statistik uji Z Score nya sebagai berikut :
7.5 Contoh Kasus Uji Hipotesis Beda Proporsi dalam Kebidanan
Dua jenis Daun (yang direbus lalu airnya didinginkan dan diberikan untuk cebok) untuk penyembuhan luka perineum sedang diuji untuk menentukan apakah ada perbedaan dalam proporsi reaksi ibu pasca melahirkan dengan luka perineum. Dua puluh dari sampel acak 200 ibu pasca melahirkan dengan luka perineum yang diberi air rebusan Daun A masih mengalami pedih pada luka perineum 30 menit setelah diberi rebusan Daun A yang sudah didinginkan. Dua belas dari sampel acak 200 orang dewasa yang diberi air rebusan Daun B yang sudah didinginkan masih mengalami pedih pada luka perineum menit setelah diberi air rebusan Daun. Uji pada tingkat signifikansi 1%.