PENGOLAHAN DATA DAN ANALISIS DATA

Agung Sutriyawan, SKM., M.Kes

A. Pengolahan Data

1. Pengolahan Data Secara Manual

Pengolahan data secara manual pada saat ini memang jarang diLakukan, sudah
ketinggalan zaman. Namun dalam keterbatasan-keterbatasan sarana dan prasarana atau kalau
data tidak terIalu besar, pengolahan data secara manual masih diperlukan langkah-langkah
pengolahan data secara manual pada umumnya melalui langkah-langkah sebagai benkut:
a. Editing (Penyuntingan Data)
Hasil wawancara atau angket yang diperoleh atau dikumpulkan melalui kuesioner
perlu disunting (edit) terlebih dahulu. Kalau ternyata masih ada data atau informasi yang
tidak lengkap, dan tidak mungkin dilakukan wawancara ulang, maka kuesioner tersebut
dikeluarkan (drop out).

b. Membuat Lembaran Kode (Coding Sheet) atau Kartu Kode (Coding Sheet)
Lembaran atau kartu code adalah instrumen berupa kolom-kolom untuk merekam
data secara manual. lembaran atau kartu kode berisi nomor responden dan nomor-nomor
pertanyaan.

Contoh lembaran kode berikut ini :

No. Pertanyaan
No. Resp. 1 2 3 4 5 6 dst
001 a a c b a b
002 c b a c b b
003 Dst -→ diisi jawaban (code) tiap pertanyaan)
004
005
006
007
008
 Contoh Kartu Kode :

1 2 3 4 5 6
7 8 9 10 11 12
13 14 15 16 17 18
19 20 21 22 23 24
25 26 27 28 29 30
31 32 33 34 35 36

Keterangan : No. adalah nomor pertanyaan masing-masing kotak (kolom) diisi

dengan kode-kode (huruf atau angka) sesuai dengan jawaban masing-masing pertanyaan.

c. Memasukkan Data (Data Entry)

Yakni mengisi kolom-kolom atau kotak-kotak lembaran kode atau kartu kode sesuai
dengan jawaban masing-masing pertanyaan.

d. Tabulasi
Yakni membuat tabel-tabel data, sesuai dengan tujuan penelitian atau yang di
inginkan oleh peneliti.

2. Pengoiahan Data Dengan Komputer

Perlu diingat bahwa peranan komputer dalam pengolahan dan analisis data hanyalah
sebagai alat, sehingga kita tidak dapat mengandalkan sepenuhnya kepada komputer.
Bagaimana canggihnya program komputer yang kita gunakan, akhirnya kembali pada "the
man behind the gun". yakni kita sendiri. Demikian pula hasil pengolahan data tergantung
pada kualitas data itu sendiri. Secanggih apa pun program computer yang kita gunakan,
hasilnya ditentukan oleh kualitas data itu sendiri. Dalam penelitian ada ungkapan yang
mengatakan “GIGO” (garbage in garbage out), bila yang masuk sampah maka keluarnya
juga jelek. Meskipun menggunakan program computer secanggih apa pun.
Oleh sebab itu untuk mencegah “GIGO” ini proses pengolahan data ini melalui tahap-tahap
sebagai berikut :
a. Editing
Hasil wawancara, angket, atau pengamatan dari lapangan harus dilakukan
penyuntingan (editing) terlebih dahulu. Secara umum editing adalah merupakan kegiatan
untuk pengecekan dan perbaikan isian formulir atau kuesioner tersebut :
1) Apakah lengkap, dalam arti semua pertanyaan sudah terisi
2) Apakah jawaban atau tulissan masing-masing pertanyaan cukup jelas atau terbaca
 3) Apakah jawabannya relevan dengan pertanyaannya
4) Apakah jawaban-jawabannya konsisten dengan jawaban pertanyaan yang lainnya.

Misalnya ada pertanyaan :

“Apakah Ibu ikut program Keluarga Berencana ?” disediakan jawaban
a. Ya
b. Tidak
Apabila jawab ibu “Ya” alat kontrasepsi apa yang ibu gunakan?

Pertanyaan ini hanya dijawab oleh ibu yang menjawab pertanyaan “ya” atau yang
ber-KB. Bagi ibu yang tidak ber-KB tidak perlu menjawab pertanyaan ini. Tetapi kadang-
kadang ibu yang tidak ber-KB pun menjawab pertanyaan ini.
Apabila ada jawaban-jawaban yang belum lengkap, kalau memungkinkan perlu
dilakukan pengambilan data ulang untuk melengkapi jawaban-jawaban tersebut. Tetapi
apabila tidak memungkinkan, maka pertanyaan yang jawabannya tidak lengkap tersebut
tidak diolah atau dimasukkan dalam pengolahan “data missing”.

Contoh
Melakukan pemeriksaan terhadap kelengkapan observasi dan penyesuaian data yang
diperoleh dengan kebutuhan peneliti. Kegiatan yang sudah bisa dilakukan saat
pengumpulan data dilapangan. Aspek yang dilihat yaitu variabel yang akan ditulis yaitu
variabel usia, jenis kelamin, tingkat pendidikan, status perkawinan, pekerjaan, akses ke
fasilitas kesehatan, status gizi (IMT), stadium klinis HIV (WHO), nilai CD4 sebelum
ARV, nilai CD4 6 bulan setelah ARV, kepatuhan minum obat ARV dan profilaksis INH.
Pemusatan perhatian dari catatan – catan yang tertulis di rekam medik data pasien HIV
dan buku monitoring ARV atau buku Pokja HIV. Pemusatan data ini berlangsung terus
menerus selama penelitian berlangsung. Data yang telah terkumpul kemudian dilakukan
pengecekan kembali apakah ada data yang tidak lengkap atau membingungkan. Apabila
ada data yang tidak lengkap dan membingungkan maka dilakukan pengecekan kembali
pada data rekam medik pasien HIV, buku monitoring ARV atau buku Pokja HIV dan
formulir TB 01 atau formulir/ software TB 03

b. Coding
Setelah semua kuesioner diedit atau disunting, selanjutnya dilakukan peng”kodean”
atau “coding”, yakni mengubah data berbentuk kalimat atau huruf menjadi data angka
atau bilangan. Misalnya jenis kelamin : 1 = laki-laki, 2 = perempuan. Pekerjaan ibu : 1 =
tidak bekerja, 2 = bekerja selain ibu rumah tangga. Koding atau pemberian kode ini sangat
berguna dalam memasukan data (data entry).
 Contoh
Usaha mengklasifikasikan data yang sudah diambil dari rekam medik data pasien HIV
dan buku monitoring ARV atau buku Pokja HIV dan formulir TB 01 atau formulir/
software TB 03 umumnya dengan menggunakan angka. Memberikan kode angka
sehingga lebih mudah dan sederhana dalam hubungan dengan pengolahan data jika
menggunakan computer yaitu dengan kategori Tidak = 0 dan Ya = 1. Coding dilakukan
untuk mempermudah untuk melakukan entry dan proses analisis data. Misalnya untuk
variable jenis kelamin dilakukan coding sebagai berikut :
Jenis kelamin Laki – laki diberi kode = 0
Jenis kelamin perempuan diberi kode = 1

c. Mamasukkan Data (Data Entry) atau Processing

Data yakni jawaban-jawaban dari masing-masing responden yang dalam bentuk
“kode” (angka atau huruf) dimasukkan ke dalam program atau “software” computer.
Software computer ini bermacam-macam, masing-masing mempunyai kelebihan dan
kekurangannya. Salah satu paket program yang paling sering digunakan untuk “entry
data” penelitian adalah paket program SPSS for Window.
Dalam proses ini juga dituntut ketelitian dari orang yang melakukan “data entry”
ini. Apabila tidak maka akan terjadi bias, meskipun hanya memasukkan data saja.

Contoh
Setelah semua isian variabel yang diteliti terkumpul dengan benar dan sudah melewati
pengkodean. Maka dapat dilakukan pemrosesan dengan cara meng-entry data hasil
penelitian ke program komputer. Proses pemasukan data yang telah berbentuk kode
(biasanya dalam angka) ke dalam software yang sesuai. Program komputer yang
digunakan yaitu program komputer SPSS 20.

d. Pembersihan Data (Cleaning)

Apabila semua data dari setiap sumber data atau responden selesai dimasukkan,
perlu dicek kembali untuk melihat kemungkinan-kemungkinan adanya kesalahan-
kesalahan kodem ketidaklengkapan, dan sebagainya, kemudian dilakukan pembetulan
atau koreksi. Proses ini disebut pembersihan data (data cleaning). Adapun cara
membersihkan data dapat diberikan contoh sebagi berikut :
1) Mengetahui missing data (data yang hilang) :
Untuk mengetahui data yang hilang (missing) dapat dilakukan dengan membuat
distribusi frekuensi masing-masing variabel. Contoh : data yang diolah 120 responden.

Tabel 1 : Tingkat pendidikan.

SD/Sederajat : 50
 SMP/Sederajat : 35
SLA/Sederajat : 25
PT : 10
120
Berarti lengkap tidak ada data yang missing
Tabel 2 : Pekerjaan
PNS/ABRI : 20
Karyawan Swasta : 75
Buruh : 10
Lain-lain : 5
110
Berarti 10 data yang missing

Hal ini berarti ada 10 data variable pekerjaan yang menghilang.

Kemungkinannya pewawancara lupa menanyakan (memang tidak ada data), atau
mungkin memang ada tetapi tidak dimasukkan (entri), maka perlu dicek ulang.

2) Mengetahui Variasi data :

Dengan melihat variasi data dapat dideteksi apakah data yang dimasukkan benar atau
salah. Cara mendeteksi dengan membuat distribusi masing-masing variabel. Seperti
telah diuraikan diatas bahwa data dimasukkan (entri) dalam bentuk kode atau angka,
misalnya untuk pekerjaan, 1 = PNS/ABRI, 2 = Karyawan swasta, 3 = Buruh, 4 = lain-
lain.
Tetapi hasil distribusi dari 120 frekuensi misalnya menunjukan seperti dibawah
ini :

1 = 20
2 = 80
3 = 10
4 = 6
5 = 4
Jumlah 120

Dalam contoh tersebut, meskipun jumlahnya sesuai dengan jumlah responden,

yakni 120, tetapi disitu ada kode 5 yang masuk, sejumlah 4 responden. Padahal jenis
pekerjaan hanya sampai kode 4, dan tidak ada kode 5. Kesimpulannya ada kesalahan
dalam memasukkan data, dan harus dicari dan dibetulkan.

3) Mengetahui konsistensi data :

 Cara mengetahui adanya ketidakkonsistensian data dapat dilakukan dengan
menghubungkan dua variabel.
Contoh : Pertanyaan tentang periksa hamil dari 100 responden ibu-ibu hamil.
Tabel 1. Perilaku Periksa Hamil :
Ya (Periksa) 45
Tidak 55

Jumlah : 100
Tabel 2. Tempat Periksa Hamil :
Posyandu 15
Puskesmas 25
Dr. Praktik 10

Jumlah 50

Dari kedua tabel tersebut ada ketidakkonsistenan, antara perilaku periksa hamil atau
ibu yang diperiksa hamil 45 orang. Tapi ketika ditanya dimana tempat periksa hamil,
jumlah ibu yang menjawab 50 orang. Maka perlu ditelusuri di mana kesalahannya.

e. Tabulating
yaitu membuat tabel-tabel data sesuai dengan tujuan penelitian atau yang diinginkan
oleh peneliti. Tabulating ini dilakukan setelah proses cleaning ini sudah sesuai dengan
variable – variable yang akan diteliti sesuai dengan tujuan penelitian tercapai.
B. Analisis Dan Jenis Data
Untuk kepentingan analisis statistik, disamping pembagian jenis data seperti tersebut
tadi, data juga dikelompokan menjadi dua, yakni data kategorik dan numerik.
1. Data Kategorik
Data kategorik atau data kualitatif, merupakan data dari hasil penggolongan atau
pengklasifikasikan data misalnya; jenis kelamin, jenis pekerjaan, tingkat pendidikan. data
atau variabel kategorik pada umumnya berisi variable yang bersekala nominal dan ordinal.

2. Data Numerik
Data numerik (kuantitatif) merupakan variabel hasil penghitungan dan pengukuran
misalnya, tekanan darah, tinggi badan, berat badan, dan sebagainya. variabel numerik
dikelompokkan lagi menjadi dua macam, yakin deskrit, dan kontinu. Data deskrit merupakan
hasil perhitungan, seperti jumlah anak, jumlah kunjungan pasien rawat jalan, dan sebagainya.
sedangkan data kontinu merupakan data hasil pengukuran, misalkan tekanan darah, denyut
nadi, HB, dan sebagainya. Data numerik ini mencakup variable-varibel dengan skala ukuran
interval dan rasio.
Dalam analisis data menggunakan metode data statistik , biasanya data jenis numerik
di ubah menjadi data kategorik dengan cara melakukan penglompokan atau
mengklasifikasikan, misalnya variable tekanan darah yang data rill nya numerik , dapat
dikatagorikan menjadi; <120/80, 121/90-140/95, >141/95, dan sebagainya (data kategorik )

Analisis suatu hasil penelitian dilakukan sangat tergantung dari beberapa hal antara lain ;
1. Jenis Penelitian
Apabila suatu penelitian ingin mengetahui bagaimana secara umum atau rata-rata
masyarakat yang melakukam PSN (pembrantasan saran nyamuk), dengan menggunakan
metode survai. Maka analisis data digunakan dengan pendekatan kuantitatif. Tetapi bila ingin
mendapatkan gambar yang mendalam tentang pendapat masyarakat tentang presepsi mereka
terhadap ; sehat; maka jelas akan dilakukan analisis kualitatif

2. Jenis Data
Jenis data katagorik berbeda cara analisis nya bila dibandingkandengan data numerik.
Sebuah analisis dengan uji statistik hanya cocok untuk jenis data tertentu saja. misalnya nilai
profosi atau presentase pada analisis univariate biasanya hanya cocok untuk menjelaskan
jenis data katagorik, sedangkan untuk jenis data numerik hanya dapat menggunakan nilai
rata-rata untuk menjelaskan karakteristik variable yang bersangkutan. Untuk analisis
hubungan dua variable (analisis bivariat), uji kai kuadrat hanya dapat dipakai untuk
mengetahui hubungan data katagorik dengan data katagorik. Sebaliknya, untuk mengetahui
hubungan jenis data numerik dengan data numerik harus digunakan uji korelasi atau regresi.
3. Asumsi Kenormalan Data
Kenormalan atau ke abnormalan distribusi frekuensi data juga menentukan analisis data.
Apabila distribusi frekuensi data nya normal, biasanya digunakan analisis atau uji statistic
parametik. Tetapi apabila asumsi distribusi data nya tidak normal, biasanya menggunakan
analisis uji statisitik parametrik.

a. Analisis Univariat / Descriptive Statistics

Dalam penelitian statistic deskriptif diaplikasikan dalam analisis univariat. Pada
analisis ini biasanya peneliti hanya melihat gambaran dari variabel yang diteliti baik data
kategorik maupun data numerik.
Statistic desriptif adalah teknik statistic yang digunakan untuk meringkas informasi
dari data set yang telah tersedia. Peneliti ingin menjelaskan data mereka sehingga data
tersebut jelas dan bersifat informative. Statistik deskriptif juga didefinisikan sebagai semua
yang menjelaskan data pada sampel, termasuk mean, median, standar deviasi, dan histogram.
Statistic deskriptif ingin menjelaskan kepada pembaca tentang data yang tersedia. Statistik
Deskriptif mencakup mengorganisasi, meringkas, dan menyajikan data
Statistic Deskriptif digunakan untuk melakukan analisis secara deskriptif terhadap
sejumlah data yang telah tersedia atau yang telah dikumpulkan melalui metode pengumpulan
data penelitian. Beberapa perhitungan statistic deskriptif mencakup nilai :
• Maksimum, merupakan nilai terbesar dari sekumpulan angka
• Minimum, merupakan nilai terkecil dari sekumpulan angka
• Range, merupakan perbedaan antara nilai yang terbesar (Maximum) dan nilai yang
terkecil (minimum) dari frekuesnsi distribusi.
• Central Tendency, mencakup tiga perhitungan yaitu : mean, median dan mode. Dimana
mean adalah nilai rata-rata, median adalah nilai tengah serta mode atau modus adalah nilai
yang paling sering muncul.

a. Mean (Rata-rata Hitung)

Mean atau rata-ata atau atau disebut juga average adalah hasil penjumlahan semua
nilai observasi dibagi dengan banyaknya observasi. Adapun rumusnya adalah sebagai
berikut :

∑ x!
x" =
n

Ket:
∑ 𝑥 = Penjumlahan unsur pada variabel 𝑥
n = Jumlah subjek
b. Median (Nilai Tengah)
Median adalah nilai yang persis berada di tengah jika suatu angkatan data diurutkan
dari nilai terkecil / terendah sampai terbesar / tertinggi atau sebaliknya, maka urutkan
terlebih dahulu mulai dari yang terkecil atau mulai dari yang terbesar. Nilai yang di
tengah-tengah alah nilai median. Rumusnya adalah sebagai berikut :

n+1
𝑀d =
2

Apabila jumlah observasinya genap (even), maka mediannya adalah penjumlahan

dua nilai observasi yang di tengah-tengah dibagi dua. Adapun rumusnya adalah sebagai
berikut ini :

n n
+ +1
Md = 2 2
2

c. Mode (Nilai yang sering muncul)

Mode adalah data set yang memunculkan nilai yang memiliki frekuensi paling tinggi
atau nilai yang paling sering muncul.

d. Standar Deviasi dan Variance

Standar deviasi adalah akar kuadrat dari variance. Variance atau variasi adalah rata-
rata kuadrat selisih atau kuadrat simpangan dari semua nilai data terhadap rata-rata hitung
dibagi jumlah data dikurangi satu (n-1). Rumusnya adalah sebagai berikut :
∑(x − µ)"
σ= /
N

∑(x − µ)"
s= /
n−1

e. Ratio
Rasio adalah nilai dimana pembilang bukan bagian dari penyebut atau perbandingan
dari nilai X dan Y. Pada rasio nilai X dan Y bersifat independen dimana X bukan bagian
dari Y.

Contoh :
 Perbandingan atau rasio pasien laki-laki dan perempuan di rumah sakit X. pasien laki-laki
berjumlah 25 orang.
Sedangkan perempuan 100 0rang, maka rasionya adalah 25 berbanding 100 atau 1
berbanding 3 (1:3).

f. Rate
Rate adalah tipe pengukuran frekuensi yang melibatkan data dikotomi. Rate juga
merupakan bentuk dari proporsi yang ada dimensi waktunya. Terkait dengan rate, dalam
epidemiologi umumnya dikenal prevalence rate dan incidence rate.
Prevalence Rate
Prevalensi adalah proporsi orang yang menderita penyakit tertentu dari suatu
populasi tertentu pada satu titik waktu atau periode waktu tertentu. Prevalensi dapat juga
menunjuk kan masalah kesehatan lainnya atau kondisi tertentu misalnya prevalensi
perilaku merokok. Prevalensi dapat dirumuskan sebagai berikut:

#$%&'( *+,!-!,$ .'+/ %0+,01!2' 3$'2$ 40+.'5!2

(7'3$3 &'%'87'3$3 9'1$)
= #$%&'( ;0+,$,$5/ ;=4$&'3! 30&$1$(+.'
x 100

Incidence Rate
Incidence rate adalah jumlah kasus baru yang terjadi pada suatu populasi/penduduk
tertentu selama periode waktu tertentu pula. Incidence rate dapat dirumuskan sebagai
berikut:

#$%&'( 5'3$3 9'1$ 3$'2$ 40+.'5!2

= #$%&'( 40+,$,$5/ ;=4$&'3! 901!3!5=
x 100

g. Proporsi
Proporsi atau propotion adalah nilai dimana pembilangan adalah bagian dari
penyebut atau X adalah bagian dari nilai Y. proporsi biasanya disebut juga presentase.

Contoh:
Proporsi penyakit hipertensi di Puseksmas X. dari 500 orang yang menderita hipertensi,
sebanyak 65% laki-laki dan 35% nya perempuan.

2. Analisis Bivariat / Statistik Inferensial

Aplikasi statistik inferensial dalam penelitian disebut juga analisis bivariat. Tujuan
analisis ini adalah untuk mengetahui hubungan/ berbedaan/ pengaruh antara dua variabel.
Statistik deskriptif adalah jenis statistik yang digunakan untuk menjelaskan atau
mengarakteristikan data dengan meringkasnya agar lebih dapat dipahami (understendabel)
tanpa kehilangan atau memutar balikan informasi. Umumnya menggunakan table, charts,
frekuensi, presentase, dan ukuran central tendency untuk menjelaskan karakteristik dasar dari
sampel.
Sedangkan statistik inferensial merupakan statistik yang terdiri dari sebuah set teknik
statistik yang memberikan prediksi tentang karakteristik populasi berdasarkan informasi dari
sebuah sampel yang berasal dari populasi tersebut. Inferensial statistik (inuctipe statistics)
adalah penggunaan teknik probalistik untuk menganalisis informasi sampel dari populasi
tersebut, untuk meningkatkan pengetahuan kita tentang populasi.
Dalam melakukan uji hipotesis, secara umum adalah sama, berikut ini adalah beberapa
langkah yang dapat dilakukan diantaranya:
a. Pilih uji statistic nya (select a test statistic)
b. Tetapkan level signifikan sinya (establish the level of significance)
c. Pilih apakah uji satu sisi atau dua sisi (select a one- tailed or two-tailed test)
d. Hitung uji statistic nya (compute a test statistics)
e. Kalkulasi drajat kebebasannya (calculate the degree of freedom)
f. Tampilkan nilai table statistic nya (obtain a tabled value for the statisticaltest)
g. Bandingkan nilai hitung berdasarkan uji statistic dengan nilai table statistic (compare the
test statistic with the tabled value)

Jika peneliti menggunakan aplikasi statistik untuk melakukan analisis data, peneliti
hanya mengikuti langkah pertama dan kedua, dan selanjutnya berikan komentar terhadap apa
yang dihasilkan oleh software tersebut.
Dalam uji hipotesis atau uji statistik, kita mengenal uji parametrik dan non parametrik.
Untuk membedakannya, berikut ini adalah beberapa ciri uji parametrik dan non parametrik:
a. Parametrik Test
Berikut ini disajikan beberapa uji statistik parametrik yang umun digunakan dalam
penelitian :

1) Uji Korelasi Product Moment (r-test)

Dalam penelitian kesehatan uji product moment biasanya digunakan pada saat peneliti
ingin mengukur validitas kuesioner penelitian. Tetapi dalam penelitian pada umumnya
uji korelasi product moment juga digunakan untuk melihat korelasi antara 2 variabel
kuantitatif dengan jenis data numerik dan numerik. Uji korelasi berfungsi untuk
mengetahui derajat atau keeratan hubungan dan mengetahui arah hubungan dua
variabel numerik. Misalnya: apakah hubungan berat badan dan tekanan darah
mempunyai derajat hubungan yang kuat atau lemah dan apakah kedua variabel tersebut
berpola positif atau negatif.

Rumusnya adalah seperti berikut ini

 +(∑?@)A(∑? ∑@)
𝑟=
B[+∑?! A(∑?)! ] [+∑@! A(∑@)! ]

Keterangan: n = jumlah sampel

X = nilai pada ordinat X
Y = nilai pada ordinat Y

Nilai korelasi ( r ) berkisar 0 s.d. 1 atau bila dengan disertai arahnya nilai antara -1 s.d.
+1
ü r = 0 maka tidak ada hubungan linier
ü r = -1 maka hubungan linier negatif sempurna
ü r = +1 maka hubungan linier positif sempurna

Hubungan dua variabel dapat berpola positif maupun negatif.

• Hubungan positif terjadi bila kenaikan satu variabel diikuti kenaikan variabel
yang lain. Misalnya, semakin bertambah berat badannya (semakin gemuk)
semakin tinggi tekanan darahnya.
• Hubungan negatif dapat terjadi bila kenaikan satu vaiabel diikuti penurunan
variabel yang lain. Misalnya, semakin bertambah umur (semakin tua) semakin
rendah kadar Hb-nya

Menurut Colton, kekuatan hubungan dua variabel secara kualitatif dapat dibagi dalam
empat area sebagai berikut:
ü r = 0,00 – 0,25 -> Tidak ada hubungan/ hubungan lemah
ü r = 0,26 – 0,50 -> Hubungan sedang
ü r = 0,51 – 0,75 -> Hubungan kuat
ü r = 0,76 – 1,00 -> Hubungan sangat kuat/ sempurna

Apabila ketentuan uji –r diatas tidak memenuhi syarat (misalnya data tidak
berdistribusi normal), uji korelasi product moment tidak dapat dilakukan, maka
digunakan uji alternative yaitu uji non parametrik spearman rho.

2) Independent T-test (Uji T Independen)

Uji independent t-test merupakan uji parametrik yang tujuannya untuk menguji
perbedaan rata-rata dua kelompok data independent, atau dapat juga di definisikan
untuk membandingkan nilai mean (rata-rata) dua kelompok data independent. Skala
data dalam uji ini adalah interval atau ratio. Asumsi atau syarat yang harus dipenuhi
dalam uji ini adalah:
 a) Data harus berdistribusi normal
b) Kedua kelompok data merupakan variabel independen
c) Variabel yang di uji adalah berbentuk numerik dan kategorik dengan hanya dua
kelompok data.

Rumusnya adalah seperti berikut:

(XE − X" )
𝑇=
1 1
Sp;(n ) + (n )
E "

"
(n1 − 1) SE" + (n1 − 1) S""
Sp =
n1 + n2 − 2

𝑑f = n1 + n2 − 2

Keterangan:
n1 atau n2 = jumlah sampel kelompok 1 atau 2
S1 atau S2 = standar deviasi sampel kelompok 1 dan 2

Contoh :
1. Seorang peneliti ingin melakukan studi tentang ‘’perbedaan mean berat badan
akseptor KB suntik 1 bulan dengan KB suntik 3 bulan‘’. Penelitian tersebut akan
menghasilkan mean berat badan (kg) untuk kelompok KB suntik 1 bulan , juga
akan menghasilkan mean berat badan untuk kelompok pengguna KB suntik 3 bulan
. masing-masing kelompok menghasilkan data (berat badan) yang bersifat numerik.
2. Seorang peneliti lainnya ingin menguji ‘’evektivitas penggunaan tablet besi dan A
dalam meningkatkan HB ‘’ penelitian ini terdiri dari 2 kelompok (kelompok yang
diberikan tablet besi (fe) dengan kelompok yang diberikan obat A). Kedua
kelompok (masing-masing kelompok) akan menghasilkan nilai rata-rata HB. Data
yang dihasilkan numerik. penelitiannya bermakusd membandingkan apakah
pemebrian fed an obat efektif dalam meningkatkan HB.

Apabila ketentuan independent t-test di atas tidak memenuhi syarat (misalnya

data tidak berdistribusi normal), uji korelasi product moment tidak dapat dilakukan,
maka digunakan uji alternative yaitu uji non parametrik mann-whitney.

3) Dependent T-test (Uji T Dependen)

 Uji T dependen atau yang biasa juga disebut paired t-test merupakan uji
parametrik yang tujuannya untuk menguji perbedaan rata-rata dua kelompok data
dependen. Skala data dalam uji ini adalah interval atau ratio. Asumsi atau syarat yang
harus dipenuhi dalam uji ini adalah:
d) Data harus berdistribusi normal
e) Kedua kelompok data merupakan variabel dependen
f) Variabel yang di uji adalah berbentuk numerik dan numerik

Rumusnya adalah seperti berikut ini:

d
T=
SD_d/√n

d = rata-rata deviasi / selisih sampel 1 dengan sampel 2

SD_d = standar deviasi dari deviasi

Contoh:
1. Seorang peneliti ingin melakukan studi tentang ‘’pengaruh senam lansia terhadap
peningkatan heart rate pada sekelompok lansia di desa X‘’. Senam lansia adalah
independent variabel, sedangkan heart rate adalah dependent variabel. Selanjutnya
sebelumnya senam dilakukan , peneliti melakukan pengukuran heart rate (pre).
Setelah senam lansia, pengukuran heart rate yang kedua (post) kembali dilakukan .
cara ini termasuk matching (dipasangkan) karena pengukuran pre dan post
dilakukan pada orang yang sama (dependent sample) lebih lanjut, peneliti akan
menguji apakah senam lansia berpengaruh terhadap peningkatan heart rate atau
peneliti akan mencari apakah ada perbedaan heart rate antara pre dan post senam
lansia.
2. Seorang peneliti melakukan studi tentang pengaruh KB suntik terhadap peningkatan
systolic blood pressure (mmHG) terhadap 30 orang ibu di desa B. sebelum dan
setelah (pre-post) diberikan KB suntik akan dilakukan pengukuran terhadap stytolic
blood pressure . selanjutnya akan dilakukan uji statistic dengan menguji perbedaan
mean styolic blood pressure sebelum dan setelah pemberian KB suntik.

Apabila ketentuan dependent t-test di atas tidak memenuhi syarat (misalnya data
tidak berdistribusi normal), uji korelasi product moment tidak dapat dilakukan, maka
digunakan uji alternative yaitu uji non parametrik wicoxon.
4) One Way Anova
Pada saat melakukan penelitian sering kali kita meneliti suatu variabel yang lebih
dari dua kelompok, jika itu terjadi maka uji yang tepat digunakan adalan uji anova. Uji
anova disebut juga uji F atau sering juga disebut beda dua mean lebih dari dua
kelompok. Uji anova merupakan uji parametrik yang tujuan uji ini adalah untuk
membandingkan rata-rata dari lebih dari dua kelompok data (minimal 3 kelompok). Uji
anova mempunyai dua jenis, yaitu one way anova (varian satu factor) dan two way
anova (varian dua factor). Syarat atau asumsi yang harus dipenuhi pada uji ini adalah:
a) Data harus berdistribusi normal
b) Varian homogen
c) Sampel/kelompok independent
d) Data dihubungkan adalah numerik dengan katagorik (lebih dari 2 kelompok)

Rumusnya adalah seperti berikut ini:

𝑆𝑏 "
F=
𝑆𝑤 "

df = k – 1 = untuk pembilang
n – k = untuk penyebut

(n1 − 1)S2" + . . . . . . . . . +(nk − 1)Sk "

Sw " =
N−k

"
𝑛1(𝑋1 − X)" + 𝑛2(𝑋2 − X)" . . . . . . . . . +𝑛𝑘(𝐾𝑘 − X)"
Sb =
k−1

n1. X1 + n2. X2 . . . . . . . . . + nk. Xk

X=
N

Keterangan:
N = Jumlah seluruh data (n1 + n2 + ……. + nk)

Langkah-langkah dalam melakukan perhitungan one way anova , antara lain:

a) Menentukan homogenitas (sudah dilakukan)
b) Menghitung mean dan standar deviasi masing-masing kelompok
c) Menghitung mean total
d) Menghitung varians antara (between) kelompok
e) Menghitung varians dalam (within) dalam masing-masing kelompok
f) Menghitung nilai F
 g) Melihat nilai F tabel untuk mendapat nilai p
h) Bandingkan nilai p dengan nilai α
i) Membuat keputusan pengujian hipotesis

Berikut disajikan beberapa contoh penelitian yang dapat menggunakan one way
ANOVA:
1. Seorang peneliti ingin melakukan studi tentang perbedaan mean Hb pada ibu hamil
trimester I,II dan III. Dalam hal ini, yang diuji adalah Hb dari 3 kelompok ibu hamil
tersebut. Misalnya ibu hamil trimester I berjumlah 12 ibu hamil, trimester II terdapat
11 ibu hamil (seharusnya 12 terapi loss of contact 1 orang), dan trimester III
berjumlah 12 ibu hamil. Selanjutnya mean masing-masing kelompok diukur dan
diuji menggunakan one way ANOVA.
2. Seorang peneliti ingin melakukan studi “apakah terdapat perbedaan mean
penurunan systolic blood pressure akibat perbedaan posisi pengukuran blood
pressure? Kelompok A diukur dengan posisi berbaring, Kelompok B dengan posisi
setengah duduk, Kelompok C dengan posisi duduk, dan kelompok D dengan posisi
berdiri. Selanjutnya mean masing-masing kelompok diukur dan diuji menggunakan
one way ANOVA.
3. Seorang peneliti ingin melakukan studi tentang “perbedaan mean stress level pada
3 kelompok ibu hamil: kelompok ibu hamil di kota, di daerah transisi serta
kelompok ibu hamil di desa”.

b. Non Parametrik Test

Uji non parametrik biasanya digunakan jika tidak dapat dilakukan uji parametrik,
oleh sebab itu uji non parametrik juga disebut sebagai uji alternative dari uji parametrik.
Pada uji parametrik terdapat beberapa syarat atau asumsi, sedangkan pada uji non
parametrik tidak demikian. Pada umumnya uji non parametrik memilki sifat sebagai
berikut:
• Data tidak harus berdistribusi normal (boleh berdistribusi tidak normal)
• Data bersifat katagorikal (normal atau ordinal)
• Biasanya dipakai sebagai uji alternative dari parametric test (bila parametric test tidak
memenuhi syarat maka diganti menjadi non parametric test)

1) Spearman (rho)
Uji spearman rho biasa juga disebut uji korelasi rank spearman atau korelasi
berjenjang. Uji ini merupakan uji alternative dari uji korelasi person product moment.
Yang tujuannnya adalah untuk mengukur tingkat atau eratnya hubungan antara variabel
independen dengan variabel dependen.
 Rumus uji korelasi rank spearman adalah sebagai berikut:
6 ∑ d"
r3 = 1 −
n(n" − 1)

Keterangan:
𝑟F = Nilai korelasi Rank Spearman
𝑑 " = Selisih setiap pasangan rank
n = Jumlah pasangan rank untuk sperman ( 5 < n < 30 )

Contoh:
1. Penelitian ingin meneliti tentang hubungan antara perawat senior dan perawat yunior
dalam memberikan penilaian terhadap 10 orang pasien tentang perkembangan
komunikasi pasien setelah dirawat selama satu minggu di rumah sakit. Dalam hal ini,
ada 2 orang perawat (senior dan yunior) yang akan memberikan penilaian terhadap 10
orang pasien. Selanjutnya, penlilain (skor) yang diberikan oleh perawat senior dan
perawat yunior masing-masing akan diranking.
2. Seorang peneliti ingin meneliti tentang “hubungan antara tingkat kesibukan dengan
stress level perawat yang bekerja intensive care unit.” Kedua variabel tersebut berskala
ordinal.

2) Chi Square Test

Salah satu uji yang paling sering digunakan untuk penguji hipotesis dalam penelitian
adalah uji Chi Square. Uji chi square termasuk dalam uju non parametrik yang tujuannya
untuk menguji perbedaan proporsi (comparativ) dan mengetahui ada tidaknya hubungan
antara variabel independent dengan variabel dependen yang kedua datanya merupakan
data dengan skala nominal atau ordinal.

Berikut ini adalah rumus Chi square:

"
(O − E)"
X = Q
E

Keterangan:
O = Observed / frekuensi yang diamati
E = Ekpacted / yang diharapkan
df = (b-1) (k-1)
b : jumlah baris
k : jumlah kolom
Jenis Uji Chi Square:
• Goodness of fit tests: Tes yang digunakan untuk mengetes apakah suatu data yang telah
kita peroleh ini sesuai (fit) dengan distribusi yang pilih.
• Test of homogenity: Tes untuk membuktikan bahwa dalam populasi yang berbeda
terdapat beberapa kesamaan proporsi karateristik
• Test of independence: Suatu tes yang bertujuan untuk membuktikan bahwa variabel di
kolom dan baris saling tidak berhubungan

Perhitungan dalam Uji Chi Square:

1. Jika baris > 2 dan atau kolom > 2 dan chi square memenuhi syarat maka gunakan
rumus:
(O − E)"
X" = Q
E

2. Jika tabel 2x2 dan chi square memenuhi syarat maka gunakan rumus:
G(',A9H)!
X " = ('8H)(98,)('89)(H8,)

Keterbatasan Uji Chi Square:

• Jumlah sel dengan frekuensi yang diharapkan kurang dari 5 tidak bole lebih dari 20%
dari jumlah seluruhnya
• Tidak satu sel pun boleh memiliki frekuensi yang diharapkan kurang dari 5
• Kalau ditemukan kondisi di atas apabila table silang lebih dari 2x2 maka dilakukan
penggabungan sel, dan jika tabel 2x2 maka uji yang digunakan adalah Fisher Exact
Test.

Contoh:
1. Seorang peneliti ingin melakukan penelitian tentang “pengaruh aktivitas fisik tehadap
kejadian hipertensi”. Aktivitas fisik merupakan variabel independent dengan skala
nominal dan dikategorikan menjadi (aktivitas fisik cukup dan kurang), sedengkan
variabel dependen nya adalah kejadian hipertensi dengan skala nominal dan
dikategorikan menjadi (hipertensi dan tidak hipertensi).
2. Seorang peneliti ingin melakukan penelitian tentang hubungan antara pengetahuan ibu
dengan kejadian stunting. Variabel pengetahuan merupakan variabel independent
dengan skala data ordinal dan dikategorikan menjadi (Pengetahuan rendah, cukup,
Tinggi), sedangkan variabel stunting merupakan variabel dependen dengan skala data
nominal dan dikategorikan menjadi (stunting dan tidak stunting/ normal).
3) Fisher’s Exact Test
Selanjutnya uji statistic yang juga paling sering digunakan oleh peneliti untuk
menguji hipotesisnya adalah adalah fisher’s exact test. Uji ini merupakan komparasi
proporsi dari dua kelompok sampel. Uji ini disajikan dalam bentuk tabel 2 x 2 yang
biasanya memiliki sampel kecil. Uji fisher’s exact test digunakan apabila uji chi square
tidak memenuhi ketentuan misalnya misalnya karena nilai frekuensi yang diharapkan
kurang dari 5 lebih dari 20% dari sel yang ada.
Menurut Arias (2000), fisher’s exact test digunakan untuk menguji data penelitian
yang menggunakan two-by-two table juga untuk penelitian dengan subjek yang sedikit.
Sedangkan menurut Polit and Beck (2003), Fisher’s exact test dapat digunakan bila jumlah
sampel (n) < 30 atau frekuensi salah satu cellnya adalah 0 (nol).

Rumus dari Fisher’s exact test adalah sebagai berikut:

(a + c)! (b + d)! (c + d)! (a + b)!

P=
N! a! b! c! d!

Contoh :
Penelitin yang dapat diuji dengan Fiesher’s exact test sama dengan Chi square test (tetapi
hanya untuk tabel 2 x 2, sample kecil dan nilai expected <5).

4) Mann-Whitney
Mann Whitney U Test adalah uji non parametris yang digunakan untuk
mengetahui perbedaan median 2 kelompok variabel independen apabila skala
data variabel dependennya adalah ordinal atau interval/ratio tetapi tidak berdistribusi
normal. Sumber data adalah 2 kelompok yang berbeda, misal kelas A dan kelas B di mana
individu atau objek yang diteliti adalah objek yang berbeda satu sama lain.
Uji Mann Whitney ini biasanya juga disebut dengan Wilcoxon rank sum test. Merupakan
pilihan uji non parametris apabila Uji Independennya tidak dapat dilakukan karena asumsi
normalitasnya tidak terpenuhi. Uji Man Whitney tidak menguji perbedaan Mean (rata-
rata) tetapi melainkan Median (nilai tengah) antara dua kelompok.

Adapun rumusannya seperti berikut ini:

nE (nE + 1)
UE = nE n" + Y − RE [
2
n" (n" + 1)
U" = nE n" + Y − R" [
2
 Ket:
nE = Jumlah sampel 1
n" = Jumlah sampel 1
UE = Jumlah peringkat 1
U" = jumlah peringkat 2
𝑅E = Jumlah rangking untuk sampel 𝑛E
𝑅" = Jumlah rangking untuk sampel 𝑛"

Contoh:
1. Seorang peneliti ingin meneliti apakah terdapat perbedaan antara 2 kelompok (training
group dan control group) dalam hal skala motivasi. Training group dan control group
adalah independent variables (nominal), sedangkan dependent variable-nya adalah
skala skor motivasi masing-masing kelompok yang akan dirangking (ordinal). Kedua
kelompok tersebut adalah independent sample (random sample), dimana masing-
masing kelompok < 10 sampel.
2. Seorang peneliti ingin melakukan penelitian tentang “perbedaan nilai kinerja tenaga
kesehatan dan tenaga Pendidikan”. Kedua kelompok adalah independent sampel.
Independent variabel nya adalah kelompok tenaga kesehatan dan tenaga pendidik
(nominal). Dependent variabel nya adalah nilai kinerja (nominal). Masing-masing
kelompok tidak lebih dari 10 sampel.

5) Wilcoxon Signed Rank Test

Wilcoxon rank test merupakan uji hipotesis yang cukup banyak digunakan dalam
analisis data penelitian. Uji Wilcoxon ini merupakan suatu uji yang digunakan untuk
membandingkan pengamatan/observasi sebelum dan setelah perlakukan/intervensi. Uji
ini digunakan untuk menguji hipotesis perbedaan antara 2 pengamatan. Ada beberapa
ketentuan uji Wilxocon, antara lain:
a. Uji yang digunakan pada satu sampel
b. Masing – masing sampel memiliki 2 pengamatan/observasi (pre-test dan post-test)
c. Skala data ordinal, interval atau rasio
d. Merupakan uji alternative dari uju t dependen (paired t test)

Adapun rumusnya adalah sebagai berikut:

T− µ
Z=
σ

Keterangan:
 T = Jumlah rangking terkecil

Contoh:
Seorang peneliti ingin melakukan “apakah terdapat perbedaan mean Hb sebelum dan
setelah pemberian Fe pada 10 ibu hamil?” terdapat 2 kelompok yang berpasangan
(matching) atau paired sample atau yang juga dikenal dengan dependent sample. Pada
penelitian ini, independent variabel nya adalah perlakuan berupa pemberian Fe sebelum
dan sesudah (nominal), sedangkan dependent variablenya adalah nilai atau skor Hb dari
kedua kelompok yang selisihnya di rank (ordinal). Peneliti selanjutnya mencatat Hb
sebelum dan sesudah treatment, kemudian menghitung perbedaan nilai sebelum dan
sesudah (paired different), langkah berikutnya adalah melakukan perankingan nilai kedua
kelompok.

6) Kruskal Wallis
Uji Kruskal Wallis adalah uji nonparametrik berbasis peringkat yang tujuannya
untuk menentukan adakah perbedaan signifikan secara statistik antara dua atau lebih
kelompok variabel independen pada variabel dependen yang berskala data numerik
(interval/rasio) dan skala ordinal Uji ini identik dengan Uji One Way Anova pada
pengujian parametris, sehingga uji ini merupakan alternatif bagi uji One Way Anova
apabila tidak memenuhi asumsi misalnya asumsi normalitas. Kruskal Wallis sebagai
perluasan dari uji Mann Whitney, di mana kita ketahui bahwa uji tersebut hanya dapat di
gunakan pada 2 kelompok variabel dependen. Sedangkan Kruskal Wallis dapat digunakan
pada lebih dari 2 kelompok misal 3, 4 atau lebih. Beberapa ketentuan uji Kruskal wallis
antara lain:
• Variabel independen berskala kategorik lebih dari 2 kategori.
• Variabel dependen berskala numeric (interval/rasio) atau skala ordinal.
• Independen artinya sampel ditiap kategori harus bebas satu sama lain, yaitu tidak boleh
ada sampel yang berada pada 2 kategori atau lebih

Adapun rumusnya adalah sebagai berikut:

12 R"E R"" R"I

H=Y ` + + + ⋯ b[ − [3(N + 1)]
N(N + 1) nE n" nI

Df= k-1

Keterangan:
N = Jumlah seluruh sampel
R = Jumlah masing-masing rangking
k = jumlah kelompok

Contoh:
1. Seoranh peneliti akan melakukan penelitian tentang jumlah kecelakaan yang terjadi
dalam setahun berdasarkan jenis kendaraan (mobil probadi, angkutan umum dan
truck). Independent variablenya adalah jenis kendaraan (3 kelompok dimana datanya
termasuk nominal) dan dependent variabelnya adalah jumlah kecelakaan yang nantinya
akan diranking sehingga skala menjadi ordinal. Maksudnya, jumlah kecelakaan dari
setiap kelompok atau jenis kendaraan masing-masing akan diranking.
2. Seorang penelitian ingin melakukan penelitian tentang perbedaan Hb pada 3 kelompok
ibu hamil G1,G2,dan G3 (independent variable berskala nominal). Masing-masing
kelompok diukur Hbnya lalu dibuatkan ranking nilai Hb dari masing-masing
kelompok, selanjutnya diuji dengan rumus Kruskal Wallis.
DAFTAR PUSTAKA

Sutriyawan, A. (2021). Metodologi Penelitian Kedokteran dan Kesehatan: Dilengkapi

Tuntunan Membuat Proposal Penelitian. Bandung: PT Refika Aditama.