Balemba Medikø

Berkaitan dengan gambaran karakteristik satu set data dengan skala

pcngukuran kategofik, Aiida mengenal istilah jumlah atau frekuensi
trap te ori ( )d (to) di
dalam bentuk ta

gkat Pend
Rendah
Ged
1S

Tabel 1.1 Coritoh deskrfps\ varlabel karegorlk dalam bentuk tabel

Berikut ini merupakan contoh penyajian variabel dengan skala

pengukuran kategorik dalam bentuk grafik 6atang.

Variabel numerik
Berkaicsn dengan gambsrsn Lsrskterisrik sstu sec dsta dcngsn
skala pengukuran numerik, Anda mengenal dna parameter yang
lazim digunakan, yaitu parometer ukuran pcnlusatan dan parameter
en Anda al bebe .tuk uk
pemusatan, yaitu mean, median, dan modns. Untuk parameter ukuran
pcny baran, A eviasi, varians, k
interkuartil, range, dan minimum maksimum. Data variabel dengan
skal disajika lam bentuk dl da
 lori Sedertıaıa Prasodur Pemfiıtızn iJji ilipotefils 3

variat›cl dcngaıı skala pcngukuran numcrik dalam bcııttık t«bcl

Tabel 1.2 Contoh perıyajian variabel numerik da tam bentuk tabel

Vatiabel Rerata Median Simpang Baku Minimum Maksimum

Usia 46.69 47 12.56 15 69
45

Gambar 1.2 Contoh penyaj1an variabel numerik dalam bentuk histogram

Kapalı Anda mcınilih ıncaıı, ınedian atan modus scbagni tıkuran
Ç£ îDDs‹@ŞIı? Kapat pul a Aııcia ıııcmilih standar dcviasi ata u mini mu m-

Jika data mempunyai distribusi normal, Anda dianjurhan untuk

memilih mean sebagai ukuran pemusatan dan standar devtas\ (SD) sebagaf ukuran
penyebaran. Datam kasus di atas (Tabel 1.2), jika variabel usia mempunyai
distribusJ normal, Anda menutiskan: Rerata usia responden adalah 46,69
(SD 12,56).
Jika distribusi data tldak normal, Anda dianjurkan untuk memilih median
sebagai ukuran pemusatan dan minimum-maksjmum sebagai ukuran
penyebaran. Dalam kasus di atas (Tabel \ .2), jika variabel usia berdistribusi
tidak normal, Anda
dTanjurkan untuk menuliskan rerata usia responden adalah 47 (15-69).

petajari bagaiman membuat deskripsi variabel

eskripsi veriabet nurnerlk, bagaimana cara mengetahul distribusl suatu variabel numerik memiliki distribusi
B. STATISTIK ANALITIS B1VARIAT
Pertaııyaaıı yang sering munvul da la ın analisis tlata ada la h: Uji
fiıpoıesis apn yang Anda pahai untuh menguiı set datn ynng Andn
milisi? Ja wabanııyo teııru saja: Anda menggnnnbnn uji hiyotesis ynng
resmi. Uji hipotcsis yang scsuai akan mcmbawa kita pada pengambilan
kesimpulan ysng sahih, Akan tetapi, untuk mencapsi keputusan
untuk mcnggunaksn uji tcrtcntu, tcntu saja harus didasari firbagai
pertimbangan. Penimbnngan nyn snJa ynng hnrus kita yik irkan
untuk menentuh nn mı hıyotesis î

Tahukah Onda dengan berpedoman pada tabet ujf hfpotesfs Fabel 1.3) Anda sudah bisa mene

Tabel 1.3 Tabel uji hipotesis bivariat

Masalah skal lena hipotesis \asosiast/
Xoretasf
Tidak berpasangan Berpasangan
z moompoa> z

uh T m One way uy nepea es

barpasangan ANOVA berpaaangan AhIOVA

Spearman
Mann White KfUBkal • Witce xOu Fr an Gamma

fUcNemar. r\rar\
{Nominal/otdinal) Mztginal H ornogeraity Wåcoxon, Fran
K¢gmogorov-Smlmov Lamlnda
(Iabe\ B ¥ K)

Keter angan:
\. UJ\ dengan I:anda ' merupakan uJf parametr\k.
2. Tanda panah ke bawah menunjukkan uji alternatif jika syarat uji
parametrik tidak I:crpenuhi.
3. Untuk hipotesis komparaLif nnmerik, perlu diperhaLikan banyaknya
kelompok.
4. Untuk h\potes\s komparatff kategorik t\dak berpasangan, pem\l\han uJ\
menggunakan "tabel B x X”.
5. Untuk hipotesis komparatif kategorik berpasangan, pemilihan uji
menggunakan ”prinsip Ps K”.
 Dengan berpcdoman pada tabel di atas, sesungguhnya Auda
sudah dapat menentukan uji hipotesis yang sesuai dengnn set data yang
Anda miliki.
Langkah-langkah penggunaan tahel uji hipotesis adalah sebagai
b•rikut.
Menentukan variabel yang dihubungkan.
Menentukan jenis hipotcsis.
Menenmkan masalah skala pcngukuran.
Menentukan btrpasangaNtidak btrpasangan.
Menentukan jumlah kelompok aiau menentukan
¡enis tabel
Bila jenis hipotesis komparatif nunierik, tentukan
banyaknya kclompok.
Bi[a jenis hipotesis Lomparati/ katego¥ik tidak
hcrpasangan, tcntukan jenis tabcl B x K.
Bita jcnis hipotcsis koinparatif katcgorik
bcrpasangun, tentukan jenis “princip P x K”.

Dengan demikian, Anda dapat menenrukan uji hipotesis fiivariat

dengan berpedoman pada Tabel 1.3 dengan syarat Anda ha ms
memahami bebcrapa istilah:
1. Skala pengukuran: kategorik atau numerik
2. Jenis hipotesis: komparatif atau korelatif.
3. Masalah skala pengukurari: numerik atau kategorik.
4. Pasangan: berpasangan atau tidak berpasangan.
5. Jnmlah kelompok: 2 keloinpok atau > 2 kelompok.
6. Syarat uji paramctrik dan nonparametrik.
7. Prinsip tabel B x K dan P x K.

Marilah kita bahas pcngcrtian dasar dari istilah-istilah tcrscbut

satu demi satu.

INGAT!
Pemahaman ketu}uh Ist\lah Int sangat penting.
Oleh karena Itu, fokuslah untuk memahami tujuh tstflah Eni.
Istilah pertama: 9‹ala pengukuran variabel

Pemahaman tentang skala pengukuran vaıiabel, menggambarkan

peınahaman terha F data yang Anda mJiki. Pada tabel
1 mi hîpotesis lTabel 1.3), skala pengukuran variabcl dibagi
menjadi katcgorik (nominal-ordinal) dan numerik
(rasio- intcrval). Apa yang dimaksud dcngan sLala
pcngukuran variabcT? Lihatlah dcngan saksama Tabel
\.4.
Dcngatl mclihat Tahcl 1.4, agaLah Anda dapac o›cmbcdakan
variabcl kaccgorik (nominol-ordinal) dan numcriL (rasio-intcrva\)
Apakah perbedaannya? lainnya?

Tabel 1.4 Skala pengukuran variabeî

SKALA PENGUI4 URAN

Gonbh :Jenl$FelamIn Contoh : S uhu Badan

LaûJakI

Ordlnal Realo
Contoh : Tingkat pendldlkan Contoh : - Berat I3adan
PenBdi@n rendah - Tinggi badan
Pen@dIWn menagah - Kadar gufa daraîı
Pendldlkan \lnggi - Kadar Kolesterol

Rendah
Norma4

Kesepakatan
Dalam berbagai buku nijukan, ada beberapa istilah yang digunakan
dalsm kIssifik«si sksla pengtıLure t sntsr« laİh kaccgDrik-nunkstcgorik
dan kualitatif-kuantitatif. Dalam program SPSS, digunakan istilah srdfe
untuk istila h kııantitatif dan nonkategorik.
Dalam buku ini, penulis memakai istilah bategorib untuk mewakili
istilah kuatitatif dan istilah nun erik untuk mewakili istilah
nonkategorik dan kuantitatif.

Nominal dan (Kategorik)

Variabcl nominal dan variabcl ordinal discbut scbagai variabcl
karegorik karena variabet terscbut mcmpunyai kategori variabcl.
Scbagai contoh 'Jenis kelamin’ adalah variabcl, sedangkan 'laki-laki’
dan ’pcrempuan’ adalah kategnri variabel, ‘Klasifikasi kadar kolesterol’
adalah variabel, sedangkan ‘baik’, “sedang’, dan ‘bunik’ adalah

Berdasarkan katcgori inilah Anda dapat membedakan variabel

nnminal dan variahel ordinal. Variahcl nominal mcmpunyai kategori
yang sederajat atau tidak bertingkat (contoh: variabel jenis kelamin
dengan kategori laki-faii dan pcrempuan} sedangkan varia6el ordinal
mempunyai kategori yang tidak sederdjai atau kategori yang
bertingket
{contoh: variabel kolcsterol dengan kategori kadar kolesterol baik, kadar
kolcstcrol scdang, dan kadar kolcstcrol butukJ.

Rado dan IntervaJ (Numerlk)

Yariabel rasio dan interval disebut sebagai variabel nuinerik karena
variabel tersebut tidak mempunyai kat£gDri variabe[. Anda dapat
menibcdakan 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
rssio. Apabils variabet tersebut ödnk mempnnyai nilai not alami
(seperti suhu), maka Anda nicnycbutnya scbagai variahcl intcrval.
Pcrhatikan bahwa nol derajnt pada skam Celcius berbeda dengon no1
derajat pada skala Fahrenheit!!!

Lambang skala pengukuran dalam S°SS

Pc¥hatikan lambang skala pcngukuran variabcl yang dapat Anda
temuLsn psds program SPSS.

Progcsm SPSS tidsk membedskon vsrisbcl rssio dengsn inttrvsl.

Daiatn SPSS, variabel rasio dan interval disebnt sebagai variabel scale.
Anda perhatikan, bahwa variabel scale dilambangkan dengan
sebuah penggafis untuk mewakili contoh variabcl scale (ukuran panjang

Gambar 1.3 Slmbo£ skala pengukuran pada SPSS

adalah sarah satu contoh variabel scale). Variabet ordinal dilamhangkan

dengan suani tangga bcrringkat untuk menunjukkan kategori dalam
variabel ordinal tidak sedcrajat. Adapun variabel nominai
dilambangkan dcngan bulatan-bulatan bota untuk menunjukkan
kategori dalam variabel nominal adalah srderajat.
 Istilah kedua: Jeni9 hipotesis
Anda harus mengetahui aps yang dimaksud dengan syr
fiipoirsiz, hipotesis bomparatif› dan hipotesis loreRti/.
Uji hiporesis ad alah metode untuk mengetahui hubungan
(assoNaiio») antara variabel pang bisa dilakukan dengan dna cara,
yaitu secara ä oniparatif (coin puration j dan koreiatif (correfaiion}.
Hal ituiah yang mendasari pembagian uji hipotesis menjadi hipotesis
komparatif dan hipotesis korelatif.

Kesepakatan
Dalam bahas‹t Fnggric, terdapat perbedaan yang c‹tk‹tp jelas
at›cara DSSOclatiOfil, camparattOn, dan correlation. Akan cctapi, kctika
ditettemahksn ke dalaro bshssa Indonesia, ketiga ksta tersebut di
¢erjemohLsn menjadi hubungan. Akibatny«, d«lsm l›shess Indonesia,
pengertian ‘niencari hubungan’ bisa herarti niencari hubungan secara
komparatif maupun secara korelatif. Kalau kita membaca kata 'mencari
hu6ungan’, maka akan timbul kerancuan apakah yang dimaksud
adalah mencari hubungan secara komparatif atau secara ¥orelatif.
Untuk menghindari kerancuan tersebut, dalam buku ini diambil
kesepakatan sebagai berikut.
Pada tabel uji hipotesis, jenis hipotcsis dibagi menjadi dua, yaitu
komparatif dan korelatif. Untuk memhedakannya, perhatikan contnh
sebagai berikut.

Untuk menunjukkan bahwa metode yang dipakai untuk mencari

hubungan antarvariabet adatah metode komparatif, maka
digunakan kata huönngan atau perö and/r›gar›. Sedangkan untuk
menunjukkan bahwa metode yang digunakan untuk mencari
hubungan antarvartabel adafah metode korefatif, maka d\gunakan
kata korelasi.

1. Pertanyaan penelitian untuk hipotesis komparatif

i2i Apaksb terdspst perbedaan rerata kadar gula darah antara
kelompok ysng mcn‹lapsc pcngobatsn g\ibcnklamid dan
kelompok placebo›
Apakah terdapat hubungan ancsra ka‹lar gula darah dengan
jenis pengob«ta›t yang diterima (glibenklamid dsn plssebo)?
Apskah terdspst perbedaan terjodinys Lsnker pats sntsr»
pezokok dan buksn pero1oL!
ApsLsh ctrdepst 5n6ungun sntsrs perilsku mcroLok dsn
terjadinya kankcr paru?
2, Pertanyaan uatuk hipotesis korelatif
Ri Berapa besar bot«msi antara kadar trígliserida dan fidar gula
darah?

Dengan mengamati secara saksama fidid fiunci pada contoh

pertanyaan penelitian di atos, Anda sudah mengetahui perbedaan
jenis hipotesis tersebut.

Apakah perbedaan hipotesis komparatif dengan korelatif?

Perbcdaan mendasar pada kedua u)L di atas adalah pada output yang
ingin dipcrnleh. Bila pcneliti ingin mengetahui asosiasi itu dengan
parameter koefisien korelasi (r), maka gunakanlah hipotesis korelatif.
Namun apabila parameter yang dîinginkan bukan koefisicn korelasi
tctapi “paranıetcr yang lain’, maka gunakanlah hipotcsis komparaöf.
Perlahan-lahan Anda akan belajar kapan memilih hipotesis korelatil
dan kapan memilih hipotesis komparatif.

IQilah hetlga: Masalah sI‹ala pengukuran num6rik atau

kategorik
Dalara tabel, masalah skafa peog›A«ran dituliskan
mcnjadi numcrik dan k ategorik. Bagaimana Anda
mengelompokkan masaiah ke dalam masalah numerik atau
£ategorik? Berikut ini adalah panduan yang dapat mcmbantu Anda
mengelompokkan masalah skala pengukiiran.
Llntuk fiipoıesıs fiomporoti/
- yang dimaksnd dengan mssalah sksla kntegorik sdalah bila
varîabel yang dicari a5OSiaSİ ^ 7 adalah variabel kategorik dengan
variabcl kaıcgorik.
- yang dimaksud dengan masalah 5kaia numerik adalah bila variabel
yang dicari asosiasinya adatah variabet kategorik dengan variabel
numerik.
Llntuk fiipoıesıs borelntifl.
yang dinıaksud dengan masalah skaJa ka Ofik adalah bila salah
satu variabcl yang dicari asosiasinya adalah variabel katcgorik.
- yang dimaksud dengan masal ah skala nun+erik adalah bila variabel
yang dicari asosiasinya adalah variabel numerik dengan variabel
numcrik.
Tabel 1.5 Mengidentlfikasi jenJs analisis btvariat dengan menentuf‹an skala
pengukumn vanabet

Varlabet yang dicari avstad nya

Jenis hipotesi ¥ Idilah
Variabel 1 Veriabel 2
Hipotesis komparatif Kategorik KaLegortk
Kategorik Numer‹k Komparat1f numer‹k
Numerlk Nvmerfk
korelattf Kategorlk Kategorik Korelatif kazegor1k
kategonT‹ Numenl Korelatif kategorik
Numerik Nnmerik Korelatif numerik

lailah keempat dan kelima: Fbsangan dan jumlah

Anda harus mengetahui apa yang dimaksud bcrpasangan dan

tidak berpnsangon sertn yang dimaksud dengan 2
kelompok dan > 1 kelompok.
Penjelasannya dengan mu da h dapat dijelaskan dengan contnh
sebagai berikut.
Ilustrasi satu: doo kelompok tidak berpasangan.
Anda mengukur tekanan darah subjek penelîtian. Subjek
penelitian tersebut berasal dari dua kelompok, yaitu
kdompok daerah rural dan kelompok dacrah urban. Nde,
data tekanan daralı kelompok rural adaiah satu kelompok
data sedangkan data tekanan damh kelompok urban adalah
kelompok data yang lain. Dengsn demikian, dari zegi
/onfaj, Anda punya dua fi«/ompofi data. Sedangkan deri
segi berpasangan, Anda mempunyai kclompok data yang
tidak bcıpasangan karcna individu deri kedua kelompok data
tersebut berbeda.
Ilustrasi dna: dna belompok brrpasangan
Ada Sekelompok mahasiswa yang diukur berat badannya
sebanyak dua kali, yaitu pada Bulan Januari 2003 dan Bulan
Februari 2003. Nde, data berat badan mahasicwa pada Buİan
Januari adalah satu kclompok data. Bcrat badan mahasiswa
pada Bulan Februari adalah sckelompok data lagi. Dani
segi
/aıtı/ufi, Anda menıpunyai dua lz/ompofi dafu tyaitu berat
badan mahasiswa pada Bulan Januari dan Februari). Dari
segi âerpasuagan, Anda mempnnyai kelompok data yang
bstpasangan karena individu dari kcdua kelompok data
adalah
individu yang sama.
 feafi Sadatena PfioseM Pamfifia› îJji Ifipolesis 11

Ilustrasi tiga: kelompok berpasangan karena matching

Eusuasi sama dengan ilustrasi pert;ıma. Anda mengukur tekanan
darah subjck pcnclitian yang bcrasal dari dua kclompok,
yaitu kelonıpok daerah rursl dan kclompok dacrsh urban,
Dalam proscdıır pemilihan subjek pcnelitiaıı, Anda mclakukan
proses maıcfiiag, yaitn setiap subjek dari kelompok rurol
dicarikan pasnngannya ynng mcmpunyai karaktcristik yang
sama dengan subjek deri ketompok urban. Dengnn demikian,
dâYi SU ji fuMfAÜ z küba punya dua helompok data. Sedangkan
hart segi berpasangan, Anda mempunyai kelompok dam yang
bcrpusangan karena ada proses matthing.
ltiistrasi empae bBiompob berpacangan Elena desain loS5 ores
Jenis data kelompok bcrpasangan bisa juga dipcrolch pada
suatu uji klinis yang menggunakan dcsain cross over. Pada dcsain
ini, pada periods tertentu subjck penelitian akan menerima obat
A. Setelah menyelesaikan obat A, subjek pcneliti;in akan
menerima obat B selama periods tcncnm. Dengan cara ini, akan
dipcrolch datn ketika subjek penelitian menggunakan obnt A
dan ketika
subjck penelitian menggunakan obat B. Data obat A dcngnn data obat
B dikataksn berpssangan karens data tersebut diperoleh dari individn
yang sama.

e‹yaeafl8arl ag8bİl8 d8t8 terBebüt dariindividu yang samabaik karenapengukuran bzfu1ang, proses mafcû
daXan tidsk berpasanga« apabila data
pa prosedur mafcf/ing.

Istilah keenam: S/arat uj i parametrik dan

nonparametrik
Anda ha rus m cngerti apa yo n g men jadi syarat uji
parsmetrik dsn nonpsrsmetrik. Apa syocat uji psrsmerrik
dan nonyarametrik›

Uj i pararnetr ik
Uncuk uji psrsmetrik, terdspst cigs syomt yang perlu ‹Jiperhstiksn, ysitu
skala p¢ngukuran variabcl, dis‹ri$\›si data, dpn varians data.
12

M OSdlDh S nlD peH,e,HflHrflH Ltnriobel: Skada pellgukiiran VariahCl

harus variabel numerik.
2. Distribusi data: distribusi data harus normal.
. Varians datn:
a. Kcsamaan varians tidak men jadi syumt untuk uJi kclompok

b. Kesamasn varions adolah s yarat tidak mutlak untuk 2

kclompok tidak bcrpasnngan, artinya varians data bolch
sanna boleh juga berbeda.
c. Kesamaan varians adalah syarfft matfal untuk > 2 ketompok
tidak berpasangan artinya varians datu hanislwajib sanna.

Uj nonpararnetrik
i nonparametrik dignnakan untuk keadaon scbagai bcrikut.
Uji Jika masatah skala pcngukuran variabcl adalah kategorik (ordinal
1. dan nomioal).
Jika data dengan masalah skala pcngukuran numcrik tctapi tidak
2. memenuhi syarat untuk uji parametrik (misalnya distribnsi data
tidak normal), maka dilakukan uji nonparamctrik yang merupakan
alternatif dari u|i pararneuiknya. Lihat ta rida panah pada tabel uji
hipotesis,
Alternatif uji t berpasangan adalah uji Wiicoxon.
Altcrnatif uji t tidak bcrpasangan adalah uji Mann-Whitncy.
Alternatif uji repeated SNO YO adalnh uji Friedman.
Alternatif uji one ray ANOVI adalah uji KruskaI-Wallis.

Lalu, bagaimana Ands mengetahui set data memiliki distribusi

normal›
Anda dapat mengetahui scr data memiliki distribusi normal
atau tidak dengan dua metode, yaitu nieiodc deskripsi[
dan metode ana/ifis. Rincian sertn penjelasan kedua
metode tersebut dapat dilihat pada Tabcl 1.6.
 feo/i Sedete a / z›dbe f/j/›Ige/as/s 1a

Tabel 1.6 Metode untuk meogetahui suatu set data

memiliki distrfbusi normal atau tidak

Rmsloetmmmeg

RGoEuno$|$ 5E Eurtrtab

Deef‹ripTiT atau teflak rendah

pat d
nngeh, 4dd‹ e4e outlier
atau zgtoi ekslnm.

Kolmoqorov4mirnov NIIa1 kemaknaan ‹p) > 0,05 UnIu8 sampel bectr I> 50)
AnaglTlk
Shapiro-WIO‹ Nilei keniaknaan (p)› 0p5 Unak campel kecll (s 50j

Ket: SD• Stands Devias\, SE • Standar Error. Pembahasan lebih rinci tentang metode
untuk menentd‹an set data memiliki distrtbroi rormat atau Udnk dengan menggu+akan
program SPSS d‹an dibahas peda Bab II

Lalu, bagaimana men8etahui dua buah data atau lebih

mempunyai varians yang sama atau tidax?
Uji varians lLeoenes test digunakan untuk mengetahui
apakah dua atau lebih kelompok data mempunyai varians
yang sanna atun tidaL Jika uji varians menghasilkan nilai p
> 0,05, maka varians dari data yang diuji adalah sanna {Bagaimana uti
kesamaan varians dengan SPSS, silahkan pclajari Bab llI dan IV).

Ictilah ketuj uh: Tabel B x K dan prinsip P x K

Anda harus memahami apa yang dimaksud dengan
tabcl B x K dan prinsip P x K , Pada label uji hipot•sis,
dijelaskan bahwa tabc[ B x K digunakan untuk
hipotesis komparatil katcgorik tidak 6crpasangan
ecdang P x K untuk hipotesis komparatif katcgorik
berpasangan.
Apakah yang dimaksud tabel B x K?
B adalah singkatan dani baris dan K dari kolom. Pada baris lB)
umumnya diletakkan variabel independcnfhebas, sedangkan pada
kolom (KJ dilctukkan variabcl dcpcnden/tcrikau
Jenis tsbel ditentukaft Dlflh jumlsh baric dan kolomnya. Jika jum-
lah baris ada 3 dan kolom 3, maka tabel tcrscbut discbut tabel S x 3.
Berikut int inerupakan contoh dari tabel 3 x 3.
 Tabel 1.7 Contoh tabel sllang 3 x 3

Tingkal Rendah
pendidikaFl Sedang d b c a+b+c
e f d+e+f
Tinqqi h i q+h+i

Tabcl I, 7, mcrupakan contoh tal›cl 3 x 3 karcna jumlah buris oda

.1 d an juî\\înî1 k‹›l‹›îı\ aci a ?. Baris ada tiga k ar c›\a ti ı\gkar ye ı1‹Jid i kaH
dibngi mcnjadi 3 katcgori, ya itti rcndah, scdang, dan tinggi. Psda kolom
jug:ı terdap:it 3 karen:ı tiogkaı peııgrtahıı:ın ‹libogi nıcııjadi 1,
yoi tv te nda h, sedan g dan tinggi.
Pcr xilangaıı aııtara satu katcgtıri drııgaıı karcgori laiıı diııamakaıı
sel›agai sel. l’ada tallcl .3 x 3, tcrdapot 9 sel yang dibcri naına nıulai dari
eel a sampai dengan eel i, Pethati kan bahwa variabel tingkat penditJiknn
dan ti iigkat pcngcralliian user iipaklH variaf›ct katcgorik. Hiiliiingan
aTlt0f0 due buah v0fiHbe OTdinal ini dapat diSH jikan a 0m bt•ntuk t0bel
silaiig (tiilicl B x K).

Apakah yang di maksud pr insip P x K ?

P adalah siııgkatan dari pengulangan dan K bari kaıcgori. Jenis
pritısip 1° x K ditetı tukaıı ulch pınllah pcıl ğ tı lan ğ aıı dan katcğ ori. Jika
jıımlah pcngulangaıı adı 2 dan katcguri ada 2, maka priıısip tcrscbut
disebtıt 2 x 2. berikııt i ni ınerııpak an eun toh mart priıısıp 2 x 2.

Tabel 1.8 Contoh prfnsîp 2 x 2

Baik Buruk
Pengetahuan gş,g a a+b
sebelum
penyuluhan B r«k d c+d
B +C b+d N
 feafi Sadatena PfioseM Pamfifia› îJji Ifipolesis 15

Tabel 1.8, merupakan contoh prinsip 2 x 2 karena jıımlah peng-

utangsn ada dna dan juaılah kaıegori sda dna. Pengulangan ada
dua karena pengetahuan diukur dua kali, yaitu saat sebetum dan
setelah penyııluhan. Kategorî ada dua karına variabel pengerahuan
dikelompok- kan menjadi duıt kategori, yaitu baik dan buruk. Dengan
dcmikian:
- Bila perişan dilakukan sehanyak tiga kali dan kategori variabel
sclxınyak dua katcgori, maka prinsip P x K yang tcrjÎıdi adalah 3 x 2.
- Bila pengukuran dilakukan scbanyak dua kali dan kaıegori variabcl
scbanyak dga kategnri, maka prinsip P x K yang mrjadi adalah 2 x 3.

lNCiATl
Sebelum melangkahlebihjauh, sudahkah Anda memahami tujuh istilah ini:

t. Sk«Jrt pengukuran : kacegotik atau numerÎk.

2. ]ents hiporcsis : komporoti£ «mu korelsrif.
3. Masalah skala pengnknran : nnmerik atau kategorik.
4. Pasangan : berpasangan alan berpasaiigan.
)um1ah kclompok5.: 2 kclonlpok atau > 2 kclompok. Syarat nji parametrik dan nonparametr
6.
Tabel B x K dan prinsip P x K.
7.

C. STATISTIK MULTIVARIAT
Tcrdapat dua analisis multivariat yang sering digunakan dalam
penelitian kcdokteıan dan kesehataıı, yaitu analisis rcgresi logistik dan
analisis rcgresi linicr. Pcmilihan kcdua analisis tcrscbut ditcntukan
olch skaİa pengukuran variabel terikatnya. Bila variahcl terikatnya
berupa variabcl katcgorik, mak a rcgrcsi yang digunakan adalah
analisis rcgrcsi logistik. Bila variabel terikatnya berups variabel
numerik, ınakn regresi ysng digtınakan sdslah ana\isis rcgrcsi
\inicr.
II. Resume Uj i Hipotesis
A. FIE9JMEANALIgS BIVARIAT
Sampai sejanh ini Anda sndah mcmahami bcrbagai istilah yang harus
Anda ketahni untnk menentnkan uji hipotesis yang sesuai dengan
set data yang Anda miliki dengan menggunakan tabcl uji hipotesis.
Pemoparan beriknt akan lebih membantn Anda nutuk menınlınmî alur
ymikiran mcnnju hipotesis yang scsuai. Pemaparan akan dikclDmQOk-
kan nıcnjadi lima bagian.
1. Resurnc hipotesîs komparatif skata pengukuran nunıerîk.
2. Resume hipotesis komparatif skata pengukuran ordinal.
3. Resume hipotesis komporatif skala pengukuran katrgDfik tidak
berpasangan dalam bentuk tabel B x K.
4. Resume hipotesis komparatif skala pengukuran kategorik
berpasangan dalam bentuk P x K.
Resurnc hipotesis korelatif.

1. Resurne u; i Hipotees K0mparatif Variabel Numerik

Cakupan uji hipotesis komparatif rariabel numerik disajikan pada
Tabel 1.9. Perhaiikan bahwa Tabel 1.9 ini adalah sebagian dari
tah<1 nji hipotesis yang Anda pelajari pada Tabel 1.3.

Tabel 1.9 Tabel uji fiipozesls: alur menuju pemilfhan u}T

hipotesh k‹xnparatff va›1abel numerik

Jens hipoteeie aaoeiabF

Bafpasorfgon
Nurnartk 2keJompok *2 2 &ompot > 2 helompnk
uji t adak ena way ujl t Repeatad
bergaeangan ANCiVA berpaaangan ANOVA

Mann-Whitney Kruekal- Wikoxon Fdedman

Untuk variabel nuinerik, penggnnaan tabel aji hipDteSis akan lebih

mudah dipahami bila dikombinasikan dengan diagrani alur scbagai
 feafi Sadatena PfioseM Pamfifia› iJji Ifipolesis 17

WIDAK

Jumlah KeTompok ?

Di agrarn 1.1 giagram alur uji hipetesis variabel numerik

Tanda panah melcngkung pcrtama mcnun j ukkanupaya

yang dilakukan nntak menormalkan distribusi data dari tidak normal
menmi di normal. Scdaiigkan tanda lcngkung yang kcdua menunjukkan
upaya yang dilakukan supaya dara yang inempunyai varians berbeda
diupayakan untuk mempunyai varians yang saina. Upaya ini dinamakan
proses transfårmasi data. Transformasi dilakukan dengan menggunakan
fungsi tog, akaq kuadrat, dll. Bila F• s transformaGi data berhasil,
moko proses nknn berujung pada uji parametrik. Apabila tidak berhasil,
maka proses akan berujung pada uji nonparamctrik. Proscs transfor-
masi data ini belum tentu berhasil. Bagaimana proses transfoimasi ini
dilakukan dcngan program SPSS? Silakan pelajari Bad H.

2. Resume tfji Hipotesis Komparai if Vniabel Ordinai

Cakupan uji hipotesis komparatif variabel ordinal disajikan pada
Tabel 1.10. Perhatikan 6ahwa Tabel 1.10 ini sdslah sebagiao dari tabel
uji hipotesis pang Anda pelajari pada Tabel 1.3.
16

Tabel 1.10 Tabel ujT hJpotesis: alur menuJu pernTtihan

uji hipotesis komparattf variabel ordinal
Masalah shala Jenis hpo\esia asosia\it
pengukuran homparatit
Tidak bargasangan
r.aiegonr \woinay a xeNrrpo<

Mann Whitney Krusl‹al- Wikoxon Friedman

WaJlis

Dalam lmku ini, hipotesis komparatif variabel ordinal tidak

dibahas secara khtiGiis. Pembahasan untuk uji hipotesis ini sekaligus
dib«h«s pada bab yang menjclaskan uji hipotesis komparatif untuk
variabel nu- merik tBab III dan Bab IV). Adapun alasan
penggabnngan pcmbahasan adalah Sebagai bcrikut.
1. U i i komparatif untuk data ordinal iiii sering kali meiijadi alternatif
uji hipotcsis untuk data numerik yang tidak mcnicnuhi syarat untuk
uji parametrik.
2. Pada Bab ll1 dan lV akan dibahas uji hipotcsis untuk variabel
or- dinal, akan tetapi menggunakan data numerik yang
distribusiiiya tidak normal,
3. Dengan deinikian, secara tidak langsung, pembaca sudah mempe-
lajari uji hiyoccsis komyaratif variabcl dc»gsn skala pcngukuran
ordinal.
3. Resuma Uj i Hipotesis Komparatil Kategorik tidak
berpasangan dalam Bentuk Tabel B x K
Cakupan uji hipotcsis komparatif variabcl katcgorik tidak berpasan-
gan disajikan pada Tabel 1.11. Perhatikon bahwa Tabel 1.11 iiii
adalah scbagian dari tabel uji hipotesis yang Anda pclajari pada Tabel
1.3.

Tabel 1.11 Tabel uji hipotesis: alur menuju pemi\ihan uji hipotesis variabol
kategorik tklak berpasangan

M•safah shaJa Kompara5f

pengukuran
Tkiah bergasangan

Fieher

Dengan rneııggunakaıı Tahel 1.11, Anda sudah lisa ınenentukan

uji hipotesis yang dipitih unmk menguji data yang Anda miliki. Peng-
gunaan Tabel 1.11 akan lebih mudah dipahami bila dikombînasikan
dengan disgrsm uji hipotesis tsbel B x K sebsgsi bcrikuc.

TABEL B x K

Ttdak terpeouhi Tfdak terperıuhl Tldak targenutıl

Di agram 1,z Oiagram alur ujî hipotesis variabel kategonJs

kclompa{‹ tldak betpasangan

Dengan panduan Diagram 1.2, Anda dapat menarik beberapa

catatan penting sebagai berikut.
1. Semua hipotcsis untuk katcgorik tidak bcrpasangan menggunakan
uji Chi-Square, bila memenuhi syarat uji Chi-Square.
2, Syarat uji Chi-Square adalah sel yang mempunyai nilai expecitd
kurang dari 5, maksimal 20% dari jnmlah set.
3. Jika syarat uji Chi-Square tidak terpenuhi, maka dipakai uji alter-
natifnya.
a. Alrematif uji Chi-Square unmk tabel 2 x 2 adalah uji Fisher.
b. Altcmatif uji Chi-Square untuk tabcl 2 x K adalah uji Kol-
mogorov-Smirnov.
c. Almmatif uji Chi-Square untuk tabel sclain 2 x 2 dan 2 x K
adalah penggabungan sel. Setelah dilakukan penggabungan
set akan terbentuk suatu tabel BS K yang baru. Uji hipotesis
yang dipilih sesuai dengan tabel B x K yang ham tersebut.

Bcrikut ini adalah contoh output SPSS untuk tabcl 2 x 2 dengnn

mcnampilkan oilai o6serz'ed dan nilai rxpzctzd-nya.
 Hubu ngan ant ara per ilak u marokok dengan st at us fert il it as

Ntatua f•6FtI II faa

fer1sI inferblTorsl
eriiacu meroa« i ioañ meroxo<sound Ea y ssu
MBDk0¥ Cot 22.550.0
Count 30”50
Expected C ount
22.550.0
i otai cunt
Expected Qount ssgsTuu

Ket er angan:
Pada set a, nilai o6sorvec/-nya {lihat pada lajur count) adalah 35 sedanglcan
nilai eKpect ad•nya (lihat pada la)ur expected coonf) adalah 27,5.
Pada sel b, nilai ods•rveo'-nya adalah 15 sedangkan n|la\ expecteo'-nya adalah
12,d dan seterusnya untuk se1 lainnya.

Hilai expecfe‹:/ dihitung dengan persamaan:

Total Bariss Total Kolom

Tolal Sampel

Sebagai contob:
T‘ 8aris x Total holom
Nilai expect en set a 50 x 55
' Total Sampel \ oo - 27 5

Total
Flilai expeot ed sel d

Pada tabel ini, Arda dapat menggunakan uJi Chi-5quare karena syarat uji Chi
Square terpenuhi, yaitu tidak ada nilai expecf ed yang kurang dari S.
Anda b\sa mempelajari prosedur SPSS untuk menamp\lkan nilai observed dan
expected pada Bab v,

Definisi
Nil ai obser red \Ol adal ah ni I ai obser vasi yang Anda dapat kan pada obj ek penelit ian.
4. Resume Uji Hipotesis Xomparatif Variabel Kategorik
berpamng-an (Prinsip P x K)

Cakupan ujî hipotesis konıpsratif roriobel kategorik beıpasangan

disajikaıı pada Tabel 1.12 Perhatikaıı bahwa Tabel 1.12 ini adalah se-
bagian dari tabel uji hipotesis yang Anda pelajari pada Tabel 1.3.

Tabel 1.12 Tabet uJf hîpotesfs: alur menuJu pemitîhan uj1 Mpotesis
variabet kategorik berpasang•n.
Jerxs hIpoIg6i6 aeg6ialif
Masalah shala 8omparatıt
pengukuran Berpasangan
ftategonx McNemar, Cochran
(Nomînakordlnal) Marg1naI Homogeneily
W8coxon, Priedman
(label P s K)

Dengan men mnahan Tabel 1.12, Anda sudah bîsa menentukan

uji hipotesis yang dipilih nutuk mcnguji data yang Anda miliki. Peng-
gunaan Tabel 1.12 akan lebih mudah dipahanli bîla dikombînasikan
dcngan diagram bcrikut.

begıewzngen

>2

õ agram 1.3 Diagram alur uJi hipotesis variabel kategortk

kelompok berpasangan

Dengan panduaıı Diagram 1.3, dapat diambil kcsimpulan sebagai

1. Jika jumlah pengulangan 2 dan junılah kategori 2 maka uji yang

digunakan adalalı uji Mc Nemar.
22

digtinakaii adalah uji Marginal Homogeneity afau V*i1coxon.

yang digıınakan adalah u iı Cochron.

4. Jika jtıınlah peııgulaıığ a ıı > 2 dan jıHıılalı kateguri > 2 maka Hji
yang digıınakan adalah •iı Fricdman.

5. Resume Hipotesis Korelatif

Anda dapat mcmilih uli hipotcsis korclatif dengan bcrpcdoman
pada talicl scliagai lirri kiit.

Tabel 1.13 PemTlihan hipotesis korelatif

Nominal OrdinaT Koefislen kon\ifigensi.

Ordinal lambda Ordinol Spearman, Qarrtmo, Somers’d
Numetik Spearman
Numetik Pearson

Ket er angan:
Korelasi untuk variabel numerik, memakai uji Pearson dengan ujj Spearman
sebagai altematifnya.

Beti kut ini nieru pak an d iabram al ur h iputesis k orelati f It nttik

variabel iiunicrik.

Hipotesis korelatif
Variabel numerik

Sebaran normal ?

TIDAK
Uji nonparame(rik Spearman
U¡i parametrik Pearson

Diagram \ . 4 Alur pemillhan ujl hipotesis korelat\f untuk var\abe\ numerfk

Ket ei angan:
Tanda panah melengkung meaunlokkan usa ha yang dllakukan untuk menor-
malkao distnbusi data dari tidak normal meojadi oormal tproses transformasi
data).
 B. H£R3ME ANALISS MIJLTIVARIAT
Fcmilihan kedua analisis tcrscbut ditcntukan oleh skala
pcngukuran variabel terikatnya. Bi[a variabel terikatnya berupa
variabel kategorik, maka regrcsi yang digunakan adalah anatisis
regresi lngistik. Bita var tabel terikatnya berupa variabel numerik,
maka regresi yang digunakan adalah analisic regresi linier.

Regresi logistiir bila variabel terikatnya lnnipa

Analisis variabcl kategorik
rnultivariat
Regresi linier: bila variabel terikatnya berupa varinbel numerik

Dlagram 1.5 Atur pemfl\han uJ\ h\potesfs untuk analhfs multfvar\at

III. Contoh Xasus

Dengan menggunakan pengetahuan mengenai skaln pengukuran,
jcnis hipotcsis, masalah skala pcngukuran, bcrpasangan atau tidak
bcr- pasangan, jumlah kelonipok, syarat uji parametrik dan
nonparametrik, tabel eilang B x K, dan prinsip P x K, cobalah pelajari
beberapa contoh kasns berikut ini. Saat inempelajari setiap kasns,
gunakanlah tabel nji hipotesis dan diagtam alur dengan langkuh-
langkah sebagai berikut.
1. Menentukan variabel yang dihubungkan: identifikasi variabel yang
dihubungkan serta skala pengukurannya.
2. Menentukan jenis hipotesis: identifikasi apakah jenis hipotesis
koaiparatif atsu korelatif.
3. Menentukan masalah skala pcngukuran: identifikasi apakah tcr-
masuk masalah nurnerik atau kategnrik.

Untuh hipot•sis ko›ciparoti

- yang dimaksud deoyn masala£ skala kategocik adalah bita variabel
yang dicari hubungannya adalah variabel kategorik dengan variabel
katcgorik.
- yang dimaksud dengan masslah skala nnmerik adslah bits variabel
yang dicari hubungannya adalah vafiabcl kategorik dengan variabcl
numerik.

Untuk hipotesis korelatif:

- yang dimaksud dengan masalah skala kategocik adalah bila salah
satu variabcl yang dicari asosiasinya adalah variabcl katcgorik.
- yang dimaksud dengan ınasalah skala numerik adalah bira variabei yang
dicari asosiasinya adalah variabcl nıımcrık dcngan variabcl numcrik.
 4. Menentukaii herpasangan atau tidak herpasangan.
Bila jenis hipotesis komparatif, tentukan apakah berpasaiigan atau
tidak herpasangaii.
Menentukan jumlah kelompok atau menentukan jenis tabel.
Bila jenis hipnrcsis komparatif nuinerik, renrukan baiiyaknya ke-
lompok,
Bila jenis hipntesis komparatif kategnrik, tentukan jenis tahel B x K
untuk data tidak bcrpasangan dan prinsip P x K untuk data bcr-
psCaJtgsn,

Apakah terdapat perbedaan rerata hody mass index (6mi) an-

tara kelompok status ekonomi tinggi dibandingkan kelompok
konoini ndah?

Langkah-langkah yang digunakan untuk menjawab

pertanyaan tersebuc adalah scbagai berikut.

Tabel 1. J 4 Langkah-langkah untuk menentukan uji hJpotes\s yang sesuai dengan

panduan tabel uji hipotesis dan diagram alur

1 ieou#anvanao yang vanaowyangdnubungWm

öhubung|mn adabhBHI{numedN)

semue u I kornperetit
Uj i t tidak berpaaangan, uji t
bereesenean one wey ANOVA
b*giasangan Uj I t tidak oerpaeangan, one way
ANQVA
Wnen\u¥an umleh Due ke\om Uji T tioek Oerpaeengan

uji t tidak berpaeangan {uy paramefik) j& meme nufıi oyarat. Jika tidak wmanuhl ayet maka dlgunakan u|l aIIam•\lfnya. yaitu rt]i MannWhltn

“Apskoh terdapsc hubungsn ••‹•‹• i enis Lelso›in ()aki-\ski dsn perem-

puan) dengan asupan makanan (kurang, cukup lebih)?”

Langkah-langkah yang digunakan untuk menjawab pertanyaan tersebut

adalah sebagai berikut.
 Tabel 1.15 Langkah-langkah untuk menentukan uji hipotesis yang sesuai dengan
panduan tabel uji hipotesis dan dtagram alur

adabh jenis kelam In

(ka eg grifi› dengg n as upan
makannn (kate orikt
rWerJa ndufia:d jerdis 44ipotasis a ompar au z'emua uj i noinpar auŁ
iYignen i nua m ąggt Ispą v ri i 6Ut Im 6. r is Jg'r, unii P Ę P t9r’-
vanabel Smirnoy, Mc Nem4t, .\fargl mi
n omogone\y. C och ron. W
iilcoxon,
leena nluRan pasanganfi o aż TidaK DarQdW hQBn u ni squa re, I"ianer, hoim
ogorov-
n a s impui a n.
J a n is tabeT paoa s ooh in i odalahž x 3. Uji yung digunakan odalah •i i C hi -5q uaia bla meme nuhi
syara1. Bila Tidak mamen u hJ syo rzt uji Chi-Sqrusra. dšgunakan uj i o Ite mn1ifnya yailu uji Kolmo$o rov
9 m*rnov

Kasus 3:
“Apakah ierdapai korelasi antara kadar radikal hehas dengan total
jm ililah rukok ya mg di ihaP selailiJ satti ma ri ? "
(aiuab:
Langkah-langkah yang digunakaii uiituk mcn jawab perran j'aan tcrscbut
adalah sc •*b*i l,erikii r.

Tabel 1.16 Langkah-langkah untuk menentukan uji hipotesis yang

sesuai dengan panduan tabel uji hipotesis dan diagram alur.

a d ala h kara r nad kal bebas

tok o ‹ p ar h a I i (n x n e.ik ›

a ul e n B n i ufi a ri rr' B a o i B ii s na ix ixaneri*

variabal

M ji y an g d ig un a kan an ala ä ui[i k o ral as i Pea rso1 uji p ara m e tr ik |. j'na r« e m e n u F. i sy arat. J i\ a 1id ak
m e m c nu h i sy arm z. rr a km d 'Mun a X an u i i a.to tr stil ya ilu # ji here läs i 5 pca rm an ‹uji a g z p a ra m
Un?).
IV. Nil ai Probabilit as (P) dan Inter val Kepercayaan
Ada dua cam untuk melakuk lu iııferensi peııorikan kesimpulon),
vaitti dcngan ırcnghitııng n ilai p dan intcr val kcpvrcayaan (IK),
ltcrikut ini ıncrupakan paHduan uııtuk inrcrprctosi hasil u|i hipotesis
tlcnğ aıı mcnghitu \g i1ilai g,

Tabel 1.17 Panduan interpretasi hasil uji hipotes)s bila nilai p < 0,05

Uji normaTiW Kolmogorov-

Distribuai data fidak normal
Smimov dan Shapiro-Wilk
Distribusi beberapa set data yang dibandingkan
Uti Varians Levene’s lesl mempunyai vaFian6 yang berboda
3 Uji t bergasaegan
4 U¡i t Tidak Terdapal perbedaan rerata yang bermakna antara dr
berp'asangan Uji W kelompok data
ilcaxon
6 U¡i Mann-Whitney Paling t›dak terdapat dua kelompok dala yang
U¡i ANOVA mempunyai perbedaan rerata yang bermakna
(untuk mengefahui kelompok mana yang dorboda.
UJi Friedman oacara barrnakna, harus dilakukan enaTisis
g Uji Kruskal-Wall s 4ost•Hoc

10 Uji McNamar Terdapal perbedaen proporsi yang berrnekna anlara

dua katnmpok data
11 Uji Homogeneily
Paling ödok, terdepat perbedaen proporsi yang
bermakne enlare due Xelompolr deta (untuk
i2 Uji £@chran mengetahui kelompok mana yang Oerbeda sacara
berrnekna, francs dilakukao anaTïsis Posfi•Hac

13 Uii Chi-Square
Terdapal hubungan yang bermakna antara variabol
14 Uji Kolmogorov•S mirnov / dengan veriabe1 B
15 Uji I”-isher
16 Uji Pearson
1T Uji Spearman Terdapal korelasi yang bermakna antara variabel A
\8 Uji Koefsien dengan variabel B
Kontingensi
i9 Uji Lambda
20 Uji Gamma S Gr+ners*d
Nilai probabilitas (p)
hıtcrprctasi yang dibcrikan pada Tabel 1.17 adalah untuk memu-
dahkan sa i a. Anda harus nıengerti juga apa yang dimaksud dengan nilaî
p, hipotesis nol, dan hipotesis alternatif:
1. Hipotesis {H) adalah peınyaman sebagai jawaban senıentara atas
pcrtanyaan penelitian yang harus dijawab sccara empirix
2. Hipotesis not (Ho) adalah hipotesis yang menunjukkan tidak ada
ptrbcdaan antarkelompok atau tidak ada hubungan antarvariabel
atan tidak ada korelasi antarvariabcl.
3. Hİ DttSİS alternatif lHa) adalah hipotesis kcbalikan dari hipotesis
nol, yang nknn disimpulkon biln hipotesis no1 ditofak.
4. Intcrprctasi yang lcngkap nutuk nilai p adalah scbagai berikut
“besarnya kemungkinan hasil yang diperoleh atan hasil yang
lebih ekstrim diperoleh karena faktor peluang, bila hipotesis no/
benar”.

Interval kepercayaan
1. Interval keptrcayaan {lK) meiiunjukkan taksiran tentang nilai pada
populasi yang dihitung dengan nilai yang dipcroleh pada sampel.
2. Seperti menghitung nilai p, perhitungan lK mempunyai rumus
tersendiri untuk masing-masing uji bipotcsis.

Hubungan Nilai p dsngan interval kepercayaan.

1. Nilai p dcngan IK mcnghasilkan kcsimpulan yang bonsisten. Bila
nilai p menghasilkan kesimpulan yang bermskna, maka IK aksn
membcrikan kcsimpulan yang bcrmakna juga. Demikian juga scba-
liknya. Hanya saja, in@rmasi yang dibmikan k ef uanyu berbeda.
2. Konsistensi nilai p dengan nilai IK adalah selngai herikut.
a. Bila pada nji hipotesis komporatif (perbedaan proporsi atau
perbedaan rerata) perhitungan nilai p < 0,05 {yang bcrarti
secara statistik bermakna) maka pada perhitungan IK, nilai 0
tidak akan tercakup di dalam nilai intervalnya (juga 6erarri
secara statistik bermakna).
b. Bita 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 intcrvalnya.
3. Nilai p memberikan informasi peluang untuk mempcroleh hasil
yang diohservasi bita hipotesis nnl 6enat, scdangkan IK
mcmhcrikan informasi perkiraan rcntang nilai paramctcr pada
populasi.
 LatihanBAB I

Untuk mengstahui psmahaman Anda, kerjakanlah latihan bsrikut

ini:

1. Bagaimana Anda mengetahui distribusi data yang Anda miliki

normal atan tidak normal?
2. Bagaimana Anda mengetahui dna buah kelompok data atau lebih
mempunyai varians yang sama atau tidak›

Tentukari uJ I hlpoteds apa yang dl nakan untuk mengu|t data

untuk pertanyaari-pertanyaan berikut.

3. Apakah terdapst perbedoan rerata body inass index {sksla pengu-

kuran numerik) antara kelgmpo(c status ekonomi Linggi dcngan
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 pcrbcdaan rcrata kadar kolcsterol (skala
pengu• kuran numerik) pada sebclum, stbulan pcngobatan, dan dua
bulan pengobatan simvastatin pada pasien?
7. Apakah terdapat hubungan antara perilaku merokok (merokok
dan tidak merokok} dengan inferÖlitas pria (infertil dan fertil)*
8. Apakah terdapat hubnngnn antnra perilaku merokok ibu (merokok
dsn tidak mctokok) dcngan prccklampsia (tcrjadi ptccklampsis,
dan tidak ter adi preeklampsia}?
9. Apakah tcrdapat hubnngan antara tingkat ekonomi {di atas garis
kemiskinan, di bawah garis kemiskinan) dengan tingkat asupan
makanan (lebih, cukup, kurang)?
10. Apakah terdapat hubnngan antara tingkat pendidikan {tinggi,
sedang, rendah) dcngan asupan kalori (lebih, cukup, knrang)?
11. Apakah terdapat korelasi antara kadar gula darah (skala pcngukurari
numerik) dengan kadar knlesternl lskala pengukuran numerik)i

Cocokkarı jawaban Anda dcngan kunci jawaban yang terdapat pada

CD latihan (nama file kunci_bab_1).
 LATIHAN 1
MEMA&JUAN DATA

Anda harus mengetabui bagaimana memasukkan data karena SPSS

barn lisa lah d ika And den

nominal, ordinal, dan nismerik scrta variabel dengan ö pe

String.

Anda memperolch data s•bagai berikut. Anda ingin

memasukkan data ke dalam rOg &fn SPSS.

E#

Bagaimana memasukksn data ke dalam program SPSS?

Terdapat dua langkah utama yang harus Anda lakukan, yaitu

Yori bl! Vi› in
,$is Vanable Vieui.
Buka program SPSS.
Aktifkan Vdridficf Visa lada di kiri bawah) akan terlihat
tampilan sebagai bcrikut.
 Pada tampilan Variable View ak an didapatkan kata Name, Type,
Width, Decimnls, hahels, Valucs, Golumn Width, R li ment,
Measares. Berikut sdslah penjelasan dari masing-masing istilnh
tersebut.
Mame kotz yang inewakili nama variabcl. Biasaiiya diisi
dengsn kata yang mudsh diingnt yang
berkaitnn dcngan nama variabclnya, misalnya
“sex” untuk variabel jenis kelamin responden.
Tyye tipe data yang Anda nlasukkan. Pilihan yang
paling unium adalah nuwerjc (karena semua
proses uji dalam SPSS bisa dilakukan dalam
bentuk numeric I dan sfr*ng (ka[ou yang man
dimasukkan adalah huruf/kata/kalimat).
jumlah digit data yang man dimasukkan.
Decima/s jumlah digit di belakang titik.
Labels pcnjelasan rinci dari kolom name. Misalnya,
dalam kolom name Anda kctik sex, fof›zfs-
nya adalah ‘jenis kelamin responden’.
kodc yaag Anda bcrikan jika variabcl mcrupakan
vari«b I £ategoriå (nomina I dan ordinal).
Misalnya kode 1 untuk kategori perempuan,
kode 2 nutuk kategori la ki-laki.
Colama lcbar kolom.
Width pilihan rampilan variabcl (rapat kir i, kanan, atar
Alignment tengah)
skala pengukuran variabel (nominal, ordinal,
Mzasures senle). Dalam program SPSS, variabel interval
dan rasio disebut sebagsi variabel scale.
 Dari kams yang dibcrikan, Anda diminta untıık mcmasukan cmpat
variabel, yaitu nama (â triog), jenîs kelamin (kategnrik Hnnıinal), nilai
(katcgorik ordinal), dan nmnr lnumcrik).
a. Pengisian Vanable Vic untuk variabel nams.
Name isi mengetik nnma.
iy/0e isi dengan mengaktifkon pilihan Slzing.
Widlh isi dcrtgan \S l‹ ntuL kcscrsgamsn). Pcmilihan
Icbar koiom tcrgantung dari bcrapa karakter

DeĞmats tid1aktit.
Labels isi deog.w nama tesponden.
Values tidak diisi.
CoJamn &id/fi lS (nutuk keseragaman).
Alignment tcrscrah Anda.
M‹as«res tidak aktif.

b. Pcngisian Veriable Vietp untuk variabcl jcnis kclamin.

Nate ketik sex.
Type pilih Nomerîc.
Widıh tersetah Anda.
Decimals pilih 0.
Labels isi dengan ienis helamin rcsponden.
Values klik kotak kecil berwamn ungu pada sisi kanan
koloın Values, akan terlihat tarnpilon sebagai
berikut.

* Ketik 1 pada kotak Value.

Ketik perempuan pada kotak Yofue Label .
Klik Add.
 Ketik 2 pada kotak Yafoe.
KcciL lakı—taki yada kotak to/oe Label.
Klik Add.
Prnscs telah sclesai.
Akan terlihst tampilan sehagai berikut.

Klik Oh.
• Colamn &idt£ terserah anda
' Alignment terserah Anda.
Measures pilih Nominal.

c. Pcngisian Variable Vinny untuk variabel umnr.

Name isi dengan umur.
Type isi dengan mcngaktifkan pilihan Numeric.
Width terscrah Anda.
Decimals isi dengnn not (0).
Labels isi dtnga n Umur responden.
VoJu«s tidak diisi (karens variabel umur tidak mempunyai

Colin Width tcrscralı Anda.

Ali nment terserah Anda.
Measures pilih scalc.

Untıık keseragaman, 6cri kode 1 nutuk nilai buruk, kode 2

nutuk nilai sedang, kodc 3 nutuk nilai baik.

Dapatkah anda nıclakukan pengisian Variable nutuk

variabel nilai*
 Bila yang Anda pilih pada menu Jem adalah Viem lo6rJs, maka
tampilan yang akan tsmpil adalah sebagai berikut.

yang dibcrikan, jika sudah selesai, simpan £1c dengnn nama:

fatifidn ent ry (File -+Save As lntihan €ntry). Bila Anda mengisi
dengan henar, pada Data Viem, Anda akan mcmpcrolch hasil scbagai
berikut.

1 : t
rama sex ıxn#r nllal

2 budı
3 c ecep

Z
Z

Bila yang Anda pilih pada menu adalah View Labels maka
tampilan yang akan tampil adalah sebagai beriknt.

1 ahmaü IaLslak Z3 baik

1 budi lahi-lak
3 eeeep lahi-lek 1B buruk|
4 dedeng lakslek 21 burukl
5 aTy perampuan Z3 baık|
6 farah perempuan 17 baık|
7 gita petempuan 1b seüang|
8 hendi Iak•Iek 19 se8engl
9 indeh pe/empuan 2S baık|
 LATIHAN 2
BAGAIMANA MELAKUKAN PEFItJBAHAN
DATA DARI SGTU TALA KE SKALA LAIN?

Anda harus ttrampil melakukan pcrubahan data dan satu skala ke skala
lainnya karcna pada praktiknya nanti, data awal yang Anda masukkan
harus Anda ubah untuk keperluan tcrtentu. Anda menggunakan
perubahan datu ini jika Anda ingin melakukan perubalian dari skala
pcngukuran numcrik kc skala ordinal atau untuk pcnggabungan sc1
{ingat penggabungan sel sebagai alternatif untuk uji Chi-S quare yang
tclah dibahas di Bab I).

Kastis:
Dari data yang telah diperoleh pada Jatihan 1, Ande
ingin niengategorikan umur responden menjadi tiga
kelompok, yaitu responden yang berumur < 20 tahun, 20-
22 tahun, dan 22 tahnn {dalam hal ini, finda merubah
variabel nuinerik
menjadi vatiabel ordinal).

Bsgaimana lnngkahysng d akukan dengan program SPSS?

1. Buka file latihan entri.

2. Aktifkan Data Vietc.'
3. Lakukan langkah-langkab berikut ini:
Masukkan variahcl umur ke dalaai lnp•t Variable.
Ketik umur I k e dal am Output Variable.
* Ketik ‘klssifikssi umur’ kc dolsn› Isb<l.
Klik kotak Ghange. Sctelah proscs ini, Anda akan melihat
tampilan scbagai bcrikut.
 x tik Old and Ne ur Valuas.
Igilah kotak Old Value dan kotak New Volue (se\anjumya ikuti
logiko berpi1ir).

Logikanya adalah:
Semua data < 20 tahun diubah menjadi kode 1.
Semua data 20—22 tahim diu6ah menjadi kode 2.
semua data > 22 tahun diubah men jadi kode 3.

Dengan lngika terse6ut, isilah Old Value dan New' Value sebagai
berikut
OfJ Value° range lowest through 19 , New Vglue.- 1, klik Add.
Old Value: rdnge 20 tfiro«gfi 22, Nett Value.• 2, MW Add.
Off Vnlue: 23 through highest, New Vn/ac: 3, ktik Add.

Sampai tahap in i, Anda akan memperoleh tampilan sebagai

Proses tetah sctesai, klik kotak Continue.

Klik OK dan lihadab hasilnya.
 Apakah sudah ada kolom bam (dcngan nama umur_1 ) dan nilai-
nilai yang ada pada kolom tersebut? Bila Anda melakukan proses secara
bennr, pada Data Vieur akan terdapat kolom bam dengnn variabel
haru bemama umur_1.

2î' O uF 2.(
S aly paempuan 23’ bet
6 feteh pnempgsn

Selanjumya, lakukanlah pengisian Variable Vfem untuk varİûbcl

umur 1 telah Anda pelajari pado latihan 1. Bila pada Value Anda
ınengisi sebagsi berikut: kode 1 untuk < 20 tohun; kode 2 untuk 20—
22 tahun, kode 3 untnk > 22 tahun, maka pada Defa And» «ksn
nıelihat tampilan se6agai berikut.

23 baık >ZZ lakun

2 budi IakUL Z2 sa dang W p3 lakn
lahrfgk

fiî ely 6 peram@an 24’ baık >zZ sabun

7 farah pergm@gr ¥7 gaık < a îahn
B gu a perempuan î6 yedang < 2 I lahun
hendı I k"lek \9 sed+n9 < AI labcn
 LATIHAN 3
MEMBUAT DEEhBIPg VARIABEL KATEGORIK

Manfaat
Prinsip utama yang perlu Aada ketahiii adalah:

“Know your dam' What bind o[data you have!”

Langkah mcnabuat tabel frckucnsi dan grafik mcnipakan Jangkah

yang sangat penting agar Anda mengetahui karakteristik data variabel
kategorik.

KaSUS:
An da nielakuka n penelitian dan stida h meugumpul kan
" dan memasukkan data ke SPSS. Salah sntu variabel adalah
ariabel jenis kelamin. Karena Anda mengctahni bahwa
skam
pengukuran variabel i•• is kelamin adalah ıınminal, maka Anda
ingin mengetahui distribusi jenis kelamin dalam bentuk tahel

1. Buka file frequency.

2. Lakukan proscs scbagai berikut.
' Analyze H Dcscriptive stoiisiim 9Frequencies.
Masukkan variabc\ sex (jcnis kelamin responden) ke data n
kotak Yariabel(s).
Aktifkan Displays ¥requency Tables.
Akan tcrlihat tampilan scbagai bcrikut.

Staîictics...

Klik kotak C:fi«rts.

Akan t‹tlilıat tanıpilan schngai Ileri ktıt:

Klik Cootinoc. Proses selcsai, klik OX.

 .imana haéln a?

6tatiatics
N Valid 50
Missing 0

Jenfs kefamln reeponden

Frequency Paws v»iid P»‹a»

vao miai r's so.0 so.0
pererupuen 26 S2.0 52.0 100.0
Total HQ 1000

Interpretasi HagI
Dcngan proscdur ini, Anda mengenali karakteristik
variabel ienis kelamin. Dari output pertama, Anda
mengetahui jumlah total subjek sebanyak 50 oraiig
dan tidak ada data yang missing. Distribusi jenis
kelamin bcrdasarkan jumlah dan pcrsentase dapat
Anda ketahui pada output kedua. Visualisasi dalam
hentuk grafik disajikan pada output ketiga.
 LATIHAN 4
M\48UAT DEARlPg VARIABEL NUMERIK

Niantaai
Prinsip utama yang perlu Anda ketahui adalah:

“Know your data! What bind of data you have!“

Langkah membuat deskripsi variabel dengan skala pengukuran

numerik merupakan langkah yang sangat penting agur Anda
mengetahui karakterisdk data yang Anda miliki.

penelitian dan sudah mcngunipul kan

--Anda ukur adalah data ke SPSS. Salah satu variabel yang
variabel body niass index (BMI).
Karena
Anda mengetahui bahwa BMI adalah variabel numerik,
maka Anda ingin mengetahui deskripsl variabel tersebut
berdasarkan ukuran pemusatan dan ukuran pcnyebarannya
s•rta penyajiannya dalam bentuk histogram.

Bagaimana langkah yang dilakukan dengon program SPSS?

1. Buka file dtskripsi.

2. Lakukan proses sebagai berikuu
r Analpe -+Des‹:riptive Siatictics W Frequencies.
Masukkan BMI ke dalam kntak Variables.
Pilihan DispJay frequency Tables dinonaktifkan.
 Proses telah selesai. Klik OM.

Lihat pada Datn Pada Dela terdapat variabel barn

bernsms aan_age yang merupskan hssil trsnsfromasi data voriabel
mn ur. Pada Data Vietr akaii terlihat tampilan sebagai berikut.

umur tran age ‘{

1 @.IXI / 1.50 \
1 45.£0 / 1.66
3 37.£0 1.57
4 4B,L0 1.öö

9 3B.ID 1.QI
i0 8b.00 1.56
.
1.£Ö /
11 43.£0 '\ 1,63/

Uj i normalitas variabel baru (tran_age)

Sckarang Iaktikan)ah uji normalicas un‹Ttk variahcl /rdn_dgg dcngan

langkah-langkab uji nnrmalitas yang telah dibahas pada latihan 5.
 Bagaimana hasilnyai

Berikut ini adalah hasil yang akan Anda peroleh lsesuai

kesepakatan, Anda mcnggunakan ujî Kolmogorov-Smirnov
atan Shapiro-Wilk untuk menguji apakah distribusi data
normal atan tidak).

TesB of Komlallty

Statistic df Sig. SDlistlc dF Sig.

«an_age .u/u .uuu .uu1
^ Lilllel‹xs Significance Correction

Interpretasi Hasil

Uti normslitss Kolmogorov-Smirnov

mezsghssilksn niiai probabilitas lp) sebesar 0,000.
Knrcna nilai p kurang dari 0,05 maka diam6il
kesimpulaH bahwa variabel wan_age berdistribusi
tidak normal.

1. Unmk menormalkan distribusi data, harus dicoba berbagai metode,

seperti logl0, akar kuadrat, kuadrat, akar tiga, dll. Sifatnya
coba- coba.
2. Tidak semua upaya mcntransformasi data agar mempunya i
distribusi normal herhasil.
2. Jika memenuhi syarat {data bcrdistribusi normal), møka dipilih uji
t tidak lnrpasangan.
3. Jika tidak memenuhi syarat (data tidak berdistribusi normal)
dilakukan terlebih dahuln transformasi data.
4. Jika variabel baru hasil transfoiniasi berdistribusî normaİ, maka
dipakai uji t tidak berpasøngan.
5. Jika variabel baru hasil øansfromasi tidak bcrdistribusi normal,
maka dipilih uji Manø-Whitney.

Bagaima n a prosedur melakukan uji t tidak berpasangan dengan SPSS?

1. I\/bnguj i diQribusi data

* Bukalah íîìe: unpaired_i_tesi.
Lakukanlah uji nnrrnalitas untuk data skor ansietas kdnmpok
ibu yang proses melahirkannya ditemani siiømi dan data säor
ønsictas kelompok ibu yang proses melahirkannya tidak
didampingi

Prosesnya sama dengan latihan 5 pada 8ab II. Perbedaannya adalah dengan
ãsukkan variabel "suami" Ian dalam Factor List. Åken tcrlihat tampilan sebagai
berikut.
 Sctelah diproses, bagaimana hasîlnya?
Oulpul 6PS6

.W£
t7#
•.2¥s
71.Œ3

18g

Kolrnogorov-8mîmov*
Sfatistic dF Sig.
score ene eïgs o ogrnptngi marne .0g8 147 .08g
tidah üidemplngl vern O3y î03 z00•
•. This ls a lower bound of the true dgnlflœnœ.
a. Lï îîiefora Si ifiœn œ Correction

lnterpreiasi
a. Bagian pertama adalah statistik deskriptif untuk
varîabel skor ansietas berdasarkan masing-masing
kC O F° k. Ingat prinsip bahwa Anda harus selalu
mempelajari deskripsi variabel sebelum inelangkah
pada proses selan jumya.
b. Sesuai dengan kesepakatan, Anda menggunakan
uji Kolmogorov-Smirnov atau Shapiro-Wilk untuk
mcngnji apakah distribusi data normal atau tidak.
Apsksh dats berdistcibusi normal?
 Lili Ilfialesis fiömpaetit Yanabd tıznefifiı Ona fiâanpofil 6B

Pada uji Tests of Norr ality xofmogoror-Smimor, skor ansietas

ibu yang didampingi suami menipunyai nilai p = 0,098 sedangkon yang
tidok didampingi snami p = 0,200. Ksrena nilai p > 0,05, dopot
diambil kesimpulan bahwa disnibusi skor ansietss ibn yang
didampingi sunmi maupun yang tidak didampingi suami bcrdistribusi
normal.

Uj i apakah yang akan Anda pakai?

Kszens syocaT discribusi ‹lars normal zerpenuhi, msks uti
hipotesis y••B dîgunakan adalah 1ıj i t tîdal‹ bcrpasangan.

2. Langkah -langkah uj i t tidak ber paangan

Buka file unpaired ı test.
Lakukan proscdur sebagai berîkut.
' Analyze5 Cozpare Means H Inûepende• t-$ample t
* Masukkan score ke dalam kotak Test Variable.
Masukkan suomi ke dalam G rouping Vuriable.
Sampai tatıap ini Anda akan melihat ranıpilan sehagai berîkut.

Aktifkan kotak Deflne G roap.

Masukkan angka 1 untuk kotak grpup J lsebagai kode tidak
didamptngi siiami).
Masukkan angka 2 untuk kntakgroøp 2 (scbagai knde didampingi
suami).
 yang dipakai adalah uji alternatif t tes tidak bcrpasangan, yaitu uji
Mann-Whimey.

5. Melakukan uj i Mann-Whitney
Lakukan ptosedur se6rtgai bcrikur.
Analyze G Nonyarnmetrics test H 2 independent cam{les.
Masu kkan bmi ke dalam Tear Variable.
Mosukkan class ke dalom Grouping Varinble.

Aktifkan uji Mann-W'hiin .

Klik korak Denne C roup.
Masukksn angks J pada kotsk group 7 (J merupsksn kode
ringkat ekonomi tinggi).
Masukksn angka 2 ya‹la Lotak group 2 (2 mcruj›akan kodc
ringkat ekonomi rcndah).

Prpses selesai, klik Continue. Klik OM.

 il# ilipotads ye'rpaz8f ka//ab4/¥i/‹nud‹ » 2 Xalaapot 101

rokok 'iang
diNsap
dalem salu

df 2
Asyn p. .000
Fig.
a. Krue kal Wellis 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-
ian bahwa “poiing iiddft ttrdapat perbedaan jumlah rokok
yang diisap per bulan anrara dua Lc\ompok”.

Aniaa heiompok manakah yang berbeda*

Untuk mengetahui kelompok maria yang mempunyai perbedaan,
maka harris dilakul‹an analisis Post ffnc. Alat untuk
melaku- kan analisis f osa Hor untuk uji Kruskal-Wallis
adalah dengan uji Mann-Whitney. Jadi, kita perlu
melakukan uji Man n-Whitney antara kelompok motilitas
baik dengan scdang, baik dengan buruk, dan scdang dengan
buruk.

5. h’bIahukan analisis Pbs/ How

Analisis Port Hoc iaituk uji Kruskal-Wallis adalah uji 1 farm-
Whit- ney. Lakukanlah analisis tersebut dengan langkah-langkah yang
telah Anda pe1«jari pad» Bab III.
a. Uji Mann-Whitney antara kfllDmpok motilitas buruk dengan sc-
dane
Lakukan prosedut sebagai t›crikuc.
Analyze WNonparametrics test• '2 ind•pmdent sowpfrs.
MaSukkan variabcl rokok kc dalam Test Variabl .
Masukkan variabel motil ke dalam Grouping Variable.
Aktifkan uji Mann-Whitne y. Akan terlihat tampilan sebagai
beriknt.