script src='http://elmubarok.googlecode.com/files/floating1.js' type='text/javascript'/>

http://ikkibondenkkesmas.blogspot.com/2010/03/about-me.html

Kata Rasullullah ada tiga amalan yang jika dikerjakan maka Amalnya akan mengalir meskipun yang mengamalkannya telah meninggalal dunia diantaranya adalah ILMU BERMANFAAT YANG DIAJARKAN.

Wednesday 9 September 2009

Uji Beda Dua Mean Dependent - Parametrik





Tujuan uji ini kurang lebih sama dengan tujuan uji beda dua mean Independent, tetapi yang membedakannya adalah pada uji ini pada sampel yang independent dimana pemaknaan dua mean Dependent adalah sampel yang sama tetapi dikenai dua kali pengukuran yaitu sesudah dan sebelum sehingga dari kedua pengukuran tersebut dilihat apakah ada perbedaan atau tidak.
Apakah ada perbedaan antara Berat badab bayi antara sebelum dan sesudah pelaksanaan program PMT Puskesmas X selama sebulan.
Data Fiftiv
No Pengukuran-BBB/Kg No Pengukuran-BBB/Kg
Sebelum Sesudah Sebelum Sesudah
1 5 7 18 7 8
2 5 6 19 7 8
3 5 7 20 5,8 6,8
4 5 7 21 5,8 6,8
5 5 6 22 5,8 6,8
6 6 7 23 5,8 6,8
7 6 7 24 6 7
8 5,8 6,8 25 6 7,5
9 5,8 6,8 26 6 7
10 6 7 27 6 7,5
11 6 7 28 5 6
12 6 7 29 5,8 6,8
13 6 7 30 5,8 6,8
14 6 7 31 7 8
15 7 8 32 7 8,5
16 7 8 33 7 8
17 7 8 34 7 8,8
35 7 8

Ket; BBB = Berat Badan Balita / Kg
Masuklah ke program SPSS anda: kemudian buat variabel pada jendela “Variable View” untuk membuat Variabel “bpmt” dengan lebels “Sebelum PMT”, kemudian Variabel “spmt” dengan labels “Sesudah PMT”
Karena parametrik jadi syarat datanya berdistribusi normal. Untuk melihat distribusi datanya normal atau tidak seperti posting sebelumnya langkah berikut; “Analzy” – “escriptive” – “Explore”. Maka akan tampil gambar beikut:
Gambar 01
Dari hasil analisis diatas dapat dilihat pada nilai “Skewness dan Std Error” (Sebelum PMT = 0,143216 dan Sesudah PMT = 0,934673) dimana nilainya dibawah 2, maka dapat disimpulkan data berdistribusi normal. Maka menggunakan uji parametrik.
Kamudian klik “Analyze” selanjutnya “Compare Means” dan “Paired-Samples T Test.”
Gambar 02
Selanjutnya masukkan kedua variabel tersebut ke “Paired Variable”
Gambar 03
dan “OK”
Gambar 04
Dari hasil analisis diatas dapat dilihat nilai Asymp.Sig (2-tailed) = 0,000, Karena 0,000  < 0,05 maka dapat disimpulkan ada perbedaan signifikan antara berat badan bayi lahir antara ibu yang obes dengan ibu yang tidak obes.

No comments:

Post a Comment