BAB I STATISTIKA FARMASI

Statistika merupakan ilmu yang berkaitan dengan pengolahan dan analisis data, hingga penarikan
kesimpulan atas analisa tersebut. Dengan pengertian lain, kegiatan statistika meliputi pengumpulan
data, penyajian data, analisa data, dan intepretasi hasil analisa data tersebut. Hasil pengolahan atau
analisa data tersebut dinamakan statistik. Dalam suatu penelitian ilmiah (terutama eksperimental),
peran statistika adalah sangatlah vital dalam menetapkan sebuah keputusan (untuk penarikan
kesimpulan) meskipun di beberapa jenis penelitian porsinya tidak besar.

B. Jenis statistika

Statistika dibedakan menjadi dua : 1. statistika deskriptif; dan 2. statistika induktif (inferensi). Statistika
deskripsi adalah statistika yang menggambarkan atau menjelaskan karakteristik dari data suatu sampel
populasi. Contoh dari statistika deskripsi adalah : mean (rata-rata), modus (data yang paling sering
muncul), median (nilai tengah, nilai yang membagi data terurut menjadi dua bagian yang sama),
jangkauan (selisih nilai tertinggi dengan nilai terendahdari data sampel), kuartil (nilai-nilai data yang
dibagi menjadi empat bagian yang sama), deviasi standart. Statistika induktif disebut juga dengan
statistika inferensi, merupakan inferensi dari data suatu sampel. Statistika ini bertujuan melakukan
perkiraan, peramalan, pengambilan keputusan berdasarkan analisa data. Contoh dari statistika inferensi
adalah analisa varian, uji t, korelasi dan regresi.

C. Komponen statistika

Populasi merupakan keseluruhan obyek yang akan diteliti dalam penelitian. Populasi mencerminkan
sekumpulan data yang mengidentifikasikan suatu kejadian.

Sampel merupakan sekumpulan data yang diambil atau diseleksi dari suatu populasi. Sampel merupakan
bagian dari populasi, diambil secara acak karena mewakili populasinya.

Komponen statistika yang ketiga adalah statistika inferensi, merupakan suatu kegiatan pengambilan
keputusan, perkiraan atau generalisasi terhadap suatu populasiberdasarkan informasi dari sampel.

pengukuran realibilitas statistika.Kegiatan ini merupakan langkah prediksi kesalahan terhadap suatu
keputusan hasil dari analisa statistika.

D. Data dan Tipe Data Statistika

Berdasarkan tingkat pengukurannya atau sifatnya, data dibedakan menjadi dua yaitu : 1. data kualitatif;
dan 2. data kuantitatif. Data kualitatif merupakan data yang berupa bukan suatu angka. Data tipe ini
tidak bisa dilakukan operasi matematika secara langsung. Jika ingin dianalisa secara statistika maka data
kualitatif harus dikonversi menjadi bentuk angka melalui proses pelabelan data. Data kualitatif ada dua
yaitu : data nominal dan data ordinal. Data kualitatif juga dinamakan dengan data kategorik. Data
kuantitatif merupakan data yang berbentuk angka. Data kuantitatif jelas bisa dilakukan operasi
matematika. Data tipe ini dibedakan menjadi dua yaitu : data interval dan data rasio. Data kuantitatif
juga dinamakan dengan data numerik atau non-kategorik. Dalam SPSS disebut dengan data scale

E. Hipotesis Statistika

Hipotesis merupakan suatu dugaan yang perlu dilakukan pengujian apakah hipotesis yang dirumuskan
sesuai dengan hasil penelitian. Pengujian hipotesis diperlukan untuk menyimpulkan populasi dari data
yang diperoleh dari sampel. Hipotesis ada dua yaitu 1. hipotesis penelitian, dan 2. hipotesis statistika.

Hipotesis penelitian merupakan dugaan sementara yang dibuktikan melalui penelitian. Setelah diuji
melalui serangkaian proses penelitian, kemudian dibuat suatu kesimpulan yang merupakan jawaban
atas hipotesis yang dirumuskan

Hipotesis statistika dirumuskan dalam tahap awal analisa statistika. Hipotesis statistika terdiri dari
hipotesis nol (H0) dan hipotesis tandingan/alternatif (H1). Hipotesis nol (H0), dalam perumusannya
mengandung arti sama atau tidak berbeda, sedangkan hipotesis tandingan/alternatif (H1),
perumusannya mengandung arti tidak sama atau berbeda (bisa lebih besar atau lebih kecil). Hipotesis
statistika perlu dilakukan pengujian yaitu pengujian hipotesis H0 vs. H1 untukdibuat keputusan apakah
menolak atau menerima H0 atau H1.

Langkah – langkah dalam pengujian hipotesis :

1. Perumusan hipotesis sesuai metode statistika yg digunakan,

2. Menguji data sampel dengan metode statistika misalnya dengan piranti lunak SPSS, atau metode
konvensional perhitungan statistika dengan rumus,

3. Menentukan penerimaan atau penolakan hipotesis,

4. Membuat kesimpulan hasil penelitian.

F. SPSS

Statistical Product and Service Solution (SPSS) adalah salah satu paket program yang sangat penting
dalam pengolahan data statistic. SPSS menyediakan fasilitas analisis yang cukup lengkap dan
menyeluruh dari berbagai macam analisis statistika dan yang paling penting adalah paket program ini
sangat user friendly.

cara memakainya

Pertama ketika membuka program SPSS adalah memperhatikan dua bagian utamana yaitu Data View
dan Variable Views. Pada tampilan SPSS, lokasinya ada di kiri bawah (gambar 2). Langkah pertama
adalah membuka Variable Views dengan klik tombol tersebut pada kiri bawah tampilan SPSS tersebut
(lihat gambar di bawah). Pada tampilan Variable Views didapatkan beberapa nama kolom yaitu : Name,
Type, Width, Decimals, Label, Values, Missing, Column, Align, Measures.
Name. Kata yang merupakan nama dari variabel yang akan kita libatkan dalam analisa statistika. Apabila
kitamengisi kotak Name, secara otomatis pada kolom “var” pada Data View akan ternamai.

 Type. Tipe data ada dua yaitu kualitatif dan kuantitatif. Pada SPSS, yang sering dipakai pada kotak
dialog Type adalah string dan numeric. Data stringmerupakan data kualitatif, misalnya data dalam
bentuk huruf atau kata. Sedangkan data numeric merupakan data kuantitatif berupa data angka. Data
numeric inilah yang bisa diproses dalam SPSS.

 Width, merupakan jumlah digit data yang akan dimasukan. Apabila data berupa numeric, isian
Widthtidak bisa lebih dari 40, sedangkan data string isian Width tidak bisa lebih dari 32767. Supaya
seragam bisa dipilih antara 10-20.

 Decimal, merupakan jumlah digit dibelakang titik. Untuk data numeric tidak bisa lebih dari 16,
sedangkan untuk data string tidak ada isian Decimal.

 Labels, merupakan keterangan untuk nama variabel. Contoh, jika pada isian Name kita isi dengan
kata kelompok maka pada isian Labels kita isi dengan isian kelompok perlakuan obat.

Values. Isian ini akan dipakai apabila akan membuat kode untuk data kualitatif. Contoh : kategori
mahasiswa semester 1 diberi kode 1, mahasiswa semester 2 diberi kode 2. Kategori mahasiswa
merupakan data string, jika sudah dikode dengan angka maka berubah menjadi numeric. Aplikasinya
pada Data View, jika kita mengisi angka 1 maka akan terisi dengan isian “mahasiswa semester 1”.

 Missing, merupakan data yang hilang atau isiannya tidak ada.

 Column, merupakan lebar tampilan kolom pada Data View. Isian ini bisa kita atur lebar kolom sesuai
dengan kebutuhan. Default pada SPSS adalah 8.

 Align, merupakan tampilan posisi data, ada tiga pilihan yaitu rapat kiri, tengah atau kanan.

 Measure. Ini merupakan bagian penting dalam Variable View. Isian sangat tergantung jenis data yang

akan diisikan yaitu nominal, ordinal atau scale. Dalam SPSS data numeric (interval dan rasio) diwakili
oleh data scale.
G. Distribusi Normal

Mengenal Distribusi Normal dan Cara Membaca Tabel Distribusi Normal

Distribusi normal merupakan salah satu distribusi probabilitas yang penting dalam analisis statistika.
Distribusi ini memiliki parameter berupa mean dan simpangan baku. Distribusi normal dengan mean = 0
dan simpangan baku = 1 disebut dengan distribusi normal standar. Apabila digambarkan dalam grafik,
kurva distribusi normal berbentuk seperti genta (bell-shaped) yang simetris. Perhatikan kurva distribusi
normal normal standar berikut:

Sumbu X (horizontal) memiliki

range (rentang) dari minus
takhingga (‒ ∞) hingga positif takhingga (+∞). Kurva normal memiliki puncak pada X = 0. Perlu
diketahui bahwa luas kurva normal adalah satu (sebagaimana konsep probabilitas). Dengan demikian,
luas kurva normal pada sisi kiri = 0,5; demikian pula luas kurva normal pada sisi kanan = 0,5.
Dalam analisis statistika, seringkali kita menentukan probabilitas kumulatif yang dilambangkan dengan
notasi P (X<x). Sebagai contoh, P (X<1), apabila diilustrasikan dengan grafik adalah luas kurva normal
dari minus takhingga hingga X = 1.

Secara matematis, probabilitas distribusi normal standar kumulatif dapat dihitung dengan menggunakan
rumus:

Akan tetapi, kita lebih mudah dengan bantuan tabel distribusi normal
BAB II STATISTIKA DESKRIPTIF

Statistika deskriptif adalah statistika yang menggambarkan atau menjelaskan karakteristik dari data
suatu sampel populasi. Kegiatan berkaitan dengan statistika deskripsi adalah pengumpulan, pencatatan,
peringkasan, penyusunan dan penyajian data. Penyajian data bisa berupa tabel frekuensi, grafik atau
histogram. Contoh dari statistika deskripsi adalah : mean (rata-rata), modus (data yang paling sering
muncul), median (nilai tengah, nilai yang membagi data terurut menjadi dua bagian yang sama),
jangkauan (selisih nilai tertinggi dengan nilai terendah dari data sampel), kuartil (nilai-nilai data yang
dibagi menjadi empat bagian yang sama), deviasi standart. Dua parameter yang sering digunakan dalam
penyajian statistika deskriptif adalah ukuran pemusatan dan ukuran penyebaran data. Parameter
lainnya adalah ukuran distribusi data yaitu skewness dan kurtosis. Nilai skewness merupakan ukuran
kesimetrisan suatu kurva distribusi frekuensi data. Kurtosis merupakan ukuran keruncingan darisuatu
kurva distribusi frekuensi data.

A. Ukuran Pemusatan

Dalam beberapa buku juga disebut dengan istilah ukuran tendensi pusat atau central tendency. Ukuran
pemusatan merupakan ukuran yang menunjukkan pusat suatu distribusi data, dan bisa mewakili data
dari suatu pengukuran atau pengamatan. Pada dasarnya terdapat tiga cara yang dapat digunakan
sebagai ukuran pemusatan yaitu mean, median dan modus.

1. Mean

Nilai ini disebut juga dengan rata-rata hitung. Simbolnya adalah X. Mean merupakan penjumlahan
semua nilai dari seluruh pengamatan atau pengukuran dibagi dengan jumlah pengamatan atau
pengukuran.

Mean merupakan ukuran pemusatan utama dan paling sering digunakan dalam penyajian data
deskriptif.

2. Median
Median merupakan nilai tengah dari suatu keseluruhan pengamatan atau pengukuran. Median diukur
dengan cara mengurutkan nilai terkecil hingga terbesar,kemudian ditentukan nilai tengahnya. Apabila
jumlah sampel (data) adalah ganjil maka median merupakan data yang posisinya paling tengah, jika
sampel (data) genap maka mediannya adalah rata-rata dua data yang posisinya ditengah.

3. Modus

Modus merupakan nilai yang paling sering munculdari suatu pengamatan.

B. Ukuran Penyebaran

Dalam beberapa buku, istilah ukuran penyebaran juga disebut dengan ukuran variabilitas, ukuran
dispersi data, ukuran sebaran data. Sebaran data merupakan gambaran penyebaran data pengukuran di
sekitar nilai pusatnya. Dalam hal ini, apabila data homogen maka sebaran datanya semakin kecil,
sebaliknya jika data bersifat heterogen maka sebaran datanya adalah besar. Ada beberapa cara yang
sering digunakan sebagai ukuran penyebaran yaitu varian, koefesien varian, jangkauan, dan deviasi
standar.

1. Jangkauan

Jangkauan atau range merupakan selisih antara data terbesar dengan data terkecil dari suatu
sekumpulan pengamatan atau pengukuran.

2. Deviasi standar (Standard deviation)

Deviasi standar (SD) merupakan ukuran penyebaranyang sering banyak dipakai dalam penyajian data
deskriptif. Deviasi standar merupakan akar dari penjumlahan kuadrat dari selisih antara data
pengamatan dengan nilai mean-nya, kemudian dibagi dengan jumlah data (n). Dalam penyajian data
deskriptif, seringkali nilai deviasi standar diganti dengan nilai Standard error of Mean (SEM). Nilai
tersebut diperoleh dari nilai SD dibagi dengan akar jumlah pengamatan.

3. Varian (Variance)

Varian merupakan pangkat dua dari nilai deviasi standar.

4. Koefisien variasi (Coefficient of variation)

Koefisien variasi merupakan suatu ukuran penyebaranrelatif. Nilai koefisien variasi diperoleh dari nilai
deviasi standar dibagi dengan nilai mean dikalikan seratus. Nilai ini digunakan untuk membandingkan
secara relatif distribusi data dengan mean suatu sampelyang berbeda.

BAB IV
RANCANGAN PENELITIAN

A. Rancangan penelitian

Rancangan penelitian adalah rencana atau struktur dan strategi penelitian yang disusun sedemikian rupa
agar dapat memperoleh jawaban mengenai permasalahan penelitian.

Adapun Kriterianya antara lain:

– Relevansi data

– Obyektivitas

– Validitas

– Reliabilitas

– Teknis pelaksanaan yang efektif & efisien

Rancangan penelitian dibedakan menjadi 2, yaitu:

1. Rancangan penelitian Eksperimental

2. Rancangan penelitian Noneksperimental

Pengertian rancangan penelitian eksperimental adalah perencanaan eksperimentasi sedemikian

sehingga diperoleh informasi yang relevan dengan permasalahan yang diteliti dan memungkinkan
analisis yang obyektif untuk memperoleh kesimpulan yang valid. Kegunaannya untuk mendapatkan
informasi yang relevan dengan permasalahan yang diteliti secara maksimal dengan materi, waktu, dan
biaya yang minimal sehingga lebih efektif dan efisien.

B. Metoda Statistika Farmasi

Dalam suatu penelitian farmasi, data penelitian yang diperoleh kemudian dianalisa statistika untuk
menjawab hipotesis. Data penelitian dianalisa menggunakan metode statistika yang sesuai. Berdasarkan
parameter yang ada, dan untuk pengambilan suatu keputusan, statistika dibedakan menjadi dua yaitu 1)
statistika parametrik, dan 2) statistika non parametrik (Gambar 2). Statistika parametrik merupakan
metode uji statistika yang menetapkan adanya syarat-syarat (asumsi) tertentu berkaitan dengan variabel
random atau populasi. Sedangkan metode uji statistika yang tidak mensyaratkan itu dinamakan
statistika non parametrk.

B.1. Statistika Parametrik

1. Uji t tidak berpasangan (unpaired t-test)

Metode ini disebut juga dengan independent sample t-test. Metode ini digunakan untuk pengujian
perbedaan rata-rata dari dua sampel yang tidak berpasangan

2. Uji t berpasangan (paired t-test)

Metode ini merupakan uji T utk dua sampel yang berpasangan (paired). Dua sampel yang berpasangan
artinya sebuah sampel dengan subjek yang sama namun mengalami perlakuan atau pengukuran yang
berbeda

3. One Sample T Test

Metode ini Menguji apakah suatu nilai tertentu (nilai pembanding) berbeda bermakna atau sama
dengan nilai rata-rata sebuah sample populasi

4. Analisa varian (analysis of variance)

Metode ini digunakan untuk pengujian perbedaan rata-rata dari lebih dari dua sampel yang tidak
berpasangan.

5. Repeated Anova

Metode ini digunakan untuk pengujian perbedaan rata-rata dari lebih dari dua sampel yang
berpasangan.

B.2. Statistika Non-Parametrik

Pada statistika non parametrik, perhitungan yang dilakukan bukan terhadap nilai data yang
sesungguhnya, namun berdasarkan peringkat (ranking) data dalam populasi. Data tersebut, sebelum
dianalisa, dikumpulkan terlebih dahulu kemudian dibuat peringkat. Pembuatan peringkat data dimulai
dari data terkecil hingga data terbesar. Oleh karena itu, analisa statistika dilakukan pada data yang
setelah dilakukan perankingan bukan pada nilai data yang sesungguhnya.

1. Mann-Whitney test

Metode ini juga termasuk metode statistika non-parametrik, dengan fungsi menguji perbedaan
bermakna dua sampel independen atau tidak berpasangan.

2. Wilcoxon test

Metode ini juga termasuk metode statistika non-parametrik, dengan fungsi menguji perbedaan
bermakna dua sampel berhubungan (dependent).

3. Kruskal Wallis test

Metode ini termasuk metode statistika non-parametrik, fungsinya menguji perbedaan bermakna
beberapa sampel dari populasi (> 2 populasi) yang tidak berhubungan (independent).

4. Friedman test

Metode ini juga termasuk metode statistika non-parametrik, dengan fungsi menguji perbedaan
bermakna beberapa sampel dari populasi (> 2 populasi) yang berhubungan (dependent).

5. Binomial test
Metode ini juga termasuk metode statistika non-parametrik, dengan fungsi menguji suatu proporsi
suatu sampel atau populasi. Uji ini ditujukan pada sampel tunggaldengan tipe data nominal, dengan dua
unsur pilihan.