C.

ANALISIS DATA KOMPARATIF

Analisis data

komparatif adalah suatu analisis data yang

bertujuan

memperbandingkan data pada satu kelompok dengan data pada kelompok

lainnya.

Ada dua jenis komparasi, yakni komparasi data kuantitatif dan

komparasi data kualitatif. Komparasi data kuantitatif terdiri atas (1) komparasi
nilai rata-rata dan (2) komparasi nilai median, sedangkan

komparasi data

kualitatif berkaitan dengan komparasi nilai proporsi. Analisis data komparatif

nilai rata-rata dan nilai median terdiri atas beberapa jenis, yang semuanya
disajikan di bawah ini.
C.1 Uji Rata-rata Satu Kelompok
Penelitian perbandingan rata-rata satu kelompok adalah suatu pene-litian yang
bertujuan untuk membandingkan rata-rata hasil penelitian dengan rata-rata
hasil penelitian sebelumnya atau rata-rata yang telah diketahui (dalam bentuk
standar/ baku atau menurut suatu protokol tertentu). Di bawah ini diberikan
contoh permasalah penelitian per-bandingan rata-rata satu kelompok.
Seorang peneliti (kandidat dokter spesialis anak) ingin melihat pengaruh
pemberian makan formula tempe terhadap lama sembuh diare pada anak diare
akut. Berdasarkan literatur (penelitian dr. Haritono di Semarang), rata-rata lama
sembuh diare adalah 3 hari. Peneliti di Manado ingin membandingkan hasil
penelitiannya dengan hasil yang diperoleh oleh Haritono, sehingga yang jadi
masalah adalah apakah lama kesembuhan diare akut pada aanak yang diberi
makanan formula tempe rata-rata lama sembuh adalah 3 hari?
Seorang peneliti ingin melihat pengaruh latihan senam terhadap kadar kolesterol
total pada pasien DM tipe 2. Menurut literatur, latihan senam dapat menurunkan
rata-rata kadar kolesterol sebesar 25 mg/dl, sehingga masalah dalam penelitan
adalah apakah pemberian latihan senam secara rutin 3 kali seminggu selama 3
bulan dapat menurunkan rata-rata kadar kolesterol total sebesar 25 mg/dl?
Seorang peneliti ingin melihat dampak pencemaran deterjen (deterjen di-buang
oleh suatu perusahan) saat ini di suatu sungai.

Berdasarkan pene-litian
52

sebelumnya kadar pencemaran di sungai tersebut sebesar 2,10 mg/l,

sehingga masalah dalam penelitian ini adalah apakah tingkat pen-cemaran di
sungai tersebut telah meningkat melampaui 2,10 mg/l?
Statistik uji (analisis data) yang digunakan berkaitan dengan masalah-masalah di
atas adalah uji t satu kelompok. Uji t ini digunakan bila data (lama sembuh
diare/kolesterol total/kadar pencemaran deterjen) menye-bar atau berdistribusi
normal. Uji t satu kelompok memiliki rumus:

X 0
, 0 rata rata yang diketahui / bentuk baku
s/ n

t = nilai statistik t (disebut thitung)

X = rata-rata data hasil penelitian

n x 2 x
s = standar deviasi (simpangan baku) =

n(n 1)

= SD

n = banyaknya pengamatan (ukuran sampel)

Kriteria penerimaan atau penolakan Ho
I. Untuk uji satu pihak kiri
(Ho : 3, 0 hari dan H1 : 3, 0 hari )
1. Jika nilai
2. Jika nilai

X 0
s / n < ttabel = -t( ,db), maka tolak Ho.

X 0
s / n > ttabel = -t( ,db), maka terima Ho.

53

II. Untuk uji satu pihak kanan

(Ho : 3, 0 hari dan H1 : 3, 0 hari )
1. Jika nilai
2. Jika nilai

X 0
s / n > ttabel = t( ,db), maka tolak Ho.

X 0
s / n < ttabel = t( ,db), maka terima Ho.

III. Untuk uji dua pihak

(Ho : 3, 0 hari dan H1 : 3, 0 hari )
1. Jika nilai ttabel = -t( / 2 ,db) <

X 0
s / n < ttabel = t( / 2 ,db),

maka terima Ho
2. Jika nilai
t

X 0
s / n > ttabel = t( / 2 ,db) atau

X 0
s / n < ttabel = -t(t( / 2 ,db), maka tolak Ho.

(db = derajat bebas/degrees of freedom (df) distribusi t. Untuk uji t di atas, db

= n 1.
Secara grafik uji satu pihak kiri, kanan, dan dua pihak dapat dilihat pada gambar
berikut.

Uji Dua Pihak (Two-tailed)

ttabel = = -t( / 2 ,db)

Uji Pihak Kanan (One-tailed) Uji Pihak Kiri (One-Tailed)

ttabel = t( / 2 ,db)

ttabel = t( ,db)

ttabel =- t( ,db)

Gambar 30. Grafik Uji Satu Pihak dan Dua Pihak

54

Nilai ttabel dapat dilihat pada daftar Tabel t (terdapat pada semua buku Statistika)
dan nilai ini tergantung pada db-nya (df) dan nilai yang digu-nakan. Nilai
yang digunakan dalam setiap penelitian sebagai nilai baku (standar) adalah 5% =
0,05 atau 1% = 0,01.
Contoh, bila digunakan = 5% dengan n = 10,

sehingga db = 10 1 = 9.

Dengan demikian nilai ttabel untuk masing-masing uji adalah:

(1) untuk uji satu pihak kiri : ttabel = -t( ,db) = -t(0,05,9), = -1,833,
(2) untuk uji satu pihak kanan: ttabel = t( ,db) = t(0,05,9), = 1,833,
(3) untuk uji dua pihak, ttabel = -t( / 2 ,db) = = -t(0,025,9) = -2,262 dan
ttabel = t( / 2 ,db) = t(0,025,9) = 2,262 (lihat tabel di bawah ini).
Di bawah ini disajikan cara melihat nilai t tabel. Tabel t secara lengkap dapat dilihat
pada halaman berikutnya.
Tabel 20. Beberapa Nilai ttabel untuk dan db diketahui

db
1

0.10

0.05

0.025

0.01

0.005

3.078

1.476

1.383

6.314

2.015

1.833

12.706

2.571

2.262

31.821

3.365

2.821

63.657

4.032

3.250

Jika data diolah dengan paket program statistika (SPSS, Minitab, SAS, dan lainlain) maka kriteria penerimaan atau penolakan Ho adalah:
1. Jika nilai P atau Prob. atau Sig. (Significance) < nilai maka tolak Ho
(terima H1) untuk uji satu pihak (kiri atau kanan).
2. Jika nilai P atau Prob. atau Sig. (Significance) > nilai maka terima Ho
(tolak H1) untuk uji satu pihak (kiri atau kanan).
Dalam penelitian keputusan hasil pengujian dinyatakan sebagai berikut:
(1) Jika nilai Sig. (p) > 0,05 maka dikatakan nilai rata-rata hasil penelitian tidak
berbeda bermakna (signifikan) dengan nilai rata-rata yang diketahui.
(2) Jika 0,01 < p < 0,05 maka dikatakan nilai rata-rata hasil penelitian berbeda
bermakna dengan nilai rata-rata yang diketahui.
55

(3) Jika p < 0,01 maka dikatakan nilai rata-rata hasil penelitian berbeda sangat
bermakna dengan nilai rata-rata yang diketahui.

Tabel 21. Tabel t

0
Degrees
of
Freedom
1
2
3
4

6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45

ttabel

Upper Tail Areas

.25
1.0000
0.8165
0.7649
0.7407
0.7267
0.7176
0.7111
0.7064
0.7027
0.6998
0.6974
0.6955
0.6938
0.6924
0.6912
0.6901
0.6892
0.6884
0.6876
0.6870
0.6864
0.6858
0.6853
0.6848
0.6844
0.6840
0.6837
0.6834
0.6830
0.6828
0.6825
0.6822
0.6820
0.6818
0.6816
0.6814
0.6812
0.6810
0.6808
0.6807
0.6805
0.6804
0.6802
0.6801
0.6800

.10
3.0777
1.8856
1.6377
1.5332
1.4759
1.4398
1.4149
1.3968
1.3830
1.3722
1.3634
1.3562
1.3502
1.3450
1.3406
1.3368
1.3334
1.3304
1.3277
1.3253
1.3232
1.3212
1.3195
1.3178
1.3163
1.3150
1.3137
1.3125
1.3114
1.3104
1.3095
1.3086
1.3077
1.3070
1.3062
1.3055
1.3049
1.3042
1.3036
1.3031
1.3025
1.3020
1.3016
1.3011
1.3006

.05
6.3138
2.9200
2.3534
2.1318
2.0150
1.9432
1.8946
1.8595
1.8331
1.8125
1.7959
1.7823
1.7709
1.7613
1.7531
1.7459
1.7396
1.7341
1.7291
1.7247
1.7207
1.7171
1.7139
1.7109
1.7081
1.7056
1.7033
1.7011
1.6991
1.6973
1.6955
1.6939
1.6924
1.6909
1.6896
1.6883
1.6871
1.6860
1.6849
1.6839
1.6829
1.6820
1.6811
1.6802
1.6794

025
12.7062
4.3027
3.1824
2.7764
2.5706
2.4469
2.3646
2.3060
2.2622
2.2281
2.2010
2.1788
2.1604
2.1448
2.1315
2.1199
2.1098
2.1009
2.0930
2.0860
2.0796
2.0739
2.0687
2.0639
2.0595
2.0555
2.0518
2.0484
2.0452
2.0423
2.0395
2.0369
2.0345
2.0322
2.0301
2.0281
2.0262
2.0244
2.0227
2.0211
2.0195
2.0181
2.0167
2.0154
2.0141

.O1
31.8207
6.9646
4.5407
3.7469
3.3649
3.1427
2.9980
2.8965
2.8214
2.7638
2.7181
2.6810
2.6503
2.6245
2.6025
2.5835
2.5669
2.5524
2.5395
2.5280
2.5177
2.5083
2.4999
2.4922
2.4851
2.4786
2.4727
2.4671
2.4620
2.4573
2.4528
2.4487
2.4448
2.4411
2.4377
2.4345
2.4314
2.4286
2.4258
2.4233
2.4208
2.4185
2.4163
2.4141
2.4121

.005
63.6574
9.9248
5.8409
4.6041
4.0322
3.7074
3.4995
3.3554
3.2498
3.1693
3.1058
3.0545
3.0123
2.9768
2.9467
2.9208
2.8982
2.8784
2.8609
2.8453
2.8314
2.8188
2.8073
2.7969
2.7874
2.7787
2.7707
2.7633
2.7564
2.7500
2.7440
2.7385
2.7333
2.7284
2.7238
2.7195
2.7154
2.7116
2.7079
2.7045
2.7012
2.6981
2.6951
2.6923
2.6896

C.1.1 Contoh Perbandingan Satu Kelompok dengan Uji t

Contoh: Data hasil penelitian tertera pada Tabel 22 (data di bawah telah ditambah
kolom olahan data). Sebagai langkah awal dilakukan dahulu pemeriksaan
kenormalan data sebagai salah satu syarat penggunaan uji t.

Uji
56

kenormalan data hanya dilakukan apabila ukuran sampel yakni n < 30.
Bila n >= 30 tidak diperlukan pengujian kenormalan data sebab menurut
teorema limit sentral untuk n >= 30 data akan menyebar menurut sebaran
normal (Beth Dawson and Robert G. Trapp: Basic & Clinical Bio-statistics.
Third Edition. McGraw-Hill International Editions, New York, 2001, p 102).
Ada beberapa cara menguji kenormalan data (test for normality) di
antaranya: Chi-Squares test, Kolmogorov-Smirnov test, Shapiro-Wilk test,
Anderson-Darling test, Ryan-Joiner test, dan Lilliefors test.
Pengujian Kenormalan Data
Di bawah ini diberikan pengujian kenormalan data menurut Kolmogorov-Smirnov
test dengan rumus :

Dhitung max | ( nilai peluang Z nilai harapan kumulatif ) |

Hipotesis Statistik yang hendak diuji adalah:
Ho : Data lama sembuh diare menyebar normal (data berdistribusi normal)
H1 : Data lama sembuh diare tidak menyebar normal (data tidak
berdistribusi normal)

57

Tabel 22. Data lama sembuh diare (hari) yang diberi tempe (X)
Anak
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Jumlah

Lama Sembuh (X)

(hari)
4
2
1
4
3
6
1
5
2
6
5
2
3
3
2
1

= 50

X2
16
4
1
16
9
36
1
25
4
36
25
4
9
9
4
1

= 200

Langkah pengujian
1. Urutkan data lama sembuh (X) dari yang terkecil ke yang terbesar (lihat
pada Tabel 23 Kolom 1).
2. Hitung nilai rata-rata dan standar deviasi lama sembuh (X), yakni X = 3,13
hari, dan s = SD = 1,708 hari.
3. Ubah masing-masing nilai ke skor Z dengan rumus transformasi:

x = lama sembuh (Kolom 2). Contoh untuk x = 1 maka

x X
s ,

1 3,13

1, 708
1,25

4. Tentukan peluang masing-masing nilai z, yakni P(Z < z). Contoh untuk z =
-1,25 maka P(Z < -1,25) = 0,1056. Angka ini dilihat pada Tabel Z yang
tersedia pada lampiran buku statistika (Kolom 3)
5. Tentukan Nilai Harapan Kumulatif (NHK). Untuk data di atas ma-singmasing pengamatan memiliki nilai harapan (frekuensi relatif), yakni 1/16 =
0,0625).

Untuk pengamatan ke-1, NHK-nya = 0,0625, dan untuk

pengamatan ke-2, NHK-nya = 0,0625 + 0,0625 = 0,1250, untuk

58

pengamatan ke-3, NHK-nya = 0,1250 + 0,0625 = 0,1875, dan seterusnya

(Kolom 4).
6. Tentukan nilai D sebagai nilai mutlak dari selisih antara masing-masing nilai
peluang Z dan nilai harapan kumulatif atau |(Kolom 3 Kolom 4)|. Contoh
selisih pada pengamatan ke-1 :
|(0,1056 0,0625)| = 0,0431 (Kolom 5).
7. Tentukan nilai maksimum D (nilai terbesar pada Kolom 5). Nilai terbesar
pada Kolom 5 yakni 0,1829. Nilai ini adalah nilai D hitung.
8. Bandingkan nilai maksimum D (D hitung) ini dengan nilai D tabel yang
tersedia. Jika nilai D hitung > nilai D tabel, maka tolak H 0, se-dangkan bila
nilai D hitung < nilai D tabel, maka terima H 0. Dalam contoh ini D hitung =
0,1829 dan D tabel = 0,328. Jadi, D hitung < D tabel sehingga terima H 0
yang menyatakan bahwa data Lama Sembuh Diare menyebar normal.
9.
Tabel 23. Hasil Pengolahan Uji Normalitas Data dengan KolmogorovSmirnov Test
Kolom 1
Urutan
1
1
1
2
2
2
2
3
3
3
4
4
5
5
6
6

Kolom 2
Z
-1,25
-1,25
-1,25
-0,66
-0,66
-0,66
-0,66
-0,08
-0,08
-0,08
0,51
0,51
1,09
1,09
1,68
1,68

Kolom 3
P(Z < z)
0,1056
0,1056
0,1056
0,2546
0,2546
0,2546
0,2546
0,4681
0,4681
0,4681
0,6950
0,6950
0,8621
0,8621
0,9535
0,9535

Kolom 4
NHK
0,0625
0,1250
0,1875
0,2500
0,3125
0,3750
0,4375
0,5000
0,5625
0,6250
0,6875
0,7500
0,8125
0,8750
0,9375
1,0000

Kolom 5
Nilai D
0,0431
0,0194
0,0819
0,0046
0,0579
0,1204
0,1829
0,0319
0,0944
0,1569
0,0075
0,0550
0,0496
0,0129
0,0160
0,0465

Apabila data diolah dengan program statistika misalnya SPSS, bila nilai Sig. >
0,05 maka terima H0, sedangkan bila nilai Sig. < 0,05 maka tolak H 0.
Karena data lama sembuh diare menyebar normal maka pengujian per-bedaan
rata-rata kedua kelompok digunakan uji t satu kelompok sebagai berikut.
59

Pengujian Hipotesis Penelitian

Hipotesis Penelitian
Kesembuhan diare yang diberi makanan formula tempe lamanya 3 hari .
Hipotesis Statistik
Ho : Rata-rata lama sembuh diare yang diberi makanan formula
tempe adalah 3 hari
H1 : Rata-rata lama sembuh diare yang diberi makanan formula
tempe tidak sama dengan 3 hari
Atau Ho : 3, 0 hari
H1 : 3, 0 hari (uji dua pihak).
Hipotesis H0 terkait dengan hipotesis penelitian yang menyatakan = 3,0 hari.
Komputasi:

X
n

50, 0
3,13
16
hari

n X X
2

16 200, 0 50, 0 1, 708

n(n 1)
16(16 1)
s=
hari
2

db = n 1 = 16 1 = 15

X 0 3,13 3, 0

s / n 1, 708 / 16 0,293

Nilai ttabel untuk = 5% adalah ttabel = -t( / 2 ,db) = = -t(0,025,15) = -2,1315 dan
ttabel = t( / 2 ,db) = t(0,025,15) = 2,1315.
Simpulan :
Karena

X 0
s / n = 0,293 < ttabel = t( / 2 ,db) = =-t(0,025,15) = 2,1315 dan >

60

ttabel = t( / 2 ,db) = t(0,025,15) = -2,602 (-2,1315 < 0,293 < 2,1315) maka tolak Ho :

3, 0

hari (terima H1 : 3, 0 hari). Jadi, anak diare yang diberi makanan

formula tempe rata-rata lama sembuh sama dengan 3 hari (p > 0,05).
Pengolahan Data dengan Bantuan Program Statistika
Pengujian Kenormalan Data dengan Kolmogorov-Smirnov test dan Pengujian
Hipotesis Penelitian yang diolah dengan Paket Program Sta-tistika SPSS Versi 12
dapat dilihat pada Tabel 24 dan Tabel 25 di bawah ini.
Pengujian Kenormalan Data
Tabel 24. Hasil Olahan Kenormalan Data dengan Program SPSS
One-Sample Kolmogorov-Smirnov Test

N
Normal Parameters a,b
Most Extreme
Differences

Lama
Sembuh
Diare
16
3.13
1.708
.182
.182
-.114
.730
.661

Mean
Std. Deviation
Absolute
Positive
Negative

Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
a. Test distribution is Normal.
b. Calculated from data.

Hasil uji di atas menunjukkan bahwa nilai D hitung = 0,182 (absolute value) dan
nilai Asymp. Sig. (2-tailed) = 0,661 >

= 0,05, jadi terima H0.

61

Pengujian Hipotesis dengan Uji t Satu Kelompok

Tabel 25. Hasil Olahan Uji t dengan Program SPSS

T-Test
One-Sample Statistics
N
Lama Sembuh Diare

16

Mean
3.13

Std. Deviation
1.708

One-Sample Test
Test Value = 3

t
Lama Sembuh Diare

df
.293

15

Sig. (2-tailed)
.774

Mean
Difference
.125

Catatan:
Jika digunakan uji satu pihak (kanan atau kiri) maka nilai Sig. (2-tailed) pada Tabel
25 di atas harus dibagi dengan 2. Misalkan, dari hasil olahan program SPSS
diperoleh nilai Sig. (2-tailed) = 0,364, maka nilai Sig. yang digunakan adalah
0,364/2 = 0,182. Jika digunakan uji dua pihak maka nilai Sig. (2-tailed) yang
digunakan, tetap seperti hasil olahan program SPSS, yakni 0,364.
Pada contoh kasus penelitian di atas telah digunakan uji dua pihak sebab H 1
menggunakan tanda (tidak sama dengan). Karena itu, nilai Sig.-nya = 0,774
sehingga Ho diterima (p > 0,05).
Perhatikan pada tabel di atas tertera nilai mean (rata-rata) = 3,13, nilai std
deviation (SD) = 1,708, dan nilai t (t hitung) = 0,293, serta mean difference (beda
rata-rata antara 3,13 dan 3,0) = 0,125. Nilai-nilai ini seperti yang diperoleh pada
perhitungan secara manual di atas (sebelumnya).

62

C.1.2 Pengujian Data Tidak Berdistribusi Normal dari Satu Kelompok

Untuk data awal yang tidak berdistribusi normal dapat diatasi dengan cara (Beth
Dawson and Robert G. Trapp: Basic & Clinical Biostatistics. Third Edition.
McGraw-Hill International Editions, New York, 2001, p 118-119):
(1) mentranformasi data awal ke bentuk logaritma dengan bilangan pokok
10, yakni log (X) atau bilangan pokok e, yakni ln (X); atau ke bentuk
akar pangkat dua, yakni

X . Setelah ditansformasi, lakukan kembali

uji kenormalan data, bila data menyebar normal dalam logaritma atau
akar, lanjutkan dengan uji t. Bila data transformasi tidak menyebar
normal, lanjutkan dengan uji nonparametrik dengan menggunakan data
awal, atau
(2) secara langsung menggunakan uji statistik nonparametrik, an-tara lain:
The Signed Test atau The Wilcoxon Signed-Rank Test untuk data satu
kelompok.
Di bawah ini diberikan contoh pengujian nonparametrik yakni Signed Test satu
kelompok. Data konsentrasi spermatozoa mencit yang diberikan latihan
berlebihan dapat dilihat pada Tabel 26. Sebelum dilakukan pengujian dengan
Signed Test, terlebih dahulu dilakukan pengujian ke-normalan data. Prosedur
pengujian kenormalan data dengan Lilliefors test secara manual dapat dilihat pada
Lampiran.

63

Tabel 26. Data Konsentrasi Spermatozoa Mencit yang Diberi

Latihan Berlebihan Guna Pengujian Sign Test
Men
cit
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

Konsentrasi
Spermatozoa (X)
0,5
1,0
0,7
0,7
0,6
0,6
1,1
1,5
1,2
2,4
0,5
0,6
1,2
0,6
0,5
1,6
0,5
1,5
0,5
1,1
0,6
1,9
0,6
0,4
1,0
4,5

Log (X)
-0,30
0,00
-0,15
-0,15
-0,22
-0,22
0,04
0,18
0,08
0,38
-0,30
-0,22
0,08
-0,22
-0,30
0,20
-0,30
0,18
-0,30
0,04
-0,22
0,28
-0,22
-0,40
0,00
0,65

Pengujian Kenormalan Data

Kenormalan data diuji dengan Lilliefors test berdasarkan Program SPSS Versi
12 (Tabel 27). Hasil ini menunjukkan bahwa data konsentrasi spermatozoa mencit
yang diberi latihan berlebihan tidak menyebar normal (H 0 ditolak) sebab nilai Sig. =
0,003 < = 0,01. Ketidaknormalan data dapat dilihat juga pada Gambar 31.

64

Tabel 27. Hasil Pengujian Normalitas Data Konsentrasi

Spermatozoa pada Tabel 6
Tests of Normality
a

Kolmogorov-Smirnov
Statistic
df
Sig.
.218
26
.003

KONSENTRASI SPERMATOZOA
a. Lilliefors Significance Correction
16
14
12
10
8
6
4

Std. Dev = .86

Mean = 1.07
N = 26.00

0
.50

1.00

1.50

2.00

2.50

3.00

3.50

4.00

4.50

Konsentrasi Spermatozoa

Gambar 31. Bentuk Histogram Data Konsentrasi Spermatozoa pada

Tabel 26
Transformasi Data yang Tidak Menyebar Normal (Log (X))
Karena data konsentrasi spermatozoa tidak menyebar normal, maka data ini
ditransformasikan ke logaritma, yakni log (X) yang hasilnya dapat di-lihat pada
Tabel 26 di atas. Di bawah ini disajikan hasil pengolahan pengujian kenormalan
data log (X) dengan Lilliefors test (Tabel 28). Hasil ini menunjukkan bahwa data
logaritma dari konsentrasi spermatozoa (log (X)) mencit yang diberi latihan
berlebihan tidak menyebar normal (H0 ditolak) sebab nilai Sig. = 0,007 < = 0,05.
Oleh sebab itu data konsentrasi spermatozoa pada Tabel 26 akan diuji dengan
Signed test yang memiliki rumus dengan pendekatan sebaran Z sebagai berikut.
| X np | 0,5
np (1 p ) ,
Z=

65

X = banyaknya pengamatan yang < median yang diketahui, n = ukuran sampel,

dan p = 0,5 (besarnya peluang suatu pengamatan kurang dari atau lebih dari nilai
median).
Tabel 28. Hasil Uji Kenormalan Data Log (X) pada Tabel 26

Tests of Normality
a

Log(Spermatozoa)

Kolmogorov-Smirnov
Statistic
df
Sig.
.204
26
.007

a. Lilliefors Significance Correction

Pengujian Hipotesis dengan Signed Test

The Signed test untuk pengujian satu kelompok tidak menggunakan ukuran
pemusatan rata-rata, tetapi menggunakan ukuran pemusatan median (ingat
bahwa jika data menyebar normal maka nilai rata-rata = nilai median, tetapi bila
data miring positif (positive skewness) maka nilai rata-rata > nilai median, dan bila
data miring negatif (negative skewness) maka nilai rata-rata < nilai median).
Sebagai contoh, data konsentrasi spermatozoa pada Tabel 26 (Gambar 31
menunjukkan kurva miring positif), nilai rata-rata = 1,07 juta/ml > nilai median =
0,70 juta/ml.
Sebagai contoh penggunaan Signed test, kita kembali ke masalah ter-dahulu
yakni seorang peneliti curiga bahwa berolah raga berlebihan (ti-dak sesuai dengan
takaran) dapat mempengaruhi kuantitas dan kualitas spermatozoa. Untuk menguji
kecurigaannya tersebut, ia melakukan penelitian pada 26 ekor mencit (data dapat
dilihat pada Tabel 29). Berdasarkan hasil penelitian sebelumnya diperoleh ratarata kon-sentrasi spermatozoa mencit adalah 2,82 juta/ml, sehingga yang
menjadi masalah dalam penelitiannya adalah, apakah pemberian latihan
berlebihan pada mencit dapat menurunkan konsentrasi spermatozoa, yakni lebih
rendah daripada 2,82 juta/ml?
Hasil pengujian kenormalan data di atas, ternyata data konsentrasi sper-matozoa
tidak menyebar normal (lihat Tabel 27 dan Tabel 28), oleh sebab itu akan
digunakan pengujian dengan statistik nonparametrik yakni Signed test. Dalam
66

pengujian perbandingan, nilai 2,82 juta/ml akan digunakan sebagai nilai median
konsentrasi spermatozoa yang diketahui, sehingga hipotesis statistik yang
hendak diuji adalah
Ho : Median konsentrasi spermatozoa mencit setelah diberi latihan
berlebihan = 2,82 juta/ml
H1 : Median konsentrasi spermatozoa mencit setelah diberi latihan
berlebihan < 2,82 juta/ml
Atau Ho : Med 2,82 juta / ml
H1 : Med 2,82 juta / ml (uji satu pihak kiri)
Komputasi:
Dari Tabel 26 diperoleh X = 25 (banyaknya pengamatan < 2,82 juta/ml) dan n =
26, sehingga
| 25 26(0,5) | 0,5
| X np | 0,5
np(1 p) =
26(0,5)(1 0,5) = 4,51
Z=
Karena uji median di atas adalah uji satu pihak kiri maka nilai Z harus bertanda
negatif, yakni Z = - 4,51, dan untuk = 0,01 diperoleh nilai Z tabel = - 2,33.
Simpulan:
Karena nilai Z = - 4,51 < Z tabel = Z 0,01 = - 2,33 maka tolak
Ho : Med 2,82 juta / ml dan terima H1 : Med < 2,82 juta/ml. Ini berarti latihan
berlebihan

yang

diberikan

pada

mencit

dapat

menurunkan

konsentrasi

spermatozoa lebih rendah dari 2,82 juta/ml (< 2,82 juta/ml) sangat ber-makna (P <
0,01).

67

C.1.3 Ukuran Sampel (Besar Sampel) untuk Uji Satu Kelompok

Ukuran sampel (besar sampel) untuk pengujian H 0 : 0 ditentukan oleh:
1) besarnya nilai yang akan digunakan untuk pengujian H 0 di atas
2) besarnya nilai power yang akan digunakan (1- );
3) besarnya nilai perbedaan yang diharapkan oleh peneliti antara dan 0
(besarnya 0 ), dan
4) besarnya nilai standar deviasi populasi ( ). Nilai ini dapat diduga dari SD
sampel.
Salah satu bentuk rumus besar sampel (Beth Dawson and Robert G. Trapp: Basic
& Clinical Biostatistics. Third Edition. McGraw-Hill International Editions, New York,
2001, p 125) adalah :

Z Z
n

n = besar sampel, Z = nilai dalam Tabel Z untuk nilai tertentu (ditentukan oleh

Z
peneliti dan biasanya yang dipilih = 0,05 = 5% atau = 0,01 = 1%), = nilai
dalam Tabel Z untuk nilai power tertentu (ditentukan oleh peneliti dan biasanya
dipilih nilai power = 80% atau 90%), = diperoleh melalui penelitian sebelumnya
(prapenelitian) atau berdasarkan referensi, = rata-rata hasil penelitian,

0 =

rata-rata yang dihipotesiskan (diketahui sebelumnya), dan besarnya 0

ditentukan oleh peneliti.
Contoh:

Pada kasus penelitian pengaruh pemberian makanan formula tempe

terhadap lama sembuh diare di atas, jika digunakan = 0,05, power =
80% ( =0,20), = 1,708 hari (diperoleh dari s atau SD penelitian
sebelumnya), dan 0 = 1 hari (besarnya perbedaan rata-rata lama
kesembuhan diare yang diberi formula tempe dengan rata-rata lama
68

sembuh sebelumnya (3 hari) yang diharapkan oleh peneliti), maka nilai

Z

= 1,64 (untuk uji satu pihak kiri) dan

= -0,842 (kedua nilai Z ini

diperoleh dengan melihat pada Tabel Z yang tersedia pada buku

statistika), sehingga besar sampel adalah
1, 64 ( 0,842) 1, 708

n=

17,97 = 18 anak,

Jadi dalam penelitian minimal banyaknya anak diare adalah 18 orang (sebaiknya
dilebihkan dari 18 anak untuk mencegah jangan ada anak yang meninggal atau
tidak dapat mengikuti sesuai protokol penelitian yang ditetapkan).

69

C.2 Uji Rata-rata Dua Kelompok Independen

Perbandingan rata-rata dua kelompok (populasi) yang independent adalah suatu
penelitian yang bertujuan membandingkan rata-rata dua kelompok atau dua
populasi yang berbeda unit pengamatannya. Misalnya, membandingkan rata-rata
konsentrasi spermatozoa antara mencit yang diberi latihan ringan (Kelompok 1)
dan mencit yang diberi latihan berat (Kelompok 2). Penelitian ini bertujuan untuk
melihat pada latihan yang bagaimana (kadar latihan yang bagaimana) konsentrasi
spermatozoa menurun lebih banyak.
Contoh lain, seorang peneliti ingin mendapatkan cara yang lebih baik penanganan
penderita varikokel (gangguan kesehatan pada sistem reproduksi pria). Ia ingin
membandingkan penanganan dengan cara non-bedah, yakni dengan Testicular
Hypothermia Device (Kelompok 1) dan cara bedah, yakni dengan Cara
Subinguinal (Kelompok 2). Variabel yang diamati adalah banyaknya sperma
setelah intervensi (perlakuan diberikan).
Pada kedua contoh di atas, subjek penelitian (unit pengamatan) berbeda pada
kedua kelompok dan penempatan perlakuan (kelompok 1 dan kelompok 2) harus
diacak pada setiap subjek, serta para subjek harus dibuat lebih dahulu homogen
(penempatan perlakuan dan penghomogenan subjek adalah prinsip pada
penelitian intervensional atau eksperimental).
Contoh masalah lain:
(1) Perbandingan Densitas Mineral Tulang (DMT) antara ibu yang menyusui
bayi dan ibu yang tidak menyusui bayi.
(2) Perbandingan Lama Ketahanan latihan stabilitas pinggang bawah antara
pasien yang diberi latihan ekstensor dan yang diberi latihan fleksor.
(3) Perbandingan Lama Sembuh Diare antara yang diberi makan formula
tempe dan yang tidak diberi makan formula tempe pada anak diare akut.
(4) Perbandingan TIO antara pasien DM tipe 2 dan pasien tanpa DM tipe 2.
(5) Perbandingan kadar anti-HBs bayi antara yang diberi vaksin Engerix-B dan
yang diberi vaksin Hepa-B (bayi yang dilahirkan oleh ibu yang HBsAg
negatif.
70

Statistik uji yang akan digunakan untuk perbandingan dua kelompok yang
independen adalah uji t atau uji Z independen (bila data kedua kelompok
menyebar normal) yang memiliki rumus sebagai berikut:

t
1.
t

X2

1 1
s

n1 n2

2.
s

s12

X2

2
1

2
2

s
s

n1 n2

bila ragam kedua kelompok sama

2
2
atau 1 2

bila ragam kedua kelompok berbeda atau 12 22

(n1 1) s12 (n2 1) s22

n1 n2 2

n1 x12 ( x1 ) 2
n1 (n1 1)

dan

s22

n2 x22 ( x2 ) 2
n2 ( n2 1)

X1 X 2

2. Z =

12 22

n1 n 2

2
2
Statistik uji Z di atas digunakan bila 1 dan 2

diketahui dari penelitian

sebelumnya. Pada beberapa referensi, mengusulkan penggunaan uji Z bila n 1 >

30 dan n2 > 30 dengan menggunakan s12 dan s22 yang diperoleh dari penelitian
2
2
yang sedang dilakukan, sebagai pengganti 1 dan 2 . Namun, pada beberapa

referensi menggunakan salah satu uji t di atas meskipun n 1 > 30 dan n2 > 30. Hal
ini disebabkan distribusi Z dan dis-tribusi t memiliki bentuk sebaran yang relatif
sama bila n > 30.
Kriteria penerimaan atau penolakan Ho atau H1
I. Untuk uji satu pihak kanan (Ho : 1 2 dan H1 : 1 2 )
1. Jika nilai t > ttabel = t(

,db)

maka tolak Ho atau terima H1.

2 Jika nilai t < ttabel = t(

,db)

, maka terima Ho atau tolak H1.

71

II. Untuk uji satu pihak kiri (Ho : 1 2 dan H1 : 1 2 )

1. Jika nilai t < ttabel = -t(

,db)

maka tolak Ho atau terima H1.

2. Jika nilai t > ttabel = -t(

,db)

, maka terima Ho atau tolak H1.

III. Untuk uji dua pihak (Ho : 1 2 dan H1 : 1 2 )

1. Jika nilai t > ttabel = t( / 2 ,db) atau nilai t < ttabel = -t( / 2 ,db) maka tolak Ho atau
terima H1.
2 Jika nilai t < ttabel = t( / 2 ,db) atau nilai t > ttabel = -t( / 2 ,db) maka terima Ho
atau tolak H1.
Nilai ttabel dapat dilihat pada daftar distribusi t (terdapat pada semua buku statistika)
dan nilai ttabel tergantung pada db-nya (db = n 1 + n2 - 2) dan nilai . Nilai yang
digunakan sebagai nilai baku (standar) adalah 5% atau 1%. Contoh bila
digunakan = 5% = 0,05 dengan n1 = 10, n2 = 12 maka db = 10 + 12 2 = 20
dan nilai ttabel = 1,725 untuk uji satu pihak kanan.
Jika data diolah dengan paket program statistika (SPSS, Minitab, SAS, dll) maka
kriteria penerimaan atau penolakan Ho atau H1 adalah:
(1) Jika nilai P atau Prob. atau Sig. (Significance) < nilai maka tolak Ho
(terima H1)
)

Jika nilai P atau Prob. atau Sig. (Significance) > nilai maka terima Ho
(tolak H1).

Untuk menentukan statistik uji t yang mana yang akan digunakan (rumus 1 atau
rumus 2 di atas), maka perlu didahului dengan uji kesamaan ragam (variansi) atau
disebut uji kehomogenan variansi, yang sebelumnya didahului pengujian
kenormalan data.
C.2.1 Contoh Pengujian Perbedaan Dua Kelompok Independen
dengan Uji t

72

Di bawah ini diberikan contoh pengujian perbandingan (perbedaan) kon-sentrasi

spermatozoa mencit yang diberi Latihan Ringan dan Latihan Be-rat (Tabel 8). Data
di bawah ini bukan data sebenarnya. Adapun hipotesis yang hendak diuji adalah:
Hipotesis Penelitian
Konsentrasi spermatozoa mencit yang diberi Latihan Ringan lebih tinggi
daripada konsentrasi spermatozoa mencit yang diberi Latihan Berat.
Hipotesis Statistik
Ho : Rata-rata Konsentrasi Spermatozoa mencit yang diberi Latihan Ringan
sama dengan Konsentrasi Spermatozoa mencit yang diberi Latihan
Berat
H1 : Rata-rata Konsentrasi Spermatozoa mencit yang diberi Latihan Ringan
lebih tinggi daripada Konsentrasi Spermatozoa mencit yang diberi
Latihan Berat.
Atau Ho : 1 2 dan H1 : 1 2 (uji satu pihak kanan)

1 = rata-rata kons. spermatozoa yang diberi Latihan Ringan (kel. 1)

2 = rata-rata kons. spermatozoa yang diberi Latihan Berat (kel. 2)

Untuk menguji hipotesis di atas terlebih dahulu dilakukan uji kenormalan data dan
uji kehomogenan variansi kedua kelompok.

73

Tabel 29. Data Konsentrasi Spermatozoa Mencit Kedua Kelompok yang

telah ditambah kolom olahan data
Menci
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Ringan (R)
(juta/ml)
0,8
2,3
1,2
2,0
1,0
1,1
1,8
1,3
1,1
1,6
1,5
2,9
1,4
1,1
1,0
1,2

n1= 16

=23,3

Mencit

0,64
5,29
1,44
4,00
1,00
1,00
3,24
1,69
1,21
2,56
2,25
8,41
1,96
1,21
1,00
1,44

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

R
5

X R = 1,456

R2

=38,5

n2 = 16

Berat (B)
(juta/ml)
1,3
2,0
0,5
2,0
1,0
0,3
1,0
0,8
1,9
0,5
0,2
0,1
0,1
1,5
0,6
1,9

=15,
7
X B =0,981

B2
1,69
4,00
0,25
4,00
1,00
0,90
1,00
0,64
3,61
0,25
0,04
0,04
0,01
2,25
0,36
3,61

=22,81

Uji Kenormalan Data

Hipotesis statistik kenormalan data yang hendak diuji pada kedua kelom-pok
adalah:
Ho : Data konsentrasi spermatzoa mencit yang diberi Latihan Ringan menyebar
normal
H1 : Data konsentrasi spermatozoa mencit yang diberi Latihan Ringan tidak
menyebar normal
Ho : Data konsentrasi spermatzoa mencit yang diberi Latihan Berat menyebar
normal
H1 : Data konsentrasi spermatozoa mencit yang diberi Latihan Berat

tidak

menyebar normal

74

Pengujian kenormalan data kedua hipotesis statistik di atas dilakukan me-lalui

Program SPSS Versi 12 dengan Kolmogorov-Smirnov test.

Hasil uji tersebut

dapat dilihat pada Tabel 30 di bawah ini.

Tabel 30. Hasil Olahan Kenormalan Data Konsentrasi Spermatozoa
Kedua Kelompok
One-Sample Kolmogorov-Smirnov Test

N
Normal Parametersa,b
Most Extreme
Differences

Mean
Std. Deviation
Absolute
Positive
Negative

SPERMA
KELOMPOK
RINGAN
16
1.456
.555
.178
.178
-.143

SPERMA
KELOMPOK
BERAT
16
.9812
.7026
.155
.144
-.155

.711

.618

.692

.840

Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)
a. Test distribution is Normal.
b. Calculated from data.

Hasil uji kenormalan data di atas menunjukkan bahwa data konsentrasi

spermatozoa pada kedua kelompok menyebar normal (H 0 diterima) sebab nilai
Asymp. Sig. (2-tailed) Kelompok Ringan = 0,692 > = 0,05, dan nilai Asymp. Sig.
(2-tailed) Kelompok Berat = 0,692 > = 0,05.
Uji Kesamaan Dua Variansi (Uji Kehomogenan Ragam)
Pengujian kesamaan dua ragam dapat dilakukan dengan (1) statistik uji F, atau (2)
Levenes test. Di bawah ini diberikan cara pengujian dengan statistik uji F.
Hipotesis statistik yang hendak diuji adalah:
2
2
Ho : Kedua variansi (ragam) sama atau H0 : 1 2
2
2
H1 : Kedua variansi (ragam) tidak sama atau H 1 : 1 2 (Uji dua pihak)

Variansi sampel terbesar s12

2
2
2
Statistik ujinya : F = Variansi sampel terkecil = s2 , bila s1 s2

75

Kriteri penerimaan atau penolakan Ho

Jika nilai

F Ftabel F1
2

db1 , db2

1
atau nilai P maka tolak Ho
2
,

db1 = n1 1 dan db2 = n2 1

Jika nilai

F Ftabel F1
2

db1 , db2

1
atau nilai P maka terima Ho
2

Nilai Ftabel dapat dilihat pada Tabel F yang tersedia pada semua buku Statistika.
Contoh, untuk 0, 05 dengan db1 9 dan db2 12 maka
F1
2

db1 , db2

F0,025(9;12) 3, 44

(lihat tabel di bawah ini)

Tabel 31. Cara menentukan nilai Ftabel

db2

.050

1
161.4

.025

647.8

.010

4052

.005

16211

12

db1

.050
.025

2.80
3.44

.010

4.39

.005

5.20

Berikut ini diberikan pengujian kesamaan variansi untuk data pada Tabel 29 di
atas secara manual.

sR2

nR xR2 ( xR )2
nR ( nR 1)

16(38,55) (23,3) 2
16(16 1)
=
= 0,308 (juta/ml)2 Variansi Kelmpok.

Ringan

sB2

nB xB2 ( xB )2
nB ( nB 1)

16(22,81) (15, 7) 2
16(16 1)
=
= 0,494 (juta/ml)2 Variansi Kelompok

Berat
76

Variansi sampel terbesar 0, 494

F1
F0,025(15;15) 2,86
1, 604
db1 , db2
Variansi
sampel
terkecil
0,308
2
F=
=
dan

Simpulan: Karena nilai F = 1,604 <

F1
2

db1 , db2

F0,025(15;15) 2,86

maka terima Ho :

12 22 . Jadi, dapat dianggap variansi data konsentrasi spermatozoa kelompok

Latihan Ringan dan variansi data konsentrasi spermatozoa kelompok Latihan
Berat adalah homogen (sama).
Pengujian Hipotesis Perbedaan Dua Kelompok Independen
Adapun hipotesis statistik berkaitan dengan perbedaan dua konsentrasi
spermatozoa yang hendak diuji adalah
Ho : Rata-rata Konsentrasi Spermatozoa mencit yang diberi Latihan Ringan
sama dengan Konsentrasi Spermatozoa mencit yang diberi Latihan
Berat
H1 : Rata-rata Konsentrasi Spermatozoa mencit yang diberi Latihan Ringan
lebih tinggi daripada Konsentrasi Spermatozoa mencit yang diberi
Latihan Berat.
Atau Ho : 1 2 dan H1 : 1 2 (uji satu pihak kanan)
Hasil pengujian kenormalan data menunjukkan bahwa data kedua ke-lompok
menyebar normal serta hasil pengujian kesamaan variansi me-nunjukkan bahwa
kedua kelompok data memiliki variansi yang sama (ho-mogen), oleh sebab itu
dalam pengujian perbedaan rata-rata konsentrasi spermatozoa antara mencit
yang diberi Latihan Ringan dan Latihan Berat digunakan statistik uji t (rumus 1),
yakni:

77

X
s

XB

1
1

nR n B

dan hasil komputasi rumus di atas adalah sebagai berikut.

XR

23,3
15, 7
1, 456 juta / ml dan X B
0,981 juta / ml
16
16

(nR 1) sR2 (nB 1) sB2

nR nB 2

X
s

XB

1
1

nR n B

(16 1)(0,308) (16 1)(0, 494)

16 16 2
=
0,633 juta/ml

1, 456 0,981

0, 475
1 1
2,12
0, 633

16 16 0, 224
=

Simpulan:
Karena t = 2,12 > t(0,05; 30) = 1,65 (nilai t = 2,12 berada di daerah H1) maka tolak Ho
(ingat ini adalah uji satu pihak kanan). Jadi, rata-rata konsentrasi spermatozoa
mencit yang diberi Latihan Berat lebih rendah daripada rata-rata konsentrasi
spermatozoa

mencit

yang

diberi

Latihan

Ringan.

Rata-rata

konsentrasi

spermatozoa mencit yang diberi Latihan Berat lebih rendah 0,475 juta/ml atau
lebih rendah

1, 456 0,981
x 100% 32, 6%
1, 456
daripada rata-rata konsentrasi spermatozoa mencit
yang diberi Latihan Ringan.
Pengolahan Data dengan Program SPSS
Data penelitian yang diolah dengan paket Program Statistika SPSS Versi 12 dapat
dilihat pada Tabel 32 di bawah ini.

78

Tabel 32. Pengolahan Data Kedua Kelompok dengan Program

SPSS
Group Statistics

Konsentrasi
Spermatozoa

KELOMPOK
Latihan Ringan
Latihan Berat

Mean
1.456
.981

16
16

Std. Deviation
.555
.703

Independent Samples Test

Levene's Test
for Equality of
Variances

Equal
variances
assumed
Equal
variances not
assumed

t-test for Equality of Means

Sig.
(2-tailed)

Mean
Difference

Std. Error
Difference

30

.042

.475

.224

28

.043

.475

.224

Sig.

df

2.030

.165

2.122

2.122

Uji kehomogenan variansi pada tabel di atas dilakukan dengan Levenes test
sebagai salah satu alternatif pengujian yang digunakan.

Hasil uji ini ternyata

memberikan hasil yang sama dengan statistik uji F di atas, yakni menerima Ho
sebab nilai Sig. = 0,165 > = 0,05/2 =0,025.
Dari Tabel 32 di atas, rata-rata kedua kelompok (mean) adalah 1,456 dan 0,981;
standar deviasi (std. deviation) adalah 0,555 dan 0,703; nilai t bila variansi sama
(equal variances assumed) adalah 2,212; dan selisih ke-dua rata-rata (mean
difference), yakni (1,456 0,981) adalah 0,475. Semua nilai ini sama dengan nilai
yang dihitung secara manual di atas (sebelumnya).

79

Cara Menulis Hasil Pengolahan Komputer dalam Laporan Penelitian

Tabel 33. Hasil Pengujian Perbedaan Rata-rata Konsentrasi
Spermatozoa Mencit
Jenis
Latihan
Ringan
Berat
Beda

Rata-rata
(Juta/ml)
1,456
0,981
0,475

Standar Deviasi
(Juta/ml)
0,555
0,703

t
hitung
2,212

Ho

0,021

Ditolak

C.2.2 Pengujian Data Tidak Berdistribusi Normal dari Dua Kelompok

Independen
Apabila salah satu atau kedua kelompok data tidak berdistribusi normal atau
variansi kedua kelompok tidak sama, maka masalah ini dapat diatasi dengan cara
(Beth Dawson and Robert G. Trapp: Basic & Clinical Biostatistics. Third Edition.
McGraw-Hill International Editions, New York, 2001, p 141):
(1) mentranformasikan kedua kelompok data ke bentuk logaritma, yakni log
(X) atau ln (X) atau ke bentuk akar pangkat dua, yakni

X . Setelah

ditansformasi, lakukan kembali uji kenormalan data dan uji kesamaan

variansi, bila kedua syarat (asumsi) tersebut terpenuhi, lanjutkan
dengan uji t dua kelompok independen. Bila ada salah satu syarat
(asumsi) tidak dipenuhi, lanjutkan dengan uji nonparametrik dengan
menggunakan data awal, atau
(2) dengan menggunakan uji statistik nonparametrik, antara lain: MannWitney U Test (Wilcoxon Rank Sum Test) untuk dua kelompok
independen tanpa mentransformasikan lebih dahulu.
Di bawah ini diberikan contoh pengujian nonparametrik yakni uji Mann-Whitney U
sebagai salah satu pengujian perbedaan dua kelompok inde-penden. Sebagai
contoh kita kembali ke masalah terdahulu yakni seorang peneliti curiga bahwa
berolah raga berlebihan (tidak sesuai dengan takaran) dapat mempengaruhi
kuantitas dan kualitas spermatozoa. Untuk menguji kecurigaannya tersebut, ia
melakukan penelitian pada mencit. Banyaknya mencit pada kedua kelompok tidak
sama karena pada kelompok Latihan Ringan selama latihan beberapa mencit
sakit sehingga putus uji.
80

Tabel 34. Data Konsentrasi Spermatozoa Mencit yang Diberi

Latihan Ringan dan Latihan Berat Guna Pengujian
Mann-Whitney Test
Menci
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Latihan
Ringan
0,8
2,3
1,2
2,4
1,0
0,6
1,8
0,6
1,1
1,6
0,5
2,9
0,5
1,1
1,0
1,9
.
.
.
.
.
.
.
.
.
.

Log (Ringan)

Mencit

-0,10
0,36
0,08
0,38
0,00
-0,22
0,26
-0,22
0,04
0,20
-0,30
0,46
-0,30
0,04
0,00
0,28
.
.
.
.
.
.
.
.
.
.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

Latihan
Berat
0,5
1,0
0,7
0,7
0,6
0,6
1,1
1,5
1,2
2,4
0,5
0,6
1,2
0,6
0,5
1,6
0,5
1,5
0,5
1,1
0,6
1,9
0,6
0,4
1,0
4,5

Log (Berat)
-0,30
0,00
-0,15
-0,15
-0,22
-0,22
0,04
0,18
0,08
0,38
-0,30
-0,22
0,08
-0,22
-0,30
0,20
-0,30
0,18
-0,30
0,04
-0,22
0,28
-0,22
-0,40
0,00
0,65

Data konsentrasi spermatozoa mencit yang diberikan Latihan Ringan dan Latihan
Berat dapat dilihat pada Tabel 34 . Uji perbedaan kedua kelom-pok ini akan
didahului dengan uji kenormalan data dan uji kesamaan variansi.
Pengujian Kenormalan Data
Hipotesis statistik pengujian kenormalan data adalah:
H0 : Data konsentrasi spermatozoa kelompok Latihan Ringan menyebar normal
H1 : Data konsentrasi spermatozoa kelompok Latihan Ringan tidak me-nyebar
normal
81

H0 : Data konsentrasi spermatozoa kelompok Latihan Berat menyebar normal

H1 : Data konsentrasi spermatozoa kelompok Latihan Berat tidak me-nyebar
normal
Di bawah ini disajikan hasil pengujian kenormalan data dengan Lilliefors test yang
diolah dengan Program SPSS Versi 12. Hasil ini menunjukkan bahwa data
konsentrasi spermatozoa mencit yang diberi Latihan Ringan menyebar normal (H 0
diterima) sebab nilai Sig. = 0,104 > = 0,05 (Tabel 35), sedangkan data
konsentrasi spermatozoa mencit yang diberi Latihan Berat tidak menyebar normal
(H0 ditolak) sebab nilai Sig. = 0,003 < = 0,01 (Tabel 36). Histogram kedua
kelompok data dapat dilihat pada Gambar 32 dan Gambar 33. Gambar 32
menunjukkan sebaran data cenderung berbentuk kurva normal, tetapi Gambar 33
kurvanya cenderung miring positif (bentuk huruf J terbalik atau berbentuk sebaran
khi-kuadrat dengan db = 1).
Tabel 35. Hasil Uji Normalitas Data Konsentrasi Spermatozoa
Kelompok Latihan Ringan
Tests of Normality
a

Kolmogorov-Smirnov
Statistic
df
Sig.
.195
16
.104

Latihan Ringan

a. Lilliefors Significance Correction

Std. Dev = .74

Mean = 1.33
N = 16.00

0
.50

1.00

1.50

2.00

2.50

3.00

SPERMA

Gambar 32. Bentuk Histogram Data Konsentrasi Spermatozoa Kelompok

Latihan Ringan
Tabel 36. Hasil Uji Normalitas Data Konsentrasi Spermatozoa
82

Kelompok Latihan Berat

Tests of Normality
Kolmogorov-Smirnov
Statistic
df
Sig.
.218
26
.003

Latihan Berat

16
14
12
10
8
6
4
Std. Dev = .86

Mean = 1.07
N = 26.00

0
.50

1.00

1.50

2.00

2.50

3.00

3.50

4.00

4.50

KONSPER

Gambar 33. Bentuk Histogram Data Konsentrasi Spermatozoa Kelompok

Latihan Berat

Pengujian Kesamaan (Kehomogenan) Variansi

Hipotesis statistik kesamaan variansi yang hendak diuji adalah:
2
2
Ho : Kedua variansi sama (H0 : 1 2 )
2
2
H1 : Kedua variansi tidak sama (H1 : 1 2 )

Di bawah ini diberikan hasil pengujian kesamaan kedua variansi yang

menggunakan Levenes test. Pengujian dilakukan dengan Program SPSS Versi
2

12. Variansi kelompok Latihan Ringan ( sR ) = (0,741)2 = 0,549 dan variansi

2
kelompok Latihan Berat ( sB ) = (0,862)2 = 0,743. Hasil di bawah ini menunjukkan
2
2
bahwa Ho : 1 2 diterima sebab nilai Sig. = 0,760 > = 0,05/2 =0,025. Jadi,

variansi kedua kelompok dapat dianggap homogen (sama).

Tabel 37. Hasil Uji Kesamaan Variansi antara Latihan Ringan dan
83

Latihan Berat
Group Statistics
KELOMPOK
Konsentrasi Spermatozoa Latihan Ringan
Latihan Berat

Mean
1.331
1.073

16
26

Std. Deviation
.741
.862

Independent Samples Test

Levene's Test for
Equality of Variances

F
Konsentrasi Spermatozoa

Equal variances
assumed

Sig.

.094

.760

Transformasi Data yang Tidak Menyebar Normal (Log (X))

Karena data konsentrasi spermatozoa mencit yang mendapat Latihan Be-rat tidak
menyebar normal (lihat Tabel 36), maka data pada kedua ke-lompok
ditransformasi ke logaritma, yakni log (X) yang hasilnya dapat dili-hat pada Tabel
34 di atas. Di bawah ini disajikan hasil pengolahan pengu-jian kenormalan data
log (X) dengan Lilliefors test yang diolah dengan Program SPSS Versi 12 (Tabel
38 dan Tabel 39). Adapun hipotesis sta-tistik kenormalan data yang hendak diuji
adalah:
H0 : Data log (konsentrasi spermatozoa) kelompok Latihan Ringan menyebar
normal
H1 : Data log (konsentrasi spermatozoa) kelompok Latihan Ringan tidak menyebar
normal
H0 : Data log (konsentrasi spermatozoa) kelompok Latihan Berat menyebar normal
H1 : Data log (konsentrasi spermatozoa) kelompok Latihan Berat tidak menyebar
normal
Tabel 16 menunjukkan bahwa data konsentrasi spermatozoa kelompok Latihan
Ringan setelah di-log-kan, ternyata menyebar normal (H 0 dite-rima) sebab nilai
Sig. = 0,200 > = 0,05, sedangkan Tabel 17 me-nunjukkan bahwa data
konsentrasi spermatozoa kelompok Latihan Berat setelah di-log-kan, ternyata
tidak menyebar normal (H0 ditolak) sebab nilai Sig. = 0,007 < = 0,01.
Tabel 38. Hasil Uji Kenormalan Data Logaritma Konsentrasi
84

Spermatozoa Kelompok Latihan Ringan

Tests of Normality
a

Log(Latihan Ringan)

Kolmogorov-Smirnov
Statistic
df
Sig.
.123
16
.200*

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Tabel 39. Hasil Uji Kenormalan Data Logaritma Konsentrasi

Spermatozoa Kelompok Latihan Berat
Tests of Normality
a

Log(Latihan Berat)

Kolmogorov-Smirnov
Statistic
df
Sig.
.204
26
.007

a. Lilliefors Significance Correction

Karena data konsentrasi spermatozoa pada kelompok Latihan Berat tidak

menyebar normal meskipun telah ditransformasi (salah satu data ke-lompok tidak
menyebar normal) maka pengujian perbedaan kedua ke-lompok akan diuji dengan
uji nonparametrik yakni uji Mann-Whitney U yang memiliki rumus mendekati
sebaran Z sebagai berikut.
n1n2
2
(n1 )(n2 )(n1 n2 1)
12
,
U

Z=

U n1n2

n1 (n1 1)
n (n 1)
R1
U n1n2 2 2
R2
2
2
atau
,

n1 dan n2 adalah banyaknya pengamatan pada kelompok 1 dan kelompok 2, R 1 =

jumlah nilai rank pada kelompok 1, dan R2 = jumlah nilai rank pada kelompok 2.
Cara menentukan rank
1. Urutkan data dari yang terkecil ke yang terbesar,
2. Datum pertama diberi rank 1, datum kedua diberi rank 2, dan seterusnya,
3. Bila terdapat datum yang sama, tentukan rata-rata ranknya dan rata-rata
rank tersebut merupakan rank datum-datum tersebut.
Jika ada data : 13, 15, 10, 8, dan 20, maka
urutannya : 8 ; 10 ; 13 ; 15 ; 20
85

ranknya

:1 ; 2 ; 3 ; 4 ; 5

Jika ada data : 13, 15, 10, 13, 8, 13, 15, dan 20, maka
urutannya : 8 ; 10 ; 13 ; 13 ; 13 ; 15 ; 15 ; 20
ranknya

: 1 ; 2 ; 4 ; 4 ; 4 ; 6,5 ; 6,5 ; 8

Catatan: untuk datum 13 ranknya = (3 + 4 + 5)/3 = 4 dan

untuk datum 15 ranknya = (6 + 7)/2 = 6,5
Pengujian Hipotesis dengan Uji Mann-Whitney U
Uji Mann-Whitney U untuk pengujian dua kelompok tidak menggunakan ukuran
pemusatan rata-rata, tetapi menggunakan ukuran pemusatan median seperti
dengan Signed Test pada satu kelompok, sehingga hipotesis statistiknya adalah:
Ho : Median konsentrasi spermatozoa mencit setelah diberi Latihan Ringan =
Median konsentrasi spermatozoa mencit setelah diberi Latihan Berat
H1 : Median konsentrasi spermatozoa mencit setelah diberi Latihan Ringan >
Median konsentrasi spermatozoa mencit setelah diberi Latihan Berat
Atau Ho : Med1 Med 2
H1 : Med1 Med 2 (uji satu pihak kanan)
Data untuk pengujian hipotesis di atas disajikan kembali pada Tabel 40 di
bawah ini.

Tabel tersebut telah ditambahkan kolom rank dari semua unit

pengamatan.

Penentuan rank dilakukan pada semua data pada kedua

kelompok, artinya diurutkan dahulu semua data pada kedua kelompok baru
ditentukan rank masing-masing unit pengamatan.
Komputasi:
Dari Tabel 18 diperoleh R1 = 400,5 dan n1 = 16 serta R2 = 502,5 dan n2 = 26
sehingga

U n1n2

atau

n1 (n1 1)
16(16 1)
R1 (16)(26)
400, 5 151,5
2
2
=

U n1n2

n2 (n2 1)
26(26 1)
R2 (16)(26)
502,5 264,5
2
2
=
86

n1n2
2
(n1 )(n2 )(n1 n2 1)
12
=
U

Z=

n1n2
2
(n1 )(n2 )(n1 n2 1)
12
=
U

Atau Z =

(16)(26)
2
1, 46
(16)(26)(16 26 1)
12
,
151,5

(16)(26)
2
1, 46
(16)(26)(16 26 1)
12
,
264,5

87

Tabel 40. Data dan Rank Konsentrasi Spermatozoa Kelompok

Latihan Ringan dan Latihan Berat
Menci
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

n1 =
16

Latihan
Ringan
0,8
2,3
1,2
2,4
1,0
0,6
1,8
0,6
1,1
1,6
0,5
2,9
0,5
1,1
1,0
1,9
.
.
.
.
.
.
.
.
.
.
Med1 =
1,10

Rank
(Ringan)
19.0
38.0
29.0
39.5
21.5
12.5
35.0
12.5
25.5
33.5
5.0
41.0
5.0
25.5
21.5
36.5
.
.
.
.
.
.
.
.
.
.
R1 = 400,5

Mencit
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
n2 = 26

Latihan
Berat
0,5
1,0
0,7
0,7
0,6
0,6
1,1
1,5
1,2
2,4
0,5
0,6
1,2
0,6
0,5
1,6
0,5
1,5
0,5
1,1
0,6
1,9
0,6
0,4
1,0
4,5
Med2 =
0,70

Rank
(Berat)
5.0
21.5
17.5
17.5
12.5
12.5
25.5
31.5
29.0
39.5
5.0
12.5
29.0
12.5
5.0
33.5
5.0
31.5
5.0
25.5
12.5
36.5
12.5
1.0
21.5
42.0
R2 =
502,5

Karena uji median di atas adalah uji satu pihak kanan maka nilai Z harus bertanda
positif yang digunakan, yakni Z = 1,46, dan untuk = 0,05 nilai Z tabel = 1,65.
Simpulan:
Karena nilai Z = 1,46 < Z tabel = Z 0,05 = 1,65 maka terima Ho: Med1 Med 2 . Ini
berarti median konsentrasi spermatozoa mencit yang diberi Latihan Ringan tidak
berbeda bermakna dengan median konsentrasi spermatozoa mencit yang
diberikan Latihan Berat (p > 0,05). Namun, bila diperhatikan sebenarnya nilai
median kelompok Latihan Berat = 0,70 juta/ml < nilai median kelompok Latihan
Ringan = 1,10 juta/ml.
88

Pengolahan Data dengan Program SPSS

Data penelitian yang diolah dengan paket Program Statistika SPSS Versi 12 dapat
dilihat pada Tabel 41 di bawah ini.
Tabel 41. Hasil Olahan Data dengan Mann-Whitney Test
Ranks
Konsentrasi
Spermatozoa

KELOMPOK
Latihan Ringan
Latihan Berat
Total

N
16
26
42

Mean Rank
25.03
19.33

Sum of Ranks
400.50
502.50

Test Statisticsa
Mann-Whitney U
Wilcoxon W
Z
Asymp. Sig. (2-tailed)

KONSENTRASI SPERMATOZOA
151.500
502.500
-1.474
.141

a. Grouping Variable: KELOMPOK

Nilai 400,50 dan 502,50 pada Tabel 41 adalah nilai R 1 dan R2 pada perhitungan
manual di atas. Nilai 151,500 adalah nilai U untuk R 1, dan nilai Z = -1,474. Hasil
olahan data pada Tabel 41 di atas menunjukkan bahwa H 0 : Med1 = Med2 diterima
sebab nilai Sig. = 0,141/2 = 0,075 > = 0,05.
C.2.3 Ukuran Sampel (Besar Sampel) untuk Uji Dua Kelompok
Ukuran sampel (besar sampel) untuk pengujian H 0 : 1 2 ditentukan oleh:
1 besarnya nilai yang akan digunakan untuk pengujian H 0 di atas,
besarnya nilai power yang akan digunakan (1- ),
3 besarnya nilai perbedaan yang diharapkan oleh peneliti (perbedaan
secara klinis) antara 1 dan 2 (besarnya 1 2 ), dan
4 besarnya nilai standar deviasi gabungan (pooled) populasi ( ). Nilai ini
dapat diduga dari s (standar deviasi) gabungan sampel.

89

Salah satu bentuk rumus besar sampel (Beth Dawson and Robert G. Trapp: Basic
& Clinical Biostatistics. Third Edition. McGraw-Hill Interna-tional Editions, New
York, 2001, p 154) adalah:

n=

Z Z
2

1 2

n = besar sampel untuk masing-masing kelompok, Z = nilai dalam Tabel Z untuk

nilai tertentu (ditentukan oleh peneliti dan biasanya yang dipilih = 0,05 = 5%

Z
atau = 0,01 = 1%), = nilai dalam Tabel Z untuk nilai power tertentu (ditentukan
oleh peneliti dan biasanya dipilih nilai power = 80% atau 90%), diperoleh
melalui penelitian sebelumnya (prapene-litian) atau berdasarkan referensi, dan
besarnya 1 2 ditentukan oleh peneliti (clinical judgement).
Contoh: Dari permasalahan perbedaan rata-rata konsentrasi sperma-tozoa antara
latihan ringan dan latihan berat (penelitian se-belumnya), diperoleh =
0,633 juta/ml (diduga dari s = SD = 0,633 juta/ml). Jika peneliti
menggunakan = 0,05, power = 80%, dan perbedaan rata-rata secara
klinis adalah 1 2 = 0,4 juta/ml, maka besar sampel minimal masingmasing kelompok (latihan ringan dan latihan berat) yang diperlukan
adalah:

1,64 0,84 0,633

n 2

0,4

30,8 = 31 ekor mencit

90

C.3 Uji Rata-rata Dua Kelompok Berpasangan (Dependen)

Perbandingan dua rata-rata dari kelompok yang diukur dua kali atau perbandingan dua rata-rata dari data berpasangan adalah membandingkan rata-rata
dua kelompok atau dua populasi yang mana unit pengamatan (subjek/penderita)
diukur dua kali atau memiliki unit pengamatan yang sama. Penelitian ini sesuai
dengan rancangan penelitian berbentuk prauji dan pascauji (pretest-posttest
design or before and after intervention design).
Misalnya, seorang peneliti ingin melihat efektivitas varikokelektomi pada penderita
varikokel terhadap banyaknya sperma. Apakah dengan dilaku-kan tindakan
pembedahan

dengan

salah

satu

metode

(metode

sub-inguinal)

dapat

meningkatkan banyaknya sperma pada penderita variko-kel? Untuk melihat

efektivitas varikokelektomi peneliti membuat rancangan penelitian yang disebut
Pretest-Posttest Design atau Before and After Intervention Design, yakni
rancangan

yang

membandingkan

(perlakuan/intervensi)

dan

hasil

hasil

pengu-kuran

pengukuran

sebelum
sete-lah

tindakan
tindakan

(perlakuan/intervensi). Rancangan ini lebih ekonomis diban-dingkan dengan

rancangan yang menggunakan dua kelompok yang ber-beda subjeknya (dua
kelompok yang independen), dimana satu kelompok dijadikan kelompok kontrol
dan kelompok kedua dijadikan kelompok perla-kuan (kelola).
Contoh lain:
Seorang peneliti ingin melihat pengaruh latihan senam yang dilaksanakan secara
teratur selama 3 bulan terhadap kadar lipid pada penderita DM tipe 2. Sebelum
latihan terlebih dahulu diukur kadar lipid pasien, dan sesu-dah diberi latihan
senam diukur lagi kadar lipid pasien. Jadi, masalah dalam penelitian ini adalah
apakah pemberian latihan senam secara teratur selama 3 bulan dapat
menurunkan/meningkatkan kadar lipid pasien yang DM tipe 2?
Seorang peneliti ingin melihat pengaruh latihan isotonik terhadap tekanan
intraokuler (TIO) pada pasien hipertensi okuler.

Sebelum latihan isotonik

diberikan terlebih dahulu diukur TIO pasien, dan sesudah 15 menit latihan diukur

91

kembali TIO pasien. Jadi, masalah dalam penelitian ini adalah apakah latihan
isotonik dapat menurunkan TIO pasien hipertensi okuler?
Seorang peneliti ingin melihat pengaruh pemberian kombinasi aspirin dosis
rendah dan kalsium terhadap tekanan darah sistolik/diastolik, Hb, hematokrit,
SGOT, SGPT, ureum, kreatinin, dan asam urat serum pada pasien ibu
preeklampsia ringan. Sebelum pemberian aspirin dosis rendah-kalsium diukur
semua variabel yang disebutkan tadi, demikian pula sesudah 2 minggu
pemberian perlakuan (kunjungan kedua) diukur semua variabel. Jadi, masalah
dalam penelitian ini adalah apakah pemberian aspirin dosis rendah-kalsium dapat
mengubah tekanan darah, Hb, hema-tokrit, SGOT, SGPT, ureum, kreatinin, dan
asam urat serum pada pasien ibu preeklampsia ringan?
Statistik uji (analisis data) yang digunakan untuk menguji perbandingan antara dua
kelompok yang berpasangan adalah:
d
n d 2 ( d ) 2
d

sd
sd
n(n 1)
n , d = Xsetelah - Xsebelum , d = n ,
Uji t berpasangan ini memiliki db = n - 1
t

Kriteria penerimaan atau penolakan Ho (H 1)

I. Untuk uji satu pihak kanan
1. Jika nilai t > ttabel = t( ,db), maka tolak Ho atau terima H1.
2. Jika nilai t < ttabel = t( ,db), maka terima Ho atau tolak H1.
II. Untuk uji satu pihak kiri
1. Jika nilai t < ttabel = -t( ,db), maka tolak Ho atau terima H1.
2. Jika nilai t > ttabel = -t( ,db), maka terima Ho atau tolak H1.
III. Untuk uji dua pihak

1. Jika nilai t > ttabel

H1).

1
1

= t( 2 ,db) atau t < ttabel = -t( 2 ,db), maka tolak Ho (terima

92

2. Jika nilai t < ttabel

H1).

1
1

= t( 2 ,db) atau t > ttabel = -t( 2 ,db), maka terima Ho (tolak

Nilai ttabel dapat dilihat pada daftar distribusi t (terdapat pada semua buku statistika)
dan nilai ini tergantung pada db-nya (derajat bebas) dan nilai yang digunakan.
Nilai yang digunakan sebagai nilai baku (standar) adalah 5% atau 1%. Contoh
bila digunakan = 0,05 dengan n = 10, maka db = 10 1 = 9 dan nilai t tabel =
1,833 untuk uji pihak kanan.
Jika data diolah dengan paket program statistika (SPSS, Minitab, SAS, dll) maka
kriteria penerimaan atau penolakan Ho (H1) adalah:
(1). Jika nilai P atau Prob. atau Sig. (Significance) < nilai maka tolak Ho
(terima H1).
)

Jika nilai P atau Prob. atau Sig. (Significance) > nilai maka terima Ho (tolak
H1).

C.3.1 Contoh Perbandingan Dua Kelompok Berpasangan (dependen)

Jika masalah varikokelektomi diangkat menjadi penelitian, maka data hasil
penelitian tentang tindakan varikokelektomi dapat dilihat pada Tabel 42.

Data

tersebut telah ditambah kolom sesuai dengan kebutuhan pengolahan data lebih
lanjut.

Sebelum dilakukan pengujian dengan uji t, terlebih dahu-lu diperiksa

kenormalan data.

93

Tabel 42. Data Hasil Pengukuran Banyaknya Sperma (juta/ml)

Sebelum dan Sesudah Varikokelektomi (Pembedahan)
Penderita
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Sesudah
17.0
19.0
18.0
24.0
70.0
110.0
60.0
40.0
40.0
84.0
75.0
20.0
22.0
18.0
40.0
Rata-rata =
43,80

Sebelum
8.5
11.0
9.5
22.0
1.5
78.0
18.0
3.4
6.5
24.0
8.5
7.5
17.0
4.0
22.0
Rata-rata =
16,09

d2
72.25
64.00
72.25
4.00
4692.25
1024.00
1764.00
1339.56
1122.25
3600.00
4422.25
156.25
25.00
196.00
324.00

d
8.5
8.0
8.5
2.0
68.5
32.0
42.0
36.6
33.5
60.0
66.5
12.5
5.0
14.0
18.0

= 415,6

= 18878,06

Pengujian Kenormalan Data

Hasil pengujian kenormalan data sebelum dan sesudah pembedahan dengan uji
Kolmogorov-Smirnov yang diolah dengan Program SPSS Versi 12 dapat dilihat
pada Tabel 43. Hasil ini menunjukkan bahwa data banyaknya sperma sebelum
dan sete-lah pembedahan menyebar normal (H 0 diterima) sebab kedua nilai Sig.
> = 0,05 .

94

Tabel 43. Hasil Uji Kenormalan Data Banyaknya Sperma Sebelum

dan Setelah Pembedahan
One-Sample Kolmogorov-Smirnov Test
N
Normal Parametersa,b
Most Extreme
Differences

Mean
Std. Deviation
Absolute
Positive
Negative

Kolmogorov-Smirnov Z
Asymp. Sig. (2-tailed)

SESUDAH
15
43.800
29.353
.218
.218
-.181
.845
.473

SEBELUM
15
16.0933
18.5936
.269
.269
-.216
1.041
.229

a. Test distribution is Normal.

b. Calculated from data.

Karena data banyaknya sperma sebelum dan setelah pembedahan me-nyebar

normal (p > 0,05), maka uji perbedaan rata-rata sebelum dan sete-lah
pembedahan digunakan uji t berpasangan sebagai berikut
Pengujian Hipotesis
Hipotesis Penelitian
Sperma penderita varikokel setelah dilakukan tindakan pembedahan (varikokelektomi) lebih banyak daripada sebelum dilakukan tindakan pembe-dahan.
Hipotesis Statistiknya:
Ho : Rata-rata banyaknya sperma penderita varikokel setelah dila-kukan
tindakan pembedahan (varikokelektomi) sama banyak dengan sebelum
dilakukan tindakan pembedahan
H1 : Rata-rata banyaknya sperma penderita varikokel setelah dilaku-kan
tindakan pembedahan (varikokelektomi) lebih banyak dari-pada sebelum
dilakukan tindakan pembedahan
atau
Ho : sesudah sebelum atau Ho : d = 0, dimana d = sesudah sebelum
H1 : sesudah sebelum atau H1 : d > 0 (uji satu pihak kanan)

sebelum = rata-rata banyaknya sperma sebelum pembedahan

sesudah = rata-rata banyaknya sperma setelah pembedahan
Komputasi:
95

d
d = n = 27,71juta/ml
sd
t

n d 2 ( d ) 2
n( n 1)

15(18878, 06) (415, 6) 2

15(15 1)
= 22,93 juta/ml

d
27, 71

4, 679
sd / n 22,93 / 15

Simpulan:
Karena nilai t = 4,679 > ttabel = t( ,db) = t(0,01, 14) = 2,624, maka tolak Ho. Ini berarti
tindakan pembedahan (varikokelektomi) dengan metode sub-inguinal pada
penderita varikokel, efektif meningkatkan banyaknya sper-ma (p < 0,01).
Pengujian dengan Program SPSS
Data penelitian yang diolah dengan Paket Program Statistika SPSS dapat dilihat
pada tabel di bawah ini.
Tabel 44. Data Berpasangan yang Diolah dengan Program SPSS
Paired Samples Statistics

Pair
1

SESUDAH
SEBELUM

Mean
43.800
16.0933

N
15
15

Std. Deviation
29.353
18.5936

Std. Error
Mean
7.579
4.8009

Paired Samples Test

Paired Differences

SESUDAH - SEBELUM

Mean
27.7067

Std. Deviation
22.9334

t
4.679

df
14

Sig. (2-tailed)
.000

Perhatikan bahwa mean = 27,7067 adalah d dan merupakan hasil selisih mean
sesudah dan sebelum, yakni 43,800 16,0933. Nilai Std. Deviation = 22,9334
adalah nilai Sd. Hasil komputasi program SPSS memberikan nilai t = 4,679 dengan
nilai Sig = 0,000/2 = 0,000 (dibagi dengan dua sebab uji satu pihak). Karena nilai
96

Sig. = 0,000 < =

0,01 maka tolak H0. Besarnya rata-rata peningkatan

banyaknya sperma adalah 27,7067 juta/ml atau meningkat sebesar

43,80 16, 09
x 100% 172, 2%
16, 09
.

C.2. 2 Pengujian Data Tidak Berdistribusi Normal untuk Dua

Kelompok Berpasangan
Untuk data yang tidak berdistribusi normal dapat diatasi dengan cara:
(1) mentranformasi data kebentuk logaritma, yakni log (X) atau ln (X) atau
kebentuk akar pangkat dua , yakni

X,

(2) menggunakan uji statistik nonparametrik untuk data berpasang-an,

antara lain: The Sign Test atau The Wilcoxon Matched-pairs Signed
Ranks Test (The Wilcoxon Signed Ranks Test).
Uji nonparametrik yakni The Wilcoxon Matched-pairs Signed Ranks Test (The
Wilcoxon Signed Ranks Test) memiliki bentuk uji mendekati sebaran Z sebagai
berikut:

Right-tail probability for Z+,R =

n(n 1)
4
n(n 1)(2n 1)
24
untuk H1 : Med > 0

Right-tail probability for Z-,R =

n(n 1)
4
n( n 1)(2n 1)
24
untuk H1 : Med < 0

2 (right-tail probability for the larger of Z+,R and Z-,R) untuk H1 : Med = 0
T+ = jumlah nilai rank yang bertanda positif,
T- = jumlah nilai rank yang bertanda negatif, dan
n = ukuran sampel

Berikut ini diberikan contoh penggunaan The Wilcoxon Matched-pairs Signed

Ranks Test atau The Wilcoxon Signed Ranks Test.

Seorang pe-neliti ingin

mengetahui perbedaan kadar kartisol pada ibu usia kehamilan antara 38 dan 42
97

minggu sebelum bedah Caesar dan setelah bedah Caesar. Penelitian dilakukan
pada 10 ibu (n = 10) dan datanya dapat dilihat pada Tabel 45 berikut ini (tabel
telah ditambah dengan kolom olah-an data). Dalam penelitian ini, peneliti berharap
bahwa kadar kartisol setelah bedah Caesar lebih tinggi daripada kadar kartisol
sebelum bedah Caesar. Sebelum digunakan Wilcoxon Signed Ranks Test, terlebih
dahulu dilaku-kan uji kenormalan data untuk memastikan penggunaan uji ini (data
tidak menyebar normal) sebab data ini diukur dengan skala rasio (konti-nu).
Tabel 45. Data Perpasangan Pengujian Wilcoxon Signed Ranks Test

Sebelum
262
307
211
323
454
339
304
154
287
356

Sesudah
465
501
455
300
468
510
505
503
500
460

d = sebelum - sesudah
-203
-194
-244
23
-14
-171
-201
-349
-213
-104

|d|
203
194
244
23
14
171
201
349
213
104

Rank |d|
7
5
9
2
1
4
6
10
8
3

Tanda
+
-

Pengujian Kenormalan Data

Hipotesis statistik pengujian kenormalan data adalah:
H0 : Data kadar kartisol ibu sebelum operasi menyebar normal
H1 : Data kadar kartisol ibu sebelum operasi tidak menyebar normal
H0 : Data kadar kartisol ibu setelah operasi menyebar normal
H1 : Data kadar kartisol ibu seelah operasi tidak menyebar normal
Hasil pengujian kenormalan data yang dilakukan dengan Lilliefors test dapat
dilihat pada Tabel 46. Hasil tersebut menunjukkan bahwa kadar kartisol ibu
sebelum operasi menyebar normal (Sig. = 0,200 > 0,05), dan kadar kartisol ibu
setelah operasi tidak menyebar normal (Sig. = 0,003 < 0,01).

Karena kadar

kartisol ibu setelah operasi tidak menyebar normal maka pengujian perbedaan
kadar kartisol sebelum dan setelah operasi Caesar digunakan uji nonparametrik
yakni Wilcoxon Signed Ranks Test.
Tabel 46. Hasil Olahan Kenormalan Data Kadar Kartisol Sebelum
dan Setelah Operasi
98

Tests of Normality
a

Kadar Kartisol sebelum

Kadar Kartisol sesudah

Kolmogorov-Smirnov
Statistic
df
Sig.
.145
10
.200*
.326
10
.003

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Pengujian Hipotesis
Uji Wilcoxon Signed Ranks untuk pengujian dua kelompok berpasangan tidak
menggunakan

ukuran

pemusatan

rata-rata,

tetapi

menggunakan

ukuran

pemusatan median seperti dengan pengujian dua kelompok inde-penden dengan

uji Mann-Whitney U, sehingga hipotesis statistiknya ada-lah:
Menempatkan Sesudah Sebelum:
Ho : Median kadar kartisol sesudah operasi = Median kadar kartisol sebelum
operasi
H1 : Median kadar kartisol sesudah operasi lebih tinggi dari Median kadar
kartisol sebelum operasi
Atau Ho : Med 2 Med1 atau Ho : Med 2 Med1 0 atau Ho : median = 0
H1 : Med 2 Med1 atau H1: median > 0 (uji satu pihak kanan)
Menempatkan Sebelum Sesudah:
Ho : Median kadar kartisol sebelum operasi = Median kadar kartisol sesudah
operasi
H1 : Median kadar kartisol sebelum operasi lebih rendah dari Median kadar
kartisol sesudah operasi
Atau Ho : Med1 Med 2 atau Ho : Med1 Med 2 0 atau Ho : median = 0
H1 : Med1 Med 2 atau H1: median < 0 (uji satu pihak kiri)
Komputasi:
T- = 7+5+9+1+4+6+10+8+3 = 53
T+ = 2

99

Z +,R =

n(n 1)
4
n(n 1)(2n 1)
24
=

Z -,R =

n( n 1)
4
n(n 1)(2n 1)
24
=

10(10 1)
4
10(10 1){2(10) 1}
24
= -2,599
2

10(10 1)
4
10(10 1){2(10) 1}
24
= 2,599
53

Nilai Z tabel untuk = 0,05 adalah Z tabel = -1,64 untuk uji satu pihak kiri dan Z
tabel = 1,64 untuk uji satu pihak kanan. Nilai Z tabel untuk = 0,01 adalah Z
tabel = -2,33 untuk uji satu pihak kiri dan Z tabel = 2,33 untuk uji satu pihak kanan.
Simpulan:
Bila digunakan uji pihak kanan, nilai Z +R = 2,599 > Z tabel = 2,33 sehingga
tolak Ho : Med 2 Med1 (terima H1 : Med 2 Med1 ). Bila digunakan uji satu pihak kiri,
nilai Z

-,R

= - 2,599 < Z tabel = -2,33 sehingga tolak Ho : Med1 Med 2 (terima H1 :

Med1 Med 2 ). Jadi, kadar kartisol pada ibu dengan kehamilan 38 40 minggu
meningkat setelah dilakukan operasi Caesar.
Pengujian dengan Program SPSS
Hasil pengolahan data untuk Wilcoxon Signed Ranks Test melalui Pro-gram SPSS
Versi 12 dapat dilihat pada Tabel 47 di bawah ini.

100

Tabel 47. Hasil Olahan Data dengan Wilcoxon Signed Ranks Test
Ranks
N
Kadar Kartisol ses Kadar Kartisol seb

Negative Ranks
Positive Ranks
Ties
Total

1a
9b
0c
10

Mean Rank
2.00
5.89

Sum of Ranks
2.00
53.00

a. Kadar Kartisol ses < Kadar Kartisol seb

b. Kadar Kartisol ses > Kadar Kartisol seb
c. Kadar Kartisol seb = Kadar Kartisol ses
Test Statisticsb
Kadar Kartisol
ses - Kadar
Kartisol seb
Z
-2.599a
Asymp. Sig. (2-tailed)
.009
a. Based on negative ranks.
b. Wilcoxon Signed Ranks Test

Pada tabel di atas, nilai T+,R = Positive Ranks = 53.00 (pada kolom Sum of ranks),
nilai T -,R = Negative Ranks = 2.00, nilai Z = - 2.599, dan nilai Asymp. Sig. (2-tailed)
= .009. Karena uji ini menggunakan uji satu pihak (kiri atau kanan) maka nilai
Asymp. Sig. (2-tailed) harus dibagi dengan 2, yakni 0,009/2 = 0,0045. Karena nilai
ini < 0,01, maka tolak H0.

C.3.3 Ukuran Sampel (Besar Sampel) untuk Uji Dua Kelompok

Berpasangan
Ukuran sampel (besar sampel) untuk pengujian
H0 :

sesudah sebelum atau H 0 : d 0

ditentukan oleh:
1 besarnya nilai yang akan digunakan untuk pengujian H 0 di atas,
2 besarnya nilai power yang akan digunakan (1- ),
3 besarnya nilai perbedaan yang diharapkan oleh peneliti antara

sesudah dan sebelum (besarnya sesudah sebelum d ), dan

101

4 besarnya nilai standar deviasi populasi ( d ). Nilai ini dapat diduga dari SD
sampel, yakni sd yang diperoleh pada prapenelitian.
Salah satu bentuk rumus besar sampel (Beth Dawson and Robert G. Trapp: Basic
& Clinical Biostatistics. Third Edition. McGraw-Hill Inter-national Editions, New
York, 2001, p 125) adalah:
Z Z d
n

n = besar sampel, Z = nilai dalam Tabel Z untuk nilai tertentu (ditentukan oleh

Z
peneliti dan biasanya yang dipilih = 0,05 = 5% atau = 0,01 = 1%), = nilai
da-lam Tabel Z untuk nilai power tertentu (ditentukan oleh peneliti dan biasanya
dipilih nilai power = 80% atau 90%), d = diperoleh melalui penelitian sebelumnya
(prapenelitian) atau berdasarkan referensi, dan besarnya d ditentukan oleh
peneliti (clinical judgment).
Contoh: Dari masalah varikokeletomi dengan metode subinguinal (peneli-tian
sebelumnya), diperoleh d =22,93 juta/ml.

Jika digunakan = 0,05,

power = 80%, dan d = 15 juta/ml, maka besar sampel minimal yang

diperlukan adalah:
1,64 (0,84) 22,93
n

15

14,4 15 pasien

102