BAB III UJI VALIDITAS DAN REABILITAS
B. Pengisian SPSS
34 | Statistika Farmasi
15 Donny 2 4 3 5 3 2 2
16 Dwi 4 5 5 3 1 4 4
17 Edo 3 5 5 4 2 3 3
18 Eka 2 4 4 4 2 4 4
19 Gogon 3 3 3 4 1 2 4
20 Hena 4 4 4 3 2 4 3
21 Lestari 2 3 3 4 3 4 4
22 Mayta 3 4 5 3 2 2 4
23 Roben 4 3 3 2 2 2 2
24 Siregar 3 4 4 2 3 2 3
25 Tono 4 2 3 1 4 2 1
26 Toyyib 4 2 2 2 2 2 2
27 Tukiyem 4 3 3 4 3 3 3
29 Zafir 4 4 3 3 3 3 3
30 Zahrana 3 2 1 1 1 2 1
Statistika Farmasi | 35 Klik Ok…
36 | Statistika Farmasi
Sehingga diperoleh pada variable view sebagai berikut:
Langkah uji Validitas
Statistika Farmasi | 37 Klik menu Analize >> scale >> reliability analysis
Akan muncul tampilan sebagai berikut:
Masukkan semua variable butir Faktor 1 (Butir 1 sampai Burir 10) ke kotak item yang ada disebelah kanan.
38 | Statistika Farmasi
Pada model biarkan pilihan pada alpha
Kliklah menu Statistics, akan muncul tampilan sebagai berikut:
Pada Bagian descriptive for check list ketiganya (item, scale, scale if item deleted)
Abaikan bagian lain dan klik Continue untuk kembali ke dialog utama
Klik OK
Statistika Farmasi | 39 Kemudian diperoleh output sebagai berikut:
Tabel diatas hanya untuk menjelaskan mean dan standar deviasi, yaitu: 30,8667 dan 5,4629.
40 | Statistika Farmasi
Berikutnya adalah uji validitas, dimana dimaknai dengan : Uji validitas Butir 1
1. Hipotesis
Ho : Skor butir berkorelasi positif dengan skor faktor H1 : Skor butir tidak berkorelasi positif dengan skor faktor
2. Tingkat signifikansi
Dari tabel r (lihat tabel dibawah), df= jumlah kasus – 2, df
= 30-2 =28, dengan nilai α =5% maka didapatkan nilai tabel angka 0,239 (r tabel= 0,239)
TABEL NILAI KRITIK (KORELASI ITEM – TOTAL TERKOREKSI 1 SISI)
(SISI KANAN / KORELASI POSITIF)
db α = 1% α = 5% db α = 1% α = 5%
1 0.985 0.929 18 0.352 0.296
2 0.881 0.770 19 0.343 0.289
3 0.776 0.663 20 0.335 0.282
Statistika Farmasi | 41
4 0.695 0.590 21 0.327 0.275
5 0.634 0.536 22 0.320 0.269
6 0.586 0.495 23 0.313 0.263
7 0.548 0.462 24 0.307 0.258
8 0.516 0.434 25 0.301 0.253
9 0.489 0.411 26 0.295 0.248
10 0.465 0.392 27 0.290 0.244
11 0.445 0.375 28 0.285 0.239
12 0.427 0.630 29 0.280 0.235
13 0.411 0.346 30 0.275 0.231
14 0.397 0.334 40 0.239 0.201
15 0.384 0.323 60 0.196 0.165
16 0.373 0.310 120 0.139 0.117
17 0.362 0.305 ∞ 0.048 0.041
Catatan :
a. Tabel di atas didasarkan atas Korelasi Pearson, sehingga hanya cocok untuk data metrik (skala interval/rasio). Dalam praktek, data berskala ordinal bisa ditoleransi asalkan memiliki 4 tingkatan atau lebih (misal: skala Likert). Jika data berbentuk biner (0,1), gunakan teknik yang lain.
b. Cara membaca :
H0 : ρterkoreksi ≤ 0 vs H1 : ρterkoreksi > 0
42 | Statistika Farmasi
Tolak H0 jika nilai rterkoreksi > nilai rtabel untuk db yang bersesuaian
db = n – 2 (n adalah jumlah sampel) Sumber tabel : (Hadi, Sutrisno, 1990)
3. Statistik uji r hasil = -0,161 4. Daerah kritik
Ho tidak ditolak jika: r positif, serta r hasil > r tabel, sehngga butir tersebut dikatakan Valid
5. Kesimpulan
Karena r hasil (-0,161) tidak positif maka Ho ditolak yang berarti bahwa skor butir 1 tidak berkorelasi positif dengan skor faktor sehingga butir 1 dikatakan TIDAK VALID
Uji validitas Butir 2 1. Hipotesis
Ho : Skor butir berkorelasi positif dengan skor faktor H1 : Skor butir tidak berkorelasi positif dengan skor faktor
2. Tingkat signifikansi
Statistika Farmasi | 43 Dari tabel r (lihat tabel diatas), df= jumlah kasus – 2, df = 30-2 =28, dengan nilai α =5% maka didapatkan nilai tabel angka 0,239 (r tabel= 0,239)
3. Statistik uji r hasil = 0,462 4. Daerah kritik
Ho tidak ditolak jika: r positif, serta r hasil > r tabel, sehngga butir tersebut dikatakan Valid
5. Kesimpulan
Karena r hasil (0,462) > (r tabel= 0,239) maka Ho diterima yang berarti bahwa skor butir 2 berkorelasi positif dengan skor factor sehingga butir 2 dikatakan VALID
Demikian seterusnya sampai butir ke 10, kemudian kita buat tabel sebagai berikut:
No Variable r hasil r tabel keterangan 1 Butir1 -0,161 0,239 Tidak Valid 2 Butir2 0,462 0,239 Valid 3 Butir3 0,523 0,239 Valid 4 Butir4 0,612 0,239 Valid 5 Butir5 -0,270 0,239 Tidak Valid 6 Butir6 0,301 0,239 Valid 7 Butir7 0,524 0,239 Valid 8 Butir8 0,610 0,239 Valid 9 Butir9 0,717 0,239 Valid
44 | Statistika Farmasi
10 Butir10 0,555 0,239 Valid
Dari tabel diatas terlihat bahwa butir 1 dan butir 5 Tidak Valid, kemudian keluarkanlah butir tersebut, dan proses analisis seperti diatas diulang untuk butir yang Valid saja.
Setelah dikeluarkan (butir 1 dan 5) akan diperoleh output sebagai berikut:
Statistika Farmasi | 45
46 | Statistika Farmasi
Sama halnya seperti diatas, kemudian dibuat tabel sebagai berikut:
No Variable r hasil r tabel keterangan
1 Butir2 0,554 0,239 Valid
2 Butir3 0,449 0,239 Valid
3 Butir4 0,617 0,239 Valid
4 Butir6 0,375 0,239 Valid
5 Butir7 0,628 0,239 Valid
6 Butir8 0,665 0,239 Valid
7 Butir9 0,655 0,239 Valid
8 Butir10 0,577 0,239 Valid
Maka telah diperoleh semua variable pada factor 1 valid. Jika semua sudah Valid, kita lanjutkan ke UJI RELIABILITAS.
Langkah uji Reliabilitas Faktor 1 sebagai berikut:
1. Hipotesis
Ho : Faktor 1 reliable H1 : Faktor 1 tidak reliable 2. Statistik uji
Cronbach’s alpha yang muncul pada output = 0,836 3. Daerah kritik
Ho tidak ditolak jika: Cronbach’s alpha > 0,6, sehngga butir tersebut dikatakan Reliabel
4. Kesimpulan
Statistika Farmasi | 47 Karena r hasil Cronbach’s alpha (0,836) > 0,6 maka Ho diterima yang berarti bahwa Faktor 1 dikatakan RELIABEL
Dengan demikian delapan butir pertanyaan pada data Faktor 1 adalah Valid dan Reliabel.
Selanjutnya, dengan cara yang sama lakukan juga uji Validitas dan Realibilitas data Faktor 2 (Dari 7 butir pertanyaan diatas), Selamat mencoba………
48 | Statistika Farmasi
BAB IV
RANCANGAN PENELITIAN Tujuan instruksional:
Setelah membaca Bab IV para pembaca mampu:
1. Memahami konsep umum bagaimana merancang penelitian baik eksperimental maupun noneksperimental.
2. Memahami aplikasi konsep uji statistik dengan SPSS A. Rancangan penelitian
Rancangan penelitian adalah rencana atau struktur dan strategi penelitian yang disusun sedemikian rupa agar dapat memperoleh jawaban mengenai permasalahan penelitian.
Adapun Kriterianya antara lain:
– Relevansi data – Obyektivitas – Validitas – Reliabilitas
– Teknis pelaksanaan yang efektif & efisien
Rancangan penelitian yang adekuat hendaklah dapat menguji kebenaran hipotesis dan sedapat mungkin mengendalikan atau
Statistika Farmasi | 49 mengontrol varians. Dalam hal mengontrol varians kita dapat melakukan beberapa langkah antara lain: memaksimalkan varians penelitian, meniadakan/mengontrol variabel ekstra (misal tikus dengan umur, galur yang homogen pada kelompok percobaan), meminimalkan error of varians.
Rancangan penelitian dibedakan menjadi 2, yaitu:
1. Rancangan penelitian Eksperimental 2. Rancangan penelitian Noneksperimental
Pengertian rancangan penelitian eksperimental adalah perencanaan eksperimentasi sedemikian sehingga diperoleh informasi yang relevan dengan permasalahan yang diteliti dan memungkinkan analisis yang obyektif untuk memperoleh kesimpulan yang valid. Kegunaannya untuk mendapatkan informasi yang relevan dengan permasalahan yang diteliti secara maksimal dengan materi, waktu, dan biaya yang minimal sehingga lebih efektif dan efisien.
50 | Statistika Farmasi
Gambar 2. Algoritma penggunaan metode statistika pada kebanyakan data-data penelitian farmasi
Statistika Farmasi | 51 B. Metoda Statistika Farmasi
Dalam suatu penelitian farmasi, data penelitian yang diperoleh kemudian dianalisa statistika untuk menjawab hipotesis. Data penelitian dianalisa menggunakan metode statistika yang sesuai. Berdasarkan parameter yang ada, dan untuk pengambilan suatu keputusan, statistika dibedakan menjadi dua yaitu 1) statistika parametrik, dan 2) statistika non parametrik (Gambar 2). Statistika parametrik merupakan metode uji statistika yang menetapkan adanya syarat-syarat (asumsi) tertentu berkaitan dengan variabel random atau populasi. Sedangkan metode uji statistika yang tidak mensyaratkan itu dinamakan statistika non parametrk.
Statistika parametrik berhubungan dengan pengambilan keputusan atas suatu problem tertentu, yang membahas parameter-parameter populasi misalnya rata-rata, proporsi. Ciri statistika parametrik adalah menggunakan data interval atau rasio, dan distribusi data atau populasi adalah normal, atau mendekati normal.
Statistika non parametrik mengakomodasi data yang tdk terdistribusi normal. Perhitungan dilakukan bukan terhadap nilai data yang sesungguhnya, namun pada peringkat
52 | Statistika Farmasi
data dalam populasi. In fact, hasil intepretasi statistika non- parametrik adalah semu. Data dibuat peringkat atau ranking utk kemudian dianalisa. Pengambilan keputusan atas problem tidak membahas parameter-parameter populasi. Ciri statistika non parametrik adalah jenis data nominal atau ordinal, distrubusi data tidak diketahui (distribusi tidak normal).
Contoh statistika parametrik adalah uji analisa varian (anava), repeated anava, uji t, multivariat, sedangkan contoh statistika non-parametrik adalah Kruskall-Wallis test, Mann- Whitney test, Wilcoxon test, Friedman test, McNemar (untuk data nominal atau ordinal).
B.1. Statistika Parametrik
1. Uji t tidak berpasangan (unpaired t-test)
Metode ini disebut juga dengan independent sample t- test. Metode ini digunakan untuk pengujian perbedaan rata- rata dari dua sampel yang tidak berpasangan. Maksud dari sampel tidak berpasangan adalah subyek uji dari kedua kelompok atau sampel tersebut adalah berbeda. Dua sampel tersebut adalah berasal dari populasi yang berbeda. Asumsi penggunaan uji t tidak berpasangan adalah : populasi-populasi
Statistika Farmasi | 53 yang diuji berdistribusi normal, varian dari populasi-populasi tersebut boleh sama dan boleh berbeda. Maksudnya? Dalam aplikasinya, nilai signifikansi yang digunakan adalah berbeda antara asumsi varian sama dan asumsi varian yang berbeda.
Langkah uji adalah sebagai berikut : 1. Pengujian distribusi normalitas data,
2. Apabila normal dilanjutkan uji t tak berpasangan, apabila tidak maka dilakukan transformasi data,
3. Hasil transformasi data menghasilkan distribusi normal maka digunakan uji t tak berpasangan,
4. Apabila setelah beberapa cara transformasi data tetap tidak menghasilkan distribusi normal maka digunakan metoda non parametrik yaitu Mann-Whitney.
Perumusan hipotesis :
H0 : Kedua rata-rata populasi adalah identik H1 : Kedua rata-rata populasi adalah tidak identik Pengambilan keputusan :
- Jika probabilitas > 0,05; maka H0 diterima.
54 | Statistika Farmasi
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Independent samples test), check kolom sig (significance) dua sisi (two tailed), harganya dibandingkan dengan nilai α (0,05) kemudian dibuat suatu kesimpulan.
2. Uji t berpasangan (paired t-test)
Metode ini merupakan uji T utk dua sampel yang berpasangan (paired). Dua sampel yang berpasangan artinya sebuah sampel dengan subjek yang sama namun mengalami perlakuan atau pengukuran yang berbeda. Asumsi penggunaan uji t tidak berpasangan adalah : populasi-populasi yang diuji berdistribusi normal, tidak perlu dilakukan pengujian homogenitas varian (karena subyeknya berpasangan atau sama subyek).
Langkah uji adalah sebagai berikut :
1. Pengujian distribusi normalitas data,
2. Apabila normal dilanjutkan uji t tak berpasangan, apabila tidak maka dilakukan transformasi data,
3. Hasil transformasi data menghasilkan distribusi normal maka digunakan uji t tak berpasangan,
Statistika Farmasi | 55 4. Apabila setelah beberapa cara transformasi data tetap tidak menghasilkan distribusi normal maka digunakan metoda non parametrik yaitu Wilcoxon.
Perumusan hipotesis
H0 : Kedua rata-rata populasi adalah identik H1 : Kedua rata-rata populasi adalah tidak identik Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS, terdapat tampilan output “Paired samples correlations”. Interprestasinya, jika sig (significance) lebih kecil dari 0,05 maka terdapat korelasi yang erat antara kedua rata-rata sampel. Apabila sig. lebih besar dari 0,05 maka korelasi antara kedua rata-rata sampel adalah sangat rendah.
Pada output SPSS (Paired samples test), check kolom sig (significance) dua sisi (two tailed), harganya dibandingkan dengan nilai α (0,05) kemudian dibuat suatu kesimpulan.
56 | Statistika Farmasi
3. One Sample T Test
Metode ini Menguji apakah suatu nilai tertentu (nilai pembanding) berbeda bermakna atau sama dengan nilai rata- rata sebuah sample populasi.Langkah uji adalah sebagai berikut :
Perumusan hipotesis :
H0 : Rata-rata sampel berbeda bermakna dengan nilai pembanding
H1 : Rata-rata sampel tidak berbeda bermakna dengan nilai pembanding
Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (One samples test), check harga sig (significance) dua sisi (two tailed), harganya dibandingkan dengan nilai α (0,05) kemudian dibuat suatu kesimpulan.
Statistika Farmasi | 57 4. Analisa varian (analysis of variance)
Metode ini digunakan untuk pengujian perbedaan rata- rata dari lebih dari dua sampel yang tidak berpasangan.
Asumsi penggunaan analisa varian adalah : populasi-populasi yang diuji berdistribusi normal, varian dari populasi-populasi tersebut adalah sama (diuji dengan test of homogenity of variances dengan Levene Test), sampel tidak berhubungan satu dengan yang lain. Apabila dalam suatu penelitian atau percobaan, terdapat satu perlakuan maka analisa varian yang digunakan adalah satu jalan (One Way Anova). Namun apabila terdapat dua perlakuan maka analisa varian yang digunakan adalah dua jalan (Two Way Anova).
Langkah uji adalah sebagai berikut :
1. Pengujian distribusi normalitas data dan homogenitas varian,
2. Apabila distribusi data normal dan varian-nya homogen, dilanjutkan analisa varian (anava), apabila setidaknya salah satu diantara syarat tersebut belum terpenuhi mana dilakukan transformasi data,
3. Hasil transformasi data menghasilkan distribusi data normal dan varian yang homogen maka dilanjutkan analisa varian, namun Apabila setelah beberapa cara transformasi data tetap
58 | Statistika Farmasi
tidak menghasilkan distribusi normal atau homogenitas varian maka digunakan metoda non parametrik Kruskal- Wallis,. Apabila dari anava menghasilkan perbedaan bermakna maka dilanjutkan dengan analisa post hoc atau uji t.
Test of homogenitas of variances
Pada analisa varian, terutama apabila menggunakan SPSS, metode ini digunakan untuk melihat apakah sampel- sampel data-data mempunyai varian yang sama.
Perumusan hipotesis :
H0 : varian dari sampel-sampel adalah identik H1 : varian dari sampel-sampel adalah tidak identik Pengambilan keputusan :
1. Jika probabilitas > 0,05; maka H0 diterima.
2. Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Levene statistic), check kolom sig (significance), harganya dibandingkan dengan nilai α (0,05) kemudian dibuat suatu kesimpulan.
Statistika Farmasi | 59 Anova (Analysis of variance)
Uji utama, bertujuan untuk menganalisa apakah sampel-sampel mempunyai rata-rata yang sama. Meskipun yang dianalisa adalah varian-nya, namun asumsinya digunakan untuk membedakan rata-rata sampel-sampel uji.
Perumusan hipotesis :
H0 : rata-rata populasi populasi adalah identik (distribusi rata-rata populasi adalah identik)
H1 : rata-rata populasi populasi adalah tidak identik (setidaknya ada rata-rata satu populasi yang nilainya berbeda dengan nilai rata-rata populasi yang lain)
Pengambilan keputusan :
1. Jika probabilitas > 0,05; maka H0 diterima.
2. Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (ANOVA), check kolom sig (significance), harganya dibandingkan dengan nilai α (0,05) kemudian dibuat suatu kesimpulan.
60 | Statistika Farmasi
Post Hoc test
Apabila dari hasil Anava ditemukan bahwa rata-rata populasi populasi adalah berbeda bermakna maka dilanjutkan dengan Post Hoc test (uji t setelah Anava). Contoh : Tukey test, Bonferroni test, LSD test, Scheffe test, Duncan test, Sidak test, Gabriel test.
5. Repeated Anova
Metode ini digunakan untuk pengujian perbedaan rata- rata dari lebih dari dua sampel yang berpasangan. Asumsi penggunaan analisa varian adalah : populasi-populasi yang diuji berdistribusi normal, tidak perlu dilakukan pengujian homogenitas varian (karena subyeknya berpasangan atau sama subyek).
Langkah uji adalah sebagai berikut :
1. Pengujian distribusi normalitas data,
2. Apabila distribusi data normal, dilanjutkan analisa varian (anava), apabila setidaknya salah satu diantara syarat tersebut belum terpenuhi mana dilakukan transformasi data,
Statistika Farmasi | 61 3. Hasil transformasi data menghasilkan distribusi data normal maka dilanjutkan analisa varian, namun Apabila setelah beberapa cara transformasi data tetap tidak menghasilkan distribusi normal maka digunakan metoda non parametrik Uji Friedman,
4. Apabila dari anava menghasilkan perbedaan bermakna maka dilanjutkan dengan analisa post hoc atau uji t.
Perumusan hipotesis :
H0 : rata-rata pengukuran atau pengamatan antar kelompok adalah identik (distribusi rata-rata pengukuran antar kelompok adalah identik)
H1 : rata-rata pengukuran atau pengamatan antar kelompok adalah tidak identik (setidaknya ada rata-rata satu kelompok yang nilainya berbeda dengan nilai rata-rata kelompok pengukuran yang lain)
Pengambilan keputusan :
1. Jika probabilitas > 0,05; maka H0 diterima.
2. Jika probabilitas < 0,05; maka H0 ditolak.
62 | Statistika Farmasi
Pada output SPSS (Multivariate test), check kolom sig (significance), harganya dibandingkan dengan nilai α (0,05) kemudian dibuat suatu kesimpulan. Apabila hasilnya adalah berbeda bermakna maka dilanjutkan dengan analisa Post hoc.
B.2. Statistika Non-Parametrik
Pada statistika non parametrik, perhitungan yang dilakukan bukan terhadap nilai data yang sesungguhnya, namun berdasarkan peringkat (ranking) data dalam populasi.
Data tersebut, sebelum dianalisa, dikumpulkan terlebih dahulu kemudian dibuat peringkat. Pembuatan peringkat data dimulai dari data terkecil hingga data terbesar. Oleh karena itu, analisa statistika dilakukan pada data yang setelah dilakukan perankingan bukan pada nilai data yang sesungguhnya.
No. Kelompok Kontrol Kelompok Perlakuan Jumlah geliat
(60 menit)
Ranki ng
Jumlah geliat (60 menit)
Ranking
1. 57 14 43 8,5
2. 28 5 33 7
3. 88 17 54 12
4. 54 12 16 3
Statistika Farmasi | 63 Contoh Perankingan
Kasus : Pada penelitian analesik suatu produk herbal. Jumlah geliat mencit (diukur selama 60 menit) pada kelompok kontrol dengan kelompok perlakuan produk herbal menghasilkan data pada tabel berikut.
Pada kasus di atas, nilai terendah adalah 7 (ranking 1), sedangkan nilai tertinggi adalah 91 (ranking 18). Apabila ada beberapa data yang nilainya sama, misalnya pada kasus di atas nilai 43 ada dua, maka rangking 8 dan 9 tidak ada diganti dengan penjumlahan dua rangking tersebut dibagi dua sehinga menghasilkan rangking 8,5 (sebanyak dua nilai ranking). Pada kasus di atas, nilai jumlah geliat 54 juga ada tiga sehingga nilai ranking 11, 12 dan 13 dijumlahkan dan dibagi tiga, menghasilkan tiga nilai rangking sebesar 12.
5. 29 6 7 1
6. 65 15 15 2
7. 91 18 19 4
8. 44 10 54 12
9. 85 16 43 8,5
64 | Statistika Farmasi
1. Mann-Whitney test
Metode ini juga termasuk metode statistika non- parametrik, dengan fungsi menguji perbedaan bermakna dua sampel independen atau tidak berpasangan. Data yang digunakan minimal ordinal. Asumsi dalam penggunaan metode statistika ini :
1. Dua sampel harus independen, dan dicuplik secara acak dari populasi
2. Data yang diukur minimal ordinal, apabila data rasio dan interval harus terdistribusi tidak normal
Perumusan hipotesis
H0 : Kedua populasi identik (sama) atau tidak berbeda secara signifikan
H0 : Kedua populasi tidak identik atau berbeda signifikan Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Test Statistics), check asymp. sig (asymptotic significance) dua sisi (two tailed) atau Exact sig.
Statistika Farmasi | 65 (1-tailed sig), harganya dibandingkan dengan nilai α (0,05) kemudian dibuat suatu kesimpulan.
2. Wilcoxon test
Metode ini juga termasuk metode statistika non- parametrik, dengan fungsi menguji perbedaan bermakna dua sampel berhubungan (dependent). Data yang digunakan minimal ordinal. Asumsi dalam penggunaan metode statistika ini :
1. Tidak berasumsi normalitas distribusi suatu populasi, 2. Tidak membutuhkan informasi varians sampel maupun populasi,
3. Bisa digunakan untuk data ordinal, Perumusan hipotesis :
H0 : Kedua populasi identik (sama) atau tidak berbeda scr signifikan
Median populasi beda-beda adalah sama
H1 : Kedua populasi tidak identik atau berbeda signifikan
66 | Statistika Farmasi
Median populasi beda-beda adalah tidak sama (berbeda)
Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Test Statistics), check asymp. sig (asymptotic significance) dua sisi (two tailed) atau Exact sig.
(1-tailed sig), harganya dibandingkan dengan nilai α (0,05) kemudian dibuat suatu kesimpulan.
3. Kruskal Wallis test
Metode ini termasuk metode statistika non-parametrik, fungsinya menguji perbedaan bermakna beberapa sampel dari populasi (> 2 populasi) yang tidak berhubungan (independent).
Data yang digunakan minimal ordinal. Asumsi penggunaan pada uji Kruskal wallis:
1. Dua sample harus independen, dan dicuplik secara acak dari populasi,
2. Data yang diukur minimal ordinal, apabila data rasio dan interval harus terdistribusi tidak normal
Statistika Farmasi | 67 Perumusan hipotesis :
H0 : Distibusi semua populasi adalah identik (sama)
H1 : Paling sedikit satu populasi menunjukkan nilai-nilai yang berbeda dibandingkan lainnya
Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Test Statistics), check asymp sig (asymptotic significance) dua sisi (two tailed), harganya dibandingkan dengan nilai α (0,05) kemudian dibuat suatu kesimpulan.
4. Friedman test
Metode ini juga termasuk metode statistika non- parametrik, dengan fungsi menguji perbedaan bermakna beberapa sampel dari populasi (> 2 populasi) yang berhubungan (dependent). Data yang digunakan minimal ordinal.
68 | Statistika Farmasi
Perumusan hipotesis :
H0 : Distibusi semua populasi adalah identik (sama)
H1 : Paling sedikit satu populasi menunjukkan nilai-nilai yang berbeda dibandingkan lainnya
Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Test Statistics), check asymp. sig (asymptotic significance) dua sisi (two tailed), harganya dibandingkan dengan nilai α (0,05) kemudian dibuat suatu kesimpulan.
Statistika Farmasi | 69 Gambar 3. Algoritma penggunaan metode statistika untuk data kategorik (nominal dan orpada kebanyakan data-data penelitian farmasidinal)
70 | Statistika Farmasi
5. Binomial test
Metode ini juga termasuk metode statistika non- parametrik, dengan fungsi menguji suatu proporsi suatu sampel atau populasi. Uji ini ditujukan pada sampel tunggal dengan tipe data nominal, dengan dua unsur pilihan. Contoh umum adalah pelemparan uang koin yang “hanya”
memberikan dua pilihan yaitu angka dengan gambar. Dalam penelitian farmasi uji seperti ini sering digunakan manakala menguji proporsi suatu sampel yang berhubungan dengan efek yang hanya diukur dengan dua parameter yaitu berefek dan tidak berefek, toksik dan tidak toksik, manjur dan tidak manjur, tepat terapi dan tidak tepat terapi.
Perumusan hipotesis :
H0 : Distibusi semua populasi adalah identik (sama)
H1 : Paling sedikit satu populasi menunjukkan nilai-nilai yang berbeda dibandingkan lainnya
Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Statistika Farmasi | 71 Pada output SPSS (Test Statistics), check asymp. sig (asymptotic significance) dua sisi (two tailed), harganya dibandingkan dengan nilai α (0,05) kemudian dibuat suatu kesimpulan.
C. Aplikasi SPSS dalam penelitian farmasi
Berikut ini disajikan aplikasi SPSS dalam beberapa kasus percobaan atau penelitian farmasi, meliputi penggunaan metoda statistika untuk menguji normalitas data, Kolmogorov Smirnov test, dan uji inferensi lainnya yang meliputi statistika paramerik dan non-paramerik.
1. UJI KOLMOGOROV SMIRNOV
Tujuan : Menguji normalitas distribusi nilai sampel yang teramati
Contoh : Seorang peneliti telah menguji proteksi geliat dan daya anti inflamasi dari perasaan umbi wortel dan beta karoten. Untuk menyimpulkan apakah perasan umbi wortel dapat menjadi alternatif obat anti inflamasi, penguji membandingkan % proteksi geliat dan % daya antiinflamasi perasaan umbi wortel dengan dosis 1 mL/kgBB dan % proteksi geliat dan % daya antiinflamasi beta karoten dengan dosis 1 mL/kgBB. Dari hasil percobaan didapatkan hasil seperti berikut:
72 | Statistika Farmasi
Perlakuan % Daya analgetik %Daya antiinflamasi
1.00 35.54 14.76
1.00 36.87 16.43
1.00 36.55 17.72
1.00 35.98 15.50
1.00 35.65 16.23
2.00 40.78 20.65
2.00 42.34 23.70
2.00 43.89 24.32
2.00 40.67 25.64
2.00 41.98 22.43
3.00 45.49 28.65
3.00 47.76 28.33
3.00 49.27 29.55
3.00 45.98 28.78
3.00 45.49 26.65
Keterangan : 1.00 = dosis 0.5 mg/mL perasan wortel 2.00 = dosis 1.0 mg/mL perasan wortel 3.00 = betakaroten
Langkah-langkah :
a. Buka lembar kerja baru b. Klik Variabel View.
c. Ketik Perlakuan pada kolom Name dan baris 1 d. Ketik Daya_analgetik pada kolom Name dan baris
2
e. Ketik Daya_antiinflamasi pada kolom Name dan baris 3