TUGAS MANAJEMEN OPERASIONAL VALUE STATISTIK

DI RUMAH SAKIT
DOSEN : Prof.Dr.Cecilia Widiyaningsih, SMP, SKM, M.Kes

(KELOMPOK 10)

DISUSUN OLEH :
Nama:
Deris Chandra Vavinta (236080335)
Dina Lorenza (236080301)
Lathifa An Nada Rahma (236080298)
Nathania jesslyn (236080302)
Riris Sifa Fauziah (236080313)

KELAS 38G

PROGRAM PASCA SARJANA

MAGISTER ADMINISTRASI RUMAH SAKIT
UNIVERSITAS RESPATI INDONESIA
2023
TUGAS STATISTIK

1. UJI 2 MEAN (INDEPENDENT DAN DEPENDENT)

2. UJI BEDA LEBIH DARI DUA MEAN (ANOVA)

3. REGRESI LINEAR SEDERHANA

4. REGRESI LINEAR BERGANDA

Jawaban

1. UJI 2 MEAN (INDEPENDENT DAN DEPENDENT)

UJI BEDA DUA MEAN INDEPENDENT

Suatu Perawat Rumah Sakit melakukan pelatihan BHD kepada 10 Perawat unit A.
Untuk mengetahui pelatihan tersebut efektif atau atau tidak, maka dicatat skor pengetahuan
mereka terhadap pengetahuan BHD sebelum diberikan pelatihan dan sesudah diberi
pelatihan berikut adalah data skor nya : (angka dalam range nilai 0-100) dengan tingkat
kepercayaan 95% maka α= 0,05%.

TES HASIL PELATIHAN BHD

UNIT 60 50 55 40 50 65 45 35 65 60
A

Penget 1 1 2 1 1 2 1 1 2 2
ahuan

Keterangan : 1 Mengetahui , 2 Tidak mengetahui

Hipotesis

· H0 : µ₁=µ₂ (Tidak terdapat perbedaan hasil nilai pelatihan BHD di Unit A dan Unit B)
 · H¹ : µ₁ ≠ µ₂ (Terdapat perbedaan hasil nilai pelatihan BHD di Unit A dan unit
B)

Level signifikan

· Level kepercayaan 95% maka alfa = 5%

2 sampel independent yang berbeda → ketidaksamaan simpangan baku t-test

Dari data group statistic diatas maka didapatkan mean dari perawat unit A adalah 83,33
sedangkan untuk perawat unit B adalah 82,50.

Berdasarkan nilai sig.(2-tailed) memiliki nilai 0,93 berarti perbedaan pelatihan BHD
perawat unit A dan unit B bernilai tidak signifikan karena nilainya p>0,05.

UJI BEDA DUA MEAN DEPENDENT

Suatu Perawat Rumah Sakit melakukan pelatihan BHD kepada 10 Perawat unit A.
Untuk mengetahui pelatihan tersebut efektif atau atau tidak, maka dicatat skor pengetahuan
mereka terhadap pengetahuan BHD sebelum diberikan pelatihan dan sesudah diberi
 pelatihan berikut adalah data skor nya : (angka dalam range nilai 0-100) dengan tingkat
kepercayaan 95% maka α= 0,05%.

TES HASIL PELATIHAN BHD

UNIT 60 50 55 40 50 65 45 35 65 60
A

Penget 1 1 2 1 1 2 1 1 2 2
ahuan

Pada hasil statistik deskriptif pada hasil pengetahuan dan perawat menunjukkan mean pada
pengetahuan sebesar 1,4 sedangkan mean pada perawat sebesar 83.

Berdasarkan hasil uji korelasi di atas maka menunjukkan tidak ada korelasi antara
pengetahuan dan perawat karena nilai sig. sebesar 0,930 yaitu p<0,05.
 Berdasarkan nilai dari Sig. (2-tailed) memiliki nilai 0,000 berarti perbedaan hasil
pengetahuan dan perawat pelatihan BHD bernilai signifikan karena nilainya p < 0,05.

2. UJI BEDA LEBIH DARI DUA MEAN (ANOVA)

Prosedur statistik yang digunakan untuk menentukan adakah perbedaan rata-rata antara
tiga kelompok atau lebih, berbeda secara bermakna atau tidak

A. DATA

PELATIHAN BHD

Karyawan UNIT A UNIT B UNIT C UNIT D UNIT

RS

1 60 55 65 50 NILAI

2 50 90 40 45

3 55 85 35 60

4 40 70 70 35

5 50 90 65 70

6 65 75 75 80

7 45 95 85 95

8 35 65 90 85

9 70 70 45 65

10 45 100 95 75
 Suatu karyawan Rumah Sakit melakukan pelatihan BHD kepada 10 karyawan Rumah Sakit. Untuk
mengetahui pelatihan tersebut efektif atau atau tidak, maka dicatat skor pengetahuan mereka
terhadap pengetahuan BHD sebelum diberikan pelatihan dan sesudah dioberi pelatihan berikut
adalah data skor nya : (angka dalam range nilai 0-100) dengan tingkat kepercayaan 95%.

B. UJI NORMALITAS DATA

Berdasarkan analisa data menggunakan SPSS

Dengan menggunakan uji normalitas diperoleh nilai signifikansi (Sig.) masing-masing kelompok
berdasarkan Unit A p-value = 0,915, Unit B p-value = 0,718, Unit C p-value =0,526, Unit D p-
value = 0,986. Nilai-nilai tersebut > 0,05 sehingga dapat dkisimpulkan bahwa data masing-
masing kelompok terdistribusi normal. Dengan demikian, dapat dilakukan uji anova one way

1. Membuat hipotesis

· H0 : µ₁=µ₂= µ3 = µ4 : (Tidak terdapat perbedaan hasil nilai pelatihan BHD di unit A,

B,C,D

· H¹ : µ₁ ≠ µ₂ ≠µ3 ≠µ4( Terdapat perbedaan hasil nilai pelatihan BHD di Unit A,B,C,D

UJI PERHITUNGAN ANOVA DENGAN SPSS

A. UJI HOMOGENITAS
ONEWAY NILAI BY UNIT
/STATISTICS HOMOGENEITY

/MISSING ANALYSIS

/CRITERIA=CILEVEL(0.95)

/POSTHOC=TUKEY ALPHA(0.05).

Oneway

Dari tabel tests of homogeneity of Variances memperlihatkan p-value = 0,251. Karena nilai p-
value >0,05 maka H0 diterima. Dengan demikian, dapat disimpulkan bahwa perlakuan masing-
masing kelompok strata sosial memiliki varian yang sama (homogen) sehingga telah memenuhi
syarat
ANOVA untuk diuji
anova
NILAI
Sum of
Squares df Mean Square F Sig.
Between 3926,875 3 1308,958 4,635 ,008
Groups
Within Groups 10167,500 36 282,431

Total 14094,375 39

Dengan menggunakan tabel ANOVA diperoleh bahwa nilai F hitung- 4,635 dan F tabel 4,635
dengan derajat kebebasan df1 - 3 dan df2 - 36, dari output tersebut menunjukkan bahwa nilai F
hitung = 4,635 < F tabel = 2,87, maka H0 ditolak, atau dengan menggunakan taraf kepercayaan
95%, nilai signifikan = 0,008 > 0,05 maka H0 ditolak
MAKA :

H1 ada perbedaan rata-rata nilai pelatihan BHD di Unit A,Unit B,Unit C, dan Unit D

Output pada tabel multiple Comparisons merupakan uji lanjut uji anova jika analisis yang
diperoleh pada uji anova signifikan. Pada analisis uji lanjut ini menggunakan metode tukey HSD
dan LSD untuk mengetahui pasangan mana yang berbeda. Adapun hasil yang diperoleh sebagai
berikut

1. Perbedaan rata-rata jumlah nilai peserta pelatihan antara Unit A dan Unit B beda rata-rata
adalah 28,00 dan nilai p didapatkan p = 0.004< 0,05 maka H0 ditolak. Maka didapatkan
kesimpulan ada perbedaan jumlah nilai peserta pelatihan di Rumah Sakit
2. Perbedaan rata-rata jumlah peserta pelatihan antara B dan Unit C beda rata-rata adalah
13,00 dan nilai p didapatkan p = 0,208 < 0,05 maka H0 ditolak. Maka di dapatkan
kesimpulan ada perbedaan jumlah nilai peserta pelatihan di Rumah Sakit
3. Perbedaan rata-rata jumlah peserta pelatihan antara C dan D beda rata-rata adalah 0,500
dan nilai p didapatkan p = 1,000 < 0,05 maka H0 di tolak. Maka yang didapatkan
kesimpulan ada perbedaan jumlah nilai peserta pelatihan di Rumah Sakit
 3. REGRESI LINEAR SEDERHANA

Analisis regresi linier sederhana digunakan untuk menguji pengaruh satu variabel bebas/variabel
independent (X) terhadap variabel terikat/variabel dependent (Y).

Contoh regresi linear sederhana Pengaruh Stress Kerja Terhadap Kinerja Pegawai

No Stress Kerja Kinerja Pegawai

1 20 25

2 22 24

3 23 21

4 25 26

5 24 25

6 28 30

7 30 27

8 18 20

9 21 22

10 27 26

11 17 20
a = angka konstan dari unstandardized coefficients. Dalam kasus ini nilainya sebesar 9,336.
Angka ini merupakan angka konstan yang mempunyai arti bahwa jika tidak ada Stres Kerja (X)
maka nilai konsisten Kinerja Pegawai (Y) adalah sebesar 9,336

b = angka koefisien regresi. Nilainya sebesar 0,640. Angka ini mengandung arti bahwa setiap
penambahan 1% tingkat Stres Kerja (X), maka Kinerja Pegawai (Y) akan meningkat sebesar
0,640

Kerena nilai koefisien regresi bernilai positif (+), maka dengan demikian dapat dikatakan bahwa
Stres Kerja (X) berpengaruh positif terhadap Kinerja Pegawai (Y). Sehingga persamaan
regresinya adalah Y = 9,336 + 0,640 X

Berdasarkan output diatas diketahui nilai signifikansi (Sig.) sebesar 0,001 lebih kecil < dari 0,05,
yang berarti terdapat pengaruh stress kerja (X) terhadap kinerja pegawai (Y)..

4. REGRESI LINEAR BERGANDA

Regresi linier berganda merupakan model persamaan yang menjelaskan hubungan
satu variabel tak bebas/ response (Y) dengan dua atau lebih variabel bebas/ predictor (X₁,
X₂,…Xn). Tujuan dari uji regresi linier berganda adalah untuk memprediksi nilai variable
tak bebas/ response (Y) apabila nilai-nilai variabel bebasnya/ predictor (X₁, X₂,..., Xn)
diketahui. Disamping itu juga untuk dapat mengetahui bagaimanakah arah hubungan
 variabel tak bebas dengan variabel - variabel bebasnya. Persamaan regresi linier berganda
secara matematik diekspresikan oleh :

Y = a + b₁ X₁ + b₂ X₂ + … + bn Xn

yang mana :
Y = variable tak bebas (nilai variabel yang akan diprediksi)
a = konstanta
b₁,b₂,…, bn = nilai koefisien regresi
X₁,X₂,…, Xn = variable bebas

Bila terdapat 2 variable bebas, yaitu X₁ dan X₂, maka bentuk persamaan regresinya adalah
:
Y = a + b₁X₁ + b₂X₂

Keadaan-keadaan bila koefisien-koefisien regresi, yaitu b₁ dan b₂ mempunyai nilai :

● Nilai=0. Dalam hal ini variabel Y tidak dipengaruh oleh X₁ dan X₂
● Nilainya negative. Disini terjadi hubungan dengan arah terbalik antara variabel tak
bebas Y dengan variabel-variabel X₁ dan X₂
● Nilainya positif. Disini terjadi hubungan yang searah antara variabel tak bebas Y
dengan variabel bebas X₁ dan X₂

Koefisien-koefisien regresi b₁ dan b₂ serta konstanta a dapat dihitung dengan menggunakan rumus
:

a = (∑Y) - (b₁ X ∑x₁) - (b₂ X ∑x₂)

n

b₁ = [(∑X₂² x ∑X₁y) - (∑x₂y x ∑x₁x₂)]

[(X₁² x ∑X₂²) - (∑X₁ x X₂)²]

b₂ = [(∑X₁² x ∑X₂y) - (∑X₁y x ∑X₁X₂)]

[(∑X₁² x ∑x₂²) - (∑X₁ x X₂)²]

Metode alternatif, yaitu metode matriks (metode kuadrat terkecil) dapat digunakan untuk
menentukan nilai a, b₁ dan b₂. Metode ini dilakukan dengan cara membuat dan menyusun suatu
persamaan sebagi berikut :

an + b₁ ∑X₁ + b₂∑X₂ = ∑Y
a∑X₁ + b₁∑X₁² + b₂∑X₁X₂ = ∑X₁Y
 a∑X₂ + b₁∑X₂X₁ + b₂∑X₂² = ∑X₂Y

Koefisien Determinasi (r2 )

● Untuk mengetahui prosentase pengaruh variable-variable X1 dan X2 terhadap
variable Y digunakan koefisien determinasi
● Besarnya r2 dihitung dengan rumus :

𝑟 2 = (𝑏1 ∑ 𝑥1 𝑦) + (𝑏2 ∑ 𝑥2𝑦) ∑ 𝑦 2

● Apabila r 2 bernilai 0 , maka dalam model persamaan regresi yang terbentuk, variasi
variable tak bebas Y tidak sedikitpun dapat dijelaskan oleh variasi variable-variable
bebas X1 dan X2 •
● Apabila r 2 bernilai 1, maka dalam model persamaan regresi yang terbentuk,
variable tak bebas Y secara sempurna dapat dijelaskan oleh variasi variablevariable
bebas X1 dan X2.

Koefisien Korelasi Ganda (r)

● Untuk mengetahui seberapa besar korelasi secara serentak/ simultan antara variable-
variable X1, X2, ...., Xn dengan variabel Y dapat digunakan koefisien korelasi ganda.
● Besarnya nilai koefisien korelasi ganda dapat dihitung dengan rumus :
𝑟 = √𝑟 2 = √ (𝑏1 ∑ 𝑥1 𝑦) + (𝑏2 ∑ 𝑥2𝑦) ∑ 𝑦2
● Nilai r : -1 ≤ r ≤ +1. Apabila nilai r mendekati nilai +1 atau – 1,
maka dapat dikatakan bahwa semakin kuatnya hubungan/korelasi
yang terjadi. Sebaliknya, apabila nilai r mendekati 0, maka
semakin lemahnya hubungan/korelasi yang terjadi.

Kesalahan Baku Estimasi (Standart Error Estimate)

Kesalahan baku estimasi digunakan untuk melihat apakah persamaan regresi yang
terbentuk tepat/ kurang tepat dipakai untuk mengestimasi/ memprediksi variabel response Y. Jika
kesalahan bakunya besar, maka persamaan regresi yang dibentuk kurang tepat dipakai untuk
mengestimasi. Hal ini disebabkan karena selisih nilai antara variable response Y estimasi dengan
Y kenyataan akan besar. Secara matematik kesalahan baku estimasi diekspresikan oleh :

𝑆𝑒(𝑆𝑦𝑥) = √ ∑ 𝑌2 − (𝑎 ∑ 𝑌) − (𝑏1 ∑ 𝑋1𝑌) − (𝑏2 ∑ 𝑋2𝑌) / 𝑁 − 3

Contoh kasus:
 Akan dilakukan penelitian apakah terdapat hubungan antara pengaruh variabel motivasi
(X1) dan Variabel minat (X2), terhadap variabel prestasi. Data penelitian ini mempunyai sebanyak
12 sample karyawan Rumah Sakit X.

No. Responden Motivasi (X1) Minat (X2) Prestasi (Y)

1 75 75 80

2 60 70 75

3 65 70 75

4 75 80 90

5 65 75 85

6 80 80 85

7 75 85 95

8 80 88 95

9 65 75 80

10 80 75 90

11 60 65 75

12 67 70 75