LAPORAN PBL BLOK HPK 5.

3
Ca Paru

Kelompok 6 PBL
1. Rhonal Satya 113170063
2. Hagi Wibawa 115170024
3. Hanif Haidaryafi 115170025
4. M. Irsyad Baihaqi 115170043
5. M. Rifky Ilhami 115170045
6. Ryan Heri Gunawan 115170061
7. Sayyidah Vina Syauqia 115170062
8. Verrell Avila Yusuf 115170074

FAKULTAS KEDOKTERAN
UNIVERSITAS SWADAYA GUNUNG JATI
CIREBON
2018
 2

DAFTAR ISI

Daftar Isi............................................................................................. ................... 2

Lembar Pengesahan ........................................................................................ ......3

Kata Pengantar ……………………………………………………….……… ....4

Skenario ………………………………………………….………………………. 5

Klarifikasi Masalah (STEP 1) ………………………………………………….... 5

Rumusan Daftar Masalah (STEP 2) ……………………………………………... 5

Analisis Masalah (STEP 3) …………………………………………………..….. 7

Sistematika Masalah (STEP 4) ………………………………...………………… 8

Sasaran Belajar (STEP 5) …………………………………………………...…… 8

Belajar Mandiri (STEP 6) …………………………………………..…………... 8

Penjelasan (STEP 7) …………………………………………………………...... 8

Daftar Pustaka …………………………………...……………………...…….. 32

 3

LEMBAR PENGESAHAN
LAPORAN PBL

Ca Paru
Diajukan untuk kegiatan belajar mandiri dan syarat untuk mengikuti Ujian Blok
Fakultas Kedokteran Universitas Swadaya Gunung Jati

Telah disetujui dan dipresentasikan

Pada tanggal : Januari 2018

Cirebon, Januari 2018

Tutor

Uswatun Khasanah, S.Pd, M.Pd

 4

KATA PENGANTAR
Puji dan syukur penulis panjatkan ke hadirat Allah Yang Maha Kuasa
karena atas rahmat dan hidayah-Nya kami dapat menyelesaikan tugas laporan
PBL ini.

Dalam penyusunan tugas atau materi ini, tidak sedikit hambatan yang
penulis hadapi. Oleh karena itu penulis mengucapkan terimakasih kepada Ibu
Uswatun Khasanah, S.Pd, M.Pd selaku pembimbing yang telah memberikan
pengarahan kepada penulis dan kepada seluruh pihak yang telah membantu dalam
penyelesaian tugas laporan PBL ini.

Semoga laporan ini dapat memberikan kontribusi kepada mahasiswa

fakultas kedokteran sebagai bekal kedepannya. Dan tentunya laporan ini masih
sangat jauh dari sempurna. Untuk itu kepada dosen pembimbing penulis
mengharapkan kritik dan masukanyang membangun

Cirebon, Januari 2018

Tim Penyusun
 5

Skenario 2

Ca Paru

Seorang peneliti melakukan penelitian mengenai hubungan antara

kebiasaan merokok dan jumlah rokok yang dikonsumsi dengan kejadian Ca Paru
di salah satu RSUD. Peneliti menentukan beberapa variael penelitian dan jenis
data yang akan diambil, berupa data nominal dan interval. Berdasarkan analisis
statistik menggunakan uji korelasi Spearman, didapatkan hubungan yang
signifikan antara variabel bebas dan variabel terikat dengan kekuatan sedang.

STEP 1

1. Variabel : Data yang dicari peneliti untuk ditarik kesimpulan.

2. Data nominal : Data yang diperoleh dengan cara kategorisasi.
3. Data interval : Data yang diperoleh dengan cara pengukuran.
4. Korelas Spearman : Uji statistik yang digunakan untuk menguji hipotesis
asosiatif 2 variabel, bila datanya berskala ordinal.

STEP 2

1. Apa saja jenis-jenis uji korelasi?

2. Apa saja jenis-jenis data?
3. Bagaimana cara pengambilan data beserta kelebihan dan kekurangannya?
4. Mengapa peneliti pada skenario melakukan uji korelasi Spearman?
5. Bagaimana langkah-langkah uji korelasi Spearman dengan menggunakan
SPSS?
6. Selain uji Spearman, apalagi jenis uji statistik lain?

STEP 3

1. - Variabel dependen: Mempengaruhi variabel dependen.

- Variabel independen: Dipengaruhi variabel independen.
- Intervening: Memengaruhi variabel dependen dan independen tetapi
tidak dapat diamati/diukur.
 6

- Moderator: Memengaruhi variabel independen dan dependen.

- Sifat: kontinu, deskrit.
2. - Numerik (kuantitatif): interval, rasio
- Kategorik: nominal, ordinal
3. A. Pengamatan: observasi
+ : Mudah, tidak menggangu
- : Waktu lama, ada perubahan perilaku jika objek pengamatan mengetahui
bahwa dirinya sedang diamati
b. Wawancara
+ : Dapat menilai kebenaran kata-kata responden
- : Kurang efisien, memerlukan keterampilan berbahasa
c. Angket
+ : Data banyak
- : Tidak dapat digunakan pada penderita buta huruf
d. Literatur: data sekunder

4. Ordinal: grading
5. Langkah uji Spearman dengan SPSS
1) Totalkan item-item variabel x menggunakan transform → compute
variable → jumlahkan item-item variabel x
2) Totalkan item-item variabel y menggunakan menu transform →
compute variable → jumlahkan item-item variabel y
3) Buatlah ranking bagi rx dan ry menggunakan menu transform →
compute variable → masukkan skor total variabel x dan y ke
variabel’s → pilih saja smallest pada acc rank → klik ok → setelah itu
muncul variable gres yaitu ranking untuk x dan y (variable view)
4) Lakukan uji korelasi Spearman dengan SPSS dengan klik analyze →
correlate → bivariate → masukkan ranking x dan ranking y ke
variable’s → pada coefficient clienlish Spearman → pada test of
significance pilih 2 tailed (jika 2 side) / 1 tailed (jika 1 side) → klik ok.
 7

6. Uji statistik lain

- Uji korelasi Pearson
- Uji korelasi Kendall tau
- Uji korelasi Gamma
- Uji korelasi Sommer’s
- Uji korelasi Kontingensi lamda
- Uji korelasi Cramer
- Uji korelasi Phi

STEP 4

2. a. Numerik

- Interval : ada jarak, perokok umur 20-30 tahun

- Rasio : perbandingan, 1: 20, 120,90 mm/Hg

b. Kategorik

- Ordinal : grading, rendah-menengah-tinggi

- Nominal : laki-laki / perempuan, ya / tidak

3. Literatur

+ : dasar hokum kuat

- : harus tahun terbaru, jumlah banyak

 8

Mind Map

Observasi Metode Variabel Bebas

Terikat
Angket
Analisis Data

Literatur Moderator

Uji Statistik Jenis Data Intervening

Multivarian

Komparasi Numerik Katergorik

Korelasi
Interval Rasio Ordinal Nominal

STEP 5

1. Mengapa peneliti pada scenario menggunakan uji Spearman dan

bagaimana alternatifnya?
2. Bagaimana menentukan hubungan yang signifikan pada penelitian?
3. Apa yang dimaksud dengan kekuatan sedang dalam penelitian?
4. Apa saja jenis uji statistik? (korelasi, kompresi dan multivarian)

STEP 6

Belajar Mandiri

STEP 7

1. Uji Spearman dilakukan dengan tujuan mengetahui adanya korelasi antara

variabel A dan B.1
 9

Kriteria: 1
- Uji korelasi Spearman digunakan untuk menguji hipotesis korelasi
dengan skala pengukuran variabel minimal ordinal.
- Diperkenalkan oleh Spearman pada tahun 1904
- Dalam uji rank Spearman, skala data untuk kedua variabel akan
dikorelasikan dapat berasal dari skala yang berbeda (skala dengan ordinal
dikorelasikan dengan skala data numerik) atau sama (skala data ordinal
dikorelasikan dengan skala data ordinal).
- Data yang akan dikorelasikan tidak harus membentuk distribusi normal.
Rumus Spearman melalui langkah – langkah sebagai berikut:

6 di 2
rs  1 
n(n 2  1)

Dimana :

rs = koefisien korelasi Spearman

di = perbedaan rangking antara pasangan data

n= banyaknya pasangan data

Σ = notasi jumlah

Jika terdapat Rank Kembar dalam perangkingan untuk kedua variabel

(baik X maupun Y), harus digunakan faktor koreksi yang mengharuskan kita
menghitung ∑ X 2 dan ∑Y 2
terlebih dahulu sebelum menghitung besarnya
rs.1

n(n 2  1) Nn(n 2  1)
 X  12   TX
2
Y  12  TY
2

Besarnya T dalam perumusan diatas merupakan faktor korelasi bagi

tiap kelompok dengan angka yang sama dirumuskan sebagai berikut : 1
 10

T3 t
T Dimana t = Jumlah variabel yang mempunyai angka
12
yang sama, maka Korelasi Spearman kemudian dapat dirumuskan sebagai
berikut: 1

rs 
X 2
  Y 2   d12
2  X * Y
2 2

Besarnya koefisien Korelasi Spearman ( rs ) bervariasi yang memiliki

batasan batasan antara – 1 <r<1, interprestasikan dan nilai koefisien
korelasinya adalah : 1

1. jika nilai r > 0, artinya telah terjadi hubungan yang linier positif, yaitu
makin besar nilai variabel X (independent) maka besar pula nilai variabel Y
(dependent), atau makin kecil nilai variabel X (independent) maka makin
kecil pula nilai variabel Y (dependent). 1

2. jika nilai r < 0, artinya telah terjadi hubungan yang linier negatif, yaitu
makin kecil nilai variabel X (independent) maka makin besar nilai variabel Y
(dependent), atau makin besar nilai variabel X (independent) maka makin
kecil pula nilai variabel Y (dependent). 1

3. Jika nilai r = 0, artinya tidak ada hubungan sama sekali antara variabel X
(independent) dengan variabel Y (dependent). 1

4. Jika nilai r = 1 atau r = - 1, artinya telah terjadi hubungan linier sempurna

berupa garis lurus, sedangkan untuk nilai r yang makin mengarah ke angka 0
maka garis makin tidak lurus. 1

Untuk dapat memberikan penafsiran terhadap koefisien korelasi

yang ditemukan tersebut besar atau kecil pengaruhnya, maka dapat
berpedoman pada ketentuan yang tertera pada tabel sebagai berikut : 1
 11

Tabel 1 Pedoman Interpretasi Koefisien Korelasi1

Interval Tingkat
Koefisien Hubungan

0,00 – 0,199 Sangat Rendah

0,20 – 0,399 Rendah

0,40 – 0,599 Sedang

0,60 – 0,799 Kuat

0,80 – 1,000 Sangat Kuat

Tabel 2 Uji alternatif lainnya: 2

 12

2. Uji Signifikan
Uji signifikansi adalah salah satu tahap terpenting dalam sebuah riset,
khususnya riset yang bermetodologi kuantitatif. Uji ini yang akan
menentukan simpulan hasil riset. Uji signifikansi menentukan apakah
hipotesis yang dibuat di awal riset akan diterima atau ditolak. Karena peran
pentingnya itulah, para ahli mencari cara terbaik yang dapat membedakan
hasil pengamatan secara meyakinkan. Tingkat keyakinan yang memadai
untuk dapat menerima suatu hipotesis tersebut yang kerap disebut dengan
istilah signifikansi statistik (statistical significance). 1

Istilah signifikan (significant) itu dalam bahasa Inggris umum (sehari-hari)

artinya penting. Dalam statistika, signifikan itu artinya berkemungkinan atau
berpeluang betul-betul benar, bukan benar karena secara kebetulan). Dalam
Bahasa Inggris disebut “probably true (not due to chance).” 1
Taraf kepercayaan yang umum digunakan dalam penelitian yaitu
merupakan suatu nilai yang menunjukkan hasil penelitian itu seberapa dapat
dipercaya kebenarannya adalah .95 (dibaca 0,95). Itu artinya bahwa hasil
penelitian itu kebenarannya 95% bias diyakini (yakin 95%; dekat dengan bias
dipercaya 100%).1
Dalam penulisan komputasi statistika sebenarnya tidak ada penulisan taraf
kepecayaan itu dengan angka .95 (atau 0,95). Yang akan tertuliskan adalah
bilangan .05 (atau 0,05). Bilangan tersebut mengandung arti bahwa dalam
hasil penelitian itu terkandung kemungkinan ada 5%-nya yang tidak betul-
betul benar, yaitu yang hanya karena kebetulan saja benar. Ini sebenarnya
“pembalikan” dari kemungkinan benarnya 95%. Jelasnya: kemungkinan
yang benar 95%, kemungkinan yang tidak benar 5%–dari 100% jawaban
responden. 1
 13

Tabel 3 Hasil Uji Statistik2

Gambar : contoh hasil uji signifikansi dalam SPSS

Tabel diatas merupakan salah satu contoh dari hasil peritungan uji
komparasi multiple (multiple comparisons) dengan menggunakan aplikasi
SPSS. Pada tabel tersebut terdapat kolom bertuliskan “sig”. kolom tersebut
menunjukkan hasil dari uji signifikansi. Akan tetapi apabila hasil tersebut
akan dimasukan ke dalam penelitian, maka nilai “sig” harus diubah
penulisannya menjadi nilai “P”. 2

3. Kekuatan korelasi

Korelasi merupakan teknik analisis yang termasuk dalam salah satu

teknik pengukuran asosiasi / hubungan (measures of association). Pengukuran
asosiasi merupakan istilah umum yang mengacu pada sekelompok teknik
dalam statistik bivariat yang digunakan untuk mengukur kekuatan hubungan
antara dua variabel. Diantara sekian banyak teknik-teknik pengukuran
asosiasi, terdapat dua teknik korelasi yang sangat populer sampai sekarang,
yaitu Korelasi Pearson Product Moment dan Korelasi Rank Spearman. Selain
kedua teknik tersebut, terdapat pula teknik-teknik korelasi lain, seperti
Kendal, Chi-Square, Phi Coefficient, Goodman-Kruskal, Somer, dan Wilson.
3

Pengukuran asosiasi mengenakan nilai numerik untuk mengetahui

tingkatan asosiasi atau kekuatan hubungan antara variabel. Dua variabel
dikatakan berasosiasi jika perilaku variabel yang satu mempengaruhi variabel
 14

yang lain. Jika tidak terjadi pengaruh, maka kedua variabel tersebut disebut
independen. 3

Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua

variabel (kadang lebih dari dua variabel) dengan skala-skala tertentu,
misalnya Pearson data harus berskala interval atau rasio; Spearman dan
Kendal menggunakan skala ordinal; Chi Square menggunakan data nominal.
Kuat lemah hubungan diukur diantara jarak (range) 0 sampai dengan 1.
Korelasi mempunyai kemungkinan pengujian hipotesis dua arah (two tailed).
Korelasi searah jika nilai koefesien korelasi diketemukan positif; sebaliknya
jika nilai koefesien korelasi negatif, korelasi disebut tidak searah. Yang
dimaksud dengan koefesien korelasi ialah suatu pengukuran statistik
kovariasi atau asosiasi antara dua variabel. Jika koefesien korelasi
diketemukan tidak sama dengan nol (0), maka terdapat ketergantungan antara
dua variabel tersebut. Jika koefesien korelasi diketemukan +1. maka
hubungan tersebut disebut sebagai korelasi sempurna atau hubungan linear
sempurna dengan kemiringan (slope) positif. 3

Jika koefisien korelasi diketemukan -1. maka hubungan tersebut disebut

sebagai korelasi sempurna atau hubungan linear sempurna dengan kemiringan
(slope) negatif. Dalam korelasi sempurna tidak diperlukan lagi pengujian
hipotesis, karena kedua variabel mempunyai hubungan linear yang sempurna.
Artinya variabel X mempengaruhi variabel Y secara sempurna. Jika korelasi
sama dengan nol (0), maka tidak terdapat hubungan antara kedua variabel
tersebut. Dalam korelasi sebenarnya tidak dikenal istilah variabel bebas dan
variabel tergantung. Biasanya dalam penghitungan digunakan simbol X untuk
variabel pertama dan Y untuk variabel kedua. Dalam contoh hubungan antara
variabel remunerasi dengan kepuasan kerja, maka variabel remunerasi
merupakan variabel X dan kepuasan kerja merupakan variabel Y. 3
 15

 Koefesien Korelasi

Koefesien korelasi ialah pengukuran statistik kovarian atau asosiasi

antara dua variabel. Besarnya koefesien korelasi berkisar antara +1 s/d -1.
Koefesien korelasi menunjukkan kekuatan (strength) hubungan linear dan
arah hubungan dua variabel acak. Jika koefesien korelasi positif, maka kedua
variabel mempunyai hubungan searah. Artinya jika nilai variabel X tinggi,
maka nilai variabel Y akan tinggi pula. Sebaliknya, jika koefesien korelasi
negatif, maka kedua variabel mempunyai hubungan terbalik. Artinya jika
nilai variabel X tinggi, maka nilai variabel Y akan menjadi rendah (dan
sebaliknya). Untuk memudahkan melakukan interpretasi mengenai kekuatan
hubungan antara dua variabel penulis memberikan kriteria sebagai berikut: 3

0 : Tidak ada korelasi antara dua variabel

>0 – 0,25 : Korelasi sangat lemah

>0,25 – 0,5 : Korelasi cukup

>0,5 – 0,75 : Korelasi kuat

>0,75 – 0,99: Korelasi sangat kuat

1 : Korelasi sempurna

 Signifikansi

Kata, “significant” mempunyai makna penting; sedang dalam pengertian

statistik kata tersebut mempunyai makna “benar” tidak didasarkan secara
kebetulan. Hasil riset dapat benar tapi tidak penting. Signifikansi/ probabilitas
/ α memberikan gambaran mengenai bagaimana hasil riset itu mempunyai
kesempatan untuk benar. Jika kita memilih signifikansi sebesar 0,01, maka
artinya kita menentukan hasil riset nanti mempunyai kesempatan untuk benar
sebesar 99% dan untuk salah sebesar 1%.3
 16

Secara umum kita menggunakan angka signifikansi sebesar 0,01; 0,05

dan 0,1. Pertimbangan penggunaan angka tersebut didasarkan pada tingkat
kepercayaan (confidence interval) yang diinginkan oleh peneliti. Angka
signifikansi sebesar 0,01 mempunyai pengertian bahwa tingkat kepercayaan
atau bahasa umumnya keinginan kita untuk memperoleh kebenaran dalam
riset kita adalah sebesar 99%. Jika angka signifikansi sebesar 0,05, maka
tingkat kepercayaan adalah sebesar 95%. Jika angka signifikansi sebesar 0,1,
maka tingkat kepercayaan adalah sebesar 90%.3

Pertimbangan lain ialah menyangkut jumlah data (sample) yang akan

digunakan dalam riset. Semakin kecil angka signifikansi, maka ukuran
sample akan semakin besar. Sebaliknya semakin besar angka signifikansi,
maka ukuran sample akan semakin kecil. Unutuk memperoleh angka
signifikansi yang baik, biasanya diperlukan ukuran sample yang besar.
Sebaliknya jika ukuran sample semakin kecil, maka kemungkinan munculnya
kesalahan semakin ada. 3

Untuk pengujian dalam SPSS digunakan kriteria sebagai berikut: 3

- Jika angka signifikansi hasil riset < 0,05, maka hubungan kedua variabel
signifikan.
- Jika angka signifikansi hasil riset > 0,05, maka hubungan kedua variabel
tidak signifikan. (2)

Interpretasi Korelasi

Ada tiga penafsiran hasil analisis korelasi, meliputi: pertama, melihat

kekuatan hubungan dua variabel; kedua, melihat signifikansi hubungan; dan
ketiga, melihat arah hubungan. Untuk melakukan interpretasi kekuatan
hubungan antara dua variabel dilakukan dengan melihat angka koefesien
korelasi hasil perhitungan dengan menggunakan kriteria sbb: 3

- Jika angka koefesien korelasi menunjukkan 0, maka kedua variabel tidak

mempunyai hubungan
 17

- Jika angka koefesien korelasi mendekati 1, maka kedua variabel mempunyai

hubungan semakin kuat
- Jika angka koefesien korelasi mendekati 0, maka kedua variabel mempunyai
hubungan semakin lemah
- Jika angka koefesien korelasi sama dengan 1, maka kedua variabel
mempunyai hubungan linier sempurna positif.
- Jika angka koefesien korelasi sama dengan -1, maka kedua variabel
mempunyai hubungan linier sempurna negatif. (2)

Interpretasi berikutnya melihat signifikansi hubungan dua variabel

dengan didasarkan pada angka signifikansi yang dihasilkan dari
penghitungan. Interpretasi ini akan membuktikan apakah hubungan kedua
variabel tersebut signifikan atau tidak. 3

Interpretasi ketiga melihat arah korelasi. Dalam korelasi ada dua arah
korelasi, yaitu searah dan tidak searah. Pada SPSS hal ini ditandai dengan
pesan two tailed. Arah korelasi dilihat dari angka koefesien korelasi. Jika
koefesien korelasi positif, maka hubungan kedua variabel searah. Searah
artinya jika variabel X nilainya tinggi, maka variabel Y juga tinggi. Jika
koefesien korelasi negatif, maka hubungan kedua variabel tidak searah. Tidak
searah artinya jika variabel X nilainya tinggi, maka variabel Y akan rendah. 3

Dalam kasus, misalnya hubungan antara kepuasan kerja dan komitmen

terhadap organisasi sebesar 0,86 dengan angka signifikansi sebesar 0 akan
mempunyai makna bahwa hubungan antara variabel kepuasan kerja dan
komitmen terhadap organisasi sangat kuat, signifikan dan searah. Sebaliknya
dalam kasus hubungan antara variabel mangkir kerja dengan produktivitas
sebesar -0,86, dengan angka signifikansi sebesar 0; maka hubungan kedua
variabel sangat kuat, signifikan dan tidak searah. 3

 Koefesien Determinasi

Koefesien determinasi dengan simbol r2 merupakan proporsi

variabilitas dalam suatu data yang dihitung didasarkan pada model statistik.
 18

Definisi berikutnya menyebutkan bahwa r2merupakan rasio variabilitas nilai-

nilai yang dibuat model dengan variabilitas nilai data asli. Secara umum r2
digunakan sebagai informasi mengenai kecocokan suatu model. Dalam
regresi r2 ini dijadikan sebagai pengukuran seberapa baik garis regresi
mendekati nilai data asli yang dibuat model. Jika r2 sama dengan 1, maka
angka tersebut menunjukkan garis regresi cocok dengan data secara
sempurna. 3

Interpretasi lain ialah bahwa r2 diartikan sebagai proporsi variasi

tanggapan yang diterangkan oleh regresor (variabel bebas / X) dalam model.
Dengan demikian, jika r2 = 1 akan mempunyai arti bahwa model yang sesuai
menerangkan semua variabilitas dalam variabel Y. jika r2 = 0 akan
mempunyai arti bahwa tidak ada hubungan antara regresor (X) dengan
variabel Y. Dalam kasus misalnya jika r2 = 0,8 mempunyai arti bahwa
sebesar 80% variasi dari variabel Y (variabel tergantung / response) dapat
diterangkan dengan variabel X (variabel bebas / explanatory); sedang sisanya
0,2 dipengaruhi oleh variabel-variabel yang tidak diketahui atau variabilitas
yang inheren. (Rumus untuk menghitung koefesien determinasi (KD) adalah
KD = r2x 100%) Variabilitas mempunyai makna penyebaran / distribusi
seperangkat nilai-nilai tertentu. Dengan menggunakan bahasa umum,
pengaruh variabel X terhadap Y adalah sebesar 80%; sedang sisanya 20%
dipengaruhi oleh faktor lain. 3

Dalam hubungannya dengan korelasi, maka r2 merupakan kuadrat

dari koefesien korelasi yang berkaitan dengan variabel bebas (X) dan variabel
Y (tergantung). Secara umum dikatakan bahwa r2 merupakan kuadrat
korelasi antara variabel yang digunakan sebagai predictor (X) dan variabel
yang memberikan response (Y). Dengan menggunakan bahasa sederhana r2
merupakan koefesien korelasi yang dikuadratkan. Oleh karena itu,
penggunaan koefesien determinasi dalam korelasi tidak harus
diinterpretasikan sebagai besarnya pengaruh variabel X terhadap Y
mengingat bahwa korelasi tidak sama dengan kausalitas. Secara bebas
 19

dikatakan dua variabel mempunyai hubungan belum tentu variabel satu

mempengaruhi variabel lainnya. Lebih lanjut dalam konteks korelasi antara
dua variabel maka pengaruh variabel X terhadap Y tidak nampak.
Kemungkinannya hanya korelasi merupakan penanda awal bahwa variabel X
mungkin berpengaruh terhadap Y. Sedang bagaimana pengaruh itu terjadi dan
ada atau tidak kita akan mengalami kesulitan untuk membuktikannya. Hanya
menggunakan angka r2 kita tidak akan dapat membuktikan bahwa variabel X
mempengaruhi Y. 3

Dengan demikian jika kita menggunakan korelasi sebaiknya jangan

menggunakan koefesien determinasi untuk melihat pengaruh X terhadap Y
karena korelasi hanya menunjukkan adanya hubungan antara variabel X dan
Y. Jika tujuan riset hanya untuk mengukur hubungan maka sebaiknya
berhenti saja di angka koefisien korelasi. Sedang jika kita ingin mengukur
besarnya pengaruh variabel X terhadap Y sebaiknya menggunakan rumus
lain, seperti regresi atau analisis jalur. 3

 Contoh Pada SPSS

Lihat hasil output di jendela SPSS Output Viewer dan berikan penafsiran
atas hasil perhitungan yang muncul. 4
 20

Penafsiran Hasil Korelasi: 4

Arti Angka Korelasi

Ada dua tanda dalam penafsiran korelasi melalui nilai koefisien, yaitu
tanda (+) dan (-) yang berhubungan dengan arah korelasi, serta menyatakan
kuat tidaknya korelasi. 4

Signifikansi Hasil Korelasi

Berdasarkan nilai Signifikansi, kita bisa mengambil simpulan atas

hipotesis: 4

H0 = Tidak ada hubungan (korelasi) antara dua variabel.

H1 = Ada hubungan (korelasi) antara dua variabel.

Uji dilakukan dua sisi / arah / tailed (ekor).

Dasar pengambilan keputusan berdasarkan probabilitas menggunakan

kriteria : 4

– Jika probabilitas > 0,05 (atau 0,01), maka H0 diterima.

– Jika probabilitas < 0,05 (atau 0,01), maka H0 ditolak.

Berdasarkan acuan penafsiran diatas, contoh perhitungan korelasi pearson

menggunakan data X1,X2, X3, dan Y maka salah satu tafsiran yang dapat
kita berikan adalah; 4

Korelasi X1 dan Y memiliki nilai 0,342 yang dapat dikategorikan

memiliki hubungan yang lemah dan berdasarkan uji signifikasi hasilnya
menunjukkan nilai 0,140 yang berarti asosiasi kedua variabel adalah tidak
signifikan. 4

Demikian cara menghitung korelasi pearson dengan SPSS 17 dengan

contoh korelasi X1-Y. Perhitungan korelasi lainnya seperti korelasi Kendall’s
tau-b ataupun korelasi Rank Spearman dapat dilakukan dengan cara yang
 21

hampir sama dengan perhitungan korelasi pearson. Tinggal sesuaikan saja

jenis data yang dimiliki dengan metoda perhitungan yang tepat. 4

4. Jenis-jenis uji statistik

Uji statistik korelasi

Terdapat tiga macam hubungan antar variabel, yaitu hubungan simetri,

hubungansebeb akibat dan hubungan interaktif. Untuk mencari hubungan
antara dua variabel atau lebih dilakukan dengan menghitung korelasi antar
variabel yang akan dicari hubungannya. Korelasi merupakan angka yang
menunjukkan arah dan kuatnya hubungan antar dua variabel atau lebih. Arah
dinyatakan dalam bentuk hubungan positif atau negatif, sedangkan kuatnya
hubungan dinyatakan dalam besarnya koefisien korelasi. 5

Hubungan dua variabel atau lebih dinyatakan positif, bila nilai suatu
variabel ditingkatkan, maka akan meningkatkan variabel yang lain dan
sebaliknya bila suatu variabel diturunkan maka akan menurunkan variabel
lain. Sebagai contoh, ada hubungan positif antara tinggi badan dengan
kecepatan lari, hal ini berarti semakin tinggi badan orang, maka akan semakin
cepat larinya, dan semakin pendek orang maka akan semakin lambat larinya. 5

Hubungan dua variabel atau lebih dinyatakan negatif, bila satu dari
variabel dinaikkan maka akan menurunkan nilai variabel lain, dan juga
sebaliknya bilai variabel diturunkan, maka akan meningkatkan nilai variabel
lain. Contoh misalnya ada hubungan negatif antara curah hujan dengan es
yang terjual. Hal ini berarti semakin tinggi curah hujan, maka akan semakin
sedikit es yang terjual dan semakin sedikit curah hujan, maka akan semakin
banyak es yang terjual. 5
 22

Berikut ini merupakan panduan interpretasi hasil uji hipotesis berdasarkan

kekuatan korelasi, arah korelasi, nilai p, dan klinis. 5

Parameter Nilai Interpretasi

Kekuatan korelasi 0,0 - <0,2 Sangat lemah
secara statistik 0,2 - <0,4 Lemah
0,4 - <0,6 Sedang
0,6 - <0,8 Kuat
0,8 - <1,00 Sangat kuat
Arah korelasi Positif Semakin tinggi
variabel a maka
semakin tinggi
variabel b
Negatif Semakin tinggi
variabel a maka
semakin rendah
variabel b
Nilai p p>0,05 Korelasi tidak
bermakna
p<0,05 Korelasi bermakna
Kemaknaan klinis r yang di peroleh < r Korelasi tidak
minimal (r pada bermakna
penelitian
sebelumnya)
r yang di peroleh > r Korelasi bermakna
minimal (r pada
penelitian
sebelumnya)
 23

Terdapat macam-macam teknik statistik korelasi yang dapat di gunakan,

berikut ini merupakan skema tentang pemilihan teknik korelasi: 5

Linear Pearson
Sebaran
Normal
Tidak Linear Tidak
Interval/Ratio-
dilakukan
interval/Ratio

Sebaran Linear Spearman

Tidak Normal
Tidak
Tidak Linear
dilakukan

Linear Spearman
Interval/Ratio -
Ordinal Tidak
Tidak Linear dilakukan

Interval/Ratio-
korelatif Eta
Nominal
Spearman

Ordinal-Ordinal Gamma

Somers’d

Ordinal- Eta
Nominal

Nominal- Koefisien
Nominal kontingensi
 24

Dengan panduan diagram diatas dapat diambil kesimpulan berikut : 5

1. Korelasi antar variabel numerik dengan numerik paling tidak salah satu
berdistribusi normal menggunakan uji Pearson
2. Korelasi antar variabel numeri dengan numerik yang berdistribusi tidak
normal menggunakan uji Spearman
3. Korelasi antar variabel numerik dengan ordinal menggunakan uji spearman
4. Korelasi antar variabel numerik dengan nominal menggunakan uji Eta
5. Korelasi antar variabel ordinal dengan ordinal menggunakkan uji spearman
6. Korelasi antar variabel ordinal dengan nominal menggunakan uji Eta
7. Korelasi antar variabel nomnila dengan ordinal menggunakan uji koefisien
kontingensi.

Uji Komparatif
A. Jenis-jenis Komparatif5
Jenis-jenis komparatif dibagi menjadi beberapa macama, yaitu:
a. Komparatif kategorik bila variabel yang dicari hubungannya adalah
variabel kategorik dengan variabel kategorik
b. Komparatif numerik bila variabel yang dicari hubungannya adalah
variabel kategorik dengan variabel numerik
c. Komparatif rate bila salah satu variabel yang dibandingkan adalah
variabel kategorik AUC.
d. Komparatif AUC bila variabel yang dibandingkan adalah variabel
kategorik AUC
e. Komparatif kesesuain kategorik bila variabel yang dicari kesesuaiannya
adalah variabel kategorik. Komparatif kesesuaian numerik bila variabel
yang dicari kesesuaiannya adalah variabel numerik.
B. Pasangan dan jumlah kelompok5
a. Ilustrasi satu : dua kelompok tidak berpasangan
Seorang peneliti membandingkan kadar gula darah perokok dan bokan
perokok. Gula darah perokok adalah satu kelomppok data sedangkan
 25

gula darah bukan perokok adalah satu kelompok data yang lain. Dengan
demikian, dari segi jumlah, terdapat dua kelompok. Sedangkan dari segi
berpasangan data tidak berpasangan karena individu dari dua kelompok
berbeda
b. Ilustrasi dua : dua kelompok berpasangan
Ada sekelompok mahasiswa yang diukur berat badannya dua kali, yaitu
pada januari dan februari 2003, data berat badan pada januari adalah satu
kelompok data pada februari adalah kelompok data yang lain. Terdapat
dua kelompok data. Dari segi berpasangan, data berpasangan karena
individu dari kedua kelompok data adalah individu yang sama.
c. Ilustrasi tiga : kelompok berpasangan karena matching
Ilustrasi sama dengan ilustrasi pertama hanya saja dilakukan proses
mathcing setiap subjek perokok dicarikan pasangan dari subjek perokok
dengan karakteristik yang sama berdasarkan usia dan jenis kelamin. Dari
segi jumlah, ia mempunyai dua kelompok, sedangkan dari segi
berpasangan, ia mempunyai data yang berpasangan karna proses
matching.
d. Ilustrasi empat: kelompok berpasangan karena desaign crossover
Data berpasangan bisa juga diperoleh dalam suatu uji klinis yang
menggunakan desaign cross over. Pada desaign ini, seorang pasien
diminta menggunakan obat A dan B secara berurutan dalam waktu
tertentu, kemudian dilihat hasil masing-masingnya. Data ini dinilai
berpasangan karena berasal dari individu yang sama
e. Ilustrasi lima : kelompok berpasangan karena diambil dari bagian tubuh
byang berbeda pada subjek yang sama.
Peneliti hendak membandingkan kadar IgE pada lesi dermatitis atopik
dan kulita normal pada subjek yang sama. Data ini merupakan data yang
berpasangan.
 26

Tabel 4 Macam Uji Hipotesis6

T-test
Statistik Parametris yang digunakan untuk menguji hipotesis
komparatif rata-rata dua sampel bila datanya berbentuk interval atau ratio
menggunakan t-test. Contoh pengujian hipotesisnya yaitu: 7
Ho : Tidak terdapat perbedaan nilai produktivitas kerja pegawai antara
sebelum dan setelah mendapat kendaraan dinas.
Ha : Terdapat perbedaan nilai produktivitas kerja pegawai antara sebelum
dan setelah mendapat kendaraan dinas.
Mc Nemar Test
Teknik statistik ini digunakan untuk menguji hipotesis komparatif dua
sampel yang berkorelasi bila datanya berbentuk nominal atau diskrit.
Rancangan penelitian biasanya berbentuk “ before after”. Jadi hipotesis
penelitian merupakan perbandingan antara nilai sebelum dan sesudah ada
 27

perlakuan /treatment. Test Mc Nemar berdistribusi Chi Kuadrat ( λ 2 ). Contoh

pengujian Hipotesisnya yaitu: 7
Ho : Tidak terdapat perubahan (perbedaan) penjualan sebelum
dan sesudah ada sponsor.
Ha : Terdapat perubahan penjualan sebelum dan sesudah ada sponsor.

Sign Test (Uji Tanda)

Sign test digunakan untuk menguji hipotesis komparatif dua sampel
yang berkorelasi, bila datanya berbentuk ordinal. Teknik ini dinamakan uji
tanda (sign test) karena data yang akan dianalisis dinyatakan dalam bentuk
tanda-tanda, yaitu tanda positif dan negatif. Misalnya dalam suatu eksperimen,
hasilnya tidak dinyatakan berapa besar perubahanya secara kuantitatif, tetapi
dinyatakan dalam bentuk perubahan yang positif dan negatif. 7
Hipotesis nol (Ho) yang diuji adalah : p (XA > XB ) = P (XA < XB ) =
0,5. Peluang berubah dari XA ke XB = peluang berubah dari XB ke XA = 0,5,
atau peluang untuk memperoleh beda yang bertanda positif sama dengan
peluang untuk memperoleh beda yang negatif. Jadi kalau tanda positif jauh
lebih banyak dari negatifnya, dan sebaliknya, maka Ho ditolak. XA = nilai
setelah ada perlakuan (treatment) dan XB = nilai sebelum ada kelompok yang
diobservasi. Bila jarak antara median dengan tanda positif dan negatif sama
nol, maka Ho diterima. Contoh pengajuan Hipotesisnya yaitu: 7
Ho : Tidak terdapat perbedaan pengaruh yang signifikan insentif terhadap
kesejahteraan keluarga baik menurut suami maupun istri.
Ha : Terdapat pengaruh positif dan signifikan kenaikan insentif yang
diberikan oleh perusahaan terhadap kesejahteraan keluarga
baik menurut suami maupun isteri.

Wilcoxon Match Pairs Test

Teknik ini merupakan penyempurnaan dari uji tanda. Kalau dalam uji
tanda besarnya selisih nilai angka antara positif dan negatif tidak
diperhitungkan, sedangkan dalam uji Wilcoxon ini diperhitungkan. Seperti
 28

dalam uji tanda, teknik ini digunakan untuk menguji hipotesis komparatif dua
sampel yang berkorelasi bila datanya berbentuk ordinal (berjenjang). Contoh
pengujian hipotesisnya: 7
Ho :AC tidak berpengaruh terhadap produktivitas kerja pegawai.
Ha :AC berpengaruh terhadap produktivitas kerja pegawai.

Sampel Independen (Tidak Berkorelasi)

Menguji hipotesis dua sampel independen adalah menguji
kemampuan generalisasi rata–rata data dua sampel yang tidak berkorelasi.
Misalnya perbandingan penghasilan petani dan nelayan, disiplin kerja pegawai
negeri dan swasta. Teknik statistik yang digunakan untuk menguji hipotesis
komparatif, tergantung jenis datanya. Teknik statistik t-test adalah merupakan
teknik statistik parametris yang digunakan untuk menguji komparasi data ratio
atau interval, sedangkan statistik nonparametris yang dapat digunakan adalah:
median test , mann-Whitney, kolmogorov smirnov, fisher exact, chi kuadrat,
test run wald-Wolfowitz. Statistik nonparametris digunakan untuk menguji
hipotesis bila datanya nominal dan ordinal. 7

T-test
Terdapat 2 rumus t-test yang dapat digunakan untuk menguji hipotesis
komparatif dua sampel independen yaitu: 7
Terdapat beberapa pertimbangan dalam memilih rumus t-test yaitu:
a). Apakah dua rata rata itu berasal berasal dari dua sampel t-test yang
jumlahnya sama.
b). Apakah varians data dari dua sampel itu homogen atau tidak.

Chi Kuadrat (λ2) dua sampel

Chi kuadrat digunakan untuk menguji hipotesis komparatif dua sampel
bila datanya berbetuk nominal dan sampelnya besar. Cara perhitungan dapat
menggunakan rumus yang telah ada, atau dapat menggunakan tabel
kontingensi 2 x 2 (dua baris x dua kolom ). 7
 29

Tabel 5 Chi Kuadrat (λ2) dua sampel

Kelompok Tingkat pengaruh perlakuan Jumlah
Berpengaruh Tidak sampel
berpengaruh
Kelompok A B a+b
eksperimen
Kelompok C D C+d
kontrol
Jumlah a+c b+d N

Fisher Exact Probability Test

Test ini digunakan untuk menguji signifikansi hipotesis komparatif dua
sampel kecil independen bila datanya berbentuk nominal. Untuk sampel yang
besar digunakan chi Kuadrat Adapun rumus untuk pengujian fisher yaitu:
Test Median (Median Test) 7
Test median digunakan untuk menguji signifikansi hipotesis
komparatif dua sampel independen bila datanya berbrntuk nominal atau
ordinal. Pengujian didasarkan atas median dari sampel yang diambil secara
random. Dengan demikian Ho yang akan diuji berbunyi: tidak terdapat
perbedaan dua kelompok populasi berdasarkan mediannya.Untuk
menggunakan test median, maka pertama–tama harus dihitung gabungan dua
kelompok (median untuk semua kelompok). Selanjutnya dibagi dua, dan
dimasukkan ke dalam tabel seperti berikut: 7
Tabel 6 Test Median
Kelompok Kel.I Kel.II Jumlah
>Median A B A+B
Gabungan
≤Median C D C+D
Gabungan
Jumlah A+C=n1 B+D=n2 N=n1 ˧ n2
 30

Mann-Whitney U-Test
U Test ini digunakan unutuk menguji hipotesis komparatif dua sampel
independen bila datanya berbentuk ordinal. Bila dalam suatu pengamatan data
berbentuk interval, maka perlu dirubah dulu ke dalam data ordinal. Bila data
masih berbentuk interval, sebenarnya dapat menggunakan t-test untuk
pengujiannya, tetapi bila asumsi t-test tidak dipenuhi (misalnya data harus
normal), maka test ini dapat digunakan. 7
Terdapat dua rumus yang digunakan untuk pengujian, digunakan dalam
perhitungan, arena akan digunakan untuk mengetahui harga U mana yang lebih
kecil. Harga U yang lebih kecil tersebut yang digunakan untuk pengujian dan
membandingkan dengan U tabel.Adapun rumus yang digunakan yaitu: 7
U 1 = n1 n2 +
Dan
U 2 = n1 n2 +

Keterangan:
n1= Jumlah sampel 1
n2= Jumlah sampel 2
U1= Jumlah peringkat 1
U2= Jumlah peringkat 2
R1= Jumlah rangking pada sampel n 1
R1=Jumlah rangking pada sampel n 2

Test Kolmogorov Smirnov Dua Sampel

Test ini digunakan untuk menguji hipotesis komparatif dua sampel
independen bila datanya berbentuk ordinal yang telah tersusun pada tabel
distribusi frekuensi kumulatif dengan menggunakan kelas-kelas interval.
Rumus yang digunakan adalah sebagai berikut: 7
D= maksimum [Sn1 (X) – Sn2 ( X)]

Test Run Wald-Wolfowitz

 31

Test ini digunakan untuk menguji signifikansi hipotesis komparatif dua

sampel independen bila datanya berbentuk ordinal, dan disusun dalam bentuk
run. Oleh karena itu, sebelum data dua sampel (n1 + n2 ) dianalisis maka perlu
disusun terlebih dahulu ke dalam bentuk rangking, baru kemudian dalam
bentuk run. Kriteria pengujian untuk run test adalah bila run hitung lebih besar
atau sama dengan run dari tabel untuk taraf kesalahan tertentu, maka Ho
diterima (r hitung ≥ r tabel, Ho diterima). 7

Komparatif K Sampel
Komparatif k sampel dilakukan pada sampel yang jumlahnya lebih dari
dua misalnya 3,4 atau 10 kelompok sampel. Pengujian hipotesis komparatif k
sampel akan lebih efisien karena tidak harus melalui antar dua sampel. Untuk
tiga sampel (X1: X2 : X3) akan dilakukan tiga kali pengujian bila melalui antar
dua sampel. Untuk n kelompok sampel akan dilakukan n (n-1) :2 pengujian.
Misalnya untuk 10 sampel akan dilakukan 10 (10-1) :2=45 kali pengujian. 7
 32

Daftar Pustaka

1. Sokidjo N. Metodologi Penelitian Kesehatan. Jakarta: PT Rineka Cipta;

2015.
2. Nasution S. Metode Research. Jakarta: Bumi Aksara; 2006.
3. Kuzma JW, Bohnenblust S. Basic Statistic for the Health Sciences 4th ed.
USA: McGraw Hill; 2005.
4. Fraenkel J.R, Wellen N.E. How to Design and Evaluate research in
Education. New York: McGraw-Hill; 2008
5. Dahlan S. Statistik untuk Kedokteran dan Kesehatan. Jakarta: Salemba
Medika; 2011.
6. McMilan J, Schumacher S. Research in Education. New York: Longman;
2003.
7. Suryabrata, Sumadi. Metodologi Penelitian. Jakarta: Raja Grafindo
Persada; 1994.