Panduan Uji Statistik Terpadu

Pemilihan Uji Statistik

Algoritma pemilihan bertahap untuk merekomendasikan metode analisis statistik berdasarkan metodologi dan topik studi Anda.

Seksi 1

Identifikasi Metodologi (Variat & Data)

1.1 Apa arah / jumlah variabel utama analisis Anda?

Rekomendasi Analisis Statistika

Nama Uji Statistik

Penjelasan metodologi...

Ringkasan Implementasi

Tentukan tujuan analisis sebelum menjalankan uji.
Pastikan tipe data dan desain penelitian sudah sesuai.
Laporkan hasil utama berikut nilai statistik dan p-value.

Asumsi dan Alternatif Nonparametrik

Asumsi Kunci	Alternatif Jika Tidak Terpenuhi
Distribusi normal pada data numerik	Gunakan uji nonparametrik yang sesuai desain
Sampel mewakili populasi target	Perbaiki desain sampling atau interpretasi hasil dengan hati-hati

Checklist Pelaporan BAB Hasil

Jelaskan tujuan analisis dan variabel yang diuji.
Tampilkan nilai statistik utama dan p-value.
Sertakan interpretasi praktis yang konsisten dengan hasil.

Univariat: Analisis Deskriptif

Konteks & Tujuan

Merupakan tahap pertama dalam analisis data (Univariat). Bertujuan merangkum dan mempresentasikan distribusi frekuensi setiap variabel secara mandiri, tanpa mengaitkan/menguji hipotesis antar variabel.

Parameter Laporan Baku

Numerik Normal: Rata-rata (Mean) ± Standar Deviasi.
Numerik Miring: Median beserta rentang (Min - Max).
Kategorik: Jumlah Mutlak (n) dan Persentase (%).

Contoh Tabel Karakteristik Dasar berdasarkan Topik

Profil Klinis Pasien (n=100)	Distribusi Frekuensi
Jenis Kelamin, n (%)
- Laki-laki	45 (45.0%)
- Perempuan	55 (55.0%)
Usia, Mean ± SD (Tahun)	52.4 ± 6.2
Kadar Gula Darah, Median (Min-Max)	125 (90 - 210) mg/dL

Profil Demografi Siswa (n=150)	Distribusi Frekuensi
Latar Belakang Ekonomi Ortu, n (%)
- Menengah ke Bawah	90 (60.0%)
- Menengah ke Atas	60 (40.0%)
Skor IQ, Mean ± SD	105.2 ± 8.5
Durasi Belajar, Median (Min-Max)	3 (1 - 6) Jam/hari

Profil Segmentasi Konsumen (n=200)	Distribusi Frekuensi
Preferensi Platform, n (%)
- Aplikasi Mobile	150 (75.0%)
- Website Desktop	50 (25.0%)
Nilai Transaksi (Rp Juta), Mean ± SD	2.5 ± 0.8
Frekuensi Belanja/Bulan, Median (Min-Max)	4 (1 - 15) kali

Langkah Analisis di IBM SPSS

1. Klik menu Analyze → Descriptive Statistics → Frequencies... (Untuk Variabel Kategorik) atau Descriptives... (Untuk Variabel Numerik).

2. Pindahkan variabel yang ingin dianalisis dari kotak kiri ke dalam kotak Variable(s).

3. Pada Frequencies, klik Statistics... lalu centang Mean, Median, Std. Deviation, Minimum, Maximum, klik Continue → OK.

Bivariat: T-Test Independen

Konteks & Tujuan

Metode uji komparatif parametrik untuk membandingkan rata-rata (mean) numerik antara dua kelompok populasi independen/berbeda. Digunakan secara luas dalam eksperimen untuk membandingkan hasil Grup A vs Grup B.

Asumsi Parametrik Dasar

Skala data luaran numerik kontinu.
Distribusi data normal (Shapiro-Wilk p > 0.05).
Varian setara (Levene's Test p > 0.05).
Alternatif Jika Tdk Normal: Mann-Whitney U

Output & Interpretasi Berdasarkan Topik

Grup Intervensi	Mean Penurunan Gula Darah	Std. Deviation	p-value
Obat Baru (n=30)	42.50	5.20	0.001 **
Plasebo (n=30)	15.10	7.80	0.001 **

Interpretasi: Nilai p = 0.001 (< 0.05). Terdapat perbedaan efektivitas yang bermakna antara Obat Baru dan Plasebo dalam menurunkan gula darah.

Metode Pembelajaran	Mean Skor Literasi	Std. Deviation	p-value
Gamifikasi (n=40)	88.5	6.5	0.024 *
Konvensional (n=40)	82.1	8.2	0.024 *

Interpretasi: Nilai p = 0.024 (< 0.05). Metode Gamifikasi terbukti menghasilkan skor literasi yang secara signifikan lebih tinggi dibanding metode konvensional.

Kanal Penjualan	Mean Total Transaksi (Rp)	Std. Deviation	p-value
Toko Online (n=50)	350.000	45.000	0.125 (ns)
Toko Offline (n=50)	335.000	50.000	0.125 (ns)

Interpretasi: Nilai p = 0.125 (> 0.05). Tidak terdapat perbedaan yang signifikan secara statistik antara nilai transaksi di Toko Online maupun Toko Offline.

Langkah Analisis di IBM SPSS

1. Klik menu Analyze → Compare Means → Independent-Samples T Test...

2. Masukkan Variabel Terikat numerik ke kotak Test Variable(s), dan Variabel Bebas grup ke Grouping Variable.

3. Klik Define Groups... lalu masukkan kode angka grup Anda (misal: 1 dan 2). Klik Continue → OK.

4. Cek kolom Sig. pada Levene's Test untuk homogenitas, dan Sig. (2-tailed) untuk p-value t-test.

Bivariat: T-Test Berpasangan (Paired)

Konteks & Tujuan

Menguji perbedaan nilai rata-rata numerik pada satu kelompok subjek yang sama dan diukur sebanyak dua kali. Sangat lumrah digunakan untuk desain Pre-Test versus Post-Test pada satu individu.

Asumsi Parametrik Dasar

Skala ukur wajib numerik (rasio/interval).
Nilai selisih (Δ) antara pengukuran waktu 1 dan 2 terdistribusi normal.
Alternatif Jika Tdk Normal: Uji Wilcoxon

Output & Interpretasi (Pre vs Post)

Pengukuran Berat Badan	Mean (Kg)	Beda (Δ)	p-value
Sebelum Diet (Bulan 0)	85.40	-4.20	0.003 **
Sesudah Diet (Bulan 2)	81.20	-4.20	0.003 **

Interpretasi: Terdapat penurunan berat badan yang signifikan (p=0.003) sebesar rata-rata 4.2 kg secara nyata.

Pengukuran Nilai Ujian	Mean Skor	Beda (Δ)	p-value
Pre-Test (Sebelum Pelatihan)	55.0	+22.5	0.000 **
Post-Test (Sesudah Pelatihan)	77.5	+22.5	0.000 **

Interpretasi: Modul pelatihan terbukti sukses memberikan peningkatan skor pemahaman secara signifikan (p=0.000) sebesar 22.5 poin.

Metrik Penjualan Harian	Mean Unit	Beda (Δ)	p-value
Sebelum Kampanye Ads	120	+5	0.315 (ns)
Sesudah Kampanye Ads	125	+5	0.315 (ns)

Interpretasi: Kenaikan 5 unit penjualan pasca iklan tidak bermakna secara statistik (p=0.315 > 0.05). Kampanye dinilai kurang efektif merubah performa harian secara drastis.

Langkah Analisis di IBM SPSS

1. Klik menu Analyze → Compare Means → Paired-Samples T Test...

2. Pilih pasangan variabel dari daftar (tekan Ctrl lalu klik variabel Pre_Test dan Post_Test).

3. Pindahkan pasangan variabel tersebut ke kotak Paired Variables.

4. Klik OK. (Hasil kemaknaan dapat dilihat pada kolom Sig. (2-tailed)).

Bivariat: ANOVA Satu Arah (One-Way)

Konteks & Tujuan

Ekstensi T-Test untuk membandingkan rerata numerik di tiga kelompok (grup) independen atau lebih sekaligus. Mencegah akumulasi Alpha Error jika membandingkan pasangan grup satu persatu secara manual.

Asumsi & Syarat Klasik

Data residu berdistribusi Normal.
Varian antar grup setara. Wajib dilanjutkan Uji Post-Hoc Tukey jika p < 0.05.
Alternatif Jika Tdk Normal: Uji Kruskal-Wallis.

Output & Interpretasi (>2 Grup)

Dosis Obat Kolesterol	Mean Penurunan	Nilai F	p-value (Sig)
Rendah	10.5 mg/dL	14.620	0.000 **
Sedang	18.2 mg/dL
Tinggi	25.1 mg/dL

Interpretasi ANOVA: p = 0.000 (< 0.05). Minimal ada 1 pasang dosis yang berbeda signifikan. Lanjutkan dengan Uji Post-Hoc Tukey HSD untuk mencari detail pasangan spesifik tersebut.

Status Ekonomi Ortu	Mean IPK Mahasiswa	Nilai F	p-value (Sig)
Menengah Bawah	3.15	1.450	0.245 (ns)
Menengah	3.20
Menengah Atas	3.35

Interpretasi ANOVA: p = 0.245 (> 0.05). Tidak ada perbedaan mean IPK yang signifikan di antara ketiga kelompok status ekonomi.

Desain Kemasan	Mean Sales / Hari	Nilai F	p-value (Sig)
Desain A (Merah)	45 Unit	8.330	0.012 *
Desain B (Biru)	60 Unit
Desain C (Hijau)	48 Unit

Interpretasi ANOVA: Terdapat perbedaan signifikan (p=0.012). Uji Tukey lanjutan mengindikasikan Desain B (Biru) mendulang konversi penjualan unggul secara nyata.

Langkah Analisis di IBM SPSS

1. Klik menu Analyze → Compare Means → One-Way ANOVA...

2. Masukkan variabel terikat (numerik tunggal) ke dalam kotak Dependent List.

3. Masukkan variabel bebas pengelompokan (>2 grup) ke dalam kotak Factor.

4. Klik tombol Post Hoc..., centang uji Tukey, klik Continue.

5. Klik Options..., centang Descriptive dan Homogeneity of variance test. Klik Continue → OK.

Bivariat: Uji Chi-Square (χ²)

Konteks & Tujuan

Uji non-parametrik primer untuk membandingkan dua variabel yang keduanya berskala Kategorik. Digunakan pada Tabel Silang (Crosstab) guna mengevaluasi perbedaan rasio/proporsi keluaran antar kelompok.

Syarat Tabel Silang

Data berupa frekuensi observasi riil (n absolut).
Sel dengan "Expected Count" < 5 tidak boleh > 20% total sel.
Alternatif Jika Syarat Gagal: Fisher's Exact Test.

Output Tabel Kontingensi Proporsional

Status Vaksin	Kejadian Infeksi Berat		p-value
Status Vaksin	Ya Terinfeksi	Aman / Tidak	p-value
Vaksinasi Lengkap	10 (10%)	90 (90%)	0.001 **
Belum Vaksin	40 (40%)	60 (60%)	0.001 **

Interpretasi: p = 0.001. Ada hubungan signifikan antara status vaksinasi dengan perlindungan insidensi infeksi.

Jenis Kelamin	Pilihan Jurusan Studi		p-value
Jenis Kelamin	Sains/Teknik (STEM)	Seni/Humaniora	p-value
Laki-laki	60 (60%)	40 (40%)	0.045 *
Perempuan	40 (40%)	60 (60%)	0.045 *

Interpretasi: p = 0.045 (<0.05). Terdapat asosiasi diferensial kecenderungan pemilihan bidang jurusan antara mahasiswa laki-laki dengan perempuan.

Jenis Kampanye Promo	Keputusan Beli Barang		p-value
Jenis Kampanye Promo	Membeli	Abaikan	p-value
Diskon 50%	150 (30%)	350 (70%)	0.650 (ns)
Beli 1 Gratis 1	160 (32%)	340 (68%)	0.650 (ns)

Interpretasi: p = 0.650 (>0.05). Tdk ada perbedaan bermakna perihal efektivitas konversi pembelian antara dua skema promo tersebut.

Langkah Analisis di IBM SPSS

1. Klik menu Analyze → Descriptive Statistics → Crosstabs...

2. Masukkan Var. Kategorik 1 (Independent) ke Row(s) dan Kategorik 2 (Dependent) ke Column(s).

3. Klik Statistics..., centang Chi-square (serta Risk bila butuh Odds Ratio). Klik Continue.

4. Klik Cells..., centang Expected (cek syarat) dan Row/Col persentase. Klik Continue → OK.

Bivariat: Korelasi Linear (Pearson)

Konteks & Tujuan

Bertujuan mengungkap kekuatan derajat asosiasi (erat/lemah) dan arah garis relasi (positif/negatif) antara dua variabel numerik kontinu. Catatan mutlak: Berkorelasi tidak menjustifikasi hubungan Kausalitas Sebab-Akibat.

Asumsi & Interpretasi r

Data normal. Bila miring = Uji Spearman.
Kekuatan (r): 0.0-0.2 (Sgt Lemah), 0.2-0.4 (Lemah), 0.4-0.6 (Sedang), 0.6-0.8 (Kuat), >0.8 (Sgt Kuat).

Output Matriks Korelasi

BMI vs Glukosa Darah

Koefisien (r) 0.685

p-value 0.012 **

Interpretasi: Relasi r=0.685 bermakna secara statitisik (p=0.012). Terdapat hubungan positif yang kuat. Artinya laju peningkatan nilai Body Mass Index (BMI) berjalan konsisten linier dengan memburuknya lonjakan Kadar Glukosa Darah puasa pasien.

Langkah Analisis di IBM SPSS

1. Klik menu Analyze → Correlate → Bivariate...

2. Pindahkan kedua variabel numerik yang ingin dihubungkan ke kotak Variables.

3. Pada bagian Correlation Coefficients, pastikan Pearson dicentang (Atau Spearman jika Anda mendapati grafik data tidak simetris normal pada uji awal).

4. Centang Flag significant correlations → klik OK.

Multivariat: Regresi Linear Ganda

Konteks & Tujuan

Analisis multivariat untuk memprediksi pengaruh simultan (bersama-sama) dari sekumpulan Variabel Bebas (Prediktor X) terhadap persis 1 Variabel Terikat (Y) dengan syarat wujud angkanya metrik/kontinu. Sangat ampuh menyingkirkan efek bias antar variabel perancu (confounding control).

Asumsi Klasik (GOLS)

Residu wajib berdistribusi normal (Uji Plot / K-S).
Homoskedastisitas: Varians residu statis konstan (Scatterplot menyebar rata).
Non-Multikolinearitas: Antar var bebas (X1 & X2) tidak boleh berkorelasi sangat kuat (Syarat mutlak nilai VIF < 10).

Output & Koefisien Analitik Determinan

Determinan Tekanan Darah Sistolik (Y)	Koefisien (β)	p-value
Konsumsi Garam / Hari (X1)	1.85	0.001 **
Durasi Kardio / Minggu (X2)	-2.10	0.005 **
Umur (Tahun) (X3)	0.05	0.420 (ns)

Uji F Simultan: p=0.000 | Koef. Determinasi R-Square (R²) = 0.650 (65%)

Makna: Model ini memprediksi 65% relasi. Jika durasi Olahraga (Kardio) naik 1 jam/minggu, TD sistolik akan membaik/turun senilai 2.10 mmHg (Koefisien negatif), secara ceteris paribus (garam dan usia konstan dikontrol).

Determinan Nilai IPK Mahasiswa (Y)	Koefisien (β)	p-value
Absensi Kehadiran Kelas (X1)	0.04	0.012 *
Jam Self-Study Mandiri (X2)	0.15	0.001 **
Pendapatan Orangtua (X3)	0.01	0.785 (ns)

Uji F Simultan: p=0.000 | Koef. Determinasi R-Square (R²) = 0.550 (55%)

Makna: Tiap lonjakan 1 jam Self-Study mengkonversi sumbangan nilai indeks prestasi IPK sebesar kenaikan 0.15 poin mutlak dengan p-value akurat. Kekuatan Ekonomi ortu tidak memberikan andil sumbangsih jika efisiensi waktu belajar mahasiwa telah diregresikan.

Determinan Konversi Penjualan Bulanan (Y)	Koefisien (β)	p-value
Biaya Ads & Iklan (X1)	5.50	0.000 **
Diskon Harga Promo (X2)	12.20	0.004 **
Durasi Pelayanan Chat (X3)	-2.15	0.045 *

Uji F Simultan: p=0.000 | Koef. Determinasi R-Square (R²) = 0.820 (82%)

Makna: Model memegang porsi dominasi 82%. Peningkatan Ads menyumbang perolehan besar. Uniknya, respon telat Chat CS (X3) minus; keterlambatan menjawab tiap 1 jam menjatuhkan laju penjualan merugi hingga -2.15 unit bulanan.

Langkah Analisis di IBM SPSS

1. Klik menu Analyze → Regression → Linear...

2. Masukkan variabel Y Numerik Anda ke kotak Dependent.

3. Masukkan multivariabel bebas X ke dalam blok matriks Independent(s).

4. Klik Statistics..., pastikan Estimates & Model fit tercentang. Centang absolut bilik Collinearity diagnostics (untuk lolos VIF multikolinearitas). Klik Continue → OK.

Multivariat: Regresi Logistik Ganda

Konteks & Tujuan

Analitik Epidemiologi Tertinggi. Berperan menakar/mengukur daya proyeksi risiko pengaruh simultan multi prediktor (numerik & kategorik) terhadap probabilitas mutlak suatu Variabel Dependen yang terkunci berskala Dikotomi Kategori (Cth: Terinfeksi vs Sehat, Churn vs Retain).

Aturan Odds Ratio (Nilai Exp(B) / OR)

OR > 1 : Faktor Risiko (Memperbesar peluang bahaya outcome).
OR = 1 : Variabel hampa/netral.
OR < 1 : Faktor Protektif protektif (Memperisai/mencegah luaran).
Signifikansi (p < 0.05) mensyaratkan 95% Confidence Interval (CI) rentangnya TIDAK BOLEH melintasi angka 1.

Output Tabel Odds Ratio Multivariat

Prediktor Penyakit Diabetes Mellitus (Y)	Odds Ratio / Exp(B)	p-value	95% C.I.
Gaya Hidup Sedentary (Malas Gerak)	4.50	0.001 **	2.10 — 7.20
Konsumsi Serat Sayur Harian (Tinggi)	0.35	0.022 *	0.15 — 0.85
Riwayat Keluarga Jauh	1.20	0.450 (ns)	0.80 — 2.50

Interpretasi OR Klinis: P-value 0.001 (Sig). Gaya sedentary memompa bahaya mutlak diabetes hingga 4.5 lipat puncaknya. Kebalikan murni terlihat pada Sayuran; OR 0.35 mendikte proteksi absolut, memotong kelipatan insiden penyakit hingga tereduksi membaik sebesar 65% (1 - 0.35).

Prediktor Status Mahasiswa DropOut (Y)	Odds Ratio / Exp(B)	p-value	95% C.I.
Absensi Bolos Kelas > 20%	6.25	0.000 **	3.40 — 9.80
Partisipasi BEM / Organisasi Kampus	0.60	0.041 *	0.38 — 0.95
Jarak Rumah ke Kampus > 10 Km	1.15	0.680 (ns)	0.55 — 2.15

Interpretasi OR Sosio Edukasi: Mahasiswa pembolos (Absen ekstrem) membawa potensi kerawanan D.O 6 kali lebih rawan (OR=6.25). Partisipasi organisasi mendatangkan efek perisai (Protektif OR=0.60), menekan kerawanan putus kuliah sampai batas 40% perlindungan. Jarak lokasi nihil efek.

Faktor Nasabah Pindah Kompetitor (Churn) (Y)	Odds Ratio / Exp(B)	p-value	95% C.I.
Riwayat Komplain Layanan Tdk Selesai	5.80	0.001 **	2.60 — 10.40
Member Loyalty Program (Gold/VIP)	0.25	0.005 **	0.10 — 0.65
Biaya Bulanan Skema Basic	1.45	0.210 (ns)	0.85 — 2.80

Interpretasi OR Bisnis Ekonomi: Jejak cacat layanan via keluhan buruk mentransfer dorongan kabur beralih (Churn) konsumen memuncak 5.8 kali lipat. Beruntung program Loyalty VIP sukses mem-buffer kepuasan. Keikutsertaan Loyalty ampuh memblokir laju churn 75% lebih kokoh dibanding basis member biasa.

Langkah Analisis di IBM SPSS

1. Klik menu Analyze → Regression → Binary Logistic...

2. Masukkan Y (bipolar Kategorik biner 0 dan 1) ke Dependent.

3. Lempar prediktor kombinasi bebas ke belah matriks Covariates.

4. (Vital) Tekan Categorical..., pindahkan nama X Kategorikal (Non-Numerik) dari Covariates ke porsi list Categorical Covariates. Pastikan Reference setingan akurat (First/Last). Klik Continue.

5. Buka menu Options..., jentik ceklis wajib eksponensial di blok CI for exp(B). Konfirmasi Continue → Eksekusi OK.

Pemilihan Uji Statistik

Identifikasi Metodologi (Variat & Data)

1.1 Apa arah / jumlah variabel utama analisis Anda?

1.2 Apa skala pengukuran Variabel Terikat (Outcome/Y) Anda?

1.3 Berapa jumlah kelompok uji dan relasinya?

Konteks Topik Penelitian

2.1 Apa bidang / topik utama penelitian Anda?

Nama Uji Statistik

Ringkasan Implementasi

Asumsi dan Alternatif Nonparametrik

Checklist Pelaporan BAB Hasil

Univariat: Analisis Deskriptif

Konteks & Tujuan

Parameter Laporan Baku

Contoh Tabel Karakteristik Dasar berdasarkan Topik

Langkah Analisis di IBM SPSS

Bivariat: T-Test Independen

Konteks & Tujuan

Asumsi Parametrik Dasar

Output & Interpretasi Berdasarkan Topik

Langkah Analisis di IBM SPSS

Bivariat: T-Test Berpasangan (Paired)

Konteks & Tujuan

Asumsi Parametrik Dasar

Output & Interpretasi (Pre vs Post)

Langkah Analisis di IBM SPSS

Bivariat: ANOVA Satu Arah (One-Way)

Konteks & Tujuan

Asumsi & Syarat Klasik

Output & Interpretasi (>2 Grup)

Langkah Analisis di IBM SPSS

Bivariat: Uji Chi-Square (χ²)

Konteks & Tujuan

Syarat Tabel Silang

Output Tabel Kontingensi Proporsional

Langkah Analisis di IBM SPSS

Bivariat: Korelasi Linear (Pearson)

Konteks & Tujuan

Asumsi & Interpretasi r

Output Matriks Korelasi

BMI vs Glukosa Darah

Jam Belajar vs Nilai Ujian

Harga Jual vs Volume Terjual

Langkah Analisis di IBM SPSS

Multivariat: Regresi Linear Ganda

Konteks & Tujuan

Asumsi Klasik (GOLS)

Output & Koefisien Analitik Determinan

Langkah Analisis di IBM SPSS

Multivariat: Regresi Logistik Ganda

Konteks & Tujuan

Aturan Odds Ratio (Nilai Exp(B) / OR)

Output Tabel Odds Ratio Multivariat

Langkah Analisis di IBM SPSS