< Seri Evidence Based Medicine 1 M. Sopiyudin Dahlan NTT a ee MACS ELC Fj{S| Penerbit -3|Salemba Medika“LIHATLAH GAMBARAN BABI BESARNYA. TEORI SEDERHANA PROSEDUR PEMILIHAN UJI HIPOTESIS Pembaca memahami Statistik Deskriptif. Pembaca mampu memahami alur berpikir yang benar untuk menentukan uji hipotesis yang sesuai secara teoretis untuk analisis bivariat: Hipotesis komparatif skala pengukuran numerik, dua ketompok data. Hipatesis komparatif skala pengukuran numerik > 2 ketompok data. Hipotesis komparatif skala pengukuran kategorik kelompok data tidak berpasangan. Hipotesis komparatif, skala pengukuran kategorik, kelompok data berpasangan. e. Hipotesis korelatif. Pembaca mampu memahami alur berpikir yang benar untuk me- nentukan uji hipotesis yang sesuai secara teoretis untuk analisis multivariat. Di mana kita berada? |. Statistik deskriptif analisis bivariat dan multivariat A. STATISTIK DESKRIPTIF Statistik deskriptif akan membawa Anda pada pemahaman rentang karakreristik data yang Anda miliki. Statistik deskriptif ini harus selalu mendahului statistik analiris. Karena pentingnya statistik deskriptif ini, para ahli selalu mengatakan: Krow your data, what kind of data you have! Berikut ini merupakan catatan utama berkaitan dengan statistik deskriprif.2 Stensbit ontud Keconteran dan Kesehatan 1. Wariabel kategorik Berkaitan dengan gambaran karakteristik satu set dara dengan skala pengukuran kategorik, Anda mengenal istilah jumlah atau frekuensi tiap kategori (n) dan persentase tiap kategori (%) yang umumnya disajikan pepe ee dalam bentuk tak = = Jenis Kelamin Lakilale 22 oa) Perempuan 28 56 Tingkat Pendidikan Flendah iD 20 Sedang e 50 Tinggi 15 30 Total 50 100 Tabel 1.1 Contoh deskripsi variabel kategorik dalam bentuk tabel Graft. Sebaran respondon bordssarkan tingkat pandkan (r=90) reed tingket pendidikan Gambar 1.1 Contoh penyajian variabel kategorik dalam bentuk grafik batang Berikut ini merupakan contoh penyajian variabel dengan skala pengukuran kategorik dalam bentuk grafik batan, 2. Variabel numerik Berkaitan dengan gambaran karakteristik satu set data dengan skala pengukuran numerik, Anda mengenal dua parameter yang lazim digunakan, yaitu parameter ukuran pemusatan dan parameter ukuran penyebaran. Anda mengenal beberapa parameter untuk ukuran pemusatan, yaitu mean, median, dan modus. Untuk parameter ukuran penyebaran, Anda mengenal standar deviasi, varians, koefisien varians, interkuartil, range, dan minimum-maksimum. Data variabel dengan skala pengukuran numerik umumnya disajikan dalam bentuk tabel dan geafik (bistogran: dan plots). Berikut ini merupakan contoh penyajianTeori Sedertana Prosedur Perniitan tii Hipotesis 3 variabel dengan skala pengukuran numerik dalam bencuk tabel dan histogram. Tabel 1.2 Contoh penyajian variabel numerik dalam bentuk tabel Variabel Rerata__ Median Simpang Baku Minimum Maksimum, Usia . 47 12,86 69 Barat Sadan 50,4 50 8,33 45 64, Histagram Frequency ‘umur responden Gambar 1.2 Conteh penyajian variabel numerik dalam bentuk histogram Kapan Anda memilih mean, median atau modus sebagai ukuran pemusatan? Kapan pula Anda memilih standar deviasi atau minimum- maksimum sebagai ukuran penyebar: Arana Jika data mempunyai distribusi normal, Anda dianjurkan untuk memilih mean sebagai ukuran pemusatan dan standar deviasi (SD) sebagai ukuran penyebaran. Dalam kasus di atas (Tabel 1.2), jika variabel usia mempunyai distribusi normal, Anda menuliskan: Rerata usia responden adalah 46,69 (SD 12,56). Jika distribusi data tidak normal, Anda dianjurkan untuk memilih median sebagai ukuran pemusatan dan minimum-maksimum sebagai ukuran penyebaran. Dalam kasus di atas (Tabel 1.2), jika variabel usia berdistribusi tidak normal, Anda dianjurkan untuk menuliskan rerata usia responden adalah 47 (15-69). Untuk mempelajari bagaimane membuat deskripsi variabel kategonk, deskripsi variabel numerik, dan bagalmana cara mengetahul distribusi suatu variabel numerik merniliki distribusi normal atau tidak dengan menggunakan, SPSS, silakan pelajari Bab Il,4 Stonstkt ents Kectokteran aan Kesehatan B. STATISTIK ANALITIS BIVARIAT Pertanyaan yang sering muncul dalam analisis data adalah: Uji hipotesis apa yang Anda pakai uniuk menguji set data yang Anda miliki? Jawabannya tentu saja: Anda menggunakan uji hipotesis yang sesitai, Uji hipotesis yang sesuai akan membawa kita pada pengambilan kesimpulan yang sahih, Akan tetapi, untuk mencapai keputmsan untuk menggunakan uji tertentu, tentu saja harus didasari berbagai pertimbangan, Pertinrbangan apa saja yang harus kita pikirkan untuk ntenentukan uji bipotesis? Tahukah Anda dengan berpedoman ada tabel uji hipatesis (Tabel 1.3) ‘Anda sudah bisa menentukan sebagian besar uj! hipotests yang sesual dengan set data yang Anda miliki? Tabel 1.3 Tabel uji hipotesis bivariat Wasaiah Skala ‘Jarie Wipowesis (aeoelR8i) pergukuian Ramparatit Tidak berpasangan erpasangan Korlatt Numark Praompek =e Ehslompox | > 2 clamor kalompak Optica One vay T Repeated Pearson“ borposangan ANOWA | borpasangan | ANOVA ce Mann Whitney Kruetal | Wieoxan | Friedman ‘Spearman Somers’ I Gamma Kavagark MeNomar, Coanran Keoficior (Nominal Ordinal) Marginal Homoganoity kantngonsi Kolmogoroy-$mimnow ‘Wicoxon, Friedman Lambda (label B x K) (atinsip Pac ky Keterangan Uji dengan tanda * merupakan uji parametrik, Tanda panah ke bawah menunjukkan uji alternatif jika syarat uji parametrik tidak terpenuhi, Untuk hipotesis komparacif numerik, perlu diperhatikan banyaknya kelompok, Untuk hipotesis komparatif kategorik tidak berpasangan, pemilihan uji menggunakan “tabel Bx K". Untuk hipatesis komparatif kategorik berpasangan, pemilihan uji menggunakan “prinsip P x K".Teori Sedertana Prosedur Perniitan tii Hipotesis 8 Dengan berpedoman pada tabel di atas, sesungguhnya Anda sudah dapat menentukan uji hipotesis yang sesu miliki. dengan set data yang Anda Langkah-langkah penggunaan tabel uji hipotesis adalah sebagai berikut. 1 2 a. 4. 5 Menentukan variabel yang dihubungkan. Menentukan jenis hipotesis, Menentukan masalah skala pengukuran, Menentukan berpasangan/tidak berpasangan. Menentukan jumlah kelompok atau menentukan jenis tabel Bila jenis hipotesis komparatif numerik, tentukan banyaknya kelompok. Bila jenis hipotesis komparatif kategorik tidak berpasangan, tentukan jenis tabel Bx K. Bila jenis hipotesis komparatif kategorik berpasangan, tentukan jenis “prinsip P x K”. Dengan demikian, Anda dapat menentukan uji hipotesis bivariat dengan berpedoman pada Tabel 1.3 dengan syarat Anda harus memahami beberapa istilah: NAYES PE Skala pengukuran: kategorik atau numerik, Jenis hiporesis: komparatif atau korclatif. Masalah skala pengukuran: numerik atau kategorik. Pasangan: berpasangan atau tidak berpasangan. Jumlah kelompok: Syarat uji parametrik dan nonparametrik. Prinsip tabel Bx K dan Px K, kelompok atau > 2 kelompok, Marilah kita bahas pengertian dasar dari istilah-istilah tersebut satu demi satu. Pemahaman ketujuh istilah ini sangat penting. Oleh karena itu, fokuslah untuk memahami tujuh istilah6 Statist untuk Kedokeran dan Kesehatan Istilah pertama: Skala pengukuran variabel Pemahaman tentang skala pengukuran variabel, menggambarkan pemahaman terhadap data yang Anda miliki. Pada tabel uji \ peste (Tabel 1.3), skala pengukuran variabel dibagi menjadi kategorik (nominal-ordinal) dan numerik (rasio- interval). Apa yang dimaksud dengan skala pengukuran variabel? Lihatlah dengan saksama Tabel 1, Dengan melihat Tabel 1.4, apakah Anda dapat membedakan variabel kategorik (nominal-ordinal) dan numerik (rasio-interval) Apakah perbedaannya? Dapatkah Anda memberikan contoh lainnya? Tabel 1.4 Skala pengukuran variabel ‘SKALA PENGUKURAN NUMERIKINON KATEGORIKT KATEGOAIK) KUALITATIF KUANTITATIE Neminal Tnterval Gentoh : Jenis Kelamin Sontoh : Suhu Badan Lakitaki Perempuan ‘Ordinal Rasio ‘Canioh : Tingkat pendidixan Canioh : - Berat Badan Pondigikan rendah Tinggi bedan Pendidikan manengah ~ Kadar gula darah Pendidikan tinggi ~ Kader Kolesterol Klasifikast Kadar Kolestarol Rondah Normal Tinggi Kesepakatan Dalam berbagai buku rujukan, ada beberapa istilah yang digunakan dalam klasifikasi skala pengukuran antara lain kategorik-nonkategorik dan kualitatif-kuantitatif. Dalam program SPSS, digunakan istilah seale untuk istilah kuantitatif dan nonkategorik. Dalam buku ini, penulis memakai istilah kategorik untuk mewakili istilah knalitatif dan istilah simerik untuk mewakili istilah nankategorik dan kuantiratif. Nominal dan Ordinal (Kategorik) Variabel nominal dan variabel ordinal discbut sebagai variabel kategorik karena variabel tersebut mempunyai kategori variabel. Sebagai contoh ‘Jenis kelamin’ adalah variabel, sedangkan ‘laki-laki’Teori Sedsrtana Prosedur Pemitinan Ui Hipotes’s 7 bel, ‘Klasifi adar kolesterol’ , ‘sedang’, dan ‘buruk’ adalah dan ‘perempuan’ adalah kategori va adalah variabel, sedangkan ‘bai kategorinya. Berdasarkan kategori inilah Anda dapat membedakan variabel nominal dan variabel ordinal. Variabel nominal mempunyai kategori yang sederajat atau tidak bertingkat (contoh: variabel jenis kelamin dengan kategori laki-laki dan perempuan) sedangkan variabel ordinal mempunyai kategori yang tidak sederajat atau kategori yang bertingkat (contoh: variabel kolesterol dengan kategori kadar kolesterol baik, kadar kolesterol sedang, dan kadar kolesterol buruk). Rasio dan Interval (Numerik) Variabel rasio dan interval disebut sebagai variabel numerik karena variabel rersebut tidak mempunyai kacegori variabel. Anda dapat membedakan variabel rasio dan interval berdasarkan nilai nolnya, Apabila variabel tersebut mempunyai nilai nol alami (seperti tinggi badan, berat badan, jarak), maka Anda menyeburnya sebagai variabel rasio. Apabila variabel tersebut tidak mempunyai nilai nol alami (seperti suhu), maka Anda menyebutnya scbagai variabel interval. Perhatikan bahwa nol derajat pada skala Celcius berbeda dengan nol derajat pada skala Fahrenheit!!! Lambang skala pengukuran dalam SPSS Perhatikan lambang skala pengukuran variabel yang dapat Anda temukan pada program SPSS. Program SPSS tidak membedakan variabel rasio dengan interval. Dalam SPSS, variabel rasio dan interval disebut sebagai variabel scale. Anda perhatikan, bahwa variabel scale dilambangkan dengan sebuah penggaris untuk mewakili contoh variabel scale (ukuran panjang ~ Nominal Gambar 1.3 Simbol skala pengukuran pada SPSS adalah salah satu contoh variabel scale). Variabel ordinal dilambangkan dengan suatu tangga bertingkat untuk menunjukkan kategori dalam variabel ordinal tidak sederajat. Adapun variabel nominal dilambangkan dengan bulatan-bulatan bola untuk memunjukkan kategori dalam variabel nominal adalah sederajat.8 Stabstit untid Kecoteran aan Kesehatan gle Istilah kedua: Jenis hipotesis ant | Anda harus mengetahui apa yang dimaksud dengan wi AY pipotesis, hipotesis komparatif, dan hipotesis korelatif. Uji hipotesis adalah metode untuk mengetahui hubungan (association) antara variabel yang bisa dilakukan dengan dua cara, yaitu secara komparatif (comparazion) dan korelatif (correlation). Hal itulah yang mendasari pembagian uji hipotesis menjadi hiporesis komparatif dan hipotesis korelatif. Kesepakatan Dalam bahasa Inggris, terdapat perbedaan yang cukup jelas antara association, comparation, dan correlation. Akan tetapi, ketika direrjemahkan ke dalam bahasa Indonesia, ketiga kata terscbut diterjemahkan menjadi bubungan, Akibatnya, dalam bahasa Indonesia, pengertian ‘mencari hubungan’ bisa berarti mencari hubungan secara komparatif maupun secara korelatif, Kalau kita membaca kata ‘mencari hubungan’, maka akan timbul kerancuan apakah yang di id adalah mencari hubungan secara komparatif atau secara korelatif. Untuk menghindari kerancuan tersebut, dalam buku ini diambil kesepakatan sebagai berikut, Pada tabel uji hipotesis, jenis hiporesis dibagi menjadi dua, yaitu komparatif dan korelatif. Untuk membedakannya, perhatikan contoh scbagai berikut. Untuk menunjukkan bahwa metode yang dipakai untuk mencari hubungan antarvariabel adalah metade komparatif, maka digunakan kata Aubungan atau perbandingan. Sedangkan untuk menunjukkan bahwa metode yang digunakan untuk mencari hubungan antarvariabel adalah metode korelatif, maka digunakan kata korelasi. 1. Pertanyaan penelitian untuk hipotesis komparatif MM Apakah terdapat perbedaan rerata kadar gula darah antara kelompok yang mendapat pengobaran glibenklamid dan kelompok plasebo? @ Apakah terdapat bubengan antara kadar gula darah dengan jenis pengobatan yang diterima (glibenklamid dan plasebo)? @ = Apakah terdapat perbedaan terjadinya kanker paru antara perokok dan bukan perokok? Hl Apakah terdapat bubungan terjadinya kanker paru? tara perilaku merokok danTeori Sedsrhana Prosedur Perniihan tf Hiporesis 9 2. Pertanyaan untuk hipotesis korelatif BH) Berapa besar karelasi anrara kadar rrigliserida dan kadar gula darah? Dengan mengamati secara saksama kata kunci pada contoh pertanyaan penclitian di atas, Anda sudah mengetahui perbedaan jenis hipotesis tersebut. Apakah perbedaan hipotesis komparatif dengan korelatif? Perbedaan mendasar pada kedua uji di atas adalah pada output yang ingin diperolch. Bila peneliti ingin mengetahui asosiasi itu dengan parameter koefisien korelasi (r), maka gunakanlah hipotesis korelatif Namun apabila parameter yang diinginkan bukan koefisien korelasi tetapi ‘parameter yang lain’, maka gunakanlah hipotesis komparatif. Perlahan-lahan Anda akan belajar kapan memilih hipatesis korelatif dan kapan memilih hipotesis komparatif. Istilah ketiga: Masalah skala pengukuran numerik alau kategorik Dalam abel, masalah skala pengukuran dituliskan menjadi numerik dan kategorik, Bagaimana Anda mengelompokkan masalah ke dalam masalah numerik atau kategorik? Berikut ini adalah panduan yang dapat membantu Anda mengelompokkan masalah skala pengukuran. Untuk bipotesis kantparatif: - yang dimaksud dengan masalah skala kategorik adalah bila variabel yang dicari asosiasinya adalah variabel karegorik dengan variabel kategorik. + yang dimaksud dengan masalah skala numerik adalah bila variabel yang dicari asosiasinya adalah variabel kategorik dengan variabsel numerik, Untuk bipotesis korelatif: - yang dimaksud dengan masalah skala karegorik adalah bila salah satu variabel yang dicari asosiasinya adalah variabel kategorik. - yang dimaksud dengan masalah skala numerik adalah bila variabel yang dicari asosiasinya adalah variabel numerik dengan variabel numerik.10. Statsuk untuk Kedokteran dan Kesematan Tabel 1.5 Mengidentifikasi jenis analisis bivariat dengan menentukan skata pengukuran variabel | Nariabol yang dicari asosiasinya Jenis hipotesis = \stilahy Variabel 1 Variabel 2 Hipotesis komparatif | Kategorik Kategorik Komparatif kategorik | Kategorik Numerik Komparatif numerik | Numerik Numerik Hipotesis korelatif | Kategorik Kategorik Korelatif kategorik Kategori Numerik Korelatif kategonk Numerik Numerik Korelatif numenik as \ Istilah keempat dan kelima: Pasangan dan jumlah kelompok Anda harus mengetahui apa yang dimaksud berpasangan dan tidak berpasangan serta yang dimaksud dengan 2 kelompok dan > 2 kelompok, Penjelasannya dengan mudah dapat dijelaskan dengan contoh sebagai berikut. Cy llustrasi satu: dua kelompok tidak berpasangan, Anda mengukur tekanan darah subjek penelitian, Subjek 7 Peseltian erscburesasal dari dua kelompok, vaitu kelompok daerah rural dan kelompok dacrah urban, Nab, data tekanan darah kelompok rural adalah satu kelompok data sedangkan data tekanan darah kelompok urban adalah kelompok data yang lain, Dengan demikian, dart segi junilab, Anda punya dua kelompok data. Sedangkan dari segi berpasangan, Anda mempunyai kelompok data yang tidak berpasangan karena individu dai kedakslompok: data tersebut berbeda, f Thustrasi dua: dua kelompok berpasangen Ada sckelompok mahasiswa yang diukur berat badannya } — sebanyak dua kali, yaitu pada Bulan Januari 2003 dan Bulan Februari 2003. Nab, data berat badan mahasiswa pada Bulan Januari adalah satu kelompok data, Berat badan mahasiswa pada Bulan Februari adalah sekclompok data lagi. Dari segi jwnlab, Anda mempunyai dua kelompok data (yairu berat badan mahasiswa pada Bulan Januari dan Februari), Dari segi berpasangan, An berpasangan karena indi individu yang sama. mempunyai kelompok data yai iu dari kedua kelompok data adalahTeori Sederiana Prosedts Pemilinan Uji Hipotesis 11 llustrasi tiga: kelompok berpasangan karena matching Tlustrasi sama dengan ilustrasi pertama. Anda mengukur tekanan darah subjek penelitian yang berasal dari dua kelompok, yaitu kelompok dacrah rural dan kelompok daerah urban, Dalam proscdur pemilihan subjek penelitian, Anda melakukan 3B proses matching, yaitu setiap subjek dari kelompok rural dicarikan pasangannya yang mempunyai karakteristik yang sama dengan subjek dari kelompok urban, Dengan demikian, dari segi jonlab, Anda punya dua kelompok data. Sedangkan dari segi berpasangan, Anda mempunyai kelompok data yang berpasangan karena ada proses matching. Austrasi empat: keformpok berpasangan karena desain cross over ‘gh Jenis data kelompok berpasangan bisa juga diperoleh pada suatu Uji klinis yang menggunakan desain cross over, Pada desaim ini, pada periode tertentu subjek penclitian akan menerima obat A. 4 = Sctelah menyelesaikan obat A, subjek penclitian akan menerima obat B selama periode tertentu. Dengan cara ini, akan diperoleh data ketika subjek penelitian menggunakan obat A dan ketika subjck penclitian menggunakan obat b. Data obat A dengan data obat B dikatakan berpasangan karena data tersebut diperoleh dari individu yang s Berpasangan dan tidak berpasangan Dua atau lebih kelompok data dikatakan berpasangan spabila data tersebut dari individu yang sama baik Karena pengukuran berulang, proses maiching atau karena desain crossover. Dua atau lebin kelompok data dikatakan tidak berpasangan apabila data berasal dari subjek yang berbeda tanpa prosedur mateliing. Istilah kKeenam: Syarat uji parametrik dan Ke nonparametrik \ Anda harus mengerti apa yang menjadi syarat uji paramerrik dan nonparametrik, Apa syarat uji parametrik dan nonparametrik? Uji parametrik Untuk uji parametrik, terdapat tiga syarat yang perlu diperhatikan, yaitu skala pengukuran variabel, distribusi data, dan varians data12 Statik untuk Kedokteran dan Kesematan 1. Masalah skala pengukuran variabel: Skala pengukuran variabel harus variabel numerik. . Distribusi data: distribusi data harus normal. 3. Varians data: a. Kesamaan varians tidak menjadi syarat untuk uji kelompok yang berpasangan, b, Kesamaan varians adalah syaraé tidak mutlak untuk 2 kelompok tidak berpasangan, attinya varians data boleh sama boleh juga berbeda. c. Kesamaan varians adalah syarat nitlak untuk > 2 kelompok tidak berpasangan artinya varians data harus/wajib sama. Uji nonparametrik Uji nonparametrik digunakan untuk keadaan sebagai berikut. 1. Jika masalah skala pengukuran variabel adalah kategorik (ordinal dan nominal). Jika data dengan masalah skala penguleuran numerik cetapi tidak memenuhi syarat untuk uji parametrik (misalnya distribusi data tidak normal), maka dilakukan uji nonparametrik yang merupakan alternatif dari uji parametriknya. Lihat tanda panah pada tabel uji hipotesis. Alrernatif uji ¢ berpasangan adalah uji Wilcoxon. Alrernatif uji t tidak berpasangan adalah uji Mann-Whitney. Alternatif uji repeated ANOVA adalah uji Friedman, Alrernatif uji o#e way ANO VA adalah uji Kruskal-Wallis. w Lalu, bagaimana Anda mengetahui set data memiliki distribusi normal? Anda dapat mengetahui set data memiliki distribusi normal atau tidak dengan dua metode, yaitu »retade deskriptif dan metode analitis. Rincian serta penjelasan kedua metode tersebut dapat dilihat pada Tabel 1,6.Teori Sederiana Proseats Pemilinan Ui Hipatesis 13, Tabel 1.6 Metode untuk mengetahui suatu set data memiliki distribusi normal atau tidak \Keriteria sabaranidatal Metode Pacarsiet Se erat Kelerangan Keeteanvaran __ Ninfoelienvarans 30 co tris dak miring Ki Deskr ptt Histogram mraupain kano, tidak terials tinggi atau tertaki rencah ‘SIinotais medan tepat d Box plo twngab. tidak ada outlier ‘atau nila ehstrim, NomalG-G plots Data menyebar seNlar gars Data menyebar ceictar gars pada nilai kamaknaan (p) > Datranded 0-0 plete ‘Uniuk sampal besar (> 59) ‘Untuk sampal becil (= 50) Anais kamaknaan (p} > 0, Ket: $D= Standar Daviasi, SE = Standar Erret. Pembahasan lebih rinci tentang metode untuk menentukan set dats memiliki distribusi normal atau tidak dengan mengguneken progrem SPSS akan dibahas pada Bab || Lalu, bagaimana mengetahui dua buah data atau lebih mempunyai varians yang sama atau tidak? Uji varians (Levene’s test) digunakan untuk mengetahui apakah dua atau lebih kelompok data mempunyai varians yang sama atau tidak, Jika uji varians menghasilkan nilai p > 0,05, maka varians dari data yang diuji adalah sama (Bagaimana uji kesamaan varians dengan SPSS, silahkan pelajari Bab III dan IV). Istilah ketujuh: Tabel Bx K dan prinsip Px K 7 \ Anda harus memahami apa yang dimaksud dengan tabel B _-! xK dan prinsip Px K . Pada tabel uji hipotesis, dijelaskan Ve bahwa tabel Bx K digunakan untuk hipotesis komparatif karegorik tidak berpasangan sedang P K untuk hipotesis komparatif kategorik berpasangan. Apakah yang dimaksud tabel B x K? B adalah singkatan dari baris dan K dari kolom. Pada baris (B) nmumnya diletakkan variabel independen/bebas, sedangkan pada kolom (K) diletakkan variabel dependen/terikat. Jenis tabel ditentukan oleh jumlah baris dan kolomnya, Jika jum- lah baris aca 3 dan kolom 3, maka tabel tersebur disebur tabel 3 x 3. Berikut ini merupakan contoh dari tabel 3 x 3.14, Statik untuk Kedokteran dan Kesematan Tabe! 1.7 Contoh tabel silang 3 x 3 kat RendahSedangeotinggh OM! Tingkat —- Rendah a b c asb+c pendi Sedang d e t deat? Tinggi g h i goths Total arty beeth siti N Tabel 1,7, merupakan contoh tabel 3 x 3 karena jumlah baris ada 3 dan jumlah kalom ada 3, Baris ada tiga karena tingkat pendidikan dibagi menjadi 3 kategori, yaitu rendah, sedang, dan tinggi. Pada kolom juga terdapat 3 kolom karena tingkat pengetahuan dibagi menjadi 3, yaitu rendah, sedang dan tinggi. Persilangan anrara satu kategori dengan kategori lain dinamakan sebagai sel. Pada tabel 3 x 3, terdapat 9 sel yang diberi nama mulai dari sel a sampai dengan sel i, Perhatikan bahwa variabel tingkat pendidikan dan tingkat pengetahuan merupakan variabel kategorik. Hubungan antara dua buah variabel ordinal ini dapat disajikan dalam bentuk tabel silang (tabel Bx K). Apakah yang dimaksud prinsip P x K ? P adalah singkatan dati pengulangan dan K dari kategori prinsip Px K diteatukan olch jumlah pengulangan dan katcgori jumlah pengulangan ada 2 dan kategori ada 2, maka prinsip tersebut disebut 2 x 2. Berikut ini merupakan contoh dari prinsip 2 x2 Jenis Tabel 1.8 Contoh prinsip 2 x 2 Pengetahuan sesudah penyuluhan Baik Buruk Pengetahuan Baik a b asb sebalum penyuluhan Buruk c a od axe bed NTeori Sederiana Proseots Pemilinan Ui Hipotesis 18 Tibel 1.2, menapeken contol prinaip 2.502 karewa jummlah peng ulangan ada dua dan jumlah kategori ada dua. Pengulangan ada dua karena pengetahuan diukur dua kali, yaitu saat sebelum dan setelah penyuluhan. Kategori ada dua karena variabel pengerahuan dikelompok- kan menjadi dua kategori, yaitu baik dan buruk. Dengan demikian: - Bila pengukuran dilakukan sebanyak tiga kali dan karegori variabel sebanyak dua kategori, maka prinsip P x K yang terjadi adalah 3 x 2. - Bila pengukuran dilakukan sebanyak dua kali dan kategori variabel sehanyak tiga kategori, maka prinsip Px K yang terjadi adalah 2.x 3. INGAT! Sebelum melangkah lebih jauh, sudahkah Anda memahami tujuh istilah ini: Skala pengukuran : kategorik atau numerik. Jenis hiporesis — : komparatif atau korelatif. Masalah skala pengukuran : mumerik atau kategorik. Pasangan : berpasangan atau berpasangan. Jumlah kelompok : 2 kelompok atau > 2 kelompok. Syarar uji parametrik dan nonparametrik . Tabel B x K dan prinsip P x K, C. STATISTIK MULTIVARIAT Verdapat dua analisis multivariat yang sering digunakan dalam penelitian kedokteran dan keschatan, yaitu analisis regresi logistikk dan analisis regresi linier. Pemilihan kedua analisis tersebut ditentukan oleh skala pengukuran variabel terikatnya. Bila variabel terikamya berupa variabel kategorik, maka regresi yang digunakan adalah analisis regresi logistik, Bila variabel terikatnya berupa variabel numerik, maka regresi yang digunakan adalah analisis regresi linier.16 Statik untuk Kedokteran dan Kesematan ll. Resume Uji Hipotesis A. RESUME ANALIS'S BIVARIAT. Sampai sejauh ini Anda sudah memahami berbagai istilah yang harus Anda ketahui untuk menentukan uji hipotesis yang sesuai dengan set data yang Anda miliki dengan menggunakan tabel uji hipotesis. aran berikut akan lebih membantu Anda untuk memahami alur ran menuju hipotesis yang . Pemaparan akan dikelompok- kan menjadi lima bagian. 1. Resume hipotesis komparatif skala pengukuran nmetik 2. Resume hipotesis komparatif skala pengukuran ordinal. 3. Resume hipotesis komparatif skala pengukuran kategorik tidak berpasangan dalam bentuk tabel B x K. 4. Resume hiporesis komparatif skala pengukuran kategorik berpasangan dalam bentuk P x K. 5. Resume hiporesis korelatif. ji Hipotesis Komparatif Variabel Num Cakupan uji hipotesis komparatif variabel numerik disajikan pada Tabel 1.9. Perhatikan bahwa Tabel 1.9 ini adalah scbagian dari tabel uji hipotesis yang Anda pelajari pada Tabel 1.3. Tabel 1.9 Tabel uji hipotesis: alur menuju pemilihan uji hipotests komparatif variabel numerik Masalah skala ( Kommparay pengu&uran P Tidak berpesangan Berpasangan Numerik Bi kelompak >a Dkelompok | >2kelompok kelompok Ujlttidak [Ona way wit Repeated berpasangan | ANOVA | berpasangan ANOWA Mann-Whitney | Kruskal: Wilcoxon Friedman Wallis Untuk variabel numerik, penggunaan tabel uji hiporesis akan lebih mudah dipahami bila dikombinasikan dengan diagram alur sebagai berikur.Teori Sedertana Prosedtw Pemilinan Uji Hipotesis. 17 Hipetesia kemp: Variabel numerik Sebaran Neral ? YA Cy TIDAK Tidak Borpasangan NON PARAMETRIK =2Kelompok oT wana UJI PARAMETRIK YANG SESUAL Diagram 1.1 Diagram alur uji hipotesis variabel numerik Tanda panah melengkung pertama*? 7 menunjukkan upaya yang dilakukan untuk menormalkan distribusi data dari tidak normal menjadi normal. Scdangkan tanda lengkung yang kedua menunjukkan upaya yang dilakukan supaya data yang mempunyai varians berbeda diupayakan untuk mempunyai varians yang sama, Upaya ini dinamakan proses transformasi data. Transformasi dilakukan dengan menggunakan fungsi log, akar, kuadrat, dill. Bila proses transformasi data berhasil, maka proses akan berujung pada uji parametrik, Apabila tidak berhasil, maka proses akan berujung pada uji nonparametrik, Proses transfor- masi data ini belum tentu berhasil. Bagaimana proses transformasi ini dilakukan dengan program SPSS? Silakan pelajari Bab II. 2. Resume Uji Hipotesis Komparatif Variabel Ordinal Cakupan uji hipotesis komparatif variabel ordinal disajikan pada Tabel 1.10, Perhatikan bahwa Tabel 1.10 ini adalah sebagian dari tabel uji hipotesis yang Anda pelajari pada Tabel 1.3.18 Statik untuk Kedokteran dan Kesematan Tabel 1.10 Tabel uji hipotesis: alur menuju pemilihan uji hipotesis komparatif variabel ordinal Wasalah skala denis hipotesis asosiail pengukuran’ Komparati Tidak berpasangen Berpasangan Kategorik (Ordinaly Ehsoresk | eo Ehelompok | >2 Kelompok kelampok Kruskal- Wilcoxon Friedman Mann Whitney Wallis Dalam buku ini, hipotesis komparatif variabel ordinal tidak dibahas secata khusus. Pembahasan tntk uji hiporesis ini sekaligus dibahas pada bab yang menjelaskan uji hipotesis komparatif untuk variabel nu- merik (Bab [I dan Bab IV). Adapun alasan penggabungan pembahasan adalah sebagai berikur. 1. Ujikomparatif untuk data ordinal ini sering kali menjadi alternatif uji hipotesis uncuk data numerik yang tidak memenuhi syarat untuk uji parametrik. 2. Pada Bab Il dan IV akan dibahas uji hipotesis untuk variabel or- dinal, akan tetapi menggunakan data numerik yang distribusinya udak normal. 3. Dengan demikian, secara tidak Langsung, pembaca sudah mempe- lajari uji hipotesis komparatif variabel dengan skala pengukuran ordinal, 3. Resume Uji Hipotesis Komparatif Kat egorik tidak berpasangan dalam Bentuk Tabel B x K Cakupan uji hiporesis komparatif variabel kategorik tidak berpasan- gan disajikan pada Tabel 1.11. Perhatikan bahwa Tabel 1.11 ini adalah ‘abel 1.3. sebagian dari tabel uji hipotesis yang Anda pelajari pada Tabel 1.17 Tabel uji hipotesis: alur menuju pemilihan uji hipotesis variabel kategorik tidak berpasangan Janis hipotesis asoslatt Masalah shala kenpaiatt Pengukuran Tidak berpasangan Kategorik Chi-Square (Nominal Oreinal Fisher Kolmogerov-Smimnoy (Fabel 8 x K) Dengan menggunakan Tabel 1.11, Anda sudah bisa menentukan uji hiporesis yang dipilih untuk menguji data yang Anda miliki. Peng-Teori Sederiana Proseats Pemilinan Ui Hipatesis 19 gunaan ‘abel 1.11 akan lebih mudah dipahami bila dikombinasikan dengan diagram uji hipotesis tabel B x K sebagai berikur. TABEL Bx K TABEL TABEL TABEL SELAIN 2x 2 2xk DAN 26K Penggabungan Se! Diagram 1.2 Diagram alur uji hipatesis variabel kategorik kelompok tidak berpasangan Dengan panduan Diagram 1.2, Anda dapat menarik beberapa catatan penting sebagai berikut. 1. Semua hipotesis untuk kategorik tidak berpasangan menggunakan uji Chi-Square, bila memenuhi syarat uji Chi-Square. Syarat uji Chi-Square adalah sel yang mempunyai nilai expected kurang dari 5, maksimal 20% dari jumilah sel, 3, Jilea syarae uji Chi-Square tidak terpenuhi, maka dipakai uji aleer- natifnya. a. Alceenacif uji Chi-Square untuk tabel 2 « 2 adalah uji Fisher. b. Alternatif uji Chi-Square untuk tabel 2 x K adalah uji Kol- mogoray-$mirnov. c Alternatif uji Chi-Square untuk tabel selain 2 x 2 dan 2 x K adalah penggabungan sel. Setelah dilakukan penggabungan sel akan terbentuk suatu tabel Bx K yang baru. Uji hipatesis yang dipilih sesuai dengan tabel B x K yang baru tersebut, vp Berikut ini adalah contoh output SPSS untuk tabel 2 * 2 dengan menampilkan nilai observed dan nilai expected-nya.20. Statik untuk Kedokteran dan Kesematan Hubungan antara perilaku merokok dengan status fertilitas [ [Statue Fortitae | | | “tert | inferi@—Totai_| Perilaku merowak Tigak merokak | Count Ls 15 30 Expected Count 275 225 50.0 el Expects cout | 27.5 | Total Count 55 45 100 Expected Count | $50 / 450 100.0 Keterangan: Pada sel a, nilai abserveo-nya (lihat pada lajur count) adalah 35 sedangkan nilai expectea‘nya (\ihat pada lajur expected count) adalah 27,5. Pada sel b, nilai abserved-nya adalah 15 sedangkan nilai expect ed-nya adalah 22,5 dan seterusnya untuk sel lainnya. Nilai expected dihitung dengan persamaan: Total Baris Total Kolom Total Sampel Sebagai contoh: Total Baris Total Kolom 5055 Nilai expected sel as - 2 27,5 Total Sampel 00 eis edi set de Total BarisxTotal Kolom 50x45 _ >, expecred sen Total Sampel 100 Pada tabel ini, Anda dapat menggunakan uji Chi-Square karena syarat uji Chi- Square terpenuhi, yaitu tidak ada nilai expected yang kurang dari 5. anda bisa mempelajari prosedur SPSS untuk menampilkan nilai observed dan expected pada gab ¥, Definisi Nitai abserved (O) adalah nitai observasi yang Anda dapatkkan pada subjek penelitian. Nilai Expect ed (&) adatah mtai yang diperoleh apabila hipotesis noi benar.Teori Sederiana Prosedts Pemilinan Uji Hipotesis 24 4, Resume Uji Hipotesis Komparatif Variabel Kategor berpasang-an (Prinsip P x K) Cakupan uji hipotesis komparatif variabel kategorik berpasangan disajikan pada Tabel 1.12 Perhatikan bahwa Tabel 1.12 ini adalah se- bagian dari tabel uji hipotesis yang Anda pelajari pada Tabel 1.3. Tabel 1.12 Tabel uji hipotests: alur menuju pemilihan uji hipotesis variabel kategorik berpasangan. Mocalah cha se pengukuran Komparat Berpasangan Kalegonk MoNemar, Cochran (NominavOrainl) | Marginal Homogeretty Wilcoxon, Friedman (label Px KK) Dengan menggunakan Tabel 1.12, Anda sudah bisa menentukan uji hipotesis yang dipilih untuk menguji data yang Anda miliki. Peng- gunaan Tabel 1.12 akan lebih mudah dipahami bila dikombinasikan dengan diagram berikur, Hipotesis kamparatit Keategerik berpasangan (pnncip P>=K) dumlah pengulangan? Jumiah hategeri? 2 oe z se keatagon karegor! kategari Kstagor! Pata palxe Pane e) axe Margins! Cochran Frisian Menemer homogeneity Wiltoxaa Diagram 1.3 Diagram alur uji hipotesis variabel kategorik kelompok berpasangan Dengan panduan Diagram 1.3, dapat diambil kesimpulan sebagai ikut: 1. Jika jumlah pengulangan 2 dan jumlah kategori 2 maka uji yang dignnakan adalah uji Me Nemar.22 Stabsuk untuk Kedokteran dan Kesematan v Jika jumlah pengulangan 2 dan jumlah kategori > 2 maka uji yang digunakan adalah uji Marginal Homogencity atau Wilcoxon. 3. Jika jumlah pengulangan > 2 dan jumlah kategori 2 maka uji yang digunakan adalah uji Cochran, 4, Jika jumlah pengulangan > 2 dan jumlah kategori > 2 maka uji yang digunakan adalah uji Friedman. 5. Resume Hipotesis Korelatif Anda dapat memilih uji hipotesis kocelatif dengan berpedoman pada tabel scbagai berikut. Tabel 1.13 Pemilihan hpotesis korelatif Vatiabel Vailabal2 UjiiKaretasi yang aipilin Nominal Nominal Koefisien kontingensi, Lambda Nominal Ordinal Koefisien kontingansi, Lambda Ordinal Ordinal Spearman, Gamma, Samersd Ordinal Numesik Spearman Numeris Nurmorik Pearson Keterangan: Korelasi untuk variabel numerik, memakai uji Pearson dengan uji Spearman sebagai altematifnya. Berikut ini merupakan diagram alur hipotesis korelatif uncuk variabel nume! Hipatesis korelatit Variabel numerik Sabaran normal? i , YA TIDAK | Uji parametrik Uji nonparametrik Pearson Spearman Ciagram 1.4 Alur pemilihan uji hipotesis korelatif untuk variabel numerik Keterangan: Tanda panah melengkung menunjukkan usaha yang dilakukan untuk menor- malkan distribusi data dari tidak normal menjadi normal (proses transformasi data}.Teori Sederiana Prosoats Pemilinan Ui Hipotesis 23 B. RESUME ANALISISMULTIVARIAT Pemilihan kedua analisis terscbut ditentukan olch skala pengukuran variabel terikatnya. Bila variabel rerikatnya berupa variabel kategorik, maka regresi yang digunakan adalah analisis regresi logistik. Bila variabel terikamya berupa variabel numerik, maka regresi yang digunakan adalah analisis regresi linier Regresi logistik: bila variabel terikatnya berupa variabel kategorile Regresi linier: bila variabel terikatnya berupa variabel numerik Diagram 1.5 Alur pemilihan uji hipotesis untuk analisis multivariat lll. Contoh Kasus Dengan menggunakan pengetahuan mengenai skala pengukuran, jenis hipotesis, masalah skala pengukuran, berpasangan atau tidak ber- pasangan, jumlah kelompok, syarat uji parametrik dan nonparametrik, tabel silang Bx K, dan prinsip P x K, cobalah pelajari beberapa coatoh kasus berikut ini, Saat mempelajari setiap kasus, gunakanlah tabel uji hipotesis dan diagram alur dengan langkah-langkah sebagai berikut. 1. Menentukan variabel yang dihubungkan; identifikasi vatiabel yang dihubungkan serta skala pengukurannya. Menentukan jenis hipotesis: identifikasi apakah jenis hipotesis komparatif atau korelati 3. Menentukan masalah skala pengukuran: identifikasi apakah ter- masuk masalah numerik atau kategorik. bt Untuk hipotesis komparatif: = yang dimaksud dengan masalah skala kategorik adalah bila variabel yang dicari hubungannya adalah variabel kategorik dengan variabel kategoril + yang dimaksud dengan masalah skala numerik adalah bila variabel yang dicari hubungannya adalah variabel kategorik dengan variabel numerik. Untuk bipotests korelatif: - yang dimaksud dengan masalah skala kategorik adalah bila salah satu variabel yang dicari asosiasinya adalah variabel kategorik. - yang dimaksud dengan masalah skala numerik adalah bila variabel yang, dicari asosiasinya adalah variabel numerik dengan variabel numerik.24 Stapsuk untuk Kedokteran dan Kesehatan 4, Menentukan berpasangan atau tidak berpasangan, Bila jenis hipotesis komparatif, tentukan apakah berpasangan atau tidak berpasangan. Menentukan jumlah kelompok atau menentukan jenis tabel, Bila jenis hipotesis komparatif numerik, tentukan banyaknya ke- lompok. Bila jenis hipotesis komparatif kategorik, tentukan jenis tabel Bx K untuk data tidak berpasangan dan prinsip P x K untuk data ber- pasangan, a Kasus 1: Apakah terdapat perbedaan rerata body mass index (bmi) an- tara kelompok status ekonomi tinggi dibandingkan kelompok : ekonomi rendah? ' Jawab: J Langkab-langkah yang digunakan untuk menjawab Jepe{ —pertanyaan tersebut adalah sebagai beri Tabel 1.14 Langkah-langkah untuk menentukan uji hipotesis yang sesuai dengan panduan tabel uji hipotesis dan diagram alur Lanai Jawaban uiiyang munakin 1 | Wenentakan variabal vara | Varabal yang chubanghan stnuoungkan adalan BMI (numeriky ‘dengan kelompok ekon ont ikatogork) 2_| Wenentakan rie pctess | Komearatt Somua uj Remparait | Menentukan masalah ckala | Numerk Ujitecak berpesangan, uit varebel borpasangan. ona way ANOVA | Menentukan pasangan'iaak | Tidak berpasangan Uji Edek berpesangan, one way berpacangan NOUR =_| Menantukan jonah Dua Feemipok Uj tidak be pavangan lorpok. Kesimpulan: Uji yang igunokan edoloh uit tidak boroasangan (uj aremati) ka memo nuh syarat. ska tak memsriuhi syarat, maka digunakan uli alernabinya, yal ui MannWhiiney (4 nonparamairs) Kasus 2: “Apakah terdapac hubungan antara jenis kelamin (laki-laki dan perem- puan) dengan asupan makanan (Kurang, cukup, lebih)?” Jawab: Langkah-langkah yang digunakan unmk menjawab pertanyaan tersebut adalah scbagai berikur.Teori Sederiana Proseots Pemilinan Ui Hipotesis 25 Tabel 1.15 Langkah-langkah untuk menentukan uji hipotesis yang sesuai dengan panduan tabel uji hipotesis dan diagram alur Gagan Tease Gagan) 7 | Henerfukan varisbelyara | Varabal yang dinobunakon sinubenane aaah ons Kolin (Kategoria) dengan ssupan makarers kategorih) 2 | Wenantukan janis hipctes’s | wansparait ‘Semua yikomparabt 3 | Menentudan masaish skal | Kateporix Chisquare, Fisher. XoFnogarcv vanabe) Smanav, Me Nemar, Marginal Homogonaty, Coshran, Wilooxon, F riggman 7 | Manarukan pacanganiida | Tek bampasangan ‘Chi equars, FeReT, KOPIOGSIOV berpacanga Smanav. 5 | Monortukan jovieasaieuk | 2s ‘Chi square, Keimaporov-Srinou. Ketimpulan Jenis tabel paca eoal ini adalah 2 x 3 Ui yang digunakan adalah wy) Cr)-Squate bin memanuhi syorat Bila dak memenuhi syerat yj Chi-Sausre, cogunakan uj aheratinya yaity ui Komogarey Smirnov. Kasus “Apakah terdapat korelasi antara kadar radikal bebas dengan total jumlah rokok yang diisap selama satu hari?* Jawab: Langkah-langkah yang digunakan untuk menjawab pertanyaan tersebut adalah sebagai berikut. Tabel 1.16 Langkah-langkah untuk menentukan uji hipotesis yang sesuai dengan panduan tabel uji hipotesis dan diagram alur. T Lenghak Jawsban \ Ujiyang mungkia Menestshan vavlabel yang | Variabel yang dhuburghan ait ubuagkan adalah kadar radhal bebas (oumesit) dengan jum/ah | fokok parhati inemecix) 2 | Weneatahan pal petects —[Koreiail | Semua uteri ¥ | Meneatokan mesalan skala | Numerie Fearsen varabel Reaimpuar” Uj yang digungias adalat uji Horalosi Pearsoe fuji seiametih), jka mermenuhi ayaiat. cike tidek momenohisyarat, maka cigunakan vjialtorratityai uji sorelasi Spestman (ajinenparam etna)26. Statik untuk Kedokteran dan Kesematan IV. Nilai Probabilitas (P) dan Interval Kepercayaan Ada dua cara untuk melakukan inferensi (penarikan kesimpulan), yaitu dengan menghitung nilai p dan interval kepercayaan (IK). Berikut ini mernpakan panduan untuk interpretasi hasil uji hipotesis dengan menghitung nilai p. Tabel 1.17 Panduan interpretasi hasil uji hipotesis bila nilai p < 0,05 Makna jikap=005 (Hipeteals nelalislak, hipotes ie hee akernatiditarima) 1 Ujinormatitas Koimogorov- Sminnoy dan Shapiro Wilk istribusi data tidak nernal Distribusi beberapa set data yang dibandingkan 2 —_UjiVarians Levene's test ompunyel variane yang berbeds Uji tberpasangan Uji t tidak berpasangan ‘Terdapat perbedaan rerata yang bermakna antara du Uji Wilcoxon kelompok data Uji ANOVA Paling tidak terdapat dua kelompok data yang 3 4 5 6 Uji Mann-Whitney 7 iE mempunyai perbedaan rerata yang bermakna (untuk 9 Up Friedman mengetahui kelompok mana yang berbeda sacara Uji Kruskal-Wallis bermaknia, harus dilakukan analisis Past Hoc 10 UjiMcNermar Terdapat perbedaan proporsi yang bermakna antara 11 _UjiHomegeneity iva Ieleripk ay Paling tidak, terdapat perbseaan proporsi yang re bermakna antara dua xelampok data (untuk i tial mengetahui kelompok mana yang berbeda secara bermakna, harus dilakukan analisis PostHoc 13° Uji Chi-Squere Terdepat hubungan yang bermakna antara variabel # 14 Uji Kolmogorov-Smimoy Gens vatiaber 15 _Uji Fisher 16 Uji Pearson 17 Uji Spearman 18 Uji Koefisien Kontingensi 19° Uji Lamba 20 Uji Gamma & Somers'd Terdapat korolat dongan variabol ng bermakna antara wariabel ATeori Sederiana Prosedts Pemilinan Uji Hipotesis 27 Nilai probabilitas (p) Interpretasi yang diberikan pada Tabel 1.17 adalah untuk memu- dabkan saja. Anda harus mengerti juga apa yang dimaksud dengan nilai p. hipotesis no], dan hipotesis alternatif: 1. Hipotesis (H) adalah pernyataan sebagai jawaban sementara atas pertanyaan penelitian yang harus dijawab secara empiris. 2. Hiporesis nol (Ho) adalah hipotesis yang menunjukkan tidak ada perbedaan antarkelompok atau tidak ada hubungan antarvariabel atau tidak ada korclasi anrarvariabel. 3. Hiporesis alternatif (Ha) adalah hipotesis kebalikan dari hipotesis nol, yang akan disimpulkan bila hipotesis nol ditolak. 4. Interpretasi yang lengkap untuk nilai p adalah sebagai berikut “besarnya kemungkinan hasil yang diperoleh atau hasil yang lebih ekstrim diperoleh karena faktor peluang, bila bipotesis nol benar”. Interval kepercayaan 1. Interval kepereay: an (IK) menunjukkan taksiran rentang nilai pada populasi yang dihitung dengan nilai yang diperoleh pada sampel Seperti menghitung nilai p, perhitungan IK mempunyai rumus tersendiri untuk masing-masing uji hipotesis. Hubungan Nilai p dengan interval kepercayaan. 1. Nilai p dengan IK menghasilkan kesimpulan yang konsisten. Bila nilai p menghasilkan kesimpulan yang bermakna, maka IK akan memberikan kesimpulan yang bermakna juga. Demikian juga seba- liknya. Hanya Saja, itformasi yang diberikan keduanya berbeda. 2. Konsistensi nilai p dengan nilai IK adalah sebagai berikut. a. Bila pada uji hipotesis komparatif (perbedaan proporsi atau perbedaan retata) perhitungan nilai p < 0,05 (yang berarti secara statistik bermakna) maka pada perhirungan IK, nilai 0 tidak akan tereakup di dalam nilai intervalnya (juga berarti secara statistik bermakna}. b. Bila pada perhitungan rasio odds (RO) atau risiko rclatif (RR) perhitungan nilai p < 0,05, maka pada perhitungan IK, nilai 1 tidak akan tercakup di dalam intervalnya 3. Nilai p memberikan informasi peluang untuk memperoleh hasil yang diobservasi bila hipotesis nol benar, sedangkan IK memberikan informasi perkiraan rentang nilai parameter pada populasi.28 Stabsuk untuk Kedokteran dan Kesehatan Y Latihan BAB | Untuk mengetahui pemahaman Anda, kerjakanlah latinan berikut ini: 2 Bagaimana Anda mengetahui distribusi data yang Anda miliki normal arau tidak normal? Bagaimana Anda mengetahui dua buah kelompok data atau lebih mempunyai varians yang sama atau tidak? Tentukan uji hipotesis apa yang digunakan untuk menguji data untuk pertanyaan-pertanyaan berikut. 3. 10. 11. Apakah terdapat perbedaan rerata body mass index (skala pengu- kuran numerik) antara kelompok status ckonomi tinggi dengan kclompok ckonomi rendah? Apakah terdapat perbedaan rerata kadar kolesterol (skala pengu- kuran numerik) scbelum dengan sesudah satu bulan pengobatan dengan simvastatin? Apakah terdapat perbedaan rerata kadar kolesterol (skala pengu- kuran numerik) antara penduduk desa A, B,C, dan 1D? Apakah terdapat perbedaan rerata kadar kolesterol (skala pengu- kuran numerik) pada sebelum, sebulan pengobatan, dan dua bulan pengobatan simvastatin pada pasien? Apakah terdapat hubungan antara perilaku merokok (merokok dan tidak merokok) dengan infertilitas pria (infertil dan fertil)? Apakah terdapat hubungan antara perilaku merokok ibu (merokok dan tidak merokok) dengan precklampsia (terjadi precklampsia, dan tidak terjadi preeklampsia)? Apakah terdapat hubungan antara tingkat ckonomi (di atas garis kemiskinan, di bawah garis kemiskinan) dengan tingkat asupan makanan (lebih, cukup, kurang}? Apakah terdapat hubungan antara tingkat pendidikan (tinggi, sedang, rendah) dengan asupan kalori (lebih, cukup, kurang)? Apakah terdapar korelasi antara kadar gula darah (skala pengukuran numerik) dengan kadar kolesterol (skala pengukuran numerik)? Cocokkan jawaban Anda dengan kunci jawaban yang terdapat pada cD latihan (nama file kunci_bab_1).“Know your data!!! What kind of data you have!!! BAB II STATISTIK DESKRIPTIF . Pembaca mampu memasukkan data dengan benar. . Pembaca mampu melakukan perubahan data dari skala pengukuran numerik ke skala kategorik. . Pembaca mampu membuat dan mendeskripsikan tabel frekuersi dan grafik untuk variabel kategorik. . Pembaca mampu membuat dan mendeskripsikan ukuran penyebaran dan ukuran pemusatan untuk variabel numerik. Pembaca mampu melakukan uji narmalitas Kolmogorov- Smirnoy dan Shapiro-Wilk. . Pembaca mampu melakukan transformasi data. Pada Bab I, Anda akan mempelajari statistik deskriptif secbelum pembahasan uji hipotesis pada bab-bab sclanjumya. Statistik deskriptif merupakan dasar bagi statistik analitis (uji hipotesis). Olch karena im scbelum masuk lebih jauh dalam pembahasan uji hipotesis, stacistike deskriptif harus dibahas terlebih dahulu. Salah satu kegunaan statistik deskriptif ini adalah agar Anda mengctahui karaktcristik data yang Anda miliki. Langkah pertama dalam melakukan uji hipotesis apa pun adalah Anda harus mengetahui karakteristik data yang Anda milili, Para ahli statistik sering mengatakan: “Kaorw your data, what kind of data you have”.30 Statisok untuk Kecoktoran dari Kesehatan LATIHAN 1 MEMASUKKAN DATA Mantaat Anda harus mengetahui bagaimana memasukkan data karena SPSS baru bisa mengolah data jika Anda sudah memasukkannya dengan benar. Pada latihan ini, Anda akan mempelajari cara memasukkan data nominal, ordinal, dan mumerik serta variabel dengan ripe String Kasus: o Anda memperoleh data sebagai berikut. Anda ingin re memasukkan data ke dalam program SPSS. No, Nama denis Kelamin Umur Nilai 1 Ahmad Laki-laki 23 Bak 2 Budi Laki-teki 22 Sedang 4a Cecep Laki-laki 18 Buruk 4 Dadang Laki-tekl 2 Buruk 5 Ey Perempuan 23 Bek 6 Farah Perempuan 17 Bak 7 Gita Perempuan 16 Sedang 8 Hendi Laki-laki 19 Sedang 9. Indah Perempuan 25 Bak Bagaimana memasukkan data ke dalam program $PSS? Terdapat dua langkah utama yang harus Anda lakukan, yaitu mengisi bagian Variable View dan mengisi Data View. 1. Mengisi Variable Viet. program SPSS. ‘an Variabel View (ada di kiri bawah) akan terlihat sebagai berikut.Statistik Deshriptl 31 asia} 6) co) we el al eh lll Os sone | tae_[ovtin | ove weer] were [eene | ae [ieee tte point Pada tampilan Variable View akan didapatkan kata Name, Type, Width, Decimals, Labels, Values, Colann Width, Alignment, Measures. Berikut adalah penjelasan dari masing-masing istilah tersebuc. Name kata yang mewakili nama variabel, Biasanya diisi dengan kata yang mudah diingat yang berkaitan dengan nama variabelnya, misalnya “see” untuk variabel jenis kelamin responden. Type tipe data yang Anda masukkan, Pilihan yang paling umum adalah numeric (learena semua proses uji dalam SPSS bisa dilakukan dalam bentuk aumeric) dan string (kalau yang mau dimasukkan adalah huruffkara/kalimac). Width jumlah digit data yang mau dimasukkan, Deeintals jumlah digit di belakang titik. Labeis penjelasan rinci dari kolom mame. Misalnya, dalam kolom mame Anda ketik sex, labels-nya adalah. jenis kelamin seoponden', Values kode yang Anda berikan jika variabel merupakan variabel kaiegorik (nominal dan ordinal). Misalnya kode { untuk kategori perempuan, kode 2 untuk kategori laki-laki, Column Width Icbar kolom, Alignment pilihan rampilan variabel (rapat kiri, kanan, atau tengah) Measures skala pengukuran variabel (nominal, ordinal, variabel interval bel scale. scale). Dalam program SPSS, dan rasio disebut sebagai v:932 Statistk untuk Kecoktaran dari Kesonatan as b. KN Dari kasus yang diberikan, Anda diminta untuk memasukan empat variabel, yaitu nama (Stig), jenis kelamin (kategorik nominal), nilai (kategorik ordinal), dan umur (numerik). Pengisian Variable View untuk variabel nama. Name Type Width Decimals Labels Values Colunn Width Alignment Measures isi dengan mengetik nama. isi dengan mengaktifkan pilihan String. isi dengan 15 (untuk keseragaman). Pemilihan Icbar kolom tergantung dari berapa karakter nama terpanjang. tidak aktif. isi dengan nama responden. tidak diisi. 15 (untuk keseragaman). terserah Anda. tidak akeif, Pengisian Variable View untuk variabel jenis kelamin. Name Type Width Decimals Labeis Values ketik sex, pilih Numeric. terserah Anda. pilih 0. isi dengan jenis kelamin responden, klik kotak kecil berwarna ungu pada sisi kanan kolom Valves, akan terlihat tampilan sebagai berikut. Value Labots Ketik 1 pada kotak Value. Ketik perempuan pada korak Value Label . ¥ Klik Add.Sialistik Deshriptl 88 ¥ Ketik 2 pada kotak Value. ~ Ketik laki-laki pada kotak Valve Label. ¥ Klik Add, # Proses telah selesai. Akan terlihat sampilan sebagai berikut. Pete Steere 2= chil Klik OK, Column Width terserah anda Alignment terserah Anda. Measures pilih Nominal. KAR c. Pengisian Variable View untuk variabel umur. Name isi dengan umur. Type i dengan mengaktifkan pilihan Nuamerie, Width terserah Anda, Decimals isi dengan nol (0). Labels isi dengan Umur responden. Valites tidak diisi (karena variabel umur tidak mempunyai kategori) Column Width terserah Anda. Alignment terserah Anda. Measures pilih scale. Untuk keseragaman, beri kode 1 untuk nilai buruk, kode 2 untuk nilai sedang, kode 3 untuk nilat baik. ‘ Dapatkah anda melakukan pengisian Variable View untuk variabel nilai?34 Statisth untuk Kecoktoran dari Kesenatan Bila yang Anda pilih pada menu View adalah View labels, maka tampilan yang akan tampil adalah sebagai berikut. sella! 5) ole} lal 6) oli Bani a Torre [mY wa | Ores [aed [Woes | eing [eee alp | tae J fsa ay — ther jareae 8 ge a) oe {0 hee 8S a hge 2. Mengisi Data View Aknfican Data View, lalu isilah sesuai dengan dara pada kasus yang diberikan. Jika sudah selesai, simpan file dengan nama: entry (File > Save As > latihan Entry). Bila Anda mengisi dengan benar, pada Data View, Anda akan mempcrolch hasil sebagai berikut, Poe Fie ESt Mow Daa Trardenm feabyse Graphe Utes fess ita) Boo) e |b) al Fel BRP 10 | nama | cox uw [iiss Tarmad 2 Bi 3 2 bua 2 2 2 a)cecep 2 iB i ‘al dadang 2 a 7 aley 1 8 3 1 Bila yang Anda pilih pada menu View adalah View Labels, maka tampilan yang akan tampil adalah sebagai berikut. ihanentri.say Weelen Fie Felt View Qala Trensferm Andyee Grephs Ubliies Ald Bla) S| Bl )o| 2 | fel an) Tee] GI ! nama sex urna ila ahmad Takelaki Bl bak 2 buat lakelki Bi sedang 3|eecep lal-lekt a|turuk 4|dadang lakes Zi) bunk To sley ——Tpetemeuan) 23] talk] B]iarah petempuan 7 beak ZIaita netempuan 48) sedang = | Blindah —__perempuanSialistk Deshriptl 36 LATIHAN 2 BAGAIMANA MELAKUKAN PERUBAHAN “/) DATA DARI SATU SKALA KE SKALA LAIN? Mantaat Anda harus terampil melakukan perubahan data dari satu skala ke skala lainnya karena pada praktiknya nanti, data awal yang Anda masukkan harus Anda ubah untuk keperluan tertentu. Anda menggunakan perubahan data ini jika Anda ingin melakukan perubahan dari skala pengukuran numerik ke skala ordinal atau untuk penggabungan sel (ingat penggabungan sel sebagai alternatif untuk uji Chi-Sqrare yang telah dibahas di Bab I). Kasus: Dari data yang telah diperoleh pada latihan 1, Anda ingin mengategorikan umur responden menjadi tiga kelompok, yaitu responden yang berumur < 20 tahun, 20-22 tahun, dan > 22 tahun (dalam hal ini, Anda merubah variabel numerik menjadi variabel ord Bagaimana langkah yang dilakukan dengan program SPSS? Buka file latihan entri. Aktifkan Data View. Lakukan langkah-langkah berikut ini: “Transform >Recode >Recode into Different Variables. Masukkan variabel umur ke dalam Input Variable. Kerik zenur_1 ke dalam Output Variable. Ketik “klasifikasi umur’ ke dalam label. Klik kotak Change. Setelah proses ini, Anda akan melihat tampilan sebagai berilcut. Se re KARR36 Statistk untuk Kecokteran dari Kesonatan Cer name assay staan Dicken mek x Prisaneninld [7] tetra cn oir ee i ¥ Klik Old and New Values. ¥ — Isilah kotak Old Vale dan kotak New Valve (selanjutnya ikuti logika berpikir), Logikanya adalah: ua data < 20 tahun diubah menjadi kode 1, Semua data 20-22 tahun diubah menjadi kode 2. semua data > 22 tahun diubah menjadi kode 3. Dengan logika terscbur, isilah Old Valve dan New Value sebagai berikut: Old Valite: range lowest through 19, New Value: 1, klik Add. Old Valive: range 20 through 22, New Value: 2, klik Add. Old Vale: 23 through bigbest, New Value: 3, klik Add. Sampai tahap ini, Anda akan memperoleh tampilan sebagai berikut. Racode Into Ditferert ¥ariat svete Neste hd © Veke[ © Sseriing © Speer oy cv © Spee cree ncng © Range © perge: -— > ange PF nupries se tags ise - Meter wast Cairne | terest | __te_| ¥ Proses telah selesai, klik korak Contintte. yv Klik OK dan lihatlah hasilnya.Sialistk Deshriptl 87 Apakah sudah ada kolom baru (dengan nama umur_1} dan nilai nilai yang ada pada kolom tersebut? Bila Anda melakukan proses secara benar, pada Data View akan terdapat kolom baru dengan variabel baru bernama umur_l. reese File Eat Wow Dalz Trarcfamn Analyze Graphs Ullles Addons Weaker 2/8/46) 5] [>| elo] al tle] BEI | @) 7 nama | sox | umur_| rita | umuet | fhmad | _takvan Bl bak 300 Bees | tokidoki 2 sedang 2.00) TT leecen | taken 78] Bun 10 Algaderg | takitohi a buns 200) Bly | peterpan Bo hak 300 Blfah | perempuan w bak: 1.00 Fits parerpuan 18 sdang 1.00 Bend | takHaki 13) sedan 100 Sjindah | percempusn 3B bake 400 Selanjutnya, lakukanlah pengisian Variable View untuk variabel umur_l telah Anda pelajari pada latihan 1. Bila pada Value Anda mengisi sebagai berikut: kode 1 untuk < 20 tahun; kode 2 untuk 20-22 tahun; kode 3 untuk > 22 tahun, maka pada Data View, Anda akan melihat tampilan sebagai berikut. Eine aes Fle Edt View Dale Tearsfam Anse Graphs Ubltles Abbons Werow 1 td |) 9) of fe) ad) lel IS el 6 nwa [sex ne nila mutt ifm — len) tak Tae takilati| 22) ada alesees isa 18) bak] <20 tahun al dedang ——Takslas| 31, bur] 3029 tahun Bloly———perempan) 73st a2 atm Glfarah perempuan 7 tak 20 tahun ite evein psn 15 wedarg)<20 tain need lakelait 19 sedarg) <20 tahon deh perempuen’ 3 bak) 722 3hun98 Statistk untuk Kecokteran dari Kesonatan LATIHAN 3 MEMBUAT DESKRIPS! VARIABEL KATEGORIK Manfaat >, Prinsip utama yang perlu Anda ketahui adalah: it nt “Know your data! What kind of data you have!” & Langkah membuat tabel frekuensi dan grafik merupakan langkah yang sangat penting agar Anda mengetahui karakteristik data variabel kategorik. Kasus: Anda melakukan penelitian dan sudah mengumpulkan a dan memasukkan data ke SPSS. Salah satu variabel adalah ___-variabel jenis kelamin. Karena Anda mengetahui bahwa skala pengukuran variabel jenis kelamin adalah nominal, maka Anda ingin mengetahui distribusi jenis kelamin dalam bentuk tabel dan grafik. program SPSS? 1. Buka file frequency. 2. Lakukan proses sebagai berikut. ¥ Analyze > Descriptive statistics > Frequencies. ¥ Masukkan variabel sex (jenis kelamin responden) ke dalam kotak Variabel(s). ¥ Aktifkan Displays Frequency Tables.Sialisfk Deskipht 39 Akan cerlihat tampilan sebagai berikut. ee ® pris helrin exparce Display quency tabine Station. ¥ — Klik kotak Charts. ¥ h bar pada Chart Type. ¥ Pilih Percentages pada Chart Values. Akan terlihat tampilan sebagai berikut: enn ¥ — Klik Continue. Proses selesai, klik OK.40 Statisth untuk Kecoktoran dari Kesoiatan A“Sagaimana hasilnya? Output SPSS Statistics N Valic Missing Jonls kelamin responden Frequency | Porcant | Valid Percont| Percent Cumulative TakE ak 24 48.9 a perampuan 26 52.0 Total 50. 100.9 Jenls kelamin responden cy sal ny nt nis elann responcen Interpretasi Hasil Dengan prosedur ini, Anda mengenali karakteristik variabel jenis kelamin. Dari output pertama, Anda mengetahui jumlah total subjek sebanyak 50 orang dan tidak ada data yang missing. Distribusi jenis kelamin berdasarkan jumlah dan persentase dapat Anda ketahui pada output kedua. Visualisasi dalam bentuk grafik disajikan pada ourput ketiga.Sialistk Deshriptl 41 An LATIHAN 4 <} MEMBUAT DESSRIPS VARIABEL NUMERIK Manfaat Prinsip urama yang perlu Anda ketahui adalah: “Know your data! What kind of data you bavet” Langkah membuat deskripsi variabel dengan skala pengukuran numerik merupakan langkah yang sangat penting agar Anda mengetahui karakteristik data yang Anda mili Kasus: Anda melakulean penelitian dan sudah mengumpulkan ei dan memasukkan data ke SPSS, Salah sara variabel yang ~~ Anda ukur adalah variabel body mass index (BMI). Karena Anda mengetahui bahwa BMI adalah variabel numerik, maka Anda ingin mengetahui deskripsi variabel tersebut berdasarkan ukuran pemusatan dan ukuran penyebarannya serta penyajiannya dalam bentuk histogram. 1. Buka file deskripsi. 2. Lakukan proses sebagai berikut. ¥ Analyze Descriptive Statistics Frequencies. ¥ Masukkan BMI ke dalam kotak Veriables. ¥ Pilihan Display Frequency Tables dinonaktifkan.56 Slatistk untuk Kecoktaran dari Kesonatan ¥ Proses telah selesai. Klik OK. Lihat pada Data View. Pada Data View terdapat variabel baru bernama tran_age yang merupakan basil transfromasi data variabel umur, Pada Data View akan terlihat tampilan sebagai berilsut. ure eee Ce ig ie Edt Wen ta Warton nae Slfa|S| B| [>| &[b| w 23: urnur i] 38.00 2] 46.00 a] 37.00 4] 46.00 3| 37.00 | 30.00 34.00 | 32.00 3] 38.00 0} 38.0 1) 4000 Bl 400 Uji normalitas variabel baru (tran_age) Sekarang lakukanlah uji normalitas untuk variabel ran_age dengan langkah-langkah uji normalitas yang telah dibahas pada latihan 5.Siatistk Destriptil $1 Bagaimana hasilnya? Berikut ini adalah hasil yang akan Anda peroleh (sesuai kesepakatan, Anda menggunakan uji Kolmogoroy-Smirnov atau Shapiro-Wilk untuk menguji apakah distribusi dara normal atau tidak), Testa of Normality Kolmogorov-Smimov* ‘Shapiro-Wilk Statistic df Sig. Statistic dt Tan_age ore 209 000 3 @. Lilliefors Significance Garrection Interpretasi Hasil Uji normalitas Kolmogorov-Smirnov menghasilkan nilai probabilitas (p} sebesar 0,000. Karena nilai p kurang dari 0,05 maka diambil kesimpulan bahwa variabel tran_age berdistribusi tidak normal. 1. Untuk menormalkan distribusi data, harus dicoba berbagai metode, seperti logi0, akar knadrat, kuadrat, akar tiga, dil. Sifamya coba- coba. Tidak semua upaya mentransformasi data agar mempunyai distribusi normal berhasil. weUji Hipotesés Komparat# Variabel Numerik Dua Kelaripok G1 2. Jika memenuhi syarat (data berdistribusi normal), maka dipilih uji ttidak berpasangan. 3. Jika tidak memenuhi syarat (data tidak berdistribusi normal) dilakukan terlebih dahulu transformasi data. 4. Jika variabel baru hasil transformasi berdistribusi normal, maka dipakai ujic tidak berpasangan. + Jika variabel baru hasil transfromasi tidak berdistribusi normal, maka dipilih uji Mann-Whimey. uw = {Bagaimana prosedur melakukan uji tt berpasangan dengan SPSS? 1. Menguji distribusi data ¥ Bukalah file: unpaired_t_test. ¥ Lakukanlah uji normalieas untuk data skor ansictas kelompok ibu yang proses melahirkannya ditemani suami dan data skor ansictas kelompok ibu yang proses melahirkannya tidak didampingi suami. ee Prosesnya sama dengan latihan 5 pada Bab Il. Perbedaannya adalah dengan memasukkan variabel “suami" ke dalam Factor List. Akan terlihat tampilan sebagai berikut, Deere List Score ansietes [sea] Factor Litt @ Didengingy sa [us Label Canes bye OQ) © Both © Siatision Pits Stalitice..| Plois.. | Options. DisplayG2 Statist untuk Kecokteran dan Kesebiatan Setelah diproses, bagaimana hasilnya? Output SPSS Sa ero Trove anselas — dlsemphil svar Wea a 95% Centdence — Lewer Beura IrterralforWean sper Gourd 6% Trenmea Mean ecin, vance 38. Deaton Winkewm Mosman Pa Range n Irterquartte Range aa Srawness 1138 200 Karte -298 37 Tardcampagicuamy Mean TO 128 5% Centdence Lower Beurd ene Intorraifartivsn sper Gouna oe ‘5% Temmec Mean rom Mecien Tap Vatiance 370887 ‘Sid, Devito 1307 Wickewmn a mesma 00 Renae 5a Irtorquatte Ranga 1173 skewness, ae saute ar Tests of Normality Ratmogaree Smimov ‘Stalisic at Sig. Scar ansicias didamping) iam ry Ta? 098 Lidak didampingi suami| 037 103, 200" * Thisis.a lower bound of the true significances, 2. Lillietors Significance Correction Interpretasi a. Bagian pertama adalah statistik deskriptif untuk variabel skor ansietas berdasarkan masing-masing kelompok. Ingat prinsip bahwa Anda harus selalu mempelajari deskripsi variabel sebelum melangkah pada proses selanjutnya. b. Sesuai dengan kesepakatan, Anda menggunakan uji Kolmogorov-Smirnov atau Shapiro-Wilk untuk menguji apakah distribusi data normal atau tidak. Apakah data berdistribusi normal?Uji Hipotesés Komparatit Variabel Numerit Dua Kelaripok 63 rests of Normality Kolwogarov-Smirnov, skor ansictas ibu yang didampingi suami mempunyai nilai p = 0,098 sedangkan yang tidak didampingi suami p = 0,200. Karena nilai p > 0,05, dapat diambil kesimpulan bahwa distribusi skor ansietas ibu yang didampingi suami maupun yang tidak didampingi suami berdistribusi normal. Uji apakah yang akan Anda pakai? Karena syarat distribusi daca normal terpenuhi, maka uji hiporesis yang digunakan adalah uji t tidak berpasangan. Bo 2. Langkah-langkah uji t tidak berpasangan Buka file unpaired_t_test. Lakukan prosedur sebagai berikut. ¥ Analyze +Compare Means >Independent-Sample t ¥ Masukkan score ke dalam kotak Test Variable. Y Masukkan serami ke dalam Grouping Variable. Sampai tahap ini Anda akan melihat tampilan sebagai berikut. [ieee ue) @ Score aninas [rcoe] Grouping Varicble: avant? 7 ¥ Aktifkan kotak Define Group. ¥ Masukkan angka 1 untuk kotak group 1 (sebagai kode tidak didampingi suami). ¥ Masukkan angka 2 untuk kotak group 2 (sebagai kode didampingi suami).7A Statist untuk Kedokteran dan Kesebiatan yang dipakai adalah uji alternatif t tes tidak berpasangan, yaitu uji Mann-Whitney. 5. Melakukan uji Mann-Whitney Lakukan prosedur scbagai berikut. ¥ Analyze > Nonparametrics test > 2 independent samples. ¥ Masukkan bmi ke dalam Test Variable, ¥ Masukkan class ke dalam Grouping Variable. OT Ten Vassbe Lit boc rae dex Ton] ¥ Aktifkan uji Mann-Whitney. Y Klik kotak Define Group. v Masukkan angka 1 pada kotak group 1 (1 merupakan kode tingkat ekonomi tinggi). ¥ Masukkan angka 2 pada kotak group 2 (2 merupakan kode tingkat ckonomi rendah). ear ane Ea) ¥ Proses selesai, klik Continue. Klik OK.Uj Hipotesis Komparatit Variabe! Numecik > 2 Keiompok 104 Test Statistice’? total jumiah rokok yang dihisap dalam satu ‘Chi-square af p.Sig a. Kruskal Wallis Test b. Grouping Variable: Metil Interpretasi hasil = Dengan uji Kruskal-Wallis, diperolch nilai p = 0,000. Oleh karena nilai p< 0,05, maka dapat diambil kesimpu- lan bahwe “paling tidak terdapat perbedaan jumlah rokok : yang diisap per bulan antara dua kclompok”. Antara kelompok manakah yang berbeda? Untuk mengetahui kelompok mana yang mempunyai perbedaan, maka harus dilakukan analisis Post Hoc. Alat untuk melaku- kan analisis Post Hoe untuk uji Kruskal-Wallis adalah dengan uji Mann-Whitney. Jadi, kita perlu melakukan uji Mann-Whitney antara kelompok motilitas baik dengan sedang, baik dengan buruk, dan sedang dengan buruk. a) 5. Meélakukan analisis Post Hoc Analisis Post Hoe untuk uji Kruskal-Wallis adalah uji Mann-Whit- ney, Lakukanlah analisis tersebut dengan langkah-langkah yang telah Anda pelajari pada Bab III. a. Uji Mann-Whitney antara kelompok motilitas buruk dengan se- dang. Lakukan prosedur sebagai berikut. ¥ Analyze +Nonparametrics test>2 independent samples. ¥ Masukkan variabel rokok ke dalam Test Variable. ¥ Masukkan variabel motil ke dalam Grouping Variable. ¥ Aktifkan uji Mann-Whitney. Akan terlihat tampilan sebagai berikut.