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
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
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
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.
Model Summary
1. UJI KORELASI
Correlations
jumlah pasien hari ke- pasien sembuh
jumlah pasien hari ke- Pearson Correlation 1 .853**
Model Summary
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.
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.
Model Summary
Coefficientsa
Standardized
Model Unstandardized Coefficients Coefficients t Sig.
B Std. Error Beta
1 (Constant) -136.009 21.445 -6.342 .000
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.