4 Seri Evidence Based Medicine 1 M. Sopiyudin Dahlan SCS eT MCSA ETCT) Ge Penerbit '=F2| Salemba Medika ee a OMe aA moe“LIHATLAH GAMBARAN BESARNYA. BABI TEORI SEDERHANA PROSEDUR PEMILIHAN UJI HIPOTESIS 1. Pembaca memahami Statistik Deskriptif. 2. Pembaca mampu memahami alur berpikir yang benar untuk menentukan uji hipotesis yang sesuai secara teoretis untuk analisis bivariat: Hipotesis komparatif skala pengukuran numerik, dua kelompok data. Hipotesis komparatif skala pengukuran numerik > 2 kelompok data. Hipotesis komparatif skala pengukuran kategorik kelampok data tidak berpasangan. Hipotesis komparatif, skala pengukuran kategorik, kelompok data berpasangan. e. Hipotesis korelatif. Pembaca mampu memahami alur berpikir yang benar untuk me- nentukan uji hipotesis yang sesuai secara teoretis untuk analisis multivariat. Di manakita berada? |. Satistik deskriptif analisis bivariat dan multivariat A. STATISTIK DESKRIPTIF Statistik deskriptif akan membawa Anda pada pemahaman: tentang karakteristik data yang Anda miliki. Statistik deskriptif ini harus sclalu mendahului statistik analitis. Karena pentingnya statistik deskriptif ini, para ahli selalu mengatakan: Know your data, what kind of data you have! Berikut ini merupakan catatan utama berkaitan dengan statistik deskriptif.2. Statistik untuk Kedokteran dan Kesehatan 1. Variabel kategorik Berkaitan dengan gambaran karakteristik satu set data dengan skala pengukuran kategorik, Anda mengenal istilah jumlah atau frekuensi tiap kategori (n) dan persentase tiap kategori (%) yang umumnya disajikan dalam bentuk tab-L~s--—~--61 7 % Jenis Kelamin Lakislaki za @ Perempuan 28 56 Tingkat Pendidikan Rendah 10 20 Sedang a eal Tinggi 15 30 Total 50 100 Tabel 1.1 Contoh deskripsi variabel kategorik dalam bentuk tabel Grafik, Sebaran responden berdasarkan tingkat pondielkan sedong ros tingkat pendidikan Gambar 1.1 Contoh penyajian variabel kategorik dalam bentuk grafik batang Berikut ini merupakan contoh penyajian variabel dengan skala pengukuran kategorik dalam bentuk grafik batang. 2. Variabel numerik Berkaitan dengan gambaran karakteristik satu set data dengan skala pengukuran numerik, Anda mengenal dua parameter yang lazim digunakan, yaitu parameter ukuran pemusatan dan parameter ukuran penyebaran. Anda mengenal beberapa parameter untuk ukuran pemusatan, yaitu mean, median, dan modus. Untuk parameter ukuran penycbaran, Anda mengenal standar deviasi, varians, koefisien varians, interkuartil, range, dan minimum-maksimum. Data variabel dengan skala pengukuran numerik umumnya disajikan dalam bentuk tabel dan grafik (histogram dan plots). Berikut ini merupakan contoh penyajianTeori Sederhana Prosedur Pemilinan Uji Hipotesis 3 variabel dengan skala pengukuran numerik dalam bentuk tabel dan histogram. Tabel 1.2 Contoh penyajian variabel numerik dalam bentuk tabel Variabel Rerata Median Simpang Baku Minimum ___Maksimum, Usia 46,69 47 12,56 15 69 Berat Badan 50,4 50 8,33 45 84 Wigan * * so Se Gambar 1.2 Contoh penyajian variabel numerik dalam bentuk histogram Kapan Anda memilih mean, median atau modus sebagai ukuran pemusatan? Kapan pula Anda memilih standar deviasi atau minimum- maksimum sebagai ukuran penyebaran? CATATAN Jika data mempunyai distribusi normal, Anda dianjurkan untuk memitih mean sebagai ukuran pemusatan dan standar deviasi (SD) sebagai ukuran penyebaran. Dalam kasus di atas (Tabel 1.2), jika variabel usia mempunyai distribusi normal, Anda menuliskan: Rerata usia responden adalah 46,69 (SD 12,56). Jika distribusi data tidak normal, Anda dianjurkan untuk memilih median sebagai ukuran pemusatan dan minimum-maksimum sebagai ukuran penyebaran. Dalam kasus di atas (Tabel 1.2), jika variabel usia berdistribusi tidak normal, Anda dianjurkan untuk menuliskan rerata usia respenden adalah 47 (15-69). Untuk mempelajari bagaimana membuat deskripsi variabel kategorik, deskripsi variabel numerik, dan bagaimana cara mengetahui distribusi suatu variabel numerik memiliki distribust normal atau tidak dengan menggunakan SPSS, silakan pelajari Bab Il.4. Statistik untuk Kedokteran dan Kesehatan B. STATISTIK ANALITIS BIVARIAT Pertanyaan yang sering muncul dalam analis is data adalah: Uji bipotesis apa yang Anda pakai untuk menguji set data yang Anda miliki? Jawabannya tentu saja: Anda menggunakan uji hipotesis yang sesuai, Uji hipotesis yang sesuai akan membawa kita pada pengambilan kesimpulan yang sahih. Akan tetapi, untuk mencapai keputusan untuk menggunakan uji tertentu, tentu saja harus didasari berbagai pertimbangan, Pertimbangan apa saja yang harus kita pikirkan untuk menentukan uji bipotesis? Tahukah Anda dengan berpedoman pada tabel uji hipotesis (Tabel 1.3) ‘Anda sudah bisa menentukan sebagian besar uji hipotesis yang sesuai dengan set data yang ‘Anda miliki? Tabel 1.3 Tabel uji hipotesis bivariat Masaiah Skala Janis ipolests (as0s725) pengukuran Komparatit Tidak berpasangan Berpasangan Kovelatt Numerik ‘2 kefompok 2 ‘Zkelompok | > 2 kelompa kketompok Ujttidak One way uit Repeated Pearson* berpasangan | ANOVA | berpasangan | ANOVA 94+ Mann Whitney | Kruskals | Wiicoxon | Friedman Spearman Walle Somers'd Gamma Kategorie ChiSquare MeNemar, Coahran Koatision (NaminalOrinal Fichor Marginal Hamoganeity kontingonsi Koimagorev-Smirrov Wilcoxon, Frieeman’ Lambda (label 8 x) (prinsip Px K) Keterangan: 1. Uji dengan tanda * merupakan uji parametrik, 2. Tanda panah ke bawah menunjukkan uji alternatif jika syarat uji parametrik tidak terpenuhi. 3. Untuk hipotesis komparatif numerik, perlu diperhatikan banyaknya kelompok. 4. Untuk hipotesis komparatif kategorik tidak berpasangan, pemilihan uji menggunakan “tabel B x kK”. 5. Untuk hipotesis komparatif kategorik berpasangan, pemilihan uji menggunakan “prinsip P x K”.Teori Sederhana Prosedur Pemilinan Uji Hipotesis 5 Dengan berpedoman pada tabel di atas, sesungguhnya Anda sudah dapat menentukan uji hipotesis yang sesuai dengan set data yang Anda miliki. Langkah-langkah penggunaan tabel uji hipotesis adalah sebagai berikut. Menentukan variabel yang dihubungkan. Menentukan jenis hipotesis. Menentukan masalah skala pengukuran. Menentukan berpasangan/tidak berpasangan. Menentukan jumlah kelompok atau menentukan jenis tabel Bila jenis hipotesis komparatif numerik, tentukan banyaknya kelompok. hipotesis komparatif kategorik tidak berpasangan, rentukan jenis tabel B x K. Bila jenis hipotesis komparatif kategorik berpasangan, tentukan jenis “prinsip P x K”. Dengan demikian, Anda dapat menentukan uji hipotesis bivariat dengan berpedoman pada Tabel 1.3 dengan syarat Anda harus memahami beberapa istilah: Skala pengukuran: kategorik atau numerik. Jenis hipotesis: komparatif atau korelatif. Masalah skala pengukuran: numerik atau kategorik. Pasangan: berpasangan atau tidak berpasangan. Jumlah kelompok: 2 kelompok atau > 2 kelompok. Syarat uji parametrik dan nonparametrik. Prinsip tabel B x K dan P x K. Ne eee Marilah kita bahas pengertian dasar dari istilah-istilah tersebut satu demi satu. INGAT! Pemahaman ketujuh istilah ini sangat penting. Oleh karena itu, fokuslah untuk memahami tujuh istilah ini.& Statistik untuk Kedokteran dar Kesehatan Istilah pertama: Skala pengukuran variabel Pemahaman tentang skala pengukuran variabel, menggambarkan pemahaman terhadap data yang Anda miliki. Pada tabel uji hipotesis (Tabel 1.3), skala pengukuran variabel dibagi __- menjadi kategorik (nominal-ordinal) dan numcrik (rasio- interval). Apa yang dimaksud dengan skala pengukuran variabel? Lihatlah dengan saksama Tabel 1.4. Dengan melihat Tabel 1.4, apakah Anda dapat membedakan variabel kategorik (nominal-ordinal) dan numerik (rasio-interval) Apakah perbedaannya? Dapatkah Anda memberikan contoh lainnya? Tabel 1.4 Skala pengukuran variabel ‘SKALA PENGUKURAN NUMERIKI NON KATEGORIK? KATEGORIK’ KUALITATIF ROS Nominal Interv Contoh : Jenis Kelamin Contoh : Suu Badan Lakisaki Perempuan ‘Ordinal Rasio Conteh : Tingkat pendiikan Contoh : - Berat Badan Pendidikan rencah Tinggi badan Pendidikan menangah Kadar gula darah Pendidikan tinggi Kadar Kolesteral Kiasifikasi Kadar Kolesterol Rendah Normal Tinggi Kesepakatan Dalam berbagai buku rujukan, ada beberapa istilah yang digunakan dalam klasifikasi skala pengukuran antara lain kategorik-nonkategorik dan kualitatif-kuantitatif. Dalam program SPSS, digunakan istilah scale untuk istilah kuantitatif dan nonkategorik. Dalam buku ini, penulis memakai istilah kategor#k untuk mewakili istilah kualitatif dan istilah mumerik untuk mewakili istilah nonkategorik dan kuantitatif. Nominal dan Ordinal (Kat egorik) Variabel nominal dan variabel ordinal disebut sebagai variabel karegorik karena variabel tersebut mempunyai kategori variabel. Sebagai contoh ‘Jenis kelamin’ adalah variabel, sedangkan ‘laki-laki’Teori Secerhana Prosedur Pemilinan Uji Hipotesis 7 dan ‘perempuan’ adalah kategori variabel, ‘Klasifikasi kadar kolesterol’ adalah variabel, sedangkan ‘baik’, ‘sedang’, dan ‘buruk’ adalah kategorinya. Berdasarkan kategori inilah Anda dapat membedakan variabel nominal dan variabel ordinal. Variabel nominal mempunyai kategori yang sederajat atau tidak bertingkat (contoh: variabel jenis kelamin dengan kategori laki-laki dan perempuan) sedangkan variabel ordinal mempunyai kategori yang tidak sederajat atau kategori yang bertingkat (contoh: variabel kolesterol dengan kategori kadar kolesterol baik, kadar kolesterol sedang, dan kadar kolesterol buruk). Rasio dan Interval (Numerik) Variabel rasio dan interval disebut sebagai variabel numerik karena variabel tersebut tidak mempunyai kategori variabel. Anda dapat membedakan variabel rasio dan interval berdasarkan nilai nolnya. Apabila variabel tersebut mempunyai nilai nol alami (seperti tinggi badan, berat badan, jarak), maka Anda menyebutnya sebagai variabel rasio. Apabila variabel tersebut tidak mempunyai nilai nol alami (seperti suhu), maka Anda menycbutnya scbagai variabel interval. Perhatikan bahwa nol derajat pada skala Celcius berbeda dengan nol derajat pada skala Fahrenheit!!! Lambang skala pengukuran dalam SPSS Perhatikan lambang skala pengukuran variabel yang dapat Anda temukan pada program SPSS. Program SPSS tidak membedakan variabel rasio dengan interval. Dalam SPSS, variabel rasio dan interval disebut sebagai variabel scale. Anda perhatikan, bahwa variabel scale dilambangkan dengan sebuah penggaris untuk mewakili contoh variabel scale (ukuran panjang § Nominal Gambar 1.3 Simbol skala pengukuran pada SPSS adalah salah satu contoh variabel scale). Variabel ordinal dilambangkan dengan suatu tangga bertingkat untuk menunjukkan kategori dalam variabel ordinal tidak sederajat. Adapun variabel nominal dilambangkan dengan bulatan-bulatan bola untuk menunjukkan kategori dalam variabel nominal adalah sederajat.B Statistik untuk Kedokteran dam Kesehatan Istilah kedua: Jenis hipotesis \ Anda harus mengetahui apa yang dimaksud dengan ji hipotesis, hipotesis komparatif, dan hipotesis korelatif. Uji hipotesis adalah metode untuk mengetahui hubungan (association) antara variabel yang bisa dilakukan dengan dua cara, yaitu secara komparatif (comparation) dan korelatif (correlation). Hal itulah yang mendasari pembagian uji hipotesis menjadi hipotesis komparatif dan hipotesis korelatif. Kesepakatan Dalam bahasa Inggris, terdapat perbedaan yang cukup jelas antara association, comparation, dan correlation. Akan tetapi, ketika diterjemahkan ke dalam bahasa Indonesia, ketiga kata tersebut diterjemahkan menjadi bubungan. Akibatya, dalam bahasa Indonesia, pengertian “mencari hubungan’ bisa berarti mencari hubungan secara komparatif maupun secara korelatif, Kalau kita membaca kata ‘mencari hubungan’, maka akan timbul kerancuan apakah yang dimaksud adalah mencari hubungan secara komparatif atau secara korelatif. Untuk menghindari kerancuan tersebut, dalam buku ini diambil kesepakatan sebagai berikut. Pada tabel uji hipotesis, jenis hipotesis dibagi menjadi dua, yaitu komparatif dan korelatif. Untuk membedakannya, perhatikan contoh sebagai berikut. Untuk menunjukkan bahwa metode yang dipakai untuk mencari hubungan antarvariabel adalah metode komparatif, maka digunakan kata fubungan atau perbandingan. Sedangkan untuk menunjukkan bahwa metode yang digunakan untuk mencari hubungan antarvariabel adalah metode korelatif, maka digunakan kata korelasi. 1. Pertanyaan penelitian untuk hipotesis komparatif Apakah terdapat perbedaan rerata kadar gula darah antara kelompok yang mendapat pengobatan glibenklamid dan kelompok plasebo? @ Apakah terdapat bubwagan antara kadar gula darah dengan jenis pengobatan yang diterima (glibenklamid dan plasebo)? @ = Apakah terdapat perbedaan terjadinya kanker paru antara perokok dan bukan perokok? @ = Apakah terdapat bubungan antara perilaku merokok dan terjadinya kanker paru?Teori Sederhana Prosedur Pemilinan Uji Kipotesis 9 2. Pertanyaan untuk hipotesis korelatif 4 Berapa besar korelasi antara kadar trigliserida dan kadar gula darah? Dengan mengamati secara saksama kata kunci pada contoh pertanyaan penelitian di atas, Anda sudah mengetahui perbedaan jenis hipotesis tersebut. Apakah perbedaan hipotesis komparatif dengan korelatif? Perbedaan mendasar pada kedua uji di atas adalah pada output yang ingin diperoleh, Bila peneliti ingin mengetahui asosiasi itu dengan parameter koefisien korelasi (r), maka gunakanlah hipotesis korelatif. Namun apabila parameter yang diinginkan bukan koefisien korelasi tetapi ‘parameter yang lain’, maka gunakanlah hipotesis komparatif. Perlahan-lahan Anda akan belajar kapan memilih hipotesis korelatif dan kapan memilih hipotesis komparatif. Istilah ketiga: Masalah skala pengukuran numerik atau 3\ kategorik ~ Dalam tabel, masalah skala pengukuran dituliskan menjadi numerik dan kategorik. Bagaimana Anda mengelompokkan masalah ke dalam masalah numerik atau kategorik? Berikut ini adalah panduan yang dapat membantu Anda mengelompokkan masalah skala pengukuran. Untuk hipotesis komparatif: - yang dimaksud dengan masalah skala kategorik adalah bila variabel yang dicari asosiasinya adalah variabel kategorik dengan variabel kategorik. ~ yang dimaksud dengan masalah skala numerik adalah bila variabel yang dicari asosiasinya adalah variabel kategorik dengan variabel numerik. Untuk bipotesis korelatif: - yang dimaksud dengan masalah skala kategorik adalah bila salah satu variabel yang dicari asosiasinya adalah variabel kategorik. - yang dimaksud dengan masalah skala numerik adalah bila variabel yang dicari asosiasinya adalah variabel numerik dengan variabel numerik,10 Statist untuk Kedokteran dan Kesehatan Tabel 1.5 Mengidentifikasi jenis analisis bivariat dengan menentukan skala pengukuran variabel Varlabel yang dicari asosiasinya Jenis hipotesis Istilah Variabel 1 Variabel 2 Hipotesis komparatif | ategorik Kategorik Komparatif kategorik Kategorik Numerik Komparatif numerik Numerik Numerik - Hipotesis korelatif | Kategorik Kategorik Korelatif kategorik Kategorik Numerik Korelatif kategorik Numerik Numerik Korelatif numerik Istilan keempat dan kelima: Pasangan dan jumlah kelompok Anda harus mengetahui apa yang dimaksud berpasangan dan tidak berpasangan serta yang dimaksud dengan 2 kelompok dan > 2 kelompok. Penjelasannya dengan mudah dapat dijelaskan dengan contoh sebagai berikut. Ilustrasi satu: dua kelompok tidak berpasangan. Anda mengukur tekanan darah subjek penelitian. Subjek penelitian tersebut berasal dari dua kelompok, yaitu kelompok dacrah rural dan kelompok daerah urban, Nah, data tekanan darah kelompok rural adalah satu kelompok data sedangkan data tekanan darah kelompok urban adalah kelompok data yang lain. Dengan demikian, dari segi jumlah, Anda punya dua kelompok data. Sedangkan dari seg berpasangan, Anda mempunyai kelompok data yang tidak berpasangan karena individu dari kedua kelompok data tersebut berbeda. Tlustrasi dua: dua kelompok berpasangan BX pes Ada sckelompok mahasiswa yang diukur berat badannya 2 ~— sebanyak dua kali, yaitu pada Bulan Januari 2003 dan Bulan Februari 2003. Nab, data berat badan mahasiswa pada Bulan Januari adalah satu kelompok data. Berat badan mahasiswa pada Bulan Februari adalah sekelompok data lagi. Dari segi jumlab, Anda mempunyai dua kelompok data (yaitu berat badan mahasiswa pada Bulan Januari dan Februari). Dari segi berpasangan, Anda mempunyai kelompok data yang berpasangan karena individu dari kedua kelompok data adalah individu yang sama.Teori Sederhana Prosader Pemilihan Uji Hipotesis 14 ga: kelompok berpasangan karena matching g Tlustrasi sama dengan ilustrasi pertama. Anda mengukur tekanan Mustrasi darah subjck penclitian yang berasal dari dua kelompok, yaitu kelompok daerah rural dan kelompok daerah urban. Dalam prosedur pemilihan subjck penelitian, Anda melakukan proses matching, yaitu setiap subjek dari kelompok rural dicarikan pasangannya yang mempunyai karakteristik yang sama dengan subjek dari kelompok urban, Dengan demikian, dari segi jumlah, Anda punya dua kelompok data. Sedangkan dari segi berpasangan, Anda mempunyai kelompok data yang berpasangan karena ada proses matching. Iustrasi empat: kelompok berpasangan karena desain cross over Jenis data kelompok berpasangan bisa juga diperolch pada suatu uji klinis yang menggunakan desain cross over. Pada desain ini, pada periode tertentu subjck penclitian akan menerima obat A. 4. Setelah menyelesaikan obat A, subjek penclitian akan menerima obat B selama periode tertentu. Dengan cara ini, akan diperoleh data ketika subjek penelitian menggunakan obat A dan ketika subjek penclitian menggunakan obat B. Data obat A dengan data obat B dikatakan berpasangan karena data tersebut diperoleh dari individu yang sama. Berpasangan dan tidak berpasangan ua atau lebih kelompok data dikatakan berpasangan apabila data tersebut dariindividu yang sama baik karena pengukuran berulang, proses matching atau karena desain crossover, Oua atau lebih kelompok data dikatakan tidak berpasangan apabila data berasal dari subjek yang berbeda tanpa prosedur matching. Istilah Keenam: Syarat uji parametrik dan \ nonparametrik Anda harus mengerti apa yang menjadi syarat uji parametrik dan nonparametrik. Apa syarat uji parametrik dan nonparametrik? Uji parametrik Untuk uji parametrik, terdapat tiga syarat yang perlu diperhatikan, yaitu skala pengukuran variabel, distribusi data, dan varians data.12 Statist untuk Kedokteran dan Kesehatan 1. Masalah skala pengakuran variabel: Skala pengukuran variabel harus variabel numerik. 2. Distribusi data: distribusi data harus normal. 3. Varians data: a. Kesamaan varians tidak menjadi syarat untuk uji kelompok yang berpasangan. b. Kesamaan varians adalah syarat tidak muttak untuk 2 kelompok tidak berpasangan, artinya varians data boleh sama boleh juga berbeda, c. Kesamaan varians adalah syarat mutlak untuk > 2 kelompok tidak berpasangan artinya varians data harus/wajib sama. Uji nonparametrik Uji nonparametrik digunakan untuk keadaan sebagai berikut. 1. Jika masalah skala pengukuran variabel adalah kategorik (ordinal dan nominal). 2, Jika data dengan masalah skala pengukuran numerik tetapi tidak memenuhi syarat untuk uji parametrik (misalnya distribusi data tidak normal), maka dilakukan uji nonparametrik yang merupakan alternatif dari uji parametriknya. Lihat tanda panah pada tabel uji hipotesis. Alternatif uji t berpasangan adalah uji Wilcoxon. Alternatif uji t tidak berpasangan adalah uji Mann-Whitney. Alternatif uji repeated ANOVA adalah uji Friedman. Alternatif uji one way ANOVA adalah uji Kruskal-Wallis. Lalu, bagaimana Anda mengetahui set data memiliki distribusi normal? Anda dapat mengetahui set data memiliki distribusi normal atau tidak dengan dua metode, yaitu metode deskriptif dan metode analitis. Rincian serta penjelasan kedua metode tersebut dapat dilihat pada Tabel 1.6.Teori Sederhana Prosedur Pemilinan Uji Hipotesis 13 Tabel 1.6 Metode untuk mengetahui suatu set data memiliki distribusi normal atau tidak Kerferajsebaran data Metode Parameter SeieReneae Keterangan| ilai koetisi r $0. Kostisien varian Nim acatsien varians ean 700° ea henna Faso seawnecs isi an erownoss 2d ae ; uaa Rasio kurtosis Nilalrasio kurtosis -2 sid 2 ene ‘Simatris tidak miring Wi Deskriptit Histogram ‘maupun kanan, tidak terlaly tinggi atau terlaly rendah ‘Simetris median tepat di Box plot tengah, tidak ada outlier atau rilai ekstrim. Normal @-G plots Dla menyabar sekitar gars Detrended 0-0 plots ala menyobar sekstar garie pada nilai 0 nate Kolmogorov-Smimov _Nilsi kemaknaan (p) > 0,05 Untuk sampel besar (> 50) alt Sa ‘Shapiro-Wik Nilai kemaknaan (p) > 0,05 Untuk sampel kesil (< $0) Ket: SD= Standar Deviasi, SE = Standar Error, Pembahasan lebih rinci tentang metede untuk menentukan set data memiliki distribusi normal atau tidak dengan menggunakan program SPSS akan dibahas pade Bab II Lalu, bagaimana mengetahui dua buah data atau lebih mempunyai varians yang sama atau tidak? Uji varians (Levene’s test) digunakan untuk mengetahui apakah dua atau lebih kelompok data mempunyai vari: yang sama atau tidak. Jika uji varians menghasilkan nilai p > 0,05, maka varians dari data yang diuji adalah sama (Bagaimana uji kesamaan varians dengan SPSS, silahkan pelajari Bab II dan IV). Istilah ketujuh: Tabel B x K dan prinsip Px K 7 \ Anda harus memahami apa yang dimaksud dengan tabel B \ x K dan prinsip P x K . Pada tabel uji hipotesis, dijelaskan . bahwa tabel Bx K digunakan untuk hipotesis komparatif kategorik tidak berpasangan sedang P x K untuk hipotesis komparatif kategorik berpasangan. Apakah yang dimaksud tabel B x K? B adalah singkatan dari baris dan K dari kolom. Pada baris (B) umummnya diletakkan variabel independen/bebas, sedangkan pada kolom (K) diletakkan variabel dependen/terikat. Jenis tabel ditentukan oleh jumlah baris dan kolomnya. Jika jum- lah baris ada 3 dan kolom 3, maka tabel tersebut disebut tabel 3 x 3. Berikut ini merupakan contoh dari tabel 3 x 3.14 Stalistt untuk Kedokteran dan Kesehatan Tabel 1.7 Contoh tabel silang 3 x 3 Tingkat Rendah Sedang Tinggi "1"! Tingkat Rendah a b c atb+e pendidikan = Sedang d e ft dea+rf Tinggi @ h i gshsi Total a+d+ b+e+h e+fti N Tabel 1,7, merupakan contoh tabel 3 x 3 karena jumlah baris ada 3 dan jumlah kolom ada 3. Baris ada tiga karena tingkat pendidikan dibagi menjadi 3 kategori, yaitu rendah, sedang, dan tinggi. Pada kolom juga terdapat 3 kolom karena tingkat pengetahuan dibagi menjadi 3, yaitu rendah, sedang dan tinggi. Persilangan antara satu kategori dengan karegori lain dinamakan sebagai sel. Pada tabel 3 x 3, terdapat 9 sel yang diberi nama mulai dari sel a sampai dengan sel i. Perhatikan bahwa variabel tingkat pendidikan dan tingkat pengetahuan merupakan variabel kategorik. Hubungan antara dua buah variabel ordinal ini dapat disajikan dalam bentuk tabel silang (tabel Bx K). Apakah yang dimaksud prinsip P x K ? P adalah singkatan dari pengulangan dan K dari kategori. Jenis prinsip P x K ditentukan oleh jumlah pengulangan dan kategori. Jika jumlah pengulangan ada 2 dan kategori ada 2, maka prinsip tersebut disebut 2 x 2, Berikur ini merupakan contoh dari prinsip 2 2. Tabel 1.8 Contoh prinsip 2 x2 Pengetahvan|sesudan penyuluhan Baik Buruk Pengetahuan gai a b arb sebelum penyuluhan Buruk c d c+d are bed NTeori Sederhana Prosedur Pemilinan Uji ipotesis 15 Tabel 1.8, merupakan contoh prinsip 2 x 2 karena jumlah peng- ulangan ada dua dan jumlah kategori ada dua. Pengulangan ada dua karena pengetahuan diukur dua kali, yaitu saat sebelum dan setelah penyuluhan. Kategori ada dua karena variabel pengetahuan dikelompok- kan menjadi dua kategori, yaitu baik dan buruk. Dengan demikian: + Bila pengukuran dilakukan sebanyak tiga kali dan kategori variabel scbanyak dua kategori, maka prinsip Px K yang terjadi adalah 3 x 2. - Bila pengukuran dilakukan sebanyak dua kali dan kategori variabel sebanyak tiga kategori, maka prinsip Px K yang terjadi adalah 2. x 3. INGAT! Sebelum melangkah lebih jauh, sudahkah Anda memahami tujuh istilah ini: 1. Skala pengukuran : kategorik atau numerik. Jenis hipotesis _: komparatif atau korelatif. Masalah skala pengukuran : numerik atau kategorik. Pasangan : berpasangan atau berpasangan. Jumlah kelompok : 2 kelompok atau > 2 kelompok. Syarat uji parametrik dan nonparametrik . Tabel B x K dan prinsip P x K, C. STATISTIK MULTIVARIAT Terdapat dua analisis multivariat yang sering digunakan dalam penelitian kedokteran dan kesehatan, yaitu analisis regresi logistik dan analisis regresi linier. Pemilihan kedua analisis terscbut ditentukan oleh skala pengukuran variabel terikatnya. Bila variabel terikatnya berupa variabel kategorik, maka regresi yang digunakan adalah analisis regresi logistik. Bila vatiabel terikatnya berupa variabel mumerik, maka regresi yang digunakan adalah analisis regresi linier.16 Statist untuk Kedokteran dan Kesehatan Il. Resume Uji Hipotesis A. RESUME ANALISS BIVARIAT Sampai sejauh ini Anda sudah memahami berbagai istilah yang harus Anda ketahui untuk menentukan uji hipotesis yang sesuai dengan set data yang Anda miliki dengan menggunakan. tabel uji hipotesis. Pemaparan berikut akan lebih membantu Anda untuk memahami alur pemikiran menuju hipotesis yang sesuai. Pemaparan akan dikelompok- kan menjadi lima bagian. 1. Resume hipotesis komparatif skala pengukuran numerik. 2, Resume hipotesis komparatif skala pengukuran ordinal. 3. Resume hipotesis komparatif skala pengukuran kategorik tidak berpasangan dalam bentuk tabel B x K. 4. Resume hipotesis komparatif skala pengukuran kategorik berpasangan dalam bentuk P x K. 5. Resume hipotesis korelatif. 1. Resume Uji Hipotesis Komparatif Variabel Numerik Cakupan uji hipotesis komparatif variabel numerik disajikan pada Tabel 1.9. Perhatikan bahwa Tabel 1.9 ini adalah sebagian dari tabel uji hipotesis yang Anda pelajari pada Tabel 1.3. Tabel 1.9 Tabel uji hipotesis: alur menuju pemilihan uji hipotesis komparatif varlabel numerik ‘Masalah skala ‘Jenis hipotesis asosiatit pengukuran Komparalit Tidak berpasangan Berpasangan Numerik 2 kelompok 2 2kelompok | > 2 kelompok kelompok Ujttidak | One way uit Repeated berpasangan | ANOVA | berpasangan ANOVA Mann-Whitney | Kruskal: Wilcoxon Friedman Wallis Untuk variabel numerik, penggunaan tabel uji hipotesis akan lebih mudah dipahami bila dikombinasikan dengan diagram alur sebagai berikur.Teori Sederhama Proseder Pemilihan Uji Hipotesis 17 Hipotesis komparatit Variabel numerik, ‘Sobaran Normal ? YA Uy TIDAK UWJINON Tidak Berpasangan Borpasangan PARAMETRI Jumlah Kelompok ? — Pee 2 Kelompok >2 Kelompok Varions? Vari Berbeda y UJI PARAMETRIK YANG SESUAI Diagram 1.1 Diagram alur uji hipotesis variabel numerik atan Et, panah melengkung pertamat_# menunjukkan upaya yang dilakukan untuk menormalkan distribusi data dari tidak normal menjadi normal. Sedangkan tanda lengkung yang kedua menunjukkan upaya yang dilakukan supaya data yang mempunyai varians berbeda diupayakan untuk mempunyai varians yang sama, Upaya ini dinamakan proses transformasi data. Transformasi dilakukan dengan menggunakan fungsi log, akat, kuadrat, dll, Bila proses transformasi data berhasil, maka proses akan berujung pada uji parametrik, Apabila tidak berhasil, maka proses akan berujung pada uji nonparametrik. Proses transfor- masi data ini belum tentu berhasil. Bagaimana proses transformasi ini dilakukan dengan program SPSS? Silakan pelajari Bab II. 2. Resume Uji Hipotesis Komparatif Variabel Ordinal Cakupan uji hipotesis komparatif variabel ordinal disajikan pada Tabel 1.10. Perhatikan bahwa Tabel 1.10 ini adalah sebagian dari tabel uji hipotesis yang Anda pelajari pada Tabel 1.3.18 Statist untuk Kedokteran dan Kesehatan Tabel 1.10 Tabel uji hipotesis: alur menuju pemilihan uji hipotesis komparatif variabel ordinal Masalah sxala Jenis hipotesis asosiallt pengukuran Komparatif Tidak berpasangan Berpasangan Kategorik (Ordinal) | 2 kelompok 32 2 kelompok | 2 Kelompok kelompok Mann Whitney | Kruskal- Wilcoxon Friedman Wallis Dalam buku ini, hipotesis komparatif variabel ordinal tidak dibahas secara khusus. Pembahasan untuk uji hipotesis ini sekaligus dibahas pada bab yang menjelaskan uji hipotesis komparatif untuk variabel nu- merik (Bab III dan Bab IV), Adapun alasan penggabungan pembahasan adalah sebagai berikut. 1. Ujikomparatif untuk data ordinal ini sering kali menjadi alternatif uji hipotesis untuk data numerik yang tidak memenuhi syarat untuk uji parametrik. 2. Pada Bab II dan [V akan dibahas uji hipotesis untuk variabel or- dinal, akan tetapi menggunakan data numerik yang distribusinya tidak normal. 3. Dengan demikian, secara tidak langsung, pembaca sudah mempe- lajari uji hipotesis komparatif variabel dengan skala pengukuran ordinal. 3. Resume Uji Hipotesis Komparatif Kategorik tidak berpasangan dalam Bentuk Tabel Bx K Cakupan uji hipotesis komparatif variabel kategorik tidak berpasan- gan disajikan pada Tabel 1.11. Perhatikan bahwa Tabel 1.11 ini adalah sebagian dari tabel uji hipotesis yang Anda pelajari pada Tabel 1,3. Tabel 1.11 Tabel uji hipotesis: alur menuju pemilihan uji hipotesis variabel kategorik tidak berpasangan Jenis hipotesis asosiati Masalah skala Komparatit pengukuran Tidak berpasangan Kategorie Chi-Square (NominavOrdinah Fisher Kelmogorov-Smimov (abel B x2) Dengan menggunakan Tabel 1.11, Anda sudah bisa menentukan uji hipotesis yang dipilih untuk menguji data yang Anda miliki, Peng-Teori Sederhana Prosedur Pemilinan Uji Hipotesis 19 gunaan Tabel 1.11 akan lebih mudah dipahami bila dikombinasikan dengan diagram uji hipotesis tabel B x K sebagai berikut. 1. 2. TABELB xK pop) TABEL TABEL ‘TABEL SELAIN 2x 2 262 2K DAN2xK tujl Chi-Square terpenuhi Uji Ch-Square: Tidak terpenuhi Tidak terpenuhi Tidak terpenuni Uji Fisher Kolmogorov-Smrnov Penggabungan Sel Diagram 1.2 Diagram alur uji hipotesis variabel kategorik kelompok tidak berpasangan Dengan panduan Diagram 1,2, Anda dapat menarik beberapa catatan penting sebagai berikur. Semua hipotesis untuk kategorik tidak berpasangan menggunakan uji Chi-Square, bila memenuhi syarat uji Chi-Square. Syarat uji Chi-Square adalah sel yang mempunyai nilai expected kurang dari 5, maksimal 20% dari jumlah sel. Jika syarat uji Chi-Square tidak terpenuhi, maka dipakai uji alter- natifnya. a. b. a Alternatif uji Chi-Square untuk tabel 2 x 2 adalah uji Fisher. Alternatif uji Chi-Square untuk tabel 2 x K adalah uji Kol- mogorov-Smirnov. Alternatif uji Chi-Square untuk tabel sclain 2 x 2 dan 2 x K adalah penggabungan sel. Setelah dilakukan penggabungan sel akan terbentuk suatu tabel B x K yang baru. Uji hipotesis yang dipilih sesuai dengan tabel B x K yang baru tersebut. Berikut ini adalah contoh output SPSS untuk tabel 2 x 2 dengan menampilkan nilai observed dan nilai expected-nya.20 Statist untuk Kedokteran dan Kesehatan Hubungan antara perilaku merokok dengan status fertilitas [ [-_ Staius Foriitas ] |“ terti ]inferti_|_ Total Perilakumerokok Tidak merokek | Count 3B 15 50 Expected Count 275| 225 50.0 ‘Morokek Count 20 30 50 Expected Count 27.5| 225, 50.0 Total Count | 55 45 100 Expected Count s50| 45.0, 100.9 Keterangan: Pada sel a, nilai obsorved-nya (lihat pada lajur coun?) adalah 35 sedangkan nilai expected-nya (lihat pada lajur expected count) adalah 27,5. Pada sel b, nilai observed-nya adalah 15 sedangkan nilai expected-nya adalah 22,5 dan seterusnya untuk sel lainnya. Nilai expected dihitung dengan persamaan: Total Barisx Total Kolom Total Sampel Sebagai contoh: Total Baris Total Kolom _ 50x55 Nilai expected sel a = Total Sampel 100 =27,5 Total Barisx Total Kolom _ 50x45 Total Sampel 100 Nilai expected sel d =22,5 Pada tabel ini, Anda dapat menggunakan uji Chi-Square karena syarat ujt Chi- Square terpenuhi, yaitu tidak ada nilai expected yang kurang dari 5. Anda bisa mempelajari prosedur SPSS untuk menampilkan nilai observed dan expected pada Bab V. Definisi Nilai observed (O) adalah nifai observasi yang Anda dapatkan pada subj ek penelitian. Nilai Expect ed (E) adalah nilai yang diperoleh apabila hipotesis nof benar.Teori Sederhama Prosader Pemilihan Uji Hipotesis 24 4, Resume Uji Hipotesis Komparatif Variabel Kategorik berpasang-an (Prinsip P x K) Cakupan uji hipotesis komparatif variabel kategorik berpasangan ‘an pada Tabel 1.12 Perhatikan bahwa Tabel 1.12 ini adalah se- bagian dari tabel uji hipotesis yang Anda pelajari pada Tabel 1.3. Tabel 1.12 Tabel uji hipotesis: alur menuju pemilihan uji hipotesis variabel kategorik berpasangan. Janis hipotesis asostalit Masalah skala Komparalif pengukuran Berpasangan Kategonk MeNemiar, Cochran (NominayOrdinal) | — Marginal Homogeneity Wilcoxon, Friedman (label P x K) Dengan menggunakan Tabel 1.12, Anda sudah bisa menentukan uji hipotesis yang dipilih untuk menguji data yang Anda miliki. Peng- gunaan Tabel 1,12 akan lebih mudah dipahami bila dikombinasikan dengan diagram berikut, Hipatesis Komparatil Kategori berpasangan (pinsip Px K) Jumlah pengulangan? Juriah kate gor? 2 2 z 22 Kategori ategori Kategori Kategor! 2x 2) (2) x2 (2)x ea) ax2 Marginal Cochran Friedman MeNemar homegereity Wilcoxon Diagram 1.3 Diagram alur uji hipotesis variabel kategorik kelompok berpasangan Dengan panduan Diagram 1.3, dapat diambil kesimpulan sebagai berikur: 1. Jika jumlah pengulangan 2 dan jumlah kategori 2 maka uji yang digunakan adalah uji Mc Nemar.22 Statist untuk Kedokteran dan Kesehatan 5. Jika jumlah pengulangan 2 dan jumlah kategori > 2 maka uji yang. digunakan adalah uji Marginal Homogeneity atau Wilcoxon. Jika jumlah pengulangan > 2 dan jumlah kategori 2 maka uji yang digunakan adalah uji Cochran. Jika jumlah pengulangan > 2 dan jumlah kategori > 2 maka uji yang digunakan adalah uji Friedman. Resume Hipotesis Korelat Anda dapat memilih uji hipotesis korelatif dengan berpedoman pada tabel sebagai berikut. Tabel 1.13 Pemilihan hipotesis korelatif Variabel 1 Variabel 2 Uji Koretasi yang dipitin Nominal Nominal Koefision kontingensi, Lambda Nominal Ordinal Koefisien kontingansi, Lambda Ordinal Ordinal Spearman, Gamma, Somers'd Ordinal Numerik Spearman Numerik Numerik Pearson Keterangan: Korelasi untuk variabel numerik, memakai uji Pearson dengan uji Spearman sebagai alternatifnya, Berikut ini merupakan diagram alur hipotesis korelatif untuk variabel numerik. Hipotesis korelatif Variabel numerik. T Sebaran normal? k YA TIDAK | Uji parametrik Uji nonparametrik Pearson Spearman Diagram 1.4 Alur pemilihan uji hipotesis korelatif untuk variabel numerik Keterangan: Tanda panah melengkung menunjukkan usaha yang dilakukan untuk menor- matkan distribusi data dari tidak normal menjadi normal (proses transformasi data).Teori Sederhana Prosedur Pemilinan Uji ipotesis 23 B. RESUME ANALISIS MULTIVARIAT Pemilihan kedua analisis tersebut ditentukan oleh skala pengukuran variabel terikatnya. Bila variabel terikatnya berupa variabel kategorik, maka regresi yang digunakan adalah analisis regresi logistik. Bila variabel terikatnya berupa variabel numerik, maka regresi yang digunakan adalah analisis regresi linier. si logistik: bila variabel kategorik bel terikatnya berupa. Regresi linier: bila variabel terikatnya berupa variabel numerik Diagram 1.5 Alur pemilihan uji hipotesis untuk analisis multivariat Ill. Contoh Kasus Dengan menggunakan pengetahuan mengenai skala pengukuran, jenis hipotesis, masalah skala pengukuran, berpasangan atau tidak ber- pasangan, jumlah kelompok, syarat uji parametrik dan nonparametrik, tabel silang B x K, dan prinsip P x K, cobalah pelajari beberapa contoh kasus berikut ini. Saat mempelajari setiap kasus, gunakanlah tabel uji hipotesis dan diagram alur dengan langkah-langkah sebagai berikut. 1. Menentukan variabel yang dihubungkan: identifikasi variabel yang dihubungkan serta skala pengukurannya. Menentukan jenis hipotesis: identifikasi apakah jenis hipotesis komparatif atau korelatif. 3. Menentukan masalah skala pengukuran: identifikasi apakah ter- masuk masalah numerik atau kategorik. nN Untuk bipotesis komparatif: - yang dimaksud dengan masalah skala kategorik adalah bila variabel yang dicari hubungannya adalah variabel kategorik dengan variabel kategorik. - yang dimaksud dengan masalah skala numerik adalah bila variabel yang dicari hubungannya adalah variabel kategorik dengan variabel numerik, Untuk bipotesis korelatif: - yang dimaksud dengan masalah skala kategorik adalah bila salah satu variabel yang dicari asosiasinya adalah variabel kategorik. - yang dimaksud dengan masalah skala numerik adalah bila variabel yang dicari asosiasinya adalah variabel numerik dengan variabel numerik.24 Statistik untuk Kedokteran dan Kesehatan 4. Menentukan berpasangan atau tidak berpasangan, Bila jenis hipotesis komparatif, tentukan apakah berpasangan atau tidak berpasangan. Menentukan jumlah kelompok atau menentukan jenis tabel. Bila jenis hipotesis komparatif numerik, tentukan banyaknya ke- lompok. Bila jenis hipotesis komparatif kategorik, tentukan jenis tabel Bx K untuk data tidak berpasangan dan prinsip P x K untuk data ber- pasangan. Kasus 1: Apakah terdapat perbedaan rerata body mass index (bmi) an- tara kelompok status ekonomi tinggi dibandingkan kelompok ekonomi rendah? Jawab: Langkah-langkah yang digunakan untuk menjawab pertanyaan terscbut adalah scbagai berikut. Tabel 1.14 Langkah-langkah untuk menentukan uji hipotesis yang sesuai dengan panduan tabel uji hipotesis dan diagram alur Langkah Jawaban Ujiyang mungkin T_| Wenentukan variabel yang | Varlabel yang cihubungkan dihubungkan, adalah BMI (numerk) ‘dengan kelompok ekonomi (kategotik) 2_| Menentukan jents Fipotesis | Kemparatif ‘Semua wif komparai | Menentukan masalan skala | Numenk Ujit tidak berpasangan, uj variabel borpasangan. one way ANOVA. _| Menentukan pasanganidak | Tidak berpasangan Uj tidak berpasangan, one way eangan ANOVA. 3] Menentukan juriah Dua kelompok Uji tidak berpasangan kotompok Kesimpular Uj yang digunakan adalah ujit tidak berpasangan (uji parametrik) ka memmenuhi syarat. Jka tidak memenuhi syarat. maka digunakan uj alteratiinya, yaitu ujiMannWhitney (uji nonparamelrik) Kasus “Apakah terdapat hubungan antara jenis kelamin (laki-laki dan perem- puan) dengan asupan makanan (kurang, cukup, lebih)?” Jawab: Langkah-langkah yang digunakan untuk menjawab pertanyaan tersebut adalah sebagai berikut.Teori Sederhana Prosedur Pemilinan Uji hipotesis 25 Tabel 1.15 Langkah-langkah untuk menentukan uji hipotesis yang sesuai dengan panduan tabel uji hipotesis dan diagram alur I Taga imaoan Uijanomanghin + | Menentukan varebel yang | Vaviabel yang elhubungkan sinubungkan adaleh jens kelamin (hategorik) dengan asupan makanan (kategork) 2 _| Meneniokan jonis igoteais | Kamparati Semua yi komparait 3 | Menentukan masalah sksla | Kalegorik Chi square, Fisher, Kormogorow varabel Smimoy, Me Nemat, Marginal Homogenoty, Coehvan, Wileoxon, Fresman 7] Menenturan pasanganiidak | Tidak barpasangan hi square, Flaner, Kalmogorae berasangan Smimav. S| Menoniukan fore bal 8 eR [2x3 Chi square, Kokmogorov-Smiimov. Kezimpulan Jonis fabel pasa toa! ini adalah 2 3. Uji yang digunakan adalah ul Chi:Square bia memanuhi byarat Bla idak memenuhi syarat uj ChiSquare, digunakan uj semalfnya yatu uj Kolmogarov Smemov Kasus 3: “Apakah terdapat korelasi antara kadar radikal bebas dengan total jumlah rokok yang diisap selama satu hari?” Jawab: Langkah-langkah yang digunakan untuk menjawab pertanyaan tersebut adalah sebagai berikut. Tabel 1.16 Langkah-langkah untuk menentukan uji hipotesis yang sesuai dengan panduan tabel uji hipotesis dan diagram alur. (oumerik) dengan jumish [tekok parhari (numesix} 2 [isan PoE NTE | Re Sema ay Korea 7 | Wenentavan mavalah orale | Women Pearson vatiabel Kocimpuan Uji yang diguaakan adalah wji koralasi Pearsoa fuji parametrk), ka memerubi syarat.Jika tidak momenuhi syarat, maka digunakan ujialternatil yaitu uj korelasi Spearman (uji nonparam ctr)26 Statist untuk Kedokteran dan Kesehatan IV. Nilai Probabilitas (P) dan Interval Kepercayaan Ada dua cara untuk melakukan inferensi (penarikan kesimpulan), yaitu dengan menghitung nilai p dan interval kepercayaan (IK). Berikut ini merupakan panduan untuk interpretasi hasil uji hipotesis dengan menghitung nilai p. Tabel 1.17 Panduan interpretasi hasil uji hipotesis bila nilai p < 0,05 Makrajika p 20,08 (nipotesis pol aitolak Nipotay ed oma alternatifditarima) 1. Ujinormatitas Keimogorov- Sinmev dan Shaprowix Disvibusi data tidak normal Distribusi beberapa set data yang dibandingkan 2 Uji Varians Levene's test mempunyai varians yang berbeda Ujitberpasangan’ Uji t tidak berpasangan ‘Terdapat perbedaan rerala yang batmakna antara du Uji Wilcoxon kelompok data Uj ANOVA Paling tidak terdapat cua kelompok data yang 3 4 5 6 _UjiMann-Whitney 7 8 mempunyai perbedaan rerata yang bermakna (untuk 9 Uj Feiedman mengetahui kelompok mana yang berbeda secara Uji Kruskal-Wallis bermakna, harus dilakukan analisis Post Hoc 10 UjiMeNemar ‘Terdapat perbedaan proporsi yang bermakna antara 11 Uji Homogeneity ua kelompok dala Paling tidak, terdapat perbedaan proparsi yang bermakna antara dua kelompok data (untuk mengetahui kelompok mana yang berbeda secara bermakna, harus dilakukan analisis Post Hoc 13 UjiChi-Square 14 UjiKelmogorov-Smimov 15 __UjiFisher 16 UjiPearson ‘Terdapat hubungan yang bermakna antara variabel dengan variabel B 17 Uji Spearman 18 Uji Koefisien Kontingensi 19 Ujilambda 20__UjiGamma & Somers'd ‘Terdapat korelasi yang bermakna antara variabel A dengan variabel BTeori Sederhama Proseder Pemilihan Uji Hipotesis 27 Nilai probabilitas (p) Interpretasi yang diberikan pada Tabel 1.17 adalah untuk memu- dahkan saja. Anda harus mengerti juga apa yang dimaksud dengan nilai p, hipotesis nol, dan hipotesis alternatif: 1. Hipotesis (H) adalah pernyataan sebagai jawaban sementara atas pertanyaan penclitian yang harus dijawab secara empiris. 2, Hipotesis nol (Ho) adalah hipotesis yang menunjukkan tidak ada perbedaan antarkelompok atau tidak ada hubungan antarvariabel atau tidak ada korelasi antarvariabel. 3. Hipotesis alternatif (Ha) adalah hipotesis kebalikan dari hipotesis nol, yang akan disimpulkan bila hipotesis nol ditolak, 4. Interpretasi yang lengkap untuk nilai p adalah scbagai berikut “besarnya kemungkinan hasil yang diperoleh atau hasil yang lebih ekstrim diperoleh karena faktor peluang, bila bipotesis nol benar”. Interval kepercayaan 1. Interval kepercayaan (IK) menunjukkan taksiran rentang nilai pada populasi yang dihitung dengan nilai yang diperolch pada sampel. 2. Seperti menghitung nilai p, perhitungan [K mempunyai rumus tersendiri untuk masing-masing uji hipotesis. Hubungan Nilai p dengan interval kepercayaan. 1. Nilai p dengan TK menghasilkan kesimpulan yang konsister. Bila nilai p menghasilkan kesimpulan yang bermakna, maka IK akan memberikan kesimpulan yang bermakna juga. Demikian juga scba- liknya. Hanya saja, informasi yang diberikan keduanya berbeda. 2. Konsistensi nilai p dengan nilai IK adalah sebagai berikut. a. Bila pada uji hipotesis komparatif (perbedaan proporsi atau perbedaan rerata) perhitungan nilai p < 0,05 (yang berarti secara statistik bermakna) maka pada perhitungan IK, nilai 0 tidak akan tereakup di dalam nilai intervalnya (juga berarti secara statistik bermakna). b. Bila pada perhitungan rasio odds (RO) atau risiko relatif (RR) perhitungan nilai p < 0,05, maka pada perhitungan IK, nilai 1 tidak akan tercakup di dalam intervalnya. 3. Nilai p memberikan informasi peluang untuk memperoleh hasil yang diobservasi bila hipotesis nol benar, sedangkan IK memberikan informasi perkiraan rentang nilai parameter pada populasi.28 Statistik untuk Kedokteran dan Kesehatan Latihan BAB | Untuk mengetahui pemahaman Anda, kerjakanlah latihan berikut ini: 1, Bagaimana Anda mengetahui distribusi data yang Anda miliki normal atau tidak normal? 2. Bagaimana Anda mengetahui dua buah kelompok data atau lebih mempunyai varians yang sama atau tidak? Tentukan uji hipotesis apa yang digunakan untuk menguji data untuk pertanyaan-pertanyaan berikut. 3, Apakah terdapat perbedaan rerata body mass index (skala pengu- kuran numerik) antara kelompok status ekonomi tinggi dengan kelompok ekonomi rendah? 4, Apakah terdapat perbedaan rerata kadar kolesterol (skala pengu- kuran numerik) sebelum dengan sesudah satu bulan pengobatan dengan simvastatin? 5, Apakah terdapat perbedaan rerata kadar kolesterol (skala pengu- kuran numerik) antara penduduk desa A, B, C, dan D? 6. Apakah terdapat perbedaan rerata kadar kolesterol (skala pengu- kuran numerik) pada sebelum, sebulan pengobatan, dan dua bulan pengobatan simvastatin pada pasien? 7. Apakah terdapat hubungan antara perilaku merokok (merokok dan tidak merokok) dengan infertilitas pria (infertil dan fertil)? 8. Apakah terdapat hubungan antara perilaku merokok ibu (merokok dan tidak merokok) dengan precklampsia (terjadi precklampsia, dan tidak terjadi preeklampsia)? 9, Apakah terdapat hubungan antara tingkat ekonomi (di atas garis kemiskinan, di bawah garis kemiskinan) dengan tingkat asupan makanan (lebih, cukup, kurang)? 10. Apakah terdapat hubungan antara tingkat pendidikan (tinggi, sedang, rendah) dengan asupan kalori (lebih, cukup, kurang)? 11. Apakah terdapat korelasi antara kadar gula darah (skala pengukuran numerik) dengan kadar kolesterol (skala pengukuran numerik)? Cocokkan jawaban Anda dengan kunci jawaban yang terdapat pada CD latihan (nama file kunei_bab_l).“Know your data!!! What kind of data you have!!! BAB I STATISTIK DESKRIPTIF . Pembaca mampu memasukkan data dengan benar. . Pembaca mampu melakukan perubahan data dari skala pengukuran numerik ke skala kategorik. . Pembaca mampu membuat dan mendeskripsikan tabel frekuensi dan grafik untuk variabel kategorik, . Pembaca mampu membuat dan mendeskripsikan ukuran penyebaran dan ukuran pemusatan untuk variabel numerik. Pembaca mampu melakukan uji normalitas Kolmogorov- Smirnov dan Shapiro-Wilk. . Pembaca mampu melakukan transformasi data. Pada Bab H, Anda akan mempelajari statistik deskriptif scbelum pembahasan uji hipotesis pada bab-bab selanjumya. Statistik deskriptif merupakan dasar bagi statistik analitis (uji hipotesis). Oleh karena itu sebclum masuk Icbih jauh dalam pembahasan uji hipotesis, statistik deskriptif harus dibahas terlebih dahulu. Salah satu kegunaan statistik deskriptif ini adalah agar Anda mengetahui karakteristik data yang Anda miliki, Langkah pertama dalam melakukan uji hipotesis apa pun adalah Anda harus mengetahui karakteristik data yang Anda miliki. Para ahli statistik sering mengatakan: “Knorv your data, what kind of data you have”.30 Statistk untuk Kedokteran dan Kesohatan LATIHAN 1 MEMASUKKAN DATA Manfaat Anda harus mengetahui bagaimana memasukkan data karena SPSS baru bisa mengolah data jika Anda sudah memasukkannya dengan benar. Pada latihan ini, Anda akan mempelajari cara memasukkan data nominal, ordinal, dan numerik serta variabel dengan tipe String. Kasus: Anda mempcroleh data sebagai berikut. Anda ingin memasukkan data ke dalam program SPSS. No, Nama Jenis Kelamin Umur Nila 1 ‘Anmad Takrlaki 28 Baik 2 Budi Laki-laki 22 Sedang 3. Cecep Laki-laki 18 Buruk 4. Dadang Laki-laki a Buruk 5 Ey Perempuan 23 Baik 6 Farah Perempuan 7 Baik 7. Gita Perempuan 16 Sedang 8 Hendi Laki-laki 19 Sedang 9.___Indah Perempuan 25 Baik Bagaimana memasukkan data ke dalam program SPSS? Terdapat dua langkah utama yang harus Anda lakukan, yaitu mengisi bagian Variable View dan mengisi Data View. 1, Mengisi Variable View. ¥ Buka program SPSS. v Aktifkan Variabel View (ada di kiri bawah) akan terlihat tampilan sebagai berikut.Statistik Deskriptt 31 5/1) 8) bcd elfel el sath At vie Pada tampilan Variable View akan didapatkan kata Name, Type, Width, Decimals, Labels, Values, Column Width, Alignment, Measures. Berikut adalah penjelasan dari masing-masing istilah tersebut. Name kata yang mewakili nama variabel. Biasanya diisi dengan kata yang mudah diingat yang berkaitan dengan nama variabelnya, misalnya “sex” untuk variabel jenis kelamin responden. Type tipe data yang Anda masukkan. Pilihan yang paling umum adalah mameric (karena semua proses uji dalam SPSS bisa dilakukan dalam bentuk mumeric) dan string (kalau yang mau dimasukkan adalah huruf/kata/kalimat). Width jumlah digit data yang mau dimasukkan. Decimals jumlah digit di belakang titik. Labels penjelasan rinci dari kolom name. Misalnya, dalam kolom name Anda ketik sex, labels-nya adalah ‘jenis kelamin responden’, Values kode yang Anda berikan jika variabel merupakan variabel kategorik (nominal dan ordinal). Misalnya kode 1 untuk kategori perempuan, kode 2 untuk kategori laki-laki. Column Width \char kolom. Alignment pilihan tampilan variabel (rapatkiri, kanan, atau tengah) Measures skala pengukuran variabel (nominal, ordinal, scale). Dalam program SPSS, variabel interval dan rasio disebut sebagai variabel scale,982. Slabistk untuk Kedokteran dan Kesahatan Dari kasus yang diberikan, Anda diminta untuk memasukan empat variabel, yaitu nama (String), jenis kelamin (kategorik nominal), nilai (kategorik ordinal), dan umur (numerik). a. Pengisian Variable View untuk variabel nama. Name isi dengan mengetik nama, Type isi dengan mengaktiflean pilihan String, Width isi dengan 15 (untuk keseragaman). Pemilihan Icbar kolom tergantung dari berapa karakter nama terpanjang. Decimals tidak aktif. Labels isi dengan nama responden. Values tidak diisi. Coltmn Width — 15 (untuk keseragaman). Alignment terserah Anda. Measures tidak aktif. b. Pengisian Variable View untuk variabel jenis kelamin. Name ketik sex, Type pilih Numeric. Width terserah Anda. Decimals pilih 0. Labels isi dengan jenis kelamin responden. Valures klike kotak kecil berwarna ungu pada sisi kanan kolom Values, akan terlihat tampilan sebagai berikut. Paes ¥ Ketik 1 pada kotak Value. ¥ — Ketik perempuan pada kotak Value Label . v Klik Add.v v v Klik Add. v Akan terlihat cam Statistik Deshriptit 83 Ketik 2 pada kotak Value. Ketik laki-laki pada kotak Value Label. Proses telah selesai. n sebagai berikut. Cte es ed Value Labele Valve: Klik OK. v v v v - Yue Lebel 1 = "perempuanl™ = taki ews | Benove| Column Width terserah anda Alignment terserah Anda. Measures pilih Nominal. c, Pengisian Variable View untuk variabel umur. Name Type Width Decimals Labels Values Colimn Width Alignment Measures isi dengan umur. isi dengan mengaktifkan pilihan Nueeric. terserah Anda. isi dengan nol (0). isi dengan Umur responden. tidak diisi (karena variabel umur tidak mempunyai kategori) terserah Anda. terserah Anda, pilih scale. Untuk keseragaman, beri kode 1 untuk nilai buruk, kode 2 untuk nilai sedang, kode 3 untuk nilai baik. variabel nilai? : Dapatkah anda melakukan pengisian Variable View untuk34. Statisok untuk Kedokteran dan Kesehatan Bila yang Anda pilih pada menu View adalah View labels, maka tampilan yang akan tampil adalah sebagai berikut. a Gr vm Oey Waciem caeze Gare aE Ackre HEAD eb rites) 9G) fol toledo ied Bela Ol Tre [Tove [tn | Boonie [tt [vats [tary [rns [atm [toma J] 20 iain oeguntine——@ ia aa 6b lerwmyuastiie ns aie sae 5 8 npn # Ba ota 2. Mengisi Data View Aktifkan Data View, lalu isilah sesuai dengan data pada kasus yang diberikan. Jika sudah selesai, simpan file dengan nama: latiban entry (File Save As > latihan Entry). Bila Anda mengisi dengan benar, pada Date View, Anda akan mempcroleh hasil sebagai berikut. SIs eed Fle Est Vow Data Transform Analyze Graphs UniRies Ad 5/3] 8) ol) elt ol lel 10 I nama_| sex umur_| nisi iJahmad 2 B 3 2fbuci 2 2 2 3|cecep 2 18 1 4 |dadang 2 21 1 Blely 1 2B. 3) 6 1 7 3) T|gita i 16 2 Bfhendi 2 19 2 S|indah 1 3B 3 Bila yang Anda pilih pada menu View adalah View Labels, maka tampilan yang akan tampil adalah sebagai berikut. File Edt Vew Data Trensferm Analyze Grephs Utlties Add S/S) | ol) = b| asl Fr) Blair E I nama | sex | umur rilai__| | ahmad Takaki B baile 2) busi lakelaki| 22) sedang 3|cecep taki taki) 18) buruk 4] dadang laki-laki) a buruk | aly peremauan| 2 balk 6] farah perempuan| 7 balk 2 ita peternpuan| 16) sedang | hondi lakilaki| 19, sedang ‘S| indah Tperempuan| 3S BaikStalistk Deskipit 35 LATIHAN 2 BAGAIMANA MELAKUKAN PERUBAHAN DATA DARI SATU SKALA KE SKALA LAIN? Manfaat Anda harus terampil melakukan perubahan data dari satu skala ke skala lainnya karena pada praktiknya nanti, data awal yang Anda masukkan harus Anda ubah untuk keperluan tertentu. Anda menggunakan perubahan data ini jika Anda ingin melakukan perubahan dari skala pengukuran numerik ke skala ordinal atau untuk penggabungan sel (ingat penggabungan sel sebagai alternatif untuk uji Chi-Square yang telah dibahas di Bab I). Kasus: Dari data yang telah diperoleh pada latihan 1, Anda ingin mengategorikan umur responden menjadi tiga kelompok, yaitu responden yang berumur < 20 tahun, 20-22 tahun, dan ~» —> 22 tahun (dalam hal ini, Anda merubah variabel numerik menjadi variabel ordinal). Bagaimana langkah yang dilakukan dengan program SPSS? Buka file latihan entri. Aktifkan Data View. Lakukan langkah-langkah berikut ini: ¥ Transform >Recode >Recode into Different Variables. Masukkan variabel umur ke dalam input Variable. Ketik wr_1 ke dalam Output Variable. Ketik ‘klasifikasi umur* ke dalam label. Klik kotak Change. Setelah proses ini, Anda akan melihat tampilan sebagai berikut. ve SANS36 Slabistk untuk Kedokteran dan Kesahatan Hate aie 5 Capa Vl nae ‘Dietkeaonmcnde ‘bras esate al (] dee Hone clr io eho Seaton es | ¥ Klik Old and New Values. ¥ — Isilah kotak Old Value dan kotak New Value (selanjutnya ikuti logika berpikir). Logikanya adalah: Semua data < 20 tahun diubah menjadi kode 1. Semua data 20-22 tahun diubah menjadi kode 2. semua data > 22 tahun diubah menjadi kode 3. Dengan logika tersebut, isilah Old Value dan New Value sebagai berikur: Old Value: range lowest through 19, Netw Value: 1, klik Add. Old Value: range 20 through 22, New Value: 2, klik Add. Old Value: 23 through highest, New Value: 3, klik Add. Sampai tahap ini, Anda akan memperoleh tampilan sebagai berikut. aneoncem ens roan ova Were © Vue 6 Vaz [____ Spitem-aising © Syston misting 17 Copy ob vahools) © Spare mnig 06 howe rion i | Smee: ged © hae = © Range: [7 Bupa vais we shings er _ r © Aotner vases Continue Cancel Help ¥ Proses telah selesai, klik kotak Continue. ¥ Klik OK dan lihadlah hasilnya.Stalisik Deskipit 37 Apakah sudah ada kolom baru (dengan nama umur_l) dan nilai- nilai yang ada pada kolom tersebut? Bila Anda melakukan proses secara benar, pada Data View akan terdapat kolom baru dengan variabel baru bernama umur_1. S\a\a) 3) ol] ele! al-rir| Biell/% el 7: ama sex [uur | — vila | ure 4 Tlehmad | lakiakl 3B bak 300) DI bud [Taka 2) eedang 2.00) SJcecep | lakblaki 18 ‘ur 1.00) Al éadeng | lakitaki 2 bur 2.00) Blely |pecempusn 3 bak 3.00) B]farah |peempuan 7 bak 1.00 ita [perempuan 18 sedang 1.00) hend | lekilaki 19 sedang 1.00) indah |perompuan 3 baik 3.00 Sclanjutoya, lakukanlah pengisian Variable View untuk variabel umur_1 telah Anda pelajari pada latihan 1. Bila pada Value Anda mengisi sebagai berikut: kode 1 untuk < 20 tahun; kode 2 untuk 20-22 tahun; kode 3 untuk > 22 tahun, maka pada Data View, Anda akan melihat tampilan sebagai berikut. Eireann nes Fle Edt View Data Transform Analyze Graphs Ultles Addons Window Slt) 8) ol] [| a) Fre] SRI) /S Ol 6 cama cox mur nil ume! Taha Takaki a Dak) >Z2 tahun Bf busi Taki aki 2 se¢ang) 20-22 tahun BIcecen lakilaki 18 bunk, -<20 tahun, ‘al daeang Takilaki 21 bunk) 20-22 tahun | perempuan a bak) >22 tahun | perompuan 7 bak) 220 tahun 7| perempaan 16 sedang,—-<20 tahun | lake 19 sedang)<20 tahun 3| perempun 5 bak) >22 tahun988 Slabistk untuk Kedokteran dan Kesahatan LATIHAN 3 MEMBUAT DESKRIPS! VARIABEL KATEGORIK Manfaat Prinsip utama yang perlu Anda ketahui adalah: “Know your data! What kind of data you have!” Langkah membuat tabel frekuensi dan grafik merupakan langkah yang Sangat penting agar Anda mengetahui karakteristik data variabel kategorik. Kasus: Anda melakukan penelitian dan sudah mengumpulkan 4 dan memasukkan data ke SPSS. Salah satu variabel adalah > __yariabel jenis kelamin. Karena Anda mengetahui bahwa skala pengukuran variabel jenis kelamin adalah nominal, maka Anda ingin mengetahui distribusi jenis kelamin dalam bentuk tabel dan grafik. Bagaimana langkah yang dilakukan dengan program SPSS? 1. Buka file frequency: 2, Lakukan proses sebagai berikut. ¥ Analyze > Descriptive statistics > Frequencies. ¥— Masukkan variabel sex (jenis kelamin responden) ke dalam kotak Variabel(s). VY Aktifkan Displays Frequency Tables.Statistik Deshriptit 39 Akan terlihat tampilan sebagai berikut. Cn 3) eeenners = a ew Heb (CM Display requency tabies suas.) en Y Klik kotak Charts. ¥ Pilih bar pada Chart Type. v Pilih Percentages pada Chart Values. Akan terlihat tampilan scbagai berikut: Deceased Chast Type © No (@ arches OC Pr tate © Histograms: r Chat Values © Freawnsies — G Peeps) v Klik Continue. Proses selesai, klik OR.40. Statisok untuk Kedokteran dan Kesehatan ‘Sagai mana hasilnya? Output SPSS Statistics N Valid 50 Missin, o Jenis kelamin responden Frequency arce! Percent re een Valid lakilaki 24 4 perempuan 26 Total 50 101 Jenis kelamin responden of Peceere ‘sear ren lenis helamin responce Interpretasi Hasil Dengan prosedur ini, Anda mengenali karakteristi variabel jenis kelamin. Dari output pertama, Anda mengetahui jumlah total subjek sebanyak 50 orang dan tidak ada data yang missing. Distribusi jenis kelamin berdasarkan jumlah dan persentase dapat Anda ketahui pada output kedua. Visualisasi dalam bentuk grafik disajikan pada output ketiga.Statistik Deskriptt 44 Manfaat Prinsip utama yang perl Anda ketahui adalah: “Know your data! What kind of data you have!” Langkah membuat deskripsi variabel dengan skala pengukuran numerik merupakan langkah yang sangat penting agar Anda mengetahui karakteristik data yang Anda miliki. Kasus: Ae Anda melakukan penclitian dan sudah mengumpulkan “yf dan memasukkan data ke SPSS. Salah satu variabel yang ~ Anda ukur adalah variabel body mass index (BMI). Karena Anda mengetahui bahwa BMI adalah variabel numerik, maka Anda ingin mengetahui deskripsi variabel tersebut berdasarkan ukuran pemusatan dan ukuran penyebarannya serta penyajiannya dalam bentuk histogram. | _Bagaimana langkah yang dilakukan dengan program SPSS? 1. Buka file deskripsi. 2. Lakukan proses sebagai berikue. ¥ Analyze >Deseriptive Statistics > Frequencies, ¥ Masukkan BMI ke dalam kotak Variables. Y Pilihan Display Frequency Tables dinonaktifkan.56. Slabistk untuk Kedokteran dan Kesahatan Ma cenpute Yaris ¥ Proses telah selesai. Klik OK. Lihat pada Data View. Pada Data View terdapat variabel baru bernama tran_age yang merupakan hasil transfromasi data variabel umur. Pada Data View akan terlihat tampilan sebagai berikut. ERtene ees ees Fle Ede View Data Transform Analyze S[k S| B) [| e{b] a 29: 10] 1 13] Uji normalitas variabel baru (tran_age) Sekarang lakukanlah uji normalitas untuk variabel trar_age dengan langkah-langkah uji normalitas yang telah dibahas pada latihan 5.Statistik Deskriptit 57 Bagaimana hasilnya? Berikur ini adalah hasil yang akan Anda peroleh (sesuai kesepakatan, Anda menggunakan uji Kolmogorov-Smirnov atau Shapiro-Wilk untuk menguji apakah distribusi data normal atau tidak). Tests of Normality Kolmogorov-Smimov", Statistic of Sig. Tan_age 079 205 000 @. Lilliefors Significance Correction ‘Shapiro-Wilk Statistic dt Sig 997 Es] Interpretasi Hasil | Uji normalicas Kolmogorov-Smirnov menghasilkan i kurang dari 0,05 maka diambil kesimpulan bahwa variabel tran_age berdistribusi tidak normal. ki nilai probabilitas (p) scbesar 0,000. Karena nilai p pl 1. Untuk menormalkan distribusi data, harus dicoba berbagai metode, seperti logl0, akar kuadrat, kuadrat, akar tiga, dll. Sifatnya coba- coba. 2. Tidak semua upaya mentransformasi data agar mempunyai distribusi normal berhasil.Uji Hipotesis Komparetf Variabel Numerik Dua Kelompok 61 2. Jika memenuhi syarat (data berdistribusi normal), maka dipilih uji ttidak berpasangan. 3. Jika tidak memenuhi syarat (data tidak berdistribusi normal) dilakukan terlebih dahulu transformasi data. 4. Jika variabel baru hasil transformasi berdistribusi normal, maka dipakai uji t tidak berpasangan. Jika variabel baru hasil transfromasi tidak berdistribusi normal, maka dipilih uji Mann-Whitney. Bagaimana prosedur melakukan ujit tidak berpasangan dengan SPSS? 1. Menguji distribusi data ¥ Bukalah file: unpaired_t_test. ~ Lakukanlah uji normalitas untuk data skor ansietas kelompok ibu yang proses melahirkannya ditemani suami dan data skor ansietas kelompok ibu yang proses melahirkannya tidak didampingi suami. rs ‘sy Prosesnya sama dengan latihan 5 pada Bab Il. Perbedaannya adalah dengan memiasukkan variabel “suami" ke dalam Factor List. Akan terlihat tampilan sebagai berikut. Lae Dependent Lit ® Score anvietae [scare] Factor Lit CQ) [Peers Label Cases bye GC) Beth © Staisics © Plots Statistes...| Plots... | Options. Diepley62 Statist untuk Kedokteran dan Kesehatan Setelah diproses, bagaimana hasilnya? Output SPSS Deseripttves. Didemprgr swam Biavstc_| Sts Evor ‘core ansielas—alearnpingr suaml wean or 95% Confidence —_Lewer Bound Interalfer Mean Upper Bound ‘5% Tikmmmeciean, Medion Variance ‘Sid. Devotion Minkrour, 2 Mazimum 3 Range 3” Interquasiie Range 993 Skawnese 2138 200 urtosis -238 397 ‘Wak didampingl Euan — wean 71.03 128 95% Confidence © _Lewereund 8847 Intowalfor Mean Upper Bound rast 5% TremesMoan roa Median Too Vailance 170.887 ‘id Devation 1307 Mirirours “ Maximum 100 Range 5 Intorquamie Ranga 1773 skewness 103 8 autos 516 a7 Tests of Normality Kolmogoreyv- Smimow Statistic dt Sig. ‘Score ansietas didampingi suai (06s 147 ‘09a idak didampingi siami| 037, 103 200" * This ‘sa lower bound of the true significance, 8. Lilliefors Significance Correction Interpretasi a, Bagian pertama adalah statistik deskriptif untuk variabel skor ansietas berdasarkan masing-masing kclompok. Ingat prinsip bahwa Anda harus sclalu mempelajari deskripsi variabel sebelum melangkah pada proses selanjutny: b. Sesuai dengan kesepakatan, Anda menggunakan uji Kolmogorov-Smirnov atau Shapiro-Wilk untuk menguji apakah distribusi data normal atau tidak. Apakah data berdistribusi normal?Uji Hipotesis Komparetf Variabel Numerik Dua Kelompok 63 Pada uji Tests of Normality Kolmogorov-Sinirnov, skor ansictas ibu yang didampingi suami mempunyai nilai p = 0,098 sedangkan yang tidak didampingi suami p = 0,200, Karena nilai p > 0,05, dapat diambil kesimpulan bahwa distribusi skor ansietas ibu yang didampingi suami maupun yang tidak didampingi suami berdistribusi normal. d Uji apakah yang akan Anda pakai? / Karena syarat distribusi data normal terpenuhi, maka uji hipotesis yang digunakan adalah uji t tidak berpasangan. 2. Langkah-langkah uji t tidak berpasangan Buka file unpaired_t_test. Lakukan prosedur sebagai berikut. v Analyze >Compare Means >Independent-Sample t ¥ Masukkan score ke dalam kotak Test Variable. ¥ Masukkan swami ke dalam Grouping Variable. Sampai tahap ini Anda akan melihat tampilan sebagai berikut. CMe seat ees ule @ Score avieias [over] Grouping Variable: een? 7] | Options. ¥ Aktifkan kotak Define Group. Y¥ Masukkan angka 1 untuk kotak group 1 (sebagai kode tidak didampingi suami). ¥ Masukkan angka 2. untuk kotak group 2 (sebagai kode didampingi suami).74. Statist untuk Kedokteran dan Kesehatan yang dipakai adalah uji alternatif t tes tidak berpasangan, yaitu uji Mann-Whitney. 5. Melakukan uji Mann-Whitney Lakukan prosedur sebagai berikut. Y Analyze > Nonparametrics test > 2 independent samples. ¥ Masukkan bmi ke dalam Test Variable. ¥ Masukkan class ke dalam Grouping Variable. eeu cee Test Vansbie List _ T Kerogoron minoy 2 Ke) Moses eizeme woactine I~ Wald Wellowt2 mune Evact Options Y Aktifkan uji Mann-Whitney. ¥ Klik kotak Define Group. ¥ Masukkan angka 1 pada korak growp 1 (1 merupakan kode tingkat ekonomi tinggi). y Masukkan angka 2 pada kotak group 2 (2 merupakan kode tingkat ckonomi rendah). ¥ Proses selesai, klik Continue. Klik OK.Uji Hipatesis Komparatit Vartabed Numerik > 2 Kelompok 101 Test Statistics*” total jumiah rekok yang dihisap Chi-Square df Asymp. Sig a. Kruskal Wallis Test b. Grouping Variable: Motili Interpretasi hasil = Dengan uji Kruskal-Wallis, diperoleh nilai p = 0,000. Oleh karena nilai p < 0,05, maka dapat diambil kesimpu- lan bahwa “paling tidak terdapat perbedaan jumlah rokok yang diisap per bulan antara dua kelompok”. Antara kelompok manakah yang berbeda? Untuk mengetahui kelompok mana yang mempunyai perbedaan, maka harus dilakukan analisis Post Hoc. Alatuntuk melaku- & kan analisis Post Hoc untuk uji Kruskal-Wallis adalah ws aig dengan uji Mann-Whitney. Jadi, kita perlu melakukan uji “ Mann-Whitney antara kelompok motilitas baik dengan sedang, baik dengan buruk, dan sedang dengan buruk. 5. Melakukan analisis Post Hoc Analisis Post Hoc untuk uji Kruskal-Wallis adalah uji Mann-Whit- ney, Lakukanlah analisis tersebut dengan langkah-langkah yang telah Anda pelajari pada Bab III. a. Uji Mann-Whitney antara kelompok motilitas buruk dengan se- dang. Lakukan prosedur sebagai berikut. Y Analyze >Nonparametrics test->2 independent samples. ¥ Masukkan variabel rokok ke dalam Test Variable. ¥ Masukkan variabel motil ke dalam Grouping Variable. V Aktifkan uji Mann-Whitney. Akan terlihat tampilan sebagai berikut.