PERINGATAN!!!

COPAS / PLAGIAT ADALAH TINDAKAN YANG

TIDAK TERPUJI.
 PEMBAHASAN SOAL STATISTIK
KESEHATAN

OLEH KELOMPOK 3 :
I GEDE PATRIA PRASTIKA P07120215059
NI LUH PUTU MEGA WIJAYANTHI P07120215060
PUTU SUSMITHA DEVY LARASATI P07120215061
MADE SINTIA MEILINA DEWI P07120215062
IDA AYU KADEK DWI MAHARIANI P07120215063
NI MADE ARI RENI JAYANTI P07120215064
ANAK AGUNG SRI SASMITA LAKSMI P07120215065
NI KOMANG AYU PUSPITASARI P07120215066
GUSTI AYU PUTU BRILIANI P07120215067
NI MADE WERDIANTI PRAWERTI P07120215068
KELAS 3B DIV KEPERAWATAN

KEMENTERIAN KESEHATAN REPUBLIK INDONESIA

POLITEKNIK KESEHATAN DENPASAR
JURUSAN KEPERAWATAN
2018
 TUGAS STATISTIK

1. Lakukanlah transform data :

a. Usia ibu menjadi IBURESTI dengan cut of point 20 (≤ 20: IBURESTI, >20 :
TIDAK RESTI)
b. Hb 1 menjadi anemia dengan cut of point 11 (≤ 11 : ANEMIA, > 11 : TIDAK
ANEMIA
c. BBL menjadi BBLR dengan cut of point 2500 (< 2500: BBLR, ≥ 2500 : TIDAK
BBLR)
d. Kondisi ibu anemia dan resti akan menjadi RESIKO SANGAT TINGGI dan bila
tidak akan menjadi RISIKO TINGGI
2. Sebuah penelitian ingin meneliti tentang pengaruh pemberian tablet Fe terhadap kadar
Hb Ibu. Didapatkan data Hb sebelum perlakuan = Hb1 dan sesudah = Hb2.
a. Rumuskan Hipotesis penelitian dan H0
b. Tentukan uji yang tepat untuk Hipotesis tersebut
c. Lakukan uji Hipotesis dengan  = 0.05
d. Buat tabelnya
e. Interpretasikan hasil uji
3. Sebuah penelitian ingin meneliti pengaruh pemberian ekstrak mengkudu terhadap
tekanan darah pada pasien hipertensi, didapatlan data seperti file “master data tekanan
darah”. Peneliti menggunakan kelompok control
a. Rumuskan hipotesis penelitian dan Ho
b. Tentukan uji yang tepat untuk hipotesis tersebut
c. Lakukan uji hipotesis dengan α = 0.05
d. Buat tabelnya
e. Interpretasikan hasil uji

PENYELESAIAN
1. TRANSFORM DATA
a. Usia ibu menjadi IBURISTI dan TIDAKRISTI
Langkah – Langkah dalam transform data adalah sebagai berikut :
1) Bukalah File SPSS
2) Pada menu bar, klik Transform kemudian dilanjutkan dengan memilih Recode
Into Different Variables. Maka akan muncul kotak dialog seperti gambar berikut :

3) Masukkan umur ibu ke Numeric Variable, kemudian ketik IBU_RISTI dikolom

Name dan IBU RISTI di kolom Label pada Output Variable, klik Change.
Tampilan yang muncul seperti gambar berikut :

4) Klik Old and New Values, pada kolom Range, LOWEST through value berikan
angka 20 (sebagai cut of point), kemudian di New Value berikan angka 1 pada
kolom Value, lalu klik Add. Hasilnya dapat dilihat pada gambar berikut :
5) Pada kolom Range, value trough HIGHEST berikan angka 21, kemudian di New
Value berikan angka 2 pada kolom Value, lalu klik Add. Hasilnya dapat dilihat
pada gambar berikut :

6) Lalu klik Continue, dilanjutkan dengan klik OK. Maka akan muncul variable baru
pada kolom paling kanan seperti pada gambar berikut :
7) Pada Variable View isi kolom Value dengan angka 1 dan label dengan Risti, klik
add, beri angka 2 dengan label Tidak Risti, klik add, lalu klik OK. Lakukan
seperti yang ditunjukkan pada gambar berikut :

8) Klik OK, maka tampilan pada Data View akan seperti gambar berikut :
b. Hb 1 menjadi Anemia dan tidak anemia
1) Bukalah File SPSS
2) Pada menu bar, klik Transform kemudian dilanjutkan dengan memilih Recode
Into Different Variables. Maka akan muncul kotak dialog seperti gambar berikut :

3) Masukkan Hb 1 ke Numeric Variable, kemudian ketik Anemia dikolom Name dan

Anemia di kolom Label pada Output Variable, klik Change. Tampilan yang
muncul seperti gambar berikut :

4) Klik Old and New Values, pada kolom Range, LOWEST Through Value berikan
angka 11 (sebagai cut of point), kemudian di New Value berikan angka 1 pada
kolom Value, lalu klik Add. Hasilnya dapat dilihat pada gambar berikut :
5) Pada kolom Range, Value Trough HIGHEST berikan angka 11.1, kemudian di
New Value berikan angka 2 pada kolom Value, lalu klik Add. . Hasilnya dapat
dilihat pada gambar berikut :

6) Lalu klik Continue, dilanjutkan dengan klik OK. Maka akan muncul variable baru
pada kolom paling kanan seperti pada gambar berikut :
 7) Pada Variable View isi kolom kolom Value dengan angka 1 dan Label dengan
Anemia, klik Add, beri angka 2 dengan label Tidak Anemia, klik Add, lalu klik
OK. Lakukan seperti yang ditunjukkan pada gambar berikut :

8) Klik OK, maka tampilan pada Data View akan seperti gambar berikut :

c. BBL menjadi BBLR dan TIDAK BBLR

1) Bukalah File SPSS
2) Pada menu bar, klik Transform kemudian dilanjutkan dengan memilih Recode
Into Different Variables. Maka akan muncul kotak dialog seperti gambar berikut :
3) Masukkan bb bayi ke Numeric Variable, kemudian ketik BBLR dikolom Name
dan BBLR di kolom Label pada Output Variable, klik Change. Tampilan yang
muncul seperti gambar berikut :

4) Klik Old and New Values, pada kolom Range, LOWEST Through Value berikan
angka 2499.9, kemudian di New Value berikan angka 1 pada kolom Value, lalu
klik Add. Hasilnya dapat dilihat pada gambar berikut :
5) Pada kolom Range, Value Trough HIGHEST berikan angka 2500, kemudian di
New Value berikan angka 2 pada kolom Value, lalu klik Add. Hasilnya dapat
dilihat pada gambar berikut :

6) Lalu klik Continue, dilanjutkan dengan klik OK. Maka akan muncul variable baru
pada kolom paling kanan seperti pada gambar berikut :
7) Pada Variable View isi kolom kolom Value dengan angka 1 dan label dengan
BBLR, klik Add, beri angka 2 dengan label Tidak BBLR, klik Add, lalu klik OK.
Lakukan seperti yang ditunjukkan pada gambar berikut :

8) Klik OK, maka tampilan pada Data View akan seperti gambar berikut :
d. Melabeli Ulang
1) Klik Transform pada menu bar, selanjutnya pilih Compute Variable. Maka akan
muncul tampilan seperti gambar berikut :

2) Pada kotak Target Variable, ketiklah “risk”, sedangkan pada kotak Numeric
Expression, ketiklah “0” seperti pada gambar berikut :

3) Klik OK, terlihat di layar variable Risk sudah terbentuk dengan semua sel nya
berisi angka 0 seperti gambar berikut :
4) Pilih kembali menu Transform, klik Compute Variable
5) Pada kotak Target Variable biarkan tetap berisi “Risk”. Pada kotak “Numeric
Expression” hapus angka 0 dan gantilah dengan angka 1 seperti gambar berikut :

6) Klik tombol “IF” sesaat kemudian muncul dialog, “Compute Variable : If

Casses” seperti gambar berikut :
7) Klik tombol berbentuk lingkaran kecil : Include If Case Statifies Condition. Pada
kotak dibawah Option Include : masukkan : ANEMIA = 1 & IBU_RISTI = 1
seperti gambar berikut :
8) Klik continue, lalu klik OK. Maka tampilan variable risk akan mengalami
perubahan seperti gambar berikut :

9) Pada Variable View, masukkan Value 0 : Resiko Tinggi, 1 : Resiko Sangat

Tinggi. OK. Sehingga tampilannya akan seperti gambar berikut :
2. Pengaruh pemberian tablet Fe terhadap kadar Hb Ibu
a. Rumusan Hipotesis dan Ho
Ho = Tidak ada pengaruh pemberian tablet Fe terhadap kadar Hb Ibu.
Ha = Ada pengaruh pemberian tablet Fe terhadap kadar Hb Ibu.

Atau bisa ditulis :

Ho : 1 = 1
Ha : 1 ≠ 2

b. Uji yang tepat untuk Hipotesis

Jenis uji yang tepat untuk digunakan dalam pembuktian Hipotesis adalah uji T
Dependen (Paired Samples T Test) karena terdapat dua kelompok data yang saling
terkait antara pre dengan post (berpasangan), serta kedua variable berskala interval.
Sebelum melakukan uji T Dependen, terlebih dahulu lakukan uji normalitas karena
syarat data untuk melakukan uji T Dependen adalah data harus berdistribusi normal.
Adapun langkah – langkahnya sebagai berikut :
1) Bukalah file yang akan dilakukan uji T Dependen
2) Selanjutnya lakukan uji normalitas dengan cara klik Analyze pada menu bar,
kemudian klik Descriptive Statistic, selanjutnya pilih Explore. Maka akan muncul
kotak dialog seperti berikut :
3) Masukan variabel Hb1 dan Hb2 pada kolom Dependent List seperti gambar
berikut :

4) Selanjutnya klik Statictics, pastikan Descriptive tercentang seperti pada gambar

berikut :
5) Klik Continue, kemudian klik Plots. Centang pada Normality Plots With Tests
seperti gambar berikut :

6) Selanjutnya klik Continue, dan diakhiri dengan klik OK. Tunggu beberapa saat
sehingga muncul output seperti gambar berikut :
Untuk mengetahui data berdistribusi normal atau tidak, caranya adalah nilai
Skewness dibagi dengan nilai Std. Error. Data berdistribusi normal apabila hasil
baginya <2 atau >-2. Pada Hb1, nilai Skewneww : nilai Std. Error = 0.068 : 0.337
= 0.2, sehingga data Hb1 berdistribusi normal. Sementara pada Hb2, nilai
Skewneww : nilai Std. Error = 0.345 : 0.337 = 1.02, sehingga data Hb2
berdistribusi normal.

Karena kedua data berdistribusi normal, maka bisa dilanjutkan dengan melakukan
uji T Dependen (Paired-Samples T Test).
c. Melakukan Uji Hipotesis
Dalam pengujian hipotesis untuk kasus ini, jenis uji yang dilakukan adalah uji T
Dependen. Adapun langkah – langkah dalam uji T Dependen adalah sebagai berikut :

1) Klik Analyze pada menu bar, kemudian klik Compare Means, selanjutnya klik
Paired Sample T Tests. Maka akan muncul kotak dialog seperti gambar berikut :

2) Pada Variable1 masukkan Hb1, sedangkan pada Variable2 masukkan Hb2 seperti
gambar berikut :

3) Selanjutnya klik OK, tunggu beberapa saat maka akan muncul output seperti
gambar berikut :
 Dari hasil analisia di atas, didapatkan nilai p value pada kolom Sig (2-tailed)
adalah 0.001. Karena nilai p value < α atau 0.001 < 0.05, maka Ho ditolak, dengan
kata lain Ha diterima, artinya Ada pengaruh pemberian tablet Fe terhadap
kadar Hb Ibu.

d. Membuat Tabelnya
Tabel dari Uji T Dependen adalah sebagai berikut :

e. Interpretasi Data
1) Nilai Skewneww : nilai Std. Error pada Hb1 = 0.2, sementara nilai Skewneww :
nilai Std. Error pada Hb2 = 1.02, sehingga kedua data berdistribusi normal.
2) Nilai p value pada uji T dependent adalah 0.001. Karena nilai p value < α atau
0.001 < 0.05, maka Ho ditolak, dengan kata lain Ha diterima, artinya Ada
pengaruh pemberian tablet Fe terhadap kadar Hb Ibu.
3. Perbedaan pengaruh pemberian ekstrak mengkudu pada pasien hipertensi dengan
kelompok perlakuan dan kontrol
a. Rumusan Hipotesis dan Ho
Ho = Tidak ada perbedaan pengaruh pemberian ekstrak mengkudu antara kelompok
perlakuan dengan kontrol terhadap tekanan darah baik sistole maupun diastole pada
pasien hipertensi
Ha = Ada perbedaan pengaruh pemberian ekstrak mengkudu antara kelompok
perlakuan dengan kontrol terhadap tekanan darah baik sistole maupun diastole pada
pasien hipertensi

Atau bisa ditulis :

Ho : µ1 = 2
Ha : µ1 ≠ 2

b. Uji yang Tepat untuk Hipotesis

Uji yang digunakan adalah uji parametrik. Salah satu syarat dalam uji parametric
adalah data harus berdistribusi normal. Oleh karena itu, perlu uji normalias data
terlebih dahulu. Adapun langkah – langkah dalam uji normalitas adalah sebagai
berikut :

1) Langkah Pertama adalah buka aplikasi SPSS yang sudah terinstal di PC anda

2) Selanjutnya, import data ke lembar kerja SPSS dari Microsoft excel. Pada menu
bar, klik menu File, kemudian klik Open, kemudian klik Data. Pada File of types,
pilih Excel. Selanjutnya pilif file yang akan diimport, yaitu “Master Table
Tekanan Darah”. Tampilan akan muncul seperti berikut :
3) Klik open, kemudian akan muncul tampilan sebagai berikut :

4) Selanjutnya klik OK. Maka Pada Data View akan muncul tampilan seperti berikut:
5) Selanjutnya, klik Analyze pada menubar. Kemudian klik menu Descriptive
Statistics. Selanjutnya pilih Explore. Maka akan muncul tampilan sebagai berikut :

6) Pada kotak Dependent List, masukkan variable Sistole Pre Perlakuan, Diastole
Pre Perlakuan, Sistole Post Perlakuan, Diastole Post Perlakuan, Sistole Pre
Kontrol, Diastole Pre Kontrol, Sistole Post Kontrol, Diastole Post Kontrol.
Tampilan muncul seperti berikut :
 7) Selanjutnya klik OK, maka hasil output datanya seperti berikut :

Descriptives
Statistic Std. Error
Sistole Pre Perlakuan Mean 155.06 2.575
95% Confidence Interval for Lower Bound 149.60
Mean Upper Bound 160.52
5% Trimmed Mean 154.57
Median 155.00
Variance 112.684
Std. Deviation 10.615
Minimum 143
Maximum 176
Range 33
Interquartile Range 15
Skewness .813 .550
Kurtosis -.152 1.063
Diastole Pre Perlakuan Mean 97.00 1.536
95% Confidence Interval for Lower Bound 93.74
Mean Upper Bound 100.26
5% Trimmed Mean 96.61
Median 94.00
Variance 40.125
Std. Deviation 6.334
Minimum 90
Maximum 111
 Range 21
Interquartile Range 11
Skewness .873 .550
Kurtosis -.399 1.063
Sistole Post Perlakuan Mean 139.29 2.402
95% Confidence Interval for Lower Bound 134.20
Mean Upper Bound 144.39
5% Trimmed Mean 139.10
Median 139.00
Variance 98.096
Std. Deviation 9.904
Minimum 124
Maximum 158
Range 34
Interquartile Range 14
Skewness .460 .550
Kurtosis -.481 1.063
Diastole Post Perlakuan Mean 86.47 1.422
95% Confidence Interval for Lower Bound 83.46
Mean Upper Bound 89.49
5% Trimmed Mean 86.30
Median 85.00
Variance 34.390
Std. Deviation 5.864
Minimum 80
Maximum 96
Range 16
Interquartile Range 12
Skewness .488 .550
Kurtosis -1.484 1.063
Sistole Pre Kontrol Mean 154.65 2.568
95% Confidence Interval for Lower Bound 149.20
Mean Upper Bound 160.09
5% Trimmed Mean 154.05
Median 150.00
Variance 112.118
Std. Deviation 10.589
Minimum 140
Maximum 180
Range 40
Interquartile Range 12
 Skewness .833 .550
Kurtosis .810 1.063
Diastole Pre Kontrol Mean 98.24 .627
95% Confidence Interval for Lower Bound 96.91
Mean Upper Bound 99.57
5% Trimmed Mean 98.26
Median 100.00
Variance 6.691
Std. Deviation 2.587
Minimum 94
Maximum 102
Range 8
Interquartile Range 5
Skewness -.490 .550
Kurtosis -1.474 1.063
Sistole Post Kontrol Mean 152.47 2.612
95% Confidence Interval for Lower Bound 146.93
Mean Upper Bound 158.01
5% Trimmed Mean 151.75
Median 150.00
Variance 116.015
Std. Deviation 10.771
Minimum 138
Maximum 180
Range 42
Interquartile Range 12
Skewness 1.078 .550
Kurtosis 1.567 1.063
Diastole Post Kontrol Mean 96.59 .959
95% Confidence Interval for Lower Bound 94.56
Mean Upper Bound 98.62
5% Trimmed Mean 96.65
Median 98.00
Variance 15.632
Std. Deviation 3.954
Minimum 90
Maximum 102
Range 12
Interquartile Range 6
Skewness -.560 .550
 Kurtosis -.899 1.063

8) Untuk melihat normalitas data, maka bisa dilihat nilai Skewness dengan Std Erorr
nya. Jika hasil pembagian antara Skewness dengan Std. Error < 2 atau > -2, maka
data tersebut berdistribusi normal. Sehingga :

a) Sistole Pre Perlakuan = 0.813 / 0.55 = 1.4781

b) Diastole Pre Perlakuan = .0873 / 0.55 = 1.5872
c) Sistole Post Perlakuan = 0.460 / 0.55 = 0.836
d) Diastole Post Perlakuan = 0.488 / 0.55 = 0.8872
e) Sistole Pre Kontrol = 0.833 / 0.55 = 1.5145
f) Diastole Pre Kontrol = -0.490 / 0.55 = -0.890
g) Sistole Post Kontrol = 1.078 / 0.55 = 1.96
h) Diastole Post Kontrol = -0.560 / 0.55 = 1.018

Dari hasil perhitungan di atas, semua data berdistribusi normal. Oleh karena itu, dapat
dilakukan uji parametric karena sudah memenuhi syarat yaitu data harus berdistribusi
normal.
Jenis uji yang digunakan adalah Uji Paired-Samples T Test untuk menguji variable
Sistole Pre Perlakuan dengan Sistole Post Perlakuan (Pair 1), Diastole Pre Perlakuan
dengan Diastole Post Perlakuan (Pair 2), Sistole Pre Kontrol dengan Sistole Post
Kontrol (Pair 3), dan Diastole Pre Kontrol dengan Diastole Post Kontrol (Pair 4).
Hasil uji T Paired akan menunjukkan ada atau tidaknya pengaruh pre dengan post,
bukan menunjukkan adanya perbedaan pengaruh ntara kelompok perlakuan dengan
kontrol. Oleh karena itu, apabila hasil uji signifikan (nilai p < α), selanjutnya perlu
dilakukan uji Independent-Samples T Test untuk mengetahui adanya perbedaan
kelompok perlakuan dengan kontrol.
c. Melakukan Uji Hipotesis
1) Klik Analyze pada menu bar, kemudian klik Compare Means, kemudian pilih
Paired-Samples T Test. Maka akan muncul tanpilan sebagai berikut :

2) Selanjutnya masukkan variabel Sistole Pre Perlakuan dengan Sistole Post

Perlakuan (Pair 1), Diastole Pre Perlakuan dengan Diastole Post Perlakuan (Pair
2), Sistole Pre Kontrol dengan Sistole Post Kontrol (Pair 3), dan Diastole Pre
Kontrol dengan Diastole Post Kontrol (Pair 4). Tampilannya sebagai berikut :
3) Selanjutnya klik OK, maka tampilan yang keluar sebagai berikut :

Dari hasil output, point yang harus dilihat adalah nilai p, pada output bertuliskan
Sig (2-tailed). Dari hasil di atas, nilai p untuk Pair 1 = 0000. Nilai p untuk Pair 2 =
0.000. Nilai p untuk Pair 3 = 0.003. Dan nilai p untuk Pair 4 = 0.018. Karena
semua nilai p < α, maka hasil uji menunjukkan signifikan. Artinya nilai sebelum
dan sesudah menunjukkan perbedaan yang signifikan.
Untuk sementara ini, kita belum bisa menarik kesimpulan, karena kita belum
menguji perbedaan pengaruh pemberian antara kelompok perlakuan dengan
control. Oleh karena itu perlu dilakuakn uji T Inependent.

Langkah – langkah dalam melakukan uji T Independent

1) Langkah pertama buat variable baru seperti gambar berikut :
2) Beri kode 1 dan 2 pada variable Kode_Responden. Ketik angka 1 sebanyak 17
kali, dan angka 2 sebanyak 17 kali. Tampilannya sebagai berikut :
3) Klik Analyze pada menu bar, kemudian klik Compare Means, kemudian pilih
Independent-Samples T Test. Maka akan muncul tampilan sebagai berikut :
4) Masukkan variable Selisih Sistole Pre dan Post serta variable Selisih Diastole Pre
dan Post pada kotak Test Variable(S). Selanjutnya masukkan variable Kode
Responden pada kotak Grouping Variable. Lakukan seperti gambar berikut :

5) Klik Define Groups. Pada Group 1 ketik angka 1, pada Group 2 ketik angka 2.
Tampilan yang muncul sebagai berikut :
6) Selanjutnya klik Continue, kemudian klik OK. Maka akan muncul output seperti
gambar berikut :

Dari hasil analisa data, terlihat nilai Sig pada kolom Levene’S Test untuk variable
Selisih Sistole Pre dan Post adalah 0.434, sedangkan untuk Selisih Diastole Pre
dan Post adalah 0.365. Apabila nilai sig pada Levene’s Test > α, maka nilai Sig
(2-tailed) pada kolom t test yang digunakan adalah yang sejajar Equal variances
assumed. Begitu juga sebaliknya.
Karena nilai sig 0.434 dan sig 0.365 > α (0.05), maka nilai Sig (2-tailed) pada
kolom t test yang digunakan adalah yang sejajar Equal variances assumed.
Untuk Selisih Sistole Pre dan Post, nilai Sig (2-tailed) adalah 0.000. Karena nilai p
value < α, maka Ho ditolak, dengan kata lain Ha diterima, yang berarti “Ada
perbedaan pengaruh pemberian ekstrak mengkudu antara kelompok perlakuan
dengan kontrol terhadap tekanan darah sistole pada pasien hipertensi”.
Sementara untuk Selisih Diastole Pre dan Post, nilai Sig (2-tailed) adalah 0.000.
Karena nilai p < α, maka Ho ditolak, dengan kata lain Ha diterima, yang berarti
“Ada perbedaan pengaruh pemberian ekstrak mengkudu antara kelompok
perlakuan dengan kontrol terhadap tekanan darah diastole pada pasien hipertensi”.
d. Membuat Tabelnya
Hasil dari uji t dependen adalah sebagai berikut :

Hasil dari uji t independen adalah sebagai berikut :

e. Interpretasi Data
1) Dari uji normalitas, semua data berdistribusi normal. Oleh karena itu, dapat
dilakukan uji parametric karena sudah memenuhi syarat yaitu data harus
berdistribusi normal.
2) Dari hasil uji T Dependen, nilai p untuk Pair 1 = 0000. Nilai p untuk Pair 2 =
0.000. Nilai p untuk Pair 3 = 0.003. Dan nilai p untuk Pair 4 = 0.018. Karena
semua nilai p < α, maka hasil uji menunjukkan signifikan. Artinya nilai sebelum
dan sesudah menunjukkan perbedaan yang signifikan.
3) Dari hasil uji T Independen, untuk Selisih Sistole Pre dan Post, nilai Sig (2-tailed)
adalah 0.000. Karena nilai p value < α, maka Ho ditolak, dengan kata lain Ha
diterima, yang berarti “Ada perbedaan pengaruh pemberian ekstrak mengkudu
 antara kelompok perlakuan dengan kontrol terhadap tekanan darah sistole pada
pasien hipertensi”.
Sementara untuk Selisih Diastole Pre dan Post, nilai Sig (2-tailed) adalah 0.000.
Karena nilai p < α, maka Ho ditolak, dengan kata lain Ha diterima, yang berarti
“Ada perbedaan pengaruh pemberian ekstrak mengkudu antara kelompok
perlakuan dengan kontrol terhadap tekanan darah diastole pada pasien hipertensi”.
4) Simpulan untuk uji hipotesis adalah “Ada perbedaan pengaruh pemberian ekstrak
mengkudu antara kelompok perlakuan dengan kontrol terhadap tekanan darah
baik sistole maupun diastole pada pasien hipertensi”
 PERINGATAN!!!
COPAS / PLAGIAT ADALAH TINDAKAN YANG
TIDAK TERPUJI.