Buku Statistika Farmasi

Undang-undang Republik Indonesia Nomor 19 Tahun 2012 tentang Hak Cipta
Lingkup Hak Cipta

Pasal 2 :
Hari Purnomo – Eka Siswanto
KATA PENGANTAR
Puji syukur kehadirat Allah SWT yang telah

melimpahkan rahmat dan karunia-Nya sehingga buku ini
berhasil kami terbitkan. Penelitian-penelitian di bidang
farmasi banyak yang melibatkan proses analisa statistika.
Hasil penelitian yang dikerjakan dalam waktu yang tidak
singkat, akan tidak bermakna jika tidak melibatkan analisa
statistika dalam proses analisa datanya. Oleh karenanya kita
dituntut memahami statistika yang nantinya digunakan
dalam komponen penelitian bidang Kefarmasian.
Dalam buku ini akan dipaparkan secara rinci

pengenalan SPSS, aplikasi SPSS dalam menyelesaikan
penelitian baik yang bersifat eksperimental maupun
noneksperimental, jenis data, termasuk validitas dan
realibilitas untuk membuat pertanyaan pada kuisioner.
Semoga dengan hadirnya buku ini, statistik menjadi sesuatu
yang mudah difahami oleh mahasiswa farmasi khususnya
dan mahasiswa yang belajar kesehatan pada umumnya.
Statistika Farmasi |
Hari Purnomo – Eka
Buku ini berbeda dengan buku buku pada umumnya,

karena sengaja kami sertakan biografi penulis lebih lengkap
dari kebanyakan buku. Hal ini dimaksudkan agar para
pembaca tidak hanya mendapat ilmu Statistika Farmasi,
tetapi juga dapat terinspirasi dengan biografi penulis, baik
pengalaman di bidang pembimbingan skripsi mahasiswa,
penulisan buku, nara sumber workshop, penelitian dan
pengalaman mengajukan permohonan paten penulis.
Penulis mengucapkan banyak terimakasih kepada

Penerbit dan semua pihak yang telah membantu baik secara
langsung maupun tidak langsung sehingga buku ini dapat
dinikmati para pembaca. Penulis menyadari pepatah’’tiada
gading yang tak retak’’, oleh karena itu kritik dan saran
untuk penyempurnaan buku ini sangat diharapkan dan dapat
disampaikan ke E-mail :
hapepeha@yahoo.com
eka8382@gmail.com.
Yogyakarta, 25 April 2017
Penulis,
Dr. Hari Purnomo, M.S., Apt.

Eka Siswanto Syamsul,S.Farm,M.Sc., Apt.
iv | Statistika
HALAMAN PERSEMBAHAN
Untuk Rabb, Tuhan kami,
Semoga buku ini dapat menjadi amalan
Statistika Farmasi |v
DAFTAR ISI
Halaman judul .............................................................. i

Kata Pengantar ............................................................ iii
Halaman Persembahan ................................................ v
Daftar Isi ....................................................................... vi
BAB I STATISTIKA FARMASI ............................. 1

A. Pendahuluan ............................................................. 1
B. Jenis Statistik ........................................................... 2
C. Komponen Statistik ................................................. 3
D. Data dan Tipe Statistik ............................................ 5
E. Hipotesis Statistik .................................................... 8
F. SPSS ......................................................................... 10
G. Distribusi Normal..................................................... 21
BAB II STATISTIKA DESKRIPTIF ....................... 24

A. Ukuran Pemusatan ................................................... 25
B. Ukuran Penyebaran .................................................. 27
BAB III UJI VALIDITAS DAN REABILITAS....... 30

A. Definisi..................................................................... 30
B. Pengisian SPSS ........................................................ 34
vi | Statistika
BAB IV RANCANGAN PENELITIAN..........................48

A. Rancangan Penelitian.....................................................48
B. Metode Statistika Farmasi..............................................49
B.1. Statistika Parametrik...............................................52
B.2. Statistika Non Parametrik.......................................62
C. Aplikasi SPSS dalam penelitian Farmasi.......................71
1. Uji Kormogorov-Smirnov..........................................71
2. Analisis Varian (Test Homogenitas)..........................75
3. ANOVA.....................................................................77
4. Independent T-Test....................................................77
5. Paired T-Test..............................................................84
6. Kruskall Wallis Test..................................................88
7. Friedmant Test...........................................................93
8. Mann Whitney Test....................................................97
9. WilcoxonTest...........................................................101
BAB V TABEL KONTINGENSI..................................105
A. Tinjauan Umum..........................................................105
B. Aplikasi SPSS pada kasus...........................................110
1. Study Cross-Sectional..............................................110
2. Study Retrospektifl..................................................120
3. Study Prospektif.......................................................124
DAFTAR PUSTAKA......................................................131
LAMPIRAN....................................................................133
BIOGRAFI PENULIS...................................................138
Biografi Hari.....................................................................138
Biografi Eka Siswanto......................................................198
INDEKS...........................................................................203
viii | Statistika
BAB I
STATISTIKA FARMASI
Tujuan instruksional:
Setelah membaca Bab I para pembaca mampu:
Mengetahui dan memahami konsep dasar-dasar statistika

terutama aplikasi SPSS
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
viii | Statistika
Correa. Sedangkan contoh yang melibatkan analisa statistika

adalah uji aktivitas hipoglikemik ekstrak buah Pare pada tikus
DM Tipe 1 diinduksi aloksan, penetapan kadar senyawa
parasetamol dalam sediaan tablet Panadol. Dalam penelitian
dan percobaan kefarmasian, statistika berperan “sedikit”
namun sangat berarti yaitu mempermudah pengambilan
keputusan pada masalah-masalah ilmiah yang dirumuskan.
Hasil penelitian yang dikerjakan dalam waktu yang tidak
singkat, akan tidak bermakna jika tidak melibatkan analisa
statistika dalam proses analisa datanya. Oleh karenanya kita
dituntut memahami statistika yang nantinya digunakan dalam
komponen penelitian bidang Kefarmasian.
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 terendah
2 | Statistika Farmasi
dari 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
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
Wistar? Pasti tidak akan mungkin meneliti “seluruh” populasi

tikus Wistar di dunia ini.
sampel
asumsi : dipilih karena acak karena

Populasi
harus mewakili populasinya
Gambar 1. Perbedaan sampel dengan populasi
Sampel merupakan sekumpulan data yang diambil atau

diseleksi dari suatu populasi. Sampel merupakan bagian dari
populasi, diambil secara acak karena mewakili populasinya.
Pengambilan sampel dilakukan jika suatu penelitian tidak
mungkin menggunakan populasi sebagai obyek penelitian.
Contoh : populasi mahasiswa laki-laki Akademi Farmasi
Samarinda adalah 50, untuk penelitian maka diambil sampel
20 mahasiswa.
Komponen statistika yang ketiga adalah statistika
inferensi, merupakan suatu kegiatan pengambilan keputusan,
perkiraan atau generalisasi terhadap suatu populasi
berdasarkan informasi dari sampel. Contoh: sampel 20
mahasiswa di atas diuji tingkat kepuasannya terhadap
perkuliahan Statistika Farmasi. Setelah data sampel dianalisa
secara statistika, maka perlu diukur realibilitasnya. 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.
1. Data Nominal
Data nominal merupakan data yang diperoleh dengan
cara kategorisasi atau klasifikasi. Posisi datum-datum adalah
setara. Data ini hanya bisa membedakan sesuatu yang bersifat
kualitatif misalnya : jenis kelamin, agama, warna kulit. Data

jenis ini tidak bisa dilakukan operasi matematika.
Contoh Data
Peneliti ingin mengetahui apakah multivitamin
Redoxon®, Cerebrofit XL®, atau Vitalong C® yang
paling sering dipilih mahasiswa Akfar untuk
meningkatkan ketahanan tubuh dan daya pikirnya.
Peneliti mengambil sampel 3 mahasiswa setiap kelas
dari angkatan 2012 sampai 2014 yang suka minum
multivitamin sehingga didapatkan 3 x 12 mahasiswa
yaitu 36 sampel mahasiswa dari semua angkatan. Lalu
mereka menulis 1 jika sering minum Redoxon®, 2 jika
sering minum Cerebrofit®, dan 3 jika sering minum
Vitalong C®.
Didapatkan data percobaan sebagai berikut :
No Pilihan No Pilihan No Pilihan
1 2 13 2 25 1
2 3 14 2 26 2
3 1 15 2 27 2
4 3 16 1 28 2
5 3 17 3 29 3
6 2 18 1 30 1
7 2 19 3 31 3
8 3 20 2 32 3
9 3 21 3 33 2
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 :
No Tingkat No Tingkat No Tingkat

Kekentalan Kekentalan Kekentalan
1 1 11 1 21 1
2 3 12 1 22 2
3 1 13 2 23 1
4 3 14 1 24 2
5 1 15 3 25 1
6 2 16 1 36 1
7 2 17 3 27 3
8 3 18 1 28 3
9 1 19 3 29 1
10 2 20 2 30 2
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
“hipotesis” harus didahului oleh “landasan teori” yang

merupakan dasar-dasar teori yang disusun sendiri oleh
mahasiswa yang digunakan dalam penyusunan hipotesis.
Apabila dalam penyusunan proposal, tidak ada dasar yang kuat
untuk membuat suatu hipotesis, maka “landasan teori” dan
“hipotesis” diganti dengan keterangan empirik, suatu
keterangan ilmiah yang akan diperoleh dari melakukan suatu
penelitian. Contoh : Landasan teori, senyawa koumarin yang
mengandung gugus hidroksi pada posisi 7 menghasilkan efek
penghambatan pelepasan histamin. Salah satu turunan
koumarin yang mengandung gugus hidroksi tersebut adalah
marmin, juga menghasilkan efek penghambatan pelepasan
histamin. Marmin terkandung dalam dalam ekstrak akar Buah
Maja. Hipotesisnya berarti ekstrak akar Buah Maja bisa
menghambat pelepasan histamin.
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 untuk
dibuat 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. Bagaimana 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
10 | Statistika
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 kita
mengisi 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 string
merupakan 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 Width
tidak 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.
12 | Statistika
 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.
Contoh kasus
Dari pemeriksaan tekanan darah pada pasien dengan terapi

Captopril 50 mg, diperoleh data sebagai berikut.
Bagaimana cara memasukan data ini dalam SPSS?
No. Nama Jenis Umur Tekanan Darah Efek samping
pasien kelamin (thn) (mmHg) Batuk kering
1. Thomy Laki-laki 45 150/80 Berat
2. Raden Perempuan 51 140/77 Ringan
3. Ayu Perempuan 43 130/70 Ringan
4. Bhisma Laki-laki 37 130/75 Ringan
5. Daniah Perempuan 40 160/86 Sedang
6. Poniem Perempuan 46 144/81 Sedang
7. Sarwan Laki-laki 33 133/73 Berat
8. Agus Laki-laki 53 134/74 Ringan
Langkah pertama, identifikasi jenis data yang akan

dimasukkan yaitu : nama pasien (data string), jenis kelamin
(data nominal), umur dan tekanan darah (data numerik) dan
tingkat efek samping batuk kering (data ordinal).
Langkah kedua, pengisian pada tampilan Variable View.
1. Pengisian variabel nama pasien
- Isi dengan kata “nama pasien” pada kolom Name.
- Pada kolom Type, klik kotak kecil seperti ditunjukkan
pada gambar.
14 | Statistika
Kemudian akan tampak tampilan sebagai berikut. Tipe

data untuk nama adalah string.
- Pada kolom Width, pilih angka 20 untuk keseragaman.

- Pada kolom Decimals. Karena tipe data string maka
kolom ini tidak aktif. Logikanya, data string merupakan
data dalam bentuk huruf atau kata sehingga tidak bisa
diberi desimal.
- Pada kolom Label, diisi dengan nama pasien RSUD
AW Sjahranie Samarinda.
- Pada kolom Values, diabaikan saja karena tidak ada

pengkodean.
- Pada kolom Column, disi dengan 8 untuk keseragaman.
- Pada kolom Align, abaikan saja. Default dari SPSS
adalah rata kiri (Left).
- Pada kolom Maesures. Karena data bersifat string,
maka yang muncul pada tampilan Measures ada dua
pilihan yaitu nominal dan ordinal. Variabel nama pasien
adalah bersifat setara antara data satu dengan lainnya
atau “unik” artinya nama pasien satu dengan yang lain
berbeda maka kita pilih “nominal” saja.
2. Pengisian variabel jenis kelamin
- Isi dengan kata “jenis_kelamin” pada kolom Name.
Pada kolom Name, kita tidak bisa menggunakan space
diantara dua kata sehingga sebagai pengganti digunakan
underline.
- Pada kolom Type, pilih numeric. Mengapa tidak string?
Sebenarnya kita bisa memilih opsi string, tapi kita harus
mengisi pada Data View dengan kata “laki-laki” ata
“perempuan” secara manual. Namun jika pilih numeric,
kedua jenis kelamin tersebut bisa dikode dengan angka
misal laki-laki dikode 1, dan perempuan 2. Sehingga
16 | Statistika
pada isian Data View, jika mengisi angka 1 makan akan

keluar tampilan kata laki-laki, dan angka 2 akan keluar
tampilan kata perempuan.
- Pada kolom Width, pilih angka 20 untuk keseragaman.
- Pada kolom Decimals. Karena tampilan data pada Data
View adalah dalam bentuk huruf atau kata maka tidak
perlu mengisi decimal, atau diberi isian nol pada kolom
ini.
- Pada kolom Label, diisi dengan jenis kelamin pasien
RSUD AW Sjahranie Samarinda.
- Kolom Values. Ingat bahwa pada kolom Type dipilih
opsi numeric sehingga jika mengisi dengan huruf atau
kata pada Data View maka tidak akan bisa muncul, atau
kita hanya bisa mengisi dengan isian angka. Karena
data yang akan kita tampilkan berupa huruf atau kata,
maka kita perlu melakukan pengkodean dengan angka.
Klik kotak kecil seperti ditunjukkan pada gambar.
Kemudian akan tampak tampilan sebagai berikut.
Untuk keperluan pengkodean, isi kotak isian value

dengan angka 1, dan kotak isian value label dengan kata
laki-laki, dan secara otomatis kotak “add” akan aktif.
Kemudian klik add. Selanjutnya
isi kotak isian value dengan angka 2, dan kotak isian
value label dengan kata perempuan, dan klik add.
Selanjutnya akan tampak tampilan sebagai berikut.
18 | Statistika
Selanjutnya klik OK. Kembali ke tampilan Data View,

klik menu View dan aktifkan value labels.

- Pada kolom Maesures. Data jenis kelamin merupakan
data nominal sehingga pilih opsi nominal.
3. Pengisian variabel tekanan darah

- Isi dengan kata “tekanan_darah” pada kolom Name.

Ingat, pada kolom Name harus mempergunakan
underline untuk menyambung dua kata.
- Pada kolom Type, pilih opsi numeric.
- Pada kolom Width, abaikan saja.
- Pada kolom Decimals, diisi dengan angka dua.
- Pada kolom Label, diisi dengan tekanan darah pasien
RSUD AW Sjahranie Samarinda.
- Pada kolom Values, abaikan saja karena tidak ada
pengkodean.
- Pada kolom Maesures. Data jenis kelamin merupakan
data nominal sehingga pilih opsi nominal.
4. Pengisian variabel efek samping batuk kering
- Isi dengan kata “ESO_batuk” pada kolom Name.
- Pengisian yang lain mirip dengan pengisian variabel
jenis kelamin.
- Pengkodean yang dilakukan adalah 1,2 dan 3 untuk
mengkode tingkat keparahan batuk ringan, sedang dan
berat.
20 | Statistika
- Pada kolom Maesures. Data tingkat keparahan efek

samping batuk merupakan data ordinal sehingga pilih
opsi ordinal.
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:
22 | Statistika
Akan tetapi, kita lebih mudah dengan bantuan tabel distribusi

normal (Bisa dilihat pada lampiran 1 buku ini).
BAB II
STATISTIKA DESKRIPTIF
Setelah membaca Bab II para pembaca mampu:
Memahami konsep umum 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
24 | Statistika
frekuensi data. Kurtosis merupakan ukuran keruncingan dari

suatu 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 muncul
dari suatu pengamatan.
Apabila data dari suatu pengukuran atau pengamatan
adalah homogen atau distribusi frekuensi datanya simetris,
ketiga nilai di atas cenderung relatif sama. Namun, apabila
data suatu sampel adalah heterogen atau distribusi frekuensi
datanya tidak simetris (condong ke kanan atau ke kiri) maka
khusunya nilai mean dan median cenderung berbeda.
Contoh :
- Dari sekumpulan data pertama sbb : 10, 10,10, 10, 8, 9,
7, 11, 12, 13, 11, 9, 9.
Nilai mean, median dan modus berturut-turut adalah :
9,92; 10 dan 10.
- Dari sekumpulan data kedua sbb : 10, 30, 34, 10, 2, 44,
10, 22, 11, 39, 29, 10, 6.
26 | Statistika
Nilai mean, median dan modus berturut-turut adalah :

19,11; 11 dan 10.
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
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 penyebaran
relatif. 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 sampel
yang berbeda. Artinya, jika ada dua data dengan mean
yang berbeda nilainya dan nilai SD-nya sama, maka
mean dengan nilai lebih tinggi mempunyai dispersi
data relatif lebih rendah. Contoh : Sampel A dan B
berturut-turut dengan nilai X dan SD sebesar 100±20
dan 10±20. Nilai CV dari sampel A dan B adalah 20
dan 200 sehingga dispersi data sampel A lebih rendah
dibandingkan sampel B.
28 | Statistika
Di samping keempat ukuran penyebaran di atas, masih ada

beberapa nilai yang lain yang akan dibahas sekalian pada sub-
bab aplikasi SPSS pada statistika deskripstif.
BAB III
UJI VALIDITAS DAN REALIBILITAS
Setelah membaca Bab III para pembaca mampu:
Memahami dan mengaplikasikan uji Validitas dan Reabilitas

pada kuisioner yang telah dibuat, untuk dinilai apakah
kuisioner sudah Valid dan Realiabel.
A. Definisi
Dalam penelitian kualitatif yang menggunakan
instrument kuisioner sebagai alat ukur, maka harus
memenuhi 2 syarat penting yaitu: Valid dan Reliabel
(handal). Kuisioner disebut Valid jika pertanyaan
kuisioner tersebut mampu mengungkapkan sesuatu yang
akan diukur oleh kuisioner itu sendiri. Kuisioner
dikatakan reliable (handal) bila jawaban seseorang
terhadap pertanyaan konsisten/ stabil dari waktu ke waktu.
Pengukuran reliabilitas dapat dilakukan dengan cara
sebagai berikut:
1. Repeated measure (mengukur ulang). Seseorang
biasanya akan disodori pertanyaan yang sama pada
30 | Statistika
waktu berbeda dan dilihat apakah dia akan tetap

menjawab dengan konsisten atau tidak.
2. One short atau sekali saja. Disini pengukuran
dilakukan sekali dan kemudian hasilnya akan
dibandingkan dengan hasil pertanyaan lain.
Untuk memahami hal diatas, berikut disajikan contoh
kasus untuk mengetahuinya.
Contoh kasus:
Untuk mengetahui bagaimana perilaku konsumen
terhadap pelayanan informasi obat (PIO) di Apotek X,
maka manajemen mengukur dengan pendapat konsumen
tentang sikap konsumen terhadap pelayanan (faktor 1) dan
kepuasan terhadap pelayanan (faktor 2)
Faktor 1 sikap konsumen terhadap pelayanan terdiri dari
10 butir, misalnya:
Butir 1: Apakah anda setuju bila waktu tunggu layanan
obat nonresep termasuk kategori cepat?
Faktor 2 kepuasan terhadap pelayanan terdiri dari 7 butir
Semua jawaban berupa pilihan dengan skala likers
sebanyak 5 skala, yaitu:
5 = Sangat setuju 2 = Tidak setuju
4 = Setuju 1 = Sangat tidak setuju
3 = Ragu-ragu
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
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
Butir Butir Butir Butir Butir Butir Butir

No Nama 11 12 13 14 15 16 17
1 Ali 3 4 3 3 2 4 4
2 Ami 4 3 3 3 2 3 3
3 Aminah 2 3 3 4 2 3 4
4 Amir 3 5 3 3 1 3 3
5 Andrie 4 3 4 5 2 4 3
6 Anna 2 4 3 4 2 2 4
7 Anton 4 4 4 5 2 4 4
8 Barry 2 5 3 4 1 5 5
9 Basyir 4 5 3 3 1 1 5
10 Bona 4 3 4 5 4 1 4
11 Budi 3 4 4 3 2 2 2
12 Cecep 3 2 4 2 5 2 1
13 Deby 2 3 4 1 3 4 4
14 Doddy 3 5 3 3 2 3 3
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
Beberapa langkah pengisian SPSS untuk uji Validitas

dan Reabilitas pada mengukur dengan pendapat
konsumen tentang sikap konsumen terhadap pelayanan
(faktor 1) dan kepuasan terhadap pelayanan (faktor 2)
sebagai berikut:
34 | Statistika
Klik Ok…
Sehingga diperoleh pada variable view sebagai berikut:
Langkah uji Validitas
36 | Statistika
Klik menu Analize >> scale >> reliability analysis
Akan muncul tampilan sebagai berikut:
Masukkan semua variable butir Faktor 1 (Butir 1 sampai

Burir 10) ke kotak item yang ada disebelah kanan.
Pada model biarkan pilihan pada alpha
Kliklah menu Statistics, akan muncul tampilan sebagai

berikut:
Pada Bagian descriptive for check list ketiganya (item, scale,

scale if item deleted)
Abaikan bagian lain dan klik Continue untuk kembali ke

dialog utama
Klik OK
38 | Statistika
Kemudian diperoleh output sebagai berikut:
Tabel diatas hanya untuk menjelaskan mean dan standar

deviasi, yaitu: 30,8667 dan 5,4629.
Berikutnya adalah uji validitas, dimana dimaknai dengan :

Uji validitas Butir 1
1. Hipotesis
Ho : Skor butir berkorelasi positif dengan skor faktor
H1 : Skor butir tidak berkorelasi positif dengan skor
faktor
2. Tingkat signifikansi
Dari tabel r (lihat tabel dibawah), df= jumlah kasus – 2, df
= 30-2 =28, dengan nilai α =5% maka didapatkan nilai
tabel angka 0,239 (r tabel= 0,239)
TABEL NILAI KRITIK (KORELASI ITEM – TOTAL

TERKOREKSI 1 SISI)
(SISI KANAN / KORELASI POSITIF)

db α = 1% α = 5% db α = 1% α = 5%
1 0.985 0.929 18 0.352 0.296
2 0.881 0.770 19 0.343 0.289
3 0.776 0.663 20 0.335 0.282
4 0.695 0.590 21 0.327 0.275
5 0.634 0.536 22 0.320 0.269
6 0.586 0.495 23 0.313 0.263
7 0.548 0.462 24 0.307 0.258
8 0.516 0.434 25 0.301 0.253
9 0.489 0.411 26 0.295 0.248
10 0.465 0.392 27 0.290 0.244
11 0.445 0.375 28 0.285 0.239
12 0.427 0.630 29 0.280 0.235
13 0.411 0.346 30 0.275 0.231
14 0.397 0.334 40 0.239 0.201
15 0.384 0.323 60 0.196 0.165
16 0.373 0.310 120 0.139 0.117
17 0.362 0.305 ∞ 0.048 0.041
Catatan :
a. Tabel di atas didasarkan atas Korelasi Pearson,

sehingga hanya cocok untuk data metrik (skala
interval/rasio). Dalam praktek, data berskala ordinal
bisa ditoleransi asalkan memiliki 4 tingkatan atau lebih
(misal: skala Likert). Jika data berbentuk biner (0,1),
gunakan teknik yang lain.
b. Cara membaca :
H0 : ρterkoreksi ≤ 0 vs H1 : ρterkoreksi > 0
Tolak H0 jika nilai rterkoreksi > nilai rtabel untuk db yang

bersesuaian
db = n – 2 (n adalah jumlah sampel) Sumber tabel :

(Hadi, Sutrisno, 1990)
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
Uji validitas Butir 2
1. Hipotesis
Ho : Skor butir berkorelasi positif dengan skor faktor
H1 : Skor butir tidak berkorelasi positif dengan skor
faktor
2. Tingkat signifikansi
Dari tabel r (lihat tabel diatas), df= jumlah kasus – 2, df =

30-2 =28, dengan nilai α =5% maka didapatkan nilai tabel
angka 0,239 (r tabel= 0,239)
3. Statistik uji
r hasil = 0,462
4. Daerah kritik
Ho tidak ditolak jika: r positif, serta r hasil > r tabel,
sehngga butir tersebut dikatakan Valid
5. Kesimpulan
Karena r hasil (0,462) > (r tabel= 0,239) maka Ho
diterima yang berarti bahwa skor butir 2 berkorelasi
positif dengan skor factor sehingga butir 2 dikatakan
VALID
Demikian seterusnya sampai butir ke 10, kemudian kita
buat tabel sebagai berikut:
No Variable r hasil r tabel keterangan

1 Butir1 -0,161 0,239 Tidak Valid
2 Butir2 0,462 0,239 Valid
3 Butir3 0,523 0,239 Valid
4 Butir4 0,612 0,239 Valid
5 Butir5 -0,270 0,239 Tidak Valid
6 Butir6 0,301 0,239 Valid
7 Butir7 0,524 0,239 Valid
8 Butir8 0,610 0,239 Valid
9 Butir9 0,717 0,239 Valid
10 Butir10 0,555 0,239 Valid
Dari tabel diatas terlihat bahwa butir 1 dan butir 5 Tidak

Valid, kemudian keluarkanlah butir tersebut, dan proses
analisis seperti diatas diulang untuk butir yang Valid saja.
Setelah dikeluarkan (butir 1 dan 5) akan diperoleh output

sebagai berikut:
Sama halnya seperti diatas, kemudian dibuat tabel sebagai

berikut:
No Variable r hasil r tabel keterangan

1 Butir2 0,554 0,239 Valid
2 Butir3 0,449 0,239 Valid
3 Butir4 0,617 0,239 Valid
4 Butir6 0,375 0,239 Valid
5 Butir7 0,628 0,239 Valid
6 Butir8 0,665 0,239 Valid
7 Butir9 0,655 0,239 Valid
8 Butir10 0,577 0,239 Valid
Maka telah diperoleh semua variable pada factor 1 valid. Jika

semua sudah Valid, kita lanjutkan ke UJI RELIABILITAS.
Langkah uji Reliabilitas Faktor 1 sebagai berikut:
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
Karena r hasil Cronbach’s alpha (0,836) > 0,6 maka Ho

diterima yang berarti bahwa Faktor 1 dikatakan
RELIABEL
Dengan demikian delapan butir pertanyaan pada data

Faktor 1 adalah Valid dan Reliabel.
Selanjutnya, dengan cara yang sama lakukan juga uji

Validitas dan Realibilitas data Faktor 2 (Dari 7 butir
pertanyaan diatas), Selamat mencoba………………
BAB IV
RANCANGAN PENELITIAN
Setelah membaca Bab IV para pembaca mampu:
1. Memahami konsep umum bagaimana merancang penelitian

baik eksperimental maupun noneksperimental.
2. Memahami aplikasi konsep uji statistik dengan SPSS
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 yang adekuat hendaklah dapat menguji

kebenaran hipotesis dan sedapat mungkin mengendalikan atau
mengontrol varians. Dalam hal mengontrol varians kita dapat

melakukan beberapa langkah antara lain: memaksimalkan
varians penelitian, meniadakan/mengontrol variabel ekstra
(misal tikus dengan umur, galur yang homogen pada
kelompok percobaan), meminimalkan error of varians.
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.
Gambar 2. Algoritma penggunaan metode statistika pada

kebanyakan data-data penelitian farmasi
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.
Statistika parametrik berhubungan dengan

pengambilan keputusan atas suatu problem tertentu, yang
membahas parameter-parameter populasi misalnya rata-rata,
proporsi. Ciri statistika parametrik adalah menggunakan data
interval atau rasio, dan distribusi data atau populasi adalah
normal, atau mendekati normal.
Statistika non parametrik mengakomodasi data yang

tdk terdistribusi normal. Perhitungan dilakukan bukan
terhadap nilai data yang sesungguhnya, namun pada peringkat
data dalam populasi. In fact, hasil intepretasi statistika non-

parametrik adalah semu. Data dibuat peringkat atau ranking
utk kemudian dianalisa. Pengambilan keputusan atas problem
tidak membahas parameter-parameter populasi. Ciri statistika
non parametrik adalah jenis data nominal atau ordinal,
distrubusi data tidak diketahui (distribusi tidak normal).
Contoh statistika parametrik adalah uji analisa varian

(anava), repeated anava, uji t, multivariat, sedangkan contoh
statistika non-parametrik adalah Kruskall-Wallis test, Mann-
Whitney test, Wilcoxon test, Friedman test, McNemar (untuk
data nominal atau ordinal).
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. Maksud dari
sampel tidak berpasangan adalah subyek uji dari kedua
kelompok atau sampel tersebut adalah berbeda. Dua sampel
tersebut adalah berasal dari populasi yang berbeda. Asumsi
penggunaan uji t tidak berpasangan adalah : populasi-populasi
yang diuji berdistribusi normal, varian dari populasi-populasi

tersebut boleh sama dan boleh berbeda. Maksudnya? Dalam
aplikasinya, nilai signifikansi yang digunakan adalah berbeda
antara asumsi varian sama dan asumsi varian yang berbeda.
Langkah uji adalah sebagai berikut :
1. Pengujian distribusi normalitas data,
2. Apabila normal dilanjutkan uji t tak berpasangan, apabila

tidak maka dilakukan transformasi data,
3. Hasil transformasi data menghasilkan distribusi normal

maka digunakan uji t tak berpasangan,
4. Apabila setelah beberapa cara transformasi data tetap tidak

menghasilkan distribusi normal maka digunakan metoda
non parametrik yaitu Mann-Whitney.
Perumusan hipotesis :
H0 : Kedua rata-rata populasi adalah identik
H1 : Kedua rata-rata populasi adalah tidak identik
Pengambilan keputusan :
- Jika probabilitas > 0,05; maka H0 diterima.
- Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Independent samples test), check kolom sig

(significance) dua sisi (two tailed), harganya dibandingkan
dengan nilai  (0,05) kemudian dibuat suatu kesimpulan.
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. Asumsi penggunaan
uji t tidak berpasangan adalah : populasi-populasi yang diuji
berdistribusi normal, tidak perlu dilakukan pengujian
homogenitas varian (karena subyeknya berpasangan atau sama
subyek).
2. Apabila normal dilanjutkan uji t tak berpasangan,

apabila tidak maka dilakukan transformasi data,
3. Hasil transformasi data menghasilkan distribusi

normal maka digunakan uji t tak berpasangan,
4. Apabila setelah beberapa cara transformasi data tetap

tidak menghasilkan distribusi normal maka digunakan
metoda non parametrik yaitu Wilcoxon.
Perumusan hipotesis
Pengambilan keputusan
Pada output SPSS, terdapat tampilan output “Paired samples

correlations”. Interprestasinya, jika sig (significance) lebih
kecil dari 0,05 maka terdapat korelasi yang erat antara kedua
rata-rata sampel. Apabila sig. lebih besar dari 0,05 maka
korelasi antara kedua rata-rata sampel adalah sangat rendah.
Pada output SPSS (Paired samples test), check kolom sig

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.Langkah uji adalah sebagai
berikut :
H0 : Rata-rata sampel berbeda bermakna dengan nilai

pembanding
H1 : Rata-rata sampel tidak berbeda bermakna dengan nilai

pembanding
Pada output SPSS (One samples test), check harga sig

4. Analisa varian (analysis of variance)
Metode ini digunakan untuk pengujian perbedaan rata-

rata dari lebih dari dua sampel yang tidak berpasangan.
Asumsi penggunaan analisa varian adalah : populasi-populasi
yang diuji berdistribusi normal, varian dari populasi-populasi
tersebut adalah sama (diuji dengan test of homogenity of
variances dengan Levene Test), sampel tidak berhubungan
satu dengan yang lain. Apabila dalam suatu penelitian atau
percobaan, terdapat satu perlakuan maka analisa varian yang
digunakan adalah satu jalan (One Way Anova). Namun apabila
terdapat dua perlakuan maka analisa varian yang digunakan
adalah dua jalan (Two Way Anova).
1. Pengujian distribusi normalitas data dan homogenitas
varian,
2. Apabila distribusi data normal dan varian-nya homogen,
dilanjutkan analisa varian (anava), apabila setidaknya salah
satu diantara syarat tersebut belum terpenuhi mana
dilakukan transformasi data,
3. Hasil transformasi data menghasilkan distribusi data normal
dan varian yang homogen maka dilanjutkan analisa varian,
namun Apabila setelah beberapa cara transformasi data tetap
tidak menghasilkan distribusi normal atau homogenitas

varian maka digunakan metoda non parametrik Kruskal-
Wallis,. Apabila dari anava menghasilkan perbedaan
bermakna maka dilanjutkan dengan analisa post hoc atau uji
t.
Test of homogenitas of variances
Pada analisa varian, terutama apabila menggunakan

SPSS, metode ini digunakan untuk melihat apakah sampel-
sampel data-data mempunyai varian yang sama.
H0 : varian dari sampel-sampel adalah identik
H1 : varian dari sampel-sampel adalah tidak identik
1. Jika probabilitas > 0,05; maka H0 diterima.
2. Jika probabilitas < 0,05; maka H0 ditolak.
Pada output SPSS (Levene statistic), check kolom sig

(significance), harganya dibandingkan dengan nilai  (0,05)
kemudian dibuat suatu kesimpulan.
Anova (Analysis of variance)
Uji utama, bertujuan untuk menganalisa apakah

sampel-sampel mempunyai rata-rata yang sama. Meskipun
yang dianalisa adalah varian-nya, namun asumsinya digunakan
untuk membedakan rata-rata sampel-sampel uji.
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)
Pada output SPSS (ANOVA), check kolom sig (significance),

harganya dibandingkan dengan nilai  (0,05) kemudian dibuat
suatu kesimpulan.
Post Hoc test
Apabila dari hasil Anava ditemukan bahwa rata-rata

populasi populasi adalah berbeda bermakna maka dilanjutkan
dengan Post Hoc test (uji t setelah Anava). Contoh : Tukey
test, Bonferroni test, LSD test, Scheffe test, Duncan test, Sidak
test, Gabriel test.
5. Repeated Anova
Metode ini digunakan untuk pengujian perbedaan rata-

rata dari lebih dari dua sampel yang berpasangan. Asumsi
penggunaan analisa varian adalah : populasi-populasi yang
diuji berdistribusi normal, tidak perlu dilakukan pengujian
homogenitas varian (karena subyeknya berpasangan atau sama
subyek).
2. Apabila distribusi data normal, dilanjutkan analisa

varian (anava), apabila setidaknya salah satu diantara
syarat tersebut belum terpenuhi mana dilakukan
transformasi data,
3. Hasil transformasi data menghasilkan distribusi data

normal maka dilanjutkan analisa varian, namun
Apabila setelah beberapa cara transformasi data tetap
tidak menghasilkan distribusi normal maka digunakan
metoda non parametrik Uji Friedman,
4. Apabila dari anava menghasilkan perbedaan bermakna

maka dilanjutkan dengan analisa post hoc atau uji t.
H0 : rata-rata pengukuran atau pengamatan antar

kelompok adalah identik (distribusi rata-rata
pengukuran antar kelompok adalah identik)
H1 : rata-rata pengukuran atau pengamatan antar

kelompok adalah tidak identik (setidaknya ada
rata-rata satu kelompok yang nilainya berbeda
dengan nilai rata-rata kelompok pengukuran yang
lain)
Pada output SPSS (Multivariate test), check kolom sig

(significance), harganya dibandingkan dengan nilai  (0,05)
kemudian dibuat suatu kesimpulan. Apabila hasilnya adalah
berbeda bermakna maka dilanjutkan dengan analisa Post hoc.
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.
No. Kelompok Kontrol Kelompok Perlakuan

Jumlah geliat Ranki Jumlah geliat Ranking
(60 menit) ng (60 menit)
1. 57 14 43 8,5
2. 28 5 33 7
3. 88 17 54 12
4. 54 12 16 3
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
Kasus : Pada penelitian analesik suatu produk herbal. Jumlah

geliat mencit (diukur selama 60 menit) pada kelompok kontrol
dengan kelompok perlakuan produk herbal menghasilkan data
pada tabel berikut.
Pada kasus di atas, nilai terendah adalah 7 (ranking 1),

sedangkan nilai tertinggi adalah 91 (ranking 18). Apabila ada
beberapa data yang nilainya sama, misalnya pada kasus di atas
nilai 43 ada dua, maka rangking 8 dan 9 tidak ada diganti
dengan penjumlahan dua rangking tersebut dibagi dua sehinga
menghasilkan rangking 8,5 (sebanyak dua nilai ranking). Pada
kasus di atas, nilai jumlah geliat 54 juga ada tiga sehingga nilai
ranking 11, 12 dan 13 dijumlahkan dan dibagi tiga,
menghasilkan tiga nilai rangking sebesar 12.
1. Mann-Whitney test
Metode ini juga termasuk metode statistika non-

parametrik, dengan fungsi menguji perbedaan bermakna dua
sampel independen atau tidak berpasangan. Data yang
digunakan minimal ordinal. Asumsi dalam penggunaan
metode statistika ini :
1. Dua sampel harus independen, dan dicuplik secara acak dari

populasi
2. Data yang diukur minimal ordinal, apabila data rasio dan
interval harus terdistribusi tidak normal
Perumusan hipotesis
H0 : Kedua populasi identik (sama) atau tidak berbeda secara
signifikan
H0 : Kedua populasi tidak identik atau berbeda signifikan
Pada output SPSS (Test Statistics), check asymp. sig

(asymptotic significance) dua sisi (two tailed) atau Exact sig.
(1-tailed sig), harganya dibandingkan dengan nilai  (0,05)

2. Wilcoxon test

parametrik, dengan fungsi menguji perbedaan bermakna dua
sampel berhubungan (dependent). Data yang digunakan
minimal ordinal. Asumsi dalam penggunaan metode statistika
ini :
1. Tidak berasumsi normalitas distribusi suatu populasi,
2. Tidak membutuhkan informasi varians sampel maupun

populasi,
3. Bisa digunakan untuk data ordinal,
H0 : Kedua populasi identik (sama) atau tidak berbeda scr

signifikan
Median populasi beda-beda adalah sama
Median populasi beda-beda adalah tidak sama

(berbeda)

(asymptotic significance) dua sisi (two tailed) atau Exact sig.
(1-tailed sig), harganya dibandingkan dengan nilai  (0,05)
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).
Data yang digunakan minimal ordinal. Asumsi penggunaan
pada uji Kruskal wallis:
1. Dua sample harus independen, dan dicuplik secara
acak dari populasi,
2. Data yang diukur minimal ordinal, apabila data rasio
dan interval harus terdistribusi tidak normal
H0 : Distibusi semua populasi adalah identik (sama)
H1 : Paling sedikit satu populasi menunjukkan nilai-nilai

yang berbeda dibandingkan lainnya
Pada output SPSS (Test Statistics), check asymp sig

(asymptotic significance) dua sisi (two tailed), harganya
dibandingkan dengan nilai  (0,05) kemudian dibuat suatu
kesimpulan.
4. Friedman test

parametrik, dengan fungsi menguji perbedaan bermakna
beberapa sampel dari populasi (> 2 populasi) yang
berhubungan (dependent). Data yang digunakan minimal
ordinal.


kesimpulan.
Gambar 3. Algoritma penggunaan metode statistika untuk data

kategorik (nominal dan orpada kebanyakan data-data penelitian
farmasidinal)
5. Binomial test

parametrik, dengan fungsi menguji suatu proporsi suatu
sampel atau populasi. Uji ini ditujukan pada sampel tunggal
dengan tipe data nominal, dengan dua unsur pilihan. Contoh
umum adalah pelemparan uang koin yang “hanya”
memberikan dua pilihan yaitu angka dengan gambar. Dalam
penelitian farmasi uji seperti ini sering digunakan manakala
menguji proporsi suatu sampel yang berhubungan dengan efek
yang hanya diukur dengan dua parameter yaitu berefek dan
tidak berefek, toksik dan tidak toksik, manjur dan tidak
manjur, tepat terapi dan tidak tepat terapi.


kesimpulan.
C. Aplikasi SPSS dalam penelitian farmasi
Berikut ini disajikan aplikasi SPSS dalam beberapa

kasus percobaan atau penelitian farmasi, meliputi penggunaan
metoda statistika untuk menguji normalitas data, Kolmogorov
Smirnov test, dan uji inferensi lainnya yang meliputi statistika
paramerik dan non-paramerik.
1. UJI KOLMOGOROV SMIRNOV

Tujuan : Menguji normalitas distribusi nilai sampel
yang teramati
Contoh : Seorang peneliti telah menguji proteksi geliat
dan daya anti inflamasi dari perasaan umbi
wortel dan beta karoten. Untuk
menyimpulkan apakah perasan umbi wortel
dapat menjadi alternatif obat anti inflamasi,
penguji membandingkan % proteksi geliat
dan % daya antiinflamasi perasaan umbi
wortel dengan dosis 1 mL/kgBB dan %
proteksi geliat dan % daya antiinflamasi beta
karoten dengan dosis 1 mL/kgBB. Dari hasil
percobaan didapatkan hasil seperti berikut:
Perlakuan % Daya analgetik %Daya antiinflamasi

1.00 35.54 14.76
1.00 36.87 16.43
1.00 36.55 17.72
1.00 35.98 15.50
1.00 35.65 16.23
2.00 40.78 20.65
2.00 42.34 23.70
2.00 43.89 24.32
2.00 40.67 25.64
2.00 41.98 22.43
3.00 45.49 28.65
3.00 47.76 28.33
3.00 49.27 29.55
3.00 45.98 28.78
3.00 45.49 26.65
Keterangan : 1.00 = dosis 0.5 mg/mL perasan wortel
2.00 = dosis 1.0 mg/mL perasan wortel
3.00 = betakaroten
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
f. Klik (...) pada Value baris pertama, akan muncul

kotak dialog seperti berikut :
g. Ketik 1.00 → ketik Dosis 0.5 mg/mL→ Klik Add

h. Ketik 2.00 → ketik Dosis 1.0 mg/mL → Klik Add
i. Ketik 3.00 → ketik Betakaroten → Klik Add →
Klik Ok
j. Klik Data View
k. Lalu isi kolom sesuai data
l. Lalu klik Analyze → Nonparametric Tests →
Sample K-S
m. Akan muncul kotak dialog seperti berikut
n. Klik Daya_analgetik dan Daya_antiinflamasi

masukkan dalam Test Variable List
o. Klik Options → Descriptive → Continue → OK
p. Maka akan muncul tampilan Output seperti berikut:
H0 = distribusi sampel normal

H1 = distribusi sampel tidak normal
Jika probabilitas > 0,05; maka H0 diterima 

distribusi sampel normal
Jika probabilitas < 0,05; maka H0 ditolak 
distribusi sampel tidak normal
Nilai sig Daya_analgetik dan Daya_antiinflamasi

adalah 0.725 dan 0.876 maka > 0,05 → H0 diterima
(distribusi normal)
Data persentase daya analgetik dan daya
antiinflamasi memiliki distribusi normal
2. ANALISIS VARIAN (Test homogenitas of

variances)
Tujuan : Menganalisa apakah sampel-sampel
mempunyai varian yang sama
Syarat : Distribusi normal
Contoh : (melanjutkan soal no.1 karena data memenuhi
syarat distribusi normal)
Langkah kerja :
a. Klik Analyze → Compare Means → One Way
Anova, akan muncul kotak dialog seperti berikut
b. Masukkan Perlakuan pada Factor. Masukkan

Daya_analgetik dan Daya_antiinflamasi pada
Dependent List
c. Klik Option, akan muncul kotak dialog One-Way
Options, lalu klik Homogenity of variance test
→Continue →Ok
d. Muncul Output seperti berikut
Hipotesis
H0 : varian dari sampel-sampel adalah identik
H1 : varian dari sampel-sampel adalah tidak identik
Pada output SPSS (Levene statistic)  check

kolom sig (significance)
 harganya dibandingkan dengan nilai  (0,05) 
kesimpulan
Nilai sig Proteksi geliat 0.092 > 0.05 sehingga

identik
Nilai sig Daya_antiinflamasi 0.325 > 0.05 sehingga
identik
Maka varian presentase daya analgetik dan daya

analgetik dari sampel-sampel adalah sama.
3. ANOVA (Analysis of Variances)

Tujuan : Menganalisa apakah sampel-sampel
mempunyai rata-rata yang sama.
Contoh : (output sama dengan Test of Homogenity of
variance)
Hipotesis
H0 : rata-rata populasi populasi adalah identik
(distribusi rata-rata populasi adalah identik)
(setidaknya ada rata-rata satu populasi yang
nilainya berbeda dengan nilai rata-rata populasi yang
lain)
Sig proteksi_geliat 0.000 > 0.05 → Ho ditolak →tidak

identik
Sig Daya_antiinflamasi 0.000 > 0.05 → Ho ditolak →
tidak identik
Oleh karena itu, untuk mencari mana yang tidak
identik dilanjutkan Post Hoc Test
a. Klik Compare Means → One Way Anova →

Post Hoc Test → Tukey dan LSD
b. Akan muncul output seperti berikut
Hipotesis
H0 : rata-rata populasi populasi adalah identik
(distribusi rata-rata populasi adalah identik)
(setidaknya ada rata-rata satu populasi yang
nilainya berbeda
dengan nilai rata-rata populasi yang lain)
Sig semuanya adalah 0.000 < 0.05 berarti

semuanya tidak identik
Ada perbedaan daya analgetik atau daya

antiinflamasi setiap antara 0,5 mg/mL perasan
umbi wortel, 1,0 mg/mL perasan umbi wortel, 1,0
mg/mL betakaroten.
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
Perlakuan % Daya % Daya

Analgetik antiinflamasi
1.00 68.80 30.45
1.00 70.54 34.32
1.00 65.32 32.67
1.00 68.54 35.89
1.00 64.57 33.40
1.00 69.89 34.38
1.00 64.54 32.65
1.00 65.34 35.87
1.00 68.92 34.45
1.00 67.64 33.87
2.00 40.76 78.35
2.00 35.45 76.98
2.00 38.38 79.56
2.00 37.29 78.98
2.00 39.48 75.34
2.00 38.64 80.97
2.00 41.87 79.54
2.00 35.64 76.65
2.00 34.98 77.87
2.00 38.23 75.98
Perlakuan 1 : indometasin
Perlakuan 2 : parasetamol
Langkah-langkah :
b. Klik Variabel View
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
m. Masukkan Daya_analgetik dan

Daya_antiinflamasi pada Test Variable List
dan masukkan Perlakuan pada Grouping
Variabel
n. Klik Perlakuan → Define Groups
o. Klik Use Spesific Values, ketik 1 pada group 1

dan 2 pada group 2. Klik Continue → Ok
p. Akan muncul output seperti ini
Pada output SPSS (Independent samples test)

 check sig (2-tailed)
 harganya dibandingkan dengan nilai 
(0,05)  kesimpulan
- Jika varians sama  pakai nilai sig. pada
baris “equal variances
assumsed”.
- Jika varians berbeda  “equal variances
not assumsed”.
Sig Daya analgetik 0.712 > 0.05 → H 0 diterima
→ identik
Sig Daya analgetik 0.560 > 0.05→ H 0 diterima
→ identik
Maka, ada perbedaan rata-rata antara persentase

daya analgetik atau persentase daya
antiinflamasi antara parasetamol dan
indometasin.
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
sesudah minum ekstrak tomat (± 3 jam setelah

pemberian).
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
129 112
130 109
129 104
120 109
129 105
Langkah-langkah :
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
h. Klik Options → Ok
i. Akan muncul kotak output seperti berikut
1. Hipotesis
H1 : Kedua rata-rata populasi adalah tidak
identik
2. Pengambilan keputusan
Pada output SPSS (Paired samples test) 
check sig (2-tailed)
 harganya dibandingkan dengan nilai 
(0,05)  kesimpulan
Sig Sebelum-Sesudah 0.000 < 0.05 → H0

ditolak → tidak identik
Ada perbedaan kadar gula darah yang

signifikan antara sebelum dan sesudah
pemberian, berarti ekstrak tomat memiliki efek
antidiabetes.
6. KRUSKALL WALLIS TEST

Tujuan : Menguji perbedaan bermakna beberapa
sampel dari populasi (> 2 populasi) yang
tidak berhubungan (independent)
Syarat :
acak dari
populasi
dan interval
harus terdistribusi tdk normal
Contoh : Seorang peneliti ingin menguji efek anti-
vomitus sebuah obat “X”, namun karena rasa
mual tidak dapat dihitung maka dibuatlah
kategori, yaitu 1= muntah, 2= mual, 3=agak
mual, 4= tidak muntah. Maka diambil 20
sampel anak SD yang sering muntah pada
perjalanan dengan bus. 10 anak meminum
antimo dan 10 anak meminum obat herbal.
Lalu mereka mengisi kuesioner sehingga
didapatkan data seperti ini.
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
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
Perlakuan 1 : ½ tablet antimo

Perlakuan 2 : 1 tablet antimo
Perlakuan 3 : obat herbal
Langkah-langkah :
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
h. Klik defines group. Klik minimum 1,

maksimum 2
i. Klik Options → Ok
j. Akan muncul output seperti berikut
1. Hipotesis
H0 : Distribusi semua populasi adalah identik
(sama)
H1 : Paling sedikit satu populasi menunjukkan
nilai-nilai yang berbeda dibandingkan lainnya
Pada output SPSS (Test Statistics)  check
asymp. sig (asymptotic
significance)  harganya dibandingkan dengan
nilai  (0,05) 
kesimpulan
Sig Tingkat vomitus 0.356 > 0.05 → H0

diterima → identik
Tidak ada perbedaan antara penggunaan obat
antimo maupun obat herbal dalam mengatasi
mual saat mabuk dalam bus atau obat herbal
memiliki efek yang sama dengan antimo
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.
Perlakuan Sebelum Sesudah
1.00 5.00 3.00
1.00 4.00 2.00
1.00 5.00 3.00
1.00 4.00 3.00
1.00 4.00 3.00
1.00 4.00 4.00
1.00 3.00 3.00
1.00 5.00 4.00
1.00 5.00 3.00
1.00 5.00 4.00
2.00 4.00 2.00
2.00 3.00 1.00
2.00 3.00 1.00
2.00 4.00 3.00
2.00 4.00 4.00
2.00 4.00 4.00
2.00 3.00 3.00
2.00 4.00 2.00
2.00 3.00 1.00
2.00 3.00 2.00
3.00 4.00 2.00
3.00 5.00 1.00
3.00 5.00 1.00
3.00 4.00 3.00
3.00 4.00 4.00
3.00 4.00 4.00
3.00 5.00 3.00
3.00 4.00 2.00
3.00 3.00 1.00
3.00 3.00 2.00
Langkah-langkah :
c. Ketik Sebelum pada kolom Name dan baris 1
d. Ketik Sesudah pada kolom Name dan baris 2
e. Klik Data View
K-Related Samples
g. Akan keluar kotak dialog Related Sample T-
Test, lalu masukkan Sebelum dan Sesudah
pada Variabel Test.
h. Klik Friedman pada Test type → Ok

i. Akan muncul output seperti berikut
1. Hipotesis
H0 : Distribusi semua populasi adalah identik
(sama)
H1 : Paling sedikit satu populasi menunjukkan
nilai-nilai yang
berbeda dibandingkan lainnya
Pada output SPSS (Test Statistics)  check
asymp. sig (asymptotic
significance)  harganya dibandingkan dengan
nilai  (0,05) 
kesimpulan
Sig 0.000 < 0.05 → H0 ditolak → tidak identik
Ada perbedaan efek antiinflamasi antara
indometasin dan parasetamol
8. MANN WHITNEY TEST

Tujuan : Menguji perbedaan bermakna dua sampel
independen.Membandingkan median peringkat
dari sampel pertama dengan median peringkat
dari sampel kedua
Asumsi :
acak dari populasi
dan interval harus terdistribusi tdk normal
Contoh :
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
2.00 2.00
2.00 4.00
2.00 3.00
2.00 2.00
2.00 2.00

d. Ketik Tingkat_vomitus pada kolom Name dan
baris 2
e. Klik Data View
2-Independent Samples
g. Akan keluar kotak dialog 2 Independent
Sample T-Test, lalu masukkan
Tingkat_vomitus pada variabel test dan
Perlakuan pada group variabel
h. Klik defines group. Klik minimum 1,

maksimum 2
i. Klik Options → Ok
j. Akan muncul kotak dialog seperti berikut
1. Hipotesis
H0 : Kedua populasi identik (sama) atau tidak
berbeda scr signifikan
H1 : Kedua populasi tidak identik atau berbeda
signifikan
Pada output SPSS (Test Statistics)  check asymp. sig
(asymptotic
significance) atau Exact sig. (1-tailed sig)  harganya
dibandingkan
dengan nilai  (0,05)  kesimpulan
Sig 0.393 > 0.05 → H0 diterima → identik
100 | Statistika
Tidak ada perbedaan median tingkat vomitus antara

obat herbal dan antimo sehingga memiliki efek yang
relatif sama
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
Perlakuan Sebelum Sesudah
1.00 1.00 3.00
1.00 1.00 4.00
1.00 1.00 3.00
1.00 1.00 3.00
1.00 1.00 3.00
1.00 2.00 4.00
1.00 1.00 3.00
1.00 2.00 4.00
1.00 2.00 3.00
1.00 1.00 4.00
2.00 2.00 2.00
2.00 1.00 2.00
2.00 2.00 2.00
2.00 1.00 3.00
2.00 2.00 4.00
2.00 1.00 4.00
2.00 1.00 3.00
2.00 2.00 2.00
2.00 1.00 2.00
2.00 1.00 2.00
102 | Statistika

d. Ketik Sebelum pada kolom Name dan baris 2
e. Ketik Setelah pada kolom Name dan baris 3
f. Klik Data View
g. Lalu klik Analyze → Nonparametic Test →
2-Related Samples
h. Akan keluar kotak dialog 2 Related Sample T-
Test, lalu masukkan Sebelum pada variabel 1
dan Sesudah pada variabel 2
i. Klik Wilcoxon pada Test type. Klik Ok

j. Akan muncul kotak output seperti berikut
1. Hipotesis
H0 : Kedua populasi identik (sama) atau tidak berbeda scr
signifikan
Median populasi beda-beda adalah sama
Median populasi beda-beda adalah tidak sama (berbeda)
Pada output SPSS (Test Statistics)  check asymp. sig
(asymptotic significance) atau Exact sig. (1-tailed sig) 
harganya dibandingkan dengan nilai  (0,05)  kesimpulan
Sig 0.000 < 0.→05 H 0 ditolak → tidak identik. Ada
perbedaan median tingkat stress antara obat indometasin dan
parasetamol.
104 | Statistika
BAB V
TABEL KONTINGENSI
Setelah membaca Bab V para pembaca mampu:
Mengetahui dan memahami desain penelitian secara analitik,

yaitu: Studi Cross – Sectional, Studi Retrospektif (Case Study/
Case Control), dan Studi Prospektif (Cohort Study) dengan
aplikasi SPSS
A. TINJAUAN UMUM
Tabel kontingensi adalah tabel yang menunjukkan atau

memuat data sesuai dengan rinciannya. Apabila bagian baris
tabel berisikan m baris dan bagian kolom tabel berisikan n
kolom maka didapatkan tabel kontingensi berukuran m x n.
Tabel kontingensi bisa digunakan untuk melihat hubungan dua
peubah kategorik. Dari tabel kontingensi ini bisa dibuat
kesimpulan apakah ada hubungan antara satu variabel dengan
variabel lainnya. Untuk menegaskan pembahasan dari tabel
kontingensi, dilakukan pengujian formal yang dikenal dengan
uji Khi-Kuadrat (Chi-Square Test)
Secara umum ada 3 macam desain penelitian secara analitik,

yaitu: Studi Cross – Sectional, Studi Retrospektif (Case Study/
Case Control), dan Studi Prospektif (Cohort Study)
1. STUDI CROSS – SECTIONAL

Merupakan rancangan studi yang mempelajari hubungan
antara pengamatan faktor resiko dan efek bersamaan.
Kalau kita mempelajari hubungan antara paparan dan
penyakit dengan cara mengamati keduanya secara
serentak (dalam waktu bersamaan) maka masuk dalam
kategori ini.
Rancangan ini memiliki keuntungan antara lain:
a. Mudah dan relatif murah karena tidak memerlukan
follow up lagi dan hasil cepat didapatkan.
b. Relatif cocok / sesuai untuk sekedar mendeskripsikan
distribusi penyakit yang dihubungkan dengan status
paparan.
c. Memungkinkan menggunakan populasi masyarakat
umum.
d. Dapat untuk meneliti sekaligus banyak variabel.
e. Dapat dimasukkan sebagai tahapan pertama untuk
penelitian Kohort atau eksperimental.
Sementara itu rancangan ini juga memiliki kelemahan,
yaitu:
106 | Statistika
a. Dibutuhkan subyek uji yang besar.

b. Tidak menggambarkan perkembangan penyakit,
insiden maupun prognosis.
c. Sulit menentukan sebab akibat karena pengambilan
data resiko dan efek dilakukan secara bersamaan.
d. Studi prevalensi lebih banyak menjaring subyek yang
mempunyai masa sakit yang panjang dari pada yang
pendek.
e. Tidak praktis untuk meneliti kasus yang jarang.
f. Tidak tepat digunakan untuk analisis kausal, karena
penelitian analisis kausal menuntut adanya sekuensi
waktu yang jelas antara paparan dengan penyakit
dimana paparan mendahului penyakit.
2. STUDI RETROSPEKTIF (CASE STUDY/ CASE

CONTROL)
antara paparan dan penyakit dengan cara membandingkan
kelompok kasus (mengidap penyakit) dengan kontrol
(sehat/ normal) setelah dipaparkan. Dalam hal ini efek
ditelusuri ke belakang faktor
resikonya (penyebabnya).
Keuntungan rancangan ini adalah:

a. Dapat untuk meneliti kasus yang jarang
b. Hasil dapat diperoleh dengan cepat
c. Beaya relatif sedikit
d. Subyek penelitian relatif sedikit
e. Dapat mengidentifikasi berbagai faktor resiko
Adapun kerugiannya, yaitu:
a. Daya ingat responden kurang baik, catatan medik
tidak akurat maka terjadi bias data.
b. Validasi informasi sukar diperoleh.
c. Kontrol dan kasus sering tidak seimbang dalam faktor
eksternal.
d. Tidak dapat dipakai untuk lebih dari satu variable
dependen.
3. STUDI PROSPEKTIF (COHORT STUDY)

antara paparan dan penyakit dengan cara membandingkan
kelompok terpapar dan tidak terpapar berdasarkan status
penyakit yang mungkin timbul dalam perkembangannya.
Pada studi ini faktor resiko diamati efek yang akan
ditimbulkan kedepannya.
108 | Statistika
Keuntungan rancangan ini yaitu:

a. Pilihan terbaik untuk kasus yang bersifat fatal dan
progresif dan dapat menerangkan hubungan faktor
resiko dengan efek secara lebih jelas.
b. Desain terbaik untuk menentukan insidens perjalanan
penyakit.
c. Dapat digunakan untuk meneliti beberapa efek
sekaligus.
d. Sesuai dengan logika studi eksperimental dalam
inferensi kausal.
e. Cocok juga untuk meneliti kasus paparan yang langka.
f. Memungkinkan mempelajari sejumlah efek secara
serentak dari suatu paparan.
Namun rancangan ini juga memiliki kelemahan, yaitu:
a. Memerlukan waktu lama, mahal dan rumit dikarenakan
harus mengamati dalam beberapa periode waktu.
b. Terancam adanya drop out, hal ini dimungkinkan
karena berkurangnya unit pengamatan yang besar bisa
disebabkan karena migrasi, meninggal dunia, maupun
partisipasi yang rendah serta factor yang lain.
c. Menimbulkan masalah etika.
d. Tidak efisien untuk mempelajari penyakit langka,
kecuali dengan jumlah sampel total yang sangat besar.
B. APLIKASI SPSS PADA STUDI KASUS
Studi kasus 1 (STUDI CROSS – SECTIONAL)

Sebuah lembaga Riset “EKSIS Research Center” ingin
meneliti apakah ada hubungan antara kebiasaan merokok dan
penyakit hipertensi, untuk mendukung hal tersebut maka
diambillah sampel sejumlah 265 orang, diikuti
perkembangannya selama 5 tahun kedepan. Setelah itu
ditemukan bahwa sebanyak 75 orang yang memiliki kebiasaan
merokok terkena hipertensi sebanyak 57 orang, sedangkan
yang tidak mengalami hipertensi sebanyak 18 orang. Dari data
sebanyak 190 orang yang tidak merokok sebanyak 115 orang
yang terkena hipertensi dan sisanya sebanyak 75 orang tidak
mengalami hipertensi.
Hipertensi
Kebiasaan TOTAL
Ya Tidak
Ya 57 18 75
Merokok
Tidak 115 75 190
TOTAL 172 93 265
Langkah yang dilakukan dalam penggunaan aplikasinya

dengan spss:
1. Entry data dalam SPSS sebaiknya menggunakan type
numeric dan pemberian kode melalui Values
110 | Statistika
Keterangan pada Values untuk merokok dan hipertensi:

1: ya, 2: tidak
Layar akan menampilkan:
Kemudian lihatlah data view, akan terlihat tampilan

sebagai berikut:
2. Lakukan pembobotan pada variable kategorik, caranya

klik Data > Weight Class..
112 | Statistika
Klik pada Weight Cases by masukkan variable

pembobotannya (dalam kasus ini data) ke Frequency
Variable > OK
3. Klik Analyze > Deskriptive> Statistics>

Crosstab…..
114 | Statistika
Masukkan variable: Row (s): Merokok, Column(s) : Hipertensi
Klik Statistic… Berilah tanda √ pada (√Chi square

dan √Risk)
Klik Continue…
Klik Cells…Beri tanda √pada: (√Observed dan
√Expected)
Klik Continue…OK
116 | Statistika
4. Selanjutnya akan muncul output sebagai berikut

Dari tabel diatas terlihat ringkasan data dan
diinterpretasikan sebagai
Kalau kita lihat tidak ada nilai Experted Count yang

kurang dari 5, maka inferensi menggunakan statistik uji
Chi-Square.
Catatan penting untuk nilai Experted Count: jika
terdapat nilai <5 maka digunakan Fisher’s Exact test,
sedangkan bila tidak terdapat nilai <5 maka
digunakan uji Chi-Square.
Uji Hipotesis:
Taraf kepercayaan 95% (tingkat signifikansi : 5% =
0,05)
1. Hipotesis

Pada output SPSS (Chi_Square Test)  check sig
(Asymp. Sig)
kesimpulan
Nilai sig 0.000 < 0.05→ H0 ditolak → tidak
identik
118 | Statistika
Ada perbedaan yang signifikan antara pengaruh

kebiasaan orang yang merokok dibandingkan dengan
orang yang tidak merokok terhadap kejadian hipertensi.
Interpretasi Tabel risk Estimate:

a. Karena penelitian ini adalah Cross Sectional maka
kita dapat menggunakan Rasio Pravelensi (RP)
dibandingkan dari data OR (Odds Ratio) maupun
RR (Relative Risk). Nilai OR = 2,065 dan nilai RR
= 1,256. RP = OR/RR=1,64
b. Berdasarkan OR didapatkan nilai OR= 2,065 ~ 2
kali, artinya resiko orang yang punya kebiasaan
merokok akan terkena hipertensi lebih tinggi 2 kali
daripada orang yang tidak memiliki kebiasaan
merokok.
c. Berdasarkan RR diatas diketahui bahwa orang yang

memiliki kebiasaan merokok akan terkena
hipertensi lebih tinggi 1,256 kali daripada orang
yang tidak memiliki kebiasaan merokok.
d. Ketentuan Rasio Pravelensi (RP) jika RP = 1
artinya tidak ada pengaruh, RP > 1 berarti variabel
tersebut merupakan faktor resiko (nilai RP melebihi
1)
e. Interval konfidensi 95% untuk OR yaitu 1,12≤8
OR ≤ 3,780 dan RR yaitu: 1,058 ≤ OR ≤ 1,490
yang tidak melewati angka 1, menunjukkan adanya
hubungan yang bermakna antara kebiasaan
merokok dengan kejadian hipertensi.
Kesimpulan ada hubungan yang bermakna antara

kebiasaan merokok dengan kejadian hipertensi.
Studi kasus 2 (STUDI RETROSPEKTIF / CASE

CONTROL)
Di suatu kecamatan ditemukan kematian neonatus sangat
tinggi yang kemungkinan disebabkan oleh pemotongan tali
pusar yang tidak steril. Sebuah penelitian retrospektif pun
dilakukan oleh badan riset “Agung Research Center” untuk
mengetahui bagaimanakah pengaruh pemotongan tali pusar
120 | Statistika
secara steril dalam mencegah kematian neonatus? Dalam hal

ini Kasus: semua bayi yang lahir di kecamatan Antah
berantah dalam waktu 3 bulan, yang meninggal dalam 28 hari
pertama. Kontrol: semua bayi yang lahir di kecamatan Antah
berantah dalam waktu 3 bulan, yang masih hidup setelah 28
hari. Faktor preventif yang ingin diteliti: pemotongan tali
pusat yang steril.
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:
0,05)
1. Hipotesis

122 | Statistika
Pada output SPSS (Chi_Square Test)  check sig

(Asymp. Sig)
kesimpulan
Nilai sig 0.000 < 0.05 → H0 ditolak → tidak
identik
Ada perbedaan yang signifikan antara pemotongan tali
pusar antara yang tak steril dibandingkan dengan yang
steril terhadap kematian neonatus.

a. Karena penelitian ini adalah Retrospective maka
kita dapat menggunakan OR (Odds Ratio).
Berdasarkan data OR didapatkan nilai OR= 4,688
~ 5 kali, artinya pemotongan tali pusar yang tak
steril terhadap kematian neonatus lebih tinggi 5
kali dibandingkan pemotongan tali pusar yang

steril.
b. Ada hubungan yang bermakna antara pemotongan
tali pusar yang tak steril terhadap kematian karena
nilai estimasi OR melebihi 1.
c. Interval konfidensi 95% untuk OR yaitu 3,32≤0
OR ≤ 6,621 yang tidak melewati angka 1,
menunjukkan adanya hubungan yang bermakna
antara pemotongan tali pusar dengan kematian
neonatus.

pemotongan tali pusar dengan kematian neonatus.
Studi kasus 3 (STUDI PROSPEKTIF/ COHORT STUDY)

Suatu penelitian dilakukan untuk mengetahui efek penggunaan
aspirin terhadap pembentukan Thrombus, dalam hal ini ada 10
pasien menggunakan Aspirin, sementara 8 orang tidak
menggunakan. Kemudian diamati pada tiap pasien apakah
terjadi pembentukan thrombus atau tidak. Adapun data tersaji
sebagai berikut:
124 | Statistika
Pembentukan
Pemakaian obat thrombus TOTAL
Ya Tidak
Ya 1 9 10
Aspirin
Tidak 6 2 8
TOTAL 7 11 18
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 terdapat nilai

Experted Count yang kurang dari 5, maka inferensi
menggunakan statistik Fisher’s Exact tes.
Uji Hipotesis:
0,05)
1. Hipotesis

126 | Statistika
Pada output SPSS (Fisher’s Exact tes)  check sig

(Exact. Sig)
kesimpulan
Nilai sig 0.013 < 0.05 → H0 ditolak → tidak
identik
Ada perbedaan yang signifikan antara yang
menggunakan aspirin dan yang tidak menggunakan
aspirin terhadap pembentukan thrombus.

a. Karena penelitian ini adalah Prospective maka kita
dapat menggunakan RR. Berdasarkan data RR
didapatkan nilai RR= 0,133 kali lebih rendah
dengan pasien yang tidak menggunakan aspirin
atau dengan kata lain pasien yang tidak
menggunakan aspirin akan terjadi pembentukan
thrombus dengan resiko 1/0,133 . ~ 7,518 kali ~ 7
kali lebih tinggi dari pasien yang menggunakan

aspirin.
b. Interval konfidensi 95% untuk RR yaitu 0,02≤0
RR ≤ 0,893 yang tidak melewati angka 1,
menunjukkan adanya hubungan yang bermakna
antara penggunaan aspirin dengan pembentukan
thrombus.

penggunaan aspirin dengan pembentukan thrombus.
128 | Statistika
LATIHAN SOAL
Dari hasil penelitian didapatkan kadar glukosa darah pada hari

ke-0, ke-50 dan ke-55 sebagai berikut ini:
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).
Contoh: menghitung % daya penurunan glukosa darah

preprandial (daya hipoglikemik) Ekstrak terpurifikasi
(Hari ke - 50) - (Hari ke - 55)

% daya penurunan  (Hari ke - 50) - (Hari ke - 0) x100%
(105,09) - (78,79)
% daya penurunan  x100%
(105,09) - (41,14)
% daya penurunan  41,12% , Lalu, bagaimanakah pengolahan

datanya?
130 | Statistika
DAFTAR PUSTAKA
Anonim, 2010, Modul training Olah data 2010, Fakultas

MIPA UGM, Yogyakarta.
Azwar, S. 2012. Reliabilitas dan Validitas. Edisi 4.
Yogyakarta : Pustaka Pelajar
Boediono dan Kaester, W, 2001. Teori dan Aplikasi Statistika
dan Probabilitas, Penerbit Pt. Remaja Rosdakarya.
Bandung
Croxton,F.E, dan Cowden, D.J., 1995., Applied General
Statistics, second edition, Prentice-Hal, Inc., N.Y.
Ghozali, I. 2009. Aplikasi Multivariate Dengan Program
SPSS. Badan Penerbit Universitas Diponegoro: Semarang.
Hadi, S, 1990. Analisis Butir untuk Instrumen Angket, Tes, dan
Skala Nilai dengan BASICA. Yogyakarta: Andi Offset.
Jones, D.S, 2010, Statistik Farmasi (edisi terjemahan),
Penerbit buku Kedokteran EGC, Jakarta.
Kuswadi dan Mutiara, E. 2004. Statistik Berbasis Komputer
untuk Orangorang Non Statistik. Elex Media
Komputindo. Jakarta.
Mursyidi, A., 1985, Statistika Farmasi dan Biologi, Ghalia
Indonesia, Yogyakarta.
Nawawi, H., 1995, Metode Penelitian Bidang Sosial, Gadjah
Mada University Press, Yogyakarta.
Raharjo, M., 2003, Statistika, Department Pendidikan
Nasional, PPPG Matematika Yogyakarta.
Riduwan dan Sunarto,. 2007. Statistika untuk penelitian.
Bandung : Alfabeta.
Santosa, S., 1999, SPSS : Mengolah Data Statistik Secara
Profesional, Elex Media Komputindo, Jakarta.
Santosa, S., 2000, Buku Latihan SPSS : Statistika Parametrik,
Elex Media Komputindo, Jakarta.
Santoso, Singgih 2001. Aplikasi Excel dalam Statistik Bisnis.

Elex Media Komputindo. Jakarta.
Sari, I.P., 2005, Statistika Praktis Untuk Farmasi, Pustaka
Mahasiswa, Yogyakarta.
Supranto,J. M.A. 2000. Statistik : Teori dan Aplikasi, Edisi
Keenam, Jilid 1, Erlangga, Jakarta.
Widyantini, T., dan Pujiati, 2004, Statistika, Department
Pendidikan Nasional, PPPG Matematika Yogyakarta.
WilksS.S , 1994. Elementary Statistics Analysis, Princeton
University Press, N.Y., 1994.
132 | Statistika
Lampiran 1
Tabel Distribusi Normal Terbakukan
Lampiran 2
Tabel Nilai Kritis Uji Kolmogorov-Smirnov
n  = 0,20  = 0,10  = 0,05  = 0,02  = 0,01
1 0,900 0,950 0,975 0,990 0,995
2 0,684 0,776 0,842 0,900 0,929
3 0,565 0,636 0,708 0,785 0,829
4 0,493 0,565 0,624 0,689 0,734
5 0,447 0,509 0,563 0,627 0,669
6 0,410 0,468 0,519 0,577 0,617
7 0,381 0,436 0,483 0,538 0,576
8 0,359 0,410 0,454 0,507 0,542
9 0,339 0,387 0,430 0,480 0,513
10 0,323 0,369 0,409 0,457 0,486
11 0,308 0,352 0,391 0,437 0,468
12 0,296 0,338 0,375 0,419 0,449
13 0,285 0,325 0,361 0,404 0,432
14 0,275 0,314 0,349 0,390 0,418
15 0,266 0,304 0,338 0,377 0,404
16 0,258 0,295 0,327 0,366 0,392
134 | Statistika
17 0,250 0,286 0,318 0,355 0,381
18 0,244 0,279 0,309 0,346 0,371
19 0,237 0,271 0,301 0,337 0,361
20 0,232 0,265 0,294 0,329 0,352
21 0,226 0,259 0,287 0,321 0,344
22 0,221 0,253 0,281 0,314 0,337
23 0,216 0,247 0,275 0,307 0,330
24 0,212 0,242 0,269 0,301 0,323
25 0,208 0,238 0,264 0,295 0,317
26 0,204 0,233 0,259 0,290 0,311
27 0,200 0,229 0,254 0,284 0,305
28 0,197 0,225 0,250 0,279 0,300
29 0,193 0,221 0,246 0,275 0,295
30 0,190 0,218 0,242 0,270 0,290
35 0,177 0,202 0,224 0,251 0,269
40 0,165 0,189 0,210 0,235 0,252
45 0,156 0,179 0,198 0,222 0,238
50 0,148 0,170 0,188 0,211 0,226
55 0,142 0,162 0,180 0,201 0,216
60 0,136 0,155 0,172 0,193 0,207
65 0,131 0,149 0,166 0,185 0,199
70 0,126 0,144 0,160 0,179 0,192
75 0,122 0,139 0,154 0,173 0,185
80 0,118 0,135 0,150 0,167 0,179
85 0,114 0,131 0,145 0,162 0,174
90 0,111 0,127 0,141 0,158 0,169
95 0,108 0,124 0,137 0,154 0,165
100 0,106 0,121 0,134 0,150 0,161
Pendekatan 1,07/√n 1,22/√n 1,36/√n 1,52/√n 1,63/√n
136 | Statistika
Lampiran 3
Tabel Nilai Kritis untuk Distribusi Uji Chi-Kuadrat (satu sisi)
BIOGRAFI PENULIS
BIOGRAFI HARI PURNOMO
IDENTITAS DIRI
Nama : Dr. Hari Purnomo, M. S., Apt
NIP/NIK :196008041985031004 NIDN 0004086015
Tempat dan Tanggal Lahir: Sleman , 4 Agustus 1960
Jenis Kelamin : □v Laki-laki □ Perempuan
Status Perkawinan : □v Kawin □ Belum Kawin □ Duda/Janda
Agama: Islam
Golongan / Pangkat : III.c / Penata
Jabatan Fungsional Akademik : Lektor
Perguruan Tinggi : UGM
138 | Statistika
Alamat : Bulaksumur, Yogyakarta
HP WA 081227910358 SMS 082138166234
Telp./Faks.: (0274)543120
Alamat Rumah : Jl. Kaliurang Km 13,mBesi, Desa Karanglo Rt

/RW 03/03, Sukoharjo, Ngaglik,
Sleman.55581
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
A. RIWAYAT PENDIDIKAN PERGURUAN TINGGI
Tahun Lulus Jenjang Perguruan Jurusan/

Tinggi
Bidang studi
Agustus,1984 Strata 1 UGM Farmasi
Desember,1984 Profesi UGM Farmasi
Maret, 1992 Strata2 ITB Farmasi/

Farmakologi
23 Maret, 2016 Program UGM Farmasi

Doktor
Skripsi : Studi Planaritas Inti korinoid pada sianokobalamina
Pendekatan Spektrometris UV, IR , dan XRD
Tesis : Pengaruh Magnesium Trisilikat dan Aluminium

Hidroksida Terhadap
Absorpsi Klordiazepoksida Hidroklorida
Disertasi : DESAIN MOLEKUL, SINTESIS DAN UJI IN SILICO

ANALOG PARASETAMOL
140 | Statistika
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]
on Cancer =Elektroforesis dan
western Blot=
[Yogyakarta 11-12 Maret
2011]
on Cancer =Cell Culture=
[Yogyakarta 3-5 Maret 2011]
C. PENGALAMAN MENGAJAR
Mata Kuliah Jenjang Institusi/Jurusan/ Tahun

Program
Kimia Medisinal I S1 Fakultas Farmasi 2016-
UGM sekarang
Kimia Medisinal II S1 Fakultas Farmasi 2013-
UGM sekarang
Kimia Medisinal S2 Fakultas farmasi 2016-
UGM sekarang
Desain Obat S2 Fakultas farmasi 2016-
UGM sekarang
Kimia Komputasi S2 Fakultas Farmasi 2013-
UAD Yogyakarta sekarang
Kimia Medisinal S1 Fakultas Farmasi 2013-
USB Surakarta 2015
Farmakokimia S1 Fakultas Farmasi 2013-
USB Surakarta 2015
Farmakokimia I, S1 Fakultas Farmasi 2008 -
Farmakokimia II UGM 2011
Kimia Organik I, S1 Fakultas Farmasi 2006 -
Kimia Organik II, UGM 2008
Farmakokimia I,
Farmakokimia II
Farmakologi S1 Fakultas 2000 -
Kedokteran 2005
Universitas
Andalas
Farmasi S1 Fakultas 1992 -
Kedokteran Kedokteran 1999
Universitas
Andalas
Farmasi Co-Ass Fakultas 1986 -
Kedokteran Kedokteran 1989
Universitas
Andalas
142 | Statistika
D. PENGALAMAN MEMBIMBING MAHASISWA
Tahun Menguji dan Pembimbingan/Pembinaan

2015/2016 Membimbing Skripsi
Jessica Anindita Sintesis Senyawa 4-Formil-2-Metoksifenil
12/331037/FA/ N-(4-Hidroksifenil) Karbamat Dan Uji
09178 Aktivitas Analgesiknya Secara In Vivo
Evi Trinovita Desain Molekul, Sintesis, Dan Uji

12/3333232/FA Analgetika
/09283 4-Benzamidofenil Benzoat
2014/2015 Membimbing Skripsi
Pipin Irawan Desain Turunan Isatin Sebagai Analgetika
Kompetitor Parasetamol ( Pendekatan
Molecular Docking PLANTS)
2014 Membimbing 4 buah skripsi
Lina Utami Suryarini Penentuan Parameter Kelarutan Dan
09/280942/FA/ Koefisien Partisi Semu (Apparent Partition
08299 Coefficient/Apc)Senyawa MH2011
Fadhil Rusyda Upaya Peningkatan Kelarutan Senyawa
Muhammad MH2011 Dengan Pelarut Non Etanol
09/280647/FA/
08281
Romdlon Fauzi Uji Analgetik Senyawa MH2011 Pada
09/284497/FA/ Mencit Jantan Galur BALB/C Dengan
08341 metode Tail-Flick
Hesti Prihastuti Dewi Uji Hepatotoksis senyawa MH2011 pada
08136 Pembanding Parasetamol
Lina Utami Suryarini Penentuan Parameter Kelarutan Dan
09/280942/FA/ Koefisien Partisi Semu (Apparent Partition
08299 Coefficient/Apc)Senyawa MH2011
Fadhil Rusyda Upaya Peningkatan Kelarutan Senyawa
Muhammad MH2011 Dengan Pelarut Non Etanol
09/280647/FA/08281
Romdlon Fauzi Uji Analgetik Senyawa MH2011 Pada

08341 metode Tail-Flick
Hesti Prihastuti Dewi Uji Hepatotoksis senyawa MH2011 pada
08136 Pembanding Parasetamol
Ayu Widhaningtyas Uji Analgetik Senyawa MH2011 Dengan
09/288876/FA/ Metode HOT-PLATE Pada Mencit Jantan
08440 Galur BALB/C
[Pembimbing Pendamping]
Sofiana Uji Aktivitas Analgetik Senyawa MH2011
09/287056/FA/ Pada mencit Jantan Galur BALB/C Dengan
08423 Metode Geliat ( Writhing Test)
[Pembimbing Pendamping]
Esty Oktaviarini Uji Aktivitas Antipiretik Senyawa MH2011
Riyanti Pada Tikus Wistar Jantan Yang Diinduksi
09/281740/FA/ Brewer’s Yeast
08315 [Pembimbing Pendamping]
Nihayatul Karimah Sintesis 2-(4’-hidroksi-3’-metoksi-
08/268404/FA/ benzilidin)-siklopentana-1,3-dion dari
08144 Vanilin dan Siklopentana-1,3-dion dengan
Metode microwave radiation serta Analisis
Molecular docking Senyawa target
Palupi Dwi Optimasi Sintesis 2-(4’- metoksi-
Handayani benzilidin)-siklopentana-1,3-dion Melalui
08/265336/FA/ Penambahan Katalis Basa Secara Solvent
08096 Free Serta Analisa Docking Molekuler
Senyawa target
Maulana tegar Optimasi sintesis senyawa SPHP-1 Dan
Aditya Nugraha Penambatan Molekul Menggunakan
09/280285/FA/ PLANTS Untuk Memprediksi mekanisme
08255 Kerja Antikankernya
144 | Statistika
Meta Nobelia Pengaruh Metode Sintesis Terhadap Jumlah

Hapsari rendemen Produk 2-(4’-Hidroksi-3’-5’-
08/268577/FA/ dimetilbenzilidin)Sikloopentana-1,3-dion
08185 Menggunakan Katalis Basa Serta analisis
Molecular Docking-nya Pada protein target
Sebagai senyawa Berpotensi Antikanker
Dany Dwi Agistia Docking Molecular Senyawa Aktif Dari
08/268288/FA/ Aegle marmelos Correa Sebagai
08112 Antihistamin dan antiinflamasi
2012 7 Penguji
Aditya Wisnusaputra Skrining In Silico Senyawa Aktif Yang
08/268306/FA/ Terkandung Dalam
08118 Bengkoang(Pachyrrhizus erosus)Sebagai
Antitirosinase Pada aspergilus Oryzae:
Study Komputasional Dengan Homology
Modelling dan Molecular Docking.
Anny Azhary Skrining In siliko Senyawa Aktif Dari
Mustikawaty Bengkoang(Pachyrrhizus erosus) Sebagai
08/268310/FA/ Inhibitor Tirosinase Pada Homosapiens :
08119 Study Komputasional Melalui Homology
Modeling Dan Molecular Docking
2011 Membimbing 5 buah skripsi S1, Menguji
7 buah Skripsi S1
Arie Panggah Pengaruh Waktu Radiasi Microwave pada
Prasetyo Sintesis 2-(4-
07/253958/FA/ metoksibenziliden)siklopentana-1,3- dion
07831 Secara solven Free
Alwi Isnandar Pengaruh Jumlah Katalis asam Klorida 0,1

07/253869/FA/ N Terhadap Sintesis 2-(4’-hidroksi-3’-
07820 metoksibenzilidin) siklopentana-1,3-dion
Toni Hartanto Pengaruh Lama radiasi microwave Pada
Wibowo Sintesis 2-Benzilidin Siklopentana-1,3- dion
07/254196/FA/
07871
Ananda wahyu Pengaruh Jumlah Katalis Asam Klorida

Purwantoro Pekat Terhadap Sintesis 2-(4’-hidroksi-
07/254210/FA/ 3’,5’-dimetilbenzilidin)Siklopentana-1,3-
07873 dion
Aziz Aditya Wiguna Pengaruh Variasi Waktu Radiasi Microwave

07/254021/FA/ Terhadap Sintesis Senyawa 2-(4’-
07844 dimetilaminobenzilidin)Siklopentana-1,3-
dion
(Penguji) Penelusuran Mekanisme Aksi Senyawa
Deasy Vanda Pertiwi Rocaglamide Sebagai Penginduksi
07/254040/FA/ Apoptosis Pada Target Berbasis Pathway
07846 Chronic Myeloid Leukimia Secara In siliko
(Penguji) Prediksi Afinitas Senyawa Analog

Anisa Budi Gamavuton-) (GVT_0) Terhadap enzim
Suswandari Siklooksigenase-2 (COX-2): Kajian
07/253819/FA/07809 Homologi Modeling Dan Docking
Molekuler
2010 Membimbing 2 buah Skripsi S1, Menguji
2 buah Skripsi S1
Sudewi Mukaromah Aktivitas Analgetik Dan Tinjauan Efek

Khoirunnisa Samping Hepatotoksik Senyawa Baru 1,3-
06/192661/FA/ Bis(4-Hidroksi-Fenil)-Urea Sebagai
07528 Kompetitor Parasetamol
Marthaningtyas Diah Uji Aktivitas Antipiretik Senyawa 1,3-
Savitri Bis(4-Hidroksi-Fenil)-Urea Sebagai
06/192677/FA/ Kompetitor Parasetamol Serta Tinjauan
07532 Efek Samping Hepatotoksik
2009 Membimbing 4 buah Skripsi S1, Menguji
7 buah Skripsi S1
Harianto Sintesis Senyawa Isoster Gamavuton 1,3
05/189919/FA/ bis(-4-hidroksi’-3’-metoksibenzilidine) urea
07475
146 | Statistika
Made Dwi Pradipa Sintesis 1,3 bis(4-hidroksibenzilidin)urea

Wahyudi S
05/189921/FA/
07476
Andy Eko Wibowo Sintesis N,N-bis(4-klorobenzilidin)urea
06/192751/FA/ Menggunakan 4-kloro-benzaldehid dan
07537 Urea Dengan Katalis Asam Klorida
Masithoh suryaning Pengaruh Perbandingan Urea Terhadap p-
Prahasiwi aminofenol pada Sintesis 4-hidroksifenil
04/175813/FA/ urea
07191
(Penguji) Sintesis turunan Isoster Gamavuton :
Nara Perdana Wijaya Sintesis1,3-bis(4-metoksibenzilidin)urea
05/186587/FA/ Melalui Reaksi Pembentukan Imina Dalam
07310 suasana Asam Asetat
(Penguji) Produk Reaksi Antara Benzaldehid dan
Anton Hari Prabowo Urea Dalam suasana Asam Dengan katalis
05/187837/FA/ Asam Klorida
07444
(Penguji) Sintesis N’- Sikloheksilteobromin Serta
Andreas Jimmy Studi Afinitasnya Pada Enzim
Biantoro Phosphodiesterase Secara Docking
05/18996/FA/ Molekuler
07480
2008 Menguji 2 buah Skripsi S1
(Penguji) Uji Sitotoksisitas Ekstrak Etanolik ulit

Haryadha Agustian Batang Hibiscus rosa-sinensis L. ( Kembang
04/175805/07188 Sepatu) Terhadap Sel T47d dan MCF7
Serta Docking Molekuler Senyawa
Berkerangka Kumarin Yang Terkandung
Dalam ekstrak Pada Reseptor Estrogen
Alfa(ERα) dan Tubulin
(Penguji) Efek antiangiogenik Ekstrak etanolik Kulit
Edison Chrisnanto Buah Jeruk Keprok ( citrus Reticulata)
04/175620/FA/ Terhadap membrane Korio Alantois(CAM)
07130 Ayam TerinduksibFGF

2007 Menguji 1 buah Skripsi S1
(Penguji) Analisis Hubungan Kuantitativ Struktur dan
Udin Archam Aktivitas Antimitosis Senyawa Analog
02/161363/FA/ Kolkhisisn Menggunakan Deskripsi Hasil
06770 Perhitungan Kimia Kuantum
1994 sd 2005 Membimbing dan menguji skripsi
mahasiwaS1 Fakultas kedokteran Unand
MEMBIMBING HIBAH,PKM 2013-2014 MAHASISWA
Ketua PKM Judul
Modifikasi senyawa asetosal menjadi
Adella Clara Alverina 2-(asetiloksi)benzamida untuk

menghilangkan efek samping ulkus
12/331235/FA/09248 gastrik melalui pendekatan Molecular
docking
MEMBIMBING HIBAH,PKM 2012-2013 MAHASISWA
Muhammad Khairiskam Optimasi Waktu Radiasi Microwave

dan Pengaruh pH Asam Terhadap
10/301495/FA/08574 Sintesis 2-Benziliden Siklopentana-
1,3-Dion Sebagai Upaya
Pengembangan Aktivitas
Antikanker.(2012)
148 | Statistika
MEMBIMBING HIBAH,PKM 2011-2012MAHASISWA
Maulana Tegar Aditya Optimasi sintesis Senyawa Antikanker

Nugraha Baru SPHP1 dan Docking Molekuler
Menggunakan PLANTS Untuk
09/280285/FA/08255 Memprediksis Mekanisme
Kerjanya(2011)
Fadhil Rusyda Muhammad Optimasi Sintesis Senyawa SPHP1

Sebagai antikanker baru dan Docking
09/280647/FA/08281 Molekuler Untuk Mengetahui
Mekanisme Kerjanya
(2011-2012)
Haryono Wibowo Optimasi waktu radiasi Microwave

dan Pengaruh Katalis Basa Terhadap
09/285128/FA/08394 Sintesis 2-benziliden siklopentana 1,3
dion Sebagai Upaya Pengembangan
aktivitas Antikanker
(2011-2012)
Maulana Tegar Aditya Pemanfaatan Urea Sebagai senyawa
Nugraha Analgetik yang lebih Poten Dari
Parasetamol dan Docking Molekuler
09/280285/FA/08255 Untuk Mengetahui Mekanisme
Kerjanya
(2011-2012)
Herwandhani Putri Aktivitas Kemopreventif Ekstrak
Etanolik Kulit Buah Jeruk Bali( Citrus
NIM 08/268325/FA/08124 Maxima) : studi Molecular Docking
Serta Ekspresi Protein Penanda
Apoptosis Bcl-2 dan Bax pada Sel
Hela (2011)
E. PENGALAMAN PENELITIAN
Tahun Judul Penelitian Jabatan Sumber Dana

2017 Sintesis Antikanker Dengan Anggota PUPT
Mereaksikan Asam Galat Dan
Beberapa Senyawa Alam Lain
2016 Sintesis p-aminofenol dari Benzen Ketua Hibah Fakultas
Farmasi UGM
2016 Sintesis p-aminofenol dari Fenol Anggota Hibah Fakultas
Farmasi UGM
2016 DESAI N MOLEKUL, SINTESIS Ketua BPPS
DAN UJI IN SILOCO ANALOG
PARASETAMOL (DISERTASI)
2015 Desain Molekul, Sintesis dan Uji Anggota PUPT
Aktivitas Analgetika Turunan p-
Aminofenol Untuk Menunjang
Pengembangan Bahan Baku Obat
Indonesia
2015 Hubungan In Siliko dan In Vitro Anggota Dana Masyarakat
Kompetitor Parasetamol Hibah Fakultas
Farmasi UGM
2015
2013 PEMANFAATAN ISATIN Ketua Dikti /BOPTN
SEBAGAI ANALGETIKA BARU
YANG LEBIH POTEN
DIBANDING
PARASETAMOL
(PENDEKATAN PENAMBATAN
MOLEKUL PLANTS)
2013 2 nd Years:DEVELOPMENT OF Anggota HKI
SPECIFIC MOLECULAR- Tim Peneliti 2 DIKTI- NAIST
TARGETED AGENTS TO
INCREASE
SENSITIVITY OF RESISTANCE
BREAST CANCER CELLS TO
CHEMOTHERAPEUTIC
AGENTS
2012- HP2009 SEBAGAI OBAT Ketua LPPM UGM
2013 KASIAT GANDA (Rp. 50.000.000,-)
: ANALGETIKA DAN
ANTIKANKER
[ Pemenang Proposal Inovatif
Potensi Paten Terbaik 2012]
150 | Statistika
2012 PEMANFATAN VANILIN Ketua LPPM UGM
SEBAGAI BAHAN BAKU [Penelitian
SINTESIS HP2012C kolaboratif Dosen-
ANALGETIKA YANG LEBIH Mahasiswa]
POTEN DIBANDING
PARASETAMOL
2012 MENDESAIN HP2012 Ketua LPPM UGM

SENYAWA ANALGETIKA [Penelitian
YANG LEBIH POTEN kolaboratif Dosen-
DIBANDING PARASETAMOL Mahasiswa]
[PENDEKATAN PENAMBATAN
MOLEKUL PLANTS]
2012 DEVELOPMENT OF SPECIFIC Anggota Kerjasama
MOLECULAR-TARGETED Peneliti Internasional
AGENTS TO INCREASE UGM-NAIST,
SENSITIVITY OF RESISTANCE Japan
BREAST CANCER CELLS TO (Tahun 1
CHEMOTHERAPEUTIC Rp.175.000.000)
AGENTS
2011 SINTESIS ANALGETIKA – Peneliti Fakultas Farmasi

ANTIPIRETIKA HP2009 Utama UGM
[PEMILIHAN METODE (Rp.15.000.000)
SINTESIS TERBAIK]
2010 Disain molekul UPGV-O sebagai Peneliti

– antikanker Utama
2011 Dan analisis komputasional
Untuk mengetahui mekanisme
kerjanya
2009- Sintesis dan Analisis Komputasi Peneliti LPPM UGM
2010 Senyawa 2-(4-hidroksi-3,5- Utama ( Rp. 51.250.000,-)
dimetil-benzilidin)siklopentana-
1,3-dion(modifikasi molekul
PGV-1) Untuk Meningkatkan
Efek Antikanker
2009 Sintesis dan Uji Aktivitas Peneliti utama LPPM UGM

Analgetik-Antipiretik serta ( Rp. 19.500.000,-)
Tinjauan Efek Samping
Hepatotoksis Senyawa Baru 1,3
Bis(4-hidroksifenilurea)
sebagai Kompetitor Parasetamol
2008 Sintesa Analgetika –Antipiretika Peneliti Hibah Fakultas
Baru : Parahidroksifenilurea Utama Farmasi UGM
(Rp. 10.000.000,-)
2008 Sintesis Beberapa Senyawa Isoster Peneliti ke 2 Hibah Fakultas
Gamavuton dan turunannnya [ Farmasi UGM
Peneliti ke 2 ] (Rp. 25.000.000,-)
2007 Sistesa Analgetika-antipiretika Peneliti Hibah Fakultas
Baru : Isopropenaminofen Utama Farmasi UGM
(Rp.9.000.000,-)
2007 Integrasi Nilai-nikai UGM Dalam Peneliti PPKB-UGM
Mata Kuliah Farmakokimia I Utama (Rp.10.000.000,-)
dengan Metode Student Centre
Learning
F. PUBLIKASI
Resume Publikasi (Terbaru diatas)

1. Purnomo, H, Jenie,U.A., Nugroho,A.E., Pranowo,H.D., 2016,
Synthesis and Structure Elucidation of 1,3 bis(p-
Hydroxyphenyl)urea, JURNAL ILMU KEFARMASIAN
INDONESIA,
Vol 14, No.1, April 2016, hlm. 33-37 ISSN 1693-1831
http://jifi.ffup.org/wp-content/uploads/2016/09/33-37_HARI-
PURNOMO.pdf
2. Pudjono, Anindia,J.,Hakim,A.R.,Purnomo, H,2016, Synthesis And

Analgetic Activity Evaluation Of 4[N-
(4hydroxyphenyl)Carboxymidoyl]2-Methoxyphenol, Indonesian J.
Pharm. Vol.27No 2 : 99–103 ISSN-p : 2338-9427
152 | Statistika
http://indonesianjpharm.farmasi.ugm.ac.id/index.php/3/article/viewF
ile/1064/775
3. Purnomo, H, Jenie,U.A., Nugroho,A.E., Pranowo,H.D., 2016, In

Silico and in Vivo Qualitative Relationships of Para-Aminophenol
Analogues, IJPCR,May 2016,Volume 8, Issue 5 Suppl. , p 367-371.
http://ijpcr.com/volume8issue5suppl1/
4. Purnomo, H, 2015, HP2009 Analgetika Yang Lebih Manjur dan

Lebih Aman, Berbahan Baku Urea Tandingan Parasetamol dalam
Buku “107 Innovations Indonesia 2015”,
ISBN 978- 602-95290-6-7 Business Innovation Center (BIC),

Jakarta, 2015
http://www.bic.web.id/login/inovasi-indonesia-unggulan/1243-
turunan-pupuk-pencegah-ambruk
5. Nurhayati APD, Pratiwi R, Wahyuono S, Istriyati, Purnomo H,

et al., 2015, In Vitro Test and Molecular Docking of Alkaloid
Compound in Marine Sponge Cinachyrella anomala against
T47D Cell Cycle. J Marine Sci Res Dev 5:158. doi:10.4172/2155-

9910.1000158
http://dx.doi.org/10.4172/2155-9910.1000158
6. Purnomo H, 2014, MH2011: Suatu Analgetika Kompetitor

Parasetamol yang Lebih Aman dan Lebih Poten dalam Buku “106
Innovations Indonesia 2014”, ISBN 978-602-95290-5-0, Business
Innovation Center (BIC), Jakarta, 2014
http://www.bic.web.id/login/inovasi-indonesia-unggulan/1091-
serbuk-hijau-penghilang-nyeri
7. Meiyanto E1*, Putri DDP1, Susidarti RA1, Murwanti R1,

Sardjiman1, Fitriasari A1, Husnaa U1, Purnomo H1, Kawaichi M2
,2014,Curcumin and its Analogues (PGV-0 and PGV-1)
Enhance Sensitivity of Resistant MCF-7 Cells to Doxorubicin

through Inhibition of HER2 and NF-kB Activation,Asian Pac J
Cancer Prev, 15 (1), 179-184,2014.
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.719.2921
&rep=rep1&type
8. Nugroho AE1*, Agistia DD1, Tegar M2 and Purnomo H2, 2013,

Interaction of active compounds from Aegle marmelos CORREA
with histamine-1 receptor, www.bioinformation.net Volume 9(8),
2013
http://www.bioinformation.net/009/97320630009383.pdf
http://www.bioinformation.net/009/97320630009383.htm
9. Tegar M and Purnomo H, 2013, Tea leaves extracted as anti-

malaria based on molecular docking PLANTS,Procedia
Environmental Sciences , ISSN : 18780296, 17 ( 2013 ) 188 – 194
http://www.sciencedirect.com/science/article/pii/S18780296130003
03
10. Mulyani S, Purnomo H, Tegar M ,2013, ”Computational

Application For designing A New Compound As Anticancer
ActivityBy More Poten ThanPentacyclic Triterpenes”,
Wulfenia journal Austria, ISSN: 1561-882X,2013
http://www.multidisciplinarywulfenia.org/auto/index.php/archive/pa
rt/20/3/3/?currentVol=20&currentissue=3
154 | Statistika
11. Agistia DD, Purnomo H, Tegar M , Nugroho AE,

2013,Interaksi senyawa aktif dari aegle marmelos correa. Sebagai
anti Inflamasi dengan reseptor cox-1 dan cox- 2, Trad. Med. J.,, Vol.
18(2), p 80-87,ISSN : 1410-5918,2013
http://mot.farmasi.ugm.ac.id/files/1718-2-2013-03- INTERACTION
%20BETWEEN%20ACTIVE%20COMPOUNDS.
pdf
12. Nugroho AE, Purnomo H, 2011,Maeyama K, Econazole

depleted calcium release-activated calcium (CRAC) current through
blockade of voltage- dependent Ca++ channel, Majalah Farmasi
Indonesia, vol 22(2), 2011 .
http://journals.indexcopernicus.com/issue.php?id=11360&id_issue=
858917
G. HKI
HAK CIPTA :BUKU
1. KIMIA KOMPUTASI: Molecular Docking PLANTS

[Penambatan Molekul PLANTS], ISBN :978-602-229-023-
0, Desember 2011, Penerbit Pustaka Pelajar, Yogyakarta.
2. MENDESAIN MOLEKUL OBAT SEBAGAI

ANALGETIKA, ISBN: 978-602-229-077-3, Juni 2012,
Penerbit Pustaka Pelajar, Yogyakarta.
3. KIMIA KOMPUTASI UNTUK FARMASI DAN ILMU

TERKAIT : Uji In Siliko Senyawa AntiKanker, ISBN :
978-602-229-192-3,Oktober2013,Penerbit Pustaka Pelajar,
Yogyakarta.
4. SERI PENEMUAN OBAT DESAIN MOLEKUL

ANTIBIOTIKA, ISBN : 978-602-229-336-1, September 2014,
Penerbit Pustaka Pelajar, Yogyakarta.
156 | Statistika
5. Design of Paracetamol Competitor Molecules as Analgesic

Agents,2015,ISBN 978-3-659-68672-6. Lambert Academic
Publishing,Saarbrücken.
https://www.lap-
publishing.com/catalog/details//store/gb/book/978-3-659-
68672-6/design-of-paracetamol-competitor-molecules-as-
analgesic-agents
6. SERI PENEMUAN OBAT : DESAIN MOLEKUL

ANTIMALARIA KOMPETITOR MEFLOKUIN, ISBN : 978-
602-229-517-4, Agustus 2015, Penerbit Pustaka Pelajar,
Yogyakarta.
7. Seri Kimia Medisinal, METABOLISME OBAT, ISBN 978-

602-229-553-2, Februari 2016, Penerbit Pustaka Pelajar,
Yogyakarta.
158 | Statistika
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
Nama Inventor/ Penemu:

Drs. Hari Purnomo, M. S., Apt.
Prof. Dr. Supardjan, A.M., M.S., Apt.
Nunung Yuniarti, M.Si., Apt.
2. Judul Invensi :Senyawa Analgetika- Antipiretika

Baru :HP2009
atau 1,3 Bis(Para-Hidroksifenil)Urea
[Nomor Permohonan Paten: P00201100158]
[Perubahandari : S00201000257]
Tertanggal 9 Maret 2011
Nama Inventor:
3. Judul Invensi : Senyawa Analgetika-Antipiretika Baru

MH2011
atau 1-(4-hydroxynaphthalen-1-yl)3-(4-hydroxyphenyl)urea
Tertanggal 14 Nov 2012
4. Judul Invensi : Metode Baru Sintesis Senyawa HP2009

Atau [1,3 Bis(Para-Hidroksifenil)Urea] dan Aktifitas
Farmakologi Sebagai Analgetika- Antipiretika
Tertanggal 20 Desember 2013
I. NARA SUMBER WORKSHOP ATAU PEMAKALAH

PADA SEMINAR NASIONAL DAN INTERNASIONAL
Tahun Judul Kegiatan Penyelenggara
2017 Semester Genap 2016/2017
Narasumber Workshop Penulisan

2017 Akademi
Buku Ajar di Akademi Farmasi
Farmasi
samarinda pada 11 Maret 2017
Samarinda,
Samarinda
Semester Gasal 2016/2017
2016 Pemakalah Oral pada Seminar Nasional Program

Perkembangan Anti Infeksi dengan judul Pascasarjana
“Teknik Desain Molekul untuk Fakultas
penemuan Anti Infeksi Baru” pada Farmasi, UGM
tanggal 10 Desember 2016 di GSP,
Bulaksumur UGM, Yogyakarta
2016 Nara Sumber pada Kuliah Tamu “ FMIPA Jurusan

kimia Medisinal : penemuan, desain dan farmasi
Pengembangan Obat di FMIPA Jurusan universitas
Farmasi Universitas Garut, Garut, jawa Garut, Darut,
barat pada 26 Nop 2016 Jawa Barat
2016 Nara Sumber pada Workshop FMIPA Jurusan

“Molecular Docking Sebagai Cara farmasi
Cepat Penemuan Obat di FMIPA universitas
Jurusan Farmasi Universitas Garut, Garut, Darut,
160 | Statistika
Garut, jawa barat pada 26 Nop 2016 Jawa Barat
2016 Pemakalah Oral pada Simposium HKBAI

Nasional Himpunan Kimia Bahan Alam
Indonesia ke XXIV dengan Judul
“Andrograpolida Sambiloto Sebagai
Senyawa Penuntun Penemuan Obat
Baru Antimalaria Pada tanggal 17- 19
Oktober 2016 di UII, Yogyakarta.
2016 Pemakalah oral pada Seminar Nasional Panitia IAI Pusat

IAI dengan judul ”Studi Densitas
Elektron Inti Korinoid Pada
Sianokobalamina.Pendekatan
Komputasional Semi Empiris PM3 ”pada
tanggal 27-29 September 2016 di
Yogyakarta
2016 Nara Sumber “Teknik Desain Molekul Fakultas

Dalam penemuan Senyawa Antibiotika Farmasi UMI,
Baru” pada seminar nasional “ Prospek Makasar
Penemuan Antimikroba/ Antibiotika
Baru” di Aula Al Jibra, UMI , Makasar
pada tanggal 5 Juni 2016
2016 Pemakalah dengan judul “Hubungan Fakultas

Kualitatif Uji in Vitro dan Uji In Siliko Farmasi UGM
Antioksisan” pada Seminar Nasional
Immunologi di Fakultas Farmasi UGM
pada tanggal 2 Juni 2016
2016 Nara Sumber pada Workshop Fakultas

“Kimia Komputasi untuk Desain Farmasi UGM
dan penemuan Obat” di Fakultas
farmasi UGM pada tanggal 23-24 Mei
2016
2015 Nara Sumber pada Workshop STF

“Saintifikasi Antioksidan Menggunakan Muhammadiyah
Molecular Docking PLANTS” di STF Tangerang,
Muhammadiyah Tangerang pada 14 Banten
September 2015
2015 Presenter Oral Dengan Judul : “In Fakultas

Silico And In Vivo Qualitative Farmasi UGM
Relationships Of Para-Aminophenol
Analogues” pada International
Conference on Pharmacy and
Pharmaceutical Science 7-8
September 2015
2015 Pemakalah dengan judul : DESAIN IAI Sumatera

MOLEKUL BORONHAFAGAMA Barat
SEBAGAI PEMBAWA RADIOAKTIF
BORON UNTUK TERAPI KANKER
PAYUDARA pada PITdan Seminar IAI
di Bukittinggi pada 7-10 Mei 2015
2014 Pemakalah dengan Judul “DESIGN OF IAI Medan dan

PARACETAMOL COMPETITOR ISCC
MOLECULES AS SAFER AND
MORE POTENT ANALGESIC
AGENTS “ in The Medan International
Conference on Advanced
Pharmaceutical Sciences
(MICAPS)2014 “Advanced Drug
Development in Cancer
Chemoprevention and Metabolic
disorders” November 3-4 , 2014
162 | Statistika
2014 Pemakalah dengan Judul : DESAIN Prodi

MOLEKUL HPRR SEBAGAI ANTIMALARIA Pascasarjana
YANG LEBIH UNGGUL DIBANDING Fakultas
MEFLOKUIN Farmasi UGM
Pada Seminar Nasional Recent Up Date
Pharmacy Prodi Pascasarjana Fakultas
Farmasi UGM di MM UGM pada 20
Agustus 2014
2014 Pemakalah dengan Judul : MEKANISME Prodi

KERJA ANTIMALARIA Pascasarjana
ANDROGRAPOLIDADAN DESAIN Fakultas
MOLEKUL SINTETIK SEBAGAI INHIBITOR Farmasi UGM
FALCIPAIN-3
MOLEKUL )
Agustus 2014

“Molecular Docking Sebagai Cara Muhammadiyah
Cepat Penemuan Obat” pada STF Tangerang,
April 2014
2014 Pemakalah dengan Judul “DESAIN IAI Pusat,

MOLEKUL MH2011, HPS32014A, Jakarta
HPS32014B, HPS32014C,
HPS32014D, DAN HPS32014E
SEBAGAI ANTIBIOTIKA
YANG LEBIH POTEN
DIBANDINGKAN KLOKSASILIN
“ pada pada Kongres Nasional XIX
dan kongres Ilmiah XX 2014 IAI,
Jakarta 21-23 Februari 2014
2014 Pemakalah dengan Judul “DESAIN IAI Pusat

MOLEKUL HPS32014A, Jakarta
HPS32014B, HPS32014C,
HPS32014D SEBAGAI
ANALGETIKA YANG LEBIH
POTEN DAN LEBIH AMAN
DIBANDINGKAN PARASETAMOL’
pada Kongres Nasional XIX dan
kongres Ilmiah XX 2014 IAI,
2014 Reviewer pada seminar Nasional Keluarga

Kimia 2014 pada 24 Mei 2014 Mahasiswa
Kimia FMIPA
UGM
164 | Statistika
2013 Pemakalah dengan Judul “DESAIN Fakultas farmasi

MOLEKUL HP2013NF SEBAGAI Universitas
ANALGETIKA YANG LEBIH Andalas Padang
DIBANDINGKAN ASETAMINOFEN
“pada Seminar Nasional di Fakultasi
Farmasi Universitas Andalas Padang
pada Tanggal 4-5 Oktober 2013
2013 Pemakalah dengan Judul Fakultas farmasi

“PEMANFAATAN ISATIN Universitas
SEBAGAI SENYAWA ANALGETIK Andalas Padang
YANG LEBIH POTEN
DIBANDINGKAN PARASETAMOL
MOLEKUL PLANTS)
pada Tanggal
4-5 Oktober 2013
2013 Pemakalah kedua dengan judul “DESAIN Fakultas farmasi

SENYAWA ANTIBIOTIK BARU HASIL Universitas
PENGGABUNGAN ANTARA Andalas Padang
SEFALOSPORIN DENGAN MINYAK KAYU
MANIS
pada Tanggal
4-5 Oktober 2013
2013 Pemakalah kedua dengan judul Fakultas

“DESAIN SENYAWA ANTIBIOTIK Farmasi
BARU HASIL PENGGABUNGAN Universitas
ANTARA SEFALOSPORIN DENGAN Andalas
MINYAK ATSIRI CENGKEH Padang
pada tanggal 4-5 Oktober 2013
2013 Pemakalah dengan judul “HP2009 Program

SATU MOLEKUL DENGAN TIGA Pascasarjana
AKTIFITAS FARMAKOLOGI Fakultas
Farmasi UGM
: ANALGETIKA-ANTIBIOTIKA-
ANTIHISTAMIN “ pada Seminar
Nasional Peran Strategis Apoteker
Dalam Jaminan Kesehatan Nasional,
Yogyakarta pada tanggal 19 Oktober
2013
2013 Pemakalah dengan judul “Drug Design Fakultas

of HP2013FN As Analgesic Better Farmasi UGM
Than Acetaminophen Based on
Molecular Docking” pada The 3rd
International Conference on
Pharmacy and Advanced
Pharmaceutical Sciences (ICPAPS
2013),Yogyakarta 18–19 June. 2013
2013 Pemakalah dengan judul “Drug Fakultas

Design of HP2013MHS As Farmasi UGM
166 | Statistika
Potential Analgesic Compound

Better Than Acetaminophen” pada
The3rd International Conference on
2013), Yogyakarta 18–19 June. 2013
2013 Peneliti kedua makalah “Design of Fakultas

HP2013MT As a Potential Farmasi UGM
Analgesic Compound Better than
Acetaminophen” pada The3rd
2013), Yogyakarta 18 – 19 June.
2013
2013 Peneliti kedua makalah “Drug Fakultas

Design and In Silico Test of Farmasi UGM
HP2013HK As an Analgesic
Compound Which Better Than
Acetaminophen” pada The 3rd
2013

Drafting Patent di Fakultas Farmasi Farmasi UAD
UAD Yogyakarta 23 Januari 2013 Yogyakarta
2012 Peneliti ke 2 makalah “Tea leaves Kyoto, Japan.

extracted as anti-malaria based on
moleculardocking PLANTS pada
The 3rd
Sustainable Future for Human
Security
SUSTAIN 2012
2012 Pemakalah dengan judul : Program

Pascasarjana,
MH2011 Kompetitor Parasetamol : Uji
Fakultas
In vivo dan Uji In siliko, Seminar
Farmasi, UGM
Nasional dan Talkshow Eksistensi
Apoteker Farmasi Komunitas Di Era
SJSN 2014, 20 Desember 2012,
Yogyakarta- Indonesia

Molecular Biology on Cancer : Farmasi UGM
Molecular Docking
Pada 23 Nopember 2012
2012 Pemakalah dengan judul : “ IAI ,Jakarta-

MOLECULAR DOCKING PLANTS FAPA, Bali
OF HP2009 TO
ISBN : 978-979-
PGP,EGFR,HER2,ER,GST,IKK AND
18514-9-7
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 &
168 | Statistika

2012 Pemakalah Pendamping dengan judul IAI ,Jakarta-

“ 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 &
2012 Pemakalah Pendamping dengan IAI ,Jakarta-

judul “Na PGV-0, CURCUMIN FAPA, Bali
ANALOGUE HAVING
ISBN : 978-979-
CHEMOPREVENTIVE ACTIVITY
18514-9-7
FOR CANCER: in silico STUDY ON
CDKs, H-Ras MUTANT, β-actin, AND
GST “pada 24 th FAPA Congres
2012“CULTURE &

judul “CYTOTOXIC AND FAPA, Bali
APOPTOSIS INDUCTION OF NA
ISBN : 978-979-
PGV-0 AND K PGV-0, TWO
18514-9-7
POTENTIAL CURCUMIN
ANALOGUES AS
HEMOTHERAPEUTIC
AGENT ON WIDR COLON CANCER
CELL LINES” pada 24 th FAPA
Congres 2012“CULTURE &

2012 Pemakalah Kedua dengan judul “IN IAI ,Jakarta-

VIVO-DOCKING MOLECULAR FAPA, Bali
RELATIONSHIP OF MH2011
ISBN : 978-979-
COMPOUND AS ANALGESIC 18514-9-7
ACTIVITY” pada 24 th FAPA Congres
2012“CULTURE &

judul “MOLECULAR FAPA, Bali
MECHANISMOFACTIONA19,
ISBN : 978-979-
B19ANDC19AGAINST
18514-9-7
GRAM POSITIVE BACTERIA “ pada 24
th
FAPA Congres 2012“CULTURE
& MEDICINE”Bringing Traditional
2012 Pemakalah Pendamping dengan judul “ IAI ,Jakarta-

MOLECULAR DOCKING STUDIES FAPA, Bali
OF A CHALCONE
ISBN : 978-979-
DERIVATIVECOMPOUND MPHC A
18514-9-7
WITH TYROSINE KINASE
RECEPTORS” pada 24 th FAPA
170 | Statistika

SYNTHESIS OF ANALGESIC FAPA, Bali
COMPOUND MH2011 WHICH MORE
ISBN : 978-979-
POTEN THAN PARACETAMOL AS 18514-9-7
WELL AS HAVING LOWER SIDE
EFFECT HEPATOTOXIC BASED
ON DOCKING MOLECULAR
PLANTS” pada 24 th FAPA Congres
2012“CULTURE &
2012 Pemakalah Utama dengan judul IAI ,Jakarta-

“DESIGN OF HP2012 COMPOUNDS FAPA, Bali
AS ANALGESIC MORE POTENT
ISBN : 978-979-
THAN PARACETAMOL 18514-9-7
[MOLECULAR DOCKING
APPROACH] “pada 24 th FAPA
2012 Pemakalah pada International UMS Surakarta

Conference Research And
Application on Traditional,
Complementary And Alternative
Medicine In Health
Care,Surakarta.,22-23 Juni 2012

Molecular Docking pada 19 Maret
2012
2012 Pemakalah padaSeminar Nasional UNNESA,

Kimia 2012 Surabaya

Molecular Docking pada 10-11 Juni
2011

Molecular Docking pada 14-15
Maret 2011
2010 Pemakalah pada Seminar Nasional Program

“Eight Star Performance Pharmacist” Pascasarjana
Fakultas
[Yogyakarta,27 Desember 2010]
Farmasi UGM
2009 Pemakalah pada Kongres Nasional ISFI ISFI PUSAT

XVIII- Kongres Ilmiah ISFI XVII, ISFI, JAKARTA
Jakarta, 7-9 Des 2009
172 | Statistika
J. PESERTA KONFERENSI / SEMINAR / LOKAKARYA /

SIMPOSIUM
Judul Kegiatan Penyelenggara

Tahun
2016 Peserta Workshop XRD, HPLC dan HKBAI

NMR pada Workshop Himpunan
Kimia bahan Alam Indonesia ke
XXIV pada tanggal 17-19 Oktober
2016 di UII, Yogyakarta
2016 Peserta Simposium Nasional Himpunan HKBAI
Kimia bahan Alam Indonesia ke XXIV
pada tanggal 17-
19 Oktober 2016 di UII, Yogyakarta
2016 Peserta Seminar Nasional Panitia IAI
IAI dengan judul ”Studi Pusat
Densitas Elektron Inti Korinoid Pada
Sianokobalamina Pendekatan
Komputasional Semi
Empiris PM3 ”pada tanggal 27-29
September 2016 di Yogyakarta
2016 Peserta Seminar nasional “ Prospek Fakultas
Industri Farmasi Indonesia, pada 16 Farmasi UGM
Januari 2016, University Club UGM,
Yogyakarta

“Saintifikasi Antioksidan Muhammadiyah
Menggunakan Molecular Docking Tangerang,
PLANTS” pada STF Banten
Muhammadiyah Tangerang pada 14
September 2015
2015 Presenter Oral Dengan Judul : “In Fakultas

Silico And In Vivo Qualitative Farmasi UGM
Relationships Of Para-Aminophenol
Analogues” pada International
Conference on Pharmacy and
Pharmaceutical Science 7-8
September 2015
2015 Pemakalah dengan judul : DESAIN IAI Sumatera

MOLEKUL BORONHAFAGAMA Barat
SEBAGAI PEMBAWA
RADIOAKTIF BORON UNTUK
TERAPI KANKER PAYUDARA
pada PITdan Seminar IAI di
Bukittinggi pada 7-10 Mei 2015
2014 Peserta Open lecturer on Development of Fakultas

Boron Carrying Pharmaceutical For Farmasi UGM
BNCT held on
November 25 th, 2014 at Faculty of
Pharmacy, UGM yogyakarta
2014 Peserta Open lecturer on Fakultas
Supramoleculae Science held on Farmasi UGM
October 31 st,2014 2014 at Faculty
of Pharmacy, UGM yogyakarta
2014 Pemakalah dengan Judul “DESIGN OF IAI Medan dan
PARACETAMOL COMPETITOR ISCC
MOLECULES AS SAFER AND
MORE POTENT ANALGESIC
AGENTS “ in The Medan International
Conference on Advanced
(MICAPS)2014 “Advanced Drug
Development in Cancer
Chemoprevention and Metabolic
disorders” November 3-4 , 2014
174 | Statistika
2014 Pemakalah dengan Judul : DESAIN Prodi

MOLEKUL HPRR SEBAGAI Pascasarjana
ANTIMALARIA Fakultas
YANG LEBIH UNGGUL DIBANDING Farmasi UGM
MEFLOKUIN
Agustus 2014
2014 Pemakalah dengan Judul : Prodi
MEKANISME KERJA ANTIMALARIA Pascasarjana
ANDROGRAPOLIDADAN DESAIN Fakultas
MOLEKUL SINTETIK SEBAGAI Farmasi UGM
INHIBITOR FALCIPAIN-3
MOLEKUL )
Agustus 2014
2014 Nara Sumber pada Workshop “Molecular STF
Docking Sebagai Cara Cepat Penemuan Muhammadiya
Obat pada STF h Tangerang,
April 2014
2014 Pemakalah dengan Judul “DESAIN IAI Pusat
MOLEKUL MH2011, HPS32014A, Jakarta
HPS32014B, HPS32014C,
HPS32014D, DAN HPS32014E
SEBAGAI ANTIBIOTIKA
YANG LEBIH POTEN
DIBANDINGKAN KLOKSASILIN
“ pada pada Kongres Nasional XIX
dan kongres Ilmiah XX 2014 IAI,
2014 Pemakalah dengan Judul “DESAIN IAI Pusat,

MOLEKUL HPS32014A, Jakarta
HPS32014B, HPS32014C,
HPS32014D SEBAGAI
ANALGETIKA YANG LEBIH
DIBANDINGKAN PARASETAMOL’
pada Kongres Nasional XIX dan
kongres Ilmiah XX 2014 IAI,
2014 Reviewer pada seminar Nasional Keluarga
Kimia 2014 pada 24 Mei 2014 Mahasiswa
Kimia FMIPA
UGM
2013 Pemakalah dengan Judul “DESAIN Fakultas farmasi

MOLEKUL HP2013NF SEBAGAI Universitas
ANALGETIKA YANG LEBIH Andalas Padang
DIBANDINGKAN ASETAMINOFEN
2013 Pemakalah dengan Judul Fakultas farmasi

“PEMANFAATAN ISATIN Universitas
SEBAGAI SENYAWA ANALGETIK Andalas Padang
YANG LEBIH POTEN
DIBANDINGKAN PARASETAMOL
176 | Statistika
MOLEKUL PLANTS)
2013 Pemakalah kedua dengan judul Fakultas farmasi

“DESAIN SENYAWA ANTIBIOTIK Universitas
BARU HASIL PENGGABUNGAN Andalas Padang
ANTARA SEFALOSPORIN DENGAN
MINYAK KAYU MANIS
2013 Pemakalah kedua dengan judul Fakultas Farmasi

“DESAIN SENYAWA ANTIBIOTIK Universitas
BARU HASIL PENGGABUNGAN Andalas Padang
ANTARA SEFALOSPORIN DENGAN
MINYAK ATSIRI CENGKEH
2013 Pemakalah dengan judul “HP2009 Program

SATU MOLEKUL DENGAN TIGA Pascasarjana
AKTIFITAS FARMAKOLOGI Fakultas
Farmasi UGM
: ANALGETIKA-ANTIBIOTIKA-
ANTIHISTAMIN “ pada Seminar

Nasional Peran Strategis Apoteker
Dalam Jaminan Kesehatan Nasional,
Yogyakarta pada tanggal 19 Oktober
2013

Design of HP2013FN As Farmasi UGM
Analgesic Better Than
Acetaminophen Based on
Molecular Docking” pada The 3rd
2013

Design of HP2013MHS As Farmasi UGM
Potential Analgesic Compound
Better Than Acetaminophen” pada
The3rd International Conference on
2013
2013 Peneliti kedua makalah “Design of Fakultas

HP2013MT As a Potential Farmasi UGM
Analgesic Compound Better than
Acetaminophen” pada The3rd
178 | Statistika

2013
2013 Peneliti kedua makalah “Drug Fakultas

Design and In Silico Test of Farmasi UGM
HP2013HK As an Analgesic
Compound Which Better Than
2013
2013 Peneliti kedua makalah “Drug Design Kyoto, Japan.
and In Silico Test of HP2013HK
As an Analgesic Compound
Which Better Than
2013
2012
Peneliti ke 2 makalah “Tea leaves Program
extracted as anti-malaria based on Pascasarjana,
moleculardocking PLANTS pada Fakultas
The 3rd International Conference on Farmasi, UGM
Sustainable Future for Human
Security
SUSTAIN 2012
2012 Pemakalah dengan judul : IAI ,Jakarta-
MH2011 Kompetitor Parasetamol : Uji FAPA, Bali
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
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 &
“ 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
180 | Statistika

judul “Na PGV-0, CURCUMIN FAPA, Bali
ANALOGUE HAVING ISBN : 978-979-
CHEMOPREVENTIVE 18514-9-7
ACTIVITY FOR CANCER:
in silico STUDY ON CDKs, H-Ras
MUTANT, β-actin, AND GST “pada
24 th FAPA Congres 2012“CULTURE
&
judul “CYTOTOXIC AND FAPA, Bali
APOPTOSIS INDUCTION OF NA ISBN : 978-979-
PGV-0 AND K PGV-0, TWO 18514-9-7
POTENTIAL CURCUMIN
ANALOGUES AS
HEMOTHERAPEUTIC
AGENT ON WIDR COLON
CANCER CELL LINES” pada 24 th
2012 Pemakalah Kedua dengan judul “IN IAI ,Jakarta-
VIVO-DOCKING MOLECULAR FAPA, Bali
RELATIONSHIP OF MH2011 ISBN : 978-979-
COMPOUND AS ANALGESIC 18514-9-7
ACTIVITY” pada 24 th FAPA

“MOLECULARMECHANISMOFACTI FAPA, Bali
ONA19, B19ANDC19AGAINST ISBN : 978-979-
GRAM POSITIVE BACTERIA “ pada 18514-9-7
24 th FAPA Congres 2012“CULTURE
&

MOLECULAR DOCKING STUDIES FAPA, Bali
OF A CHALCONE ISBN : 978-979-
DERIVATIVECOMPOUND MPHC A 18514-9-7
WITH TYROSINE KINASE
RECEPTORS” pada 24 th FAPA
SYNTHESIS OF ANALGESIC FAPA, Bali
COMPOUND MH2011 WHICH MORE ISBN : 978-979-
POTEN THAN PARACETAMOL AS 18514-9-7
WELL AS HAVING LOWER SIDE
EFFECT HEPATOTOXIC BASED
ON DOCKING MOLECULAR
PLANTS” pada 24 th FAPA Congres
2012“CULTURE &
2012 Pemakalah Utama dengan judul Program

“DESIGN OF HP2012 Pascasarjana
COMPOUNDS AS ANALGESIC Fakultas
182 | Statistika
MORE POTENT Farmasi UGM

THAN PARACETAMOL
[MOLECULAR DOCKING
APPROACH] “pada 24 th FAPA
2012 Seminar Nasional Herbal untuk Fakultas
terapi Kanker: Perkembangan Farmasi UGM
Terkini dan Prospek, 3 Juli 2012
2012 Seminar deseminasi Hasil Penelitian UMS Surakarta
Herbal, 2 Juli 2012
2012 International Conference Research And UNNESA,
Application on Traditional, Surabaya
Complementary And Alternative
Medicine In Health
Care,Surakarta.,22-23 Juni 2012
2012 Seminar Nasional Kimia 2012 UNS, Surakarta
2011 Seminar Nasional Kimia dan Program
Workshop Instrumentasi Kimia 7-8 Okt Pascasarjana,
2011 Fak.Farmasi
UGM
2011 Seminar Nasional Fakultas
Pascasarjana Farmasi UGM 5 Des Farmasi UGM
2011 IMHERE
2011 Seminar Diseminasi hasil penelitian Fakultas
herbal medicine. Yogyakarta 26 Sept Farmasi UGM
2011
2011 Seminar InternasionalThe 2nd Fakultas
International Conference on Farmasi UGM
Yogyakarta, 19-20 July 2011
2011 Seminar Nasional Nutrasetikal: Fakultas

Manfaat, Keamanan dan Prospek Farmasi UGM
Pengembangannya. Yogyakarta 25
Juni 2011
2011 Seminar Nano Teknologi: Aplikasi Nano Fakultas
Teknologi Di Bidang Farmasi Farmasi UGM
dan Kesehatan , Yogyakarta 7 Juni 2011
2011 Seminar Diseminasi Hasil penelitian: Program

Database Senyawa Tumbuhan Obat Pascasarjana
Indonesia dan Peran Komputasi Kinerja Fakultas
Tinggi dalam Penelitian Terkait dengan Farmasi UGM
Kanker, Yogyakarta ,
6 Juni 2011
2010 Seminar Nasional “Eight Star Majalah Obat
Performance Pharmacist” Tradisional
[Yogyakarta,27 Desember 2010] Fakultas
Farmasi UGM
2010 Lokakarya Penulisan Naskah Fakultas Farmasi
Publikasi Ilmiah Jurnal Berkualitas UGM,DAAD,ISC
Nasional/ Internasional C,NAIST
[Yogyakarta, 13-14 Oktober 2010]
2010 The International Seminar on Fakultas
Chemoprevention For Halth Farmasi UGM
Promotion and Beauty{Yogyakarta,
October 9 th, 2010]
2010 Seminar Nasional “ Peran apoteker Fakultas
dalam Pelayanan Kosmesetika dalam Farmasi UGM
rangka Purna Tugas Dra. Siti
Sundari, S.U., Apt. Yogyakarta ,25
September 2010
2010 Seminar Nasional Diabetes Melitus Fakultas
Diitinjau dari Aspek Biokimia, Farmasi UGM
Farmakologi dan Klinis, Yogyakarta,
31 maret 2010
184 | Statistika
2010 Seminar Nasional ‘PP No.51 tahun ISFI PUSAT

2009 ‘ Peluang Emas Apoteker JAKARTA
Indonesia, Yogyakarta, 9 Januari 2010
2009 Kongres Nasional ISFI XVIII- Faculty of

Kongres Ilmiah ISFI XVII, ISFI, Pharmacy UGM
Jakarta, 7-9 Des 2009.
[Pemakalah]
2009
Internationbal Seminar Global Fakultas
prospect of Safety and Halal Product Farmasi UGM
Analysis, 185ogyakarta , October 19
th
2009
2009
The International Seminar on Fakultas
Advanced Pharmacy and Farmasi UGM
Pharmaceutical Sciences, Faculty of
Pharmacy UGM,Yogyakarta,
Indonesia, October 5-6, 2009
[Pemakalah]
2009 Seminar nasional “ Peluang & Faculty of
Tantangan Implementasi Produk Pharmacy
Herbal di Masa Depan “ Gadjah Mada
University
2008 New Trens in Pharmaceutical Faculty of
Technology Pharmacy
Gadjah Mada
University
2008 ACPS Workshop on Computational Faculty of
Drug Design & Discovery Pharmacy
Gadjah Mada
University
2008 The International Symposium on Fakultas

Molecular Targeted Therapy Farmasi UGM
2007 Seminar Apotek Rakyat : Solusi atau Fakultas

Kontroversi Dalam Praktek Kefarmasian Farmasi UGM
2007 Temu Ilmiah Nasional II Bidang Fakultas

Farmakologi & Farmasi Klinik Farmasi UGM
2007 Seminar Sumbangan farmasi Menuju Fakultas
Hari Tua yang Tetap Sehat Farmasi UGM
2006 Seminar Nasional Strategi Fakultas

Pengembangan Industri Farmasi di Farmasi UGM
Indonesia
2006 Penguatan Profesionalisme Farmasis Fakultas

Berbasis Kompetisi Dalam pelayanan Farmasi UGM
Kesehatan Masyarakat
2006 The International Symposium the Faculty of

Recent Progress in Curcumin Pharmacy
Research Gadjah Mada
University
2005 Penerapan Pharmaceutical Care Fakultas

Dalam Praktek Farmasi UGM
2005 Simposium & Seminar Fakultas

Pengembangan Obat Tradisional Farmasi UGM
Indonesia
186 | Statistika
K. KEGIATAN PROFESIONAL / PENGABDIAN KEPADA

MASYARAKAT
Tahun Kegiatan
Nara Sumber pada Sosialisasi mengenai Program Studi
2017
Farmasi Fakultas Farmasi UGM kepada mahasiswa/i
FMIPA Jurusan Farmasi Universitas Udayana, Bali
pada tanggal 20 Januari 2017
Nara Sumber pada Kuliah Tamu “ kimia Medisinal :

2016
penemuan, desain dan Pengembangan Obat di FMIPA
Jurusan Farmasi Universitas Garut, Garut, jawa barat
pada 26 Nop 2016
Nara Sumber pada Workshop “Molecular Docking
2016
Sebagai Cara Cepat Penemuan Obat di FMIPA Jurusan
Farmasi Universitas Garut, Garut, jawa barat pada 26
Nop 2016
2016
Farmasi Fakultas Farmasi UGM kepada siswa/i SMK
K Avicena , Bogor pada tanggal 16 Nop 2016
Nara Sumber pada Gama Expo 2016 di Grha Sabha

2016
Pramana dalam Kegiatan Dies Natalis UGM ke 67
Nara Sumber “Teknik Desain Molekul Dalam

2016
penemuan Senyawa Antibiotika Baru” pada seminar
nasional “ Prospek Penemuan Antimikroba/ Antibiotika
Baru” di Aula Al Jibra, UMI
, Makasar pada tanggal 5 Juni 2016
Nara Sumber pada Workshop “Kimia Komputasi

2016
untuk Desain dan penemuan Obat” di Fakultas
farmasi UGM pada tanggal 23-24 Mei 2016
2016
Farmasi Fakultas Farmasi UGM kepada siswa/i SMAN
2 Kediri pada tanggal 25 April 2016
Nara Sumber pada Pelatihan Kefarmasian Bagi
2016
Mahasiswa Program DIII Farmasi STIKES Andini
Persada Mamuju Sulawesi Barat pada 28 Maret-8
April 2016 di Fakultas Farmasi UGM , Yogyakarta
2016
Farmasi Fakultas Farmasi UGM kepada mahasiswa/i
D3 Farmasi Poltekes NAD, Aceh pada tanggal 4 Maret
2016
2016
Farmasi Fakultas Farmasi UGM kepada siswa/i SMAN
2 Bogor pada tanggal 18 Januari 2016
Mengajar Kimia Komputasi Pada Program Pascasarjana

2015/2016
Universitas Ahmad Dahlan pada Semester Gasal
2015/2016
Nara Sumber pada Workshop “Saintifikasi
2015
Antioksidan Menggunakan Molecular Docking
PLANTS” pada STF Muhammadiyah Tangerang
pada 14 September 2015
2014/2015
Universitas Ahmad Dahlan pada Semester Genap
2014/2015
188 | Statistika
Dosen Jaga UGM EXPO 2014 dari tanggal 17-21

2014/2015
November 2014 di Gra Sabha Pramama Universitas
Gadjah Mada
Memberi Kuliah Kimia Medisinal di Fakultas
2014/2015
Farmasi USB, Surakarta
[Semester Gasal 2014-2015]]
2014/2015
2014/2015
Nara Sumber pada Workshop “Molecular Docking
2014
Sebagai Cara Cepat Penemuan Obat pada STF
Muhammadiyah Tangerang pada 20 April 2014
Pengawas Satuan Pendidikan UNAS SMA/MA/SMK
2014
Tahun Ajaran 2013-2014 di SMK BINA HARAPAN ,
Jln. Kaliurang Km 10 , Sleman , DIY pada 14,15,16
April 2014
Sosialisasi mengenai Program Studi Farmasi
2014
Fakultas Farmasi UGM kepada siswa/i SMAN 3
Bogor pada tanggal 27 Pebruari 2014
2013
2013/2014
Memberi Kuliah Kimia Medisinal di Fakultas
2013
Farmasi USB, Surakarta
[Semester Gasal 2013-2014]]
Auditor Internal AMI Prodi S2 Biologi Fakultas
2013
Biologi UGM, 16 dan 18 Juli 2013
Penanggung Jawab Ruang Ujian Tulis SBMPTN-

2013
UGM 2013 pada 18 -19 Juni 2013 di Fakultas Farmasi
UGM
Sosialisasi mengenai Program Studi Farmasi Fakultas
2013
Farmasi UGM kepada siswa/I SMAN 83 Jakarta
pada tanggal 3 Juli 2013
2013
Fakultas Farmasi UGM kepada mhs/mhsi
POLTEKKES ACEH pada tanggal 24 Mei 2013
2013
Fakultas Farmasi UGM kepada siswa/iSMAN
Banda Aceh pada tanggal 22 Pebruari 2013
Sosialisasi mengenai Program Studi Farmasi Fakultas
2013
Farmasi UGM kepada siswa/i SMAN Tangerang
selatan pada tanggal 13 Pebruari 2013
190 | Statistika
L. PENGHARGAAN/PIAGAM
Tahun Bentuk Penghargaan Pemberi

2015 Inovator salah satu dari “107 Kepala Pusat
INDONESIA INNOVATIONS inovasi LIPI-
PROSPEKTIF-2015”Pada 11 Direktur
Agustus 2015 Eksekutif BIC
2014 Inovator salah satu dari “106 Menristek RI

INNOVATIONS INDONESIA
PROSPEKTIF-2014”
(Ranking 5 dari 106 Inovasi
Indonesia 2014)
PADA 11 Agustus 2014
192 | Statistika
2012 Insan Berprestasi UGM 2012 UGM

(Proposal Inovatif Potensial Paten
Terbaik)
2010 Presenter Terbaik II Bidang Farmasi Panitia

Sain dan Industri dengan judul : Seminar
“Analisis Mekanisme Kerja in Nasional Eight
Siliko Senyawa HP2009 [1,3 bis Star
(para-hidroksifenil)urea: Docking
HP2009 Terhadap COX-1 dan Performance
COX-2 dengan PLANTS” Pharmacist
Program
Pascasarjana
Fakultas
Farmasi UGM
194 | Statistika

(Proposal Inovatif Potensial Paten
Terbaik)

( Proposal Inovatif Potensial Paten
Terbaik )
M. ORGANISASI PROFESI/ILMIAH
Tahun Organisasi Jabatan

2013 sd PERAKMI Anggota
Sekarang (Perhimpunan Ahli Kimia
Medisinal Indonesia)
2010 sd ISCC Anggota
Sekarang ( Indonesian Society Cancer
Chemoprevention)
2010 Sd IAI ( Ikatan Apoteker Indonesia) Anggota
Sekarang
1986 Sd ISFI( Ikatan Sarjana Farmasi Anggota

2009 Indonesia )
2001 sd IKAFI ( Ikatan Ahli Farmakologi Pengurus

2004 Indonesia ) Cabang
Padang
196 | Statistika
https://www.facebook.com/hari.purnomo.31
https://www.linkedin.com/in/hari-purnomo-b4aa6240/
Saya menyatakan bahwa semua keterangan dalam

Curriculum Vitae ini adalah benar
dan apabila terdapat kesalahan, saya bersedia

mempertanggungjawabkannya.
Yogyakarta,25 April 2017
Yang menyatakan
Dr. Hari Purnomo, M.S., Apt.
BIOGRAFI EKA SISWANTO
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
198 | Statistika
C. Pengalaman Penelitian Dalam 5 Tahun Terakhir
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
Uji Aktivitas Sari Biji Pepaya (Carica papaya L) Sebagai

Biolarvasida Terhadap Larva Nyamuk (Aedes aegypti
L). Disampaikan dalam Seminar Nasional Kesehatan
4. 2016
Tahun 2014, ISBN: 078-602-70056-0-0, Akademi
Farmasi Samarinda-PD IAI Kaltim, 16 Februari 2016
Pemanfaatan Ekstrak Herbal terhadap Produktivitas dan

mutu Ayam Pedaging sebagai Upaya Ketahanan Pangan
di Kalimantan Timur Berbasis Peternakan Ramah
5. 2016
Lingkungan (Ditulis Dalam Jurnal Ilmiah Manuntung
Akademi Farmasi Samarinda Vol.2 No.1 ISSN
Elektronik 2477-1821 Edisi Mei 2016)
Uji Aktivitas Antiinflamasi Ekstrak Air Umbi Bawang
Tiwai (Eleutherine Bulbosa (Mill) URD Pada Mencit
6. 2015 Putih Jantan (Mus Musculus) (Ditulis Dalam Jurnal Ilmu
Kesehatan STIKES Muhammadiyah Samarinda Vol.3
No.2 ISSN: 2355-8032, Edsi Desember 2015)
Uji Toksisitas Akut Ekstrak Etanol Daun Kerehau

(Callicarpa Longifalia Lam) Terhadap Mencit Putih
7. 2015 (Ditulis Dalam Jurnal Ilmiah Manuntung Akademi
Farmasi Samarinda Vol.1 No.2 ISSN 2443-115X Edisi
Desember 2015)
Formulation of Effervescent Powder of Water Extract of
Bawang Tiwai (Eleuterine palmifolia) As a Healthy
8. 2015 Drink (Ditulis Dalam Tradisional Medical Journal
Farmasi UGM. Vol.20 No.3 ISSN 1410-5918 Edisi
September 2015)
Ethanolic Extract Formulation of Bawang Tiwai
(Eleutherine americana) in Antiacne Cream) Ditulis
9. 2015
Dalam Tradisional Medical Journal Farmasi UGM,
Vol.20 No.3 ISSN 1410-5918 Edisi September 2015)
Uji Aktivitas Diuretik Ekstrak Terpurifikasi Herba
Sambiloto Pada Mencit Putih Jantan (Ditulis Dalam
10. 2015
Prosiding Rakernas dan PIT Ikatan Apoteker Indonesia,
Bukit Tinggi Sumatera Barat, 2015)
Pengaruh Pemberian Serbuk Cangkang Kulit Telur
(Eggyshell) Ayam Ras Layer Terhadap Efek
Penyembuhan Luka Insisi Pada Kelinci Jantan
11. 2015
(Orytolages spp) New Zealand (Disampaikan Pada
Seminar Nasional Kefarmasian), Farmasi Universitas
Mulawarman Oktober 2015
Uji Daya Analgetik Ekstrak Etanolik Daun Binahong
(Andredera cordifolia (Ten) Steenis) Pada Mencit Putih
12. 2014 (Mus musculus L) Jantan (Disampaikan pada Prosiding
Seminar Nasional Kimia Tahun 2014, ISBN: 978-602-
19421-0-9, Kimia Universitas Mulawarman)
Uji Aktivitas Perasan Buah Mentimun (Cucumis sativus
13. L) Sebagai Biolarvasida Terhadap Larva Nyamuk Aedes
2014
aegypti L (Ditulis Dalam Jurnal Kimia Mulawarman
Vol.11 No.2 ISSN 1693-5616 Edisi Mei 2014)
200 | Statistika
Formulation and Evoluation of Effervescent Granules

Extract (Eleutherine palmifolia (L) Merr As a Healthy
Drink (Disampaikan Dalam Medan International
14. 2014
Conference on Advanced Pharmaceutical
Science(MICAPS),ISBN: 978-602-1183-04-5,
November 2014.
Pengembangan Kearifan Lokal Ekstrak Umbi Bawang
Tiwai (Eleutherine Palmifolia (L), Merr) Dalam Bentuk
2013
Sediaan Granul Effervescent Sebagai Food Supplement,
15. Laporan penelitian, Balitbangda Kaltim, 2013
Potensi Ekstrak Air Daun Pacar Cina (Alglaia odorata)
Sebagai Biolarvasida Aedes aegypti (Disampaikan
2013 Dalam Prosiding Seminar Nasional Kimia ISBN 978-
16. 602-19421-0-9 Tahun 2013, ISBN: 978-602-19421-0-9,
Kimia Universitas Mulawarman)
Aktivitas Antidiabetes Kombinasi Ekstrak Terpurifikasi
Herba Sambiloto (Andrographis paniculata (Burm.f.)
Ness.) dan Metformin pada Tikus DM Tipe 2 Resisten
17. 2012
Insulin.Junal Majalah Obat Tradisional (MOT) UGM,
2012
Antidiabetic and antihiperlipidemic effect of

Andrographis paniculata (Burm. f.) Nees and
andrographolide in high-fructose-fat-fed rats, Indian
18. 2012
Journal of Pharmacology, Volume : 44, Issue : 3, Page :
377-381, 2012
D. Karya Buku dalam 5 Tahun Terakhir

Tahu Jumlah
No Judul Penerbit
n Halaman
1. Tumbuhan Obat 2011 105 ISBN: 978-602-
Berkhasiat Afrodisiaka 99092-0-3
Penambah Vitalitas Penerbit Jogja
Pria Media Utama
E. Penghargaan yang diperoleh (dari pemerintah, asosiasi

atau institusi lainnya)
Institusi Pemberi Tahu
No Penghargaan
Penghargaan n
Best Poster Presenter,
International Seminar and
1. Universitas Tadulako Palu 2016
Workshop Pharmacy and
Statistic 2016
Wisudawan Cumlaude
2. Program Magister Ilmu Universitas Gadjah Mada 2012
Kefarmasian UGM
Wisudawan Cumlaude
3. Universitas Islam Indonesia 2004
Program S1 Farmasi
Samarinda, 25 April 2017
Eka Siswanto, M.Sc,Apt
202 | Statistika
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
204 | Statistika
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

Buku Statistika Farmasi

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Buku Statistika Farmasi

Diunggah oleh

Hak Cipta:

Format Tersedia

Undang-undang Republik Indonesia Nomor 19 Tahun 2012 tentang Hak Cipta

Lingkup Hak Cipta

Puji syukur kehadirat Allah SWT yang telah

Dalam buku ini akan dipaparkan secara rinci

Buku ini berbeda dengan buku buku pada umumnya,

Penulis mengucapkan banyak terimakasih kepada

Dr. Hari Purnomo, M.S., Apt.

Untuk Rabb, Tuhan kami,

Semoga buku ini dapat menjadi amalan

Halaman judul .............................................................. i

BAB I STATISTIKA FARMASI ............................. 1

BAB II STATISTIKA DESKRIPTIF ....................... 24

B. Ukuran Penyebaran .................................................. 27

BAB III UJI VALIDITAS DAN REABILITAS....... 30

BAB IV RANCANGAN PENELITIAN..........................48

Setelah membaca Bab I para pembaca mampu:

Mengetahui dan memahami konsep dasar-dasar statistika

Correa. Sedangkan contoh yang melibatkan analisa statistika

Statistika dibedakan menjadi dua : 1. statistika

dari data sampel), kuartil (nilai-nilai data yang dibagi menjadi

Wistar? Pasti tidak akan mungkin meneliti “seluruh” populasi

asumsi : dipilih karena acak karena

Gambar 1. Perbedaan sampel dengan populasi

Sampel merupakan sekumpulan data yang diambil atau

secara statistika, maka perlu diukur realibilitasnya. Kegiatan

D. Data dan Tipe Data Statistika

kualitatif misalnya : jenis kelamin, agama, warna kulit. Data

No Tingkat No Tingkat No Tingkat

“hipotesis” harus didahului oleh “landasan teori” yang

dibuat keputusan apakah menolak atau menerima H0 atau H1.

Statistical Product and Service Solution (SPSS)

Pertama ketika membuka program SPSS adalah

Variable Views dengan klik tombol tersebut pada kiri bawah

 Name. Kata yang merupakan nama dari variabel yang

mengisi kotak Name, secara otomatis pada kolom

 Values. Isian ini akan dipakai apabila akan membuat

Dari pemeriksaan tekanan darah pada pasien dengan terapi

Langkah pertama, identifikasi jenis data yang akan

Kemudian akan tampak tampilan sebagai berikut. Tipe

- Pada kolom Width, pilih angka 20 untuk keseragaman.

- Pada kolom Values, diabaikan saja karena tidak ada

pada isian Data View, jika mengisi angka 1 makan akan

Kemudian akan tampak tampilan sebagai berikut.

Untuk keperluan pengkodean, isi kotak isian value

Selanjutnya klik OK. Kembali ke tampilan Data View,

- Pada kolom Column, disi dengan 8 untuk keseragaman.

3. Pengisian variabel tekanan darah

- Isi dengan kata “tekanan_darah” pada kolom Name.

- Pada kolom Maesures. Data tingkat keparahan efek

Sumbu X (horizontal) memiliki range (rentang) dari minus

normal adalah satu (sebagaimana konsep probabilitas).

Dalam analisis statistika, seringkali kita menentukan

Secara matematis, probabilitas distribusi normal standar

Akan tetapi, kita lebih mudah dengan bantuan tabel distribusi

Setelah membaca Bab II para pembaca mampu:

Memahami konsep umum Statistika Deskriptif

Statistika deskriptif adalah statistika yang

frekuensi data. Kurtosis merupakan ukuran keruncingan dari

kemudian ditentukan nilai tengahnya. Apabila jumlah

Nilai mean, median dan modus berturut-turut adalah :

dengan jumlah data (n). Dalam penyajian data

Di samping keempat ukuran penyebaran di atas, masih ada

UJI VALIDITAS DAN REALIBILITAS

Setelah membaca Bab III para pembaca mampu: