Anda di halaman 1dari 33

Menganalisis Data Penelitian

Oleh:

Sr. M. Huberta Tamba FSE

NIM. 032017101

PROGRAM STUDI NERS

SEKOLAH TINGGI ILMU KESEHATAN SANTA ELISABETH MEDAN

2020

1
KATA PENGANTAR

Puji syukur penulis panjatkan kepada Tuhan Yang Maha Kuasa yang telah

memberikan rahmat serta karunia-Nya kepada penulis sehingga penulis berhasil

menyelesaikan Makalah ini yang berjudul “Menganalisis Data Penelitian”

Penulis menyadari bahwa makalah ini masih jauh dari sempurna,oleh

karena itu kritik dan saran dari pihak yang bersifat membangun selalu penulis

harapkan demi kesempurnaan laporan ini.

Akhir kata,saya ucapkan terima kasih kepada semua pihak yang telah

berperan serta dalam penyusunan laporan ini dari awal sampai akhir.semoga Allah

Yang Maha Kuasa senantiasa memberkati segala usaha kita.

Medan,23 September 2020

Penyusun

Sr. M. Huberta FSE

2
BAB 1

PENDAHULUAN

1.1 Latar Belakang


Penelitian merupakan kegiatan yang terencana untuk mencari jawaban
yang obyektif atas permasalahan manusia melalui prosedur ilmiah. Untuk itu
didalam suatu penelitian dibutuhkan suatu proses analisis data yang berguna untuk
menganalisis data-data yang telah terkumpul. Data yang terkumpul banyak sekali
dan terdiri dari berbagai catatan di lapangan, gambar, foto, dokumen, laporan.
Pekerjaan analisis data dalam hal ini adalah mengatur, mengurutkan,
mengelompokkan, memberikan kode, dan mengategorikannya. Pengorganisasian
dan pengelolaan data tersebut bertujuan menemukan tema dan hipotesis kerja
yang akhirnya diangkat menjadi teori substantif oleh karena itu, analisis data
merupakan bagian yang sangat penting karena dengan analisis suatu data dapat
diberi arti dan makna yang berguna untuk masalah penelitian. Data yang telah
dikumpulkan oleh peneliti tidak akan ada gunanya apabila tidak dianalisis terlebih
dahulu.
Analisis data sebagai proses yang merinci usaha secara formal untuk
menemukan tema dan merumuskan hipotesis jika dikaji, pada dasarnya definisi
pertama lebih menitikberatkan pengirganisasian data sedangkan yang kedua lebih
menekankan maksud dan tujuan analisis data. Dengan demikian definisi tersebut
dapat disintesikan bahwa analisis data merupakan proses mengorganisasikan dan
mengurutkan data ke dalam pola, kategori dan satuan uraian dasar sehingga dapat
ditemukan tema dan dapat dirumuskan hipotesis kerja seperti yang didasarkan
oleh data. Hipotesis merupakan elemen penting dalam penelitian kuantitatif.
Terdapat tiga alasan utama yang mendukung pandangan ini, di antarannya:
pertama, hipotesis dapat dikatakan sebagai piranti kerja teori. Hipotesis ini dapat
dilihat dari teori yang digunakan untuk menjelaskan permasalahan yang akan
diteliti. Misalnya, sebab dan akibat dari konflik dapat dijelaskan melalui teori
mengenai konflik. Kedua, hipotesis dapat diuji dan ditunjukkan kemungkinan
benar atau tidak benar atau difalsifikasi. Artinya, hipotesis disusun dan diuji untuk
menunjukkan benar atau salahnya xen

3
gan cara terbebas dari nilai dan pendapat peneliti yang menyusun dan
mengujinya.

1.1. Rumusan masalah


1.2.1 Apa yang dimaksud dengan pengolahan data dan cara pengolahan data?
1.2.2 Bagaimanakah cara analisa data?
1.2.3 Bagaimakah cara pengujian hipotesis?

1.2. Tujuan
1.3.1 Mahasiswa mampu mengetahui apa yang dimakdsud dengan pengolahan
data dan cara pengolahan data
1.3.2 Mahasiswa mampu mengetahui cara analisa data
1.3.3 Mahasiswa mampu mengetahui cara pengujian hipotesis

4
BAB 2
TINJAUAN TEORI
2.1. Pengolahan Data
2.1.1. Definisi
Dalam suatu penelitian, pengolahan data merupakan salah satu langkah yang
penting. Hal ini disebabkan karena data yang diperoleh langsung dari penelitian
masih mentah, belum memberikan informasi apa-apa, dan belum siap untuk
disajikan. Untuk memperoleh penyajian data sebagai hasil yang berarti dan
kesimpulan yang baik, diperlukan pengolahan data. Data sebagai hasil penelitian,
apabila dilihat dari segi jenisnya dibedakan menjadi dua, yakni:
a. Data kualitatif, yaitu data yang berhubungan dengan kategorisasi, karakteristik
atau sifat variabel atau hasil pengklasifikasian atau penggolongan suatu data.
b. Data kuantitatif, yakni data yang berhubungan dengan angka-angka, baik yang
diperoleh dari hasil pengukuran, maupun dari nilai suatu data yang diperoleh
dengan jalan mengubah data kualitatif ke dalam data kuantitatif.
Dalam pelaksanaannya, pengolahan data kualitatif dan kuantitatif ini sering
berhubungan. Data kualitatif diubah menjadi data kuantitatif atau sebaliknya.
Sesuai dengan sifat data tersebut maka teknik pengolahan data dapat dibedakan
menjadi:
a. Teknik nonstatistik, yakni pengolahan data dengan tidak menggunakan analisis
statistik, tetapi dengan analisis kualitatif. Analisis kualitatif ini dapat dilakukan
melalui cara, induktif, yakni pengambilan kesimpulan yang khusus. Dalam
analisis ini tidak diperlukan perubahan data kualitatif ke dalam data kuantitatif
b. Teknik statistik, yakni teknik pengolahan data dengan menggunakan analisis
statistik. Biasanya analisis ini dilakukan untuk pengolahan data kuantitatif.
Pengolahan dan analisis data kuantitatif ini dapat dilakukan dengan tangan
(manual) ataupun dengan bantuan alat komputer. Untuk pengolahan data
dengan alat komputer, data perlu diterjemahkan ke dalam bahasa komputer
yaitu dengan memberikan kode-kode tertentu sesuai dengan bahasa program
yang digunakan. Perangkat lunak (software) komputer yang sering digunakan
untuk pengolahan data penelitian adalah SPSS atau Epilnfo.

5
2.1.2 Pengolahan Data Secara Manual
Langkah-langkah pengolahan data secara manual pada umumnya melalui
langkah-langkah sebagai berikut :
a. Editing (Penyuntingan Data)
Hasil wawancara atau angket yang diperoleh atau dikumpulkan melalui
kuesioner perlu disunting (edit) terlebih dahulu. Kalau ternyata masih ada
data atau informasi yang tidak lengkap, dan tidak mungkin dilakukan
wawancara ulang, maka kuesioner tersebut dikeluarkan (drop out)
b. Membuat Lembaran Kode atau Kartu Kode (Coding Sheet)
Lembaran atau kartu kode adalah instrumen berupa kolom-kolom untuk
merekam data secara manual. Lembaran atau kartu kode berisi nomor
responden, dan nomor-nomor pertanyaan.
c. Memasukkan Data (Data Entry)
Yakni mengisi kolom-kolom atau kotak-kotak lembar kode atau kartu kode
sesuai dengan jawaban masing-masing pertanyaan.
d. Tabulasi
Yakni membuat tabel-tabel data, sesuai dengan tujuan penelitian atau yang
diinginkan oleh peneliti.
2.1.3 Pengolahan Data Dengan Komputer
Perlu diingat bahwa peranan komputer dalam pengolahan dan analisis data
hanyalah sebagai alat, sehingga kita tidak dapat mengandalkan sepenuhnya
kepada komputer. Bagaimana canggihnya program komputer yang kita gunakan,
akhirnya kembali pada "the man behind the gun" yakni kita sendiri. Demikian
pula hasil pengolahan dan analisis data yang akan kita proses dengan bantuan
komputer, juga tergantung pada kualitas data itu sendiri. Secanggih apa pun
program komputer yang kita gunakan, hasilnya ditentukan oleh kualitas data itu
sendiri. Dalam penelitian ada ungkapan yang mengatakan "GIGO" (garbage in
garbage out), bila yang masuk sampah maka keluarnya juga sampah. Apabila data
yang diolah kualitasnya jelek, maka hasilnya juga jelek, meskipun menggunakan
program komputer secanggih apapun.

6
Oleh sebab itu, untuk mencegah "GIGO" ini proses pengolahan data ini
melalui tahap-tahap sebagai berikut:
a. Editing
Hasil wawancara, angket, atau pengamatan dari lapangan harus dilakukan
penyuntingan (editing) terlebih dahulu. Secara umum editing adalah
merupakan kegiatan untuk pengecekan dan perbaikan isian formulir atau
kuesioner tersebut.
b. Coding
Yakni mengubah data berbentuk kalimat atau huruf menjadi data angka atau
bilangan. Misalnya jenis kelamin: 1 = laki-laki, 2 = perempuan.
c. Memasukkan Data (Data Entry) atau Processing Data
Jawaban-jawaban dari masing-masing responden yang dalam bentuk "kode"
(angka atau huruf) dimasukkan ke dalam program atau software"komputer.
Dalam proses ini juga dituntut ketelitian dari orang yang melakukan "data
entry" ini. Apabila tidak maka akan terjadi bias, meskipun hanya memasukkan
data saja.
d. Pembersihan Data (Cleaning)
Apabila semua data dari setiap responden selesai dimasukkan, perlu dicek
kembali untuk melihat kemungkinan adanya kesalahan-kesalahan kode,
ketidaklengkapan, dan sebagainya, kemudian dilakukan pembetulan atau
koreksi. Proses ini disebut pembersihan data (data cleaning).

2.2 Analisa Data


2.2.1 Definisi Analisa Data
Data yang telah diolah baik pengolahan secara manual maupun
menggunakan bantuan komputer, tidak akan ada maknanya tanpa dianalisis.
Menganilis data tidak sekedar mendeskripsikan dan menginterpretasikan data
yang telah diolah. Keluaran akhir dari analisis data kita harus memperoleh makna
atau arti dari hasil penelitian tersebut. Interpretasi data mempunyai dua sisi, sisi
yang sampit dan sisi yang luas. Interpretasi data dari sisi yang sempit, hanya
sebatas pada masalah penelitian yang akan dijawab melalui data yang diperoleh

7
tersebut. Sedangkan dari sisi yang lebih luas, interpretasi data berarti mencari
makna data hasil penelitian dengan cara tidak hanya menjelaskan hasil penelitian
tersebut, tetapi juga melakukan inferensi atau generalisasi dari data yang diperoleh
melalui penelitian tersebut.
2.2.2 Tujuan Analisa Data
Secara rinci tujuan dilakukan analisis data adalah:
a. Memperoleh gambaran dari hasil penelitian yang telah dirumuskan dalam
tujuan penelitian.
b. Membuktikan hipotesis-hipotesis penelitian yang telah dirumuskan.
c. Memperoleh kesimpulan secara umum dari penelitian, yang merupakan
kontribusi dalam pengembangan ilmu yang bersangkutan.
2.2.3 Tahap-tahap Analisa Data
Analisis data suatu penelitian, biasanya melalui prosedur bertahap antara
lain:
a. Analisis Univariate
Analisis univariate bertujuan untuk menjelaskan karakteristik setiap
variabel penelitian. Bentuk analisis univariate tergantung dari jenis datanya.
Untuk data numerik digunakan nilai mean atau rata-rata, median dan standar
deviasi. Pada umumnya dalam analisis ini hanya menghasilkan distribusi
frekuensi dan persentase dari tiap variabel. Misalnya distribusi frekuensi
responden berdasarkan: umur, jenis kelamin, tingkat pendidikan, dan
sebagainya. Demikian juga penyebaran penyakit-penyakit yang ada di daerah
tertentu, distribusi pemakaian jenis kontrasepsi, distribusi kasus malanutrisi
pada anak balita, dan sebagainya.
b. Analisis Bevariate
Apabila telah dilakukan analisis univariate tersebut di atas, hasilnya
akan diketahui karakteristik atau distribusi setiap variabel, dan dapat
dilanjutkan analisis bevariate. Analisis bevariate yang dilakukan terhadap dua
variabel yang diduga berhubungan atau berkorelasi. Misalnya variabel umur
dengan variabel penyakit jantung, variabel jenis kelamin dengan variabel

8
jenis penyakit yang diderita, dan sebagainya. Dalam analisis bevariate ini
dilakukan beberapa tahap, antara lain:
1) Analisis proporsi distribusi silang atau presentase, dengan
membandingkan antara dua variabel yang bersangkutan.
2) Analisis dari hasil uji statistik ( chai square test, Z test, t test, dan
sebagainya).
3) Analisis keeratan hubungan antara dua variabel tersebut, dengan melihat
nilai Odd Ratio (OR).
c. Analisis Multivariate
Analisis bevariate hanya akan menghasilkan hubungan variabel yang
bersangkutan (variabel independen dan variabel dependen). Untuk
mengetahui hubungan lebih dari satu variabel independen dengan dengan
melakukan analisis multivariate. Misalnya pengaruh atau hubungan antara
variabel pendidikan ibu, pengetahuan ibu, sosial ekonomi keluarga, jumlah
anak, dan sebagainya (variabel-variabel independen), dengan atau terhadap
status gizi anak balita (dependen variabel). Uji statistik yang digunakan
biasanya regresi berganda (multiple regression), untuk mengetahui variabel
independen vang mana yang lebih erat hubungannya dengan variabel
dependen. Dalam analisis multivariate dilakukan berbagai langkah pembuatan
antara dua satu variabel dependen, Model terakhir terjadi apabila semua
variabel independen dengan dependen sudah tidak mempunyai nilai ps0,05.

2.3 Uji Hipotesis


2.3.1 Definisi uji hipotesis
Hipotesis berasal dari kata "hypo"dan "thesis". Hypo berarti sementara/
lemah kebenarannya dan thesis berarti pernyataan atau teori. Hipotesis
mengandung makna pernyataan sementara yang perlu diuji kebenarannya. Untuk
menguji kebenaran hipotesis, dibutuhkan pengujian yang disebut pengujian
hipotesis.

9
2.3.2 Hipotesis Nol dan Hipotesis alternatif
Terdapat dua jenis pengujian hipotesis, yaitu hipotesis nol (Ho) dan
hipotesis alternatif (Ha).
a. Hipotesis nol (Ho) menyatakan bahwa tidak ada perbedaan kejadian di antara
dua kelompok satu variabel dan variabel yang lain. Sebagai contoh, tidak ada
perbedaan berat badan bayi yang dilahirkan dari ibu yang merokok dengan
bayi yang dilahirkan dari ibu yang tidak merokok sehingga tidak ada
hubungan merokok dengan berat badan bayi.
b. Hipotesis alternatif (Ha) menyatakan bahwa terdapat perbedaan suatu
kejadian di antara dua kelompok atau terdapat hubungan satu variabel dengan
variabel yang lain. Sebagai contoh, terdapat perbedaan berat badan bayi yang
dilahirkan dari ibu yang merokok dengan bayi yang dilahirkan dari ibu yang
tidak merokok sehingga terdapat hubungan merokok dengan berat badan bayi
atau tidak ada hubungan antara merokok dengan berat badan bayi. Hipotesis
alternatif dinyatakan dengan simbol Ha, untuk hipotesis Ha terdapat tiga
kemungkinan yang akan terjadi.
Contoh : Misalkan dinyatakan bahwa rata-rata terdapat 50 0rang penderita
diare setiap bulan di desa A
Maka untuk hipotesis No dirulis H0 : μ = 50 penderita diare
Untuk hipotesis alternatif terdapat beberapa kemungkinan sebagai berikut:
Ha: μ ≠ 50 penderita diare
Ha: μ>50 penderita diare
Ha : μ<50 penderita diare
Ini berarti apabila kita menolak hipotesis alternatif pasti kita menerima
hipotesis nol, tetapi apabila kita menolak hipotesis nol maka terdapat tiga
kemungkinan hipotesis alternatif, yaitu tidak sama dengan hipotesis nol, lebih
besar dari hipotesis nol dan lebih kecil dari hipotesis nol.
Terdapat dua kemungkinan kesimpulan yang didapat dari hasil pengujian
hipotesis, yaitu menolak hipotesis dan menerima hipotesis (gagal menolak
hipotesis). Perlu dipahami bahwa sebenarnya "menerima hipotesis" mengandung
makna yang kurang tepat. Kesimpulan yang tepat dari hasil pengujian hipotesis

10
adalah "gagal menolak hipotesis". Kesimpulan "menerima hipotesis" dalam uji
hipotesis bukan berarti bahwa hipotesis tersebut terbukti benar. Hal ini
dikarenakan benar atau tidak hipotesis hanya dapat dibuktikan dengan
mengadakan observasi terhadap seluruh populasi yang sangat sulit bahkan tidak
mungkin untuk dilakukan. Oleh karena itu, "menerima hipotesis" berarti tidak
cukup bukti untuk menolak hipotesis, dengan kata lain, "gagal menolak hipotesis".
Perbedaan antara kebenaran hipotesis atau menerima hipotesis" dapat
dianalogikan dengan proses persidangan kriminal di pengadilan. Dalam sidang
pengadilan, kegagalan untuk membuktikan kesalahan si tertuduh bukan berarti si
tertuduh tidak bersalah atau benar. Pengadilan lah yang memutuskan bahwa si
tertuduh tidak dapat dibuktikan bersalah, bukan "memutuskan tidak bersalah".
Dari uraian tersebut, sangat jelas bahwa istilah yang tepat dalam kesimpulan uji
hipotesis adalah "gagal menolak hipotesis", bukan "menerima hipotesis".
2.3.3 Manfaat Uji Hipotesis
Pengujian hipotesis berguna untuk membantu pengambilan keputusan
dalam meyakinkan ditolak atau tidaknya suatu hipotesis yang diajukan, seperti
perbedaan atau hubungan. Keyakinan tersebut berdasarkan pada besarnya peluang
untuk memperoleh hubungan tersebut secara kebetulan (by chance). Semakin
kecil peluang tersebut (peluang adanya by chance), semakin besar keyakinan
bahwa hubungan tersebut memang ada.
Sebagai contoh, peneliti masalah imunisasi diminta untuk memutuskan
berdasarkan bukti hasil percobaan, "Apakah vaksin baru lebih baik dari vaksin
yang sekarang beredar di pasaran atau sebaliknya?" Untuk menjawab pertanyaan
tersebut, perlu dilakukan pengujian hipotesis untuk memperoleh kesimpulan
secara probabilistik.
2.3.4 Arah dan Bentuk Uji Hipotesis
Bentuk hipotesis alternatif dapat menentukan arah uji statistik, yaitu satu
arah (one tail) atau dua arah (two tail).
a. Satu arah dipilih bila hipotesis alternatifnya menyatakan bahwa terdapat
perbedaan satu sama lain lebih tinggi atau lebih rendah. Sebagai contoh, berat

11
badan bayi dari ibu hamil yang merokok lebih kecil dibandingkan berat badan
bayi dari ibu hamil yang tidak merokok.
b. Dua arah merupakan hipotesis alternatif yang hanya nyatakan perbedaan
tanpa melihat tinggi rendahnya per- bedaan. Sebagai contoh, berat badan bayi
dari ibu hamil yang merokok berbeda dibandingkan berat badan bayi dari ibu
yang tidak merokok. Dengan kata lain, terdapat perbedaan berat badan bayi
yang dilahirkan dari ibu yang merokok dibandingkan ibu yang tidak
merokok.
Contoh Penulisan Hipotesis :
Suatu penelitian ingin mengetahui hubungan antara jenis kelamin dan tekanan
darah, maka hipotesisnya adalah sebagai berikut:
H0 : μ 1=μ 2
Tidak ada perbedaan perempuan mean tekanan darah antara laki-laki dan
tekanan darah perempuan atau tidak ada hubungan jenis kelamin dan tekanan
darah.
Ha : μ1 = μ 2
Terdapat perbedaan mean tekanan darah antara laki-laki dan perempuan atau
terdapat hubungan antara jenis kelamin dan tekanan darah.
2.3.5 Jenis uji hipotesis
Terdapat dua jenis uji hipotesis, antara lain : Uji Parametrik atau
Nonparametrik Pengujian hipotesis sangat berhubungan dengan distribusi data
populasi yang akan diuji. Apabila distribusi data populasi yang akan diuji
berbentuk normal atau simetris, proses pengujian dapat dilakukan dengan
menggunakan pendekatan uji statistik parametrik. Apabila distribusi data populasi
tidak normal atau tidak diketahui, dapat digunakan pendekatan uji statistik
parametrik. Uji nonparametrik dapat digunakan bila jenis variabelnya kategori
atau kualitatif dan bentuk distribusinya tidak normal.
Penentuan jenis uji juga ditentukan oleh jumlah data yang dianalisis, bila
jumlah data kecil (<30), cenderung digunakan uji nonparametrik. Peneliti perlu
memahami bahwa berbeda secara bermakna atau signifikan dari segi statistik
tidak berarti (belum tentu) berbeda dari segi substansi atau klinis. Diketahui

12
bahwa semakin besar sampel yang dianalisis, semakin besar menghasilkan
kemungkinan berbeda makna. Dengan sampel besar, perbedaan menjadi sangat
kecil, tetapi sampel yang sedikit atau bahkan tidak mempunyai manfaat secara
sustantif atau klinis, dapat berubah menjadi bermakna secara statistik. Oleh karena
itu, arti kegunaan dari setiap penemuan tidak hanya dilihat dari aspek statistik,
tetapi harus juga dinilai atau dilihat kegunaannya dari segi klinis atau substansi.
2.3.6 Kesalahan Pengambilan Keputusan
Dalam pengujian, hipotesis selalu dihadapkan pada kesalahan dalam
mengambil keputusan. Terdapat dua kesalahan pengambilan ke- putusan dalam uji
statistik sebagai :
a. Kesalahan Tipe I (a)
Kesalahan ini terjadi karena menolak Ho, padahal sesungguhnya Ho benar.
Hal tersebut berarti menyimpulkan adanya perbedaan, padahal sesungguhnya
tidak ada perbedaan. Peluang kesalahan tipe I adalah α atau sering disebut
tingkat kemaknaan (significance level), sebaliknya peluang untuk tidak
membuat kesalahan tipe I adalah sebesar 1-α, yang disebut dengan tingkat
kepercayaan (confidence level).
b. Kesalahan Tipe II (B) Kesalahan ini terjadi karena tidak menolak Ho, padahal
sesungguhnya Ho salah. Hal ini menyimpulkan tidak ada perbedaan, padahal
sesungguhnya terdapat perbedaan. Peluang untuk membuat kesalahan tipe II
ini sebesar β. Peluang untuk tidak membuat kesalahan tipe II adalah sebesar
1- β, dan dikenal dengan tingkat kekuatan uji (power of the test).

Tabel 10.1 Kesalahan Pengambilan Keputusan


Populasi
Keputusan
Ho Benar Ho Salah
Tidak menolak Ho Benar (1- α) Kesalahan tipe II (β)
Menolak Ho Kesalahan tipe l (α) Benar(1- β)

2.3.7 Menentukan batas kemaknaan


Langkah selanjutnya setelah menentukan hipotesis nol dan hipotesis
alternatif adalah menentukan kriteria atau batasan yang digunakan untuk

13
memutuskan bahwa gagal ditolak (disebut juga tingkat kemaknaan). Tingkat
kemaknaan, atau sering dinamakan dengan nilai α, merupakan nilai yang
menunjukkan besarnya peluang salah dalam menolak hipotesis nol (Ho). Dengan
kata lain, nilai α merupakan nilai batas maksimal kesalahan menolak Ho. Bila Ho
ditolak, berarti adanya perbedaan atau hubungan.
Penentuan nilai α bergantung pada tujuan dan kondisi penelitian. Nilai α
yang sering digunakan adalah 10%, 5 % atau 1% ( untuk bidang kesehatan
masyarakat, biasanya digunakan nilai α sebesar 5%). Sementara itu, untuk
pengujian obat-obatan digunakan batas toleransi kesalahan yang lebih kecil,
misalnya 1%, karena mengandung risiko yang fatal.
2.3.8 Langkah-langkah Uji Hipotesis
Langkah-langkah pengujian hipotesis adalah sebagai berikut :
a. Memformulasikan hipotesis
Memformulasikan Hipotesis Formulasi atau perumusan hipotesis dapat
dibedakan atas dua jenis hipotesis sebagai berikut.
1) Hipotesis nol adalah hipotesis yang dirumuskan sebagai suatu pernyataan
yang akan diuji. Disebut hipotesis nol karena hipotesis tersebut tidak
memiliki perbedaan atau perbedaannya sama dengan nol dengan hipotesis
sebenarnya. Contoh :tidak ada perbedaan kadar koleserol antara kelompok
yang suka makan ikan dan tidak suka makan ikan.
2) Hipotesis alternatif atau hipotesis penelitian Hipotesis alternatif dinotasikan
dengan Ha atau H1 merupakan hipotesis yang dirumuskan sebagai "lawan"
dari hipotesis nol.
b. Menentukan batas kemaknaan (nilai α)
Batas kemaknaan (nilai a) seperti yang telah dijelaskan sebelumnya merupakan
besarnya batas toleransi dalam menerima kesalahan hasil hipotesis terhadap
nilai parameter populasinya. Makin tinggi nilai α maka makin tinggi pula
penolakan hipotesis nol atau potesis yang diuji yang pada hakikatnya hipotesis
nol itu benar Besaran nilai a yang lazim digunakan adalah 10%, 5 %, dan 1 %
yang ditentukan berdasarkan tujuan dan substansi penelitian.

14
c. Menentukan kriteria pengujian
Kriteria pengujian merupakan bentuk pengambilan keputusan dalam menolak
atau gagal menolak hipotesis nol dengan cara membandingkan nilai a tabel
distribusinya (nilai kritis) dengan nilai statistiknya sesuai bentuk pengujiannya.
Bentuk pengujian yang dimaksud adalah sisi atau arah pengujiannya, apakah
satu arah atau dua arah. Keputusan uji hipotesis (statistik) dapat dicari dengan
dua cara, yakni pendekatan klasik dan pendekatan pro- babilistik.
1) Pendekatan klasik
Untuk memutuskan apakah Ho ditolak maupun gagal ditolak, dapat
dilakukan dengan membandingkan nilai uji statistik dengan nilai pada tabel.
Nilai tabel yang dibandingkan sesuai dengan distribusi uji yang dilakukan,
misalnya kita melakukan uji Z maka nilai tabel yang dilihat adalah tabel Z
(tabel kurva normal). Besarnya nilai tabel tergantung dari nilai α yang
digunakan dan juga tergantung dari apakah uji yang kita lakukan uji satu
arah atau uji dua arah.
a) Uji dua arah dengan rumus sebagai berikut
Ho : μ 1=μ 2
Ha : μ 1≠ μ 2
Oleh karena uji ini menggunakan uji dua arah, maka dalam mencari nilai Z
pada tabel kurva normal, nilai α nya harus dibagi dua arah yaitu ujung kiri
dan ujung kanan dari suatu kurva normal, sehingga nilai α menjadi α /2.
Contoh : bila ditetapkan nilai α5% (0,05) maka nilai α yang digunakan
sebagai batas krisis adalah 0,05/2 = 0,025 dengan α lebih sebesar 0,025
maka n ilai Z tabel adalah 1,96.

15
Grafik 2.1 Uji hipotesis dua arah
b) Uji one tail (satu sisi/satu arah) dengan rumus hipotesis sebagai berikut:
Ho : μ 1=μ 2
Ha : μ 1< μ 2atau : μ 1> μ 2
Dengan rumus alternatif seperti itu maka uji yang dilakukan adalah uji
satu arah, dengan menggunakan nilai α5% maka nilai αtersebut tetap 5%
tidak perlu dibagi dua sehingga nilai Z dalam tabel adalah 1,65
Dari kedua nilai tersebut (perhitungan uji satistik dan nilai tabel ) maka
kita daoat memutuskan apakah Ho ditolak atau Ho gagal ditolak dengan
ketentuan sebagai berikut.
o Bila nilai perhitungan uji statistik lebih besar dibandingkan nilai yang
berasal dari tabel (nilai perhitungan > nilai tabel) maka keputusannya :
Ho ditolak. Ho ditolak artinya ada perbedaan kejadian
(mean/proporsi) yang signifikan antara kelompok data satu dengan
kelompok data yang lain.

Grafik 2.2 Uji hipotesis satu arah (kanan)


o Bila perhitungan uji statistik lebih kecil dibandingkan nilai yang
berasal dari tabel (nilai perhitungan < nilai tabel) maka keputusannya :
Ho gagal ditolak. Ho gagal ditolak artinya tidak ada perbedaan kejadia
(mean/proporsi) antara kelompok data satu dengan data yang lain.
Perbedaan yang ada hanya akibat dari faktor kebetulan belaka (by
chance).

16
Grafik 2.3 Uji hipotesis satu arah (kiri)
2) Pendekatan probabilitik
Seiring dengan kemajuan teknologi perkembangan komputer maka uji
statistik dengan mudah dan cepat dapat dilakukan dengan program-
program statistik yang tersedia di pasaran seperti Epi info, SPSS< SAS dll.
Jika kita menggunakan program komputer untuk melakukan uji statistik
maka akan ditampilkan nilai –p atau p-value. Dengan nilai p itu kita dapat
menggunakannya untuk mengambil keputusan uji statistik. Dengan cara
membandingkan nilai p dengan ketentuan sebagai berikut.
a) Jika nilai p ≤ nilaiα, maka keputusan adalah Ho ditolak atau gagal
diterima
b) Jika nilai p > nilai α, maka keputusannya adalah Ho gagal atau
diterima.
d. Menentukan nilai uji statistic
Uji statistik merupakan perhitungan untuk menduga parameter data sampel
yang diambil secara random dari sebuah populasi. Dalam memilih uji statistik
mana yang digunakan maka harus memperhatikan beberapa hal berikut :
1) Jenis data, apakah data hitung (skala nominal dan ordinal) atau data ukur
(skala interval dan rasio)
2) Bentuk hipotesis, apakah deskriptif satu variabel, komparatif dua sampel
atau lebih dari dua sampel, dan asosiatif (hubungan).
3) Jika data yang diuji merupakan data dua atau lebih dari dua sampel apakah
keduanya saling berhubungan (dependen) atau independen
4) Jumlah sampel, apakah jumlah sampel kecil (<30) atau besar (>30)
e. Membuat kesimpulan

17
Membuat kesimpulan merupakan penetapan keputusan dalam hal menolak
atau gagal menolak hipotesis nol sesuai dengan kriteria pengujiannya.
Pembuatan kesimpulan dilakukan setelah membandingkan nilai uji statistik
dengan nilai α tabel atau nilai kritis. Kesimpulan terdiri dari dua macam yaitu
kesimpulan statistik dan kesimpulan logis. Kesimpulan statistik adalah
keputusan apakah kita menolak hipotesis nol atau gagal menolak hipotesis nol.
Sedangkan kesimpulan logis merupakan rumusan hipotesis sesuai dengan
tujuan penelitian.
2.3.9 Macam-macam pengujian hipotesis
a. pengujian hipotesis rata-rata dua pihak satu populasi
Contoh :
Bagian penyediaan obat sesuatu rumah sakit memesan tetrasiklin kapsul
dalam jumlah besar pada sebuah perusahaan farmasi. Dari perusahaan
tersebut diperoleh informasi bahwa rata-rata isi kapsul tersebut adalah 250
mg dengan kesalahan baku 2 mg. Pihak rumah sakit ingin menguji informasi
tersbut pada derajat kemaknaan 0,05. Untuk keperluan tersebut diambil
sampel sebanyak 100 kapsul dan diperoleh rata-rata 249,5 mg.
Ho : μ1= 250 mg
H1 : μ1 ≠ 250 mg
Diketahui populasi
μHo = 250
n = 100 kapsul
σ =2
= 249,5 mg
α = 0,005
σx = 2/√ 100 = 0,2
α = 1,96
Limit bawah : 250-(1,96x0,2) = 249,6 mg
Limit atas : 250 + (1,96x0,2) = 250,4 mg
Kriteria penerimaan, Ho akan diterima apabila hasil perhitungan terletak
antara 294,6 mg dan 250,4 mg. Karena hasil perhitungan lebih kecil daripada

18
limit bawah maka hipotesis ditolak pada α 0,05 atau P < 0,05.
Kesimpulannya, isi kapsul tidak sama dengan 250mg.
Grafik 2.4 pengujian hipotesis terhadap isi kapsul tetrasiklin

249,6 250 250,4

Persoalan di atas dapat juga di selesaikan dengan menggunakan rumus Z sebagai


berikut
Z = ( - μ ¿/ σ (249,5-250)/0,2 = - 2,5
kriteria penerimaan Ho, bila hasil perhitungan z terletak antara -196 dan
+1,96. Ternyata hasil perhitungan z terletak di luar kriteria tersebut berarti
hipotesis nol ditolak pada derajat 0,05 atau p < 0,05.
Grafik 2.5 pengujian hipotesis isi kapsul tetrasiklin

Z= - 2,5 - 1,96 μHo +1,96

b. pengujian hipotesis rata-rata populasi satu pihak dengan sampel besar


1) pengujian satu pihak kanan
contoh

19
sebuah rumah sakit memesan obat suntik dengan isi 4 ml per ampul.
Pihak industri farmasi memberikan informasi bahwa obat tersebut
mempunyai varian 0,04 ml.
Untuk menguji informasi tersebut diambil sampel sebanyak 100 ampul
dan diperoleh rata-rata 4,04 ml, α = 0,05. Karena obat tersebut bila
diberikan lebih dari 4 ml akan membahayakan penderita maka hipotesis
dilakukan pihak kanan.
Ho : μ = 4 ml
Ha : μ> 4 ml
μHo = 4 ml
n = 100
= 4,04
σ 2 = 0,04 atau σ = 0,2
σ = 0,2/√ 100 = 0,02
Limit atas 4 + 1,64x0,02 = 4,033
Kriteria penerimaan hipotesisnya adalah apabila rata-rata sampel lebih
kecil dari 4,033. Ternyata rata-rata sampel = 4,04 berarti terletak di luar batas
penerimaan atau hipotesis nol ditolak pada α 0,05 atau p < 0,05
Grafik 2.6 pengujian hipotesis isi obat suntik

4,0 4,033 = 4,04


Kesimpulannya, isi rata-rata obat tersebut lebih dari 4 ml.
Perhitungan diatas dapat juga dilakukan dengan cara lain yaitu
menggunakan rumus z berikut
z = ( -μ)/S = (4,04-4)/0,02 = 2

20
Ho akan diterima apabila hasil perhitungan z lebih kecil dari 1,64. Hasil
perhitungan z=2 berarti terletak diluar batas penerimaan hipotesis atau hipotesis
nol di tolak pada α 0,05 atau p < 0,05.
Grafik 2.7 pengujian hipotesis isi obat suntik

1,64 z=2
2) pengujian satu pihak kiri
Sebuah rumah sakit memesan obat suntik dengan isi 2 ml per ampul. Obat
ini bila diberikan dengan dosis lebih dari 2 ml tidak akan membawa
pengaruh jelek pada penderita, tetapi bila dosisnya kurang pun tidak
menimbulkan efek yang dikehendaki. Dari industri farmasi diperoleh
informasi bahwa varian isi obat tersebut 0,01. Pihak rumah sakit ingin
menguji informasi tersebut dengan mengambil sampel sebanyak 50 ampul
dan diperoleh rata-rata 1,995 ml.
Ho : μ = 2 ml
Ha : μ < 2 ml
μHo = 2 ml
n = 50 ampul
= 1,995
σ 2
= 0,01 atau σ = 0,1
α = 0,01
z = 2,33
σ = σ /√ n
= 0,1/√ 50 = 0,014
Batas kepercayaan : μHo−¿ ) = 2 – (2,33 x 0,014) = 1,967

21
Kriteria penerimaan hipotesis nol ialah apabila nilai hasil perhitungan
lebih besar dari 1,967. Ternyata rata-rata sampel = 1,995. Dengan hasil tersebut,
hipotesis no diterima pada α 0,001 atau p < 0,01.
Kesimpulan kita 99% percaya bahwa isi ampul 2 ml.
Grafik 2.8 pengujian hipotesis ampul

1,967 = 1,995 2
Soal diatas dapat juga diselesaikan dengan rumus
Z = ( - µ)/S = (1,995 – 2)/0,014 = - 0,35
Hipotesis nol diterima bila hasil perhitungan lebih besar dari -2,33. Hasil
perhitungan z = - 0,35. Ini berarti hipotesis nol diterima (p > 0,01).
Grafik 2.9 pengujian hipotesis isi ampul

-2,33 z = - 0,35 2

2.4 Uji Hipotesis Koefisien Korelasi (r)


2.4.1 Acak Sederhana (Simple Random)
2
Z +Z 1− β
n=
( 1−
α
2
ϛ ) +3

Perhitungan jumlah sampel uji hipotesis didasarkan pada transformasi


fisher sebagai berikut :
1+r
ϛ = 0,51n ( 1−r )

22
Keterangan :
n : Jumlah sampel yang dibutuhkan
r : Koefisien Korelasi
ϛ : Transformasi Fisher

Contoh Kasus :
Asupan Protein menjadi aspek penting dalam perkekmbangan status gizi bayi.
Seorang peneliti ingin mengetahui hubungan antara kedua hal tersebut. Hasil
pada penelitian terdahulu didapatkan koefisien korelasi sebesar 0,20. Berapa
jumlah sampel yang dibutuhkan jika peneliti mengharapkan tingkat kemaknaan
5% dan kekuatan uji 80%.

Jawab :

r = 0,2 ; Z1− α = 1,96 ; Z1− β = 0,84


2

1+r
ϛ = 0,51n( 1−r )
1+0,2
ϛ = 0,51n(
1−0,2 )
ϛ = 0,2
2
Z +Z 1− β
n=
( 1−
α
2
ϛ ) +3

1,96+0,84 2
n= ( 0,2
+3 )
n = 199 (dibulatkan menjadi 200 sampel)

2.4.2 Non Acak Sederhana (Non-Simple Random)


Perhitungan jumlah sampel uji hipotesis didasarkan pada transformasi
fisher sebagai berikut :

23
1+r
ϛ = 0,51n ( 1−r )

2
Z +Z 1− β
n=
( 1−
α
2
ϛ ) +3 X deff

n : Jumlah sampel yang dibutuhkan


r : Koefisien Korelasi
ϛ : Transformasi Fisher
deff : design effect
Z α : Nlai distribusi normal baku (table Z) pada α tertentu
1−
2

Z 1-β : Kekuatan Uji (power of test)

Contoh Kasus :
Asupan Protein menjadi aspek penting dalam perkekmbangan status gizi bayi.
Seorang peneliti ingin mengetahui hubungan antara kedua hal tersebut. Hasil
pada penelitian terdahulu didapatkan koefisien korelasi sebesar 0,20. Peneliti
ingin menggunakan metode penarkan sampel secara klaster dengan efek desain
(design effect) sebesar 2. Berapa jumlah sampel yang dibutuhkan jika peneliti
mengharapkan tingkat kemaknaan 5% dan kekuatan uji 80%.
Jawab :
Diketahui

r=0,2; design effect (deff) = 2; Z1− α = 1,96 ; Z1-β = 0,84


2

1+r
ϛ = 0,51n( ) 1−r
1+0,2
ϛ = 0,51n(
1−0,2 )
ϛ = 0,2

24
2
Z +Z 1− β
n=
( 1−
α
2
ϛ ) +3 X deff

1,96+0,84 2
n= ( 0,2
+3 ) X2

n = 398 (dibulatkan menjadi 400 sampel)

2.4.3 Analisa regresi


Merupakan analisis nilai proyeksi yang bertujuan untuk mengukur
pengaruh antara variabel bebas dengan variabel terikat. Tujuan utama dri
penelitian dengan menggunakan analisis regresi adalah memperoleh nilai proyeksi
dari suatu variabel dengan menggunakan variabel lain yang sudah diketahui
sebelumnya. Secara umum dirumuskan : Y = a + bX.
Disamping itu, regeresi juga bermanfaat dalam menjawab pertanyaan
penelitian sebagai berikut :
1) Seberapa jauh variasi perubahan varabel terikat mampu dijelaskan oleh
seluruh variabel bebas yang dimasukkan dalam model?
2) Manakah diantar variable bebas yang memepengaruhi variabel terikat?
3) Apakah penambahan sampel akan meningkatkan daya prediksi model?

a. Analisis Regresi Sederhana


Dikatakan analisis regresi sederhana karena hanya meliputi satu variabel
bebas (X) dan satu variabel terikat (Y). Sesuai dengan jenis datanya, analisis
regresi sederhana dibagi menjadi 3 (tiga), yaitu :
o Analisis Regresi Sederhana dengan data absolute
o Analisis Regresi Sederhana dengan data persepsi
o Analisis Regresi Sederhana dengan data semu

b. Analisis Regresi Berganda

25
Dikatakan analisis regresi berganda karena melibatkan beberapa
variabel bebas terhadap variabel terikat.

BAB 2

KASUS

1. Kasus pada Nilai Standar Deviasi


Berikut nilai data 10 siswa yang akan dihitung nilai standar deviasinya :
65,75,80,70,80,75,80,75,65,70
Masukan data tersebut ke tampilan Data View.Selanjutnya, untuk
menghitung Nilai Standar Deviasi menggunakan menu Descriptive.

2. Varians
Misalkan akan dihitung varians dari data berat badan 10 siswa yaitu 18 25
30 17 19 20 27 18 19 21. Lalu buka aplikasi SPSS, dan arahkan ke
variabel view, klik edit dan insert variabel(Gambar 3). Lalu sunting
variabel dengan konfigurasi diatas.

3. Uji t satu sample


Syarat sidang mahasiswa pendidikan Matematika diharuskan untuk
mengikuti tes komprehensif untuk di uji kemampuan dasar
Matematika.Dari40mahasiswayang ikut teskomprehensif ada
seorangmahasiswa yangmendapatkan nilai95.Tutor inginmengetahui
apakah nilai yang diperoleh berbeda secara nyata atau tidak dengan
mahasiswa lain?

26
BAB 3

PEMBAHASAN

1. Standar deviasi

Gambar 2 kotak variable

Selanjutnya klik OK untuk proses analisis data.Hasil analisis data yang


ditampilkan pada analisis ditunjukkan pada Tabel 1.

27
Keterangan :
1.Kolom N menunjukkan jumlah data yang diproses, yaitu 10 nilai siswa.
2.Kolom Minimum menunjukkan nilai terendah.
3.Kolom Maximum menunjukkan nilai tertinggi.
4.Kolom Mean menunjukkan nilai rata-rata.
5.Kolom Std. Deviation menunjukkan nilai standar deviasi atau simpangan
baku data.

2. varians

Setelah itu tampilmenu descriptives (Gambar 5). Klik panah yang


dilingkari pada table sebelah kiri, setelah itu berat akan pindah ke
varians(Gambar 6). Lalu klik options, dan centang varians. Selanjutnya
klik continuedan kemudian klik ok.

28
Keterangan :

1.Kolom N menunjukkan jumlah data yang diproses, yaitu 10 nilai siswa.

2.Kolom Std. Deviation menunjukkan nilai standar deviasi atau simpangan


baku data.

3.Kolom Variance menunjukkan varians

3. uji t satu sample


Tabel 3Hasil Tes Komprehensif Mahasiswa Pendidikan Matematika

29
Selanjutnya klik variable viewuntuk menentukan variable.Isi kolom
variable view seperti tabel dibawah:

30
Selanjutnya akan munculjendela 1 (Gambar 10).Selanjutnya pindahkan
nilai tes komprehensif kedalam jendela 2, klik option biarkan nilai
defaultnya 95% lalucontinue. Selanjutnyapadajendela 3, pada nilai test
value, gantinilai 0 dengannilai95), kemudianklik OK.

Darihasil padaTabel 1dapatdiketahuibahwajumlah peserta tes


komprehensif (N) ada 40orang, mean(rata-rata)77,57,standar
deviasi(simpangan baku) 19,382 dan tolak H1. Dengan demikian dapat
disimpulkan bahwa nilai tes komprehensif mahasiswa tersebut tidak
berbedanyata dengan rata-rata nilai tes seluruh mahasiswa.

31
DAFTAR PUSTAKA

Budiarto, Eko (2001). Biostatistika untuk kedokteran dan kesehatan masyarakat.


Jakarta : EGC

Hidayat, A. (2009). Metode penelitian Keperawatan dan Teknik Analisis Data.


Jakarta : Salemba Medika

Korompis, Grace (2014). Biostatistika untuk Keperawatan. Jakarta : EGC

Notoatmodjo, S. (2018). Metodologi Penelitian Kesehatan. Jakarta : Rineka Cipta

Nursalam (2014). Metodologi Penelitian Ilmu Keperawatan : Pendekatan Praktis


Edisi 3. Jakarta : Salemba Medika.

32
Rachmat, M. (2012). Buku Ajar Biostatistika : Aplikasi pada penelitian kesehatan.
Jakarta : EGC

33

Anda mungkin juga menyukai