Pengolahan

Data Penelitian
Sederhana
Dr.rer.nat. Arif Luqman
Definisi: kumpulan hasil pengkuran atau
pengamatan Data
Statistik
 Statistik
Deskriptif
Penyajian Data

•Informatif
•Representatif
•Simple
Bar Chart is (Missing) The Point

Many different datasets

can lead to the same bar
chart.

(Weissgerber et al., 2015)

Bar Chart is (Missing) The Point

• Bar charts and scatterplots convey

very different information.
• Scatterplots prompt the reader to
critically evaluate the statistical tests
and the authors’ interpretation of
the data
• Bar charts discourage the reader
from thinking about these issues.

(Weissgerber et al., 2015)

 • Shows correlation
• Nonlinear
Scatter Plot • Easy to read
• representative
Box & Whisker Plot (Box Plot)

• Box plot displays the five-number summary of a set of data. The five-number summary is the
minimum, first quartile, median, third quartile, and maximum.
• Box plot demonstrates the locality, spread and skewness groups of numerical data through their
quartiles.
Violin Plot
A violin plot is a hybrid of a box plot and a kernel density plot, which shows peaks in the data. It is used
to visualize the distribution of numerical data. Unlike a box plot that can only show summary statistics,
violin plots depict summary statistics and the density of each variable.
Statistik
Pengujian Normalitas Data
Contoh

Pengukuran tekanan
darah systole pada 2
populasi menghasilkan
data sebagai berikut
(lihat tabel).
 Anderson-Darling Kolmogorov-Smirnov

Populasi 1

• Data pada populasi 1 terdistribusi

normal.

• P value > 0.05 → terdistribusi normal.

Saphiro-Wilk
 Anderson-Darling Kolmogorov-Smirnov

Populasi2

• Data pada populasi 2 tidak terdistribusi

normal.

• P value < 0.05 → tidak terdistribusi

normal

Saphiro-Wilk
Uji Parametrik
Uji T satu sampel
(one sample T)

• Membandingkan 1 populasi data

dengan data referensi yang
sudah diketahui.
• Ex: data pengukuran systole
populasi dibandingkan dg data
systole normal (120)

• P value > 0.05, terima H0; tidak

berbeda signifikan dibanding
data systole normal
Uji T dua sampel
(2 sample T)
• Membandingkan 2 populasi
data untuk mengetahui apakah
2 populasi data tersebut
berbeda.
• Ex: data pengukuran systole
populasi 1 dan 3 (kedua
populasi data terdistribusi
normal).
Uji T dua sampel
(2 sample T)
• P value < 0.05, tolak H0; terdapat perbedaan
signifikan antara data populasi 1 dan 3.
Uji T berpasangan (Paired-T test)

• Membandingkan 2 populasi data

terdistribusi normal yang
berpasangan.
• Ex: Data tinggi tumbuhan
sebelum pemupukan dan setelah
pemupukan atau data kurva
pertumbuhan 2 strain bakteri.
Uji T berpasangan (Paired-T test)

P value < 0.05, tolak H0; terdapat perbedaan

signifikan antara data sebelum dan setelah
penambahan pupuk.
ANOVA One Way (ANOVA satu arah)
ANOVA One Way (ANOVA satu arah)
Kelompok Obat A Obat B Placebo
Contoh: 1 120 130 140
Sebuah penelitian dilakukan untuk membandingkan 2 125 128 145
efektivitas tiga metode pengobatan pada pasien 3 118 135 142
dengan tekanan darah tinggi. Tiga metode
pengobatan yang dibandingkan adalah: 4 130 133 138
1. Obat A: Pasien diberikan dosis harian obat A 5 122 131 136
dalam miligram (mg). 6 128 129 140
2. Obat B: Pasien diberikan dosis harian obat B 7 135 126 139
dalam mikrogram (μg). 8 124 134 142
3. Placebo: Pasien diberikan pil palsu tanpa 9 121 132 137
kandungan obat. 10 126 137 143
Berikut adalah data tekanan darah sistolik pada 11 123 130 141
pasien setelah menjalani pengobatan:
12 130 128 144
13 127 133 139
ANOVA One Way

• P value < 0.05, tolak H0;

terdapat perbedaan signifikan
antar kelompok data obat A,
obat B dan placebo
Contoh
• Sebuah penelitian dilakukan untuk
mengevaluasi pengaruh dua faktor terhadap
tingkat tekanan darah pada pasien
hipertensi.
• Faktor pertama adalah jenis obat
hipertensi (Obat A, Obat B, Obat C),
sedangkan faktor kedua adalah usia pasien
(Usia Muda, Usia Sedang, Usia Tua).
• Tujuan penelitian ini adalah untuk
mengetahui apakah ada interaksi antara
jenis obat hipertensi dan usia pasien dalam
mempengaruhi tingkat tekanan darah.
ANOVA Two Way
• P value < 0.05, tolak H0; terdapat
perbedaan signifikan antar
kelompok data pada factor obat
dan factor usia
 Posthoc Test
• Untuk mengevaluasi perbedaan
signifikan antara kelompok-kelompok
setelah ditemukan perbedaan signifikan
secara keseluruhan.
• Membantu mencegah kesalahan
interpretasi dengan mengidentifikasi
perbedaan yang nyata antara kelompok-
kelompok data.
Contoh kasus pada
ANOVA one way
• Grouping merepresentasikan
pengelompokan data.
• Kelompok data yg memiliki
huruf yang sama pada
grouping menunjukkan tidak
berbeda signifikan.

• Pada contoh kasus ini: placebo,

obat A dan obat B ketiganya
berbeda signifikan.
Contoh kasus pada
ANOVA two way
• Grouping merepresentasikan
pengelompokan data.
• Kelompok data yg memiliki huruf
yang sama pada grouping
menunjukkan tidak berbeda
signifikan.

• Pada contoh kasus ini:

• data tekanan darah pada treatment obat
A, B, dan C berbeda
• data tekanan darah pada kelompok usia
tua, sedang, dan muda berbeda
Uji Korelasi

• metode statistik yang digunakan untuk

mengukur sejauh mana hubungan
antara dua variabel atau lebih
• bisa menggunakan metode Pearson
atau Spearmann
• Nilai korelasi merepresentasikan
hubungan dari data yg diolah apakah
berbanding lurus atau berbanding
terbalik
 Contoh

• P value < 0.05, tolak H0; data A dan

data B berkorelasi
• Nlai korelasi menunjukkan korelasi
positif
 Contoh

• P value < 0.05, predictor masuk ke

persamaan
• Regression equation merepresentasikan
pengaruh predictor terhadap respon.
Terima kasih