Pengolahan Data Anthropometr

BAB VI ANALISIS PEMECAHAN MASALAH

3.2. Keluhan Musculoskeletal

3.4.3. Pengolahan Data Anthropometr

Data mentah yang sudah didapatkan diuji terlebih dahulu dengan menggunakan metode statistik sederhana yaitu uji keseragaman data dan uji kenormalan data. Hal tersebut dilakukan agar data yang diperoleh bersifat representatif, artinya data tersebut dapat mewakili populasi yang diharapkan.

1). Uji Keseragaman Data

Kegunaan uji keseragaman data adalah untuk mengetahui homogenitas data. Dari uji keseragaman data dapat diketahui apakah data berasal dari satu populasi yang sama. Uji keseragaman data dilakukan melalui tahap-tahap perhitungan yaitu:

a. Membagi data ke dalam suatu sub grup (kelas)

Penentuan jumlah sub grup dapat ditentukan dengan menggunakan rumus: k = 1 + 3 , 3 log N

dimana N = jumlah data.

b. Menghitung harga rata-rata dari harga rata-rata sub grup dengan :

k X x n i i

∑

₌ = 1

Dimana: k = jumlah subgrup yang terbentuk Xi = harga rata-rata dari subgrup ke-i c. Menghitung standar deviasi (SD), dengan:

Untuk sampel : 1 ) ( 2 − − =

∑

n X Xi σ Untuk populasi : N X X s =

∑

i − 2 ) ( dimana:

N = jumlah data amatan pendahuluan yang telah dilakukan Xi = data amatan yang didapat dari hasil pengukuran ke-i

a. Menghitung standar deviasi dari distribusi harga rata-rata sub grup dengan rumus:

n x

σ

σ =

Dimana n = ukuran rata-rata satu sub grup

e. Menentukan Batas Kontrol Atas (BKA) dan Batas Kontrol Bawah (BKB) dengan rumus:

Jika X min > BKB dan Xmax < BKA maka data seragam.

2). Uji Kenormalan Data

Uji distribusi normal adalah uji untuk mengukur apakah data berdistribusi normal sehingga dapat dipakai dalam statistik parametrik. Cara yang biasa dipakai untuk menghitung masalah ini adalah Chi-Square dan Kolmogorov-Smirnov (K-S). Kedua tes dinamakan masuk dalam kategori Goodness of Fit Test, yaitu uji apakah data empirik yang didapatkan dari lapangan sesuai dengan distribusi teoritik tertentu. Kedua uji ini memiliki perbedaan yang dapat dijadikan landasan dalam memilih uji yang tepat untuk data yang akan diolah. Perbedaan tersebut dapat dilihat pada Tabel 3.26.

Tabel 3.26. Perbedaan Antara Chi-Square dan Kolmogorov-Smirnov

No. Chi-Square Test K-S Test

1. Ukuran sampel besar Ukuran sampel kecil 2. Mengelompokkan data ke

dalam kategori

Data tidak dikelompokkan

3. Membandingkan distribusi teoritik dan empirik (observasi) berdasarkan kategori

Membandingkan frekuensi kumulatif distribusi teoritik dan frekuensi kumulatif distribusi empirik (observasi) 4. Dapat diaplikasikan ke

distribusi diskrit dan kontiniu

Hanya untuk distribusi yang kontiniu

5. Approximate Exact

Sumber : Engineering Statistic Handbook

Dalam statistik, chi-square (dilambangkan dengan X2) termasuk dalam

besaran populasi tidak diketahui. Distribusi ini sangat bermanfaat dalam melakukan analisis statistik jika kita tidak memiliki informasi tentang populasi atau jika asumsi- asumsi yang dipersyaratkan untuk penggunaan statistik parametrik tidak terpenuhi. Pengujian menggunakan uji chi-square dilakukan dengan membandingkan antara fakta yang diperoleh berdasarkan hasil observasi dengan fakta yang didasarkan secara teoritis (yang diharapkan). Hal ini sejalan dengan konsep kenyataan yang sering terjadi bahwa hasil observasi biasanya selalu tidak tepat dengan yang diharapkan (tidak sesuai) dengan yang direncanakan berdasarkan konsep dari teorinya (sesuai dengan aturan teori probabilitas).

Tahap pengujian dengan menggunakan chi-squre pada dasarnya hanya menentukan nilai berdasarkan hasil observasi dan harapannya untuk kemudian dibandingkan dengan nilai berdasarkan nilai kritis yang menunjukkan luas di bawah kurva berdasarkan tingkat kepercayaan dan derajat kebebasannya. Nilai kritis tersebut ditetapkan dari tabel chi-square . Dalam menentukan uji nyata dari suatu persoalan yang diungkapkan, jumlah derajat kebebasan (v) ditentukan oleh:

a. v = k - 1, (k: banyaknya peristiwa yang terjadi)

Derajat kebebasan ini digunakan jika frekuensi yang diharapkan dapat dihitung tanpa menduga parameter populasi dari statistik sampelnya.

b. v = k – 1 - m

Derajat kebebasan ini digunakan jika frekuensi yang diharapkan dapat dihitung hanya dengan menduga m parameter populasi dari statistik sampelnya.

c. Tingkat keyakinan (1- α) atau tingkat ketidakyakinan (taraf nyata) α ditetapkan sebagai nilai kritis untuk menarik kesimpulan dari yang diobservasi, selanjutnya dapat ditunjukkan ada beda atau tidaknya setelah dibandingkan hasil perhitungan nilai yang diobservasi dan nilai berdasarkan nilai kritisnya.

d. Penarikan kesimpulan untuk menyatakan ada beda atau tidak dinyatakan sebagai berikut : jika > maka ada perbedaan yang nyata dan jika < maka tidak ada perbedaan yang nyata antara hasil observasi dan yang diharapkan.

e. Secara umum tahapan pengujian didasarkan pada penetapan hipotesis nol (Ho),

yaitu menetapkan kesimpulan sementara berdasarkan asumsi dari yang membuat pengamatan sedangkan hipotesis alternatif (Ha) adalah kebalikan dari hipotesis

nol.

f. Untuk mengambil kesimpulan diterima atau ditolaknya kesimpulan semantara (hipotesis) sering digunakan taraf nyata 1%, 5% dan 10% atau dengan kata lain pengamatan dilakukan dengan tingkat keyakinan antara 99%, 95% dan 90%. Selanjutnya batas pengamatan ini dijadikan sebagai batas nilai kritis untuk menolak atau menerima hipotesis dengan ketentuan seperti di atas.

g. Jika nilai mendekati nol, dapat diartikan bahwa frekuensi yang diamati hampir sama dengan frekuensi yang diharapkan.

Uji chi-square dapat dipakai untuk menentukan apakah distribusi teoritis seperti distribusi normal dan lainnya sesuai dengan distribusi empiris, yaitu distribusi yang diperoleh dari data sampel yang dijadikan sebagai objek pengamatan.

3). Perhitungan Persentil

Persentil adalah suatu nilai yang menyatakan bahwa persentase tertentu dari kelompok orang yang dimensinya lebih tinggi, sama dengan, atau lebih rendah dari nilai tersebut (Nurmianto, 2004). Data anthropometri diperlukan agar rancangan suatu produk dapat sesuai dengan orang yang akan memakainya. Akan timbul masalah ketika lebih banyak produk yang harus dibuat untuk digunakan oleh banyak orang. Masalah yang timbul adalah menentukan ukuran yang dipakai sebagai acuan untuk mewakili populasi mengingat ukuran individual bervariasi. Permasalahan adanya variasi ukuran dapat diatasi dengan merancang suatu produk yang mempunyai fleksibilitas dan sifat adjustable dengan rentang ukuran tertentu. Solusinya adalah penetapan persentil berdasarkan tabel probabilitas distribusi normal. Persentil adalah suatu nilai yang menunjukkan persentase tertentu dari orang yang mempunyai ukuran pada nilai tersebut. Sebagai contoh persentil ke-95 menunjukkan 95% populasi berada pada ukuran tersebut. Pemakaian nilai-nilai persentil yang umum digunakan dalam perhitungan data anthropometri dapat dilihat pada Tabel 3.27.

Tabel 3.27. Macam Persentil dan Cara Perhitungan dalam Distribusi Normal Persentil Perhitungan 1 _{X - 2,325}σ 2,5 _{X - 1,96}σ 5 _{X - 1,645}σ 10 _{X - 1,28}σ 50 _X 90 _{X + 1,28}σ 95 _{X + 1,645}σ 97,5 _{X + 1,96}σ 99 _{X + 2,325}σ

Perhitungan di atas berdasar pada distribusi normal. Di dalam statistik distribusi tersebut dibentuk berdasar harga rata-rata dan standar deviasi dari data yang diolah.