Buku Statistika Farmasi
Buku Statistika Farmasi
KATA PENGANTAR
hapepeha@yahoo.com
eka8382@gmail.com.
Yogyakarta, 25 April 2017
Penulis,
iv | Statistika Farmasi
Hari Purnomo – Eka Siswanto
HALAMAN PERSEMBAHAN
Statistika Farmasi | v
Hari Purnomo – Eka Siswanto
DAFTAR ISI
vi | Statistika Farmasi
Hari Purnomo – Eka Siswanto
BAB I
STATISTIKA FARMASI
Tujuan instruksional:
A. Pendahuluan
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.
Penelitian-penelitian di farmasi banyak yang
melibatkan proses analisa statistika. Contoh yang tidak
melibatkan analisa statistika adalah sintesis turunan kumarin,
isolasi dan identifikasi senyawa aktif dari Aegle marmelos
Statistika Farmasi | 1
Hari Purnomo – Eka Siswanto
B. Jenis statistika
2 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
C. Komponen statistika
Beberapa komponen yang dilibatkan dalam kegiatan
statistika adalah : populasi, sampel, statistika inferensi,
variansi dan pengukuran realibilitas statistika.
Populasi merupakan keseluruhan obyek yang akan
diteliti dalam penelitian. Populasi mencerminkan sekumpulan
data yang mengidentifikasikan suatu kejadian. Contoh :
populasi mahasiswa laki-laki di Akademi Farmasi Samarinda.
Pada suatu penelitian memang lebih baik menggunakan
populasi sebagai obyek yang diteliti, namun hal tersebut
menjadi tidak mungkin jika populasi yang diteliti jumlahnya
sangat banyak. Apakah mungkin jika kita melakukan
penelitian uji aktivitas farmakologi terhadap populasi tikus
Statistika Farmasi | 3
Hari Purnomo – Eka Siswanto
sampel
6 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
10 2 22 2 34 2
11 2 23 3 35 1
12 1 24 2 36 3
2. Data Ordinal
Data ordinal merupakan data yang juga diperoleh
dengan cara kategorisasi atau klasifikasi, namun diantara data
tersebut terdapat hubungan. Posisi datum-datum adalah tidak
setara. Data ini selain membedakan juga menunjukkan
tingkatan misalnya tingkat pendidikan, tingkat kepuasan. Data
jenis ini tidak bisa dilakukan operasi matematika secara
langsung Contoh : Tingkat kepuasan mahasiswa terhadap
perkuliahan Statistika Farmasi. Tidak puas diberi tanda 1, puas
diberi tanda 2, sangat puas diberi tanda 3. Contoh lain :
klasifikasi tekanan darah manusia (rendah, normal, tinggi), dan
tingkat pendidikan pegawai apotik (pendidikan rendah,
pendidikan menengah, pendidikan tinggi).
Contoh Data
Peneliti ingin mengetahui tingkat kekentalan sediaan
sirup yang dibuat namun dia tidak mempunyai
viskometer, lalu dia mengklasifikasikan 30 sediaan
sirup menjadi 3 kategori yaitu 1= kental, 2= lumayan
kental, 3=tidak kental.
Didapatkan data percobaan sebagai berikut :
Statistika Farmasi | 7
Hari Purnomo – Eka Siswanto
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. Dalam suatu proposal penelitian penyusunan
8 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
F. SPSS
12 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 13
Hari Purnomo – Eka Siswanto
Contoh kasus
14 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 15
Hari Purnomo – Eka Siswanto
16 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 17
Hari Purnomo – Eka Siswanto
18 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
20 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
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:
22 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 23
Hari Purnomo – Eka Siswanto
BAB II
STATISTIKA DESKRIPTIF
Tujuan instruksional:
24 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
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,
Statistika Farmasi | 25
Hari Purnomo – Eka Siswanto
26 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
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 penyebaran
yang 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
Statistika Farmasi | 27
Hari Purnomo – Eka Siswanto
28 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 29
Hari Purnomo – Eka Siswanto
BAB III
Tujuan instruksional:
30 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 31
Hari Purnomo – Eka Siswanto
Bu
N tir Buti But But Buti Buti But Buti Butir Butir
o Nama 1 r2 ir 3 ir 4 r5 r6 ir 7 r8 9 10
1 Ali 3 4 3 3 2 4 4 3 4 3
2 Ami 4 3 3 3 2 3 3 3 3 3
3 Aminah 2 3 3 4 2 3 4 4 2 2
4 Amir 3 5 3 3 1 3 3 2 2 2
5 Andrie 4 3 4 5 2 4 3 4 4 4
6 Anna 2 4 3 4 2 2 4 3 3 3
7 Anton 4 4 4 5 2 4 4 3 5 2
8 Barry 2 5 3 4 1 5 5 5 4 4
9 Basyir 4 5 3 3 1 1 5 5 2 2
1
0 Bona 4 3 4 5 4 1 4 4 5 2
1
1 Budi 3 4 4 3 2 2 2 3 4 4
1
2 Cecep 3 2 4 2 5 2 1 2 2 2
1
3 Deby 2 3 4 1 3 4 4 3 3 3
1
4 Doddy 3 5 3 3 2 3 3 4 2 2
1
5 Donny 2 4 3 5 3 2 2 5 3 3
1
6 Dwi 4 5 5 3 1 4 4 3 4 4
1
7 Edo 3 5 5 4 2 3 3 5 5 5
1
8 Eka 2 4 4 4 2 4 4 4 2 2
1
9 Gogon 3 3 3 4 1 2 4 5 3 3
2
0 Hena 4 4 4 3 2 4 3 5 2 2
2
1 Lestari 2 3 3 4 3 4 4 4 4 4
2
2 Mayta 3 4 5 3 2 2 4 4 2 3
2
3 Roben 4 3 3 2 2 2 2 3 3 3
2
4 Siregar 3 4 4 2 3 2 3 3 2 2
32 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
2
5 Tono 4 2 3 1 4 2 1 1 1 1
2
6 Toyyib 4 2 2 2 2 2 2 2 2 3
2 Tukiye
7 m 4 3 3 4 3 3 3 3 3 3
2 Wagine
8 m 3 3 3 3 1 4 4 4 3 3
2
9 Zafir 4 4 3 3 3 3 3 4 4 4
3
0 Zahrana 3 2 1 1 1 2 1 1 1 1
Namun sebelum diedarkan secara resmi pada beberapa
responden (untuk penelitian) maka kuisioner tersebut diuji
coba dulu pada 30 responden dengan data sebagai berikut:
Faktor 1 sikap konsumen terhadap pelayanan terdiri dari 10
butir
Faktor 2 kepuasan terhadap pelayanan terdiri dari 7 butir
Statistika Farmasi | 33
Hari Purnomo – Eka Siswanto
15 Donny 2 4 3 5 3 2 2
16 Dwi 4 5 5 3 1 4 4
17 Edo 3 5 5 4 2 3 3
18 Eka 2 4 4 4 2 4 4
19 Gogon 3 3 3 4 1 2 4
20 Hena 4 4 4 3 2 4 3
21 Lestari 2 3 3 4 3 4 4
22 Mayta 3 4 5 3 2 2 4
23 Roben 4 3 3 2 2 2 2
24 Siregar 3 4 4 2 3 2 3
25 Tono 4 2 3 1 4 2 1
26 Toyyib 4 2 2 2 2 2 2
27 Tukiyem 4 3 3 4 3 3 3
29 Zafir 4 4 3 3 3 3 3
30 Zahrana 3 2 1 1 1 2 1
B. Pengisian SPSS
34 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Klik Ok…
Statistika Farmasi | 35
Hari Purnomo – Eka Siswanto
36 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 37
Hari Purnomo – Eka Siswanto
Klik OK
38 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 39
Hari Purnomo – Eka Siswanto
40 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Catatan :
Statistika Farmasi | 41
Hari Purnomo – Eka Siswanto
3. Statistik uji
r hasil = -0,161
4. Daerah kritik
Ho tidak ditolak jika: r positif, serta r hasil > r tabel,
sehngga butir tersebut dikatakan Valid
5. Kesimpulan
Karena r hasil (-0,161) tidak positif maka Ho ditolak
yang berarti bahwa skor butir 1 tidak berkorelasi positif
dengan skor faktor sehingga butir 1 dikatakan TIDAK
VALID
1. Hipotesis
Ho : Skor butir berkorelasi positif dengan skor faktor
H1 : Skor butir tidak berkorelasi positif dengan skor
faktor
2. Tingkat signifikansi
42 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
44 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 45
Hari Purnomo – Eka Siswanto
1. Hipotesis
Ho : Faktor 1 reliable
H1 : Faktor 1 tidak reliable
2. Statistik uji
Cronbach’s alpha yang muncul pada output = 0,836
3. Daerah kritik
Ho tidak ditolak jika: Cronbach’s alpha > 0,6, sehngga
butir tersebut dikatakan Reliabel
4. Kesimpulan
46 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 47
Hari Purnomo – Eka Siswanto
BAB IV
RANCANGAN PENELITIAN
Tujuan instruksional:
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
48 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 49
Hari Purnomo – Eka Siswanto
50 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 51
Hari Purnomo – Eka Siswanto
52 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Perumusan hipotesis :
Pengambilan keputusan :
Perumusan hipotesis
Pengambilan keputusan
Statistika Farmasi | 55
Hari Purnomo – Eka Siswanto
Perumusan hipotesis :
Pengambilan keputusan
56 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 57
Hari Purnomo – Eka Siswanto
Perumusan hipotesis :
Pengambilan keputusan :
Perumusan hipotesis :
Pengambilan keputusan :
Statistika Farmasi | 59
Hari Purnomo – Eka Siswanto
5. Repeated Anova
60 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Perumusan hipotesis :
Pengambilan keputusan :
Statistika Farmasi | 61
Hari Purnomo – Eka Siswanto
62 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
5. 29 6 7 1
6. 65 15 15 2
7. 91 18 19 4
8. 44 10 54 12
9. 85 16 43 8,5
Contoh Perankingan
Statistika Farmasi | 63
Hari Purnomo – Eka Siswanto
1. Mann-Whitney test
64 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
2. Wilcoxon test
Perumusan hipotesis :
Statistika Farmasi | 65
Hari Purnomo – Eka Siswanto
Pengambilan keputusan
66 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Perumusan hipotesis :
Pengambilan keputusan
4. Friedman test
Statistika Farmasi | 67
Hari Purnomo – Eka Siswanto
Perumusan hipotesis :
Pengambilan keputusan
68 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 69
Hari Purnomo – Eka Siswanto
5. Binomial test
Perumusan hipotesis :
Pengambilan keputusan
70 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 71
Hari Purnomo – Eka Siswanto
Langkah-langkah :
a. Buka lembar kerja baru
b. Klik Variabel View.
c. Ketik Perlakuan pada kolom Name dan baris 1
d. Ketik Daya_analgetik pada kolom Name dan baris
2
e. Ketik Daya_antiinflamasi pada kolom Name dan
baris 3
72 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
74 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 75
Hari Purnomo – Eka Siswanto
Hipotesis
H0 : varian dari sampel-sampel adalah identik
H1 : varian dari sampel-sampel adalah tidak identik
76 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Pengambilan keputusan
1. Jika probabilitas > 0,05; maka H0 diterima.
2. Jika probabilitas < 0,05; maka H0 ditolak.
Statistika Farmasi | 77
Hari Purnomo – Eka Siswanto
Pengambilan keputusan
1. Jika probabilitas > 0,05; maka H0 diterima.
2. Jika probabilitas < 0,05; maka H0 ditolak.
78 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Hipotesis
H0 : rata-rata populasi populasi adalah identik
(distribusi rata-rata populasi adalah identik)
H1 : rata-rata populasi populasi adalah tidak identik
(setidaknya ada rata-rata satu populasi yang
nilainya berbeda
dengan nilai rata-rata populasi yang lain)
Pengambilan keputusan :
1. Jika probabilitas > 0,05; maka H0 diterima.
2. Jika probabilitas < 0,05; maka H0 ditolak.
Statistika Farmasi | 79
Hari Purnomo – Eka Siswanto
4. INDEPENDENT T-TEST
Tujuan : Membedakan dua mean dari dua sampel
populasi
Syarat : distribusi normal terdiri dari 2 sampel tidak
berpasangan (independent)
Contoh: Seorang peneliti ingin membandingkan
daya analgetik dan antiinflamasi dari
indometasin dan parasetamol. Dari hasil
percobaan didapatkan hasil berikut
80 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Perlakuan 1 : indometasin
Perlakuan 2 : parasetamol
Statistika Farmasi | 81
Hari Purnomo – Eka Siswanto
Langkah-langkah :
a. Buka lembar kerja baru
b. Klik Variabel View
c. Ketik Perlakuan pada kolom Name dan baris 1
d. Ketik Daya_analgetik pada kolom Name dan
baris 2
e. Ketik Daya_inflamasi pada kolom Name dan
baris 3
f. Klik Data View
g. Lalu isi kolom sesuai data
h. Klik (...) pada Value baris pertama, akan
muncul kotak dialog seperti berikut :
i. Ketik 1.00 → ketik Indometasin → Klik Add
j. Ketik 2.00 → ketik Parasetamol → Klik Add
→ Ok
k. Lalu klik Analyze → Compare Means →
Independent Sample T-test
l. Akan muncul kotak dialog seperti berikut
82 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Statistika Farmasi | 83
Hari Purnomo – Eka Siswanto
5. PAIRED T-TEST
Tujuan : Menguji dua sampel yang berpasangan
(artinya sebuah sampel dengan subjek yang
sama namun mengalami perlakuan atau
pengukuran yang berbeda.)
Contoh: Seorang peneliti ingin mengetahui efek
antidiabetes dari ekstrak tomat, 20 probandus
yang menderita diabetes melitus tipe 2 diukur
kadar gula dalam darah tikus sebelum dan
84 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Sebelum Sesudah
120 110
134 109
128 106
134 103
129 107
130 105
119 103
129 112
120 103
135 109
126 110
129 104
131 108
135 110
127 107
Statistika Farmasi | 85
Hari Purnomo – Eka Siswanto
129 112
130 109
129 104
120 109
129 105
Langkah-langkah :
a. Buka lembar kerja baru
b. Klik Variabel View
c. Ketik Sebelum pada kolom Name dan baris 1
d. Ketik Sesudah pada kolom Name dan baris 2
e. Klik Data View
f. Lalu klik Analyze → Compare Means →
Paired Sample T-test
g. Akan keluar kotak dialog Paired Sample T-
Test, lalu masukkan Sebelum pada variabel 1
dan Sesudah pada variabel 2
86 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
h. Klik Options → Ok
i. Akan muncul kotak output seperti berikut
1. Hipotesis
H0 : Kedua rata-rata populasi adalah identik
H1 : Kedua rata-rata populasi adalah tidak
identik
2. Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Paired samples test)
check sig (2-tailed)
harganya dibandingkan dengan nilai α
(0,05) kesimpulan
Statistika Farmasi | 87
Hari Purnomo – Eka Siswanto
Perlakuan Tingkat
Vomitus
1.00 4.00
1.00 3.00
1.00 4.00
1.00 2.00
1.00 3.00
1.00 3.00
1.00 4.00
1.00 3.00
1.00 1.00
1.00 2.00
2.00 3.00
2.00 2.00
2.00 3.00
2.00 3.00
2.00 2.00
Statistika Farmasi | 89
Hari Purnomo – Eka Siswanto
2.00 2.00
2.00 4.00
2.00 3.00
2.00 2.00
2.00 2.00
3.00 3.00
3.00 2.00
3.00 3.00
3.00 3.00
3.00 2.00
3.00 2.00
3.00 4.00
3.00 3.00
3.00 2.00
3.00 3.00
90 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Langkah-langkah :
a. Buka lembar kerja baru
b. Klik Variabel View
c. Ketik Perlakuan pada kolom Name dan baris 1
d. Ketik Tingkat_vomitus pada kolom Name dan
baris 2
e. Klik Data View
f. Lalu klik Analyze → Nonparametic Test →
K-Independent Samples
g. Akan keluar kotak dialog K-Independent
Samples, lalu masukkan Tingkat_vomitus
pada variabel test dan Perlakuan pada group
variabel
i. Klik Options → Ok
j. Akan muncul output seperti berikut
Statistika Farmasi | 91
Hari Purnomo – Eka Siswanto
1. Hipotesis
H0 : Distribusi semua populasi adalah identik
(sama)
H1 : Paling sedikit satu populasi menunjukkan
nilai-nilai yang berbeda dibandingkan lainnya
2. Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Test Statistics) check
asymp. sig (asymptotic
significance) harganya dibandingkan dengan
nilai α (0,05)
92 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
kesimpulan
7. FRIEDMANT TEST
Tujuan: Menguji perbedaan bermakna beberapa sampel
dari populasi (> 2 populasi) yang berhubungan
(dependent)
Syarat : Data yang digunakan minimal ordinal
Contoh: Seorang peneliti ingin menguji efek
antiinflamasi prednison dan indometasin, lalu
menghitung volume udema kaki tikus ( dalam
mm) dengan memberi interval antara 2,10-
2,20 = 1, 2,20-2,30 = 2, 2,30-2,40= 3, 2,40-
2,50 =4, 2,50-2,60 =5 sehingga didapatkan
data seperti berikut.
Statistika Farmasi | 93
Hari Purnomo – Eka Siswanto
94 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
Langkah-langkah :
a. Buka lembar kerja baru
b. Klik Variabel View
c. Ketik Sebelum pada kolom Name dan baris 1
d. Ketik Sesudah pada kolom Name dan baris 2
e. Klik Data View
f. Lalu klik Analyze → Nonparametic Test →
K-Related Samples
g. Akan keluar kotak dialog Related Sample T-
Test, lalu masukkan Sebelum dan Sesudah
pada Variabel Test.
Statistika Farmasi | 95
Hari Purnomo – Eka Siswanto
1. Hipotesis
H0 : Distribusi semua populasi adalah identik
(sama)
H1 : Paling sedikit satu populasi menunjukkan
nilai-nilai yang
berbeda dibandingkan lainnya
96 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
2. Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Test Statistics) check
asymp. sig (asymptotic
significance) harganya dibandingkan dengan
nilai α (0,05)
kesimpulan
Sig 0.000 < 0.05 → H0 ditolak → tidak identik
Ada perbedaan efek antiinflamasi antara
indometasin dan parasetamol
Perlakuan Tingkat_Vomitus
1.00 4.00
1.00 3.00
1.00 4.00
Statistika Farmasi | 97
Hari Purnomo – Eka Siswanto
1.00 2.00
1.00 3.00
1.00 3.00
1.00 4.00
1.00 3.00
1.00 1.00
1.00 2.00
2.00 3.00
2.00 2.00
2.00 3.00
2.00 3.00
2.00 2.00
2.00 2.00
2.00 4.00
2.00 3.00
2.00 2.00
2.00 2.00
98 | Statistika Farmasi
Hari Purnomo – Eka Siswanto
i. Klik Options → Ok
j. Akan muncul kotak dialog seperti berikut
Statistika Farmasi | 99
Hari Purnomo – Eka Siswanto
1. Hipotesis
H0 : Kedua populasi identik (sama) atau tidak
berbeda scr signifikan
H1 : Kedua populasi tidak identik atau berbeda
signifikan
2. Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Test Statistics) check asymp. sig
(asymptotic
significance) atau Exact sig. (1-tailed sig) harganya
dibandingkan
dengan nilai α (0,05) kesimpulan
9. WILCOXON TEST
Tujuan : Menguji perbedaan bermakna dua sampel
berhubungan. Data yang digunakan minimal
ordinal. Membandingkan median peringkat
dari sampel pertama dengan median peringkat
dari sampel kedua
Asumsi :
1. Tidak berasumsi normalitas distribusi suatu populasi
2. Tidak membutuhkan informasi varians sampel
maupun populasi
3. Bisa digunakan untuk data ordinal
4. Parameter yang dianalisa adalah nilai median sampel
Contoh: Peneliti ingin membandingkan efek obat anti-
depresi pada orang yang depresi dengan 20
responden. 1= stress, 2= agak stress, 3= agak
tenang, 4= tenang. Dari percobaan dapat hasil
sebagai berikut
1. Hipotesis
H0 : Kedua populasi identik (sama) atau tidak berbeda scr
signifikan
Median populasi beda-beda adalah sama
H1 : Kedua populasi tidak identik atau berbeda signifikan
Median populasi beda-beda adalah tidak sama (berbeda)
2. Pengambilan keputusan
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Test Statistics) check asymp. sig
(asymptotic significance) atau Exact sig. (1-tailed sig)
harganya dibandingkan dengan nilai α (0,05) kesimpulan
Sig 0.000 < 0.05 → H 0 ditolak → tidak identik. Ada
perbedaan median tingkat stress antara obat indometasin dan
parasetamol.
BAB V
TABEL KONTINGENSI
Tujuan instruksional:
A. TINJAUAN UMUM
Hipertensi
Kebiasaan TOTAL
Ya Tidak
Ya 57 18 75
Merokok
Tidak 115 75 190
TOTAL 172 93 265
Klik Continue…
Klik Cells…Beri tanda √pada: (√Observed dan
√Expected)
Klik Continue…OK
Uji Hipotesis:
Taraf kepercayaan 95% (tingkat signifikansi : 5% =
0,05)
1. Hipotesis
H0 : Kedua rata-rata populasi adalah identik
H1 : Kedua rata-rata populasi adalah tidak identik
2. Pengambilan keputusan
Kematian Neonatus
Kejadian TOTAL
Kasus Kontrol
Tak steril 230 278 508
Pemotongan
Steril 51 289 340
Langkah pengujian sama dengan stud1 kasus 1 (STUDI
CROSS – SECTIONAL), dari sana akan didapatkan hasil
sebagai berikut:
Interpretasi Output
Dari tabel diatas terlihat ringkasan data, dimana tidak ada nilai
Experted Count yang kurang dari 5, maka inferensi
menggunakan statistik uji Chi-Square.
Uji Hipotesis:
Taraf kepercayaan 95% (tingkat signifikansi : 5% =
0,05)
1. Hipotesis
H0 : Kedua rata-rata populasi adalah identik
H1 : Kedua rata-rata populasi adalah tidak identik
2. Pengambilan keputusan
Pembentukan
Pemakaian obat thrombus TOTAL
Ya Tidak
Ya 1 9 10
Aspirin
Tidak 6 2 8
TOTAL 7 11 18
Interpretasi Output
Uji Hipotesis:
Taraf kepercayaan 95% (tingkat signifikansi : 5% =
0,05)
1. Hipotesis
H0 : Kedua rata-rata populasi adalah identik
H1 : Kedua rata-rata populasi adalah tidak identik
2. Pengambilan keputusan
LATIHAN SOAL
Keterangan :
1. Kontrol negatif dan kelompok lain (kecuali kontrol normal) pada hari
ke-1 sampai hari ke-55 diberi lemak-fruktosa (disebut tikus lemak-
fruk).
2. Hari ke-50 tikus dinyatakan telah mengalami resistensi insulin.
3. Kombinasi 1 (metformin dosis lazim + ekstrak terpurifikasi dosis
optimum), kombinasi 2 (metformin ½ dosis lazim + ekstrak
terpurifikasi dosis optimum).
(105,09) - (78,79)
% daya penurunan = x100%
(105,09) - (41,14)
DAFTAR PUSTAKA
Lampiran 1
Lampiran 2
Lampiran 3
Tabel Nilai Kritis untuk Distribusi Uji Chi-Kuadrat (satu sisi)
BIOGRAFI PENULIS
IDENTITAS DIRI
Agama: Islam
Telp./Faks.: (0274)543120
http://www.google.co.id/search?q=Hari+Purnomo+Karanglo&ie=utf-
8&oe=utf-8&aq=t&rls=org.mozilla:en-US:official&client=firefox-a
Telp./Faks.:081227910358
Alamat e-mail:hapepeha@yahoo.com
hari_farmasi@ugm.ac.id
https://scholar.google.co.id/citations?view_op=list_works&hl=en
&user=KHWnpwMAAAAJ&gmla=AJsN-
F5HC3h4PxETj1DeCus5BFbULThFgmdGoZ4b-
k5H5naXkcnXBAFb86tEc-
uKep5lud0mZqkTEBpYDO38hRfClZmHVD2578AsppxuvuRw
e58uvXGGJ2EEs2aD-1evt4Rfmr5Tu4va
B. PELATIHAN PROFESIONAL
Tahun Pelatihan Penyelenggara
2016 Pelatihan Auditor Mutu Internal KJM UGM
Lanjut
, 10 Mei 2016
2014 Pelatihan Auditor Mutu Internal KJM UGM
Lanjut
, 12 Juni 2014
2012 Workshop “Menuju Akreditasi Fakultas Farmasi UGM
Jurnal Nasional”
2012 Workshop Dasar-Dasar BATAN , Yogyakarta
Penandaan BiomolekulDi Pusat
Teknologi Akselerator dan
Proses Bahan pada 17 Juli 2012
2011 The 19th Advanced Course in Fakultas Farmasi UGM
Pharmaceutical Sciences “
Recent Advanced in Skin
Delivery and Technology”[
Yogyakarta, 19-21 September
2011]
2011 Workshop Molecular Biology Fakultas Farmasi UGM
on Cancer =Bioinformatika
Blast=
[Yogyakarta 13 Maret 2011]
2011 Workshop Molecular Biology Fakultas Farmasi UGM
on Cancer =Elektroforesis dan
western Blot=
[Yogyakarta 11-12 Maret
2011]
2011 Workshop Molecular Biology Fakultas Farmasi UGM
on Cancer =Cell Culture=
[Yogyakarta 3-5 Maret 2011]
C. PENGALAMAN MENGAJAR
E. PENGALAMAN PENELITIAN
F. PUBLIKASI
http://indonesianjpharm.farmasi.ugm.ac.id/index.php/3/article/viewF
ile/1064/775
http://ijpcr.com/volume8issue5suppl1/
http://www.bic.web.id/login/inovasi-indonesia-unggulan/1243-
turunan-pupuk-pencegah-ambruk
http://dx.doi.org/10.4172/2155-9910.1000158
http://www.bic.web.id/login/inovasi-indonesia-unggulan/1091-
serbuk-hijau-penghilang-nyeri
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.719.2921
&rep=rep1&type
http://www.bioinformation.net/009/97320630009383.pdf
http://www.bioinformation.net/009/97320630009383.htm
http://www.sciencedirect.com/science/article/pii/S18780296130003
03
http://www.multidisciplinarywulfenia.org/auto/index.php/archive/pa
rt/20/3/3/?currentVol=20¤tissue=3
http://mot.farmasi.ugm.ac.id/files/1718-2-2013-03-
INTERACTION%20BETWEEN%20ACTIVE%20COMPOUNDS.
pdf
http://journals.indexcopernicus.com/issue.php?id=11360&id_issue=
858917
G. HKI
HAK CIPTA :BUKU
https://www.lap-
publishing.com/catalog/details//store/gb/book/978-3-659-
68672-6/design-of-paracetamol-competitor-molecules-as-
analgesic-agents
H. PATEN
1. Judul Invensi:Senyawa Berpotensi Antikanker
Baru:UPGV1(Up Date PGV1)(Senyawa 2-(4-hidroksi-3,5-
dimetilbenzilidin)siklopentana-1,3-dion) [Nomor
Permohonan Paten: S00201000255]
Tertanggal 22 Desember 2010
2016
International Conference on
Sustainable Future for Human
Security
SUSTAIN 2012
MOLEKUL PLANTS)
“pada Seminar Nasional di Fakultasi
Farmasi Universitas Andalas
Padang pada Tanggal 4-5 Oktober
2013
SUSTAIN 2012
2012 Pemakalah dengan judul : IAI ,Jakarta-
MH2011 Kompetitor Parasetamol : FAPA, Bali
Uji In vivo dan Uji In siliko, Seminar ISBN : 978-
Nasional dan Talkshow Eksistensi 979-18514-9-7
Apoteker Farmasi Komunitas Di Era
SJSN 2014, 20 Desember 2012,
Yogyakarta- Indonesia
2012 Pemakalah dengan judul : “ IAI ,Jakarta-
MOLECULAR DOCKING PLANTS FAPA, Bali
OF HP2009 TO ISBN : 978-
PGP,EGFR,HER2,ER,GST,IKK 979-18514-9-7
AND COX-2” pada 24 th FAPA
Congres 2012“CULTURE &
MEDICINE”Bringing Traditional
Medicine to Modern Life pada
tanggal 13 -16 September 2012
2012 Pemakalah kedua dengan judul : IAI ,Jakarta-
“COMPUTATIONAL CHEMISTRY FAPA, Bali
APPLICATIONS IN FORMULATION ISBN : 978-979-
GLIPIZIDE AND CYCLODEXTRIN 18514-9-7
“pada 24 th FAPA Congres
2012“CULTURE &
MEDICINE”Bringing Traditional
Medicine to Modern Life pada
tanggal 13 -16 September 2012
2012 Pemakalah Pendamping dengan IAI ,Jakarta-
judul “ CITRUS FLAVONOIDS FAPA, Bali
INCREASE THE CYTOTOXICITY ISBN : 978-979-
OF DOXORUBICIN ON MCF-7 18514-9-7
BREAST CANCER CELLS
THROUGH SPECIFIC PROTEIN
TARGET MARKERS” pada 24 th
FAPA Congres 2012“CULTURE &
MEDICINE”Bringing Traditional
Tahun Kegiatan
Nara Sumber pada Sosialisasi mengenai Program
2017
Studi Farmasi Fakultas Farmasi UGM kepada
mahasiswa/i FMIPA Jurusan Farmasi Universitas
Udayana, Bali pada tanggal 20 Januari 2017
L. PENGHARGAAN/PIAGAM
M. ORGANISASI PROFESI/ILMIAH
https://www.facebook.com/hari.purnomo.31
https://www.linkedin.com/in/hari-purnomo-b4aa6240/
Yang menyatakan
A. Identitas Diri
1. Nama Lengkap Eka Siswanto Syamsul, S.Farm,
M.Sc,Apt
2. Jenis Kelamin Laki-laki
3. Jabatan Fungsional/ Lektor (300)/ III-d
pangkat
4. NIK 067.DT
5. NIDN 1108038201
6. Tempat dan Tanggal Samarinda, 8 Maret 1982
lahir
7. E-mail eka8382@gmail.com
8. Nomor Telepon/HP 085216355740
9. Kantor Akademi Farmasi Samarinda
Jl. A.W. Sjahranie No. 226 Samarinda
10. Mata Kuliah yang Kimia Farmasi
Diampu Farmakologi
Analisis Intrumen
Metodelogi Penelitian
11. Lain-lain Owner dan PSA Apotek Arie +
Samarinda
B. Riwayat Pendidikan
S-1 Profesi S-2
Nama Perguruan Univ. Islam Universitas Universitas
Tinggi Inonesia Indonesia Gadjah Mada
Bidang ilmu Farmasi Apoteker Farmasi
Lulus tahun 2004 2006 2012
Tahu
No Judul
n
Wound healing activity of persea americana mill. leaves
extract in mice, International Conference and Workshop
1. 2016 on Pharmacy and Statistic (ICWPS) November 2016,
Palu
Uji Toksisitas Akut Ekstrak Air Daun Kerehau
(Callicarpa Longifolia Lam.) Terhadap Mencit Putih
2. 2016
(Mus musculus), Seminar Nasional Kefarmasian,
Universitas Mulawarman, Oktober 2016
Uji Efektivitas Antiinflamasi Ekstrak Etanol Daun
Kerehau (Callicarpa longifolia l.) Pada Mencit Putih
3. 2016 Jantan (Mus musculus), Seminar TOI ke-50 Universitas
Mulawarman, April 2016
INDEKS
algoritma .........................................................................................211
analisa varian (anava) ........................................................... 60, 65, 68
asymptotic significance .................................... 72, 74, 75, 76, 79, 112
data interval ................................................................................ 13, 59
data kategorik ............................................................................. 13, 77
data kualitatif ........................................................................ 13, 20, 21
data kuantitatif ............................................................................ 13, 20
data nominal ....................................................... 13, 22, 27, 28, 60, 78
data ordinal ............................................................. 13, 22, 29, 73, 109
deviasi standar ............................................................................ 35, 36
eksperimental .......................................................... 9, 56, 57, 114, 117
error of varians ................................................................................. 57
independent sample t-test .................................................................60
inferensi .......................................... 10, 11, 12, 79, 117, 125, 130, 134
jangkauan .............................................................................. 11, 32, 35
koefesien varian ................................................................................ 35
label .................................................................................................. 26
mean.................................................. 10, 29, 32, 33, 34, 35, 36, 47, 88
median .................................................... 10, 32, 33, 34, 105, 109, 112
modus.............................................................................. 10, 32, 33, 34
multivariat ......................................................................................... 60
noneksperimental .............................................................................. 56
numeric ............................................................. 20, 21, 24, 25, 28, 118
paired t-test ....................................................................................... 62
populasi ...10, 11, 12, 16, 32, 59, 60, 61, 62, 63, 64, 65, 67, 68, 70, 72,
73, 74, 75, 76, 78, 85, 87, 88, 95, 96, 100, 101, 104, 105, 108, 109,
112, 114, 126, 130, 134
post hoc ....................................................................................... 66, 69
rasio ...................................................... 13, 21, 49, 59, 72, 74, 96, 105
repeated anava .................................................................................. 60
sampel10, 11, 12, 14, 16, 18, 32, 33, 34, 36, 50, 60, 62, 63, 64, 65, 66,
67, 68, 72, 73, 74, 75, 78, 79, 82, 83, 84, 85, 88, 92, 96, 101, 105,
109, 117, 118
Statistika Farmasi | 203
Hari Purnomo – Eka Siswanto
spss..................................................................................................118
statistika deskriptif ...................................................................... 10, 32
statistika induktif .............................................................................. 10
statistika non parametrik ....................................................... 59, 60, 70
statistika parametrik .................................................................... 59, 60
tabel kontingensi .............................................................................113
type ......................................................................... 104, 111, 118, 162
uji t ................................................................ 11, 60, 61, 62, 66, 68, 69
ukuran pemusatan ....................................................................... 32, 33
ukuran penyebaran ................................................................ 32, 35, 36
valid ............................................................................................ 54, 57
varian ........................ 11, 35, 60, 61, 62, 65, 66, 67, 68, 69, 83, 84, 85
width ...............................................................................................211
wilcoxon test ...................................................................................211