Buku Statistika Farmasi pdf

(1)

(2)

(3)

Statistika Farmasi | iii KATA PENGANTAR

Puji syukur kehadirat Allah SWT yang telah melimpahkan rahmat dan karunia-Nya sehingga buku ini berhasil kami terbitkan. Penelitian-penelitian di bidang farmasi banyak yang melibatkan proses analisa statistika.

Hasil penelitian yang dikerjakan dalam waktu yang tidak singkat, akan tidak bermakna jika tidak melibatkan analisa statistika dalam proses analisa datanya. Oleh karenanya kita dituntut memahami statistika yang nantinya digunakan dalam komponen penelitian bidang Kefarmasian.

Dalam buku ini akan dipaparkan secara rinci pengenalan SPSS, aplikasi SPSS dalam menyelesaikan penelitian baik yang bersifat eksperimental maupun noneksperimental, jenis data, termasuk validitas dan realibilitas untuk membuat pertanyaan pada kuisioner.

Semoga dengan hadirnya buku ini, statistik menjadi sesuatu yang mudah difahami oleh mahasiswa farmasi khususnya dan mahasiswa yang belajar kesehatan pada umumnya.

(4)

iv | Statistika Farmasi

Buku ini berbeda dengan buku buku pada umumnya, karena sengaja kami sertakan biografi penulis lebih lengkap dari kebanyakan buku. Hal ini dimaksudkan agar para pembaca tidak hanya mendapat ilmu Statistika Farmasi, tetapi juga dapat terinspirasi dengan biografi penulis, baik pengalaman di bidang pembimbingan skripsi mahasiswa, penulisan buku, nara sumber workshop, penelitian dan pengalaman mengajukan permohonan paten penulis.

Penulis mengucapkan banyak terimakasih kepada Penerbit dan semua pihak yang telah membantu baik secara langsung maupun tidak langsung sehingga buku ini dapat dinikmati para pembaca. Penulis menyadari pepatah’’tiada gading yang tak retak’’, oleh karena itu kritik dan saran untuk penyempurnaan buku ini sangat diharapkan dan dapat disampaikan ke E-mail :

Yogyakarta, 25 April 2017 Penulis,

Dr. Hari Purnomo, M.S., Apt.

Eka Siswanto Syamsul,S.Farm,M.Sc., Apt.

(5)

Statistika Farmasi | v HALAMAN PERSEMBAHAN

Untuk Rabb, Tuhan kami, Semoga buku ini dapat menjadi amalan

(6)

vi | Statistika Farmasi

DAFTAR ISI

Halaman judul ... i

Kata Pengantar ... iii

Halaman Persembahan ... v

Daftar Isi ... vi

BAB I STATISTIKA FARMASI ... 1

A. Pendahuluan ... 1

B. Jenis Statistik ... 2

C. Komponen Statistik ... 3

D. Data dan Tipe Statistik ... 5

E. Hipotesis Statistik ... 8

F. SPSS ... 10

G. Distribusi Normal ... 21

BAB II STATISTIKA DESKRIPTIF ... 24

A. Ukuran Pemusatan ... 25

B. Ukuran Penyebaran ... 27

BAB III UJI VALIDITAS DAN REABILITAS ... 30

A. Definisi ... 30

B. Pengisian SPSS ... 34

(7)

Statistika Farmasi | vii

BAB IV RANCANGAN PENELITIAN ... 48

A. Rancangan Penelitian ... 48

B. Metode Statistika Farmasi ... 49

B.1. Statistika Parametrik ... 52

B.2. Statistika Non Parametrik ... 62

C. Aplikasi SPSS dalam penelitian Farmasi ... 71

1. Uji Kormogorov-Smirnov ... 71

2. Analisis Varian (Test Homogenitas) ... 75

3. ANOVA ... 77

4. Independent T-Test ... 77

5. Paired T-Test ... 84

6. Kruskall Wallis Test ... 88

7. Friedmant Test ... 93

8. Mann Whitney Test ... 97

9. WilcoxonTest ... 101

BAB V TABEL KONTINGENSI ... 105

A. Tinjauan Umum ... 105

B. Aplikasi SPSS pada kasus ... 110

1. Study Cross-Sectional ... 110

2. Study Retrospektifl ... 120

3. Study Prospektif ... 124

(8)

viii | Statistika Farmasi

DAFTAR PUSTAKA ... 131

LAMPIRAN ... 133

BIOGRAFI PENULIS ... 138

Biografi Hari ... 138

Biografi Eka Siswanto ... 198

INDEKS ... 203

(9)

Statistika Farmasi | 1 BAB I

STATISTIKA FARMASI Tujuan instruksional:

Setelah membaca Bab I para pembaca mampu:

Mengetahui dan memahami konsep dasar-dasar statistika terutama aplikasi SPSS

A. Pendahuluan

Statistika merupakan ilmu yang berkaitan dengan pengolahan dan analisis data, hingga penarikan kesimpulan atas analisa tersebut. Dengan pengertian lain, kegiatan statistika meliputi pengumpulan data, penyajian data, analisa data, dan intepretasi hasil analisa data tersebut. Hasil pengolahan atau analisa data tersebut dinamakan statistik.

Dalam suatu penelitian ilmiah (terutama eksperimental), peran statistika adalah sangatlah vital dalam menetapkan sebuah keputusan (untuk penarikan kesimpulan) meskipun di beberapa jenis penelitian porsinya tidak besar.

Penelitian-penelitian di farmasi banyak yang melibatkan proses analisa statistika. Contoh yang tidak melibatkan analisa statistika adalah sintesis turunan kumarin, isolasi dan identifikasi senyawa aktif dari Aegle marmelos

(10)

2 | Statistika Farmasi

Correa. Sedangkan contoh yang melibatkan analisa statistika adalah uji aktivitas hipoglikemik ekstrak buah Pare pada tikus DM Tipe 1 diinduksi aloksan, penetapan kadar senyawa parasetamol dalam sediaan tablet Panadol. Dalam penelitian dan percobaan kefarmasian, statistika berperan “sedikit”

namun sangat berarti yaitu mempermudah pengambilan keputusan pada masalah-masalah ilmiah yang dirumuskan.

Hasil penelitian yang dikerjakan dalam waktu yang tidak singkat, akan tidak bermakna jika tidak melibatkan analisa statistika dalam proses analisa datanya. Oleh karenanya kita dituntut memahami statistika yang nantinya digunakan dalam komponen penelitian bidang Kefarmasian.

B. Jenis statistika

Statistika dibedakan menjadi dua : 1. statistika deskriptif; dan 2. statistika induktif (inferensi). Statistika deskripsi adalah statistika yang menggambarkan atau menjelaskan karakteristik dari data suatu sampel populasi.

Contoh dari statistika deskripsi adalah : mean (rata-rata), modus (data yang paling sering muncul), median (nilai tengah, nilai yang membagi data terurut menjadi dua bagian yang sama), jangkauan (selisih nilai tertinggi dengan nilai terendah

(11)

Statistika Farmasi | 3 dari data sampel), kuartil (nilai-nilai data yang dibagi menjadi empat bagian yang sama), deviasi standart. Statistika induktif disebut juga dengan statistika inferensi, merupakan inferensi dari data suatu sampel. Statistika ini bertujuan melakukan perkiraan, peramalan, pengambilan keputusan berdasarkan analisa data. Contoh dari statistika inferensi adalah analisa varian, uji t, korelasi dan regresi.

C. Komponen statistika

Beberapa komponen yang dilibatkan dalam kegiatan statistika adalah : populasi, sampel, statistika inferensi, variansi dan pengukuran realibilitas statistika.

Populasi merupakan keseluruhan obyek yang akan diteliti dalam penelitian. Populasi mencerminkan sekumpulan data yang mengidentifikasikan suatu kejadian. Contoh : populasi mahasiswa laki-laki di Akademi Farmasi Samarinda.

Pada suatu penelitian memang lebih baik menggunakan populasi sebagai obyek yang diteliti, namun hal tersebut menjadi tidak mungkin jika populasi yang diteliti jumlahnya sangat banyak. Apakah mungkin jika kita melakukan penelitian uji aktivitas farmakologi terhadap populasi tikus

(12)

Wistar? Pasti tidak akan mungkin meneliti “seluruh” populasi tikus Wistar di dunia ini.

Gambar 1. Perbedaan sampel dengan populasi

Sampel merupakan sekumpulan data yang diambil atau diseleksi dari suatu populasi. Sampel merupakan bagian dari populasi, diambil secara acak karena mewakili populasinya.

Pengambilan sampel dilakukan jika suatu penelitian tidak mungkin menggunakan populasi sebagai obyek penelitian.

Contoh : populasi mahasiswa laki-laki Akademi Farmasi Samarinda adalah 50, untuk penelitian maka diambil sampel 20 mahasiswa.

Komponen statistika yang ketiga adalah statistika inferensi, merupakan suatu kegiatan pengambilan keputusan, perkiraan atau generalisasi terhadap suatu populasi berdasarkan informasi dari sampel. Contoh: sampel 20 mahasiswa di atas diuji tingkat kepuasannya terhadap perkuliahan Statistika Farmasi. Setelah data sampel dianalisa

sampel

asumsi : dipilih karena acak karena harus mewakili populasinya Populasi

(13)

Statistika Farmasi | 5 secara statistika, maka perlu diukur realibilitasnya. Kegiatan ini merupakan langkah prediksi kesalahan terhadap suatu keputusan hasil dari analisa statistika.

D. Data dan Tipe Data Statistika

Berdasarkan tingkat pengukurannya atau sifatnya, data dibedakan menjadi dua yaitu : 1. data kualitatif; dan 2. data kuantitatif. Data kualitatif merupakan data yang berupa bukan suatu angka. Data tipe ini tidak bisa dilakukan operasi matematika secara langsung. Jika ingin dianalisa secara statistika maka data kualitatif harus dikonversi menjadi bentuk angka melalui proses pelabelan data. Data kualitatif ada dua yaitu : data nominal dan data ordinal. Data kualitatif juga dinamakan dengan data kategorik. Data kuantitatif merupakan data yang berbentuk angka. Data kuantitatif jelas bisa dilakukan operasi matematika. Data tipe ini dibedakan menjadi dua yaitu : data interval dan data rasio. Data kuantitatif juga dinamakan dengan data numerik atau non-kategorik. Dalam SPSS disebut dengan data scale.

1. Data Nominal

Data nominal merupakan data yang diperoleh dengan cara kategorisasi atau klasifikasi. Posisi datum-datum adalah setara. Data ini hanya bisa membedakan sesuatu yang bersifat

(14)

kualitatif misalnya : jenis kelamin, agama, warna kulit. Data jenis ini tidak bisa dilakukan operasi matematika.

Contoh Data

Peneliti ingin mengetahui apakah multivitamin Redoxon®, Cerebrofit XL®, atau Vitalong C® yang paling sering dipilih mahasiswa Akfar untuk meningkatkan ketahanan tubuh dan daya pikirnya.

Peneliti mengambil sampel 3 mahasiswa setiap kelas dari angkatan 2012 sampai 2014 yang suka minum multivitamin sehingga didapatkan 3 x 12 mahasiswa yaitu 36 sampel mahasiswa dari semua angkatan. Lalu mereka menulis 1 jika sering minum Redoxon®, 2 jika sering minum Cerebrofit®, dan 3 jika sering minum Vitalong C®.

Didapatkan data percobaan sebagai berikut : No Pilihan No Pilihan No Pilihan

1 2 13 2 25 1

2 3 14 2 26 2

3 1 15 2 27 2

4 3 16 1 28 2

5 3 17 3 29 3

6 2 18 1 30 1

7 2 19 3 31 3

8 3 20 2 32 3

9 3 21 3 33 2

(15)

Statistika Farmasi | 7

10 2 22 2 34 2

11 2 23 3 35 1

12 1 24 2 36 3

2. Data Ordinal

Data ordinal merupakan data yang juga diperoleh dengan cara kategorisasi atau klasifikasi, namun diantara data tersebut terdapat hubungan. Posisi datum-datum adalah tidak setara. Data ini selain membedakan juga menunjukkan tingkatan misalnya tingkat pendidikan, tingkat kepuasan. Data jenis ini tidak bisa dilakukan operasi matematika secara langsung Contoh : Tingkat kepuasan mahasiswa terhadap perkuliahan Statistika Farmasi. Tidak puas diberi tanda 1, puas diberi tanda 2, sangat puas diberi tanda 3. Contoh lain : klasifikasi tekanan darah manusia (rendah, normal, tinggi), dan tingkat pendidikan pegawai apotik (pendidikan rendah, pendidikan menengah, pendidikan tinggi).

Contoh Data

Peneliti ingin mengetahui tingkat kekentalan sediaan sirup yang dibuat namun dia tidak mempunyai viskometer, lalu dia mengklasifikasikan 30 sediaan sirup menjadi 3 kategori yaitu 1= kental, 2= lumayan kental, 3=tidak kental.

Didapatkan data percobaan sebagai berikut :

(16)

E. Hipotesis Statistika

Hipotesis merupakan suatu dugaan yang perlu dilakukan pengujian apakah hipotesis yang dirumuskan sesuai dengan hasil penelitian. Pengujian hipotesis diperlukan untuk menyimpulkan populasi dari data yang diperoleh dari sampel.

Hipotesis ada dua yaitu 1. hipotesis penelitian, dan 2. hipotesis statistika.

Hipotesis penelitian merupakan dugaan sementara yang dibuktikan melalui penelitian. Setelah diuji melalui serangkaian proses penelitian, kemudian dibuat suatu kesimpulan yang merupakan jawaban atas hipotesis yang dirumuskan. Dalam suatu proposal penelitian penyusunan

No Tingkat Kekentalan

1 1 11 1 21 1

2 3 12 1 22 2

3 1 13 2 23 1

4 3 14 1 24 2

5 1 15 3 25 1

6 2 16 1 36 1

7 2 17 3 27 3

8 3 18 1 28 3

9 1 19 3 29 1

10 2 20 2 30 2

(17)

“hipotesis” harus didahului oleh “landasan teori” yang merupakan dasar-dasar teori yang disusun sendiri oleh mahasiswa yang digunakan dalam penyusunan hipotesis.

Apabila dalam penyusunan proposal, tidak ada dasar yang kuat untuk membuat suatu hipotesis, maka “landasan teori” dan

“hipotesis” diganti dengan keterangan empirik, suatu keterangan ilmiah yang akan diperoleh dari melakukan suatu penelitian. Contoh : Landasan teori, senyawa koumarin yang mengandung gugus hidroksi pada posisi 7 menghasilkan efek penghambatan pelepasan histamin. Salah satu turunan koumarin yang mengandung gugus hidroksi tersebut adalah marmin, juga menghasilkan efek penghambatan pelepasan histamin. Marmin terkandung dalam dalam ekstrak akar Buah Maja. Hipotesisnya berarti ekstrak akar Buah Maja bisa menghambat pelepasan histamin.

Hipotesis statistika dirumuskan dalam tahap awal analisa statistika. Hipotesis statistika terdiri dari hipotesis nol (H₀) dan hipotesis tandingan/alternatif (H₁). Hipotesis nol (H0), dalam perumusannya mengandung arti sama atau tidak berbeda, sedangkan hipotesis tandingan/alternatif (H₁), perumusannya mengandung arti tidak sama atau berbeda (bisa lebih besar atau lebih kecil). Hipotesis statistika perlu dilakukan pengujian yaitu pengujian hipotesis H₀vs. H₁untuk

(18)

dibuat keputusan apakah menolak atau menerima H0 atau H1. Langkah – langkah dalam pengujian hipotesis :

1. Perumusan hipotesis sesuai metode statistika yg digunakan, 2. Menguji data sampel dengan metode statistika misalnya

dengan piranti lunak SPSS, atau metode konvensional perhitungan statistika dengan rumus,

3. Menentukan penerimaan atau penolakan hipotesis, 4. Membuat kesimpulan hasil penelitian.

F. SPSS

Statistical Product and Service Solution (SPSS) adalah salah satu paket program yang sangat penting dalam pengolahan data statistic. SPSS menyediakan fasilitas analisis yang cukup lengkap dan menyeluruh dari berbagai macam analisis statistika dan yang paling penting adalah paket program ini sangat user friendly. Bagaimana cara memakainya?

Pertama ketika membuka program SPSS adalah memperhatikan dua bagian utamana yaitu Data View dan Variable Views. Pada tampilan SPSS, lokasinya ada di kiri bawah (gambar 2). Langkah pertama adalah membuka

(19)

Statistika Farmasi | 11 Variable Views dengan klik tombol tersebut pada kiri bawah tampilan SPSS tersebut (lihat gambar di bawah). Pada tampilan Variable Views didapatkan beberapa nama kolom yaitu : Name, Type, Width, Decimals, Label, Values, Missing, Column, Align, Measures.

 Name. Kata yang merupakan nama dari variabel yang akan kita libatkan dalam analisa statistika. Apabila kita

(20)

mengisi kotak Name, secara otomatis pada kolom

“var” pada Data View akan ternamai.

 Type. Tipe data ada dua yaitu kualitatif dan kuantitatif.

Pada SPSS, yang sering dipakai pada kotak dialog Type adalah string dan numeric. Data string merupakan data kualitatif, misalnya data dalam bentuk huruf atau kata. Sedangkan data numeric merupakan data kuantitatif berupa data angka. Data numeric inilah yang bisa diproses dalam SPSS.

 Width, merupakan jumlah digit data yang akan dimasukan. Apabila data berupa numeric, isian Width tidak bisa lebih dari 40, sedangkan data string isian Width tidak bisa lebih dari 32767. Supaya seragam bisa dipilih antara 10-20.

 Decimal, merupakan jumlah digit dibelakang titik.

Untuk data numeric tidak bisa lebih dari 16, sedangkan untuk data string tidak ada isian Decimal.

 Labels, merupakan keterangan untuk nama variabel.

Contoh, jika pada isian Name kita isi dengan kata kelompok maka pada isian Labels kita isi dengan isian kelompok perlakuan obat.

(21)

 Values. Isian ini akan dipakai apabila akan membuat kode untuk data kualitatif. Contoh : kategori mahasiswa semester 1 diberi kode 1, mahasiswa semester 2 diberi kode 2. Kategori mahasiswa merupakan data string, jika sudah dikode dengan angka maka berubah menjadi numeric. Aplikasinya pada Data View, jika kita mengisi angka 1 maka akan terisi dengan isian “mahasiswa semester 1”.

 Missing, merupakan data yang hilang atau isiannya tidak ada.

 Column, merupakan lebar tampilan kolom pada Data View. Isian ini bisa kita atur lebar kolom sesuai dengan kebutuhan. Default pada SPSS adalah 8.

 Align, merupakan tampilan posisi data, ada tiga pilihan yaitu rapat kiri, tengah atau kanan.

 Measure. Ini merupakan bagian penting dalam Variable View. Isian sangat tergantung jenis data yang akan diisikan yaitu nominal, ordinal atau scale. Dalam SPSS data numeric (interval dan rasio) diwakili oleh data scale.

(22)

Contoh kasus

Dari pemeriksaan tekanan darah pada pasien dengan terapi Captopril 50 mg, diperoleh data sebagai berikut.

Bagaimana cara memasukan data ini dalam SPSS?

Langkah pertama, identifikasi jenis data yang akan dimasukkan yaitu : nama pasien (data string), jenis kelamin (data nominal), umur dan tekanan darah (data numerik) dan tingkat efek samping batuk kering (data ordinal).

Langkah kedua, pengisian pada tampilan Variable View.

1. Pengisian variabel nama pasien

- Isi dengan kata “nama pasien” pada kolom Name.

- Pada kolom Type, klik kotak kecil seperti ditunjukkan pada gambar.

No. Nama pasien

Jenis kelamin

Umur (thn)

Tekanan Darah (mmHg)

Efek samping Batuk kering 1.

2.

3.

4.

5.

6.

7.

8.

Thomy Raden Ayu Bhisma Daniah Poniem Sarwan Agus

Laki-laki Perempuan Perempuan Laki-laki Perempuan Perempuan Laki-laki Laki-laki

45 51 43 37 40 46 33 53

150/80 140/77 130/70 130/75 160/86 144/81 133/73 134/74

Berat Ringan Ringan Ringan Sedang Sedang Berat Ringan

(23)

Statistika Farmasi | 15 Kemudian akan tampak tampilan sebagai berikut. Tipe data untuk nama adalah string.

- Pada kolom Width, pilih angka 20 untuk keseragaman.

- Pada kolom Decimals. Karena tipe data string maka kolom ini tidak aktif. Logikanya, data string merupakan data dalam bentuk huruf atau kata sehingga tidak bisa diberi desimal.

- Pada kolom Label, diisi dengan nama pasien RSUD AW Sjahranie Samarinda.

(24)

- Pada kolom Values, diabaikan saja karena tidak ada pengkodean.

- Pada kolom Column, disi dengan 8 untuk keseragaman.

- Pada kolom Align, abaikan saja. Default dari SPSS adalah rata kiri (Left).

- Pada kolom Maesures. Karena data bersifat string, maka yang muncul pada tampilan Measures ada dua pilihan yaitu nominal dan ordinal. Variabel nama pasien adalah bersifat setara antara data satu dengan lainnya atau “unik” artinya nama pasien satu dengan yang lain berbeda maka kita pilih “nominal” saja.

2. Pengisian variabel jenis kelamin

- Isi dengan kata “jenis_kelamin” pada kolom Name.

Pada kolom Name, kita tidak bisa menggunakan space diantara dua kata sehingga sebagai pengganti digunakan underline.

- Pada kolom Type, pilih numeric. Mengapa tidak string?

Sebenarnya kita bisa memilih opsi string, tapi kita harus mengisi pada Data View dengan kata “laki-laki” ata

“perempuan” secara manual. Namun jika pilih numeric, kedua jenis kelamin tersebut bisa dikode dengan angka misal laki-laki dikode 1, dan perempuan 2. Sehingga

(25)

Statistika Farmasi | 17 pada isian Data View, jika mengisi angka 1 makan akan keluar tampilan kata laki-laki, dan angka 2 akan keluar tampilan kata perempuan.

- Pada kolom Width, pilih angka 20 untuk keseragaman.

- Pada kolom Decimals. Karena tampilan data pada Data View adalah dalam bentuk huruf atau kata maka tidak perlu mengisi decimal, atau diberi isian nol pada kolom ini.

- Pada kolom Label, diisi dengan jenis kelamin pasien RSUD AW Sjahranie Samarinda.

- Kolom Values. Ingat bahwa pada kolom Type dipilih opsi numeric sehingga jika mengisi dengan huruf atau kata pada Data View maka tidak akan bisa muncul, atau kita hanya bisa mengisi dengan isian angka. Karena data yang akan kita tampilkan berupa huruf atau kata, maka kita perlu melakukan pengkodean dengan angka.

Klik kotak kecil seperti ditunjukkan pada gambar.

(26)

Kemudian akan tampak tampilan sebagai berikut.

Untuk keperluan pengkodean, isi kotak isian value dengan angka 1, dan kotak isian value label dengan kata laki-laki, dan secara otomatis kotak “add” akan aktif.

Kemudian klik add. Selanjutnya

isi kotak isian value dengan angka 2, dan kotak isian value label dengan kata perempuan, dan klik add.

Selanjutnya akan tampak tampilan sebagai berikut.

(27)

Statistika Farmasi | 19 Selanjutnya klik OK. Kembali ke tampilan Data View, klik menu View dan aktifkan value labels.

- Pada kolom Maesures. Data jenis kelamin merupakan data nominal sehingga pilih opsi nominal.

3. Pengisian variabel tekanan darah

(28)

- Isi dengan kata “tekanan_darah” pada kolom Name.

Ingat, pada kolom Name harus mempergunakan underline untuk menyambung dua kata.

- Pada kolom Type, pilih opsi numeric.

- Pada kolom Width, abaikan saja.

- Pada kolom Decimals, diisi dengan angka dua.

- Pada kolom Label, diisi dengan tekanan darah pasien RSUD AW Sjahranie Samarinda.

- Pada kolom Values, abaikan saja karena tidak ada pengkodean.

- Pada kolom Maesures. Data jenis kelamin merupakan data nominal sehingga pilih opsi nominal.

4. Pengisian variabel efek samping batuk kering

- Isi dengan kata “ESO_batuk” pada kolom Name.

- Pengisian yang lain mirip dengan pengisian variabel jenis kelamin.

- Pengkodean yang dilakukan adalah 1,2 dan 3 untuk mengkode tingkat keparahan batuk ringan, sedang dan berat.

(29)

Statistika Farmasi | 21 - Pada kolom Maesures. Data tingkat keparahan efek samping batuk merupakan data ordinal sehingga pilih opsi ordinal.

G. Distribusi Normal

Mengenal Distribusi Normal dan Cara Membaca Tabel Distribusi Normal

Distribusi normal merupakan salah satu distribusi probabilitas yang penting dalam analisis statistika. Distribusi ini memiliki parameter berupa mean dan simpangan baku.

Distribusi normal dengan mean = 0 dan simpangan baku = 1 disebut dengan distribusi normal standar. Apabila digambarkan dalam grafik, kurva distribusi normal berbentuk seperti genta (bell-shaped) yang simetris. Perhatikan kurva distribusi normal normal standar berikut:

Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga (‒^∞)hingga positif takhingga (+∞). Kurva normal memiliki puncak pada X = 0. Perlu diketahui bahwa luas kurva

(30)

normal adalah satu (sebagaimana konsep probabilitas).

Dengan demikian, luas kurva normal pada sisi kiri = 0,5;

demikian pula luas kurva normal pada sisi kanan = 0,5.

Dalam analisis statistika, seringkali kita menentukan probabilitas kumulatif yang dilambangkan dengan notasi P (X<x). Sebagai contoh, P (X<1), apabila diilustrasikan dengan grafik adalah luas kurva normal dari minus takhingga hingga X = 1.

Secara matematis, probabilitas distribusi normal standar kumulatif dapat dihitung dengan menggunakan rumus:

(31)

Statistika Farmasi | 23 Akan tetapi, kita lebih mudah dengan bantuan tabel distribusi normal (Bisa dilihat pada lampiran 1 buku ini).

(32)

BAB II

STATISTIKA DESKRIPTIF Tujuan instruksional:

Setelah membaca Bab II para pembaca mampu:

Memahami konsep umum Statistika Deskriptif

Statistika deskriptif adalah statistika yang menggambarkan atau menjelaskan karakteristik dari data suatu sampel populasi. Kegiatan berkaitan dengan statistika deskripsi adalah pengumpulan, pencatatan, peringkasan, penyusunan dan penyajian data. Penyajian data bisa berupa tabel frekuensi, grafik atau histogram. Contoh dari statistika deskripsi adalah : mean (rata-rata), modus (data yang paling sering muncul), median (nilai tengah, nilai yang membagi data terurut menjadi dua bagian yang sama), jangkauan (selisih nilai tertinggi dengan nilai terendah dari data sampel), kuartil (nilai-nilai data yang dibagi menjadi empat bagian yang sama), deviasi standart. Dua parameter yang sering digunakan dalam penyajian statistika deskriptif adalah ukuran pemusatan dan ukuran penyebaran data. Parameter lainnya adalah ukuran distribusi data yaitu skewness dan kurtosis. Nilai skewness merupakan ukuran kesimetrisan suatu kurva distribusi

(33)

Statistika Farmasi | 25 frekuensi data. Kurtosis merupakan ukuran keruncingan dari suatu kurva distribusi frekuensi data.

A. Ukuran Pemusatan

Dalam beberapa buku juga disebut dengan istilah ukuran tendensi pusat atau central tendency. Ukuran pemusatan merupakan ukuran yang menunjukkan pusat suatu distribusi data, dan bisa mewakili data dari suatu pengukuran atau pengamatan. Pada dasarnya terdapat tiga cara yang dapat digunakan sebagai ukuran pemusatan yaitu mean, median dan modus.

1. Mean

Nilai ini disebut juga dengan rata-rata hitung.

Simbolnya adalah X. Mean merupakan penjumlahan semua nilai dari seluruh pengamatan atau pengukuran dibagi dengan jumlah pengamatan atau pengukuran.

Mean merupakan ukuran pemusatan utama dan paling sering digunakan dalam penyajian data deskriptif.

2. Median

Median merupakan nilai tengah dari suatu keseluruhan pengamatan atau pengukuran. Median diukur dengan cara mengurutkan nilai terkecil hingga terbesar,

(34)

kemudian ditentukan nilai tengahnya. Apabila jumlah sampel (data) adalah ganjil maka median merupakan data yang posisinya paling tengah, jika sampel (data) genap maka mediannya adalah rata-rata dua data yang posisinya ditengah.

3. Modus

Modus merupakan nilai yang paling sering muncul dari suatu pengamatan.

Apabila data dari suatu pengukuran atau pengamatan adalah homogen atau distribusi frekuensi datanya simetris, ketiga nilai di atas cenderung relatif sama. Namun, apabila data suatu sampel adalah heterogen atau distribusi frekuensi datanya tidak simetris (condong ke kanan atau ke kiri) maka khusunya nilai mean dan median cenderung berbeda.

Contoh :

- Dari sekumpulan data pertama sbb : 10, 10,10, 10, 8, 9, 7, 11, 12, 13, 11, 9, 9.

Nilai mean, median dan modus berturut-turut adalah : 9,92; 10 dan 10.

- Dari sekumpulan data kedua sbb : 10, 30, 34, 10, 2, 44, 10, 22, 11, 39, 29, 10, 6.

(35)

Statistika Farmasi | 27 Nilai mean, median dan modus berturut-turut adalah : 19,11; 11 dan 10.

B. Ukuran Penyebaran

Dalam beberapa buku, istilah ukuran penyebaran juga disebut dengan ukuran variabilitas, ukuran dispersi data, ukuran sebaran data. Sebaran data merupakan gambaran penyebaran data pengukuran di sekitar nilai pusatnya. Dalam hal ini, apabila data homogen maka sebaran datanya semakin kecil, sebaliknya jika data bersifat heterogen maka sebaran datanya adalah besar. Ada beberapa cara yang sering digunakan sebagai ukuran penyebaran yaitu varian, koefesien varian, jangkauan, dan deviasi standar.

1. Jangkauan

Jangkauan atau range merupakan selisih antara data terbesar dengan data terkecil dari suatu sekumpulan pengamatan atau pengukuran.

2. Deviasi standar (Standard deviation)

Deviasi standar (SD) merupakan ukuran penyebaran yang sering banyak dipakai dalam penyajian data deskriptif. Deviasi standar merupakan akar dari penjumlahan kuadrat dari selisih antara data pengamatan dengan nilai mean-nya, kemudian dibagi

(36)

dengan jumlah data (n). Dalam penyajian data deskriptif, seringkali nilai deviasi standar diganti dengan nilai Standard error of Mean (SEM). Nilai tersebut diperoleh dari nilai SD dibagi dengan akar jumlah pengamatan.

3. Varian (Variance)

Varian merupakan pangkat dua dari nilai deviasi standar.

4. Koefisien variasi (Coefficient of variation)

Koefisien variasi merupakan suatu ukuran penyebaran relatif. Nilai koefisien variasi diperoleh dari nilai deviasi standar dibagi dengan nilai mean dikalikan seratus. Nilai ini digunakan untuk membandingkan secara relatif distribusi data dengan mean suatu sampel yang berbeda. Artinya, jika ada dua data dengan mean yang berbeda nilainya dan nilai SD-nya sama, maka mean dengan nilai lebih tinggi mempunyai dispersi data relatif lebih rendah. Contoh : Sampel A dan B berturut-turut dengan nilai X dan SD sebesar 100±20 dan 10±20. Nilai CV dari sampel A dan B adalah 20 dan 200 sehingga dispersi data sampel A lebih rendah dibandingkan sampel B.

(37)

Statistika Farmasi | 29 Di samping keempat ukuran penyebaran di atas, masih ada beberapa nilai yang lain yang akan dibahas sekalian pada sub- bab aplikasi SPSS pada statistika deskripstif.

(38)

BAB III

UJI VALIDITAS DAN REALIBILITAS Tujuan instruksional:

Setelah membaca Bab III para pembaca mampu:

Memahami dan mengaplikasikan uji Validitas dan Reabilitas pada kuisioner yang telah dibuat, untuk dinilai apakah kuisioner sudah Valid dan Realiabel.

A. Definisi

Dalam penelitian kualitatif yang menggunakan instrument kuisioner sebagai alat ukur, maka harus memenuhi 2 syarat penting yaitu: Valid dan Reliabel (handal). Kuisioner disebut Valid jika pertanyaan kuisioner tersebut mampu mengungkapkan sesuatu yang akan diukur oleh kuisioner itu sendiri. Kuisioner dikatakan reliable (handal) bila jawaban seseorang terhadap pertanyaan konsisten/ stabil dari waktu ke waktu.

Pengukuran reliabilitas dapat dilakukan dengan cara sebagai berikut:

1. Repeated measure (mengukur ulang). Seseorang biasanya akan disodori pertanyaan yang sama pada

(39)

Statistika Farmasi | 31 waktu berbeda dan dilihat apakah dia akan tetap menjawab dengan konsisten atau tidak.

2. One short atau sekali saja. Disini pengukuran dilakukan sekali dan kemudian hasilnya akan dibandingkan dengan hasil pertanyaan lain.

Untuk memahami hal diatas, berikut disajikan contoh kasus untuk mengetahuinya.

Contoh kasus:

Untuk mengetahui bagaimana perilaku konsumen terhadap pelayanan informasi obat (PIO) di Apotek X, maka manajemen mengukur dengan pendapat konsumen tentang sikap konsumen terhadap pelayanan (faktor 1) dan kepuasan terhadap pelayanan (faktor 2)

Faktor 1 sikap konsumen terhadap pelayanan terdiri dari 10 butir, misalnya:

Butir 1: Apakah anda setuju bila waktu tunggu layanan obat nonresep termasuk kategori cepat?

Faktor 2 kepuasan terhadap pelayanan terdiri dari 7 butir Semua jawaban berupa pilihan dengan skala likers sebanyak 5 skala, yaitu:

5 = Sangat setuju 4 = Setuju 3 = Ragu-ragu

2 = Tidak setuju 1 = Sangat tidak setuju

(40)

N o Nama

tir 1

Buti r 2

But ir 3

But ir 4

Buti r 5

Buti r 6

But ir 7

Buti r 8

Butir 9

Butir 10

1 Ali 3 4 3 3 2 4 4 3 4 3

2 Ami 4 3 3 3 2 3 3 3 3 3

3 Aminah 2 3 3 4 2 3 4 4 2 2

4 Amir 3 5 3 3 1 3 3 2 2 2

5 Andrie 4 3 4 5 2 4 3 4 4 4

6 Anna 2 4 3 4 2 2 4 3 3 3

7 Anton 4 4 4 5 2 4 4 3 5 2

8 Barry 2 5 3 4 1 5 5 5 4 4

9 Basyir 4 5 3 3 1 1 5 5 2 2

1

0 Bona 4 3 4 5 4 1 4 4 5 2

1

1 Budi 3 4 4 3 2 2 2 3 4 4

1

2 Cecep 3 2 4 2 5 2 1 2 2 2

1

3 Deby 2 3 4 1 3 4 4 3 3 3

1

4 Doddy 3 5 3 3 2 3 3 4 2 2

1

5 Donny 2 4 3 5 3 2 2 5 3 3

1

6 Dwi 4 5 5 3 1 4 4 3 4 4

1

7 Edo 3 5 5 4 2 3 3 5 5 5

1

8 Eka 2 4 4 4 2 4 4 4 2 2

1

9 Gogon 3 3 3 4 1 2 4 5 3 3

2

0 Hena 4 4 4 3 2 4 3 5 2 2

2

1 Lestari 2 3 3 4 3 4 4 4 4 4

2

2 Mayta 3 4 5 3 2 2 4 4 2 3

2

3 Roben 4 3 3 2 2 2 2 3 3 3

2

4 Siregar 3 4 4 2 3 2 3 3 2 2

(41)

Statistika Farmasi | 33 Namun sebelum diedarkan secara resmi pada beberapa responden (untuk penelitian) maka kuisioner tersebut diuji coba dulu pada 30 responden dengan data sebagai berikut:

Faktor 1 sikap konsumen terhadap pelayanan terdiri dari 10 butir

Faktor 2 kepuasan terhadap pelayanan terdiri dari 7 butir

No Nama

Butir 11

Butir 12

Butir 13

Butir 14

Butir 15

Butir 16

Butir 17

1 Ali 3 4 3 3 2 4 4

2 Ami 4 3 3 3 2 3 3

3 Aminah 2 3 3 4 2 3 4

4 Amir 3 5 3 3 1 3 3

5 Andrie 4 3 4 5 2 4 3

6 Anna 2 4 3 4 2 2 4

7 Anton 4 4 4 5 2 4 4

8 Barry 2 5 3 4 1 5 5

9 Basyir 4 5 3 3 1 1 5

10 Bona 4 3 4 5 4 1 4

11 Budi 3 4 4 3 2 2 2

12 Cecep 3 2 4 2 5 2 1

13 Deby 2 3 4 1 3 4 4

14 Doddy 3 5 3 3 2 3 3

2

5 Tono 4 2 3 1 4 2 1 1 1 1

2

6 Toyyib 4 2 2 2 2 2 2 2 2 3

2 7

Tukiye

m 4 3 3 4 3 3 3 3 3 3

2 8

Wagine

m 3 3 3 3 1 4 4 4 3 3

2

9 Zafir 4 4 3 3 3 3 3 4 4 4

3

0 Zahrana 3 2 1 1 1 2 1 1 1 1

(42)

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

B. Pengisian SPSS

Beberapa langkah pengisian SPSS untuk uji Validitas dan Reabilitas pada mengukur dengan pendapat konsumen tentang sikap konsumen terhadap pelayanan (faktor 1) dan kepuasan terhadap pelayanan (faktor 2) sebagai berikut:

(43)

Statistika Farmasi | 35 Klik Ok…

(44)

Sehingga diperoleh pada variable view sebagai berikut:

Langkah uji Validitas

(45)

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.

(46)

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

(47)

Statistika Farmasi | 39 Kemudian diperoleh output sebagai berikut:

Tabel diatas hanya untuk menjelaskan mean dan standar deviasi, yaitu: 30,8667 dan 5,4629.

(48)

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

(49)

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

(50)

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

(51)

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

(52)

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:

(53)

(54)

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

(55)

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………

(56)

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

(57)

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.

(58)

Gambar 2. Algoritma penggunaan metode statistika pada kebanyakan data-data penelitian farmasi

(59)

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

(60)

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

(61)

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.

(62)

- 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,

(63)

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.

(64)

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 :

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.

(65)

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

(66)

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.

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.

(67)

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.

H₀ : rata-rata po