TUGAS MATEMATIKA FARMASI

ANALISIS DATA PENYEBARAN COVID-19

DI INDONESIA

OLEH :

AISYAH

1911013020

FARMASI B

FAKULTAS FARMASI
UNIVERSITAS ANDALAS
PADANG
2020
 B. OUTPUT/HASIL
a) UJI NORMALITAS
1. Variabel Waktu ( Jumlah Pasien Hari Ke- )

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
*
jumlah pasien hari ke- .065 50 .200 .956 50 .058

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

a. Lilliefors Significance Correction
Untuk melihat hasil uji normalitas pada variable waktu, kita melihat tabel Shapiro-Wilk. Pada
tabel tersebut, sig ( p )=0,058.
Artinya data terdistribusi NORMAL, karena nilai Sig (p) >0.05

2. Variabel p ( Pasien Positif )

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
pasien positif .192 50 .000 .823 50 .000
a. Lilliefors Significance Correction
Untuk melihat hasil uji normalitas pada variable waktu,kita melihat tabel Shapiro-Wilk. Pada
tabel tersebut, sig ( p )=0,000.
Artinya data terdistribusi TIDAK NORMAL, karena nilai Sig (p) <0.05

3. Variabel s (Pasien Sembuh )

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
pasien sembuh .233 50 .000 .748 50 .000
a. Lilliefors Significance Correction
Untuk melihat hasil uji normalitas pada variable waktu,kita melihat tabel Shapiro-Wilk. Pada
tabel tersebut, sig ( p )=0,000.
Artinya data terdistribusi TIDAK NORMAL, karena nilai Sig (p) <0.05

Tests of Normality
 Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
pasien meninggal .195 50 .000 .817 50 .000
a. Lilliefors Significance Correction
4. Variabel m (Pasien Meninggal )

Untuk melihat hasil uji normalitas pada variable waktu, kita melihat tabel Shapiro-Wilk. Pada
tabel tersebut, sig ( p )=0,000.
Artinya data terdistribusi TIDAK NORMAL, karena nilai Sig (p) <0.05

b.) HUBUNGAN WAKTU-PASIEN POSITIF

1. UJI KORELASI

Correlations
jumlah pasien
hari ke- pasien positif
jumlah pasien hari ke- Pearson Correlation 1 .918**
Sig. (2-tailed) .000
N 50 50
pasien positif Pearson Correlation .918** 1
Sig. (2-tailed) .000
N 50 50
**. Correlation is significant at the 0.01 level (2-tailed).
Pada tabel diatas koefisien Korelasi ( r ) =0,918
Artinya kedua variabel memiliki hubungan yang cukup kuat. Karena jika r semakin
mendekati 1 maka, hubungan variabel tersebut akan semakin kuat. Nilai r bernilai positif
artinya kurva naik ke atas.

2. UJI REGRESI ( LINEAR )

Model Summary

Model R R Square Adjusted R Square Std. Error of the Estimate

a
1 .918 .843 .839 829.909

a. Predictors: (Constant), jumlah pasien hari ke-

 Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -1516.107 238.300 -6.362 .000
jumlah pasien hari ke- 130.347 8.133 .918 16.027 .000
a. Dependent Variable: pasien positif
Pada tabel diatas R square=0.843
Artinya variabel pasien positif sebanyak 84.30% dipengaruhi oleh variabel waktu dan
sisanya ( 15.7% ) dipengaruhi oleh factor lain yang tidak diketahui.

 Persamaan Linear y=−1516.107+130.347 x

3. UJI REGRESI (EKSPONENSIAL)

Model Summary and Parameter Estimates
Dependent Variable: pasien positif
Model Summary Parameter Estimates
Equation R Square F df1 df2 Sig. Constant b1
Linear .843 256.859 1 48 .000 -1516.107 130.347
Exponential .895 410.643 1 48 .000 5.790 .166
The independent variable is jumlah pasien hari ke-.
Pada tabel diatas R square Exponensial=0.895
Artinya variabel pasien positif sebanyak 89.50% dipengaruhi oleh variabel waktu dan
sisanya ( 10.5% ) dipengaruhi oleh factor lain yang tidak diketahui.

 Karena R square Exponensial ¿ R square Linear,maka persamaan yang lebih cocok

untuk hubungan Waktu-Pasien Positif adalah persamaan eksponensial.
 Persamaan Exponensial y=5.790 × e0.166 x

c.) HUBUNGAN WAKTU-PASIEN SEMBUH

1. UJI KORELASI
Correlations
jumlah pasien hari ke- pasien sembuh
jumlah pasien hari ke- Pearson Correlation 1 .853**

Sig. (2-tailed) .000

N 50 50
**
pasien sembuh Pearson Correlation .853 1

Sig. (2-tailed) .000

N 50 50
**. Correlation is significant at the 0.01 level (2-tailed).
Pada tabel diatas koefisien Korelasi ( r ) =0.853
Artinya kedua variabel memiliki hubungan yang cukup kuat. Karena jika r semakin
mendekati 1 maka, hubungan variabel tersebut akan semakin kuat. Nilai r bernilai positif
artinya kurva naik ke atas.

2. UJI REGRESI ( LINEAR )

Model Summary

Model R R Square Adjusted R Square Std. Error of the Estimate

a
1 .853 .728 .722 108.849
a. Predictors: (Constant), jumlah pasien hari ke-

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients Sig
Model B Std. Error Beta t .
1 (Constant) -158.073 31.255 -5.058 .
00
0
jumlah pasien hari ke- 12.094 1.067 .853 11.337 .
00
0
a. Dependent Variable: pasien sembuh
Pada tabel diatas R square=0.728
Artinya variabel pasien sembuh sebanyak 72.80% dipengaruhi oleh variabel waktu dan
sisanya ( 27.2% ) dipengaruhi oleh factor lain yang tidak diketahui.

 Persamaan Linear y=−158.073+ 12.094 x

3. UJI REGRESI ( EXPONENSIAL)

Model Summary and Parameter Estimates
Dependent Variable: pasien sembuh
Model Summary Parameter Estimates
Equation R Square F df1 df2 Sig. Constant b1
Linear .728 128.539 1 48 .000 -158.073 12.094
a
Exponential . . . . . . .
The independent variable is jumlah pasien hari ke-.
a. The dependent variable (pasien sembuh) contains non-positive values. The minimum value is 0. Log
transform cannot be applied. The Compound, Power, S, Growth, Exponential, and Logistic models cannot be
calculated for this variable.
  Berdasarkan tabel diatas,uji regresi untuk menentukan persamaan exponensial tidak
dapat diterapkan. Dalam persamaan exponensial tidak boleh terdapat nilai non positif
dan nilai minimumnya 0.
 Pada data pasien sembuh terdapat data yang masih berjumlah 0. Jika nilai 0 di log kan
maka hasilnya adalah tak hingga. Sehingga data pasien sembuh tidak dapat memenuhi
syarat untuk membuat persamaan exponensial.
 Sehingga, persamaan yang cocok untuk hubungan Waktu-Pasien Sembuh
adalah PERSAMAAN LINEAR.

d.) HUBUNGAN WAKTU-MENINGGAL

1. UJI KORELASI

Correlations
jumlah pasien
hari ke- pasien meninggal
jumlah pasien hari ke- Pearson Correlation 1 .915**
Sig. (2-tailed) .000
N 50 50
**
pasien meninggal Pearson Correlation .915 1
Sig. (2-tailed) .000
N 50 50
**. Correlation is significant at the 0.01 level (2-tailed).
Pada tabel diatas koefisien Korelasi ( r ) =0.915
Artinya kedua variabel memiliki hubungan yang cukup kuat. Karena jika r semakin
mendekati 1 maka, hubungan variabel tersebut akan semakin kuat. Nilai r bernilai positif
artinya kurva naik ke atas.

2. UJI REGRESI ( LINEAR )

Model Summary

Model R R Square Adjusted R Square Std. Error of the Estimate

a
1 .915 .838 .834 74.685
a. Predictors: (Constant), jumlah pasien hari ke-

Coefficientsa

Standardized
Model Unstandardized Coefficients Coefficients t Sig.
 B Std. Error Beta
1 (Constant) -136.009 21.445 -6.342 .000

jumlah pasien hari ke- 11.524 .732 .915 15.746 .000

a. Dependent Variable: pasien meninggal

Pada tabel diatas R square=0.838

Artinya variabel meninggal sebanyak 83.80% dipengaruhi oleh variabel waktu dan sisanya (
16.2% ) dipengaruhi oleh factor lain yang tidak diketahui.

 Persamaan Linear y=−136.009+ 11.524 x .

3. UJI REGRESI (EXPONENSIAL)

Model Summary and Parameter Estimates

Dependent Variable: pasien meninggal
Model Summary Parameter Estimates
Equation R Square F df1 df2 Sig. Constant b1
Linear .838 247.923 1 48 .000 -136.009 11.524
a
Exponential . . . . . . .
The independent variable is jumlah pasien hari ke-.
a. The dependent variable (pasien meninggal) contains non-positive values. The minimum value is 0. Log
transform cannot be applied. The Compound, Power, S, Growth, Exponential, and Logistic models cannot be
calculated for this variable.

 Berdasarkan tabel diatas,uji regresi untuk menentukan persamaan exponensial tidak dapat
diterapkan. Dalam persamaan exponensial tidak boleh terdapat nilai non positif dan nilai
minimumnya 0.
 Pada data pasien meninggal terdapat data yang masih berjumlah 0. Jika nilai 0 di log kan
maka hasilnya adalah tak hingga. Sehingga data pasien sembuh tidak dapat memenuhi
syarat untuk membuat persamaan exponensial.
 Sehingga, persamaan yang cocok untuk hubungan Waktu-Pasien Meninggal
adalah PERSAMAAN LINEAR.
C. KESIMPULAN
1. Data yang terdistribusi normal hanya data variabel waktu
2. Persamaan linear Waktu-Pasien Positif adalah y=−1516.107+130.347
3. Persamaan linear Waktu-Pasien Sembuh adalah y=−158.073+ 12.094.
4. Persamaan linear Waktu-Pasien Meninggal adalah y=−136.009+ 11524.