Uji Beda Proporsi

Drs. Widardo

Uji proporsi bisa dilakukan untuk beda 2 proporsi atau 1 proporsi.

Contoh kita punya data nominal atau kategorikal, terdiri dari 2 kelompok.

Misal kita mau neliti proporsi penyakit gizi buruk.

Misal di Solo prevalensi gizi buruk 14%. Trus kita melakukan intervensi. Habis itu cek prevalensinya. Udah beda atau ga.

Ini namanya uji beda proporsi, dengan 2 proporsi.

Kalo 1 proporsi digunakan untuk mengecek pendapat, anggapan, atau standar terhadap kasus tertentu. Dilakukan pengecekan untuk melihat kenyataannya.

Misal: ada pakar yang bilang kalo di daerah Solo yang ikut program KB hanya 80%.

Trus kita lakukan penelitian untuk membantah pendapat ahli tersebut. Berapa yang disurvey, berapa yang ikut KB. Kita lihat apakah proporsi yang ikut KB sama dengan yang dikatakan pakar tersebut.

Tapi yang sering dilakukan itu uji beda 2 proporsi. Soalnya yang uji 1 proporsi Cuma buat nguji omongan pakar benar ga.

Uji beda proprosi paling mudah menggunakan chi square.

Nanti masing-masing uji beda proporsi itu ada rumusnya sendiri-sendiri.

Contoh soal:

Pakar mengatakan KB di Solo baru 85%.

Trus kita bandingkan dengan data di lapangan.

(Rumus lihat sendiri ya...)

-          Nilai z diketahui, x diketahui, ada proporsi anggapan, N banyaknya sampel.

-          Ho diterima jika z hitung < z alfa.

-          Dari hasil survey 6800 orang. Yang KB 5884. Yang ga 976.

-          Kita pake alfa 10%. Kalo lihat di Z skor, nilainya 1,28.

Jadi kalau kita uji z hitung lebih dari 1,28 berarti pendapat pakar itu salah.

-          Hipotesis nol: tidak berbeda proporsi pemakaian program KB di Solo yaitu 85%.

Hipotesis alternative: proporsi pemakaian KB kurang dari atau lebih dari 85%.

-          Kita lihat rumusnya:

Z= 5884 dibagi 6800 dikurangi proporsi 85% dibagi angka tadi.

(haha, maaf ya teman. Ni Cuma dari rekaman dan geje gitu deh rumusnya, ntar dicek lagi aja ya kalau udah ada slidenya)

-          Dari hasil hitungan nilai z 1,5. 1,5 kan lebih dari 1,28. Berarti proporsi yang ikut KB di Surakarta lebih dari 85%.

Dari tabel z bisa dilihat berapa persen.

(Hiks, ga ada slide, ga bisa lihat tabelnya. Pura-puranya udah mudheng cara baca tabel ya  teman… )

Tabel z itu ga ada nilai (-). Nilai 1,5 menunjukkan sekian.

Kita lihat 1 tail atau 2 tail.

Nilai z 1,96 kira-kira 97,5%. Makanya 1,5 kira-kira lebih dari 85%.

Atau pake tabel yang kemarin (yang mana coba… T.T) yang ada plus minusnya. Ntar lihat z 1,5 pasti lebih dari 85%.

Uji beda 2 proporsi ada 2 rumus yang ‘ini’ dan yang ‘ini’.

(Yang mana??? Besok lihat slide ya. Pak wid juga Cuma ngomong ‘ini’ dan ‘ini’ sih…)

Kegunaannya untuk menguji beda 2 proporsi.

Contoh soal:

Kecamatan A 571 dari 638 bayi di imunisasi. Kecamatn B 467 dari 542 bayi di imunisasi. Kita uji apakah proporsinya sama atau ga di 2 tempat ini.

-          Ho: proporsi sama. Ha: proporsi beda

-          Alfa pake 5%, berarti z 1,96.

-          Masukkan rumus

-          Mencari Q dulu: 1-P

-          Masukkan rumus

-          Ketemu z-nya 1,579.

-          Kesimpulan karena pake 2 ekor (2 tail) berarti kurang dari 1,96 atau lebih dari 1,96.

Jadi kalo antara -1,96 sampe 1,96 diterima.

Karena hasilnya ketemunya 1,579 berada di antara -1,96 sampe 1,96, berarti Ho diterima. Alias ga ada perbedaan proporsi antara daerah A dan daerah B.

Contoh soal lain:

Kita mau cek di daerah kumuh dengan kondisi sanitasi jelek 432 orang dari 628 kena diare. Misal 483 orang di desa ada yang diare 413. Dilakukan uji beda proporsi antara daerah A dengan desa.

-          Kita pake alfa 10%, berarti z-nya 1,28

-          Ho proprosi sama, Ha proprosi beda

-          Masukin rumus

-          Didapat z=1,54

-          Z 1,54 lebih dari 1,28. Berarti kesimpulannya ada beda kasus dari daerah A dengan di pedesaan.

(Bingung? Tabahkan hatimu kawan. Kita tunggu saja slidenya ya…)

Yang lebih mudah lagi ni pake SPSS.

Entry data mudah. Kita tinggal buat variabelnya.

-          Tulis nama dulu, berapa karakter

-          Trus misal butuh data umur, tipe data numeric

(Label menunjukkan nama responden)

-          Misal data lagi ttg tinggi badan, tipe numeric

-          Dst sesuai data yang kita mau

-          Misal kita pingin data bentuknya kategorik (agama, pengelompokan, dll)

Tipe tetep numeric, tapi tanpa decimal.

Agama kita kelompokkan jadi berapa, misal 7. Nilai masing-masing agama berapa, kita bikin value dulu.

Misal 1.Islam, 2.Kristen, 3.Katolik, dst.

Ntar kalo islam, diisi data 1. Kalo Kristen 2, dst.

-          Gitu terus. Jadi bisa sampe buanyak variabel

Setelah itu ntar dilakukan uji. Misal pake T test kayak kemarin itu. Ntar ada uji T yang berpasangan ada yang ga. Kalo yang berpasangan tu menilai apakah pre dan post ada perbedaan atau ga.

Kalo berpasangan, kita pilih yang pair T test.

Kita masukin nilai pre-nya, masukin juga nilai postnya.

Terlihat hasil analisisnya rata-rata dari pre dan postnya.

Habis itu lihat signifikansinya.

Disimpulkan antara pre dan postnya.

Untuk T test yang ga berpasangan (misal laki dan perempuan), pilih yang independent T test.

Masukin data jenis kelamin ada 2 (laki perempuan).

Dst sama kaya yang pair T test tadi.

Kalo yang anova gimana? Misal kita mau membandingkan antara lebih dari 2 kelompok.

Ntar pilih aja yang one way anova.

Untuk melihat perbedaannya, kita gunakan “…” trus continue, OK.

(Maaf ya teman, agak missed. Kurang bisa ‘mendengar’ rekamannya)

Uji proporsi bisa melihat apakah ada perbedaan proporsi (misal antara laki dan perempuan tadi).

Pilih descriptive statistic, trus gunakan ‘cross bla bla bla’. (Maaf, missed lagi…L)

Masukkin nilainya

Mau pake chi square atau apa.

Continue, OK

Muncul hasilnya.

Alhamdulillah…. :)

Akhirnya selesai juga cakul coursenya.

Mohon maaf lahir dan batin kalau geje

Mudah-mudahan ga bikin tambah puyeng

Selamat belajar teman…

2009…???

Bisa! Bisa! Pasti bisa!