BAB 4 STATISTIK DESKRIPTIF
4.3 Ukuran Gejala Pusat
Mohammad Ardani Samad 41 3) Diagram Garis
Contoh diagramnya sebagai berikut:
Mohammad Ardani Samad 42 memperoleh mean nilai hasil ulangan tersebut, keenam butir nilai yang ada dijumlahkan kemudian dibagi dengan banyaknya nilai tersebut; ( 8 + 9 + 7 + 6 + 4 + 5 ): 6 = 6,50
Secara matematis mean dapat dirumuskan menjadi
= Mean yang dicari = Jumlah data.
n = banyak data b. Median
Median adalah suatu nilai tengah dari banyak kumpulan data. Artinya median sendiri bisa diartikan sebagai nilai yang membagi porsinya sedemikian rupa menjadi dua bagian, sehingga rangkaian tersebut, nilainya bisa yang lebih kecil, bisa juga sama dengan nilai median, kemudian setengahnya tersebut pasti mempunyai nilai yang sama dengan, bisa juga nilainya lebih besar dibanding nilai median tersebut. (Arif Tiro, 1990)
Bisa disimpulkan bahwa nilai dari median adalah skor nilai yang membagi suatu distribusi frekuensi menjadi dua sama besar nilainya, sehingga 50 % obyek yang diteliti pasti berada pada bawah nilai median, kemudian sisanya adalah terletak di atas nilai median. Dalam hal ini median bisa juga dinamakan dengan rata-rata karena ternyata yang menjadi dasar yaitu letak variabel bukan nilai. Nilai dari median untuk data tunggal itu tidak tersusun. Adapun langkah awal menentukan median adalah menyusun data menjadi bentuk tersusun menurut besarnya, baru kemudian ditentukan nilai tengahnya (skor yang membagi distribusi menjadi dua sama besar). Jika jumlah frekuensi ganjil, maka menentukan median akan mudah yaitu skor yang terletak di tengah barisan skor yang telah tersusun. Apabila jumlah frekuensi genap, maka median merupakan rata- rata dari dua skor yang paling dekat dengan median. (Johnson, 2010)
Contoh : distribusi frekuensi yang berjumlah ganjil 8 5 9 1 7 4 3 2 7
Mohammad Ardani Samad 43 Jika dilakukan penyusunan maka data di atas menjadi
1 2 3 4 5 7 7 8 9
Skor yang membagi distribusi menjadi dua sama besar adalah 5, sehingga 5 merupakan median distribusi di atas.
Contoh : distribusi frekuensi yang berjumlah genap 8 3 4 5 3 7 9 9 8 2
Jika dilakukan penyusunan maka data di atas menjadi 2 3 3 4 5 7 8 8 9 9
Nilai tengah distribusi tersebut terletak di tengah skor 5 dan 7, sehingga median = ( 5 + 7) : 2 = 6
c. Modus
Modus berasal dari kata mode, yang artinya merupakan nilai variabel (atribut), yang mana mempunyai suatu frekuensi tertinggi dari sekumpulan distribusi frekuensi. Modus juga bisa digunakan tidak hanya pada data kuantitatif, tetapi juga data kualitatif. Modus berarti dianggap sebagai nilai, yang mana menunjukkan nilai terkonsentrasi dari sekumpulan data. (Hilgers, Heussen and Stanzel, 2019)
Contoh :
X F
5 2
4 6
3 4
2 2
1 1
Berdasarkan data di atas, dapat kita amati bahwa skor 4 mempunyai frekuensi terbanyak yaitu 6, maka Modus dari distribusi di atas terletak pada skor 4. Hal yang perlu diingat, bahwa tidak seluruh distribusi mempunyai Modus, disebabkan Modus distribusinya frekuensinya hanya satu. (Howell, 2011)
Mohammad Ardani Samad 44 Contoh: sebuah distribusi berfrekuensi satu
X f
8 1
9 1
7 1
4 1
6 1
5 1
39 =Ex 6 = N
Masing – masing nilai di atas hanya berfrekuensi satu, oleh karena tidak ada yang mempunyai distribusi terbanyak maka distribusi di atas tidak bermodus. Dalam sebuah distribusi terkadang ditemukan modus lebih dari satu
Contohnya sebagaimana distribusi berikut:
X F
90 3
85 5
70 6
65 6
60 6
55 4
50 1
45 1
Frekuensi terbesar dalam distribusi nilai pada contoh di atas adalah 6, sedangkan nilai yang berfrekuensi 6 adalah 70, 65, dan 60. Oleh karena ada tiga nilai yang berfrekuensi terbanyak, maka distribusi tersebut mempunyai tiga modus. Modus bisa
Mohammad Ardani Samad 45 diterapkan pada seluruh sekala pengukuran, dan merupakan perhitungan yang mudah sepanjang sudah diketahui distribusi frekuensinya.
Mohammad Ardani Samad 46 DAFTAR PUSTAKA
Arif Tiro, M. 1990. Dasar-dasar Statistika. Makassar: Andira Publisher.
Hilgers, R.-D., Heussen, N. and Stanzel, S. 2019. Statistik, deskriptive.
doi:10.1007/978-3-662-48986-4_2900.
Howell, D.C. 2011. Fundamental Statistics for the Behavioral Sciences.
Seventh. Belmont, CA: Wadsworth.
Irianto, A. 2006. Statistik: Konsep Dasar dan Aplikasinya. 3rd edn.
Jakarta: Kencana Prenada Media.
Johnson, R.A. 2010. Statistics: Principles and Methods. Sixth. Hoboken:
John Wiley & Sons.
Kusmayadi. 2004. Statistika Pariwisata Deskriptif. Jakarta: PT Gramedia Pustaka Utama.
Murwani, S. 2001. Statistika Terapan (Teknik Analisis Data). Malang:
Universitas Negeri Malang.
Sudjana. 1989. Metoda Statistika. Bandung : Tarsito.
Rizma Adlia Syakurah 47
BAB 5
UJI BEDA BERPASANGAN
Oleh Rizma Adlia Syakurah 5.1 Pendahuluan
Dalam suatu penelitian, peneliti sering kali ingin mengetahui apakah pada dua populasi berbeda atau populasi yang sama terdapat perbedaan yang signifikan dari variabel yang diuji. Apabila sampel berasal dari populasi yang sama dan saling bergubungan, maka akan sulit menentukan analisis statistik apa yang digunakan. Misalnya, peneliti ingin mengetahui apakah terdapat perbedaan berat badan bayi yang dikandung berdasarkan riwayat hipertensi ibu hamil atau apakah terdapat perbedaan kepatuhan protokol kesehatan pada masyarakat dengan latar belakang kesehatan dan non-kesehatan. Untuk menarik kesimpulan terkait populasi (masyarakat dengan latar belakang kesehatan dan non-kesehatan), maka diperlukan uji hipotesis dengan membandingan nilai rata-rata kedua kelompok. Pendekatan yang dilakukan yaitu melalui uji beda mean atau uji-t.
Uji beda atau uji-t termasuk dalam uji statistik parametrik untuk menguji kebenaran atau kepalsuan hipotesis nol.
Hasil uji-t berupa kesimpulan yang menyatakan bahwa tidak ada perbedaan yang signifikan diantara dua rata-rata (mean) sampel yang diambil secara acak dari populasi yang sama (Mendrofa, 2016). Pengujian hipotesis dengan uji t dapat dilakukan pada 1 sampel dan 2 sampel. Uji-t dengan 2 sampel dapat dibagi menjadi uji beda rata-rata 2 sampel bebas (independent) dan uji beda rata- rata 2 sampel berpasangan (dependent) yang akan dibahas lebih lanjut oleh penulis dalam bab ini.
5.2 Tujuan Uji Beda Berpasangan
Seperti dijelaskan sebelumnya, uji-t bertujuan mengeneralisasi dua rata-rata yang berasal dari satu sampel/kelompok penelitian. Uji-t diperlukan dalam pengujian hipotesis ketika nilai ragam (variance) pada suatu populasi tidak diketahui (Mendrofa, 2016).
Rizma Adlia Syakurah 48 Pada uji-t dependen, pengujian hipotesis dilakukan untuk melihat apakah terdapat perbedaan yang signifikan antara variabel yang dianalisis pada dua sampel yang sama atau berpasangan. Uji-t berfungsi membandingkan nilai mean atau rata-rata kedua grup pada subjek yang sama atau berpasangan dan mengalami dua perlakuan berbeda. Pengukuran nilai rata-rata (mean) dilakukan pada subjek yang sama pada saat sebelum dan sesudah perlakuan. Artinya, peneliti menguji sampel yang sama sebanyak dua kali (Tyastirin and Hidayati, 2017).
Agar penarikan kesimpulan pada uji-t depeden sahih, beberapa syarat pengujian harus dipenuhi, yaitu (Santoso, 2019):
- data berdistirbusi normal;
- terdiri dari satu subjek pengamatan atau sampel (ada 2 nilai pengamatan sebelum dan sesudah);
- subjek pada kelompok pertama juga berada pada kelompok kedua;
- Sampel data acak dari populasi;
- jenis data adalah numerik dan kategorik (data kategorik terdiri dari 2 kelompok);
- skala data adalah interval dan rasio;
- varians pada kedua kelompok adalah sama.
5.3 Hipotesis Uji Beda Berpasangan
Hipotesis uji beda berpasangan dapat dinyatakan sebagai berikut (Kent State University Libraries, 2020).
Ho: µ1 = µ2 ("rerata populasi berpasangan adalah sama") Ha: µ1 ≠ µ2 ("rerata populasi berpasangan adalah tidak sama") Atau :
Ho: µ1 - µ2 = 0 ("perbedaan rerata pada populasi berpasangan sama dengan 0“)
Ha: µ1 - µ2 ≠ 0 ("perbedaan rerata pada populasi berpasangan tidak sama dengan 0“)
Dimana µ1 adalah rerata populasi variabel 1, dan µ2 adalah rerata populasi variabel 2 .
Rizma Adlia Syakurah 49
5.4 Ruang Lingkup Uji Beda Berpasangan
Uji-t dependen berperan ketika peneiliti ingin membandingkan dua cara berbeda pada subjek yang sama, seperti pengukuran dilakukan dua waktu yang berbeda, kondisi yang berbeda, dan pengukuran dilakukan dari dua bagian subjek (Soeprajogo and Ratnaningsih, 2020). Misalnya, skor pre-test dan post-test dengan intervensi yang diberikan antara dua titik waktu, menyelesaikan tes di bawah kondisi "kontrol" dan kondisi "eksperimental", atau mengukur gangguan pendengaran di telinga kiri dan kanan subjek (Kent State University Libraries, 2020). Di bidang kesehatan, uji-t dependen sering kali digunakan pada penelitian eksperimen atau kuasi eksperimen karena terdapat intervensi atau perlakuan didalamnya (Hastono, 2006). Tahap uji-t dependen dapat dilihat pada gambar 6.1 berikut.
Gambar 5.1 : Tahap uji-t dependen
5.5 Uji Beda Berpasangan secara Statistik
Seperti yang sudah dijelaskan sebelumnya, bahwa uji-t digunakan apabila terdapat dua kelompok data yang saling ketergantungan. Implementasi uji-t dengan menggunakan rumus
Menentukan Hiptesis (Ho dan Ha)
Menentukan tingkat signifikansi
Menghitung nilai t dan df
Membandingkan nilai t hitung dan nilai t tabel
Pengambilan keputusan hipotesis
Rizma Adlia Syakurah 50 dilakukan dengan membandingkan nilai t-hitung dengan t-tabel.
Apabila nilai t-hitung lebih besar dari nilai t-tabel (t-hitung > t-tabel) maka Ho ditolak.
Perhitungan uji-t menggunakan rumus sebagai berikut (Adiputra et al., 2021):
Dengan df = n – 1
d (debar) = rata-rata selisih/deviasi pengukuran pertama dan kedua
S = standar deviasi dari nilai d n = jumlah sampel
Misal: pengujian efektivitas sebuah platfom mobile instant messenger sebagai media intervensi preferensi karir mahasiswa kedokteran. Peneliti ingin mengetahui data sebelum dan sesudah intervensi disajikan sebagai berikut (asumsi data berdistribusi normal):
Sebelum intervensi : 9, 18, 61, 52, 46, 26, 77, 33, 80, 44 Setelah intervensi : 69, 76, 89, 92, 93, 81, 94, 67, 98, 71 Langkah-langkah penyelesaian:
1. Membuat hipotesis penelitian (Ha dan Ho) dalam kalimat:
Ho: Tidak terdapat perbedaan efektivitas mobile instant messenger terhadap peningkatan pengetahuan mahasiswa kedokteran terkait preferensi karir sebelum dan sesudah intervensi
Ha:Terdapat perbedaan efektivitas mobile instant messenger terhadap peningkatan pengetahuan mahasiswa kedokteran terkait preferensi karir sebelum dan sesudah intervensi
2. Membuat Ha dan Ho model statistik:
Ho : µ1= µ2 (rata-rata populasi berpasangan adalah sama) Ha : µ1 ≠ µ2 (rata-rata populasi berpasangan tidak sama) 3. Menghitung selisih/deviasi antara nilai sebelum dan
sesudah intervensi, kemudian menghitung rata-rata deviasinya.
Selisih : 60, 58, 28, 40, 47, 55, 17, 34, 18, 27 = 384 d = 384/10 = 38,4 ≈ 38
Rizma Adlia Syakurah 51 4. Menghitung data nilai standar deviasi dari selisih nilai data:
5. Menghitung dengan rumus uji-t
6. Menentukan hasil perhitungan
Mencari nilai p value pada df = 9 dengan tingkat kemaknaan (α=0,05) pada t-tabel, yaitu 2,262. Hasil t-tabel pada kasus diatas adalah 2,262 sementara nilai t-hitung yaitu 7,07.
Sehingga diperoleh nilai t-hitung > t-tabel, maka Ho ditolak artinya terdapat perbedaan yang signifikan.
7. Pengambilan keputusan
Berdasarkan hasil uji statistik, diketahui nilai t-hitung > t- tabel dengan alpha 5%, sehingga Ho ditolak. Artinya terdapat perbedaan efektivitas yang signifikan penggunaan mobile instant messenger terhadap peningkatan pengetahuan mahasiswa kedokteran terkait preferensi karir sebelum dan sesudah intervensi.
5.6 Alternatif Uji-t Dependen / Uji Wilcoxon
Apabila data tidak berdistribusi normal, maka alternatif uji yang digunakan adalah uji non parametrik atau uji Wilcoxon. Rumus yang digunakan yaitu (Adiputra et al., 2021):
Keterangan :
T : jumlah jenjang / rangking yang terkecil
Rizma Adlia Syakurah 52 Keputusan hasil uji Wilcoxon, yaitu:
Ho diterima apabila nilai T terkecil > nilai T tabel Wilcoxon Ho ditolak apabila nilai T terkecil ≤ nilai T tabel Wilcoxon Contoh kasus :
Peneliti ingin mengetahui apakah terdapat pengaruh pengukuran tekanan darah rutin terhadap kepatuhan minum obat X pada pasien hipertensi (alpha 5%). Hasil pengukuran kepatuhan sebelum dan sesudah intervensi sebagai berikut.
Sebelum : 61, 52, 40, 77, 77, 60, 80, 90 Sesudah : 91, 75, 69, 54, 48, 80, 70, 80
Buktikanlah apakah terdapat perbedaan kepatuhan minum obat X pada pasien hipertensi setelah dilakukan pengukuran tekanan darah rutin (asumsi data tidak berdistribusi normal).
Langkah penyelesaian:
1. Menentukan hipotesis
Ho : Tidak terdapat perbedaan antara pengukuran tekanan darah rutin terhadap kepatuhan minum obat X pada pasien hipertensi sebelum dan sesudah intervensi Ha : Terdapat perbedaan antara pengukuran tekanan darah
rutin terhadap kepatuhan minum obat X pada pasien hipertensi sebelum dan sesudah intervensi
2. Membuat Ha dan Ho model statistik:
Ho : µ1= µ2 (rata-rata populasi berpasangan adalah sama) Ha : µ1 ≠ µ2 (rata-rata populasi berpasangan tidak sama) 3. Membuat tabel penyajian data
Rizma Adlia Syakurah 53 Tabel 5.1 : tabel penyajian data
No. Sebelum Sesudah Selisih
(d) Rangking + -
1. 61 91 30 1,5 1,5
2. 52 75 23 1,5 1,5
3. 40 69 29 3 3
4. 77 54 -23 4,5 4,5
5. 77 48 -29 4,5 4,5
6. 60 80 20 6,5 6,5
7. 80 70 -10 6,5 6,5
8. 90 80 -10 8 8
Jumlah T=
12, 5
T= 23, 5
4. Menentukan nilai rangking:
- Nilai selisih (d) dibuat menjadi nilai |d| (absolut) terlebih dulu, sehingga nilai selisih tidak ada yang negatif
- Kemudian mengurutkan nilai |d| dari urutan nilai terkecil hingga nilai terbesar
- Perhatikan nilai |d| yang hanya memiliki satu angka (contoh: nilai 20 hanya ada 1 pada kolom |d| sesuai urutan), sehingga dapat langsung diberi rank sesuai no.urut tabel yaitu no.3
- Apabila nilai |d| memiliki selisih yang sama (positif dan negatif tidak diperhatikan), maka perangkingan dilihat dengan menjumlahkan angka pada nomor urut dibagi banyaknya nilai yang sama. Contoh: nilai 10 ada dua, maka rata-rata nomor urut adalah
Tabel 5.2 : Tabel Perhitungan Rangking
No. Selisih (d) |d| |d| sesuai urutan
terkecil Rangking
1. 30 30 10 1,5
2. 23 23 10 1,5
3. 29 29 20 3
4. -23 23 23 4,5
5. -29 29 23 4,5
6. 20 20 29 6,5
7. -10 10 29 6,5
8. -10 10 30 8
Rizma Adlia Syakurah 54 5. Keputusan uji
Berdasarkan tabel Wilcoxon dengan n=8 dan α=0,05, maka w hitung (T terkecil) = 12,5 sedangkan w tabel (T tabel) untuk n=8 adalah 4, sehingga dapat disimpulkan Ho diterima (T terkecil > T tabel). Hasil ini menunjukan bahwa tidak terdapat perbedaan antara pengukuran tekanan darah rutin terhadap kepatuhan minum obat X pada pasien hipertensi sebelum dan sesudah intervensi.
Sementara rumus Z digunakan dalam pengujian apabila jumlah sampel lebih besar dari 25, distribusinya mendekati normal, dan nilai Z yang digunakan adalah nilai absolut.
Keputusan uji yaitu:
Apabila Z hitung < Z tabel, maka Ho diterima Apabila Z hitung ≥ Z tabel, maka Ho ditolak
Dengan T terkecil adalah 12,5
=
Untuk nilai Z tabel diperoleh dari Zα/2 = Z0,05/2 = Z0,025 = 1,96 yang merupakan perpotongan α baris 0,02 dengan α kolom 0,005 pada tabel Z (Mau Belajar, 2020). Nilai Zα tidak mengalami perubahan atau tetap berapun jumlah sampelnya (Hasnawati, Sambara and Asni, 2014).
Sehingga Z hitung < Z tabel, maka Ho diterima artinya tidak terdapat perbedaan yang signifikan antara pengukuran tekanan darah rutin terhadap kepatuhan minum obat X pada pasien hipertensi sebelum dan sesudah intervensi.
Rizma Adlia Syakurah 55
5.7 Uji Beda Berpasangan dengan SPSS
Contoh kasus:
Suatu penelitian dilakukan terhadap 22 mahasisswa kesehatan masyarakat untuk mengetahui efektivitas metode pengajaran FGD terhadap peningkatan pengetahuan mahasiswa. Hasil yang diperoleh setelah melakukan pre-tes dan post-tes adalah sebagai berikut.
Tabel 5.3 : Data Efektivitas metode pengajaran FGD terhadap Pengetahuan Mahasiswa
Responden Pre Test Post Test
A 40 100
B 65 90
C 80 95
D 80 80
E 30 100
F 65 75
G 55 95
H 45 65
I 55 80
J 45 95
K 60 100
L 70 100
M 70 95
N 80 95
O 80 95
P 75 100
Q 85 100
R 85 100
S 85 100
T 70 85
U 90 95
V 75 95
Berdasarkan bagan sebelumnya, maka langkah-langkah uji-t yaitu sebagai berikut:
1. Menentukan hipotesis yang digunakan:
Ho : Tidak ada perbedaan efektivitas metode pengajaran FGD terhadap peningkatan pengetahuan mahasiswa kesehatan masyarakat sebelum dan sesudah pengajaran.
Rizma Adlia Syakurah 56 Ha : Ada perbedaan efektivitas metode pengajaran FGD terhadap peningkatan pengetahuan mahasiswa kesehatan masyarakat sebelum dan sesudah pengajaran.
2. Menentukan tingkat signifikansi, yaitu 95%
3. Memastikan data berdistribusi normal melalui uji normalitas data
4. Menghitung nilai t dan df. Untuk mengetahui distiribusi perbedaan rata-rata dari pengukuran pertama dan kedua, serta mengetahui derajat kebebasannya, maka data dianalasis secara deskriptif sebagai berikut:
- Aktifkan atau buka “Data Uji-t FGD.sav” pada SPSS - Pilih menu Analyze kemudian klik submenu
Descriptive Statistics kemudian klik Descriptive
Gambar 5.2 : Tampilan Awal Menu analisis deskriptif “Data Uji-t FGD.sav”
- Pilih variabel FGD Pre_test dan FGD post_test kemudian klik tanda panah untuk memasukan ke kotak sebelah kanan.
Rizma Adlia Syakurah 57
Gambar 5.3 :Memasukkan Varibel untuk Analisis Deskriptif - Pada pilihan option, klik mean, std. deviasion,
minimum, dan maximum untuk mengetahui nilainya, kemudian klik continue.
- Klik OK, hasilnya ditampilkan sebagai berikut.
Rizma Adlia Syakurah 58 Tabel 5.4 : Hasil Uji Deskriptif “Data Uji-t FGD.sav”
Descriptive Statistics
N Min Max Mean Std.
Deviation FGD_PreTest 22 30.00 90.00 67.5000 16.52919 FGD_PostTest 22 65.00 100.0
0 92.5000 9.60531
Valid N
(listwise) 22
Interpretasi:
Berdasarkan analisis didapatkan bahwa rata-rata tingkat pengetahuan responden mahasiswa sebelum menggunakan metode pembelajaran FGD adalah 67,50 (95% CI: 60,17-74,83) dengan standar deviasi 16,529.
Skor terendah adalah 30 dan skor tertinggi adalah 90.
Dari hasil analisis dapat disimpulkan bahwa 95% rata- rata tingkat pengetahuan responden mahasiswa sebelum menggunakan metode pembelajaran FGD adalah 60,17 sampai 74,83. Sementara rata-rata tingkat pengetahuan responden mahasiswa setelah menggunakan metode pembelajaran FGD adalah 92,50 (95% CI: 88,24-96,76) dengan standar deviasi 9,605.
Skor terendah adalah 65 dan skor tertinggi adalah 100.
Dari hasil analisis dapat disimpulkan bahwa 95% rata- rata tingkat pengetahuan responden mahasiswa sebelum menggunakan metode pembelajaran FGD adalah 88,24 sampai 96,76.
5. Membandingkan nilai t hitung dan nilai t tabel (Uji t).
Langkah-langkahnya adalah sebagai berikut.
- Pilih sub menu Compare Means, lalu pilih Paired- Samples T Tes
Rizma Adlia Syakurah 59 Gambar 5.4 : Tampilan Awal Menu Analisis Uji-t
6. Klik masing-masing variabel FGD Pre_test dan FGD post_test menggunakan tanda panah sehingga kedua variabel masuk ke kotak sebelah kanan
Gambar 5.5 : Memasukan Variabel FGD pre_test dan FGD post_test ke dalam Kotak Sebelah Kanan
7. Kemudian klik OK, hasil uji akan ditampilkan sebagai berikut.
Rizma Adlia Syakurah 60 Tabel 5.5 : Hasil Uji-T
Paired Samples Statistics
Mean N Std.
Deviation Std. Error Mean Pair 1 FGD_PreTest 67.5000 22 16.52919 3.52404
FGD_PostTe
st 92.5000 22 9.60531 2.04786
Paired Samples Correlations
N Correlation Sig.
Pair 1 FGD_PreTest &
FGD_PostTest 22 .199 .375
8. Pengambilan keputusan hipotesis
Hasil yang didapat kemudian disusun dalam bentuk tabel laporan penelitian, sebagai berikut:
Tabel…. Laporan Hasil Uji T Dependen efektivitas metode pengajaran FGD terhadap peningkatan pengetahuan mahasiswa sebelum dan sesudah pengajaran
Variabel Kategori N Mean Perbedaan Mean Korel
asi
CI 95%
Lower Upper P Tingkat
Pengetahuan Mahasiswa
Sebelum Sesudah
22 22
67,50
92,50 -25 0,20 -32,7 -17,3 0,000
Interpretasi:
Pada variabel tingkat pengetahuan mahasiswa, skor rata-rata sebelum intervensi rata-rata 67,50 sedangkan setelah intervensi skor rata-rata 92,50. Nilai mean perbedaan antara pengukuran pertama dan kedua adalah 0,25 dengan standar deviasi 17,39. Hasil uji statistik didapatkan p-value 0.000 < α (0.05), artinya ada perbedaan yang signifikan mengenai pengetahuan mahasiswa
Rizma Adlia Syakurah 61 sebelum dan sesudah pengajaran melalui metode FGD atau ada perbedaan rata-rata skor tingkat pengetahuan mahasiswa sebelum intervensi dan setelah diintervensi. Secara statistik diperoleh hasil bahwa ada korelasi yang sedang dan berpola positif antara sikap sebelum dan sesudah intervensi.
5.8 Alternatif Uji Beda Berpasangan dengan SPSS
Apabila dalam uji statistik menunjukan data tidak berdistribusi normal, maka alternatif yang digunakan adalah uji statistik non parametrik yaitu uji Wilcoxon. Skala data yang digunakan adalah ordinal (Tyastirin and Hidayati, 2017).
Contoh:
Suatu penelitian ingin mengetahui apakah terdapat perbedaan pengetahuan pada masyarakat umum di era pandemi Covid-19 sebelum dan setelah dilakukan seminar online. Hasil pengukurannya adalah sebagai berikut.
Sebelum : 60, 59, 59, 58, 60, 62, 65, 59, 70, 65, 59, 64, 60, 61, 66 Sesudah : 74, 73, 74, 75, 76, 71, 72, 73, 76, 77, 77, 79, 79, 74, 82 Langkah penyelesaian:
1. Buka data ”Pengetahuan Covid19.sav“ pada SPSS
2. Lakukan uji normalitas data.
3. Lakukan analisis deskriptive untuk mengetahui distiribusi perbedaan rata-rata dari pengukuran pertama dan kedua,
Rizma Adlia Syakurah 62 serta mengetahui derajat kebebasannya. Hasil analisis deskriptif ditampilkan sebagai berikut.
Descriptive Statistics
N Minimum Maximum Mean Std. Deviation pre_test 15 58.00 70.00 61.8000 3.44757 post_test 15 71.00 82.00 75.4667 2.97289
Valid N
(listwise) 15
4. Melakukan uji Wilcoxon dengan mengklik menu Analyze, kemudian sub menu Nonparametric Tests, pilih Legacy Dialogs lalu klik 2 Realted Samples..
5. Pada kotak dialog Two-Related Sample Tests, klik tanda panah untuk memasukan variabel pre_test dan post_test ke kotak Test Pairs secara bersamaan. Pilih Wilcoxon kemudian klik OK
Rizma Adlia Syakurah 63 6. Output hasil uji Wilcoxon akan ditampilkan sebagai berikut.
Tabel 5.6 : Hasil Uji Wilcoxon
Ranks
N Mean
Rank Sum of Ranks post_test -
pre_test Negative
Ranks 0a .00 .00
Positive
Ranks 15b 8.00 120.00
Ties 0c
Total 15
a. post_test < pre_test b. post_test > pre_test c. post_test = pre_test
Interpretasi :
a. Nilai negatif ranks (selisih negatif) antara hasil uji coba produk untuk pre test dan post test adalah 0, baik nilai N, Mean Rank, dan Sum rank. Sehingga menunjukan tidak ada penurunan (pengurangan) dari nilai pre test ke nilai post test
b. Sebanyak 15 responden mengalami peningkatan hasil uji coba produk dari nilai pre-test ke nilai post-test. Rata-rata peningkatan sebersar 8.00 dan jumlah rangking positif adalah 120.00
Rizma Adlia Syakurah 64 c. Tidak ada nilai yg sama antara pre-test dan post-tes
Test Statisticsa
post_test - pre_test
Z -3.412b
Asymp. Sig. (2-tailed) .001 a. Wilcoxon Signed Ranks Test b. Based on negative ranks.
Dari hasil uji statistik, diketahui terdapat perbedaan bermakna antara nilai pre test dan post test dengan Z-score -3.412dan p-value (Asymp. Sig 2 tailed) adalah 0.001.
7. Tabel penyajian dan interpretasi hasil
Tabel … Pengetahuan Masyarakat Umum di Era Pandemi Covid-19 Sebelum dan Setelah Dilakukan Seminar Online
Pengetahuan N Rerata ± SD p-value
Sebelum 15 61,80 ± 3,45 0, 001
Sesudah 15 75,46 ± 2,97
Hasil uji statistik didapatkan p-value 0.001 < α (0.05), artinya ada perbedaan yang signifikan terkait pengetahuan masyarakat di era pandemi Covid-19 sebelum dan setelah dilakukan seminar online atau ada perbedaan rata-rata skor tingkat pengetahuan masyarakat sebelum dan sesudah diintervensi. Artinya seminar online mempunyai efek dalam mempengaruhi tingkat pengetahuan pengetahuan masyarakat awam di era pandemik Covid-19.
Rizma Adlia Syakurah 65 DAFTAR PUSTAKA
Adiputra, I. M. S. et al. 2021. ‘Uji Beda Berpasangan (Kategorik dan Numerik)’, in Karim, A. (ed.) Statistik Kesehatan: Teori dan Aplikasi. Pertama. Yayasan Kita Menulis, pp. 67–78. Available at:
https://www.google.co.id/books/edition/Statistik_Kesehatan_T eori_dan_Aplikasi/XhgtEAAAQBAJ?hl=id&gbpv=1&dq=uji+beda +berpasangan&pg=PR9&printsec=frontcover.
Hasnawati, Sambara, S. and Asni, S. M. 2014. Uji perbedaan (uji z).
Available at: https://www.slideshare.net/AndiMuhIshak/uji- perbedaan-uji-z.
Hastono, S. P. 2006. Analisis Data. Fakultas Kesehatan Masyarakat
Universitas Indonesia. Available at:
https://www.academia.edu/13131341/SUTANTO_PRIYO_HAS TONO_Analisis_Data_SUTANTO_PRIYO_HASTONO.
Kent State University Libraries. 2020. SPSS TUTORIALS: PAIRED SAMPLES T TEST, Kent State University. Available at:
https://libguides.library.kent.edu/SPSS/PairedSamplestTest (Accessed: 14 June 2022).
Mau Belajar. 2020. Pengertian Tabel Z, Dan Cara Menggunakannya Yang Mudah Dipahami, Mau Belajar. Available at:
https://akumaubelajar.com/ilmu-pendidikan/tabel-z/
(Accessed: 15 July 2022).
Mendrofa, S. J. 2016. ‘MAKALAH STATISTIKA DASAR UJI-T’.
Purwokerto.
Santoso, S. 2019. ‘Uji Beda: Uji t’, in Mahir Statistik Parametrik. Pertama.
Jakarta: PT Elex Media komputindo, pp. 79–80. Available at:
https://www.google.co.id/books/edition/Mahir_Statistik_Para metrik/CTOyDwAAQBAJ?hl=id&gbpv=1&dq=uji+beda+berpasa ngan&printsec=frontcover%0A%0A.
Soeprajogo, M. P. and Ratnaningsih, N. 2020. ‘PERBANDINGAN DUA RATA-RATA UJI-T’. Bandung: Unit Oftalmologi Komunitas Pusat Mata Nasional Rumah Sakit Mata Cicendo Universitas
Padjadjaran Bandung. Available at:
https://perpustakaanrsmcicendo.com/wp-
content/uploads/2020/07/Perbandingan-Dua-Rata-rata-Uji- T.Magdalena-Purnama-Soeprajogo.pdf.