Alur Memilih Uji dan Uji Asumsi

Modul 8 · Biostatistik · Semester Ganjil 2026/2027

Bramadi Arya, S.Si., M.Biotech.

Program Studi D4 Teknologi Laboratorium Medik, Universitas Syedza Saintika

Tujuan belajar

Setelah modul ini, Anda mampu:

Memilih uji statistik dengan lima pertanyaan yang berurutan.
Membedakan data independen dan berpasangan.
Menyebutkan asumsi uji parametrik.
Memeriksa normalitas dengan histogram, Q-Q plot, dan uji Shapiro-Wilk.
Memeriksa homogenitas varians dengan uji Levene.
Menulis rencana analisis yang konsisten antara BAB III dan BAB IV.

Lima pertanyaan untuk memilih uji

Jangan mulai dari nama uji. Mulailah dari pertanyaan penelitian dan data Anda.

Lima pertanyaan, berurutan

Apa tujuannya? Membandingkan kelompok, mencari hubungan, menilai kesesuaian dua metode, atau menilai kinerja uji diagnostik?
Apa skala variabel hasil? Numerik, ordinal, atau nominal? (Modul 2)
Berapa kelompok yang dibandingkan? Dua, atau lebih dari dua?
Independen atau berpasangan? Apakah subjek di tiap kelompok berbeda, atau subjek yang sama diukur berulang?
Apakah asumsi terpenuhi? Terutama normalitas dan homogenitas varians, untuk data numerik.

Satu uji yang tepat

Jawaban kelima pertanyaan ini hampir selalu menunjuk ke satu uji. Jika Anda bingung memilih uji, biasanya salah satu pertanyaan belum terjawab dengan jelas.

Independen atau berpasangan?

Independen

Subjek di setiap kelompok berbeda orang. Nilai satu kelompok tidak memengaruhi kelompok lain.

Hb perokok vs bukan perokok
Trombosit pada 4 kelompok serologi dengue
Kolesterol laki-laki vs perempuan

Independen atau berpasangan? (lanjutan)

Berpasangan (dependen)

Subjek yang sama diukur dua kali atau lebih, atau subjek dipasangkan secara sengaja.

Kreatinin sebelum dan sesudah hemodialisis
Satu sampel diperiksa dengan dua alat
Sediaan BTA dibaca segar dan setelah disimpan

Salah menentukan jenis ini adalah kesalahan yang fatal. Di Modul 9 Anda akan melihat data yang sama memberi p = 0,124 dengan uji yang salah dan p < 0,001 dengan uji yang benar.

Peta pemilihan uji

Tujuan	Numerik, asumsi terpenuhi	Numerik tidak normal / ordinal	Nominal
Beda 2 kelompok independen	uji t independen	Mann-Whitney	Chi-square / Fisher
Beda 2 pengukuran berpasangan	uji t berpasangan	Wilcoxon	McNemar
Beda > 2 kelompok independen	ANOVA + post-hoc	Kruskal-Wallis + post-hoc	Chi-square

Peta pemilihan uji (lanjutan)

Tujuan	Numerik, asumsi terpenuhi	Numerik tidak normal / ordinal	Nominal
Hubungan dua variabel	Pearson, regresi	Spearman	Chi-square, OR
Kesesuaian dua metode	Bland-Altman	Kappa berbobot	Kappa Cohen
Kinerja uji diagnostik	kurva ROC	kurva ROC	sensitivitas, spesifisitas

Setiap baris dibahas di Modul 9 sampai 13.

Asumsi uji parametrik

Uji t, ANOVA, dan Pearson disebut parametrik karena bersandar pada asumsi tentang bentuk distribusi data.

Tiga asumsi utama

Independensi: setiap nilai berasal dari subjek yang berbeda (kecuali pada uji berpasangan). Ditentukan oleh desain, bukan diuji dengan statistik.
Normalitas: data (atau selisihnya) kurang lebih mengikuti distribusi normal.
Homogenitas varians: sebaran data antar kelompok kurang lebih sama.

Jika asumsi dilanggar, pilihan Anda:

pakai uji nonparametrik padanannya,
pakai versi yang tahan terhadap pelanggaran (misalnya uji t Welch jika varians tidak homogen),
atau transformasi data (misalnya logaritma), lalu periksa ulang.

Memeriksa normalitas: lihat dulu

Pada Q-Q plot, titik yang mengikuti garis berarti data mendekati normal. Hb (kiri) mengikuti garis. Gula darah puasa (kanan) melengkung naik di ujung kanan karena ada subjek dengan nilai sangat tinggi.

Memeriksa normalitas: uji formal

Variabel (n = 60)	Kemencengan	Shapiro-Wilk p	Kesimpulan
Hemoglobin	0,32	0,748	normal
Trombosit	−0,01	0,908	normal
Leukosit	0,69	0,014	tidak normal
Gula darah puasa	2,18	< 0,001	tidak normal
HbA1c	1,69	< 0,001	tidak normal

(Ghasemi & Zahediasl, 2012; Shapiro & Wilk, 1965)

Memeriksa normalitas: uji formal (lanjutan)

H₀ uji normalitas: data berdistribusi normal. Jadi p > 0,05 berarti tidak ada bukti data menyimpang dari normal.
Shapiro-Wilk umumnya dianjurkan karena paling peka mendeteksi ketidaknormalan, terutama pada sampel kecil sampai sedang. Kolmogorov-Smirnov (dengan koreksi Lilliefors) juga tersedia di SPSS dan sering dipakai untuk sampel besar.

(Ghasemi & Zahediasl, 2012; Shapiro & Wilk, 1965)

Kelemahan uji normalitas

Pada sampel kecil (n < 15), uji normalitas sering gagal mendeteksi penyimpangan yang jelas terlihat di grafik.
Pada sampel besar (n > 200), penyimpangan yang sangat kecil dan tidak penting bisa menjadi “bermakna”.

Aturan praktis: gabungkan grafik dan uji formal. Jangan memutuskan hanya dari satu nilai p.

Normalitas diperiksa pada apa?

Uji yang direncanakan	Periksa normalitas pada
Uji t independen, ANOVA	setiap kelompok secara terpisah
Uji t berpasangan	selisih nilai (sesudah dikurangi sebelum)
Korelasi Pearson	kedua variabel, dan lihat diagram sebar
Regresi linier	residual model

Kesalahan yang sering terjadi: menguji normalitas Hb seluruh subjek padahal yang dibandingkan adalah Hb laki-laki vs perempuan. Yang harus diperiksa adalah normalitas di masing-masing kelompok.

Contoh: ketika hasilnya tidak tegas

Hb per kelompok pada dataset berjalan:

Kelompok	n	Shapiro-Wilk p
Laki-laki	32	0,037
Perempuan	28	0,612

Satu kelompok “tidak normal”. Apakah uji t langsung terlarang?

Pembahasan: uji t tetap boleh, dengan konfirmasi

Tidak harus pindah ke uji nonparametrik. Pertimbangkan:

Histogram dan Q-Q plot kelompok laki-laki hampir simetris; p kecil disebabkan dua nilai tinggi (17,6 dan 17,8).
n = 32 cukup besar, sehingga uji t cukup tahan terhadap penyimpangan ringan (ingat Teorema Limit Pusat di Modul 4).
Keputusan yang jujur: gunakan uji t, lalu konfirmasi dengan Mann-Whitney. Jika kesimpulannya sama, laporkan keduanya di BAB IV.

Homogenitas varians: uji Levene

H₀ uji Levene: varians semua kelompok sama.
p > 0,05: tidak ada bukti varians berbeda, anggap homogen.
p ≤ 0,05: varians tidak homogen.

(Welch, 1947)

Homogenitas varians: uji Levene (lanjutan)

Contoh: Hb laki-laki (SD 1,13) vs perempuan (SD 1,08). Levene p = 0,74, varians homogen.

Jika varians tidak homogen:

dua kelompok: gunakan uji t Welch (di SPSS, baca baris Equal variances not assumed),
lebih dari dua kelompok: gunakan ANOVA Welch dengan post-hoc Games-Howell.

(Welch, 1947)

Bagaimana dengan transformasi?

Transformasi logaritma sering membuat data menceng ke kanan menjadi lebih simetris.

Pada dataset berjalan, log(GDP) masih tidak normal (Shapiro-Wilk p < 0,001). Penyebabnya, data GDP tersusun dari dua kelompok subjek: sebagian besar normoglikemia dan sebagian kecil hiperglikemia.

Transformasi bukan obat untuk semua masalah. Jika setelah transformasi data tetap tidak normal, gunakan uji nonparametrik. Jika transformasi dipakai, hasil harus ditafsirkan dalam skala asli agar mudah dipahami.

Langkah di SPSS dan JASP

SPSS

Analyze → Descriptive Statistics → Explore
Masukkan variabel hasil ke Dependent List, variabel kelompok ke Factor List
Plots → centang Normality plots with tests dan Histogram
Baca tabel Tests of Normality, kolom Shapiro-Wilk

Levene muncul otomatis pada output uji t dan ANOVA.

Langkah di SPSS dan JASP (lanjutan)

JASP (gratis)

Buka file CSV
Descriptives → masukkan variabel
Isi Split dengan variabel kelompok
Statistics → centang Shapiro-Wilk test
Basic plots → centang Q-Q plots dan Distribution plots

Contoh dari naskah skripsi

Temuan yang sering muncul di naskah skripsi

“Uji normalitas dengan menggunakan One Way ANOVA, uji homogenitas dengan menggunakan uji Fisher, dan uji post hoc menggunakan Tukey Games Howell.”

Contoh dari naskah skripsi (lanjutan)

Tiga kesalahan dalam satu kalimat:

One-Way ANOVA bukan uji normalitas. Uji normalitas: Shapiro-Wilk atau Kolmogorov-Smirnov.
Uji homogenitas yang lazim adalah Levene, bukan Fisher.
Tukey HSD dan Games-Howell adalah dua uji post-hoc yang berbeda. Tukey untuk varians homogen, Games-Howell untuk varians tidak homogen.

Pada naskah yang sama, BAB IV justru memakai uji yang benar. Artinya BAB III tidak menggambarkan apa yang dikerjakan. Setelah analisis selesai, BAB III wajib disesuaikan.

Contoh paragraf rencana analisis (BAB III)

Data numerik diuji normalitasnya dengan uji Shapiro-Wilk dan Q-Q plot pada masing-masing kelompok, serta homogenitas varians dengan uji Levene. Jika data berdistribusi normal dan varians homogen, perbedaan rerata kadar Hb antara kelompok perokok dan bukan perokok dianalisis dengan uji t independen; jika varians tidak homogen digunakan uji t Welch; jika data tidak berdistribusi normal digunakan uji Mann-Whitney. Seluruh uji dilakukan dua sisi dengan α = 0,05 menggunakan SPSS versi 26.

Paragraf ini menyebut: uji asumsi, uji utama, rencana cadangan, α, arah uji, dan perangkat lunak.

Latihan 1

Tentukan jenis data (independen atau berpasangan) dan uji yang sesuai jika asumsi terpenuhi:

Kadar glukosa satu set sampel diukur dengan glukometer dan analyzer laboratorium.
Kadar kolesterol mahasiswa perokok dan bukan perokok.
Hb 20 pasien sebelum dan sesudah terapi besi.

Latihan 1 (jawaban)

Jawaban:

Berpasangan (sampel sama, dua alat). Untuk menilai kesesuaian: Bland-Altman (Modul 13). Untuk menguji beda rerata: uji t berpasangan.
Independen. Uji t independen.
Berpasangan. Uji t berpasangan.

Latihan 2

Output uji normalitas trombosit pada dua kelompok: kelompok A (n = 14) Shapiro-Wilk p = 0,21; kelompok B (n = 14) p = 0,003. Levene p = 0,02.

Uji apa yang Anda pilih untuk membandingkan kedua kelompok?

Jawaban: Kelompok B jelas tidak normal dan n kecil (14), sehingga uji t tidak cukup tahan. Gunakan Mann-Whitney. Levene p = 0,02 memperkuat bahwa asumsi uji t tidak terpenuhi.

Latihan 3

Seorang mahasiswa menguji normalitas kreatinin sebelum HD (p = 0,40) dan sesudah HD (p = 0,03), lalu memilih uji Wilcoxon. Apa yang kurang tepat?

Jawaban: Untuk data berpasangan, yang diuji normalitasnya adalah selisih (sesudah dikurangi sebelum), bukan masing-masing pengukuran. Jika selisihnya normal, uji t berpasangan tetap boleh dipakai walaupun salah satu pengukuran tidak normal.

Ringkasan

Pilih uji dengan lima pertanyaan: tujuan, skala, jumlah kelompok, independen/berpasangan, asumsi.
Asumsi parametrik: independensi, normalitas, homogenitas varians.
Periksa normalitas dengan grafik dan uji formal, pada objek yang tepat: per kelompok, pada selisih, atau pada residual.
Varians tidak homogen: Welch atau Games-Howell. Tidak normal: nonparametrik.
BAB III harus sama dengan yang benar-benar dikerjakan di BAB IV.

Daftar Pustaka

Selesai: Modul 8

Lanjut ke Modul 9: Membandingkan Dua Kelompok →

Kembali ke Daftar modul