Pertanyaan Penelitian

1.
2.
3.
4.

Kenapa dilakukan penelitian itu?

Apa perbedaan tujuan umum dan khusus?
Jelaskan hubungan antara tinjauan pustaka -> kerangka teori -> kerangka konsep
Metode penelitian tentang cross sectional, case control retro dan prospektif, kohort

retro dan prospektif,experimental kuasi dan pre post test

5. Apa perbedaan antara bias recall dengan limitation of recall ?
6. Statistik parametrik dan non parametrik
7. Perbedaan Chi square, Fisher, KS, simulasikan di tabel 6x6 6x2. Kapan boleh
dipakai?

Penelitian
Penelitian dilakukan pada umumnya bertujuan untuk mengumpulkan informasi atau data
yang diperlukan untuk rencana kegiatan medis-klinis atau medis-sosial. Disamping itu juga
berguna untuk pengembangan ilmu kedokteran sendiri yang akan bermuara pada peningkatan
kesejahteraan manusia.1
Satu materi penelitian yang sama mungkin dapat digunakan untuk menjawab berbagai
pertanyaan penelitian yang berbeda. Oleh karena itu perlu disebutkan tujuan penelitian
tersebut secara jelas dan eksplisit. Tujuan penelitian ini mencakup tujuan umum dan tujuan
khusus.
Di dalam tujuan umum (ultimate objective) dinyatakan tujuan akhir penelitian. Tujuan
umum biasanya mengacu pada aspek yang lebih luas atau tujuan jangka panjang penelitian,
tidak terbatas pada hal-hal yang langsung diteliti atau diukur.1,2
Dalam tujuan khusus (specific objective) disebutkan secara jelas dan tajam hal-hal yang
akan langsung diukur, dinilai, atau diperoleh dari penelitian.
Istilah kerangka teori dan kerangka konsep cukup kontroversial. Meski concept, construct,
dan theory memiliki makna yang berbeda, namun sebagian ahli menganggap istilah kerangka
teori sama saja dengan kerangka konsep, jadi merupakan sinonim.
Di lain sisi beberapa ahli membedakan keduanya. Setelah berbagai aspek disajikan secara
rinci namun terfokus dalam tinjauan pustaka (menggambarkan kerangka teori), selanjutnya
dibuat rangkuman sebagai dasar untuk membuat kerangka konsep. Kerangka konsep ini

dibuat dalam bentuk diagram yang menunjukkan jenis serta hubungan antar variabel yang
diteliti dan variabel lainnya yang terkait.1,3
Bias recall sangat terkenal dan harus dipertimbangkan. Terutama terjadi pada studi kasus
kontrol. Perbedaan antara bias recall dengan limitation of recall terletak pada pemakaian
datanya. Pada bias recall, data digunakan sedangkan pada limitation of recall tidak
didapatkan data sehingga di eksklusikan dari penelitian. Sehingga limitation of recall tidak
menyebabkan bias.
Cara pemilihan uji parametrik atau non-parametrik bergantung dari jenis data yang ada serta
distribusi data nya. Bila jenis data berupa rasio atau interval dan distribusinya normal, maka
digunakan uji parametrik. Sedangkan bila jenis data berupa ordinal atau nominal digunakan
uji non-parametrik.
Desain Penelitian
Desain penelitian merupakan suatu wahana untuk mencapai tujuan penelitian.
Kegunaan desain penelitian :

sarana peneliti untuk memperoleh jawaban atas pertanyaan penelitian

alat bagi peneliti untuk mengontrol berbagai variabel yang berpengaruh atau berperan
dalam suatu penelitian

Tentukan variabel bebas (independen, prediktor, risiko, kausa) dan variabel tergantung
(dependen, efek, outcome, event)
Hal yang perlu dilakukan :
1. Tentukan studi intervensional atau observasional
2. Bila obervasional, tentukan pengamatan sewaktu (studi crosssectional) atau dilakukan
follow up (studi longitudinal)
3. Tentukan apakah studi retrospektif (mengevaluasi peristiwa yang sudah berlangsung)
atau prospektif (mengikuti subyek untuk meneliti peristiwa yang belum terjadi)
Klasifikasi jenis penelitian :
Penelitian deskriptif (menggambarkan fenomena yang ditemukan) dan analitik (mencari
hubungan antar variabel).4
Tak ada yang bersifat mutually exclusive.

Intervensi adalah perlakuan yang dilakukan oleh peneliti terhadap subyek penelitian dan hasil
perlakuan tersebut diamati, diukur dan dianalisis.
Pada studi intervensional peneliti menentukan subyek mana yang akan memperoleh
perlakuan apa, pada studi observasional pajanan terhadap faktor risiko atau variabel
independen berlangsung secara alamiah.
Observasional
Laporan kasus
Seri kasus
Studi cross sectional termasuk survai
Studi kasus kontrol
Studi kohort
Meta analisis

Intervensional
Uji klinis
Intervensi

Syarat untuk memilih jenis desain adalah :

Mampu menjawab pertanyaan penelitian

Murah, mudah, cepat
Tidak berlawanan dengan etika

Laporan kasus dan seri kasus

Pada laporan kasus dan seri kasus tak dapat dinilai hubungan sebab akibat, karena dilakukan
tanpa menggunakan kontrol
Penelitian Cross Sectional
Peneliti melakukan observasi atau pengukuran variabel pada satu saat tertentu. Maksud
dengan satu saat bukan berarti bersamaan, melainkan tiap subyek hanya diobservasi satu kali
dan pengukuran variabel subyek dilakukan pada saat pemeriksaan tersebut.
Desain cross sectional sering digunakan dalam studi klinis dan lapangan.
Desain ini dapat digunakan pada penelitian deskriptif maupun analitik.
Hasil pengukuran biasanya disusun dalam tabel 2x2, dari tabel dapat dilihat prevalens
penyakit pada kelompok dengan atau tanpa faktor risiko. Dapat dihitung rasio prevalens.
Rasio prevalens memberikan gambaran peran faktor risiko terhadap terjadinya efek atau
penyakit, yaitu perbandingan antara prevalens penyakit (efek) pada kelompok dengan risiko

dengan prevalens efek pada kelompok tanpa faktor risiko. Tetapi risiko relatif disini tidak
murni (hanya pada kohort yang murni).
RP : a/(a+b) : c/(c+d)
Temporal relation ship (hubungan waktu) antara faktor risiko dan efek tidak selalu tergambar
dari data yang terkumpul.
Studi cross sectional merupakan salah satu studi observasional untuk mempelajari etiologi
suatu penyakit terutama mempelajari faktir risiko penyakit yang mempunyai onset lama dan
lama sakit yang panjang sehingga pasien biasanya tidak mencari pertolongan sampai
penyakitnya relatif telah lanjut.
Kelebihan cross sectional :

Mudah, murah, hasil cepat dapat diperoleh

Dapat digunakan populasi dari masyarakat umum, maka generalisasinya cukup

memadai.
Dapat meneliti berbagai variabel sekaligus
Jarang loss to follow up (drop out)
Dasar untuk penelitian lain yang lebih konklusif

Kekurangan cross sectional :

Tak dapat menentukan sebab akibat

Untuk masa sakit pendek sulit terjaring pada studi ini
Sampel yang dibutuhkan banyak bila variabel banyak
Tak menggambarkan perjalanan penyakit, insiden, atau prognosis
Tidak praktis untuk kasus yang jarang
Dapat terjadi bias prevalens atau bias insidens (efek suatu faktor risiko selama
periode tertentu salah ditafsirkan sebagai efek penyakit)

Prevalens adalah proporsi subyek yang sakit pada suatu waktu tertentu (kasus lama dan baru)
Insidens adalah proporsi subyek yang semula sehat kemudian menjadi sakit dalam periode
tertentu (kasus baru)
Studi kasus kontrol
Sering disebut case comparison study, case campeer study, case referent study, atau
retrospektif study merupakan penelitian epidemiologis analitik observasional yang menelaah
hubungan antara efek (penyakit atau kondisi kesehatan) tertentu dengan faktor risiko tertentu.
4

Pengukuran variabel bebas dan tergantung tidak dilakukan pada saat yang sama. Peneliti
melakukan pengukuran variabel tergantung, untuk variabel bebasnya dicari secara
retrospektif, maka disebut sebagai studi longitudinal.
Pada kontrol harus dipilih subyek dari populasi dengan karateristik yang sama dengan kasus,
bedanya kelompok kontrol ini tidak menderita penyakit atau kelainan yang diteliti. Pemilihan
subyek dapat dengan cara matching atau tanpa matching.
Hasil pemgukuran disusun dalam tabel 2x2, hubungan sebab akibat diperoleh secara tidak
langsung dengan menghitung risiko relatif, yang dalam kasus kontrol disebut sebagai rasio
odds.
Odds adalah perbandingan antara peluang untuk terjadinya efek dengan peluang untuk tidak
terjadinya efek. Bila peluang terjadinya efek dinyatakan dengan P, maka odds adalah P/(1-P).
Rasio odds menunjukkan berapa besar peran faktor risiko yang diteliti terhadap terjadinya
penyakit, jadi serupa denagn rasio prevalens pada studi cross sectional atau risiko relatif pada
studi kohort.
RO = ad/bc
3 bias pada kasus kontrol : bias seleksi, bias informasi, bias perancu
Pada kasus kontrol dapat terjadi bias Neyman dimana kelompok kasus tidak menggambarkan
keadaan dalam populasi. Bias Berkson juga dapat terjadi. Dimana bias yang tersering adalah
bias recall.
Kelebihan kasus kontrol :

Untuk meneliti kasus yang jarang

Hasilnya dapat diperoleh dengan cepat
Biaya relatif murah
Subyek penelitian lebih sedikit
Untuk mengidentifikasikan berbagai faktor risiko sekaligus dalam satu penelitian

Kekurangan kasus kontrol :

Recall bias
Validasi informasi sukar diperoleh
Tak dapat memberikan insiden rates
Tidak dapat dipakai pada variabel dependen yang lebih dari satu

Studi kohort
Pada studi kohort yang diidentifikasi terlebih dahulu adalah kausa atau faktor risiko nya,
kemudian sekelompok subyek diteliti secara prospektif selama periode tertentu untuk
menentukan terjadi atau tidaknya efek.
Pada penelitian kohort murni yang diamati adalah subyek yang belum mengalami pajanan
risiko yang dipelajari serta belum mengalami efek.
Disusun dalam tabel 2x2, dapat ditentukan insiden dan dihitung risiko relatif (risiko insiden).
Risiko relatif adalah perbandingan antara insiden efek pada kelompok dengan faktor risiko
dengan insiden efek pada kelompok tanpa faktor risiko.
Pada studi kohort retrospektif, peneliti mengidentifikasikan faktor risiko dan efek pada kohort
yang terjadi di masa lalu (penelitian disebut retrospektif bila pada saat penelitian dilakukan
outcome yang diteliti telah terjadi).
Kelemahan kohort retrospektif terdapat kemungkinan berbagai pengukuran yang dilakukan
pada masa lampau tidak memenuhi standar, karena data yang ada adalah data pelayanan, data
penelitian.
Pada kohort prospektif penelitian dimulai sekarang, faktor risiko dan efek dideteksi ke depan
secara prospektif. Pada kohort retrospektif faktor risiko dan efek telah terjadi di masa lampau,
namun kejadian efek ditelusuri prospektif dilihat dari saat pajanan faktor risiko.
Bias yang sering terjadi adalah bias perancu.
Kelebihan kohort :

Dapat menentukan insiden

Dapat menerangkan hubungan temporal antara faktor risiko dengan efek
Dapat meneliti beberapa efek sekaligus dari suatu faktor risiko tertentu

Kekurangan kohort :

Memerlukan waktu lama

Sarana dan biaya mahal
Rumit
Tidak efisien dalam waktu dan biaya
Drop out
Masalah etika

Penelitian eksperimental
Sering pula disebut studi intervensional yang dipergunakan untuk mencari hubungan sebab
akibat.
Biasa sering digunakan sebagai uji klinis untuk menilai efek terapi obat atau prosedur
pengobatan.
Pada studi eksperimental mempunyai tingkatan atau gradasi dari studi pra eksperimental,
studi kuasi eksperimental dan studi eksperimental benar.
Pada true eksperimental ditandai dengan adanya randomisasi,yakni adanya alokasi subyek uji
klinis yang berdasarkan asas peluang untuk diberikan obat atau prosedur yang diuji, atau
diberikan obat atau prosedur standar.
Kelebihan uji klinis :

Faktor bias terkontrol efektif karena faktor confounding terbagi seimbang diantara 2

kelompok
Kriteria inklusi ditentukan terlebih dahulu
Power statistika tinggi

Kekurangan uji klinis :

Kompleks dan mahal

Tidak representatif karena memerlukan seleksi terlebuh dahulu
Masalah etika
Tidak praktis

Chi Square
Chi-Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu jenis uji
komparatif non parametris yang dilakukan pada dua variabel, di mana skala data kedua
variabel adalah nominal. (Apabila dari 2 variabel, ada 1 variabel dengan skala nominal maka
dilakukan uji chi square dengan merujuk bahwa harus digunakan uji pada derajat yang
terendah).
Uji chi-square merupakan uji non parametris yang paling banyak digunakan. Namun perlu
diketahui syarat-syarat uji ini adalah: frekuensi responden atau sampel yang digunakan besar,
sebab ada beberapa syarat di mana chi square dapat digunakan yaitu:
7

Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual Count (F0)

sebesar 0 (Nol).
Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja yang

memiliki frekuensi harapan atau disebut juga expected count ("Fh") kurang dari 5.
Apabila bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah cell dengan frekuensi
harapan yang kurang dari 5 tidak boleh lebih dari 20%.

Rumus chi-square sebenarnya tidak hanya ada satu. Apabila tabel kontingensi bentuk 2 x 2,
maka rumus yang digunakan adalah "koreksi yates". Untuk rumus koreksi yates, sudah kami
bahas dalam artikel sebelumnya yang berjudul "Koreksi Yates".
Apabila tabel kontingensi 2 x 2 seperti di atas, tetapi tidak memenuhi syarat seperti di atas,
yaitu ada cell dengan frekuensi harapan kurang dari 5, maka rumus harus diganti dengan
rumus "Fisher Exact Test".
Untuk tabel kontingensi lebih dari 2 x 2, yaitu rumus yang digunakan adalah "Pearson ChiSquare".
Rumus Tersebut adalah:

Untuk memahami apa itu "cell", lihat tabel di bawah ini:

Tabel Kontingensi Chi-Square

Tabel di atas, terdiri dari 6 cell, yaitu cell a, b, c, d, e dan f.

Sebagai contoh kita gunakan penelitian dengan judul "Perbedaan Pekerjaan Berdasarkan
Pendidikan".
Maka kita coba gunakan data sebagai berikut:

Contoh Tabulasi Untuk Uji Chi-Square

Dari data di atas, kita kelompokkan ke dalam tabel kontingensi. Karena variabel pendidikan
memiliki 3 kategori dan variabel pekerjaan memiliki 2 kategori, maka tabel kontingensi yang
dipakai adalah tabel 3 x 2. Maka akan kita lihat hasilnya sebagai berikut:

Contoh Tabel Kontingensi Chi-Square

Dari tabel di atas, kita inventarisir per cell untuk mendapatkan nilai frekuensi kenyataan,
sebagai berikut:

Hitung F0 Uji Chi-Square

Langkah berikutnya kita hitung nilai frekuensi harapan per cell, rumus menghitung frekuensi
harapan adalah sebagai berikut:
Fh= (Jumlah Baris/Jumlah Semua) x Jumlah Kolom
Fh cell a = (20/60) x 26 = 8,667
Fh cell b = (20/60) x 34 = 11,333
Fh cell c = (24/60) x 26 = 10,400
Fh cell d = (24/60) x 34 = 13,600
Fh cell e = (16/60) x 26 = 6,933
Fh cell f = (16/60) x 34 = 9,067
Maka kita masukkan ke dalam tabel sebagai berikut:

10

Hitung Fh Chi-Square
Langkah berikutnya adalah menghitung Kuadrat dari Frekuensi Kenyataan dikurangi
Frekuensi Harapan per cell.
Fh cell a = (11 - 8,667)2 = 5,444
Fh cell b = (9 - 11,333)2 = 5,444
Fh cell c = (8 - 10,400)2 = 5,760
Fh cell d = (16 - 13,600)2 = 5,760
Fh cell e = (7 - 6,933)2 = 0,004
Fh cell f = (9 - 9,067)2 = 0,004

Lihat hasilya pada tabel di bawah ini:

Tabel Hitung Chi-Square

Kuadrat dari Frekuensi Kenyataan dikurangi Frekuensi Harapan per cell kemudian dibagi
frekuensi harapannya:
Fh cell a = 5,444/8,667 = 0,628
Fh cell b = 5,444/11,333 = 0,480
Fh cell c = 5,760/10,400 = 0,554
11

Fh cell d = 5,760/13,600 = 0,424

Fh cell e = 0,004/6,933 = 0,001
Fh cell f = 0,004/9,067 = 0,000

Kemudian dari nilai di atas, semua ditambahkan, maka itulah nilai chi-square hitung. Lihat
Tabel di bawah ini:

Hasil Akhir Tabel Hitung Chi-Square

Maka Nilai Chi-Square Hitung adalah sebesar: 2,087.
Untuk menjawab hipotesis, bandingkan chi-square hitung dengan chi-square tabel pada
derajat kebebasan atau degree of freedom (DF) tertentu dan taraf signifikansi tertentu.
Apabila chi-square hitung >= chi-square tabel, maka perbedaan bersifat signifikan, artinya
H0 ditolak atau H1 diterima.
DF pada contoh di atas adalah 2. Di dapat dari rumus -> DF = (r - 1) x (c-1)
di mana: r = baris. c = kolom.
Pada contoh di atas, baris ada 3 dan kolom ada 2, sehingga DF = (2 - 1) x (3 -1) = 2.

Apabila taraf signifikansi yang digunakan adalah 95% maka batas kritis 0,05 pada DF 2, nilai
chi-square tabel sebesar = 5,991.
Karena 2,087 < 5,991 maka perbedaan tidak signifikan, artinya H0 diterima atau H1 ditolak

Uji Fisher

12

Merupakan salah satu uji nonparametrik yang digunakan untuk menganalisis dua sampel
independen yang berskala nominal atau ordinal jika kedua sampel indpendennya berjumlah
kecil (biasanya kurang dari 20). Data diklasifikasikan kedalam dua kelompok yang saling
bebas sehingga akan terbentuk tabel kontingensi 2 x 2

Grup I dan II adalah sembarang kelompok. Tanda (+) dan (-) adalah sembarang dua
klasifikasi seperti diatas dan dibawah median, lulus dan gagal, setuju dan tidak setuju, dan
seterunsnya. Untuk A, B, C, dan D menyatakan frekuensi.
Uji ini bisa digunakan untuk menentukan apakah kelompok I dan II berbeda secara signifikan
dalam proporsi (+) dan (-) yang dikenakan atas kelompok itu dan bisa juga untuk menentukan
mana yang lebih besar proporsinya.
Peluang eksak pemunculan dari pengamatan terhadap frekuensi pada tabel 2 x 2 jika jumlah
marginal dianggap tetap, diperoleh dengan menggunakan distribusi hipergeometrik:

13

Hipotesis awal ditolak jika nilai p-value yang diperoleh lebih kecil dari taraf signfikansi yang
digunakan. Nilai p-value didapat dengan menjumlahkan peluang dari pemunculan data
dengan peluang dari kemungkinan pemunculan yang lebih ekstrim atau dapat menggunakan
tabel Fisher, lihat pada buku Statistik Nonparametrik untuk Ilmu Ilmu Sosial karangan
Sidney Siegel. Untuk uji 1 arah hanya diambil dari satu sisi pemunculan yang lebih ekstrim,
sedangkan untuk uji 2 arah diambil dari kedua sisi pemunculan yang lebih ekstrim.
dibawah).
Untuk uji 1 arah
Contoh: Seorang mahasiswa melakukan penelitian untuk menguji apakah proporsi siswa
yang mengikuti les privat lebih banyak yang lulus ujian dibandingkan dengan siswa yang
tidak mengikuti les privat. Selanjutnya diambil sampel sebanyak 15 siswa. Dari 6 yang lulus
ternyata 5 yang mengikuti les privat dan dari 9 yang tidak lulus ternyata 7 yang tidak ikut les
privat. Gunakan alpha 5 %.
Jawab
Pertama dibentuk tabel kontingensi sebagaimana dibawah ini

Definisikan P1 adalah Proporsi siswa yang lulus yang ikut les privat dan P2 adalah proporsi
siswa yang lulus yang tidak ikut les privat
Ho: P1=P2 ( Proporsi siswa yang lulus yang ikut les privat tidak lebih banyak dari proporsi
mahasiswa yang tidak ikut les privat)

14

H1: P1>P2 ( Proporsi siswa yang lulus yang ikut les privat lebih banyak dari proporsi
mahasiswa yang tidak ikut les privat

Keputusan: Tolak Ho karena p-value < dan simpulkan proporsi siswa yang lulus yang ikut
les privat lebih banyak dari proporsi mahasiswa yang tidak ikut les privat dengan tingkat
kepercayaan sebesar 95 %.
Uji 2 arah
Contoh 1: Jika kita menggunkan hipotesisi untuk uji dua arah dalam kasuh contoh uji satu
arah diatas
Ho: P1=P2 ( Proporsi siswa yang lulus yang ikut les privat sam dengan proporsi mahasiswa
yang tidak ikut les privat)
H1: P1P2 ( Proporsi siswa yang lulus yang ikut les privat tidak sama dengan proporsi
mahasiswa yang tidak ikut les privat)
Peluang diatas ditambah dengan kemungkinan pemunculan ekstrim dari sisi yang lain.
Kemungkinan pemunculan dari sisi yang lain adalah

15

Keputusan: Tolak Ho karena p-value < (0,041 < 0,05) dan simpulkan proporsi siswa yang
lulus yang ikut les privat tidak sama dengan proporsi mahasiswa yang tidak ikut les privat
dengan tingkat kepercayaan sebesar 95 %.
Cara menentukan kondisi lebih ekstrim: Kita gunakan contoh yang uji satu arah

P1=5/7=0,714

P2=1/8=0,125 (P1-P2)=0,589

Setiap kemungkinan pemunculan yang mempunyai selisih peluang (P1 P2) lebih besar dari
0,589 maka dikatakan mempunyai peluang pemunculan yang lebih ekstrim. Untuk uji dua
arah caranya juga sama dimana peluang pemunculan yang lebih ekstrim berlaku juga untuk
arah yang berlawanan.
Contoh Tambahan : Terdapat anggapan bahwa diketahui hubungan antara makan buah
dengan diare. Oleh karena seorang mahasiswa melakukan penelitian untuk menguji duagaan

16

tersebut. Jumlah sampel yang diambil adalah sebesar 41 orang. Kemudian diklasifikasikan ke
dalam tabel kontingensi seperti dibawah ini. Gunakan alpha 5 %.

Jawab:
Ho: P1=P2 (Tidak terdapat hubungan antara makan buah dengan diare)
H1: P1 P2 (Terdapat hubungan antara makan buah dengan diare)

Kolmogorov Smirnov
17

Banyak sekali teknik pengujian normalitas suatu distribusi data yang telah dikembangkan
oleh para ahli. Kita sebenarnya sangat beruntung karena tidak perlu mencari-cari cara untuk
menguji normalitas, dan bahkan saat ini sudah tersedia banyak sekali alat bantu berupa
program statistik yang tinggal pakai. Berikut adalah salah satu pengujian normalitas dengan
menggunakan teknik Kolmogorov Smirnov.
Uji Kolmogorov Smirnov adalah pengujian normalitas yang banyak dipakai, terutama setelah
adanya banyak program statistik yang beredar. Kelebihan dari uji ini adalah sederhana dan
tidak menimbulkan perbedaan persepsi di antara satu pengamat dengan pengamat yang lain,
yang sering terjadi pada uji normalitas dengan menggunakan grafik.
Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan membandingkan
distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku. Distribusi
normal baku adalah data yang telah ditransformasikan ke dalam bentuk Z-Score dan
diasumsikan normal. Jadi sebenarnya uji Kolmogorov Smirnov adalah uji beda antara data
yang diuji normalitasnya dengan data normal baku. Seperti pada uji beda biasa, jika
signifikansi di bawah 0,05 berarti terdapat perbedaan yang signifikan, dan jika signifikansi di
atas 0,05 maka tidak terjadi perbedaan yang signifikan. Penerapan pada uji Kolmogorov
Smirnov adalah bahwa jika signifikansi di bawah 0,05 berarti data yang akan diuji
mempunyai perbedaan yang signifikan dengan data normal baku, berarti data tersebut tidak
normal.
Lebih lanjut, jika signifikansi di atas 0,05 maka berarti tidak terdapat perbedaan yang
signifikan antara data yang akan diuji dengan data normal baku, artinya.ya berarti data
yang kita uji normal, kan tidak berbeda dengan normal baku.
Jika kesimpulan kita memberikan hasil yang tidak normal, maka kita tidak bisa menentukan
transformasi seperti apa yang harus kita gunakan untuk normalisasi. Jadi ya kalau tidak
normal, gunakan plot grafik untuk melihat menceng ke kanan atau ke kiri, atau menggunakan
Skewness dan Kurtosis sehingga dapat ditentukan transformasi seperti apa yang paling tepat
dipergunakan.

Uji Normalitas dengan Kolmogorov Smirnov dengan Program SPSS

18

Pengujian normalitas dengan menggunakan Program SPSS dilakukan dengan menu Analyze,
kemudian klik pada Nonparametric Test, lalu klik Legacy Dialogs, Klik 1-Sample K-S. K-S
itu singkatan dari Kolmogorov-Smirnov. Maka akan muncul kotak One-Sample KolmogorovSmirnov Test.

Normalitas Kolmogorov SPSS

Data yang akan diuji terletak di kiri dan pindahkan ke kanan dengan tanda panah. Centang
Normal pada Test Distribution.
Lalu tekan OK saja.
Pada output, lihat pada baris paling bawah dan paling kanan yang berisi Asymp.Sig.(2-tailed).

Output Normalitas Kolmogorov SPSS

19

Lalu intepretasinya adalah bahwa jika nilainya di atas 0,05 maka distribusi data dinyatakan
memenuhi asumsi normalitas, dan jika nilainya di bawah 0,05 maka diinterpretasikan sebagai
tidak normal.

1. Wahidiyat I, Ismael S, Monintja HE. Penelitian dalam bidang kedokteran dan

kesehatan. Dalam: Sastroasmoro S, Ismael S. Dasar-dasar metodologi penelitian

klinis. 5th ed. Jakarta: Sgung Seto; 2014. h. 1-12.
2. Sastoasmoro S, Gatot D, Kadri N, Pudjiarto PS. Usulan penelitian. Dalam:
Sastroasmoro S, Ismael S. Dasar-dasar metodologi penelitian klinis. 5 th ed. Jakarta:
Sgung Seto; 2014. h. 31-65.
3. Djami MEU. Bahan ajar Metlid: Tinjauan pustaka, kerangka teori, kerangka konsep
dan
hipotesis
[internet].
[cited
2016
Jun
9].
Available
from:
https://moudyamo.wordpress.com/2016/02/01/bah-ajar-metlid-tinjauan-pustaka/
4. Sastoasmoro S, Gatot D, Kadri N, Pudjiarto PS. Usulan penelitian. Dalam:
Sastroasmoro S, Ismael S. Dasar-dasar metodologi penelitian klinis. 5 th ed. Jakarta:
Sgung Seto; 2014. h. 31-65.
5. (Ghazali MV, Sastromihardjo S, Soedjarwo SR, Soelaryo T, Pramulyo HS. Studi
cross-sectional. Dalam: Sastroasmoro S, Ismael S. Dasar-dasar metodologi penelitian
klinis. 5th ed. Jakarta: Sgung Seto; 2014. h. 130-44.)
6. Suradi R, Siahaan CM, Boedjang RF, Sudiyanto, Setyaningsih I, Soedibjo S. Studi
kasus-kontrol. Dalam: Sastroasmoro S, Ismael S. Dasar-dasar metodologi penelitian
klinis. 5th ed. Jakarta: Sgung Seto; 2014. h. 146-65.
7. StatsDirect Limited. Prospective vs. retrospective studies [internet]. [cited 2016 Jun
10].
Available
from:
http://www.statsdirect.com/help/default.htm#basics/prospective.htm
8. Tambunan T, Soetomenggolo TS, Passat J, Agusman IS. Studi kohort. Dalam:
Sastroasmoro S, Ismael S. Dasar-dasar metodologi penelitian klinis. 5 th ed. Jakarta:
Sgung Seto; 2014. h. 167-86.
9. Harun SR, Putra ST, Chair I, Sastoasmoro S. Uji klinis. Dalam: Sastroasmoro S,
Ismael S. Dasar-dasar metodologi penelitian klinis. 5th ed. Jakarta: Sgung Seto; 2014.
h. 187-217.
10. White H, Sabarwal S. Quasi experimental design and methods: Methodological briefs
impact evaluation. Florence: UNICEF; 2014. p. 1-3.
11. Santoso S. Statistik parametric. Jakarta: PT. Elex Media Komputindo; 2014. h. 9-14.
12. Bardosono S. Statistik Parametrik [internet]. [cited 2016 Jun 10]. Available from:
http://staff.ui.ac.id/system/files/users/saptawati.bardosono/material/statistikparametrik
gizi.pdf
13. Tumberlaka AR, Riono P, Sasroasmoro S, Wijodiardjo M, Pudjiastuti P, Firman K.
Pemilihan uji hipotesis. Dalam: Sastroasmoro S, Ismael S. Dasar-dasar metodologi
penelitian klinis. 5th ed. Jakarta: Sagung Seto; 2014. h. 328-50.

20